slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Per comprendere il SISTEMA GENERALE DI STIMA partiamo da una premessa sostanziale PowerPoint Presentation
Download Presentation
Per comprendere il SISTEMA GENERALE DI STIMA partiamo da una premessa sostanziale

Loading in 2 Seconds...

play fullscreen
1 / 20

Per comprendere il SISTEMA GENERALE DI STIMA partiamo da una premessa sostanziale - PowerPoint PPT Presentation


  • 157 Views
  • Uploaded on

Per comprendere il SISTEMA GENERALE DI STIMA partiamo da una premessa sostanziale. Una variazione nel prezzo di un immobile può essere definita come una variazione nel prezzo delle sue caratteristiche, ovvero…. DIFFERENZA AMMONT.CARATTER. PREZZI MARGINALI.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Per comprendere il SISTEMA GENERALE DI STIMA partiamo da una premessa sostanziale' - diem


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
slide1

Per comprendere il SISTEMA GENERALE DI STIMA partiamo da una premessa sostanziale

Una variazione nel prezzo di un immobile può essere definita come una variazione nel prezzo delle sue caratteristiche, ovvero…

DIFFERENZA AMMONT.CARATTER.

PREZZI MARGINALI

Da cui sostituendo il subject S a P2 si avrà:

Una differenza di prezzo è quindi spiegata in termini di differenza di prezzi delle singole caratteristiche ovvero del prodotto fra la variazione delle caratteristiche per i loro prezzi marginali

slide2

Sulla base di queste funzioni si generalizza sostanzialmente l’MCA e si procede alla definizione di un sistema matriciale in grado di consentire la formulazione di un giudizio di valore e l’apprezzamento dei prezzi marginali. Si noti che in questo caso non vi è termine noto. QUINDI SI RILEVANO I PREZZI DI MERCATO CHE SONO RAPPRESENTATI DI SEGUITO CON I PREZZI P1;P2 E P3. SI IMPOSTA IL SISTEMA DETERMINATO DA UNA PLURALITA’ DI EQUAZIONI CHE EGUAGLIANO IL PREZZO RILEVATO AL VALORE DEL SUBJECT A CUI VA SOMMATO IL PRODOTTO FRA I PREZZI MARGINALI ED IL PRDOTTO DELLE CARATTERISTICHE

P1 = Vs + Pm(Lungh.A-Lungh.Subject)+…+ Pm(Pres.A-Pres.Subject)

P2 = Vs + Pm(Lungh.B-Lungh.Subject) +…+ Pm(Pres.B-Pres.Subject)

P3 = Vs + Pm(Lungh.C-Lungh.Subject) +…+ Pm(Pres.C-Pres.Subject)

In termini matriciali si procederà al calcolo che segue

Matrice delle Differenze

Vettore Colonna dei Prezzi RILEVATI

Vettore Colonna dei Termini Incogniti

=

Y

A

X

slide3

Ricordando che…

Y = AX

Laddove normalmente si risolve

X = Y A-1

In termini generali essa è calcolabile per : 1) Determinante diverso da zero

2) Matrice Quadrata o Regolare m=n

UN MATEMATICO HA SVILUPPATO UN METODO PER LA RISOLUZIONE DI MATRICI NON REGOLARI PER m diverso da n. LA PROCEDURA NORMALMENTE ASSOCIATA AI NOMI DI MOORE E PENROSE CONSENTE DI APPLICARE IL METODO DELL’INVERSA ANCHE A SISTEMI SOVRA O SOTTODETERMINATI

Sistemi Sottodeterminati

Sistemi Sovradeterminati

X=YA-1

X = Y AT(AAT) -1

X=YA-1

X = Y (ATA) -1 AT

A-1

A-1

slide4

B.1 IL SISTEMA DELLE DIFFERENZE

Per comprendere il SISTEMA DELLE DIFFERENZE partiamo da una premessa sostanziale, ovvero dalla constatazione che possa emergere la NECESSITA’ DI CONOSCERE IL PREZZO MARGINALE DI VARIABILI AESTIMABILIS O INAESTIMABILIS senza richiedere la conoscenza del valore di un bene immobile da stimare (subject). Infatti “…Nel sistema delle differenze lo scopo delle analisi riguarda il la stima dei prezzi marginali e non il valore del subject…” (Salvo,1999) Il sistema consente di quantificare la variabile inaestimabilis attraverso la definizione delle differenze fra un ammontare medio delle caratteristiche considerate e quello di ogni componente del campione e la quantificazione dei prezzi medi di ogni singola caratteristica. Si parte dalla relazione:

Giova sottolineare che per prezzo medio si può intendere anche la media aritmetica dei tre prezzi rilevati e per caratteristiche medie si può intendere la media delle caratteristiche delcampione rilevato. Si potrà quindi impostare la seguente relazione, che nel caso specifico, è finalizzato alla determinazione del prezzo marginale di una serie di superfici:

slide5

Vettore Termini Noti

Vettore Incognite

Matrice caratteristiche (superfici)

Y

X

A

Si utilizzerà anche in questo caso la Moore Penrose per la risoluzione del problema e la determinazione dei prezzi marginali delle caratteristiche prese in considerazione

Questo sistema di applica in quei casi in cui è necessario stimare il prezzo marginale di alcune caratteristiche. Sembra evidente come questo sistema possa identificarsi con un PROCEDIMENTO DI REGRESSIONE CON L’INTERCETTA generando come output del sistema uno o più prezzi marginali.

slide6

B.2 IL SISTEMA DI RIPARTIZIONE

Per comprendere il SISTEMA DI RIPARTIZIONE partiamo da una premessa sostanziale, ovvero dalla constatazione che in termini generali il prezzo di un immobile che presenta una pluralità di caratteristiche ( consideriamo ad esempio una pluralità di superfici) possa essere determinato attraverso la seguente relazione:

Quindi se si volesse ripartire un prezzo totale a corpo di un insieme di superfici per ottenerne dei prezzi medi di riferimento. Utilizzato per un numero elevato di dati con un prezzo reale di mercato. Siamo in presenza di un numero considerevole di superfici e dati quantitativi. Si partirà dal sistema di equazioni

Laddove P1; P2;P3 rappresentano i prezzi rilevati direttamente sul mercato mentre i Pm sono i prezzi medi e le superfici sono quelle relative alle varie tipologie di superfici considerate per ogni tipo di immobile. In questo caso l’incognita è proprio il prezzo medio delle varie superfici

slide7

C. I SISTEMI MISTI

Supponiamo che dopo aver stimato i prezzi marginali esistano delle variabili per cui esiste una misura fisica ma non esista la maniera di quantificarne il valore. Tuttavia sappiamo che esistono anche perché evidenziano una disfunzione nel processo di aggiustamento dei prezzi marginali. E necessitiamo di quantificarle unitamente al valore del subject. QUINDI POSSIAMO MODIFICARE LA RELAZIONE DEL SISTEMA GENERALE DI STIMA PROCEDENDO A SCRIVERE

Il primo termine coincide con l’ultima riga della tabella del MCA, mentre il secondo termine evidenzia la somma fra il subject ed il prezzo marginale delle variabili inaestimabilis per il relativo prezzo marginale.Quindi l’MCA si integra con le relazioni che seguono riferite soltanto alle caratteristiche che si suppongono ancora incluse nei prezzi aggiustati:

Padj1 = Vs + PmFRONTE (Lungh.A-Lungh.Subject)+ PmZONA (Pres.A-Pres.Subject)

Padj2 = Vs + PmFRONTE (Lungh.B-Lungh.Subject) + PmZONA (Pres.B-Pres.Subject)

Padj3 = Vs + PmFRONTE (Lungh.C-Lungh.Subject) + PmZONA (Pres.C-Pres.Subject)

Vettore Colonna dei Termini Incogniti

Vettore Colonna dei Prezzi Aggiustati

Matrice delle Differenze

IN TERMINI MATRICIALI

=

Y

A

X

slide8

Ricordando che…

Y = AX

Laddove normalmente si risolve

X = Y A-1

In termini generali essa è calcolabile per : 1) Determinante diverso da zero

2) Matrice Quadrata o Regolare m=n

UN MATEMATICO HA SVILUPPATO UN METODO PER LA RISOLUZIONE DI MATRICI NON REGOLARI PER m diverso da n. LA PROCEDURA NORMALMENTE ASSOCIATA AI NOMI DI MOORE E PENROSE CONSENTE DI APPLICARE IL METODO DELL’INVERSA ANCHE A SISTEMI SOVRA O SOTTODETERMINATI

Sistemi Sottodeterminati

Sistemi Sovradeterminati

X=YA-1

X = Y AT(AAT) -1

X=YA-1

X = Y (ATA) -1 AT

A-1

A-1

slide9

D. ANALISI DI REGRESSIONE

DEDUZIONE

Come si comporterà un campione?

PROBABILITA’

Sarà Rappresentativo?

particolare

generale

INFERENZA

INDUZIONE

Con quale precisione

particolare

generale

L’Analisi di Regressione ha come campo applicativo la mass appraisal ovvero la stima di una funzione matematica che sia rappresentativa della relazione fra il valore di un bene immobile e le sue caratteristiche . La funzione viene verificata e testata sul campione di osservazioni disponibili o insieme di transazioni che rappresentano nel caso specifico le osservazioni del modello. Una analisi di regressione consente di sviluppare una funzione che abbia generale validità in un determinato momento storico per un determinato contesto.

La raccolta dei dati può avvenire secondo differenti modalità e si basa su una serie di premesse.

slide10

Con l’Analisi Statistica si cerca un modello interpretativo e descrittivo della realtà del mercato immobiliare

MODALITA’ DI RILEVAZIONE DEI DATI

IPOTESI SUL MODELLO

Le osservazioni nel caso immobiliare possono essere rilevate o con riferimento a cross section (DATI RIFERITI AD AMBITI GEOGRAFICI OMOGENEI) o con riferimento a time series( DATI RIFERITI AD UNA SERIE TEMPORALE) o entrambe

  • Le xj non sono combinazione lineare di variabili
  • La matrice non deve essere singolare
  • Il n. di osservazioni N > numero di parametri n o p
  • Relazione Lineare fra xj e yj

IPOTESI SULL’ERRORE

  • Valore atteso di e = 0
  • 2) Varianza dell’errore costante (OMOSCHEDASTICITA’)
  • 3) Distribuzione dell’errore normale
  • 4) Indipendenza degli errori medi
slide11

APPROFONDENDO LE IPOTESI ALLA BASE DEI MODELLI DI REGRESSIONE

IPOTESI

Specificazione del Modello

  • Nessuna Variabile Significativa è stata trascurata
  • Nessuna Variabile non Significativa è stata inclusa
  • Relazione fra Y ed X lineare (nei mod.lin.)

Omoschedasticità

Misurazione

  • Le variabili sono state accuratamente misurate

Errore

1. Il valore atteso dell’errore è pari a zero

Eteroschedasticità

2. La varianza del termine di errore è costante ipotesi di OMOSCHEDASTICITA’

3.Assenza di Autocorrelazione fra gli errori

4.Normalità

5. La variabile indipendente è non correlata con il termine di errore

slide12

INPUT

MODELLO

OUTPUT

Nella definizione di un modello esistono delle variabili di input e che in funzione del modello elaborato vengono trasformate in output. Produciamo modelli continuamente. Ad esempio distribuiamo il tempo in funzione degli impegni della nostra giornata e, conseguentemente, verifichiamo se a fine giornata siamo stati in condizione di fare tutto o meno.

EQUAZIONI STRUTTURALI

Relazioni di Identità -In questo tipo di relazioni il rapporto è simmetrico. Il rapporto fra le variabili è sia da sinistra verso destra che da destra. verso sinistra. L’eguaglianza fra il costo totale e la somma dei costi fissi e quelli variabili nel breve periodo è una relazione di identità. Si potrà dire che il costo totale è la somma delle due tipologie di costo ma anche il contrario. È necessario prestare attenzione a non confondere le equazioni definitorie con altre condizioni; ad esempio la relazione del modello (2.3.1) indica un’identità "ex post" e non è un’equazione definitoria “ex ante”.

Funzioni di Reazione -Un’equazione che rappresenta il modo di reagire di un’autorità di governo a specifiche variazioni di aggregati economici è detta funzione di reazione. Tale modo di reagire può riguardare, ad esempio, il cambio, la moneta offerta, il tasso di sconto, l’imposizione fiscale.

Equazione di Comportamento – In questo tipo la relazione è asimmetrica e c’e’ una relazione che opera da destra verso sinistra . Si immagini che si vuole stimare il costo variabile secondo una funzione lineare non passante per il centro. In tal caso è la forma dell’equazione che determina il valore del costo variabile

Equazioni Istituzionali -Un’equazione istituzionale è una relazione nella quale sono incorporati gli effetti di vincoli istituzionali (leggi, norme d’attuazione, decreti, ecc.) in vigore.

Equazioni Tecniche -Una tale equazione non è di comportamento: si riferisce invece alla tecnologia in uso nella produzione,in quanto collega due risorse (lavoro e capitale) ad un prodotto, e rappresenta, pertanto, una equazione tecnica. Un caso particolare della (2.4.4) è offerto dalla b a × × g = k l x a + b = 1 (2.4.5) che rappresenta il ben noto tipo di funzione di Cobb e Douglas.

Equazioni Definitorie -Si chiamano, infine, equazioni definitorie quelle che servono semplicemente a definire una variabile per mezzo di altre; è tale ad esempio la (2.1.3) che indica il reddito disponibile come differenza tra il reddito e le imposte. In realtà, queste relazioni definitorie sono identità "ex ante" che semplicemente esprimono concetti veri per definizione.

La dimensione temporale può essere definita come periodo di osservazione e la struttura economica è costituita dall’insieme di relazioni che rimane costante nel predetto periodo di osservazione

slide13

Nella stima dell’approssimazione della curva potremmo prendere in considerazione la differenza fra i punti teorici ed le osservazioni ma

Nel valore assoluto non si considerano i punti intermedi

La soluzione sta nel considerare i quadrati delle distanze e imporre che essi siano minimi: CRITERIO DEI MINIMI QUADRATI

slide14

Come stimiamo i coefficienti della funzione che interpola i punti empirici?…

Condizione di primo ordine: Si impone quindi che la derivata prima nelle variabili b0 e b1 : ciò equivale a studiare il seguente sistema:

Eq. fondam.

DA CUI

x

I residui per le i osservazioni rappresentano la differenza tra i valori osservati yi equelli calcolati dal modello y^ per cui si ha:

Con il metodo di sostituzione si ottengono i parametri b0 e b1 .

Questi parametri, ottenuti imponendo che la somma degli scostamenti dalla retta di regressione sia minima, posizionano sul piano la retta interpolante

Il CRITERIO dei MINIMI QUADRATI secondo il Teorema Gauss Markov è BLUE

Essi devono essere minimizzati e pertanto si procederà a imporre min(Sei2) da cui

Differenziando rispetto ai due parametri ed imponendo l’uguaglianza a 0

Equazioni Normali

slide15

Dalle equazioni normali si ottiene un sistema a due incognite pari ai parametri della retta di regressione, ovvero:

b1 rappresenta il coefficiente angolare della retta ovvero di quanto varia la variabile y al variare della variabile x

y

1

x

b0 rappresenta l’intercetta della retta, ovvero il valore che assume l’espressione quando x assume un valore pari a 0

Partendo dalle equazioni normali e risolvendo la prima in funzione di b0si avrà:

Ora ricavando b0 e sostituendolo nella eq. fondamentale si ha

Il che dimostra che se

Y=Valore

Ovvero il punto

appartiene alla retta di regressione

Questo punto si chiama anche centro medio

X=Caratteristiche

slide16

0.CONGRUITA’ DEL SEGNO

Verifica del significato economico e statistico dei segni sviluppati dall’analisi con riferimento ai prezzi marginali

1. TEST SULL’ACCOSTAMENTO FRA I DATI TEORICI E QUELLI EMPIRICI

1.A - R2 =INDICE DI DETERMINAZIONE

Misurare la bontà dell’accostamento della retta di regressione ai punti osservati ( distanza fra i punti teorici e quelli empirici)

Devianza totale

Devianza spiegata

dalla regressione

Devianza residua

y

x

slide17

IN TERMINI GRAFICI SI AVRA’…

y

x

x

Tuttavia l’indice di determinazione è sensibile al numero delle osservazioni ed i suoi valori crescono al crescere del numero delle osservazioni, formulando un giudizio di affidabilità su campioni numerosi indipendentemente dalla loro validità. ( Simonotti,1997) Per questo motivo si è cercato di formulare un altro indice di determinazione “adjusted” o aggiustato o corretto.

1.B - R2 = INDICE DI DETERMINAZIONE CORRETTO O ADJUSTED

m-osservazionin-variabili-g.d.l.

>90%

slide18

2.TEST DI FISHER SIGNIFICATIVITA’ DEL MODELLO

Ripetendo un numero n di volte l’esperimento la variabile dipendente può assumere valori differenti determinando una popolazione di possibili rette che interpolano i valori empirici. Il che pone il problema di determinare i parametri dell’intercetta che riesca ad interpolare i dati empirici in maniera più efficiente

IPOTESI STATISTICA

Y

x

Sorge la necessità di definire con maggiore precisione i parametri che consentono l’ individuazione retta

slide19

3. TEST SIGNIFICATIVITA’ DEI PARAMETRI

La significatività statistica dei coefficienti è un problema che esula dai problemi di stima rientrando nella cosiddetta prova delle ipotesi; tuttavia alcune misure di variabilità aiutano ad interpretare i risultati del modello ed a saggiarne la significatività complessiva.

Le misure sono applicabili anche ai parametri per vedere la loro variabilità

Essa mira a verificare l’ipotesi che non parta dall’origine la raffigurazione teorica- tb0

Essa mira a verificare quanto la variabile x ed il suo coefficiente ha significato statistica nello spiegare y. Aumentando la variabilità della x legata al suo campo di variazione , aumenta l’ammontare di tb1

FACENDO RIFERIMENTO A VARIABILI T DI STUDENT

La prova delle ipotesi di significatività si chiede che entrambi i test siano superiori a 2 perché per m non troppo piccolo la distribuzione teorica t al livello di confidenza del 95% è all’incirca 2

slide20

4. VERIFICA DELLO SCOSTAMENTO FRA VALORI TEORICI E VALORI EMPIRICI

Errore Percentuale

È lo strumento di verifica estimativa del modello di regressione: mette in rapporto l’errore standard con la media della variabile dipendente:

>5%

Errore Standard SE2

E’ il rapporto fra la devianza residua ed i gradi di libertà numero delle osservazioni diminuito del numero delle inferenze

Scostamento Medio Quadratico

E’ il quadrato del rapporto fra la devianza residua ed i gradi di libertà numero delle osservazioni diminuito del numero delle inferenze