The influence of traffic noise on house prices
Translated title
Trafikstøjs indflydelse på huspriser
Author
Møller, Katrine Valtersdorf
Term
4. term
Publication year
2020
Pages
71
Abstract
Dette projekt undersøger, hvordan huspriser kan forklares ud fra boligens egenskaber og dens omgivelser, og om trafikstøj påvirker prisen. Tilgangen er den hedoniske prismetode, som opdeler husprisen i værdien af forskellige karakteristika. Analysen bygger på data fra BBR, SVUR samt støjdata fra Miljøstyrelsen. De anvendte variable dækker boligens struktur, beliggenhed, nabolag/omgivelser og miljøforhold. For at finde den bedst passende model blev flere varianter afprøvet, herunder simple lineære og logaritmiske modeller. Både OLS‑regression (en almindelig regressionsmetode) og maskinlæring blev brugt til at opbygge modeller. Den bedste model blev opnået med maskinlæring baseret på lineær regression og havde en nøjagtighed på 73 %, hvilket var markant højere end for de øvrige modeller. Med udgangspunkt i denne model konkluderes, at trafikstøj ikke har en signifikant effekt på husprisen sammenlignet med indflydelsen fra de andre variable.
This project examines how house prices can be explained by the characteristics of a home and its surroundings, and whether traffic noise affects price. It uses the hedonic pricing method, which breaks a house price into the value of its different features. The analysis draws on data from BBR, SVUR, and noise data from the Danish Environmental Protection Agency. Variables include structural characteristics, location, neighborhood surroundings, and environmental factors. To identify the best-fitting model, several options were tested, including simple linear and logarithmic forms. Both OLS regression (ordinary least squares) and machine learning were used to build models. The best performance was achieved with a machine-learning approach based on linear regression, reaching an accuracy of 73%, clearly higher than the other models. Based on this model, the study concludes that traffic noise does not have a significant effect on house price compared with the influence of the other variables.
[This abstract was generated with the help of AI]
Keywords
Documents