(Меленьчук Е.Д.) Рецензия на публикацию с проведенным эконометри. "Эконометрическое моделирование цены однокомнатной квартиры методом географически взвешенной регрессии", Носов В. В., Цыпин А. П
 Скачать 0.71 Mb.
|
|
Меленьчук Елена, группа 511 Рецензия на статью по теме "Эконометрическое моделирование цены однокомнатной квартиры методом географически взвешенной регрессии", Носов В. В., Цыпин А. П., Известия Саратовского университета, 2015. Данная статья посвящена выявлению и измерению взаимосвязей на рыке жилья. Актуальность работы заключена в том, что географически взвешенная регрессия расширяет понимание того, как принадлежность единицы совокупности к конкретным географическим координатам влияет на зависимость между регрессорами и ценой на недвижимость. Целью работы является анализ пространственных различий на цену однокомнатных квартир, представленных на вторичном рынке жилья г. Оренбурга. Было выдвинуто четыре гипотезы: влиянии района города на формирование цены В исследовании было отобрано 299 объектов (однокомнатных квартир). Период сбора материала охватывал диапазон с 25.11.2013 по 13.12.2013. Моделирование влияния факторов на цену кв. м жилья Для оценки влияния факторов на цену кв. м жилья была сформирована матрица исходных данных, содержащая информацию по 299 объектам и 6 переменным (y i , x i , d i , north i , east i , distance i ). Результатом проведения многомерной группировки объектов наблюдения методом k-средних стало разделение совокупности на 5 кластеров (рис. 1). Модель 1. Проверка гипотезы о влиянии района города на формирование цены (рис. 2). Модель 2. Для оценки влияния регрессора distance i на зависимую переменную y i было использовано следующее уравнение: Модель 3. Для оценки влияния регрессора d i на зависимую переменную y i была построена множественная регрессия: Модель 4. Географически взвешенная регрессия Один из первых выводов таков, формирование цены зависит от местоположения дома. Этому свидетельствует разброс цен на рис. 2. Во втором кластере цена ниже, нежели в остальных, что объясняется напряженной обстановкой в районе и, как следствие, нежеланием населения приобретать в данной местности квартиры. Более того, значение F- критерия Фишера равно 3,28 при p-уровне в 0,01. Гипотеза о равенстве средних отвергается. Критерий Фишера F (2; 296) = 201,12 превышает табличное значение (F табл (0,05; 2; 296)= 3,026), что свидетельствует о значимости уравнения в модели 2. Однако, параметр при переменной distance i получен статистически не значим, отсюда можно сделать вывод о незначительном влиянии условной «нулевой» точки на величину цены квартиры (цена не меняется при перемещении от центра к окраинам), что объясняется наличием локальных центров. Результаты построения множественной регрессии показывают, что престижность этажа, на котором находится выставленная на продажу квартира, также статистически не значим. Значимыми, как следует из уравнения, являются свободный член и коэффициент регрессии перед регрессором d2 i на 10%-ном уровне, так как фактические значения t-критерия превышают t табл = 2,593. Параметры при регрессорах d1 i , d3 i , d4 i получены статистически не значимы. Следовательно, можно утверждать о несостоятельности множественной регрессии при моделировании влияния факторов на цену однокомнатных квартир. На мой взгляд, автор предусмотрел тот факт, что географически взвешенная регрессия описывает рассматриваемую зависимость лучше, чем глобальная модель МНК. Остаточная сумма квадратов значительно снизилась относительно МНК-оценок и результаты теста на нестационарность параметров показали, что свободный член значим на уровне 0,05. Благодаря географически взвешенной регрессии автор смог проследить прирост стоимости квартиры за счет увеличения площади на 1 кв. м в каждой отдельно взятой точке и определить самую высокую теоретическую цену однокомнатной квартиры в более 3 млн руб. и координаты (в северо-западной части города выделяется точка с координатами east = 55,092, north = 51,805). Приложение. Таблица 1 Переменные, характеризующие положение объекта в пространстве, и др. Переменная Значение переменной y i зависимая переменная, обозначающая цену однокомнатной квартиры на вторичном рынке жилья г. Оренбурга, тыс. руб. x i независимая переменная, характеризующая влияние размера общей площади одно комнатной квартиры на ее цену, кв. м. d i фиктивная переменная, отражающая «престижность» расположения квартиры в многоэтажном доме north i количественная переменная, обозначающая широту, на которой расположен i-й объект east i количественная переменная, обозначающая долготу, на которой расположен i-й объект dist i переменная, характеризующая меру близости дома, в котором продается квартира, к условному географическому центру, в качестве которого используется «нулевой» километр города Рисунок 1 Результаты разбиения совокупности объектов пространства на кластеры (точки на графике – частота повторяемости домов в выборке) Рисунок 2 Разброс средних цен между кластерами |