Анализ региональных различий факторов развития рынка недвижимости в России
 Скачать 1.39 Mb.
|
Анализ факторов развития рынка жилой недвижимости в регионах РоссииМетодология Получить наиболее полную оценку факторов, которые оказывают влияние на развитие рынка жилой недвижимости в регионах России возможно только при проведении анализа с учетом специфических особенностей регионов. Обосновать уровень развития рынка жилой недвижимости можно наличием или отсутствием природных ресурсов, отличием в уровне развития инфраструктуры и производственной сферы, а также особенностями климатических условий. В связи с тем, что средние показатели ВРП и других экономических данных в стране подтверждают наличие острых региональных различий, то все тверже встает вопрос о необходимости проведения анализа субъектов России на предмет их отличий не только в экономическом, но и в социальном плане. Для достижения поставленной цели, необходимо: Отобрать группу рассматриваемых факторов (Глава 2.2.); Выбрать рассматриваемый временной период; Провести корреляционный и регрессионный анализ. Для проведения исследования были отобраны данные за период с 2005 года по 2011 год. Основным источником данных являются ежегодные статистические сборники, опубликованные на сайте Федеральной Службы Государственной Статистики. В построении модели были использованы данные не всех регионов, а только 78 регионов России, ввиду отсутствия полных статистических данных по некоторым регионам, что является необходимым для представления наиболее четкой и ясной картины. В построении эконометрических моделей обычно используются: Пространственные данные (cross-sectional data); Временные ряды (time-series data); Панельные данные (panel data). Пространственные данные – это данные, которые характеризуют различные объекты на основании одного и того же периода или момента времени. Временные – это данные, характеризующие один и тот же объект, но за разные периоды времени. Панельные данные, в отличие от пространственных или временных данных, представляют собой совокупность экономической информации, содержащей сведения об одном и том же множестве объектов за ряд последовательных периодов времени. В связи с тем, что в данном исследовании рассматривалось несколько регионов за определенный период времени, то для выявления значимости и степени влияния региональных факторов на развитие рынка жилой недвижимости, был проведен корреляционно-регрессионный анализ с использованием панельных данных. Регрессионный анализ и его результаты Для начала необходимо было построить линейную регрессию на основе совокупности исходных данных. После чего важным была реализация корректировки показателей и выполнение алгоритма последовательного исключения незначимых для регрессии переменных. Необходимо отметить, что отбор показателей для регрессии проводился на основе исправленного коэффициента детерминации, скорректированного коэффициента детерминации и t-статистики Стьюдента, которые позволяют исключить незначимые переменные. В проведении регрессионного анализа использовались следующие показатели: year – год region – регион input – ввод жилья edu – образование crim – преступность income – среднедушевые доходы grp – ВРП price_1 – цены на первичном рынке proce_2 – цены на вторичном invest – инвестиции innov – затраты на разработки air_pollution – загрязнение воздуха w_pollution – загрязнение воды road – плотность дорог Построение линейной регрессии переменной ввода жилья (input) на определяющие переменные:  Рисунок 3 – Результаты линейной регрессии Из Рисунка 3 следует обратить внимание на несколько показателей, такие как: R-squared – показывает качество подгонки построенной модели к наблюдаемым значениям и определяет значимость модели. Значение должно стремиться к 1. t-статистика – проверяет гипотезу о том, что соответствующий коэффициент в регрессионной модели равен нулю. Значение t не должно быть меньше значения 1,96 по модулю. P>|t| - уровень значимости определенного регрессора в рамках построенной модели. Показатель не должен превышать значение 0,05 В данной регрессии показатель R-squared = 0,8015, что подтверждает высокую значимость модели. Но по показателям P>|t| и t-статистики видно, что в построении модели требуются корректировки. При проведении эконометрического анализа часто наблюдается асимметрия величин. Для решения этой проблемы необходимо прологарифмировать показатели, что позволяет уменьшить асимметрию и приблизить распределение регрессии к нормальному. Таким образом, были прологарифмированы показатели и построена следующая регрессия:  Рисунок 4 – Результаты линейной регрессии с прологарифмированными показателями Как видно из таблицы на Рисунке 4, логарифмирование показателей привело к повышению показателя R-squared = 0,8810. Среди показателей P>|t| и t-статистики также наблюдаются неудовлетворяющие проведению корректного анализа данные. В эконометрическом анализе существует еще один способ корректировки данных при проведении регрессионного анализа. В связи с тем, что среди данных существуют, так называемые «выбросы», необходимо их учесть и убрать. Для снижения выбросов и других отклонений в исследовании использовался метод робастной статистики. Поскольку на практике наличие даже небольшого количества резко выделяющихся наблюдений способно кардинально повлиять на результаты статистического исследования, была построена регрессия с использованием робастной статистики, а также были исключены регрессоры, выходящие за пределы нормы:  Рисунок 5 – Результаты линейной регрессии Основные результаты построения линейной регрессии представлены в Таблице 1. Таблица 1 Показатели регрессии
Как видно из Таблицы 1, коэффициент детерминации получился равным R-squared = 0.8835, что позволяет сделать вывод о близости построенного уравнения к полученной выборке, поскольку коэффициент детерминации близок к единице. Также необходимо отметить, что скорректированный коэффициент детерминации имеет значение Adjusted R-squared = 0.8810, что, в данном случае, тоже подтверждает близость уравнения к выборке. Значение Prob (F-statistic) равно 0.000. Отсюда можно сделать вывод о том, что построенное уравнение в целом является абсолютно значимым. И таким образом, можно переходить к оценке других показателей, которые были получены при построении регрессионной модели. Значимость того или иного фактора определяется показателем из столбца P>|t|. Фактор считается значимым, если показатель из этого столбца не превышает значения 0,05. Анализируя данные представленные в таблице, можно сделать вывод о том, что на 5% уровне значимости из представленных факторов значимыми являются все, кроме среднедушевых денежных доходов, средних цен на первичном рынке жилья и выбросов загрязняющих веществ в атмосферный воздух. Незначимость вышеперечисленных факторов в общей модели регрессии можно обосновать тем, что в совокупности по всем регионам они не оказывают сильного воздействия на ввод жилых домов в регионах, но являются значимыми для отдельных регионов. Для подтверждения данной гипотезы и факта значимости данных факторов для отдельных регионов необходимо было построить еще одну регрессию, которая наглядно продемонстрирует факт влияния и значимости. Построение регрессии по каждому региону основано на детальном анализе каждого из выбранных факторов и объясняющей переменной. В качестве примера, была построена регрессия, состоящая из показателя ввода жилых домов (input) и показателя среднедушевых доходов населения (income). Результаты построенной регрессии выглядят следующим образом:   Рисунок 6 – Результаты регрессии по фактору income Проанализируем показатели построенной модели, представленные на Рисунке 6: Модель является абсолютно значимой, поскольку коэффициент детерминации R-squared = 0.9768. Напомним, что при проведении анализа всех факторов развития рынка жилой недвижимости в совокупности (Рисунок 5) показатель среднедушевых доходов населения не давал значимых результатов из-за чего был исключен из общей регрессии. А, как видно из результатов детальной регрессии, представленной на Рисунке 6, в столбце уровня значимости определенного регрессора в рамках построенной модели P>|t|, почти во всех исследуемых регионах показатель среднедушевых доходов принимает значимое для регрессии значение. Таким образом, исключением из построенной модели являются такие регионы как Воронежская область, Ставропольский край, Нижегородская область, Самарская область, Саратовская область и Новосибирская область. В период с 2005 по 2011 год показатель среднедушевых доходов не оказал влияния на ввод жилой недвижимости в вышеперечисленных регионах. Для описания региональных различий факторов развития рынка жилой недвижимости в регионах России проведем аналогичный анализ по каждому выбранному регрессору и проведем анализ взаимосвязи факторов с помощью корреляции. Результаты построенной модели сведены и представлены в общей Таблице 2.
Важно отметить, что регрессии, построенные на основе результирующего показателя ввода жилой недвижимости и каждого фактора в отдельности, являются абсолютно значимыми, поскольку коэффициент детерминации P>|t| во всех регрессия стремится к единице и колеблется от значения 0.9590 до 0.9807. Регрессии построены с использованием робастной статистики, что позволяет исключить отклонение модели из-за наличия в ней выбросов. Эффективность методики для анализа региональных различий факторов развития и объективность полученных с ее помощью результатов должна быть подтверждена уровнем коэффициента корреляции. Корреляция в данном случае характеризует тесноту связи между вводом жилой недвижимости, показатель которого был принят за зависимую переменную, и факторами, характеризующими региональную особенность развития регионов, которые, в свою очередь, в построенной модели являются переменными. Показатель корреляции принимает значение от -1 до 1 и показывает степень зависимости рассматриваемых факторов. В Таблице 2 перечислены те регионы, для которых показатель регрессора в данной модели является незначимым. Иными словами, в данных регионах показатели тех или иных факторов за период с 2005 года по 2011 не оказало значительного влияния на уровень развития рынка жилой недвижимости. Таким образом, на основании проведенного регрессионного и корреляционного анализа можно подтвердить гипотезу о том, что из-за многочисленных региональных различий регионов России на уровень развития рынка жилой недвижимости оказывают влияние разные факторы. |