Влияние характеристик управления домом на цену жилой недвижимости

0.937***

(0.168)

1.147***

(0.157)

Individual_heating

2.268***

(0.176)

0.754***

(0.173)

Management_in_trust

1.473***

(0.060)

0.822***

(0.061)

N_manager

0.485***

(0.024)

0.295***

(0.023)

N_Parkinglot(Ground)

0.004***

(0.000)

0.003***

(0.000)

N_Parkinglot(Basement)

0.001***

(0.000)

0.001***

(0.000)

Bus0_5

0.997***

(0.200)

1.049***

(0.187)

Bus5_10

2.203***

(0.281)

1.948***

(0.263)

Subw0_5

-5.730***

(0.256)

-3.025***

(0.256)

Subw5_10

-5.429***

(0.251)

-2.966***

(0.250)

Subw10_15

-6.488***

(0.279)

-3.758***

(0.277)

Subw15_20

-7.996***

(0.376)

-3.961***

(0.378)

N_elevators

-0.072***

(0.009)

-0.071***

(0.009)

PublicOffice

0.785***

(0.037)

0.438***

(0.037)

Hospital

-0.385***

(0.040)

-0.071 .

(0.039)

DpartmentStore

0.535***

(0.036)

0.319***

(0.035)

Mall

0.010

(0.105)

-0.284**

(0.098)

ETC

-0.723***

(0.032)

-0.390***

(0.032)

Park

-2.982***

(0.124)

-1.714***

(0.124)

N_FacilitiesInApt

-0.071***

(0.012)

-0.062***

(0.011)

School

-0.095***

(0.007)

-0.053***

(0.007)

RealGDP

0.000***

(0.000)

RealIR

-0.047***

(0.005)

R-squared

0.447

0.519

adj. R-squared

0.445

0.517

F

189.76

234.062

P

0.0000

0.0000

N

5891

5891

Significance: *** = p < 0.001; ** = p < 0.01;

* = p < 0.05; “.” = p <0.1; “ “ = p < 1

Из сравнительной таблицы заметно, что во второй модели в основном все коэффициенты сохранили знак, за исключением некоторых. Например, тип коридора - терраса в 1 модели отрицательно влияет на цену, во 2 модели положительно. И в 1 модели при увеличении торговых центров около объекта жилой недвижимости на 1 здание цена за квадратный метр возрастала на 1%, а во второй модели при таком же увеличении торговых центров цена снижает на 2,84%.

Также для модели 2 была проведена диагностика, а именно тест Вальда о линейный ограничениях, нулевая гипотеза которого говорит о верном выборе ограниченной модели, в нашем случае модели 1. Нулевая гипотеза была отвергнута, следовательно, выбираем модель 2. Тест Рамсея о наличии пропущенных переменных и правильном выборе спецификации тоже подтвердил выбор модели 2.

На основе полученных результатов получилась следующая гедонистическая модель:

Размещено на http://www.allbest.ru/

Увеличение цены на 1,4% в построенной модели можно наблюдать ежегодно в силу возраста здания, на 0,5% при увеличении этажа на 1, на 0,3% и 0,1% при увеличении числа парковочных мест на 1 на земле и под землей соответственно. Если в квартире тип прихожей - терраса, то цена увеличится га 45%, а если коридор, то на 114%. Если в квартире индивидуальное отопление, то цена возрастет на 75%. Если квартира находится в 0-5 минутах от автобусной остановки, то ее цена увеличится на 105% и если в 5-10 минутах, то на 19%. Цена растет на 44% и 32%, если около квартиры появляется новых общественный офис или универмаг. Цена за квадратный метр снижается на 0,1% при увеличении площади квартиры на 1 квадратный метр и на 7% при увеличении количества лифтов в жилом доме. Цена падает на 302,5% если до станции метро 0-5 минут, на 297% если до станции метро 5-10 минут, на 376% если до станции метро 10-15 минут и если до станции метро 15-20 минут, то на 396%. В дополнение цена будет снижаться, если около дома будет увеличиваться количество зданий - на 7% если больницы, на 28% если торговые центры, на 39% если отели и на 5% если это будут школы. Увеличение числа парков на 1 единицу приводит к снижению цены на 171%, а увеличение удобств в доме для жителей снижает цену на 6%. Макроэкономический показатель оказывает такое влияние - реальная ставка процента при увеличении на 1% приводит к снижению цены за квадратный метр на 4,3%.

Если в жилом комплексе установлена система доверительного управления, то цена за квадратный метр возрастет на 82% и с увеличением количества людей, обслуживающих дом на 1 человека, цена тоже будет расти на 29,5%. Эти выводы подтверждают выдвинутую гипотезу о том, что при увеличении количества людей, обслуживающих дом, цена за 1 м2 тоже увеличивается. В работе было изучение влияние характеристик управления домом на цену жилой недвижимости и получен ответ на исследовательский вопрос. Положительное статистически значимое на 99,9%-ом уровне значимости влияние оказывают тип управления домом и количество менеджеров в доме на цену.

Далее будут описаны критический анализ результатов, ценность сделанных выводов и дальнейшее развитие работы.



Заключение

В работе был проведен эконометрический анализ и построено с помощью гедонистического метода 2 регрессионных модели лог-линейной функциональной формы с разным количеством переменных, то есть с добавлением и без контрольных переменных. Однако, справедливо сказать, что проведенное исследование включает не все факторы, которые так или иначе влияют на ценообразование на рынке жилой недвижимости.

Опираясь на основные работы, указанные в теоретическом обосновании, можно обобщить и сопоставить полученные выводы. В итоговой модели полученные предельные эффекты переменных, отвечающие за размер апартаментов, этаж, возраст здания значимы на 99,9%-ом уровне значимости, что согласуется с результатами работы Yau and Ho (2009). Обращая внимание на ряд характеристик инфраструктуры районы - публичные офисы увеличивают цену на 44%, больницы снижают цену на 7%, универмаги увеличивают цену на 32%, торговые центры и гостиницы снижают цену на 28% и 39% соответственно, парки и школы тоже снижают цену. Приведенные выводы согласуются с выводами Lieske et al. (2019) о том, что высокая плотность застройки отрицательно влияют на цену. Напротив, автор указывает на снижение цены при увеличении парковочных мест, что противоречит результатам, полученным в проделанной работе. Увеличение парковочных мест под землей на 1 место приводит к увеличению цены на 0,1%, а увеличение парковочных мест на земле на 1 место приводит к увеличению цены на 0,3%. Основным согласованным с литературой выводом является то, что использование профессиональных управленческих услуг приводит к увеличению цены на 82%, как и в работе Hastings et al. (2006). Более конкретный вывод заключается в том, что при увеличении людей, управляющих домом, на 1 человека цена за апартаменты растет на 29,5%. Таким образом, можно согласиться с тем, что качество обслуживания компаний сервисной экономики является вектором развития сферы недвижимости в современных условиях.

Безусловно, основная гипотеза подтверждается, то есть определено, что доверительное управление - управление домом специальной компанией, увеличивает стоимость объекта жилой недвижимости на 82%. Однако, ограничением работы является рассмотрение всего двух типов управления домом в силу структуры данных. Это может вводить в заблуждение, потому что даже при одинаковом типе управления в зданиях могут использоваться разные методы, которые необходимо конкретнее изучать и контролировать. В этом ограничении заключается и перспектива работы в расширении типов управления зданием и детальном анализе каждого типа с разбиением на составные части - основные и дополнительные обязанности по управлению домом. Такое определение типов через их составляющие, также позволит оценить качество предоставляемых услуг, а как известно качество напрямую связано с ценой и является одним из определяющих факторов в конкурентной борьбе компаний.

Непосредственной областью применения результатов является рынок жилой недвижимости. Результаты исследования позволяют экономическим агентам, специалистам управленческих услуг, государственным деятелям изучить факт увеличения ценности объектов жилой недвижимости за счет привлечения профессиональных услуг управления.

Список использованной литературы

1. Agarwal, S., Chen, Y., Li, J., Tan, Y. (2019), “Hedonic Price of Housing Space”, Real Estate Economics, pp. 1-35.

2. Aizenman and Jinjarak. (2009), “Current account patterns and national real estate markets”, Journal of Housing Economics, Vol. 66 No 2, pp. 75-89.

3. Anselin, L. and Gallo, J.L. (2006), “Interpolation of Air Quality Measures in Hedonic House Price Models: Spatial Aspects”, Spatial Economic Analysis, Vol. 1 No. 1, pp. 31-52.

4. Bardhan, A.D., Edelstein, R.H. and Leung, C. (2004), “A note on globalization and urban residential rents”, Journal of Urban Economics, Vol. 56 No 3, pp. 505-513.

5. Bardhan et al. (2008), “Global Financial Integration and Real Estate Security Returns”, Real Estate Economics, Vol. 36 No 2, pp. 285-311.

6. Case K. et al. (2005), “Comparing Wealth Effects: The Stock Market versus the Housing Market”, Advances in Macroeconomics, Vol. 5 No 1.

7. Chow, G.C. (1967), “Technological change and the demand for computers”, The American Economic Review, 57, 1117-1130.

8. Debrezion, G. et al. (2010), “The Impact of Rail Transport on Real Estate Prices: An Empirical Analysis of the Dutch Housing Market”, Urban Studies, pp. 997-1015.

9. Goodman Allen C. (1978). «Hedonic prices, price indices and housing markets», Journal of Urban Economics 5, 471-484

10. Geipele, I., Geipele, S., Plavina, B. and Stamure, I. (2012), “Pricing Peculiarities of Apartment House Management in Latvia”, The 7th International Scientific Conference “Business and Management 2012”, Selected Papers, pp. 1075-1082.

11. Goodhard and Hofmann (2007), “House Prices and the Macroeconomy: Implications for Banking and Price Stability”.

12. Griliches, Zvi (1961), “Hedonic Price Indexes for Automobiles: An Econometric Analysis of Quality Change”, The Price Statistics of the Federal Government, General Series, No 73, New York: Columbia University Press for the National Bureau of Economic Research, pp.137-196.

13. Haas, G.C. (1922), “Sales prices as a basis for farm land appraisal”, Technical Bulletin No. 9, The University of Minnesota Agricultural Experiment Station, St. Paul.

14. Hastings, E.M., Wong, S.K. and Walters, M. (2006), “Governance in a co-ownership environment: The management of multiple-ownership property in Hong Kong”, Property Management, Vol. 24 No. 3, pp. 293-308.

15. Hepєen, A., & Vatansever, M. (2012), “Relationship between residential property price index and macroeconomic indicators in Dubai housing market”, International Journal of Strategic Property Management, Vol. 16 No. 1, pp. 71-84.

16. Hong-Yu & Kuentai (2011), “Predicting of Taiwan Real Estate by Neutral Networks”, Recent Researches in System Science, pp. 220-224.

17. Hon-Chung (2009), “The Impact of Property Market Developments on the Real Economy of Malaysia”, International Research Journal of Finance and Economics, No. 30, pp. 66-86.

18. Lieske, Scott N, Nouwelant, Hoon Han, Pettit (2019), “A novel hedonic price modelling approach for estimating the impact of transportation infrastructure on property prices”, Urban Studies, pp. 1-21.

19. Liow and Hiang (2008), “Financial Crisis and Asian Real Estate Securities Market Interdependence: Some Additional Evidence”, Journal of Property Research, Vol. 25 No. 2, pp. 127-155.

20. Ludwig and Slok (2004), “The Relationship between Stock Prices, House Prices and Consumption in OECD Countries”, Topics in Macroeconomics, Vol. 4 No. 1.

21. Quigley, J.M. (1999), “Real Estate Prices and Economic Cycles”, Journal of Housing Economics, Vol. 2 No. 1, pp. 1-20.

22. Quigley, J.M. (2001), “Real Estate and the Asian Crisis”, Journal of Housing Economics, Vol. 10 No. 2, pp. 129-161.

23. Reinhart, C.M. and Rogoff, K.S. (2008), “Is the 2007 US Sub-prime Financial Crisis So Different? An International Historical Comparison”, American Economic Review, Vol. 98 No. 2, pp. 339-344.

24. Tyrvдinen, L. (1997), “The amenity value of the urban forest: an application of the hedonic pricing method”, Landscape and Urban Planning, Vol. 37 No. 3, pp. 211-222.

25. Wang, S., Yang, Z., Liu, H. (2011), “Real Estate Investment Trusts: Structure, Performance, and Investment Opportunities”, China Economic Review, Vol. 22, No. 1, pp. 42-54.

26. Yau, Y. and Ho, D.C.W. (2009), “The effects of building management practices on residential property prices in Hong Kong”, Journal of Building Appraisal, Vol. 4 No. 3, pp. 157-167.

27. Zhang, Y., Dog, R. (2018), “Impacts of Street-Visible Greenery on Housing Prices: Evidence from a Hedonic Price Model and a Massive Street View Image Dataset in Beijing”, International Journal of Geo-Information, Vol. 7 No. 3, pp. 104.

28. Ж. Горностаева, Е. Алехина, Н. Лазарева (2017), “Quality of Service as a Vector of Development of Real Estate Industry”, Indian Journal of Science and Technology, No. 10, pp. 1-8.

29. Ж. Горностаева, Е. Алехина, И. Кушнарева (2014), “Comparative analysis of efficiency of activity of service enterprises in Russia and the countries of Eastern Europe”, Review of Applied Socio- Economic Research, Vol. 7 No. 1, pp. 61-73.

30. Я.Р. Магнус и А.А. Пересецкий (2010). “Цены квартир в Москве”, Прикладная эконометрика, 1.

31. А.А. Красильников и А.А. Щербакова (2011). “Детерминанты цены на вторичном рынке недвижимости Санкт-Петербурга”, Экономика и управление, 11(84).



Приложение

Графики распределения количественных переменных

 

Размещено на Allbest.ru

...