diplom (744301), страница 7

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 7)

Основные статистические характеристики исследуемой выборки (по направлениям).

Рисунок 3. Графическое представление основных статистических характеристик (максимум, минимум, 25% и 75% квантили, медиана).

Первый этап построения модели, или спецификация модели, заключается в создании структуры модели на основе экономической теории и теории оценки, а также рыночного анализа. Второй этап – калибровка (идентификация) – представляет собой процесс определения коэффициентов в модели массовой оценки.

Данные можно подразделить на два типа: качественные и количественные. Особой разновидностью качественных параметров являются так называемые бинарные переменные, которые могут принимать значения «1» или «0» в зависимости от того, присуща данная характеристика рассматриваемому объекту или нет. Наличие леса, водоема, площадь земельного участка, инженерное обеспечение (электричество, водопровод, магистральный газ, канализация, телефон), наличие подъездной дороги с твердым покрытием характеризовалось значением «1», отсутствие – «0».

Для калибровки (идентификации) модели нами был применен множественный регрессионный анализ (МРА), который представляет собой статистический способ определения неизвестных данных на основе известной и доступной информации. В массовой оценке неизвестными данными являются значения рыночной стоимости. К известным и доступным данным относятся цены продажи (в нашем случае предложения) и характеристики объектов недвижимости. Модели МРА могут быть аддитивными, мультипликативными или гибридными. Мы начали наш анализ с аддитивной модели типа:

P = A₀ + A₁X₁ + ... + A_nX_n, где (Х_{1 ...} Х_n) - характеристики объекта недвижимости, A_n - численные коэффициенты при переменных характеристиках объекта, показывающие вклад соответствующих характеристик в стоимость.

Как правило, МРА хорошо работает в тех случаях, когда число продаж достаточно велико, а характеристики объектов недвижимости установлены с достаточной точностью. Мы решили проверить достоверность данного утверждения, построив общую модель для всех участков и по каждому направлению в отдельности. На протяжении всего анализа мы пользовались следующими обозначениями (см. Таблица 4).

Расчеты проводились в программе Econometric Views v.2.0 (1996).

Аддитивная модель МРА для всех участков Московской области.

PRICE = 710.83323 - 44.818357*EL + 79.385828*WAT + 296.74527*GAS + 454.45536*WC + 91.857548*TEL - 15.247174*ROAD - 27.754058*FOREST - 27.700678*RIVER - 0.31711615*SQU - 5.8964922*MKAD

Результаты оценивания приведены ниже в таблице 5.

Таблица 5

Оценивание аддитивной модели МРА для всех участков Московской области.

LS // Dependent Variable is PRICE

Sample (adjusted): 1 2112

Variable Coefficient Std. Error t-Statistic Prob.

C 710.8332 30.21771 23.52373 0.0000

EL -44.81836 28.61944 -1.566011 0.1175

WAT 79.38583 24.94676 3.182210 0.0015

GAS 296.7453 28.46552 10.42473 0.0000

WC 454.4554 66.94943 6.788039 0.0000

TEL 91.85755 70.81840 1.297086 0.1947

ROAD -15.24717 24.73701 -0.616371 0.5377

FOREST -27.75406 24.92862 -1.113341 0.2657

RIVER -27.70068 25.01999 -1.107142 0.2684

SQU -0.317116 0.175097 -1.811088 0.0703

MKAD -5.896492 0.360831 -16.34143 0.0000

R-squared 0.290822 Mean dependent var 524.5421

Adjusted R² 0.287447 S.D. dependent var 591.0800

S.E. of regression 498.9476 Akaike info criterion 12.43020

Sum squared resid 5.23E+08 Schwarz criterion 12.45965

Log likelihood -16112.09 F-statistic 86.15859

Durbin-Watson stat 1.538076 Prob(F-statistic) 0.000000

Таблица 4

Условные обозначения, используемые в работе.

Коэффициент детерминации (R²) представляет собой процент дисперсии цен предложения, объясняемый регрессионной моделью (R²=RSS/TSS). Использование R² имеет два недостатка. Во-первых, при добавлении в регрессионную модель новых переменных R² либо увеличивается, либо остается неизменным, что может привести к завышению критерия согласия, если в уравнение введены несущественные переменные или когда число переменных велико по сравнению с количеством рассматриваемых продаж. R² может принимать значения в интервале от 0 до 1, чем ближе R² к 1, тем лучше качество подгонки. Первый недостаток можно учесть, скорректировав величину R² по числу независимых переменных, в результате получим величину приведенного R² (Adjusted R²),

Характеристики

Список файлов реферата