Файл: Анализ региональных различий факторов развития рынка недвижимости в России.docx
Добавлен: 24.10.2023
Просмотров: 370
Скачиваний: 6
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
- Природно-географические. Представляют собой рельеф, климат, экологические условия, природные ресурсы и другое.
В исследовании использованы показатели следующих факторов:
- численность населения, тыс. человек. Рост численности населения порождает необходимость ввода нового жилья;
- численность обучающихся по программам высшего профессионального образования – всего, тыс. человек;
- число зарегистрированных преступлений на 100 000 человек населения. Для проведения анализа принимаем во внимание уровень преступности регионе, так как он напрямую связан инвестиционной привлекательностью региона. Привлечение инвестиций в регион является главной составляющей развития недвижимости;
- среднедушевые денежные доходы, рублей. С ростом доходов населения, наблюдается рост потребностей, в число которых входит потребность в новом жилье. Другой причиной выбора данного фактора является способ инвестирования в недвижимость, так как данный тип инвестирования является высокодоходным;
- валовой региональный продукт на душу населения, рублей. ВРП характеризует общее экономическое развитие региона, что тоже оказывает влияние на развитие рынка недвижимости в России;
- средние цены на первичном рынке жилья, рублей за квадратный метр общей площади;
- средние цены на вторичном рынке жилья рублей за квадратный метр общей площади;
- инвестиции в сферу строительства, миллионов рублей;
- внутренние затраты на научные исследования и разработки, миллионов рублей. Важной составляющей для развития региона являются его научно - технические разработки, что тоже в некоторой степени влияет на инвестиционную привлекательность региона, и, соответственно, на рост уровня развития рынка недвижимости;
- выбросы загрязняющих веществ в атмосферный воздух, отходящих от стационарных источников, тысяч тонн;
- сброс загрязненных сточных вод в поверхностные водные объекты, миллионов кубических метров. Экологическое состояние региона является очень важной составляющей его развития, поэтому невозможно не учитывать уровень развития рынка недвижимости без учета данного фактора;
- плотность автомобильных дорог общего пользования с твердым покрытием, километров дорог на 1000 квадратных километров территории. Данный фактор характеризует уровень развития инфраструктуры региона.
Существует ряд других факторов, влияющих на развитие рынка недвижимости, но в рамках данного исследования будут проанализированы вышеперечисленные факторы.
Глава 3. Анализ факторов развития рынка жилой недвижимости в регионах России
3.1. Методология
Для того чтобы получить полную оценку факторов, которые влияют на развитие рынка жилой недвижимости в регионах России, нужно провести анализ с учетом особенностей регионов.
Объяснить уровень развития рынка жилой недвижимости в регионах можно наличием или отсутствием природных ресурсов, развитием инфраструктуры и производственной сферы, а также особенностями климатических условий. Так как средние показатели ВРП в других данных доказывают наличие региональных различий в стране, то необходимо провести корреляционно - регрессионный анализ субъектов России на предмет их отличий не только в экономическом, но и в социальном плане.
Для достижения поставленной цели, необходимо:
- отобрать группу рассматриваемых факторов;
- выбрать рассматриваемый временной период;
- провести корреляционно - регрессионный анализ.
Для данного исследования были выбраны данные за период 2018 - 2022 года. Основными источниками исходных данных являются ежегодные статистические сборники, публикуемые на сайте Федеральной Службы Государственной Статистики. Для построения модели были использованы данные не всех регионов, а только Центральных Федеральных округов, численность которых составляет 18 субъектов.
Центральный федеральный округ (ЦФО) включает в себя: Белгородскую область, Брянскую область, Владимирскую область, Воронежскую область, Ивановскую область, Калужскую область, Костромскую область, Курскую область, Липецкую область, Москву, Московскую область, Орловскую область, Рязанскую область, Смоленскую область, Тамбовскую область, Тверскую область, Тульскую область, Ярославскую область.
ЦФО занимает территорию площадью 650,2 тыс. кв. км (3,80% от территории РФ).
Эконометрика как наука возникла в первой половине 20 - го века в результате активного использования для решения задач экономической теории математических и статистических методов.
В дословном переводе слово эконометрика означает «экономические измерения». Это очень широкое толкование данного понятия. Как правило, термин эконометрика применяется в более узком смысле. А именно, под эконометрикой понимается раздел науки, изучающий конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей.
Задачей эконометрики является количественная оценка имеющихся взаимосвязей между экономическими явлениями и процессами.
В построении эконометрических моделей обычно используются:
- Пространственные данные (cross - sectional data). Пространственными называются данные, собранные о множестве объектов за один момент времени;
- Временные ряды (time - series data). Под временным рядом понимаются данные об одном объекте, собранные в течение нескольких последовательных тактов времени.
- Панельные данные (panel data). Панельными называются данные о нескольких объектах, измеренные в течение нескольких тактов времени.
Основным инструментом математической статистики, используемым для построения эконометрических моделей, являются методы корреляционного и регрессионного анализа.
Корреляционный анализ ставит своей целью проверку наличия и значимости линейной зависимости между переменными без разделения переменных на зависимые и объясняющие. Ответ на эти вопросы дается с помощью вычисления показателей (коэффициентов) корреляции.
Регрессионный анализ направлен на выражение изучаемой зависимости в виде аналитической формулы с предварительным выделением зависимых и объясняющих переменных.
Поскольку в данном исследовании рассматривалось несколько регионов за определенный период времени, для определения значимости и уровня влияния региональных факторов на развитие рынков жилой недвижимости был проведен корреляционный и регрессионный анализ с использованием панельных данных.
3.2. Регрессионный анализ и его результаты
Регрессией в теории вероятностей и математической статистике принято называть зависимость среднего значения какой-либо величины (y) от некоторой другой величины или от нескольких величин (х).
В статистическом анализе регрессия используется для выявления связей между переменными, встречающимися в некоторых данных. Она может показывать как величину такой связи, так и определять ее статистическую значимость (то есть является ли ассоциация вероятной из-за случайности). Регрессия является мощным инструментом для статистического вывода, а также используется для попытки предсказать будущие результаты на основе прошлых наблюдений.
Регрессия делится на два вида:
- линейная;
- нелинейная.
Линейная регрессия – это метод анализа данных, который предсказывает ценность неизвестных данных с помощью другого связанного и известного значения данных. Он математически моделирует неизвестную или зависимую переменную и известную или независимую переменную в виде линейного уравнения.
Нелинейная регрессия – это способ нахождения нелинейной модели взаимосвязи между зависимой переменной и набором независимых переменных. В отличие от линейной регрессии, которая ограничена оценкой линейных моделей, нелинейная регрессия может оценивать модели с произвольными взаимосвязями между независимыми и зависимыми переменными. Это достигается при помощи итерационных алгоритмов оценки.
В данном исследовании была использована линейная регрессия.
Линейная регрессия сводится к нахождению уравнения вида:
y = a + bx
где,
x - называется независимой переменной или предиктором;
y – зависимая переменная или переменная отклика. Это значение, которое ожидается для y (в среднем), если известна величина x, т.е. это «предсказанное значение y»;
a – свободный член (пересечение) линии оценки, это значение y, когда x = 0;
b – угловой коэффициент или градиент оценённой линии, она представляет собой величину, на которую y увеличивается в среднем, если увеличивается x на одну единицу.
Для начала линейную регрессию необходимо построить на основе исходных данных. Затем важно провести корректировку показателей и реализовать алгоритм, который последовательно исключал переменные, не являющиеся важными для регрессии. Следует отметить, что выбор показателей для регрессии был основан на скорректированном коэффициенте детерминации, скорректированном коэффициенте детерминации и t – статистики Стьюдента, что позволило исключить переменные, которые не были важны.
В регрессионном анализе использовались следующие показатели:
- year – год;
- region – регион;
- input – ввод жилья;
- edu – образование;
- crim – преступность;
- income – среднедушевые доходы;
- grp – ВРП;
- price_1 – цены на первичном рынке;
- proce_2 – цены на вторичном рынке;
- invest – инвестиции;
- innov – затраты на разработки;
- air_pollution – загрязнение воздуха;
- w_pollution – загрязнение воды;
- road – плотность дорог.