Евстафьев А. И., Максимов Д. В



Скачать 223.4 Kb.
страница5/6
Дата01.07.2018
Размер223.4 Kb.
ТипИсследование
1   2   3   4   5   6

Полученные результаты


Апробация разработанного коллективом метода исследования пространственной организации жилой застройки и рынка жилья была проведена на примере города Краснодар. Первым этапом явилась организация сбора и аналитическая обработка информации о состоянии, структуре рынка недвижимости, характеристиках рыночных сделок, об объектах социально-экономической инфраструктуры и различных потенциальных факторах сегментирования локальных рынков недвижимости.

Следующим этапом было проведено районирование рынка недвижимости Краснодара как первого этапа проверки гипотезы на практике. Применен разработанный метод моделирования пространственного распределения явлений-факторов организации рынка недвижимости на основе многофакторного регрессионного моделирования и ГИС-анализа, отработаны методы вербализации полученных результатов.

В результате корреляционно-регрессионного анализа было выявлено, что часть переменных, в том числе пространственные переменные, полученные в ходе ГИС-анализа, показали оптимальное соотношение степени детерминированности с уровнем доверия к результатам регрессионного моделирования, в случае, когда применялась экспоненциальная зависимость. Для других переменных, таких как площадь объекта недвижимости, вид и состояние внутренней отделки, степень износа, большую детерминацию удалось достичь при простой линейной функции. Таким образом, максимальную степень надежности продемонстрировала модель, сочетающая нелинейную экспоненциальную зависимость искомой переменной от одних факторов и простую линейную зависимость от других факторов:

где

уi – значение зависимой переменной для i-го объекта (полная цена предложения квартиры на вторичном рынке жилой недвижимости);

b0, b1, .. – константы, расчет которых был выполнен в ходе регрессионного моделирования;

x

ij i-ое значение (значение для объекта i) j-ой переменной;

– среднее по всей выборке значение j-ой пространственной переменной.

В результате регрессионного многофакторного пространственно-параметрического моделирования рынка вторичного жилья Краснодара получена модель, степень детерминации которой R2 составляет 0,82 (см. также таблицу 2).

Таблица 2



Сводка регрессионной модели



Характеристики модели

Нестандартизованные коэффициенты (B коэффициенты)

Бета-коэффициенты*

Коэффициент t

Уровень значимости

значение

стандартная ошибка

Константа b0

14,838

0,086

-

171,659

0,000

Константа b1 плотность сделок

0,078

0,025

0,126

3,081

0,002

Константа b2 плотность предложения

-0,053

0,025

-0.092

-2,171

0,031

Константа b3 материал дома

0,248

0,089

0,101

2,781

0,006

Константа b4 площадь квартиры

0,801

0,045

0,773

17,708

0,000

Константа b5 площадь кухни

0,051

0,053

0,047

0,976

0,330

Константа b6 этажность дома

0,018

0,005

0,170

3,492

0,001

Константа b7 этаж квартиры

-0,010

0,005

-0.089

-2,186

0,030

Константа b8 наличие балкона

0,003

0,031

0,003

0,091

0,927

Константа b9 состояние квартиры (булева)

-0,092

0,045

-0.085

-2,045

0,042

Константа b10 состояние квартиры (порядковая переменная)

0,042

0,022

0,083

1,932

0,055

* - Нормированный коэффициент регрессии, являющийся мерой значимости отдельных переменных относительно друг друга:

β = bj * (Sj / Sp),

где Sj - среднеквадратическое отклонение (xj);

Sp - среднеквадратическое отклонение (P);

Коэффициенты бета являются коэффициентами, которые были бы получены, если бы мы заранее стандартизовали все переменные, т.е. сделали их среднее равным 0, а стандартное отклонение равное 1. Одно из преимуществ бета-коэффициентов (по сравнению с B коэффициентами) заключается в том, что бета-коэффициенты позволяют сравнить относительные вклады каждой независимой переменной в предсказание зависимой переменной.

Пространственные характеристики, связанные с экологией, плотностью медицинских и образовательных учреждений не попали в модель для всего города, однако попали в модели, построенные для отдельных топонимических зон (при этом R2 для районов в отдельности оказался больше R2 для всего города). Видимо, в пределах каждой топонимической зоны знак коэффициента корреляции между ценой объекта и пространственными переменными, характеризующими экологическую ситуацию и состояние социальной инфраструктуры, отличается в противоположную сторону от знака коэффициента корреляции в другой топонимической зоне, поэтому единой картины по городу не получается.

Данное обстоятельство подтверждает многовариантность проявления закономерностей территориальной организации города. Ю. Саушкин отмечает, что предметом общественно-географических исследований является процесс формирования, развития и функционирования территориальных социально-экономических систем (Саушкин Ю.Г. История и методология географической науки. 1975). Понимание локального рынка недвижимости как части территориальной социально-экономической системы позволяет расширенно интерпретировать наличие той или иной корреляции между характеристиками месторасположения объекта и его индивидуальными рыночными свойствами.

Одним из значимых результатов регрессионного моделирования при пространственно-параметрическом анализе локального рынка недвижимости стала возможность сравнить Бета-коэффициенты каждой переменной модели. Так, расположение объекта на карте напряженности предложения Краснодара влияет примерно в 8 раз слабее, чем площадь квартиры (0,773 против 0,092), в сторону уменьшения цены по мере увеличения плотности предложения. В действительности, чем выше плотность предложения объектов-аналогов в ближайшей локации рассматриваемого объекта недвижимости, тем ниже значение наиболее вероятной цены продажи данного объекта. Однако количественно измерить степень влияния локального рынка на конкретный объект недвижимости становится возможно только после проведения районирования и анализа пространственного распределения рыночных явлений при помощи предлагаемой в настоящем исследовании методологии.

Также высокая значимость наблюдается у коэффициента, соответствующего характеристике положения квартиры на карте транзакционной напряженности. Данный коэффициент в 6 раз слабее коэффициента площади квартиры (0,773 против 0,126), но теперь уже в сторону увеличения цены квартиры: чем чаще в ближайшей локации продаются объекты-аналоги, тем выше цена рассматриваемого объекта.

Выявленная в рассмотренном примере закономерность может использоваться в процессе планирования девелоперских проектов и оценочной деятельности:


  • определяются исчерпывающие характеристики (в первую очередь: характеристики ликвидности и цены) проектируемого к строительству объекта недвижимости с учетом его пространственного положения: рынку предлагается самый востребованный в данной локации объект недвижимости;

  • появляется возможность проводить пространственный конкурентный анализ (мониторинг) с учетом поправочных коэффициентов сравнения рассматриваемого объекта с объектами-аналогами, попавшими в иную по сравнению с ним плотность распределения какого-либо явления локального рынка недвижимости;

  • появляется четкое пространственное представление о границах зон торговли и закономерностях поведении цен в них.


Каталог: files
files -> Истоки и причины отклоняющегося поведения
files -> №1. Введение в клиническую психологию
files -> Общая характеристика исследования
files -> Клиническая психология
files -> Валявский Андрей Как понять ребенка
files -> К вопросу о формировании специальных компетенций руководителей общеобразовательных учреждений в целях создания внутришкольных межэтнических коммуникаций
files -> Русские глазами французов и французы глазами русских. Стереотипы восприятия


Поделитесь с Вашими друзьями:
1   2   3   4   5   6


База данных защищена авторским правом ©znate.ru 2017
обратиться к администрации

    Главная страница