Ранжированный ряд цены продажи 1 кв.М. Аналогичного объекта
|
№ п/п |
Общая площадь, кв.м |
Высота этажа, м |
Количество парковочных мест |
Цена продажи 1 кв.м, тыс.руб. |
|
1 |
176,7 |
2,6 |
4 |
47,991 |
|
2 |
174,5 |
2,8 |
5 |
48,653 |
|
3 |
185,0 |
2,8 |
5 |
49,514 |
|
4 |
150,0 |
3,0 |
5 |
50,000 |
|
5 |
154,3 |
2,9 |
7 |
51,847 |
|
6 |
147,8 |
2,9 |
7 |
51,895 |
|
7 |
159,6 |
2,8 |
8 |
53,258 |
|
8 |
142,5 |
3,0 |
8 |
54,807 |
|
Объект оценки |
160,0 |
2,9 |
5 |
|
Анализ выборки был проведен ранее. По результатам анализа таблицы выборку можно признать однородной.
Для определения линейного тренда воспользуемся функцией MicrosoftExcelТЕНДЕНЦИЯ, результат по которому составил 49,652 тыс.руб. за 1 кв.м.
Для определения экспоненциального тренда воспользуемся функцией MicrosoftExcelРОСТ, результат по которому составил 49,637 тыс.руб. за 1 кв.м.
Выберем линейное
уравнение регрессии
и найдем коэффициенты. Для этого введем
значения в КнигуMicrosoftExcel, в меню СЕРВИС выберем
функцию АНАЛИЗ ДАННЫХ, из предлагаемых
наименований выберем РЕГРЕССИЮ, после
чего появится окно, в которое следует
внести значения
(цены) и известные значения
(площадь объекта оценки, высота помещений,
количество парковочных мест). После
внесения данных появится таблица
следующего вида (см. табл.39).
Из табл.39 возьмем коэффициенты уравнения. В итоге линейное изменение цены в зависимости от площади можно описать следующим уравнением:
При выделении ячеек (5 х 5), начиная с ячейки, содержащей формулу, и нажатии клавиши F2, а затем клавиш CTRL+SHIFT+ENTERможно получить информацию о дополнительной регрессионной статистике в следующем виде:
Таблица 40
Вид представления дополнительной регрессионной статистики
|
mn |
mn-1 |
…. |
m2 |
m1 |
b |
|
sen |
Sen-1 |
…. |
Se2 |
Se1 |
Seb |
|
R2 |
sey |
|
|
|
|
|
F |
df |
|
|
|
|
|
ssreg |
ssresid |
|
|
|
|
Таблица 41
Дополнительная регрессионная статистика
|
Величина |
Описание |
|
se1,se2,...,sen |
Стандартные значения ошибок для коэффициентов m1,m2,...,mn |
|
seb |
Стандартное значение ошибки для постоянной b (seb = #Н/Д, если конст имеет значение ЛОЖЬ) |
|
R2 |
Коэффициент детерминированности. Сравниваются фактические значения y и значения, получаемые из уравнения прямой; по результатам сравнения вычисляется коэффициент детерминированности, нормированный от 0 до 1. Если он равен 1, то имеет место полная корреляция с моделью, т. е. нет различия между фактическим и оценочным значениями y. В противоположном случае, если коэффициент детерминированности равен 0, то уравнение регрессии неудачно для предсказания значений y |
|
sey |
Стандартная ошибка для оценки y |
|
F |
F-статистика, или F-наблюдаемое значение. F-статистика используется для определения того, является ли наблюдаемая взаимосвязь между зависимой и независимой переменными случайной или нет |
|
df |
Степени свободы. Степени свободы полезны для нахождения F-критических значений в статистической таблице. Для определения уровня надежности модели нужно сравнить значения в таблице с F-статистикой, возвращаемой функцией ЛИНЕЙН |
|
ssreg |
Регрессионная сумма квадратов |
|
ssresid |
Остаточная сумма квадратов |
Таблица 42