М а т е р и а л ы X В с е р о с с и й с к о й н а у ч н о - п р а к т и ч е с к о й к о н ф е р е н ц и и
П о с в я щ а е т с я 1 0 0 - л е т и ю Р о с т и с л а в а Е в г е н ь е в и ч а А л е к с е е в а
1151
n
b ..., ,b,b
1 0
–коэффициенты регрессии, которые показывают среднее
изменение результата с изменением фактора на единицу.
Так же рассматриваются полулогарифмическая
,
x
...
x
x
)y( Log
nn
ε
β
β
β
β
+ ++ + + =
22
11
0
и логарифмическая модели
.
)x( Log
...
)x( Log
)x( Log
)y( Log
n
n
ε
β
β
β
β
+
++
+
+ =
2
2
1
1 0
В результате исследования выяснилось, что стоимость квартиры
возрастает с увеличением: общей площади на 1 кв. метр, площади кухни,
количества этажей в доме и наличия балкона.
Преимуществом работы являются разные методы моделирования рынка,
использованные авторами. На их взгляд наиболее удачной является
полулогарифмическая модель. Она позволяет получить данные с наименьшей
ошибкой аппроксимации [1].
Её итоговый вид:
,
KUH _PL ,
ALL _PL ,
ALL _
ETAZH
,
)
BALC _ GLASS
DVER (
,
,
)y( Log
⋅
+
⋅
+
+
⋅
+
+
⋅
+ =
024 0
007 0
174 0
058 0 916 6
где
BALC _ GLASS
DVER
+
– наличие железной двери и
застеклённого
балкона
;
ALL _
ETAZH
– количество этажей в доме;
ALL PL
_
– общая площадь
квартиры (в кв. метра);
KUH PL
_
– площадь кухни (в кв. метрах).
В отличие от первой рассмотренной работы, исследователи выдвигают
гипотезу с большим количеством факторов, влияние или не влияние которых
предстояла задача доказать. Это позволяет более детально рассмотреть условия,
от которых зависит стоимость квартиры. Авторы приводят подробную
экономическую интерпретацию коэффициентов полулогарифмической и
логарифмической моделей, что так же является плюсом, здесь же стоит
отметить объем выборки. Однако недостатком построенной модели можно
считать то, что авторы используют своего рода балльную систему оценки ряда
факторов. Так значение характеристики фактора «Расстояние от центра города»
может изменяться от 1 до 6. Следовало бы заменить их реальными
километрами, что точнее бы охарактеризовало модель.
В третьей рассмотренной нами работе так же используется
корреляционный анализ с целью выявления взаимосвязи между стоимостью
однокомнатных квартир и их параметрами на вторичном рынке жилья города
Ростов-на-Дону [2]. Анализируемая база данных включала в себя сведения о
432 однокомнатных квартирах, предлагаемых на продажу [2].
В качестве влияющих факторов были выбраны: общая площадь; жилая
площадь; площадь кухни; этажность дома; этаж, на котором находится
квартира; материал стен здания; район города. Так же как и во второй модели
«Материал стен» и «Район города» были заменены числовыми значениями,
изменяющимися от 1 до 3 и от 1 до 32 соответственно. Согласно статье, авторы
проводят дисперсионный анализ, хотя здесь стоит внести поправку на то, что на
