Эконометрическое моделирование рынка вторичных трехкомнатных квартир металлургического района г. Челябинска

Автор работы: Пользователь скрыл имя, 21 Января 2011 в 22:43, курсовая работа

Описание работы

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.

Содержание работы

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

Файлы: 1 файл

примерная курсовая.doc

— 414.50 Кб (Скачать файл)
 

     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*X3t/X4t+4.38*(X5t+X6t)*Х20+417.43*X12t+

    (118.53)  (31.49)      (10.12)                (2.12)                           (132.78)          

    +528.82*X13t+2211.76*X15t+152.11*X16t,  t=1…121

      (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 увеличивает  цену на 102.24 тыс. руб.

     2. Х3/Х4 – увеличение соотношения  этажности дома и этажа квартиры  на единицу увеличивает цену  на 23.57 тыс. руб.

     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 значимость  среди коэффициентов полученной  модели. Принадлежность квартиры  к элитному типу жилья увеличивает  её продажную стоимость на 2211.76 тыс. руб.

     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              

Информация о работе Эконометрическое моделирование рынка вторичных трехкомнатных квартир металлургического района г. Челябинска