125

137,5

135,7

138,4

149,3

147,9

170,6

161,3

в транспорте, складском хоз-ве и связи

43

53,6

55

55

56,8

56

43,6

63,8

в операции с недвижимым имуществом

13

16,1

18,5

20,9

22,3

21,4

31,5

30

в госуправлении и обороне

36

35,9

32,9

35,4

36,3

36,5

44,8

46,9

в образовании

189

193

201,3

203,9

209,8

220,5

231,5

237

в здравоохранении и соц.услугах

84

88,6

90,6

94

98,3

104,7

114,3

116,1

в прочих коммунальных, и соц. и перс.услугах

64

56,7

59,9

62

66,6

69,9

48

42,6

Источник: Статистический ежегодник Республики Таджикистан 2019: Статистический сборник Там же.*; составлено автором.

Строительный комплекс в РТ играет ключевую роль в достижении поставленных стратегических целей государства, которая проявляется в реализации инвестиционно-строительных программ. Для достижения экономического благосостояния передовых зарубежных городов, администрации города необходимо решить ряд задач, таких как улучшение инвестиционной среды, увеличение инвестиций в новое строительство, переустройство и техническое переоснащение основных фондов предприятий с акцентом на строительную отрасль.

Важную роль для достижения выполнения данных задач играет эффективность капитальное строительство с более рациональным освоением привлечённых инвестиций, распределение этих инвестиций на программы и проекты которые позволят получить наиболее высокие социально-экономические результаты, а также высокую доходность в ходе эксплуатации реализованных объектов. Национальный план мероприятий по реализации рекомендаций национального обзора жилищного хозяйства и землепользования в Республике Таджикистан / Комитета по архитектуре и строительству при Правительстве Республики Таджикистан 2018 54с.

На сегодняшний день, средняя обеспеченность жильем является важным показателем жилищного благосостояния населения и данный показатель в мире уходить от крайность. Например, в США средняя обеспеченность жильем составляет 69,7 кв.м., во Франции и Германии она составляет 39 кв.м., в России 23,4 кв.м., в Китае 8,25 и в Республике Таджикистан она составляет 12 кв.м и в частности в городе Душанбе 12,2 кв.м (см. Рис.2). Как очеловечить «квадраты» / https://expert.ru/expert/2015/15/kak-ochelovechit-kvadratyi/media/259584/

Плохое постреализационное техническое обслуживание либо её полное отсутствие в городе Душанбе так и в целом по стране, на сегодняшний день привело к ухудшению жилищных условий многого числа населения, что в свое время привело к существенному превышению спроса над предложением в жилье и росту ввода жилье за счет населения путем постройки жилья в долевой форме (см. Рис. 3). Статистический ежегодник Республики Таджикистан 2019: Статистический сборник / Государственный комитет по статистике РТ; [Редкол.: Г.К. Хасанзода - пред. и др.]. - Офиц. изд. - Душанбе : Государственный комитет по статистике РТ, 2020-. - 478с. Важно отметить, что ухудшение жилищных условий население обусловлено как неадекватным обслуживанием, так и отсутствием доступа большей части жилищного фонда к базовым коммунальным услугам ведь вся коммунальная инфраструктура по стране была построена еще в советское время и сейчас либо бездействует, либо работает на пределе своих эксплуатационных возможностей. Национальный план мероприятий по реализации рекомендаций национального обзора жилищного хозяйства и землепользования в Республике Таджикистан / Комитета по архитектуре и строительству при Правительстве Республики Таджикистан 2018 54с.

Рисунок 3. Ввод в действие жилых домов по формам собственности

К тому же необходимо рассмотреть ввод жиль в призме международного сравнения и более уместным является сравнение объемов ввода жилья в Республике Таджикистан по сравнению с сопоставимыми странами и для этого были выбраны страны СНГ. Как видно из таблицы четыре, по объему ввода жилья Республикой Таджикистан занимает один из последних мест среди стран СНГ, что в большей части связано с социально-экономическим положением страны.

Таблица 4. Ввод в действие жилых домов (млн.кв.м. общей площади)

	2013	2014	2015	2016	2017	2018
Республика Таджикистан	1,0	1,1	1,2	1,2	1,2	1,2
Россия	70,5	84,2	85,3	80,2	78,6	75,3
Казахстан	6,8	7,5	8,9	10,5	11,2	12,5
Азербайджан	2,4	2,2	1,9	2,1	2,0	2,1
Армения	0,3	0,3	0,3	0,2	0,2	0,3
Беларусь	5,2	5,5	5,1	4,3	3,8	4,0
Грузия	-	-	-	-	-	-
Кыргызстан	0,9	1,1	1,2	1,2	1,5	1,0
Молдова	0,5	0,5	0,61	0,5	0,7	0,5
Туркменистан	-	-	-	-	-	-
Узбекистан	10,6	11,3	12,1	12,7	11,5	12,1
Украина	10,0	9,7	11,0	9,4	10,2	8,7

По состоянию на 1 января 2019 года общая площадь городского жилого фонда по республике составило 32 млн. 923 тысячи квадратных метров, из них 10 млн. 312 тысяч квадратных метров составляет городской жилищный фонд (см. Табл. 5). Статистический ежегодник Республики Таджикистан 2019: Статистический сборник / Государственный комитет по статистике РТ; [Редкол.: Г.К. Хасанзода - пред. и др.]. - Офиц. изд. - Душанбе : Государственный комитет по статистике РТ, 2020-. - 478с. В период 2001-2018 гг. ситуация изменилась и цены на жильё выросли во много раз. В период 2020 года цены на жильё в Душанбе составили от 300 до 3000 долл. США за 1м2 в зависимости от качества, планировки квартиры и местоположения. Тем не менее сегодня цены на жильё в Таджикистане остаются самыми низкими среди стран бывшего СССР. Национальный план мероприятий по реализации рекомендаций национального обзора жилищного хозяйства и землепользования в Республике Таджикистан / Комитета по архитектуре и строительству при Правительстве Республики Таджикистан 2018 54с.

Таблица 5. Городской жилищный фонд Республики Таджикистан

	2012	2013	2014	2015	2016	2017	2018
Республика Таджикистан	26345,4	27870,9	30572,6	30875,6	31324,3	31964,3	32923,0
ГБАО	1025,8	1130,6	1216,6	979,5	982,7	1045,5	1058,6
Хатлонская обл.	5202,1	5654,2	7889,2	7984,5	7968,7	8039,9	8277,0
Согдийская обл.	9029,2	9194,0	9320,3	9474,8	9614,6	9688,8	9878,3
Душанбе	8169,9	8904,4	9047,9	9232,9	9438,3	9821,3	10312,0
РРП	2918,4	2987,7	3098,4	3203,9	3320,0	3368,8	3397,1

В Республике Таджикистан по состоянию на 2019 год, осуществляет работы 951 подрядная строительная организация, из них в ГБАО -34 или 3,6% , в Хатлонской обл- 187 или 19,7%,- в Согдийской обл- 221 или 23,2% , в г. Душанбе- 321 или 33,8%, в РРП- 188 или 19,8%. По состоянию на 2019 год в стране было выполнено подрядных работ по строительству жилья в Хатлонской области на 949602 тыс. сомони или 12,2%, в Согдийской области на 512081 тыс. сомони или 6,6%,- в городе Душанбе на 4701356 тыс. сомони или 60,6%, в ГБАО - 188881 тыс. сомони или 2,4%, в РРП на 1411358 тыс. сомони или 18,2 %. Статистический ежегодник Республики Таджикистан 2019: Статистический сборник / Государственный комитет по статистике РТ; [Редкол.: Г.К. Хасанзода - пред. и др.]. - Офиц. изд. - Душанбе : Государственный комитет по статистике РТ, 2020-. - 478с.

Всего за 2019 год подрядными организациями республики выполнено подрядных работ собственными силами на сумму 7763278 тыс. сомони, из общего объема подрядных работ 158332 тыс. сомони или 2,0% выполнено организациями с государственной формой собственности. Остальными организациями выполнено подрядных работ на сумму 7604946 сомони или 98,0%, из них: акционерными - 2564376 тыс. сомони, обществами с ограниченной ответственностью - 3962896 тыс. частными предпринимателями - 16304 тыс. сомони. Там же.*

Таблица 6. Ввод в действие жилых домов (тысяч квадратных метров)

	2013	2014	2015	2016	2017	2018
По Республике - всего	1056,1	1123,2	1263,2	1185,3	1162,4	1159,6
г. Худжанд	20,5	45,6	73,4	50,6	65,0	94,7
г. Бохтар	11,3	17,4	19,6	17,3	17,4	17,4
г. Куляб	49	48,0	50,2	9,1	11,4	12,3
г. Хорог	18,7	7,2	5,8	6,4	15,9	10,4
г. Душанбе	204,7	150,2	174,9	293,5	195,2	217,9

Источник: Статистический ежегодник Республики Таджикистан 2019

Статистический сборник; составлено автором.

Город Душанбе, будучи административным, экономическим, политическим и культурным центром Республики Таджикистана занимает лидирующее место по объему вводимого жилых домов в целом по стране и в 2018 году данный показатель достиг 217,9 тыс.кв.м., что на 11,6% больше чем в 2017 году (см. Табл.6). Статистический ежегодник Республики Таджикистан 2019: Статистический сборник / Государственный комитет по статистике РТ; [Редкол.: Г.К. Хасанзода - пред. и др.]. - Офиц. изд. - Душанбе : Государственный комитет по статистике РТ, 2020-. - 478с.

По состоянию на 1 января 2019 года в Душанбе было приватизировано 129 296 единиц квартир, из которых 96 676 квартир (74,8% от общего числа приватизированных квартир) были проданы, 2 409 квартир (1,9%) с первоначальным взносом и 30 211 квартир (23 3 процента) были приватизированы бесплатно. Общая площадь приватизированных квартир составляет 7581,1 тыс.кв.м. В 2018 году в Душанбе было приватизировано 3335 квартир. Из них 3196 квартир (95,8 процента) были проданы, а 139 квартир (4,2 процента) были приватизированы без предоплаты.

В январе-декабре 2018 года были использованы капитальные вложения из всех источников инвестиций на сумму 274 2969,0 тыс. сомони, что на 90,8% (в сопоставимых ценах) по сравнению с январем-декабрем 2017 года.

Структура инвестиций в основной капитал по формам собственности в январе-декабре 2018 года выглядит следующим образом: государственные средства 1134831,0 тыс. сомони или 41,4%, население - 1233,4 тыс. сомони или 0,4%; ООО - 485313,1 тыс. сомони или 17,7%; индивидуальные предприниматели 115764,5 тыс. сомони или 4,2%; иностранные инвестиции составляют 726655,6 тыс. сомони или 26,5%, а акционерные общества - 268088,4 тыс. сомони или 9,8% от общего объема инвестиций в Душанбе.

Приток инвестиций в Шохмансурский район города Душанбе в январе-декабре 2018 года составил 743246,6 тыс. сомони или 27,1%, Исмоили Сомони - 533359,6 тыс. сомони или 19,4%, Фирдавси - 287538,3 тыс. сомони или 10,5% и Сино - 1178824,5 тыс. сомони или 43,0% от общего объема инвестиций в Душанбе.

В январе-декабре 2018 года в городе Душанбе было освоено инвестиций промышленными объектами на сумму 779892,5 тыс. сомони или на 28,4%, а также непроизводственными объектами на сумму 1963076,5 тыс. сомони или на 71,6% от общего объема инвестиций. В январе-декабре 2018 года за счет всех источников инвестиций были введены в эксплуатацию основные средства в сумме 2072788,2 тыс. сомони.

Основные средства введены в эксплуатацию за счет государственных средств 923527,7 тыс. сомони или 44,6%, за счет населения 12316,4 тыс. сомони или 0,6%, за счет обществ с ограниченной ответственностью 492164,6 тыс. сомони или 23,7%, за счет акционерных обществ 76113,8 тыс. сомони или 3,7 процента, за счет иностранных организаций 477452,2 тыс. сомони или 23,0 процента, за счет индивидуальных предпринимателей 91213,5 тыс. сомони или 4,4 процента от общего объема основных фондов.

В январе-декабре 2018 года было сдано в эксплуатацию 217 900 квадратных метров жилья, что на 22 709 квадратных метров или на 11,6 процента больше, чем в январе-декабре 2017 года.

Введенные в эксплуатацию жилые здания в Душанбе были построены в основном за счет государственных средств и обществ с ограниченной ответственностью, где доля государственных средств составляет 15 200 квадратных метров или 7,0%, обществ с ограниченной ответственностью - 162 267 квадратных метров или 74,5%, населения - 4910 квадратных метров или 2,2%, акционерных обществ - 8 972 квадратных метра или 4,1%, индивидуальных предпринимателей - 26551 квадратных метров или 12,2 процента от общего количества, сданного в эксплуатацию жилья.

В январе-декабре 2018 года подрядные организации Душанбе выполнили подрядные работы на сумму 4582913,8 тыс. сомони, что на 1175821,2 тыс. сомони больше, чем в январе-декабре 2017 года.

Объем подрядных работ, выполненных организациями различных форм собственности, характеризуется следующим образом: государственная - 65057,3 тыс. сомони или 1,4%, акционерные общества - 22242229,0 тыс. сомони или 48,9% и общества с ограниченной ответственностью - 2275627,5 тысяч сомони или 49,7 процента от общей суммы. Статистический ежегодник Республики Таджикистан 2019: Статистический сборник / Государственный комитет по статистике РТ; [Редкол.: Г.К. Хасанзода - пред. и др.]. - Офиц. изд. - Душанбе : Государственный комитет по статистике РТ, 2020-. - 478с.

Республика Таджикистан и город Душанбе в частности показывают положительную динамику и прирост почти во всех рассматриваемых показателях. Эта положительная динамика в основном обусловлена вложениями и стараниями частных юридических лиц и населением. К сожалению, доля государства почти во всех сферах жилищного строительства и инвестирования в нее относительно других игроков довольно незначительна. Республика Таджикистан все еще занимает последние места в рейтинге среди стран СНГ по показателю ввода жилья, что вызвано уровнем экономического развития страны. На данном этапе развития, как страны, так и города Душанбе, необходимы конкретные планомерные меры по наращиванию доли и влияния государства и администрации города в секторе жилищного строительства.

2.2 Факторы, влияющие на цены на рынке жилой недвижимости

Социальные и экономические явления имеют свойства влиять или попасть под влияние других явлений, и развитие данных явлений может протекать как самостоятельно и отдельно, так и формировать крупные комплексы взаимосвязанных явлений. Для обоснованного проецирования и анализа таких явлений необходимым считается количественный анализ существующих или формирующихся явлений на основе данных. Для решения данной задачи необходимо выявить связи, которые протекают между явлением и процессом для определения основных факторов, влияющих на изучаемое явление.

Корреляционно-регрессионный анализ в данном случае является одним из популярных статистических методов, которая дает нам представление о существующих связях и аналитическую информацию о степени тесноты и формы проявления данных связей. Для этого, исследователю необходимо построит регрессионную модель влияний выбранных факторов на изучаемую проблематику.

Для изучения и выявления основных факторов ценообразования на рынке недвижимости в городе Душанбе в 2010-2018 гг., характеризующиеся средними ценами на 1 кв.м. жиль в городе был проведен корреляционно-регрессионный анализ. Абстрактно-логический анализ существующих факторов ценообразования дал нам возможность выбрать из всего пула официально доступных статистических данных следующие показатели для проведения корреляционно - регрессионного анализа обеспеченности населения региона жильем (Y - средняя цена жилья за 1 кв.с., сомони):

· X1 - Индекс цен на первичном рынке жилья, процентов;

· Х2 - Ввод в действие жилых домов, тыс. кв. м. общей площади;

· Х3 - Инвестиции в основной капитал организаций, осуществляющих строительную деятельность, в процентах к соответствующему периоду предыдущего года в сопоставимых ценах;

· Х4 - Реальные располагаемые денежные доходы, в процентах к предыдущему году;

· Х5 - Численность населения с денежными доходами ниже величины прожиточного минимума, в процентах от общей численности;

· Х6 - Индекс цен на топливо, процентов;

· Х7 - Индекс цен промышленной продукции, процентов;

· Х8 -Уровень инфляции, процентов;

· Х9 - Производство промышленной продукции;

· Х10 - Показатель банковской системы Z-счет The index captures the probability of default of a country's banking system. Z-score compares the buffer of a country's banking system (capitalization and returns) with the volatility of those returns. It is estimated as (ROA+(equity/assets))/sd(ROA); sd(ROA) is the standard deviation of ROA. ROA, equity, and assets are country-level aggregate figures. Calculated from underlying bank-by-bank unconsolidated data from Bankscope..

Таблица 7. Количественные данные для проведения оценки

Год	Y	X1	X2	X3	X4	X5	X6	X7	X8	X9	Х10
2010	2115,0	102,9	40,3	98,5	122,1	52,9	106,83	133,9	6,4	13,5	11,5
2011	2347,7	101,9	47,9	100,2	118,6	49,5	119,00	114,9	12,4	13,3	10,3
2012	3245,0	101,0	51,1	107,6	114,7	44,6	114,00	106,4	5,8	13,2	10,5
2013	3600,6	108,4	204,7	110,4	113,4	36,1	112,33	102,2	5,0	10,2	11,6
2014	4226,3	108,4	150,2	110,2	110,2	32,0	113,33	104,6	6,1	9,0	13,2
2015	4606,8	108,4	174,9	111,1	92,0	30,1	109,07	102,9	5,7	6,4	13,0
2016	4725,0	108,4	293,5	112,1	118,0	28,7	106,17	113,9	6,0	10,5	14,3
2017	4917,1	111,2	195,2	109,8	106,5	24,6	129,30	101,8	6,7	11,3	23,4
2018	5038,8	114,0	217,9	109,7	109,5	20,4	118,07	102	5,7	12,0	24,1

Для выявления связей между факторами и исследуемым явлением, необходимо установление тесноты взаимосвязей между ними методом корреляционного анализа, которая предоставляет нам информацию о парных коэффициентах корреляции (теснота связей между каждыми из факторов и явлением и между самими факторами).

В Excel, для расчета коэффициентов корреляции, на основе значений таблицы 7, была получена матрица парных коэффициентов корреляции с указанием вероятности принятия гипотезы об их незначимости. На основании её данных определили зависимости между результативными и факторными признаками (Таблица 8).

Таблица 8. Матрица парных коэффициентов корреляции

	Y	X1	X2	X3	X4	X5	X6	X7	X8	X9	X10
Y		0,87	0,85	0,89	-0,62	-0,98	0,25	-0,72	-0,51	0,83	0,72
X1			0,82	0,68	-0,49	-0,94	0,30	-0,58	-0,45	0,87	0,83
X2				0,82	-0,32	-0,85	-0,02	-0,49	-0,47	0,66	0,52
X3					-0,58	-0,84	0,04	-0,80	-0,63	0,51	0,38
X4						0,58	-0,16	0,66	0,31	-0,38	-0,30
X5							-0,31	0,72	0,46	-0,88	-0,79
X6								-0,46	0,28	-0,25	-0,02
X7									0,28	-0,25	-0,02
X8										-0,25	-0,23
X9											-0,02
X10

Исходя из корреляционной матрицы можно сделать вывод, что не все факторы которые мы изучаем, могут иметь взаимосвязь со средней ценой за 1 кв.м. жилья. Например, на первый взгляд фактор Х2>0,8 и можно было бы предположить что данный фактор имеет взаимосвязь с Y, но одновременно Х2 имеет тесную связь с Х1, что свидетельствует о мультиколлинеарности. Также, можно сделать аналогичный вывод о Х3, Х9 и Х10. Факторы реальные располагаемые денежные доходыь(Х4), индекс цен промышленной продукции (Х7) и уровень инфляции (Х8) являются, показывают слабую обратную зависимость и поэтому не могут быть включены в уравнение. Фактор индекс цен на топливо (Х6) находится слишком близко к нулю, что свидетельствует об очень слабой взаимосвязи.

Для недопущения мультиколлинеарности выбранных факторов и искажения модели регрессии часть факторов, которые одновременно коррелировали между собой были не допущены к последующему анализу. После этого был повторно проведен корреляционный анализ выявленных факторов с явлением.

Таблица 9. Повторный корреляционный анализ

	Y	X1	X5
Y	1
X1	0,872105	1
X5	-0,98378	-0,93786	1

Повторный корреляционный анализ факторов Х1 и Х5 с Y показывает, что мультиколлинеарности в данном случае не наблюдается. Это означает, что все два фактора можно включить в последующую модель регрессионного анализа. Процесс пошагового регрессионного анализа состоит из последовательности следующих шагов:

1) построение уравнения регрессии;

2) проверка значимости уравнения регрессии;

3) проверка значимости коэффициентов уравнения регрессии;

4) расчёт характеристик регрессии: бета-коэффициентов, коэффициентов эластичности и других.

Для описания влияния выбранных факторов на среднюю цену за 1 кв.м. жилья в городе Душанбе строится регрессионная модель. Математически задача формулируется следующим образом: требуется найти аналитическое выражение зависимости средней цены за 1 кв.м. жилья в городе Душанбе от определяющих его факторов Х1 и Х5, то есть необходимо найти функцию:

Y = f(X1X2,...,Xk) Гржибовский, А. М. Корреляционный анализ // Экология человека. 2008. №9. URL: https://cyberleninka.ru/article/n/korrelyatsionnyy-analiz (дата обращения: 20.04.2020).

Цель заключается в раскрытии характера и степени влияния аргументов на функцию. Для нахождения параметров уравнения применяем МНК, цель которого заключается в отыскании таких параметров, для которых сумма квадратов отклонений расчетных значений результативного признака от эмпирических (фактических) будет минимальной Гржибовский, А. М. Корреляционный анализ // Экология человека. 2008. №9. URL: https://cyberleninka.ru/article/n/korrelyatsionnyy-analiz (дата обращения: 20.04.2020).. С помощью Пакета Анализа в «Excel» получили результаты, представленные в Таблице 10.

Таблица 10. Предварительные результаты регрессионного анализа

Регрессионная статистика	Дисперсионный анализ
		df	SS	MS	F	Значимость F
Множественный R	0,994501	Регрессия	2	9617319	4808660	270,5	1,32E-06
R-квадрат	0,989031
Нормированный R-квадрат	0,985375	Остаток	6	106658,8	17776,47
Стандартная ошибка	133,3284	Итого	8	9723978
Наблюдения	9

Таблица 11. Предварительные результаты регрессионного анализа

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение	19982,87	3732,697	5,353466	0,001739
X1	-105,804	31,06045	-3,40639	0,014382
X5	-134,729	12,0518	-11,1791	3,06E-05

На основе Таблицы 11 составлено предварительное уравнение регрессии:

Y 19982,87 - 105,8X1 134,7Х5

Необходимо определить, является ли данное уравнение статистически значимым. Это можно сделать с применением F-критерия Фишера, рассчитываемого по формуле:

Далее полученное по этой формуле табличное значение критерии Фишера сравнивается с теоретическим значением полученное по результатам регрессионного анализа из Таблицы 10 (вероятности ошибки, равной в нашем случае 5%, и степеней свободы m и n-m-1). Если фактическое значение оказывается больше табличного, то гипотеза о статистической незначимости уравнения отклоняется в пользу противоположной Гржибовский, А. М. Корреляционный анализ // Экология человека. 2008. №9. URL: https://cyberleninka.ru/article/n/korrelyatsionnyy-analiz (дата обращения: 20.04.2020)..

Проверка с помощью F-критерия Фишера показала, что уравнение является статистически значимым, так как его расчетное значение оказалось больше табличного (270,5>4,2565), то есть оно объективно характеризует существующие взаимосвязи. Однако при этом только для одного фактора выполняется проверка на статистическую значимость, которая осуществляется с помощью t-критерия Стьюдента по формуле:

- где Saj - это квадратный корень из элементов главной диагонали ковариационной матрицы.

Находится табличное значение статистики Стьюдента при уровне значимости р и степенях свободы (n-m-1). Коэффициент регрессии признается значимым, если расчётное значение t-критерия больше табличного.

В нашем случае p-value обоих признаков являются меньше 5%, следовательно, согласно t-критерию Стьюдента наше уравнение является статистически значимым Там же.*.

Также статистически значимыми являются и все оставшиеся в модели признаки. Оставшиеся в модели два признака на 98,9% определяют вариацию результативного показателя (об этом свидетельствует величина множественно коэффициента детерминации, равного 0,989). Теснота связи между этими признаками весьма высокая, что подтверждает значение множественного коэффициента корреляции (0,994). Следовательно, на обеспеченность населения региона жильем оказывают влияние два фактора: индекс цен на первичном рынке жилья (X1) и численность населения с денежными доходами ниже величины прожиточного минимума (Х5). Оба фактора совместно оказывают негативный эффект на результативный показатель, т.е. при увеличении индекса цен на первичном рынке жилья на 1 ед. и рост численность населения с денежными доходами ниже величины прожиточного минимума, средняя цена за 1 кв.м. жилье падает на 106,56 сомони.

Вычислим нормированные коэффициенты регрессии (коэффициенты эластичности) определяющие меру влияния вариации соответствующего фактора на вариацию результативного признака, и показывающие, на сколько процентов изменится величина обеспеченности жильем, если значение какого-либо из трех признаков увеличится на 1%: для X1 коэффициент эластичности составляет -2,93%, а для Х6 - 1,23%. Таким образом, на величину средней стоимости 1 кв.м. жилья наибольшее влияние оказывает численность населения с денежными доходами ниже величины прожиточного минимума (Х5).

В результате приведенного анализа получили следующие результаты: уравнение и образующие его факторы статистически значимы, весьма высоким является значение коэффициента детерминации (98,9%), т.е. оставшиеся в модели три признака в значительной степени определяют вариацию результативного показателя. Установлено, что факторы ценообразования на рынке недвижимости в городе Душанбе, характеризуемые средней ценой за 1 кв.м., зависят от ценообразования на рынке жилья, характеризующимся индексом цен на первичном рынке жилья и покупательской способности населения региона, определяемой численность населения с денежными доходами ниже величины прожиточного минимума.

2.3 Применение модели Хольта-Винтерса для анализа и прогнозирование динамики цен на жилую недвижимость в городе Душанбе

Увеличение конкуренции на рынке и все более нарастающая неопределенность внешней среды делает необходимым принятие взвешенных управленческих решений в сфере стратегического управления рынком недвижимости. В связи с тем, что субъекты рынка недвижимости все чаще используют метод интегрированного планирования в процессе своей деятельности, прогнозирование рынка стало актуальным вопросом. К сожалению, администрация города Душанбе не располагает достаточным потенциалом и мощностями прогнозирования на рынке недвижимости, что обуславливает ее острую актуальность на сегодняшний день.

Применение существующих методов прогнозирования не дает оптимальных и достаточно точных результатов, так как влияющие на предмет прогнозирования факторы не являются единственными при прогнозировании. Существуют различные элементы прогноза, такие как тенденция ее развития, сезонность и цикличность явлений и результатов, случайные компоненты и другие которые необходимо учитывать в процессе прогнозирования. Пузанова И. А. Интегрированное планирование цепей поставок : учебник для бакалавриата и магистратуры / И. А. Пузанова ; под ред. Б. А. Аникина. - М. : Юрайт, 2014. - 320 с.

Одним из методов, учитывающим несколько составляющих прогноза, является метод Хольта-Винтерса. Метод Хольта-Винтерса - это трехпараметрическая модель прогноза, которая учитывает:

- сглаженный экспоненциальный ряд;

- тренд;

- сезонность.

Алгоритм расчета по методу Хольта-Винтерса выглядит следующим образом:

- Рассчитывается экспоненциально-сглаженный ряд по формуле:

, Кузнецов В.И., Киселева И.А., Попов Е.О., Владимиров Н.А. О прогнозировании уровня безработицы методом экспоненциального сглаживания с трендом и сезонностью Хольта-Уинтерса. В сборнике: Россия: Тенденции и перспективы развития. 2019. С. 303-304

где Si-S - коэффициент сезонности предыдущего периода. Сезонность в первом периоде равна 1.

- Оценивается сезонность:

, Прогноз по методу экспоненциального сглаживания с трендом и сезонностью Хольта-Винтерса [Электронный ресурс]. - URL: http://4analytics.ru/prognozirovanie/prognoz-po-metodueksponencialnogo-sglajivaniya-s-trendom-i-sezonnostyu-xoltavintersa (дата обращения 20.03.2020).

где Si - коэффициент сезонности для текущего периода;

q - коэффициент сглаживания сезонности (задается вручную и находится в пределах от 0 до 1);

- Si-s - коэффициент сезонности за этот же период в предыдущем сезоне. Прогноз на p периодов вперед рассчитывается по формуле

, Там же.

где прогноз по методу Хольта-Винтерса на p периодов вперед;

- коэффициент сезонности за этот же период в последнем сезоне.

Преимуществами метода Хольта-Винтерса являются то что она имеет три важных при прогнозе составляющих: основную тенденцию развития, сезонность и экспоненциально-сглаженный ряд. Тренду с интегрированным экспоненциальным сглаживанием позволяет не только обнаружить направленность развития ряда динамики, но и сгладить мелкие колебания в ряду динамики для поиска частных спадов и скачков. Сезонность позволяет построить прогноз на будущие периоды с учетом данной сезонности, что наглядно показывает построенный прогноз Поздняков, А. С., Применение метода Хольта-Винтерса при анализе и прогнозировании динамики временных рядов / Проблемы организации и управления на транспорте - Екатеринбург, - 2016 С. - 57-64..

Данный метод позволяет строить прогнозы на достаточно большой промежуток времени. Поскольку он учитывает несколько факторов прогнозирования, то он будет более точным при прогнозировании на длительный промежуток времени.

Ограничения данного метода является то, что в целях построения более точного прогноза на длинные промежуток времени нужно использовать данные за более длительный промежуток времени (т.е. как минимум данные за 4-5 прогнозного периода) Там же.*. Данные за длительный промежуток времени позволят сделать точный прогноз на гораздо более долгий период.

Метода Хольта-Винтерса требует провести дополнительную оценку прогноза на точность, и вышеуказанный алгоритм является актуальным только для данного метода т.к. коэффициенты k, b и q подбираются вручную и напрямую влияют на текущую оценку. Кириллов В. И. Квалиметрия и системный анализ: учеб. пособие / В. И. Кириллов. - Минск: Новое знание; М.: Инфра-М, 2011. - 440 с.

Метод Хольта-Винтерса может применяться:

- при стратегическом планировании: построение основной тенденции развития (тренда) позволяет учитывать восходящую или нисходящую динамику исследуемого явления.

- при оперативном и тактическом планировании.

Экспоненциальное сглаживание учитывает внутренние спады и подъемы в ряде динамики. Его можно использовать при выявлении крупных спадов и подъемов заблаговременно (при применении тактического планирования) и быть к ним готовым.

Также необходимо отметить, что развитие информационно-коммуникационных систем привело к возникновению новых инструментов упрощения процессов повседневной жизни. В Excel можно интегрировать надстройку Forcasting4AC и провести прогноз, включая расчет различных сценариев развития на основе модели Хольта-Винтерса.

К сожалению, система статистических данных в городе Душанбе находится в зачаточном стадии, и получение большого массива данных представляется невозможным. На основе существующих данных попробуем сделать прогноз средней цена за 1 кв.м. жилья в городе Душанбе. Мы располагаем данными о средней цене за 1 кв.м. на промежуток времени с 2010-2018 и так как массив данных у нас ограничен мы можем сделать точный прогноз на относительно небольшой промежуток времени. Также, проведем прогноз динамики средней цены за квадратный метр жилья с учетом оптимистичной и пессимистичной сценариев развития. И так мы обладаем следующие данные о средней цене за квадратный метр жиль в городе Душанбе и необходимо спрогнозировать данный показатель на период до 2023 года.

Таблица 11. Расчетная таблица для метода Хольта-Винтер

Период	Средная цена
2010	2115
2011	2347,7
2012	3245
2013	3600,6
2014	4226,3
2015	4606,8
2016	4725
2017	4917,1
2018	5038,8
2019	-
2020	-
2021	-
2022	-
2023	-

Графически можно изобразить наши данные в следующем виде:

Первоочередной задачей в расчете модели Хольта-Винтерса является нахождение коэффициента сезонности, которая в Excel можно рассчитать по формуле «((B2:B4+B5:B7)/СУММ(B2:B7))*3». Для достоверного расчета данного коэффициента необходимо сумму каждого временного ряда, который будет выбран (в данном случае с 2010-2012 и 2013-2015) прибавить и разделить на сумму всего ряда с 2010 по 2015 умножив результат на количество переменных, в выбранном интервале преобразовав конечный результат в проценты.



График 1. Средняя цена за 1 кв.м. жилья в г. Душанбе

Далее функцией «ИНДЕКС» находим индекс коэффициента сезонности по отношению к временному интервалу, что даст нам коэффициент для расчета прогнозных значений путем использования функции «ПРЕДСКАЗ» в Excel уже можно рассчитать прогнозное значение на прогнозируемый промежуток времени. Таким образом, можно найти прогнозные значения на необходимый промежуток времени.

Также нам необходимо рассчитать значения исследуемого явления в двух сценариях: в пессимистичной и оптимистичной. Для этого необходимо найти значение отклонения в прогнозе функцией «ДОВЕРИТ» и «СТАНДОТКЛОН». Нами был выбран доверительный интервал для расчета стандартного отклонения прогнозных значений в 5%. Таким образом, пессимистичный сценарий в нашем случае, рассчитывается путем прибавления значения отклонения прогнозному, а оптимистичный сценарий наоборот.

В итоге нами были получены прогнозные значения для промежутка времени с 2019-2023. По нашим прогнозным данным, по оптимистичному сценарию в 2019-2020 годы ожидается снижение средней цены за квадратный метр жиль в Душанбе а по пессимистичному сценарию диаметрально противоположенное (см. Табл.-).

Таблица 12. Результаты прогноза по методу Хольта-Винтерса

Период	Средняя цена за 1 кв.м.	Прогноз	Оптимистичный	Пессимистичный	Коэффициент сезонности	Отклонение
2010	2115				85%	460,12
2011	2347,7				98%
2012	3245				117%
2013	3600,6				92%
2014	4226,3				117%
2015	4606,8				150%
2016	4725				97%
2017	4917,1				97%
2018	5038,8	5038,8	5038,8	5038,8	97%
2019		4911,0	4450,89	5371,13
2020		5267,6	4807,45	5727,69
2021		5622,3	5162,21	6082,45
2022		5897,9	5437,73	6357,98
2023		6254,4	5794,29	6714,54

Графически, полученные результаты выглядят следующим образом:

График 2. Прогнозные значения средней цены за кв.м. жилья в г. Душанбе на 2019-2023 годы

Метод Хольта-Винтерса можно применить совершенно разным образом и для прогнозирования различных социально-экономических явлений. Данный метод требует большого объема статистических данных для более долгосрочного и точного прогнозирования но к сожалению статистика по исследуемой теме практически не ведется.

По результатам прогноза на основе имеющихся данных, можно сделать вывод, что на протяжении следующих 3 лет в городе Душанбе ожидается рост цен на жилье и для принятия оптимальных управленческих решений и регулирования данным процессом администрацией города необходимо иметь действенные методы и инструменты воздействия на рынок недвижимости.

Глава 3. Меры по улучшению государственного регулирования цен на рынке жилой недвижимости Душанбе

3.1 Международная практика регулирования цен на рынке жилой недвижимости

Приобретение недвижимости и прав собственности за рубежом приводит к юридическим и налоговым проблемам и может вызвать проблемы, серьезность которых часто является неожиданностью для заинтересованных сторон. Как правило, иностранцы покупают недвижимость без точного знания правовых, фискальных и экономических основ проблемы. Каждая страна имеет свои традиции и правовые системы. Это относится, в частности, к имущественному и налоговому законодательству, которое в разных странах может принимать совершенно разные формы.

Рынок недвижимости можно сравнить с весами: на одной чаше стоят рыночные саморегуляторы -- спрос, предложение и конкуренция, на другой -- государственные меры -- законы, налогообложение и льготы. Попеременно перевешивает то одна чаша, то другая, но обе они стремятся к равновесию. Как только одна чаша весов сильно перевешивает над другой, случается кризис на рынке недвижимости. Дятлов, СЛ., Мирополъский Д.Ю,. Плотников В.А., Попов А.И. Государство и рынок: проблемы выбора подходов к управлению развитием национальной экономики//Известия СПбУЭФ. 2011. № 1. С. 141-145.

Спрос, предложение и конкуренция, связанные с саморегуляторами, являются естественными явлениями на рынке, которые тесно связаны друг с другом. Например, цены на новостройки зависят как от спроса (более высокий спрос - более высокие цены), так и от предложения (когда нехватка объектов, цены также растут) и конкуренции (застройщики ориентироваться на конкурентов и не может значительно повысить цены, чтобы не потерять покупателей).

Здоровый рынок - это тот, на котором спрос сбалансирован с предложением, и есть много конкурирующих строительных компаний. Больной рынок - это рынок, на котором либо большое количество нереализованных объектов, которые никто не покупает, либо, наоборот, наблюдается нехватка жилья в сочетании с завышенными ценами и отсутствием рынка ипотеки. Меры государственного регулирования рынком направлены в основном на «лечение» и «поддержание здоровья» рынка. Это меры, способствующие уменьшения риска кризиса рынка недвижимости.

Германия является примером здорового рынка, где все в меру, т.е. цены растут, а пузыря нет; идет жилищное строительство, но свободных площадей нет; объекты жилой недвижимости реализовываются в самые короткие сроки, объем кредитования увеличивается. Испания является примером не совсем здорового рынка, где огромное количество объектов жилой недвижимости пустуют, можно наблюдать спад цен на недвижимость семь лет подряд. О'Салливан А. Экономика города : пер. с англ. / А. О'Салливан. -- 4-е изд. -- М. : Инфра-М, 2002. -- 706 с.

Причина, по которой между рынками существует столь большая пропасть,-- в том, что один из них жестко регулировался, а другой -- нет. До 2008 года строительство было практически неконтролируемым, кредитная политика была слишком лояльным, иногда выдавались даже без первоначального взноса. В итоге рынок перегрелся настолько, что пузырь лопнул, и последствия все еще ощущаются: в последние годы цены на жилье упали в среднем примерно на 40%. Германия, напротив, спокойно пережила последние годы, и хотя рынок накалялся, правительство не допустило образования пузыря. Rosenfeld, Orna. (2015). Social Housing in the UNECE region: models, trends and challenges. Электронный ресурс: URL: https://www.researchgate.net/publication/281281513_Social_Housing_in_the_UNECE_region_models_trends_and_challenges

Независимо от того, насколько распространены методы саморегулирования рынка, и независимо от того, насколько велико участие частного сектора в экономике, государство всегда выступает в качестве ключевого фактора экономического развития. А состояние экономики отражается на строительстве и рынке жилья. Невмешательство государства в инвестиционный и строительный сектор превращается в серьезные проблемы в экономике. Рынок недвижимости имеет прямую связь с развитием финансово-банковской системы. Стоимость денег, банковская среда, стабильность экономики, правовые акты и инструменты регулирования - все это в значительной степени влияет на активность рынка недвижимости.

Примером того, как государство держит рынок под высоким давлением, сдерживая чрезмерные цены и предотвращая обвал, является ситуация в Китае. С 2000 по 2008 год цены на недвижимость в КНР быстро росли. В Шанхае, например, цены выросли на 121%. Рост был вызван дешевыми кредитами и низкими процентными ставками по ипотечным кредитам. В 2011 году правительство приняло меры по охлаждению перегретого рынка. В частности, был увеличен размер первоначального взноса, введены ограничения на покупку недвижимости во многих регионах (невозможно купить более двух квартир в Шанхае и Гуанчжоу), введены налоги на недвижимость. Меры по охлаждению помогли остановить рост цен и даже начался спад на рынке недвижимости. По данным Национального бюро статистики, в декабре 2014 года цены на новое жилье в 68 городах Китая упали на 4,3% в годовом исчислении. Чтобы предотвратить быстрое падение стоимости недвижимости, во второй половине 2014 года правительство объявило о мерах по смягчению ограничений. Вторичные покупатели смогут рассчитывать на более низкие процентные ставки, которые ранее были доступны только тем, кто покупает жилье впервые. Те, кто собирается купить третье имущество, смогут воспользоваться ипотекой - до того, как запрет вступит в силу. Таким образом, китайское правительство умело маневрирует на рынке, отдавая ему либо морковку, либо палку. Rosenfeld, Orna. (2015). Social Housing in the UNECE region: models, trends and challenges. Электронный ресурс: URL: https://www.researchgate.net/publication/281281513_Social_Housing_in_the_UNECE_region_models_trends_and_challenges

Есть две группы методов государственного регулирования: правовые, экономические и административные.

· экономические методы;

· административные методы.

Правовыми методами являются законодательные акты и нормативное регулирование. Например, во Франции сложно получить разрешение на строительство. Эта проблема решается местными властями на основе плана территориального развития (plan local d'urbanisme Plan local d'urbanisme - местный план градостроительства, PLU), который есть в каждом муниципалитете. Вы не можете создавать объекты, которые не соответствуют стратегии развития, описанной в PLU. План застройки включает коэффициент землепользования (coefficient d'occupation des sols Coefficient d'occupation des sols - коэффициент землепользования, COS), который определяет максимальный процент застройки, разрешенный по отношению к площади земли. Площадь жилого здания не может быть увеличена больше, чем позволяет COS. Amzallag, M. and C. Taffin (2010). Social Rental Housing in France. Paris: L'Union Sociale pour Habitat. Электронный ресурс: URL: http://www.iut.nu/ members/Europe/West/2010/France_SocialRenting_ WorldBank2010.pdf

Такие правила, как COS, есть практически везде, вопрос в том, насколько они строгие с точки зрения объема сборки, если они соблюдаются и насколько легко их изменить. На «хороших» рынках строгие правила, невозможно много построить, и изменение назначения земли и объема строительства очень сложно. Однако государство может ослабить контроль, если цены и активность застройщиков снизятся. Например, во Франции власти обращаются к инвесторам, и эта тенденция такова, что теперь изменить COS пр...