Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Паничкина М.В. Практикум по дисциплине Экономика недвижимости.docx
Скачиваний:
2
Добавлен:
01.07.2025
Размер:
140 Кб
Скачать
☆

Приложение 2.

Пример расчетов для практической работы №3.

Данные о средней стоимости 1 кв.м. общей площади жилой недвижимости первичного рынка по городу Таганрогу с января 20Х1Х1 года по июнь 20Х3Х3 года, представлены в таблице:

20Х1Х1 г.

месяц

t

yt

20Х2Х2 г.

месяц

t

yt

20Х3Х3 г.

месяц

t

yt

01

1

31902

январь

13

49736

01

25

51450

02

2

33194

февраль

14

50480

02

26

50113

03

3

34673

март

15

51303

03

27

49001

04

4

36002

апрель

16

52151

04

28

41598

05

5

37877

май

17

53009

05

29

34154

06

6

39412

июнь

18

54001

06

30

28711

07

7

40998

июль

19

55207

………

08

8

42704

август

20

56064

09

9

44507

сентябрь

21

57197

10

10

46096

октябрь

22

55850

11

11

47665

ноябрь

23

54994

12

12

48701

декабрь

24

52727

  1. Определить с помощью линейного коэффициента корреляции корреляционную зависимость между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов по времени (автокорреляцию уровней ряда).

Для приведенного примера в табл.1, расчеты линейного коэффициента корреляции проведены по формуле:

;

Пример расчетов по данным табл.1, приведен в табл.2.

Таблица 2. Расчетная таблица

T

y(t)

y(t-1)

c=y(t)-y1

d=y(t-1)-y2

c*d

с2

d2

1

31902

2

33194

31902

-13343,1

-14745,103

196744932

178037489

217418063

3

34673

33194

-11864,1

-13453,103

159608547

140756132

180985980

4

36002

34673

-10535,1

-11974,103

126148006

110987678

143379143

5

37877

36002

-8660,07

-10645,103

92187330

74996794

113318218

6

39412

37877

-7125,07

-8770,1034

62487591,9

50766608

76914714

7

40998

39412

-5539,07

-7235,1034

40075737

30681285

52346722

8

42704

40998

-3833,07

-5649,1034

21653403,1

14692418

31912370

9

44507

42704

-2030,07

-3943,1034

8004771,94

4121180

15548065

10

46096

44507

-441,069

-2140,1034

943933,214

194541,83

4580043

11

47665

46096

1127,931

-551,10345

-621606,68

1272228,4

303715

12

48701

47665

2163,931

1017,89655

2202657,94

4682597,5

1036113

13

49736

48701

3198,931

2053,89655

6570273,42

10233160

4218491

14

50480

49736

3942,931

3088,89655

12179306,1

15546705

9541282

15

51303

50480

4765,931

3832,89655

18267320,6

22714099

14691096

16

52151

51303

5613,931

4655,89655

26137882,1

31516222

21677373

17

53009

52151

6471,931

5503,89655

35620838,9

41885891

30292877

18

54001

53009

7463,931

6361,89655

47484757,1

55710266

40473728

19

55207

54001

8669,931

7353,89655

63757775,9

75167704

54079794

20

56064

55207

9526,931

8559,89655

81549544,1

90762415

73271829

21

57197

56064

10659,93

9416,89655

100383468

113634130

88677941

22

55850

57197

9312,931

10549,8966

98250459

86730684

1,11E+08

23

54994

55850

8456,931

9202,89655

77828261,5

71519683

84693305

24

52727

54994

6189,931

8346,89655

51666714

38315246

69670682

25

51450

52727

4912,931

6079,89655

29870112,5

24136891

36965142

26

50113

51450

3575,931

4802,89655

17174826,8

12787283

23067815

27

49001

50113

2463,931

3465,89655

8539730,08

6070956,1

12012439

28

41598

49001

-4939,07

2353,89655

-11626057

24394402

5540829

29

34154

41598

-12383,1

-5049,1034

62523396,2

153340397

25493446

30

28711

34154

-17826,1

-12493,103

222702924

317768735

1,56E+08

Таким образом, полученное значение r1 подтверждает вывод об имеющейся тесной зависимости между средневзвешенной стоимостью квадратного метра жилой недвижимости на первичном рынке текущего и непосредственно, предшествующего месяца, т.е. во временном ряде стоимости жилья есть сильная линейная тенденция.

  1. Аналогично определяем коэффициенты автокорреляции второго и более высоких порядков.

Число периодов, по которым рассчитывается коэффициент автокорреляции, называют лагом. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается. Для обеспечения статистической достоверности следует использовать правило: максимальный лаг должен быть не больше n/4.

r2=0,800835;

r3=0,622271;

r4=0,485877;

r5=0,328325;

r6=0,158173;

r7= -0,01903

Анализ значений коэффициентов корреляции позволяет выявить структуру временного ряда. Так как наиболее высоким оказался коэффициент автокорреляции первого порядка, исследуемый ряд содержит только тенденцию.

  1. Проведем аналитическое выравнивание временного ряда с помощью линейного тренда:

T=a+bt,

параметры которого необходимо определить методом наименьших квадратов (МНК).

В качестве независимой переменной в нашем примере используется время t, а в качестве зависимой переменной – уровни временного ряда yt.

В нашем примере

  1. Составим систему. В нашем примере:

  1. По правилу Крамера вычислим главный и вспомогательные определители (чтобы вычислить определитель матрицы А второго порядка, надо от произведения элементов главной диагонали вычесть произведение элементов побочной диагонали). В нашем примере:

∆ = 67425;

∆а= 2710696730;

∆в= 25430505

  1. Рассчитаем значения параметров а и b. В нашем примере:

а = ∆а / ∆ =40203,1402

b = ∆в / ∆ = 377,167297

Таким образом, имеем следующий линейный тренд:

T = 40203,14 + 377,17 t.

  1. Подставляя значения t =1, 2, …,30, рассчитаем уровни Т (пример см.табл.3).

Таблица 3. Расчет уровней Т

t

T

t

T

1

40580,308

16

46237,817

2

40957,475

17

46614,984

3

41334,642

18

46992,152

4

41711,809

19

47369,319

5

42088,977

20

47746,486

6

42466,144

21

48123,653

7

42843,311

22

48500,821

8

43220,479

23

48877,988

9

43597,646

24

49255,155

10

43974,813

25

49632,323

11

44351,98

26

50009,49

12

44729,148

27

50386,657

13

45106,315

28

50763,825

14

45483,482

29

51140,992

15

45860,65

30

51518,159

  1. Проведем расчет ошибки. Для нашего примера вычисляем ошибку по формуле:

(см.табл.4)

Для оценки качества построенной модели применяем отношение суммы квадратов абсолютных ошибок (1690751063) к общей сумме квадратов отклонений уровней ряда от его среднего уровня (9445479142).Эта величина составляет 17,9%.

Следовательно, можно сказать, что построенный тренд объясняет 82,1% общей вариации уровней ряда стоимости квадратного метра недвижимости.

Таблица 4. Расчет ошибки

t

y(t)

T

e=y(t)-T

e^2

f=y(t)-ycp

f^2

1

31902

40580,308

-8678,31

75313021,5

1595,5

2545620,25

2

33194

40957,475

-7763,47

60271541,3

2887,5

8337656,25

3

34673

41334,642

-6661,64

44377475,7

4366,5

19066322,3

4

36002

41711,809

-5709,81

32601923,6

5695,5

32438720,3

5

37877

42088,977

-4211,98

17740747,8

7570,5

57312470,3

6

39412

42466,144

-3054,14

9327795,65

9105,5

82910130,3

7

40998

42843,311

-1845,31

3405173,83

10691,5

114308172

8

42704

43220,479

-516,479

266750,15

12397,5

153698006

9

44507

43597,646

909,3541

826924,874

14200,5

201654200

10

46096

43974,813

2121,187

4499433,44

15789,5

249308310

11

47665

44351,98

3313,02

10976098,2

17358,5

301317522

12

48701

44729,148

3971,852

15775609,9

18394,5

338357630

13

49736

45106,315

4629,685

21433982,4

19429,5

377505470

14

50480

45483,482

4996,518

24965188,2

20173,5

406970102

15

51303

45860,65

5442,35

29619177

20996,5

440853012

16

52151

46237,817

5913,183

34965733,4

21844,5

477182180

17

53009

46614,984

6394,016

40883437

22702,5

515403506

18

54001

46992,152

7008,848

49123956,2

23694,5

561429330

19

55207

47369,319

7837,681

61429245,5

24900,5

620034900

20

56064

47746,486

8317,514

69181036,3

25757,5

663448806

21

57197

48123,653

9073,347

82325617,3

26890,5

723098990

22

55850

48500,821

7349,179

54010435,4

25543,5

652470392

23

54994

48877,988

6116,012

37405602

24687,5

609472656

24

52727

49255,155

3471,845

12053705,2

22420,5

502678820

25

51450

49632,323

1817,677

3303950,93

21143,5

447047592

26

50113

50009,49

103,51

10714,3301

19806,5

392297442

27

49001

50386,657

-1385,66

1920046,01

18694,5

349484330

28

41598

50763,825

-9165,82

84012339,6

11291,5

127497972

29

34154

51140,992

-16987

288557892

3847,5

14803256,3

30

28711

51518,159

-22807,2

520166508

-1595,5

2545620,25

Уравнение тренда можно использовать для прогноза данных на следующий год (см.табл.5).

Таблица 5. Прогноз данных до конца 20Х3Х3 года и на следующий 20Х4Х4 год

t

20Х3Х3 год, месяцы

Прогноз

31

07

51895,326

32

08

52272,494

33

09

52649,661

34

10

53026,828

35

11

53403,996

36

12

53781,163

20Х4Х4 год

37

01

54158,33

38

02

54535,498

39

03

54912,665

40

04

55289,832

41

05

55666,999

42

06

56044,167

Тренд – это не обязательное поведение стоимости первичного жилья, это линейная зависимость изменения стоимости кв.м. от периода (в данном случае, за период взят месяц), то есть он не прогнозирует точные результаты.

Для построения тренда был рассмотрен достаточно большой период времени, в итоге, результат был получен соответствующий реальным ценам 20Х4Х4 года.

Полученные результаты по определению тренда говорят о том, что в г.Ростове- на- Дону в июне 20Х4Х4 года средняя цена 1 кв.м. должна подняться и приблизиться к средней стоимости 1кв.м. первичной недвижимости в августе-сентябре 20Х2Х2 года.