И, наконец, значения стандартной ошибки оценки и средней относительной ошибки аппроксимации хоть и показывают некоторую неточность модели, но лежат в допустимых пределах. Значит результаты, полученные в ходе анализа, достаточно объективно отражают реальную ситуацию на рынке недвижимости Краснодара.

Итак. На данном этапе анализа уже возможно сделать более содержательные выводы. Во-первых, на стоимость квартиры значительное влияние оказывает не только ее общая площадь, но и площадь кухни, хотя влияние второго фактора все-таки несколько ниже, чем первого. Площадь кухни в большинстве случаев обуславливает разницу в стоимости квартир лишь на 20 - 30 %, более существенное влияние можно отнести скорее к исключениям из правил. Хотя, посмотрев с другой стороны, дополнительный квадратный метр площади кухни скажется на стоимости квартиры более существенно, чем дополнительный квадратный метр общей площади (это станет очевидно, если посмотреть на рисунок 2.4). Опять же, чем больше в квартире комнат, тем сильнее площадь кухни будет влиять на стоимость квартиры, и тем дороже обойдется дополнительный квадратный метр площади кухни. В заключении отметим, что стоимость квартир в кирпичных домах больше, чем в панельных, подвержена влиянию факторов площадей. Дополнительная единица, как общей площади, так и площади кухни в таких домах обойдется покупателю в большую сумму, нежели в панельном доме (рис. 8), результаты для двухкомнатных квартир).

Рис. 8. Уравнение регрессии для двухкомнатных квартир в кирпичных домах

Рис. 9. Уравнения регрессии для двухкомнатных квартир в кирпичных и панельных домах, фактор площади кухни

Рассмотрим, каким образом влияет площадь кухни на стоимость квартиры в центре города. Необходимые для анализа результаты представлены в таблице 8.

Таблица 8 - Основные характеристики моделей регрессии, фактор площади кухни (центр города)

Материал стен	Число комнат	b0	b1	r	S€
Панельные	1	28,81	2,20	0,25	13,66	0,26
	2	46,80	3,20	0,27	16,70	0,23
	3	48,66	4,81	0,45	43,09	0,40
Кирпичные	1	19,81	4,96	0,45	23,80	0,37
	2	13,24	7,95	0,72	22,89	0,25
	3	44,49	6,12	0,53	34,51	0,26

Проведем корреляционный анализ. Согласно приведенным в таблице результатам, коэффициент корреляции в зависимости от типа квартиры изменяется в пределах от 0,25 до 0,72. Разброс значений в этом случае существенный, более широкий, чем для фактора общей площади в центре города. При этом минимальные значения коэффициента корреляции опускаются ниже 0,3, то есть в отдельных случаях можно говорить о слабой связи между показателями, хотя для большинства случаев связь все же остается умеренной, а также прямой, поскольку коэффициент корреляции не принимает отрицательные значения.

Обратим внимание, что динамика коэффициента корреляции для фактора площади кухни в центре города не совпадает с динамикой для фактора общей площади в центре города. Так же, как и в общем случае, коэффициент корреляции для фактора площади кухни в центре города увеличивается с ростом числа комнат (для панельных домов), а для кирпичных домов пик зависимости приходится на двухкомнатные квартиры. Опять же, для кирпичных домов наблюдается более высокий уровень зависимости.

Если сопоставить результаты таблиц 7 и 8, то придем к выводу, что площадь кухни в меньшей степени влияет на стоимость квартиры в центре города, нежели ее общая площадь. При этом наблюдается, что с увеличением числа комнат в квартире в панельном доме от одной до двух возрастает влияние фактора площади кухни и уменьшается влияние фактора общей площади, в остальных случаях их динамика совпадает.

Аналогичным образом ведут себя и коэффициенты регрессии. В панельных домах их значения растут с ростом числа комнат, в кирпичных домах максимальное значение коэффициента приходится на двухкомнатные квартиры, а затем немного снижается с дальнейшим ростом числа комнат. В сравнении с фактором общей площади для центра города коэффициенты регрессии изменяются в противоположных направлениях с ростом числа комнат. В сравнении с фактором площади кухни для всего города - динамика коэффициентов более плавная, и их изменения при увеличении числа комнат менее резкие. В целом же, дополнительная единица общей площади вызовет более слабые по абсолютной величине изменения в стоимости квартиры в центре города, нежели дополнительная единица площади кухни, так как для фактора площади кухни коэффициенты регрессии принимают более высокие значения.

Отметим, что значения средней относительной ошибки аппроксимации в большинстве случаев лежат ниже уровня 30%, что говорит о достаточно объективных результатах анализа. Но в случае трехкомнатных квартир в панельных домах и однокомнатных квартир в кирпичных домах значения ошибки достигают уровня в 40%, и при необходимости возможно проведение дополнительного исследования.

Итак, систематизируем полученные выводы. Во-первых, для центра города возможны ситуации, когда площадь кухни не оказывает существенного влияния на стоимость квартиры. Во-вторых, в центре города площадь кухни в меньшей степени влияет на стоимость квартиры, чем вне его пределов. В-третьих, с ростом числа комнат в квартире в центре города снижается влияние общей площади и увеличивается влияние площади кухни на стоимость квартиры (эта зависимость прослеживается не во всех случаях). Не забудем, что чем больше в квартире комнат в центре города, тем дороже будет стоить дополнительный квадратный метр кухни и тем дешевле будет дополнительный квадратный метр общей площади (за исключением трехкомнатных квартир в кирпичных домах). Разница в наклонах линии регрессии, отражающая данный факт, представлена на рисунках 10 и 11.

Размещено на http://www.allbest.ru/

Рис. 10.Зависимость стоимости квартиры от общей площади для кирпичных домов в центре города

Рис.11 Зависимость стоимости квартиры от площади кухни

3.3 Проверка регрессионных остатков на нормальность распределения

Проведем необходимый анализ на примере двухкомнатных квартир в кирпичных домах для фактора общей площади. Требуется проверить гипотезу H0: остатки регрессии подчиняются нормальному закону распределения ,против H1: конкурирующей гипотезы остатки регрессии не подчиняются нормальному закону распределениия. Для того, чтобы найти наблюдаемое значение статистики , на осоновании рассчитанных значений остатков построим вариационный ряд и найдём значения эмпирических и теоретических частот распределения. Построенные по интервальному ряду гистограмма и полигон представлены на рисунках 12 и 13.

Рис.12. Гистограмма



Рис. 13 Полигон. Теоретичекие и эмпирические частоты распределения

Поскольку теоретические частоты не должны принимать значения меньше пяти, объединим необходимые интервалы. Полученные результаты представлены в таблице 9.

Таблица 9 Эмпирические и теоретические частоты распределения остатков регрессии, двухкомнатные квартиры в кирпичных домах, фактор общей площади

ai	bi	xi	mi	mобъединенные i	mтеор i	mтеоробъеднные i
-62,52	-48,64	-55,58	2	8	2	11
-48,64	-34,76	-41,70	6		9
-34,76	-20,87	-27,82	22	22	26	26
-20,87	-6,99	-13,93	64	64	49	49
-6,99	6,89	-0,05	69	69	61	61
6,89	20,78	13,84	39	39	49	49
20,78	34,66	27,72	15	15	26	26
34,66	48,55	41,60	6	16	9	11
48,55	62,43	55,49	8		2
62,43	76,31	69,37	2		0

На основе полученных данных расчитывается значение = 16, 042. Число степеней свободы н = 4. Тогда на уровне значимости б = 0,001 можем утверждать, что гипетеза Н0 не отвергается и остатки регрессии не противоречат нормальному закону распределения, поскольку (б = 0,001; н = 4) = 18, 465, и выполняется условие <.

Рассмотрим пример двухкомнатных квартир вкирпичных домах для фактора площади кухни , используя результаты, представленные в табл.. 10.

Таблица 10 - Эмпирические и теоретические частоты распределения остатков регрессии, двухкомнатные квартиры в кирпичных домах, фактор площади кухни

ai	bi	xi	mi	mобъединенные i	mтеор i	mтеоробъедненные i
-62,99	-49,68	-56,34	1	8	2	9
-49,68	-36,36	-43,02	7		7
-36,36	-23,05	-29,71	13	13	22	22
-23,05	-9,74	-16,39	63	63	43	43
ai	bi	xi	mi	mобъединенные i	mтеор i	mтеоробъедненные i
-9,74	3,58	-3,08	58	58	58	58
3,58	16,89	10,24	44	44	52	52
16,89	30,21	23,55	27	27	32	32
30,21	43,52	36,86	7	20	13	17
43,52	56,83	50,18	12		3
56,83	70,15	63,49	1		1

Построенные по интервальному ряду гистограмма и полигон представлены на рисунках 14 и 15.

Рис. 14. Гистограмма

Рис. 15. Полигон, теоретические и эмпирические законы распределения

Таким образом, построенные модели регрессии отличается высокой точностью и довольно объективно отражает реальную ситуацию на рынке недвижимости Краснодара

3.4 Многофакторная модель стоимости жилья на рынке недвижимости г. Краснодара

С помощью корреляционно-регрессионного анализа были разработана модель прогнозирования цен в зависимости от внутренних факторов объекта жилой недвижимости на рынке жилья в г. Краснодара (рис.1).

Рис. 1. Динамика цен на первичном и вторичном рынке жилья г. Краснодара

Для построения модели вначале были выявлены факторы, обуславливающие динамику цен на рынке жилья. В перечень внутренних факторов для построения модели вошли: количество комнат в квартире, район, общая площадь квартиры, материал стен жилого дома, год постройки жилого дома, этаж.

Нами была разработана с помощью пакета МExcel следующая модель прогнозирования цен на первичном рынке жилья:

,

где:

х1 - количество комнат;

х2 - район города Краснодара;

х3 - общая площадь квартиры, кв. м.;

х4 - площадь кухни;

х5 - материал стен;

Для построения модели многофакторной регрессии качественным факторам (таким, как «район города», «материал стен жилого дома», «год постройки жилого дома») были присвоены бальные значения. Например, переменная «район города» может принимать следующие бальные значения: Комсомольский 1 балл, Фестивальный район - 2 балла, Юбилейный - 3 балла, Центральный - 4 балла.

Верификация модели на основе расчета коэффициента аппроксимации и F-критерия Фишера показала, что уравнение регрессии является достоверным. Так, значение коэффициента аппроксимации составило для первичного рынка R2 = 0,7697.Также для уравнения регрессии расчетное значение F-критерия превышает критическое значение F-критерия: Fрасч = 7,24, Fкрит = 2,92.

Модель прогнозирования цен в зависимости от внутренних факторов объекта жилой недвижимости была апробирована с использованием данных риэлтерских агентств о четырех квартирах в разных объектах недвижимости г. Краснодара. Уравнение многофакторной регрессии было построено с использованием имеющейся информации о квартирах и была определена расчетная цена 1 кв. м. на первичном рынке жилья для данных квартир. На основе выполненных расчетов было произведено сравнение расчетных цен модели с фактическими ценами на квартиры. Сравнение показало адекватность модели небольшое отклонение расчетных цен от их фактического уровня.

Предложенные в работе модели могут быть использованы различными субъектами рынка жилья - риэлтерскими агентствами для анализа и прогнозирования цен на жильё, потенциальными инвесторами и покупателями, а также Агентством ипотечного жилищного кредитования Краснодарского края, органами управления различных уровней власти для оценки перспектив развития рынка жилья и стратегического планирования.

ЗАКЛЮЧЕНИЕ

Подводя итоги исследования, можно сделать выводы о том, что:

- рынок недвижимости (в том числе и рынок жилья) обладает специфическими особенностями, отличающими его от других рынков, причем, эти особенности вызваны не только спецификой обращающегося на этом рынке товара, но и особенностями развития системы;

- рынок недвижимости является сложной системой, функционирование которой обеспечивается многими элементами и подсистемами, кроме того, он находится в постоянном изменении, развитии;

- рынок недвижимости не может быть абстрагирован от влияния внешних факторов, он должен рассматриваться в среде сторонних рынков, как

Был проведен корреляционный и регрессионный анализ зависимости стоимости квартиры от общей площади и площади кухни на рынке недвижимости.

В результате исследования были полученны следующие результаты:

1) Построенны эконометрические модели зависимости стоимости квартиры от общей площади, от общей площади. Общая площадь квартиры оказывает умеренное воздействие на ее стоимость независимо от того, находится ли квартира в центре города или вне его пределов. Покупка дополнительного квадратного метра жилья в кирпичном доме обойдется покупателю дороже, чем в панельном доме.

2) Проведена проверка регрессионных остатков на нормальность распределения.

3) Таким образом, полученные в результате исследования выводы могут быть на практике использованы субъектами рынка недвижимости и инвестиционно - строительных компаний при принятии ими управленческих решений.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1. Абрамов С.И. Инвестирование. - М: Центр экономики и маркетинга, 2000

2. Антонова Л.М. Основы информационной культуры Л.М. Антонова. - Красноярск: Изд-во СибГТУ, 2005. 16 с.

3. Аньшин В.М. Инвестиционный анализ: учебно-практическое пособие. - М: Дело, 2000.

4. Асаул А.Н. Экономика недвижимости: учебник / А.Н. Асаул. СПб.: Питер, 2004. 512 с.

5. Беренс В., Хавренек П.М. Руководство по оценке эффективности инвестиций: Пер. с англ. - М.: Инфра-М, 1995.

6. Бочаров В.В. Инвестиции: Учебник. - СПб.: Питер, 2002.

7. Бочаров В.В. Современный финансовый менеджмент. - СПб.: Питер, 2004.

8. Виноградов Д. В. Экономика недвижимости: Учебное пособие. Владимир, 2007.

9. Волков Ю.Ф. Экономика бизнеса: Учебное пособие Р н/Д.: Феникс, 2005.

10. Гитман Л.Д., Джоник М.Д. Основы инвестирования. - М.: Дело, 1997.

11. Голубничий А.И Тенденции правового регулирования предпринимательской деятельности// Материалы Первой всероссийской научно-практической конференции «Актуальные проблемы интеллектуальной собственности» 19-20 октября 2006 г. в 3-х томах. Т.3. - М, РГИИС. 2006.

12. Гольдштейн Г. Основы менеджмента: учебное пособие. - Таганрог: Изд-во ТРТУ, 2008.

13. Горемыкин В.А. Экономика недвижимости: учебник. - 5-е изд., перераб. и доп. / В.А. Горемыкин. - М.: Высшее образование, 2008. - 808 с.

14. Грязнова А.Г. Оценка недвижимости: учебник /А.Г. Грязнова М.: Финансы и статистика, 2005. - 496 с.

15. Гусаков А.Л. Системотехника строительства. Энциклопедический словарь. - М.: Новое тысячелетие, 2009.

16. Грибовский, C. B. Математические методы оценки стоимости недвижимого имущества [Текст] / C. B. Грибовский, С. А. Сивец. -- М.: Финансы и статистика, 2008. -- 368 с.

17. Зимин А.И. Инвестиции: вопросы и ответы. - М: ИД «Юриспруденция,2006.

18. Зимин И.А Анализ проектных рисков. - М.: Экмос, 2000.

19. Заводова, Т. С. Экономико-математическое моделирование ценообразования и доступности жилья на региональном рынке:, 2009. - 19с.

20. Заводова, Т.С. Опыт прогнозирования динамики цен на жилье в России Успехи современного естествознания. - 2008. - № 3. - С. 34 - 38 - www.rae.ru/use/?section=content&op=show_article&article_id=7782759

21. Инвестиции: Учебник / С.В. Валдайцев, П.В. Воробьев и др.; под. ред. В.В. Ковалева, В.В. Иванова, В.А. Лялина. - М: Проспект, 2005.

22. Ковалев В.В. Методы оценки инвестиционных проектов. - М.: Финансы и статистика, 1999.

23. Мазурова Е.Н. Экономика недвижимости / Е.Н. Мазурова, Ю.А. Безруких. - Красноярск: СибГТУ, 2006. - 20 с.

24. Озеров Е. С. Экономика и менеджмент недвижимости. - СПб.: Издетельство «МКС», 2009.

25. Обзор рынка недвижимости России - Режим доступа: www/ URL: http://www.colliers. com/~/media/ B2ECBCBA6E0B49809 B7A2474C451F73D.ashx

26. Оценка развития регионального рынка URL: http://uecs.ru/uecs-54-542013/ item/2197-2013-06-18-06-14-00

27. Петрова О. Антикризисные меры строительного сообщества // Эксперт. - 2009. №2.

28. Показатели рынка жилищного (ипотечного жилищного) кре- дитования

29. Прайс-лист агентства недвижимости «Аякс-Риэлт»

30. Резниченко В.С. Системный подход к совершенствованию ценообразования и управления стоимостью в строительстве // Экономика и учет в строительстве. - 2007. - №4.

31. Садков В.Г. О тенденциях развития рынка жилья и выявлении монополизма, определяющего рост цен на строительные материалы и жилую недвижимость / В.Г. Садков // Региональная экономика: теория и практика. - 2008. - №30.

32. Самойлов А. Саморегулирование на старте // Строительный мир. - 2008. - №9.

33. Стерник, Г. М. Концепция анализа рынка недвижимости, единая для стран членов СЕРЕАН / Г. М. Стерник. \www/ URL: http:// realtymarket.ru/konferencii/Sternik-G.M.-Koncepciya-analiza-rinka-nedvijimosti-edinaya-dlya-stran-lenov-SEREAN.html

34. Стерник, Г. М. Математические основы методологии дискретного пространственно-параметрического моделирования рынка недвижимости 2009 - 93 с.

35. Стерник, Г. М. Математические основы методологии построения дискретных пространственно-параметрических моделей рынка жилья

36. Стерник, Г. М. Цены предложения на рынке жилья городов России: анализ и прогноз [Текст] / Г. М. Стерник. -М.: СтерниксКонсалтинг, 2007. - 180 с.

37. Тарасевич Е.И. Оценка недвижимости. - СПб.: СПбГТУ, 2007.

38. Толмачев Е. А., Монахов Б. Е. Экономика строительства. Учебное пособие -- Москва: Юриспруденция, 2009.

39. Тэпман Л. Н. Оценка недвижимости: Учебное пособие для вузов. -- М.: ЮНИТИ-ДАНА, 2008.

40. Управление инвестиционными строительными проектами: Учебное пособие/Под общ. ред. В.М Васильева, Ю.П. Панибратова. - М.: Изд-во ЛВС, 2007.

41. Федеральный закон от 29.07.1998 №135 - ФЗ «Об оценочной деятельности в Российской Федерации»

42. Фисун В.А. Экономика строительства. -- Москва: РГОТУПС, 2009.

43. Фридман Дж., Ордуэй Ник.«Анализ и оценка приносящей доход недвижимости. Пер. с англ. М.: Дело, 2007.

44. Федеральная служба государственной статистики:

45. Шеремет А.Д., Сайфулин Р.С., Негашев Е.В. Методика финансового анализа: Учебное пособие. изд.3-е - М.: ИНФРА - М, 2008.

46. Шундулиди А. И., Нагибина Н. В. Экономика отрасли (строительства). Учебное пособие -- Кемерово: КузГТУ, 2006.

47. Щербакова Н.А. Оценка недвижимости. - М.: Феникс, 2006..

48. Ярушкина, Н. А.Прогнозирование ценовой динамики рынка жилья на основе эконометрических моделей:. 2006. - 26 с.

49. http://www.gdeetotdom.ru.

50. http://www.gdeetotdom.ru.

51. http://www.irn.ru

52. http://www.metrinfo.ru

53. www.blackwood.ru.

Размещено на Allbest.ru