Предыдущая страница реферата | 1  2  3  4  5  6  7  8  9  10  11 | Следующая страница реферата

|

|

|

|

|

|

|

|a Dependent Variable: PRICE

Таблица 8

Корреляционная матрица, полученные при пошаговом МРА для всех участков
Московской области.

Coefficient Correlations

|

|
|2 |MKAD |1.000 |.384 | | |

|

|

|

|

|

|
| |WC |.071 |-.143 |1.000 |-.065 |

|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)= ln(A0)+A1*ln(X1)+…+An*ln(Xn).
Мультипликативные модели не требуют от разработчика заботиться о соблюдении условия аддитивности. Кроме того, когда цены продажи варьируют в широком диапазоне, логарифмирование позволяет нормализовать распределение, уравнивая, таким образом, веса, присваемые объектам. С другой стороны, мультипликативная структура модели делает невозможным введение в модель аддитивных соотношений.
Мультипликативная модель МРА для всех участков Московской области. ln(PRICE) = 7.6643262 + 0.12213441*EL + 0.11659094*WAT + 0.35958211*GAS +
0.45370688*WC + 0.017970609*TEL - 0.020494465*ROAD + 0.0060355887*FOREST -
0.061245452*RIVER - 0.075985731*ln(SQU) - 0.56319586*ln(MKAD)
Модель можно привести к первоначальному виду, взяв экспоненту от обеих частей уравнения:
PRICE = 2131 * 1.13EL * 1.12WAT * 1.43GAS * 1.57WC * 1.02TEL * 0.98ROAD *
1.01FOREST * 0.94RIVER * SQU-0.08 * MKAD-0.56
Результаты представлены в таблице 9.

Таблица 9

Оценивание мультипликативной модели МРА для всех участков Московской области.
LS // Dependent Variable is ln(PRICE)
Sample(adjusted): 1 2112

Variable Coefficient Std. Error t-Statistic Prob.

C 7.664326 0.104975 73.01077 0.0000
EL 0.122134 0.044154 2.766099 0.0057
WAT 0.116591 0.038586 3.021593 0.0025
GAS 0.359582 0.046065 7.805986 0.0000
WC 0.453707 0.103441 4.386131 0.0000
TEL 0.017971 0.109060 0.164778 0.8691
ROAD -0.020494 0.038144 -0.537298 0.5911
FOREST 0.006036 0.038511 0.156725 0.8755
RIVER -0.061245 0.038488 -1.591274 0.1117 ln(SQU) -0.075986 0.032790 -2.317361 0.0206 ln(MKAD) -0.563196 0.019532 -28.83467 0.0000

R-squared 0.435339 Mean dependent var 5.765975
Adjusted R2 0.432651 S.D. dependent var 1.020056
S.E. of regression 0.768332 Akaike info criterion
-0.521871
Sum squared resid 1240.293 Schwarz criterion
-0.492416
Log likelihood -2434.702 F-statistic
161.9816
Durbin-Watson stat 1.701390 Prob(F-statistic) 0.000000

Качество этой модели выше, чем аддитивной, так как R2 увеличился до 0.43, но все равно это очень низкое значение. Анализ t-статистик показывает значимость всех коэффициентов кроме наличия телефона, подъездной дороги, леса и водоема. Коэффициенты при переменных не поменяли знаки, кроме коэффициента наличия электричества, но это, конечно же, логично, наличие электричества на земельном участке должно увеличивать цену. Как и в случае с аддитивной моделью были построены регрессии для 11 направлений. R2 этих моделей увеличился и колеблется в пределах 0.45-0.55. Как и прежде значимы коэффициенты расстояния от МКАД у всех направлений, в 6 из 11 регрессиях значим коэффициент наличия магистрального газа. По сравнению с аддитивной моделью более часто встречается значимость площади участка. Таким образом, значимыми факторами, влияющими на формирование цен являются наличие магистрального газа, площадь участка, расстояние от МКАД, остальные факторы значимы в единичных случаях. Рассмотрим эластичности цены земельного участка по этим значимым факторам у мультипликативной модели, построенной для всех участков. Коэффициент при MKAD равный –0.56, означает, что увеличение расстояния от Москвы на 1%, уменьшает цену на 0.56%, напомним, что в аддитивной модели эластичность цены участка по расстоянию от МКАД получилась равной –0.51, т.е. тенденция оказалась похожей. Коэффициент при площади участка равный –0.07, означает, что увеличение площади участка на
1% уменьшает цену на 0.07%. Положительный коэффициент при магистральном газе равный 0.36, означает, что земельный участок с магистральным газом стоит на 36% дороже аналогичного участка без магистрального газа. Для регрессии, характеризующей все участки Московской области значимыми оказались так же коэффициенты при электричестве, водопроводе и канализации, что, согласно модели, должно увеличивать стоимость аналогичных участков без этих характеристик на, соответственно, 12.2%, 11.7% и 45%.

На следующем этапе была сделана попытка определения совместного влияния факторов. При этом анализировались следующие бинарные переменные (1-есть, 0
– нет):

EW – электричество*водопровод;

EG – электричество*газ;

EWG – электричество*водопровод*газ;

EWGR - электричество*водопровод*газ*дорога;

GW – газ*канализация.

Остальные комбинации не имело смысл анализировать в связи с очень малыми объемами данных. Наилучшие результаты были получены для переменных EG, EWG и GW, используя эти переменные можно было получать регрессии с R2=0.40-
0.55.

Кроме этого были сделаны попытки ввести в уравнение такие переменные как lnSQU*GAS и lnMKAD*GAS, но построенные регрессии обладали слабой объясняющей силой.

В качестве примера приведем следующую модель: ln(PRICE) = 7.6649261 + 0.090223682*EL + 0.22148706*WAT + 0.54363961*GAS
+ 0.46655554*WC - 0.074224116*ln(SQU) - 0.57763383*ln(MKAD) -
0.31814015*EWG

Результаты оценивания приведены в таблице 10.

Таблица 10

Оценивание мультипликативной модели МРА, учитывающей совместное влияние факторов, для всех участков Московской области.
LS // Dependent Variable is ln(PRICE)
Sample(adjusted): 1 2112

Variable Coefficient Std. Error t-Statistic Prob.

C 7.664926 0.103959 73.73057 0.0000
EL 0.090224 0.043134 2.091697 0.0366
WAT 0.221487 0.044383 4.990385 0.0000
GAS 0.543640 0.062057 8.760311 0.0000
WC 0.466556 0.096483 4.835628 0.0000 ln(SQU) -0.074224 0.032571 -2.278865 0.0228 ln(MKAD) -0.577634 0.019395 -29.78319 0.0000
EWG -0.318140 0.074138 -4.291179 0.0000

R-squared 0.441442 Mean dependent var 5.765975
Adjusted R-squared 0.439584 S.D. dependent var
1.020056
S.E. of regression 0.763624 Akaike info criterion
-0.535579
Sum squared resid 1226.888 Schwarz criterion
-0.514157
Log likelihood -2423.227 F-statistic 237.5489
Durbin-Watson stat 1.697318 Prob(F-statistic)
0.000000

Исключив незначимые переменные, мы получили регрессия с такой же объяснительной силой R2=0.44. Коэффициент при EWG значим и отрицателен, что говорит от том, что наличие на участке электричества, водопровода и магистрального газа уменьшает его цену на 31.7%, что является абсурдным, наличие коммуникаций должно увеличивать цену, исключив факторы EL, WAT, GAS и оставив лишь их совместное влияние, получаем следующую зависимость: ln(PRICE) = 7.8825006 + 0.54644853*WC - 0.036845384*ln(SQU) -
0.60703765*ln(MKAD) + 0.29540937*EWG

Результаты оценивания приведены в таблице 11.

Таблица 11

Оценивание мультипликативной модели МРА, учитывающей только совместное влияние факторов, для всех участков Московской области.

LS // Dependent Variable is ln(PRICE)

Sample(adjusted): 1 2112

Рекомендуем скачать другие рефераты по теме: реферат на тему предприятие, способ изложения.





Предыдущая страница реферата | 1  2  3  4  5  6  7  8  9  10  11 | Следующая страница реферата