CC BY
134
• для образовательных учреждений стандарты дают представление о востребованности тех или иных программ обучения и позволяют скорректировать процесс обучения так, чтобы выпускать специалистов нужной квалификации и в нужном количестве;
• для бизнеса стандарты позволяют оптимизировать расходы на подбор персонала, выбирать только тех специалистов, которые необходимы.
ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА
1. Цюрихская Конвенция об учреждении Евразийской организации экономического сотрудничества от 09 ноября 2012 года // Электронный ресурс. Режим доступа: http ://www.eurasian-economic.org//
2. Евразийские профессиональные стандарты специалистов по определению стоимостей (оценщиков) // Электронный ресурс. Режим доступа: http://www.profsro.ru/obschie-dokumentyi/evraziyskie-professionalnyie-standartyi-spetsialistov-po-opredeleniyu-stoimostey-otsenschikov-prin.html
УДК 657.922
МОДЕЛ1 МАСОВО1 ОЦ1НКИ М1СЬКИХ ЗЕМЕЛЬ
О. I. Дратковсъкий, I. Б. 1ванова Центр оргамзацИ та економ1ки м1съкого землекористування, м. Кигв
Ключовi слова: масова ощнка, оцточт модел1, сума угоди, варт1стъ
Постановка проблеми. Масова оцшка - необхщний та ефективний шструмент дослщження та управлшня процесами мюького землекористування. Спрямована на визначення вартосп уше! множини земельних дшянок, вона дозволяе встановити закономiрностi динамши та територiально! диференщаци цшност мюьких земель, слугуе шдставою для прийняття мютобущвних та швестицшних ршень, традицiйно використовуеться для цшей оподаткування. Ось чому масова оцшка сама повинна мати ефективш шструменти оцiнювання, якi забезпечували б досягнення одномаштност та узгодженостi результат.
Розумiння, що ефективнiсть таких шструменпв залежить вiд !х здатностi вщтворювати дiю ринкових чинникiв попиту та пропозици, вже тривалий час тдтримуе iнтерес фахiвцiв багатьох кра!н до питання побудови моделей масово! оцшки, якi за сторiчний перiод трансформувалися iз стратифiкацiйних моделей Олександра Русова та Рiчарда Харда до моделей множинно! регресп Джозефа Еккерта i Роберта Глаудеманса та нейромережевих моделей Рiчарда Борста i Тома Кауко.
Стимулом до розробки ринково орiентованих моделей масово! оцшки в нашш кра!ш може стати впровадження оподаткування нерухомого майна i доходiв з його продажу та формування пов'язаного з ним нового напряму в оцшочнш дiяльностi - оцiнки для цшей оподаткування. Певш напрацювання в цш сферi вже зробленi нашими колегами Б. Семененком, С. Сивцем, I. Левикшою, Ю. Кiрiчеком, С. О. Ландо, С. Ю. Гайденко, В. Вороншим, А. В. Костиком [1 -4]. Незважаючи на оригшальний характер 1'х розробок, кожну з них можна вщнести до того чи iншого типу вже вщомих моделей i, тим самим, отримати необхщне уявлення про переваги та недолши 1'х застосування в оцшочнш практищ.
Мета статп. Головним завданням такого дослiдження е окреслення та аналiз основних титв моделей масово! оцiнки, критерiями для видшення яких слугували еднiсть науково-економiчних засад та математично! штерпретацп способу визначення вартостi. При цьому, з урахуванням основного призначення мюьких земель, предметом розгляду стали моделi оцшки не тшьки вакантних (або умовно вакантних), а й забудованих земельних дшянок.
Виклад матерiалу. Побудова моделi посiдае центральне мiсце в процедурi масово! оцiнки, надаючи !й стандартизованого характеру та забезпечуючи бажану одномаштшсть у визначеннi вартостi кожно! iз земельних дiлянок мiста. В основi цього процесу лежить розробка математичних рiвнянь, що пояснюють взаемозв'язок мiж цiною купiвлi-продажу або оренди земельних дiлянок та змiнними, що вщображають чинники попиту i пропозици. Це, у свою чергу, дозволяе обчислити вартють як одиниць вибiрки (дшянок, стосовно яких були укладеш та проаналiзованi угоди), так i решти подiбних !м об'ектiв. Фактично, оцшочна модель е
математичною iнтерпретацieю поведiнки ринку нерухомостi в заданий час на певнш територп, а 11 побудова вимагае наявностi вщповщно1 статистики. Така статистика стала доступною вже наприкшщ Х1Х столiття, протягом якого визначення вартостi нерухомого майна для цшей оподаткування та забезпечення позики набувае масового та регулярного характеру, а результати цих ощнок публшують, заносять до кадастру i навiть картують (рис. 1).
Стратифшацшш модели В цариш податково! та банювсько1 ощнки стали провадитися першi узагальнення ринкових даних. В основу такого узагальнення була покладена стратифiкацiя, тобто подш уие1 сукупностi земельних дiлянок за ступенем прояву !х основних ознак (характеристик) на групи (страти), в межах яких i на множит яких визначаеться вартють мiських земель.
Рис. 1. Нормальнарозцтка мгських земель за даними банювськихуставов: а - Нью-Йорк, 1903р.; б - Кигв, 1911 р.
Стратифшацшш моделi вперше дозволили виявити стшкий взаемозв'язок мiж сумою угод та розташуванням земельних дшянок у плаш мiста. Для цього земельш дiлянки, стосовно яких були укладеш угоди, групували за !х мюцем розташування, яке задавали або вщстанню до загальномiського центру, або входженням до певно! одиницi територп, а поим для кожно! групи обчислювали середне значення сум угод.
Стратифшацшш моделi широко використовують у масовш оцiнцi i сьогоднi. Адже вони дозволяють узагальнити iнформацiю про неповш аналоги так, щоб на цш основi можна було провести ощнку, застосовуючи замiсть абсолютних значень середшх цiн коефiцiенти, що вiдображають мiру И вiдхилення за конкретною ознакою вiд базово1 вартостi типового об'екта. Теоретично стратифшащя може бути здшснена за будь-якими ознаками i за будь-якою кшьюстю ознак, що е безперечною перевагою цього методу. Важливо лише те, щоб кожна наступна конкретизащя за черговою ознакою деталiзувала рашше виконану конкретизацiю за попередньою ознакою. Проте стратифшацшш моделi мають i сво! недолiки. Передусiм, цей метод не дозволяе визначити шдивщуально1 вартост окремого об'екта, а лише дае уявлення про типовий рiвень цiн для певно1 групи об'екпв. Крiм того, обчисленi за його допомогою значення коефщенпв вимагають сурового дотримання iтерацiйностi при !х застосуванш та потребують постшно1 актуалiзацil.
Рентш модел1 Прагнення пояснити взаемозв'язок мiж цшою та мюцем розташування земельних дшянок у планi мiста сприяло розвитку рентних моделей, що формалiзують загальш положення неокласично! теорп утворення земельно! ренти стосовно мюьких земель. В основу цих моделей була покладена залежнють розмiру плати за землю вщ сукупних транспортних витрат на досягнення загальномюького центру. При цьому основний акцент робився на час, витрачений на по!здки, що шдтверджувалося збтанням контурiв iзохрон з iзолiнiями рiвних цiн на мiськi землi (рис. 2). Свое! завершеностi рентш моделi набувають у 1960-тi роки завдяки працям Лаудона У!нго, Вшьяма Алонсо, Рiчарда Мата та Рене Мейера. Модель Л. У!нго грунтувалася на припущеннi, що кожний мешканець мiста намагаеться оселитися якомога ближче до мюця свое! роботи i погодиться жити у вiддаленостi вщ нього лише за умови, що це компенсуеться меншою платою за землю.
Рис. 2. Вгдповгднгсть ргвня щн на мгськг землг витратам часу на досягнення загальном1ського центру
I! po3Mip буде визначатися як рiзниця мiж максимальними та конкретними для певного мюця сукупними транспортними витратами:
r (х) = k (max) - k (х), (1)
де r (x) - плата за землю у точщ х;
k (max) - максимальш сукупш транспорты витрати на пересування в межах мюта; k(х) - сукупш транспортш витрати для точки X . Модель В. Алонсо пов'язувала рiвень цш на мюью землi з платоспроможним попитом, а саме з бажанням домогосподарств та пщприемств отримати максимальну вигоду в рамках наявних у них доходiв. Для цього В. Алонсо запропонував розподiляти доходи домогосподарства y мiж трьома статтями витрат: оплатою житла, розташованого на земельнiй
дiлянцi площею q, за одиницю яко! сплачуеться орендна плата у розмiрi r(х); транспортними витратами на трудовi по!здки k(х) , яю залежать вщ х — вiдстанi до центру мюта; оплатою вшх iнших благ, що характеризуются кiлькiстю z та вартютю pz. Таке теоретичне узагальнення дозволило розрахувати кривi платоспроможност домогосподарства, що характеризують, залежно вщ вiдстанi х до центру мюта, т оренднi платеж! за землю, яю це домогосподарство здатне сплатити, збер^аючи попереднiй життевий рiвень:
r(х) х q = y - pz х z - k(х). (2)
Аналогiчним чином, модель В. Алонсо дозволяе визначити розмiри орендно1 плати за землю для тдприемств, за умови збереження ними максимального прибутку як залишку мiж сумарною вартютю реалiзованоl продукци, з одного боку, та витратами на виробництво i платою за землю, з шшого.
Р. Мат, розвиваючи ще1 В. Алонсо, припускав, що рiвень орендно1 плати за мiськi землi визначаеться не лише попитом, а й пропозищею. I якщо для попиту юнуе можливiсть вибору з двох або декшькох варiантiв, то пропозищя мiських земель завжди iнварiантна. До свое1 моделi Р. Мат включив фiзичнi обмеження пропозицп, що дозволили пояснити швидке зниження орендно1 плати вiд центру до перифери мiста, зв'язавши, тим самим, рiвень орендно1 плати з обсягом пропозицп.
Модель Р. Мейера виходила з того, що розмiр плати за землю зменшуеться вiд центру мюта до його периферп вiдповiдно до вартост часу, витраченого на перемщення до центру, i вiдображала цю залежнють як криву, що наростае, починаючи з деяко1 величини, характерно1 для межi мiста:
х 2
г (х) = г (I) -Г—-йх (3)
/ 5
де г (х) - плата за землю у точщ, що знаходиться вщ центру мюта на вщсташ х ;
г (I) - плата, характерна для межi мюта I;
X - вартють часу г, що витрачаеться на по1здку до центру мюта;
п - кiлькiсть по1здок до центру мюта на рш;
5 - швидкють пересування, що дорiвнюе
йх
5 = —
йг
При цьому для рiзних оиб вартiсть цього часу буде рiзною, внаслiдок чого у мiстi формуються концентричнi зони, де зосереджуються домогосподарства та тдприемства, подiбнi мiж собою у свош оцiнцi часу та в розмiрах доходу. Цiеl ж думки дотримувалися i Л. У1нго, В. Алонсо та Р. Мат, пояснюючи зональний розподш конкуруючих мiж собою видiв використання мiських земель.
Трендовi модел1 Бшьшють трендових моделей (моделi Едвiна Мiлса, Жан-Жака Гранеля) вщтворюе експоненцiальну залежнiсть мiж цшами та вiдстанню (необхiдним часом на пересування) до загальномюького центру, де ключовими параметрами виступають цiна землi в обранiй точцi вiдлiку (або центр мюта, або його околиця) та градiент вартосп, що вщображае падiння (зростання) цiн на одиницю вщсташ:
Р = (4)
Чг ,
де - цша 7-1 земельно1 дiлянки; qi - площа 7-1 земельное' дiлянки;
- вiдстань вiд 7-1 земельно1 дiлянки до центру мiста; в0 - цiна землi в розрахунку на одиницю площi в цен^ мiста;
Рх - вiдсоток, на який змшюеться цiна залежно вщ вiдстанi до центру мiста, так званий градiент вартостi землi.
Загалом трендовi моделi легкi для розумшня i дуже наочнi в графiчному вiдображеннi. Проте при визнаннi необхщноси враховувати, крiм доступностi до загальномюького центру, i вiдстанi до шших центрiв тяжiння, наведенi моделi вдаються занадто спрощеними. Тому бiльш перспективним методом аналiзу просторово1 динамiки е побудова трендово1 поверхнi, що дозволяе вщобразити загальнi тенденц^ територiальноl диференщаци ринково1 вартостi в межах мюта та виявити поширення 1'х екстремальних значень.
Саме поширення гедонiстичного напряму сприяло тому, що регресiйнi моделi вже наприкiнцi 1960-х рокiв стали базовим шструментом у теор^ та практищ масово1 оцiнки мiських земель.
Гедотстичт моделi розглядають вартють мюьких земель як результативну ознаку впливу певних факторних ознак, що характеризують угоду та об'ект, стосовно якого ця угода укладасться:
V = f(x,, в,), (5)
де Vi - результативна (оцiнювана) ознака; X, - i -а факторна ознака;
в - показник вщповщност або внеску i факторно! ознаки у вартiсть.
Рис. 3. Tpendoei модели: а - трендова крива; б - трендова поверхня
Проте на суму угоди можуть вплинути i випадковi чи невраховаш чинники, тому зв'язок мiж результативною та факторними ознаками мае скорш не функщональний, а стохастичний характер, коли набору чинниюв, що впливають на суму угоди, може вщповщати деякий статистичний розподiл значень суми угоди.
/
v; = <в0 +
xi х
Рис. 4. Вiдхилeння iндивiдуального значення ринковог вартостi вiд середнього значення о^ночног вартостi
Таким чином, суму угоди P можна представити через двi складов^ функщю регресн f (xi , в,), що кiлькiсно ощнюе усереднену залежнiсть мiж результативною ознакою та включеними до моделi факторами, та випадкову величину S, що характеризуе вщхилення iндивiдуального значення суми угоди (ринково! вартостi) вщ середнього значення ощночно' вартостi, обчисленого за функщею регресп:
Pl = Vl +sl (6)
Загалом, гедошстичш моделi можуть мати одну з трьох форм: адитивну, мультиплiкативну
i гiбридну, що визначаеться характером статистично! залежностi вартостi земельно! дiлянки вщ
ii атрибутiв.
Адитивна модель, заснована на лшшнш регресii, дозволяе розрахувати ощночну вартiсть земельно' дiлянки як суму певно' константи та добутюв кожно' незалежно' факторно' ознаки на вщповщний коефiцiент:
У0 =во (7)
1=1
Адитивнi моделi в ощночнш практицi переважають над iншими, що зумовлено !х традицiйнiстю та наявшстю значно! кiлькостi програмного продукту. Проте припущення про лiнiйний характер зв'язку мiж вартiстю землi та одшею або декiлькома факторними ознаками, на якому грунтуються адитивнi моделi, зазвичай не вщповщае реалiям ринку. Тому на основi адитивно! моделi можна лише зробити висновки про значущють тих чи шших факторних ознак i про погрiшностi шформаци на стадп попереднього аналiзу.
Мультиплшативна модель, заснована на нелшшнш регреси, для розрахунку ощночно! вартостi використовуе коефщенти факторних ознак як показникiв степеня, в який зводяться значення цих факторних ознак, або використовуе самi факторш ознаки як показники степеня. Отримаш результати по^м перемножуються:
Уо =в-ПвП Хв (8)
1=1 ]=1
Мультиплшативш моделi складаються з базово! ощнки (в0) i процентних коригувань (Pi).
Вони мають декiлька переваг, включаючи i здатнiсть бiльш ефективно уловлювати криволшшну залежнiсть, i здатнiсть робити коригування пропорцiйно вартостi землi, що ощнюеться. Проте вони не дають можливосп розподiлити вартiсть нерухомостi за фiзичними складовими - землею та полшшеннями.
Пбридш моделi е комбiнацiею адитивних i мультиплiкативних моделей, що дозволяе бшьш точно вiдображати комбiнацiю лшшних та нелiнiйних взаемозв'язкiв, якi юнують на ринку нерухомого майна:
п т ( п \
Уо =ПвХ-ПX] во (9)
1=1 ]=1 V 1=1 )
Гiбриднi моделi е найкращим варiантом моделювання ощночно! вартосп i можуть бути застосоваш до будь-якого типу земельних дшянок, щодо яких е в наявност ринкова iнформацiя. Проте вони не можуть бути калiброванi безпосередньо, що вимагае додаткових зусиль на !х розробку.
Зауважимо, що для побудови моделей масово! ощнки мюьких земель доречно використовувати не тшьки ^ не стiльки) данi про угоди щодо вакантних дшянок, а й ринкову вартють земл^ визначену для продано! або надано! в оренду полшшено! нерухомостi. Полiпшенi земельнi дшянки мають суттевi переваги над неосвоеними земельними дшянками, особливо у тому випадку, коли вiдсутнi гарантi! того, що покупець або потенщйний забудовник осво!ть цю землю успiшно.
У будь-якому разi побудова гедонiстичних моделей передбачае розробку структури (специфiкацi!) та калiбрування моделi. Специфiкацiя моделi полягае у визначенш !! типу та складу факторних ознак. Останш, як правило, включають т властивостi та характеристики угод та земельних дшянок, стосовно яких щ угоди укладеш, що е важливими для визначення вартосп i дозволяють вiдобразити реальш ринковi взаемозв'язки. Звичайно тут використовують два основш типи факторних ознак: внутршш, що стосуються параметрiв дшянки землi та !! полiпшень, та зовтшт, що вщображають параметри !! мiсця розташування.
На думку Джозефа К. Еккерта (1985, 1990) та Роберта Дж. Глаудеманса (1990), процес специфшащ! можна уявити як розширення загально! моделi оцiнки нерухомостi до ринково! гiбридно! моделi (рис. 5).
Калiбрування спрямоване на визначення вщповщносп або внеску у вартiсть кожно! з включених до моделi факторно! ознаки. Найчастше для цього використовують множинний регресшний аналiз. До його сильних сторш слiд вiднести як загальноприйнятий характер критерi!в перевiрки точност та достовiрностi моделi, що, у свою чергу, забезпечуе вiру в обгрунтованють отриманих результатiв, так i iснування безлiчi програмних продуктiв для його використання, що постiйно удосконалюються завдяки розвитку комп'ютерних технологiй. У той же час, застосування множинного регресшного аналiзу для калiбрування ускладнене вимогою до наявностi значно! бази даних, що вщповщала б критерiям розмiру вибiрки, а також неможливютю оцiнки iнтерактивних i нелiнiйних ринкових тенденщй, характерних для цiн на мюью землi, без попереднього перетворення деяких змiнних на логарифмiчний формат.
Рис. 5. Спецификация гедомстичног модел1 оц1нки нерухомост1
Геошформацшт модели Можливосп ан^зу мюця розташування при визначент вартостi нерухомого майна суттево розширяються з використанням у масовт оцiнцi географiчних шформацтних систем. Сучаснi Г1С-технологп дозволяють вщображати i вимiрювати мiсце розташування в тривимiрному координатному просторi, обробляти нелштш та динамiчнi вiдстанi, використовувати одержат результата в методах калiбрування, що суттево спрощуе визначення внеску мюця розташування у вартють нерухомого майна.
Патрик О'Коннор (1992, 2002) запропонував ураховувати вплив мюця розташування за допомогою анатзу поверхнi вiдгуку вартост на мiсце розташування, побудовано! на основi залишкiв мiж сумою угоди та ощночно! вартостi, обчисленою за моделлю, що не враховуе чинниюв мiсця розташування:
8, = Р, - / (x,, в,)
де 8, - залишок з моделi; Р, - сума угоди;
X, - факторт ознаки, що не стосуються мюця розташування; в - показник вщповщносп або внеску обраних факторних ознак.
(10)
Аналiз поверхнi вiдгуку передбачае виявлення цен^в впливу на вартють (наприклад, громадських центрiв, зупинок швидкюного пасажирського транспорту, зон вiдпочинку, смотезвалищ тощо) i дозволяе визначити позитивний чи негативний вплив чинника вщдаленост вщ цих центрiв на вартють земельно! дшянки. Це особливо важливо, якщо оцiночна модель розробляеться для земельних дшянок рiзного функцiонального використання, для яких значення поправок на вщдаленють вiд центру тяжiння як чинника мюця розташування може суттево рiзнитися.
У моделi просторового поширення стае можливим прив'язати розмiр внеску кожно! з факторних ознак до вартост нерухомого майна до простору. Це вщображае серiя взаемозв'язаних субринюв iз межами, що змiщуються. Така специфшатя iз змiнними параметрами дозволяе при ощночному моделюваннi подолати просторову рiзнорiднiсть ринку нерухомостi. Таким чином, пошук шляхiв удосконалення врахування впливу мюця розташування на вартють нерухомого майна сприяв поширенню в масовт оцiнцi методiв гнучко! регресi!, що вважаються методологiею змiстовного дослiдження в межах парадигми формального моделювання. Загалом же, впровадження в оцiночну практику цих методiв можна розглядати як своерщний вiдгук на проблему втрати шформацн при застосуваннi гедонiстичних моделей з ч^кими параметрами в умовах невизначеносп та неточностi вихiдних даних.
Рис. 6. Поверхня вiдгуку вартостi на джерела забруднення
Нейромережевi модел1 Одним з основних способiв вирiшення проблеми недосконалостi вихщно! шформаци стало використання в масовiй ощнщ мiських земель натвпараметричних та непараметричних моделей. Бiльшiсть з них засноваш на алгоритмах комп'ютерно! симуляцп та штучного штелекту, що, з одного боку, свщчить про певну шновацшну спрямованiсть дослiджень у сферi масово! оцiнки, а, з iншого, про подiбнiсть оцiнювання до задач розшзнавання образiв. Домiнуюча роль тут належить нейромережевим технологiям, заснованим на припущенш, що структура системи обробки даних складаеться з велико! кiлькостi надзвичайно взаемозв'язаних елементiв обробки, що е аналогами нейрошв, якi сполученi мiж собою зваженими логiчними зв 'язками, що е аналогами синапшв.
Основна одиниця нейронно! мережi - штучний нейрон - моделюе чотири основш функцi! природних нейронiв. Такi функци включають: введення iнформацi!, обробку введено! шформаци (тдсумовування), передачу (лiнiйна, сигмо!дальна, синусо!дальна тощо), а також виведення кшцево! iнформацi! (рис. 7).
Уведення даних у мережу вщображено математичним символом хI. Кожна сукупшсть даних перемножуеться на зв'язане значення, представлене виразом wi. У прихованому шарi цi значения проходять вщповщне «калiбрувания», що сприяе зменшенню квадратично! похибки,
п
та шдсумовуються. Кiнцевим результатом е значення у = f (I) = f xiwi).
I = Е w1 x1 Пiдсумовувания Y = Т ( I) Передача
Елемент обробки шформаци
Введення лп
x
x
X
X
Вага w
Рис. 7. Структура штучного нейрона
Алгоритм нейронно! мережi будусться за допомогою навчання, що зводиться до задачi апроксимацп (штерполяци) функци багатьох змiнних за заданим набором прикладiв. Для цього вщомий ряд цiн розбивають на три вибiрки, а саме: навчальну, валiдацiйну, тестову. Першу вибiрку використовують власне для навчання мереж, другу - для вибору оптимально! архтектури нейромереж1, а також для визначення моменту припинення навчання, третю вибiрку, що не використовували в процес навчання, - для контролю якост прогнозу вже навчено! нейромережi. Тобто, щоб визначити ймовiрну цiну продажу чи оренди будь-якого об'екта чи групи об'екпв, що оцiнюються, достатньо мати лише великий набiр рядiв даних, для яких вiдомий очшуваний результат.
На думку Рiчарда А. Борста (1995), застосування нейромережевих моделей в масовш оцiнцi мае велик перспективи, оскiльки, на вiдмiну вщ гедонiстичних моделей, вони не потребують специфiкацi! та калiбрування, якi вводять обмеження на вхiдну iнформацiю. Мабуть, найбшьшим недолiком цього типу моделей е вщсутшсть ясного з математично! точки зору взаемовiдношення мiж входом та виходом, що ускладнюе процес пояснення отриманих результатiв, не дозволяе встановити необхщний та достатнiй склад вхщних даних чи переконатися в тому, що нейромережа справдi набула оптимально! архтоктури.
Контингентш модел1 З поширенням в економiчнiй науцi бiхевiористичного напряму, невизначенiсть та неточнiсть дшсносп, з якою повсякденно стикаються ощнювач^ стали все бiльше вiдносити до неращонально! поведiнки учасникiв ринку, зумовлено! унiкальнiстю кожно! земельно! дiлянки, дефщитом iнформацi!, характерним для покупцiв та продавщв, та !х конкретною мотиващею. Основою бiхевiористично! (поведiнково!) економiки стала теорiя перспектив, запропонована Амосом Тверсью та Денiелом Канеманом, яку вони розглядали як альтернативу теорi! ймовiрностi, що мае справу з невизначешстю майбутнього.
Контингентнi моделi, де штерв'ю замiнюють обчислення ринкових даних, поеднують як якiснi методи, оскiльки вони використовують суб'ективш данi, так i кiлькiснi методи, оскiльки !х результати математично обгрунтоваш. Моделi цього типу, за твердженням Вшьяма С. Брефле (1998), дозволяють отримати бшьш точне значення економiчних вигод вiд володшня земельною дiлянкою, нiж значення, отримане в результат аналiзу сум угод. Це стосуеться i формування уявлення про зручшсть (цiннiсть) мiсця розташування, оскiльки оцiнка характеру оточення завжди мае суб'ективне забарвлення.
Це знаходить тдтвердження в динамiцi вiдносних щн на нерухомiсть Киева. Так, полшшення економiчного стану в першiй половит 2000-х роюв викликало зростання щн у престижних районах центру та еколопчно чистих районах вздовж Дшпра. Натомiсть економiчна криза 2008 — 2009 рр. змусила пропозищю орiентуватися лише на прiоритети покупцiв iз високим рiвнем доходiв, що поглибило розрив щн мiж центральними та перифершними районами, а також правобережною та лiвобережною частинами мiста (рис. 8).
1996
2006
Рис. 8. Поглиблення територгально! диференцгацИ щн на нерухом!сть Киева
у пер1од 1996 - 2012 рр.
