Моделирование цены объекта недвижимости (объект выбирается по согласованию магистранта и преподавателя) в виде линейной множественной регрессии
Заказать уникальную курсовую работу- 30 30 страниц
- 8 + 8 источников
- Добавлена 10.02.2019
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
ВВЕДЕНИЕ 3
ГЛАВА 1. МЕТОДЫ МОДЕЛИРОВАНИЯ РЫНКА НЕДВИЖИМОСТИ 5
1.1 Модель ценности местоположения 5
1.2 Зонирование территории 7
1.3 Координатная привязка объектов 7
1.4 Учет расстояний до центров влияния 9
ГЛАВА 2. ПРОСТРАНСТВЕННО-ПАРАМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ РЫНКА ВТОРИЧНОГО ЖИЛЬЯ 11
ГЛАВА 3 ПОСТРОЕНИЕ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОЙ МОДЕЛИ 15
ЗАКЛЮЧЕНИЕ 26
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 27
Дисперсионный анализ dfSSMSFЗначимость FРегрессия816352,852044,10615,968539,51E-10Остаток364608,304128,0084Итого4420961,15 КоэффициентыСтандартная ошибкаt-статистикаP-ЗначениеНижние 95%Верхние 95%Нижние 95,0%Верхние 95,0%Y-пересечение13,06812,9401,0100,319-13,17739,312-13,17739,312Переменная X 1-14,9303,840-3,8880,000-22,718-7,142-22,718-7,142Переменная X 2-11,9626,118-1,9550,058-24,3700,447-24,3700,447Переменная X 30,2770,3050,9080,370-0,3420,896-0,3420,896Переменная X 40,5030,3851,3060,200-0,2781,284-0,2781,284Переменная X 50,9310,4911,8950,066-0,0651,928-0,0651,928Переменная X 63,7023,6911,0030,323-3,78411,189-3,78411,189Переменная X 75,7573,7941,5170,138-1,93813,452-1,93813,452Переменная X 8-0,4990,342-1,4610,153-1,1930,194-1,1930,194Уравнение регрессииY = 13,0677-14,9301X1-11,9616X2 + 0,2758X3 + 0,5031X4 + 0,9322X5 + 3,7015X6 + 5,757X7-0,4997X8Проверим модель на мультиколлинеарностьЕсли необходимо определить степень влияния каждой из объясняющих переменных на зависимую переменную, мультиколлинеарность, приводящая к увеличению стандартных ошибок, искажает истинные зависимости между переменными. Простейшим методом устранения мультиколлинеарности является исключение из модели одной или ряда коррелированных переменных.Считают, что факторы коллинеарны, если rxixj ≥ 0,7, т.е факторы хi и xjтесно связаны между собой и находятся в линейной зависимости => хi и xj друг друга дублируют и один из них рекомендуется исключить из регрессии.Факторы, для которых значение rxiyнаименьшее, из модели исключают. X1X2X3X4X5X6X7X8YX11X20,0701441X3-0,070730,9216641X4-0,061090,9253660,9738561X5-0,250980,5801620,7530910,6804071X6-0,169230,048440,1066130,1285260,0960061X70,0628690,035991-0,05559-0,05175-0,173620,0656531X8-0,24794-0,12051-0,04297-0,05294-0,077290,135497-0,134281Y-0,484660,5259630,7011570,6817220,7351530,2443250,011358-0,05221Ищем коэффициенты больше 0,7 и выделяем их.парыrубирать оставитьХ2 Х30,921664Х2Х3Х2 Х40,925366Х2Х4Х3 Х40,973856Х4Х3Х3 Х50,753091Х3Х5Факторы Х2– общая площадь и Х3 – количество комнат имеют высокую связь, (rx2х3 =0,921664) значит их можно заменить одним из них. Цена квартиры больше связана с фактором Х3 (0,701157), чем с X2 (0,525963). Поэтому из модели исключим фактор X2.Аналогичные зависимости между факторами Х2 – общей площадью и Х4 – жилой площадью квартиры, из которых также исключается X2.Теперь перейдем к факторам, которые были оставлены – Х3 и Х4. Связь между ними также очень сильная (0,973856), а на цену жилья больше влияет Х3 (0,701157), чем X4(0,681722). Оставляем Х3.Фактор Х3 – количество комнат имеет сильную связь (0,753091) с фактором Х5 – площадью кухни. Последний имеет большее влияние на цену квартиры (0,735153).Значит четыре тесно зависимых между собой фактора – общую площадь, жилую площадь, площадь кухни и количество комнат, можно заменить одним – тем, который имеет большее влияние на цену квартиры. По исходным данным таким фактором является фактор Х5 – площадь кухни.После исключения всех мультиколлинеарных факторов, опять рассчитаемNmin и параметры модели по количеству наблюдений = NminN = 5 (5+1) = 30Это новый минимальный объем выборкиРаботаем с таблицей из первых 30 значений, исключив столбцых2, х3, х4X1X5X6X7X8Y11812621,1218211221,53110,511131,34182242252812314,26213,5212257211221218,48211,4221215929,712513,61028,3221313,611111,222231,612111,512524,613116,1211337,414211,112728,915113,2221137,9162911134,41729,221230,318110,5212027,919116,9221155,820113,7112444,5212822924,2221302116023124,5217602413222384,4251121254926229211050,127216,522352,7282922321,32922112731,73021712730,2ВЫВОД ИТОГОВРегрессионная статистикаМножественный R0,874004866R-квадрат0,763884507Нормированный R-квадрат0,714693779Стандартная ошибка8,964488411Наблюдения30После удаленных факторов построили математическую модель, в которой коэффициент детерминации R2=0,76, связь между признаками в построенной модели сильная, стала меньше чем в предыдущей модели.Дисперсионный анализ dfSSMSFЗначимость FРегрессия56239,7251247,94515,529034457,53204E-07Остаток241928,68980,36205Итого298168,415 КоэффициентыСтандартная ошибкаt-статистикаP-ЗначениеНижние 95%Верхние 95%Нижние 95,0%Верхние 95,0%А23,082211,02972,09270,04710,318145,84630,318145,8463B1-9,84183,4235-2,87480,0083-16,9076-2,7761-16,9076-2,7761B51,86770,25897,21410,00001,33342,40201,33342,4020B60,69323,53450,19610,8462-6,60167,9880-6,60167,9880B70,04683,58130,01310,9897-7,34487,4383-7,34487,4383B8-0,24240,3087-0,78510,4401-0,87960,3948-0,87960,3948Уравнение регрессии Y = 23.0822-9.8418X1 + 1.8676X5 + 0.6933X6 + 0.04673X7-0.2426X8Определить значения коэффициентов корреляции и детерминации, Fфакт. Сравнить Fфакт с Fтабл и сделать вывод, нужно ли отклонить гипотезу Но о статистической незначимости уравнения регрессии в целом и показателя тесноты связиКоэффициент корреляцииR0,874Коэффициент детерминации0.764Fтабл2.62F факт 15,5290Табличное значение при степенях свободы k1 = 5 и k2 = n-m-1 = 30 - 5 - 1 = 24, Fтабл (5;24) = 2.62Fфакт = 15.53Поскольку фактическое значение Fфакт > Fтабл, значит Нулевая гипотеза о статистической незначимости уравнения регрессии отклоняется, т.е. уравнение регрессии статистически значимо.Рассчитать среднюю ошибку аппроксимации А для построенной регрессионной модели.А23,0822В1-9,8418В51,8677В60,6932В70,0468В8-0,2424YОстаткиA21,1-6,4144130,4000721,5-5,2066424,2169431,3-2,048756,54553422-6,6923930,4199414,2-4,1997129,5754425-4,5608518,243418,4-4,1146422,362215-8,2617255,0781413,6-7,4900455,0738113,6-3,6295126,6875631,6-3,5537411,2460224,6-9,693739,405337,4-4,1925611,2100428,95,67994319,6537837,91,1922413,14575534,413,6946139,809930,38,77021728,9446127,9-1,536885,50852555,812,1817921,8311644,510,7492324,1555824,26,56130427,1128360-10,461917,43655601,2646072,10767884,410,6406812,607444913,7724528,1070550,1-6,4710512,9162752,717,731733,6464921,30,3393731,59329931,7-10,010231,5778730,2-4,0394313,37559Итого683,9948Ā22,79983Средняя ошибка аппроксимацииА=22,8 %Провести экономическое обоснование полученной регрессионной моделиY = 23.0822-9.8418X1 + 1.8676X5 + 0.6933X6 + 0.04673X7-0.2426X8Район, этаж и тип дома - фиктивные переменныеА23,0822В1-9,8418значитквартиры в 1-ом районе дешевле чем во 2-м на 9,8%В51,8676значитпри увеличении площади кухни на 1%, цена увеличится на 1,87%В60,6933значитквартиры на средних этажах на 0,69% дороже чем в крайнихВ70,04673значитв кирпичных домах квартиры дороже чем в панельных на 0,046%В8-0,2426значитпри увеличении сдачи срока дома на 1%, стоимость квартиры уменьшится на 0,24%ЗАКЛЮЧЕНИЕВ курсовой работебыла исследована оценка стоимости жилищной недвижимости с помощьюлинейной регрессионной модели, на примере данныхо квартирахв двух районах Московской области. Были определены существенные факторы, которые влияют на цены квартирданных районах. Была построена математическая модель, которая позволяет проводить массовую оценку рыночной стоимости объектов жилой недвижимости в общем виде, с возможностью дальнейшего анализа адекватности модели ипостроения прогнозов.Для анализа, вычисления статистических характеристик использовались программы Microsoft Exсel.СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Агабекян Р.Л. Математические методы в социологии. Анализ данных и логика вывода в эмпирическом исследовании. Учеб. Пособие для вузов. — Ростов н/Д: Феникс, 2005. -192 с.
2. Валентинов, В.А. Эконометрика: учебник. 2-е изд. М.: Дашков и Ко, 2010. 448 с.
3. Васнев С.А. Статистика: Учебное пособие. -М.: МГУП, 2001. 170с.
4. Герасимов, А.Н. Эконометрика: теория и практика [Электронный ресурс]: электронный учебник для вузов / А.Н. Герасимов, А.В. Гладилин, Е.И. Громов. Электрон. дан. и прог. М.: КНОРУС, 2011. 1 электрон. опт. диск (CD-ROM): зв., цв.
5. Елисеева И.И., Юзбашев М.М. Общая теория статистики. – Москва: Финансы и статистика, 2004. – 656с.
6. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики. – М.: Инфра-М, 2004. – 416с.
7. Зандер Е.В. Эконометрика: Учебно-методич. комплекс. Красноярск: РИО КрасГУ, 2006
8. Карп Д.Б. Эконометрика : Основные формулы с комментариями: учебно-методич. пособие. — Владивосток, 2006.
Вопрос-ответ:
Какими методами моделируется цена объекта недвижимости?
Цена объекта недвижимости моделируется с помощью линейной множественной регрессии. Также применяются методы моделирования рынка недвижимости, такие как модель ценности местоположения, зонирование территории, координатная привязка объектов и учет расстояний до центров влияния.
Что такое модель ценности местоположения?
Модель ценности местоположения - это метод моделирования рынка недвижимости, который учитывает влияние расположения объекта на его стоимость. В этой модели устанавливаются связи между различными факторами местоположения (расстояние до центров города, наличие транспортной инфраструктуры, экологическая обстановка и т.д.) и ценой недвижимости.
Каким образом происходит зонирование территории при моделировании цены объекта недвижимости?
При зонировании территории в моделировании цены недвижимости определенная область разбивается на зоны с определенными характеристиками. Например, можно выделить зоны с разным уровнем инфраструктуры, экологии, уровнем преступности и т.д. Затем для каждой зоны устанавливаются соответствующие коэффициенты, которые используются при расчете цены недвижимости.
Что такое координатная привязка объектов в моделировании цены недвижимости?
Координатная привязка объектов в моделировании цены недвижимости означает определение географических координат каждого объекта. Эти координаты могут быть использованы для анализа влияния расстояния от объекта до различных центров влияния (например, центра города, торговых центров, парков и т.д.) на его цену.
Как учитываются расстояния до центров влияния при моделировании цены недвижимости?
При моделировании цены недвижимости учитываются расстояния до различных центров влияния, таких как центр города, торговые центры, парки и т.д. С помощью регрессионного анализа устанавливаются связи между этими расстояниями и ценой недвижимости. Например, можно обнаружить, что близость к центру города положительно влияет на цену недвижимости, а близость к шумным транспортным магистралям ее снижает.
Какие методы используются для моделирования цены объекта недвижимости?
Для моделирования цены объекта недвижимости используются методы линейной множественной регрессии, модель ценности местоположения, зонирование территории, координатная привязка объектов и учет расстояний до центров влияния.
Что такое модель ценности местоположения объекта недвижимости?
Модель ценности местоположения объекта недвижимости это метод, который позволяет определить стоимость объекта недвижимости исходя из его расположения. Эта модель учитывает различные факторы, такие как близость к центру города, наличие развитой инфраструктуры, транспортной доступности и других объектов влияния.
Что такое зонирование территории в моделировании цены недвижимости?
Зонирование территории в моделировании цены недвижимости это метод, который позволяет разделить территорию на определенные зоны или районы схожих характеристик. Это позволяет учесть различные факторы, такие как уровень безопасности, экологическая обстановка, качество жилья и другие параметры, которые могут влиять на цену недвижимости.
Что такое координатная привязка объектов в моделировании цены недвижимости?
Координатная привязка объектов в моделировании цены недвижимости это метод, который позволяет определить географические координаты объектов недвижимости и использовать их в анализе. Это позволяет учесть расстояние до различных объектов влияния, таких как парки, школы, магазины и др., которые могут влиять на цену недвижимости.
Что такое корреляционно-регрессионная модель в моделировании цены недвижимости?
Корреляционно-регрессионная модель в моделировании цены недвижимости это метод, который позволяет определить зависимость между различными переменными и ценой недвижимости. Эта модель использует статистические методы для определения коэффициентов корреляции и уравнения регрессии, которые позволяют предсказывать цену объекта недвижимости на основе других параметров.
Какие методы используются для моделирования цены объекта недвижимости?
Для моделирования цены объекта недвижимости используются различные методы, включая линейную множественную регрессию, модель ценности местоположения, зонирование территории, координатная привязка объектов и учет расстояний до центров влияния.
Что такое модель ценности местоположения?
Модель ценности местоположения - это метод моделирования цены объектов недвижимости на основе их географического положения. В этой модели учитывается влияние различных факторов, таких как близость к центру города, наличие парков, транспортной инфраструктуры, школ и других объектов социальной значимости.