Моделирование формирования цен на земельные участки Московской области. Кадастровая оценка земель
Можно выделить следующие основные этапы формирования цен на земельные участки. Окончание стабильного роста цен к рубежу 1995/1996гг., период стабилизации и некоторого отката цен в период президентских выборов 1996г. Тенденция роста цен в предкризисное первое полугодие 1998г. Летом 1998г. были достигнуты максимальные цены на исследуемом рынке. В 1999-2000 году в Московской области для земельного рынка (сегмент земельные участки для граждан) характерно превышение предложения на земельные участки над спросом, что привело к некоторому снижению цен на земельные участки по сравнению с предыдущим годом (Приложение 1 и 2). В районах, прилегающих к Москве, сохраняется платежеспособный спрос на земельные участки.
Исследуемые в данной работе земельные участки предназначаются для строительства дач и коттеджей. В связи с этим дадим краткую характеристику рынка частных домов и коттеджей. Этот рынок до сих пор является самым "темным" среди прочих рынков недвижимости. Действительно, на фоне таких рынков как квартирный, рынок аренды нежилых помещений, он малоизучен и характеризуется, в целом, невысокой активностью. Характерно скептическое отношение риэлторов средних и малых городов к частным домам, связанное с низкой ликвидностью таких объектов при их невысокой стоимости.
В то же время в развитых странах мира рынок одно-, двухсемейных домов является одним из самых динамичных и высокоразвитых. Это связано с тенденцией семей в этих странах жить в спокойной, просторной обстановке, быть окруженными чистым воздухом и зеленью. В России, напротив, парадигма мышления требует проживания именно в городской квартире, несмотря на значительные просторы и невысокую стоимость земли за пределами городской черты, а также на то, что приобретение автомобиля для семьи давно перестало быть проблемой.
У этого рынка существует одна важная особенность, что делает привлекательным его для анализа, а именно - возможность прямого расчета стоимости земельных участков. Фактически, мы получаем в этом случае стоимостную оценку привлекательности участка с точки зрения проживания на нем.
В отличие от квартиры, частный дом представляет собой классический объект недвижимости - участок плюс улучшения на нем в виде здания, хоз.построек, сооружений. При этом для России можно выделить следующие характерные моменты:
Существует два вида использования частных домов - для постоянного проживания и для временного (как правило - отдыха).
Практически единственный способ для физического лица иметь землю в собственности - это обладать частным домом (либо сооружениями) с участком.
Характерна зонная застройка частных домов как внутри города ("частный сектор"), так и за его пределами (коттеджные поселки).
Невысокая обеспеченность частных домов современными коммуникациями.
Престижность обладания коттеджем для проживания и престижность расположения его в элитных местах.
Существование особой формы обмена жилья - частный дом на квартиру.
Помимо этого, уже первые исследования рынка частных домов выделили четыре сегмента (субрынка), каждый из которых подчиняется своим несколько различающимся законам. Первый из них - это свободные и освоенные участки под застройку, включая участки с домами, предназначенными на снос. Второй - "деревяшки", т.е. деревянные дома старой постройки, которые, тем не менее, используются для постоянного жилья, несмотря на низкую обеспеченность коммуникациями. Третий - дома постройки 70-90-х годов, каменные либо высококачественные деревянные с развитой инфраструктурой и не уступающие по условиям проживания обычным квартирам. И, наконец, последний - коттеджи, благоустроенные элитные дома последнего десятилетия, различных материалов и технологий постройки. В данной работе рассматривается и анализируется первый сегмент рынка частных домов.
Различие законов этих субрынков - несомненно. Самый простой пример - отношение к размеру участка. Для обычной семьи, использующей частный дом для проживания в наше время, существует характерная площадь земли 6-10 соток, которую эта семья может обрабатывать (как известно, огородничество стало для многих семей в Россией основным источником продуктов питания в связи с общим низким уровнем заработков). В увеличении этого участка сверх нужды собственник мало заинтересован, однако стоимость приращения участка в указанных пределах довольно высока. В то же время владелец коттеджа в престижном месте скорее готов вкладывать деньги в здание или постройки, чем в увеличение участка. Как известно, большая стоимость земли в элитных районах вызывает высокую плотность застройки коттеджных поселков, и понятно, что такие небольшие участки пока (!) удовлетворяют владельцев. Для этих групп также различно и отношение к коммуникациям, локальному окружению и прочим факторам.
К рассмотрению рынка частных домов можно подойти и с другой стороны, а именно - рассмотреть его по регионам. Понятно, что специфика региона оказывает на рынок доминирующее влияние. Так, основным регионом (по развитости этого рынка и ценам) является Москва и Московская область. Здесь подавляющая часть предложений - участки и коттеджи за пределами городской черты, разброс стоимости объектов может достигать сотни раз, в зависимости от местоположения и типа строения, что будет видно из исследуемой базы данных. Сходным рынком является и рынок С-Петербурга, но здесь свою специфику накладывает существование ряда исторических городов и поселков с большим числом частных домов и сформировавшейся системой ценности проживания в них. Средние и малые города России обладают несколько иным рынком, здесь преобладают в качестве предложений объекты внутри городской черты, при этом свободные земельные участки - редкость.
Действительно, хорошая экологическая обстановка, обширные рекреационные ресурсы, развитость коммуникаций могут определить высочайшую цену земли в некоторых районах Подмосковья. По некоторым сведениям стоимость сотки земли в районе Барвихи, Раздоров достигала 20000$ на пике подъема стоимости недвижимости. Однако отметим, что такая фантастическая цена в большей степени создавалась фактом соседства сильных мира сего. Этот фактор чрезвычайно трудно учесть при анализе, фактически, он является точечным. При этом получить точную информацию о сделке такого рода практически невозможно. С другой стороны, этот рынок достаточно хорошо освещен как прессой, так и вниманием риэлторов.
Глава 6.2. Результаты исследования.
В настоящее время для определения кадастровой стоимости земли и других объектов недвижимости применяются методы массовой оценки на основе выборки данных о продажах земельных участков и других объектов недвижимости на всей оцениваемой территории. В данной работе цены на земельные участки являются ценами предложения, в этом их отличие от методов оценки рыночной стоимости, где в качестве базы для сравнения достаточно подборки данных о нескольких реальных продажах аналогичных объектов.
В исследуемой базе данных содержалась информация о 2112 земельных участках Московской области, которые могут быть использованы для строительства дач и коттеджей.
Следует отметить, что часть записей была исключена по причине неточности, нехватки или дуплицированности информации.
Данные были собраны по 11 направлениям. В таблице 1 указано количество исследуемых данных по каждому направлению.
Таблица 1.
Направление |
Количество земельных участков |
Белорусское |
259 |
Ярославское |
176 |
Казанское |
123 |
Киевское |
309 |
Курское |
152 |
Ленинградское |
174 |
Горьковское |
158 |
Павелецкое |
160 |
Рижское |
267 |
Рязанское |
164 |
Савеловское |
170 |
Процедура оценки – это процесс решения проблем, в котором различные физические, экономические и социальные факторы анализируются по отношению к оцениваемому объекту.
Прежде чем приступить непосредственно к анализу формирования цен на земельные участки следует уделить внимание существовавшей на период исследования нормативной цене на земельные участки. Согласно Постановлению Правительства Московской области №31/11 от 05.04.99 «О нормативной цене земли в Московской области в 1999 году» на территории Московской области устанавливается нормативная цена земли для земель следующего целевого использования:
земли промышленности, транспорта и прочих;
земли жилищного фонда, а также предоставленных для садоводства, огородничества, животноводства, для ведения личного подсобного и дачного хозяйства, под гаражи и стоянки;
сельскохозяйственных земель сельскохозяйственных организаций, крестьянских (фермерских) хозяйств, огородных товариществ.
Всего на территории Московской области выделяют 6 оценочных зон, так, например, для 3-ей оценочной зоны для земель, предоставленных для ИЖС, установлена нормативная цена земли в размере 25 руб за кв.м. Таким образом 1 сотка земли будет стоить 2500руб (~90USD). Как будет видно далее нормативная цена значительно меньше рыночной цены, по сообщению РИА «Новости» нормативная цена земли составляла 14-18% от рыночной. Следует отметить, что Правительство Московской области, понимая это, повысило нормативную цену на землю в самом конце 2000 года, которая действовала чуть больше месяца, но затем в 2001 году руководство согласилось с тем, что она должна быть такой же, как в 1999 году. Об этом заявил министр экологии и природопользования Александр Красиков. В своем интервью он заметил, что «практика показала, что цена земли в Московской области оказалась слишком завышенной, в результате снизились показатели продажи и предоставления участков гражданам, упала активность на вторичном рынке земли, замедлился процесс выкупа земли юридическими лицами для размещения предприятий». Остается загадкой, как за столь короткий период ноября 2000 года руководство пришло к такому выводу.
В исследуемой базе содержится информация о ценах предложения на земельные участки, указаны местоположение, направление, оценочная зона, расстояние от Московской кольцевой автодороги (МКАД), наличие леса, водоема, площадь земельного участка, инженерное обеспечение (электричество, водопровод, магистральный газ, канализация, телефон), наличие подъездной дороги с твердым покрытием. Пример представления информации в базе данных приведен в таблице 2.
Таблица 2.
Пример представления информации в базе данных.
|
Стоимость 1 сотки в долл.США (цены предложений) в 1999 г. |
||||||||||
|
Белорусское направление |
||||||||||
| № |
Населенный пункт |
Ориентир и расположение до локального центра, новый или сложившийся |
Расстояние от МКАД, км |
Зона |
Площадь участка (сотки) |
Наличие сетей |
Рекреация |
Стоимость в долл. |
Стоимость 1 сотки |
Примечание и источник информации |
|
23 |
д. Лайково |
Белорусское н. |
6 |
2 |
16 |
Э, Г, Д |
лес, Москва-река |
17000 |
1063 |
593-48-73 |
|
24 |
д.Глухово |
Ильинское ш. |
7 |
2 |
12 |
Э, Г, В |
нет |
35000 |
2917 |
971-76-73 |
Предварительный анализ данных был сделан с помощью статистического пакета SPSS v.10.0.5 (1999). На рисунке 3 представлены медиана, 25% и 75% квантили цен предложения 1999 года на земельные участки по 11 направлениям. В таблице 3 указаны основные характеристики: максимальное и минимальное значения, среднее, стандартное отклонение, дисперсия. Из этих данных можно сделать общий вывод о более высоких в среднем ценах на земельные участки Белорусского, Ярославского, Киевского и Рижского направлений, что согласуется с общепринятыми предпочтениями о престижности местоположения участка. Несколько занижены на наш взгляд цены на земельные участки Ленинградского направления. Цены предложения 1999 года оценивались в долларах США / 100м2.
Таблица 3.
Основные статистические характеристики исследуемой выборки (по направлениям).
|
Направле-ние |
Объем выборки |
Минимум |
Максимум |
Среднее |
Стандартное отклонение |
Дисперсия |
|
BEL |
259 |
29.00 |
4500.00 |
647.1 |
767.0 |
588346.0 |
|
YAR |
176 |
40.00 |
3000.00 |
699.4 |
592.2 |
350737.2 |
|
KAZ |
123 |
25.00 |
2330.00 |
443.3 |
544.8 |
296817.6 |
|
KIEV |
309 |
19.00 |
4000.00 |
707.9 |
668.7 |
447272.4 |
|
KUR |
152 |
25.00 |
3000.00 |
408.2 |
397.9 |
158390.0 |
|
LEN |
174 |
33.00 |
2333.00 |
444.0 |
394.5 |
155680.3 |
|
GOR |
158 |
29.00 |
5000.00 |
430.9 |
552.7 |
305538.9 |
|
PAV |
160 |
25.00 |
4167.00 |
375.5 |
390.8 |
152726.5 |
|
RIZH |
267 |
17.00 |
5000.00 |
480.2 |
596.1 |
355352.0 |
|
RYAZ |
164 |
19.00 |
2267.00 |
369.2 |
372.0 |
138425.1 |
|
SAV |
170 |
22.00 |
5000.00 |
515.0 |
675.4 |
456248.4 |
Рисунок
3. Графическое
представление
основных
статистических
характеристик
(максимум, минимум,
25% и 75% квантили,
медиана).
Первый этап построения модели, или спецификация модели, заключается в создании структуры модели на основе экономической теории и теории оценки, а также рыночного анализа. Второй этап – калибровка (идентификация) – представляет собой процесс определения коэффициентов в модели массовой оценки.
Данные можно подразделить на два типа: качественные и количественные. Особой разновидностью качественных параметров являются так называемые бинарные переменные, которые могут принимать значения «1» или «0» в зависимости от того, присуща данная характеристика рассматриваемому объекту или нет. Наличие леса, водоема, площадь земельного участка, инженерное обеспечение (электричество, водопровод, магистральный газ, канализация, телефон), наличие подъездной дороги с твердым покрытием характеризовалось значением «1», отсутствие – «0».
Для калибровки (идентификации) модели нами был применен множественный регрессионный анализ (МРА), который представляет собой статистический способ определения неизвестных данных на основе известной и доступной информации. В массовой оценке неизвестными данными являются значения рыночной стоимости. К известным и доступным данным относятся цены продажи (в нашем случае предложения) и характеристики объектов недвижимости. Модели МРА могут быть аддитивными, мультипликативными или гибридными. Мы начали наш анализ с аддитивной модели типа:
P = A0 + A1X1 + ... + AnXn, где (Х1 ... Хn) - характеристики объекта недвижимости, An - численные коэффициенты при переменных характеристиках объекта, показывающие вклад соответствующих характеристик в стоимость.
Как правило, МРА хорошо работает в тех случаях, когда число продаж достаточно велико, а характеристики объектов недвижимости установлены с достаточной точностью. Мы решили проверить достоверность данного утверждения, построив общую модель для всех участков и по каждому направлению в отдельности. На протяжении всего анализа мы пользовались следующими обозначениями (см. Таблица 4).
Расчеты проводились в программе Econometric Views v.2.0 (1996).
Аддитивная модель МРА для всех участков Московской области.
PRICE = 710.83323 - 44.818357*EL + 79.385828*WAT + 296.74527*GAS + 454.45536*WC + 91.857548*TEL - 15.247174*ROAD - 27.754058*FOREST - 27.700678*RIVER - 0.31711615*SQU - 5.8964922*MKAD
Результаты оценивания приведены ниже в таблице 5.
Таблица 5
Оценивание аддитивной модели МРА для всех участков Московской области.
LS // Dependent Variable is PRICE
Sample (adjusted): 1 2112
Variable Coefficient Std. Error t-Statistic Prob.
C 710.8332 30.21771 23.52373 0.0000
EL -44.81836 28.61944 -1.566011 0.1175
WAT 79.38583 24.94676 3.182210 0.0015
GAS 296.7453 28.46552 10.42473 0.0000
WC 454.4554 66.94943 6.788039 0.0000
TEL 91.85755 70.81840 1.297086 0.1947
ROAD -15.24717 24.73701 -0.616371 0.5377
FOREST -27.75406 24.92862 -1.113341 0.2657
RIVER -27.70068 25.01999 -1.107142 0.2684
SQU -0.317116 0.175097 -1.811088 0.0703
MKAD -5.896492 0.360831 -16.34143 0.0000
R-squared 0.290822 Mean dependent var 524.5421
Adjusted R2 0.287447 S.D. dependent var 591.0800
S.E. of regression 498.9476 Akaike info criterion 12.43020
Sum squared resid 5.23E+08 Schwarz criterion 12.45965
Log likelihood -16112.09 F-statistic 86.15859
Durbin-Watson stat 1.538076 Prob(F-statistic) 0.000000
Таблица 4
Условные обозначения, используемые в работе.
|
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 R2 имеет два недостатка. Во-первых, при добавлении в регрессионную модель новых переменных R2 либо 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. R2 может принимать значения в интервале от 0 до 1, чем ближе R2 к 1, тем лучше качество подгонки. Первый недостаток можно учесть, скорректировав величину R2 по 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.
R2
является 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
R2
может 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,
Xj
является 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
МKAD
и результирующего
показателя
PRICE.
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 выборки F-статистика, превышающая 4,0, указывает на то, что переменная значима при прогнозировании P с достоверностью 95%. В нашем примере значения F-статистики значительно превышают табличные, что свидетельствует о существовании очевидной связи между PRICE и факторами, влияющими на цену (EL, WAT, … , MKAD).
Имеющаяся база данных была исследована по 11 вышеуказанным направлениям для которых были построены такие же регрессии. R2 построенных регрессий колеблется в пределах 0.3-0.4, что говорит о слабой объяснительной силе построенных моделей. Аномально низкие значения R2 получены 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 и Ярославское 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 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 о неправильно 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 Х1 и Х4 в 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, t и F-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. Переменные TEL, ROAD, RIVER, FOREST были исключены из анализа в связи с их явной незначимостью определенной в таблице 5. Полученные результаты приведены в таблице 6, 7, 8.
Таблица 6
Результаты оценивания при пошаговом МРА для всех участков Московской области.
Model Summary
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
Таблица 7
Коэффициенты, полученные при пошаговом МРА для всех участков Московской области.
Coefficients
|
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 |
a Dependent Variable: PRICE
Таблица 8
Корреляционная матрица, полученные при пошаговом МРА для всех участков Московской области.
Coefficient Correlations
|
Model |
MKAD |
GAS |
WC |
WAT |
|
|
1 |
MKAD |
1.000 |
|||
|
2 |
MKAD |
1.000 |
.384 |
||
|
GAS |
.384 |
1.000 |
|||
|
3 |
MKAD |
1.000 |
.366 |
.068 |
|
|
GAS |
.366 |
1.000 |
-.169 |
||
|
WC |
.068 |
-.169 |
1.000 |
||
|
4 |
MKAD |
1.000 |
.363 |
.071 |
-.044 |
|
GAS |
.363 |
1.000 |
-.143 |
-.287 |
|
|
WC |
.071 |
-.143 |
1.000 |
-.065 |
|
|
WAT |
-.044 |
-.287 |
-.065 |
1.000 |
a Dependent Variable: PRICE
По результатам анализа лучшая из регрессий будет выглядеть следующим образом:
PRICE = 655.8 - 5.98*MKAD + 287.7*GAS + 493.7*WC + 70.6*WAT
Все коэффициенты значимы, но объяснительная сила модели все же невысока R2=0.29.
На следующем этапе была предпринята попытка построить мультипликативную модель МРА. Эта модель имеет следующий вид:
P = A0 * X1 A1* ... * XnAn, где (Х1 ... Хn) - характеристики объекта недвижимости, An - численные коэффициенты при переменных характеристиках объекта, показывающие вклад соответствующих характеристик в стоимость.
Эту модель можно калибровать, взяв натуральный логарифм от обеих частей уравнения: ln(P)=