CC BY
12
УДК 330.43
ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ ТРЕХ И ЧЕТЫРЕХКОМНАТНЫХ КВАРТИР
ВТОРИЧНОГО РЫНКА В ГОРОДЕ КРАСНОЯРСКЕ В 2017 ГОДУ
*
К. Р. Берёзкина , В. Ю. Костромских Научный руководитель - О. В. Пашковская
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: berezkina98@mail.ru
Проведен эконометрический анализ данных рынка жилой недвижимости города Красноярска, с целью выявления факторов, влияющих на формирование цен на недвижимость. Объектом исследования выступил вторичный рынок жилья города.
Ключевые слова: анализ, недвижимость, факторы, модель, цена.
ECONOMETRIC ANALYSIS OF THREE AND FOUR-ROOM APARTMENTS OF THE KRASNOYARSK SECONDARY MARKET IN 2017
K. R. Berezkina*, V. Y. Kostromskikh Scientific Supervisor - O. V. Pashkovskaya
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: berezkina98@mail.ru
An econometric analysis of residential real estate in Krasnoyarsk was carried out in order to identify factors affecting real estate pricing. The object of the research was the secondary housing market of the city.
Keywords: analysis, real estate, factors, model, price.
Вторичный рынок жилья - это квартиры в готовых, полностью построенных домах, на которые права собственности уже оформлены и зарегистрированы в единой базе Росреестра. Первичным собственником может быть как сам застройщик, так и любое юр. лицо или физ. лицо, инвестировавшие деньги в строительство этого дома. В основном, к квартирам на вторичном рынке относятся квартиры, в домах которых уже проживали ранее, построенные в былые годы, следуя из этого, можно сделать выводы о том, что квартир на вторичном рынке больше, чем на первичном. В трехкомнатных и четырехкомнатных квартирах в основном проживают большие семьи. На вторичном рынке жилья представлены следующие виды домов: кирпичные, монолитные и панельные дома; и трех-, четырех-комнатные квартиры различных планировок: «хрущёвки», «сталинки», «ленинградки», квартиры улучшенной планировки. Чаще всего покупатели, желающие приобрести квартиру на вторичном рынке жилья, интересуются «хрущевками» - квартирами в панельных домах, построенных в середине прошлого столетия. Популярен этот вид жилья тем, что эти квартиры недорогие и расположены в микрорайонах с развитой инфраструктурой (а наличие детских садов, школ, поликлиник - важный фактор для семей с детьми). Минусом такого жилья может считаться то, что приобретая квартиру-«хрущевку», можно столкнуться со значительным финансовым риском - это может оказаться неликвидная собственность (очень старый, аварийный дом) или квартира, требующая значительных вложений в ремонт. Лучшим жильем на вторичном рынке являются «сталинки» и «ленинградки», которые имеют отличную планировку: высокие потолки, просторные комнаты, кухню и санузел.
Актуальные проблемы авиации и космонавтики - 2019. Том 2
На вторичном рынке к продаже часто предлагаются кирпичные дома, и цены на квартиры такого плана выше, следовательно, с быстрой продажей такой квартиры могут возникнуть сложности. Главной особенностью такого дома является экологически чистый материал стен - кирпич, который состоит из обожженной глины. Кирпич обладает высокой теплоемкостью, а потому в нем будет прохладно жарким летним днем и тепло зимой. Это очень надежный и долговечный вариант. Минусом может являться то, что стоимость квартир в кирпичных домах выше, чем в панельных или монолитных. Постройка монолитных домов вид строительства новый, а потому неизвестно, как такие дома поведут себя в дальнейшем. Строительство монолитных домов занимает немало времени, но материал дешевле, то есть цена на квартиры в таких домах гораздо ниже. Главное преимущество монолитного дома в отличной шумоизоляции. Панельные же дома -быстровозводимые и материал для строительства дешевле. Кухни в панельных домах маленькие и заметно низкие потолки, но это самый дешевый вид строительства, и цены квартир в таком доме более привлекательны. Из минусов можно выделить плохую шумоизоляцию.
Проанализировав совокупность квартир вторичного рынка, для анализа формирования стоимости квартиры были выбраны следующие факторы: х1 - количество комнат, х2 - планировка,
х3 - подрайон, х4 - этаж на котором находится квартира, х5 - общее количество этажей в доме,
х6 - материал стен, х7 - общая площадь, х8 - жилая площадь, х9 - площадь кухни, х10 - плита,
х11 - санитарный узел, х12 - балкон/лоджия, у - стоимость квартиры. Данные для эконометри-
ческого анализа были взяты из базы данных, содержащей сведения о трёх- и четырех комнатных квартирах, предлагаемых к продаже на рынке вторичного жилье в городе Красноярске в 2017 году. Объем исследуемой совокупности - 242 объекта. [1]
В эконометрической практике при построении моделей используются различные подходы и методы. [2-4]
Нами был проведен корреляционный анализ между ценой (у) и выбранными факторными признаками (хг), в результате был найден наибольший коэффициент корреляции. Как и ожидалось, наибольший вклад в стоимость квартир вносит общая площадь. В результате регрессионного анализа выявлены факторы, влияющие на стоимость квартир.
На основе регрессий для выбора наиболее важных факторов, сравнивался нормированный Я-квадрат - скорректированный коэффициент детерминации, определяющий долю вариации результативного признака под влиянием выбранных факторов. Найден наибольший и, исходя из этого, отбирались факторы в модель. Построение моделей происходило до тех пор, пока нормированный Я-квадрат перестал «расти». Было оценено 80% вариации стоимости квартир. В результате было получено следующее уравнение: у = 1403,60 + 84,33х7 -1014,20х1 -35,05х3, где у - стоимость квартиры. Выяснилось то, что в исследуемой совокупности, чем больше комнат в квартире, тем ниже цена и при выборе квартиры наименее заинтересованы в районе. Таким образом, надо искать причину искажения взаимосвязи. Рассмотрим различные аспекты множественного регрессионного анализа.
Далее, на основе исходных данных матричным методом нашли оценки параметров множественной линейной регрессионной модели. Из всех оценок выбраны статистически значимые и, соответственно, главные факторы. Получена регрессионная модель:
у = 15, 46 х5 +17,02 х6 + 20,50х8 +188,57х10 + 83,87х7. (1)
Для каждого объекта исследуемой совокупности на основе уравнения найдено «теоретическое» значение стоимости квартиры, стандартная ошибка составила £е= 5423264,77. Я-квадрат (оценивающий качество модели) больше 0,5. Следовательно, построенное уравнение более, чем на 50% оценивает изменение стоимости и качество модели можно считать удовлетворительным.
Была произведена проверка модели на гетероскедастичность остатков с помощью теста Голд-фельда-Кванта, построена регрессия цены и факторов (главных факторов: общая площадь, количество комнат и подрайон), в результате была выявлена гетероскедостичность. Используя тест Эйткена в матричном виде, удалось преобразовать модель (1) в следующее уравнение:
у = 96, 98х5 + 22, 20х6 -146, 98х9 -78,40х10 + 33,76х7.
Тест Уайта, так же подтвердил наличие гетероскедастичности, в данном тесте факторы и остатки были возведены в квадрат, и с помощью регрессий были найдены значимые коэффициенты, и было получено уравнение:
^ = -86754, 27х5 +48749, 92^ +8324439,75x10 +25464, 53x7.
В дальнейшем анализе, были вычислены собственные значения и собственные векторы произведения транспонированной матрицы и матрицы исходных данных. Затем, для проверки адекватности полученных моделей, выбраны 5 квартир и рассчитаны их «теоретические» стоимости. Исходя из анализа, наименьшую ошибку имеет матричный метод.
В результате анализа удалось определить, что выбирая место для проживания, особо обращают внимание на факторы: общая площадь, количество комнат и район. Эти результаты необходимо учитывать при использовании моделей в автоматизированных информационных системах [5] и в риэлторской практике.
Библиографические ссылки
1. Свид. 20186621065. Квартиры Красноярска 2017. Рынок вторичного жилья. Дата регистр. 12.07.2018. Бренинг Д.В., Севостьянова И. Л. и другие. Заявитель и правообладатель ФГБОУ ВПО СибГУ (Яи) №20186621056 Заявка 2018; опубл. 2018. Реестр баз данных - 1С.
2. Сенашов С.И., Юферова Н.Ю., Грошак Е.В. Моделирование стоимости жилья в г. Красноярске. Красноярск: СибГТУ, 2007. 204 с.
3. Сенашов С.И., Юферова Н.Ю., Вайтекунене Е.Л. Эконометрическое моделирование стоимости жилья в Красноярске. Красноярск: Сиб. гос. аэрокосмич. ун-т., 2015. 178 с.
4. Моделирование стоимости жилья на вторичном рынке недвижимости в г. Красноярске в 2016 году / О.В. Пашковская, С.И. Сенашов, И.Л. Савостьянова, Н.Ю. Юферова // Сибирский журнал науки и технологий. 2018. №4 (18). С.788-796.
5. Сенашов С.И., Юферова Н.Ю., Сурнина Е.В. Информационная система оценки стоимости квартир на вторичном рынке жилья как инструмент управления инвестициями // Вестник Сиб-ГАУ. 2009. № 4 (25). С. 219-223.
© Берёзкина К. Р., Костромских В. Ю., 2019
