jan melichar ondřej vojáček kateřina kaprová vŠe workshop 24. červen , 200 8
DESCRIPTION
1. Teorie hedonických trhů a odhad funkce hedonické ceny pro Prahu 2. Volba proměnných 3. Specifikace modelu. Jan MELICHAR Ondřej Vojáček Kateřina Kaprová VŠE workshop 24. červen , 200 8. Teorie hedonických trhů Odhad funkce hedonické ceny pro Prahu. Ing. Jan MELICHAR PhD. - PowerPoint PPT PresentationTRANSCRIPT
1. Teorie hedonických trhů a odhad funkce
hedonické ceny pro Prahu
2. Volba proměnných
3. Specifikace modelu
Jan MELICHAR
Ondřej Vojáček
Kateřina Kaprová
VŠE workshop
24. červen, 2008
Teorie hedonických trhů
Odhad funkce hedonické ceny pro Prahu
Ing. Jan MELICHAR PhD.
Základní tvrzení a předpoklady
Cena bydlení
Stavební charakteristiky
Místní socio-ekonomické charakteristiky
Místní dostupnost
Teorie spotřebitele – Lancanster 1966 Užitek jednotlivce ze statku či služby je odvozen z jeho atributů Předpoklad teorie spotřebitele: pořizovací cena, kterou potenciální
kupující je ochoten zaplatit, závisí na existenci a úrovni široké škály atributů bydlení
Kvalita prostředí
Model prvního stupně (firt-stage model) Griliches (1971) a Rosen (1974) Odhad implicitní ceny atributu
Charakteristiky bydlení stavební charakteristiky místní socio-ekonomické charakteristiky charakteristiky kvality okolí bydlení
Funkce hedonické ceny Parametry odhadnuté funkce hedonické ceny odhalují
preferenční strukturu atributů statku.
n21 zzzZ ,...,,
n21 zzzPP ,...,,
P (z)
CZK
Nižší hluk (z)
Model druhého stupně (second-stage model)
Mezní implicitní cena atributu Cena zaplacená jednotlivcem za poslední jednotku atributu Odhadnutá implicitní cena pro jednotlivce představuje jeden bod na křivce
individuální poptávky
Odhad implicitní inverzní poptávkové funkce Odvození funkce poptávky po atributu z mezní implicitní ceny
z
Pimpl
CZK
D2(z)
D1(z)
n
himpl z
PP
inimplimpl SOCzPP ,
Odhad funkce hedonické ceny pro Prahu
Aplikace hedonické ceny na trhu s bydlením pro Prahu
Segmentace trhu: trh s byty pro Prahu 1 – 10 Zjištění implicitní ceny pro vybrané environmentální
charakteristiky– úroveň hladiny hluku– úroveň imisních charakteristik– vzdálenost do městského lesa či parku
Typ dat– průřezová data z období 2005 – 2008– katalog nemovitostí (reality.cz)
Využité metody:– regresní analýza– prostorová analýza pomocí GIS
testování na pilotním vzorku pro Prahu, N=103 (domy a byty)
lineární model jednoduchá interpretovatelnost parametrů
Specifikace empirického modelu
iiznini22i11i zbxbxbxbP ...
T21i ,...,,
Specifikace proměnných
N Mean Std. Deviation Vliv
cena (tis.) 103 2 512.65 2 221.28
typbydl (1=byt; 0=dům) 103 0.77 0.42 -
obytpl 94 87.67 59.30 +
lodzie (1=ano) 101 0.41 0.49 +
garaz (1=ano) 100 0.31 0.51 +
pozemek (1=ano) 102 0.26 0.44 +
podlazi 94 3.04 2.74 -
osobní (1=ano) 103 0.55 0.50 +
cihla (1=ano) 103 0.60 0.49 +
zarizano (1=ano) 103 0.04 0.19 +
dostupno (min) 102 4.77 1.66 -
park (m) 103 1 562.82 1 430.80 -
ovzdusi (1=výborné; 5=špatné) 103 2.45 0.80 -
hluk (1=ticho; 5=velký hluk) 103 2.60 0.75 -
Regresní analýza, OLS
Coefficients Sig.
(Constant) 1 819.39 0.06
obytpl 25.37 0.00
lodzie -400.72 0.26
podlazi 134.66 0.07
osobni 59.27 0.86
cihla 1 066.28 0.01
zarizano -470.65 0.52
dostupno -263.38 0.01
park -0.38 0.00
hluk -300.58 0.17
R R Square Adjusted
0.826 0.682
Specifikace funkce implicitní ceny
Odhad funkce hedonické ceny pro různé vzdálenosti parku
y = -0.3757x + 2502.30
500
1 000
1 500
2 000
2 500
3 000
0 2 000 4 000 6 000 8 000 10 000
vzdálenost parku (km)
cen
a (t
is. K
č)
Vliv městské zeleně na cenu nemovitostí Rešerše zahraničních studií
Bc. Kateřina Kaprová
Výsledky rešerše zahraniční literatury
městská zeleň ve většině studií přispívá významnou měrou k ceně okolních nemovitostí (0,6 - 10 % ceny)
nejčastěji je použita proměnná „vzdálenost do parku“ (měření)
zjištění vzdálenosti (GIS)
menší rozloha – dummy (500 m)
Výsledky rešerše zahraniční literatury vliv se liší podle užití plochy (rekreační,
estetická funkce)
také podle velikosti
možný i negativní vliv (Garrod, Willis 1992) – jehličnany, špatný stav parku
proměnná „výhled z okna“ (estetické hodnoty)
proměnná „procento zeleně“
Navrhované proměnné1. Vzdálenost k nejbližší zelené ploše (-)
2. Vzdálenost k nejbližšímu přírodnímu parku či velkému lesu (-)
1. Rozloha nejbližšího přírodního parku či velkého lesa (+)
2. Relativní množství zeleně v městské čtvrti (+)
Pozn:V závorce předpokládaný vliv proměnné na cenu nemovitosti
Ekonometrické problémy spojené s odhadem modelu hedonické ceny
Ing. Ondřej Vojáček
Problémové okruhy
Specifikace modelu Multikolinearita Robustnost odhadů Bias vs. Variance
Specifikace modelu
– Lineární – vysvětlující i vysvětlovaná proměnná vstupují do regrese ve své lineární formě
– Semi-logaritmická - logaritmus závisle proměnné vstupuje do regrese, vysvětlující proměnné vstupují lineárně do regrese
– Log-lineární - a lineární závisle proměnná logaritmus nezávisle proměnné
– Log-log – závisle i nezávisle proměnné v log formě
Volba modelu – metoda pokusu a omylu (Batemann 2001)
Kriterium – maximalizace Rsq. – předpoklad nejlepšího modelu
Specifikace modelu
Specifikace modelu
Specifikace modelu
– Většina modelu jsou semi-log (i.e. závislé jako logaritmu, nez. V lineární formě)
– Teoreticky však nelze opodstatnit
– E.g. Levesque (1994) využití Box-Cox transformace a ukázal, že model, který má nejlepší fit u jeho dat je signifikantně rozdílný od semi-log.
– Box-Cox využita také (Powe, Garrod, Willis 1995) – výsledek lineární model!
Problémy spojené s odhadem HPF
Bias X Variance– Bias závažný problém, který může vyústit v chybné závěry– Velký rozptyl zmenšuje jistotu odhadu, ale vede ke správným
závěrům– bias způsobený vynecháním důležité vysvětlující proměnné
(omited variable bias) – změny v ceně chybně přiřknuty jiným proměnným
– Chyba špatné specifikace modelu (mis-specification bias) – použití špatné funkční formy regresní rovnice
Další zdroje nejistoty v modelu:– Nepřesné měření proměnných– Nerovnováha na trhu nemovitostí – Dílčí trhy – zdánlivě jednotný trh může být vnitřně rozdělen na několik
dílčích trhů – různé funkce pro různé dílčí trhy– Data získána v průběhu delšího časového úseku a změny na trhu
nemovitostí
Multikolinearita Vzájemná korelace mezi dvěma a více vysvětlujícími
proměnnými
Vzniká v situaci kdy 2 a více vysvětlujících proměnných mají podobný vztah k vysvětlované proměnné
Způsobuje: – Odhady parametrů proměnných mohou být nepřiměřeně velké– Odhady parametrů mohou mít špatné znaménko
Možné řešení: kombinace vysoce korelovaných proměnných do jednoho indexu (proměnné) – metoda hlavních komponent (principal components analysis)
Nepřítomnost multikolinearity: Robustnost modelu
Robustnost modelu: Požadavek na odhad modelu
Po zahrnutí dalších proměnných by se původní odhady neměly změnitNapř. Bateman et. Al. (2001):
Pouze charakteristiky bytu/domu – NSDI 0,84 %+ „neighbourhood chracteristics“NSDI 0,57 %+ proměnné „visual (dis)amenities of the surrounding
area“NSDI 0,2%
Děkujeme za pozornost
Jan Melichar
Ondřej Vojáček
Kateřina Kaprová