House Price Prediction in Andalusia: A Comparative Study of Hedonic and Machine Learning Approaches Using Online Data

• Autores: Gutiérrez, Emiliano; López del Río, Lorena Caridad; Ocerín, José María Caridad
• Año de publicación: 2026
• Idioma: inglés
• Tipo de recurso: artículo
• Materia: Ciencias Informáticas; Andalusia; Machine learning; Real Estate market; Hedonic models; SHAP; Andalucía; Aprendizaje automático; Mercado inmobiliario; Modelos hedónicos
• Institución: Universidad Nacional de La Plata

This study explores housing price prediction in six major cities of Andalusia using a combination of traditional and machine learning models. Online property listings were compiled to build a detailed dataset incorporating structural, socioeconomic, and locational variables. A traditional hedonic model was estimated using Ordinary Least Squares (OLS), and its performance was compared with that of Random Forest, K-Nearest Neighbours, and XGBoost. Results show that linear models tend to underperform, highlighting the relevance of non-linear approaches in capturing the complex dynamics of the housing market. To enhance interpretability, SHapley Additive exPlanations (SHAP) values were applied to the XGBoost model, enabling the identification of the most influential predictors in each city. While structural variables remained important across all models, socioeconomic and locational features exhibited varying effects depending on the city. These findings underscore the potential of combining rich data sources with interpretable machine learning techniques for urban housing market analysis.
Este estudio analiza la predicción de precios de la vivienda en seis ciudades principales de Andalucía mediante una combinación de modelos tradicionales y de aprendizaje automático. Se recopilaron anuncios inmobiliarios en línea para construir un conjunto de datos detallado que incorpora variables estructurales, socioeconómicas y de localización. Se estimó un modelo hedónico tradicional mediante Mínimos Cuadrados Ordinarios (MCO) y se comparó su rendimiento con el de Random Forest, K-Nearest Neighbours y XGBoost. Los resultados muestran que los modelos lineales tienden a tener un desempeño inferior, lo que destaca la relevancia de los enfoques no lineales para capturar la compleja dinámica del mercado inmobiliario. Para mejorar la interpretabilidad, se aplicaron valores SHapley Additive exPlanations (SHAP) al modelo XGBoost, lo que permitió identificar los predictores más influyentes en cada ciudad. Si bien las variables estructurales siguieron siendo importantes en todos los modelos, las características socioeconómicas y de localización mostraron efectos variables según la ciudad. Estos hallazgos subrayan el potencial de combinar fuentes de datos con técnicas de aprendizaje automático interpretables para el análisis del mercado de la vivienda urbana.
Facultad de Informática