Введение 4
1. Теоретические основы эконометрического моделирования 6
1.1. Множественная регрессия 6
1.2. Классическая линейная модель множественной регрессии (КЛММР) 12
1.3. Множественная нелинейная регрессия. Метод Брандона 19
1.4. Множественный корреляционный анализ 20
1.5. Общие сведения о временных рядах и задачах их анализа 24
1.6. Моделирование тенденции временного ряда 29
1.7. ARIMA 39
Выводы по главе 1 46
2. Описание прогнозируемого рынка 46
2.1. Строительная промышленность РТ 46
2.2. Социальные программы региона 54
2.3. Анализ рынка жилой недвижимости в г. Елабуга за 2013-2017 г 57
Выводы по главе 2 65
3. Анализ и прогнозирование цены однокомнатной квартиры и
цены ее квадратного метра на в г. Елабуга в среде SPSS 16. 0.1,
Statistica 6.0 и Delphi 65
3.1. Исходные данные 65
3.2. Построение множественной линейной регрессии 69
3.3. Построение множественной нелинейной регрессии 74
3.5. Анализ результатов МЛР и МНР 80
3.6. Прогнозирование временных рядов 81
3.7. Прогноз стоимости квадратного метра с помощью ARIMA 84
3.8. Анализ с помощью программного приложения 91
Выводы по главе 3 91
Заключение 92
Список использованных источников 93
Приложение A. Программный код 96
Наличие собственного жилья является одной из базовых ценностей человеческого существования, основных его потребностей, обеспечивающей здоровье нации, формирование семьи и сохранение семейных ценностей, стабилизацию и положительное развитие демографической ситуации. Это источник уверенности людей в завтрашнем дне и опора стабильности в обществе. Кроме того, жилье, помимо выполнения базовых функций, является, как объект недвижимости, средством накопления капитала и в то же время инвестиционным механизмом в сфере производства и оборота капитала в обществе.
Прогнозы изменения рыночных цен на квартиры приобретают чрезвычайно высокую популярность и актуальность. Именно поэтому темой моей дипломной работы является анализ и прогнозирование стоимости однокомнатных квартир на вторичном рынке в г. Набережные Челны регрессионным методом и ARIMA-моделями. И действительно, этот вопрос интересует не только застройщиков, ипотечных кредиторов, но и десятки тысяч обычных покупателей и продавцов недвижимости. Но как прогнозировать изменение цен в условиях рыночных отношений между продавцами и покупателями? Ведь правильно определить рыночную цену квартиры на сегодня и прогнозировать ее цену на завтра - это совершенно разные вещи. Кроме того, прогнозы могут носить субъективный характер. Одни участники рынка недвижимости заинтересованы в росте цен, и утверждают, что цены уже достигли дна. Другим для увеличения оборота купли-продажи выгодно снижение цен на недвижимость. И, все же, можно ли экономически обоснованно прогнозировать изменение рыночных цен на недвижимость? Я считаю, что можно. Но для этого надо определить главные факторы, влияющие на изменение рыночных цен на недвижимость, и, осуществляя контроль над их изменением, можно контролировать и изменение рыночных цен. Рассмотрим в качестве примера вторичное жилье.
Если рынок относительно предсказуем и компания располагает данными о предыдущей динамике прогнозируемого показателя или же о динамике факторов, которые на него влияют, то для прогнозирования целесообразно использовать статистические методы. Эти методы основаны на предположении, что в будущем анализируемый показатель будет изменяться по тем же законам, что и в прошлом. Статистические методы различной сложности используют практически все рыночно ориентированные компании, применяя при этом либо Excel, либо специализированные статистические программы (SPSS, Statistica и т. д.).
В данной дипломной работе был проведен анализ цен квадратного метра однокомнатных квартир в городе Елабуга.
Были рассмотрены теоретические основы эконометрического моделирования, а именно парный и множественный регрессионный анализ, общие сведения о временных рядах и ARIMA - моделях.
Посредством корреляционно-регрессионного анализа выявлены факторы, которые в наибольшей степени оказали влияние на изменение цены квартиры. К числу признаков, наиболее сильно влияющих на цену можно отнести общую площадь квартиры и район города. Цена наиболее тесно связана с районом города, в котором располагается квартира.
Для каждой зависимости результирующего признака от факторов были построены линейная и нелинейная множественные модели, проведена спецификация и анализ полученных результатов.
В дипломной работе также была рассмотрена зависимость цены на квартиру от времени по всем районам города при помощи анализа временных рядов. На основании адекватных моделей был сделан прогноз цены при помощи ARIMA - модели.
Для каждого показателя был построен прогноз на 2017-2018 год.
Полученные итоговые результаты показали, что цена не стоит на месте и имеет тенденцию к росту в пределах прогнозируемой инфляции.
