1 / 39

Množično vrednotenje nepremičnin

Množično vrednotenje nepremičnin. II Množično vrednotenje nepremičnin. II -3 Umerjanje modelov množičnega vrednotenja. Umerjanje modela. Umerjanje modela pri množičnem vrednotenju nepremičnin je postopek določevanja koeficientov modela in posodabljanja le teh.

devin-orr
Télécharger la présentation

Množično vrednotenje nepremičnin

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. Množično vrednotenje nepremičnin II Množično vrednotenje nepremičnin II-3 Umerjanje modelov množičnega vrednotenja

  2. Umerjanje modela • Umerjanje modela pri množičnem vrednotenju nepremičnin je postopek določevanja koeficientov modela in posodabljanja le teh. • Postopek umerjanja modela je odvisen predvsem od načina vrednotenja: • stroškovni način; • dohodkovni način; • način primerljivih prodaj.

  3. Umerjanje stroškovnega modela • Splošen stroškovni model: • TV = Vzem + Vobj • TV tržna vrednost • Vzem vrednost zemljišča • Vobj vrednost objekta • je hibridni model: • Fkakov – zmnožek splošnih kakovostnih faktorjev • Fkakov,obj – zmnožek kakovostnih faktorjev za objekt • Fkakov,obj – vsota aditivnih komponent za objekt • Fkakov,zem – zmnožek kakovostnih faktorjev za zemljišče • Fkakov,zem – vsota aditivnih komponent za zemljišče • Fadit – vsota ostalih aditivnih komponent

  4. Stroškovni model - umerjanje • Umerjanje stroškovnega modela - postopek: • določitev stroškov novo gradnje nadomestne nepremičnine: • primerjalna metoda – stroški izgradnje za enoto površine primerljive nepremičnine; • metoda ocene stroškov posameznih enot (temelji, zidovi, streha, ogrevanje …); • metoda ocene posameznih stroškov gradnje; • prilagoditev stroškov izgradnje nepremičnine. • ocena amortizacije (zmanjšana vrednost), • določitev vrednosti zemljišča in • umerjanje s splošnimi faktorji kakovosti.

  5. Stroškovni model - umerjanje • Ocena amortizacije (zmanjšana vrednost zaradi staranja): • razlika med stroški novogradnje in tržno vrednostjo objekta; • določi se na osnovi analize trga - za posamezno vrsto objekta in lokacijo se določi: • efektivna starost objekta ter • stopnjo zmanjšanja vrednosti glede na starost objekta.

  6. Stroškovni model - umerjanje • Prilagoditev ocenjene vrednosti nepremičnine tržni: • analiza razmerij (angl. ratiostudy); • regresijska analiza več spremenljivk ali multipla regresijska analiza (angl. multiple regressionanalyses). • Po stroškovnem modelu je prodajna cena nepremičnine enaka: • Cnep = b1Vzem + b2Vobj • b1 in b2 – koeficienta • Cnep– transakcijska vrednost nepremičnine, cena

  7. Umerjanje dohodkovnega modela • Različni matematični modeli se lahko uporabijo za oceno bruto ali neto dohodka nepremičnine – uporabljajo se predvsem dve metodi: • metoda mnogokratnikov bruto donosa in metoda kapitalizacije: • razslojevanje (oblikovanje skupin nepremičnin glede na primerljive lastnosti nepremičnine); • regresijska analiza več spremenljivk ali multipla regresijska analiza (omogoča boljše upoštevanje podatkov trga kot stratifikacija); • Zelo pogosto se uporablja postopna regresijska analiza, ki omogoča izločevanje nepotrebnih ali neznačilnih spremenljivk. • (2)metoda regresijske analize več spremenljivk ali multipla regresijska analiza (donos je določen kot funkcija vrste objekta, efektivne starosti, lokacije, drugih lastnosti nepremičnine).

  8. Umerjanje modela primerljivih prodaj • Model za določitev posplošene tržne vrednosti nepremičnin temelji na matematični enačbi, ki ocenjeno tržno vrednost določi na osnovi lastnosti nepremičnine neposredno s podatkov nepremičninskega trga: • analiza nepremičninskega trga je pri množičnem vrednotenju “množična”; • modeli so lahko aditivni, multiplikativniinhibridni. • modeli temeljijo na teoriji ocenjevanja tržne vrednosti in morajo odražati lokalne lastnosti nepremičninskega trga; • modeli omogočajo relativno preprosto letno preverjanje in umerjanje!

  9. Modeli primerljivih prodaj • Zanesljivost modelov je odvisna predvsem od: • - kakovosti tržnih podatkov in • - kakovosti podatkov o lastnostih nepremičnin. • Metode umerjanja modelov primerljivih prodaj - najpogostejše: • regresijska analiza več spremenljivk ali multipla regresijska analiza MRA (angl. multiple regressionanalyses); • postopek prilagojenega ocenjevanja (angl. adaptiveestimation procedure) – primerna za hibridne modele.

  10. Umerjanje modela primerljivih prodaj - MRA • REGRESIJA je metoda, s katero ob znani eni ali več neodvisnih spremenljivk napovemo, koliko bo (neznana) spremenljivka Y. • PRIMER ENE NEODVISNE SPREMENLJIVKE: • Y je odvisna spremenljivka, X pa neodvisna spremenljivka. • Y = f(X) + ε • Napoved vedno vsebuje napako oziroma odstopanje ε (razen če gre za funkcijsko zvezo), ki je tem večja, čim manjša (absolutno) je korelacija med X in Y. • Če se dve spremenljivki pojavljata skupaj, še ne pomeni, da sta med sabo povezani, odvisni. • Da se določi oziroma ugotovi medsebojna odvisnost (odvisne spremenljivke od ene ali več neodvisnih ali odvisnih spremenljivk), se izvaja REGRESIJSKA ANALIZA.

  11. Regresijska analiza V splošnem delimo odvisnost spremenljivk na: -linearno odvisnost, -nelinearno odvisnost. Regresijski model je enačba ali več enačb s končnim številom spremenljivk.

  12. Linearna regresija Linearen regresijski model je model, kjer imamo eno odvisno in eno neodvisno spremenljivko – uporaben je v primeru, ko sprememba neodvisne spremenljivke povzroči približno linearno spremembo vrednosti odvisne spremenljivke. Model enostavne linearne regresije: Y = β0 + β1X +ε Določiti regresijsko premico, kjer bodo minimalna odstopanja podatkov od premice: Y ‘= b0 + b1X To je enačba regresijske premice.

  13. Linearna regresija • Grafična rešitev • pri linearni regresiji je to premica z enačbo • Y’= b0 + b1X • Pri čemer je: • -Y’ napovedana vrednost Y • - b0 presečišče z Y osjo • - b1 (pričakovano) povečanje Y(7,69), če se X poveča za 1 enoto; Regresijska črta kaže obliko povezanosti in je umeten(!) konstrukt, ki včasih bolje, včasih slabše prilega dejanskim podatkom;

  14. Linearna regresija • Metoda najmanjših kvadratov: • Y = Y‘ + ε = b0 + b1X + ε • Z regresijo določimo tiste vrednosti b0inb1, da se čim bolje prilagaja podatkom – vsota kvadratov odstopanj mora biti minimalna: • Funkcijo S(b0,b1) odvajamo po b0 inb1 ter določimo minimum funkcije:

  15. Korelacijski koeficient Smer in jakost linerarne odvisnosti dveh spremenljivk izražamo s korelacijskim koeficientom (Pearsonov koeficient), ki ga v populaciji označujemo z ρ, njegovo vzorčno oceno pa z r. Po definiciji je enak razmerju med kovarianco in korenom iz produkta varianc obeh spremenljivk: Kvadrat r2 imenujemo determinacijski koeficient in pove, kolikšen del variance ene spremenljivke lahko pojasnimo z variiranjem druge. Visoka vrednost korelacijskega koeficienta ne pomeni nujno, da je linearna povezava med spremenljivkama tudi statistično značilna. Značilnost ugotovimo s testom t (glej predhodno poglavje!).

  16. Korelacija več neodvisnih spremenljivk • Hkraten vpliv več neodvisnih spremenljivk na odvisno (Y) imenujemo multipla korelacija: • R se nahaja v [0,1] in je večji ali vsaj enak kot je največji Pearsonov r med posamezno neodvisno spremenljivko in Y. Z dodajanjem novih X-ov torej uspemo pojasniti vedno večji delež odvisne spremenljivke Y (vsaj na vzorcu). • Podobno kot pri enostavni regresiji/korelaciji velja: • -Kvadrat kor. koeficienta, R2 je determinacijski koeficient, kaže kolikšen del variance Y je pojasnjen z variiranjem X-ov. (1- R2) je nepojasnjena varianca. • -Koren iz variance napake napovedi (Y-Y’) imenujemo standardna napaka napovedi.

  17. Parcialna korelacija • Parcialna korelacija: • Kaže “čisto”zvezo med dvema spremenljivkama, tj. zvezo, iz katere je izločen vpliv ene ali več drugih spremenljivk na prvo (Y) in drugo (Xi) spremenljivko. • Izločanje vpliva lahko zveča ali zmanjša parcialno korelacijo glede na Pearsonov r.

  18. Krivuljna regresija • Spremenljivki sta med seboj lahko povezani tudi s kako drugo krivuljo in ne le linearno premico. Prilagajanje takim krivuljam lahko ugotavljamo na dva načina: • podatke transformiramo v želeno obliko krivulje (npr. logaritmiranje, kvadriranje ...) in zanje izračunamo linearno regresijo; • uporabimo polinomno regresijo –izračunamo prilagajanje izbrani polinomni funkciji.

  19. Krivuljna regresija Najpreprostejša polinomna regresija je kvadratna, ki opisuje parabolično ukrivljenje. Linerarni enačbi dodamo člen x2: Y = b0 + b1X+ b2X2 Dodajanje člena vodi do enačbe kubične regresije: Y = b0 + b1X+ b2X2 + b3X3 in regresije na četrto potenco: Y = b0 + b1X+ b2X2 + b3X3 + b4X4

  20. Krivuljna regresija • Opozorila (podobno kot pri linearni) • Točke, ki izstopajo (zlasti glede na neodvisno spremenljivko x), lahko prekomerno vplivajo na regresijo. Vpliv takih vrednosti preverimo tako, da jih odstranimo in ponovno izračunamo regresijo. • Razlika med točko in regresijsko premico v smeri y je preostanek. • Ne glede potrjeno statistično značilnost regresije, moramo paziti, kako uporabimo rezultat za napovedovanje. Ekstrapoliranje izven meja prvotnih podatkov ni priporočljivo, razen če poznamo (geološki) proces in vemo, da je to smiselno. • -Linearni in kvadratni členi so lastni številnim fizikalnim procesom, višje stopnje polinomov pa ne, zato je dobro prileganje višjim regresijam pogosto zgolj slučajno. • -Visoke stopnje polinomov imajo lahko skrajne naklone, ki pri ekstrapolaciji vodijo do neverjetnih ocen.

  21. MULTIVARIANTNE METODE

  22. MULTIVARIANTNE METODE • MULTIVARIANTNE METODE • Multivariatne metode omogočajo sočasno analizo več spremenljivk. • Poseben problem predstavlja grafična predstavitev več kot treh spremenljivk hkrati; • Ena izmed nalog multivariatnih metod je zato zmanjšanje dimenzionalnosti podatkov, do predstavljive upodobljivosti. • Razlogi, da multivariatnih metod ne uporabimo pogosto? • logistični –razpoložljivi so le podatki za eno ali dve spremenljivki. • Strokovni– omejeno število spremenljivkustrezazastavljenemunamenuštudije. • Izkustveni – ugotovili smo, da za določen izid testa (npr. razlikovanje dveh populacij) zadostuje že ena spremenljivka, da zavrnemo H0. • Matematični – sočasna analiza več spremenljivk nudi dodatne podatke le, če so spremenljivke med seboj korelirane.

  23. MULTIVARIANTNE METODE

  24. MULTIVARIANTNE METODE

  25. MULTIPLA REGRESIJSKA ANALIZA • Oblike regresijskih modelov so lahko:

  26. MULTIPLA REGRESIJSKA ANALIZA • MULTIPLA LINEARNA REGRESIJA • Vsi navedeni modeli so v delnih regresijskih koeficientih β linearni, zato z njimi ne skušajmo obravnavati nelinearnih modelov. • Prvi model opisuje točke v 3D prostoru, za katere iščemo ravnino najboljšega prileganja. • Drugi in četrti predstavljata točke v hiperprostoru, ki jim skušamo prilagoditi hiperpovršino. Izbiramo jo tako, da čim bolj zmanjšamo vsote kvadriranih odstopanj podatkovnih točk od nje. • Tretji model je primer polinomne regresije. Čeprav vključuje kvadriranje je linearen, ker so delni regresijski koeficienti linearni.

  27. MULTIPLA REGRESIJSKA ANALIZA • Kadar potrebujemo vrednosti Y, jih predstavimo v obliki vektorja, kakor tudi delne regresijske koeficiente in člene napake:

  28. MULTIPLA REGRESIJSKA ANALIZA • Uporabimo princip najmanjših kvadratov –izberemo hiper ravnino, ki zmanjša vsoto kvadratov preostankov.

  29. MULTIPLA REGRESIJSKA ANALIZA • Kriteriji izbire regresijskih modelov: • Modeli so različni glede na število vključenih spremenljivk in način izračuna regresije; • V primeru dveh neodvisnih spremenljivk so možni trije modeli, v primeru treh že sedem in s štirimi 15. • Najpomembnejši modeli MRA so: • proučitev vse možne regresije, • postopna regresija, • napredujoča regresija, • obrnjeno opuščanje.

  30. MULTIPLA REGRESIJSKA ANALIZA • Nekateri kriteriji izbire modela: • Multipli regresijski koeficient: • Vrednost narašča z dodajanjem spremenljivk, dokler niso vključene vse spremenljivke, vendar se njihovi doprinosi zmanjšujejo. • (2) Napaka povprečja vsote kvadratov naj bo majhna. • (3) Prilagojeni R2p je multipli determinacijski koeficient, prilagojen stopnjam prostosti: • Metoda je primerljiva zmanjševanju povprečja vsote kvadratov preostanka.

  31. MULTIPLA REGRESIJSKA ANALIZA • II. Postopna regresija

  32. MULTIPLA REGRESIJSKA ANALIZA • Postopna regresija

  33. MULTIPLA REGRESIJSKA ANALIZA • III. Napredujoča regresija • Sledi enakemu postopku kot postopna regresija, le da predhodno izbranih spremenljivk ne testiramo, da bi ugotovili, kako nanje vplivajo kasneje dodane. • IV. Obrnjeno opuščanje • Vključimo vse regresijske kandidate in tistega z najnižjim delnim korelacijskim koeficientom z Y izločimo, vse ostale pa upoštevamo, če je delna statistika F nižja od Fout. • Postopek nadaljujemo, dokler ni model tak, da nobena od spremenljivk nima delne statistike F nižje od Fout.

  34. MRA – analiza odstopanj in napovedanih vrednosti

  35. MRA – analiza vpliva lokacije

  36. Umerjanje – postopek prilagojenega ocenjevanja • Metoda prilagajanja (AEP, angl. AdaptiveEstimationprocedure, “feedback”) je primerna za hibridne modele, matematični model se spreminja (prilagaja) postopoma, na osnovni zaporedne (sekvenčne) analize posamezne transakcije: • nova metoda iz 80-ih; • zaporedje (sekvenca) analiz posameznih prodaj – model sčasoma konvergira do končne rešitve; • Medtem ko MRA minimizira vsoto kvadratov odstopanj, ta metoda minimizira povprečno absolutno napako. Pri obeh metodah pa se mora izključiti ekstremne vrednosti!

  37. Ocena modela • Pristopi statističnega preverjanja modelov: • statistično preverjanje; • analiza razmerij (angl. ratiostudies); • pilotne študije; • nadzor, dodatno preverjanje; • analiza zanesljivosti modelov v času …

  38. Posodabljanje modela • Ponovno umerjanje modela; ciklično umerjanje modela; • Indeksacija.

  39. Vprašanja za utrjevanje snovi • Kaj je umerjanjem modela množičnega vrednotenja? • Razloži splošen stroškovni model ter postopek umerjanja! • Razloži postopek umerjanja dohodkovnega modela! • Navedi in opiši osnovni metodi za umerjanje modelov primerljivih prodaj! Kaj so prednosti takega modela v primerjavi z dohodkovnim in stroškovnim modelom? • Kaj je regresija, kaj je regresijska analiza? • Na kaj moramo paziti pri polinomni (krivuljni) regresiji? • Razloži pojma korelacija več neodvisnih spremenljivk ter parcialna korelacija! • Katere multivariantne metode poznaš? • Katere modele multiple regresije poznaš – na kratko jih opiši! • Na kake načine lahko preverjamo modele množičnega vrednotenja? • Kako posodabljamo modele množičnega vrednotenja?

More Related