Прогнозирование и кластерный анализ развития регионального рынка жилой недвижимости
Международная
публикация
В.
Н. ДеркаченкоБиблиографическое описание статьи для цитирования:
Деркаченко
В.
Н. Прогнозирование и кластерный анализ развития регионального рынка жилой недвижимости // Научно-методический электронный журнал «Концепт». –
2014. – Т. 20. – С.
11–15. – URL:
http://e-koncept.ru/2014/54262.htm.
Аннотация. В статье проведен анализ динамики основных показателей, характеризующих рынок новостроек и рынок вторичного жилья Пензенской области, и построены модели для прогнозирования средней цены одного квадратного метра жилья. Построена модель для прогнозирования ввода жилья с учетом фиктивных переменных, и выполнен краткосрочный прогноз рассматриваемых показателей. Выявлены однородные районы региона на основе показателей жилищных условий населения, и определены кластеры с уровнями жилищного развития.
Похожие статьи
- МНОГОМЕРНАЯ КЛАССИФИКАЦИЯ РЕГИОНОВ РОССИЙСКОЙ ФЕДЕРАЦИИ ПО ПОКАЗАТЕЛЯМ РАЗИТИЯ И СОСТОЯНИЯ БАНКОВСКОГО СЕКТОРА
- СТАТИСТИЧЕСКИЙ АНАЛИЗ РОЖДАЕМОСТИ И БРАЧНОСТИ В РОССИЙСКОЙ ФЕДЕРАЦИИ
- Сравнительный статистический анализ рынка строительства жилья в Брянской области
- Работа с текстом художественного произведения на уроках РКИ: анализ и пересказ
Текст статьи
1
ДеркаченкоВалентин Николаевич,кандидат технических наук, профессор кафедры прикладнойматематикииисследованияопераций в экономике,ФГОБУ ВПО «Пензенский государственный технологический университет»г. Пензаderkachenko47@mail.ru
Прогнозирование и кластерный анализ развития регионального рынка жилой недвижимости
Аннотация.В статье проведен анализ динамики основных показателей, характеризующиерынок новостроек и рыноквторичного жильяПензенской области и построены модели для прогнозирования среднейцены одногоквадратногометражилья.Построена модельдля прогнозирования ввода жильяс учетом фиктивных переменныхи выполнен краткосрочный прогноз рассматриваемых показателей. Выявлены однородные районы региона на основе показателей жилищных условий населения и определены кластеры с уровнями жилищного развития.Ключевые слова: анализ, модели, прогноз, кластерный анализ, регионы, рынок жилья.
Важным направлением повышения качества жизни населения является обеспеченность семей жильем. Рынок недвижимости оказывает большое воздействие на все стороны жизни и деятельности людей, выполняя ряд общих и специальныхфункций. Потребность в проведении квалифицированных статистических и аналитических работ в области недвижимости, построении адекватныхпрогнозов развития рынка недвижимости и выявлении однородных регионов по уровню развития жилищных условий возрастает с каждым годом. В связи с этим вопросы, рассматриваемые в статье, являются актуальными и имеют практическую значимость.В качестве исследовательского инструментария применялись статистические методы корреляционного, регрессионного и кластерного анализа, анализа временных рядов и прогнозирования, а также табличные и графические методы визуализации результатов исследования. Для обработки исходных данных использовались пакеты прикладных программ «SPSS», «Statistica», «MicrosoftExcel».Статистический анализ и построение моделей проводились на основе информации Российского статистического ежегодника [1,2]. В качестве показателей динамики использовались абсолютный прирост итемп прироста [3,4].Темпы прироста средней цены 1 м кв. на первичномрынке жилой недвижимости Пензенской области за период с 2002 по 2012 годпоказаны на рис.1. Значение среднего темпа прироста показывает, что в каждом квартале по сравнению с предыдущимцена одного квадратного метра увеличивалась в среднемна 4,2%. Положительный абсолютный прирост до IV квартала 2008 годаговорит о тенденции увеличения цены квадратного метра на рынке первичного жилья (исходя из динамики цен, в среднем на1109,81руб.). Отрицательный абсолютный прирост, начиная с IV квартала 2008 г. по IIквартал 2010 года, говорит о снижении цены (в среднем на 887,45 руб.).Положительный абсолютный прирост с IIIквартала 2010 года поIV квартал 2012 годаговорит о тенденцииувеличения цены квадратного метра на рынке первичного жилья (исходя из динамики цен, в среднем на800руб.). Однако положительное значение показателя среднего абсолютного прироста за весьрассматриваемый период свидетельствуето том, что имела местотенденцияежеквартального увеличения цены квадратного метра на рынке новостроек в среднем на712,63 рублей. Сравнительная оценкадинамики цен за квадратный метр на рынке первичной недвижимости Пензенской области с динамикой цен в регионах Приволжского ФО за 20022012 гг. показана на рис. 2.
Рис. 1.Темп прироста (в процентах к предыдущему кварталу) средней цены 1 м кв. на рынке первичного жилья в20022012 гг.
Рис. 2.Динамика цен на первичном рынке недвижимости в регионах Приволжского ФО
Из графика видно, что цены на рынке первичного жилья в Нижегородской области значительно превышает средний уровень цен в ПФО, в то время как значение данного показателя в Пензенской и Саратовской областях, не превосходит его. В Пензенской области на всем рассматриваемом промежутке времени средняя цена за 1 квадратный метр на рынке первичного жилья ниже аналогичного значения показателя в целом по Приволжскому федеральному округу. Сравнительная оценка динамики цен за квадратный метр на рынке вторичной недвижимости Пензенской области с динамикойсредней цены на вторичном рынке одногоквадратного метра по Приволжскому ФО также позволяет сделать вывод о том, что данный показатель по Пензенской области ниже (в среднем на 7%) показателя по Приволжскому ФО за рассматриваемыйпериод времени.На основе регрессионного анализа и программных средств [3,5] построены степенные модели для прогнозирования средней стоимости жилья в области:
для первичного рынка жилья
, (), где R2–коэффициент детерминации.
Прогноз по ней на 2013г. составил 46414,5 рублей за один квадратный метр на рынке первичного жилья;
для вторичного рынка жилья, ().Прогнозная оценка средней стоимости одногоквадратного метра жилья на вторичном рынке Пензенской области в 2013г.составила 53824,4рублей.Для прогнозирования ввода жилья (у)в Пензенской области разработана модель с переменной структурой:,где
–фиктивная переменная (19911999гг.; 20002009гг.).Применение моделис переменной структурой оправдано, поскольку моделируемый временной ряд имеет нестабильную тенденцию. Прогнозное значение данного показателя на 2010 год, полученное по модели, составляет 645,97 тыс. кв. метров. При этомреальное значение показателя [1,2] –625,0 тыс. кв. метров и ошибка аппроксимации на этот год составила 3,3%. Прогнозное значение ввода в действие жилых домов в Пензенской области в 2013г. составило798,07тыс. кв. метров.Для выявления однородных районов по уровню развития жилищных условий используется кластерный анализ. Кластеризация районов Пензенской области по данным за 2011 год проводилась на основеагломеративного иерархического алгоритма кластерного анализа [3,5,6] по следующим пяти показателям:
удельный вес общей площади жилых помещений, введенных в действие, во всем жилищном фонде, %;
удельный вес числа семей, состоящих на учете в качестве нуждающихся в жилых помещениях, от общего числа семей, %;
общая площадь жилых помещений, приходящаяся в среднем на одного жителя, квадратных метров;
общая площадь жилых помещений, введенных в действие, приходящаяся на одного жителя, квадратных метров;
удельный вес ветхого и аварийного жилищного фонда в общейплощади жилищного фонда.Для кластеризации районов и построения дендрограммы (рис.3) использовался пакет прикладных программ Statistica(модуль –кластерный анализ) и статистическая информация [1,2].На оси ординат указано эвклидово расстояние.Анализ дендрограммы показал, что по скачкам расстояний можно выделить семь кластеров(группрайонов). В первую группу вошли такие районы, как Башмаковский, Лунинский, Сосновоборский, Белинский, Неверкинский, Шемышейский, Иссинский, Малосердобинскийрайоны.
Рис. 3. Результаты кластеризации районов Пензенской области
по основным показателям жилищных условий населения
Вторую группу образуют районы, заключенные между Бессоновским и Нижнеломовским районами. Третье объединение представляют следующиерайоны: Земетчинский, Пачелмский, Никольский и Камешкирский. Четвертая группа включает в себя Бековский, Пензенский, Наровчатский и Тамалинский районы.И, наконец, в пятый, шестой и седьмой кластеры вошло по одному району: соответственно Кузнецкий, Вадинский и Мокшанский районы.Кузнецкий район выделился в обособленную группу изза «аномального» значения площади жилых помещений, приходящейся на одного жителя. Этот показатель ниже аналогичного показателя в целом по области почти на треть.В Вадинском районе наблюдается противоположная ситуация, характеризующаяся превышением показателя площади жилых помещений в расчете на одного жителя среднего значения данного показателя по области на 29%. Наименьшая разница между выше названным показателем в Вадинскомрайоне и аналогичными показателями в других районах области составляет 12%.Мокшанский район характеризуется высоким относительно других районов области удельным весом ветхого и аварийного жилья в общем жилищном фонде. Для сравнения среднее значение данного показателя по области составляет 3%, а в рассматриваемом муниципальном образовании 18%.Проведенная кластеризация позволила выделить группы районов Пензенской области, однородныхпо пяти рассматриваемым показателям. Однако на её основании достаточно трудно проранжироватькластеры от самого лучшего до наименее благополучного с точки зрения рассматриваемых показателей. Для решения данной задачи для каждого кластера был определенрейтинг как средний балл из баллов, присвоенных каждому из районов, входящих в соответствующую группу. Дляопределения суммарного балла для каждого районапредварительно было проведено ранжирование факторов. При этомранг «1» присваивался району с наибольшим значением рассматриваемого«положительного» показателя. Для показателей, имеющих негативную окраску (например, удельный вес ветхого и аварийного жилья в общем жилищном фонде муниципального образования), ранг «1» присваивался району с наименьшим значением соответствующего признака.
В случае неразличимости рангов использовались объединенные (связанные ранги). Всем связанным рангам присваивается один и тотже ранг, равный средней арифметической рангов, входящих в данную группу. Таким образом, кластеры, благополучные с точки зрения рассматриваемых показателей, характеризующих жилищные условия населения, получили наименьшую количественную рейтинговую оценку.На основерейтинга выделенныекластеры были отнесены к «очень высокому», «высокому»,«выше среднего», «среднему», «ниже среднего», «низкому»
и «очень низкому» уровням развития (табл. 1). В итоге получили, что лучшим с точки зрения рассматриваемых показателей являетсякластер, образованный Земетчинским, Пачелмским, Никольским и Камешкирским районами (3 кластер).Таблица 1
Рейтинговая оценка кластеров
КластерРейтинговая оценкаУровень развитияКластер 168,81ВысокийКластер 282,81Очень низкийКластер 345,50Очень высокийКластер 471,00Ниже среднегоКластер 570,50СреднийКластер 669,50Выше среднегоКластер 772,00Низкий
В трех районах данного кластера удельныйвес числа семей, состоящих на учете в качестве нуждающихся в жилых помещениях, в общем числе семей, значительно ниже, чем в большинстве районов Пензенскойобласти. Кроме того, районы, образующие третий кластер, объединяет высокая степень обеспеченности населения жилыми площадями:показатель площади жилых помещений, приходящейся на одного жителя, для каждого из входящих в данный кластер районов, на 11,515,5% больше среднего по области аналогичного значения.
Первый кластер, образованный районами, заключенными между Башмаковскими Малосердобинским районами,получил оценку «высокий». Большинство рассматриваемых показателей для районов, входящихв данный кластер, преимущественно колеблется вокруг средних значений аналогичных показателей по Пензенской области. Однако, следуетособо отметить, что по такому признаку, как доля ветхого и аварийного жилья в общем жилищном фонде, все районыпервого кластера характеризуются значениями ниже, чем в целом по области.Шестой кластер, представленный Вадинским районом, охарактеризован как «выше среднего» в связи с«аномально» высоким значением показателя площади жилых помещений в расчете на одного жителя и благополучной ситуацией в сфере решения жилищных вопросов семей, состоящих на учете в качестве нуждающихся в жилых помещениях.В пятом кластере, образованном одним Кузнецким районом и получившем оценку «средний», ситуация с ветхим и аварийным жильем, а также с вводом жилья в общем жилищном фонделучше, чем по области. Четвертый кластер, образованный Бековским, Пензенским, Наровчатским и Тамалинским муниципальными районами и охарактеризованный как«ниже среднего», отличается относительно высокими показателями жилищного строительства. При этом площадь введенных в действие жилых помещений в расчете на одного жителя в большинстве районов данного кластера даже превышает значения аналогичных показателей длярайонов третьего кластера. Но, несмотря на то, что ведется достаточно интенсивное строительство, обеспеченность населения жилыми площадями в среднем ниже, чем по области.Также достаточно остро стоит проблема с ветхим и аварийным жильем. Второй кластер, представленный районами, заключенными между Бессоновским и Нижнеломовским, охарактеризован как«очень низкий» с точки зрения рассматриваемых показателей. Это объясняется тем, что обеспеченность населения жилыми площадями (в расчете на одного жителя) во всех районах второго кластера, ниже среднего значения этого показателя по области. Соответственно, отсюда вытекает еще одна проблема обеспечение жильем семей, состоящих на учете в качестве нуждающихся в жилых помещениях.Очевидно, что в районах, представляющих второй кластер, за исключением Бессоновского, необходимо наращивать темпы жилищного строительства. Особо следует выделить Лопатинский район, где наряду с очень низким значением показателяобщей площади жилых помещений, приходящейся на одного жителя отмечается также относительно высокий удельный вес ветхого и аварийного жилья. Мокшанский район, образующий седьмой кластер,
получил оценку «низкий» уровень развития.Таким образом, в статьевыполнен сравнительный анализ динамики цен на рынке недвижимости в регионах Приволжского ФО и Пензенской области, разработаны математические модели и сделан прогноз средней стоимости жилья на 2013г. ВПензенской области, на всем рассматриваемом промежутке времени, средняяцена за 1 квадратный метр на рынках первичного и вторичного жилья ниже аналогичного значения показателяпо Приволжскому федеральному округу.Построена модель с переменной структурой ввода в эксплуатацию жилья в Пензенской области и получена прогнозная оценка на 2013 год.Результаты прогноза могут быть использованы для принятия управленческих решений на региональном уровне.Выполненная кластеризация районов Пензенской области, позволила выделить районы, однородные с точки зрения показателей, характеризующих жилищные условия населения, со схожими наиболее остро стоящими проблемами в этой сфере.В результате исследования получено семь кластеров с разнымижилищными условиями. Это позволит руководителям различных уровней принимать обоснованные решения по финансированию жилищного строительства.Результаты выполненных исследований могут быть использованы правительством области, администрацией городов и районов для корректировки существующих программ или при разработке новых положений и программ в сфере жилищной политики.
Ссылки на источники1.Российский статистический ежегодник. 2011. Стат.сб./Росстат. М., 2011.2.Российский статистический ежегодник. 2012. Стат.сб./Росстат. М., 2012.3.Деркаченко В.Н., Зубков А.Ф. Многомерные статистические методы: Учебник –Пенза: Издво Пенз. гос. технол. акад, 2011.179 с.4.Статистика: Учебник / Под ред. В.С. Мхитаряна. –М.: Экономистъ, 2006. –671с.5.Деркаченко В.Н. Эконометрика: Учебное пособие Пенза: Издво Пенз. гос. технол. акад, 2013.140с.6.Деркаченко В.Н. Эконометрическое моделирование и прогнозирование качества жизни населения: Монография Пенза: Издво Пенз. гос. технол. акад, 2013.156 с.
Valentin Derkachenko,
Candidate of Engineering Sciences, Professor at the chair of applied mathematicsandoperations research in economics, Penza State TechnologicalUniversity,Penza derkachenko47@mail.ruPrognostication and the cluster analysis of the development of the regional market for habitable real estateAbstract.In the article the analysis of the dynamics of basic indices is carried out, that characterize the market for new constructions and the market for the second dwelling of Penzenskaya Oblast' are built models for predicting the mean price of one square meter of dwelling.Model for predicting the introduction of dwelling taking into account dummy variables is built and is executed the shortterm forecast of the indices in question. The uniform regions of region on the basis of the indices of the housing conditions for population are revealed and clusters with the levels of housing development are determined.Keywords:analysis, model, forecast, cluster analysis, regions, the market for dwelling.
ДеркаченкоВалентин Николаевич,кандидат технических наук, профессор кафедры прикладнойматематикииисследованияопераций в экономике,ФГОБУ ВПО «Пензенский государственный технологический университет»г. Пензаderkachenko47@mail.ru
Прогнозирование и кластерный анализ развития регионального рынка жилой недвижимости
Аннотация.В статье проведен анализ динамики основных показателей, характеризующиерынок новостроек и рыноквторичного жильяПензенской области и построены модели для прогнозирования среднейцены одногоквадратногометражилья.Построена модельдля прогнозирования ввода жильяс учетом фиктивных переменныхи выполнен краткосрочный прогноз рассматриваемых показателей. Выявлены однородные районы региона на основе показателей жилищных условий населения и определены кластеры с уровнями жилищного развития.Ключевые слова: анализ, модели, прогноз, кластерный анализ, регионы, рынок жилья.
Важным направлением повышения качества жизни населения является обеспеченность семей жильем. Рынок недвижимости оказывает большое воздействие на все стороны жизни и деятельности людей, выполняя ряд общих и специальныхфункций. Потребность в проведении квалифицированных статистических и аналитических работ в области недвижимости, построении адекватныхпрогнозов развития рынка недвижимости и выявлении однородных регионов по уровню развития жилищных условий возрастает с каждым годом. В связи с этим вопросы, рассматриваемые в статье, являются актуальными и имеют практическую значимость.В качестве исследовательского инструментария применялись статистические методы корреляционного, регрессионного и кластерного анализа, анализа временных рядов и прогнозирования, а также табличные и графические методы визуализации результатов исследования. Для обработки исходных данных использовались пакеты прикладных программ «SPSS», «Statistica», «MicrosoftExcel».Статистический анализ и построение моделей проводились на основе информации Российского статистического ежегодника [1,2]. В качестве показателей динамики использовались абсолютный прирост итемп прироста [3,4].Темпы прироста средней цены 1 м кв. на первичномрынке жилой недвижимости Пензенской области за период с 2002 по 2012 годпоказаны на рис.1. Значение среднего темпа прироста показывает, что в каждом квартале по сравнению с предыдущимцена одного квадратного метра увеличивалась в среднемна 4,2%. Положительный абсолютный прирост до IV квартала 2008 годаговорит о тенденции увеличения цены квадратного метра на рынке первичного жилья (исходя из динамики цен, в среднем на1109,81руб.). Отрицательный абсолютный прирост, начиная с IV квартала 2008 г. по IIквартал 2010 года, говорит о снижении цены (в среднем на 887,45 руб.).Положительный абсолютный прирост с IIIквартала 2010 года поIV квартал 2012 годаговорит о тенденцииувеличения цены квадратного метра на рынке первичного жилья (исходя из динамики цен, в среднем на800руб.). Однако положительное значение показателя среднего абсолютного прироста за весьрассматриваемый период свидетельствуето том, что имела местотенденцияежеквартального увеличения цены квадратного метра на рынке новостроек в среднем на712,63 рублей. Сравнительная оценкадинамики цен за квадратный метр на рынке первичной недвижимости Пензенской области с динамикой цен в регионах Приволжского ФО за 20022012 гг. показана на рис. 2.
Рис. 1.Темп прироста (в процентах к предыдущему кварталу) средней цены 1 м кв. на рынке первичного жилья в20022012 гг.
Рис. 2.Динамика цен на первичном рынке недвижимости в регионах Приволжского ФО
Из графика видно, что цены на рынке первичного жилья в Нижегородской области значительно превышает средний уровень цен в ПФО, в то время как значение данного показателя в Пензенской и Саратовской областях, не превосходит его. В Пензенской области на всем рассматриваемом промежутке времени средняя цена за 1 квадратный метр на рынке первичного жилья ниже аналогичного значения показателя в целом по Приволжскому федеральному округу. Сравнительная оценка динамики цен за квадратный метр на рынке вторичной недвижимости Пензенской области с динамикойсредней цены на вторичном рынке одногоквадратного метра по Приволжскому ФО также позволяет сделать вывод о том, что данный показатель по Пензенской области ниже (в среднем на 7%) показателя по Приволжскому ФО за рассматриваемыйпериод времени.На основе регрессионного анализа и программных средств [3,5] построены степенные модели для прогнозирования средней стоимости жилья в области:
для первичного рынка жилья
, (), где R2–коэффициент детерминации.
Прогноз по ней на 2013г. составил 46414,5 рублей за один квадратный метр на рынке первичного жилья;
для вторичного рынка жилья, ().Прогнозная оценка средней стоимости одногоквадратного метра жилья на вторичном рынке Пензенской области в 2013г.составила 53824,4рублей.Для прогнозирования ввода жилья (у)в Пензенской области разработана модель с переменной структурой:,где
–фиктивная переменная (19911999гг.; 20002009гг.).Применение моделис переменной структурой оправдано, поскольку моделируемый временной ряд имеет нестабильную тенденцию. Прогнозное значение данного показателя на 2010 год, полученное по модели, составляет 645,97 тыс. кв. метров. При этомреальное значение показателя [1,2] –625,0 тыс. кв. метров и ошибка аппроксимации на этот год составила 3,3%. Прогнозное значение ввода в действие жилых домов в Пензенской области в 2013г. составило798,07тыс. кв. метров.Для выявления однородных районов по уровню развития жилищных условий используется кластерный анализ. Кластеризация районов Пензенской области по данным за 2011 год проводилась на основеагломеративного иерархического алгоритма кластерного анализа [3,5,6] по следующим пяти показателям:
удельный вес общей площади жилых помещений, введенных в действие, во всем жилищном фонде, %;
удельный вес числа семей, состоящих на учете в качестве нуждающихся в жилых помещениях, от общего числа семей, %;
общая площадь жилых помещений, приходящаяся в среднем на одного жителя, квадратных метров;
общая площадь жилых помещений, введенных в действие, приходящаяся на одного жителя, квадратных метров;
удельный вес ветхого и аварийного жилищного фонда в общейплощади жилищного фонда.Для кластеризации районов и построения дендрограммы (рис.3) использовался пакет прикладных программ Statistica(модуль –кластерный анализ) и статистическая информация [1,2].На оси ординат указано эвклидово расстояние.Анализ дендрограммы показал, что по скачкам расстояний можно выделить семь кластеров(группрайонов). В первую группу вошли такие районы, как Башмаковский, Лунинский, Сосновоборский, Белинский, Неверкинский, Шемышейский, Иссинский, Малосердобинскийрайоны.
Рис. 3. Результаты кластеризации районов Пензенской области
по основным показателям жилищных условий населения
Вторую группу образуют районы, заключенные между Бессоновским и Нижнеломовским районами. Третье объединение представляют следующиерайоны: Земетчинский, Пачелмский, Никольский и Камешкирский. Четвертая группа включает в себя Бековский, Пензенский, Наровчатский и Тамалинский районы.И, наконец, в пятый, шестой и седьмой кластеры вошло по одному району: соответственно Кузнецкий, Вадинский и Мокшанский районы.Кузнецкий район выделился в обособленную группу изза «аномального» значения площади жилых помещений, приходящейся на одного жителя. Этот показатель ниже аналогичного показателя в целом по области почти на треть.В Вадинском районе наблюдается противоположная ситуация, характеризующаяся превышением показателя площади жилых помещений в расчете на одного жителя среднего значения данного показателя по области на 29%. Наименьшая разница между выше названным показателем в Вадинскомрайоне и аналогичными показателями в других районах области составляет 12%.Мокшанский район характеризуется высоким относительно других районов области удельным весом ветхого и аварийного жилья в общем жилищном фонде. Для сравнения среднее значение данного показателя по области составляет 3%, а в рассматриваемом муниципальном образовании 18%.Проведенная кластеризация позволила выделить группы районов Пензенской области, однородныхпо пяти рассматриваемым показателям. Однако на её основании достаточно трудно проранжироватькластеры от самого лучшего до наименее благополучного с точки зрения рассматриваемых показателей. Для решения данной задачи для каждого кластера был определенрейтинг как средний балл из баллов, присвоенных каждому из районов, входящих в соответствующую группу. Дляопределения суммарного балла для каждого районапредварительно было проведено ранжирование факторов. При этомранг «1» присваивался району с наибольшим значением рассматриваемого«положительного» показателя. Для показателей, имеющих негативную окраску (например, удельный вес ветхого и аварийного жилья в общем жилищном фонде муниципального образования), ранг «1» присваивался району с наименьшим значением соответствующего признака.
В случае неразличимости рангов использовались объединенные (связанные ранги). Всем связанным рангам присваивается один и тотже ранг, равный средней арифметической рангов, входящих в данную группу. Таким образом, кластеры, благополучные с точки зрения рассматриваемых показателей, характеризующих жилищные условия населения, получили наименьшую количественную рейтинговую оценку.На основерейтинга выделенныекластеры были отнесены к «очень высокому», «высокому»,«выше среднего», «среднему», «ниже среднего», «низкому»
и «очень низкому» уровням развития (табл. 1). В итоге получили, что лучшим с точки зрения рассматриваемых показателей являетсякластер, образованный Земетчинским, Пачелмским, Никольским и Камешкирским районами (3 кластер).Таблица 1
Рейтинговая оценка кластеров
КластерРейтинговая оценкаУровень развитияКластер 168,81ВысокийКластер 282,81Очень низкийКластер 345,50Очень высокийКластер 471,00Ниже среднегоКластер 570,50СреднийКластер 669,50Выше среднегоКластер 772,00Низкий
В трех районах данного кластера удельныйвес числа семей, состоящих на учете в качестве нуждающихся в жилых помещениях, в общем числе семей, значительно ниже, чем в большинстве районов Пензенскойобласти. Кроме того, районы, образующие третий кластер, объединяет высокая степень обеспеченности населения жилыми площадями:показатель площади жилых помещений, приходящейся на одного жителя, для каждого из входящих в данный кластер районов, на 11,515,5% больше среднего по области аналогичного значения.
Первый кластер, образованный районами, заключенными между Башмаковскими Малосердобинским районами,получил оценку «высокий». Большинство рассматриваемых показателей для районов, входящихв данный кластер, преимущественно колеблется вокруг средних значений аналогичных показателей по Пензенской области. Однако, следуетособо отметить, что по такому признаку, как доля ветхого и аварийного жилья в общем жилищном фонде, все районыпервого кластера характеризуются значениями ниже, чем в целом по области.Шестой кластер, представленный Вадинским районом, охарактеризован как «выше среднего» в связи с«аномально» высоким значением показателя площади жилых помещений в расчете на одного жителя и благополучной ситуацией в сфере решения жилищных вопросов семей, состоящих на учете в качестве нуждающихся в жилых помещениях.В пятом кластере, образованном одним Кузнецким районом и получившем оценку «средний», ситуация с ветхим и аварийным жильем, а также с вводом жилья в общем жилищном фонделучше, чем по области. Четвертый кластер, образованный Бековским, Пензенским, Наровчатским и Тамалинским муниципальными районами и охарактеризованный как«ниже среднего», отличается относительно высокими показателями жилищного строительства. При этом площадь введенных в действие жилых помещений в расчете на одного жителя в большинстве районов данного кластера даже превышает значения аналогичных показателей длярайонов третьего кластера. Но, несмотря на то, что ведется достаточно интенсивное строительство, обеспеченность населения жилыми площадями в среднем ниже, чем по области.Также достаточно остро стоит проблема с ветхим и аварийным жильем. Второй кластер, представленный районами, заключенными между Бессоновским и Нижнеломовским, охарактеризован как«очень низкий» с точки зрения рассматриваемых показателей. Это объясняется тем, что обеспеченность населения жилыми площадями (в расчете на одного жителя) во всех районах второго кластера, ниже среднего значения этого показателя по области. Соответственно, отсюда вытекает еще одна проблема обеспечение жильем семей, состоящих на учете в качестве нуждающихся в жилых помещениях.Очевидно, что в районах, представляющих второй кластер, за исключением Бессоновского, необходимо наращивать темпы жилищного строительства. Особо следует выделить Лопатинский район, где наряду с очень низким значением показателяобщей площади жилых помещений, приходящейся на одного жителя отмечается также относительно высокий удельный вес ветхого и аварийного жилья. Мокшанский район, образующий седьмой кластер,
получил оценку «низкий» уровень развития.Таким образом, в статьевыполнен сравнительный анализ динамики цен на рынке недвижимости в регионах Приволжского ФО и Пензенской области, разработаны математические модели и сделан прогноз средней стоимости жилья на 2013г. ВПензенской области, на всем рассматриваемом промежутке времени, средняяцена за 1 квадратный метр на рынках первичного и вторичного жилья ниже аналогичного значения показателяпо Приволжскому федеральному округу.Построена модель с переменной структурой ввода в эксплуатацию жилья в Пензенской области и получена прогнозная оценка на 2013 год.Результаты прогноза могут быть использованы для принятия управленческих решений на региональном уровне.Выполненная кластеризация районов Пензенской области, позволила выделить районы, однородные с точки зрения показателей, характеризующих жилищные условия населения, со схожими наиболее остро стоящими проблемами в этой сфере.В результате исследования получено семь кластеров с разнымижилищными условиями. Это позволит руководителям различных уровней принимать обоснованные решения по финансированию жилищного строительства.Результаты выполненных исследований могут быть использованы правительством области, администрацией городов и районов для корректировки существующих программ или при разработке новых положений и программ в сфере жилищной политики.
Ссылки на источники1.Российский статистический ежегодник. 2011. Стат.сб./Росстат. М., 2011.2.Российский статистический ежегодник. 2012. Стат.сб./Росстат. М., 2012.3.Деркаченко В.Н., Зубков А.Ф. Многомерные статистические методы: Учебник –Пенза: Издво Пенз. гос. технол. акад, 2011.179 с.4.Статистика: Учебник / Под ред. В.С. Мхитаряна. –М.: Экономистъ, 2006. –671с.5.Деркаченко В.Н. Эконометрика: Учебное пособие Пенза: Издво Пенз. гос. технол. акад, 2013.140с.6.Деркаченко В.Н. Эконометрическое моделирование и прогнозирование качества жизни населения: Монография Пенза: Издво Пенз. гос. технол. акад, 2013.156 с.
Valentin Derkachenko,
Candidate of Engineering Sciences, Professor at the chair of applied mathematicsandoperations research in economics, Penza State TechnologicalUniversity,Penza derkachenko47@mail.ruPrognostication and the cluster analysis of the development of the regional market for habitable real estateAbstract.In the article the analysis of the dynamics of basic indices is carried out, that characterize the market for new constructions and the market for the second dwelling of Penzenskaya Oblast' are built models for predicting the mean price of one square meter of dwelling.Model for predicting the introduction of dwelling taking into account dummy variables is built and is executed the shortterm forecast of the indices in question. The uniform regions of region on the basis of the indices of the housing conditions for population are revealed and clusters with the levels of housing development are determined.Keywords:analysis, model, forecast, cluster analysis, regions, the market for dwelling.
