Введение в анализ, синтез и моделирование систем



              

Е2Е-проекты по системному анализу и моделированию - часть 11


Такие данные достаточно приблизительны и дают возможность анализа лишь предложения на рынке жилья, но этот подход вкупе с математическим и компьютерным анализом данных может оказаться одним из эффективных приемов при оценке качественного и среднестатистического состояния рынка жилья. При наличии данных не представляет трудностей переход и к проблеме анализа цен и спроса на рынке жилья. Цена на жилье зависит от ряда объективных качественных параметров, к которым можно отнести: месторасположение и время постройки дома; количество комнат; смежность комнат; общая площадь; жилая площадь; площадь кухни; этаж; этажность дома; материал стен; наличие балконов и лоджий; наличие телефона; удаленность от центра города; расположение относительно станций ж/д и автомагистралей; расположение относительно центров локального влияния (места работы); дата оценки. Цены на жилье в г. Нальчике сравнимы с ценами многих курортных и промышленных центров России. Материальную основу жилищного рынка в КБР составляет приватизированное жилье г. Нальчика. По данным различных источников в КБР, доля приватизированных квартир составляет 55 %, что близко к данным по Ставропольскому краю (56%), Ростовской области (51%), Северной Осетии - Алании (54%). Так как использовалась методика сбора данных по газетным объявлениям, необходимо было до компьютерного анализа (построения моделей) осуществить предварительную статистическую обработку. Простая процедура предварительной статистической обработки такова:

  1. Вычисляются средние величины x0 по 1, 2, 3, 4-комнатным квартирам.
  2. Вычисляются наибольшее xmax и наименьшее xmin в каждой из групп.
  3. Вычисляются наибольшие отклонения от среднего в каждой группе (или размах): dmax=| xmin (max) - x0|.
  4. Вычисляются относительные отклонения: w=dmax /x0 .
  5. Находим по таблице Стьюдента процентные точки для t(5%) и t(0,1%).
  6. Вычисляем соответствующие точки w(5%; n), w(0,1%; n).
  7. Если w(5%; n)>t(5%) (w(0,1%; n)>t(0,1%)), то отсеиваем грубое значение цены жилья и пересчитываем все заново (повторяем п.1-7).

По результатам, полученным после работы этого алгоритма, было проведено математическое и компьютерное моделирование по нахождению регрессионных зависимостей наилучшей адекватности вида: x=x(t), y=y(t), где x - оценка ($) стоимости 1 м2 жилья общей площади; y - оценка стоимости 1 м2 жилья жилой площади; t - время: t=1 - январь, t=2 - февраль и т.д.


Содержание  Назад  Вперед