链家广州二手房的数据与分析——数据分析2

继续上一篇的工作继续分析广州链家二手房的数据。

Normality Test

房子的面积

ad.test(house$area) #p-value < 2.2e-16 reject normality
qqnorm(house$area)
qqline(house$area, col = 2, lwd=2)

房子的总价

ad.test(house$total_price) #p-value < 2.2e-16 reject normality
qqnorm(house$total_price)
qqline(house$total_price, col = 2, lwd=2)

房子的单价

ad.test(house$unit_price) #p-value < 2.2e-16 reject normality
qqnorm(house$unit_price)
qqline(house$unit_price, col = 2, lwd=2)

因为房子的面积，总价和单价这三个变量均不满足正态分布，所以就不能对这三个变量进行 ANOVA 和线性回归等分析了。

Cluster Analysis

在开始聚类分析之前心里要大概有个数，到底这些房子应该分为几类才合适？聚类的原则就是组内的差距要小而组间的差距要大。我只选择面积和单价这两个最为重要的变量进行分析，并计算了不同分组的情况下的组内离差平方和：

tot.wssplot <- function(data, nc, seed=1){
                tot.wss <- (nrow(data)-1)*sum(apply(data,2,var))
                for (i in 2:nc){
                  set.seed(seed)
                  tot.wss[i] <- kmeans(data, centers=i, iter.max = 500)$tot.withinss
                }
                plot1 <- ggplot(data=data.frame(1:nc,tot.wss), aes(x=1:nc, y=tot.wss, group=1)) +
                          geom_line(color="#007CFF", linetype="solid", size=1.0)+
                          geom_point(color="#FF6666")+
                          scale_x_continuous(limits=c(0, 10),breaks = seq(0,10,2))+
                          scale_y_continuous(limits=c(10000, 45000),breaks = seq(10000, 45000,5000))+
                          xlab('Number of Cluster')+
                          ylab('Within groups sum of squares')
}
temp <- data.frame(scale(house[,c("area", "unit_price")]))
plot2 <- tot.wssplot(temp, nc = 10)
print(plot2)

由上图的计算结果，我选择了将房子分为5类, 结果还不错。

set.seed(1)
group <- kmeans(x = temp, centers = 5, iter.max = 500)
print(group)
#K-means clustering with 5 clusters of sizes 7336, 3448, 16948, 19842, 3906
#(between_SS / total_SS =  74.7 %)

Interpreting Results

将分类的结果作为数据的一个新变量 house$group ，然后分组计算各组的房子的面积，总价和单价。

另外，第一组的房子集中的区域为市桥，新塘南，桥南等地；第二组的房子集中在东山口，淘金，天河公园等地；第三组的房子集中在京溪，昌岗，金碧等；第四组的房子集中在江燕路，西关，大石，祈福新村等；第五组的房子集中在麓景，荔城等。

综合上述的信息，我认为可以将广州的二手房大致分为以下5类：

1. 上车盘型：这组的房子大多位于市郊而且面积适中，价格较低。对于资金不够充裕的买家来说也是一个能够得着的选择。
2. 区域中心型(好地段)：这组的房子大多位于广州市的黄金地段（或是交通或是学位等因素），均价是远远超过广州二手房均价的，而且物以稀为贵在房子上也能验证。这组的房子数量并不多。
3. 刚需型： 这组的房子大多位于广州市内，虽然不算很好的地段，但是至少交通配套等设施会比市郊的房子要好。面积适中，价格适中，房源充足。
4. “老破小”型：这组的房子面积偏小，但是其集中所处的区域多处于江燕路和西关等老城区，所以其价格也不会很便宜，因为把这组的房子定义为“老破小”型。打引号的原因是这组内的房子不一定一一满足即老又小又破的特征，但是由数据推测该组的大多数房子会满足老破小其一的特征。
5. 大户型： 这组的房子面积较大，很容易就知道是包括别墅，复式等大户型的房子了。

通过绘制房子分组与房子建筑年代的图形，可以确定第4组就是老房子居多了，基本80s的房子都属于第4组的房子。

绘制房子分组与房子是否近地铁的图形，可以确定第2组是大部分是近地铁（代表交通发达）的好位置的房子，而第1组则符合预期猜测多为市郊的房子远离地铁。

最后，说了那么多，买房子就还是看看银行卡的余额……

原文地址：https://www.cnblogs.com/yukiwu/p/11333349.html