Huurprijzen en richthuurprijzen. Deel III ... - Steunpunt wonen

kunnen kiezen voor een iets gebruiksvriendelijkere indeling, bv. een classificatie
als “zeer goed” of “nieuwe dubbele beglazing” met de technische beschrijving erbij
wat hieronder verstaan wordt.
3.2.1 Ontbrekende waarden en imputatie
De dataset bevat voor vele variabelen ontbrekende waarden. Indien we voor elke
observatie waarvoor een variabele ontbrekende waarden bevat, zouden weglaten
uit de regressieanalyse halveert het aantal observaties. Indien we bijvoorbeeld de
variabele aantal personen , die overigens niet van nut is in ons model, zouden
opnemen in onze regressieanalyse, verliezen we meer dan 50% van de initiële
dataset. Deze variabele wordt dan ook weggelaten uit de regressieanalyse. Wat
betreft de andere variabelen ontbreken minder waarden. Het probleem was/is
voornamelijk dat voor een groot aantal variabelen voor enkele observaties
waarden ontbreken. Teneinde dit probleem tegen te gaan hebben we een techniek
gebruikt om waarden te imputeren, wat erop neerkomt dat de meest waarschijnlijke
waarde de ontbrekende waarde vervangt. Aan de hand van waarden voor andere
variabelen kan immers meestal een goede inschatting maken van de waarde van
de ontbrekende variabelen, aangezien de verschillende woningkenmerken vaak
nauw samenhangen. Een huis met een goed geïsoleerde vloer bijvoorbeeld zal
veelal ook een goed geïsoleerd dak en gevel hebben. Indien dergelijke imputatie
niet mogelijk was, hebben we de waarde geïmputeerd die het meest voorkwam in
de dataset. Voor sommige variabelen was het niet mogelijk om een gepaste
waarde te imputeren en werd(en) de betreffende observatie(s) verwijderd. Dit was
het geval voor bijvoorbeeld de datum van ingebruikname. Deze verwerking van de
ruwe data was tijdrovend, maar noodzakelijk.
3.3 Andere bronnen
Naast VMSW-data maken we ook gebruik van andere gegevensbronnen.
3.3.1 Statistische sector informatie
Om het locatie-effect te berekenen kunnen we gebruik maken van de liggings- en
omgevingsvariabelen in de VMSW dataset. De omgevingsvariabelen beperken
zich echter voornamelijk tot de meest directe omgeving en buurt (buurtpark,
architectoraal karakter en uitzicht, …). De liggingsvariabelen m.b.t bereikbaarheid
en voorzieningen zijn eerder ruw gemeten (< 2km., 5 km.). Om meer
ligging- en omgevingsvariabelen te incorporeren in het model, en tevens
variabelen die veelal op een continue schaal gemeten zijn, baseren we ons op
beschikbare statistische sectorinformatie, voornamelijk gegevens van de Socio-
Economische Enquête (SEE 2001).
Op basis van GIS-kaarten kan nog meer statistische sector informatie gecreëerd
worden. Er is zeker ruimte om meer beschikbare informatie in ons model te
verwerken. Om ruimtelijke data in het model te verwerken dringt zich echter een
speciale verwerking van data op. Tobler’s (1970) “First law of geography” zegt dat
“Everything is related to everything else, but near things are more related than
distant things”. Zonder dieper in te gaan op de techniciteit van dergelijke ruimtelijke
analyses, waarvan spatial econometrics een relatief nieuwe vorm is, vermelden we
hier enkel dat we een eerste poging gedaan hebben om afstand te modelleren in
ons model.
18