Приведем несколько примеров задач эконометрического анализа.
Пример № 1. Рынок квартир в Казани. Данные для этого исследования собраны студентами Института Социвльных и Гуманитарных Знаний в 2006 г. После проведенного анализа была выбрана логарифмическая форма модели, как более соответствующая данным:
| (1.5) |
Здесь LOGPRICE — логарифм цены квартиры (в долл. США), LOGUVSP — логарифм жилой площади (в кв. м), LOGPLAN — логарифм площади нежилых помещении (в кв. м), LOGKJTSP — логарифм площади кухни (в кв. м), LOGDIST — логарифм расстояния от центра Москвы (в км). Включены также бинарные, «фиктивные» переменные, принимающие значения 0 или 1: FLOOR — принимает значение 1, если квартира расположена на первом или на последнем этаже, BRICK — принимает значение 1, если квартира находится в кирпичном доме, BAL — принимает значение 1, если в квартире есть балкон, LIFT — принимает значение 1, если в доме есть лифт, R1 — принимает значение 1 для однокомнатных квартир и 0 для всех остальных, R1, R3, R4 — аналогичные переменные для двух-, трех- и четырехкомнатных квартир. Результаты оценивания уравнения (1.5) для 464 наблюдений, относящихся к 1996 г., приведены в таблице 1.
Таблица 1
| Переменная | Коэффициент | Стандартная ошибка | t-статистика | P-значение | ||||||
| CONST | 7.106 | 0.290 | 24.5 | 0.0000 | ||||||
| LOGUVSP | 0.670 | 0.069 | 9.65 | 0.0000 | ||||||
| LOGPLAN | 0.431 | 0.049 | 8.71 | 0.0000 | ||||||
| LOGKITSP | 0.147 | 0.060 | 2.45 | 0.0148 | ||||||
| LOGDIST | -0.114 | 0.016 | -7.11 | 0.0000 | ||||||
| BRICK | 0.134 | 0.024 | 5.67 | 0.0000 | ||||||
| FLOOR | -0.0686 | 0.021 | -3.21 | 0.0014 | ||||||
| LIFT | 0.114 | 0.024 | 4.79 | 0.0000 | ||||||
| BAL | 0.042 | 0.020 | 2.08 | 0.0385 | ||||||
| Rl | 0.214 | 0.109 | 1.957 | 0.0510 | ||||||
| R2 | 0.140 | 0.080 | 1.75 | 0.0809 | ||||||
| S3 | 0.164 | 0.060 | 2.74 | 0.0065 | ||||||
| R4 | 0.169 | 0.054 | 3.11 | 0.0020 | ||||||
Мы не будем сейчас заниматься анализом полученной эконометрической модели. Подобная модель позволяет оценить стоимость квартиры в Казани с учетом рассмотренных выше факторов. Надо отметить, что число факторов можно было увеличить, включив в модель время в пути до ближайшей остановки городского транспорта, экологическое состояние района, наличие «зеленой зоны» и другие факторы. В этом случае модель была бы более прогрессивной и имеющей больший практический смысл.
|
|
Пример 2. Модель стоимости обучения в высшем учебном заведении. Безусловно, что ценовая политика вуза во многом определяется следующими основными факторами: уровнем профессорско-преподавательского состава (PS), качеством планирования учебного процесса (UP), количеством часов занятий в неделю (UZ), состоянием аудиторного фонда (AF), наличием специализированных компьютерных аудиторий (SA), количеством компьютеров на одного обучаемого (CO), наличием выделенной линии ИНТЕРНЕТ (TL), принятым нормативом обеспеченности книг на одного человека (BO), количество периодических изданий выписываемых вузом (BP), уровнем организации внеучебной работы со студентами (US), уровнем организации производственной практики студентов (UP), наличием международных связей (MS), наличием спортивного зала и спортивного оборудования (SZ), уровнем работы администрации вуза (UA), местом расположения вуза и наличием рядом остановок городского транспорта.
Часть этих факторов является нормативными величинами, например UZ, SA, CO, TL, MR, другая часть определяется по некоторой шкале (например, 10-бальной) путем анализа состояния аудиторного фонда (AF), качества учебного процесса (UP), уровня организации учебного процесса (UA).
|
|
Модель может иметь следующий вид:
(1.6)
Подобная модель позволяет оценить уровень оплаты за обучения путем анализа влияющих на организацию учебного процесса основных факторов.