1 / 15

PRIMENA VIŠEPARAMETARSKE REGRESIJE U PROCENI VREDNOSTI NEPOKRETNOSTI

XXVI Sabor geodeta Srbije. PRIMENA VIŠEPARAMETARSKE REGRESIJE U PROCENI VREDNOSTI NEPOKRETNOSTI. Prof. dr Branko Božić , dipl . inž . geod. Dragana Milićević, master inž. geod. dr Marko Pejić, dipl . inž . geod. mr Stevan Marošan , dipl . inž . geod.

elom
Download Presentation

PRIMENA VIŠEPARAMETARSKE REGRESIJE U PROCENI VREDNOSTI NEPOKRETNOSTI

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. XXVI Sabor geodeta Srbije PRIMENA VIŠEPARAMETARSKE REGRESIJE U PROCENI VREDNOSTI NEPOKRETNOSTI Prof.drBranko Božić, dipl.inž. geod. Dragana Milićević, master inž. geod. dr Marko Pejić, dipl.inž. geod. mr Stevan Marošan, dipl.inž. geod. Soko Banja, 31. maj – 2. jun 2013.

  2. SADRŽAJ UVOD MASOVNA PROCENA VREDNOSTI NEPOKRETNOSTI VIŠEPARAMETARSKA REGRESIONA ANALIZA PRIMER ZAKLJUČAK

  3. UVOD Značaj procene vrednosti nepokretnosti. Potreba za procenom vrednosti nepokretnosti. Modeli procene vrednosti nepokretnosti - masovna procena vrednosti nepokretnosti i - pojedinačna procena vrednosti nepokretnosti.

  4. MASOVNA PROCENA VREDNOSTI NEPOKRETNOSTI Kako proceniti vrednost nepokretnosti na naučni način? Sistemi masovne procene vrednosti nepokretnosti su razvijani od 1970-ih godina. Inkorporirane su matematičke i statističke tehnike. Zakon o državnom premeru i katastru (“Sl. Glasnik RS”, broj 72/09). Razvoj modela masovne procene vrednosti nepokretnosti u Srbiji.

  5. MASOVNA PROCENA VREDNOSTI NEPOKRETNOSTI Više definicija masovne procene vrednosti nepokretnosti: Kathmann (1993) definiše masovnu procenu vrednosti nepokretnosti kao “the process of valuing a group of properties for a given date, in a way that provides objectivity, equity and possibility for statistical testing” Smeltzer(1986), objašnjava da procena vrednosti nepokretnosti “process of estimation or giving opinion of property value at a specified date with the relevant data analysis support”

  6. MASOVNA PROCENA VREDNOSTI NEPOKRETNOSTI Masovna procena vrednosti nepokretnosti sastoji se iz 2 koraka: 1. Specifikacija modela Specifikacija modela daje okvir za simulaciju ponude i potražnje. Kreatori modela prilikom njegove specifikacije moraju da uzmu u obzir promenljive, tj. karakteristike nepokretnosti i njihove međusobne odnose. 2. Kalibracija modela Kalibracija modela je postupak kojim se formule, tabele i koeficijenti prilagođavaju uslovima tržišta nepokretnosti.

  7. VIŠEPARAMETARSKA REGRESIONA ANALIZA Fransis Galton, 1855. Matematički model višestruke regresije je: Y – zavisna promenljiva m – broj nezavisnih promenljivih Xi - nezavisne promenljive (i = 1, ..., m) a0, a1, a2 i a3 su nepoznati koeficijenti koje je neophodno odrediti minimizacijom sume kvadrata grešaka e je slučajna greška, koja je normalno distribuirana sa srednjom vrednošću 0 i nepoznatom standardnom devijacijom σ.

  8. PRIMER Nezavisne promenljive uzete za objašnjenje kako se Višeparametarska regresiona analiza može koristiti prilikom procene vrednosti nepokretnosti su: LA – stambena površina GA – površina garaže i Age – starost nepokretnosti MV – zavisna promenljiva, tržišna vrednost nepokretnosti a0, a1, a2 i a3 su nepoznati parametri e je slučajna greška, koja je normalno distribuirana sa srednjom vrednošću 0 i nepoznatom standardnom devijacijom σ.

  9. PRIMER Simulirani model za 10 stanova u ustom stambenom bloku kao i nepokretnost čija se vrednost procenjuje, pri čemu je usvojeno da je vrednost stambene površine 1300 €/m2, vrednost garaže 300 €/m2, a da sa starošću objekta vrednost opada 500 €/god.

  10. PRIMER Regresiona statistika Očekivane vrednosti parametara

  11. PRIMER MV = 137 801 € α = 0.01, f = 7 → t = 3.50

  12. PRIMER Visok stepen korelacije Obratiti pažnju kod izbora težina u modelu

  13. PRIMER Relativne težine između parametara u modelu pokazuju veliki uticaj prvog regresora (površina stambenog prostora) i visok nivo zavisnosti modela povezan sa druge dve promenljive.

  14. ZAKLJUČAK Višestruka regresija omogućava ocenu koeficijenata i težina korišćenjem velikog uzorka (velikog broja realizovanih prodaja). Relevantne promenljive moraju biti međusobno nezavisne (neophodno je voditi računa da se iz modela izoluju visoko linearno zavisne promenljive). Očekivana vrednost greške e je 0. Greške moraju biti nekorelisane, normalno raspoređene i njihova varijansa mora biti konstantna.

  15. HVALA NA PAŽNJI

More Related