Наличие

Площадь участка

Расстояние от МКАД

Цена предложения

Совместное влияние

Направление

Электричества

Водопровода

Магистрального газа

Канализации

Телефона

Дороги с твердым покрытием

Леса

Водоема

Электричество + водопровод

Электричество + газ

Электричество + водопровод + газ

Электричество + водопровод + газ + дорога

EL

WAT

GAS

WC

TEL

ROAD

FOREST

RIVER

SQU

MKAD

PRICE

EW

EG

EWG

EWGR

Все данные

SER1

SER2

SER3

SER4

SER5

SER6

SER7

SER8

SER9

SER10

SER11

SER12

SER13

SER14

SER15

Белорусское (BEL)

SER16

SER17

SER18

SER19

SER20

SER21

SER22

SER23

SER24

SER25

SER26

SER27

SER28

SER29

SER30

Ярославское (YAR)

SER31

SER32

SER33

SER34

SER35

SER36

SER37

SER38

SER39

SER40

SER41

SER42

SER43

SER44

SER45

Казанское (KAZ)

SER46

SER47

SER48

SER49

SER50

SER51

SER52

SER53

SER54

SER55

SER56

SER57

SER58

SER59

SER60

Киевское (KIEV)

SER61

SER62

SER63

SER64

SER65

SER66

SER67

SER68

SER69

SER70

SER71

SER72

SER73

SER74

SER75

Курское (KUR)

SER76

SER77

SER78

SER79

SER80

SER81

SER82

SER83

SER84

SER85

SER86

SER87

SER88

SER89

SER90

Ленинградское (LEN)

SER91

SER92

SER93

SER94

SER95

SER96

SER97

SER98

SER99

SER100

SER101

SER102

SER103

SER104

SER105

Горьковское (GOR)

SER106

SER107

SER108

SER109

SER110

SER111

SER112

SER113

SER114

SER115

SER116

SER117

SER118

SER119

SER120

Павелецкое (PAV)

SER121

SER122

SER123

SER124

SER125

SER126

SER127

SER128

SER129

SER130

SER131

SER132

SER133

SER134

SER135

Рижское (RIZH)

SER136

SER137

SER138

SER139

SER140

SER141

SER142

SER143

SER144

SER145

SER146

SER147

SER148

SER149

SER150

Рязанское (RYAZ)

SER151

SER152

SER153

SER154

SER155

SER156

SER157

SER158

SER159

SER160

SER161

SER162

SER163

SER164

SER165

Савеловское (SAV)

Коэффициент детерминации (R2) представляет собой процент дисперсии цен предложения, объясняемый регрессионной моделью (R2=RSS/TSS). Использование R2имеет два недостатка. Во-первых, при добавлении в регрессионную модель новых переменных R2либо 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. R2может принимать значения в интервале от 0 до 1, чем ближе R2к 1, тем лучше качество подгонки. Первый недостаток можно учесть, скорректировав величину R2по числу независимых переменных,в результате получим величину приведенного R2 (Adjusted R2),

n – объем выборки, k – число регрессоров.

Второй недостаток R2(присущий также приведенному R2) относится больше к вопросу осторожности при интерпретации.R2является мерой той части дисперсии цен, которая объясняется регрессионной моделью. В массовой оценке мы часто расслаиваем множество объектов недвижимости на однородные страты и в рамках каждой страты рассчитываем отдельные уравнения. Поскольку эта процедура уменьшает дисперсию цен внутри каждой страты, не следует ожидать, что в этом случае МРА объяснит такой же большой процент отклонений, как и при использовании единого уравнения для аппроксимации продаж во всей юрисдикции. Например, значения R2=0,8, 0,85 и 0,9 для трех отдельных направлений могут соответствовать регрессионным моделям с лучшей предикативной способностью (что видно по величине
) по сравнению с единой моделью для трех направлений, для которой R2может быть равен, скажем, 0.95. В нашей регрессии R2=0.29, что говорит о слабой объяснительной силе модели.

Критерий Стъюдента показывает меру значимости (или весомости) переменной регрессии для объяснения различий в величине зависимой переменной. Она вычисляется как отношение коэффициента регрессии к его среднеквадратичной ошибке. При достаточно большом объеме выборки (не менее 50 объектов) значения t-статистики, превышающие 1.98, указывают на то, что с вероятностью 0.95 соответствующий коэффициент Аj
0 и, следовательно, Xjявляется значимой переменной при прогнозировании V. Из анализа t-статистик видно, что коэффициенты при EL, TEL, ROAD, FOREST, RIVER, SQU незначимы на 95%-доверительном интервале. Таким образом, переменные, показывающие наличие электричества, телефона, дороги, леса, водоема, а также площадь участка являлись не существенными при прогнозе в этой модели.
Коэффициент при MKAD равный –5.9, означает, что увеличение расстояния от Москвы на 1%, уменьшает цену на 0.51%. Иначе говоря, эластичность цены земельного участка по расстоянию от МКАД равна –0.51. Это значение вычисляется по следующей формуле
, где
и
– выборочные средние величины, соответственно, объясняющей переменной МKADи результирующего показателяPRICE.
Положительные коэффициенты при WAT, GAS, WC говорят о том, что цена земельного участка возрастает при возможном наличии на территории участка водопровода, магистрального газа и канализации.
Критерий Фишера (F-статистика) связан с критерием Стъюдента и также используется для определения того, является ли та или иная переменная регрессии значимой при прогнозировании зависимой переменной.F-статистика вычисляется по отношению: Дополнительная дисперсия, обусловленная Хn /Необъяснимая регрессия. Как и в случае критерия Стъюдента, критерий Фишера является мерой предельной весомости отдельной переменной при определении величины зависимой переменной, с учетом влияния и всех других переменных (за счет включения их в уравнение регрессии). В общем, случае при достаточно большом объеме выборкиF-статистика, превышающая 4,0, указывает на то, что переменная значима при прогнозировании P n ainoiaaiinou 95%. В нашем примере значенияF-статистики значительно превышают табличные, что свидетельствует о существовании очевидной связи междуPRICEи факторами, влияющими на цену (EL, WAT, … , MKAD).
Имеющаяся база данных была исследована по 11 вышеуказанным направлениям для которых были построены такие же регрессии. R2построенных регрессий колеблется в пределах 0.3-0.4, что говорит о слабой объяснительной силе построенных моделей. Аномально низкие значения R2получены для Курского, Ленинградского, Горьковского и Павелецкого направлений, интересно заметить, что по этим направлениям были получены наиболее низкие величины стандартных отклонений. Анализ t-статистик показал, что лишь одна переменная значима для всех направлений – это расстояние от МКАД. В 6 регрессиях из 11 значимым было наличие магистрального газа, в 4 из 11 значимыми были площадь участка и наличие канализации. Коэффициент при переменной площади участка имел, как правило, положительный знак (хороший пример – Киевское иЯрославское направления), что соответствует, в принципе, общей тенденции, характерной для США (Д.Фридман, Н.Ордуэй, 1997): чем больше участок – тем выше его цена единицы его площади (неслучайно покупка крупных земельных владений происходит одним заинтересованным физическим лицом, используя несколько юридических). Для России, вероятно, может наблюдаться и другая тенденция: выгода от конкретной сделки важнее всего, поэтому желание продать большой участок земли и быстрее получить денежное вознаграждение за совершенную сделку пересиливает желание заработать больше за счет продажи участка по частям. Кроме того, в России еще не так высок платежеспособный спрос на крупные земельные участки, а оценка потенциальной стоимости земли (даже для Московской области) еще достаточно низка у российских покупателей: земли у нас в стране много, поэтому, зачем ее скупать, вкладывать в нее деньги.
Рассмотрим влияние остальных факторов. Важность канализации в пределах участка говорит видимо о нежелании российских покупателей рыть выгребные ямы или о высоких ценах на биРассмотрим влияние остальных факторов. Важность канализации в пределах участка говорит видимо о нежелании российских покупателей рыть выгребные ямы или о высоких ценах на биотуалеты. Интересно заметить, что незначимыми почти для всех регрессий оказались такие на первый взгляд важные параметры как наличие подъездной дороги, телефона, леса, водоема. Отсутствие телефона, леса и водоема легко объяснить: стационарная телефонная связь легко может быть заменена на мобильную (благо цены на рынке мобильной связи постоянно снижаются, а издержки на установку стационарного телефона достаточно велики); отсутствие влияния леса и водоема говорит либо онеправильно установленном расстоянии при сборе информации (в базе данных отсутствием считалось расстояние до леса или водоема порядка 1,5км), либо способностью людей добраться до ближайшего леса или водоема пешком или на автомобиле (большая часть людей, покупающих участки под ИЖС наверняка обладают доходом выше среднего и имеют автомобили) без потери полезности. Незначимость подъездной дороги объясняется скорее всего тем, что в Московской области все-таки сложно найти место, где нельзя проехать на автомобиле и наличие дороги с твердым покрытием – не такой уж важный фактор. Незначимость электричества мы можем объяснить следующим образом: при покупке участка, газ - наиболее важный фактор, ведь его наличие – это тепло и возможность приготовления пищи, электричество нужно лишь для света. Издержки на проведение газа гораздо выше при покупке земли по сравнению с издержками на подведение электричества, поэтому покупатель интересуется в первую очередь наличием газа и на обещание продавца провести электричество в ближайшем будущем покупатель соглашается, если предлагать наоборот – сделка скорее всего не состоится.
С целью улучшения качества модели автором был произведен пошаговый регрессионный анализ данных. Одним из преимуществ пошагового МРА является то, что он дает аналитику возможность сравнивать результаты, получаемые на каждом шаге. В прямом пошаговом МРА первая вводимая переменная, например Х1, является переменной, которая сильнее всего коррелирует с Р. Проводится регрессионный анализ суммы наименьших квадратов Р по Х1. Затем осуществляется поиск с целью нахождения переменной, корреляция которой с остаточной ошибкой будет теперь максимальной. Предположим, что это переменная Х4. Далее проводится регрессионный анализ Х1и Х4в качестве независимых переменных. Осуществляется поиск переменной для нахождения наиболее сильно коррелирующего с остаточной ошибкой второй регрессии. Эта переменная, скажем, Х6, включается затем в третью регрессию. Процесс продолжается до тех пор, пока не будет исчерпан весь набор переменных. При этом не включенными останутся те переменные,tиF-статистики которых будут ниже некоторого заранее определенного уровня значимости. На каждом шаге алгоритм может либо добавить новую переменную, либо исключить переменную, которая оказывается ниже установленного уровня значимости. Алгоритм предотвращает усложнение модели сверх необходимости путем отсеивания избыточных и несущественных переменных. ПеременныеTEL, ROAD, RIVER, FORESTбыли исключены из анализа в связи с их явной незначимостью определенной в таблице 5. Полученные результаты приведены в таблице 6, 7, 8.

Model

R Square

Adjusted R Square

Std. Error of the Estimate

Change Statistics

Durbin-Watson

				R Square Change	F Change
1	.198	.198	529.4785	.198	520.778
2	.261	.260	508.3659	.063	179.897
3	.283	.282	500.8367	.022	64.887
4	.286	.285	499.8362	.003	9.447	1.522

a Predictors: (Constant), MKAD
b Predictors: (Constant), MKAD, GAS
c Predictors: (Constant), MKAD, GAS, WC
d Predictors: (Constant), MKAD, GAS, WC, WAT
e Dependent Variable: PRICE

Model	Independent	Coefficients	Std. Error	t-статистика
	Variable
1	(Constant)	886.466	19.603	45.222
	MKAD	-8.007	.351	-22.821
2	(Constant)	693.169	23.705	29.242
	MKAD	-6.127	.365	-16.794
	GAS	346.686	25.848	13.413
3	(Constant)	678.709	23.423	28.976
	MKAD	-5.930	.360	-16.458
	GAS	311.421	25.839	12.053
	WC	506.187	62.839	8.055
4	(Constant)	655.821	24.533	26.732
	MKAD	-5.978	.360	-16.610
	GAS	287.669	26.920	10.686
	WC	493.690	62.845	7.856
	WAT	70.648	22.985	3.074

Страница: 5 из 7      <-- предыдущая следующая -->

Перейти на страницу: скачать реферат | 1 2 3 4 5 6 7

© 2007 ReferatBar.RU - Главная | Карта сайта | Справка