Формирование рыночной стоимости объектов жилой недвижимости в современных экономических условиях (на примере г. Самары)

 

   F критическое при уровне значимости 0,05 - 9,55.

   Для параметров: "Общая площадь", "Жилая  площадь" F расчетное больше F критического, следовательно, эти переменные коллинеарны с остальными.

   Для параметров: "Этаж качество", "Состояние" - F расчетное не превышает F критическое, следовательно, эти переменные не коллинеарны с остальными.

   Выполним  Т тест.

   Т расчетные:

   Т критическое при уровне значимости 0,05 - 4,30.

   Для пары параметров: "Жилая площадь"-"Общая  площадь" Т расчетное больше Т  критического, следовательно, эти параметры коллинеарны между собой.

   Для пар параметров: "Общая площадь"-"Этаж качество", "Жилая площадь"-"Этаж качество", "Состояние"-"Этаж качество", "Состояние"-"Общая  площадь", "Состояние"-"Жилая  площадь".

   Анализ  показал, что между переменными присутствует мультиколлинеарность.

   Удалим факторную  переменную "Жилая площадь".

   Выполним  алгоритм Феррара-Глобера еще раз, чтобы убедиться, в том, что мы избавились от мультиколлинеарности.

   Расчетное значение теста "Хи квадрат" - 4,90.

   Критическое значение теста "Хи квадрат" при  уровне значимости 0,05 - 7,81.

   Расчетное значение теста "Хи квадрат" не превышает  критического, следовательно в данных мультиколлинеарность отсутствует.

   Выполним  Т тест.

   Т расчетные:

 

   Т критическое при уровне значимости 0,05 - 3,18.

   Для пар параметров: "Общая площадь"-"Этаж качество", "Состояние"-"Этаж качество", "Состояние"-"Общая  площадь"

   Т расчетное не превышает Т критическое, следовательно, между соответствующими переменными нет мультиколлинеарности.

   Анализ  показал, что между переменными  мультиколлинеарность отсутствует.  
 
 
 
 
 
 

 

    Приложение 21

   Определение величины стоимости объекта методом  КРА

   Были  получены регрессионные функции:

   y = 56676,58 + 199,67*x1 + -322,32*x2 + 4580,24*x3

   y = 57688,02 + 0*x1 + -341,76*x2 + 4610,57*x3

   y = 42649,59 + 0*x1 + 0*x2 + 6228,19*x3

   y = 1/(-0,0000022x + 0,000023)

   y = -13169,69/x + 63770,29

   y = x/(0,000015x + 0,0000047)

   y = 49411,84*x^0,18

   y = 9683,15ln(x) + 49540,85

   y = 1/(-0,0000034ln(x) + 0,000020)

   y = 43452,43*exp(0,12x)

   y = exp(-0,25/x + 11,08)

   y = 43452,43*1,12^x

   y = 115974,15 * x1^-0,02 * x2^-0,23 * x3^0,14

   y = 107910,55 * x1^0 * x2^-0,21 * x3^0,14

   y = 54259,19 * 1,01^x1 * 0,99^x2 * 1,09^x3

   y = 56368,18 * 1^x1 * 0,99^x2 * 1,09^x3

   Величина  результирующей переменной, рассчитанная методом регрессионного анализа:

   Приложение  22

   Определение величины стоимости объекта методом МАИ

   Определение величины результирующей переменной для  объекта оценки методом МАИ проводилось  на основании тех же параметров и  тех же аналогов, что и при определении  величины результирующей переменной с  помощью регрессионного анализа.

   Построим  матрицу сравнения и рассчитаем значения приоритетов критериев:

 

   Сравнение влияния основных характеристик на результирующую переменную производилось по следующему принципу: рассчитывались коэффициенты корреляции с результирующей переменной, затем составлялась матрица отношений коэффициентов корреляции, после этого элементы  матрицы приводились к 9 бальной шкале.

   Сравним влияние на результирующую переменную каждого из критериев согласования:

 

   

 

   Вычислим  весовые коэффициенты для приведения величин результирующих переменных аналогов, к величине результирующей переменно оцениваемого объекта используя итоговые значения весов по критериям согласования: 
 
 
 
 

 

   Величина  результирующей переменно объектов оценки, рассчитанная методом анализа иерархий: