Анализ рынка недвижимости на примере г. Костромы

 

      Следующим шагом я определил, к какой  территориальной зоне относят продаваемые  объекты. Это не маловажный фактор, которым руководствуется население при покупке жилья. Информацию я брал из приложения к решению  Думы города Костромы от 18.11.2004г. в методике «Расчёта арендной платы за пользование муниципальным имуществом».

      Границы территориальных зон г.Костромы

      1 зона

      Здания, расположенные по улице Советской  от площади Советской до дома N 25 по нечетной стороне и N 10 по четной стороне.

      II зона

      Здания, расположенные в кварталах ограниченных улицами Пятницкая, Князева, Долматова, Горная и левым берегом реки Волга.

      Здания, выходящие главным и боковым  фасадом на улицы Пятницкая, Князева, Долматова, Горная, Сенная, Советская  от дома N 25 до дома N 123 по нечетной стороне  и от N 10 до N 138 по четной стороне, проспект Мира от площади Сусанинская до дома N 119 по нечетной стороне и N 94 по четной стороне, площадь Мира, площадь Октябрьская.

      III зона

      Здания, выходящие главным и боковым  фасадом на улицы Подлипаева, Ивана  Сусанина, Войкова, Калиновская, Полянская, Никитская, Голубкова, Стопани, Самоковская, Профсоюзная, Кинешемское шоссе, а также Лесная, Свердлова, Шагова, Симановского, проспект Текстильщиков в части не вошедших в II зону, Ленина от улицы Князева до железнодорожного переезда.

      Здания, расположенные в кварталах, ограниченных улицами Волжская 2-я, Профсоюзная, Кинешемское шоссе.

      IV зона

      Здания, расположенные в остальных частях города, не вошедших в зоны I, II, III и V.

      V зона

      Здания, расположенные в части городской  территории, ограниченной левым берегом  реки Волга и правым берегом реки Кострома.

      Здания, расположенные в части городской территории, ограниченной левым берегом реки Кострома, прудами Запрудня и Нагорным каналом

      Здания, расположенные в части городской  территории, ограниченной правым берегом  реки Волга и улицей Московской, включая здания, выходящие главным и боковым фасадом на улицу Московскую.

      Следующим шагом в построении модели я определил  более важные факторы используемые при выборе жилья из тех, что отражаются в объявлениях (рекламе)

      Факторы которые не являются количественно  измеримыми я заменил условно. А именно факторы: материалы несущих конструкций (Кирпич/Плита), наличие внутренней отделки помещений.

      Такие факторы как наличие лифта, мусоропровода, телефона, балкона будут загромождать модель. А нагружать модель множеством фиктивных данных не целесообразно. Так как при сохранении значимости модели именно эти факторы будут влиять на большое значение аппроксимации. Именно по этому в модели были оставлены самые значимые из них.

      Так же в модель введены такие факторы  как: общая площадь, жилая площадь, площадь кухни, количество комнат, этаж, этажность здания.

      Данные  факторы не находятся в точной функциональной связи, что подходит под условие составления модели множественной регрессии.

      Хотелось бы обратить внимание, что при составлении модели я использую данный исключительно по новостройкам в г.Костроме. 

      3.2 Множественная регрессия,  анализ модели.

      После составления исходной таблицы для  своей модели я проверил значима ли моя модель.

      Воспользовавшись встроенной функцией ЛИНЕЙН, которая в выводимых ей данных отражает коэффициент детерминации:

      И на основе F-статистики модель оказалась значимой, так как Fрасчётное > Fтабличного.

      Я составил матрицу для исследования мультиколинеарности факторов (Приложение 1). Значения которой мы получаем коррелируя между собой факторы исходной модели. Значения каждого элемента матрицы попадают на интервал от -1 до 1. Если значения превосходят по модулю 0,6 , то это говорит о сильной мультиколлинеарности и ненадёжности результатов модели регрессии. Для того, что бы определить какой фактор необходимо исключить мы смотрим каково значение корреляции между значениями Y и Xi. Оставляется тот фактор чья связь более тесная.

      Исключая  постепенно факторы с большим  значением корреляции мы придём к  модели которая будет устраивать нас своей надёжностью

      На  основе построенной матрицы были исключены такие факторы как:

 

      Модель  приняла законченный вид и  стала выполнять условие надёжности. Используя встроенную функцию ЛИНЕЙН я нахожу коэффициенты уравнения регрессии.

      Y=290,88+34,82x2+52,82x6-97,89x7+603,25x8+232x9

      Используя данное уравнение я нахожу расчётные  значения для каждого рассматриваемого мной события (объекта), что бы в дальнейшем найти аппроксимацию. Которая составила

 

      Чем меньше значение аппроксимации, тем  ближе значения на находятся к аппроксимирующей прямой, а значит точнее и надёжнее построенная модель. Допустимая аппроксимация не должна превышать 15%. Если аппроксимация <=7%, то можно сделать заключение, что модель является хорошей (надёжной).

      В полученной модели мы наблюдаем самые основные факторы, которые определяют рыночную стоимость жилья и отражают важные аспекты при выборе.

      Из  модели видно, что увеличение общей площади на 1 приведёт к увеличению стоимости жилья на 34,82 тыс.руб.

      Изменение на 1, этажа расположения квартиры внесёт изменение в общую стоимость в размере 52,82 тыс.руб.

      Высотность  здания внесёт изменение на 97,89 тыс.руб.

      Такие факторы как материал несущих  конструкций и наличие внутренней отделки внесут изменения в стоимость  квартиры на 603,25 и 232 соответственно.

      Делая вывод по модели, необходимо отметить, что модель является значимой и надёжной. И полностью отражает влияние основных факторов.

      В модели удачно найдено соотношение  факторов и рассматриваемых событий, что делает модель надёжной.

      Пошаговые действия исключения менее важных факторов отражены в электронном документе, прилагающемся к курсовой работе.  
 
 
 
 
 
 
 
 
 
 

      Заключение

      На  представленной модели можно выявить  ведущие факторы, которыми пользуются при покупке жилья. Чётко просматривается влияние данных факторов на результативный признак, которым является стоимость жилья. В данной модели нет ряда факторов, но отсутствующие факторы могли отрицательно влиять на надёжность модели. Были отобраны основные. Информация используемая в модели отражает действительное состояние дел на рынке жилья г.Костромы. В модели не учтена проектная нагрузка на общую стоимость жилья, которая сильно меняет уровень цен даже в новостройках. Задачи, поставленные в курсовой выполнены, модель полностью отражает зависимость стоимость квартиры от факторов влияющих на неё.

      Актуальность  составленной модели заключается в  её доступности. Возможность провести быстрый и точный анализ сложившейся  ситуации на рынке незаменима в наши дни.

      Аналогичную модель возможно составить и для рынка вторичного жилья. Так же модель не выявляет общих тенденций, а лишь показывает состояние дел на рынке г.Костромы.

      Ситуация  на рынке недвижимости в г.Кострома относительно надёжна и просчитываема. Нет какого-либо немотивированного  скачка цен, каждое изменение обоснована влиянием на него какого-либо фактора.

      Модель  составлена на основе основных принципов  регрессионного анализа, большое число  факторов дало возможность сохранения именно множественной регрессии. 
 
 
 
 
 

      Список  литературы:

1. Айвазян С.А. «Прикладная статистика. Основы эконометрики».
2. Бабешко Л.О. «Основы эконометрического моделирования: Учеб. Пособие».
3. Берндт Э. «Практика эконометрики: классика и современность».
4. Кремер Н.Ш., Путко Б.А. «Эконометрика».
5. Магнус Я.Р., Катышев П.К., Пересецкий А.А. «Эконометрика. Начальный курс»
6. Моргенштерн О. «О точности экономико-статистических наблюдений».
7. «Эконометрика». Учебник / Под ред. Елисеевой И.И.
8. Он-лайн курсы Semestr.ru http://www.semestr.ru
9. Орлов А.И. «Эконометрика»

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

      Приложение 1: (Матрица для исследования мультиколлинеарности факторов)