Множественная линейная регрессия и многомерные модельные распределения при оценке единых объектов недвижимости
Автор: Ласкин Михаил Борисович
Журнал: Имущественные отношения в Российской Федерации @iovrf
Рубрика: Экономика и управление народным хозяйством
Статья в выпуске: 6 (249), 2022 года.
Бесплатный доступ
В статье рассмотрены проблемы, связанные с расчетами оценок рыночной стоимости единых объектов недвижимости как комплексов, включающих объекты капитального строительства и земельные участки, на которых они находятся. Показаны возможные пути решения таких проблем при помощи построения моделей множественной линейной регрессии с преобразованием ранговых переменных в индикативные, а также с использованием многомерных модельных распределений вещественных переменных. Представлены примеры применения таких расчетов. Показано, что рыночная стоимость единого объекта недвижимости может не быть простой суммой рыночных стоимостей земельного участка и расположенных на нем улучшений и может содержать компоненты стоимости, учитывающие не только площади, но и эффект их взаимосвязи.
Единый объект недвижимости, множественная линейная регрессия, многомерные распределения, корректировка цен объектов сравнения, преобразование ранговых переменных в индикативные, многомерные модельные распределения вещественных переменных в оценке
Короткий адрес: https://sciup.org/170196023
IDR: 170196023 | DOI: 10.24412/2072-4098-2022-5248-7-19
Текст научной статьи Множественная линейная регрессия и многомерные модельные распределения при оценке единых объектов недвижимости
Уравнение (10), связывающее цену объекта с площадями ОКС и земельного участка, принимает вид:
V = exp (2, 6364) x S0y3016 x S0;7055 = 13, 97 x S30y3016 x S0^l55. ОУ OnC ОУOnC
Формула для расчета удельной стоимости на единицу площади ОКС:
-V- = 13, 97 x S033016 x S . 2445.(1 1)
SOKC
Формула для расчета удельной стоимости на единицу площади земельного участка:
— = 13, 97 x S306984 x S0,7C555 ' ОУOn C
S3V
По приведенным формулам могут быть рассчитаны таблицы значений РС объекта оценки (табл. 3), удельная стоимость на 1 квадратный метр ОКС (табл. 4), удельная стоимость на 1 квадратный метр земельного участка (табл. 5) в зависимости от значений предикторов – площади ОКС и площади земельного участка.
Теперь рассмотрим случайный вектор ( V , SЗУ , SОКС ) (этот кейс был подробно рассмотрен в работе [1], данные протестированы на совместную нормальность логарифмов компонент, там же выведены необходимые формулы). Итоговые формулы выглядят несколько громоздкими, но основная идея проста. Сначала вместо случайного вектора ( V , SЗУ , SОКС )
Таблица 3
Результат оценки РС ЕОН в зависимости от площадей ЗУ и ОКС, тыс. р.
Площадь земельного участка, кв. м |
|||||||||||
2 000 |
7 000 |
12 000 |
17 000 |
22 000 |
27 000 |
32 000 |
37 000 |
42 000 |
47 000 |
||
>3 Ф 9 M -fl 5с Ъ <Х$ 9-о 5 |
400 |
12 783 |
18 652 |
21 945 |
24 376 |
26 347 |
28 025 |
29 499 |
30 819 |
32 020 |
33 125 |
2 400 |
49 492 |
72 215 |
84 962 |
94 373 |
102 005 |
108 504 |
114 209 |
119 321 |
123 970 |
128 248 |
|
4 400 |
78 238 |
114 158 |
134 309 |
149 186 |
161250 |
171 524 |
180 542 |
188 623 |
195 973 |
202 735 |
|
6 400 |
103 838 |
151 512 |
178 257 |
198 002 |
214 013 |
227 648 |
239 618 |
250 343 |
260 098 |
269 073 |
|
8 400 |
127 521 |
186 068 |
218 912 |
243 160 |
262 823 |
279 569 |
294 268 |
307 439 |
319 419 |
330 441 |
|
10 400 |
149 850 |
218 649 |
257 245 |
285 738 |
308 844 |
328 522 |
345 795 |
361 272 |
375 351 |
388 302 |
|
12 400 |
171 146 |
249 723 |
293 804 |
326 347 |
352 737 |
375 211 |
394 939 |
412 616 |
428 695 |
443 487 |
|
14 400 |
191 615 |
279 589 |
328 943 |
365 378 |
394 924 |
420 086 |
442 173 |
461 965 |
479 967 |
496 528 |
|
16 400 |
211 398 |
308 455 |
362 904 |
403 101 |
435 698 |
463 458 |
487 825 |
509 660 |
529 521 |
547 792 |
|
18 400 |
230 599 |
336 471 |
395 865 |
439 713 |
475 271 |
505 552 |
532 132 |
555 950 |
577 615 |
597 546 |
Таблица 4
Результат оценки удельной РС ЕОН, в тыс. р. на 1 кв. м площади ОКС в зависимости от площадей ЗУ и ОКС
Площадь земельного участка, кв. м |
|||||||||||
2 000 |
7 000 |
12 000 |
17 000 |
22 000 |
27 000 |
32 000 |
37 000 |
42 000 |
47 000 |
||
>3 CD э Is -s со га о ё |
400 |
31,958 |
46,631 |
54,862 |
60,939 |
65,867 |
70,064 |
73,747 |
77,048 |
80,051 |
82,813 |
2 400 |
20,622 |
30,090 |
35,401 |
39,322 |
42,502 |
45,210 |
47,587 |
49,717 |
51,654 |
53,437 |
|
4 400 |
17,781 |
25,945 |
30,525 |
33,906 |
36,648 |
38,983 |
41,032 |
42,869 |
44,539 |
46,076 |
|
6 400 |
16,225 |
23,674 |
27,853 |
30,938 |
33,440 |
35,570 |
37,440 |
39,116 |
40,640 |
42,043 |
|
8 400 |
15,181 |
22,151 |
26,061 |
28,948 |
31,289 |
33,282 |
35,032 |
36,600 |
38,026 |
39,338 |
|
10 400 |
14,409 |
21,024 |
24,735 |
27,475 |
29,697 |
31,589 |
33,249 |
34,738 |
36,091 |
37,337 |
|
12 400 |
13,802 |
20,139 |
23,694 |
26,318 |
28,447 |
30,259 |
31,850 |
33,275 |
34,572 |
35,765 |
|
14 400 |
13,307 |
19,416 |
22,843 |
25,373 |
27,425 |
29,173 |
30,706 |
32,081 |
33,331 |
34,481 |
|
16 400 |
12,890 |
18,808 |
22,128 |
24,579 |
26,567 |
28,260 |
29,745 |
31,077 |
32,288 |
33,402 |
|
18 400 |
12,533 |
18,286 |
21,514 |
23,897 |
25,830 |
27,476 |
28,920 |
30,215 |
31,392 |
32,475 |
Таблица 5
Результат оценки удельной РС ЕОН в тыс. р. на 1 кв. м площади ЗУ в зависимости от площадей ЗУ и ОКС

ванных значениях SЗУ = sЗУ , SОКС = sОКС .
Кроме того, для фиксированного значения случайной величины V = v по условному двумерному распределению может быть построено множество всех значений SЗУ , SОКС, соответствующих такому значению V = v.
В приведенных далее формулах содержится ряд обозначений, аналогичных обозначениям, примененным в работе [1].
Введем вспомогательные обозначения.
Вектор средних случайного вектора ( W , Y , Z ) обозначим ( μ W , μ Y , μ Z ) . Ковариационную матрицу запишем в следующем виде:
CV = ⎜⎜ ρ YW σ W σ Y ⎝ ρ ZW σ W σ Z
ρ WY σ W σ Y ρ WZ σ W σ Z
σ Y 2 ρ YZ σ Y σ Z
ρ ZY σ Y σ Z σ Z 2
2 σ W
cov ( W,Y
COV = Y ⎝ ρ ZY σ Y σ Z
ρ YZ σ Y σ Z ⎞ σ Z 2 ⎟⎠
cov ( W,Y )
COV
где Y = ( Y,Z ) ; cov ( W,Y ) = ( ρ WY σ W σ Y ; ρ WZ σ W σ Z ) ; σ W 2, σ Y 2, σ Z 2 – дисперсии случайных величин W , Y , Z ;
ρ WY = ρ YW , ρ WZ = ρ ZW , ρ YZ = ρ ZY – соответствующие коэффициенты корреляции.
Для оценки РС по условному распределению при заданных значениях SЗУ = sЗУ, SОКС = sОКС необходимо знать условное математическое ожидание случайной величины W :
E ( W|Y = y,Z = z ) = μ W +
COV -1 x cov ( X,Y ) T , ( y - ^.z - ^ z )
и условную дисперсию случайной величины W :
D ( W | Y = y,Z = z ) = 0 ^ 2, - COV "1 x cov ( w.^Y ) T , cov ( w.^Y )
В соответствии с введенными ранее обозначениями Y = ln( SЗУ ) , Z = ln( SОКС ) , y = ln( sЗУ ) , z = ln( sЗУ ) .
Оценка РС как наиболее вероятное значение цены предложения V при заданных SЗУ = sЗУ, SОКС = sОКС (подробнее см. [2]) рассчитывается по следующей формуле:
Mode ( V|s окс ,s зу ) = exp { μ W +⎡⎢⎣ COV - 1 × cov
-
- σ W 2 +⎡⎢ COV - 1 × cov
,cov
Оценка РС по условному математическому ожиданию:
E ( V|s окс ,s зу ) = exp { μ W +
T
COV - 1 × cov ( X,Y ) , ( y
- μ Y,z - μ Z ) ⎤⎥+
12 2 σW
⎡ COV - 1 × cov 2 ⎢⎣
,cov
Оценка РС по условной медиане рассчитывается по формуле:
^- T
Median ( V|s 0KC ,s 3y ) = exp U + I COV - 1 x cov ( X,Y ) , ( y - ц ^ /z - ^ z ) l } . (14)
Поскольку в оценочной среде по-прежнему нет единого мнения относительно того, по какой числовой характеристике надо определять рыночную стоимость (по арифметическому среднему, среднему геометрическому или по оценке моды), может быть выбрана одна из формул (12), (13) или (14). В этом смысле подход к оценке единых объектов через изучение многомерного вектора ( V , SЗУ , SОКС ) дает более широкие возможности, чем формулы вида (9) и (10), дающие медианную оценку. В частности, если логарифмы компонент такого вектора распределены совместно нормально, то совместно нормально распределены и логарифмы компонент трехмерных векторов ( V / SОКС , SЗУ , SОКС ), ( V / SЗУ , SЗУ , SОКС ). По мнению автора, определению РС, данному в Федеральном законе от 29 июля 1998 года № 135-ФЗ «Об оценочной деятельности в Российской Федерации» (как и в USPAP, RICS, IVA), соответствует формула (12). Но кроме определения РС, есть более глубокое объяснение того факта, что в оценке следовало бы опираться на наиболее вероятные значения. Это особенно наглядно проявляется при рассмотрении многомерных распределений.
Рассмотрим пример, приведенный в работе [1].
Для логарифмов переменных «отношение цены к площади улучшений», «площадь зданий», «площадь земельного участка», указанных в таблице 2, получены следующие значения вектора средних, то есть μ W = 10,2993, μ Y = 8,4469, μ Z = 9,3506, σ W 2 = 0,2381, σ Y 2 = 1,0635, σ Z = 1,2140, ρ WY σ W σ Y = ρ YW σ W σ Y = 0,0108, ρ WZ σ W σ Z = ρ ZW σ W σ Z = 0,1467, ρ YZ σ Z σ Y = ρ YZ σ Z σ Y = 0,8978 и ковариационная матрица (см. табл. 6).
Таблица 6
Выборочные средние значения и ковариационная матрица для случайного вектора (W, Y, Z) *
Вектор средних |
||
10,2993 |
8,4469 |
9,3506 |
Ковариационная матрица |
||
0,2381 |
0,0108 |
0,1467 |
0,0108 |
1,0635 |
0,8978 |
0,1467 |
0,8978 |
1,2140 |
Таблица 7
Результаты оценки удельной РС, в рублях на 1 кв. м площади улучшений (ОКС) в зависимости от площадей ЗУ и ОКС
МОДАЛЬНЫЕ ЗНАЧЕНИЯ
Плошадь земельного участка, кв. м |
|||||||||||
2 000 |
7 000 |
12 000 |
17 000 |
22 000 |
27 000 |
32 000 |
37 000 |
42 000 |
47 000 |
||
>3 3 CD 9 м со л ^ СП 9 о 5 |
400 |
26 247 |
38 298 |
45 058 |
50 049 |
54 096 |
57 543 |
60 568 |
63 279 |
65 745 |
68 014 |
2 400 |
16 938 |
24 714 |
29 076 |
32 297 |
34 909 |
37 133 |
39 085 |
40 835 |
42 426 |
43 890 |
|
4 400 |
14 605 |
21 310 |
25 072 |
27 849 |
30 101 |
32 019 |
33 702 |
35 211 |
36 583 |
37 845 |
|
6 400 |
13 327 |
19 445 |
22 877 |
25 411 |
27 466 |
29 216 |
30 752 |
32 129 |
33 381 |
34 533 |
|
8 400 |
12 469 |
18 194 |
21 406 |
23 777 |
25 700 |
27 337 |
28 775 |
30 062 |
31 234 |
32 312 |
|
10 400 |
11 835 |
17 269 |
20 317 |
22 567 |
24 392 |
25 947 |
27 311 |
28 533 |
29 645 |
30 668 |
|
12 400 |
11 337 |
16 542 |
19 462 |
21 618 |
23 366 |
24 855 |
26 161 |
27 332 |
28 397 |
29 377 |
|
14 400 |
10 930 |
15 948 |
18 763 |
20 842 |
22 527 |
23 962 |
25 222 |
26 351 |
27 378 |
28 323 |
|
16 400 |
10 588 |
15 449 |
18 176 |
20 189 |
21 822 |
23 212 |
24 433 |
25 527 |
26 521 |
27 436 |
|
18 400 |
10 294 |
15 021 |
17 672 |
19 629 |
21 217 |
22 569 |
23 755 |
24 818 |
25 786 |
26 675 |
МЕДИАНННЫЕ ЗНАЧЕНИЯ
Плошадь земельного участка, кв. м |
|||||||||||
2 000 |
7 000 |
12 000 |
17 000 |
22 000 |
27 000 |
32 000 |
37 000 |
42 000 |
47 000 |
||
>3 3 CD 9 м >* со 'О СП 9 о 5 |
400 |
31 947 |
46 615 |
54 843 |
60 918 |
65 844 |
70 039 |
73 722 |
77 021 |
80 023 |
82 784 |
2 400 |
20 616 |
30 081 |
35 391 |
39 311 |
42 490 |
45 197 |
47 573 |
49 703 |
51 640 |
53 421 |
|
4 400 |
17 777 |
25 938 |
30 517 |
33 897 |
36 638 |
38 972 |
41 021 |
42 858 |
44 528 |
46 064 |
|
6 400 |
16 221 |
23 668 |
27 846 |
30 930 |
33 431 |
35 561 |
37 431 |
39 106 |
40 630 |
42 032 |
|
8 400 |
15 177 |
22 146 |
26 055 |
28 941 |
31 281 |
33 274 |
35 023 |
36 591 |
38 017 |
39 329 |
|
10 400 |
14 405 |
21 019 |
24 729 |
27 468 |
29 690 |
31 581 |
33 242 |
34 730 |
36 083 |
37 328 |
|
12 400 |
13 799 |
20 134 |
23 688 |
26 312 |
28 440 |
30 252 |
31 843 |
33 268 |
34 564 |
35 757 |
|
14 400 |
13 304 |
19 412 |
22 838 |
25 368 |
27 419 |
29 166 |
30 700 |
32 074 |
33 324 |
34 473 |
|
16 400 |
12 887 |
18 804 |
22 123 |
24 574 |
26 561 |
28 253 |
29 739 |
31 070 |
32 281 |
33 395 |
|
18 400 |
12 530 |
18 283 |
21 510 |
23 892 |
25 824 |
27 470 |
28 914 |
30 208 |
31 385 |
32 468 |
ЗНАЧЕНИЯ ПО МАТЕМАТИЧЕСКОМУ ОЖИДАНИЮ
Плошадь земельного участка, кв. м |
|||||||||||
2 000 |
7 000 |
12 000 |
17 000 |
22 000 |
27 000 |
32 000 |
37 000 |
42 000 |
47 000 |
||
>3 3 3 CD 9 м ^ со 'О СП 9 о 5 |
400 |
35 246 |
51 428 |
60 506 |
67 208 |
72 643 |
77 271 |
81 334 |
84 974 |
88 285 |
91 332 |
2 400 |
22 744 |
33 187 |
39 045 |
43 370 |
46 877 |
49 864 |
52 485 |
54 835 |
56 971 |
58 937 |
|
4 400 |
19 612 |
28 616 |
33 668 |
37 397 |
40 421 |
42 996 |
45 257 |
47 283 |
49 125 |
50 820 |
|
6 400 |
17 895 |
26 112 |
30 721 |
34 124 |
36 883 |
39 233 |
41 296 |
43 144 |
44 825 |
46 372 |
|
8 400 |
16 744 |
24 432 |
28 745 |
31 929 |
34 511 |
36 710 |
38 640 |
40 369 |
41 942 |
43 389 |
|
10 400 |
15 893 |
23 189 |
27 283 |
30 305 |
32 755 |
34 842 |
36 674 |
38 315 |
39 809 |
41 182 |
|
12 400 |
15 224 |
22 213 |
26 134 |
29 029 |
31 377 |
33 376 |
35 130 |
36 703 |
38 133 |
39 449 |
|
14 400 |
14 677 |
21 416 |
25 196 |
27 987 |
30 250 |
32 178 |
33 869 |
35 385 |
36 764 |
38 033 |
|
16 400 |
14 218 |
20 746 |
24 408 |
27 111 |
29 304 |
31 171 |
32 810 |
34 278 |
35 614 |
36 843 |
|
18 400 |
13 824 |
20 170 |
23 731 |
26 359 |
28 491 |
30 306 |
31 899 |
33 327 |
34 626 |
35 821 |
О плотности застройки земельного участка
При заданном значении V = v по условному двумерному распределению случайных величин SЗУ , SОКС может быть оценена наиболее вероятная (средняя, средняя геометрическая) пара значений площади земельного участка и площади ОКС, соответствующая такой цене. При этом наиболее вероятная пара – единственна, а пары, которые соответствуют средним арифметическим и средним геометрическим значениям не единственны и обладают разными плотностями застройки при одной и той же фиксированной цене.
При заданных значениях V = v , SЗУ = sЗУ по одномерному условному распределению может быть оценено наиболее вероятное значение площади ОКС, соответствующее фиксированной цене и площади земельного участка.
Пусть V = v. Условное математическое ожидание:
E ( Y IW = w )
μ Y + ρ YW ( w - μ W )
σ W
μ Z + ρ ZW σZ ( w - μ W ) σ W
Условная ковариационная матрица:
( ^
Y|W = w )

σ Y σ Z ( ρ YZ - ρ YW ρ ZW )
⎜⎝ σ Y σ Z
( ρ YZ - ρ YW ρ ZW )

Наиболее вероятная пара sЗУ , sОКС , соответствующая фиксированному значению V = v :

= mod e ( Y |V = v ) = exp [ E ( Y |
W = w ) - COV ( y IW = w ) • l ].
При фиксированном V = v положительная четверть плоскости SЗУ , SОКС является множеством точек, на котором определено двумерное распределение величин SЗУ , SОКС, логарифмы которых совместно нормальны с указанными параметрами. Точка максимума двумерной плотности – единственна, ее координаты дает формула (17). Пример такой плотности показан на рисунке 5 (см. с. 24). Для любой другой точки в плоскости SЗУ , SОКС существует множество других равновероятных точек, образующих линии, показанные на рисунке 6.
CD

0 20 40 60 80
S 3y , тыс. KB. M
Рис. 6. Общий вид линий уровня равновероятных точек на плоскости с координатами SЗУ , SОКС
Формула (17) дает координаты точки максимума, которая хорошо видна на трех примерах, показанных на рисунке 5. Выбранная, в качестве оценки наиболее подходящей пары sЗУ , sОКС , любая другая точка положительной четверти плоскости SЗУ , SОКС попадает на линию уровня вида, показанного на рисунке 6.
Таким образом, если выбирается не точка максимума, то существует целое множество других, равновероятных точек. Плотность застройки участка в каждой такой точке будет разной (при одинаковом значении V = v).

Рис. 5. Общий вид двумерной плотности распределения для случайных величин SЗУ , SОКС при различных фиксированных значениях V = v
Если зафиксировать, кроме V = v, площадь земельного участка SЗУ = sЗУ , то можно получить одномерный условный закон распределения (в данном случае логарифмически нормальный) для случайной величины SОКС. Для одномерной случайной величины, как уже неоднократно было показано (например, в работе [2]), оценки наиболее подходящего значения SОКС при заданных V = v, SЗУ = sЗУ могут быть сделаны по моде (наиболее вероятное значение единственное), по арифметическому среднему (оценка математического ожидания имеет еще одну равновероятную точку), среднему геометрическому (оценка медианы тоже имеет еще одну равновероятную точку). Делением результатов соответствующих оценок на площадь участка могут быть построены соответствующие зависимости для плотности застройки. Расчетные формулы для этого случая приведены в работе [1]. Здесь ограничимся только общим видом функциональных зависимостей sОКС от sЗУ и плотности застройки (коэффициента застройки) от sЗУ при фиксированном значении V = v .
Из рисунка 7 видно, что плотность (коэффициент) застройки нелинейно зависит от площади земельного участка при одном и том же значении V = v. Модель совместно нормального распределения логарифмов компонент вектора ( V , SЗУ , SОКС ) означает, что показанные на рисунке 7 функции являются степенны ́ ми. Линейную аппроксимацию таких зависимостей, как это видно из рисунка 7, следует применять осторожно, с выполнением двух условий:
-
• разброс значений площадей земельного участка объектов сравнения должен быть небольшим, позволяющим надеяться на относительно небольшую погрешность расчетов, в которых используется линейная зависимость вместо степенной;
-
• не допускается экстраполяция за пределы области наблюдаемых площадей объектов сравнения.

Рис. 7. Слева – зависимость sОКС от sЗУ при фиксированном значении V = v .
Справа – зависимость плотности (коэффициента) застройки z = SОКС / SЗУ от площади земельного участка sЗУ при фиксированном значении V = v
Заключение
Настоящая статья имеет практическую направленность. С теоретической точки зрения показанные в ней приемы являются известными, но до сих пор не освоенными в практике расчетов оценки РС объектов недвижимого имущества. Одним из возможных объяснений может служить традиционная приверженность оценщиков к Excel. Этот хорошо зарекомендовавший себя продукт является основным инструментом при подготовке отчетов об оценке. Использование специальных статистических пакетов не заменяет, а дополняет его, так как часть задач в специальных пакетах решается значительно быстрее. Другую часть задач, таких как модели множественной линейной регрессии, сводящиеся к ней модели, работа с индикативными переменными, проверка статистических гипотез и многое другое, лучше решать с использованием специальных пакетов, поскольку в Excel они могут быть решены с преодолением значительных трудностей либо вообще оказаться неразрешимыми.
Преимуществом модели множественной линейной регрессии, показанной в первой части статьи, являются:
-
• построение модели по всем предикторам одновременно;
-
• простая и наглядная интерпретируемость коэффициентов при индикативных переменных;
-
• возможность получать содержательные статистические характеристики получаемых моделей.
При этом труд оценщика становится более структурированным и включает следующие этапы:
-
• отбор и подготовка данных к применению специального пакета;
-
• обработка данных стандартными библиотечными функциями;
-
• интерпретация полученного результата.
Любой оппонент отчета об оценке в состоянии проделать такие же действия и получить такой же или близкий результат. Естественно, отбор объектов сравнения имеет первостепенное значение, особенно при работе с малыми выборками. Основной фокус работы оценщика смещается в область отбора, подготовки данных и интерпретации полученных результатов.
Использование модели, показанной во второй части статьи, в среде Excel трудоемко, занимает много времени. Такая модель вряд ли будет когда-либо использована оценщи- ком, работающим только в Excel. В среде специальных статистических пакетов однажды написанный программный код дает возможность применять его постоянно к разным данным и получать результаты гораздо быстрее, чем это происходит сейчас при подготовке расчетных частей отчетов об оценке. Более того, если подобным способом удается подобрать подходящую модель, то по этой модели могут быть получены результаты не только по конкретному объекту оценки, но и по всему множеству «сходных» объектов недвижимости, что позволяет с минимальными затратами времени рассчитывать таблицы. Особенностью подобных моделей является нелинейная зависимость исследуемых переменных (различных цен, стоимостей) от ценообразующих факторов (предикторов).
Список литературы Множественная линейная регрессия и многомерные модельные распределения при оценке единых объектов недвижимости
- Ласкин М. Б. Многомерное логарифмически нормальное распределение в оценке недвижимого имущества // Бизнес-информатика. 2020. Т. 14. № 2. С. 48-63.
- Ласкин М. Б. Логарифмически нормальное распределение цен и рыночная стоимость на рынке недвижимости // Известия Санкт-Петербургского государственного технологического института. 2014. № 25 (51). С. 102-106.
- Об оценочной деятельности в Российской Федерации: Федеральный закон от 29 июля 1998 года № 135-ФЗ. Доступ из справочной правовой системы "КонсультантПлюс".