Определение динамики цен на вторичном рынке жилой недвижимости с использованием многомерной регрессионной модели

Казимиров Илья Александрович , Пешков Виталий Владимирович

2019 / Том 9, номер 3(30) 2019 [ ЭКОНОМИКА И УПРАВЛЕНИЕ ]

Целью проведенного исследования являлась проверка гипотезы о возможности определения динамики цен на вторичном рынке жилой недвижимости с использованием многомерной регрессионной модели. Для реализации поставленной цели решались следующие задачи: разработка многомерной регрессионной модели цен на рынке недвижимости; определение динамики цен по результатам анализа построенной модели; сопоставление полученных показателей динамики цен с публикуемыми данными. Разработка многомерной регрессионной модели цен на вторичном рынке жилой недвижимости выполнена по предложениям о продаже квартир в многоквартирных панельных жилых домах 135-й серии, расположенных в г. Иркутске. Принимая во внимание необходимость учета в модели динамики цен в качестве одного из ценообразующих факторов, а также учитывая нелинейный характер зависимости цен от ценообразующих факторов, сложившийся на рынке недвижимости, использовалась мультипликативная многомерная регрессионная модель. Публикуемые данные о динамике цен на рынке недвижимости, используемые для сопоставления с результатами регрессионной модели, приняты по источникам, специализирующимся на анализе рынка недвижимости. В результате проведенного исследования была разработана многомерная регрессионная модель, включающая динамику цен в качестве одного из ценообразующих факторов. Полученные показатели качества разработанной многомерной регрессионной модели цен позволяют сделать вывод о ее состоятельности и возможности использования для решения поставленных целей и задач. Динамика цен, рассчитанная в разработанной многомерной регрессионной модели, обладает большей волатильностью по сравнению с публикуемыми статистическими данными, однако, находится в общем с ними тренде, что позволяет сделать вывод о возможности ее определения с использованием многомерной регрессионной модели.

Ключевые слова:

рынок жилой недвижимости,анализ рынка недвижимости,ценообразующие факторы,динамика цен,регрессионный анализ,многомерная регрессионная модель,residential real estate market,real estate market analyses,price forming factors,price dynamics,regression analysis,multidimensional regression model

Библиографический список:

1. Система обмена данными по рынку недвижимости. Сервис по сбору статистики в городах России [Электронный ресурс] // Российская гильдия риэлторов. URL: http://index. estate/citycharts (11.08.2019).
2. Цены на жилье. Аналитика рынка недвижимости // REALTY.IRK.RU. Недвижимость Иркутска и области [Электронный ресурс]. URL: https://realty.irk.ru/analytics.php?rub=2 (03.08.2019).
3. Cohen J.P., Coughlin C.C., Zabel J. Time-Geographically Weighted Regressions and Residential Property Value Assessment. The Journal of Real Estate Finance and Economics. 2019. DOI: 10.1007/s11146-019-09718-8.
4. Fotheringham A.S., Crespo R., Yao J. Geographical and Temporal Weighted Regression (GTWR). Geographical Analysis. 2015. Vol. 47. Iss. 4. P. 431-452. DOI: 10.1111/gean.12071.
5. Fotheringham A.S., Park B. Localized Spatiotemporal Effects in the Determinants of Property Prices: A Case Study of Seoul. Applied Spatial Analysis and Policy. 2018. Vol. 11. Iss 3. P. 581-598. DOI: 10.1007/s12061-017-9232-8.
6. Thomschke L. Changes in the distribution of rental prices in Berlin. Regional Science and Urban Economics. 2015. Vol. 51. P. 88-100. DOI: 10.1016/j.regsciurbeco.2015.01.001.
7. Waltl S.R. Estimating quantile-specific rental yields for residential housing in Sydney. Regional Science and Urban Economics. 2018. Vol. 68. P. 204-225. DOI: 10.1016/j.regsciurbeco.2017.10.011.
8. Zhang L., Yi Y. Quantile house price indices in Beijing. Regional Science and Urban Economics. 2017. Vol. 63. P. 85-96. DOI: 10.1016/j.regsciurbeco.2017.01.002.
9. Zhang L., Yi Y. What contributes to the rising house prices in Beijing? A decomposition approach. Journal of Housing Economics. 2018. Vol. 41. P. 72-84. DOI: 10.1016/j.jhe.2018.04.003.
10. Анисимова И.Н., Баринов Н.П., Грибовский С.В. Учет разнотипных ценообразующих факторов в многомерных регрессионных моделях оценки недвижимости // Вопросы оценки. 2004. № 2. С. 2-15.
11. Баринов Н.П. Оценка рыночной стоимости земельного участка методом многомерного регрессионного анализа // Бюллетень RWAY. 2014. № 232. С. 24-32.
12. Грибовский С.В., Сивец С.А., Левыкина И.А. Математические методы оценки стоимости недвижимого имущества. М.: Маросейка: Книжная линия, 2014. 352 с.
13. Попов А.А. Пространственно-временной анализ факторов ценообразования на рынке жилой недвижимости Москвы // Региональные исследования. 2014. № 4 (46). С. 70-80.
14. Сальников В.А., Михеева О.М. Модели прогнозирования цен на Московском рынке жилой недвижимости // Проблемы прогнозирования. 2018. № 1 (166). С. 129-139.
15. Файдрахманова Г.Ф. Математическое моделирование жилищного рынка недвижимости // Международный научно-исследовательский журнал. 2016. № 12-5(54). С. 215-218. DOI: 10.18454/IRJ.2016.54.172.
16. Poni38.ru. Недвижимость Иркутска [Электронный ресурс]. URL: http://poni38.ru/ (03.08.2019).
17. Казимиров И.А., Ощерин Л.А., Сахилтарова С.В. Разработка и исследование многомерных регрессионных моделей вторичного рынка жилой недвижимости // Известия вузов. Инвестиции. Строительство. Недвижимость. 2017. Т. 7, № 4. С. 87-107. DOI: 10.21285/2227-2917-2017-4-87-107.
18. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. М.: Экономика, 2009. 606 с.
19. Анисимова И.Н., Баринов Н.П., Грибовский С.В. О повышении достоверности оценки рыночной стоимости методом сравнительного анализа // Вопросы оценки. 2002. № 1. С. 2-10.
20. Кобзарь А. И. Прикладная математическая статистика. Для инженеров и научных работников. М.: Физматлит, 2006. 816 с.

Файлы:

• статья (скачать | просмотреть) - скачано 105 раз