Главная страница
Навигация по странице:

  • Площадь общая, м

  • Адрес объявления

  • анализ финансового состояния. курсовая. 1 Теоретические основы анализа рынка недвижимости 5


    Скачать 0.85 Mb.
    Название1 Теоретические основы анализа рынка недвижимости 5
    Анкоранализ финансового состояния
    Дата25.04.2023
    Размер0.85 Mb.
    Формат файлаdocx
    Имя файлакурсовая.docx
    ТипРеферат
    #1088841
    страница4 из 4
    1   2   3   4

    2.2 Экономико-математическое моделирование стоимости однокомнатных квартир на вторичном рынке в Кировском районе г.о. Самара



    Для разработки экономико-математической модели, позволяющей определить стоимость однокомнатных квартир на вторичном рынке в Кировском районе г.о Самара было отобрано 30 типовых квартир. Источником информации послужило объявления, размещенные на сайте https://samara.cian.ru/. Все объекты относятся к категории типовым, ни один из них нельзя отнести к категории «элитное жилье».

    Среди указанных объектов недвижимости нет тех, на которые влияет фактор срочности продажи, условия финансирования, однородное местоположение объектов, условия и время продажи, местоположение физические характеристики, однородность прав собственности на недвижимость.

    Отобранные объекты представлены в таблице 1.

    Таблица 1 – Исходные данные



    Площадь общая, м2

    Площадь жилая, м2

    Этаж

    Лифт

    Цена квартиры, тыс. руб.

    Адрес объекта

    Адрес объявления

    1

    39

    15

    4/4

    нет

    3650

    Демократическая ул., 144А

    https://samara.cian.ru/sale/flat/283847394/

    2

    30,5

    17

    1/5

    нет

    2600

    мкр. 12,15, просп. Карла Маркса, 368

    https://samara.cian.ru/sale/flat/285493957/

    3

    16

    8

    5/5

    нет

    1050

    мкр. 13,14, ул. Георгия Димитрова, 40

    https://samara.cian.ru/sale/flat/285456342/

    4

    31

    17

    19/24

    да

    3640

    мкр. Яблонька, Ташкентская ул., 173

    https://samara.cian.ru/sale/flat/284956747/

    5

    20,7

    11,7

    9/9

    да

    1900

    мкр. Металлург, Алма-Атинская ул., 26

    https://samara.cian.ru/sale/flat/284719701/

    6

    41,1

    17,2

    25/25

    да

    4520

    Московское шоссе, 18-й км, 37

    https://samara.cian.ru/sale/flat/286403675/

    7

    32

    18

    4/4

    нет

    3000

    мкр. Металлург, Севастопольская ул., 31

    https://samara.cian.ru/sale/flat/286531382/

    8

    22

    11,5

    7/9

    да

    2450

    мкр. 13,14, ул. Георгия Димитрова, 20

    https://samara.cian.ru/sale/flat/281047087/

    9

    31,9

    19,1

    5/5

    нет

    2800

    мкр. 12,15, просп. Карла Маркса, 426

    https://samara.cian.ru/sale/flat/278750803/

    10

    31,6

    18,2

    1/3

    нет

    3000

    Демократическая ул., 180

    https://samara.cian.ru/sale/flat/280166964/

    11

    46

    19,7

    10/16

    да

    4790

    мкр. Металлург, Юбилейная ул., 55

    https://samara.cian.ru/sale/flat/286210440/

    12

    45

    19

    3/24

    да

    5400

    мкр. 13,14, Московское ш., 199

    https://samara.cian.ru/sale/flat/284667251/

    13

    38

    16

    3/9

    да

    2800

    мкр. Металлург, Советская ул., 12

    https://samara.cian.ru/sale/flat/286366828/

    14

    32,5

    19

    2/9

    да

    2950

    мкр. 16,18, просп. Юных Пионеров, 142

    https://samara.cian.ru/sale/flat/285784314/

    15

    32

    18

    3/6

    нет

    2770

    мкр. Металлург, ул. Елизарова, 36

    https://samara.cian.ru/sale/flat/286424166/

    16

    29,7

    18

    5/5

    нет

    2820

    мкр. Металлург, ул. Елизарова, 36

    https://samara.cian.ru/sale/flat/285900746/

    17

    32,6

    19

    5/9

    да

    3300

    мкр. 16,18, просп. Юных Пионеров, 142

    https://samara.cian.ru/sale/flat/280833252/

    18

    33,3

    17,3

    1/9

    да

    3500

     мкр. 12,15, ул. Стара Загора, 267а

    https://samara.cian.ru/sale/flat/286612015/

    19

    31

    18

    1/5

    нет

    2450

    мкр. Металлург, Олимпийская ул., 39

    https://samara.cian.ru/sale/flat/265656744/

    20

    31

    18

    4/5

    нет

    2650

    мкр. Металлург, просп. Металлургов, 90

    https://samara.cian.ru/sale/flat/285970233/

    21

    22

    11

    2/9

    да

    2790

    мкр. 13,14, ул. Георгия Димитрова, 20

    https://samara.cian.ru/sale/flat/285852139/

    22

    24

    13

    2/9

    да

    2840

    мкр. 13,14, ул. Георгия Димитрова, 20

    https://samara.cian.ru/sale/flat/285850858/

    23

    35

    14

    18/25

    да

    3560

    Московское шоссе, 18-й км, 45

    https://samara.cian.ru/sale/flat/285036906/

    24

    34

    17

    2/5

    нет

    3550

    мкр. 16,18, Ташкентский пер., 47

    https://samara.cian.ru/sale/flat/285487831/

    25

    30

    17

    1/5

    нет

    2800

    мкр. 13,14, ул. Георгия Димитрова, 23

    https://samara.cian.ru/sale/flat/284873542/

    26

    32

    19

    2/3

    нет

    2690

    Демократическая ул., 180

    https://samara.cian.ru/sale/flat/284776497/

    27

    34,3

    17,2

    8/9

    да

    3300

    мкр. Металлург, просп. Металлургов, 50

    https://samara.cian.ru/sale/flat/282594264/

    28

    30,4

    17

    5/5

    нет

    1999

    мкр. Зубчаниновка, ул. Воеводина, 18а

    https://samara.cian.ru/sale/flat/285131224/

    29

    46,3

    21

    12/25

    да

    3400

    Московское шоссе, 18-й км, 47

    https://samara.cian.ru/sale/flat/286353568/

    30

    33,5

    17

    4/5

    нет

    2300

    мкр. Зубчаниновка, ул. Воеводина, 63

    https://samara.cian.ru/sale/flat/283587831/

    Для дальнейших вычислений и построения экономико-математической модели преобразуем данные таблицы 1 в формат пригодный для использования в расчетах. Например, если квартира находится на 1 или последних 2-ух этажах, значение показателя «этаж» принимается за «0». Соответственно, в других случаях «1». С показателем «Лифт» будет использовано следующее замещение: если в доме есть лифт, то показатель = 1, если нет, то 0. Преобразованные данные представлены в таблице 2.
    Таблица 2 – Преобразованные исходные данные



    Площадь общая, м2

    Площадь жилая, м2

    Этаж

    Лифт

    Цена квартиры, тыс. руб.

    1

    39

    15

    0

    0

    3650

    2

    30,5

    17

    0

    0

    2600

    3

    16

    8

    0

    0

    1050

    4

    31

    17

    1

    1

    3640

    5

    20,7

    11,7

    0

    1

    1900

    6

    41,1

    17,2

    0

    1

    4520

    7

    32

    18

    0

    0

    3000

    8

    22

    11,5

    0

    1

    2450

    9

    31,9

    19,1

    0

    0

    2800

    10

    31,6

    18,2

    0

    0

    3000

    11

    46

    19,7

    1

    1

    4790

    12

    45

    19

    1

    1

    5400

    13

    38

    16

    1

    1

    2800

    14

    32,5

    19

    1

    1

    2950

    15

    32

    18

    1

    0

    2770

    16

    29,7

    18

    0

    0

    2820

    17

    32,6

    19

    1

    1

    3300

    18

    33,3

    17,3

    0

    1

    3500

    19

    31

    18

    0

    0

    2450

    20

    31

    18

    0

    0

    2650

    21

    22

    11

    1

    1

    2790

    22

    24

    13

    1

    1

    2840

    23

    35

    14

    1

    1

    3560

    24

    34

    17

    1

    0

    3550

    25

    30

    17

    0

    0

    2800

    26

    32

    19

    0

    0

    2690

    27

    34,3

    17,2

    0

    1

    3300

    28

    30,4

    17

    0

    0

    1999

    29

    46,3

    21

    1

    1

    3400

    30

    33,5

    17

    0

    0

    2300

    Составим однофакторную линейную модель парной регрессии, описывающую зависимость цены квартиры от ее удаленности от основного района. В качестве фактора была отобрана удаленность, поскольку именно от нее в наибольшей степени зависит стоимость квартиры. Для подтверждения этого была получена матрица парных коэффициентов корреляции (см. табл. 3).
    Таблица 3 – Матрица парных коэффициентов корреляции

     

    Площадь общая, м2

    Площадь жилая, м2

    Этаж

    Лифт

    Цена квартиры, тыс. руб.

    Площадь общая, м2

    1

     

     

     

     

    Площадь жилая, м2

    0,74694254

    1

     

     

     

    Этаж

    0,37581289

    0,234732848

    1

     

     

    Лифт

    0,18974111

    -0,12336321

    0,36369648

    1

     

    Цена квартиры, тыс. руб.

    0,79696381

    0,494882283

    0,46740289

    0,43843179

    1


    Как видно из таблицы 3, коэффициенты корреляции между лифтом и ценой квартиры меньше, чем все остальные коэффициенты корреляции между фактором результатов.

    Положительное значение коэффициента корреляции между ценой квартиры и жилой площадью, а также между ценой квартиры и общей площадью свидетельствует о том, что с ростом площади квартиры ее цена увеличивается.

    Положительное значение коэффициента корреляции между ценой квартиры и этажом говорит о том, что если квартира находится на первом и последних этажах, то при прочих равных условиях она стоит дешевле, чем, если она находится на других этажах. Положительное значение корреляции между ценой квартиры и наличием лифта в доме говорит о том, что квартиры с отсутствием лифта в домах стоят дороже. Так же стоит отметить, что значение корреляции между ценой квартиры и общей площадью самое высокое.

    Результаты регрессионного анализа для линейной однофакторной модели, показывающей зависимость между общей площадью и ценой квартиры, представлены в таблице 4.
    Таблица 4 – Результаты регрессионного анализа для линейной однофакторной модели, показывающей зависимость между общей площадью квартиры и ценой квартиры

     

    Коэффициенты

    Стандартная ошибка

    t-статистика

    P-Значение

    Нижние 95%

    Верхние 95%

    Нижние 95,0%

    Верхние 95,0%

    Y-пересечение

    12,33

    2,96

    4,16

    0,00

    6,27

    18,40

    6,27

    18,40

    Площадь общая, м2

    0,01

    0,00

    6,98

    0,00

    0,00

    0,01

    0,00

    0,01


    Экономическая интерпретация полученных коэффициентов регрессии выглядит следующим образом: чем больше общая площадь квартиры, тем выше ее стоимость 0,01 тыс. руб. Полученное уравнение регрессии имеет следующий вид:



    где х – цена квартиры; ух – общая площадь (тыс. руб.).

    T-критерий Стьюдента используется для определения статистической значимости различий средних величин.

    Табличное значение t-критерия Стьюдента при количестве наблюдений 30 равно 2,05. В нашем случае коэффициент регрессии является статистически значимым, поскольку фактическое значение t-критерия Стьюдента больше табличного (4,16 больше 2,05). Параметр регрессии является статистически значимым, поскольку фактическое значение t-критерия Стьюдента больше табличного (6,92 больше 2,05).

    Совместим фактические и прогнозные значения на одном графике (см. рис.4)


    Рисунок 4 – Совмещение фактических и модельных данных
    Согласно шкале Чеддока теснота связи между общей площадью и стоимостью квартиры заметная (таблица 5) поскольку множественный коэффициент корреляции равен 0,90. Возведя коэффициент корреляции в квадрат получаем коэффициент детерминации. В нашем случае он равен 0,64 это говорит о том что стоимость квартиры на 64% зависит от общей площади и на 36% от прочих факторов не включённых в модель.
    Таблица 5 – Проверка качества моделей

    Показатель

    Значение

    Множественный R

    0,80

    R-квадрат

    0,64

    Нормированный R-квадрат

    0,62

    Стандартная ошибка

    4,31

    Наблюдения

    30,00


    Табличное значение критерия Фишера – 4,20. В данном случае фактическое значение – 48,74, то есть больше критического. Это говорит о том, что уравнение регрессии является статистически значимым (см. табл. 6).
    Таблица 6 – Дисперсионный анализ

     

    df

    SS

    MS

    F

    Значимость F

    Регрессия

    1,00

    903,66

    903,66

    48,74

    0,00

    Остаток

    28,00

    519,09

    18,54

     

     

    Итого

    29,00

    1422,75

     

     

     


    Это свидетельствует о том, что полученная модель может использоваться для прогнозирования стоимости квартиры исходя из ее удаленности.

    Перейдем к построению многофакторной линейной модели, отображающей зависимость стоимости квартиры от таких факторов как: площадь общая, площадь жилая, этаж, лифт. Поскольку несколько коэффициентов межфакторной корреляции превышают 0,7, то есть между факторами присутствует сильная линейная связь в модель включим все факторы (табл. 3 и 7).
    Таблица 7 – Регрессионный анализ линейной многофакторной модели

     

    Коэффициенты

    Стандартная ошибка

    t-статистика

    P-Значение

    Нижние 95%

    Верхние 95%

    Нижние 95,0%

    Верхние 95,0%

    Y-пересечение

    119,83

    544,63

    0,22

    0,83

    -1001,86

    1241,52

    -1001,86

    1241,52

    Площадь общая, м2

    92,45

    21,27

    4,35

    0,00

    48,64

    136,26

    48,64

    136,26

    Площадь жилая, м2

    -19,72

    49,54

    -0,40

    0,69

    -121,76

    82,32

    -121,76

    82,32

    Этаж

    197,19

    216,43

    0,91

    0,37

    -248,56

    642,93

    -248,56

    642,93

    Лифт

    412,68

    204,30

    2,02

    0,05

    -8,09

    833,45

    -8,09

    833,45


    Экономическая интерпретация полученных коэффициентов регрессии выглядит следующим образом: с увеличением общей площади квартиры на 1 м2 ее стоимость в среднем возрастет на 92,45 тыс. руб., с увеличением жилой площади квартиры на 1 м2 ее стоимость в среднем снизится на 19,72 тыс. руб., если квартира находится на первом или последних двух этажах ее стоимость вырастет на 197,19 тыс. руб., если в доме находится лифт, то ее стоимость увеличится на 412,68 тыс. руб.

    Полученное уравнение регрессии имеет следующий вид:

    уx =119,83 + 92,45 x1 – 19,72 х2 + 197,19 х3 + 412,68 x4,

    где ух – стоимость квартиры (руб.); x1 – площадь общая (м2); x2 – площадь жилая (м2); x3 – этаж; x4 – лифт.

    Табличное значение t-критерия Стьюдента при количестве наблюдений 30 равно 2,05. Первый параметр регрессии является статистически значимым, поскольку фактическое значение t-критерия Стьюдента больше табличного (4,35 больше 2,05), второй параметр регрессии является статистически незначимым, поскольку фактическое значение t-критерия Стьюдента больше табличного (-0,4 меньше 2,05), третий параметр регрессии является статистически незначимым, поскольку фактическое значение t-критерия Стьюдента больше табличного (0,91 меньше 2,05), четвертый параметр регрессии является статистически незначимым, поскольку фактическое значение t-критерия Стьюдента меньше табличного (2,02 меньше 2,05).

    Качество подбора модели определяется так же с помощью показателей таблицы 8.
    Таблица 8 – Регрессионная статистика многофакторной линейной модели

    Регрессионная статистика

    Множественный R

    0,85493

    R-квадрат

    0,7309

    Нормированный R-квадрат

    0,68785

    Стандартная ошибка

    475,717

    Наблюдения

    30


    Как видно из сравнений таблицы 5 и 8 переход к многофакторной линейной модели позволил улучшить ее качество.

    Заключение




    В данной курсовой работе был разобран рынок первичного жилья однокомнатных квартир Кировского района г.о. Самары. Для получения информации был использован сайт: https://samara.cian.ru/.

    В первом разделе работы были рассмотрены теоретические основы анализа рынка недвижимости, а именно: понятие, сущность и виды недвижимости, сущность, виды и функции рынка недвижимости, и сущность корреляционно-регрессионного анализа.

    Во втором разделе работы была дана краткая характеристика Кировского района города Самары, была произведена экономико-математическая модель, которая позволила определить стоимость однокомнатных квартир на первичном рынке в Кировском районе г.о. Самара, для чего было отобрано 30 типовых квартир.

    Когда были отобраны объекты аналоги необходимо было преобразовать данные и перевести качественные показатели в количественные. Затем была составлена однофакторная линейная модель парной регрессии, которая описывает зависимость цены квартиры от ее жилой площади.

    Были сделаны проверка качества однофакторной линейной модели и дисперсионный анализ.

    Переход к многофакторным моделям позволил улучшить прогностические способности модели.

    Список использованных источников



    1. Гражданский Кодекс Российской Федерации // Консультант Плюс.

    2. Земельный Кодекс Российской Федерации // Консультант Плюс.

    3. Федеральный закон от 13.07.2015 № 218 «О государственной регистрации недвижимости» // Консультант Плюс.

    4. Постановление Правительства РФ от 20.08.1999 № 932 «Об уполномоченном органе по контролю за осуществлением оценочной деятельности в Российской Федерации».

    5. Постановление Правительства РФ от 06.07.2001 № 519 «Об утверждении стандартов оценки».

    6. Объедкова Е.Н., Ращупкина В.Н. Сущность подходов в оценочной деятельности и методология оценки стоимости объектов недвижимости в условиях кризисной экономики // Экономика строительства и городского хозяйства. 2018. Т. 14. № 1. С. 87-94.

    7. Сироткин В.А., Желенкова В.С., Кожевникова О.С., Чикурова А.М. Роль многофакторного моделирования в оценке стоимости жилой недвижимости и прогнозировании потребительского спроса // Жилищные стратегии. 2019. Т. 6. № 3. С. 321-332.

    8. Савина О.В., Маликов В.П., Садовникова Н.П., Парыгин Д.С., Митягин С.А., Воронин Д.Ю. Прогнозирование стоимости объектов недвижимости на основе комплексного анализа их свойств // Прикаспийский журнал: управление и высокие технологии. 2019. № 4 (48). С. 60-70

    9. Нестерова С.И. Моделирование оценки прогнозной стоимости жилой недвижимости на вторичном рынке (на примере г.о. Самара) // Вестник Международного института рынка. 2017. № 1. С. 36-42.

    10. Федотова, М.А. Оценка недвижимости (бакалавриат) / М.А. Федотова. - М.: КноРус, 2018. - 176 c.

    11. Сайт Авито – https://www.avito.ru.

    12. Официальный сайт Циан база недвижимости в Самаре – https://samara.cian.ru/

    13. Официальный сайт Администрации городского округа Самара – https://www.samadm.ru/
    1   2   3   4


    написать администратору сайта