 |
služby nabízené tento problém
> Odhadce trenér |
Poznámka redakce: Tento příběh lze nalézt v novém tištěném vydání Working RE (právě poštou). Jsem pracovní re předplatitel? OREP E&o pojištěnci mají bezplatné předplatné.
Jakou Hodnotu Tato Extra Ložnice Přidává? (Porozumění regrese)
Dr. Keying Ye
v nejjednodušších termínech hodnotí odhadci nemovitostí reálnou tržní hodnotu nemovitosti — jedno číslo, které agreguje hodnotu široké škály vlastností nemovitosti, a to jak kvantitativní (počet ložnic a koupelen, záběry náměstí, velikost pozemku, počet garáží atd.) a kvalitativní (pohledy, pouliční scéna, umístění atd.). Že?
jedním ze způsobů, jak tuto hodnotu přiblížit, je použití regresní metody, což je nástroj pro analýzu dat pro studium vztahu mezi závislou proměnnou (v tomto případě hodnotou nemovitosti) a prediktory funkcí (jako je počet koupelen nebo hrubá obytná plocha). Tento článek si klade za cíl ukázat, jak může regrese zvýšit přesnost Hodnocení zaměřením na dva nejběžnější typy: jednoduchá vs. vícenásobná lineární regrese.
řešení jednoduché lineární regrese
jednoduchá lineární regrese (SLR) je přímočarý regresní přístup využívající pouze jeden prediktor a jednu závislou proměnnou. Například, pokud věříme, že můžeme použít obytnou plochu jako jediný prediktor k odhadu hodnoty nemovitosti a že vztah mezi obytnou plochou a hodnotou nemovitosti je lineárně příbuzný, pak bychom mohli použít jednoduchou lineární regresi k odhadu hodnoty.
prediktivní struktura SLR může být vyjádřena jako predikce = m + B * funkce.
v tomto případě je funkce nezávislá proměnná a predikce je proměnná odezvy (Vzpomeňte si na y = m + bx ze středoškolské algebry). Zde “ m „a“ b „jsou“ sklon „a“ zachycení “ grafu vytvořeného z této rovnice. Intercept je místo, kde by predikce byla, pokud je vlastnost nulová (pokud vlastnost subjektu například nemá garáž). Sklon je zvýšení nebo snížení hodnoty nemovitosti pro každou změnu jednotky v prvku (např. kolik se hodnota nemovitosti mění za každou přidanou nebo odečtenou čtvereční stopu).
zvažte následující příklad. Chceme předpovědět hodnotu jednorodinného bydliště (SFR) a známe jeho základní informace, jako je obytná plocha, počet lůžek a počet lázní. Použití HouseCanary je pre-vypočtené analýzy comps, identifikujeme pět nejvíce podobné vlastnosti prodané v posledních šesti měsících, jak je uvedeno v následující tabulce.
(příběh pokračuje níže)
(příběh pokračuje)
podobnost je určena typy vlastností (SFR nebo jinými), vlastnostmi vlastností a geografickými vzdálenostmi mezi těmito vlastnostmi a objektem. Vzhledem k tomu, že každá nemovitost má stejný počet ložnic, tato funkce nemá žádný vliv na cenu mezi těmito vlastnostmi než jako pevná konstanta. Cenová variace je však jasně spojena s obytnou plochou a počtem lázní.
níže uvedené obrázky ukazují vztah mezi cenami nemovitostí a buď obytnou plochou, nebo počtem lázní každé z nemovitostí (viz parcely 1 a 2). V každém grafu bod, kde se svislá hnědá čára dotýká vodorovné osy, ukazuje hodnotu objektu pro daný prvek (3,137 pro obytnou plochu a 3,0 pro koupelny). Modrá čára je lineární regresní přímka s jedním prediktorem, která ukazuje prediktivní vztah mezi cenou nemovitosti a příslušným znakem.
(příběh pokračuje níže)
(příběh pokračuje)
v grafu 1 je například předpovědní vztah mezi cenou a obytnou plochou vyjádřen jako: cena =200,323 + 147 * obytná plocha . U objektu, který měří 3,137 čtverečních stop, to znamená, že jeho předpokládaná cena je $661,462: $661,462 = ($200,323 + $147 * 3137) Toto je zobrazeno jako pevná modrá tečka v grafu grafu 1. „Sklon“ regresní přímky, 147, měří hodnotu jednotkové ceny, tj. úpravu ceny za každou další čtvereční stopu (graf 1). Pokud však místo toho použijeme Počet koupelen jako náš prediktor, předpokládaná cena cílové nemovitosti je $553,000 (-$1,241,000 + $598,000 * 3.0 = $553,000). Tento rozdíl v předpokládané ceně ($661,462 a $ 553,000 )je běžný při použití jednoduchých lineárních regresních vzorců pro různé vlastnosti stejné vlastnosti (viz graf 2 výše).
skutečná cena cílové nemovitosti je 607 000$, což je v každém grafu zobrazeno jako hnědá hvězda. Tudíž, chyby pro oba odhady jsou téměř totožné, i když v opačném směru, ať už vyjádřeno v surových dolarech ($607,000 – $661,462 = -$54,462 a $ 607,000 – $ 553,000 = $ 54,000, v uvedeném pořadí) nebo v procentech (-$54,462/$607,000 = – 9 procenta a 54 000 $ / 607 000 $ = 9 procent).
jít dále s vícenásobnou lineární regresí
pomocí jednoduché lineární regrese může odhadce použít nejdůležitější prediktor hodnoty nemovitosti k provedení analýzy hodnocení (nebo dokonce použít analýzu SLR na více funkcích k získání více referenčních bodů. Ale co když nejdůležitější prediktor není jasný? Co když, například, všechny tři ložnice jednotky v dané analýze mají jiný počet koupelen, různé hrubé obytné prostory, nebo jen pár z nich má bazény? Pomocí vícenásobné lineární regrese (MLR) odhadci mohou porovnat účinek, který má více prediktorů na hodnotu nemovitosti s jediným výpočtem.
prediktivní struktura MLR může být vyjádřena jako:
predikce = m + b1 * funkce 1 + b2 * funkce 2 + b3 * funkce 3 + …
například s výše uvedenými údaji můžeme regresovat cenu jak obytnou plochou, tak počtem koupelen: cena = – 1 309 770 $ – 125 $ * obytná plocha + 744 918 $ * vany.
pokud připojíme hodnoty vlastností cílové vlastnosti, předpokládaná cena je $ 532,859 ,což přináší chybu $ 74,141 nebo 12%. Chyba této predikce je horší než chyby uvažované v Zrcadlovkách, ale nebojte se, v datech je vysvětlení (a řešení, které následuje!).
nejprve musíme zvážit vztahy mezi samotnými prediktory a pochopit, jaké informace sdělují písmena ve výše uvedené rovnici, což v tomto případě není tak jednoduché, jako tomu bylo při použití SLR. Například koeficient – $ 125 pro obytnou plochu říká, že pro pevný počet lázní zvyšuje obytná plocha o jednu čtvereční stopu ve skutečnosti snižuje cenu nemovitosti o $ 125 – což se zdá nepřirozené! Nicméně, pokud se podíváme na tabulku výše, můžeme vidět, že pro 3,5 koupelny existujípouze dvě vlastnosti. Ten s 3,101 čtverečních stop je ve skutečnosti dražší ($951,000) než nemovitost s 4,024 čtverečních stop. U Tří nemovitostí s koupelnami 3.0 obytné prostory (2690, 3080, 3155) nekorelují přesně s cenami ($521,000, $451,000, $687,000) buď.
(příběh pokračuje níže)
(příběh pokračuje)
to znamená, že v našich datech máme odlišný lineární vztah mezi cenou odezvy a obytnou plochou prediktoru pro nemovitosti s různým počtem koupelen. V dalším grafu níže tedy černá čára (regresní čára s lázněmi = 3.0) a červená čára (regresní čára s lázněmi = 3.5) skutečně ukazují opačné trendy. V takovém případě nejsou oba prediktory čistě aditivní proti ceně—zvýšení jednohoneznamená okamžitě zvýšení ceny. Nápravou je přidat další termín, obytná plocha * počet lázní, což představuje interakci prediktorů.
(příběh pokračuje níže)
(příběh pokračuje)
pro naše data by prediktivní vztah byl vyjádřen jako:
cena = – $ 9,590,000 + $ 2,552 * obytná plocha + 3,202,000 * koupele-791
* obytná plocha * koupele
tím se získá Cílová vlastnost predikce $ 577,523, která má chybu $29,477 ($607,000 – $577,523 = $29,477) a relativní chyba 5 procent,což je zatím nejlepší!
kdy použít Simple vs. Vícenásobná lineární regrese
při hodnocení nemovitosti nebo určování hodnoty konkrétního prvku mohou odhadci použít regresní analýzu k odvození nejpřesnějších úprav cen tím, že vezmou v úvahu vliv více prvků na hodnotu nemovitosti. Nové průmyslové předpisy vyžadující zdůvodnění rozhodnutí o hodnocení založené na datech mohou v blízké budoucnosti učinit regresní analýzu ještě nezbytnější pro odhadce.
mějte na paměti, že nemusí být vždy možné použít vícenásobnou lineární regresní analýzu. Pokud například pro vlastnost a její srovnatelnost není k dispozici pestrá škála datových bodů, nemusí být k dispozici dostatek informací k provedení analýzy MLR. Pokud je však k dispozici dostatek údajů k provedení analýzy MLR, často produkuje nejpřesnější výsledky. Nezapomeňte, že jsou chvíle, kdy analýza MLR bude vyžadovat další termín, který představuje nejpřesnější interakci prediktorů, například ve výše uvedeném příkladu. Zatímco regresní analýza zjevně nenahrazuje odborné znalosti odhadce-může to být cenným doplňkem.
doufáme, že tyto poznatky budou užitečné pro vaše hodnocení.
> CE Online-7 hodin (schváleno ve 40 státech)
jak podpořit a prokázat své úpravy
předložil: Richard Hagar, SRA
musí znát obchodní postupy pro všechny odhadce, kteří dnes pracují. Zajistěte řádnou podporu pro vaše úpravy. Provedení obhajitelných úprav je prvním krokem k tomu, abyste se stali odhadcem „první úrovně“, kdo vydělává více, má nejlepší úkoly a trpí méně zádrhelů a zpětných volání. Up svou hru, Vyhnout se časově náročné zpětné volání a získat schválené CE dnes! Zaregistrujte Se Hned Teď! $ 119 (7 hod)
OREP pojištěný cena: $99
o autorovi
Dr. Keying Ye je profesorem statistiky na College of Business na University of Texas v San Antoniu a také vedoucí výzkumný pracovník v HouseCanary, kde vyvíjí prediktivní analytiku pro svůj přední hodnotící software, Odhadce HouseCanary a další produkty. HouseCanary Appraiser pomáhá rezidenční odhadci uzavřít více obchodů prostřednictvím jednoho snadno použitelné řešení a zahrnuje formuláře, jako je 1004, 2055, 1075, a více!
