Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ

Detalhes bibliográficos
Autor(a) principal: Kappel, Marco André Abud
Data de Publicação: 2021
Outros Autores: Teodoro, Leonardo de Almeida
Tipo de documento: Artigo
Idioma: por
Título da fonte: Vetor (Online)
Texto Completo: https://periodicos.furg.br/vetor/article/view/12879
Resumo: With the expansion of the real estate market in the mountainous region of Rio de Janeiro State, an increasing number of people need to deal with real estate purchasing and sale. However, to fair evaluate, a real estate unit is not a simple task and can be influenced by different characteristics. To assist in this task, the present work's objective is to identify the most critical attributes for evaluating a property and build a simple mathematical model that can be used to estimate the value of the property in this region. Data from properties for sale in the city of Nova Friburgo were extracted from online ad portals to build a unique database of real estate data. In these data, variable selection techniques and a multiple linear regression process were applied to obtain a mathematical model that describes prices based on the property's essential characteristics. The obtained results revealed that the most crucial aspect of the evaluation is the property's total area. The developed model could also predict prices with a mean percentage deviation of approximately 25% on the test database.
id FURG-7_5b6af8d0f3b1bd71e6758b824a6162fe
oai_identifier_str oai:periodicos.furg.br:article/12879
network_acronym_str FURG-7
network_name_str Vetor (Online)
repository_id_str
spelling Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJModelo Hedônico para Estimação do Valor de Imóveis: Aplicação em Nova Friburgo-RJMachine LearningMulti-linear RegressionReal Estate Price PredictionAprendizado de MáquinaRegressão Linear MúltiplaAvaliação de ImóveisWith the expansion of the real estate market in the mountainous region of Rio de Janeiro State, an increasing number of people need to deal with real estate purchasing and sale. However, to fair evaluate, a real estate unit is not a simple task and can be influenced by different characteristics. To assist in this task, the present work's objective is to identify the most critical attributes for evaluating a property and build a simple mathematical model that can be used to estimate the value of the property in this region. Data from properties for sale in the city of Nova Friburgo were extracted from online ad portals to build a unique database of real estate data. In these data, variable selection techniques and a multiple linear regression process were applied to obtain a mathematical model that describes prices based on the property's essential characteristics. The obtained results revealed that the most crucial aspect of the evaluation is the property's total area. The developed model could also predict prices with a mean percentage deviation of approximately 25% on the test database.Com a expansão do mercado imobiliário na Região Serrana do estado do Rio de Janeiro, uma parcela cada vez maior da população precisa tratar com a compra e venda de imóveis. Porém, a avaliação justa de uma unidade imobiliária não é uma tarefa simples e pode ser influenciada por diferentes atributos da edificação. Com o propósito de auxiliar nessa incumbência, o presente trabalho tem como objetivo identificar as características mais importantes na avaliação de um imóvel nessa região e, em seguida, propor um modelo matemático simples capaz de estimar o seu valor de mercado. Para isso, informações sobre valores de comercialização e detalhes construtivos de casas e apartamentos à venda na cidade de Nova Friburgo foram extraídos de portais de anúncios online, formando uma base única de dados imobiliários, sobre a qual foram, posteriormente, aplicadas técnicas de seleção de variáveis e regressão linear múltipla para a obtenção do modelo pretendido. Os resultados obtidos revelaram que a característica de maior influência na determinação do preço de compra e venda de um imóvel na região é a sua área construída. Por outro lado, o modelo matemático construído foi capaz de estimar os preços de comercialização de uma propriedade com aproximadamente 25% de desvio percentual médio da base de testes.Universidade Federal do Rio Grande2021-04-22info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicos.furg.br/vetor/article/view/1287910.14295/vetor.v30i1.12879VETOR - Journal of Exact Sciences and Engineering; Vol. 30 No. 1 (2020); 28-37VETOR - Revista de Ciências Exatas e Engenharias; v. 30 n. 1 (2020); 28-372358-34520102-7352reponame:Vetor (Online)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGporhttps://periodicos.furg.br/vetor/article/view/12879/8675Copyright (c) 2021 VETOR - Revista de Ciências Exatas e Engenhariasinfo:eu-repo/semantics/openAccessKappel, Marco André AbudTeodoro, Leonardo de Almeida2021-08-05T21:46:16Zoai:periodicos.furg.br:article/12879Revistahttps://periodicos.furg.br/vetorPUBhttps://periodicos.furg.br/vetor/oaigmplatt@furg.br2358-34520102-7352opendoar:2021-08-05T21:46:16Vetor (Online) - Universidade Federal do Rio Grande (FURG)false
dc.title.none.fl_str_mv Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
Modelo Hedônico para Estimação do Valor de Imóveis: Aplicação em Nova Friburgo-RJ
title Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
spellingShingle Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
Kappel, Marco André Abud
Machine Learning
Multi-linear Regression
Real Estate Price Prediction
Aprendizado de Máquina
Regressão Linear Múltipla
Avaliação de Imóveis
title_short Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
title_full Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
title_fullStr Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
title_full_unstemmed Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
title_sort Hedonic Model for Real Estate Prices: Application to Nova Friburgo-RJ
author Kappel, Marco André Abud
author_facet Kappel, Marco André Abud
Teodoro, Leonardo de Almeida
author_role author
author2 Teodoro, Leonardo de Almeida
author2_role author
dc.contributor.author.fl_str_mv Kappel, Marco André Abud
Teodoro, Leonardo de Almeida
dc.subject.por.fl_str_mv Machine Learning
Multi-linear Regression
Real Estate Price Prediction
Aprendizado de Máquina
Regressão Linear Múltipla
Avaliação de Imóveis
topic Machine Learning
Multi-linear Regression
Real Estate Price Prediction
Aprendizado de Máquina
Regressão Linear Múltipla
Avaliação de Imóveis
description With the expansion of the real estate market in the mountainous region of Rio de Janeiro State, an increasing number of people need to deal with real estate purchasing and sale. However, to fair evaluate, a real estate unit is not a simple task and can be influenced by different characteristics. To assist in this task, the present work's objective is to identify the most critical attributes for evaluating a property and build a simple mathematical model that can be used to estimate the value of the property in this region. Data from properties for sale in the city of Nova Friburgo were extracted from online ad portals to build a unique database of real estate data. In these data, variable selection techniques and a multiple linear regression process were applied to obtain a mathematical model that describes prices based on the property's essential characteristics. The obtained results revealed that the most crucial aspect of the evaluation is the property's total area. The developed model could also predict prices with a mean percentage deviation of approximately 25% on the test database.
publishDate 2021
dc.date.none.fl_str_mv 2021-04-22
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://periodicos.furg.br/vetor/article/view/12879
10.14295/vetor.v30i1.12879
url https://periodicos.furg.br/vetor/article/view/12879
identifier_str_mv 10.14295/vetor.v30i1.12879
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://periodicos.furg.br/vetor/article/view/12879/8675
dc.rights.driver.fl_str_mv Copyright (c) 2021 VETOR - Revista de Ciências Exatas e Engenharias
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2021 VETOR - Revista de Ciências Exatas e Engenharias
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande
publisher.none.fl_str_mv Universidade Federal do Rio Grande
dc.source.none.fl_str_mv VETOR - Journal of Exact Sciences and Engineering; Vol. 30 No. 1 (2020); 28-37
VETOR - Revista de Ciências Exatas e Engenharias; v. 30 n. 1 (2020); 28-37
2358-3452
0102-7352
reponame:Vetor (Online)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Vetor (Online)
collection Vetor (Online)
repository.name.fl_str_mv Vetor (Online) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv gmplatt@furg.br
_version_ 1797041761774731264

Registros relacionados