CC BY
33
Vyacheslav Leonidovich Somov,
PhD in Economics,
professor of the department of statistics, Saratov socio-economic institute (branch) of Plekhanov Russian University of Economics
Olga Vyacheslavovna Bakanach,
PhD in Economics, associate professor,
head of the department of statistics and econometrics,
Samara State University of Economics
Aleksander Pavlovich Tsypin,
PhD in Economics,
associate professor of the department of statistics and econometrics, Samara State University of Economics
УДК 338.28
Вячеслав Леонидович Сомов,
кандидат экономических наук, профессор кафедры статистики, Саратовский социально-экономический институт (филиал)
РЭУ им. Г.В. Плеханова
kafedra_statistiki@ssea.runnet.ru
Ольга Вячеславовна Баканач,
кандидат экономических наук, доцент, зав. кафедрой статистики и эконометрики, Самарский государственный экономический университет
bakanach@mail.ru
Александр Павлович Цыпин,
кандидат экономических наук, доцент кафедры статистики и эконометрики, Самарский государственный экономический университет
zipin@yandex.ru <Д»>
ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЗАКОНОМЕРНОСТЕЙ РЫНКА АРЕНДНОГО ЖИЛЬЯ В ПРИВОЛЖСКОМ ФЕДЕРАЛЬНОМ ОКРУГЕ
Низкая покупательная способность среднедушевых доходов населения не позволяет большинству граждан приобрести жилье в собственность. Выходом из сложившейся ситуации является его аренда. Зарождение нового рынка - рынка арендного жилья - требует его тщательного изучения. В этой связи применение для анализа статистического и эконометриче-ского инструментария является актуальной задачей. Цель написания статьи заключается в статистическом анализе закономерностей развития рынка арендного жилья в ПФО. В ходе исследования использовались следующие методы: табличный, графический, коэффициентный, корреляционно-регрессионный. Основные результаты исследования: во-первых, сложившаяся в регионе социально-экономическая обстановка указывает на неравномерность развития субъектов, в результате чего покупка жилья в ряде областей (республик) проблематична и на первый план выходит аренда жилья как альтернатива «квартирного вопроса»; во-вторых, обработка данных специально организованного выборочного обследования подтверждает наличие дифференциации стоимости аренды в городах ПФО; в-третьих, корреляционно-регрессионный анализ показал, что на стоимость ежемесячной аренды однокомнатной квартиры в городах ПФО оказывает влияние площадь помещения, наличие дополнительных комиссий и телевизора. Полученные результаты будут полезны исследователям в области рынка аренды жилья и государственным служащим для формирования правовых и фискальных отношений на новом рынке.
Ключевые слова: рынок арендного жилья, статистика, выборка, эконометрика, зависимость, модель.
ECONOMETRIC MODELING OF PATTERNS IN THE RENTAL HOUSING MARKET IN THE VOLGA FEDERAL DISTRICT
The article states that low purchasing power of the average per capita income is the reason why the majority of population cannot afford to buy property. The way out of the existing situation is to rent housing. However, the emergence of a new market such as rental housing market requires careful examination. Thus, statistical and econometric tools of analysis are becoming increasingly important. The article aims to present a statistical analysis of the patterns in the development of the rental housing market in the Volga Federal District. In the course of the analysis, the following methods are used: tabular, graphical, coefficient, correlation and regression methods. The main results of the study are: firstly, current socio-economic situation in the region indicates imbalances in the development of the subjects of the Volga Federal District, thus, affordability of housing in a number of oblasts (republics) is problematic and rental housing becomes an alternative to the "housing problem"; secondly, analysis of the data from a specially organized sample survey confirms stark differences in the rental prices in the towns and cities of the Volga Federal District; thirdly, correlation and regression analysis shows that the amount of a monthly rent of a one-bedroom apartment in the Volga Federal District depends on the size of the apartment, additional fees and a TV. The results of the study can be used for further research of the rental housing market and for legal and fiscal regulation of this new market by government officials.
Keywords: rental housing market, statistics, sampling, econometrics, correlation, model.
В условиях модернизации российской экономики и перехода к инновационному пути развития нашей страны открываются большие возможности для новых отраслей предпринимательской деятель-
ности, одной из которых может стать совершенствование механизмов и новых инструментов аренды жилья. Актуальность выбранной темы подчеркивается сложившимися закономерностями
НБЫ1994-5094 ♦-
201 -♦
социально-экономической жизни российского общества. Так, значительный рост цен на жилье в 2000-х гг. при небольших объемах строительства на фоне низкой покупательной способности населения привел к тому, что большинство граждан было (и остается) не в состоянии приобрести жилую недвижимость в собственность. Соответственно, единственным выходом из сложившейся ситуации является развитие арендного жилья. На сегодняшний день этот рынок находится в зачаточном состоянии, состоит из полулегальных сделок между владельцами и нанимателями, но ситуация может кардинально измениться с приходом больших игроков в виде кредитных организаций, строительных компаний и частных инвесторов.
Актуальность выбранной темы исследования обусловила значительный интерес научной общественности к разрабатываемой теме. Этой теме посвящены работы следующих отечественных ученых-экономистов: К.Н. Бабичев [2], О.Н. Боровских [3], И.Ф. Гареев [4], В.М. Корнев [5], К.Ю. Королевский [6], Е.С. Матвеева [7], Ю.В. Рагулина [8], М.В. Соловьёва [9], М.Н. Толмачев [11], Л.В. Хих-луха [12], Н.Е. Швед [14] и др.
Исследование должно базироваться на статистическом материале. В отношении разрабатываемого направления можно выделить два источника:
1) официальные сведения системы Росстата, которые характеризуют социально-экономическую обстановку в ПФО. Прежде всего, это данные ежегодников «Регионы России» и «Российский статистический ежегодник»;
2) сведения о рынке арендного жилья, которые можно получить посредством специально организованного выборочного обследования, так как система Росстата не осуществляет наблюдение за этим рынком. В этой связи нами был подготовлен и осуществлен сбор информации с сайта объявлений «Авито» (https://www.avito.ru). Случайным способом были отобраны по 30 объявлений о сдаче в наем однокомнатных квартир в 14 городах административных центрах субъектов РФ, входящих в состав ПФО.
Статистическое изучение сложившихся закономерностей рынка арендного жилья предварял анализ социально-экономического положения субъектов ПФО, так как климат в регионе во многом определяет уровень стоимости аренды жилья.
Исторически сложилось, что в ПФО проживает более 20% от всего населения страны. Это обусловлено наличием водной артерии (р. Волга), полезных ископаемых (которые необходимо осваивать) и сельскохозяйственных угодий (которые нужно обрабатывать). Большое количество населения и его высокая плотность порождают спрос на жилую недвижимость. Но ее доступность во многом зависит от экономического развития региона, поэтому обратимся к уровню и динамике показателей эффективности экономики.
Лидирующие позиции в 2016 г. по уровню ВРП на душу населения занимали республика Татарстан и Пермский край, на третьем месте - Оренбургская
область. Наибольший удельный вес в структуре занимала категория «Обрабатывающие производства» - от 12% в Оренбургской области до 31% в Нижегородской области. Категория «Добыча полезных ископаемых» также значительна в ряде регионов. Отсюда делаем вывод, что основополагающей отраслью экономики субъектов ПФО является промышленность. При этом для большинства субъектов ПФО характерно увеличение промышленного производства, за исключением Мордовии (снижение на 3%), Оренбургской области (снижение на 4,7%), Пермского края (снижение на 1,2%) и Самарской области (снижение на 0,9%).
Агропромышленный комплекс ПФО является многофункциональным, обеспечивая четверть объема сельскохозяйственной продукции РФ и третью часть объемов зерна.
Поволжье характеризуется достаточно высоким уровнем развития транспортной инфраструктуры. Округ занимает третье место по плотности железных дорог (143 км путей на 10 тыс. кв. км территории) после Центрального и Южного округов и второе место по плотности автодорог (140 км путей на 1000 кв. км территории).
Успешное развитие экономики региона позволяет развивать жилищное строительство. Так, по объемам ввода жилья ПФО занимает второе место после Центрального федерального округа [2; 10]. В 2016 г. ввод в действие жилых домов на 1000 человек населения составил в среднем по региону 545 кв. м общей площади. Наибольшее значение данного показателя наблюдалось в Ульяновской области (770 кв. м) и Республике Марий Эл (680 кв. м). При этом наибольших успехов добились Ульяновская область (рост с 2005 по 2016 г. в 3,6 раза) и Пензенская область (рост в 3 раза).
Состояние жилого фонда, а также отставание предложения нового жилья от спроса на него формируют стоимость квадратного метра жилой недвижимости. Так, по данным 2016 г. средняя цена 1 кв. м общей площади квартир на рынке первичного и вторичного жилья в ПФО была ниже на 16% и 17% соответственно, чем в среднем по России. При этом три субъекта ПФО имеют стоимость выше, чем в среднем по округу по вторичному рынке, и четыре субъекта - по первичному рынку. К таким «выбросам» можно отнести республику Татарстан, Башкортостан и Нижегородскую область. Это объясняется тем, что выделенные субъекты являются экономически развитыми, с большим количеством населения, соответственно, уровень жизни высок и спрос на жилье присутствует.
Немаловажной характеристикой, показывающей доступность жилья для подавляющего количества населения, являются расходы на приобретение жилой недвижимости. Так, в 2016 г. в РФ удельный вес этой категории в общих расходах не превышал 3%. Если обратится к ПФО, то картина еще более удручающая - менее 1,5%. Самое большое значение наблюдается по Ульяновской области - 4,4%, в остальных субъектах значения намного скромнее.
Подводя промежуточный итог, можно сделать вывод, что, несмотря на экономическую развитость субъектов, входящих в состав ПФО, и высокую потребность в жилье, население направляет на приобретение жилья незначительные суммы, что указывает на отсутствие финансовых возможностей покупки квартиры (дома). Таким образом, аренда жилья является единственным решением проблемы, а значит, рынок арендного жилья будет активно развиваться в ближайшее время.
Далее перейдем к рассмотрению результатов выборочного обследования рынка арендного жилья ПФО. На рис. 1 представлена вариация средней стоимости ежемесячной аренды.
На схеме видно, что самая высокая цена -16 тыс. руб. - наблюдается в Казани, а самая низкая - в Пензе, порядка 8 тыс. руб. в месяц. Полученные результаты полностью согласуются с полученными выше результатами, т.е. чем выше уровень жизни в субъекте, тем выше арендная плата.
Для оценки влияния на ежемесячную арендную плату факторов нами был использован коэффициент сопряженности Спирмена (табл. 1).
Согласно приведенным в табл. 1 значениям наблюдается взаимосвязь между дополнительными платежами и арендной платой. На величину аренды также влияет наличие телевизора. Но при этом стоит отметить, что связь между признаками слабая. Также на стоимость ежемесячной аренды однокомнатной квартиры оказывает влияние площадь арендуемой квартиры.
Проведя анализ влияния качественных и количественных факторов на стоимость аренды однокомнатной квартиры, можно сделать вывод, что для моделирования можно использовать площадь арендуемой квартиры совместно с фиктивными переменными «дополнительны платеж» и(или) «наличие телевизора», т.е. при эконометрическом моделировании будут использованы следующие переменные:
У - стоимость ежемесячной аренды однокомнатной квартиры, руб. в месяц;
X - площадь сдаваемой в наем квартиры, кв. м; О- фиктивная переменная, принимает значение 1, если к арендной плате добавляются дополнительные платежи, 0 - в противном случае;
Рис. 1. Средняя стоимость аренды однокомнатной квартиры в региональных центрах субъектов ПФО, руб. в месяц
Таблица 1
Коэффициент сопряженности Спирмена
Сопрягаемые признаки Коэффициент сопряженности Спирмена ¿-статистика Стьюдента р-уровень
Арендная плата и дополнительные платежи -0,28 -6,07 0,00
Арендная плата и субъект 0,05 1,05 0,29
Арендная плата и меблировка 0,07 1,45 0,15
Арендная плата и телевизор 0,25 5,23 0,00
Арендная плата и холодильник 0,16 3,23 0,00
Арендная плата и кондиционер 0,17 8,02 0,00
Арендная плата и животные -0,08 -1,71 0,09
НБЫ1994-5094 ♦-
203 -♦
D2 - фиктивная переменная, принимает значение 1, если к арендной плате прибавляется оплата коммунальных услуг по счетчикам, 0 - в противном случае;
T - фиктивная переменная, принимает значение 1, если квартира оборудована телевизором, 0 - в противном случае.
Используя возможности пакета 8ТЛТ18Т1СЛ. мы оценили параметры двух множественных регрессионных моделей (табл. 2).
Коэффициенты при фиктивных переменных первой модели отрицательные, отсюда можно сделать вывод о снижении стоимости аренды жилья при наличии дополнительных (скрытых) платежах. То есть арендодатели делают своего рода маркетинговый ход, завлекая потенциальных клиентов низкой ценой, но на поверку цена незначительно отличается от средней по рынку.
Так как значение коэффициента при фиктивной переменной во второй модели получено положи-
тельным, можно сделать вывод, что при прочих равных условиях квартиры, в которых имеется телевизор, будут стоить больше.
Так как все характеристики указывают на адекватность моделей имеющимся фактическим значениям, проведем прогнозирование по полученным регрессионным моделям. При этом будем использовать несколько вариантов прогнозов: при среднем значении фактора X, при максимальном значении X и при минимальном значении X [13].
Проводя моделирование, необходимо помнить, что с точки зрения арендодателя рост аренды будет предпочтительней, с другой стороны, для квартиросъемщиков наилучшим вариантом будет снижение стоимости ежемесячной аренды (табл. 3-4).
Как и следовало ожидать, самые высокие значения аренды получены при больших площадях квартиры и при отсутствии скрытых (дополнительных) платежей, в районе 19 тыс. руб. за месяц.
Таблица 2
Результаты оценки параметров регрессионных моделей зависимости стоимости ежемесячной аренды однокомнатных квартир в ПФО
Модель Параметры модели И2 Рф факт
1 Y = 4,09 + - 2^1 - 2^2 0,52 52,62
2 Y = 1,11 + 0,26X + 1,59Г 0,49 64,65
Показатели Среднее Минимальное Максимальное
X 38 13 60
1 1 0 1 1 0 1 1 0
1 0 0 1 0 0 1 0 0
Прогнозное значение 8,7 11,0 13,6 2,4 4,8 7,3 14,2 16,5 19,1
Верхняя доверительная граница 7,6 10,3 13,0 0,9 3,4 5,9 12,6 15,2 17,9
Нижняя доверительная граница 9,8 11,8 14,2 4,0 6,2 8,8 15,8 17,9 20,3
Таблица 4
Прогнозируемые значения стоимости аренды однокомнатной квартиры при различных вариантах факторов X и Т
Показатели Среднее Минимальное Максимальное
X 38 13 60
Г 1 0 1 0 1 0
Прогнозное значение 12,4 10,9 6,0 4,4 18,1 16,5
Верхняя доверительная граница 12,0 10,2 4,7 3,1 16,9 15,1
Нижняя доверительная граница 12,9 11,5 7,4 5,8 19,3 17,9
Примечание: параметры модели статистически значимы на 5%-ном уровне.
Таблица 3
Прогнозируемые значения стоимости аренды однокомнатной квартиры при различных вариантах факторов X, О , Б2
Наилучший вариант прогноза по второй модели получен при оптимистическом варианте сочетания факторов, т.е. при самой большой площади квартиры и при наличии телевизора.
Подводя итог проведенного исследования рынка арендного жилья в городах ПФО, можно сделать вывод, что стоимость ежемесячной аренды формируется не только под влиянием видимых и понятных на первый взгляд факторов (как площадь помещения), но и за счет скрытых количественных признаков, которые в большинстве случаев не берутся исследователями во внимание.
1. Бабичев К.Н. Становление института арендного жилья в современной России // Муниципальная академия. 2016. № 3. С. 100-106.
2. Баканач О.В. Региональные детерминанты развития ипотечного потенциала / О.В. Баканач, В.М. Корнев // Экономика и предпринимательство. 2015. № 4-2 (57-2). С. 413-416.
3. Боровских О.Н. Анализ и оценка развития рынка арендного жилья в республике Татарстан // Российское предпринимательство. 2016. № 16. С. 2013-2024.
4. ГареевИ.Ф. Рынок арендного жилья: опыт развития, текущие вопросы и перспективы / И.Ф. Гареев, Л.Р. Му-стафина // Российское предпринимательство. 2016. № 21. С. 2931-2938.
5. Корнев В.М. Оценка доступности жилья в субъектах приволжского федерального округа на основе коэффициентного анализа / В.М. Корнев, А.П. Цыпин, А.Ю. Кобзев //
Вестник Самарского государственного экономического университета. 2016. № 12 (146). С. 69-73.
6. Королевский К.Ю. Развитие рынка арендного жилья в России: монография. Новосибирск: Изд-во ЦРНС, 2016.
7. Матвеева Е.С. Состояние рынка арендного жилья в современных условиях // Российское предпринимательство. 2014. № 18. С. 109-116.
8. Рагулина Ю.В. Рынок арендного жилья как стратегический фактор модернизации России // Экономика мегаполисов и регионов. 2010. № 5 (35). С. 6-11.
9. Соловьёва М.В. Перспективы развития рынка арендного жилья в России // Современные научные исследования и инновации. 2015. № 4-3 (48). С. 123-125.
10. Сомов В.Л. Статистические подходы к измерению агломерационных эффектов (на примере регионов Приволжского федерального округа) / В. Л. Сомов, В.А. Марков, А.В. Бровкова // Вопросы статистики. 2018. Т. 25. № 6. С. 51-59.
11. Толмачев М.Н. Дифференциация регионов по уровню экономического развития // Вестник Института дружбы народов Кавказа. Теория экономики и управления народным хозяйством. 2011. № 1 (17). С. 28-35.
12. Хихлуха Л.В. Доходные дома: ностальгия или практический шаг к стратегической цели // Жилищное строительство. 2010. № 4. С. 2-8.
13. Цыпин А.П. Модели оценки стоимости жилья с учетом пространственной вариации данных (на примере городов ПФО) / А.П. Цыпин, О.И. Стебунова, А.К. Салиева // Экономика и предпринимательство. 2015. № 11-2 (64-2). С. 369-373.
14. Швед Н.Е. Экономические особенности рынка арендного жилья в городской агломерации // Современные проблемы науки и образования. 2013. № 6. С. 413.
