рименение методов эконометрического анализа для оценки стоимости объектов недвижимости

Введение 3
Глава 1. Анализ факторов влияющих на стоимость недвижимости 5
Глава 2. Теоретические основы эконометрического моделирования 15
Глава 2. Теоретические аспекты моделирования стоимости жилья 15
2.1. Эконометрические методы для оценки стоимости недвижимости 15
2.2. Что-то про недвижимость????
Глава 3. Оценка стоимости объектов недвижимости в г. Пермь 20
3.1. Описание выборки и данных 20
3.2. Построение моделей оценки стоимости недвижимости 25
Заключение 31
Библиографический список 33
Приложения 35

Весь текст будет доступен после покупки

Недвижимость является одним из ключевых сегментов экономики, оценка стоимости которой имеет большое значение для инвесторов, разработчиков, банков и частных лиц.
Эконометрический анализ представляет собой мощный инструмент, который позволяет оценить стоимость недвижимости на основе статистических методов и моделей. Применение эконометрических методов в оценки стоимости недвижимости позволяет определить факторы, влияющие на цену объекта, и провести более точный анализ.
Объектом моего исследования является город Пермь.
Предметом исследования является изучение методов и моделей эконометрики, применяемых для оценки стоимости недвижимости.

Весь текст будет доступен после покупки

Глава 1.
1.1 Анализ
В современном мире существует все большая потребность в более точном прогнозировании и оценке стоимости жилой недвижимости на первичном/вторичном рынке. Исследования в области эконометрики и анализа данных играют важную роль в определении факторов, влияющих на цену квартир, а также в разработке эффективных методов прогнозирования стоимости жилья. В данной главе будет проведен анализ статей, посвященных эконометрическому моделированию стоимости квартир на первичном/вторичном рынке, с целью выявить основные факторы, влияющие на цену жилой недвижимости.
Даутова Р.Р. в своем исследовании [7] рассматривает экономическое моделирование цены жилья на вторичном рынке в Красногорском районе Московской области. Она изучает факторы, воздействующие на стоимость жилья, такие как общая площадь [X1], тип здания [X2], количество этажей [X3], вид санузла [X4], наличие балкона [X5], лифта [X6] и телефона в квартире [X7]. Исследование проводится на основе информации с веб-сайтов агентств недвижимости. Для анализа используется выборка из 70 наблюдений. Автор составляет матрицу коэффициентов парной корреляции между ценой жилья и рассматриваемыми переменными, представленную в таблице 1.
Таблица 1
Матрица коэффициентов парной корреляции между всеми переменными
Стоимость (тыс. руб.) Общая площадь (м2) Дом Этаж Санузел Балкон Лифт Тел.
Y X1 X2 X3 X4 X5 X6 X7
Стоимость (тыс. руб.) 1
Общая площадь (м2) 0,36 1
Дом 0,71 0,33 1
Этаж -0,22 -0,16 -0,10 1
Санузел 0,03 -0,02 0,07 -0,13 1
Балкон 0,29 -0,03 0,10 -0,14 0,04 1
Лифт 0,33 0,06 0,21 -0,35 -0,06 0,43 1
Тел. 0,65 0,29 0,62 -0,22 0,02 0,27 0,20 1

Из результатов анализа можно сделать следующие выводы:
1. Стоимость жилья ниже в многоквартирных домах по причине наличия прямой корреляционной связи между показателями Y и X2.
2. Цены на жилье с установленным телефоном выше из-за прямой корреляционной зависимости между показателями Y и X7.
3. Цены на жилье выше на остальных этажах из-за обратной корреляционной связи между показателями Y и X3.
Также в данной статье рассматривается коэффициент R-квадрат, который представляет долю объясненной дисперсии модели. Значение коэффициента детерминации в выбранной модели, равное 0,596, означает, что 59,6% изменчивости цены жилья объясняется вариациями факторов, включенных в модель. Даутова Р.Р. в своем исследовании проверила переменные на мультиколлинеарность с помощью анализа матрицы парных корреляций. Результаты представлены в таблице 2.

Из таблицы видно, что коэффициенты корреляции между переменными не превышают 0,8, что свидетельствует об отсутствии проблемы мультиколлинеарности. При создании модели для определения цены квартир на вторичном рынке в Красногорском районе необходимо исключить факторы, оказывающие незначительное влияние, путем последовательного их исключения с применением метода регрессионного анализа. Требуется составить план действий для проведения регрессионного анализа по всем изучаемым параметрам, представленным в таблице 3.

Весь текст будет доступен после покупки

1. Берёзкина, К. Р., Костромских, В. Ю. Эконометрический анализ трех и четырехкомнатных квартир вторичного рынка в городе Красноярске в 2017 году / К.Р. Берёзкина, В.Ю. Костромских // Актуальные проблемы авиации и космонавтики. — 2019. — №.2 —С. 307-309.
2. Бурмистрова, Н. М. Эконометрическое моделирование стоимости квартир в городе Москва, районе Гольянова / Н. М. Бурмистрова // Современные наукоемкие технологии.— 2014. — № 7-3. — С. 6-8.
3. Бурова, И. В., Паничкина, М. В. Применение методов эконометрического анализа для оценки объектов недвижимости в условиях неопределенности рынка / И. В. Бурова, М. В. Паничкина // Международный журнал прикладных и фундаментальных исследований. — 2016. — № 10. — С. 458-462.
4. Вертегел С.В. Анализ взаимосвязи цены недвижимости г. Москвы и влияющих на нее факторов / С.В. Вертегел // Хроноэкономика. —2020. — №5 (26). — С. 47-49.
5. Гришанова Д.А. Эконометрическое моделирование вторичного жилья районов г. Минска// 77-я научная конференция студентов и аспирантов Белорусского государственного университета. — 2020. — № . — С. 151-154.
5. 77-я научная конференция студентов и аспирантов Белорусского государственного университета [Электронный ресурс]: материалы конф. В 3 ч. Ч. 3, Минск, 11–22 мая 2020 г. / Белорус. гос. ун-т ; редкол.: В. Г. Сафонов (гл. ред.) [и др.]. – Минск : БГУ, 2021. – 1 электрон. опт. диск (СD-ROM).
6. Воронов, В. В., Ружа, О. П. Эконометрические модели для оценки коммерческой стоимости объектов жилой недвижимости в Латвии / В. В. Воронов, О. П. Ружа // Международный журнал экономики и статистики. — 2022. — № 10. — С. 60-67.

Весь текст будет доступен после покупки