Автор работы: Пользователь скрыл имя, 21 Января 2011 в 22:43, курсовая работа
Объектом исследования выбрана совокупность трёхкомнатных квартир Металлургического района на вторичном рынке г. Челябинска.
В качестве предмета исследования выступает оценка продажной цены квартиры.
Целью работы является исследование зависимости цены предложения трехкомнатных квартир на вторичном рынке Металлургического р-на г.Челябинска в 2005 году от характеристик этих квартир.
Основным методом исследования является регрессионный анализ.
Введение……………………………………………………. 3
1 Описание предметной области …………………………... 4
2 Постановка задачи ………………………………………... 9
3 Моделирование …………………………………………… 11
4 Идентификация и интерпретация полученных моделей 19
5 Верификация ……………………………………………… 27
6 Интерпретация окончательной модели………………… 31
Заключение ……………………………………………… 38
Список использованной литературы …………………… 39
Малая значимость регрессора Х5+Х6 (Prob.=0.28), обозначающего общую площадь квартиры, вероятнее всего обусловлена связью между метражом квартиры и её серией.
Такие квартирные серии, как 121 (Х12), полнометражная (Х13), элитная (Х15), обладая рядом особенностей, изначально несут в себе информацию о стоимости квартиры.
Целесообразно ввести новый регрессор Х20:
Включение
регрессора Х20 в модель позволит освободить
переменные, описывающие принадлежность
квартиры к указанным сериям, от
влияния фактора метражности. Возможно,
это улучшит качество оценок параметров
модели и увеличит их значимость. Коррекция
на гетероскедастичность новой модели
1.3 дает следующие результаты.
Таблица 4.2 Результат коррекции на гетероскедастичность модели 1.3.
Переменная | Оценка коэффициента | Стандартная ошибка | t-статистика | Значимость |
C | 322.7641 | 118.5302 | 2.723054 | 0.0075 |
X2 | 102.2354 | 31.48546 | 3.247067 | 0.0015 |
X3/X4 | 23.57107 | 10.12205 | 2.328684 | 0.0217 |
(X5+X6)*X20 | 4.377593 | 2.121505 | 2.063438 | 0.0414 |
X12 | 417.4320 | 132.7759 | 3.143885 | 0.0021 |
X13 | 528.8244 | 129.8443 | 4.072757 | 0.0001 |
X15 | 2211.755 | 417.3258 | 5.299828 | 0.0000 |
X16 | 152.1110 | 36.70453 | 4.144202 | 0.0001 |
R-squared | 0.788406 | F-statistic | 60.14874 | |
Adjusted R-squared | 0.775298 | Prob(F-statistic) | 0.000000 | |
S.E. of regression | 178.1561 |
Полученная модель имеет вид:
Yt=322.76+102.24*X2t+23.57*
(118.53) (31.49) (10.12)
(2.12)
+528.82*X13t+2211.76*X15t+152.
(129.84) (417.33)
(36.70)
Значение коэффициента детерминации получилось равным R-squared=0.79, из чего может следовать близость построенного уравнения к выборке. Скорректированный коэффициент детерминации имеет значение
Adjusted R-squared=0.78, т.е. он отличается от R-squared незначительно, что также говорит в пользу предыдущего утверждения.
Значение
Prob(F-statistic)=0, следовательно, уравнение
в целом абсолютно значимо.
Рассмотрим экономический смысл значимых регрессоров и их влияние на цену предложения квартиры.
1.
Х2 - удобство положения
2.
Х3/Х4 – увеличение
3. (Х5+Х6)*Х20 – при увеличении общей площади квартиры (не относящейся к 121, полнометражной и элитной сериям) на 1 кв. метр, её цена предложения возрастает на 4.38 тыс. руб.
Введенный регрессор Х20 исключает влияние фактора метражности в таких квартирных сериях, как 121, полнометражная и элитная. Поэтому непосредственный фактор метража (Х5+Х6) учитывается только при определении цены на квартиры серий, отличных от перечисленных.
4. Х12 – принадлежность квартиры к 121 серии увеличивает её цену на 417.43 тыс.руб.
5. Х13 – полнометражная серия квартиры увеличивает её цену на 528.82 тыс. руб.
6.
Х15 – элитная серия квартиры
имеет самую большую
7.
Х16 – каждый балкон увеличивает
цену продажи квартиры на 152.11
тыс. руб.
4.2.2. Коррекция на гетероскедастичность полулогарифмической
модели 2.2.
Таблица 4.3 Результаты коррекции на гетероскедастичность модели 2.2.
Переменная | Оценка коэффициента | Стандартная ошибка | t-статистика | Значимость | ||||
C | 6.354841 | 0.119467 | 53.19312 | 0.0000 | ||||
X2 | 0.092360 | 0.024517 | 3.767141 | 0.0003 | ||||
X5+X6 | 0.005972 | 0.001987 | 3.005696 | 0.0033 | ||||
X8 | -0.091276 | 0.026837 | -3.401102 | 0.0009 | ||||
X9 | 0.061502 | 0.022705 | 2.708703 | 0.0078 | ||||
X10 | -0.104621 | 0.028576 | -3.661142 | 0.0004 | ||||
X13 | 0.108049 | 0.035410 | 3.051409 | 0.0028 | ||||
X15 | 0.619277 | 0.197305 | 3.138675 | 0.0022 | ||||
X16 | 0.058451 | 0.028995 | 2.015889 | 0.0462 | ||||
R-squared | 0.768771 | F-statistic | 46.54609 | |||||
Adjusted R-squared | 0.752255 | Prob(F-statistic) | 0.000000 | |||||
S.E. of regression | 0.129719 |
Построенная модель имеет вид:
LOG(Yt) = 6.35 + 0.09*X2t + 0.006*(X5t + X6t) - 0.09*X8t + 0.06*X9t –
(0.12) (0.02) (0.002) (0.03) (0.02)
- 0.10*X10t + 0.11*X13t + 0.62*X15t + 0.06*X16t, t=1...121.
(0.03) (0.04)
(0.20)
(0.03)
В скобках под коэффициентами указаны их стандартные ошибки.
Коэффициент детерминации получился равным R-squared=0.77, что, возможно, говорит о близости построенного уравнения к выборке.
Скорректированный коэффициент детерминации имеет значение
Adjusted R-squared=0.75. Можно сказать, что он незначительно отличается от R-squared, что, вполне вероятно, свидетельствует о верности предыдущего утверждения.
Значение Prob(F-statistic)=0, следовательно, уравнение в целом абсолютно значимо. Коэффициенты при всех учтенных в данной модели факторах значимы.
Следующие факторы увеличивают продажную цену квартиры (коэффициенты > 0):
Х2 – удобство положения (0.09 %);
Х5 + Х6 – общая площадь (0.006 %);
Х9 – наличие ремонта (0.06 %);
Х13 – полнометражная серия (0.11 %);
Х15 – элитная серия (0.62 %);
Х16 – количество балконов (0.06 %).
В скобках указано, на сколько процентов увеличится продажная цена квартиры при увеличении приведенного фактора на 1 единицу (для количественных факторов) и при наличии данного фактора (для качественных факторов, описываемых фиктивными переменными).
Экономическая интерпретация положительного влияния этих факторов на стоимость квартиры подробно изложена разделе п. 5.2.1.
Факторы, уменьшающие продажную цену квартиры (коэффициенты < 0):
А) Х8 – материал стен дома (кирпич). Если дом построен из кирпича, то цена квартиры уменьшается на 0.09 %. Отрицательное влияние на цену вызвано тем, что в Металлургическом районе кирпичные, в основном, старые дома, в которых квартиры дешевле, чем в новостройках.
Б) Х10 – серия: хрущевка уменьшает стоимость квартиры на 0.1 %.
Это можно
объяснить тем, что «хрущевки» являются
устаревшими и наименее благоустроенными
из всех квартирных серий.
4.2.3. Коррекция на гетероскедастичность логарифмической
модели 3.2.
Таблица 4.4 Результаты коррекции на гетероскедастичность модели 3.2.
Переменная | Оценка коэффициента | Стандартная ошибка | t-статистика | Значимость |
C | 4.344850 | 0.446545 | 9.729916 | 0.0000 |
X2 | 0.091543 | 0.025888 | 3.536122 | 0.0006 |
LOG(X3/X4) | 0.044884 | 0.018899 | 2.374987 | 0.0192 |
LOG(X5+X6) | 0.532116 | 0.112312 | 4.737847 | 0.0000 |
X9 | 0.064231 | 0.022397 | 2.867794 | 0.0049 |
X12 | 0.104642 | 0.032459 | 3.223847 | 0.0017 |
X13 | 0.140065 | 0.033287 | 4.207760 | 0.0001 |
X15 | 0.727334 | 0.173790 | 4.185126 | 0.0001 |
X16 | 0.082189 | 0.026731 | 3.074627 | 0.0026 |
R-squared | 0.778594 | F-statistic | 49.23217 | |
Adjusted R-squared | 0.762779 | Prob(F-statistic) | 0.000000 | |
S.E. of regression | 0.126934 |