Кадастровая (массовая) оценка недвижимости

МИНИСТЕРСТВО  СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ  БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

(ГОСУДАРСТВЕННЫЙ  УНИВЕРСИТЕТ ПО ЗЕМЛЕУСТРОЙСТВУ)

 

Кафедра экономической теории и менеджмента

 

 

 

 

ПРАКТИКА ОЦЕНКИ СТОИМОСТИ НЕДВИЖИМОСТИ

 

 

МАССОВАЯ (КАДАСТРОВАЯ) ОЦЕНКА

 СТОИМОСТИ  НЕДВИЖИМОСТИ

 

 

КУРСОВОЙ  ПРОЕКТ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Москва 2013

Содержание:

 

Введение.

1. Исходные данные.
2. Оцифровка собранной информации.
3. Выбор модели кадастровой оценки объектов недвижимости.
4. Расчет коэффициентов модели с использованием функций MS EXCEL
5. Анализ коэффициентов и проверка гипотез

• Анализ коэффициента R – квадрат
• Оценка надежности уравнения регрессии и показателя тесноты связи
• Оценка надежности коэффициентов модели
• Анализ уровня значимости
• Анализ доверительного интервала
• Анализ распределения остатков модели

Заключение

Приложение А

Приложение  Б

Список источников.

 

 

 

 

 

 

 

 

 

 

 

Введение

 

Массовая (в российском контексте - кадастровая) оценка недвижимости является важным элементом систем налогообложения недвижимости, основанных на стоимости. Зарождение, формирование и становление массовой оценки недвижимости было вызвано развитием систем налогообложения в тех странах, в которых введен налог на недвижимость и в качестве базы налога выбрана стоимость недвижимости. Для России это актуальная задача сегодняшнего дня, так как одним из направлений повышения эффективности налоговой политики является реформирование системы налогообложения в части введения налога на недвижимость и установления в качестве базы налога кадастровой стоимости недвижимости.

Согласно международному стандарту по массовой оценке стоимости  недвижимого имущества, «массовая  оценка представляет собой процесс  определения стоимости группы единиц недвижимого имущества по состоянию на конкретную дату с использованием общих данных, стандартизированных методов и статистического тестирования»

В этой работе мы рассмотрим один из методов массовой оценки недвижимости для целей налогообложения (адвалорная оценка) и принятия некоторых управленческих решений, которые входят в понятие «кадастровой оценки», это метод корреляционно-регрессивного анализа. Этот метод активно применяется в странах рыночной экономики, а также используется при кадастровой оценке земельных участков в нашей стране.

Корреляция – это  статическая зависимость между  случайными величинами, не имеющая  строго функционального характера, при которой изменение одной  случайной величины приводит к изменению  математического ожидания другой случайной  величины. Основная прикладная задача корреляционного анализа – количественно определение тесноты связи между зависимым признаком с одной стороны и факторным признаком (при парной корреляции) и множеством факторных признаков (при многофакторной связи) – с другой. Теснота линейной связи количественно выражается коэффициентом корреляции.

Задача регрессивного  анализа – определение направления  и формы связи между зависимым  и факторными признаками.

Корреляционно-регрессивный анализ – определение направления  и формы связи между зависимым и факторными признаками.

Корреляционно-регрессивный анализ (КРА) – это совокупность формальных (математических) процедур, предназначенных для измерения  тесноты, направления и аналитического выражения формы связи. На выходе такого анализа качественно (структурно) и количественно должна быть определена статистическая модель:

 

y = f (x₁,…, x_k ) + e

 

Где k – количество факторов;

x₁, …, х_k – факторные переменные (факторы);

y – математическое ожидание значения зависимого признака y при данных значениях факторов стоимости x₁, …, х_k;

e – ошибка аппроксимации.

 

Одной из задач проведения массовой (кадастровой оценки) является построение регрессионной зависимости  цен сделок или предложений (например, удельных цен предложений жилой  недвижимости в каком-то городе) от изучаемых факторов (местоположения, расстояния от метро, конструктивного решения здания, этажности, вида из окна и т.п.). Если в процессе исследования удастся получить такие зависимости в виде некой формулы, то тогда, подставляя в нее входные параметры, можно получить значение кадастровой стоимости для любого аналогичного объекта недвижимости в этом городе или населенном пункте. Вся проблема заключается в том, чтобы правильно подобрать соответствующую формулу и оценить ее точность. Для этих целей служат теория математической и прикладной статистики.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1. Исходные данные

 

В качестве исходных данных, для построения математической модели кадастровой оценки недвижимости, выбран район Соколиная гора.

Район Соколиная гора входит в состав 16-и районов Восточного административного округа города Москвы. Район занимает территорию в 796.1 гектар в нём насчитывается 49 улиц и 2 станции метро (Семёновская и Электрозаводская). Численность проживающего здесь населения составляет порядка 85 тысяч человек.

Граница района Соколиная гора проходит: по оси шоссе Энтузиастов, далее по оси полосы отвода пассажирских путей Рязанского направления Московской железной дороги (МЖД), оси русла реки Яузы, оси Электрозаводского моста, оси Электрозаводской улицы, южной и западной границам площади Журавлёва (исключая домовладение № 1 по площади Журавлёва и включая домовладение № 7 по площади Журавлёва), осям: Нижнего Журавлёва переулка, Малой Семёновской улицы (включая домовладение № 13 по Малой Семёновской улице), улицы Измайловский вал, оси подъездной железнодорожной ветки, оси коллектора реки Хапиловки, оси полосы отвода Малого кольца МЖД, 8-й улицы Соколиной горы (включая мост через железнодорожной ветку Малого кольца МЖД), западной границе территории Измайловского парка культуры и отдыха до шоссе Энтузиастов.

В процессе сбора информации была составлена таблица наблюдений из 10 объектов – жилых квартир (Таблица 1).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 1

Таблица наблюдений (экспериментальная выборка)

 

№ наблюдения	Район	Адрес	Этаж	Кол-во комнат	Площадь	Цена за м2, руб.	Примечание
1	Соколиная гора	пр-кт Буденного, 28	5	2	44	156 818	5 эт. дом, хорошее состояние. Сан. Уз совмещенный.
2	Соколиная гора	ул. Борисовская д 7	1	2	43	136 923	5 эт. дом, кв требует кап. ремонт. Окна во двор
3	Соколиная гора	ул. Соколиной Горы 5-я, 25	5	3	64	185 827	14 эт. дом, хороший ремонт, встроенная техника, возможна продажа с мебелью
4	Соколиная гора	ул. Соколиной Горы 5-я, 12	2	4	108	136 111	8 эт. монолит-кирпич. дом. Евро ремонт
5	Соколиная гора	пр-кт Буденного, 26	9	2	72	222 222	15 эт. дом бизнесс-класса. В подъезде консьерж и видеонаблюдение
6	Соколиная гора	ул. Соколиной Горы 5-я, 27	2	1	35	180 000	16 эт. дом панельный. Ремонт старый. Рядом парк
7	Соколиная гора	ул. Борисовская  д 1	4	1	60	274 068	17 эт. дом новый; подземный паркинг. Дизайнерский ремонт с дорогими материалами
8	Соколиная гора	пр-кт Буденного, 22	5	3	59	127 119	5 эт. панельный дом балкон, телефон, СУС, окна в сквер
9	Соколиная гора	пр-кт Буденного, 11	3	2	45	151 111	5 эт. дом, хорошее состояние. Окна выходят во двор
10	Соколиная гора	пр-кт Буденного, 20	14	1	37	181 081	15 эт. дом монолит-кирпич. Хороший ремонт, новая мебель

 

 

 

В процессе сбора информации были выявлены следующие ценообразующие факторы, которые представлены в  объявлениях о продажах:

1. Район города (местоположение),
2. Этаж, на котором расположена квартира,
3. Количество комнат в квартире,
4. Качество отделки квартиры.

 

2. Оцифровка собранной информации

 

Методы регрессионного анализа являются методами обработки  количественных (числовых величин). Теория линейных регрессионных моделей с нулевым свободным членом не накладывает никаких ограничений на характер значений количественных признаков – они могут быть непрерывными и дискретными, в том числе бинарными. В теории различают порядковые и номинальные шкалы. Порядковые шкалы используются для отражения отношений между объектами. Порядковый признак обычно отражает различную степень проявления некоторого свойства, но не дает количественной меры для его выражения. Значения таких признаков могут быть заданы в баллах – когда объекты можно разбить на заранее известное число упорядоченных классов, или в рангах – когда объекты ранжируются, упорядочиваются – выстраиваются в ряд по степени проявления свойства, точная количественная мера для которого не определена. Ранг – это порядковый номер объекта в таком ряду.

Номинальные шкалы (шкалы  наименований, классов) используются, когда возможно разбиение объектов на классы – группы объектов, однородные по свойству, отраженному некоторым  признаком, но не имеется возможным задать никакого естественного упорядочения между самими классами. Бинарный признак, принимающий всего две градации (например , 0 и 1) может быть рассмотрен как частный случай номинальной переменной.

Из номинальных на практике чаще всего встречаются бинарные признаки, описывающие наличие, или отсутствие какого-либо качества (отдельного входа, парковки, подъездных путей и т.п.). Бинарные признаки могут быть оцифрованы произвольным образом, однако в линейных регрессионных моделях из соображений наглядности их градациям чаще всего присваивают значения 0 и 1.

Оцифрованная информация с применением бинарного признака, согласно выбранным ценообразующим факторам, представлена в таблице (Таблица 2).

 

Таблица 2

Оцифрованная  экспериментальная выборка

 

Номер наблюдения	пр-кт Будённого	ул. Борисовская	ул. Соколиной горы 5-я	5-8 эт. дом	14-15-ти эт. дом	16-17-ти эт. дом	Первый или последний  этаж	Средний этаж	1-но комнатная квартира	Более одной комнаты  в квартире	Улучшенная отделка	Обычная отделка	Цена за м2
1	1	0	0	1	0	0	1	0	0	1	0	1	156 818
2	0	1	0	1	0	0	1	0	0	1	0	1	136 923
3	0	0	1	0	1	0	0	1	0	1	1	0	185 827
4	0	0	1	1	0	0	0	1	0	1	1	0	136 111
5	1	0	0	0	1	0	0	1	0	1	1	0	222 222
6	0	0	1	0	0	1	0	1	1	0	0	1	180 000
7	0	1	0	0	0	1	0	1	1	0	1	0	274 068
8	1	0	0	1	0	0	1	0	0	1	0	1	127 119
9	1	0	0	1	0	0	0	1	0	1	0	1	151 111
10	1	0	0	0	1	0	0	1	1	0	1	0	181 081