Quali variabili includere in un modello immobiliare e noSto lavorando a un incarico che mi chiede se includere o meno variabili per un modello immobiliare. L'obiettivo del modello è prevedere il prezzo. Le variabili includono posizione, codice postale, indirizzo, letti, bagni, piedi quadrati, prezzo e dimensione del lotto. Il set di dati non contiene valori e presenta anche valori anomali. Ho due domande:
Esiste una best practice per decidere quali variabili includere in un modello (ad esempio, se le variabili hanno il 30% di valori mancanti, escludi o includi)?
Esiste una best practice per decidere se includere o escludere in un modello in base a variabili continue rispetto a variabili nominali ..... (ad esempio zip vs posizione vs città) avremo bisogno di tutte quelle variabili in un modello o ne trasporterà di più peso?
Apprezzo l'aiuto. Grazie!
AnalyticsTabella datiOggetto: quali variabili includere in un modello immobiliare e noI miei pensieri:
1. La selezione delle variabili per uno studio dovrebbe essere prima di tutto una funzione delle tue ipotesi. Questa è la tua spiegazione del PERCHÉ la variabile dovrebbe o non dovrebbe avere qualche relazione con le variabili di risposta.
2. Una seconda questione è il problema della multicollinearità. Devi stare attento ad avere più fattori che sono legati alle stesse ipotesi. Quindi, ad esempio, sembra che location vs zip sia collineare.
3. Sia i dati mancanti che i valori anomali possono avere un effetto drammatico sulla modellazione. Quanti dati mancanti sono troppi? Probabilmente dipende dalle dimensioni dell'intero set di dati. Perché ti mancano i dati?
4. Non sono sicuro di una buona pratica, in quanto ci sono quelli che iniziano con "tutte le variabili" e rimuovono quelle con scarso effetto e ci sono quelli che costruiscono il modello aggiungendo variabili (passo passo). In ogni caso, il processo è iterativo e, purtroppo, la metodologia più efficiente / efficace può dipendere dalla situazione.
5. Hai più informazioni e flessibilità con le variabili continue.
Ti suggerisco di iniziare con i tutorial di JMP come questo:
https://www.jmp.com/en_us/online-statistics-course.html
