Determinantes del éxito en el mercado de alquiler turístico: un análisis de las características de los alojamientos en Airbnb

Abstract

Este Trabajo Fin de Grado desarrolla un análisis cuantitativo de los determinantes del precio en el segmento de habitaciones privadas y alojamientos económicos de Airbnb en la ciudad de Madrid. El estudio se enmarca dentro del ámbito de Business Analytics y combina técnicas de análisis exploratorio de datos con modelización econométrica para identificar qué factores explican las diferencias de precio observadas entre anuncios. Partiendo de una base de datos pública extraída de Airbnb el 15 de enero de 2021 (Messaadi, 2025), compuesta por 1.993 observaciones y 85 variables, se ha desarrollado un proceso de limpieza, depuración y construcción de variables analíticas que ha permitido obtener una muestra final de 1.438 anuncios válidos. Sobre esta muestra se ha estimado un modelo de regresión lineal múltiple mediante mínimos cuadrados ordinarios (OLS) con errores estándar robustos HC3, utilizando como variable dependiente el logaritmo del precio. Adicionalmente, se ha realizado una validación predictiva fuera de muestra mediante una partición 80/20 entre entrenamiento (1.150 observaciones) y prueba (288 observaciones). Los resultados muestran que las variables con mayor poder explicativo son el número de huéspedes incluidos en el precio base, el nivel de equipamiento del alojamiento, el número de reseñas acumuladas, el tipo de propiedad y la localización territorial. La valoración media del alojamiento presenta un efecto negativo y estadísticamente significativo una vez controladas las demás variables. El modelo explica un 47,8 % de la variabilidad del logaritmo del precio y mantiene una capacidad predictiva razonable fuera de muestra (R² = 0,450; MAE = 0,168; RMSE = 0,223), sin evidencias de sobreajuste severo. Asimismo, el número de baños del inmueble muestra un efecto negativo sobre el precio, coherente con el carácter compartido de las habitaciones analizadas.

This Final Degree Project develops a quantitative analysis of the determinants of price within the private-room and budget segment of Airbnb listings in the city of Madrid. The study is framed within the Business Analytics domain and combines exploratory data analysis with econometric modelling to identify which factors explain price differences across listings. Starting from a public dataset extracted from Airbnb on 15 January 2021 (Messaadi, 2025), comprising 1,993 observations and 85 variables, a process of data cleaning, debugging and analytical variable construction has been carried out, yielding a final sample of 1,438 valid listings. On this sample, a multiple linear regression model has been estimated by Ordinary Least Squares (OLS) with HC3 robust standard errors, using the log of price as the dependent variable. An out-of-sample predictive validation has also been performed through an 80/20 train-test split (1,150 training observations; 288 test observations). The results show that the most explanatory variables are the number of guests included in the base price, the level of amenities offered, the cumulative number of reviews, the property type and the territorial location. The average rating of the listing has a negative and statistically significant effect once the remaining variables are controlled for. The model explains 47.8 % of the variability of the log of price and retains a reasonable predictive capacity out of sample (R² = 0.450; MAE = 0.168; RMSE = 0.223), with no evidence of severe overfitting.