Студопедия  
Главная страница | Контакты | Случайная страница

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Использование корреляционно-регрессионного анализа для оценки ОН.

Читайте также:
  1. II. Использование готовых разложений.
  2. II. Метод анализа оперы
  3. II. Методы оценки качества государственных и муниципальных услуг
  4. II. Методы оценки стоимости финансовых активов
  5. II. Начала математического анализа
  6. II. Порядок подготовки, защиты и оценки квалификационной работы
  7. II. ТЕХНИКА И ТЕХНОЛОГИЯ ВОДОСНАБЖЕНИЯ И КАНАЛИЗАЦИИ
  8. II. Этапы сбора и анализа информации в стратегическом менеджменте
  9. III. Для углубленной оценки санитарного состояния почвы и способности ее к самоочищению исследуют показатели биологической активности почвы.
  10. III. КРИТЕРИИ ОЦЕНКИ КУРСОВОЙ РАБОТЫ

В рамках сравнительного подхода выделяют такой метод, как корреляционно-регрессионный. В оценочной деятельности данный метод используется редко. Это связано с тем, что от оценщика требуется дополнительные знания в области статистики и необходим дополнительный анализ. Но как показывает практика, метод показывает адекватные результаты.

Математический аппарат корреляционно-регрессионного анализа дает возможность определить зависимость цен недвижимости сразу от нескольких параметров, включая и такие, оценка которых возможна лишь экспертным путем.

В условиях рынка цена недвижимости зависит от многих факторов, известных оценщику. Однако, как правило, лишь небольшая часть факторов (не более 4-10) существенно влияет на цену. Остальные, менее важные, которые оценщик не в состоянии учесть, могут быть отнесены к категории случайных воздействий, превращающих цену продажи недвижимости в случайную величину. На рынке значения продаж даже аналогичной недвижимости всегда подвержены некоторому неконтролируемому разбросу. Это следствие влияния, например, таких случайных воздействий, как условия продажи, которые обычно не находят отражения в источниках информации и неизвестны оценщику. В роли факторов Х, которые существенно влияют на цену сделки с недвижимостью,обычно выступают параметры, определяющие ее основные потребительские свойства. Будем считать, что у группы аналогичных объектов недвижимости есть одна выходная переменная, (цена), которая в общем случае зависит от k факторов xi1, xi2,…, xik, i=1,…,n. От k зависит размерность факторного пространства, а от диапазонов изменения факторов – область, в которой располагаются точки, соответствующие ценам рассматриваемых объектов.

В ходе регрессионного анализа устанавливается связь между зависимой переменной, например, ценой продажи недвижимости определенного типа, которая рассматривается как случайная величина, и независимыми переменными – факторами Х (неслучайными параметрами недвижимости), влияющими на цену. Чаще всего истинная функциональная связь неизвестна и приходится выбирать подходящую функцию f(x) для аппроксимации собранных данных. Каждое значение из собранных оценщиком данных описывается моделью:

= f(x) +ε,

где содержащая случайную ошибку ε является следствием влияния неконтролируемых воздействий на,.

Так как является случайной величиной, модель называют уравнением регрессии или просто регрессией.

Для решения задачи оценки рыночной стоимости использована классическая линейная регрессия, основанная на методе наименьших квадратов

1) Стандартное отклонение (СКО – среднеквадратическая ошибка) результата (или остаточное СКО):используется для построения доверительного интервала полученного результата.

2) Коэффициент определенности (8)

позволяет судить о том, какой процент дисперсии известных рыночных данных объясняется с помощью регрессионной зависимости.

Коэффициент определенности наряду с остаточным СКО служит показателем качества регрессионной модели. Из двух регрессионных моделей предпочтение отдают той, которая характеризуется меньшим остаточным СКО или большим коэффициентом определенности.

Таким образом, величина этого коэффициента соответствует доле (проценту) цен, «объяснимых» регрессионной моделью. Этот коэффициент может принимать значения в интервале от 0 до 1. Когда 0, никакая вариация (отклонение от средней цены) цен «не объясняется» моделью. Наоборот, когда 1, все отклонения от средней цены Р «объясняются» уравнениями регрессии.

3) Критерий Стьюдента (Т ‑ статистика) показывает меру значимости (или весомости) переменной регрессии на изменения зависимой переменной (цены сделки) и вычисляется как отношение соответствующего коэффициента регрессии к его среднеквадратической ошибке. Величина характеризует среднеквадратическое отклонение коэффициента регрессии и отражает погрешность при использовании этого коэффициента в качестве статистической характеристики связи независимой переменной Х и зависимой переменной Y. В том случае, если значение T достаточно велико, то есть основание считать, что Х является значимой переменной при расчете Y (цены продажи). Наоборот, если значение T мало, то можно предположить нулевое значение соответствующего коэффициента регрессии, а также и несущественную значимость независимой переменной Х, для моделируемой цены продажи Y. Для данного критерия имеется специальная таблица, по которой можно определить его значение, исходя из числа степеней свободы (n – к ‑ 1), где n ‑ число аналогов; к ‑ количество независимых переменных.

4) Коэффициент вариации в регрессионном анализе определяется как отношение среднеквадратической ошибки к средней цене продажи (сделки): например, если предположить, что рассчитанная среднеквадратическая ошибка по рассматриваемой регрессионной модели составила, например, 5 000 у.е., а средняя цена сделок с недвижимостью определена на уровне 50 000 у.е., то коэффициент вариации будет равен (5 000 / 50 000 х 100% = 10%). Это означает, что при нормальном распределении случайных величин (цен продаж на рынке недвижимости) примерно 2/3 расчетных (модельных) цен из регрессионной модели находятся в пределах 10%-ных отклонений от средних цен. Такой результат моделирования стоимости недвижимости можно рассматривать как, безусловно, хороший.

5) Коэффициент корреляции является одной из статистических характеристик, относящихся к анализу значимости отдельных переменных регрессионной модели. Он служит мерой линейной зависимости между двумя переменными, принимая значения в интервале от -1 до +1. При этом необходимо иметь в виду, что нулевое или близкое к нулю значение не означает отсутствие зависимости (между двумя переменными), а лишь указывает на «отсутствие» линейной зависимости (может быть еще и нелинейная зависимость).

Основные этапы оценки данным методом:

1. Исследование рынка с целью сбора информации о совершенных сделках, котировках, предложениях по продаже объектов недвижимости, аналогичных объекту оценки.

2. Определение существенных факторов Х, учитываемых в модели и выбор диапазонов их изменения.

3. Выбор вида модели f(x). Построение и калибровка модели.

4. Определение оценок неизвестных параметров модели f(x).

5. Тестирование модели (проверка адекватности) и уточнение полученных результатов.

6. Расчет рыночной стоимости согласно сравнительному подходу.

 




Дата добавления: 2015-04-22; просмотров: 29 | Поможем написать вашу работу | Нарушение авторских прав

1 | 2 | 3 | <== 4 ==> | 5 | 6 | 7 | 8 | 9 |


lektsii.net - Лекции.Нет - 2014-2024 год. (0.006 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав