Анализ факторов формирования стоимости (цены) 1 м^2 на вторичном рынке жилой недвижимости

Зависимость формирования стоимости 1 м^2 на вторичном рынке жилой недвижимости РФ от динамики среднедушевых доходов РФ и ставки рефинансирования. Анализ достоверности коэффициентов построенной модели. Статистическая достоверность регрессионной модели.

Рубрика Экономико-математическое моделирование
Вид реферат
Язык русский
Дата добавления 11.01.2017
Размер файла 38,7 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

ФГБОУ ВО «Уральский государственный экономический университет»

Реферат

по дисциплине «Эконометрика (продвинутый уровень)»

Тема: Анализ факторов формирования стоимости (цены) 1 м^2 на вторичном рынке жилой недвижимости

Исполнитель

Магистрант

ГруппаМ-ЭНД-15-3

Казанцев Сергей Сергеевич

Руководитель

Радковская Е.В., к.э.н., доцент каф. статистики, эконометрики и информатики УрГЭУ

Кочкина Е.М., к.э.н., профессор каф.статистики, эконометрики и информатики УрГЭУ

Екатеринбург 2016

1. Цели исследования

В данной работе стоит задача исследования зависимости формирования стоимости (цены) 1 м^2 на вторичном рынке жилой недвижимости, а именно влияние качественных и количественных факторов на формирование стоимости 1 м^2. Для определения такой зависимости нами будет использован метод проведения регрессионного анализа, в результате которого должна быть построена регрессионная модель, характеризующая данную зависимость.

2. Анализ построенной модели

Исследование зависимости формирования стоимости (цены) 1 м^2 на вторичном рынке жилой недвижимости.

Необходимо построить зависимость формирования стоимости (цены) 1 м^2 на вторичном рынке жилой недвижимости РФ от динамики среднедушевых доходов РФи ставки рефинансирования, на конец года (%).

Зависимой переменной у в данной задаче выступает стоимости (цены) 1 м^2 на вторичном рынке жилой недвижимости РФ, измеряемой в рублях. Другие независимые переменные -Среднедушевой доход показатель за год измеряемый в рублях, Ставка рефинансирования на конец каждого из исследуемых годов в процентах.

В данной задаче рассматриваются 16 наблюдений (с 2000 по 2015 годы) с информацией об динамике среднедушевых доходов населения РФ за год, ставкой рефинансирования на конец каждого из исследуемых годов.

Исходные статистические данные, собранные на рынке загородной недвижимости, представлены в Таблице 1.

Таблица 1- Исходные статистические данные

Год

Средние цены на вторичном жилья по РФ (руб/м^2)

Динамика среднедушевых доходов населения по РФ (руб)

Ставка рефинансирования, на конец года (%)

2000

6590

2281

25,00

2001

9072

3062

25,00

2002

11557

3947

21,00

2003

13967

5167

16,00

2004

17931

6399

13,00

2005

22166

8088

12,00

2006

36615

10155

11,00

2007

47206

12540

10,00

2008

56495

14864

13,00

2009

52895

16895

8,75

2010

59998

18958

7,75

2011

48243

20780

8,00

2012

56370

23221

8,25

2013

56478

25928

8,25

2014

58085

27767

8,25

2015

56283

30225

8,25

Общий вид регрессионной модели с учетом фиктивных переменных рассматриваемой задачи имеет вид:

достоверность статистический регрессионный модель

Стоимость(цена) = а + b1·Сред.Душ.доход + b2·Ставка реф.

В качестве входного интервала Yвыбираем значение столбца Стоимость таблицы 1, в качестве входного интервала Х выбираем значения столбцов Динамика среднедушевых доходов населения по РФ (руб), Ставка рефинансирования, на конец года (%)

Выполняем процедуру формирования регрессионного анализа.

Регрессионная модель в соответствии с полученными результатами выглядит следующим образом:

Стоимость(цена) =37396 + 1,277·Сред.Душ.доход-1388·Ставка реф.

Проанализируем достоверность коэффициентов построенной модели. Из выведенных результатов (рисунок 1), достоверными можно признать константу и коэффициенты регрессии каждой переменной, так как Р-Значение составляет менее 5 %. Р-Значение определяет вероятность незначимости (недостоверности) соответствующего коэффициента регрессии [1, с. 55]. Нулевая гипотеза отвергается тогда, когда по выборке получается результат, который при истинности выдвинутой нулевой гипотезы маловероятен. Границей невозможного или маловероятного обычно считают значение 0,05 (т.е. 5%)[1, с. 38].

Коэффициент корреляции (множественный R) принимает значение 0,93, т.е. близок к 1. Значит можно сделать вывод о тесной связи между показателями. Коэффициент детерминации (R-квадрат) показывает, что доля объясненного моделью разброса составляет 86,6 %. При множественной регрессии используют уточненный коэффициент детерминации(Rнорм), который показывает, какая доля общей дисперсии объясняется факторами (переменными), включенными в регрессионную модель. Основные свойства уточненного коэффициента детерминации Rнорм:

1) Rнорм ? R2;

2) Rнорм? 1, но в некоторых случаях может быть отрицательным;

В нашей модели уточненный коэффициент детерминации равен 0,845. Таким образом, 0,845 ? 0,866 и 0,845 ? 1, что подтверждает тесную связь между показателями.

Статистическая достоверность регрессионной модели проверяется с помощью нулевой гипотезы для коэффициента детерминации (столбец Значимость F).Значимость F определяет:

- вероятность выполнения нулевой гипотезы для коэффициента детерминации R2;

- т.е. вероятность того, что наблюдений для проведения регрессии недостаточно[1, с. 61]. Значимость F в нашей модели равна нулю, что позволяет сделать вывод о достоверности коэффициентов корреляции и детерминации, а также достаточности наблюдений.

Анализируя статистические выбросы (Рисунок № 2), можно определить стоимость какого дома не соответствует наметившейся тенденции в системе показателей. Если стандартный остаток больше +2, то стоимость существенно выше той, которую можно было бы ожидать, если остаток меньше -2, то стоимость существенно ниже ожидаемой. В рассматриваемой модели присутствует наблюдение № 9 - 2008 год, в котором стоимость дома выше ожидаемой. В данном случае скорей всего слишком велика разница между стоимостью (цены) 1 м^2 на вторичном рынке жилой недвижимости РФ, и уровнем заработной платы. Показатель (цены) 1 м^2 на вторичном рынке жилой недвижимости РФ 2008г - 56495 руб. сопоставим с тем же показателем за 2015г. - 56283 руб. при этом уровень заработной платы 2015 г превышает уровень заработной платы в 2,03 раза 2008 года, при этом необходимо также отметить ставку рефинансирования в 2008 она самая высокая из представленных показателей и составляет за 2008 год - 13% в отличие от показателя 2015г - 8,5%.

Т.к. статистический выброс не позволяет нам сказать что данная модель достоверна и отвечает всем требованиям регрессионного анализа. Необходимо удалить данный выброс и провести вновь регрессионный анализ без данных 2008 года.

Регрессионная модель в соответствии с вновь полученными результатами, выглядит следующим образом:

Стоимость(цена) =37390 + 1,24·Сред.Душ.доход-1443,22·Ставка реф.

Проведем анализ полученных результатов регрессионного анализа.

Коэффициент:+1,24·Сред.Душ.доходозначает, что стоимость квадратного метра при росте средне душевого дохода на один рубль увеличивается на 1,24 рубля.

Коэффициент: -1443·Ставка рефозначает, что стоимость квадратного метра уменьшается на 1443 рубля при при увеличении ставки рефинансирования на 1 %.

Регрессионная модель в лучшем случае (для покупателей вторичного жилья) выглядит следующим образом:

Стоимость(цена) =15354,48 + 0,57·Сред.Душ.доход-2485,35·Ставка реф.

Регрессионная модель в худшем случае (для покупателей вторичного жилья) выглядит следующим образом:

Стоимость(цена) =59425,54 + 1,91·Сред.Душ.доход-401,08·Ставка реф.

В целом данную модель можно признать качественной и пригодной для практического применения, так как все факторы оказывают влияние на результирующий показатель Стоимости одного квадратного метра рынка вторичной недвижимости в РФ.

В работе необходимо выявить автокорреляцию остатков с помощью критерия Дарбина-Уотсона. Статистика DWрассчитывается по формуле:

При расчете остатков данный показатель составил:

DW =475444167,80/ 508954916,44= 0,934158

Таким образом, пользуясь правилом DW<1,5[1, с. 152],при полученном результате 0,934158, можно сделать вывод о положительной корреляции остатков. Положительная автокорреляция означает, что, как правило, за положительным отклонением следует положительное , а за отрицательным отрицательное, иногда меняя знаки. Возможно автокорреляция вызвана отсутствием в модели некоторой важной объясняющей переменной. В нашем случае это наиболее вероятный фактор т. к. мы взяли целиком РФ, возможно это будет территориальный фактор.

Одним из условий классической регрессионной модели является предположение о линейной независимости объясняющих переменных, т.е. об отсутствии Мультиколлинеарности.

Динамика среднедушевых доходов населения по РФ (руб)

Ставка рефинансирования, на конец года (%)

Динамика среднедушевых доходов населения по РФ (руб)

1

Ставка рефинансирования, на конец года (%)

-0,80811586

1

Корреляция между Х1, Х2 по модулю больше 0,7 следовательно, мультиколлинеарность есть, что не позволит нам четко определить вклад каждой из объясняющих переменных, т.е.не позволяет однозначно и достоверно определить коэффициенты регрессионной зависимости.

Проведем проверку на гетероскедастичность. Гетероскедастичность (неодинаковый разброс) означает относительно высокую априорную вероятность получения сильно отклоненных величин случайной составляющей. Обозначим переменные:

Динамика среднедушевых доходов населения по РФ (руб)- х1

Ставка рефинансирования, на конец года (%)- х2

Выполним регрессионный анализ на гетероскедастичность по тесту Уайта. Результаты представлены на рисунке.

Значимость F

0,00

Рисунок - Результаты регрессионного анализа на гетероскедастичность по Уайту

Гетероскедастичность по Уайту проверяется с помощью показателя Значимость F. Если показатель больше значения 0,05, то гетероскедастичности нет. В нашей модели этот показатель равен 0,00 что говорит об гетероскедастичности.

Заключение

Итак, целью данной работы являлось определение влияния качественных и количественных факторов на формирование стоимости (цены) 1 м^2 на вторичном рынке жилой недвижимости в Российской Федерации за период с 2000 -2015годы, при этом учитывались средние статистические показатели за год по стране среднего душевого дохода и ставки рефинансирования.

В результате проведения регрессионного анализа нами была получена модель, которую нельзя признать качественной и пригодной для практического применения, так как присутствие положительной автокорреляции, мультиколлинеарности, и гетероскедастичности не позволяет нам использовать данную модель для достоверного анализа.

Таким образом, была произведена попытка прогнозирования тенденций формирования цены квадратного метра на вторичном рынке жилья. Факторные переменные взятые в данном исследовании безусловно оказывают влияние на формирование данной зависимой но по всей видимости есть еще ряд факторных переменных которые также оказывают влияние на формирование стоимости квадратного метра на вторичном рынке жилья, данные о которых отсутствуют в данном исследовании.

Тем не менее, данный метод регрессионного анализа позволяет совершенствовать данную формулу и в результате экспериментов выводить ее на уровень достоверного прогнозирования.

Список источников

1. Кочкина Е.М, Радковская Е.В. Эконометрика: Учебное пособие - Екатеринбург: Изд-во Урал.гос.экон. ун-та

Размещено на Allbest.ur

...

Подобные документы

  • Особенности функционирования региональных рынков жилой недвижимости. Значимые факторы, отражающие процессы ценообразования на рынках жилой недвижимости в регионах. Построение многофакторных регрессионных моделей стоимости жилья в некоторых областях РФ.

    дипломная работа [2,8 M], добавлен 11.02.2017

  • Сравнение дисконт-факторов риелторов и частных лиц на пермском рынке жилой недвижимости. Факторы, влияющие на решение продавца о цене в следующем периоде. Основные принципы работы сайта Метросфера. Средняя цена на вторичное жилье в Перми, ее динамика.

    дипломная работа [444,2 K], добавлен 30.01.2016

  • Построение линейной модели и уравнения регрессии зависимости цены на квартиры на вторичном рынке жилья в Москве в 2006 г. от влияющих факторов. Методика составления матрицы парных коэффициентов корреляции. Экономическая интерпретация модели регрессии.

    лабораторная работа [1,8 M], добавлен 25.05.2009

  • Понятие недвижимого имущества. Процесс оценки стоимости недвижимости. Влияние пространственного и экологического фактора на стоимость объекта недвижимости. Интуитивные (экспертные) и адаптивные методы прогнозирования. Модель многослойного персептрона.

    дипломная работа [1,8 M], добавлен 21.03.2011

  • Выбор факторных признаков для построения регрессионной модели неоднородных экономических процессов. Построение диаграммы рассеяния. Анализ матрицы коэффициентов парной корреляции. Определение коэффициентов детерминации и средних ошибок аппроксимации.

    контрольная работа [547,6 K], добавлен 21.03.2015

  • Построение линейной модели зависимости цены товара в торговых точках. Расчет матрицы парных коэффициентов корреляции, оценка статистической значимости коэффициентов корреляции, параметров регрессионной модели, доверительного интервала для наблюдений.

    лабораторная работа [214,2 K], добавлен 17.10.2009

  • Расчет матрицы парных коэффициентов корреляции и статистической значимости коэффициентов регрессии. Оценка статистической значимости параметров регрессионной модели с помощью t-критерия. Уравнение множественной регрессии со статистически факторами.

    лабораторная работа [30,9 K], добавлен 05.12.2010

  • Проектирование регрессионной модели по панельным данным. Скрытые переменные и индивидуальные эффекты. Расчет коэффициентов однонаправленной модели с фиксированными эффектами по панельным данным в MS Excel. Выбор переменных для построения данной регрессии.

    курсовая работа [2,3 M], добавлен 26.08.2013

  • Подходы к оценке стоимости финансовых активов в рамках линейной и нелинейной парадигмы. Анализ фрактальных свойств американского фондового рынка. Разработка методики расчета параметров модели Веге-Изинга, построенной на основе гипотезы когерентных рынков.

    дипломная работа [2,3 M], добавлен 13.12.2010

  • Анализ данных о среднедушевых денежных доходах и расходах населения регионов РФ. Определение параметров линейной регрессионной модели. Построение линии регрессии на диаграмме рассеивания. Определение остатков. Значимость оценки коэффициента регрессии.

    контрольная работа [181,7 K], добавлен 10.03.2012

  • Построение уравнения регрессии, учитывающего взаимодействия факторов, проверка полученной модели на адекватность. Построение математической модели и нахождение численных значений параметров этой модели. Вычисление коэффициентов линейной модели.

    курсовая работа [1005,0 K], добавлен 07.08.2013

  • Характеристики и свойства условно-гауссовской модели ARCH для прогнозирования волатильности стоимости ценных бумаг. Акции предприятия на рынке ЦБ. Оценка параметров модели ARCH для прогнозирования их доходности методом максимального правдоподобия.

    курсовая работа [161,5 K], добавлен 19.07.2014

  • Статистическое изучение и прогнозирование основных показателей финансового состояния Республики Башкортостан за 2001-2011 гг. Корреляционно-регрессионный анализ факторов, потенциально влияющих на уровень среднедушевых денежных доходов населения региона.

    курсовая работа [164,7 K], добавлен 27.06.2012

  • Анализ построенной модели на мультиколлинеарность на основе показателей, характеризующих социально-экономическое развитие городов и районов Оренбургской области. Построение линейной зависимости или корреляции между двумя и более объясняющими переменными.

    лабораторная работа [99,6 K], добавлен 03.02.2015

  • Статистический анализ по выборке. Проведение регрессионного анализа исходных данных и выбор аналитической формы записи производственной функции. Выполнение экономического анализа в выбранной регрессионной модели на основе коэффициентов эластичности.

    курсовая работа [2,2 M], добавлен 22.07.2015

  • Расчет параметров линейного уравнения множественной регрессии; определение сравнительной оценки влияния факторов на результативный показатель с помощью коэффициентов эластичности и прогнозного значения результата; построение регрессионной модели.

    контрольная работа [1,1 M], добавлен 29.03.2011

  • Построение описательной экономической модели. Матрица корреляций между исходными статистическими признаками. Оценка параметров модели. Определение и графическое изображение регрессионной зависимости между показателями. Оценка адекватности модели.

    контрольная работа [215,8 K], добавлен 13.10.2011

  • Понятие и сущность инвестиционной активности. Построение регрессионной модели и анализ деревообрабатывающей отрасли. Корректировка вида модели за счет выявленных особенностей. Статистический и описательный анализ выборки и эмпирическое моделирование.

    дипломная работа [1,9 M], добавлен 22.01.2016

  • Условно–гауссовские модели финансовых индексов. Эволюция стоимости рискового актива. Модели GARCH, EGARCH, TGARCH, HARCH. Оценка стохастической волатильности. Условно-устойчивые и безгранично делимые распределения. Нелинейное хаотическое поведение цен.

    контрольная работа [517,9 K], добавлен 24.08.2015

  • Корреляционный и регрессионный анализ экономических показателей. Построение матрицы парных коэффициентов корреляции. Расчет и сравнение частных и парных коэффициентов корреляции. Построение регрессионной модели и её интерпретация, мультиколлинеарность.

    курсовая работа [314,1 K], добавлен 21.01.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.