|
6. ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ В МАРКЕТИНГЕ
Пример 1. Используя маркетинговые данные о рынке строящегося жилья в Туле (табл. 1). Требуется оценить ситуацию на рынке, определить стоимость квартир в городе по 8 параметрам и провести эконометрические исследования и прогнозирование динамики рынка.
Таблица 1. Исходные данные о рынке строящегося жилья в г. Туле*
t | X1 | X2 | X3 | X4 | X5 | X6 | X7 | X8 | Y |
№ пп | Число комнат в квартире | Район города | Общая площадь квартиры | Жилая площадь квартиры | Площадь кухни | Тип дома | Наличие балкона | Число месяцев до конца строительства | Цена квартиры |
8,2 | 15,9 | ||||||||
68,4 | 40,5 | 10,7 | |||||||
34,8 | 10,7 | 13,5 | |||||||
8,5 | 15,1 | ||||||||
54,7 | 10,7 | 21,1 | |||||||
74,7 | 46,3 | 10,7 | 28,7 | ||||||
71,7 | 45,9 | 10,7 | 27,2 | ||||||
74,5 | 47,5 | 10,4 | 28,3 | ||||||
137,7 | 87,2 | 14,6 | 52,3 | ||||||
17,7 | |||||||||
31,1 | |||||||||
48,7 | |||||||||
65,8 | |||||||||
62,6 | 31,4 | 31,4 | |||||||
45,3 | 20,6 | 10,4 | 24,7 | ||||||
56,4 | 29,7 | 9,4 | 30,8 | ||||||
17,8 | 8,3 | 15,9 | |||||||
67,5 | 43,5 | 8,3 | |||||||
17,8 | 8,3 | 15,4 | |||||||
42,4 | 8,3 | 28,6 | |||||||
8,3 | 15,6 | ||||||||
69,1 | 41,3 | 8,3 | 27,7 | ||||||
68,1 | 35,4 | 34,1 | |||||||
75,3 | 41,4 | 12,1 | 37,7 | ||||||
83,7 | 48,5 | 12,1 | 41,9 |
* - принятые обозначения: Y – цена квартиры, тыс. долл.; X1 – число комнат в квартире; X2 – район города (1 – Зареченский, Пролетарский, 2 - Центральный, 3 - Советский, 4 - Привокзальный); X3 – общая площадь квартиры (м ); Х4 – жилая площадь квартиры (м ); Х5 – площадь кухни (м ); Х6 – тип дома(1 – кирпичный, 0 – другой); Х7 – наличие лоджии (1 – есть, 0 – нет); Х8 – число месяцев до окончания срока строительства (данные даны на январь 200Х г.).
Решение. Задача предусматривает выполнение следующих операций.
1. Введение фиктивной переменной Z, отражающей местоположение квартиры с разделением квартир на группы: север города - Зареченский, Пролетарский районы, юг города - Центральный, Советский, Привокзальный.
2. Построение: а) матрицы парных коэффициентов множественной корреляции исходных переменных; б) линейного уравнения множественной регрессии, отображающего зависимость цены квартиры от всех факторов; в) установление мультиколлинеарности факторов; г) линейной модели множественной регрессии .
3. Исследование значимого влияния факторов на формирование цены квартиры по этой модели. Оценка статистической значимости регрессионной модели и ее параметров по F-критерию Фишера и t-критерию Стьюдента. Оценка качества уравнения регрессии по коэффициенту детерминации R2.
Введем фиктивную переменную Z, отражающую месторасположение квартир: 1 на севере и 0 – на юге города (табл. 2).
Рассчитаем матрицу парных коэффициентов корреляции (табл. 3).
Таблица 2. Исходные данные задачи с введением фиктивной переменной
Y | X1 | Z | X3 | X4 | X5 | X6 | X7 | X8 |
Цена квартиры | Число комнат в квартире | Местоположение | Общая площадь квартиры | Жилая площадь | Площадь кухни | Тип дома | Наличие балкона | Число месяцев до конца строительства |
15,9 | 8,2 | |||||||
68,4 | 40,5 | 10,7 | ||||||
13,5 | 34,8 | 10,7 | ||||||
15,1 | 8,5 | |||||||
21,1 | 54,7 | 10,7 | ||||||
28,7 | 74,7 | 46,3 | 10,7 | |||||
27,2 | 71,7 | 45,9 | 10,7 | |||||
28,3 | 74,5 | 47,5 | 10,4 | |||||
52,3 | 137,7 | 87,2 | 14,6 | |||||
17,7 | ||||||||
31,1 | ||||||||
48,7 | ||||||||
65,8 | ||||||||
31,4 | 62,6 | 21,4 | ||||||
24,7 | 45,3 | 20,6 | 10,4 | |||||
30,8 | 56,4 | 29,7 | 9,4 | |||||
15,9 | 17,8 | 8,3 | ||||||
67,5 | 43,5 | 8,3 | ||||||
15,4 | 17,8 | 8,3 | ||||||
28,6 | 42,4 | 8,3 | ||||||
15,6 | 8,3 | |||||||
27,7 | 69,1 | 41,3 | 8,3 | |||||
34,1 | 68,1 | 35,4 | ||||||
37,7 | 75,3 | 41,4 | 12,1 | |||||
41,9 | 83,7 | 48,5 | 12,1 |
Таблица 3. Матрица коэффициентов парной корреляции
Параметры жилого дома | Y - цена квартиры | Х1 -число комнат в квартире | Х2 -месторасположение квартиры | Х3 -общая площадь квартиры | Х4 -жилая площадь квартиры | Х5 - площадь кухни | Х6 - тип дома | Х 7 -наличие лоджии | Х 8 – конец строительства |
Y -цена квартиры |
|
|
|
|
|
|
|
| |
X1 - число комнат в квартире | 0,800871 |
|
|
|
|
|
|
| |
X2 -местоположение квартиры | -0,12831 | 0,049029 |
|
|
|
|
|
| |
X3 -общая площадь квартиры | 0,912171 | 0,898486 | 0,048271 |
|
|
|
|
| |
X4 - жилая площадь квартиры | 0,849512 | 0,926178 | 0,09296 | 0,974632 |
|
|
|
| |
X5 -площадь кухни | 0,793012 | 0,498678 | 0,211039 | 0,716649 | 0,624181 |
|
|
| |
X6 - тип дома | 0,498272 | -9,3E-18 | -0,29417 | 0,12537 | 0,012129 | 0,507427 |
|
| |
X 7 -наличие лоджии | 0,163591 | -0,05025 | -0,13797 | 0,019755 | -0,04432 | 0,126616 | 0,3015 |
| |
Х 8 - конец строительства | 0,196145 | -0,09966 | -0,06865 | 0,018957 | -0,02737 | 0,421462 | 0,5251 | 0,3562 |
Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная Y, т.е. цена квартиры, имеет тесную связь с общей площадью квартиры (), с жилой площадью квартиры () и с числом комнат в квартире (). Факторы Х3 и Х4 (), Х1 и Х3 (), Х1 и Х4 () тесно взаимосвязаны, что свидетельствует о наличии явления мультиколлинеарности.
Приведем показатели регрессионной статистики (табл. 4), дисперсионного анализа (табл. 5, 6).
Таблица 4. Показатели регрессионной статистики
Множественный R | 0,995434 |
R-квадрат | 0,990889 |
Нормированный R-квадрат | 0,986333 |
Стандартная ошибка | 1,275567 |
Наблюдения |
Таблица 5. Показатели дисперсионного анализа
df | SS | MS | F | Значимость F | |
Регрессия | 2831,184 | 353,8981 | 217,5062 | 7,65E-15 | |
Остаток | 26,03314 | 1,627071 |
|
| |
Итого | 2857,218 |
|
|
|
Таблица 6. Показатели дисперсионного анализа
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | Нижние 95,0% | Верхние 95,0% | |
Y-пересечение | -3,02105 | 2,368654 | -1,27543 | 0,220365 | -8,04237 | 2,00027 | -8,04237 | 2,00027 |
Х1 - число комнат в квартире | 1,654077 | 0,744035 | 2,223117 | 0,040965 | 0,076793 | 3,23136 | 0,076793 | 3,23136 |
Местоположение квартиры | -1,71762 | 0,703983 | -2,43985 | 0,026709 | -3,20999 | -0,22524 | -3,20999 | -0,22524 |
Общая площадь квартиры | 0,270834 | 0,077015 | 3,516629 | 0,002861 | 0,107569 | 0,434099 | 0,107569 | 0,434099 |
Жилая площадь квартиры | 0,05512 | 0,095638 | 0,576333 | 0,572409 | -0,14762 | 0,257864 | -0,14762 | 0,257864 |
Площадь кухни | 0,521767 | 0,387771 | 1,345554 | 0,197206 | -0,30027 | 1,343804 | -0,30027 | 1,343804 |
Тип дома | 7,992526 | 0,858178 | 9,313366 | 7,32E-08 | 6,17327 | 9,811781 | 6,17327 | 9,811781 |
Наличие балкона | 1,599996 | 0,887023 | 1,803781 | 0,090126 | -0,28041 | 3,4804 | -0,28041 | 3,4804 |
Число месяцев до конца строительства | -0,08113 | 0,053939 | -1,50405 | 0,15205 | -0,19547 | 0,033218 | -0,19547 | 0,033218 |
Приведем остаточную последовательность (табл. 7).
Таблица 7. Вывод остатка
Наблюдение | Предсказанная цена квартиры | Остатки |
14,45882 | 1,441178 | |
28,16387 | -1,16387 | |
13,43173 | 0,068266 | |
13,64183 | 1,458171 | |
21,13685 | -0,03685 | |
29,2163 | -0,5163 | |
27,75527 | -0,55527 | |
28,44527 | -0,14527 | |
53,19574 | -0,89574 | |
23,40734 | -1,40734 | |
28,7991 | -0,7991 | |
42,44788 | 2,552124 | |
49,49036 | 1,509643 | |
33,75284 | 0,647157 | |
26,40716 | -1,70716 | |
31,04732 | -0,24732 | |
15,56568 | 0,334317 | |
28,55085 | 0,449146 | |
15,3223 | 0,077698 | |
28,65309 | -0,05309 | |
14,89945 | 0,700547 | |
28,86293 | -1,16293 | |
35,4351 | -1,3351 | |
37,24623 | 0,453765 | |
41,56667 | 0,333332 |
По табл. 6 построим уравнение регрессии, характеризующее зависимость цены от всех факторов, которое имеет вид:
Построим линейную модель вида по данным табл. 8-11. Y = -0,1539+0,402474 +7,740305 +1,100906 -0,04256 -1,68944 .
Проверим, статистическую значимость влияния на цену квартиры площади квартиры и типа дома.
Таблица 8. Исходные данные по рынку жилья
Y | X3 | X6 | X7 | X8 | Z |
Цена квартиры | Общая площадь квартиры | Тип дома | Наличие балкона | Число месяцев до конца строительства | Местоположение квартиры |
15,9 | |||||
68,4 | |||||
13,5 | 34,8 | ||||
15,1 | |||||
21,1 | 54,7 | ||||
28,7 | 74,7 | ||||
27,2 | 71,7 | ||||
28,3 | 74,5 | ||||
52,3 | 137,7 | ||||
34,4 | 62,6 | ||||
24,7 | 45,3 | ||||
30,8 | 56,4 | ||||
15,9 | |||||
67,5 | |||||
15,4 | |||||
28,6 | |||||
15,6 | |||||
27,7 | 69,1 | ||||
34,1 | 68,1 | ||||
37,7 | 75,3 | ||||
41,9 | 83,7 |
|
|
|
|
|
Таблица 9. Данные дисперсионного анализа
df | SS | MS | F | Значимость F | |
Регрессия | 2823,955 | 564,791 | 322,6178 | 1,11E-17 | |
Остаток | 33,26236 | 1,75065 |
|
| |
Итого | 2857,218 |
|
|
|
Таблица 10. Данные проверки значимости уравнения регрессии
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | Нижние 95,0% | Верхние 95,0% | |
Y-пересечение | -0,1539 | 1,110221 | -0,13862 | 0,891206 | -2,47762 | 2,169817 | -2,47762 | 2,169817 |
Общая площадь квартиры | 0,402474 | 0,011638 | 34,58314 | 1,27E-18 | 0,378115 | 0,426832 | 0,378115 | 0,426832 |
Тип дома | 7,740305 | 0,75706 | 10,22416 | 3,68E-09 | 6,155759 | 9,32485 | 6,155759 | 9,32485 |
Наличие балкона | 1,100906 | 0,886922 | 1,241266 | 0,229614 | -0,75544 | 2,957254 | -0,75544 | 2,957254 |
Число месяцев до конца строительства | -0,04256 | 0,049212 | -0,86493 | 0,397865 | -0,14557 | 0,060437 | -0,14557 | 0,060437 |
Местоположение квартиры | -1,68944 | 0,645432 | -2,61754 | 0,016939 | -3,04035 | -0,33854 | -3,04035 | -0,33854 |
Таблица 11. Данные остатков упрощенной модели
Наблюдение | Предсказанная цена квартиры | Остатки |
14,95403 | 0,945966 | |
26,78676 | 0,213241 | |
12,75287 | 0,747134 | |
14,44325 | 0,656745 | |
20,76209 | 0,337909 | |
28,81156 | -0,11156 | |
27,01402 | 0,185984 | |
28,14094 | 0,159058 | |
54,67818 | -2,37818 | |
22,75629 | -0,75629 | |
29,67789 | -1,67789 | |
42,95952 | 2,040479 | |
47,7892 | 3,210796 | |
33,88216 | 0,517843 | |
26,57884 | -1,87884 | |
31,0463 | -0,2463 | |
15,83853 | 0,061473 | |
28,11397 | 0,886027 | |
15,71083 | -0,31083 | |
28,58999 | 0,010011 | |
15,94504 | -0,34504 | |
28,75793 | -1,05793 | |
35,24446 | -1,14446 | |
38,14227 | -0,44227 | |
41,52305 | 0,376947 |
Дата добавления: 2015-11-04; просмотров: 29 | Нарушение авторских прав
<== предыдущая лекция | | | следующая лекция ==> |