ИСПОЛЬЗОВАНИЕ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА В ОЦЕНКЕ СТОИМОСТИ КВАРТИР НА ВТОРИЧНОМ РЫНКЕ НОВОСИБИРСКА И ВЫЯВЛЕНИЕ ХАРАКТЕРИСТИК, ВОЗДЕЙСТВУЮЩИХ НА РОСТ СТОИМОСТИ НЕДВИЖИМОСТИ

THE USE OF CORRELATION-REGRESSION ANALYSIS IN ASSESSING THE COST OF APARTMENTS IN THE SECONDARY MARKET OF NOVOSIBIRSK AND IDENTIFYING CHARACTERISTICS THAT AFFECT THE GROWTH OF REAL ESTATE VALUES

Artem Misyurenko

student, Department of Theoretical and Applied Economics, Siberian University of Consumer Cooperatives,

Russia, Novosibirsk

Maria Misyurenko

student, Department of Theoretical and Applied Economics, Siberian University of Consumer Cooperatives,

Russia, Novosibirsk

Diana Martin

student, Department of Theoretical and Applied Economics, Siberian University of Consumer Cooperatives,

Russia, Novosibirsk

Tatiana Zhelezova

scientific adviser, senior lecturer, Siberian University of Consumer Cooperatives,

Russia, Novosibirsk

АННОТАЦИЯ

В системе статистической обработки данных и аналитики часто используется сочетание методик корреляции и регрессии. В своем исследовании мы провели анализ стоимости недвижимости и выделили связь между факторами, которые оказывают прямое влияние на ценообразование недвижимости, с ростом цен на недвижимость Новосибирска посредством корреляционно-регрессионного метода.

ABSTRACT

The system of statistical data processing and analytics often uses a combination of correlation and regression techniques. In our study, we analyzed the value of real estate and identified the relationship between factors that have a direct impact on the pricing of real estate, with the growth of prices for real estate in Novosibirsk through the correlation and regression method.

Ключевые слова: корреляционно-регрессионный анализ; недвижимость.

Keywords: correlation-regression analysis; real estate.

Методами корреляционно-регрессионного анализа измеряют тесноту связей показателей при помощи коэффициента корреляции. [1; с. 30]

Цель работы: определить влияние факторов на формирование стоимости недвижимости на рынке.

Задачи исследования:

1)  Рассмотреть сущность корреляционно-регрессионного анализа на базе вторичного рынка недвижимости Новосибирска;

2)  Выявить связь между ростом цен на недвижимость и ценообразующими факторами.

Объект исследования: процесс ценообразования.

Предмет исследования: стоимость квартир на вторичном рынке жилья г. Новосибирска.

Существует группа факторов, оказывающих влияние на стоимость жилой недвижимости. В свою очередь их классифицируют по трем уровням. [2; с. 47]

К местному уровню относятся такие факторы, как:

1) Номер административного района; 2) Экологическая обстановка в административном районе; 3) Шаговая доступность до высших учебных заведений; 4) Наличие детского сада или школы; 5) Наличие остановки транспорта; 6) Шаговая доступность до метро; 7) Шаговая доступность до магазинов/развлекательных заведений.

К уровню непосредственного окружения относят следующие факторы:

8) Год постройки; 9) Этажность дома; 10) Материал наружных стен; 11) Материал перекрытий; 12) Наличие парковки; 13) Наличие домофона; 14) Наличие пассажирского лифта; 15) Наличие грузового лифта; 16) Наличие закрытой придомовой территории; 17) Наличие детской площадки.

К объектному уровню относятся такие факторы, как:

18) Общая площадь (кв.м.); 19) Жилая площадь (кв.м.); 20) Площадь кухни (кв.м.); 21) Количество комнат; 22) Высота потолков (м); 23) Этажность; 24) Класс объекта; 25) Наличие балкона или лоджии; 26) Наличие ремонта; 27) Статус; 28) Вид отопления; 29) Вид водоснабжения;  30) Вид Сан. Узла; 31) Наличие перепланировки; 32) Вид планировки; 33) Вид кухонной плиты; 34) Наличие мебели в квартире; 35) Вид из окон; 36) Срок владения; 37) Средняя стоимость квадратного метра.

Для того, чтобы применить корреляционно-регрессионный метод к нашему исследованию, присвоим каждому фактору соответствующий коэффициент.

Например: у показателя «наличие детского сада или школы (при условии ходьбы не более 15 минут) переводим наличие данной возможности в коэффициент «1», а отсутствие в коэффициент «2».

Воспользуемся функцией Microsoft Excel «коррел» для расчета коэффициента корреляции между факторами, влияющих на цену квартир и стоимостью самих квартир. С помощью данной функции мы определили, что только 7 факторов содержат высокую прямую связь:

rx1y = 0,714568 – номер административного района;

rx6y = 0,63748 – шаговая доступность до метро;

rx18y = 0,684271 – общая площадь;

rx19y = 0,637503 – жилая площадь; 

rx21y = 0,704373 – количество комнат;

rx24y = 0,668659 – класс объекта;

rx37y = 0,531155 – средняя стоимость квадратного метра.

Далее, с помощью функции Microsoft Excel «линейн» рассчитаем Y расчетное. (Y расчетное будет показывать расчетную стоимость недвижимости, используя только 7 факторов с высокой прямой связью). Затем сравним на рисунке 1 реальную цену и расчетную цену на недвижимость:

Рисунок 1. Сравнение реальной цены на недвижимость и расчетной цены на недвижимость

Таким образом можно сделать вывод, что построенная множественная линейная регрессия хорошо описывает исходные данные и ей можно пользоваться для прогнозирования (стоимости жилья) Y расчетного.

Далее рассчитаем коэффициент корреляции между значением, который обозначает рост стоимости недвижимости на 1 квадратный метр и между факторами, которые оказывают влияние на формирование стоимости недвижимости.

rx1y = 0,787807446 связь прямая, высокая – номер административного района;

rx10y = 0,329920877 связь прямая умеренная – материал наружных стен;

rx37y = 0,30569 связь прямая умеренная – средняя стоимость квадратного метра.

Теперь мы также, используя функцию Excel «линейн» рассчитаем Y расчетное.

Рисунок 2. Сравнение реального роста стоимости недвижимости и расчетного роста стоимости недвижимости

С помощью данных дисперсионного анализа, которые мы получили с помощью функции «регрессия» в Microsoft Excel мы сможем провести более подробный анализ, рассматривая только 3 вышеперечисленных фактора.

Таблица 1

Фрагмент дисперсионного анализа Microsoft Excel зависимости между номером района и значения, которое обозначает рост стоимости недвижимости на квадратный метр в процентах.

Уравнение модели, описывающее зависимость между номером района и значением, которое обозначает рост стоимости недвижимости на 1 квадратный метр в процентах:

Y = Y пересечение (0,14636491%) + переменная x1 (0,005946314) * x (количество задаваемых единиц, в нашем случае это номер района). При рассмотрении этого фактора, будет некорректно использовать данный способ оценки, поскольку здесь значения x несвязаны друг с другом.

Но заметим, что связь наблюдается. Поскольку, если взять за x номер района «10», то значение Y, примет значение выше, если бы мы брали другие районы. (Номера районов установлены нами в соответствии со средним ростом стоимости квартир в процентном выражении, от меньшего к большему).

Исходя из наших предыдущих расчетов, мы делаем выводы, что наиболее оптимальным вариантом покупки недвижимости для наибольшей выгоды при ее перепродаже, считается Первомайский, Советский, Центральный районы. При этом их средняя прогнозируемая прибыль при перепродаже 21,40%,21,14% и 21,46% соответственно за неполный год (без учета ноября и декабря 2021 года).

Проведя аналогичный анализ с оставшимися двумя факторами, мы делаем общий вывод, что оптимальным вариантом для покупки недвижимости, для дальнейшей ее перепродажи, наиболее правильно будет покупать квартиру, построенную в кирпичном доме. (Такой материал мы задали коэффициентом "3", он превышает коэффициент панельной квартиры "1", следовательно, подставив «3» в уравнение модели, значение будет выше). Также малое влияние будет оказывать средняя стоимость за 1 квадратный метр, чем она выше, тем будет прогнозироваться более высокий рост цен на недвижимость.

Список литературы:

1. Дрозд Н.М. Ценообразование на мировом рынке : учеб. пособие. – Минск : БИП-С, 2003. – 162 с.
2. Шаланов Н.В. Экономико-математические методы. – Новосибирск : СибУПК, 2001. – 40 с.