ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЦЕНЫ ОДНОКОМНАТНОЙ КВАРТИРЫ МЕТОДОМ ГЕОГРАФИЧЕСКИ ВЗВЕШЕННОЙ РЕГРЕССИИ

Выявление и измерение взаимозависимостей на рынке жилья является одним из ключевых вопросов, исследуемых эконометрическими методами. По сравнению с традиционными методами, географически взвешенная регрессия расширяет понимание того, как принадлежность единицы совокупности к конкретным географическим координатам влияет на зависимость между регрессорами и ценой на недвижимость. В связи с этим целью данного исследования явился анализ пространственных различий на цену однокомнатных квартир, представленных на вторичном рынке жилья г. Оренбурга. Методы. В работе были использованы метод кластерного анализа, графический метод, дисперсионный анализ, классическая регрессионная модель и географически взвешенная регрессия. Результаты. Оценка параметров глобальной (общей) модели методом наименьших квадратов (МНК) и географически взвешенной регрессией (ГВР), показало, что ГВР имеет лучшую подгонку и служит доказательством пространственной дифференциации коэффициентов регрессии. Выводы. При моделировании цены однокомнатной квартиры следует отдать предпочтение географически взве-
шенной регрессии, поскольку в ней оцениваются коэффициенты регрессии для каждого объекта совокупности и, следовательно, отражаются географические различия в зависимостях, что трудно отобразить уравнением общей регрессии.

Рубрика: 
DOI: 
10.18500/1994-2540-2015-15-4-381-387
Список литературы: 

1. Цыпина Ю. С., Цыпин А. П. Статистические методы в изучении ипотечного жилищного кредитования России // Новый университет. Сер. Экономика и право. 2012. № 6. С. 10–13.
2. Brunsdon C., Fotheringham A. S., Charlton M. E. Geographically weighted regression : A method for exploring spatial nonstationarity // Geographical Analysis. 1996. Vol. 28, № 3. P. 281–298.
3. McMillen D. P. One hundred fi fty years of land values in Chicago : A nonparametric approach // Journal of Urban Economics. 1996. Vol. 40, № 1. P. 100–124.
4. Zhang L. J., Shi H. J. Local modeling of tree growth by geographically weighted regression // Forest Science. 2004. Vol. 50, № 2. P. 225–244.
5. Foody G. M. Mapping the richness and composition of British breeding birds from coarse spatial resolution satellite sensor imagery // International Journal of Remote Sensing. 2005. Vol. 26, № 18. P. 3943–3956.
6. Yu D. L. Spatially varying development mechanisms in the Greater Beijing Area : a geographically weighted regression investigation // Annals of Regional Science. 2006. Vol. 40, № 1. P. 173–190.
7. Cho S. H., Chen Z., Yen S. T., English B. C. Spatial variation of output-input elasticities : Evidence from Chinese county-level agricultural production data // Papers in Regional Science. 2007. Vol. 86, № 1. P. 139–157.
8. Tu J., Xia Z. G. Examining spatially varying relationships between land use and water quality using geographically weighted regression I : Model design and evaluation // Science of the Total Environment. 2008. Vol. 40, № 1. P. 358–378.
9. Propastin P. A., Kappas M. Reducing uncertainty in modeling the NDVI-precipitation relationship : A comparative study using global and local regression techniques // Giscience & Remote Sensing. 2008. Vol. 45, № 1. P. 47–67.
10. Балаш В. А., Балаш О. С., Харламов А. В. Эконометрический анализ геокодированных данных о ценах на жилую недвижимость // Прикладная эконометрика. 2011. № 2 (22). С. 62–67.
11. Кашкова Ю. Н., Логинов Д. В. Перспективы применения географически взвешенной регрессии для учета пространственных зависимостей в геолого- геофизических данных // Вестн. ЦКР Роснедра. 2011. № 6. С. 20–23.
12. Fotheringham A., Brunsdon С., Charlton М. Geographically Weighted Regression. Chichester : John Wiley & Sons Ltd, 2002. 269 p.
13. Leung Y, Mei C. L, Zhang W. X. Statistical tests for spatial nonstationarity based on the geographically weighted regression model // Environment and Planning. 2000. Vol. 32, № 1. P. 9–32.
14. Brunsdon C., Fotheringham A., Charlton M. Some notes on parametric significance tests for Geographically Weighted Regression // Journal of Regional Science. 1999. Vol. 39, № 3. P. 497–524.

Текст в формате PDF: 
Статус: 
опубликована
Номер страницы: 
стр. 381
Краткое содержание (PDF):