Публикация научных статей.
Вход на сайт
E-mail:
Пароль:
Запомнить
Регистрация/
Забыли пароль?

Научные направления
Поделиться:
Разделы: Информационные технологии
Размещена 16.01.2023.
Просмотров - 66

ОСОБЕННОСТИ ПОСТРОЕНИЯ СТАТИСТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ СТОИМОСТИ ЖИЛЬЯ

Акан Илияс

Магистрант

КазАТУ

Магистрант

Айдынов З.П., кандидат экономических наук, старший преподаватель КазАТУ им.С.Сейфуллина г.Астана


Аннотация:
Цель исследования - изложение основных принципов построения статистических моделей стоимости жилья. Методология - основана на использовании корреляционно- регрессионного и факторного анализа. Проверка факторов осуществлялась при помощи коэффициентов корреляции и детерминации. Для оценки значимости использовалась е-статистика Стьюдента. Оригинальность - экономическое прогнозирование является одной из важных задач интересной и сложной науки под названием «эконометрика», которая объединила в себе методы экономической теории, статистики и математики одновременно. В этом ее сложность и оригинальность. Выводы - в итоге анализ эконометрической модели показал, что на формирование стоимости квартиры наибольшее влияние оказывают общая площадь и год постройки. Было доказано, что эти факторы являются значимыми.


Abstract:
The purpose of the study is to outline the basic principles of constructing statistical models of housing costs. The methodology is based on the use of correlation-regression and factor analysis. The factors were checked using correlation and determination coefficients. To assess the significance, the Student's e-statistics were used. Originality - economic forecasting is one of the important tasks of an interesting and complex science called "econometrics", which combines the methods of economic theory, statistics and mathematics at the same time. This is its complexity and originality. Conclusions - as a result, the analysis of the econometric model showed that the total area and the year of construction have the greatest influence on the formation of the cost of the apartment. It has been proven that these factors are significant.


Ключевые слова:
прогнозирование жилья; корреляционно-регрессионный анализ; рынок недвижимости; анализ; факторы; прогноз

Keywords:
housing forecasting; correlation and regression analysis; real estate market; analysis; factors; forecast


УДК 332.8: 330.13(45)

Введение: Известно, что жилье  является значимым благом для каждого  члена общества. Оно   позволяет  ему  жить достойно, успешно работать,  всесторонне развиваться.  Аспекты    наличия  жилья у каждого  человека который желает иметь как его собственность  черезвычайно  важны и они непрерывно развиваются.

Актуальность выбранной темы обусловленно тем, что динамичное  изменение внутренних и внешних факторов на рынок жилья требует неустанного мониторинга и со стороны покупателей и продавцов жилья. Исходя из этого важно  знать  какие факторы, как и насколько влияют на стоимость жилья   а  также прогнозировать тренд развития строительной отрасли.

Целью данной статьи является изложение основых принципов построения  статистических  моделей стоимости жилья. Для этого  рассматриваются  особенности  статистического и факторного  анализа, возможности их  использования для  исследования рынка жилья и вычисления  параметров  статистической модели  для прогнозных оценок стоимости жилья. Методы изучения данного  явления  рассмотрены  в трудах известных ученых[1-3].

Научной новизной является исследование рынка жилья столицы Казахстана города Астаны с категориальными факторами которые являются качественными признаками существенно влияющими на стоимость жилья и использование современных методов анализа данных.

Вопрос обеспечения каждого члена общества с благоустроенной квартирой либо удобным домом является очень важным приоритетом социальной политики любого правительства. В  то  же  время  возможность приобретения или построения  жилья    человеку  является показателем  развитости  экономики государства и  социальной обеспеченности  его  жителей.  Здесь важную роль играет стоимость жилья. Именно стоимость квартиры(жилья)  является индикатором ее  доступности  на  которого  влияют множество   факторов  часть которых  можно  измерять и  тех факторов влияние  которых очень трудно фиксировать. Тем не менее выявлять  прогнозных оценок   стоимости жилья важно и для покупателей и для строительного бизнеса.  На это ориентируется социальная политика  правительства. Динамичное  изменение экономических и социальных   процессов  диктует более тщательного анализа и прогнозирования     состояния рынка жилья.

В данной  статье приведен показатели  стоимости квартир из сайта www.krisha.kz. Были выбраны квартиры города Астана -столицы РК. Исследование будет полезно для потенциальных покупателей квартир в городе, а также для всех людей, интересующихся в целом развитием и строительством города.

В  основу исследования  лег  корреляционно-регрессионный  анализ. Для  составления  регрессионной модели сначала надо провести  корреляционный  анализ,  целью  которого     является выявление  значимых  факторов, которые влияют на результат. Данный подход   осуществляется   через  коэффициенты  корреляции  rx,yϵ[0;1].  Известно, что чем теснее  связь между фактором Ү  и Х то  rx,y ближе будет к 1, чем  слабее то rx,y ближе будет к 0.

На стоимость квартир (𝑌) влияет ряд факторов, наиболее важными из которых являются: общая площадь (𝑋1), этаж (𝑋2), высота потолка (𝑋3), количество комнат (𝑋4), год постройки (𝑋5), последний или первый этаж( X6) (таблица 1).

Таблица 1. Фрагмент исходных данных выбранных квартир

Общая площадь, м/кв, X1

Этаж, X2

Высота потолка,X3

Количество комнат, X4

Год постройки, X5

Последний или первый этаж 1-да 0-нет, X6

Цена,  $, Y

1

42

4

2,7

1

2022

0

54186

2

49,6

13

3,00

1

2013

0

45348,8

3

41

10

2,70

1

2014

0

58139,5

4

53,9

3

2,70

1

2015

0

55814

5

38

5

2,70

                 1

2011

0

35811,6

6

39

8

2,80

1

2018

0

50000

7

36,6

2

2,70

1

2010

0

37209,3

…….

……….

 

……..

………

……….

………

………

………

60 

78

4

2,70

3

2006

0

86046,5

Примечание:  Данные  из сайта www.krisha.kz.

Оцениваемая модель носит линейный характер и описывается
уравнением:

𝑌 =𝑎0+𝑎1𝑋1+𝑎2𝑋2+…….+𝑎n𝑋n                                                  (1)

где:

Y- результатный фактор(стоимость  квартиры тыс. $);

X1,X2….Xn – причинные факторы(площадь кв, год постройки и др);

a0,a1….an-параметры регрессии.

 Исследование предполагает решение следующих задач:
          · анализ коэффициентов корреляции между результирующим
признаком 𝑌 и каждым из факторов 𝑋𝑗 и оценка статистической
значимости коэффициентов корреляции;
          · расчет параметров регрессий для всех факторов Хj ;
          · выбор лучшей модели с помощью оценки качества каждой модели
через коэффициент детерминации;

Используя специальные функции  ЭТ  ЕХСЕL были вычислены коэффициенты корреляции  между  факторами(таблица 2):

Таблица 2. Корреляционная матрица исследуемых факторов

 

Общая площадь, м/кв, X1

Этаж, X2

Высота потолка,X3

Количество комнат, X4

Год постройки, X5

Последний или первый этаж 1-да 0-нет, X6

Цена

тыс $, Y

Общая площадь, м/кв, X1

1

           

Этаж, X2

0,521965

1

         

Высота потолка,X3

0,141463

0,346173

1

       

Количество комнат, X4

0,771823

0,163588

-0,06302

1

     

Год постройки, X5

0,026439

0,197127

0,421668

-0,21793

1

   

Последний или первый этаж 1-да 0-нет, X6

0,02747

0,027419

-0,32308

0,094281

-0,36664

1

 

Цена,  тыс $, Y

0,913068

0,450983

0,284637

0,660175

0,206038

-0,1316

1

Примечание:  Расчет  сделан авторами

Из  таблицы 2.  можно видеть,  что  наиболее значимыми факторами  влияющие  на цены квартир являются общая  площадь(r=0,91), количество комнат(r=0,66),  среднюю  зависимость имеет  этаж(r=0,45), высота потолка(r=0,28) и относительно  слабая связь  замечена с годом постройки(r=0,2) и крайние  этажи(r=-0,13).

Нетрудно догадаться, что факторы общая площадь  и  количество комнат между  собой тесно  связаны, потому что  чем больше комнат, тем больше будет площадь. Если  их  вместе  ввести  в модель, то возникает  явление  мультиколлинарности, что приводит к снижению  качества  модели,  которое скажется на прогнозной силе модели. Поэтому  в модель вводится наиболее  сильно  влияющий фактор - площадь  квартиры. Помимо него в модель вводится фактор этажа.

Остальные  факторы  не были включены  в модель, поскольку по критерию Стьюдента  коэффициенты корреляции оказались не значимыми  и выбранная  модель будет двухфакторная, то есть:

У=а01Х12Х2                                                    (2)

Расчеты  показали следующих  параметров регрессионной модели

У= 716,61+1118,9Х1-185,3Х2                    R2=0,83                 (3)

Интерпретация параметров выглядит  так:

Фактор Х1- площадь  влияет на стоимость квартиры положительно и увеличение  площади  на 1 м2 приводит на рост  стоимости квартиры в среднем на 1118,9 $ при элиминировании  фактора этажа.

Фактор Х2 -этаж влияет на стоимость квартиры отрицательно  и при повышении на 1 этаж стоимость квартиры в среднем снижается  185,3 $ при элиминировании  фактора площади.

Коэффициент детерминации R2=0,83 говорит о том что по критерию Фишера он значим и  прогнозная оценка  будет верна на 83%.

Тогда  можно  использовать  выработанную модель для прогноза. Допустим  надо  рассчитать вероятную оценку  квартиры  с  площадью 60 кв.м2 и   находящуюся  на 10 этаже.

Расчет осуществляется  по модели (3) то есть:

У= 716,61+1118,9*60-185,3*10= 65998,91$

Тем  самым  квартиру с указанными параметрами  можно купить в пределах 66  тыс. долларов.

Результатами исследования явилось построение математическо-статистических моделей которые позволяют с достаточной степенью вероятности предсказывать стоимость жилья города Астаны РК.

Данная модель может быть использована заинтересованными лицами для прогнозирования стоимости желаемой квартиры. При необходимости данная модель может быть совершенствована с учетом новых факторов и современных инструментариев вычисления прогнозных показателей.

Библиографический список:

1. Вуколов Э.А. Основы статистического анализа. Практикум по статистическим методам и исследованию операций с использованием пакетов STATISTICA и ЕХСЕL:учебное пособие. — 2-е изд., испр. и доп. — М.: ФОРУМ, 2008. — 464 с. (Высшее образование).
2. Бакушева Г.В. Основы эконометрики: решение задач шаг за шагом [Текст]: учебное пособие / Г. В. Бакушева. – Йошкар-Ола: Стринг, 2013. –413 с.
3. Бывшев В.А. Эконометрика: учеб. пособие / В.А. Бывшев. – М.: Финансы и статистика, 2008. – 480 с.
4. Шалабанов А.К., Роганов Д.А. Практикум по эконометрике сприменением MS EXCEL. Казань: Академия управления «ТИСБИ», 2008. –53 с.
5. Айвазян С.А. Методы эконометрики: учебник. – М.: Магистр: ИНФРА-М, 2010.
6. Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике:Монография. — М.: ИНФРА-М; Вузовский учебник, 2008.




Рецензии:

17.01.2023, 16:54 Komilova Kholidakhon Muxtarovna
Рецензия: Я, Комилова Холидахон Мухтаровна, рекомендую к публикации в журнале статью "ОСОБЕННОСТИ ПОСТРОЕНИЯ СТАТИСТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ СТОИМОСТИ ЖИЛЬЯ"



Комментарии пользователей:

Оставить комментарий

 
 

Вверх