Анализ рынка жилья Кургана
Секция: Экономика
![](https://nauchforum.ru/themes/mix_and_match/images/logo.jpg)
V Студенческая международная научно-практическая конференция «Общественные и экономические науки. Студенческий научный форум»
Анализ рынка жилья Кургана
Рынок жилья, безусловно, оказывает влияние на благосостояние людей – и тех, кто покупает жильё, и тех, кто его продаёт. У этих категорий людей имеются диаметрально противоположные взгляды на цену жилья – одни считают, что жильё должно быть дороже, другие – что оно должно быть дешевле. В результате столкновения этих точек зрения формируется рыночная цена жилья, учитывающая обе из них.
В связи с этим возникает несколько вопросов: во-первых, какие факторы влияют на цену жилья, во-вторых, каким образом эти факторы на неё влияют. В реальности на цену жилья влияет огромное количество факторов: это, к примеру, площадь, количество комнат, этаж, год постройки дома, материал, наконец, даже субъективные факторы. Очевидно, все их учесть невозможно, поэтому рассматривалось только ограниченное количество факторов.
Для определения главных факторов, влияющих на цену жилья, и степени их влияния на неё, была построена эконометрическая модель зависимости цены жилья от 9 рассматриваемых факторов:
Таблица 1.
Факторы, рассматриваемые в модели
Факторная переменная |
Единица измерения |
Показатель, определяемый факторной переменной |
x1 |
м2 |
общая площадь |
x2 |
район (0 - Рябково, 1 - Северный, 2 - Заозёрный, 3 - Энергетики, 4 - Западный, 5 - Центральный, 6 - Восточный) |
|
x3 |
м |
расстояние до ближайшей остановки |
x4 |
этаж |
|
x5 |
материал (0 - дерево, 1 - кирпич, 2 - панель) |
|
x6 |
тип помещения (0 - комната коридорного типа,1 - комната секционного типа,2 - комната гостиничного типа,3 – студия,4 - квартира,5 - частный дом) |
|
x7 |
количество комнат |
|
x8 |
месяц |
время с момента публикации объявления |
x9 |
кол-во остановок в пределах 500 м |
|
y |
тыс. руб. |
цена |
Для эконометрической модели была отобрана выборка из 125 объявлений, которые размещались на 5 сайтах, размещающих объявления о купле-продаже и аренде недвижимости. В выборку включались только объявления о купле-продаже недвижимости.
Была составлена таблица частных коэффициентов корреляции для определения фактора, наиболее заметно влияющего на цену жилья и при этом исключения факторов, сильно зависящих друг от друга.
Таблица 2.
Таблица частных коэффициентов корреляции
|
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
x8 |
x9 |
y |
x1 |
1 |
|||||||||
x2 |
-0,130 |
1 |
||||||||
x3 |
0,120 |
-0,108 |
1 |
|||||||
x4 |
-0,091 |
0,116 |
-0,158 |
1 |
||||||
x5 |
-0,024 |
0,091 |
-0,139 |
0,408 |
1 |
|||||
x6 |
0,616 |
-0,218 |
0,141 |
-0,213 |
-0,145 |
1 |
||||
x7 |
0,868 |
-0,074 |
0,151 |
-0,0002 |
0,026 |
0,527 |
1 |
|||
x8 |
-0,065 |
0,047 |
-0,084 |
0,109 |
-0,068 |
-0,018 |
-0,034 |
1 |
||
x9 |
0,043 |
0,000 |
-0,556 |
0,072 |
0,021 |
0,052 |
0,000 |
0,116 |
1 |
|
y |
0,890 |
-0,024 |
0,009 |
0,019 |
0,088 |
0,539 |
0,797 |
-0,022 |
0,136 |
1 |
Из этой таблицы следует, что наибольшее влияние на цену жилья оказывает его площадь. Заметно влияют на неё также количество комнат и тип помещения. Все остальные факторы либо влияют на цену в намного меньшей степени (например, количество остановок в пределах 500 м), либо вообще практически не влияют на неё (например, расстояние до ближайшей остановки). Для построения регрессионной модели отобрана лишь одна переменная – x1, т.к. она имеет наибольшее влияние на цену. Переменная x7 не включена в регрессионную модель, поскольку наблюдается тесная зависимость переменных х1 и х7 друг с другом (r=0,868). Переменная x6 не включена в модель, т.к. её влияние на цену нельзя охарактеризовать как сильное.
Было построено несколько регрессионных моделей, использующих различные виды зависимостей: линейная, степенная, показательная, равносторонней гиперболы, полинома 2-й и 3-й степени. Качество моделей можно сравнить наглядно, используя следующую таблицу:
Таблица 3.
Сравнительная таблица качества регрессионных моделей
Модель |
Уравнение регрессии |
Нормированный R2 |
F-критерий |
t-критерий |
Ошибка аппроксимации |
Линейная |
y=45,232+31,709x |
0,7908 |
469,65 |
ta=0,62 |
22,09% |
tx=21,67 |
|||||
Степенная |
y=31,84*x0,9986 |
0,8797 |
908,06 |
ta=29,86 |
20,40% |
tx=30,13 |
|||||
Показательная |
y=429,05*1,021x |
0,7389 |
351,86 |
ta=109,4 |
32,48% |
tx=18,75 |
|||||
Равносторонней гиперболы |
y=2565,71-(31411,65/x) |
0,5181 |
134,34 |
ta=19,93 |
56,34% |
tx=-11,6 |
|||||
Полином 2-й степени |
y=-136,104+40,02x-0,059x2 |
0,7996 |
248,35 |
ta=-1,35 |
22,26% |
tx=11,17 |
|||||
tx2=-2,5 |
|||||
Полином 3-й степени |
y=117,61+22,03x+0,22x2-0,001x3 |
0,8052 |
171,91 |
ta=0,76 |
21,20% |
tx=2,41 |
|||||
tx2=1,66 |
|||||
tx3=-2,13 |
Очевидно, что лучшей по качеству моделью является степенная модель. Она обеспечивает лучшее объяснение дисперсии и даёт меньшую ошибку аппроксимации, чем все остальные, является более статистически значимой в целом и при этом её параметры также статистически значимы.
Следует определить влияние выбранного фактора (площади) на цену жилья. Для этого используем коэффициент эластичности (Э). Известно, что для степенной функции Э=b. В нашей модели b=0,9986, поэтому Э=0,9986. Полученное значение эластичности говорит о том, что при изменении площади в среднем на 1% цена будет изменяться в том же направлении на 0,9986%. Следовательно, темпы роста (падения) цены будут незначительно отставать от темпов увеличения (уменьшения) площади. По построенной линейной регрессионной модели можно судить о том, что с увеличением площади на 1 м2 цена жилья возрастает в среднем на 31709 рублей. Это значит, что теоретическая цена жилой площади в среднем по городу составляет 31709 руб./м2.
Проверим достоверность модели, вычислив цену жилой площади по данным выборки. Суммарная площадь составила 4935,2 м2, суммарная цена – 162143 тыс. р., что даёт среднюю цену жилой площади по выборке 32854 руб./м2. Таким образом, цена жилой площади предсказана с ошибкой 3,61% (1145 руб./м2) по сравнению с выборкой.
Теперь следует выявить расхождение модельных данных с реальными. В результате исследования всех предложений на рынке жилья Кургана специалисты получили средние цены жилой площади для разных категорий недвижимости. Средняя цена по всем категориям жилья в городе Кургане будет равна 33181 руб./м2 [3]. Это даёт ошибку в 1472 руб./м2 (4,64%) по сравнению с реальными данными.
Ошибка по сравнению и с данными выборки, и с реальными данными незначительна (находится в пределах 5%). Поэтому модель можно считать достоверной.
Для того, чтобы сделать вывод о том, каковы будут цены на рынке жилья во 2 полугодии 2018 года и далее, следует рассмотреть ситуацию в 2016 – 2017 годах и не только в Кургане, но и во всей России. По данным Московской ассоциации риэлторов, в 2016 году цены на жильё снижались, в то время как в 1 полугодии 2017 года уже наметилась тенденция к стабилизации [1, с. 24]. Есть множество различных прогнозов по рынку жилья на 2018 год, однако большинство сходится на том, что в текущем году цены на жильё продолжат падение, но уже не такое стремительное, как в 2016 [2]. К 2019 году, таким образом, цены либо окончательно стабилизируются, либо начнут медленно расти.
Если принять во внимание отмеченные выше прогнозы, то в Кургане можно ожидать стабилизации цен на жильё во 2 полугодии 2018 года и незначительного повышения их в 1 полугодии 2019 года.
![](/sites/default/files/publ_rinc.png)