Relatório de Análise de Dados e Predição de Preços de Aluguéis em São Paulo

Introdução

Neste projeto, foi realizado uma análise detalhada dos preços de aluguéis na cidade de São Paulo utilizando técnicas de análise de dados e regressão linear com a biblioteca Pandas e o pacote statsmodels em Python. O objetivo principal foi explorar e modelar a relação entre as variáveis do conjunto de dados e os preços dos aluguéis, utilizando uma transformação logarítmica para lidar com a heterocedasticidade e outliers nos dados. A seguir, apresentamos as etapas realizadas, os resultados obtidos e as conclusões derivadas da análise.

Etapas do Projeto

1. Importação e Limpeza dos Dados:

   • Os dados foram importados e carregados em um DataFrame do Pandas. A limpeza incluiu a remoção de valores ausentes e a aplicação de transformações necessárias.

2. Análise Descritiva:

   • Realizamos uma análise descritiva das variáveis, incluindo estatísticas básicas como média, mediana, desvio padrão, e quartis.

3. Transformação dos Dados:

   • Foi aplicada a transformação logarítmica na variável dependente (rent) e na variável area para lidar com a heterocedasticidade e normalizar a distribuição dos dados.

4. Modelagem de Regressão Linear:

   • Ajustamos um modelo de regressão linear utilizando a transformação logarítmica das variáveis. Utilizamos a biblioteca statsmodels para ajustar o modelo e obter um resumo detalhado dos coeficientes e estatísticas.

5. Avaliação do Modelo:

   • Avaliamos o desempenho do modelo utilizando métricas como Mean Squared Error (MSE) e R-squared (R²). Também realizamos uma análise de resíduos para verificar a normalidade e a presença de padrões nos resíduos.

6. Visualização dos Resultados:

   • Criamos diversas visualizações para explorar a relação entre as variáveis e os clusters formados utilizando o algoritmo K-means.

Resultados

Análise Descritiva

A análise descritiva revelou que a média dos preços de aluguéis em São Paulo é significativamente influenciada por variáveis como a área do imóvel, o número de quartos e vagas na garagem. Observamos uma variação considerável nos preços, o que justifica a aplicação de técnicas avançadas para modelar a relação entre essas variáveis e os preços de aluguel.

Modelagem de Regressão Linear

Utilizamos a transformação logarítmica para ajustar o modelo de regressão linear, resultando em um R² de 0.962, indicando que 96.2% da variação nos preços de aluguéis logarítmicos é explicada pelo modelo. Este é um ajuste excepcional, sugerindo que o modelo captura bem a variabilidade nos dados.

Coeficientes do Modelo

• Constante (const): 0.3239 (altamente significativo)
• Logaritmo da Área Total (total_log): 0.9296 (altamente significativo)
• Área (area): 0.0008 (altamente significativo)
• Número de Quartos (bedrooms): -0.0092 (altamente significativo)
• Número de Vagas na Garagem (garage): -0.0126 (altamente significativo)
• Cluster: -0.0114 (altamente significativo)

Os coeficientes sugerem que a área total do imóvel (em logaritmo) tem uma relação positiva forte com os preços de aluguel, enquanto o número de quartos e vagas na garagem apresentam uma relação inversa, embora significativas, o que pode ser um indicativo de peculiaridades específicas do mercado imobiliário de São Paulo.

Avaliação dos Resíduos

A análise dos resíduos mostrou que os resíduos não seguem uma distribuição normal, conforme indicado pelos testes Omnibus e Jarque-Bera. No entanto, a estatística de Durbin-Watson sugere que não há autocorrelação significativa dos resíduos, o que é positivo para a validade do modelo.

Conclusões e Recomendações

1. Qualidade do Ajuste:

   • O modelo logarítmico apresentou um excelente ajuste aos dados, explicando 96.2% da variação nos preços de aluguel. Este alto valor de R² indica que o modelo é robusto e confiável para previsões de preços de aluguel em São Paulo.

2. Transformação Logarítmica:

   • A transformação logarítmica foi eficaz em lidar com a heterocedasticidade e os outliers, resultando em um modelo mais estável e previsões mais precisas.

3. Significância das Variáveis:

   • Todas as variáveis independentes no modelo são altamente significativas, com exceção da constante, sugerindo que cada variável tem um impacto estatisticamente significativo nos preços de aluguel.

4. Interpretação dos Coeficientes:

   • A área total (em logaritmo) tem a maior influência positiva nos preços de aluguel, seguido pela área linear. A relação inversa do número de quartos e vagas na garagem com os preços de aluguel pode indicar particularidades do mercado imobiliário que merecem uma análise mais aprofundada.

5. Multicolinearidade:

   • A análise de VIF não indicou problemas significativos de multicolinearidade, com todos os valores de VIF abaixo de 10.

Recomendações Finais

Para futuros estudos e modelos preditivos de preços de aluguel:

1. Explorar Modelos Alternativos:

   • Considerar explorar modelos de regressão robusta e técnicas de machine learning para comparar a performance e robustez das previsões.

2. Analisar Outliers:

   • Realizar uma análise detalhada dos outliers para entender melhor as peculiaridades do mercado e possivelmente ajustar o modelo para acomodar esses dados.

3. Incluir Variáveis Adicionais:

   • Incluir variáveis adicionais que possam influenciar os preços de aluguel, como localização geográfica, proximidade a serviços e infraestrutura urbana.

4. Atualização Contínua do Modelo:

   • Manter o modelo atualizado com dados mais recentes para garantir a precisão e relevância das previsões ao longo do tempo.

Este relatório fornece uma visão abrangente e detalhada da análise de dados e modelagem preditiva de preços de aluguel em São Paulo. Esperamos que os insights obtidos possam auxiliar na tomada de decisões estratégicas e no desenvolvimento de políticas de precificação mais eficazes.

Anexos