Массовая (кадастровая) оценка стоимости объектов жилого назначения в многоквартирных домах в г. Москва
Министерство сельского хозяйства РФ
Федеральное государственное
образовательное учреждение
высшего профессионального образования
«Государственный университет по
землеустройству»
Кафедра экономической теории и
менеджмента
Курсовая работа
по дисциплине «Практика оценки
недвижимости»
на тему:
«Массовая (кадастровая) оценка
стоимости объектов жилого назначения в многоквартирных домах в г. Москва
Выполнил:
Студент
группы 32-м Арсентьев Максим Дмитриевич
Проверил:
д.т.н.,
профессор Коростелев С.П.
Москва 2014г.
Содержание
Введение
. Теоретические положения в массовой оценке стоимости
недвижимости
.1 Понятие современной массовой (кадастровой) оценки
стоимости объектов недвижимости
.2 Этапы массовой (кадастровой) оценки стоимости
недвижимости с помощью корреляционно-регрессионного анализа
. Массовая (кадастровая) оценка стоимости объектов
жилого назначения в многоквартирных домах в г. Москва
Заключение
Введение
Цель выполнения курсовой работы - приобретение навыков по практической
оценке стоимости объектов недвижимости при ее массовой (кадастровой) оценке.
В процессе данной работы была использована реальная рыночная информация
по стоимости объектов недвижимости г. Москва. Данная информация обработана с
использованием методов математической статистики и прикладных компьютерных
программ в среде MS EXCEL.
Задача курсовой работы - построить математическую модель кадастровой
оценки недвижимости для жилых многоквартирных домов г. Москва на текущую дату.
В курсовой работе также решаются следующие задачи:
– сбор и анализ рыночной информации по ценам продаж жилой
недвижимости в г. Москва;
– выявление ценообразующих факторов, оказывающих наиболее
существенное влияние на формирование цены;
– выбор экономической регрессионной модели оценки и проведение
оцифровки исходной экспериментальной выборки;
– проведение расчета параметров модели оценки стоимости;
– проведение анализа полученных результатов;
– оценка качества регрессионной модели оценки.
В процессе выполнения работы необходимо научиться:
– самостоятельно собирать и обрабатывать исходную рыночную
информацию, представленную в открытых источниках;
– выявлять ценообразующие факторы;
– формировать экспериментальные выборки цен предложений;
– оцифровывать качественную информацию по объектам недвижимости;
– обрабатывать исходную информацию методами математической
статистики;
– проводить анализ полученных результатов отчета с учетом
экономического содержания входных и выходных параметров модели;
– строить регрессионные модели кадастровой оценки недвижимости и
оценивать их точность.
1
. Теоретические
положения в массовой оценке стоимости недвижимости
.1 Понятие
современной массовой (кадастровой) оценки стоимости объектов недвижимости
Массовая оценка стоимости недвижимости (англ. real estate appraisal by
mass methods) - систематическая оценка стоимости групп объектов недвижимости на
определенную дату с использованием стандартных процедур и статистического
анализа. Стимулом для развития МОСН как научной дисциплины послужила
необходимость достижения единообразия и согласованности результатов при
определении налоговой базы для целей налогообложения недвижимости в 30-е гг. в
США. В России МОСН развивается с начала 90-х гг. в связи с появлением и
развитием рынка недвижимости и подготовкой к введению налога на недвижимость.
Массовая оценка при оценке стоимости земли оформилась как самостоятельное
направление. В отличие от индивидуальной оценки МОСН требует разработки модели
расчета стоимости, способной имитировать действие факторов спроса и предложения
на обширной территории. При МОСН задачей оценщика является выделение типичных
характеристик объекта недвижимости, присущих данному классу объектов, и
объяснение колебаний цен на объекты различиями в значениях этих характеристик,
тогда как при индивидуальной оценке обоснование результата строится на анализе
особенностей объекта и его отличий от аналогов. Конечная цель работ по МОСН -
проведение переоценки всех объектов недвижимости, расположенном в данном
административно-территориальном образовании, по единой методике, разработанной
на основе анализа рынка с применением статистических методов (компьютерных
методов оценки).
При создании системы МОСН оценку начинают с анализа рынка, а к
планированию и организации работ по оценке возвращаются несколько раз, по мере
накопления опыта пробного осуществления всех последующих этапов. Разработка
модели основывается на анализе собранной информации и теории оценки. При
необходимости отразить различия в формировании стоимости разных видов объектов
разрабатывают несколько моделей, используют разные методы оценки. Модель
представляет собой формулу, в левой части которой располагается рыночная
стоимость объекта на конкретную дату (зависимая переменная, или функция); в
правой - математическое выражение, описывающее зависимость стоимости от ряда характеристик
объекта (выражаемых переменными модели). Исходя из анализа рынка, объема и
содержания информации, выбирают метод оценки и общий вид модели (аддитивную,
мультипликативную или гибридную). Аддитивную (сложение) и мультипликативную
(умножение) простые модели применяют для описания слабо развитого рынка, где не
проявляются нелинейные тенденции, они достаточно логичны и устойчивы. Гибридная
(сложная) модель оптимальна для описания рынка недвижимости с устоявшимися
нелинейными тенденциями и сложными видами зависимости стоимости от
характеристик объектов. Отладка (калибровка) модели позволяет определить
непосредственное влияние характеристик на стоимость, которое отражается
значениями коэффициентов при переменных. Одна из главных процедур калибровки -
процедура адаптивной оценки (метод обратной связи). Она базируется на
итеративном (повторяемом до достижения заданного уровня) подборе коэффициентов
на основе минимизации суммы всех отклонений прогнозных значений стоимости от
заданных рыночных.
Проверка модели, контроль качества результатов оценки и доработка модели
- важнейшие этапы. Оценки, полученные по моделям, сравнивают с реальными ценами
продаж данного рынка и исследуют соотношения. Для уточнения модели оценщик
анализирует отклонения, выезжая на объекты. При этом выясняют причины значимых
расхождений, выделяют факторы, «недоучтенные» или «переоцененные» моделью,
вносят необходимые поправки. Проверка может осуществляться: в несколько
приемов, до момента достижения необходимой точности модельной оценки по модели
на представительной выборке объектов; статистическими, а также экспертным
методом, позволяющим компенсировать недостаточное количество или качество
исходной информации по рыночным сделкам. В результате проверки делают вывод о
целесообразности дальнейшего совершенствования модели (в зависимости от
выделенного бюджета и требуемой точности оценки). При этом могут быть вычленены
уникальные объекты (группы объектов) и определена процедура их оценки.
В дополнение к выбранной модели (моделям) в методике МОСН могут
использоваться таблицы поправок на нестандартные особенности, применяемых к
отдельным объектам или группам объектов. В правовом отношении порядок
обжалования оценки и ее методика должен быть установлен нормативными актами
органов власти, к компетенции которых относится налог, для определения
налоговой базы которого используется МОСН. Применение аналитических
компьютерных методов оценки приводит к значительному сокращению сроков работ,
трудозатрат и экономии бюджета при обеспечении заданной точности оценки. МОСН
используют для целей налогообложения, повышения эффективности управления
недвижимостью, определения ее залоговой стоимости, оценки портфелей инвестиций
в недвижимость и др.
1.2 Этапы
массовой (кадастровой) оценки стоимости недвижимости с помощью
корреляционно-регрессионного анализа
2. Сбор и анализ рыночной информации по ценам предложений в
определенном муниципальном образовании.
. Зонирование территорий города.
. Выявление ценообразующих факторов, оказывающих влияние на
формирование цены.
. Выбор экономической регрессионной модели оценки и проведение
оцифровки исходной экспериментальной выборки.
. Проведение расчета параметров модели оценки стоимости.
. Анализ полученных результатов.
. Оценка качества регрессионной модели оценки. Если качество
модели удовлетворяет требованиям, то модель описывается и делается заключение,
в противном случае производится возврат к п. 2.
2.
Массовая (кадастровая) оценка стоимости объектов жилого назначения в
многоквартирных домах в г. Москва.
Таблица
1 - Экспериментальная выборка
|
№ наблюдения
|
Район
|
Адрес
|
этаж
|
кол-во комнат
|
площадь
|
цена за кв.метр,руб
|
примечание
|
|
1
|
хорошево-мневники
|
генерала глаголева ул., 3
|
4
|
1
|
30
|
188333
|
5-ти этажный кирпичный дом, хороший ремонт
|
|
2
|
хорошево-мневники
|
бульвар Генерала Карбышева, 34
|
4
|
2
|
45
|
141 112
|
5-ти этажный блочный дом
|
|
3
|
хорошево-мневники
|
улица Демьяна Бедного, 4а
|
7
|
2
|
49
|
169 184
|
12-ти этажный панельный дом, косметический ремонт
|
|
4
|
хорошево-мневники
|
улица Демьяна Бедного, 11
|
5
|
1
|
30
|
142 120
|
5-ти этажный панельный дом
|
|
5
|
хорошево-мневники
|
бульвар Генерала Карбышева, 27
|
6
|
2
|
46
|
142 155
|
14-ти этажный блочный дом
|
|
6
|
хорошево-мневники
|
бульвар Генерала Карбышева, 28
|
1
|
2
|
40
|
147 500
|
12-ти этажный панельный дом
|
|
7
|
хорошево-мневники
|
проспект Маршала Жукова, 62б
|
4
|
1
|
34
|
145 217
|
12-ти этажный панельный дом, балкона нет
|
|
8
|
хорошево-мневники
|
улица Демьяна Бедного, 15
|
14
|
1
|
33
|
152 728
|
14-ти этажный панельный дом, лоджия
|
|
9
|
хорошево-мневники
|
бульвар Генерала Карбышева, 1
|
3
|
1
|
40
|
187 500
|
14-ти этажный кирпичный дом, хороший ремонт
|
|
10
|
хорошево-мневники
|
проспект Маршала Жукова, 79
|
9
|
1
|
36
|
151 112
|
12-ти этажный блочный дом
|
|
11
|
хорошево-мневники
|
улица Демьяна Бедного, 10
|
5
|
2
|
46
|
156 667
|
12-ти этажный панельный дом
|
|
12
|
хорошево-мневники
|
улица Демьяна Бедного, 14а
|
6
|
2
|
55
|
147 273
|
16-ти этажный панельный дом
|
|
13
|
хорошево-мневники
|
генерала глаголева улица, 17
|
2
|
2
|
47
|
153 405
|
17-ти этажный панельный дом
|
|
14
|
хорошево-мневники
|
улица Демьяна Бедного, 14к1
|
3
|
2
|
45
|
137 778
|
5-ти этажный кирпичный дом,балкона нет
|
|
15
|
хорошево-мневники
|
проспект Маршала Жукова, 62в
|
1
|
2
|
54
|
147 223
|
17-ти этажный панельный дом
|
|
16
|
хорошево-мневники
|
бульвар Генерала Карбышева, 27
|
1
|
2
|
40
|
157 500
|
14-ти этажный блочный дом
|
|
17
|
хорошево-мневники
|
проспект Маршала Жукова, 47
|
6
|
1
|
39
|
149 231
|
17-ти этажный панельный дом, балкона нет
|
|
18
|
хорошево-мневники
|
бульвар Генерала Карбышева, 36
|
10
|
1
|
35
|
152 858
|
14-ти этажный панельный дом
|
|
19
|
хорошево-мневники
|
генерала глаголева улица, 23к1
|
4
|
1
|
38
|
158 032
|
14-ти этажный панельный дом
|
|
20
|
хорошево-мневники
|
бульвар Генерала Карбышева, 17
|
14
|
1
|
39
|
148 718
|
14-ти этажный панельный дом
|
|
21
|
хорошево-мневники
|
бульвар Генерала Карбышева, 42
|
1
|
2
|
40
|
150 000
|
12-ти этажный панельный дом
|
|
22
|
хорошево-мневники
|
проспект Маршала Жукова, 11к2
|
15
|
1
|
36
|
151 257
|
16-ти этажный панельный дом,лоджия
|
|
23
|
хорошево-мневники
|
генерала глаголева улица, 19
|
11
|
2
|
64
|
144 063
|
12-ти этажный панельный дом
|
|
24
|
хорошево-мневники
|
улица Демьяна Бедного, 14а
|
12
|
2
|
54
|
155 926
|
16-ти этажный панельный дом
|
|
25
|
хорошево-мневники
|
улица Демьяна Бедного, 9
|
7
|
2
|
42
|
176 481
|
9-ти этажный панельный дом, хороший ремонт
|
|
26
|
хорошево-мневники
|
проспект Маршала Жукова, 56
|
9
|
2
|
52
|
150 000
|
12-ти этажный панельный дом
|
|
27
|
хорошево-мневники
|
генерала глаголева улица, 17
|
1
|
2
|
46
|
149 566
|
12-ти этажный панельный дом
|
|
28
|
хорошево-мневники
|
улица Демьяна Бедного, 15
|
9
|
2
|
53
|
155 661
|
14-ти этажный панельный дом
|
|
29
|
хорошево-мневники
|
улица Демьяна Бедного, 28
|
1
|
2
|
45
|
144 445
|
5-ти этажный кирпичный дом
|
|
30
|
хорошево-мневники
|
генерала глаголева улица, 17
|
2
|
2
|
47
|
155 958
|
12-ти этажный панельный дом
|
|
31
|
хорошево-мневники
|
бульвар Генерала Карбышева, 15
|
22
|
2
|
50
|
169 626
|
22-х этажный монолитный дом, 2 лоджии
|
|
32
|
хорошево-мневники
|
бульвар Генерала Карбышева, 13
|
15
|
2
|
61
|
166 667
|
22-х этажный монолитный дом, 2 лоджии
|
|
33
|
хорошево-мневники
|
генерала глаголева улица, 1
|
12
|
2
|
54
|
147 223
|
12-ти этажный панельный дом
|
|
34
|
щукино
|
улица Рогова, 42
|
2
|
1
|
38
|
181 555
|
12-ти этажный панельный дом
|
|
35
|
щукино
|
Новощукинская улица, 7
|
1
|
1
|
35
|
179 015
|
12-ти этажный панельный дом, балкона нет
|
|
36
|
щукино
|
улица Маршала Рыбалко, 8
|
1
|
1
|
38
|
182 455
|
12-ти этажный панельный дом
|
|
37
|
щукино
|
Шенкурский проезд, 8
|
12
|
48
|
176 250
|
12-ти этажный панельный дом
|
|
38
|
щукино
|
улица Рогова, 58
|
2
|
2
|
48
|
185 834
|
9-ти этажный панельный дом
|
|
39
|
щукино
|
улица Маршала Рыбалко, 15
|
2
|
1
|
32
|
181 875
|
9-ти этажный панельный дом
|
|
40
|
щукино
|
улица Рогова, 41а
|
2
|
2
|
52
|
175 239
|
12-ти этажный панельный дом, балкона нет
|
|
41
|
щукино
|
улица Академика Бочвара, 6а
|
6
|
1
|
32
|
220 750
|
9-ти этажный панельный дом, хороший ремонт
|
|
42
|
щукино
|
Новощукинская улица, 17б
|
7
|
2
|
44
|
174 604
|
9-ти этажный панельный дом, балкона нет
|
|
43
|
щукино
|
улица Рогова, 36
|
6
|
2
|
48
|
183 750
|
14-ти этажный панельный дом
|
|
44
|
щукино
|
улица Академика Бочвара, 21
|
1
|
1
|
39
|
180 307
|
12-ти этажный панельный дом
|
|
45
|
щукино
|
улица Академика Бочвара, 14
|
3
|
1
|
39
|
183 847
|
12-ти этажный панельный дом
|
|
46
|
щукино
|
Авиационная улица, 8
|
1
|
2
|
56
|
178 036
|
5-ти этажный панельный дом
|
|
47
|
щукино
|
Авиационная улица, 23б
|
16
|
1
|
40
|
185 000
|
16-ти этажный панельный дом
|
|
48
|
щукино
|
улица Академика Бочвара, 82
|
21
|
1
|
38
|
189 474
|
22-х панельный дом
|
|
49
|
щукино
|
улица Академика Бочвара, 12а
|
3
|
2
|
45
|
184 445
|
9-ти этажный панельный дом
|
|
50
|
щукино
|
улица Маршала Рыбалко, 15
|
2
|
1
|
32
|
183 581
|
9-ти этажный панельный дом
|
|
51
|
щукино
|
улица Рогова, 26
|
5
|
2
|
45
|
178 889
|
14-ти этажный панельный дом
|
|
52
|
щукино
|
улица Академика Бочвара, 3б
|
5
|
1
|
34
|
174 000
|
9-ти этажный панельный дом, балкона нет
|
|
53
|
щукино
|
улица Академика Бочвара, 9а
|
5
|
2
|
46
|
173 914
|
12-ти этажный панельный дом
|
|
54
|
щукино
|
улица Рогова, 38
|
7
|
2
|
54
|
188 149
|
12-ти этажный панельный дом, лоджия
|
|
55
|
щукино
|
Авиационная улица, 23
|
3
|
2
|
52
|
173 334
|
12-ти этажный панельный дом
|
|
56
|
щукино
|
улица Рогова, 3
|
8
|
1
|
37
|
179 190
|
12-ти этажный кирпично-монолитный дом
|
|
57
|
щукино
|
улица Маршала Рыбалко, 13
|
1
|
1
|
35
|
172 975
|
16-ти этажный панельный дом, балкона нет
|
|
58
|
щукино
|
Новощукинская улица, 17б
|
5
|
2
|
44
|
174 604
|
9-ти этажный панельный дом, балкона нет
|
|
59
|
щукино
|
улица Рогова, 48а
|
1
|
2
|
49
|
182 858
|
9-ти этажный блочный дом
|
|
60
|
щукино
|
улица Академика Бочвара, 92
|
8
|
1
|
39
|
187 180
|
22-х этажный панельный дом, балкона нет
|
|
61
|
щукино
|
улица Маршала Рыбалко, 8
|
7
|
1
|
40
|
218 500
|
12-ти этажный панельный дом
|
|
62
|
щукино
|
улица Академика Бочвара, 23в
|
1
|
2
|
44
|
174 280
|
9-ти этажный панельный дом
|
|
63
|
щукино
|
Новощукинская улица, 17
|
4
|
1
|
43
|
183 133
|
12-ти этажный панельный дом,лоджия
|
|
64
|
щукино
|
улица Маршала Рыбалко, 6
|
4
|
2
|
52
|
182 500
|
12-ти этажный панельный дом
|
|
65
|
щукино
|
улица Академика Бочвара, 3б
|
9
|
2
|
44
|
180 996
|
9-ти этажный панельный дом
|
|
66
|
щукино
|
Авиационная улица, 9
|
6
|
1
|
39
|
178 975
|
12-ти этажный панельный дом
|
|
67
|
строгино
|
улица Исаковского, 5к1
|
17
|
1
|
35
|
223 143
|
24-х этажный кирпично-монолитный дом, лоджия
|
|
68
|
строгино
|
улица Кулакова, 91
|
3
|
1
|
39
|
190 257
|
14-ти этаэный панельный дом
|
|
69
|
строгино
|
улица Маршала Катукова, 1
|
5
|
2
|
47
|
179 575
|
12-ти этажный панельный дом
|
|
70
|
строгино
|
улица Исаковского, 2
|
10
|
1
|
32
|
180 852
|
12-ти этажный панельный дом
|
|
71
|
строгино
|
улица Исаковского, 12к1
|
4
|
1
|
40
|
185 000
|
16-ти этажный панельный дом
|
|
72
|
строгино
|
улица Маршала Катукова, 20
|
2
|
1
|
36
|
175 000
|
16-ти этажный панельный дом
|
|
73
|
строгино
|
улица Исаковского, 5к3
|
12
|
1
|
39
|
189 494
|
17-ти этажный монолитный дом
|
|
74
|
строгино
|
улица Исаковского, 5к4
|
20
|
1
|
30
|
218 610
|
24-х этажный кирпично-монолитный дом, лоджия, хороший
ремонт
|
|
75
|
строгино
|
Твардовского улица, 5/14
|
1
|
2
|
52
|
193 847
|
12-ти этажный панельный дом
|
|
76
|
строгино
|
улица Маршала Катукова, 3а
|
2
|
1
|
35
|
185 715
|
9-ти этажный панельный дом
|
|
77
|
строгино
|
Строгинский бульвар, 22
|
1
|
1
|
36
|
179 445
|
16-ти этажный панельный дом, балкона нет
|
|
78
|
строгино
|
Строгинский бульвар, 38
|
21
|
2
|
74
|
223 892
|
22-х этажный кирпично-монолитный дом, хороший ремонт
|
|
79
|
строгино
|
Твардовского улица, 4к2
|
9
|
1
|
38
|
188 422
|
16-ти этажный панельный дом
|
|
80
|
строгино
|
улица Маршала Катукова, 11к3
|
16
|
1
|
39
|
221 184
|
24-х этажный панельный дом, хороший ремонт
|
|
81
|
строгино
|
Твардовского улица, 10
|
1
|
36
|
185 793
|
16-ти этажный панельный дом
|
|
82
|
строгино
|
улица Маршала Катукова, 9к3
|
6
|
1
|
38
|
217 895
|
10-ти этажный панельный дом, хороший ремонт
|
|
83
|
строгино
|
Таллинская улица, 18
|
2
|
1
|
40
|
220 936
|
5-ти этажный монолитный дом, хороший ремонт
|
|
84
|
строгино
|
улица Исаковского, 12к1
|
15
|
2
|
59
|
179 323
|
16-ти этажный панельный дом
|
|
85
|
строгино
|
улица Исаковского, 5к1
|
19
|
1
|
33
|
190 910
|
25-ти этажный монолитно-кирпичный дом, хороший ремонт
|
|
86
|
строгино
|
улица Исаковского, 7к1
|
3
|
2
|
55
|
180 910
|
19-ти этажный панельный дом
|
|
87
|
строгино
|
Твардовского улица, 14
|
7
|
2
|
53
|
189 812
|
14-ти этажный панельный дом
|
|
88
|
строгино
|
улица Исаковского, 9к2
|
14
|
1
|
39
|
193 683
|
14-ти этажный монолитный дом
|
|
89
|
строгино
|
улица Исаковского, 6
|
15
|
2
|
50
|
180 000
|
16-ти этажный панельный дом
|
|
90
|
строгино
|
улица Маршала Катукова, 18
|
1
|
2
|
53
|
190 378
|
12-ти этажный панельный дом
|
|
91
|
строгино
|
Таллинская улица, 4
|
19
|
2
|
56
|
181 786
|
22-х этажный панельный дом, лоджия
|
|
92
|
строгино
|
улица Маршала Катукова, 11к3
|
15
|
1
|
45
|
193 334
|
24-х этажный панельный дом
|
|
93
|
строгино
|
улица Кулакова, 97к2
|
7
|
2
|
52
|
191230
|
16-ти этажный панельный дом
|
|
94
|
строгино
|
улица Кулакова, 85
|
19
|
1
|
44
|
214 546
|
24-х этажный кирпично-монолитный дом, хороший ремонт
|
|
95
|
строгино
|
Твардовского улица, 14
|
2
|
2
|
54
|
184 815
|
14-ти этажный панельный дом
|
|
96
|
строгино
|
улица Маршала Катукова, 7
|
3
|
1
|
38
|
189 474
|
24-х этажный панельный дом
|
|
97
|
строгино
|
Строгинский бульвар, 5к1
|
3
|
2
|
58
|
193 104
|
20-ти этажный монолитный дом, 2 балкона
|
|
98
|
строгино
|
улица Исаковского, 8/2
|
1
|
1
|
37
|
183 244
|
16-ти этажный панельный дом
|
|
99
|
строгино
|
улица Исаковского, 2
|
10
|
2
|
47
|
183 830
|
12-ти этажный панельный дом
|
|
100
|
строгино
|
улица Исаковского, 5к1
|
9
|
1
|
40
|
190 000
|
17-ти этажный панельный дом
|
Таблица
2 - Оцифровка собранной информации
|
район щукино
|
Район строгино
|
5эт. Дом
|
9-12эт.дом
|
более 12 эт.
|
1 или последний этаж
|
Срединный этаж
|
1-комн.
|
2-комн.
|
улучшенная отделка
|
обычная отделка
|
цена
|
|
0
|
0
|
1
|
0
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
188333
|
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
141 112
|
|
0
|
0
|
1
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
169 184
|
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
142 120
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
142 155
|
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
147 500
|
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
145 217
|
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
152 728
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
1
|
0
|
187 500
|
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
151 112
|
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
156 667
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
147 273
|
|
0
|
0
|
1
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
153 405
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
137 778
|
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
0
|
1
|
147 223
|
|
0
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
0
|
1
|
157 500
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
149 231
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
152 858
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
158 032
|
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
148 718
|
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
150 000
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
151 257
|
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
144 063
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
155 926
|
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
176 481
|
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
150 000
|
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
149 566
|
|
0
|
0
|
1
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
155 661
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
144 445
|
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
155 958
|
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
0
|
1
|
169 626
|
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
166 667
|
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
147 223
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
181 555
|
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
179 015
|
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
182 455
|
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
176 250
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
185 834
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
181 875
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
175 239
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
220 750
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
174 604
|
|
1
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
183 750
|
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
180 307
|
|
1
|
0
|
1
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
183 847
|
|
1
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
178 036
|
|
1
|
0
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
185 000
|
|
1
|
0
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
189 474
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
184 445
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
183 581
|
|
1
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
178 889
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
174 000
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
173 914
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
188 149
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
173 334
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
179 190
|
|
1
|
0
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
172 975
|
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
174 604
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
182 858
|
|
1
|
0
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
187 180
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
218 500
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
174 280
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
183 133
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
182 500
|
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
180 996
|
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
178 975
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
223 143
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
190 257
|
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
179 575
|
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
180 852
|
|
0
|
1
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
185 000
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
175 000
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
189 494
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
218 610
|
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
193 847
|
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
1
|
185 715
|
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
179 445
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
0
|
223 892
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
188 422
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
221 184
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
185 793
|
|
0
|
1
|
1
|
1
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
217 895
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
1
|
0
|
220 936
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
179 323
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
1
|
0
|
190 910
|
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
180 910
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
189 812
|
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
193 683
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
180 000
|
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
190 378
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
181 786
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
193 334
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
191230
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
1
|
0
|
214 546
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
184 815
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
189 474
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
193 104
|
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
183 244
|
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
183 830
|
|
0
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
1
|
190 000
|
Примем, что в качестве базового объекта - однокомнатная квартира в районе
Щукино, в доме с 9-12 этажей, с обычной отделкой , расположенной не на 1 или
последнем этаже.
кадастровый оценка стоимость недвижимость
Таблица
3 - Обозначения ценообразующих факторов
|
наименование
|
обозначение
|
значение
|
|
хорошево-мневники
|
а1
|
наличие=1 , отсутствие = 0
|
|
щукино
|
отсутствует
|
базовое
|
|
строгино
|
а2
|
наличие=1 , отсутствие = 0
|
|
5эт. Дом
|
а3
|
наличие=1 , отсутствие = 0
|
|
9-12эт. Дом
|
отсутствует
|
базовое
|
|
более 12 эт.
|
а4
|
наличие=1 , отсутствие = 0
|
|
1 или последний эт.
|
а5
|
наличие=1 , отсутствие = 0
|
|
срединный этаж
|
отсутствует
|
базовое
|
|
1-комн.
|
отсутствует
|
базовое
|
|
2-комн.
|
наличие=1 , отсутствие = 0
|
|
улучшенная отделка
|
а7
|
наличие=1 , отсутствие = 0
|
|
обычная отделка
|
остутствует
|
базовое
|
Таблица
4 - Усеченная оцифрованная информация
|
наблюдения
|
хорошево-мневники
|
строгино
|
5эт.дом
|
более 12эт.
|
1 или последний этаж
|
2-комн.
|
улучшенная отделка
|
предложения
|
|
1
|
1
|
0
|
1
|
0
|
0
|
0
|
1
|
188333
|
|
2
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
141 112
|
|
3
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
169 184
|
|
4
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
142 120
|
|
5
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
142 155
|
|
6
|
1
|
0
|
0
|
0
|
1
|
1
|
0
|
147 500
|
|
7
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
145 217
|
|
8
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
152 728
|
|
9
|
1
|
0
|
0
|
1
|
0
|
0
|
1
|
187 500
|
|
10
|
1
|
0
|
0
|
0
|
0
|
0
|
0
|
151 112
|
|
11
|
1
|
0
|
0
|
0
|
0
|
1
|
0
|
156 667
|
|
12
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
147 273
|
|
13
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
153 405
|
|
14
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
137 778
|
|
15
|
1
|
0
|
0
|
1
|
1
|
1
|
0
|
147 223
|
|
16
|
1
|
0
|
0
|
1
|
1
|
1
|
0
|
157 500
|
|
17
|
1
|
0
|
0
|
1
|
0
|
0
|
0
|
149 231
|
|
18
|
1
|
0
|
0
|
1
|
0
|
0
|
0
|
152 858
|
|
19
|
1
|
0
|
0
|
1
|
0
|
0
|
0
|
158 032
|
|
20
|
1
|
0
|
0
|
1
|
1
|
0
|
0
|
148 718
|
|
21
|
1
|
0
|
0
|
0
|
1
|
1
|
0
|
150 000
|
|
22
|
1
|
0
|
0
|
1
|
0
|
0
|
0
|
151 257
|
|
23
|
1
|
0
|
0
|
0
|
0
|
1
|
0
|
144 063
|
|
24
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
155 926
|
|
25
|
1
|
0
|
0
|
0
|
0
|
1
|
1
|
176 481
|
|
26
|
1
|
0
|
0
|
0
|
0
|
1
|
0
|
150 000
|
|
27
|
1
|
0
|
0
|
0
|
1
|
1
|
0
|
149 566
|
|
28
|
1
|
0
|
1
|
0
|
0
|
1
|
0
|
155 661
|
|
29
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
144 445
|
|
30
|
1
|
0
|
0
|
0
|
0
|
1
|
0
|
155 958
|
|
31
|
1
|
0
|
0
|
1
|
1
|
1
|
0
|
169 626
|
|
32
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
166 667
|
|
33
|
1
|
0
|
0
|
0
|
1
|
1
|
0
|
147 223
|
|
34
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
181 555
|
|
35
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
179 015
|
|
36
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
182 455
|
|
37
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
176 250
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
185 834
|
|
39
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
181 875
|
|
40
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
175 239
|
|
41
|
0
|
0
|
0
|
0
|
0
|
0
|
1
|
220 750
|
|
42
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
174 604
|
|
43
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
183 750
|
|
44
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
180 307
|
|
45
|
0
|
0
|
1
|
0
|
0
|
0
|
0
|
183 847
|
|
46
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
178 036
|
|
47
|
0
|
0
|
0
|
0
|
1
|
0
|
0
|
185 000
|
|
48
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
189 474
|
|
49
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
184 445
|
|
50
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
183 581
|
|
51
|
0
|
0
|
0
|
1
|
0
|
1
|
0
|
178 889
|
|
52
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
174 000
|
|
53
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
173 914
|
|
54
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
188 149
|
|
55
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
173 334
|
|
56
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
179 190
|
|
57
|
0
|
0
|
0
|
1
|
0
|
0
|
0
|
172 975
|
|
58
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
174 604
|
|
59
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
182 858
|
|
60
|
0
|
0
|
0
|
1
|
1
|
0
|
0
|
187 180
|
|
61
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
218 500
|
|
62
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
174 280
|
|
63
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
183 133
|
|
64
|
0
|
0
|
0
|
0
|
0
|
1
|
0
|
182 500
|
|
65
|
0
|
0
|
0
|
0
|
1
|
1
|
0
|
180 996
|
|
66
|
0
|
0
|
0
|
0
|
0
|
0
|
0
|
178 975
|
|
67
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
223 143
|
|
68
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
190 257
|
|
69
|
0
|
1
|
0
|
0
|
0
|
1
|
0
|
179 575
|
|
70
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
180 852
|
|
71
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
185 000
|
|
72
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
175 000
|
|
73
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
189 494
|
|
74
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
218 610
|
|
75
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
193 847
|
|
76
|
0
|
1
|
0
|
0
|
0
|
0
|
0
|
185 715
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
179 445
|
|
78
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
223 892
|
|
79
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
188 422
|
|
80
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
221 184
|
|
81
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
185 793
|
|
82
|
0
|
1
|
1
|
0
|
0
|
0
|
1
|
217 895
|
|
83
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
220 936
|
|
84
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
179 323
|
|
85
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
190 910
|
|
86
|
0
|
1
|
0
|
0
|
0
|
1
|
0
|
180 910
|
|
87
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
189 812
|
|
88
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
193 683
|
|
89
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
180 000
|
|
90
|
0
|
1
|
0
|
0
|
1
|
1
|
0
|
190 378
|
|
91
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
181 786
|
|
92
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
193 334
|
|
93
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
191230
|
|
94
|
0
|
1
|
0
|
1
|
0
|
0
|
1
|
214 546
|
|
95
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
184 815
|
|
96
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
189 474
|
|
97
|
0
|
1
|
0
|
1
|
0
|
1
|
0
|
193 104
|
|
98
|
0
|
1
|
0
|
1
|
1
|
0
|
0
|
183 244
|
|
99
|
0
|
1
|
0
|
0
|
0
|
1
|
0
|
183 830
|
|
100
|
0
|
1
|
0
|
1
|
0
|
0
|
0
|
190 000
|
Таблица
5 - Расчет коэффициентов с использованием функции ЛИНЕЙН
|
а7
|
а6
|
а5
|
а4
|
а3
|
а2
|
а1
|
а0
|
|
27864,73944
|
-2459,04
|
-548,562
|
1894,527639
|
4790,109683
|
5011,241
|
-30887,77192
|
182777,2164
|
|
3244,518049
|
1957,897
|
2225,042
|
2259,309809
|
4000,949346
|
2605,88
|
2557,198322
|
2064,00908
|
|
0,820453347
|
9104,026
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
|
60,05737748
|
92
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
|
34844274729
|
7,63E+09
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
#Н/Д
|
Таблица
6 - Выходные данные функции РЕГРЕССИЯ
|
ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Регрессионная статистика
|
|
|
|
|
|
|
|
|
Множественный R
|
0,905788798
|
|
|
|
|
|
|
|
|
R-квадрат
|
0,820453347
|
|
|
|
|
|
|
|
|
Нормированный R-квадрат
|
0,806792188
|
|
|
|
|
|
|
|
|
Стандартная ошибка
|
9104,026488
|
|
|
|
|
|
|
|
|
Наблюдения
|
100
|
|
|
|
|
|
|
|
|
|
|
|
Fкрит=1,280340294
|
|
|
|
|
Дисперсионный анализ
|
|
|
|
|
|
|
|
|
|
df
|
SS
|
MS
|
F
|
Значимость F
|
|
|
|
|
Регрессия
|
7
|
34844274729
|
4977753533
|
60,05737748
|
1,43915E-31
|
|
|
|
|
Остаток
|
92
|
7625263444
|
82883298,3
|
|
|
|
|
|
|
Итого
|
99
|
42469538173
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Коэффициенты
|
Стандартная ошибка
|
t-статистика
|
P-Значение
|
Нижние 95%
|
Верхние 95%
|
Нижние 95,0%
|
Верхние 95,0%
|
|
Y-пересечение
|
182777,2164
|
2064,00908
|
88,55446335
|
0,000000000
|
178677,9162
|
186876,5166
|
178677,9162
|
186876,5166
|
|
Переменная X 1
|
-30887,77192
|
2557,198322
|
-12,07875496
|
0,034576821
|
-35966,58852
|
-25808,95532
|
-35966,58852
|
-25808,95532
|
|
Переменная X 2
|
5011,240536
|
2605,880187
|
1,923051014
|
0,047566397
|
-164,2624467
|
10186,74352
|
-164,2624467
|
10186,74352
|
|
Переменная X 3
|
4790,109683
|
4000,949346
|
1,197243271
|
0,034287535
|
-3156,121067
|
12736,34043
|
-3156,121067
|
12736,34043
|
|
Переменная X 4
|
1894,527639
|
2259,309809
|
0,838542652
|
0,003899439
|
-2592,656659
|
6381,711937
|
-2592,656659
|
6381,711937
|
-548,5621121
|
2225,041909
|
-0,246540126
|
0,005813412
|
-4967,687402
|
3870,563178
|
-4967,687402
|
3870,563178
|
|
Переменная X 6
|
-2459,035637
|
1957,896594
|
-1,255957871
|
0,012311447
|
-6347,587273
|
1429,515999
|
-6347,587273
|
1429,515999
|
|
Переменная X 7
|
27864,73944
|
3244,518049
|
8,588252252
|
2,12577E-13
|
21420,84654
|
34308,63234
|
21420,84654
|
34308,63234
|
|
|
|
|
t-статистика, крит = 1,648981205
|
|
|
|
Таблица
7 - Расчет остатков
|
ВЫВОД ОСТАТКА
|
|
|
|
|
|
|
|
|
Наблюдение
|
Предсказанное Y
|
Остатки
|
%откл.
|
|
1
|
184544,2936
|
3788,706375
|
5,03%
|
|
2
|
154220,5185
|
-13108,51855
|
-5,63%
|
|
3
|
154220,5185
|
14963,48145
|
2,33%
|
|
4
|
153235,41
|
-11115,41003
|
-1,45%
|
|
5
|
151324,9365
|
-9169,936503
|
-1,64%
|
|
6
|
148881,8468
|
-1381,846752
|
-2,44%
|
|
7
|
151889,4445
|
-6672,444501
|
-1,20%
|
|
8
|
153235,41
|
-507,4100281
|
10,67%
|
|
9
|
181648,7116
|
5851,288419
|
6,92%
|
|
10
|
151889,4445
|
-777,4445012
|
-0,52%
|
|
11
|
149430,4089
|
7236,591136
|
0,98%
|
|
12
|
151324,9365
|
-4051,936503
|
-1,23%
|
|
13
|
154220,5185
|
-815,5185473
|
2,08%
|
|
14
|
151324,9365
|
-13546,9365
|
-0,24%
|
|
15
|
150776,3744
|
-3553,374391
|
-0,19%
|
|
16
|
150776,3744
|
6723,625609
|
3,58%
|
|
17
|
153783,9721
|
-4552,97214
|
1,77%
|
|
18
|
153783,9721
|
-925,9721401
|
-5,85%
|
|
19
|
153783,9721
|
4248,02786
|
0,97%
|
|
20
|
153235,41
|
-4517,410028
|
2,86%
|
|
21
|
148881,8468
|
1118,153248
|
11,46%
|
|
22
|
153783,9721
|
-2526,97214
|
0,83%
|
|
23
|
149430,4089
|
-5367,408864
|
2,29%
|
|
24
|
151324,9365
|
4601,063497
|
3,29%
|
|
25
|
177295,1483
|
-814,1483046
|
-2,01%
|
|
26
|
149430,4089
|
569,5911361
|
5,80%
|
|
27
|
148881,8468
|
684,1532482
|
14,38%
|
|
28
|
154220,5185
|
1440,481453
|
7,01%
|
|
29
|
151324,9365
|
-6879,936503
|
-1,89%
|
|
30
|
149430,4089
|
6527,591136
|
10,67%
|
|
31
|
150776,3744
|
18849,62561
|
1,57%
|
|
32
|
151324,9365
|
15342,0635
|
11,03%
|
|
33
|
148881,8468
|
-1658,846752
|
-16,07%
|
|
34
|
182777,2164
|
-1222,216421
|
-7,49%
|
|
35
|
182228,6543
|
-3213,654309
|
0,49%
|
|
36
|
182228,6543
|
226,3456913
|
0,81%
|
|
37
|
179769,6187
|
-3519,618671
|
-2,23%
|
|
38
|
180318,1808
|
5515,819216
|
5,03%
|
|
39
|
182777,2164
|
-902,2164208
|
5,63%
|
|
40
|
180318,1808
|
-5079,180784
|
-1,33%
|
|
41
|
210641,9559
|
10108,04414
|
0,45%
|
|
42
|
180318,1808
|
-5714,180784
|
1,64%
|
|
43
|
182212,7084
|
1537,291577
|
2,44%
|
|
44
|
182228,6543
|
-1921,654309
|
-0,20%
|
|
45
|
187567,3261
|
-3720,326104
|
-10,67%
|
|
46
|
179769,6187
|
-1733,618671
|
-6,92%
|
|
47
|
182228,6543
|
2771,345691
|
0,52%
|
|
48
|
184671,7441
|
4802,25594
|
0,98%
|
|
49
|
180318,1808
|
4126,819216
|
0,23%
|
|
50
|
182777,2164
|
803,7835792
|
2,08%
|
|
51
|
182212,7084
|
-3323,708423
|
0,24%
|
|
52
|
182777,2164
|
-8777,216421
|
-0,19%
|
|
53
|
180318,1808
|
-6404,180784
|
3,58%
|
|
54
|
180318,1808
|
7830,819216
|
1,77%
|
|
55
|
180318,1808
|
-6984,180784
|
5,85%
|
|
56
|
182777,2164
|
-3587,216421
|
-0,97%
|
|
57
|
184671,7441
|
-11696,74406
|
-2,86%
|
|
58
|
179769,6187
|
-5165,618671
|
11,46%
|
|
59
|
180318,1808
|
2539,819216
|
0,83%
|
|
60
|
184123,1819
|
3056,818052
|
2,29%
|
|
61
|
182777,2164
|
35722,78358
|
3,29%
|
|
62
|
180318,1808
|
-6038,180784
|
-2,01%
|
|
63
|
182777,2164
|
355,7835792
|
0,61%
|
|
64
|
180318,1808
|
2181,819216
|
0,23%
|
|
65
|
179769,6187
|
1226,381329
|
4,34%
|
|
66
|
182777,2164
|
-3802,216421
|
-6,74%
|
|
67
|
189682,9846
|
33460,0154
|
5,80%
|
|
68
|
189682,9846
|
574,0154039
|
-14,38%
|
|
69
|
185329,4213
|
-5754,42132
|
-7,01%
|
|
70
|
187788,457
|
-6936,456957
|
1,89%
|
|
71
|
187788,457
|
-2788,456957
|
-10,67%
|
|
72
|
189682,9846
|
-14682,9846
|
1,57%
|
|
73
|
189682,9846
|
-188,9845961
|
-11,03%
|
|
74
|
217547,724
|
1062,275963
|
16,07%
|
|
75
|
184780,8592
|
9066,140792
|
7,49%
|
|
76
|
187788,457
|
-2073,456957
|
-17,14%
|
|
77
|
189134,4225
|
-9689,422484
|
-5,04%
|
|
78
|
215088,6884
|
8803,3116
|
10,06%
|
|
79
|
189682,9846
|
-1260,984596
|
-10,16%
|
|
80
|
31501,0154
|
6,60%
|
|
81
|
189682,9846
|
-3889,984596
|
7,48%
|
|
82
|
220443,3061
|
-2548,306081
|
0,20%
|
|
83
|
217547,724
|
3388,275963
|
3,60%
|
|
84
|
187223,949
|
-7900,948959
|
-0,05%
|
|
85
|
217547,724
|
-26637,72404
|
-6,21%
|
|
86
|
185329,4213
|
-4419,42132
|
-9,89%
|
|
87
|
187223,949
|
2588,051041
|
2,78%
|
|
88
|
189134,4225
|
4548,577516
|
13,43%
|
|
89
|
187223,949
|
-7223,948959
|
-1,52%
|
|
90
|
184780,8592
|
5597,140792
|
2,43%
|
|
91
|
187223,949
|
-5437,948959
|
-17,26%
|
|
92
|
189682,9846
|
3651,015404
|
1,71%
|
|
93
|
187223,949
|
4006,051041
|
1,63%
|
|
94
|
217547,724
|
-3001,724037
|
-0,41%
|
|
95
|
187223,949
|
-2408,948959
|
-4,37%
|
|
96
|
189682,9846
|
-208,9845961
|
-1,05%
|
|
97
|
187223,949
|
5880,051041
|
7,06%
|
|
98
|
189134,4225
|
-5890,422484
|
-25,96%
|
|
99
|
185329,4213
|
-1499,42132
|
-1,25%
|
|
100
|
189682,9846
|
317,0154039
|
6,88%
|
Таблица
8 - Выходные значения инструмента анализа «ОПИСАТЕЛЬНАЯ СТАТИСТИКА»
|
Наименование
|
Значение
|
|
Среднее
|
-4,51E-12
|
|
Стандартная ошибка
|
843,4527827
|
|
Медиана
|
-195,4797858
|
|
Мода
|
#Н/Д
|
|
Стандартное отклонение
|
4632,578969
|
|
Дисперсия выборки
|
17082427,89
|
|
Эксцесс
|
1,385327071
|
|
Асимметричность
|
-0,12395032
|
|
Интервал
|
33856,72315
|
|
Минимум
|
-18736,2352
|
|
Максимум
|
2423,23452
|
|
Сумма
|
-7,23E-10
|
|
Счет
|
80
|
|
Уровень надежности(95,0%)
|
754,3450782
|
Рисунок
1 - Гистограмма
Заключение
В результате выполнения курсовой работы необходимо
получить уравнение регрессии, по которому можно рассчитать кадастровую
стоимость недвижимости г. Москва. В данном примере удельная стоимость квартир
(руб./кв. м) будет определяться по следующему уравнению:
Y =
182777,2164 - 30887,77192*a1 +
5011,241*a2 + 4790,109683*a3 + 1894,527639*a4 - 548,562*a5 - 2459,04*a6 +
27864,73944*a7
Из этого регрессионного уравнения следует, что стоимость квадратного
метра эталонной однокомнатной квартиры в районе Щукино в 9-12 этажном доме с
обычной отделкой, расположенной не на первом или последнем этаже составляет
округленно 162364 рублей.
Если такая же квартира будет располагаться в районе Хорошево-мневники, то
она будет стоить на 30887 рублей дешевле , а в Строгино - на 5011 рублей
дороже. Если такая же квартира будет располагаться не в 9-12 этажном доме, а в
5 этажном, то ее стоимость увеличится на 4790, а если в более 12 этажном доме -
на 1894 рублей дороже. Если квартира будет располагаться на первом или
последнем этаже, то скидка составит - 548 рублей. Если квартира будет
двухкомнатной , то она будет дешевле на 2459 рубля . И, наконец, если квартира
будет иметь улучшенную отделку , то удельная стоимость увеличится на 27864
рублей.
Умножив рассчитанную таким образом удельную стоимость на площадь квартиры
можно получить ее кадастровую стоимость для целей налогообложения.