|
Как видно из приведенной таблицы, за анализируемый период цены на жилье на вторичном рынке г. Санкт-Петербурга имеют устойчивую тенденцию к росту. Представленные данные также свидетельствуют о возрастании цены с увеличением числа комнат в квартире. Более однородными являются данные о ценах на однокомнатные квартиры.
В настоящее время разработаны модели для оценки стоимости жилья, позволяющие учесть различные факторы, например о свойствах объектов (жилую площадь, этаж квартиры, район, тип дома и т. д.), а также неоднородность объектов в пространстве. Однако изменение цены связано не только с вариацией факторов, но с периодом наблюдения (таблица 1). Так средняя цена на однокомнатные квартиры в г. Санкт-Петербурге за анализируемый период возросла на 53,3%, на двухкомнатные - 52,9%, на трехкомнатные - 48,1%. Если не учитывать данный фактор (время), то происходит смещение оценок параметров модели.
Моделирование социально-экономических процессов на основе информации о множестве объектов, характеризуемых заданным набором признаков за ряд последовательных моментов времени (панельных данных), методами регрессионного анализа по временным сечениям или с помощью метода «заводо-лет» не позволяют учесть неоднородность данных во времени и пространств. Поэтому целесообразным представляется применять различные модели регрессии для панельных данных. В качестве панели могут выступать индивидуумы, группы лиц, предприятия, домохозяйства, регионы, страны и т.д. Говоря о пространственном аспекте, или пространственном измерении, имеют в виду множество пространственных, или одномоментных, выборок. Говоря о временном аспекте, или измерении, имеют в виду периодические наблюдения множества переменных, характеризующих указанные выше пространственные выборки в течение определенного промежутка времени. Анализ панельных данных позволяет учитывать индивидуальные различия (эффекты) между изучаемыми единица-ми как в пространстве, так и во времени на основе модели с фиксированными эффектами или модели со случайными эффектами.
Одной из проблем при построении модели по панельным данным является выбор типа модели. Как известно, для стандартной модели регрессии качество подгонки обычно измеряет коэффициент детерминации или скорректированный коэффициент детерминации. Однако в моделях с панельными данными нецелесообразно использовать коэффициент детерминации для того, чтобы определить, какой метод оценивания лучше. Так, если одну и ту же модель оценить, например, обычным методом наименьших квадратов и с помощью случайного эффекта, то объединенный коэффициент детерминации в первом случае всегда будет больше соответствующего объединенного коэффициента для второго метода, даже если более адекватным является использование случайного эффекта. Тем не менее, коэффициенты детерминации можно применять для сравнения моделей, отличающихся набором регрессоров и оцениваемых одним и тем же методом. Для выбора типа модели по панельным данным наряду с содержательным анализом используют тест Хаусмана, который основан на сравнении оценок параметров, полученных по моделям с фиксированными и случайными эффектами.
Оценку параметров моделей панельных данных можно, конечно, провести с помощью стандартных пакетов статистического анализа (ППП Statistica, SPSS, Statgraphics, МS Ехсе1), но при этом необходимо осуществлять преобразование данных и корректировку статистик для проверки гипотез. Поэтому для обработки панельных данных целесообразно использовать пакет Stagraphics, в котором с помощью определенных команд можно найти оценки параметров, осуществить проверку различных гипотез. Кроме того, пакет Statgraphics имеет достаточно гибкую пакетную обработку данных, то есть программирование всей последовательности команд, начиная от загрузки данных в память и вплоть до всех деталей анализа.
Перейти на страницу: 1 2 3 4 5 |