Моделирование стоимости жилой недвижимости на рынке Калининграда в условиях увеличения турпотока в регион

To view a copy of this license, visit

Развитие туризма вносит существенный вклад в экономику любого региона (в частности, в валовой региональный продукт, занятость местного населения, предпринимательскую активность регионального бизнеса, инвестиции). Сегодня Калининградская область де-факто является туристско-привлекательным регионом РФ с растущим турпотоком. В табл. 1 представлены показатели официальной статистики, характеризующие рост сферы гостеприимства региона за период с 2015 по 2022 гг., динамика которых для объективности анализа проиллюстрирована цепными темпами роста на рис. 1.

Таблица 1–Показатели сферы гостеприимства Калининградской области за 2015–2022 гг .1

Показатель	2015	2016	2017	2018	2019	2020	2021	2022
Число ночёвок в гостиницах и аналогичных средствах размещения, тыс. ед.	966,4	1094,5	1012,8	1101,0	1166,6	1265,5	2019,3	2 057,9
Численность размещённых лиц в гостиницах и аналогичных средствах размещения, тыс. чел.	468,2	468,7	490,2	556,5	587,0	481,4	748,1	662,8
Оборот общественного питания за год, млн. руб.	9 691,8	10 294,5	11 700,9	13 043,2	14 288,0	11 329,8	17 241,3	22 518,9
Оборот общественного питания за год (в сопоставимых ценах), в % к предыдущему году	94,9	99,9	109,3	107,1	104,9	76,4	140,7	111,7

Число ночёвок в гостиницах и аналогичных средствах размещения, в % к предыдущему году

Численность размещенных лиц в гостиницах и аналогичных средствах размещения, в % к предыдущему году

Оборот общественного питания за год (в сопоставимых ценах), в % к предыдущему году

Рис. 1 –Динамика показателей сферы гостеприимства Калининградской области за 2015–2022 гг. (цепные темпы роста, в %, рассчитаны по данным Росстата1)

По официальным данным Росстата, ведущему соответствующий учёт с 2022 г., турпоток в регион по количеству поездок российских и зарубежных граждан в 2023 г. составил 1325935 ед., по числу ночёвок – 5902659 ед.2 По экспертным оценкам министра по культуре и туризму региона Андрея Ермака, с 2015 по 2023 гг. турпоток в Калининградскую область вырос вдвое (с 1 до 2 млн чел.), а к 2030 г. может приблизиться к цифре в 4 млн3. Руководство Калининградской области подчёркивает, что для региональной экономики важен не сам факт роста числа туристов, а размер финансового результата их пребывания в регионе, 3 который должен расти высокими темпами4. При этом валовая добавленная стоимость туринду-стрии региона в основных текущих ценах за 2019-2022 гг. выросла на 27% с 20 796,2 до 26

437,5 млн. руб .5, доля валовой добавленной стоимости туристской индустрии в валовом региональном продукте Калининградской области за аналогичный период сократилась с 4 до 3,6%.Что лишь отчасти можно считать удовлетворительным результатом.

Средние цены по всем типам квартир на вторичном рынке жилья, руб /м2 общей площади

Линейная (Средние цены по всем типам квартир на первичном рынке жилья, руб /м2 общей площади )

Полиномиальная (Средние цены по всем типам квартир на вторичном рынке жилья, руб /м2 общей площади)

Рис. 2 – Средние цены на рынке жилья по Калининградской области, руб./м2 общей площади, по состоянию на 1 квартал 2018–2024 гг. (сост. по данным Росстата8)

Такое положение, являющееся своего рода вызовом, разнонаправленно отразилось на региональной экономике в целом и, в первую очередь, на сфере гостеприимства6, пассажирских перевозках6, продуктовой ин-фляции7, рынке недвижимости6 и некоторых др. В частности, растёт интерес туристов и местного населения к покупке жилой недвижимости для последующей сдачи её в аренду или для собственного проживания на «летних» квартирах, люди инвестируют в недвижи- мость, под воздействием впечатлений от отдыха происходят эмоциональные покупки, пользуются спросом туры за недвижимостью. Последние годы на региональном рынке, в частности рынке г. Калининграда, наблюдается значительный рост цен. В первом квартале 2024 г. Калининградская область вышла на третье место в СЗФО по показателю средней цены общей площади квартир всех типов на вторичном рынке (руб./м2). Как отмечают аналитики Росстата за последние десять лет с 2015 по

2019 гг. цены на первичном и вторичном рынке жилья в регионе менялись незначительно, резкий рост начался с 2021 г .8, поэтому в дальнейшем для изучения проблемы мы будем опираться на данные 2018 допандемий-ного года как на базу сравнения. Эксперты также связывают эту тенденцию с ростом в постпандемийный период внутреннего туризма, как одного из факторов её обусловливающую, наряду с господдержкой ипотечного кредитования, проектным финансированием и некоторыми другими. Рис. 2 иллюстрирует тренд цен на жилую недвижимость в регионе по всем типам квартир по состоянию на первый квартал 2018–2024 гг.

Кроме того, квартиры становятся менее доступны для низкодоходных слоёв жителей и в частности, для молодёжи, что влияет на уровень жизни населения региона, являясь социальной проблемой.

Анализ публикаций по проблематике исследования

Проблема роста цен на жилую недвижимость в туристско-привлекательных регионах на протяжении долгого времени во всем мире является предметом научного анализа. Только за последние несколько лет в ведущих научных изданиях опубликовано значительное число результатов таких исследований, базирующихся на применении различных количественных методов анализа. В частности, китайские учёные Wu Ts.P., Wu H.Ch., Gao R., Wu Yu.Yu. по данным за 1995–2019 гг. на основе квантильных регрессионных моделей и непараметрических методов (quantile-on-quantile analysis) подтвердили взаимосвязь между развитием туризма и ростом цен на жилье в крупных городах Китая (Пекине, Шанхае и Гуанчжоу), оценили различия такого влиянии на экономику городов, разработали предложения по формированию политики развития конкретного города [11]. Cunha A.M. и Lobão J., изучая проблему рынка краткосрочной аренды недвижимости в туристско-привлекательных регионах Португалии на основе методологии «разница в различиях» и обобщённого метода наименьших квадратов при проведении регрессионного анализа на панельных данных за 2011–2019 гг., пришли к статистически обоснованным выводам о росте цен на жилье, вызванным переводом недвижимости из сферы жилищных услуг в сферу туризма [10]. Исследование влияния туризма на цены на жилье Италии на основе регрессионных моделей, включающих латентные переменные (модели скрытого класса), проведённое Biagi B., Brandano M.G. и Caudill S.B., даёт неоднозначные результаты: только в ряде городов Италии, где наблюдается рост туризма, статистически достоверно подтверждается факт такого влияния, в других же городах выборки, где увеличивается туристическая активность, его влияние на рост цен на жилье не установлено [9]. Alola A.A., Asongu S.A., Alola U.V., исследуя взаимосвязь между развитием туризма и ценами на жилье в Республике Кипр за 20052016 гг. на основе многомерной модели авторегрессии с распределённым лагом, установили, что процентное увеличение числа прибывающих туристов приводит к росту цен на жилье примерно на 37%. Авторы отмечают необходимость разработки стратегии развития Республики, которая обеспечит социальную защищённость жителей таким образом, чтобы туристская деятельность не препятствовала доступности жилья населения [8].

Отечественные учёные при изучении рынка жилой недвижимости также используют широкий спектр аналитики от базовых статистических методов, как например, в исследовании Табак Л.В., Суворовой Н.А., где задействована дескриптивная статистика [7], до более сложных аналитических инструментов, как в работе Ворониной Е.В., Ярош О.Б., Берёзы Н.В., Россинской М.В., где при моделировании стоимости 1 кв. жилой недвижимости используется нечёткая логика [1]. Выделяются работы по эконометрическому изучению факторов, влияющих на цены на жилую недвижимость. В частности, наиболее типичны исследования на основе регрессионного моделирования. В качестве примера приведём исследование Саниной Л.В., Шерстянкиной Н.П., Берген Д.Н., Дашкевич П.М. регионального рынка жилой недвижимости городов Иркутской области [6] и исследование Пироговой О.Е., Емельянова А. по рынку жилья г. Санкт-Петербург [4]. Также распространены исследования по разработке прогнозов цен на недвижимость в туристско-привлекательных регионах, например, Рубинштейн Е.Д. и Осипенко Н.С. на основе ARIMA-модели (авторегрессионной модели проинтегрированного скользящего среднего) прогнозируют цены на жилую недвижимость г. Владивосток [5], а Клочкова E.Н. и Толстякова М.А. прогнозируют цены на национальном рынке недвижимости РФ на основе модели Хольта-Винтерса (модели тройного экспоненциального сглаживания) [2].

Методы и методология исследования

В ходе проведения исследования использовались методы статистического и эконометрического анализа, в частности многофакторное регрессионное моделирование. Анализ проводился на данных из открытых источников о цене 1 кв. м на рынке жилой недвижимости г. Калининграда и ряда факторов, предположительно влияющих на этот показатель по состоянию на сентябрь 2018 г. и январь 2024 г .9, выборка составила 321 и 130 квартир, соответственно. В работе использовалось программное обеспечение Gretl, Statistica, Excel. На базе имеющихся в распоряжении авторов данных в ходе исследования были построены линейные регрессионные модели в естественной и стандартизованной формах, нелинейные регрессионные модели с робастными стандартными ошибками (с поправками на гетероскедастич-ность) по состоянию на эталонный 2018 г. и

2024 г., а также в условиях роста турпотока в регион за этот период проанализированы выявленные изменения в силе влиянии факторов на рыночные цены и стоимость жилой недвижимости.

Данная работа авторов является продолжением изучения проблемы влияния туризма на экономику Калининградской области, затронутой в исследовании Лукьяновой Н.Ю., Ти-щук М.О. [3], в котором на основе эконометрического моделирования и моделей панельных данных с фиксированными эффектами и робастными стандартными ошибками (HAC) было статистически достоверно установлено влияние развивающегося внутреннего туризма на инвестиционное поведение населения в туристско-привлекательных регионах РФ. В данном исследовании авторами тестировалась основная гипотеза об изменении силы влияния различных факторов на стоимость жилой недвижимости г. Калининград в условиях увеличения турпотока за 2018–2024 гг., которая ранее не проверялась, и на сегодня таких исследований в научных изданиях опубликовано не было. Результаты этого тестирования составили научную новизну работы. Практическая значимость данной работы заключается в создании аналитической базы для формирования социальной и жилищной политики Калининградской области. Таким образом, цель настоящего исследования – факторный анализ построенных эконометрических моделей для проверки сформулированной выше гипотезы.

Результаты исследования

Для проверки гипотезы на основе регрессионного моделирования в качестве эндогенной переменной, т.е. результирующего фактора, выбраны показатель «цена 1 кв. м квартиры г. Калининград» (Price) и показатель “стоимость квартиры г. Калининград” (Cost). При проведении исследования анализировалось влияние на эндогенную переменную 13-ти факторов (экзогенных переменных), включая

Таблица 2 – Факторы (экзогенные переменные) для регрессионного моделирования

Фактор (экзогенная переменная) Единица измерения Обозначение в модели общая площадь кв.м Square жилая площадь кв.м Living_area количество комнат ед. Number_of_rooms наличие предыдущих владельцев первичное / вторичное жильё Primary-secondary_housing наличие парковки на территории жилого дома есть / нет Availability_of_parking Площадь кухни кв.м. Kitchen_area наличие ремонта есть / нет Аpartment_renovation количество этажей в жилом доме ед. Number_of_floors наличие детской площадки на территории жилого дома есть / нет Children_playground наличие лифта в жилом доме есть / нет Elevator материал постройки внешних несущих стен здания кирпич / другой материал Main_building_material класс жилья элитное / улучшенной планировки / типовое Housing_class_elite / Нousing_class_improved layout / Housing_class_typical удалённость от центра г. Калининграда км Distance_city_center как количественные, так и качественные (фиктивные) переменные, описание которых представлено в табл. 2.

В ходе проведённого исследования с использованием пакетов Gretl и Statistica были построены линейные и нелинейные регрессионные модели с робастными стандартными ошибками, а также стандартизованные модели и корреляционные матрицы. C учётом понимания наличия функциональной связи между результатом и факторами, характеризующими площадь недвижимости, было статистически достоверно установлено влияние на «цену 1 кв. м квартиры г. Калининград» Price в 2018 г. таких факторов, как наличие предыдущих хозяев первичное (вторичное) жильё Pri-mary-secondary_housing (-0,37), наличие парковки на территории жилого дома Availability_of_parking (-0,35), удалённость от центра г. Калининграда, км Distance_city_ center (0,35), а в 2024 г. факторов – наличие лифта в жилом доме Elevator (0,27), класс жилья, элитное Housing_class_elite (0,57) и типовое Housing_class_typical (0,34 )10.

Стандартизованная четырехфакторная модель

Рис. 3 – Стандартизованные четырёхфакторные модели стоимости квартиры г. Калининград по состоянию на сентябрь 2018 г., январь 2024 г. (смоделировано в пакете Statistica)

_______________________________ (январь 2024 г.)

^ Multiple Regression Results: Mo del2024. st а

Использование в качестве эндогенной переменной фактора «стоимость квартиры г. Калининград» Cost дало следующие результаты. Анализ корреляционных матриц изучаемых факторов и построенных стандартизованных регрессионных моделей (рис. 3) свидетельствует, что влияние на стоимость квартир таких факторов как количество комнат, тип жилья (первичное / вторичное) за анализируемый период ослабло, усилилось влияние фактора общей площади квартиры (с учётом понимания наличия функциональной связи между результатом и фактором) и фактора наличия парковки, что указывает на изменение структуры предложения и инвестиционного поведения покупателей.

Отметим, что по выборке 2024 г. в построенных моделях такие факторы, как наличие парковки, тип жилья (первичное / вторичное), наличие ремонта в жилом доме и материал постройки внешних несущих стен здания оказались статистически незначимыми, то есть не подтвердилась гипотеза об их влиянии на стоимость квартир. Полученные результаты могут быть косвенным подтверждением тренда на приобретение квартир не для постоянного проживания, но требуют дополнительного изучения, например, при увеличении объёма выборки. В итоге были составлены модели 2018 и 2024 гг. с одинаковым набором экзогенных переменных для получения сопоставимости при формулировании выводов: эндогенная переменная – «стоимость квартиры г. Калининград» (Cost); экзогенные переменные – «общая площадь квартиры, кв.м.» (Square), «количество комнат в квартире, ед.» (Number_of_rooms), «первичное (вторичное) жилье» (Primary-secondary_housing), «наличие парковки на территории жилого дома» (Availability_of_ parking). Анализ коэффициентов детерминации, показывает, что совместный вклад вышеуказанных факторов в вариацию стоимости квартиры в 2024 г. вырос по сравнению с 2018 г. (с 0,76 до 0,8), а факторы Primary-secondary_housing – тип жилья (пер-вичное-вторичное) и Availability_of_parking – наличие парковки утратили в 2024 г. свою статистическую значимость.

Также для сопоставимости выводов и более точного понимания вклада в стоимость квартир статистически значимых на однопроцентном уровне факторов было применено логарифмирование эндогенной переменной «стоимость квартиры г. Калининград» (Cost). Полученные статистически значимые модели в целом по состоянию на сентябрь 2018 г. и январь 2024 г. представлены на рис. 4.

Пятифакторная модель логарифма стоимости квартиры г. Калининград (февраль 2018 г.) Файл Правка Тесты Сохранить Графики Анализ LaTeX

Модель 2: МНК, использованы наблюдения 1-321

Зависимая переменная: 1 Cost

Робастные оценки стандартных ошибок (с поправкой на тетероскедастичность), вариант НС1

коэффициент ст. ошибка t-статистика р-зкачение const               14,0574

Square               0,0208151

Number_of_rooms     -0,0874254

Primarysecondary- -0,0714777

Availabilityof- -0,0952035

Dlacance_city_ce~ -0,0262833

0,0539605 0,00157095 0,0269171 0,0227375 0,0198186 0,00458090

260,5

13,25

-3,248

-3,144

-4,804

-5,738

0,0000 3,71e-032

0,0013

0,0018

2,41e-06

2,26e-08

Среднее завис, перемен 14,87128

Сумма кв. остатков      6,514755

R-квадрат               0,765674

F(5, 315)               154,1424

Ст. откл. завис, перем 0,294757

Ст. ошибка модели       0,143812

Исправ. R-квадрат       0,761954

Р-зкачение (F)           2,Обе-82

Четырехфакторная модель логарифма стоимости квартиры г. Калининград (январь 2024 г.) Файл Правка Тесты Сохранить Графики Анализ LaTeX

Модель 4: МНК, использованы наблюдения 1-130

Зависимая переменная: l_Cost

Робастные оценки стандартных ошибок (с поправкой на гетероскедастичность}, вариант НС1

Пропущены из-за совершенной коллинеарности: housing_class_typxcal коэффициент ст. ошибка t-статистика р-значение const

Square

hо из iл g_c1as s_e1-

14,8629 0,00907063 0,180438 0,631167 0,172460

0,0807934 0,00109447 0,0633075 0,0805020 0,0542800

184,0

8,288

2,850

7,840

5,24е-154

1,53е-013 0,0051

1,70е-012 0,0019

Среднее завис, перемен

R-квадрат

15,76944 8,893503 0,794638 85,44425

Ст. откл. завис. : Ст. ошибка модели Исправ. R-квадрат Р-зкачение (F)

0,579404 0,266736 0,788066 8,08е-35

Рис. 4 – Многофакторные модели логарифма стоимости квартиры г. Калининград по состоянию на сентябрь 2018 г., январь 2024 г. (смоделировано в пакете Gretl)

В частности, в 2018 г. на стоимость жилья статистически значимое влияние на однопроцентном уровне оказывали следующие факторы: общая площадь квартиры, кв.м. (Square), количество комнат в квартире, ед. (Number_of_rooms), первичное / вторичное жилье (Primary-secondary_housing), наличие парковки на территории жилого дома (Availability_of_parking), удалённость от центра г. Калининграда, км (Distance_city_center). За анализируемый период, характеризующийся увеличением турпотока в регион, на стоимость квартир существенное влияние стали оказывать факторы класса жилья (элитной

(Housing_class_elite) и типовой (Housing_class_ typical) застройки), а также фактор наличия лифта (Elevator).

Выводы

Доступность жилья – это социальная проблема, обостряющаяся в туристско-привлекательных регионах мира и, в частности, в Калининградской области, характеризующаяся существенным ростом цен, решение которой требует формирования скоординированной социальной и жилищной политики. Для понимания ситуации на рынке жилой недвижимости недостаточно знать только уровень цен, необходимо детально изучать рыночную конъюнктуру, в частности, важно оперативно отслеживать факторы, её определяющие. Результаты проведённого в инициативном порядке исследования указывают на изменение влияния факторов на стоимость жилой недвижимости на рынке г. Калининград в условиях роста турпотока. В частности, было статистически достоверно установлено, что на стоимость жилья в настоящее время не оказывают влияние такие важные для постоянного проживания факторы, как площадь кухни, жилая площадь квартиры, наличие детской площадки, количество этажей в доме, наличие парковки, а также наличие предыдущих владельцев (первичное / вторичное жилье). То есть по сравнению с 2018 г. предложение на рынке жилой недвижимости рынке г. Калининград в условиях роста турпо-тока переориентировано на покупку квартир не для постоянного проживания. Авторам видится, что в дальнейшем, при условии наличия соответствующего финансирования, такое исследование следует поставить на постоянную основу, в частности увеличить количество наблюдаемых факторов, вести соответствующий мониторинг с периодичностью наблюдения (например, один раз в год), увеличить объем выборки, и уже на базе панели данных проводить более детальное моделирование и анализ.