Оценка стоимости имущества - стр. 71
Y>сглаж = 187 200.0000 – 10 732.0000 · X1 – 2690.4000 X2 + 2.8294 · X3 + 8167.2000 · X4 – 14 628.0000 · X5 + 8850.5000 · X6
Проверка адекватности модели
Далее необходимо произвести проверку значимости регрессии.
Точность и надежность полученного результата оценивается с помощью ряда статистических критериев.
Коэффициент множественной корреляции и среднеквадратичная ошибка его определения: R>лин = 0,965479; SigmaR>лин = 0,184189.
Доверительные границы по уровню P = 0,9 для коэффициента множественной корреляции из генеральной совокупности: 0,949148 ≤ R>лин. ген ≤ 0,970342.
Корреляционное отношение и среднеквадратичная ошибка его определения: R>отн = 0,965479; SigmaR>отн = 0,184189.
Доверительные границы по уровню P = 0,9 для корреляционного отношения из генеральной совокупности: 0,949148 ≤ R>отн. ген ≤ 0,970342.
Коэффициент детерминации: B>det = 0,932150.
При анализе по уравнению регрессии полинома 1-й степени (линейная зависимость) коэффициент детерминации, отражающий долю дисперсии результативного признака, объясняемую влиянием независимых переменных, составил 0,932150. Согласно шкале Чеддока, приведенной в табл. 4.15, данное значение отражает очень высокую характеристику силы связи. То есть использование данного уравнения регрессии полинома 1-й степени дает весьма достоверный результат при расчете рыночной стоимости оцениваемого объекта.
Таблица 4.15
Шкала Чеддока
После проведенных проверок можно сделать вывод о том, что построенную регрессионную модель можно использовать для данной оценки.
Определение рыночной стоимости объекта на основе модели
В соответствии с выбранными параметрами оцифровки показателей характеристики оцениваемого объекта, применимые в рассчитанной формуле уравнения регрессии, представлены в табл. 4.16.
Таблица 4.16
Балльная оценка характеристик объекта оценки в разрезе факторов влияния
Далее для определения рыночной стоимости оцениваемого объекта нам необходимо подставить оцифрованные значения характеристик оцениваемого объекта в детерминированное уравнение линейной регрессии
Y>сглаж = 187 200,0000 – 10 732,0000 · 1 – 2690,4000 · 11 + 2,8294 · 1519,97 + 8167,2000 · 1 – 14628,0000 · 1 + 8850,5000 · 1 = 53 563,90 руб.
Формализация реальных зависимостей всегда связана с упрощениями. Поэтому в процессе анализа должно быть выявлено соответствие полученной модели реальной зависимости, должны быть найдены пути улучшения модели и определены возможности практической реализации достигнутых результатов.
Частным случаем построения однофакторной зависимости является использование мультипликатора валовой ренты.