Staże Ośrodka RENOWATOR.

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Excel Narzędzia do analizy regresji
KORELACJA I REGRESJA WIELOWYMIAROWA
Test zgodności c2.
BADANIE KORELACJI ZMIENNYCH
Statystyka w analizie rynku i wycenie nieruchomości (cz.1)
Krzywe kalibracyjne Anna Kolczyk gr. B2.
Analiza współzależności zjawisk
Analiza wariancji jednoczynnikowa
BUDOWA MODELU EKONOMETRYCZNEGO
Badania operacyjne. Wykład 2
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Analiza współzależności
Dane dotyczące sprzedaży wody mineralnej
Analiza współzależności
1 Dane dotyczące sprzedaży wody mineralnej Tygodnie Ilość sprzedanej wody mineralnej Y (litrów) Cena jednego litra X (płn.) 1101,3 262,0 351,7 4121,5 5101,6.
Metody ekonometryczne
Statystyka w doświadczalnictwie
Statystyka w doświadczalnictwie
Dzisiaj na wykładzie Regresja wieloraka – podstawy i założenia
Wykład 14 Liniowa regresja
Staże Ośrodka RENOWATOR.
RENOWATOR Staże Ośrodka RENOWATOR. 2 Anna Pfützner-Kopcińska Analiza danych o jednostkach samorządu terytorialnego z poziomu gmin w celu identyfikacji.
Korelacje, regresja liniowa
ANALIZA KORELACJI LINIOWEJ PEARSONA / REGRESJA LINIOWA
Analiza współzależności dwóch zjawisk
Wykład 4. Rozkłady teoretyczne
Seminarium 2 Krzywe kalibracyjne – rodzaje, wyznaczanie, obliczanie wyników Równanie regresji liniowej Współczynnik korelacji.
Testowanie hipotez statystycznych
Analiza współzależności cech statystycznych
dr hab. Ryszard Walkowiak prof. nadzw.
Rozkłady wywodzące się z rozkładu normalnego standardowego
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Analiza wariancji jednoczynnikowa.
Barbara Bobrowicz Konferencja: Praca zawodowa a obowiązki rodzinne
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Szereg czasowy – czy trend jest liniowy?
Zagadnienia regresji i korelacji
Kilka wybranych uzupelnień
Metody badawcze wykorzystywane w analizach – ĆW 2
Podstawy statystyki, cz. II
Planowanie badań i analiza wyników
Ekonometria stosowana
Regresja wieloraka.
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Narzędzia.
1 D. Ciołek Analiza danych przekrojowo-czasowych – wykład 7 Analiza danych przekrojowo-czasowych Wykład 7: Testowanie integracji dla danych panelowych.
Statystyczna analiza danych
Statystyczna analiza danych
Korelacje dwóch zmiennych. Korelacje Kowariancja.
STATYSTYKA – kurs podstawowy wykład 9 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Próba zastosowania metody Lowry’ego do oznaczania białka w sokach surowych dr Bożena Wnuk.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
Szacowanie wartości rynkowej nieruchomości: podejście porównawcze
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
Rodzaje zmian zachodzących w otoczeniu przedsiębiorstwa:
KORELACJA I REGRESJA WIELOWYMIAROWA
Regresja wieloraka – służy do ilościowego ujęcia związków między wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą) Regresja.
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Model ekonometryczny z dwiema zmiennymi
Analiza współzależności zjawisk
KORELACJA WIELOKROTNA I CZĄSTKOWA
Analiza kanoniczna - stanowi uogólnienie liniowej regresji wielorakiej na dwa zbiory zmiennych tzn. dla zmiennych zależnych i niezależnych. Pozwala badać.
Korelacja i regresja liniowa
Zapis prezentacji:

Staże Ośrodka RENOWATOR

Badanie zależności ceny nieruchomości od położenia i innych cech Analiza Beata Kalinowska-Rybka

W listopadzie 2006r zbierałam informacje dotyczące nieruchomości, o następującej postaci: dzielnica ulica liczba pokoi powierzchnia piętro cena PLN cena za m²

Cel badania: Sprawdzenie na dostępnych danych prawdziwości przeświadczenia o zróżnicowaniu cen w zależności od położenia Analiza wielkości tego zróżnicowania Porównanie zróżnicowania między zgrubnie wyznaczonymi lokalizacjami (np. dzielnica) ze zróżnicowaniem wewnątrz tak określonych lokalizacji Analiza innych potencjalnych zależności ważnych dla cen nieruchomości

W analizie wykorzystałam następujące serwisy internetowe: http://mls.oferty.net/ mls.oferty.net to nowoczesny system bazodanowy, zintegrowany z internetem, główne cechy : łatwość zamieszczania ofert, zaawansowane wyszukiwanie i stała aktualizacja danych http://szybko.pl/ (BEZPŁATNIE publikowane w Dobrze Mieszkaj - środowych dodatkach dziennika Metropol )

Analizowałam trzy rodzaje nieruchomości - grupy ofert: mieszkania 1-2 pokojowe mieszkania powyżej 4 pokoi domy

Rozpatrywane lokalizacje : Dla mieszkań: Bemowo Bielany Wola Żoliborz Nie analizowałam Śródmieścia bo ono „sztucznie zawyża” ceny Dla domów: Izabelin Łomianki Stare Babice Nowy Dwór Mazowiecki

Mieszkania 1-2 pokojowe, cała próba: cena za m²: od 2 554 do 13 250 zł Średnia 8176,920635 Mediana 8077 Odchylenie standardowe 1365,652606

Zróżnicowanie cen dla mieszkań 1-2 pokojowych według dzielnic

Statystyki dla mieszkań 1-2 pokojowych   Bemowo Bielany Wola Żoliborz Średnia 7503,869565 7848,421053 8481,5 8742,068182 Odchylenie standardowe 1330,817837 1290,224004 1151,8 1406,612067

Statystyki dostępne na www.szybko .pl

Statystyki dla dzielnicy Bemowo - źródło oferty.net

Statystyki dla dzielnicy Bielany- źródło oferty.net

Statystyki dla dzielnicy Wola- źródło oferty.net

Statystyki dla dzielnicy Żoliborz - źródło oferty.net

Mieszkania cztero- i więcej- pokojowe: Cena za m²: od 4 936,50 do 24 137,93 Średnia 7984,256846 Mediana 7441,44 Odchylenie standardowe 2470,250188

Porównanie średniej ceny m2 dla mieszkań co najmniej 4 pokojowych   Bemowo Bielany Wola Żoliborz Średnia 7 534,60 7032,48 8021,498 8229,319688 Odchylenie standardowe 1 250,63 855,12 1696,42 1709,209837

Zróżnicowanie cen mieszkań w określonych lokalizacjach o co najmniej 4 pokojach

Korelacja model ceny na przykładzie domów Jak silna jest zależność ceny i powierzchni domu, ceny domu i powierzchni działki ? Najpierw zatem zajęłam się analizą dotyczącą siły powiązań między zmiennymi – uzyskany współczynnik korelacji powie nam coś o zależności

Wyniki   powierzchnia domu powierzchnia działki   cena PLN  1 powierzchnia działki 0,103018649 0,704871298 0,304530828 Jak widać w przypadku pary zmiennych (powierzchnia domu , cena PLN) współczynnik korelacji wynosi 0,705 co pozwala stwierdzić silną zależność liniową pomiędzy tymi zmiennymi .

Umowna ocena siły związku korelacyjnego siła związku korelacyjnego 0.0 - 0.2 brak 0.2 - 0.4 słaba 0.4 - 0.7 średnia 0.7 - 0.9 silna 0.9 - 1.0 bardzo silna

Wykres rozrzutu dla modelu zależności ceny domu (y) od jego powierzchni (x) dla całej próby

Analogiczny model prostej regresji dla wszystkich poszczególnych lokalizacji

Model prostej regresji we wszystkich lokalizacjach po usunięciu obserwacji odstającej w Nowym Dworze Mazowieckim

Wartości współczynnika determinacji R2 współczynnik determinacji określa , w jakim stopniu zmiany jednej cechy są wyjaśniane przez zmiany drugiej cechy.

Współczynniki dla modelu regresji uwzględniającego zarówno powierzchnię domu (x1), jak i działki (x2): y=ax1+bx2+c   a b c r2 Izabelin 3 167,5803 449,3051 -304 959,0521 0,5649 Łomianki 2 429,3283 31,0826 211 531,3421 0,5911 Nowy Dwór 579,7037 66,6135 247 769,7141 0,9387 Stare Babice 882,1159 -36,7193 649 088,0326 0,2538

Współczynnik determinacji dla modelu y=ax1+bx2+c

Wnioski Jak widać zarówno powierzchnia domu jak i wielkość działki wpływają na cenę Należy pamiętać o ograniczeniach przy wykorzystywaniu tego modelu regresji do wyceny wartości domu , zakres wartości zmiennych objaśniających wynosi dla powierzchni domu <53;570> a dla powierzchni działki <0;3000> Dla wartości spoza przedziału powinniśmy podchodzić bardzo ostrożnie Niezależnie od tego, modele, nawet dobrze uwarunkowane, pokazują w zasadzie głównie ogólny charakter zależności, a nie jej precyzyjną postać

Udało się zatem, na podstawie powszechnie dostępnych danych, wykazać wielkość („siłę”) pewnych zależności, w tym: - od lokalizacji - od wielkości domu / działki. Wnioski liczbowe i jakościowe mogą służyć do dalszych, dokładniejszych analiz rynku nieruchomości. Dziękuję za uwagę.