5.3. Метод сравнения продаж

где:

С_Ai^ск –

скорректированная стоимость i-го объекта-аналога, ден. ед.;

С_Ai –

цена предложения (продажи) i-го объекта-аналога, ден. ед.;

k_n –

n—ая относительная корректировка цены объекта-аналога, ед.;

k^m –

m—ая абсолютная корректировка цены объекта-аналога, ден.ед.;

С_ОО –

стоимость объекта оценки, ден.ед.;

d_i –

вес i—го аналога (сумма весов равна единице), доли ед.

где:

С –

стоимость объекта недвижимости, ден. ед.;

ПВД –

потенциальный валовый доход, ден. ед.;

ВРМ –

валовый рентный мультипликатор, ед.

где:

С –

стоимость объекта оценки, ден. ед.;

ЦОП_i –

i-ый ценообразующий параметр, единица измерения может быть различной (кв.м, км, наличие / отсутствие конкретного вида инженерных коммуникаций).

1

Математическое ожидание

Сумма произведений всех значений дискретной̆ случайной величины на соответствующие им вероятности:

В оценочной практике, как правило, случайные величины являются равновероятными:

2

Дисперсия

Математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

В оценочной практике, как правило, случайные величины являются равновероятными:

3

Среднеквадратическое отклонение

Квадратный корень из дисперсии

4

Корреляция

Статистическая взаимосвязь двух или более случайных величин. При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.

5

Коэффициент корреляции

Безразмерная величина, характеризующая тесноту линейной зависимости между случайными величинами:

6

Репрезентативность

Соответствие характеристик выборки характеристикам генеральной совокупности в целом. Репрезентативность определяет, насколько возможно обобщать результаты исследования с привлечением определённой выборки на всю генеральную совокупность, из которой она была собрана.

7

Мультиколлинеарность

Высокая взаимная коррелированность объясняющих переменных.

Использование в регрессионной модели мультиколлинеарных переменных приводит к ошибочной статистической незначимости коэффициентов модели и неустойчивости модели в целом (сильной зависимости от набора исходных данных).

8

Минимальное количество аналогов

В общем виде, количество аналогов в модели должно быть на единицу больше, чем количество независимых переменных (n+1).

В зависимости от количества существенных ценообразующих параметров и однородности исходной выборки выдвигаются различные требования к достаточности исходных данных – [24, 25].

1

Коэффициент детерминации

Определяет долю разброса исходных данных, объясняемых построенной моделью:

Приемлемым уровнем значений коэффициента детерминации принято считать .

2

Средняя ошибка аппроксимации

Определяет относительное отклонение модельных данных от рыночных:

Приемлемым уровнем значений принято считать .

3

Среднеквадратичная ошибка регрессии

Характеризует разброс/рассеивание модельных данных относительно рыночных:

4

Критерий Фишера

(т.н. F-критерий)

Заключается в проверке базовой гипотезы о статистической незначимости построенной модели. На практике эта проверка сводится к сравнению выборочной статистики (основанной на значении коэффициента детерминации) с критическим значением статистики на определенном уровне значимости:

Модель принято считать статистически значимой, если значение выборочной статистики превышает критический порог на уровне значимости .

5

Критерий Стьюдента

Заключается в проверке базовой гипотезы о статистической незначимости коэффициента при ценообразующем факторе (критерий проверяется для всех коэффициентов модели).

Если выполняется неравенство:

, ,

то базовая гипотеза отвергается и коэффициент (а, следовательно, и сам фактор) признается статистически значимым (то есть существенным).