Влияние характеристик управления домом на цену жилой недвижимости

Размещено на http://www.allbest.ru/

ПЕРМСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО

АВТОНОМНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ

ВЫСШЕГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет экономики, менеджмента и бизнес-информатики

Выпускная квалификационная работа

Влияние характеристик управления домом на цену жилой недвижимости

Чипизубова Анастасия Александровна

Пермь, 2020 год



Аннотация

В работе определяются детерминанты цены на рынке жилой недвижимости. Данные представлены по Южной Корее, однако это лишь проецирование общей ситуации, так как не учитываются культурные, социальные и другие особенности страны. Применение результатов исследования возможно для рынка недвижимости в целом. Основными факторами для изучения влияния на цену выступают характеристики управления домом такие, как тип управления домом и количество управляющих в доме. Используя гедонистический подход, основу которого составляет гипотеза о том, что потребитель платит за набор характеристик, строятся регрессионные модели. В итоге определено, что при системе доверительного управления цена за квадратный метр растет на 82%, а при увеличении количества людей, обслуживающих дом на 1 человека, цена увеличивается на 29,5%.

The paper investigates the determinants of prices in the residential real estate market. The data are presented for South Korea, but this is only a projection of the general situation, since it does not consider the cultural, social, and other features of the country. Application of the research results is possible for the real estate market. The main factors for studying the effect on the price are the characteristics of house control, such as the type of house control and the number of managers in the house. Using the hedonistic approach, the basis of which is the hypothesis that the consumer pays for a set of characteristics, regression models are built. As a result, it was determined that with a trust management system, the price per square meter increases by 82%, and with an increase in the number of people serving the house for 1 person, the price increases by 29.5%.



Оглавление

Введение

1. Теоретическое обоснование

2. Постановка исследовательской проблемы

3. Методология исследования

Заключение

Список использованной литературы

Приложение



Введение

В настоящее время экономическая, социальная и другие сферы в мире крайне нестабильны. Одним из способов вложения и сохранения денежных средств является недвижимость, которая также служит жильем. Поэтому важен детальный и качественный анализ рынка недвижимости для дальнейших действий, как для покупки квартиры, так и для инвестиционных вложений. Исследования рынка проводятся в зависимости от целей анализа и охватывают конкретный аспект рынка, например, тенденции развития, изучение уровня спроса или объема предложения, потенциал инноваций и прочее. Существует несколько методик анализа рынка и одной из основных является статистическое изучение, которое способствует поиску и определению закономерностей в данных, отражающих ту или иную ситуацию на рынке недвижимости.

Рынок недвижимости определяется как пространственный рынок, то есть два идентичных друг другу объекта, но с разным географическим определением, имеют разные цены. Кроме того, существует несколько классификаций по которым можно разделить рынок недвижимости в зависимости от способа совершения сделки, от вида сделки или от степени готовности к эксплуатации и другие. Сегментами рынка недвижимости являются - рынок жилья, рынок земли и рынок нежилых помещений. В данной работе будет рассматриваться рынок жилой городской недвижимости.

Жилищные условия и места проживания людей оказывают серьезное воздействие на индивидуальное благосостояние и социальное расслоение. В числе показателей социально-экономического развития страны - уровень развития сферы услуг и ее конкурентоспособность. Одним из направлений сферы услуг является обслуживание индустрии недвижимости, где применение находится в риэлторских, клининговых или управленческих услугах, которые имеют широкое распространение в современном мире. То есть стоимость таких услуг тоже может входить в стоимость объекта жилой недвижимости также, как, например, любая другая характеристика объекта. Для облегчения процесса управления многоквартирным домом, владельцы квартир часто создают свою локальную организацию по управлению или прибегают к помощи профессиональных компаний. В область деятельности местного самоуправления или управляющего от компании входит целый ряд обязанностей, которые способствуют эффективному управлению и комфортному проживанию. Поэтому стоит учитывать и оценивать влияние характеристик управления домом на цену жилой недвижимости.

По мере увеличения спроса на недвижимость необходима оценка самого объекта для того, чтобы убедиться в реальной стоимости. Как известно, стоимость зависит от многих факторов, не исключая и возраст здания, количество санузлов, наличие объектов инфраструктуры вблизи объекта или тип управления домом. Поэтому целью работы является определение влияния характеристик управления домом на цену объектов жилой недвижимости. В работе используется база данных, содержащая около 6000 наблюдений с подходящей для исследования информацией за 10-летний период с августа 2007 года по август 2017 года.

Для достижения поставленной цели необходимо изучить существующие актуальные релевантные исследования и определить основные направления будущего анализа. Выбор методологии и функциональной формы модели основан на изученных работах и будет мотивирован в следующий главах. Также, одной из задач является предположить какое влияние факторы оказывают на цену и практическим путем с использованием регрессионных моделей проверить основную гипотезу, которая звучит так: увеличение количества людей, обслуживающих дом, приводит к возрастанию цены жилой недвижимости. Наличие характеристик - тип управления домом и количество менеджеров, обслуживающих дом, в модели является новизной в исследованиях подобного рода

Практическая значимость работы имеет широкое распространение в различных сферах деятельности. Например, для построения индекса цен, который может быть использован для сравнения объектов недвижимости или для анализа спроса на различные характеристики жилья и спроса на жилье в целом. Гедонистические модели широко используются в оценке налоговых, судебных, научных исследований и других проектов массовой оценки.

В следующей главе будет представлено теоретическое обоснование с опорой на основные исследования, затем обоснование методологии и выбор спецификации. После чего описание данных, объяснение переменных, эконометрическое исследование и описание результатов. В заключении кратко описана проведенная работа с уточнением ограничений, критическая оценка раздела «Описание результатов», ценность выводов, полученных в работе и возможные направления развития исследования.



1. Теоретическое обоснование

Существуют многочисленные исследования рынка жилой недвижимости. Направлениями исследований может быть определение взаимосвязи цены и комплекса мер характеристик самих объектов недвижимости, или цены и макроэкономических показателей городов, стран. Одним из методов изучения рынка недвижимости служит гедонистический подход, что предполагает модель ценообразования объектов недвижимости посредством комплекса характеристик жилья. Такая модель оценивается по ценам и характеристикам продаваемой недвижимости. Основу гедонистического метода составляет теория Ланкастера, которая говорит, что полезность предмета составляется из полезностей характеристик этого предмета, то есть потребитель платит не за товар, а за набор характеристик. Впервые гедонистическая модель была использована в работе (Haas, 1922) для оценки земель в Миннесоте. Родоначальником же современного гедонистического анализа считают (Griliches, 1961), который изучал ценообразование на рынке автомобилей. И дальнейшее развитие концепция получила в работе по изучению рынка персональных компьютеров в США (Chow, 1967). Применение гедонистического подхода на рынке недвижимости началось с работы Goodman (1978), который подробно изучил преимущества и недостатки линейной и нелинейных функциональных форм моделей. Преимуществом метода выделяют простоту его применения в работе с большим массивом данных. Тем не менее, могут возникнуть такие трудности, как неправильный выбор функциональной формы или проблема пропущенных переменных, однако такие вопросы свойственны статистическим исследованиям. Наиболее часто в работах используются спецификации - линейная и лог-линейная, где логарифмируется цена объекта (за общую площадь или квадратный метр), что позволяет уменьшить гетероскедастичность ввиду аппроксимации нормальным распределением.

Применение гедонистического метода в современном анализе широко распространено. Этот метод применяют и для определения влияния наличия городских лесов на цену объектов недвижимости в Финляндии (Tyrvдinen, 1997), и для изучения чувствительности гедонистических моделей цен на жилье к пространственной интерполяции показателей качества воздуха в Южной Калифорнии (Anselin and Gallo, 2006), и для анализа эффекта железнодорожной доступности в трех городах Нидерландов (Debrezion et al., 2011). Однако, гедонистические оценки влияния транспортной инфраструктуры на рынок недвижимости могут быть разными. За счет уточнения характеристик и включения дополнительных, таких как доступность, городской дизайн, географический масштаб и пространственные эффекты, в статье (Lieske et al., 2019) оценивались изменения стоимости жилой недвижимости в Австралии в зависимости от расстояния и доступности транспортной инфраструктуры. Используя гедонистические цены и метод DiD (Difference in differences), Agarwal et al. (2019) выявил, что уникальная программа в Сингапуре по добавлению площади к существующей единице жилья положительно повлияла на цены в среднем на 7%. Другое исследование (Zhang and Dong, 2018) показало, что зеленый ландшафт в Пекине, Гуанчжоу и других городах положительно влияет на цены недвижимости в Китае на 10%, что в свою очередь увеличивает доходы застройщиков, инвесторов и агентств недвижимости. Также, можно отметить, что и области, которые включает в себя гедонистический подход достаточно разнообразны.

Например, исследователи используют макроэкономические показатели стран в гедонистической модели как контрольные переменные, применяя одномерный и многомерный регрессионный анализ. Несмотря на быстрые темпы глобализации в 20-м веке, только в первом десятилетии 21-го века, многие ученые начали изучать рынок недвижимости с точки зрения открытой экономики, чтобы учесть влияние международной торговли на городскую недвижимость (Aizenman and Jinjarak, 2009; Bardhan et al., 2004; Reinhart and Rogoff, 2008). Было доказано, что цены на недвижимость связаны с общими экономическими циклами, а экономические факторы влияют на тенденции в сфере недвижимости, но это не объясняет большинство изменений цен на недвижимость в краткосрочной перспективе (Quigley, 1999).

Wang et al. (2011) обнаружили статистически значимую положительную корреляцию между экономической открытостью городов и ценами на городскую недвижимость. Авторы изучают уровень цен на недвижимость (REP), который рассчитывается в соответствии с индексом цен на недвижимость и контролируют такие факторы спроса, как располагаемый доход на душу населения (INC), общая численность городского населения (POP), уровень зарегистрированной городской безработицы (UNEMPLOY). Факторы предложения, такие как индекс арендной платы за городскую землю (LANDRENTS), плотность населения в городской застройке (POPDENSITY), стоимость застройки (RECOST) и запас недвижимости (RESTOCK), также включены в модель, как показано на рисунке 1:

Рис. 1. Модель данных логарифмической панели

Используя панельные данные по 35 крупным китайским городам в период с 1998 по 2006 года, выявляется эмпирическим путем, что на каждые 1% повышения экономической открытости городов цены на городскую недвижимость значительно возрастут на 0,282% после учета других традиционных факторов спроса и предложения. Результат демонстрирует, что колебания цен на городскую недвижимость зависят от международных экономических факторов. В свою очередь, Hepєen, A. и Vatansever, M. (2012) выяснили, что существует долгосрочная связь не только между индексом цен на жилую недвижимость в Дубае и ценами на золото, но также между индексом цен на жилую недвижимость и общим объемом внешней торговли.

Такие исследования с позиции макроэкономических показателей позволяют инвесторам и портфельным менеджерам пересматривать стратегии поведения в международной диверсификации ввиду всевозможных колебаний, вызванных кризисом. Более того, предполагается, что деятельность на рынках недвижимости в странах Юго-Восточной и Восточной Азии была важной движущей силой финансового кризиса 1997 года в азиатских экономиках (Quigley, 2001). Изменения в долгосрочных отношениях и краткосрочных связях между рынками ценных бумаг США, Великобритании и восьмью странами Азии до, во время и после финансового кризиса в Азии в 1997-1998 годах, а также в самый последний период изучали Liow and Hiang (2008). Результаты исследования показали, что взаимосвязь азиатских рынков ценных бумаг в сфере недвижимости стала сильнее как в долгосрочной, так и в краткосрочной перспективе.

Многочисленные исследования, такие как Hon-Chung (2009), Ludwig and Slok (2004), Case et al. (2005), Bardhan et al. (2008), Goodhard and Hofmann (2007) выявили, что ВВП, безработица, текущий счет страны, внутренний спрос и индекс акций являются ключевыми макроэкономическими факторами, влияющими на цены недвижимости. Тем не менее, Hon-Chung (2009) отмечает, что результаты исследований влияния вышеупомянутых факторов на цену недвижимости должны рассматриваться отдельно для всех стран и регионов, учитывая межстрановые различия в политике и культурных средах. Также, различия в ценах на недвижимость могут быть и в зависимости от размера города, определили Hong-Yu и Kuentai (2011).

Безусловно, макроэкономические показатели стран, экономическая открытость городов и размер городов, влияют на цену, но основными факторами, влияющими на цену жилой недвижимости, являются индивидуальные характеристики объекта. Для определения характеристик объекта используют информацию о площади объекта, возрасте здания, количестве комнат и ванных комнат, количестве этажей, расстояние до общественного транспорта и т. д. Но по мере улучшения условий жизни, появляются другие не менее важные факторы, влияющие на цену жилья. Одним из таких факторов в настоящее время выступает способ и система управления в многоквартирном доме. Существуют некоторые исследования, направленные на изучение влияния управления зданием на условия строительства, на его прочность и длительное использование или влияние риэлторских услуг на перспективное развитие отрасли недвижимости. Вместе с тем, в литературе недостаточно исследований, которые изучили бы влияние управления домом или количество менеджеров в доме на цену жилой недвижимости. Тем не менее, с использованием модели гедонистического ценообразования Hastings et al. (2006) показывает в работе по изучению 15 жилых комплексов в Гонконге, что цены на недвижимость увеличиваются, когда владельцы используют профессиональные управленческие услуги. А эмпирические исследования Yau and Ho, (2009) были проведены с целью изучения связи конкретных методов управления домом в Гонконге с ценой жилой недвижимости. Спецификация изученной модели поддерживается большинством исследователей и показана на рисунке 2 - полулогарифмическая с квадратичными членами для непрерывных переменных и определена так:

Рис. 2. Полулогарифмическая модель с квадратичными членами



где бs ( s = 1, 2,…, 18), вw ( w = 1, 2,…, 11) и ц (вектор коэффициентов) - коэффициенты, подлежащие оценке, а ? - стохастический член.

Набор коэффициентов бs измеряет предельные эффекты переменных, обозначающие внутренние характеристик объекта - возраст, этаж, размер в квадратных футах, количество бытовых единиц в застройке, расстояние до общественного транспорта и дамми в зависимости от географии района.

Набор коэффициентов вw измеряет предельные эффекты переменных, отвечающие за методы управления зданием. Для определения метода управления авторы сравнивали 189 многоквартирных домов в Яу Цим Монг и Восточных районах по специально разработанной системе оценки, которая включала в себя различные показатели качества, а именно: архитектурное проектирование, предоставление услуг по строительству, внешнюю среду, эксплуатацию и техническое обслуживание, а также механизмы управления. Из десяти изученных методов управления было обнаружено, что шесть из них оказывают значительное влияние на цены жилой недвижимости.

Горностаева, Алехина и Лазарева (2017) изучили роль качества обслуживания в развитии американской индустрии недвижимости. Ключевая идея исследования заключается в том, что качество услуг риэлторских компаний является вектором развития сферы недвижимости в современном мире. В результате исследования авторы пришли к выводу, что только лучший сервис гарантирует рост конкурентоспособности и прибыльности компаний индустрии недвижимости. Также, был проведен сравнительный анализ (Горностаева и др., 2014) в России и Восточной Европе. Результаты исследования определили, что деловая активность и инвестиционная привлекательность в сфере услуг в Восточной Европе выше, чем в России. Сервисные предприятия Восточной Европы более зависимы от конъюнктуры мировой экономики. Тем не менее, ликвидность и платежеспособность в российских сервисных компаниях выше, также, как и доля предприятий на рынке услуг из-за низкого уровня конкуренции. Однако, в России сфера услуг не является приоритетной сферой экономики и условия для ведения бизнеса менее благоприятны.

Что касается исследований российского рынка недвижимости, то (Магнус, Пересецкий, 2010; Красильников, Щербакова, 2011) определили общую площадь квартиры в разных городах России, как важнейший фактор, который определяет цену. Для московских цен на недвижимость также важен такой фактор, как расстояние до метро, а для Санкт-Петербурга, Екатеринбурга и Новосибирска были определены оптимальные значения доли площади кухни в общей площади квартиры.

Развитие рынка недвижимости обусловлено рядом эндогенных и экзогенных факторов. Отдельные факторы определяют локальный характер рынка недвижимости, тогда как другие способствуют его классификации в качестве одной из основных отраслей национальной экономики. Быстрый экономический рост и поиск новых инвестиционных возможностей превратили рынок в высококонкурентную и быстроизменяющуюся среду для всех экономических агентов. Таким образом, в данной работе будет рассмотрен широкий спектр факторов, влияющих на цену жилой недвижимости. А именно будет определен вклад в цену ряда индивидуальных характеристик объекта, наличие функциональных зданий около объекта, парков и макроэкономических показателей страны. И основными рассматриваемыми факторами будут выступать - тип управления домом и количество менеджеров, обслуживающих дом. Краткие выводы основных работы представлены в таблице 1.

Таблица 1 Кратко об основных работах

Автор	Результат
Hastings et al. (2006)	Цены на недвижимость увеличиваются, когда владельцы используют профессиональные управленческие услуги.
Lieske et al. (2019)	Ряд характеристик городского дизайна являются важными факторами, определяющими стоимость жилой недвижимости: высокая плотность застройки снижает цену; парковочные станции снижают цену.
Yau and Ho (2009)	6 из 10 изученных методов управления оказывают значительное влияние на цены жилой недвижимости.
Горностаева, Алехина и Лазарева (2017)	Качество обслуживания является вектором развития сферы недвижимости в современных условиях.

2. Постановка исследовательской проблемы

Данное исследование направлено на изучение формирования цены на рынке жилой недвижимости, что позволит экономическим агентам более грамотно совершать действия на рынке. В работе учитываются разного рода факторы, которые оказывают влияние на цену объектов жилой недвижимости. Влияние факторов может быть как положительным, так и отрицательным, то есть увеличивать или снижать цену объектов. Поэтому, какое влияние оказывает количество менеджеров и система управления в доме на цену апартаментов, является исследовательским вопросом.

Управление домом становится популярным вопросом во многих странах. Например, в Китае исследование влияния практики управления зданием на цену жилой недвижимости было спровоцировано рядом разрушительных ситуаций, связанных со строительством зданий (Yau and Ho, 2009). В Латвии такое исследование было проведено по причине отсутствия понимания формирования цены администрирования и содержания жилого дома (Geipele et al., 2012). В России в сфере управления многоквартирными домами проведено лицензирование управляющих компаний (Минстрой России), что позволяет защитить права граждан и мотивирует компании работать качественно и добросовестно. Поэтому, при покупке жилья уделяется внимание не только характеристикам объекта (площадь, количество комнат, этаж, наличие парковки и др.), но и компании застройщику и компании, которая управляет домом. В совокупности эти и другие факторы составляют цену жилой недвижимости, а понимание формирование цены позволяет адекватно оценить как возможность покупки жилья для домохозяйств, так и возможность грамотных вложений для инвесторов.

В работе проводится анализ детерминант цены жилой недвижимости в Южной Корее за десятилетний период с 2007 по 2017 гг. и оценка влияния количества менеджеров в доме и системы управления домом на цену апартаментов с помощью гедонистического метода. Под апартаментами в работе понимается вид жилой недвижимости в многоквартирном доме. Источником данных послужила платформа «kaggle.com». Использование южнокорейских данных не ограничивает результаты исследования, а, наоборот, позволяет спроецировать гедонистическую модель ценообразования и применять ее в дальнейших исследованиях.

Гедонистический анализ широко применим и достаточно популярен в последнее время. Такой подход является разумным в изучении спроса на рынке недвижимости. Гедонистический метод позволяет рассмотреть цену как набор характеристик объекта, построить индексы цен и выявить значимый вклад характеристик при ценообразовании. В свою очередь, жилье является сильно дифференцированным товаром и состоит из большого набора различных характеристик. Соответственно, гедонистический метод позволяет оценить вклад каждой характеристики. И именно гедонистический подход служит инструментом статистической обработки данных, что приводит к выявлению значимых переменных в модели.

В ходе работы цена за объект жилой недвижимости будет сформирована с помощью регрессионных моделей. Одна модель включает в себя все индивидуальные характеристики, характеристики управления домом, количество функциональных зданий около дома, а следующая модель будет дополняться контрольными переменными - макроэкономическими показателями.

Цена в качестве зависимой переменной будет рассматриваться за 1 кв. метр, такая предпосылка модели основывается на релевантных используемых источниках. Спецификация моделей была выбрана лог-линейная, то есть цена за кв. метр логарифмировалась для приближения распределения цены к нормальному, что позволит увеличить вероятность нормального распределения остатков модели и корректно проверить гипотезы для модели.

Основываясь на теоретическом обосновании и по причине не полной изученности вопроса влияния характеристик управления домом на цену жилой недвижимости, выдвигается основная гипотеза:

увеличение числа менеджеров, обслуживающих дом, приводит к увеличению цены объекта жилой недвижимости.

Предполагается, что основным результатом эконометрического исследования будет подтверждение данной гипотезы. Помимо этого, будет определено влияние конкретного типа управления домом.

3. Методология исследования

Одним из методов изучения рынка недвижимости служит гедонистический подход, что предполагает модель ценообразования объектов недвижимости посредством комплекса характеристик жилья. Такая модель оценивается по ценам и характеристикам продаваемой недвижимости. Данный подход применим для создания и использования в дальнейшем корзин недвижимости, что позволяет следовать с течением времени оценочной стоимости выбранного вида жилья, даже если оно не продавалось и имеет схожие характеристики с аналогами.

В силу динамики на рынке недвижимости, показатель цены вычисляется с учетом изменения качества объектов недвижимости, что представляет собой гедонистический индекс цен. Общее предположение полученных гедонистических индексов цен заключается в том, что объект недвижимости определяется комбинацией фиксированного количества характеристик, его качественного сочетания, которое и входит в полезность потребителя. Возможность корректирования динамики продаж для определенной даты наблюдения и есть основной принцип гедонистического метода. Гедонистический индекс цен позволяет оценить изменение качества характеристик и проанализировать спрос на различные характеристики гетерогенного товара.

Построение гедонистического индекса цен основано на модели эконометрического ценообразования, которая объясняет, как цена квартиры или дома зависит от ее характеристик, и показывает предельный вклад каждой характеристики. Оценочная модель может использоваться для прогнозирования цены любого набора характеристик, как это делается при построении самого гедонистического индекса цен. Используя информацию об оценочной дисперсии ошибки и оценочной дисперсии бета-коэффициентов, модель также может быть использована для получения 95%-ого интервала прогнозирования для любых характеристик объектов. Например, рынки гетерогенных товаров (жилье, автомобили, работники) характеризуются ценовым диапазоном, который зависит от качества характеристик, включенных в товар. Предположение гедонистического подхода заключается в том, что гетерогенное благо состоит из нескольких гомогенных частей, которые и вносят свой вклад в ценообразование.

Так, на цену объектов жилой недвижимости оказывает влияет и социальная инфраструктура района, и наличие и расположение остановок общественного транспорта или метро, и качество окружающей среды и т. д. Гедонистический подход учитывает и такие характеристики, поэтому применение рассмотренного метода логично в данной работе. Преимуществами метода можно выделить:

разносторонность и универсальность;

легкость работы с большим массивом данных;

аппроксимация стоимости, составляющейся по реальных предпочтениям потребителей;

Индексы цен являются важной составляющей исследования для лучшего понимания рынка недвижимости. Этот подход используется в построении экспертной системы ценообразования, что служит в качестве источника информации о рыночных ценах до совершения транзакции или в качестве источника для проверки ex-post, если цена транзакции совместима с рыночной, например, для выявления возможного мошенничества с налогами. Многие банки, кредитные учреждения и страховые компании имеют значительную часть своего портфеля, непосредственно инвестируемую в недвижимость, поскольку недвижимость является стандартным обеспечением для ипотеки. Экспертная система ценообразования является естественным инструментом для расчета стоимости портфелей недвижимости.

В данной работе изучение цен на рынке недвижимости с построением гедонистической модели - это регрессионный анализ зависимости цены от характеристик объекта, характеристик района и макроэкономических показателей страны. Переменные представляют собой две группы:

основные, которые не могут быть исключены из анализа по причине здравого смысла и значительного вклада в модель;

дополнительные, которые могут улучшить качество построенной модели.

В качестве зависимой переменной берется натуральный логарифм цены, так как он лучше аппроксимируется нормальным распределением. Тогда общий вид модели:

Ln (price) = б + в1 * X1 + ?,

где Ln (price) - натуральный логарифм цены за 1 м2;

X1 - вектор основных характеристик объекта и района.

Модель с добавлением контрольных переменных:

Ln (price) = б + в1 * X1 + в2 * X2 + ?,

где X2 - вектор дополнительных переменных, то есть макроэкономических показателей. 525

Данные

Для определения переменных в работе использовались данные за 10-летний период с августа 2007 года по август 2017 года. Информация о квартирах в регионе Йоннам, город Тэгу, Южная Корея. В базе данных 5891 наблюдение, пропущенных значений нет. Источником данных послужила платформа «kaggle.com». Исходные данные содержат информацию, представленную в таблице 2.

Таблица 2 Описание исходных данных

Название	Описание	Размер
SalePrice	Цена продажи в $	32 743$ - 585 840$
YearBuilt	Год постройки	1978 - 2015 гг.
YrSold	Год продажи	2007 - 2017 гг.
MonthSold	Месяц продажи	январь - декабрь
Size(sqf)	Размер квартиры в квадратных футах	135 - 2337 кв. футов
Floor	Этаж	1 - 43
HallwayType	Тип прихожей	Terraced 60% Mixed 29% Corridor 11%
HeatingType	Тип отопления	Individual 95% Central 5%
AprManageType	Тип управления квартирой	Management in trust 94% Self-management 6%
N_Parkinglot(Ground)	Количество парковочных мест на земле	0 - 713
N_Parkinglot(Basement)	Количество парковочных мест в подвале	0 - 1321
TimeToBusStop	Время в пути от квартиры до автобусной остановки	0-5 min 76% 5-10 min 23% 10-15 min 1%
TimeToSubway	Время в пути от квартиры до станции метро	0-5 min 47% 5-10 min 19% 10-15 min 14% 15-20 min 16% No stop 4%
N_APT	Номер многоквартирного дома в жилом комплексе	1 - 13
N_manager	Количество людей, обслуживающих дом	1 - 14
N_elevators	Количество лифтов в жилом комплексе	0 - 27
SubwayStation	Название станции метро рядом с квартирой	6 названий
N_FacilitiesNearBy(PublicOffice)	Количество общественных офисов рядом с квартирой	0 - 7
N_FacilitiesNearBy(Hospital)	Количество больниц рядом с квартирой	0 - 2
N_FacilitiesNearBy(Dpartmentstore)	Количество универмагов рядом с квартирой	0 - 2
N_FacilitiesNearBy(Mall)	Количество торговых центров рядом с квартирой	0 - 2
N_FacilitiesNearBy(ETC)	Количество отелей рядом с квартирой	0 - 5
N_FacilitiesNearBy(Park)	Количество парков рядом с квартирой	0 - 2
N_SchoolNearBy(Elementary)	Количество начальных школ рядом с квартирой	0 - 6
N_SchoolNearBy(Middle)	Количество средних школ рядом с квартирой	0 - 4
N_SchoolNearBy(High)	Количество старших школ рядом с квартирой	0 - 5
N_SchoolNearBy(University)	Количество университетов рядом с квартирой	0 - 5
N_FacilitiesInApt	Количество удобств для жителей (бассейн, тренажерный зал, игровая площадка)	1 - 10
N_FacilitiesNearBy(Total)	Общее количество удобств рядом с квартирой	1 - 16
N_SchoolNearBy(Total)	Общее количество школ рядом с квартирой	0 - 17

В работе были использованы данные о курсе валют американского доллара и южнокорейской воны для перевода денежный единиц в национальную валюту. Источником данных послужила платформа «ru.investing.com». Данные представлены в таблице 3.

В работе также использовались данные о макроэкономических показателях Южной Кореи с 2007 по 2017 года - уровень безработицы (% от общей численности рабочей силы (национальная оценка)), ИПЦ (база = 2010), уровень инфляции (потребительские цены), реальный ВВП на душу населения, плотность населения (сколько человек на квадратный метр площади суши), потребление домохозяйств на душу населения, реальная ставка процента. Источником данных послужила платформа «trendeconomy.ru». Данные представлены в таблице 4.

Таблица 3 Курс валют

Год	Курс
2007	1$ = 941,5 KRW
2008	1$ = 943,85 KRW
2009	1$ = 1174,43 KRW
2010	1$ = 1158,90 KRW
2011	1$ = 1119,88 KRW
2012	1$ = 1126,20 KRW
2013	1$ = 1088,26 KRW
2014	1$ = 1081,31 KRW
2015	1$ = 1101,28 KRW
2016	1$ = 1174,44 KRW
2017	1$ = 1151,65 KRW

Таблица 4 Макроэкономические показатели Южной Кореи

Год	Безраб. (%)	ИПЦ (%)	Инфл. (%)	ВВП р. (KRW)	Плот. нас. (чел.)	Потреб.д/х (KRW)	Реальная ставка процента
2007	3,23	90,32	2,53	19 192 778,82	502,31	10 049 764,74	4,06
2008	3,16	95,54	4,67	19 635 383,98	505,56	10 135 908,43	4,09
2009	3,64	97,14	2,76	24 478 802,80	507,80	12 567 774,07	2,03
2010	3,72	100,00	2,94	25 596 569,74	509,66	12 880 390,41	2,28
2011	3,41	104,03	4,03	25 448 943,27	513,59	12 709 626,83	4,11
2012	3,22	106,30	2,19	26 041 980,04	515,66	12 958 851,57	4,31
2013	3,12	107,68	1,30	25 775 880,71	517,40	12 700 024,28	3,76
2014	3,53	109,06	1,27	26 301 322,55	520,59	12 758 987,01	3,64
2015	3,63	109,83	0,71	27 389 682,58	523,34	13 211 177,43	1,11
2016	3,71	110,89	0,97	29 929 473,11	525,70	14 379 625,47	1,36
2017	3,73	113,05	1,90	30 117 986,24	527,97	14 406 436,39	1,18



В ходе работы данные о квартирах были изменены, а именно размер квартиры был переведен из квадратных футов в квадратные метры (1 фут = 0,305 м.). Цена квартиры корректировалась на ИПЦ (база = 2010), пересчитывалась за квадратный метр и переводилась в южнокорейскую вону. Наименьшая цена за 1 м2 32 899 южнокорейских вон, максимальная цена за 1 м2 более 2 миллионов южнокорейской валюты. В среднем цена 1 м2 равна 888 115 KRW. Описательная статистика цены продажи объектов жилой недвижимости после корректировки на ИПЦ, конвертации денежных единиц в национальную валюту и перевода цены за 1 квадратный метр представлена в таблице 5. Гистограммы распределения цены, логарифма цены и других количественных переменных представлена в приложении 1.

Таблица 5 Описательная статистика цены за кв. метр в южнокорейских вонах (KRW)

PriceSqm
Min	32 899 KRW
Max	2 108 394 KRW
Median	888 115 KRW
Mean	914 249 KRW
St. Dev.	654 908 KRW

В работе использовался натуральный логарифм цены за квадратный метр, так как логарифмирование переменной позволяет добиться распределения приближенного к нормальному. Также был посчитан возраст здания, в котором продавалась квартира. Категориальные переменные перекодированы в дамми-переменные.

Некоторые данные, например номер многоквартирного дома в жилом комплексе или количество школ разных уровней образования, не были рассмотрены в дальнейшем анализе, поэтому окончательные данные могут быть описаны так:

ln_PriceSqm - логарифм цены за квадратный метр в национальной валюте

SizeM - размер квартиры в квадратных метрах

Age - возраст здания

Floor - этаж

N_manager - количество людей, обслуживающих дом

N_ParkingGround - количество парковочных мест на земле

N_ParkingBasement - количество парковочных мест под землей

N_elevators - количество лифтов в жилом комплексе

PublicOffice - количество общественных офисов рядом с квартирой

Hospital - количество больниц рядом с квартирой

DpartmentStore - количество универмагов рядом с квартирой

Mall - количество торговых центров рядом с квартирой

ETC - количество отелей рядом с квартирой

Park - количество парков рядом с квартирой

N_FacilitiesInApt - количество удобств для жителей (бассейн, тренажерный зал, игровая площадка)

School - количество всех школ и университетов рядом с квартирой

RealIR - реальная ставка процента в Южной Кореи

RealGDP - реальный ВВП на душу населения в Южной Кореи

Dummy:

2007: 1 - если квартира была продана в 2007, иначе 0. Для 2008-2017 по аналогии.

Terraced: 1 - если тип прихожей - терраса, иначе 0.

Corridor: 1 - если тип прихожей - коридор, иначе 0.

Mixed: 1 - если тип прихожей - смешанный тип, иначе 0.

Individual_heating: 1 - если в квартире индивидуальное отопление, иначе 0.

Central_heating: 1 - если в квартире центральное отопление, иначе 0.

Management_in_trust: 1 - если в доме доверительное управление, иначе 0.

Self_management: 1 - если в доме самоуправление, иначе 0.

Bus0_5: 1 - если от квартиры до автобусной остановки 0-5 минут, иначе 0. Для Bus5_10, Bus10_15 по аналогии.

Subw0_5: 1 - если от квартиры до станции метро 0-5 минут, иначе 0. Для Subw5_10, Subw10_15, Subw15_20 по аналогии.

NoSubStop: 1 - если нет станции метро рядом с квартирой, иначе 0.

Размер квартиры измеряется в квадратных метрах и изменяется от 41 до 712 квадратных метров. Самое старое здание имеет возраст 39 лет. Этажей всего 43 и 27 лифтов. Парковочных мест на земле до 713 мест, под землей до 1321 места. Количество менеджеров в доме может быть от 1 до 14 человек.

В данных присутствуют качественные переменные. Приведем их описание: тип прихожей - терраса встречается в 60% данных, коридор 11% и смешанный 29%. Самый распространенный тип прихожей имеют 3564 апартамента, 1690 апартаментов имеют смешанный тип и 637 апартаментов с прихожей коридорного типа. Тип отопления - центральный и индивидуальный. Большинство, 95% данных, а именно 5561 апартаментов имеют индивидуальное отопление, остальные 300 (5% данных) подключены к центральному отоплению. Тип управления домом - доверительное управление у 5542 апартаментов (96%), и самоуправление имеют 4% - 349 апартаментов.

Время в пути от дома до ближайшей автобусной остановки от 0 до 15 минут с интервалом в 5 минут. Время в пути от дома до ближайшей станции метро измеряется от 0 до 20 минут с интервалом в 5 минут, 238 наблюдений показывают, что рядом нет станции метро.

Можно отметить, что в данных преобладает информация: тип прихожей - терраса, система управления домом - доверительная, индивидуальное отопление, 0-5 минут до автобусной остановки и 0-5 минут до станции метро. Диаграммы размаха цены по времени до метро и автобуса, по типу отопления и коридора представлены в приложении 2.

Также в данных присутствуют количественные переменные, отражающие количество инфраструктуры около объектов жилой недвижимости. Апартаменты расположены в разных частях города Тэгу, поэтому имеют по близости различные общественные места. Около апартаментов может быть 7 зданий публичных офисов, 2 больницы, 2 универмага, 2 торговых центра, 5 гостиниц, 2 парка. В доме может быть до 17 удобств, таких, как бассейн, тренажерный зал или детская площадка. В переменной «School» собраны образовательные учреждения разных уровней - начальные, средние, старшие и университеты. Около наблюдаемого апартамента может быть до 17 образовательных учреждений. Описательная статистика количественных переменных представлена в таблице 6.

Таблица 6 Описательная статистика количественных переменных

Переменная	Min.	Max.	Median	Mean	St. Dev.
SizeM	41,17	712,78	277,55	291,45	196,42
Age	0	39	7	9,724	3
Floor	1	43	11	12	6
N_Manager	1	14	6	6,31	5
N_ParkingGround	0	713	100	195,9	11
N_ParkingBasement	0	1321	536	570,8	184
N_elevators	0	27	11	11,15	5
N_FacilitiesInApt	1	10	5	5,81	4
PublicOffice	0	7	5	4,14	3
Hospital	0	2	1	1,3	1
DpartmentStore	0	2	1	0,9	0
Mall	0	2	1	0,94	1
ETC	0	5	1	1,94	0
Park	0	2	1	0,65	0
School	0	17	10	10,86	7

Далее описывается ход выполнения эконометрического исследования, которое проводилось с помощью R-Studio на языке программирования R.

Описание результатов

Для начала был проведен корреляционный анализ количественных характеристик квартир и характеристик инфраструктуры районы для предупреждения проблемы мультиколлинеарности. Графическое представление корреляции количественных переменных преставлено на рисунке 3. недвижимость эконометрический ценообразование

Рис. 3. Корреляция количественных переменных

Детальное изучение корреляции представлено в таблице 7.

Исходя из результатов матрица корреляций можно наблюдать в основном слабую положительную связь, слабую и среднюю отрицательную. Умеренная положительная связь наблюдается между количеством управляющих и парковочными местами под землей (0,7), количеством управляющих и количеством лифтов (0,55), количеством управляющих и количеством удобств для жителей (0,63).

Таблица 7 Матрица корреляций количественных характеристик квартир

	SizeM	Age	Floor	N_ Manager	N_Parking Ground	N_Parking Basement	N_ elevators	N_Facilities InApt
SizeM	1	-0,06	0,18	0,29	0,19	0,18	0,24	0,14
Age	-0,06	1	-0,25	-0,07	0,51	-0,54	0,26	-0,54
Floor	0,18	-0,25	1	0,28	-0,12	0,33	0,03	0,28
N_Manager	0,29	-0,07	0,28	1	0,04	0,7	0,55	0,63
N_Parking Ground	0,19	0,51	-0,12	0,04	1	-0,39	0,56	-0,44
N_Parking Basement	0,18	-0,54	0,33	0,7	-0,39	1	0,19	0,84
N_elevators	0,24	0,26	0,03	0,55	0,56	0,19	1	0,16
N_Facilities InApt	0,14	-0,54	0,28	0,63	-0,44	0,84	0,16	1

Сильная положительная связь наблюдается между количеством парковочных мест под землей и количеством управляющих в доме (0,84), следовательно не исключена мультиколлинеарность.

Также, был проведен корреляционный анализ количественных характеристик около квартир и в жилом комплексе. Результаты представлены в таблице 8.

Можно заметить умеренную положительную связь между переменными количество общественных офисов и количество отелей (0,68), количество общественных офисов и количество школ (0,7), количество универмагов и количество парков (0,77).

Таблица 8 Матрица корреляций количественных характеристик около квартир и в жилом комплексе

	Public Office	Hospital	Dpartment Store	Mall	ETC	Park	N_Facilities InApt	School
Public Office	1	0,27	-0,25	-0,03	0,68	-0,2	-0,23	0,7
Hospital	0,27	1	-0,37	0,42	0,59	-0,45	-0,2	0,56
Dpartment Store	-0,25	-0,37	1	0,33	-0,67	0,77	0,14	-0,44
Mall	-0,03	0,42	0,33	1	-0,03	0,0002	0,03	0,3
ETC	0,68	0,59	-0,67	-0,03	1	-0,6	-0,19	0,79
Park	-0,2	-0,45	0,77	0,0002	-0,6	1	0,39	-0,39
N_Facilities InApt	-0,23	-0,2	0,14	0,03	-0,19	0,39	1	-0,05
School	0,7	0,56	-0,44	0,3	0,79	-0,39	-0,05	1

Данные переменные не будут исключаться из регрессионного анализа, так как переменные описывают разные по своей функциональности здания, которые в свою очередь могут влиять на цену жилой недвижимости.

Изначально предполагалось использование представленных ниже данных макроэкономических показателей в качестве контрольных переменных в регрессионной модели, поэтому корреляционный анализ был первым шагом и для анализа этих переменных. Результаты представлены в таблице 9 и графическое представление корреляции на рисунке 4.

Индекс потребительских цен использовался для корректировки цен на объекты недвижимости, поэтому в дальнейшем анализе не будет рассматриваться. Сильная положительная связь наблюдается между плотностью населения и потреблением домохозяйств (0,83), плотностью населения и реальным ВВП на душу населения (0,9), потребление домохозяйств и реальный ВВП на душу населения (0,99), что имеет экономический смысл. Остальные показатели имеют умеренную положительную связь (r ? 0.69).

Таблица 9 Матрица корреляций макроэкономических показателей Южной Кореи

	Unempl	CPI	Infl	RealIR	Popul	HouseCons	RealGDP
Unempl	1	0,29	-0,28	-0,84	0,4	0,64	0,61
CPI	0,29	1	0,75	0,39	0,97	0,82	0,89
Infl	-0,28	0,75	1	0,48	-0,75	-0,62	-0,68
RealIR	-0,84	0,39	0,48	1	-0,54	-0,66	-0,65
Popul	0,4	0,97	-0,75	-0,54	1	0,83	0,9
HouseCons	0,64	0,82	-0,62	-0,66	0,83	1	0,99
RealGDP	0,61	0,89	-0,68	-0,65	0,9	0,99	1

Во-вторых, предыдущие исследования рынка недвижимости подтвердили, что ВВП и ставка процента одни из ключевых макроэкономических факторов, которые влияют на цену недвижимости.

Поэтому, в дальнейшем регрессионном анализе контрольными переменными будут выступать реальный ВВП на душу населения и реальная ставка процента.

Для начала построена модель, которая объясняет логарифм цены объекта за квадратный метр такими переменными:

Рис. 4. Корреляция макроэкономических показателей Южной Кореи

Характеристики самого объекта: площадь квартиры, возраст здания, этаж, количество управляющих, количество парковочных мест под землей и на земле, количество лифтов;

Количество зданий, расположенных рядом с квартирой: офисов, больниц, универмагов, торговых центров, отелей, парков, удобств в жилом комплексе, школ;

Фиктивные переменные: тип прихожей терраса, тип прихожей коридор, индивидуальное отопление, доверительное управление в доме, 0-5 минут до автобусной остановки, 5-10 минут до автобусной остановки, 0-5 минут до станции метро, 5-10 до станции метро, 10-15 минут до станции метро, 15-20 минут до станции метро. В качестве базовых переменных были взяты наименее редко встречающиеся в данных значения - смешанный тип коридора, центральное отопление, самоуправление в доме, 10-15 минут до автобусной остановки, нет станции метро рядом с квартирой.

Результаты регрессионного анализа представлены в таблице 10.

Табл...