Предыдущая страница реферата | 1  2  3  4  5  6  7  8 | Следующая страница реферата

Здесь LOGPRICE – логарифм цены квартиры (в долл. США), LOGLIVSP – логарифм жилой площади (в кв. м.), LOGPLAN – логарифм площади нежилых помещений (в кв. м), LOGKITSP – логарифм площади кухни (в кв. м.),

LOGDIST – логарифм расстояния от центра Москвы (в км). Включены также бинарные, “фиктивные” переменные, принимающие значения 0 или 1: FLOOR

– принимает значение 1, если квартира расположена на первом или последнем этаже, BRICK – принимает значение 1, если квартира находится в кирпичном доме, BAL – принимает значение 1, если в доме есть лифт, R1 – принимает значение 1 для однокомнатных квартир и 0 для всех остальных, R2, R3, R4 – аналогичные переменные для двух-, трех- и четырехкомнатных квартир.

Результаты оценивания уравнения (*) для 464 наблюдений, относящихся к 1996 г., приведены в таблице 1.

Таблица 1.
|Переменная |Коэффициент |Стандартная |t – |Р – |
| | |ошибка |статистика |значение |
|CONST |7.106 |0.290 |24.5 |0.0000 |
|LOGLIVSP |0.670 |0.069 |9.65 |0.0000 |
|LOGPLAN |0.431 |0.049 |8.71 |0.0000 |
|LOGKITSP |0.147 |0.060 |2.45 |0.0148 |
|LOGDIST |-0.114 |0.016 |-7.11 |0.0000 |
|BRICK |0.134 |0.024 |5.67 |0.0000 |
|FLOOR |-0.0686 |0.021 |-3.21 |0.0014 |
|LIFT |0.114 |0.024 |4.79 |0.0000 |
|BAL |0.042 |0.020 |2.08 |0.0385 |
|R1 |0.214 |0.109 |1.957 |0.0510 |
|R2 |0.140 |0.080 |1.75 |0.0809 |
|R3 |0.164 |0.060 |2.74 |0.0065 |
|R4 |0.169 |0.054 |3.11 |0.0020 |

R2 = 0.8921, Radj2 = 0.8992, стандартная ошибка регрессии 0.2013.

Из анализа t – статистик видно, что все коэффициенты, кроме коэффициентов при R1 и R2, значимы на 95%-доверительном уровне.

Коэффициент при LOGLIVSP, равный 0.67, означает, что увеличение жилой площади квартиры на 1% увеличивает ее цену на 0.67%.

Иначе говоря, эластичность цены квартиры по жилой площади равна 0.67.

Несколько сложнее объяснить значение коэффициентов при LOGPLAN и LOGKITSP. Для их объяснения мы решили использовать следующий пример. Предположим, что есть две квартиры с одинаковой кухней, скажем 9 кв. м, но разными по площади остальными вспомогательными помещениями. Например, в первой квартире эта площадь равна 11 кв. м, а во второй 12 кв. м. Таким образом, во второй квартире общая площадь вспомогательных помещений (21 кв. м) на 5% больше, чем в первой.

Такое увеличение площади, с фиксированной площадью кухни, в соответствии с нашей моделью должно привести к увеличению цены второй квартиры по сравнению с первой на 5*0.431 = 2.15%. теперь представим себе, что имеется квартира с кухней 10 кв. м и площадью остальных вспомогательных помещений 11 кв. м. Общая площадь вспомогательных помещений в такой квартире, как и в предыдущем случае, 21 кв. м.

Однако теперь мы ожидаем увеличение цены третьей квартиры по сравнению с первой квартирой на 5*0.431 +

+ 5*0.147 = 2.89%, то есть увеличение площади вспомогательных помещений за счет кухни приводит к большему увеличению цены квартиры, чем такое же увеличение за счет, скажем коридора.

Отрицательное значение коэффициента при LOGDIST (-0.114) означает, что увеличение расстояния от центра города на 1% уменьшает цену квартиры на 0.11%. Эксперты считают, что в действительности цена квартиры зависит также от “качества” района, в котором она расположена, а не только от ее расстояния от центра, однако влияния фактора “качества” не рассматривалось в данном исследовании.

Существует мнение экспертов, что рынок квартир достаточно отчетливо делится на три сектора: рынок однокомнатных квартир, ранок квартир среднего размера (от 2 до 4 комнат) и рынок больших квартир.

Для проверки этого утверждения тестируем с помощью F-статистики гипотезу Н0, что коэффициенты при R2, R3, R4 равны:

[pic] Получаем следующий результат:

F-статистика 0.22315 Р-значение

0.8001, который показывает, что мы не можем вернуть гипотезу, что для квартир с числом 2 – 4 формулы (*) расчета цены совпадают. Однако тестирование гипотезы Н0: [pic] о совпадении формул для одно- и двух комнатных квартир дает следующее значение F-статистики:

F-статистики 3.03188 Р-значение

0.0823.

С вероятностью ошибиться, меньшей 10%, можно отвергнуть гипотезу о совпадение формул (*) для одно- и двухкомнатных квартир.
Модель парной линейной регрессии.

Коэффициент корреляции показывает, что две переменные связаны друг с другом, однако он не дает преставления о том, каким образом они связаны.
Рассмотрим более подробно те случаи, для которых мы предполагаем, что одна переменная зависит от другой.

Сразу же отметим, что не следует ожидать получения точного соотношения между какими-либо двумя экономическими показателями, за исключением тех случаев, когда оно существует по определению.

Начнем с рассмотрения простейшей модели:

Рекомендуем скачать другие рефераты по теме: конспекты занятий в саду, курсовые работы бесплатно.



Предыдущая страница реферата | 1  2  3  4  5  6  7  8 | Следующая страница реферата

Поделитесь этой записью или добавьте в закладки