Downloaded 34 times
![sample
library(XML)
yatin <- c()
name <- c()
for(i in 1:2){
url <- paste(検索画面のURL, i , sep = "")
doc <- htmlParse(url, encoding="UTF-8")
add_yatin <- xpathSApply(doc, XPATHを入力, xmlValue)
add_name <- xpathSApply(doc, “XPATHを入力", xmlValue)
yatin <- c(yatin,add_yatin)
name <- c(name,add_name)
}
sample <- data.frame(name,yatin)
sample[,2] <- gsub("万円","",sample[,2])
sample[,2] <- as.numeric(sample[,2]) * 10000](https://image.slidesharecdn.com/forslideshare-140329033255-phpapp02/75/R-For-slide-share-8-2048.jpg)
Rで部屋探し For slide share
- 1. S H OT A Y A S U I 2 0 1 4 / 3 / 2 9 T O K Y O . R Rでお部屋探し
- 2. 自己紹介 安井翔太 / ShotaYasui Twitter: @housecat442 <けーれき> — 日本のド文系経済学部 — アメリカで計量経済学１年 — ノルウェーで資源・環境経済学修士取得 — SNF研究所でデータ分析（環境税作成） — サイバーエージェントでデータ分析 ¡ アトリビューション分析 ¡ マス広告評価 ¡ 動画広告評価 ¡ Etc…
- 3. 実際に行った部屋探しの流れ 1. 住みたい場所を決める 2. 当該エリアの物件情報をスクレイピング 3. 分析モデルを決めて分析 4. モデルを持って不動産屋へ！ 5. おすすめの物件情報を片っ端から出してもらい、安め の物件をモデルで特定して絞る。 6. 安めの物件が幾つか出て来たら内見。 7. 気に入ったら決める。（気に入らなかったら５へ戻る）
- 4. 今日お話する部分 1. 住みたい場所を決める 2. 当該エリアの物件情報をスクレイピング 3. 分析モデルを決めて分析 4. モデルを持って不動産屋へ！ 5. おすすめの物件情報を片っ端から出してもらい、安め の物件をモデルで特定して絞る。 6. 安めの物件が幾つか出て来たら内見。 7. 気に入ったら決める。（気に入らなかったら５へ戻る）
- 5. 楽しい部分 1. 住みたい場所を決める 2. 当該エリアの物件情報をスクレイピング 3. 分析モデルを決めて分析 4. モデルを持って不動産屋へ！ 5. おすすめの物件情報を片っ端から出してもらい、安め の物件をモデルで特定して絞る。 6. 安めの物件が幾つか出て来たら内見。 7. 気に入ったら決める。（気に入らなかったら５へ戻る）
- 6. 1.住みたい場所を決める — 特に分析は用意しない。 — 皆さん大人なので、住みたい場所くらい自分で決めよう。 — 実際に行った際には会社の家賃補助「二駅ルール」の 圏内で限定。 — 一応広いエリアで分析して、割安なエリアを特定するとい うアプローチもあり得るかも。
- 7. 2.当該エリア物件データをスクレイピング — XMLパッケージを利用 — htmlParse()とpaste()とforを組み合わせて使えば検索 画面の情報は貴女の物 — Flashのプラグイン切ってブラウジングすればFlash無し バージョンのURLとかも解る。 — 怒られないようにSys.sleep()とかを入れときましょう。
- 8. sample library(XML) yatin <- c() name<- c() for(i in 1:2){ url <- paste(検索画面のURL, i , sep = "") doc <- htmlParse(url, encoding="UTF-8") add_yatin <- xpathSApply(doc, XPATHを入力, xmlValue) add_name <- xpathSApply(doc, “XPATHを入力", xmlValue) yatin <- c(yatin,add_yatin) name <- c(name,add_name) } sample <- data.frame(name,yatin) sample[,2] <- gsub("万円","",sample[,2]) sample[,2] <- as.numeric(sample[,2]) * 10000
- 9. 3.分析モデルを決める — 物件の家賃設定が高いのか低いのかを判断したい。 — IntroductoryEconometrics(Wooldridge)に例として提示さ れていた家賃モデルを参考。 — 手法は単純に重回帰分析を選択。 ¡ このお題で高度な分析が必要とされる気がしない ¡ 不動産屋で計算する事を考えると単純なモデルが好ましい — 変数選択のステップは省略。 ¡ 取って来たデータを取り敢えず突っ込んでみると重複する情報が多く、マ ルチコとかある。（例：部屋数と面積）
- 10. 分析！ — 取得したデータを前処理 — 何の変哲も無くlm()してsummary() — 今回は例として六本木,赤坂,西麻布エリアで分析。 — 被説明変数：二年分の家賃・管理費・礼金の合計 ＝大家に取っての２年分の収入 — 説明変数：部屋の面積・築年・階・地区・設備 ＝部屋の価値を創出しそうな要素
- 11. Call: lm(formula = log(twoyp)~ area + mati + kai + year + バス.トイレ + 洗面所独立 + 宅配ボックス + 温水 洗浄トイレ + 追い炊き風呂, data = minato) Residuals: Min 1Q Median 3Q Max -1.12666 -0.12738 -0.01471 0.11891 1.22410 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 14.6126865 0.0208835 699.724 < 2e-16 *** 面積 0.0120446 0.0000946 127.323 < 2e-16 *** mati赤坂 0.0778764 0.0103964 7.491 9.09e-14 *** mati六本木 0.0298522 0.0112462 2.654 0.007989 ** kai 0.0146538 0.0007082 20.691 < 2e-16 *** year -0.0096025 0.0004627 -20.751 < 2e-16 *** バス.トイレ 0.0797114 0.0139576 5.711 1.24e-08 *** 洗面所独立 0.0665907 0.0111475 5.974 2.61e-09 *** 宅配ボックス -0.0585588 0.0111705 -5.242 1.70e-07 *** 温水洗浄トイレ -0.0367874 0.0106328 -3.460 0.000549 *** 追い炊き風呂 0.1250519 0.0100339 12.463 < 2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.2148 on 2842 degrees of freedom Multiple R-squared: 0.9036, Adjusted R-squared: 0.9033 F-statistic: 2665 on 10 and 2842 DF, p-value: < 2.2e-16
- 12.
- 13. log(twoyp) = 14.6126865 +0.0120446*面積 + 0.0778764*赤坂 + 0.0298522*六本木 + 0.0146538*階 - 0.0096025 *築年 + 0.0665907*バス.トイレ + 0.0665907*洗面所独立 - 0.0585588*宅配ボックス -0.0367874*温水洗浄トイレ + 0.1250519*追い炊き風呂 自分の部屋の推定家賃= 14.6126865 + 0.0120446*27.4 + 0.0778764*0 + 0.0298522*0 + 0.0146538*7 - 0.0096025 *10 + 0.0665907*1+ 0.0665907*1 - 0.0585588*1 -0.0367874*1 + 0.1250519*1 =15.12526 →exp(15.23526) = 3705274
- 14.
- 15. 家賃が月12.2万円 148211 – 122000= 26211
- 16.
- 17.
- 18.