Корреляционно-регрессионный анализ рынка недвижимости в г.архангельске, сегмент - продажа жилых помещений
Курсовая работа, 17 Января 2012, автор: пользователь скрыл имя
Краткое описание
Произведен сбор информации по продаже жилых помещений в г.Архангельске и составлена база данных, включающая те объекты, которые будут участвовать при составлении модели рынка (таблица 1). Оценка цен предложения производилась по нескольким критериям, при этом данные критерии проранжированы.
Содержимое работы - 1 файл
глебова.doc
— 765.50 Кб (Скачать файл) После
перебора всех вариантов получаем, что
необходимо исключить (нет) фактор(ы)
Х.. (см. таблицу 8).
| Таблица 8 - Таблица для расчета | ||||||
| № | X1 | X2 | X3 | X5 | X10 | Y |
| 1 | 2 | 4 | 4 | 1 | 1 | 40000 |
| 2 | 1 | 4 | 4 | 1 | 2 | 37000 |
| 3 | 2 | 3 | 4 | 1 | 2 | 35000 |
| 4 | 2 | 4 | 4 | 1 | 1 | 45800 |
| 5 | 2 | 4 | 4 | 1 | 1 | 42500 |
| 6 | 2 | 4 | 4 | 1 | 2 | 40100 |
| 7 | 2 | 4 | 4 | 1 | 2 | 41000 |
| 8 | 2 | 4 | 4 | 1 | 2 | 40300 |
| 9 | 1 | 4 | 4 | 2 | 3 | 46700 |
| 10 | 2 | 4 | 4 | 2 | 2 | 44400 |
| № | X1 | X2 | X3 | X5 | X10 | Y |
| 11 | 1 | 4 | 4 | 2 | 2 | 44800 |
| 12 | 1 | 4 | 4 | 2 | 2 | 47300 |
| 13 | 1 | 4 | 4 | 2 | 2 | 45300 |
| 14 | 1 | 3 | 4 | 2 | 2 | 45200 |
| 15 | 2 | 4 | 4 | 2 | 2 | 49300 |
| 16 | 2 | 4 | 4 | 2 | 2 | 46000 |
| 17 | 2 | 4 | 4 | 2 | 1 | 47000 |
| 18 | 1 | 4 | 4 | 2 | 2 | 43300 |
| 19 | 2 | 4 | 4 | 2 | 2 | 48800 |
| 20 | 1 | 3 | 4 | 2 | 2 | 41300 |
| 21 | 1 | 3 | 2 | 2 | 3 | 37800 |
| 22 | 1 | 4 | 4 | 2 | 3 | 45300 |
| 23 | 1 | 4 | 2 | 2 | 2 | 41300 |
| 24 | 1 | 3 | 2 | 2 | 2 | 37200 |
| 25 | 1 | 3 | 2 | 2 | 2 | 35000 |
| 26 | 1 | 1 | 4 | 2 | 2 | 32700 |
| 27 | 1 | 1 | 2 | 2 | 2 | 28300 |
| 28 | 2 | 4 | 4 | 2 | 3 | 50000 |
| 29 | 2 | 4 | 4 | 2 | 3 | 51400 |
| 30 | 2 | 4 | 4 | 2 | 3 | 50000 |
| 31 | 2 | 4 | 4 | 1 | 3 | 45000 |
| 32 | 2 | 4 | 4 | 2 | 3 | 49800 |
| 33 | 2 | 4 | 4 | 1 | 1 | 41750 |
| 34 | 2 | 4 | 4 | 1 | 1 | 42000 |
| 35 | 2 | 4 | 4 | 1 | 1 | 41300 |
| 36 | 2 | 3 | 4 | 1 | 2 | 38000 |
| 37 | 2 | 3 | 4 | 1 | 2 | 35000 |
| 38 | 2 | 4 | 3 | 1 | 1 | 41200 |
| 39 | 2 | 3 | 2 | 1 | 3 | 29500 |
| 40 | 2 | 4 | 4 | 2 | 1 | 44400 |
| 41 | 2 | 4 | 4 | 2 | 1 | 45000 |
| 42 | 2 | 4 | 4 | 2 | 1 | 45000 |
| 43 | 2 | 3 | 2 | 1 | 1 | 30000 |
| 44 | 2 | 4 | 4 | 1 | 1 | 43000 |
| 45 | 2 | 4 | 4 | 1 | 1 | 43000 |
Применяя математический аппарат получили:
Таблица
9 – Показатели кореляционно-
| Регрессионная статистика | |||||||||||||||||
| Множественный R | 0,938294 | ||||||||||||||||
| R-квадрат | 0,880395 | ||||||||||||||||
| Нормированный R-квадрат | 0,865061 | ||||||||||||||||
| Стандартная ошибка | 2058,033 | ||||||||||||||||
| Наблюдения | 45 | ||||||||||||||||
| Дисперс ионный анализ | 2,449466 | ||||||||||||||||
| df | SS | MS | F | Знач F | |||||||||||||
| Регрессия | 5 | 1,22E+09 | 2,43E+08 | 57,41489 | 6,15E-17 | ||||||||||||
| Остаток | 39 | 1,65E+08 | 4235499 | ||||||||||||||
| Итого | 44 | 1,38E+09 | |||||||||||||||
| Коэф | Станд ошибка | t-стат | P-Знач | Ниж 95% | Верхн 95% | Ниж 95,0% | Верхн 95,0% | ||||||||||
| Y | 1822,716 | 2620,074 | 0,695673 | 0,490758 | -3476,88 | 7122,316 | -3476,88 | 7122,316 | |||||||||
| X1 | 1966,49 | 837,1404 | 2,349056 | 0,023981 | 273,2134 | 3659,766 | 273,2134 | 3659,766 | |||||||||
| X2 | 4445 | 511,8919 | 8,683474 | 1,19E-10 | 3409,601 | 5480,399 | 3409,601 | 5480,399 | |||||||||
| X3 | 2697,96 | 482,6166 | 5,590276 | 1,92E-06 | 1721,776 | 3674,144 | 1721,776 | 3674,144 | |||||||||
| X5 | 5970,368 | 754,7438 | 7,910456 | 1,25E-09 | 4443,754 | 7496,981 | 4443,754 | 7496,981 | |||||||||
| X10 | 782,3719 | 474,6401 | 1,648348 | 0,107315 | -177,678 | 1742,422 | -177,678 | 1742,422 | |||||||||
| 2,021075 | |||||||||||||||||
| X1 | X2 | X3 | X5 | X10 | Y | ||||||||||||
| X1 | 1 | ||||||||||||||||
| X2 | 0,379374 | 1 | |||||||||||||||
| X3 | 0,322749 | 0,460959 | 1 | ||||||||||||||
| X5 | -0,50903 | -0,11218 | -0,08214 | 1 | |||||||||||||
| X10 | -0,3115 | -0,12413 | -0,1149 | 0,375164 | 1 | ||||||||||||
| Y | 0,194435 | 0,7203 | 0,614905 | 0,39194 | 0,136316 | 1 | |||||||||||
Проверка
значимости уравнения регрессии
оценивается с помощью F-
Табличное значение F-критериев должно быть больше полученного.
Табличное значение t-статистики должно быть больше полученного
Окончательный вид модели (таблица 10).
Таблица 10 - Итоговая таблица для расчета
| № | X1 | X2 | X3 | X5 | Y |
| 1 | 2 | 4 | 4 | 1 | 40000 |
| 2 | 1 | 4 | 4 | 1 | 37000 |
| 3 | 2 | 3 | 4 | 1 | 35000 |
| 4 | 2 | 4 | 4 | 1 | 45800 |
| 5 | 2 | 4 | 4 | 1 | 42500 |
| 6 | 2 | 4 | 4 | 1 | 40100 |
| 7 | 2 | 4 | 4 | 1 | 41000 |
| 8 | 2 | 4 | 4 | 1 | 40300 |
| 9 | 1 | 4 | 4 | 2 | 46700 |
| 10 | 2 | 4 | 4 | 2 | 44400 |
| № | X1 | X2 | X3 | X5 | Y |
| 11 | 1 | 4 | 4 | 2 | 44800 |
| 12 | 1 | 4 | 4 | 2 | 47300 |
| 13 | 1 | 4 | 4 | 2 | 45300 |
| 14 | 1 | 3 | 4 | 2 | 45200 |
| 15 | 2 | 4 | 4 | 2 | 49300 |
| 16 | 2 | 4 | 4 | 2 | 46000 |
| 17 | 2 | 4 | 4 | 2 | 47000 |
| 18 | 1 | 4 | 4 | 2 | 43300 |
| 19 | 2 | 4 | 4 | 2 | 48800 |
| 20 | 1 | 3 | 4 | 2 | 41300 |
| 21 | 1 | 3 | 2 | 2 | 37800 |
| 22 | 1 | 4 | 4 | 2 | 45300 |
| 23 | 1 | 4 | 2 | 2 | 41300 |
| 24 | 1 | 3 | 2 | 2 | 37200 |
| 25 | 1 | 3 | 2 | 2 | 35000 |
| 26 | 1 | 1 | 4 | 2 | 32700 |
| 27 | 1 | 1 | 2 | 2 | 28300 |
| 28 | 2 | 4 | 4 | 2 | 50000 |
| 29 | 2 | 4 | 4 | 2 | 51400 |
| 30 | 2 | 4 | 4 | 2 | 50000 |
| 31 | 2 | 4 | 4 | 1 | 45000 |
| 32 | 2 | 4 | 4 | 2 | 49800 |
| 33 | 2 | 4 | 4 | 1 | 41750 |
| 34 | 2 | 4 | 4 | 1 | 42000 |
| 35 | 2 | 4 | 4 | 1 | 41300 |
| 36 | 2 | 3 | 4 | 1 | 38000 |
| 37 | 2 | 3 | 4 | 1 | 35000 |
| 38 | 2 | 4 | 3 | 1 | 41200 |
| 39 | 2 | 3 | 2 | 1 | 29500 |
| 40 | 2 | 4 | 4 | 2 | 44400 |
| 41 | 2 | 4 | 4 | 2 | 45000 |
| 42 | 2 | 4 | 4 | 2 | 45000 |
| 43 | 2 | 3 | 2 | 1 | 30000 |
| 44 | 2 | 4 | 4 | 1 | 43000 |
| 45 | 2 | 4 | 4 | 1 | 43000 |
Затем
вычисляем множественный
Таблица 11 - Показатели кореляционно-регрессионного анализа
| Регрессионная статистика | ||||||||||||||||
| Множественный R | 0,933843 | |||||||||||||||
| R-квадрат | 0,872063 | |||||||||||||||
| Нормированный R-квадрат | 0,859269 | |||||||||||||||
| Стандартная ошибка | 2101,74 | |||||||||||||||
| Наблюдения | 45 | |||||||||||||||
| Дисперсионный анализ | 2,59997 | |||||||||||||||
| df | SS | MS | F | Знач F | ||||||||||||
| Регрессия | 4 | 1,2E+09 | 3,01E+08 | 68,16335 | 2,55E-17 | |||||||||||
| Остаток | 40 | 1,77E+08 | 4417313 | |||||||||||||
| Итого | 44 | 1,38E+09 | ||||||||||||||
| Коэф | Станд ошибка | t-стат | P-Знач | Ниж 95% | Верх 95% | Ниж 95,0% | Верх 95,0% | |||||||||
| Y | 3205,873 | 2534,783 | 1,264752 | 0,213279 | -1917,11 | 8328,861 | -1917,11 | 8328,861 | ||||||||
| X1 | 1802,353 | 848,8497 | 2,123288 | 0,039966 | 86,76347 | 3517,942 | 86,76347 | 3517,942 | ||||||||
| X2 | 4428,372 | 522,6617 | 8,47273 | 1,83E-10 | 3372,033 | 5484,71 | 3372,033 | 5484,71 | ||||||||
| X3 | 2671,173 | 492,5867 | 5,422747 | 3,05E-06 | 1675,618 | 3666,728 | 1675,618 | 3666,728 | ||||||||
| X5 | 6304,406 | 742,4692 | 8,491134 | 1,73E-10 | 4803,819 | 7804,992 | 4803,819 | 7804,992 | ||||||||
| 2,01954 | ||||||||||||||||
| X1 | X2 | X3 | X5 | Y | ||||||||||||
| X1 | 1 | |||||||||||||||
| X2 | 0,379374 | 1 | ||||||||||||||
| X3 | 0,322749 | 0,460959 | 1 | |||||||||||||
| X5 | -0,50903 | -0,11218 | -0,08214 | 1 | ||||||||||||
| Y | 0,194435 | 0,7203 | 0,614905 | 0,39194 | 1 | |||||||||||
После всех вычислений можно сделать вывод, что ценообразующими факторами для жилой недвижимости в г.Архангельске являются:
Х… –
Х… -
.
.
.
Уравнение множественной регрессии примет вид:
У= Свободный член+коэ-т
при 1 факторе Х1+ коэ-т при 2 факторе Х2+…+
коэ-т при n факторе Хn
Определим с помощью имеющейся модели стоимость кв.м. жилого помещения в рассматриваемом объекте дипломного проектирования. Значения ценообразующих факторов:
Х… –название фактора– хар-ка конкретного объекта (Х…=код);
Х… –название
фактора– хар-ка конкретного объекта
(Х…=код);
.
.
.
Подставляя данные значения в уравнение множественной регрессии, получим:
У= Свободный член+коэ-т при 1 факторе Х1+ коэ-т при 2 факторе Х2+…+ коэ-т при n факторе Хn
У= … руб/кв.м
– для конкретного объекта
Сравниваем полученное (расчетное) значение с реальным (из газеты или др.).
Определяем
отклонение от реального значения для
всех отсавшихся в модели объектов, т.е
определяем насколько реальна ваша модель.
Необходимо указать характеристики модели
(коэффициенты: корреляции, квадрат корреляции,
СКО). Не забудьте сделать вывод: положительные
и отрицательные стороны данного вида
анализа рынка, на основании полученных
результатов краткое состояние рассматриваемого
сегмента рынка недвижимости и …ваши
прогнозы.