Статистическое исследование формирования цен на объекты офисной недвижимости на основе геоинформационной системы тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Статистическое исследование формирования цен на объекты офисной недвижимости на основе геоинформационной системы"

На п

Кривозубов Сергей Павлович

СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ФОРМИРОВАНИЯ ЦЕН НА ОБЪЕКТЫ ОФИСНОЙ НЕДВИЖИМОСТИ НА ОСНОВЕ ГЕОИНФОРМАЦИОННОЙ СИСТЕМЫ (на примере города Самары)

Специальность 08.00.12 - Бухгалтерский учет, статистика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

2 8 МАЙ 2009

Самара 2009

003470856

Работа выполнена в Самарском государственном экономическом университете

Научный руководитель - доктор экономических наук, профессор

Зарова Елена Викторовна

Официальные оппоненты: доктор экономических наук, профессор

Ефимова Марина Романовна

кандидат экономических наук, доцент Суханова Елена Ивановна

Ведущая организация - Российская экономическая академия

им. Г.В. Плеханова, г. Москва

Защита состоится 22 июня 2009 г. в 10 ч на заседании диссертационного совета Д 212.214.04 при Самарском государственном экономическом университете по адресу: ул. Советской Армии, д. 141, ауд. 325, г. Самара, 443090

С диссертацией можно ознакомиться в библиотеке Самарского государственного экономического университета

Автореферат разослан 20 мая 2009 г.

Ученый секретарь диссертационного совета

Леонтьева Т.И.

1. ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИОННОЙ РАБОТЫ

Актуальность темы исследования. Один из наиболее интенсивно развивающихся сегментов российского рынка представляет собой рынок недвижимости, в его составе растущим и высокодоходным является рынок офисной недвижимости. Массовый характер этого рынка и необходимость адекватного регулирования происходящих на нем процессов обусловливают значимость исследования объективных закономерностей формирования цен на офисную недвижимость под влиянием комплекса ценообразующих факторов.

Статистический анализ и моделирование закономерностей формирования цен на объекты офисной недвижимости актуальны и в условиях стабильно развивающейся экономики, и в условиях глобального экономического кризиса. В последнем случае статистические методы позволяют выделить значение объективных факторов ценообразования и исключить элементы субъективизма и психологических спекуляций в оценках рыночной стоимости недвижимого имущества. Потребность в методологическом обеспечении статистических исследований тенденций и факторов ценообразования на рынке недвижимого имущества (в том числе офисного) испытывают как участники его рыночного оборота (инвесторы, риэлтеры, продавцы, покупатели и другие группы), так и органы, осуществляющие государственное регулирование рынка недвижимости, контроль в сфере налогообложения, страхование и другое финансовые операции с объектами недвижимости.

Решение данной проблемы на базе статистического инструментария требует учета основных принципов и методов индивидуальной оценки рыночной стоимости объектов, а также использования приемов исследования на основе массовых данных ценообразующего влияния экономической среды окружения оцениваемых объектов, пространственных особенностей их расположения, воздействия внешних и внутренних факторов на каждом уровне агрегирования рынка недвижимости, в том числе на уровне локального (городского) рынка.

Степень разработанности проблемы. Теоретические проблемы оценки рыночной стоимости различных типов объектов недвижимого имущества, в том числе офисных объектов, и методы их практического решения широко освещены в трудах отечественных авторов: И.Т. Балабанова, В.А. Боровикова и В.А. Боровиковой, В.А. Горемыкина, C.B. Грибовского, JI.A. Лейфера, В.Н. Мокиной, Е.С. Озерова, A.B. Севостьяновой, Н.Е. Симоновой, М.А. Федотовой, Д.А. Шевчука и др.

Экономические проблемы развития рынка жилой и нежилой недвижимости на различных административно-территориальных уровнях, в том числе в городах, исследованы в работах ряда отечественных и зарубежных уче-

ных: И.Т. Балабановой, А.Г. Грязновой, B.C. Занадворова и A.B. Занадворо-вой, Е.И. Тарасевича, А.О. Селливана, Д. Фридмана и Н.Ордуэя, Ф.М. Шер-рера, Д. Росса и др.

Методы статистического анализа и эконометрического моделирования закономерностей на рынке недвижимости, в том числе формирования цен и удовлетворения спроса на объекты недвижимого имущества, разработаны и апробированы в трудах ученых-статистиков: С.А. Айвазяна, В.Н. Афанасьева, B.C. Мхитаряна, Е.В. Кабаевой, Е.Е. Лаврищевой, O.A. Репина, О.И. Стебуновой и др.

Вместе с тем отсутствует научно обоснованная методика статистического исследования закономерностей ценообразования на локальном рынке офисной недвижимости (на уровне крупного города), учитывающая особенности их проявления в неоднородном геоэкономическом пространстве.

Необходимость разработки статистических методов анализа и моделирования закономерностей формирования цен на офисные объекты недвижимости с использованием геоориентированных исходных данных и выявления на основе этих методов пространственно-временных закономерностей ценообразования определила актуальность темы настоящего диссертационного исследования.

Цель и задачи исследования. Цель исследования состоит в теоретическом обосновании, разработке и апробации методики статистического анализа и моделирования закономерностей формирования цен на объекты офисной недвижимости в геоинформационном рыночном пространстве. Для достижения цели поставлены следующие задачи:

1) уточнение понятия рынка недвижимости, особенностей его субъект-но-объектного состава в части оборота офисной недвижимости, оценка количественных и качественных характеристик развития локального рынка офисной недвижимости на примере города Самары;

2) обоснование необходимости и возможности реализации геоинформационного подхода в статистическом исследовании закономерностей формирования цен на офисные объекты с учетом пространственно распределенного комплекса факторов;

3) исследование статистического взаимодействия уровней и динамики цен на офисные объекты и времени их экспозиции в сегментах локального рынка недвижимости, однородных по условиям ценообразования;

4) обоснование системы признаков, характеризующих факторы формирования цен на офисные объекты, подлежащих наблюдению, количественной оценке и обобщению в геоинформационной системе рынка недвижимости города;

5) разработка многоуровневой системы статистического анализа однородности офисных объектов по факторам и результатам рыночного ценообразования; формирование методики статистического моделирования зако-4

номерностей комплексного влияния пространственно определенных явных и латентных факторов на цены офисных объектов;

6) систематизация данных геоинформационной системы и апробирование предложенного автором методического комплекса с целью выявления и количественной характеристики закономерностей ценообразования на локальном рынке офисной недвижимости города Самары.

Предмет исследования. Предметом диссертационной работы являются статистические закономерности массового процесса формирования цен на объекты офисной недвижимости, имеющие особенности, обусловленные спецификой размещения объектов в геоэкономическом пространстве города.

Объект исследования. Объектом исследования выступает совокупность объектов офисной недвижимости (более 1400 ед.), наблюдаемых в процессе мониторинга рынка недвижимости города Самары в 2007 - 2008 гг. на базе пространственно-временной геоинформационной системы.

Область исследования. Содержание диссертационной работы соответствует пунктам 3.1 "Методы статистического измерения и наблюдения социально-экономических явлений, обработки статистической информации, оценка качества данных наблюдений; организация статистических работ"; 3.4 "Методология социального и экономического мониторинга, статиспиеско-го обеспечения управления административно-территориальным образованием; измерение неравномерности развития территориальных образований"; 3.8 "Прикладные статистические исследования воспроизводства населения, сфер общественной, экономической, финансовой жизни общества, направленные на выявление, измерение, анализ, прогнозирование, моделирование складывающейся конъюнктуры и разработки перспективных вариантов развития предприятий, организаций, отраслей экономики России и других стран" Паспорта специальности 08.00.12 "Бухгалтерский учет, статистика".

Теоретическая и методологическая основа исследования. Теоретической и методологической основой диссертационного исследования послужили труды отечественных и зарубежных ученых по изучаемой проблеме, Гражданский, Земельный и Налоговый кодексы РФ, законодательные акты и нормативные документы федеральных и региональных органов власти по обороту недвижимого имущества. В качестве инструментария в диссертации использовались статистические методы: сводки и группировки, анализа временных рядов, анализа таблиц "дожития" и моделирования функций "выживания" объектов в совокупности, кластерный, дискрими-нантный и канонический анализ, корреляционно-регрессионный анализ, статистический путевой анализ и методы моделирования структурными уравнениями.

Информационное обеспечение диссертационной работы составили данные Федеральной службы государственной статистики, Территориального органа Федеральной службы государственной статистики по Самар-

ской области, а также результаты мониторинга рынка недвижимости (конкретно сектора офисной недвижимости) за 2007 - 2008 гг., осуществляемого ПТ "Поволожский центр развития" при участии автора.

Обработка статистических данных проводилась с использованием прикладных программ БТАТКИСА 6.0 и 011ЕТЬ.

Научная новизна исследования. Научная новизна диссертационного исследования состоит в теоретическом обосновании и апробировании комплексной методики статистического анализа и моделирования закономерностей формирования цен на офисные объекты с учетом пространственно ориентированной информации о факторах и условиях ценообразования на локальном рынке офисной недвижимости.

Наиболее существенными результатами проведенной работы являются следующие:

1. На основе обобщения и критического анализа теоретических положений, представленных в экономической литературе, уточнено понятие локального рынка офисной недвижимости как системы экономических отношений, возникающих между субъектами рынка в операциях массового характера по обороту объектов офисной недвижимости в границах локального рынка (города Самары), по обороту прав на недвижимое имущество и государственному регулированию этого оборота.

2. Предложена система автоматизированного сбора статистических данных, отражающих в геоинформационной системе пространственно определенные характеристики результатов и факторов формирования цен на офисные объекты с учетом их физических свойств, особенностей бизнес-среды, транспортных и социальных условий в микрозонах размещения этих объектов на территории города.

3. Сформирована система статистических показателей по объектам офисной недвижимости, имеющая тройственную определенность: географическую (размещение на электронной карте города), временную (время "выживания" объекта в рыночной экспозиции), содержательную (показатели, характеризующие результаты и факторы формирования цен на офисные объекты).

4. Разработана и апробирована методика многоуровневого структурирования массива продаваемых офисных объектов на однородные группы по уровню и динамике цен с использованием дискриминантного, канонического и кластерного анализа. Впервые разработаны и проанализированы многофакторные регрессионные модели ценообразования по группам офисных объектов, выделенным на основе объединения результатов дискриминантного и канонического анализа.

5. Выполнен статистический анализ "выживаемости" объектов в рыночной экспозиции, установлены значения медианы ожидаемого времени экспозиции офисной недвижимости на локальном рынке города. С помо-6

щыо модели Вейбулла и метода Каллаиа-Мейера даны оценки функций "выживаемости" офисных объектов в рыночной экспозиции. Установлена неоднозначность силы взаимного статистического влияния времени экспозиции офисных объектов на рынке и цен их продажи по субрынкам в составе городского рынка недвижимости.

6. Получены пространственно ориентированные на электронной карте города кластеры офисных объектов, однородных по факторам и условиям ценообразования. На основе многофакторного регрессионного моделирования дана оценка системного эффекта влияния ценообразующих факторов по кластерам и группам офисных объектов.

7. Выполнено эконометрическое моделирование с использованием системы структурных уравнений (метод БЕРАТН), на основе которого установлено взаимосвязанное влияние наблюдаемых в геоинформационной системе рынка недвижимости факторов и скрытых (латентных) факторов на цены продажи офисных объектов в городе Самаре.

Практическая значимость диссертационного исследования. Разработанная в диссертации методика и результаты статистического исследования могут быть использованы для принятия управленческих решений по рынку офисной недвижимости государственными и частными предприятиями, а также для повышения финансовой результативности работы риэлтерских компаний. Результаты моделирования формирования цен на офисную недвижимость могуг быть полезны работникам организаций, осуществляющих операции с недвижимостью, а также занимающихся вопросами оценки коммерческой недвижимости и проводящих консультации в этом секторе рынка недвижимости.

Положения диссертации могут быть использованы в высших учебных заведениях при изучении дисциплин "Финансовая статистика", "Социально-экономическая статистика", "Эконометрическое моделирование".

Апробация исследования. Основные выводы и рекомендации диссертационного исследования обсуждались и получили одобрение на международных научно-практических конференциях: "Информационное и программное обеспечение оценочной деятельности. Интернет-технологии в оценке " (Самара, 2005), "Инновационное развитие образовательного потенциала по направлениям: логистика, менеджмент, сервис и бизнес-статистика" (Самара, 2008).

Автор имеет 12 патентов Федеральной службы по интеллектуальной собственности, патентам и товарным знакам и Российского агентства по патентам и товарным знакам на программы оценки объектов недвижимого имущества.

Теоретические и практические положения прошли апробацию и реализуются в ПТ "Поволжский центр развития", Территориальном управлении Федерального агентства по управлению государственным имуществом по Самарской области.

Публикации. Основные положения диссертации изложены в шести статьях общим объемом 7,35 печ. л., в том числе в двух статьях в журнале "Недвижимость", в трех статьях в журнале "Вестник Самарского государственного экономического университета", входящих в перечень ведущих рецензируемых научных журналов и изданий ВАК РФ.

Объем и структура диссертационной работы. Диссертация состоит из введения, трех глав, заключения, библиографического списка и приложений. Диссертационная работа изложена на 216 страницах машинописного текста, содержит 50 рисунков и 29 таблиц. Библиографический список включает в себя 112 наименований работ отечественных и зарубежных авторов.

2. ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

В первой главе "Теоретические основы статистического анализа и моделирования формирования цен на офисную недвижимость на основе геоинформационной системы" исследовано понятие "рынок недвижимости", уточнен его состав с выделением сегмента офисной недвижимости и конкретизацией содержания процессов ценообразования в этом рыночном сегменте, предложена многоуровневая методика статистического моделирования влияния факторов на цены офисных объектов, основанная на геоинформационной системе мониторинга локального рынка недвижимости (на примере города Самары).

В результате обобщения и структурно-логического анализа определений рынка недвижимости, предложенных в трудах ученых-экономистов, установлено, что в содержании понятия "рынок недвижимости" должны учитываться все стадии жизненного цикла товара "недвижимое имущество" (создание, ввод в эксплуатацию, рыночный обмен, использование, ликвидация), а также его материальная, правовая и экономическая формы. В составе рынка недвижимости выделены элементы, охватываемые целью и задачами настоящего статистического исследования. Это, во-первых, такие объекты рынка недвижимости, как офисные помещения организаций коммерческого, производственного и общественного назначения, во-вторых, такие субъекты рынка, как продавцы и покупатели офисных объектов.

Обобщение количественных сведений, представленных в различных информационных источниках, позволило установить, что в докризисный период (2000 - 2008 гг.) самарский рынок офисной недвижимости представлял собой ненасыщенный, высокодоходный, динамично развивающийся сектор экономики. В условиях глобального экономического кризиса офисный рынок города Самары в силу особенностей его качественного состава (невысокий удельный вес элитных офисных объектов) проявил "запас проч-

ности" вплоть до конца 2008 г., и лишь в первом квартале 2009 г. предложение превысило спрос, цены снизились в среднем на 30%.

Разработанный автором программный комплекс "АДОН" позволяет накапливать и структурировать геоопределенную (в системе координат электронной карты города) информацию об объектах реализуемой офисной недвижимости, обеспечивает возможность статистического исследования закономерностей формирования цен на офисные объекты Fia основе геоинформационной системы (ГНС). В данном случае ГИС - пространственно-временная система, предназначенная для сбора, хранения, анализа и графической визуализации пространственных данных об офисных объектах, выставленных на продажу на рынке недвижимости города Самары, об их физических характеристиках, окружении объектами инфраструктуры в микрозоне размещения, об изменении их ценовых характеристик в период экспозиции на рынке.

Внешней частью по отношению к ПК "АДОН" являются источники данных: риэлтерские базы данных, информационные ресурсы Интернета, печатные СМИ, публикации информации о коммерческой недвижимости. Технологические процессы программного комплекса "АДОН" обеспечивают наполнение базы данных ГИС с определенной скоростью (для города Самары это около 10 000 объектов в неделю, из них вновь попавших на рынок - от 5 до 10%), фильтрацию информации и отсев ошибочных данных, расчет обобщающих количественных и качественных характеристик объектов в пространственных ареалах с определенным радиусом, позволяют установить объекты-аналоги, находящиеся в определенной территориальной близости к оцениваемому объекту (рис. 1).

Таким образом, применение геоинформационной системы и ее программное обеспечение с помощью ПК "АДОН" позволяют не только проводить мониторинг экспозиции объектов на локальном рынке недвижимости, но и осуществлять статистический анализ и моделирование закономерностей формирования цен на офисные объекты с учетом пространственно-временных особенностей влияния комплекса ценообразующих факторов.

В работе обоснована система факторов формирования цен продажи офисных объектов на локальном рынке недвижимости, включающая внешние по отношению к рынку недвижимости города факторы и локальные факторы, т.е. индивидуальные для конкретных объектов недвижимости; последние подразделены на ценовые и неценовые. На основе обобщения данных ГИС сформирована система статистических показателей, характеризующих изменение ценовых параметров офисных объектов за время их экспозиции на открытом рынке, индивидуальные физические свойства объектов, особенность их окружения объектами производственной и социальной инфраструктуры, деловую активность и интенсивность рыночных процессов в микрозонах размещения объектов на территории города (табл. 1).

Рис. 1. Привязка объектов недвижимости к карте города и выбор ближайших аналогов

В диссертации разработаны концептуальная схема и последовательность этапов алгоритма многоуровневого статистического анализа и моде- I лирования закономерностей формирования цен на объекты офисной недвижимости (рис. 2).

Особенностью применяемой ГИС является возможность исследовать динамические процессы, происходящие с объектами за время нахождения на открытом рынке. Время экспозиции объектов на рынке недвижимости и ' изменение их цен в период экспозиции - взаимозависимые рыночные характеристики, причинно-следственная связь которых потребовала специального этапа статистического исследования на основе анализа таблиц "жизни". Оценка функции "выживаемости" объектов в рыночной экспозиции с помощью кривой Вейбулла, а также вне зависимости от разбиения времени наблюдения на интервалы по методу Каплана-Мейера позволила установить неоднозначность изменения вероятности продажи объектов в различные сроки экспозиции, неравномерность взаимного распределения ценовых и временных характеристик экспозиции продаваемых офисных объектов (рис. 3, 4). Сделан г вывод о необходимости многоуровневого структурирования объектов ис- I ходной совокупности с целью выделения их однородных групп, ориентации на начальных этапах исследования на непараметрические методы оценки тесноты статистических взаимосвязей.

Таблица 1

Система показателей, характеризующих объекты офисной недвижимости в исследуемой совокупности

Обозначение переменных Наименование показателя

V 1 Площадь, кв. м

V 2 Этаж

V3 Этажность

V 4 Экспозиция, сут

V 5 Цена объекта на дату появления, долл. США

V6 Последняя цена объекта, долл. США

V 7 Цена объекта, долл. США

V 8 Цена на дату появления, долл. США за 1 кв. м

V 9 Последняя цена, долл. США за 1 кв. м

V 10 Цена, долл. США за 1 кв. м

VII Цена объекта на дату появления, руб.

V 12 Последняя цена объекта, руб.

V13 Цена объекта, руб.

V 14 Цена на дату появления, руб. за 1 кв. м

V 15 Последняя цена, руб. за 1 кв. м

V 16 Цена, руб. за 1 кв. м

V 17 V 18 У Координаты ГИС

V 19 Номер кадастрового квартала

V 20 Административный район

V 21 Зона правового регулирования

V 22 Наличие рядом остановки (да/ нет) ^

V 23 Расстояние до ближайшей остановки, м

V 24 Расстояние до ближайшей улицы, м С?

V 25 Расстояние до ближайшей главной магистрали, м S я

V26 Интенсивность движения машин, ед. в час о 3"

V 27 Количество маршрутов общего транспорта, ед. V S

V 28 Количество рейсов общего транспорта в сутки Я ГУ

V29 Плотность застройки кадастрового квартала У О

V30 Площадь застройки кадастрового квартала, кв. м о п

V31 Площадь жилой застройки кадастрового квартала, кв. м о п.

V 32 Площадь нежилой застройки кадастрового квартала, кв. м Я

V33 Деловая активность (количество организаций) аз

V 34 Количество памятников истории

V 35 Является ли памятником истории (да/нет)

V36 Стоимость жилой недвижимости, руб. за 1 кв. м у

Этап I

О

Статистическое исследование факторов ценообразования и времени экспозиции объектов офисной недвижимости

Формирование исходного информационного массива. Оцифровка качественных признаков

(¡> а>

X

Предварительная одномерная группировка объектов по исходным признакам: административным районам; ценовым группам (по уровням цен, по изменению цен)

Дескриптивная статистика. Оценка вариативности исходных переменных. Разведочный анализ взаимосвязи переменных I

4.1

4.2

Оценка и сравнительный анализ вариации

переменных в исходных группах объектов

4.3

Анализ рядов распределений переменных в исходных группах. Оценка тесноты связи переменных непараметрическими методами

4.4

Кластерный

анализ переменных

Статистический

анализ "выживаемости" объектов в экспозиции

Этап II Многомерная группировка и выделение однородных групп объектов

м.

Классификация "сучителем" (кластерный анализ)

Классификация "без учителя" (дискриминантный анализ)

Классификация по типу "выживания" в экспозиции

Кластеры по группам изменения цены

Классификационные функции по ценовым группам

9.1

Цена возросла

V"

1-й кластер кластер

9.2

- Цена снизилась

зГ" 1-й

¿-►•2-й \

п-и кластер 1 -й кластер кластер

9.3

к-й кластер

1 -й кластер

Цена не изменилась ¿-»-2-й

.

т-и кластер

I кластер

м

Группы по срокам и вероетностям "выживания" в экспозиции

очень низкая

очень высокая

Рис. 2. Этапы статистического анализа и моделирования формирования цен на объекты офисной недвижимости на локальном рынке (на примере города Самары) (начало)

Рис. 2. Этапы статистического анализа и моделирования формирования цен на объекты офисной недвижимости на локальном рынке (на примере города Самары) (окончание)

0,05

0,04

0,03

0,02

0,01

0,00

LS Estimates of Hazard Function Model: Gompertz Note: Weights: 1=1.. 2=1 /V, 3=N(I)*H(I)

-40 0 40 00 120 160 200 240 200 320 360 -20 20 60 100 140 100 220 2B0 300 340 3B0

• Qbseivec ■ Weight 1

• Weight 2 Weight 3

Интервалы, дн.

Рис. 3. Функция "риска" продаваемости объектов офисной недвижимости в интервалах экспозиции на рынке города Самары*

* Оценка вероятности продажи объекта во временном интервале при условии, что на начало интервала он был в экспозиции.

Рис. 4. Значения функции "выживаемости", оцененные по методу Каплана-Мейера*

* Вероятность продажи офисного объекта в течение определенного интервала времени.

Во второй главе "Дискриминантный и канонический анализ в исследовании факторов формирования цен на объекты офисной недвижимости на базе пространственно ориентированной информации" изучены локальные рынки административных районов города как панель статистического исследования уровней и динамики цен на объекты офисной недвижимости, выполнен дискриминантный анализ распределения объектов офисной недвижимости по ценовым группам, на основе канонического анализа дана оценка обобщенных факторов формирования цен по группам объектов офисной недвижимости.

Распределение объектов офисной недвижимости по административным районам города Самары было оценено как равномерное, что подтвервдено значением коэффициента вариации долей, равным 29,7%. Однако при этом выявлена существенная неоднородность офисных объектов в пределах границ административных районов по результативным и факторным показателям формирования цен. Из этого сделан вывод о невозможности использования группировки объектов офисной недвижимости по признаку размеще-14

ния в определенном административном районе города для выявления надежных статистических закономерностей формирования цен на эти объекты. В результате проведения восьми последовательных шагов дискрими-нантного анализа установлено, что 61,5% офисных объектов в исходной совокупности корректно отнесены к ценовым классификационным группам: "Очень низкая цена", "Низкая цена", "Высокая цена", "Очень высокая цена".

Оценены параметры классификационных функций, позволившие произвести классификацию объектов, не вошедших в итоговую дискриминацию, и вычислить классификационные значения для вновь экспонируемых на рынке объектов.

Разработаны адекватные статистически значимые регрессионные модели (табл. 2) по ценовым классификационным группам: 1-я ценовая группа "Очень низкая цена", 2-я ценовая группа "Очень высокая цена"; дана сравнительная оценка влияния ценообразующих факторов по указанным группам офисных объектов на основе стандартизованных коэффициентов регрессии.

Таблица 2

Параметры регрессионных моделей по ценовым классификационным группам офисных объектов, выделенным методами дискрпминантного анализа

1. Ценовая группа "Очень низкая цена"

Л V15 = 20117,25 - 1,55 • VI -13,08 • V4 + 3,89 ■ V26 + 882,98 • V27 + + 6544,59 ■ V34

V 15 Цена продажи офисного объекта, руб. за 1 кв. м

V 1 Площадь, кв. м

V 4 Экспозиция, сут

V 26 Интенсивность движения машин, ч

V 27 Количество маршрутов общего транспорта, ед.

V 34 Количество памятников истории, ед.

2. Ценовая группа "Очень высокая цена"

Л V15 = -15189,9 + 31124,2 ■ V29 + 1,2 ■ V36

V 29 Плотность застройки кадастрового квартала

V36 Стоимость жилой недвижимости, руб. за 1 кв. м

По промежуточным ценовым группам офисных объектов ("Низкая цена" и "Высокая цена") выявлена незначимость корреляционных связей результативных и факторных показателей формирования цен, что потребовало углубления данного этапа анализа путем перехода к каноническому анализу.

При выполнении канонического анализа получена матрица факторной структуры распределения объектов офисной недвижимости города Самары

по ценовым классам. Установлено: обобщенный фактор, представленный первой канонической функцией, которая определяет выделение объектов категории "Высокая цена", обусловлен тремя факторными переменными, общая интерпретация которых может быть дана как "престижность городской микрозоны, в которой расположен объект". Дискриминирующая мощность этой функции составила 77,9% объясненной вариации.

Обобщенный фактор второй канонической функции (+18,7% объясненной вариации), отделяющей объекты "Очень низкой цены" от других ценовых групп, определяется влиянием совокупности факторов, общая интерпретация которых дана как "маркетинговые усилия риэлтеров, уровень спроса".

Обобщенный фактор третьей канонической функции (+3,4% дискриминирующей мощности) отделяет объекты "Очень высокой цены" от других категорий. Через систему значимых факторных показателей он интерпретируется как "транспортные условия городской микрозоны, в которой расположен офисный объект".

Объединение результатов дискриминантного, канонического анализа и многофакторного регрессионного моделирования позволило получить статистически надежные адекватные модели формирования цены 1 кв. м офисных объектов по типическим группам объектов-аналогов, однородных по качественным условиям ценообразования.

В третьей главе "Эконометрическое моделирование ценообразования на городском рынке объектов офисной недвижимости" обоснована и апробирована методика многофакторного комплексного моделирования формирования цен с учетом пространственной неоднородности рынка, влияния на цену комплекса явных и латентных факторов.

С целью углубления возможностей модельных интерпретаций закономерностей ценообразования статический аспект исследования дополнен динамическим. Для этого исходная совокупность офисных объектов на следующем этапе структурирования подразделена на три группы: "Цена возросла", "Цена не изменилась", "Цена снизилась" за время экспозиции объектов на рынке недвижимости.

В результате применения процедур кластерного анализа (методы Уорда и к-средних) с использованием функций расстояния "Евклидова метрика" и "1-г Пирсон" для каждой группы получены дендрограммы распределения объектов, а также кластеры переменных, характеризующих результаты и факторы ценообразования.

Наличие данных о координатах размещения объектов на электронной карге города в геоинформационной системе позволило построить картограммы распределения объектов, относящихся к однородным кластерам в составе выделенных групп по характеру изменения цены (рис. 5).

А офисные объекты 1-го кластера Л офисные объекты 2-го кластера А офисные объекты 3-го кластера

Рис. 5. Картограмма размещения кластеров объектов офисной недвижимости по группе "Цена возросла" на территории города Самара

В результате установлено, что однородные по факторным и результативным признакам ценообразования объекты (однотипные по характеру изменения цены за время экспозиции на рынке) не составляют компактно расположенные "сгустки" на территории города, а равномерно расположены по всей его площади. Это подтвердило выводы дескриптивного анализа о том, что сходство объектов офисной недвижимости по территориальному расположению и принадлежности к определенному административному району само по себе не является определяющим в формировании цен на эти объекты и их динамики за время экспозиции объектов на рынке недвижимости.

Детерминирующим условием однородности закономерностей ценообразования яачяется сочетаемость факторов, включающих физические и экономические характеристики офисных объектов, особенности их расположения, конъюнктурные изменения на рынке жилой недвижимости в соответствующей микрозоне и ряд других ценообразующих факторов. Кластеризация переменных по каждой группе объектов, однородных по характеру изменения цены за время экспозиции, показала устойчивую закономер-

Таблица 3

Результаты построения регрессионных моделей зависимости цены реализации 1 кв. м площади офисного объекта (V15) от факторных переменных по кластерам и группам объектов офисной недвижимости города Самары

Группа объектов, стоимость объекта (V12), млн. руб. j Номер кластера Статистические характеристики уравнения регрессии

Свободный член (°о) 3 S а я о. в о а b s Б й я о. © S Параметры при факторных переменных ("i) Стан-дарти-зиро-ванные коэффициенты регрессии ß t-крт Р F-крт Коэффициент множественной регрессии Ä Коээфициент множественной детерминации Я2 ns Оценка системного эффекта

1 2 3 4 5 6 7 8 9 10 11 12

«Цена возросла» 1 8455,7 V3 V8 699,51 17,72 0,289 0,729 2,222 2,633 6,334 0,0352 0,0140 0,0000 Fp=30,01 0,835 0,698 8,31%

2 62143,7 VI V4 V26 -59,59 -367,04 8.2 -0,769 -0,405 0,498 11,396 -4,368 -2,386 2,768 0,0000 0,0014 0,0381 0,0198 Fp=9,10 0,855 0,732 32,0%

«Цена снизилась» 1 13589,8 V4 Vil V31 397,24 0,00045 0,0945 0,338 0,427 0,322 2,764 2,523 3,167 2,380 0,0094 0,0168 0,0034 0,0235 Fp=8,53 0,667 0,444 4,38%

2 -15367,0 V2 V23 V36 -3210,9 -106,8 1,8 -0,562 -0,570 0,836 -1,326 -4,559 -4,685 6,594 0,2214 0,0019 0,0016 0,0002 Fp=21,21 0,943 0,888 45,16%

«Цена не изменилась» 3 1033,4 V8 25,36 0,990 1,301 36,342 0,2039 0,0000 Fp=1320,8 0,990 0,979 0,0%

1 2 3 4 5 6 7 8 9 10 11 12

Группа I (У12/2) 4 37438,9 У14 0,28 0,574 6,678 2,973 0,0000 0,0082 Рр=8,69 0,574 0,329 0,0%

1 47199,7 VI УЗ У24 У31 -219,46 -913,46 650,15 0,05 -0,488 -0,342 0,299 0,240 16,070 -4,477 -2,984 2,705 2,222 0,0000 0,0000 0,0049 0,0100 0,0321 1у=12,74 0,753 0,566 6,39%

2 39372,4 VI У4 -182,81 -42.87 -0,580 -0,460 20,477 -5,294 4192 0,0000 0,0000 0,0001 Рр=21,39 0,715 0,511 3,70%

3 41454,7 VI У34 -217,41 445,40 -0,481 0,399 20,864 -5,753 4,762 0,0000 0,0000 0,0000 Рр=35,11 0,686 0,471 8,04%

Группа 11 (2<У12^ 4) 1 38583,4 VI У29 У36 -242,18 3694,57 0,35 -0,711 0,139 0,151 6,452 -13,824 2,782 3,154 0,0000 0,0000 0,0061 0,0020 Рр= 100,23 0,820 0,672 12,35%

2 43789,48 VI У28 У31 -195,34 0,89 -0,21 -0,769 0,213 -0,277 17,530 -13,781 3,759 -5,721 0,0000 0,0000 0,0007 0,0000 Рр=168,25 0,970 0,940 22,65%

3 68474,94 VI У29 V32 -276,57 -4589,92 -0,47 -0,789 -0,172 -0,160 34,391 -13,297 -2,919 -2,824 0,0000 0,0000 0,0048 0,0063 Рр=83,91 0,890 0,792 11,43

Группа III (4<У12^ 6) 1 41529,56 VI УЗ -87,15 330,99 -0,716 0,295 17,385 -8,849 3,642 0,0000 0,0000 0,0007 Рр=57,21 0,839 0,704 10,43%

2 17252,46 VI VII У22 -247,34 0,01 1792,92 -0,921 0,306 0,092 2,609 -28,235 9,408 2,636 0,0169 0,0000 0,0000 0,0158 Рр=378,64 0,991 0,983 3,27%

м

Окончание табл. 3

1 2 3 4 5 6 7 | 8 9 10 11 12

3 -35709,3 -1,1170 0,2742

У34 681,4 0,392 2,416 0,0230 Рр=6,082 0,547 0,319 1,78%

У36 1,5 0,384 2,367 0,0257

Группа IV I 34686,71 81,636 0,0000

(6<У12^ 8) У23 -41,34 -0,743 -8,284 0,000 Рр=77,64 0,913 0,834 21,75%

V29 -3369,33 -0,254 -2,827 0,0082

2 46147,61 19,961 0,0000

VI -78,61 -0,746 -8,264 0,0000 Рр=51,22 0,842 0,709 11,41%

V26 0,95 0,196 2,172 0,0356

3 46185,60 51,239 0,0000

VI -305,28 -1,222 -59,958 0,0000 Рр=1821,6 0,998 0,997 -81,23%

VI -239,11 -0,037 -2,491 0,0175

VII 0,01 0,537 33,538 0,0000

У22 581,41 0,044 3,503 0,0012

УЗ 5 2021,25 0,152 7,677 0,000

У36 0,04 0,035 2,862 0,0070

Группа V 1 16851,79 1,783 0,0834

(8<У12^10) VI -88,43 -0,811 -13,319 0,0000 Рр=109,57 0,952 0,906 15,54%

■У5 0,12 0,267 4,685 0,0000

УЗО 0,01 0,147 2,385 0,0228

2 11029,14 3,360 0,0026

У8 21,29 0,848 12,859 0,0000 Рр=203,02 0,972 0,944 19,63%

\п -59,30 -0,169 -2,566 0,0170

Группа VI 1 41059,52 15,017 0,0000

(У12>10) VI -11,67 -0,376 4136 0,000 Рр= 17,24 0,586 0,343 9,8%

У25 -3,07 -0,181 -2,197 0,0303

У29 6863,12 0,266 2,898 0,0046

2 48832,47 22,258 0,0000

VI -89,53 -1,221 -10,559 0,0000 Рр=74,65 0,831 0,690 0,0%

У5 0,05 1,405 12,156 0,0000

ность: неценовые факторы являются однородными и статистически взаимосвязанными с показателем цены офисного объекта за 1 кв. м. Стоимость объекта в целом является производной от цены за единицу площади. Это определило необходимость построения многофакторных регрессионных моделей формирования цен по типическим в статическом и динамическом аспектах группам объектов с использованием результативного показателя "Цена реализации 1 кв. м площади объекта". Полученные многофакторные регрессионные модели ценообразования по группам объектов и их оценочные характеристики позволили количественно определить системный эффект (г)з ), значимость статистического влияния которого по разным группам объектов колеблется от 0 до 45% объясненной вариации цены (табл. 3).

i=i

Для исследования структуры причинно-следственных взаимосвязей переменных, гипотетически предопределенных в исходной системе одновременных регрессионных уравнений, использован метод путевого анализа С. Райта1.

Моделирование линейными структурными уравнениями и путевой анализ по методу С. Райта (SEPATH-анализ) позволили разработать и оценить систему регрессионных уравнений, выражающих статистические закономерности формирования цены 1 кв. м площади офисного объекта в городе Самаре с учетом причинно-следственных взаимосвязей исходных эмпирических данных, а также латентных ценообразующих факторов. В числе последних дана оценка влияния системного эффекта взаимодействия внутренних по отношению к локальному рынку недвижимости факторов ценообразования, а также и комплекса внешних ценообразующих факторов.

В результате оценивания параметров системы одновременных регрессионных уравнений, соответствующей диаграмме путей итоговой экономет-рической модели ценообразования (рис. 6), получен ее следующий вид:

1) V15 = 0,582 • V23 + 0,886 • V33 + 0,484 • V34 + 0,727 • V35 + 0,469 • V36 + + 0,508IF - 0,542 SE + 0,603 EF + е 1;

2) SE = 3,511 ■ V23 + 0,500 • V25 + 0,454 • V27 + 0,498 • V33 + 0,563 • V34 + + 0,516 • V36 + 1,082 • IF -18,07 • EF + Е2;

3) IF = 2,294 Z2 +0,616+ еЗ;

4) SE = 2,392 Z1 + 2,392 + £4;

5) EF = 0,801 Z3+0,313+е5;

6) V23 =0,968 Д1+е6;

1 Елисеева И.И., Рукавишников В.О. Логика прикладного статистического анализа. -М.: Финансы и статистика, 1982. - С. 100-104.

7) У25 = 0,500 Д2 + Е7

8) У27 = 0,872 ДЗ + е8

9) УЗЗ = 0,428 Д4 + е9

10) У34 = 0,482 Д5+ЕЮ;

11) У34 = 0,55 Д6 + е11;

12) У35 = 0,462 А7 + Е12;

13) А5 = 0,500 Д6 + Е13;

14) А1 = 0,337 А7 + Е14;

15) Л2 = 0,090 Д4 + Е15;

16) ДЗ = 0,198 Д7 + е16.

Рис. 6. Диаграмма путей итоговой эконометричеекой модели формирования цены реализации 1 кв. м площади объектов офисной недвижимости (У5) на локальном рынке города Самары

В диаграмме использованы следующие обозначения:

------- исключенные незначимые статистические связи;

V15, V36 - явные эндогенные переменные (см. табл. 1);

V23, V25, V27, V33, V34, V35 - явные экзогенные переменные (см. табл. 1);

EF - латентная экзогенная переменная - внешние по отношению к локальному

(городскому) рынку офисной недвижимости ценообразующие факторы; IF, SE - латентные эндогенные переменные,

где IF - внутренние (ненаблюдаемые в разработанной ГИС и неучтенные факторы ценообразования);

SE - системный эффект влияния исследуемых ценообразующих факторов; Z], Z2, Z3 - ошибки в регрессионных моделях латентных переменных; Дь ..., А; - остаточные переменные в регрессионных моделях явных переменных.

Все оцененные параметры итоговой структурной модели оказались значимыми по t-критерию Стьюдента. Адекватность полученного варианта модели подтверждается расчетным значением критерия и индексами нецентральности. Улучшение аппроксимирующих свойств модели подтверждено также изменениями расчетных значений AIC- и BIC-кригериев (табл. 4), а также более плотным расположением на линии теоретически нормального распределения значений остатков.

Использование в практике оценки офисных объектов недвижимости методов многомерного статистического анализа на основе предложенного иерархического подхода и геоинформицнонного обеспечения позволит существенно повысить обоснованность выделения однородных групп объектов для выработки количественных закономерностей ценообразования. Последние представляют собой единую систему, интегрирующую закономерности формирования цены 1 кв. м эталонных объектов по каждой группе, а также закономерности более высокого уровня экономической абстракции, учитывающие влияние латентных (непосредственно ненаблюдаемых) факторов как внутреннего, так и внешнего характера.

Разработанная методика на практике может использоваться: 1) для получения расчетной цены на поступающий в оборот офисный объект исходя из его индивидуальных характеристик, учитываемых в системе "АДОН"; 2) для количественной имитации реально сложившейся многоуровневой системы ценообразования на рынке офисной недвижимости, включающей множество факторов, гипотетически предполагаемых, но непосредственно не наблюдаемых (государственное регулирование рынка недвижимости, системное взаимодействие факторов, субъективные и объективные отличия условий ценообразований в микрозонах и административных районах расположения объектов и ряда других).

Таблица 4

Критерии адекватности итоговой модели структурных линейных уравнений

Расчетные значения статистических критериев

х2 6,354

Число степеней свободы 28

р-уровень 0,91834

Индексы согласия, основанные на нецентральности Нижняя доверительная граница 90% Точечная оценка Верхняя доверительная граница 90%

Параметр нецентральности распределения 0,043 0,049 0,064

Индекс ЯМБЕА Стингера-Линда 0,021 0,034 0,046

Индекс нецентральности Макдональда 0,952 0,967 0,979

Гамма-индекс 0,971 0,983 0,989

Скорректированный гамма-индекс 0,889 0,944 0,959

Одновыборочные индексы согласия Исходная модель Итоговая модель

Информационный критерий Акайке (А1С) 0,048 2,963

Байесовский критерий Шварца (В1С) 0,175 3,019

Использование в практике регулирования оборота недвижимости многоуровневой модели формирования цен на офисные объекты может существенно повысить эффективность мер регулирующего воздействия, являясь необходимым инструментом прогноза развития ценовой ситуации на локальном рынке недвижимости.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, определенных ВАК России для публикации результатов научных исследований

1. Кривозубов, С.П. Регрессионное моделирование цены объекта жилой недвижимости в иерархической системе методов многомерного статистического анализа [Текст] // Вести. Самар. гос. экон. ун-та. - Самара, 2007. - № 5 (31). - С. 107-110. -0,4 печ. л.

2. Кривозубов, С.П. Оценка земельного участка для определения величины арендных платежей при наличии права собственности на улучшения у арендатора земельного участка [Текст] // Имущественные отношения в Российской Федерации. - М„ 2008. - № 11. - С. 39-48. - 1,25 печ. л.

3. Кривозубов, С.П. Дискриминаитный анализ распределения объектов офисной недвижимости по ценовым группам (на примере г. Самары) [Текст] / С.П. Кривозубов, Е.В. Зарова // Вестн. Самар. гос. экон. ун-та. - Самара, 2009, - № 1 (51). -С. 26-34. - 0,5 печ. л.

4. Кривозубов, С.П. Статистический анализ однородности совокупности объектов офисной недвижимости по административным районам г. Самары [Текст] // Веста. Самар. гос. экон. ун-та. - Самара, 2009. - № 1 (51). - С. 35-39. - 0,6 печ. л.

5. Кривозубов, С.П. Теоретическое обоснование и информационное обеспечение статистического моделирования формирования цен на объекты офисной недвижимости (на примере города Самары) [Текст] / Е.В. Зарова, С.П. Кривозубов // Имущественные отношения в Российской Федерации. - М., 2009. - № 5. - С. 31-50. -2,5/1,25 печ. л.

Публикации в других гаданиях

1. Кривозубов, С.П. Использование современных геоинформационных технологий при индивидуальной и массовой оценке недвижимости с применением программного комплекса "ПЦР: Г'лобал" [Текст] / С.П. Кривозубов, В.П. Лобанов // Приложение к журналу "Имущественные отношения в Российской Федерации". Серия "В помощь специалисту-практику". - М., 2005. - Вып. 3. - С. 56. - 3,5/1,8 печ. л.

2. Кривозубов, С.П. Некоторые вопросы, связанные с определением стоимости миноритарных пакетов обыкновенных акций, не торгующихся на открытых площадках и не приносящих дивидендный доход (для пакетов, доля в уставном капитале предприятия которых менее 1%) [Текст] / С.П. Кривозубов, А.Г. Исаев, В.П. Лобанов // Информационное и программное обеспечение оценочной деятельности. Интернет-технологии в оценке: материалы Междунар. науч.-практ. конф., 29-30 сент. 2005 г. - Самара: Изд-во Самар. гос. экон. ун-та, 2005. - С. 27-38 - 1,5/1,0 печ. л.

3. Кривозубов, С.П. Оценка земельного участка для определения величины арендных платежей при наличии права собственности на улучшения у арендатора земельного участка [Текст] // Воир. оценки. - М., 2008. - № 3. - С. 15-22. - 1,0 печ. л.

Формат 60x84/16. Бум. писч. бел. Печать офсетная. Подписано в печать 18.05.2009 г. Гарнитура"Типе5 New Roman". Объем 1,5 печ. л.Тираж 150 экз. Заказ Отпечатано в типографии СГЭУ. г. Самара, ул. Советской Армии, д. 141.

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Кривозубов, Сергей Павлович

Введение.

Глава 1 Теоретические основы статистического анализа и моделирования формирования цен на офисную недвижимость на основе геоинформационной системы.

1.1. Понятие рынка недвижимости и его состав как теоретическая база статистического исследования формирования цен на офисные объекты в коммерческом обороте.

1.2. Геоинформационное обеспечение статистического исследования закономерностей формирование цен на офисные объекты.

1.3. Статистический анализ «выживания» офисных объектов ] рыночной экспозиции как ценообразующего фактора.

Глава II Дискриминантный и канонический анализ в исследовании факторов формирования цен па объекты офисной недвижимости на базе пространственно-ориентированной информации.

2.1.Локальные рынки административных районов города как панель статистического исследования формирования цен на объекты офисной недвижимости.

2.2. Дискриминантный анализ распределения объектов офисной недвижимости по ценовым группам.

2.3. Канонический анализ как средство выявления обобщенных факторов ценообразования по группам объектов офисной недвижимости.

Глава III Эконометрическое моделирование ценообразования на городском рынке объектов офисной недвижимости

3.1. Кластерный анализ как основа формирования панели статистического исследования и эконометрического моделирования формирования цен на объекты офисной недвижимости.

3.2. Регрессионные модели цены 1 кв. м площади офисного объекта. Оценка системного влияния ценообразующих факторов по кластерам и группам объектов.

3.3. Моделирование структурными уравнениями и путевой анализ (SEPATH) формирования цен на локальном рынке офисной недвижимости.

Диссертация: введение по экономике, на тему "Статистическое исследование формирования цен на объекты офисной недвижимости на основе геоинформационной системы"

Актуальность темы исследования. Один из наиболее интенсивно развивающихся сегментов российского рынка представляет собой рынок недвижимости, в его составе растущим и высокодоходным является рынок офисной недвижимости. Массовый характер этого рынка и необходимость адекватного регулирования происходящих на нем процессов обусловливают значимость исследования объективных закономерностей формирования цен на офисную недвижимость под влиянием комплекса ценообразующих факторов.

Статистический анализ и моделирование закономерностей формирования цен на объекты офисной недвижимости актуальны и в условиях стабильно развивающейся экономики, и в условиях глобального экономического кризиса. В последнем случае статистические методы позволяют выделить значение объективных факторов ценообразования и исключить элементы субъективизма и психологических спекуляций в оценках рыночной стоимости недвижимого имущества. Потребность в методологическом обеспечении статистических исследований тенденций и факторов ценообразования на рынке недвижимого имущества (в том числе офисного) испытывают как участники его рыночного оборота (инвесторы, риэлтеры, продавцы, покупатели и другие группы), так и органы, осуществляющие государственное регулирование рынка недвижимости, контроль в сфере налогообложения, страхование и другие финансовые операции с объектами недвижимости.

Решение данной проблемы на базе статистического инструментария требует учета основных принципов и методов индивидуальной оценки рыночной стоимости объектов, а также использования приемов исследования на основе массовых данных ценообразующего влияния экономической среды окружения оцениваемых объектов, пространственных особенностей их расположения, воздействия внешних и внутренних факторов на каждом уровне агрегирования рынка недвижимости, в том числе на уровне локального (городского) рынка.

Степень разработанности проблемы. Теоретические проблемы оценки рыночной стоимости различных типов объектов недвижимого имущества, в том числе офисных объектов, и методы их практического решения широко освещены в трудах отечественных авторов: И.Т. Балабанова, В. А. Боровикова и В.А. Боровиковой, В.А. Горемыкина, С.В. Грибовского, JI.A. Лейфера, В.Н. Мокиной, Е.С. Озерова, А.В. Севостьяновой, Н.Е. Симоновой, М.А. Федотовой, Д.А. Шевчука и др.

Экономические проблемы развития рынка жилой и нежилой недвижимости на различных административно-территориальных уровнях, в том числе в городах, исследованы в работах ряда отечественных и зарубежных ученых: И.Т. Балабановой, А.Г. Грязновой, B.C. Занадворова и А.В. Занадворовой, Е.И. Тарасевича, А.О. Селливана; Д. Фридмана и Н.Ордуэя, Ф.М. Шеррера, Д. Росса и др.

Методы статистического анализа и эконометрического моделирования закономерностей на рынке недвижимости, в том числе формирования цен и удовлетворения спроса на объекты недвижимого имущества, разработаны и апробированы в трудах ученых-статистиков: С.А. Айвазяна, В.Н. Афанасьева, B.C. Мхитаряна, Е.В. Кабаевой, Е.Е. Лаврищевой, О.А. Репина, О.И. Стебуновой и др.

Вместе с тем отсутствует научно обоснованная методика статистического исследования закономерностей ценообразования на локальном рынке офисной недвижимости (на уровне крупного города), учитывающая особенности их проявления в неоднородном геоэкономическом пространстве.

Необходимость разработки статистических методов анализа и моделирования закономерностей формирования цен на офисные объекты недвижимости с использованием геоориентированных исходных данных и выявления на основе этих методов пространственно-временных закономерностей ценообразования определила актуальность темы настоящего диссертационного исследования.

Цель и задачи исследования. Цель исследования состоит в теоретическом обосновании, разработке и апробации методики статистического анализа и моделирования закономерностей формирования цен на объекты офисной недвижимости в геоинформационном рыночном пространстве. Для достижения цели поставлены следующие задачи:

1) уточнение понятия рынка недвижимости, особенностей его субъектно-объектного состава в части оборота офисной недвижимости, оценка количественных и качественных характеристик развития локального рынка офисной недвижимости на примере города Самары;

2) обоснование необходимости и возможности реализации геоинформационного подхода в статистическом исследовании закономерностей формирования цен на офисные объекты с учетом пространственно распределенного комплекса факторов;

3) исследование статистического взаимодействия уровней и динамики цен на офисные объекты и времени их экспозиции в сегментах локального рынка недвижимости, однородных по условиям ценообразования;

4) обоснование системы признаков, характеризующих факторы формирования цен на офисные объекты, подлежащих наблюдению, количественной оценке и обобщению в геоинформационной системе рынка недвижимости города;

5) разработка многоуровневой системы статистического анализа однородности офисных объектов по факторам и результатам рыночного ценообразования; формирование методики статистического моделирования закономерностей комплексного влияния пространственно определенных явных и латентных факторов на цены офисных объектов;

6) систематизация данных геоинформационной системы и апробирование предложенного автором методического комплекса с целью выявления и количественной характеристики закономерностей ценообразования на локальном рынке офисной недвижимости города Самары.

Предмет исследования. Предметом диссертационной работы являются статистические закономерности массового процесса формирования цен на объекты офисной недвижимости, имеющие особенности, обусловленные спецификой размещения объектов в геоэкономическом пространстве города.

Объект исследования. Объектом исследования выступает совокупность объектов офисной недвижимости (более 1400 ед.), наблюдаемых в процессе мониторинга рынка недвижимости города Самары в 2007 - 2008 гг. на базе пространственно-временной геоинформационной системы.

Область исследования. Содержание диссертационной работы соответствует пунктам 3.1 "Методы статистического измерения и наблюдения социально-экономических явлений, обработки статистической информации, оценка качества данных наблюдений; организация статистических работ"; 3.4 "Методология социального и экономического мониторинга, статистического обеспечения управления административно-территориальным образованием; измерение неравномерности развития территориальных образований";

3.8 "Прикладные статистические исследования воспроизводства населения, сфер общественной, экономической, финансовой жизни общества, направленные на выявление, измерение, анализ, прогнозирование, моделирование складывающейся конъюнктуры и разработки перспективных вариантов развития предприятий, организаций, отраслей экономики России и других стран" Паспорта специальности 08.00.12 "Бухгалтерский учет, статистика".

Теоретическая и методологическая основа исследования.

Теоретической и методологической основой диссертационного исследования послужили труды отечественных и зарубежных ученых по изучаемой проблеме, Гражданский, Земельный и Налоговый кодексы РФ, законодательные акты и нормативные документы федеральных и региональных органов власти по обороту недвижимого имущества. В качестве инструментария в диссертации использовались статистические методы: сводки и группировки, анализа временных рядов, анализа таблиц "дожития" и моделирования функций "выживания" объектов в совокупности, кластерный, дискриминантный и канонический анализ, корреляционно-регрессионный анализ, статистический путевой анализ и методы моделирования структурными уравнениями.

Информационное обеспечение диссертационной работы составили данные Федеральной службы государственной статистики, Территориального органа Федеральной службы государственной статистики по Самарской области, а также результаты мониторинга рынка недвижимости (конкретно сектора офисной недвижимости) за 2007 - 2008 гг., осуществляемого ОТ "Поволожский центр развития" при участии автора.

Обработка статистических данных проводилась с использованием прикладных программ STATISTIC А 6.0 и GRETL.

Научная новизна исследования. Научная новизна диссертационного исследования состоит в теоретическом обосновании и апробировании комплексной методики статистического анализа и моделирования закономерностей формирования цен на офисные объекты с учетом пространственно ориентированной информации о факторах и условиях ценообразования на локальном рынке офисной недвижимости.

Наиболее существенными результатами проведенной работы являются следующие:

1. На основе обобщения и критического анализа теоретических положений, представленных в экономической литературе, уточнено понятие локального рынка офисной недвижимости как системы экономических отношений, возникающих между субъектами рынка в операциях массового характера по обороту объектов офисной недвижимости в границах локального рынка (города Самары), по обороту прав на недвижимое имущество и государственному регулированию этого оборота.

2. Предложена система автоматизированного сбора статистических данных, отражающих в геоинформационной системе пространственно определенные характеристики результатов и факторов формирования цен на офисные объекты с учетом их физических свойств, особенностей бизнес-среды, транспортных и социальных условий в микрозонах размещения этих объектов на территории города.

3. Сформирована система статистических показателей по объектам офисной недвижимости, имеющая тройственную определенность: географическую (размещение на электронной карте города), временную (время "выживания" объекта в рыночной экспозиции), содержательную (показатели, характеризующие результаты и факторы формирования цен на офисные объекты).

4. Разработана и апробирована методика многоуровневого структурирования массива продаваемых офисных объектов на однородные группы по уровню и динамике цен с использованием дискриминантного, канонического и кластерного анализа. Впервые разработаны и проанализированы многофакторные регрессионные модели ценообразования по группам офисных объектов, выделенным на основе объединения результатов дискриминантного и канонического анализа.

5. Выполнен статистический анализ "выживаемости" объектов в рыночной экспозиции, установлены значения медианы ожидаемого времени экспозиции офисной недвижимости на локальном рынке города. С помощью модели Вейбулла и метода Каплана-Мейера даны оценки функций "выживаемости" офисных объектов в рыночной экспозиции. Установлена неоднозначность силы взаимного статистического влияния времени экспозиции офисных объектов на рынке и цен их продажи по субрынкам в составе городского рынка недвижимости.

6. Получены пространственно ориентированные на электронной карте города кластеры офисных объектов, однородных по факторам и условиям ценообразования. На основе многофакторного регрессионного моделирования дана оценка системного эффекта влияния ценообразующих факторов по кластерам и группам офисных объектов.

7. Выполнено эконометрическое моделирование с использованием системы структурных уравнений (метод SEPATH), на основе которого установлено взаимосвязанное влияние наблюдаемых в геоинформационной системе рынка недвижимости факторов и скрытых (латентных) факторов на цены продажи офисных объектов в городе Самаре.

Практическая значимость диссертационного исследования. Разработанная в диссертации методика и результаты статистического исследования могут быть использованы для принятия управленческих решений по рынку офисной недвижимости государственными и частными предприятиями, а также для повышения финансовой результативности работы риэлтерских компаний. Результаты моделирования формирования цен на офисную недвижимость могут быть полезны работникам организаций, осуществляющих операции с недвижимостью, а также занимающихся вопросами оценки коммерческой недвижимости и проводящих консультации в этом секторе рынка недвижимости.

Положения диссертации могут быть использованы в высших учебных заведениях при изучении дисциплин "Финансовая статистика", "Социально-экономическая статистика", "Эконометрическое моделирование".

В первой главе "Теоретические основы статистического анализа и моделирования формирования цен на офисную недвижимость на основе геоинформационной системы" исследовано понятие "рынок недвижимости", уточнен его состав с выделением сегмента офисной недвижимости и конкретизацией содержания процессов ценообразования в этом рыночном сегменте, предложена многоуровневая методика статистического моделирования влияния факторов на цены офисных объектов, основанная на геоинформационной системе мониторинга локального рынка недвижимости (на примере города Самары).

Во второй главе "Дискриминантный и канонический анализ в исследовании факторов формирования цен на объекты офисной недвижимости на базе пространственно ориентированной информации" изучены локальные рынки административных районов города как панель статистического исследования уровней и динамики цен на объекты офисной недвижимости, выполнен дискриминантный анализ распределения объектов офисной недвижимости по ценовым группам, на основе канонического анализа дана оценка обобщенных факторов формирования цен по группам объектов офисной недвижимости.

В третьей главе "Эконометрическое моделирование ценообразования на городском рынке объектов офисной недвижимости" обоснована и апробирована методика многофакторного комплексного моделирования формирования цен с учетом пространственной неоднородности рынка, влияния на цену комплекса явных и латентных факторов.

Диссертация: заключение по теме "Бухгалтерский учет, статистика", Кривозубов, Сергей Павлович

Выводы по главе III.

1. Моделирование линейными структурными уравнениями и путевой анализ по методу С. Райта (SEPATH-анализ) позволили разработать и оценить систему регрессионных уравнений, выражающих статистические закономерности формирования цены 1 кв. м площади офисного объекта в городе Самаре с учетом причинно-следственных взаимосвязей исходных эмпирических данных, а также латентных ценообразующих факторов.

2. Дана оценка влияния системного эффекта взаимодействия внутренних по отношению к локальному рынку недвижимости факторов ценообразования, а также и комплекса внешних ценообразующих факторов.

3. Использование в практике регулирования оборота недвижимости многоуровневой модели (на основе методов SEPATH) формирования цен на офисные объекты может существенно повысить эффективность мер регулирующего воздействия, являясь необходимым инструментом прогноза развития ценовой ситуации на локальном рынке недвижимости.

169

ЗАКЛЮЧЕНИЕ

1 Обобщение и критический анализ представленных в экономической литературе толкований понятия «рынок недвижимости» приводит к выводу, о том, что статистическое исследование ценообразования на объекты недвижимого имущества должно основываться на конкретизации всех аспектов этого понятия: субъектно-объектного состава, охватываемых операций, реализуемых экономических отношений, а также механизмов государственного административного и экономического регулирования.

2. В докризисный период (2000-2008гг.) Самарский рынок офисной недвижимости характеризовался как ненасыщенный, высокодоходный, динамично развивающийся сектор экономики.

В условиях экономической рецессии — следствия мирового финансового кризиса - возрастает потребность в объективизации оценки рыночной стоимости недвижимого имущества для уравновешивания интересов покупателей и продавцов. Методической основой для этого должен быть учет устойчивых закономерностей ценообразования как массового процесса.

3. Систематизация факторов формирования цен на объекты офисной недвижимости позволила распределить их на глобальные и индивидуальные, внешние и внутренние, непосредственно наблюдаемые и латентные.

Запатентованный автором программный комплекс «АДОН» позволяет накапливать и структурировать геоопределенную (в системе координат электронной карты города, ГИС) информацию от объектах реализуемой офисной недвижимости.

Сформированный с использованием ПК «АДОН» исходный информационный массив данного исследования включает 1411 офисных объектов, каждый из которых характеризуется комплексом индивидуальных признаков, отражающих результаты и факторы ценообразования.

Источниками наблюдения выделенных и систематизированных признаков являются риэлторские компании, Интернет, СМИ. В ПК «АДОН» решены проблемы накопления, уточнения и комбинирования пространственно ориентированных данных об экономических, физических и экологических свойствах офисных объектов, продаваемых на территории города.

4. Разработана концептуальная схема и последовательность этапов алгоритма многоуровневого статистического анализа и моделирования закономерностей ценообразования на объекты офисной недвижимости.

Основная идея концепции состоит в том, чго моделирование количественных закономерностей ценообразования на объекты недвижимости требует реализации основного научного принципа перехода от анализа к синтезу и обратно. В разрабатываемой методике это должно воплощаться в переходе от одномерных группировок объектов - к многомерным, от групповых многофакторных моделей, сформированных по однородным кластерам объектов, к интегральным структурным моделям рынка в целом, от учета в моделях непосредственно наблюдаемых факторов ценообразования к выявлению их системного эффекта и латентной составляющей ценообразования, обусловленной воздействием неучтенных внутренних и внутренних и внешних ценообразующих факторов.

5. Время экспозиции объектов на рынке недвижимости и изменение их цены в период экспозиции - взаимозависимые рыночные характеристики, причинно-следственная связь которых потребовала специального этапа статистического исследования. Анализ «выживаемости» объектов в экспозиции на основе таблиц дожития и методов Каплана-Мейера явился основой моделирования распределения вероятности продажи объектов по срокам экспозиции. Выявлена неоднозначность изменения этой вероятности при увеличении сроков экспозиции объектов, неравномерность взаимного распределения ценовых и временных характеристик экспозиции продаваемых офисных объектов.

В итоге сделан вывод о необходимости многоуровневого структурирования объектов исходной совокупности с целью выделения их однородных групп, ориентация на начальных этапах исследования на непараметрические методы оценки тесноты статистических взаимосвязей.

6. Распределение объектов офисной недвижимости по административным районам города Самары было оценено как равномерное, что подтверждено коэффициентом вариации долей, равным 29,7%. Однако при этом выявлена существенная неоднородное гь офисных объектов в пределах границ административных районов по результативным и факторным показателям ценообразования.

7. Доказано, что нахождение объекта на территории определенного административного района города Самары само по себе оказывает значимое ценообразующее воздействие вследствие влияния факторов объектного и субъектного характера (неучтенных в исходной системе показателей), обуславливающих специфики условий формирования цен на офисные объекты в каждом из районов.

8. Вариация по административным районам показателей исходной системы, отражающих наблюдаемые признаки продаваемых офисных объектов, весьма существенна — от 50 до 1600%.

Из этого сделан вывод о невозможности использования группировки объектов офисной недвижимости по признаку размещения в определенном административном районе городе для выявления надежных статистических закономерностей ценообразования на эт объекты.

9. В результате проведения восьми последовательных шагов дискриминантного анализа установлено, что 61,5% офисных объектов в исходной совокупности корректно отнесены к ценовым классификационным группам: «Очень низкая цена», «Низкая цена», «Высокая цена», «Очень высокая цена».

Оценены параметры классификационных функций, позволившие произвести классификацию объектов, не вошедших в итоговую дискриминацию и вычислить классификационные значения для вновь экспонируемых на рынке объектов.

10. Разработаны регрессионные модели по ценовым классификационным группам. Сравнительный анализ стандартизованных коэффициентов регрессии показал следующее: а) по группе офисных объектов, относимых к категории самых дешевых, цена за 1 кв. м статистически значимо напрямую зависит от благоустройства и престижности района и находится в существенной обратной зависимости от конкуренции покупателей на локальном рынке. б) цена 1 кв. м самых дорогостоящих объектов офисной недвижимости' в наибольшей степени прямо зависит от цены 1 кв. м объектов жилой недвижимости, находящихся в соответствующем микрорайоне, и несколько в меньшей степени, но также напрямую зависит от плотности застройки кадастрового квартала, в котором этот район расположен. в) по промежуточным ценовым группам «офисных объектов (цена «Низкая» и цена «Высокая» выявлена незначимость корреляционных связей результативных и факторных показателей ценообразования, что потребовало углубления данного этапа анализа путем перехода к каноническому анализу.

11. При выполнении канонического анализа получена матрица факторной структуры распределения объектов офисной недвижимости города Самары по ценовым классам. Установлено, что обобщенный фактор, обуславливающий первую каноническую функцию (77,9% объясненной вариации), которая определяет выделение объектов категории цена «Высокая», обусловлен тремя факторными переменными, общая интерпретация которых может быть дана как «Престижность городской микрозоны, в которой расположен объект». Дискриминирующая мощность этой функции составила 11,9% объясненной вариации.

12. Обобщенный фактор второй канонический функции (+18,7%' объясненной вариации), отделяющей объекты «Очень низкой» цены от других ценовых групп, определяется влиянием совокупности факторов, общая интерпретация которых дана как «маркетинговые усилия риэлторов, уровень спроса».

Обобщенный фактор третьей канонической функции (+3,4% дискриминирующей мощности) отделяет объекты «Очень высокой» цены от других категорий. Через систему значимых факторных показателей он интерпретируется как «Транспортные условия городской микрозоны, в которой расположен офисный объект».

13. Объединение результатов дискриминантного, канонического анализа и многофакторного регрессионного моделирования позволило получить статистически надежные адекватные модели формирования цены 1 кв. м офисных объектов по типическим группам однородных по качественным условиям ценообразования объектов — аналогов.

14. С целью усиления аппроксимирующих свойств моделей ценообразования статический аспект исследования дополнен динамическим. Для этого исходная совокупность офисных объектов на

I, следующем этапе структурирования подразделена на три группы: «Цена ' возросла», «Цена возросла», «Цена не изменилась», «Цена снизилась» за время экспозиции объектов на рынке недвижимости.

15. В результате применения процедур кластерного анализа (методы Уорда и к - средних) с использованием функций расстояния «Евклидова метрика» и «1-г Пирсон» для каждой группы получены дендрограммы распределения объектов, а также кластеры переменных, характеризующих результаты и факторы ценообразования.

16. Наличие данных о координатах размещения объектов на электронной карте города в ГИС позволило построить картограммы распределения объектов, относящихся к однородным кластерам в составе выделенных групп по характеру изменения цены.

В результате установлено, что однородные по факторным и результативным признакам ценообразования объекты (однотипные по характеру изменения цены за время экспозиции на рынке) не составляют компактно расположенные «сгустки» на территории города, а равномерно расположены по всей его площади. Это подтвердило выводы дескриптивного анализа о том, что сходство объектов офисной недвижимости по территориальному расположению и принадлежности к определенному административному району само по себе не является определяющим в формировании цен на эти объекты и их динамики за время экспозиции объектов на рынке недвижимости.

Детерминирующим условием однородности закономерностей ценообразования является сочетаемость факторов, включающих физические и экономические характеристики офисных объектов, особенности их расположения, конъюнктурные изменения на рынке жилой недвижимости в соответствующей микрозоне и ряд других ценообразующих факторов.

17. Кластеризация переменных по каждой группе объектов, однородных по характеру изменения цены за время экспозиции, показала устойчивую закономерность: неценовые факторы являются однородными и статистически взаимосвязанными с показателем цены офисного объекта за 1 кв. м.

Стоимость объекта в целом является производной от цены за единицу площади.

Это определило необходимость построения многофакторных регрессионных моделей ценообразования по группам типических в статическом и динамическом аспектах объектов с использованием результативного показателя - «Цена реализации 1 кв. м площади объекта».

Показатель стоимости объекта в целом зависит от закономерностей ценообразования на единицу площади объекта.

18. Полученные многофакторные модели ценообразования по группам объектов и их оценочные характеристики позволили количественно оценить системный эффект, значимость статистического влияния которого по разным группам объектов колеблется от 10 до 40% объясненной вариации цены.

19. Моделирование линейными структурными уравнениями и путевой анализ по методу С. Райта (SEPATH - анализ) позволили разработать и оценить систему логически и количественно взаимосвязанных статистических закономерностей формирования цены 1 кв. м площади офисного объекта в городе Самаре с учетом причиппо-следственных взаимосвязей исходных эмпирических данных, а также латентных ценообразующих факторв. В результате построения и анализа экономической модели дана оценка влияния системного эффекта взаимодействия внутренних и внешних по отношению к локальному рынку недвижимости факторов ценообразования.

20. Использование в практике оценки офисных объектов недвижимости методов многомерного статистического анализа на основе предложенного иерархического подхода и геоинформиционного обеспечения позволит существенно повысить обоснованность выделения однородных групп объектов для выработки количественных закономерностей ценообразования. Последние представляют собой* ;единую систему, объединяющую закономерности формирования цены 1 кв. м эталонных объектов по каждой группе, а также закономерности более высокого уровня 7 экономической абстракции, учитывающие влияние латентных (непосредственно ненаблюдаемых) факторов как внутреннего, так и внешнего по отношению к нему характера.

21. Разработанная методика на практике может использоваться: 1 - для получения расчетной цены на поступающий в оборот офисный объект исходя из его индивидуальных характеристик, учитываемых в системе АДОН; 2 - для количественной иммитации реально сложившейся многоуровневой системы ценообразования на офисную недвижимость, включающей множество факторов гипотетически предполагаемых, по непосредственно ненаблюдаемых (государственное регулирование рынка недвижимости, системное взаимодействие факторов, субъективные и объективные обличил условий ценообразований в микрозонах и административных районах расположения объектов и ряда других).

Использование в практике регулирования оборота недвижимости многоуровневой модели ценообразования на офисные объекты существенно повысит эффективность мер регулирующего воздействия, является необходимым инструментом прогноза развития ценовой ситуации на локальном рынке недвижимости.