Análise dos dados do AirBnb usando regressão quantílica

Abstract

O modelo de regressão quantílica é capaz de modelar o quantil condicional da variável resposta, além de possuir diversas propriedades de invariância e garantir um conhecimento maior da variável resposta que não seria fornecido pela média. Além disso, a regressão quantílica é um ótimo método sobre dados assimétricos por ser mais robusta. Estendendo esse método para dados espaciais tem-se a regressão quantílica espacial Bayesiana. Neste trabalho será utilizado o modelo proposto por Reich et al. (2011), que realiza estimativas em duas etapas para dados correlacionados espacialmente. O intuito desse trabalho é estudar as hospedagens do Airbnb do Rio de Janeiro, em que o preço da diária do aluguel se apresentou assimétrico e correlacionado espacialmente para algumas medidas resumo. Foram aplicados métodos de regressão quantílica apresentados acima a fim de verificar os principais aspectos de uma acomodação e do seu hospedeiro que influenciam no seu preço. Com o modelo espacial foi possível observar que existem aspectos da acomodação que impactam de forma semelhante entre os bairros, como por exemplo, o número de camas na acomodação. No geral, a região sudeste, além de ser a que possui o maior número de anúncios, é a que apresenta os aluguéis mais caros. Em contrapartida, a região nordeste foi a que se apresentou mais econômica. Foi realizada uma análise mais detalhada para a mediana do preço do aluguel, e observou-se que duas das variáveis que mais impactam no preço mediano são o número máximo de hóspedes e o número de quartos. Além disso, algumas relações interessantes são a presença de ar condicionado, que está associada a um aumento no valor do aluguel de 13,6% a 61,7% dependendo da região de interesse, e se o anfitrião é um superhost, que está associado a uma redução no valor do aluguel em 18,6%, ou um aumento em 17,8%, dependendo da região de interesse.