Исследование зависимости стоимости квартир от некоторых факторов

Министерство образования и  науки Российской Федерации

Федеральное государственное автономное образовательное учреждение высшего  профессионального образования

Уральский федеральный университет

имени первого Президента России Б.Н. Ельцина

Высшая школа экономики и  менеджмента

Кафедра теории и практики менеджмента

 

 

 

 

 

Исследовательская работа по эконометрике:

«Исследование зависимости  стоимости квартир от некоторых факторов» 

 

 

 

 

 

 

 

 

Выполнили:

Андреева  А.С., гр. 204

Сотникова А.А., гр. 204

 

 

 

Проверила:

Кисляк Н.В.  

 

 

 

 

 

 

 

 

Екатеринбург

2013

Оглавление

Введение 3

ОБЗОР ДАННЫХ 5

МОДЕЛЬ №1 LS PRICE C TOTSQ 10

МОДЕЛЬ №2 LS PRICE C TOTSQ ROOMS 14

МОДЕЛЬ №3 LS VRP C LS PRICE C TOTSQ ROOMS REGION YARD FLOOR 17

ЗАКЛЮЧЕНИЕ 20

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение

 

Данный  проект посвящён изучению структуры  цен квартир Екатеринбурга на первичном и вторичном рынках. 

Согласно статистическим данным сайта http://ekb-city.com, на 29 апреля 2013 г. средняя цена предложения одного квадратного метра общей площади квартир, выставленных на продажу на вторичном рынке жилья в Екатеринбурге, составила 70 872 руб. Это значение практически не меняется с февраля. В течение трех месяцев средний по городу показатель колеблется вокруг отметки 70 800 руб./кв. м, то поднимаясь, то снижаясь на 0,1-0,2 %. Можно констатировать, что сегодня цены на жилье в городе окончательно стабилизировались, и в ближайшей перспективе их дальнейшего роста не ожидается.

Тенденция к росту объема предложения, которая также начала проявляться  с начала года, по-прежнему сохраняется. Только по Базе данных Уральской палаты недвижимости количество выставляемых на продажу объектов увеличивается  на 1,5-2 % каждую неделю, а с начала года оно выросло на 32 %, или, в  абсолютных показателях, на 2150 единиц. Если в январе продавцами через агентства  недвижимости выставлялось 6800 квартир, то сегодня их уже более 9000. При  этом База данных Уральской палаты недвижимости еженедельно обновляется  на 700-750 квартир. Сроки экспозиции при  этом с конца прошлого года увеличились  с 3,5 до 4 месяцев.  

  Возвращаясь к ценовым показателям, надо отметить, что их динамика в отдельных сегментах заметно отличалась от среднего по городу уровня. 

  Так, если рассматривать значения по различным территориям, то наиболее интенсивные изменения демонстрировали Центр и районы четвертого пояса. В обоих случаях снижение средней стоимости квартир составило –0,8 %. Цена квадратного метра в Центре опустилась до 89 650 руб., а в четвертом поясе – до 51 575 руб. В третьем поясе за тот же период стоимость квартир выросла на «символические» +0,2 %. Средний показатель в этом сегменте составил 61 281 руб./кв. м. В первом и втором поясах, в то же время, динамики практически не наблюдалось, точнее она составила до +0,1 %. Квадратный метр в этих районах теперь предлагается по 73 257 руб. и 65 609 руб., соответственно.

Цель работы – выявить зависимость цен квартир Екатеринбурга от таких показателей, как:

• Общая площадь
• Район
• Количество комнат
• Этаж
• Благоустроенность двора

 

Выбор именно таких переменных мы объясняем следующим. На наш взгляд, перечисленные показатели оказывают существенное влияние  на цену квартир. Общая площадь влияет на цены напрямую, т.к. учитываются при его расчёте. Расположение квартир в центре оказывает значительное влияние на повышение цены. Увеличение количества комнат, также влияет на увеличение стоимости квартир. Этаж и благоустройство двора влияют в незначительной степени. Все эти предположения нам и предстоит проверить в работе.

В качестве базы данных мы использовали сайт агентство недвижимости www.ogasta.ru. Мы будем проводить исследование на основе данных выборки вышеперечисленных показателей 40 квартир Екатеринбурга за II квартал 2013 года.

В качестве метода исследования мы используем эконометрический анализ, который будет осуществляться с помощью эконометрического пакета EViews 7.0.0.1.

 

ОБЗОР ДАННЫХ

 

	Кол-во комнат	Район	Общая площадь	Двор	Этаж	Цена
1	5	1	217	1	3	14800000
2	4	0	145	1	13	10200000
3	4	0	145	1	13	10700000
4	1	0	54	0	5	2180000
5	1	0	28	0	9	2450000
6	2	0	49	1	1	3150000
7	1	0	27	1	2	2395000
8	1	0	34	0	7	2800000
9	1	0	31	0	5	2190000
10	1	1	32	0	3	2650000
11	1	0	29	0	5	2200000
12	2	0	44	0	5	2350000
13	2	0	55	1	1	3890000
14	3	0	59	1	3	3750000
15	3	0	58	1	6	4200000
16	2	0	44	1	5	2490000
17	2	0	48	1	4	3100000
18	2	1	43	0	4	2900000
19	1	0	33	1	5	2350000
20	1	0	29	0	2	1250000
21	3	0	55	1	1	3700000
22	2	0	43	0	4	2980000
23	3	0	70	1	12	4390000
24	2	0	41	0	3	2750000
25	2	0	48	1	2	3350000
26	2	0	37	0	9	2750000
27	4	1	158	1	9	16600000
28	2	0	42	1	2	3150000
29	1	0	28	1	3	2520000
30	3	1	129	1	4	11500000
31	3	0	60	1	3	4300000
32	1	0	54	0	3	2180000
33	4	0	95	1	2	5900000
34	3	1	132	1	6	8400000
35	4	0	64	1	3	3850000
36	2	0	42	1	5	2800000
37	2	0	63	1	10	3850000
38	2	0	41	0	4	2900000
39	4	1	100	1	1	6000000
40	4	1	101	1	3	7000000

Как было сказано выше, для описания зависимости  мы выбрали шесть переменных, которые  обозначили следующим образом:

• PRICE - Цена;
• FLOOR – Этаж;
• TOTSQ – Жилая площадь;
• REGION – Район;
• ROOMS – Количество комнат;
• YARD – Благоустройство двора.

Итак, мы занесли данные в EViews. В первую очередь проверим данные на ошибки и проанализируем сами значения переменных. (Таблица 1)

 

Таблица 1

Анализ  значений переменных

 

	PRICE	TOTSQ	ROOMS	REGION	YARD	FLOOR
Mean	4571625.	65.17500	2.325000	0.200000	0.650000	4.750000
Median	3125000.	48.50000	2.000000	0.000000	1.000000	4.000000
Maximum	16600000	217.0000	5.000000	1.000000	1.000000	13.00000
Minimum	1250000.	27.00000	1.000000	0.000000	0.000000	1.000000
Std. Dev.	3537108.	43.50708	1.141018	0.405096	0.483046	3.216544
Skewness	2.006847	1.721860	0.491575	1.500000	-0.628971	1.193282
Kurtosis	6.271246	5.462892	2.200340	3.250000	1.395604	3.675345
Jarque-Bera	44.68466	29.87507	2.676733	15.10417	6.927505	10.25297
Probability	0.000000	0.000000	0.262274	0.000525	0.031312	0.005937
Sum	1.83E+08	2607.000	93.00000	8.000000	26.00000	190.0000
Sum Sq. Dev.	4.88E+14	73821.77	50.77500	6.400000	9.100000	403.5000
Observations	40	40	40	40	40	40

 

 

 

 

Рассмотрим  взаимную корреляцию переменных:

Таблица 2

Оценка корреляционной матрицы переменных, участвующих  в анализе для всей выборки.

 

	PRICE	TOTSQ	ROOMS	REGION	YARD	FLOOR
PRICE	1.000000	0.953204	0.765843	0.595489	0.442302	0.320525
TOTSQ	0.953204	1.000000	0.828348	0.568264	0.454417	0.284320
ROOMS	0.765843	0.828348	1.000000	0.410503	0.583846	0.148461
REGION	0.595489	0.568264	0.410503	1.000000	0.104828	-0.098392
YARD	0.442302	0.454417	0.583846	0.104828	1.000000	-0.024754
FLOOR	0.320525	0.284320	0.148461	-0.098392	-0.024754	1.000000

 

Из матрицы  видно, что наибольшая зависимость  просматривается между ценой  и  общей площадью, что уже сейчас позволяет говорить о том, что наши гипотезы относительно сильной взаимосвязи этих величин верны. 

Стоит отметить, что такой показатель, как этаж имеет довольно маленькую корреляцию цены, можно предположить, что при  составлении моделей он будет  оказывать незначительное влияние  на нашу зависимую переменную –  цена, или вовсе окажется незначимым.

Заметим также, что из матрицы корреляций можно сделать следующее предположение: корреляция между независимыми переменными  – общей площадью и количеством комнат – довольно высока, а это означает, что в наших моделях будет наблюдаться частичная мультиколлинеарность между этими величинами.

 

 

 

 

 

 

 

 

 

МОДЕЛЬ №1

LS PRICE C TOTSQ

Построение  регрессионной модели начнем с простейшей одномерной регрессии. В качестве объясняющей  переменной выберем «Общую площадь», поскольку коэффициент корреляции этой переменной с переменной «Цена» максимален по абсолютной величине относительно других «независимых» переменных. Таблица результатов оценивания имеет вид:

Таблица 3

Результаты оценивания модели №1

 

Dependent Variable: PRICE
Method: Least Squares
Date: 06/18/13   Time: 22:57
Sample: 1 40
Included observations: 40
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-479120.6	311243.6	-1.539375	0.1320
TOTSQ	77495.14	3987.248	19.43575	0.0000
R-squared	0.908599	Mean dependent var		4571625.
Adjusted R-squared	0.906193	S.D. dependent var		3537108.
S.E. of regression	1083342.	Akaike info criterion		30.67771
Sum squared resid	4.46E+13	Schwarz criterion		30.76215
Log likelihood	-611.5541	Hannan-Quinn criter.		30.70824
F-statistic	377.7482	Durbin-Watson stat		1.522901
Prob(F-statistic)	0.000000