Modelli non parametrici ad effetti casuali: il caso del mercato immobiliare di Boston-Cambridge

This thesis addresses the topic of mixed-effects models applied to a case study of the American real estate market, characterized by hierarchical data. This type of model, unlike traditional parametric and nonparametric models, is able to account for the variability present at multiple geographical levels, thus allowing for better application to the data. The first part of the thesis describes the process used to construct the dataset. Subsequently, the traditional parametric and nonparametric models and their mixed-effects extensions are estimated, with the aim of comparing their predictive capabilities.

L’elaborato affronta la tematica dei modelli ad effetti misti applicati a un caso di mercato immobiliare americano, caratterizzato da dati con una struttura gerarchica. Questa tipologia di modelli, a differenza dei modelli parametrici e non parametrici tradizionali, riesce a considerare la variabilità presente nei molteplici livelli territoriali, permettendo quindi una migliore applicazione ai dati. Nella prima parte della tesi viene descritto il processo con cui è stato costruito il dataset utilizzato. Successivamente vengono stimati i modelli parametrici e non parametrici tradizionali e le loro estensioni ad effetti misti, con l’obiettivo di confrontare le loro capacità predittive.