1. Глава 1. Исходные данные

2. Глава 2. Построение графиков регрессии

3. Глава 3. Расчет коэффициента корреляции

4. Глава 4. Расчет системы уравнений

5. Глава 5. Расчёт невязок.

6. Глава 6. Модель оценки объектов недвижимости и порядок ее обновления и эксплуатации

7. Сравнительный анализ рынка недвижимости за два последних года Пример Введения к записке

В нашей работе мы выбрали несколько вариантов квартир из каждого округа Москвы: 5 квартир из Северного округа, 5-из Южного,5-из Восточного, 5-из Западного, а также 5-из Юго-Восточного, 5-из Юго-Западного,5-из Северо-Восточного , 5-из Северо-Западного округа, 5-из Центрального и 5-из Зеленограда .

Сделанную выборку из генеральной совокупности квартир нельзя, конечно, назвать представительной, ввиду её малочисленности. Примерно выборка должна быть в количестве 600 квартир, чтобы дать хорошую статистику. Сама генеральная совокупность квартир должна быть предварительно классифицирована (например, классы социального и элитного жилья должны представляться различными выборками). Данная работа поэтому преследует не цель проектирования модели оценки объектов недвижимости, а иллюстрацию информационных технологий оценки, на примере объектов – квартир, основанных преимущественно на методах исследования операций. Для получения хорошей статистики , квартир должно быть примерно в 20 раз больше, чем свойств.

Работа делается только средствами <Excel>.

Команда <Поиск решения> находится в меню <Сервис> --<Поиск решения>. Если в списке Д.О. Надстройки нет пункта < Поиск решения>, то повторно запусти программу установки <Microsoft Office> и установи параметр установки надстройки < Поиск решения>. В Д.О. Надстройки установи флажок на <Поиск решения> и <Ok>. Если появится сообщение, нажми на кнопке <Да>.

Рис1. Диалоговое окно – --<Поиск решения>

Пример оформления конкретной главы записки дан ниже

Глава 1

Исходные данные.

Наши исходные данные: всего 50 квартир из 10 округов Москвы. Данные по объектам недвижимости - квартирам отчасти были получены из специализированных газет и журналов, а также из ресурсов Интернета. В основном эти квартиры являются однокомнатными, так как на сегодняшний день они являются наиболее востребованными на рынке недвижимости. Итак, получилось 3 трёхкомнатные квартиры, 11 двухкомнатных квартир и 36 однокомнатных квартир.

Для расчёта коэффициента корреляции и графиков регрессии необходимо обозначить числовые идентификаторы (коды свойств) свойств наших квартир.

Для наиболее точного отражения особенностей квартир мы использовали свойства квартир, всего их 25, причем свойств должно быть в 2 раза меньше, чем количество квартир. К этим свойствам относятся:

1.цена кв. м,

2.количество комнат,

3.общая площадь,

4. жилая площадь,

5.нежилая площадь,

6.площадь кухни,

7.тип санузла,

Тип санузла :	Тип санузла :
раздельный	1
совмещен.	0

8.этаж,

9.тип дома,

Тип дома :	Тип дома :
панельный	0
монолитный	1

10.расстояние от округа до центра города,

11.удаленность от метро,

12. тип жилья,

Тип жилья :	Тип жилья :
новостройка	1
новостройка	1

13.удаленность от основных магистралей,

14.ремонт,

Ремонт :	Ремонт :
нет	0
евроремонт	1

15.инфраструктура района,

Инфраструктура района :

Развита инфраструктура, удобное сообщение транспорта.

Развитая инфраструктура, все необходимое в шаговой доступности. Зелено

Инфраструктура района :

0

1

16.наличие лифта.

Наличие лифта:	Наличие лифта:
есть	1
нет	0

17. балкона,

Наличие балкона :	Наличие балкона :
есть	1
нет	0

18.мусоропровода,

Наличие мусоропровода	Наличие мусоропровода:
есть	1
нет	0

19.этажность дома.

20.класс жилья,

21.тип планировки,

Тип планировки	Тип планировки :
премиум	1
элитное	0

22.парковка,

Наличие парковки :	Наличие парковки :
есть	1
нет	0

23.парковка,

24.охрана,

Наличие охраны:	Наличие охраны:
есть	1
нет	0

25.наличие домофона.

Наличие домофона	Наличие домофона
есть	1
нет	0

По данным , которые имеют наибольшую корреляцию с ценой, строятся графики регрессии (не менее пяти):

1. Зависимость цены от расстояния до метро

2. Зависимость цены от кол-ва комнат

3. Зависимость цены от общей площади

4. Зависимость жены от этажа

5. Зависимость цены от удалённости от центра города.