误差集中在「没有这套房自己挂牌」的房子上

一半的房子误差率低于 5.6%,平均值是被右边的长尾拉高的

把 3,288 套房子按误差率从低到高铺开,形状是「左边一大堆、右边拖一条尾巴」。 真正拉高平均值的,是右侧那 406 套(12.3%)误差率超过 20% 的房子 —— 它们贡献了 50.7% 的总误差。 所以「把平均值降下来」的实际含义是 把右边这条尾巴变短,而不是让本来已经很准的房子再准一点。

把同一批房子按「有没有这套房自己的挂牌记录」分开,会得到两条形状完全不同的曲线。 这说明高误差不是随机波动,而是集中在一类可识别的房子上 —— 这类房子是可以被定位、也可以被补数据的。

按「这套房我们掌握多少信息」分层,误差率一级一级往上走

四层互不重叠,合计 3,287 套(1 套挂牌状态无法判定,未计入)。 从第一层到第四层,我们对这套房的了解越来越少,误差率从 7.2% 升到 23.8%,相差 3.3 倍。 每一条横条展示的是该层房子的误差率分布,不只是平均值。

换任何一个维度切,最差的一端都是「缺自身挂牌」的房子

切换下面的维度,横条会按平均误差率从高到低重排,一眼就能看出哪些群体高、哪些低。 注意看房型:透天整体 15.5% 最差,但透天里有挂牌的只有 8.8%、无挂牌的高达 25.8% —— 房型本身的差异,远小于挂牌信息的差异。

把「房型 × 挂牌情况」摊到同一张图上,优先级自己就浮出来了

纵轴是这一格的平均误差率(越高越难估),横轴是它对全台总误差的贡献(越右越值得动), 圆圈大小代表房子数量。右上角 = 又大又差 = 先改这里。

再把「有机会」量化成一个数:假设这些房子补齐信息后,能做到同房型、有挂牌那一档的误差率水平, 全台平均误差率能下降多少?这是上限估计 —— 实际效果取决于抓到的挂牌质量和关联准确率。

四件事,按性价比排序

每张卡片都标了证据强度:已观察到是数据直接支持的事实, 待核验是需要进一步验证的推断。

这几件看起来合理的事,数据显示收益很小

列出来是为了避免把资源投到看不见回报的地方。

三个角度的交叉检验