|
регрессии, каждому наблюдению приписываются веса (робаст-веса). Значения весов могут варьировать в интервале [0;1]. Они показывают, насколько сильно это наблюдение отличается от среднего по выборке (при неизменных параметрах). Экстремальные значения могут быть вызваны, к примеру, некоторыми особыми обстоятельствами данной сделки, такими как несвоевременная оплата, частные договоренности или физическое состояние объекта оценки. Чем ближе значение веса к нулю, тем больше отклонение от среднего. Выполнение вышеописанной процедуры несложно, поскольку существует специальное программное обеспечение для робаст-регрессии, которое позволяет автоматически рассчитывать робаст-веса. Для дальнейшего анализа данные должны быть пропущены через “фильтры”, в соответствии с полученными значениями весов робастрегрессии, таким образом, исключая те данные, по которым значения робаст-весов не превышают порога, такие как 0.05. Затем для отбора наиболее значимых переменных используются процедуры робаст-регрессии и пошаговой регрессии. Пошаговая регрессия представляет собой итеративный процесс, для которого существуют два варианта в прямом и обратном направлении. При проведении пошаговой регрессии в прямом направлении, переменные вводятся итеративно до тех пор, пока все значимые факторы не будут включены. При пошаговой регрессии в обратном направлении, алгоритм обратный: изначально включив все переменные, итеративно исключаются те из них, влияние которых на щ стоимость незначительно. Вторым этапом моделирования рынка недвижимости является линеаризация качественных переменных. Линеаризация переменных предполагает преобразование качественных переменных, которым на начальном этапе кодировки присваивались условные количественные значения, в количественные, отражающие предпочтения на рынке. При выборе конкретного метода проведения этих преобразований принимаются во внимание многие соображения. Среди наиболее важных можно назвать |
На следующем этапе данные должны быть “очищены”, используя множественный регрессионный анализ (МРА).Прежде всего, необходимо исключить из анализа все статистически незначимые сделки, или гак называемый статистические “выбросы”. Просмотр и изучение данных для этого осуществляется при помощи метода робаст-регрессии. Робаст-регрсссия это итеративный процесс. Этот метод анализирует дисперсию данных и исключает данные по тем сделкам, где при данных значениях описывающих факторов цена сделки существенно отклоняется от ее среднего значения . На основе результатов, рассчитанных с помощью робаст-регрессии, каждому наблюдению приписываются веса (робаст-веса). Значения весов могут варьировать в интервале [0;1]. Они показывают, насколько сильно это наблюдение отличается от среднего по выборке (при неизменных параметрах). Экстремальные значения могут быть вызваны, к примеру, некоторыми особыми обстоятельствами данной сделки, такими как несвоевременная оплата, частные договоренности или физическое состояние квартиры. Чем ближе значение веса к нулю, тем больше отклонение от среднего. Выполнение вышеописанной процедуры несложно, поскольку существует специальное программное обеспечение для робаст-регрессии, которое позволяет автоматически рассчитывать робаст-веса. Для дальнейшего анализа данные должны быть пропущены через “фильтры”, в соответствии с полученными значениями весов робастрегрессии, таким образом, исключая те данные, по которым значения робаст-весов не превышают порога, такие как 0.05. Затем для отбора наиболее значимых переменных используются процедуры робаст-регрессии и пошаговой регрессии. Пошаговая регрессия представляет собой итеративный процесс, для которого существуют два варианта в прямом и обратном направлении. При проведении пошаговой регрессии в прямом направлении, переменные вводятся итеративно до тех пор, пока все значимые факторы не будут включены. При пошаговой регрессии в обратном направлении, алгоритм обратный: изначально включив все переменные, ите134 ративно исключаются те из них, влияние которых на стоимость незначительно. Вторым этапом моделировании рынка недвижимости является линеаризация качественных переменных. Линеаризация переменных предполагает преобразование качественных переменных, которым на начальном этапе кодировки присваивались условные количественные значения, в количественные, отражающие предпочтения на рынке. При выборе конкретного метода проведения этих преобразований принимаются во внимание многие соображения. Среди наиболее важных можно назвать значимость переменной, т.е. ее вклад в формирование цены. Другим соображением является определение мультиколлинеарности переменной, т.е. теснота связи между данной и другими переменными, совместно воздействующими на цену. По результатам этого анализа избирается метод линеаризации. Общим методом определения весов качественных переменных основан на допущении, что определить предпочтения потребителей (покупателей) невозможно. Мы предполагаем, что эти предпочтения относятся либо к цене квартиры, либо к цене квадратного метра общей площади. Мы можем использовать цену 1 кв. м, так как все качественные характеристики дают общее описание квартиры. Рассмотрим пример применения модели, полученной при помощи методов массовой оценки Модель имеет следующий вид: Цена = Общие характеристики*(Стоимость здания + Стоимость Земли + Другая стоимость ), где Стоимость объекта = Характеристики качества здания*(Базовая ставка1*Общая площадь здания); Стоимость Земли = Характеристики земельного участка* (Базовая ставка2*Площадъ земельного участка); 135 |