Метод регрессионного анализа

4.5.1. Регрессионный анализ – статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную (применительно к оценочной деятельности – влияния ценообразующих параметров на стоимость).

Метод регрессионного анализа - student2.ru

где: С – стоимость объекта оценки, ден. ед.;
  ЦОПi i-ый ценообразующий параметр, единица измерения может быть различной (кв.м, км, наличие / отсутствие конкретного вида инженерных коммуникаций).

4.5.2. Основные понятия теории вероятностей и математической статистики [9]:

Таблица 14.

№ п/п Понятие Определение и комментарий
Математическое ожидание

Сумма произведений всех значений дискретной̆ случайной величины на соответствующие им вероятности:

Метод регрессионного анализа - student2.ru

где: M(x) – математическое ожидание, ед.;
  xi i-ое значение случайной величины, ед.;
  pi вероятность появления i-го значения случайной величины, доли ед.

В оценочной практике, как правило, случайные величины являются равновероятными:

Метод регрессионного анализа - student2.ru

где: n – количество случайных величин, ед.
Дисперсия

Математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

Метод регрессионного анализа - student2.ru

где: D(x) – дисперсия, кв.ед.

В оценочной практике, как правило, случайные величины являются равновероятными:

Метод регрессионного анализа - student2.ru

Среднеквадратическое отклонение

Квадратный корень из дисперсии

Метод регрессионного анализа - student2.ru

где: s – среднеквадратичное отклонение, ед.;
  D(x) – дисперсия, кв.ед.
Корреляция Статистическая взаимосвязь двух или более случайных величин. При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.
Коэффициент корреляции

Безразмерная величина, характеризующая тесноту линейной зависимости между случайными величинами:

Метод регрессионного анализа - student2.ru

где: xi, yi i-ое значение случайной величины, ед.;
  Метод регрессионного анализа - student2.ru математические ожидания, ед.
Репрезентативность Соответствие характеристик выборки характеристикам генеральной совокупности в целом. Репрезентативность определяет, насколько возможно обобщать результаты исследования с привлечением определённой выборки на всю генеральную совокупность, из которой она была собрана.
Мультиколлинеарность Высокая взаимная коррелированность объясняющих переменных. Использование в регрессионной модели мультиколлинеарных переменных приводит к ошибочной статистической незначимости коэффициентов модели и неустойчивости модели в целом (сильной зависимости от набора исходных данных).
Минимальное количество аналогов В общем виде, количество аналогов в модели должно быть на единицу больше, чем количество независимых переменных (n+1). В зависимости от количества существенных ценообразующих параметров и однородности исходной выборки выдвигаются различные требования к достаточности исходных данных – [10], [11].

4.5.3. Этапы построения регрессионной модели:

· сбор рыночной информации;

· проверка исходных данных на наличие грубых ошибок;

· проверка исходных данных на соответствие принципу достаточности;

· внесение поправок (корректировок);

· выбор ценообразующих параметров (например, с помощью анализа матрицы корреляций);

· выбор вида зависимости (линейная, степенная, экспоненциальная и пр.);

· калибровка модели (непосредственно определение коэффициентов уравнения модели);

· проверка качества модели;

· проверка модели на устойчивость;

· вывод о целесообразности применения полученной модели.

4.5.4. В практической деятельности следует обратить внимание на показатели качества регрессионной модели:

Таблица 14.

№ п/п Понятие Определение и комментарий
Коэффициент детерминации

Определяет долю разброса исходных данных, объясняемых построенной моделью:

Метод регрессионного анализа - student2.ru

где: R2 коэффициент детерминации, доли ед.;
  Метод регрессионного анализа - student2.ru дисперсия зависимой переменной, предсказанная построенной моделью, кв. ед.
  Метод регрессионного анализа - student2.ru дисперсия зависимой переменной (на основе эмпирических данных), кв. ед.

Приемлемым уровнем значений коэффициента детерминации принято считать Метод регрессионного анализа - student2.ru .

Средняя ошибка аппроксимации

Определяет относительное отклонение модельных данных от рыночных:

Метод регрессионного анализа - student2.ru

где: Метод регрессионного анализа - student2.ru средняя ошибка аппроксимации, %;
  Метод регрессионного анализа - student2.ru рыночная стоимость i-го объекта-аналога, ден. ед.;
  Метод регрессионного анализа - student2.ru рыночная стоимость i-го объекта-аналога, предсказанная моделью, ден. ед.

Приемлемым уровнем значений принято считать Метод регрессионного анализа - student2.ru .



Среднеквадратичная ошибка регрессии

Характеризует разброс/рассеивание модельных данных относительно рыночных:

Метод регрессионного анализа - student2.ru

где: Метод регрессионного анализа - student2.ru среднеквадратичная ошибка регрессии, ден. ед.;
  Метод регрессионного анализа - student2.ru объем выборки, ед.;
  Метод регрессионного анализа - student2.ru количество ценообразующих параметров, ед.
Критерий Фишера (т.н. F-критерий)

Заключается в проверке базовой гипотезы о статистической незначимости построенной модели. На практике эта проверка сводится к сравнению выборочной статистики (основанной на значении коэффициента детерминации) с критическим значением статистики на определенном уровне значимости:

Метод регрессионного анализа - student2.ru Метод регрессионного анализа - student2.ru

где: Метод регрессионного анализа - student2.ru критерий Фишера, доли ед.;
  Метод регрессионного анализа - student2.ru объем выборки, ед.;
  Метод регрессионного анализа - student2.ru количество ценообразующих параметров, ед.

Модель принято считать статистически значимой, если значение выборочной статистики превышает критический порог на уровне значимости Метод регрессионного анализа - student2.ru .

Критерий Стьюдента

Заключается в проверке базовой гипотезы о статистической незначимости коэффициента при ценообразующем факторе (критерий проверяется для всех коэффициентов модели).

Если выполняется неравенство:

Метод регрессионного анализа - student2.ru , Метод регрессионного анализа - student2.ru ,

где: ti выборочная статистика для i-го коэффициента, ед.;
  bi оценка i-го коэффициента, ед.коэф.;
  sei стандартная ошибка i-го коэффициента, ед.коэф.

то базовая гипотеза отвергается и коэффициент (а, следовательно, и сам фактор) признается статистически значимым (то есть существенным).


Наши рекомендации