Množično vrednotenje nepremičnin
This presentation is the property of its rightful owner.
Sponsored Links
1 / 39

Množično vrednotenje nepremičnin PowerPoint PPT Presentation


  • 135 Views
  • Uploaded on
  • Presentation posted in: General

Množično vrednotenje nepremičnin. II Množično vrednotenje nepremičnin. II -3 Umerjanje modelov množičnega vrednotenja. Umerjanje modela. Umerjanje modela pri množičnem vrednotenju nepremičnin je postopek določevanja koeficientov modela in posodabljanja le teh.

Download Presentation

Množično vrednotenje nepremičnin

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Mno i no vrednotenje nepremi nin

Množično vrednotenje nepremičnin

II Množično vrednotenje nepremičnin

II-3 Umerjanje modelov množičnega vrednotenja


Mno i no vrednotenje nepremi nin

Umerjanje modela

  • Umerjanje modela pri množičnem vrednotenju nepremičnin je postopek določevanja koeficientov modela in posodabljanja le teh.

  • Postopek umerjanja modela je odvisen predvsem od načina vrednotenja:

  • stroškovni način;

  • dohodkovni način;

  • način primerljivih prodaj.


Mno i no vrednotenje nepremi nin

Umerjanje stroškovnega modela

  • Splošen stroškovni model:

  • TV = Vzem + Vobj

  • TV tržna vrednost

  • Vzemvrednost zemljišča

  • Vobjvrednost objekta

  • je hibridni model:

  • Fkakov – zmnožek splošnih kakovostnih faktorjev

  • Fkakov,obj – zmnožek kakovostnih faktorjev za objekt

  • Fkakov,obj – vsota aditivnih komponent za objekt

  • Fkakov,zem – zmnožek kakovostnih faktorjev za zemljišče

  • Fkakov,zem – vsota aditivnih komponent za zemljišče

  • Fadit – vsota ostalih aditivnih komponent


Mno i no vrednotenje nepremi nin

Stroškovni model - umerjanje

  • Umerjanje stroškovnega modela - postopek:

  • določitev stroškov novo gradnje nadomestne nepremičnine:

    • primerjalna metoda – stroški izgradnje za enoto površine primerljive nepremičnine;

    • metoda ocene stroškov posameznih enot (temelji, zidovi, streha, ogrevanje …);

    • metoda ocene posameznih stroškov gradnje;

    • prilagoditev stroškov izgradnje nepremičnine.

  • ocena amortizacije (zmanjšana vrednost),

  • določitev vrednosti zemljišča in

  • umerjanje s splošnimi faktorji kakovosti.


Mno i no vrednotenje nepremi nin

Stroškovni model - umerjanje

  • Ocena amortizacije (zmanjšana vrednost zaradi staranja):

  • razlika med stroški novogradnje in tržno vrednostjo objekta;

  • določi se na osnovi analize trga - za posamezno vrsto objekta in lokacijo se določi:

    • efektivna starost objekta ter

    • stopnjo zmanjšanja vrednosti glede na starost objekta.


Mno i no vrednotenje nepremi nin

Stroškovni model - umerjanje

  • Prilagoditev ocenjene vrednosti nepremičnine tržni:

  • analiza razmerij (angl. ratiostudy);

  • regresijska analiza več spremenljivk ali multipla regresijska analiza (angl. multiple regressionanalyses).

  • Po stroškovnem modelu je prodajna cena nepremičnine enaka:

  • Cnep = b1Vzem + b2Vobj

  • b1 in b2 – koeficienta

  • Cnep– transakcijska vrednost nepremičnine, cena


Mno i no vrednotenje nepremi nin

Umerjanje dohodkovnega modela

  • Različni matematični modeli se lahko uporabijo za oceno bruto ali neto dohodka nepremičnine – uporabljajo se predvsem dve metodi:

  • metoda mnogokratnikov bruto donosa in metoda kapitalizacije:

  • razslojevanje (oblikovanje skupin nepremičnin glede na primerljive lastnosti nepremičnine);

  • regresijska analiza več spremenljivk ali multipla regresijska analiza (omogoča boljše upoštevanje podatkov trga kot stratifikacija);

    • Zelo pogosto se uporablja postopna regresijska analiza, ki omogoča izločevanje nepotrebnih ali neznačilnih spremenljivk.

  • (2)metoda regresijske analize več spremenljivk ali multipla regresijska analiza (donos je določen kot funkcija vrste objekta, efektivne starosti, lokacije, drugih lastnosti nepremičnine).


Mno i no vrednotenje nepremi nin

Umerjanje modela primerljivih prodaj

  • Model za določitev posplošene tržne vrednosti nepremičnin temelji na matematični enačbi, ki ocenjeno tržno vrednost določi na osnovi lastnosti nepremičnine neposredno s podatkov nepremičninskega trga:

  • analiza nepremičninskega trga je pri množičnem vrednotenju “množična”;

  • modeli so lahko aditivni, multiplikativniinhibridni.

  • modeli temeljijo na teoriji ocenjevanja tržne vrednosti in morajo odražati lokalne lastnosti nepremičninskega trga;

  • modeli omogočajo relativno preprosto letno preverjanje in umerjanje!


Mno i no vrednotenje nepremi nin

Modeli primerljivih prodaj

  • Zanesljivost modelov je odvisna predvsem od:

  • -kakovosti tržnih podatkov in

  • -kakovosti podatkov o lastnostih nepremičnin.

  • Metode umerjanja modelov primerljivih prodaj - najpogostejše:

  • regresijska analiza več spremenljivk ali multipla regresijska analiza MRA (angl. multiple regressionanalyses);

  • postopek prilagojenega ocenjevanja (angl. adaptiveestimation procedure) – primerna za hibridne modele.


Mno i no vrednotenje nepremi nin

Umerjanje modela primerljivih prodaj - MRA

  • REGRESIJA je metoda, s katero ob znani eni ali več neodvisnih spremenljivk napovemo, koliko bo (neznana) spremenljivka Y.

  • PRIMER ENE NEODVISNE SPREMENLJIVKE:

  • Y je odvisna spremenljivka, X pa neodvisna spremenljivka.

  • Y = f(X) + ε

  • Napoved vedno vsebuje napako oziroma odstopanje ε (razen če gre za funkcijsko zvezo), ki je tem večja, čim manjša (absolutno) je korelacija med X in Y.

  • Če se dve spremenljivki pojavljata skupaj, še ne pomeni, da sta med sabo povezani, odvisni.

  • Da se določi oziroma ugotovi medsebojna odvisnost (odvisne spremenljivke od ene ali več neodvisnih ali odvisnih spremenljivk), se izvaja REGRESIJSKA ANALIZA.


Mno i no vrednotenje nepremi nin

Regresijska analiza

V splošnem delimo odvisnost spremenljivk na:

-linearno odvisnost,

-nelinearno odvisnost.

Regresijski model je enačba ali več enačb s končnim številom spremenljivk.


Mno i no vrednotenje nepremi nin

Linearna regresija

Linearen regresijski model je model, kjer imamo eno odvisno in eno neodvisno spremenljivko – uporaben je v primeru, ko sprememba neodvisne spremenljivke povzroči približno linearno spremembo vrednosti odvisne spremenljivke.

Model enostavne linearne regresije:

Y = β0 + β1X +ε

Določiti regresijsko premico, kjer bodo minimalna odstopanja podatkov od premice:

Y ‘= b0 + b1X

To je enačba regresijske premice.


Mno i no vrednotenje nepremi nin

Linearna regresija

  • Grafična rešitev

  • pri linearni regresiji je to premica z enačbo

  • Y’= b0 + b1X

  • Pri čemer je:

  • -Y’ napovedana vrednost Y

  • - b0 presečišče z Y osjo

  • - b1 (pričakovano) povečanje Y(7,69), če se X poveča za 1 enoto;

Regresijska črta kaže obliko povezanosti in je umeten(!) konstrukt, ki včasih bolje, včasih slabše prilega dejanskim podatkom;


Mno i no vrednotenje nepremi nin

Linearna regresija

  • Metoda najmanjših kvadratov:

    • Y = Y‘ + ε = b0 + b1X + ε

  • Z regresijo določimo tiste vrednosti b0inb1, da se čim bolje prilagaja podatkom – vsota kvadratov odstopanj mora biti minimalna:

  • Funkcijo S(b0,b1) odvajamo po b0 inb1 ter določimo minimum funkcije:


  • Mno i no vrednotenje nepremi nin

    Korelacijski koeficient

    Smer in jakost linerarne odvisnosti dveh spremenljivk izražamo s korelacijskim koeficientom (Pearsonov koeficient), ki ga v populaciji označujemo z ρ, njegovo vzorčno oceno pa z r.

    Po definiciji je enak razmerju med kovarianco in korenom iz produkta varianc obeh spremenljivk:

    Kvadrat r2 imenujemo determinacijski koeficient in pove, kolikšen del variance ene spremenljivke lahko pojasnimo z variiranjem druge.

    Visoka vrednost korelacijskega koeficienta ne pomeni nujno, da je linearna povezava med spremenljivkama tudi statistično značilna. Značilnost ugotovimo s testom t (glej predhodno poglavje!).


    Mno i no vrednotenje nepremi nin

    Korelacija več neodvisnih spremenljivk

    • Hkraten vpliv več neodvisnih spremenljivk na odvisno (Y) imenujemo multipla korelacija:

    • R se nahaja v [0,1] in je večji ali vsaj enak kot je največji Pearsonov r med posamezno neodvisno spremenljivko in Y. Z dodajanjem novih X-ov torej uspemo pojasniti vedno večji delež odvisne spremenljivke Y (vsaj na vzorcu).

    • Podobno kot pri enostavni regresiji/korelaciji velja:

    • -Kvadrat kor. koeficienta, R2 je determinacijski koeficient, kaže kolikšen del variance Y je pojasnjen z variiranjem X-ov. (1- R2) je nepojasnjena varianca.

    • -Koren iz variance napake napovedi (Y-Y’) imenujemo standardna napaka napovedi.


    Mno i no vrednotenje nepremi nin

    Parcialna korelacija

    • Parcialna korelacija:

    • Kaže “čisto”zvezo med dvema spremenljivkama, tj. zvezo, iz katere je izločen vpliv ene ali več drugih spremenljivk na prvo (Y) in drugo (Xi) spremenljivko.

    • Izločanje vpliva lahko zveča ali zmanjša parcialno korelacijo glede na Pearsonov r.


    Mno i no vrednotenje nepremi nin

    Krivuljna regresija

    • Spremenljivki sta med seboj lahko povezani tudi s kako drugo krivuljo in ne le linearno premico. Prilagajanje takim krivuljam lahko ugotavljamo na dva načina:

    • podatke transformiramo v želeno obliko krivulje (npr. logaritmiranje, kvadriranje ...) in zanje izračunamo linearno regresijo;

    • uporabimo polinomno regresijo –izračunamo prilagajanje izbrani polinomni funkciji.


    Mno i no vrednotenje nepremi nin

    Krivuljna regresija

    Najpreprostejša polinomna regresija je kvadratna, ki opisuje parabolično ukrivljenje. Linerarni enačbi dodamo člen x2:

    Y = b0 + b1X+ b2X2

    Dodajanje člena vodi do enačbe kubične regresije:

    Y = b0 + b1X+ b2X2 + b3X3

    in regresije na četrto potenco:

    Y = b0 + b1X+ b2X2 + b3X3 + b4X4


    Mno i no vrednotenje nepremi nin

    Krivuljna regresija

    • Opozorila (podobno kot pri linearni)

      • Točke, ki izstopajo (zlasti glede na neodvisno spremenljivko x), lahko prekomerno vplivajo na regresijo. Vpliv takih vrednosti preverimo tako, da jih odstranimo in ponovno izračunamo regresijo.

      • Razlika med točko in regresijsko premico v smeri y je preostanek.

      • Ne glede potrjeno statistično značilnost regresije, moramo paziti, kako uporabimo rezultat za napovedovanje. Ekstrapoliranje izven meja prvotnih podatkov ni priporočljivo, razen če poznamo (geološki) proces in vemo, da je to smiselno.

    • -Linearni in kvadratni členi so lastni številnim fizikalnim procesom, višje stopnje polinomov pa ne, zato je dobro prileganje višjim regresijam pogosto zgolj slučajno.

    • -Visoke stopnje polinomov imajo lahko skrajne naklone, ki pri ekstrapolaciji vodijo do neverjetnih ocen.


    Mno i no vrednotenje nepremi nin

    MULTIVARIANTNE METODE


    Mno i no vrednotenje nepremi nin

    MULTIVARIANTNE METODE

    • MULTIVARIANTNE METODE

    • Multivariatne metode omogočajo sočasno analizo več spremenljivk.

    • Poseben problem predstavlja grafična predstavitev več kot treh spremenljivk hkrati;

    • Ena izmed nalog multivariatnih metod je zato zmanjšanje dimenzionalnosti podatkov, do predstavljive upodobljivosti.

    • Razlogi, da multivariatnih metod ne uporabimo pogosto?

    • logistični –razpoložljivi so le podatki za eno ali dve spremenljivki.

    • Strokovni– omejeno število spremenljivkustrezazastavljenemunamenuštudije.

    • Izkustveni – ugotovili smo, da za določen izid testa (npr. razlikovanje dveh populacij) zadostuje že ena spremenljivka, da zavrnemo H0.

    • Matematični – sočasna analiza več spremenljivk nudi dodatne podatke le, če so spremenljivke med seboj korelirane.


    Mno i no vrednotenje nepremi nin

    MULTIVARIANTNE METODE


    Mno i no vrednotenje nepremi nin

    MULTIVARIANTNE METODE


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • Oblike regresijskih modelov so lahko:


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • MULTIPLA LINEARNA REGRESIJA

    • Vsi navedeni modeli so v delnih regresijskih koeficientih β linearni, zato z njimi ne skušajmo obravnavati nelinearnih modelov.

    • Prvi model opisuje točke v 3D prostoru, za katere iščemo ravnino najboljšega prileganja.

    • Drugi in četrti predstavljata točke v hiperprostoru, ki jim skušamo prilagoditi hiperpovršino. Izbiramo jo tako, da čim bolj zmanjšamo vsote kvadriranih odstopanj podatkovnih točk od nje.

    • Tretji model je primer polinomne regresije. Čeprav vključuje kvadriranje je linearen, ker so delni regresijski koeficienti linearni.


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • Kadar potrebujemo vrednosti Y, jih predstavimo v obliki vektorja, kakor tudi delne regresijske koeficiente in člene napake:


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • Uporabimo princip najmanjših kvadratov –izberemo hiper ravnino, ki zmanjša vsoto kvadratov preostankov.


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • Kriteriji izbire regresijskih modelov:

    • Modeli so različni glede na število vključenih spremenljivk in način izračuna regresije;

    • V primeru dveh neodvisnih spremenljivk so možni trije modeli, v primeru treh že sedem in s štirimi 15.

    • Najpomembnejši modeli MRA so:

      • proučitev vse možne regresije,

      • postopna regresija,

      • napredujoča regresija,

      • obrnjeno opuščanje.


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • Nekateri kriteriji izbire modela:

    • Multipli regresijski koeficient:

      • Vrednost narašča z dodajanjem spremenljivk, dokler niso vključene vse spremenljivke, vendar se njihovi doprinosi zmanjšujejo.

    • (2) Napaka povprečja vsote kvadratov naj bo majhna.

    • (3) Prilagojeni R2p je multipli determinacijski koeficient, prilagojen stopnjam prostosti:

      • Metoda je primerljiva zmanjševanju povprečja vsote kvadratov preostanka.


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • II. Postopna regresija


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • Postopna regresija


    Mno i no vrednotenje nepremi nin

    MULTIPLA REGRESIJSKA ANALIZA

    • III. Napredujoča regresija

    • Sledi enakemu postopku kot postopna regresija, le da predhodno izbranih spremenljivk ne testiramo, da bi ugotovili, kako nanje vplivajo kasneje dodane.

    • IV. Obrnjeno opuščanje

    • Vključimo vse regresijske kandidate in tistega z najnižjim delnim korelacijskim koeficientom z Y izločimo, vse ostale pa upoštevamo, če je delna statistika F nižja od Fout.

    • Postopek nadaljujemo, dokler ni model tak, da nobena od spremenljivk nima delne statistike F nižje od Fout.


    Mno i no vrednotenje nepremi nin

    MRA – analiza odstopanj in napovedanih vrednosti


    Mno i no vrednotenje nepremi nin

    MRA – analiza vpliva lokacije


    Mno i no vrednotenje nepremi nin

    Umerjanje – postopek prilagojenega ocenjevanja

    • Metoda prilagajanja (AEP, angl. AdaptiveEstimationprocedure, “feedback”) je primerna za hibridne modele, matematični model se spreminja (prilagaja) postopoma, na osnovni zaporedne (sekvenčne) analize posamezne transakcije:

    • nova metoda iz 80-ih;

    • zaporedje (sekvenca) analiz posameznih prodaj – model sčasoma konvergira do končne rešitve;

    • Medtem ko MRA minimizira vsoto kvadratov odstopanj, ta metoda minimizira povprečno absolutno napako. Pri obeh metodah pa se mora izključiti ekstremne vrednosti!


    Mno i no vrednotenje nepremi nin

    Ocena modela

    • Pristopi statističnega preverjanja modelov:

    • statistično preverjanje;

    • analiza razmerij (angl. ratiostudies);

    • pilotne študije;

    • nadzor, dodatno preverjanje;

    • analiza zanesljivosti modelov v času …


    Mno i no vrednotenje nepremi nin

    Posodabljanje modela

    • Ponovno umerjanje modela; ciklično umerjanje modela;

    • Indeksacija.


    Mno i no vrednotenje nepremi nin

    Vprašanja za utrjevanje snovi

    • Kaj je umerjanjem modela množičnega vrednotenja?

    • Razloži splošen stroškovni model ter postopek umerjanja!

    • Razloži postopek umerjanja dohodkovnega modela!

    • Navedi in opiši osnovni metodi za umerjanje modelov primerljivih prodaj! Kaj so prednosti takega modela v primerjavi z dohodkovnim in stroškovnim modelom?

    • Kaj je regresija, kaj je regresijska analiza?

    • Na kaj moramo paziti pri polinomni (krivuljni) regresiji?

    • Razloži pojma korelacija več neodvisnih spremenljivk ter parcialna korelacija!

    • Katere multivariantne metode poznaš?

    • Katere modele multiple regresije poznaš – na kratko jih opiši!

    • Na kake načine lahko preverjamo modele množičnega vrednotenja?

    • Kako posodabljamo modele množičnega vrednotenja?


  • Login