Эконометрический анализ динамики цен на рынке жилья в Российской Федерации
Е.С. Лисова,
магистрант строительного факультета, Пермский национальный исследовательский политехнический университет (614000 г. Пермь, Комсомольский пр., 29; e-mail: lisovaes@gmail.com)
Аннотация. В работе построена однофакторная математическая модель, характеризующая зависимость цены на первичное жилье в РФ от выделенного фактора. При помощи эконометрических инструментов спрогнозированы тренды развития фактора (ввод в действие жилых домов) в модели, на основании чего осуществлен прогноз цены на первичное жилье до 2016 г..
Abstract. In the article one-factor mathematical model is arranged, which is describing dependences between price of primary housing and factors. On the basis of econometric instruments the development factor trends are predicted (commissioning of apartment houses) in the model and the forecast was made price of primary housing till 2016.
Ключевые слова: рынок первичной недвижимости, однофакторная математическая модель, прогнозирование динамики цен на первичное жилье.
Keywords: the primary real estate market, one-factorial mathematical model, forecasting of dynamics of price of primary housing.
Наряду с другими инфраструктурными отраслями, жилье обеспечивает базовые условия жизнедеятельности общества, являясь важным инструментом достижения социально-экономических целей [1, С. 313]. За прошедшие года в России сформировалось несколько новых позитивных тенденций, которые в краткосрочной и долгосрочной перспективе станут залогом повышения уровня жизни, а также будут способствовать повышению привлекательности для инвесторов.
Первичный рынок недвижимости - рынок, объектами которого являются вновь созданные или впервые представленные для продажи объекты недвижимости [2]. С каждым годом рынок
первичного жилья стремительно развивается. Интерес россиян к покупке недвижимости постоянно растет. Сегодня многие предпочитают жить в новостройках, отстроенных по новым стандартам с помощью усовершенствованных технологий.
Также люди покупают квартиры и дома с целью получения дохода от последующей продажи недвижимости. Так, имея достоверный прогноз динамики цен на первичное жилье, можно приобрести квартиру сейчас, а продать через 34 года значительно дороже. Как показывает статистика цена на первичную недвижимости имеет склонность к росту (рис.1).
Рис. 1. Динамика средней цены одного квадратного метра жилья на первичном рынке в России за период 2003-2013 гг., руб. [3, 4]
Journal of Economy and entrepreneurship, Vol. 9, Nom. 7
Анализ цен на первичном рынке жилья показывает увеличение данного показателя с каждым годом. Снижение наблюдается с 2009 по 2011 годы, данное снижение объясняется влиянием мирового финансового кризиса. С 2003 по 2013 год темп роста одного квадратного метра жилья на первичном рынке составил 307,6%.
Объектом исследования является цена на первичное жилье и влияющие на нее факторы в период 2003-2013 гг.
Цель исследования заключается в изучении динамики цен на первичное жилье в период 2003-2013 гг. и прогнозировании будущих цен до 2016 г.
В процессе исследования были использованы такие методы, как позитивный и нормативный анализ, экономико-статистический метод и экономико-математическое моделирование. Информационную базу исследования составили данные официальной статистики, периодические научные издания, интернет-ресурсы.
Проанализируем динамику факторов спроса на рынке жилой недвижимости. Результирующим показателем будет выступать средняя цена в рублях за 1 квадратный метр общей площади на первичном рынке жилья в РФ. Первоначально было отобрано шесть факторов, от которых может зависеть изменение уровня цены на первичное жилье:
— ввод в действие жилых домов, млн.кв. м. (*);
— уровень ВВП, млрд.руб. (хг);
— средняя заработная плата, руб. (хз);
— уровень инфляции, % (Х4);
— уровень безработицы, % (Х5);
— индекс цен строительной продукции, % (Хб).
Также учитывался фактор времени (г).
Для установления значимости влияния факторных признаков на цену первичной недвижимости был проведен корреляционный анализ (табл.1).
Таблица 1
матрица
У Х1 Хг Хз Х4 Х5 Хб г
У 1
Х1 0,962095 1
Хг 0,813437 0,915883 1
Хз 0,832243 0,914236 0,992612 1
Х4 -0,41031 -0,54061 -0,76932 -0,76829 1
Х5 -0,61919 -0,73977 -0,72244 -0,6512 0,361146 1
Хб -0,24581 -0,30883 -0,48309 -0,54317 0,7251 -0,14505 1
г 0,832782 0,916378 0,991698 0,996069 -0,792 -0,65515 -0,5481 1
Данные корреляционной матрицы свидетельствуют о том, что все факторы, за исключением, средней заработной платы (хз), уровня инфляции (х4) и индекса цен строительной продукции (хб), значимы, и оказывают большое влияние на цену. Для установления зависимости
Исходные данные для пс
цены на первичное жилье от факторов был применен метод многофакторного регрессионного анализа, в ходе которого были исключены такие факторы, как уровень ВВП (х2), уровень безработицы (Х5). В таблице 2 представлены исходные данные для построения модели.
Таблица 2
1 однофакторной модели
Год Средняя цена на первичном рынке жилья, руб./кв.м. Ввод в действие жилых домов, млн. кв.м.
у Х1
2003 16320 36,4
2004 20810 41
2005 25394 43,6
2006 36221 50,6
2007 47482 61,2
2008 52504 64,1
Экономика и предпринимательство, № 7, 2015 г.
2009 47715 59,9
2010 48144 58,4
2011 43686 62,3
2012 48163 65,7
2013 50208 70,5
В результате получаем однофакторную модель зависимости уровня цены на первичное жилье от выбранных факторов:
у = -22517,35 + 1115,10x1, (1)
где у - средняя цена на первичном рынке жилья в РФ, руб./кв.м.;
X1 - ввод в действие жилых домов, млн. кв.
м.
Регрессионный анализ модели показал, что среднеквадратическое отклонение (стандартная ошибка) равна 372,98, коэффициент корреляции равен 0,96, коэффициент детерминации равен 0,92 (высокая надежность постро-
енной модели), критерий Фишера равен 112 (модель статистически значима).
Высокие значения данных коэффициентов показывают высокое качество полученной модели, что в свою очередь, позволяет использовать ее для прогнозирования динамики цен на первичное жилье. Поэтому мы можем прогнозировать изменения факторов, влияющих на модель, в частности, такого фактора как ввод в действие жилых домов. Для прогнозирования будем использовать такой подход, как построение трендов фактора для расчета прогнозных значений для прогнозирования до 2016 года.
Для построения трендов представим динамику изменения ввода в действие жилых домов в млрд. руб. на рисунке 2.
Рис. 2. Динамика изменения ввода в действие жилых домов в России в период 1999-2013 гг., млн. кв. м
На основании представленного графика очевидна в основном положительная динамика изменения ввода в действие жилых домов с периодическими спадами.
Построим тренды фактора ввод в действие жилых домов по данным представленным на основании рисунка 2. Выберем тренд прогнозирования по наибольшему значению R2. Для этого представим данные в таблице 3.
Таблица 3
Анализ трендов фактора ввод в действие жилых домов
№ Наименование линии тренда Формула R2
1 Экспоненциальная 38,293e00593x 0,8211
2 Линейная 3,0882x + 37,262 0,8397
3 Логарифмическая 14,151ln(x) + 33,276 0,8899
4 Полиномиальная -0,288x2 + 6,5441x + 29,774 0,8967
5 Степенная 35,095x02'86 0,9134
Из данной таблицы видно, что наибольший пользовать для прогнозирования соответствую-
R2 имеет степенная функция. Её и будем ис- щего фактора.
Journal of Economy and entrepreneurship, Vol. 9, Nom. 7
Далее необходимо определить прогнозные торов на период до 2016 года рассчитаем с 95%-
значения фактора ввод в действие жилых домов ой достоверностью. Представим их в табл. 4.
на период до 2016 г. Прогнозные значения фак-
Таблица 4
Прогнозные значения фактора ввод в действие жилых домов до 2016 года
Год Ввод в действие жилых домов, млн. кв. м.
2014 70,13
2015 71,71
2016 73,21
Подставив прогнозные значения изменения факторов (ввод в действие жилых домов и относительный номер года) в двухфакторную математическую модель, определим прогнозные значение цены на первичное жилье (точечный прогноз) с 2014 до 2016 года. Результаты представим в табл. 5.
Для оценки надежности прогнозных значений необходимо найти интервал, в который попадут фактические величины с вероятностью
Прогнозные значения средней цены
95%. Интервал прогнозирования характеризует качество модели множественной регрессии и рассчитывается по формуле [5].
У = У ± '
где: у - точечный прогноз; га - коэффициент Стьюдента (зависит от вероятности и числа наблюдений);
сгу - среднеквадратическое отклонение прогноза.
Таблица 5
первичном рынке жилья до 2016 года
Год Средняя цена на первичном рынке жилья, руб./кв.м. Интервал прогнозирования, руб./кв.м.
2014 55684,85 ±8196,48
2015 57448,34
2016 59116,51
Данные таблицы свидетельствуют, что цена на первичное жилье за период 2014-2016 гг. может увеличиться в 1,18 раза и составить 59116,51±8196,48 руб. при прогрессивном действии выделенных факторов.
Таким образом, проведенные исследования показали, что факторы оказывают значительное влияние на рынок, и можно прогнозировать сохранение тенденции к увеличению цены на первичное жилье.
В ходе выполнения работы были проделаны следующие этапы:
1) из первоначально выбранных факторов, оказывающих влияние на изменение уровня цен на первичном рынке жилья, с помощью корреляционного и регрессионного анализа отобраны те факторы, которые оказывают наибольшее влияние;
2) на основе этих факторов построена од-нофакторная модель;
3) определены прогнозные значения фактора ввод в действие жилых домов до 2016 года;
4) спрогнозировано изменение уровня цен на первичном рынке жилья на период с 2014 до 2016 год.
Библиографический список:
1. Гиниятова Э.Ф., Пономарёва Т.Н., Лисова Е.С. Исследование рынка жилья в Пермском крае // Экономика и предпринимательство. 2014. № 12. С. 313-315.
2. Недвижимость, которая вас разоряет [Электронный ресурс]. URL: http://wwwfidionbook.rn/author/litagent_multijriedia/nedviji most_kotoraya_vas_razoryaet/
3. Федеральная служба гос
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.