Формирование цены на жилую недвижимость в Самаре путем многофакторной регрессионной модели

К массовой оценке рынка недвижимости в последнее время проявляется большой интерес со стороны экспертов рынка. Целью данного исследования является формирование модели, позволяющей определить цену жилой недвижимости. Результаты работы будут актуальны для фирм – продавцов, поскольку полученные модели позволят установить реальную цену на предлагаемые квартиры.

Существуют стандартные методы оценки недвижимого имущества, к которым относятся: затратный метод, оценка стоимости по доходности, метод сопоставления продаж. Затратный метод предполагает определение стоимости недвижимости как затраты на воссоздание объекта в текущем состояние или на восстановление его свойств. Метод доходности позволяет сформировать цену на недвижимое имущество с помощью оценки будущих выгод, которые можно получить от эксплуатации объекта недвижимости. Метод сопоставления продаж является наиболее популярным методом, получивший название также рыночного, поскольку наиболее часто применяется при оценке стоимости имущества. Стоимость объекта оценки определяется путем сравнения цен на подобные объекты, по которым была осуществлена реализация.

Метод, положенный в основу данного исследования представляет собой формирование аддитивной регрессионной модели линейного вида. Факторами, влияющими на формирование цены являются: район, общая площадь, жилая площадь, площадь кухни, количество комнат, этаж, санузел (раздельный или совмещенный). В качестве источника информации был выбран сайт объявлений «Из рук в руки», интерфейс которого позволяет свободно изменять интересующие нас параметры выбора квартиры. Предметом исследования стали 1, 2 и 3-х комнатные квартиры, предлагаемые как на первичном, так и на вторичном рынке жилья, расположенные в Железнодорожном, Кировском, Красноглинском, Куйбышевском, Ленинском, Октябрьском, Промышленном и Советском районах города Самары.

Исследование проводилось на основе априорного метода путем использование наиболее популярной модели линейного типа. Для удобства исследования коррелируемые параметры были обозначены как xi, i=1,8 с соответствующими индексами: общая площадь – x1, жилая площадь – x2, этаж – x3, количество комнат – x4, площадь кухни – x5, совмещенный или раздельный санузел – x6, вторичный или первичный тип жилья – x7, район – x8.

Полученные с помощью метода наименьших квадратов табличного процессора Excel регрессионные модели были проанализированы на адекватность путем нахождения их коэффициентов детерминации, критерий Фишера F и t-критерия.

Результаты исследования таковы, что наибольшим коэффициентом детерминации – 0,69, значительным отклонением фактического значения критерия Фишера 81,61 от табличного значения – 2,21 и критерием Стьюдента для переменных – 11,86; -2,9107; 0,1; -5,02; -0,37; 2,15; 7,1, что в свою очередь свидетельствует об адекватности составленной модели и целесообразности ее использования для формирования искомой переменной – стоимости квартиры, обладает регрессионная модель вида:

y = -1861218 + 96535,56^ -32088,1x2 +1454,796x3 -745087x4 -8939,85x5 + 348213,6x6 +1086935x7 которая включает в себя такие параметры, как площадь, жилая площадь, этаж, количество комнат , площадь кухни, –санузел,– первичный/вторичный вид жилья.

Следующим шагом исследования стало определение цены на жилое недвижимое имущество (квартиры) с помощью полученной модели и сравнение расчетных данных с фактической рыночной ценой аналогичного объекта недвижимости. Расчеты представлены в таблице 1:

Как видно из таблицы, отрицательное абсолютное отклонение фактической стоимости квартиры от расчетной говорит о том, что сформированная регрессионная модель позволяет установить цену на квартиру выше фактической рыночной цена и, как следствие, получение большей выгоды от ее продажи для продавца.