CC BY
3
Секция
«МАТЕМАТИЧЕСКИЕ МЕТОДЫ МОДЕЛИРОВАНИЯ, УПРАВЛЕНИЯ И АНАЛИЗА ДАННЫХ»
УДК 519.25
УСТАНОВЛЕНИЕ СВЯЗИ МЕЖДУ ЖИЛОЙ И КОММЕРЧЕСКОЙ НЕДВИЖИМОСТЬЮ В Г. КРАСНОЯРСКЕ
Ю. А. Алексеева1, А. А. Ширяева1, И. А. Панфилов2*, О. И. Карелин3
1Сибирский федеральный университет Российская Федерация, 660041, г. Красноярск, просп. Свободный, 79 2Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 3Красноярский государственный аграрный университет Российская Федерация, 660049, просп. Мира, 90 Е-mail: crook_80@mail.ru
Устанавливается зависимость между коммерческой и жилой недвижимостью города Красноярска с помощью регрессионного и корреляционного анализа.
Ключевые слова: анализ данных, корреляционный анализ, регрессионный анализ, жилая недвижимость, коммерческая недвижимость.
THE ESTABLISHING A LINK BETWEEN RESIDENTIAL REAL ESTATE AND COMMERCIAL REAL ESTATE THE CITY OF KRASNOYARSK
Y. A. Alekseeva1, A. A. Shiryaeva1, I. A. Panfilov2*, O. I. Karelin3
1Siberian Federal University 79, Svobodny Av., Krasnoyarsk, 660041, Russian Federation
2Reshetnev Siberian State University of Science and Technology 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation
3Krasnoyarsk State Agrarian University 90, Mira Av., Krasnoyarsk, 660049, Russian Federation Е-mail: crook_80@mail.ru
In this work we establish a link between residential real estate and commercial real estate the city of Krasnoyarsk by use regression analysis and correlation analysis.
Keywords: data analysis, correlation analysis, regression analysis, residential real estate, commercial real estate.
Ежедневно на рынке недвижимости появляются новые предложения о продаже, обмене и сдаче в аренду различных объектов недвижимости. Ими могут быть офисы, склады, квартиры, торговые площади, гаражи и другие объекты собственности. Данные объекты в свою очередь составляют различные виды недвижимости: земли, жилая недвижимость, коммерческая недвижимость [1].
В предыдущих исследованиях, были рассмотрены зависимости стоимости недвижимости от местоположения и заработной платы населения [2; 3]. В рамках данной статьи будет рассмотрена только жилая и коммерческая недвижимость, а именно существует ли между ними связь и насколько сильно цены на недвижимость разного типа влияют друг на друга.
Секция «Математические методы моделирования, управления и анализа данных»
Для установления взаимосвязи между ценами на коммерческую и жилую недвижимости нами была рассмотрена только цена объекта недвижимого имущества за 1 кв. м. Для этого была составлена база предложений по продаже коммерческой недвижимости за январь и февраль 2018 года. Также объекты недвижимости были разделены на 7 районов города Красноярска. Для ее создания информация была отобрана с сайтов rosrealt.ru, www.sibdom.ru,www.domofond.ru, krasnoyarsk.n1.ru. Затем для каждого района была найдена цена 1 кв. м. коммерческой недвижимости и офисов. Причем в категорию офисов были включены универсальные, многофункциональные помещения, здания, а также квартиры под нежилое.
В свою очередь для объектов жилого имущества была взята аналитика цен по районам города Красноярска с сайтов krasdom.ru и www.domofond.ru.
Ниже приведена таблица с данными цен за 1 кв. м. коммерческой и жилой недвижимости.
Цены за 1 кв. м. коммерческой и жилой недвижимости
Районы Коммерческая недвижимость, руб. Офисы, руб. Жилая недвижимость (krasdom.ru), руб. [4] Жилая недвижимость (domofond.ru), руб. [5]
Железнодорожный 54 791,99 61 013,67 58 506,00 57 057,00
Кировский 52 359,22 60 832,16 48 793,00 48 939,00
Ленинский 29 208,60 44 402,54 47 551,00 46 445,00
Октябрьский 54 374,90 57 367,78 58 793,00 57 204,00
Свердловский 46 870,73 51 417,78 55 100,00 53 214,00
Советский 55 090,44 57 244,71 56 844,00 56 531,00
Центральный 72 455,16 70 939,97 61 518,00 63 017,00
Далее были найдены коэффициенты корреляции для каждой пары столбцов, ниже приведены основные из них:
1) коммерческая недвижимость и жилая недвижимость (krasdom.ru и domofond.ru) - 0,8018 и 0,8873;
2) офисы и жилая недвижимость (krasdom.ru и domofond.ru) - 0,6688 и 0,7804.
Чтобы интерпретировать полученные данные мы использовали шкалу Чеддока: 0,1-0,3 -слабая сила связи, 0,3-0,5 - умеренная, 0,5-0,7 - заметная, 0,7-0,9 - высокая, 0,9-0,99 - весьма высокая. [6]
Исходя из данной шкалы весьма высокая связь наблюдается между коммерческой недвижимостью и офисами (офисы являются частью коммерческой недвижимости) и жилой недвижимостью с разных сайтов (принадлежат одной категории). Также коммерческая недвижимость и жилая недвижимость имеют высокую силу связи, а офисы с жилой - заметную (с сайта krasdom.ru) и высокую (с сайта domofond.ru).
Далее для коммерческой и жилой недвижимости, а также для офисов и жилой недвижимости был применен регрессионный анализ, чтобы установить более точную зависимость. В первую очередь была рассмотрена линейная регрессия. Сначала был рассчитан коэффициент детерминации (Я-квадрат), который определяет долю общей вариации одной переменной, обусловленной изменчивостью другой переменной [7]. Данный коэффициент изменяется от 0 до 1, поэтому исходя из его уровня, модели разделим на три группы: 0,8-1 - модель хорошего качества, 0,5-0,8 - модель приемлемого качества, 0-0,5 - модель плохого качества. Таким образом, приемлемыми оказались линейные модели для жилой (krasdom.ru, domofond.ru) и коммерческой недвижимости, а также для жилой (domofond.ru) и офисов.
Для каждой пары данных были построены экспоненциальная, логарифмическая, полиномиальная (со степенью 2 и 4) и степенная модели.
Для коммерческой недвижимости и жилой недвижимостью с сайта krasdom.ru и domofond.ru моделью хорошего качества оказалась модель полиномиальная со степенью 4 (Я2 = 0,9118 и Я2 = 0,9646):
у = -1Е-12х4 + 2Е-07х3 - 0,0174х2 + 552,53х - 6Е+06,
Актуальные проблемы авиации и космонавтики - 2018. Том 2
y = -1E-12x4 + 2E-07x3 - 0,0146x2 + 463,77x - 5E+06.
Для офисов и жилой недвижимости с сайта krasdom.ru моделью хорошего качества оказалась модель полиномиальная со степенью 6 (R2 = 0,9937):
y = -4E-18x6 + 1E-12x5 - 2E-07x4 + 0,0144x3 - 612,34x2 + 1E+07x - 1E+11.
А для офисов и жилой недвижимости с сайта domofond.ru удалось найти две модели хорошего качества, которыми оказались две полиномиальные модели со степенью 4 и 6 (R2 = 0,8119 и R2=0,9846):
y = 9E-13x4 - 2E-07x3 + 0,0167x2 - 608,1x + 8E+06, y = -3E-18x6 + 9E-13x5 - 1E-07x4 + 0,0099x3 - 420,3x2 + 9E+06x - 9E+10.
Таким образом, нами была установлена связь между коммерческой и жилой недвижимостью.
Библиографические ссылки
1. Классификация и виды недвижимости [Электронный ресурс]. URL: http://www.grandars. ru/college/biznes/nedvizhimost.html (дата обращения: 28.02.2018).
2. Алексеева Ю. А., Ширяева А. А., Панфилов И. А., Карелин О. И. Применение коэффициента корректировки по заработной плате // Решетневские чтения. 2017. Т. 2. С. 172-173.
3. Алексеева Ю. А., Ширяева А. А., Панфилов И. А., Карелин О. И. Исследование метода парных оценок при оценке недвижимости // Решетневские чтения. 2016. Т. 2. С. 10-11.
4. Информер стоимости квадратного метра жилья в Красноярске [Электронный ресурс]. URL: https://krasdom.ru/analitics (дата обращения: 27.02.2018).
5. Динамика цен на продажу квартир по районам [Электронный ресурс]. URL: https://www.domofond.ru/nedvizhimost-tseny-rayon-prodazha (дата обращения: 27.02.2018).
6. Корреляционно-регрессионный анализ [Электронный ресурс]. URL: http://www. grandars.ru/student/statistika/korrelyacionno-regressionnyy-analiz.html (дата обращения: 28.02.2018).
© Алексеева Ю. А., Ширяева А. А., Панфилов И. А., Карелин О. И., 2018
