Staże Ośrodka RENOWATOR

Podobne dokumenty
Pokój z widokiem: hedoniczne modele cen mieszkań. dr hab. Emilia Tomczyk Instytut Ekonometrii SGH

ANALIZA STAWEK CZYSZNU LOKALI UŻYTKOWYCH W POZNANIU W II POŁOWIE 2008R.

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Analiza rynku lokali mieszkalnych w Warszawie. jesień 2014

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka

Statystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35

Wprowadzenie do analizy korelacji i regresji

PDF created with FinePrint pdffactory Pro trial version

Próba własności i parametry

ANALIZA WYNIKÓW EGZAMINU MATURALNEGO Z INFORMATYKI /przedmiot dodatkowy/

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ

MAJ 2008 RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI

Program wycena masowa -OPARTA O METODĘ NAJWIĘKSZEJ ZALEŻNOŚCI PROF. Z. ADAMCZEWSKIEGO-

Analiza współzależności zjawisk

1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Rynek mieszkaniowy - Warszawa

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

MODELE LINIOWE. Dr Wioleta Drobik

STYCZEŃ 2009 RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI

-materiały reklamowe- PROGRAM WYCENA NIERUCHOMOŚCI W PODEJŚCIU PORÓWNAWCZYM METODAMI NUMERYCZNYMI

Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś

Rozdział 8. Regresja. Definiowanie modelu

LISTOPAD 2008 RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Statystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38

Typowe błędy w analizie rynku nieruchomości przy uŝyciu metod statystycznych

XIX. XIX. ANALIZA WYNIKÓW EGZAMINU MATURALNEGO Z INFORMATYKI W 2013 R. /PRZEDMIOT DODATKOWY/ w w w. o k e. w a w. p l

Wycena nieruchomości w podejściu porównawczym - complex. Materiały reklamowe ZAWAM-Marek Zawadzki

MARZEC 2008 RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

RYNEK MIESZKANIOWY WARSZAWA IV KWARTAŁ 2018

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

UCHWAŁA Nr LXXI/2228/2010 RADY MIASTA STOŁECZNEGO WARSZAWY. z dnia 28 stycznia 2010 r.

Analiza wpływu zmian poziomu wody gruntowej na stabilność anteny stacji permanentnej Wrocław

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

AMBITNYCH RZECZOZNAWCÓW

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Podstawy statystyki - ćwiczenia r.

DARMOWY SERWIS NIERUCHOMOŚCI MIESZKANIA, POKOJE, STANCJE DO WYNAJĘCIA

Wprowadzenie do analizy dyskryminacyjnej

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

POLITECHNIKA OPOLSKA

Sterowanie procesem i jego zdolność. Zbigniew Wiśniewski

Przedmiot statystyki. Graficzne przedstawienie danych.

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy

Wykład 2: Tworzenie danych

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90

You created this PDF from an application that is not licensed to print to novapdf printer (

Analiza Współzależności

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy

ANALIZA WYNIKÓW EGZAMINU MATURALNEGO Z MATEMATYKI /przedmiot dodatkowy/

ANALIZA REGRESJI SPSS

REGRESJA (postać liniowa funkcji) - ROZWIĄZANIA Komentarze kursywą, rozwiązania oraz treści zadań pismem prostym.

LUTY 2008 RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI RYNEK WTÓRNY I RYNEK NAJMU MIESZKAŃ W WYBRANYCH MIASTACH POLSKI

Analizy wariancji ANOVA (analysis of variance)

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku

RYNEK PIERWOTNY LOKALI MIESZKALNYCH W CENTRUM POZNANIA W OKRESIE

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład Przedmiot statystyki

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Analiza składowych głównych. Wprowadzenie

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Wykład 7. Opis współzaleŝności zjawisk. 1. Wprowadzenie.

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33

Statystyki opisowe i szeregi rozdzielcze

Statystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

Z-ZIPN1-004 Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki Niestacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Z-LOGN1-006 Statystyka Statistics

Statystyczne metody analizy danych. Agnieszka Nowak - Brzezińska

Przedmiot statystyki. Graficzne przedstawienie danych.

Rynek mieszkaniowy - Wrocław

RENOWATOR. Staże Ośrodka RENOWATOR

Statystyka. Wykład 6. Magdalena Alama-Bućko. 9 kwietnia Magdalena Alama-Bućko Statystyka 9 kwietnia / 36

MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY

Porównywalne między latami wyniki sprawdzianu

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy

ANALIZA WYNIKÓW EGZAMINU MATURALNEGO Z MATEMATYKI /przedmiot obowiązkowy/

Wykład 5: Statystyki opisowe (część 2)

AMBITNYCH RZECZOZNAWCÓW

Analiza statystyczna trudności tekstu

XIII PODLASKIE FORUM GIS Rok mapy zderzenie tradycji z przyszłością Supraśl 2016

Zaawansowana eksploracja danych - sprawozdanie nr 1 Rafał Kwiatkowski 89777, Poznań

Statystyka. Wykład 7. Magdalena Alama-Bućko. 3 kwietnia Magdalena Alama-Bućko Statystyka 3 kwietnia / 36

Transkrypt:

Staże Ośrodka RENOWATOR

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

W listopadzie 26r 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: 1. mieszkania 1 2 pokojowe 2. mieszkania powyżej 4 pokoi 3. 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 25 zł Częstość 4 35 3 25 2 15 Mieszkania 1-2 pokojowe (Bielany,Bemowo,Żoliborz,Wola) 12 31 3 31 35 2 Średnia 8176,92635 Mediana 877 Odchylenie standardowe 1365,65266 1 8 8 5 25 3 35 3 4 45 5 55 1 6 65 7 75 cena za m 2 8 85 9 95 1 15 3 1 3 11 115 12 125 1 Więcej 2

Zróżnicowanie cen dla mieszkań 1 2 pokojowych według dzielnic 14 12 1 8 6 4 2 Bemowo 9 8 8 5 6 3 4 2 1 25 35 45 55 65 75 85 95 15 115 125 cena za m2 14 12 1 8 6 4 2 Bielany 9 1 6 4 3 1 1 1 1 1 1 25 35 45 55 65 75 85 95 15 115 125 14 12 1 8 6 4 2 Wola 13 11 9 8 3 1 8 3 2 2 1 14 12 1 8 6 4 2 cena za m2 Żoliborz 8 7 4 4 3 2 1 1 1 13 25 35 45 55 65 75 85 95 15 115 125 25 35 45 55 65 75 85 95 15 115 125 cena za m2 cena za m 2

Statystyki dla mieszkań 1 2 pokojowych Bemowo Bielany Wola Żoliborz Średnia 753,869565 7848,42153 8481,5 8742,68182 Odchylenie standardowe 133,817837 129,2244 1151,8 146,61267

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

45 4 35 3 25 2 15 1 5 Mieszkania cztero- i więcej- pokojowe: Cena za m²: od 4 936,5 do 24 137,93 1 14 28 Mieszkania 4 pokojowe i powyżej (Bielany,Bemowo,Żoliborz,Wola) 42 15 19 6 2 Średnia 7984,256846 Mediana 7441,44 Odchylenie standardowe 247,25188 1 1 1 4 6 8 1 12 14 16 18 2 22 24

Porównanie średniej ceny m 2 dla mieszkań co najmniej 4 pokojowych Bemowo Bielany Wola Żoliborz Średnia 7 534,6 732,48 821,498 8229,319688 Odchylenie standardowe 1 25,63 855,12 1696,42 179,29837

Zróżnicowanie cen mieszkań w określonych lokalizacjach o co najmniej 4 pokojach Bemowo Bielany 25 25 23 2 2 15 15 1 5 5 3 7 8 1 9 5 4 11 13 15 17 Średnia cena za 1 m 2 19 21 23 Więcej 1 5 5 1 5 5 7 9 1 11 13 15 Średnia cena za 1 m 2 17 19 21 23 Więcej Wola Żoliborz 25 25 2 2 15 1 5 2 1 3 6 5 3 1 5 7 9 11 13 15 17 19 21 23 Więcej Średnia cena za 1 m 2 15 1 5 4 5 6 3 1 3 1 1 1 5 7 9 11 13 15 17 19 21 23 Więcej Średnia cena za 1 m 2 1

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 powierzchnia domu 1 powierzchnia działki,1318649 1 cena PLN,74871298,3453828 1 Jak widać w przypadku pary zmiennych (powierzchnia domu, cena PLN) współczynnik korelacji wynosi,75 co pozwala stwierdzić silną zależność liniową pomiędzy tymi zmiennymi.

Umowna ocena siły związku korelacyjnego r siła związku korelacyjnego. -.2 brak.2 -.4 słaba.4 -.7 średnia.7 -.9 silna.9-1. bardzo silna

Wykres rozrzutu dla modelu zależności ceny domu (y) od jego powierzchni (x) dla całej próby 2 5 2 cena 1 5 1 y = 256,2x + 233599 R 2 =,4968 5 1 2 3 4 5 6 7 8 9 1 powierzchnia domu

Analogiczny model prostej regresji dla wszystkich poszczególnych lokalizacji 2 5 Izabelin 2 5 Łomianki cena 2 1 5 1 y = 3268,6x + 196411 R 2 =,3819 cena 2 1 5 1 5 5 y = 2465,9x + 23199 R 2 =,5759 1 2 3 4 5 6 7 8 9 1 1 2 3 4 5 6 7 8 9 1 powierzchnia mieszkania Stare Babice powierzchnia mieszkania Nowy Dwór Mazowiecki cena 2 5 2 1 5 1 y = 872,85x + 612485 R 2 =,218 cena 2 5 2 1 5 1 y = 4255,1x - 196745 R 2 =,4993 5 5 1 2 3 4 5 6 7 8 9 1 powierzchnia mieszkania 1 2 3 4 5 6 7 8 9 1 powierzchnia mieszkania

Model prostej regresji we wszystkich lokalizacjach po usunięciu obserwacji odstającej w Nowym Dworze Mazowieckim Izabelin Łomianki 2 5 2 5 cena 2 1 5 1 y = 3268,6x + 196411 R 2 =,3819 cena 2 1 5 1 5 5 y = 2465,9x + 23199 R 2 =,5759 1 2 3 4 5 6 7 8 9 1 Stare Babice powierzchnia mieszkania 1 2 3 4 5 6 7 8 9 1 Nowy powierzchnia Dwór Mazowiecki mieszkania 2 5 2 5 cena 2 1 5 1 5 y = 872,85x + 612485 R 2 =,218 cena 2 1 5 1 5 y = 453,31x + 32723 R 2 =,613 1 2 3 4 5 6 7 8 9 1 powierzchnia mieszkania 1 2 3 4 5 6 7 8 9 1 powierzchnia domu

Wartości współczynnika determinacji R2 współczynnik determinacji określa, w jakim stopniu zmiany jednej cechy są wyjaśniane przez zmiany drugiej cechy. R 2,7,6,5,5759,4993,4,3819,3,2,218,1 Łomianki Nowy Dwór Mazowiecki Stare Babice Izabelin

Współczynniki dla modelu regresji uwzględniającego zarówno powierzchnię domu (x1), jak i działki (x2): y=ax1+bx2+c a b c r2 Izabelin 3 167,583 449,351-34 959,521,5649 Łomianki 2 429,3283 31,826 211 531,3421,5911 Nowy Dwór 579,737 66,6135 247 769,7141,9387 Stare Babice 882,1159-36,7193 649 88,326,2538

Współczynnik determinacji dla modelu y=ax1+bx2+c R 2 1,,9387,8,6,5649,5911,4,2,,2538 Izabelin Łomianki Now y Dw ór Stare Babice

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;57> a dla powierzchni działki <;3> 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.