Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Виды моделей массовой оценки




Можно выделить три основных вида моделей массовой оценки, каждый из которых имеет свою специфику.

Аддитивная модель имеет следующий вид:

V = A0 + A1X1 +... + AnXn

где (Х1... Хn) - характеристики объекта недвижимости, Ai - численные коэффициенты при переменных характеристиках объекта, показывающие вклад соответствующих характеристик в стоимость.

Математическая регрессия позволяет точно рассчитать оптимальные Ai для конкретной базы данных, однако заложенное допущение о линейности вклада каждой характеристики обычно не соответствует реалиям рынка. Аддитивная модель не учитывает взаимосвязи факторов друг с другом, неудовлетворительно описывает пограничные ситуации (к примеру объект с очень большой площадью). Тем не менее, на основе этой модели можно сделать выводы о значимости тех или иных переменных и погрешностях информации. Аддитивная модель обычно используется для предварительного анализа.

Мультипликативная модель имеет вид:

V = B0 Ÿ Y1B1 Ÿ... Ÿ YnBn

где (Y1... Yn) - характеристики объекта недвижимости, Bi - веса переменных характеристик объекта.

Простая мультипликативная модель сводится к аддитивному виду путем логарифмирования, и обладает сходными недостатками. Однако, она позволяет более гибко отразить зависимость (в том числе и нелинейную) стоимости от значений характеристики.

Гибридная модель является комбинацией двух вышеперечисленных видов, например:

V = Z1B1 Ÿ... Ÿ ZnBnŸ (A0 + A 1 Z n+1 +... + Am Zm)

где (Z1... Z n) - характеристики объекта недвижимости, A-Bi - веса и коэффициенты при переменных характеристик объекта.

Такой вид модели позволяет достаточно адекватно отображать основные тенденции рынка. Отсутствие строгой детерминации дает возможность принимать решение о способе включения (аддитивной или мультипликативный) в модель любой характеристики объекта, подбирая оптимальный с точки зрения точности прогноза. Однако такой вид модели значительно затрудняет калибровку коэффициентов. Обычно, здесь используются итеративные методы.

Выбор того или другого вида модели определяется с точки зрения наиболее адекватного отражения реального рынка. Простые модели - аддитивная и мультипликативная могут применяться для описания слаборазвитого рынка, где нет каких либо нелинейных тенденций, они достаточно логичны по своей структуре и устойчивы в том смысле, что отсутствуют сильные выбросы в оценке для нестандартных объектов. Гибридная модель оптимальна для рынка с устоявшимися нелинейными тенденциями и сложными видами зависимости стоимости от факторов.




Поделиться с друзьями:


Дата добавления: 2015-04-24; Просмотров: 542; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.01 сек.