CC BY
66
ЭКОНОМИКА: ВОПРОСЫ ТЕОРИИ И ПРАКТИКИ
УДК 332.72:519.863
АНАЛИЗ ОРГАНИЗАЦИИ ЖИЛИЩНОЙ ЗАСТРОЙКИ И РЫНКА ЖИЛЬЯ ГОРОДА НА ОСНОВЕ ПРОСТРАНСТВЕННО-ПАРАМЕТРИЧЕСКОГО
МОДЕЛИРОВАНИЯ
© 2010 г. А.И. Евстафьев1, Д.В. Максимов2
1 Южная юридическая консалтинговая компания, Southern Legal Consulting Company,
ул. Кирова, 28, г. Краснодар, 350000 Kirov St., 28, Krasnodar, 350000
2Кубанский государственный университет, 2Kuban State University,
ул. Ставропольская, 149, г. Краснодар, 350040, Stavropolskaya St., 149, Krasnodar, 350040,
[email protected] [email protected]
Изучены взаимосвязи пространственной организации городской среды, жилищной застройки и рынка недвижимости города. Методика предполагает применение инструментов ГИС-анализа и регрессионного моделирования в процессе присвоения количественных характеристик месторасположения рассматриваемого объекта, определяемого через закономерность изменения свойств подобных объектов в той или иной области интенсивности какого-либо социально-экономического явления города или различных локальных явлений рынка купли-продажи аналогичных объектов. Результаты исследования позволяют моделировать поведение девелопера и прогнозировать возможные варианты адаптации концепции девелоперского проекта к размещению в его локации объектов городской среды.
Ключевые слова: рынок недвижимости, корреляционно-регрессионный анализ, ГИС-анализ, мониторинг рынка недвижимости, пространственный анализ, моделирование рынка недвижимости.
The article considers the spatial organization of the city environment, housing building and the market of city real estate. The technique based on GIS analysis and regression modeling in the course of assignment of quantitative characteristics of a site of the real estate defined through law of change ofproperties of similar objects in this or that area of intensity of any social and economic phenomenon of a city or the various local phenomena of the market of similar objects. Results of research allow to model behavior of the developer and to predict possible variants of adaptation of the developer project concept by placing in its location city environment objects.
Keywords: real estate market, correlational and regressional analysis, GIS analysis, real estate market monitoring, spatial analysis, real estate market modeling.
Реальные побочные эффекты инвестиционных проектов, различных программ регулирования строительства и рынка недвижимости нередко могут отличаться от запланированных эффектов, порождая непредвиденные сдвиги в пространственной организации жизнедеятельности города. В результате неадекватного управления процессом экономического развития городская среда оказывается далекой от совершенства.
Территориальное влияние девелопмента - как качественного преобразования недвижимости - состоит в том, что развитие последней ведет к качественному изменению не только самих объектов недвижимости, но и их окружения. Если при этом какой-либо девелоперский проект оказывается наилучшим из возможных с позиции частного инвестора (владельца объекта), то влияние данного проекта на окружающую территорию далеко не всегда оказывается позитивным. В силу этого теория градостроительного планирования нуждается в разработках по определению рационального размещения объектов городской
среды и оптимальных социально-экономических характеристик проектов для заданного месторасположения девелопмента.
Мы предлагаем проблему градостроительного территориального планирования решить экономическим моделированием, основная задача которого состоит в выявлении закономерностей развития пространственной организации города и рынка жилой недвижимости.
Методологическую основу составят разработанные нами инструменты социально-экономического анализа, которые в наиболее полной мере отражают пространственные аспекты развития города.
Используя группу методов, направленных на изучение экономических явлений и процессов локального характера, мы осуществим моделирование набора факторов пространственного и экономического характера, проявляющих изменчивый характер с течением времени. Данное обстоятельство диктует требование к регулярному обновлению данных о рынке недвижимости.
В мониторинге рынка недвижимости применение геоинформационных систем (ГИС) в первую очередь подразумевает районирование территории города. Оно имеет ту же цель, что и сегментирование объектов: уменьшение разброса цен и других индикаторов локального рынка в каждом сечении выборки. Достигается это, прежде всего, топонимическим районированием, которое позволяет построить объективную модель функционирования локального рынка.
Система мониторинга рынка характеризуется несводимостью правил сечения и агрегации выборок к сугубо первоначальным мероприятиям по ее построению. Мониторинг постоянно нуждается в анализе адекватности классификационного деления объектов и их признаков (адекватности проведения границ топонимических зон рынка недвижимости, сегментирования по качеству объектов, по их размеру и т.д.). Поэтому методы районирования должны отличаться
относительно небольшой затратностью, возможностью регулярной проверки и корректировки границ районов и других пространственных характеристик.
Этими достоинствами обладает предлагаемый нами интегральный пространственно-топологический метод районирования рынка недвижимости. В качестве примера возьмем город Краснодар.
Первым этапом является построение объектов города, представляющих интерес с точки зрения анализа рынка недвижимости, в формате ГИС. Прежде всего это улицы, многоэтажные дома, природные объекты.
Достигается это путем, как автоматической оцифровки космических снимков высокого разрешения, так и ручным построением каждого слоя объектов с одновременным внесением данных в атрибутивную таблицу. На рис. 1 видны зоны компактного расположения многоквартирных домов - спальные районы.
Рис. 1. Карта Краснодара в формате ГИ
Далее с помощью анкетирования риэлтеров-экспертов, аналитиков рынка, а также за счет выявленных закономерностей в рекламных объявлениях по отнесению продавцами своих квартир к определенному району, были построены границы риэлтерских районов города. Слой домов трансформируется в слой точек с идентичными координатами и атрибутивной таблицей.
Путем объединения данных атрибутивной таблицы домов и таблицы, содержащей сведения о сделках купли-продажи, прошедших на рынке жилой недвижимости Краснодара за определенный период, получаем точки, соответствующие координатам домов, в которых прошли сделки (рис. 2).
Далее проводится пространственный анализ распределения: строится растровое изображение плотности сделок на единице площади территории города, сверху проводятся изолинии (рис. 3).
Полученное изображение чем-то напоминает физическую карту высот, но оно имеет иной смысл. В
. Отображены слои домов, улиц и водоемов географии обычно изолинии соединяют точки с одинаковым значением какого-либо атрибута (высоты, глубины). В нашем случае изолинии ограничивают области одинаковой интенсивности рассматриваемого явления (в данном примере: сделок на вторичном рынке жилья). Их можно сравнить скорее с линиями напряженности электромагнитного поля, а не с изо-гипсами высот физико-географической карты.
Обращает на себя внимание то, что границы интенсивности проходят как по нежилым массивам (это и понятно: там просто нет рассматриваемого явления), так и через жилые массивы, где есть дома и проходят сделки. Однако степень интенсивности явления не соответствует плотности рядом стоящих районов.
Приведенная карта может служить инструментом корректировки топонимического районирования, полученного в результате применения методики оптимизации дискретной пространственно-параметрической модели.
Рис. 2. Карта риэлтерских районов города и координаты домов, в которых в течение наблюдаемого периода прошли
сделки
Дискретная пространственно-параметрическая модель (ДППМ) рынка недвижимости - упорядоченный набор (матрица) индикаторов состояния рынка по всем его сегментам, полученный в результате параллельного сечения рассматриваемой выборки объектов недвижимости по следующим измерениям: размер, местоположение, качество, срок сдачи объекта и (реже) другие [1].
Метод оптимизации ДППМ заключается в построении диаграммы распределения цен предложения с ошибкой определения средних величин по каждому риэлтерскому району города с последующим объединением районов в топонимические зоны на основании пересечения диапазонов ошибок средних цен и географической близости районов [2].
Районирование рынка недвижимости на основе ГИС помогает выявить, прежде всего, пространственный аспект распределения закономерностей рынка, а также географические границы экономических явлений.
Результаты топонимического районирования позволяют наладить эффективный и непротиворечивый мониторинг рынка недвижимости в разрезе всех сечений ДППМ. Одновременно выявляются локальные характеристики рынка недвижимости: границы и плотность распространения явлений.
Следующим этапом применения ГИС в анализе рынка недвижимости будет использование метода определения и расчета количественных атрибутов объекта недвижимости путем пространственного анализа: строятся карты плотности социальной инфраструктуры
(образовательных, здравоохранительных учреждений), руемой выборки присваивается количественная ха-
интенсивности предложения объектов недвижимости рактеристика по каждому пространственному явле-
(карта напряженности предложения) и т.д. (рис. 4). нию в зависимости от положения объекта на той или
Каждому объекту недвижимости в пределах анализи- иной изолинии.
Рис. 4. Объекты недвижимости, выставленные на продажу, на карте плотности социальной инфраструктуры города
Полученный комплекс переменных будет включать:
а) характеристику местоположения объекта недвижимости (указание на географический район размещения объекта, например, дом находится в Комсомольском микрорайоне);
б) большинство характеристик расположения объекта недвижимости (положение данного объекта относительно других объектов; например, дом находится в 100 м от школы [3];
в) особенности локального рынка недвижимости в непосредственной близости от рассматриваемого объекта.
Достоинством такого преобразования является отход от качественных и порядковых характеристик местоположения района, в котором находится объект, к количественным характеристикам и местоположения и расположения самого объекта. При этом количественная характеристика месторасположения рассматриваемого объекта определяется через закономерность изменения свойств подобных объектов в зависимости от попадания в ту или иную область плотности (напряженности) какого-либо социально-экономического явления города, и в первую очередь напряженности различных явлений рынка купли-продажи аналогичных объектов.
Полученные результаты пространственного ГИС-анализа используются в регрессионном моделировании, где в качестве зависимой переменной можно использовать рыночную характеристику объекта
недвижимости (наиболее вероятная цена продажи, период экспозиции, целевой сегмент покупателей, динамические и пространственные особенности продажи крупного объекта по частям). Применение предложенной коллективом методологии позволяет (впервые) количественно учитывать локальные характеристики рынка недвижимости при определении рыночных параметров объектов недвижимости.
С помощью ГИС можно получить таблицу значений каждого пространственного атрибута для каждого объекта недвижимости (в эксперименте рассматривались квартиры на вторичном рынке жилья). Параллельной проверкой жизнеспособности модели является введение булевых и порядковых переменных для ряда пространственных характеристик жилых объектов недвижимости. Модель также включает стандартный набор непространственных (в географическом аспекте) переменных: площадь квартиры, состояние квартиры, наличие балкона, лифта, этажность дома и этаж квартиры и т.д.
Далее проводится сравнительный анализ различных регрессионных моделей по критерию максимальной надежности (максимальное значение коэффициента детерминации в сочетании с приемлемым значением уровня значимости). В табл. 1 приведены модели, принимающие участие в отборе.
Интерпретация коэффициентов и бета-коэффициентов в получаемых уравнениях регрессии позво-
ляет выявить механизм воздействия локальных факторов размещения объекта недвижимости на его рыночные показатели.
Наличие обратной корреляционной зависимости между плотностью социальной инфраструктуры района и сроком экспозиции квартиры на рынке может свидетельствовать как о позитивном влиянии близости школ, медицинских учреждений на принятии решения о покупке, так и о наличии скрытых закономерностей размещения подсистемы социальной инфраструктуры в структуре рассматриваемой террито-
Математические формулы регреси
риальной социально-экономической системы. Во втором случае имеет место ложная корреляция. Поскольку сам по себе факт корреляционной зависимости не даёт основания утверждать, какая из переменных предшествует или является причиной изменений, или что переменные вообще причинно связаны между собой, например, ввиду действия третьего фактора [4], особую роль приобретает возможность сравнительного анализа по различным территориям - топонимическим зонам, который позволяет вскрыть действие третьих факторов.
Таблица 1
||и>|\ моделей, участвовавших в отборе
Модель Формула
Линейная у = b0+ b * X
Логарифмическая у = b0+ b * ln(x)
Обратная у = b0+ b / X
Квадратичная у = b0+ b * x + b * X2
Кубическая у = b0+ ь * х + b * x2 + b * x3
Степенная y = b * Xb1
Экспоненциальная y = b * ел(Ь * t)
Следует отметить универсальный характер алгоритма анализа рынка жилья города на основе методологии регрессионной многофакторной пространственно-параметрической модели, так как он применим к широкому классу экономических явлений, отличающихся неоднородностью пространственного распределения. Ряд авторов приводят следующие основные отрасли экономики города [5]:
- розничная торговля и общественное питание (магазины, рынки, столовые, кафе);
- бытовое обслуживание (ремонт и пошив одежды, обуви и др., парикмахерские, химчистки, пункты проката и т.д.);
- жилищно-коммунальное хозяйство;
- кредитно-финансовое обслуживание (банки, страховые организации);
- рекреационное обслуживание (туристические и экскурсионные организации, дома отдыха, гостиницы);
- здравоохранение (поликлиники, больницы, медпункты, санатории, учреждения физкультуры и спорта);
- социальное обеспечение (детские дома, дома для престарелых и инвалидов, организации пенсионного обеспечения);
- услуги связи (почта, телеграф, телефонные переговорные пункты):
- культурное обслуживание (театры и кинотеатры, музеи, библиотеки, клубы и дома культуры, радио и телевидение, издательства);
- образование и воспитание детей (детские сады и ясли, общеобразовательные учебные учреждения).
Все перечисленные объекты и характеристики их пространственного распределения могут выступать как факторы в регрессионной модели.
В качестве зависимых переменных могут выступать:
- индикаторы рынка недвижимости (система ценовых показателей, показатели ликвидности объектов
недвижимости и волатильности отдельных сегментов рынка и территорий);
- характеристики девелоперской деятельности (индивидуальные и групповые показатели инвестиционной активности, показатели динамики реализации девелоперского проекта, его влияния на социально-экономическое положение территорий);
- локальные характеристики развития местных сообществ.
Конкретный характер зависимости искомой переменной от факторов (вид формулы регрессии и степень детерминации) в различных пространственно-временных рамках может меняться.
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 слу-
чае, 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:
>1 x
+
Y = b + (b e 1 + b e i 0 1 2
+ (b x + b x +.
n+1 i(n+1) n+2 i(n+2)
x
in
x
. + b e n
n
+
+ b x ) ,
m im
где уг - значение зависимой переменной для 1-го объекта (полная цена предложения квартиры на вторичном рынке жилой недвижимости); Ь0, Ь¡, .. - константы, расчет которых был выполнен в ходе регрессионного моделирования; х„ - У-е значение (для объекта У) /-й переменной; хп - среднее по всей выборке значение }-й пространственной переменной.
В результате регрессионного многофакторного пространственно-параметрического моделирования рынка вторичного жилья Краснодара получена модель, степень детерминации которой Я2 составляет 0,82 (табл. 2).
Таблица 2
Сводка регрессионной модели
x
x
i 2
x
Характеристика модели Нестандартизованные коэффициенты (B-коэффициенты) бета-коэффициенты1 Коэффициент t Уровень значимости
значение стандартная ошибка
Константа Ь0 14,838 0,086 - 171,659 0,000
Константа Ь1 плотность сделок 0,078 0,025 0,126 3,081 0,002
Константа Ь2 плотность предложения -0,053 0,025 -0,092 -2,171 0,031
Константа Ь3 материал дома 0,248 0,089 0,101 2,781 0,006
Константа Ь4 площадь квартиры 0,801 0,045 0,773 17,708 0,000
Константа Ь5 площадь кухни 0,051 0,053 0,047 0,976 0,330
Константа Ь6 этажность дома 0,018 0,005 0,170 3,492 0,001
Константа Ь7 этаж квартиры -0,010 0,005 -0,089 -2,186 0,030
Константа Ь8 наличие балкона 0,003 0,031 0,003 0,091 0,927
Константа Ь9 состояние квартиры -0,092 0,045 -0,085 -2,045 0,042
Константа Ь10 состояние квартиры (порядковая переменная) 0,042 0,022 0,083 1,932 0,055
Примечание. 1 - Нормированный коэффициент регрессии, являющийся мерой значимости отдельных переменных относительно друг друга: р = Ь^ / 8Р), где Sj - среднеквадратическое отклонение (х^; - среднеквадратическое отклонение (Р). бета-коэффициенты - это те, 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 их преимуществ (по сравнению с В-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 Я2 для районов в отдельности оказался больше Я2 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 [6]. 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 (Краснодар) 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 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.
Результатами анализа организации жилищной застройки и рынка жилья города на основе пространственно-параметрического моделирования в будущем должно явиться системное видение процессов жи-
лищной застройки территорий города в их пространственном аспекте:
- определение степени влияния пространственной организации объектов городской среды (социальной и инженерной инфраструктуры, обеспечивающих экономическое воспроизводство, проживание и рекреацию населения, и объектов, занимающихся торговлей и обслуживанием населения) на функционирование локального рынка недвижимости;
- характеристика критериев рационального размещения и других параметров объектов городской среды, которые бы отвечали интересам местного сообщества и не допускали асимметричного развития рынка недвижимости;
- моделирование поведения девелопера, прогноз возможных вариантов адаптации концепции девелоперского проекта к размещению в его локации объектов городской среды и его анализ;
- разработка методики комбинирования системы управления процессом девелопмента (правовое земельное зонирование, благоприятный инвестиционный и налоговый режим) с планированием размещения объектов городской среды, целью которой будет привлечение инвестора-девелопера на определенную локацию и обусловленная тенденциями рынка коррекция стратегии в интересах местного сообщества.
Литература
1. Методология массовой оценки квартир для налогообложения / С.В. Грибовский [и др.] // Бюл. финансовой информации. 2005. №1 (116). С.14 - 29.
2. Стерник Г.М. Технология анализа рынка недвижимости. М., 2005. 204 с.
3. Стерник Г.М. Рынок недвижимости как сложная социально-экономическая система. Ростов н/Д, 2007. 116 с.
4. Лопатников Л.И. Экономико-математический словарь: словарь современной экономической науки. 5-е изд., перераб. и доп. М., 2003.
5. Симагин Ю.А. Территориальная организация населения и хозяйства: учеб. пособие. М., 2005.
6. Саушкин Ю.Г. История и методология географической науки. М., 1975.
Поступила в редакцию 20 мая 2010 г.
