УДК 519.86 Теория экономико-математических моделей
В данной статье проведён анализ основных факторов, влияющих на цены на жилую недвижимость в городе Пермь. Для количественной оценки влияния различных характеристик квартир на их рыночную стоимость применяются методы множественной регрессии и дисперсионного анализа. Построены эконометрические модели ценообразования с учётом вертикальной (сегментация рынка по классам жилья) и горизонтальной (территориальной) дифференциации стратификации. Модельные оценки показали, что в элитных сегментах решающее влияние на цену оказывают качественные параметры и размер жилья, тогда как в массовых сегментах значимы компактность квартиры и доступность инфраструктуры. Обоснована логичность ценообразования: различия в ценах в значительной степени соответствуют различиям в характеристиках недвижимости. Результаты исследования могут быть использованы для прогнозирования цен и разработки стратегий сбалансированного развития городской среды.
эконометрическое моделирование, рынок жилья, ценообразование, регрессионный анализ, дисперсионный анализ, сегментация рынка, вертикальная дифференциация, горизонтальная дифференциация, Пермь
1. Data.mendeley.com [Электронный ресурс]. Режим доступа: https://data.mendeley.com/datasets/2rxrnvgfym/1 (дата обращения: 04.06.2024).
2. Буреева Н. Н. Многомерный статистический анализ с использованием ППП “STATISTICA”. – Учебно-методический материал. – Нижний Новгород: ННГУ, 2007. – 112 с.
3. Юденков В. А. Дисперсионный анализ. – Минск: Бизнесофсет, 2013. – 22 с.
4. Эфендиев А. Н. ИСПОЛЬЗОВАНИЕ МЕТОДОВ РЕГРЕССИОННОГО АНАЛИЗА ПРИ ОЦЕНКЕ СТОИМОСТИ КВАРТИР // Научный журнал молодых ученых. 2019. №3 (16). URL: https://cyberleninka.ru/article/n/ispolzovanie-metodov-regressionnogo-analiza-pri-otsenke-stoimosti-kvartir (дата обращения: 20.05.2025).
5. Боченина, М. В. Оценка изменения цен на рынке жилья: гедонический подход / М. В. Боченина // Вестник евразийской науки. — 2022. — Т. 14. — № 3. — URL: https://esj.today/PDF/48ECVN322.pdf
6. Острикова А.Л., Селютин В.В. Инновационные технологии массовой оценки жилой недвижимости // Системный анализ и моделирование экономических и экологических систем. – 2023. – Вып. 8. – С. 147–154.
7. Caudill S. B., Manage N. D., Mixon F. G. Using Co-Ordinate Systems in Hedonic Housing Regressions // Real Estate. 2024. Vol. 10. No. 1. P. 4–15. DOI:https://doi.org/10.3390/realestate1010004.
8. Jaroszewicz J., Horynek H. Aggregated Housing Price Predictions with No Information About Structural Attributes—Hedonic Models: Linear Regression and a Machine Learning Approach // Land.– 2024. – Vol. 13, No. 11. – Article 1881.
9. Keskin B. Multilevel approach to the analysis of housing submarkets // Regional Studies, Regional Science. – 2022. – Vol. 9, No. 1. – pp. 264–279.
