slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Jan MELICHAR Ondřej Vojáček Kateřina Kaprová VŠE workshop 24. červen , 200 8 PowerPoint Presentation
Download Presentation
Jan MELICHAR Ondřej Vojáček Kateřina Kaprová VŠE workshop 24. červen , 200 8

Loading in 2 Seconds...

play fullscreen
1 / 24

Jan MELICHAR Ondřej Vojáček Kateřina Kaprová VŠE workshop 24. červen , 200 8 - PowerPoint PPT Presentation


  • 83 Views
  • Uploaded on

1. Teorie hedonických trhů a odhad funkce hedonické ceny pro Prahu 2. Volba proměnných 3. Specifikace modelu. Jan MELICHAR Ondřej Vojáček Kateřina Kaprová VŠE workshop 24. červen , 200 8. Teorie hedonických trhů Odhad funkce hedonické ceny pro Prahu. Ing. Jan MELICHAR PhD.

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 'Jan MELICHAR Ondřej Vojáček Kateřina Kaprová VŠE workshop 24. červen , 200 8' - kylee


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

1. Teorie hedonických trhů a odhad funkce hedonické ceny pro Prahu2. Volba proměnných3. Specifikace modelu

Jan MELICHAR

Ondřej Vojáček

Kateřina Kaprová

VŠE workshop

24. červen, 2008

z kladn tvrzen a p edpoklady
Základní tvrzení a předpoklady
  • Teorie spotřebitele – Lancanster 1966
  • Užitek jednotlivce ze statku či služby je odvozen z jeho atributů
  • Předpoklad teorie spotřebitele: pořizovací cena, kterou potenciální kupující je ochoten zaplatit, závisí na existenci a úrovni široké škály atributů bydlení

Cena bydlení

Místní socio-ekonomické charakteristiky

Kvalita prostředí

Stavební charakteristiky

Místní dostupnost

model prvn ho stupn firt stage model

Griliches (1971) a Rosen (1974)

  • Odhad implicitní ceny atributu

Charakteristiky bydlení

  • stavební charakteristiky
  • místní socio-ekonomické charakteristiky
  • charakteristiky kvality okolí bydlení

Funkce hedonické ceny

  • Parametry odhadnuté funkce hedonické ceny odhalují preferenční strukturu atributů statku.
Model prvního stupně (firt-stage model)
model druh ho stupn second stage model
Model druhého stupně (second-stage model)

Mezní implicitní cena atributu

  • Cena zaplacená jednotlivcem za poslední jednotku atributu
  • Odhadnutá implicitní cena pro jednotlivce představuje jeden bod na křivce individuální poptávky

Odhad implicitní inverzní poptávkové funkce

  • Odvození funkce poptávky po atributu z mezní implicitní ceny
odhad funkce hedonick ceny pro prahu
Odhad funkce hedonické ceny pro Prahu
  • Aplikace hedonické ceny na trhu s bydlením pro Prahu
  • Segmentace trhu: trh s byty pro Prahu 1 – 10
  • Zjištění implicitní ceny pro vybrané environmentální charakteristiky
    • úroveň hladiny hluku
    • úroveň imisních charakteristik
    • vzdálenost do městského lesa či parku
  • Typ dat
    • průřezová data z období 2005 – 2008
    • katalog nemovitostí (reality.cz)
  • Využité metody:
    • regresní analýza
    • prostorová analýza pomocí GIS
specifikace empirick ho modelu
Specifikace empirického modelu
  • testování na pilotním vzorku pro Prahu, N=103 (domy a byty)
  • lineární model  jednoduchá interpretovatelnost parametrů
vliv m stsk zelen na cenu nemovitost re er e zahrani n ch studi

Vliv městské zeleně na cenu nemovitostíRešerše zahraničních studií

Bc. Kateřina Kaprová

v sledky re er e zahrani n literatury
Výsledky rešerše zahraniční literatury
  • městská zeleň ve většině studií přispívá významnou měrou k ceně okolních nemovitostí (0,6 - 10 % ceny)
  • nejčastěji je použita proměnná „vzdálenost do parku“ (měření)
  • zjištění vzdálenosti (GIS)
  • menší rozloha – dummy (500 m)
v sledky re er e zahrani n literatury1
Výsledky rešerše zahraniční literatury
  • vliv se liší podle užití plochy (rekreační, estetická funkce)
  • také podle velikosti
  • možný i negativní vliv (Garrod, Willis 1992) – jehličnany, špatný stav parku
  • proměnná „výhled z okna“ (estetické hodnoty)
  • proměnná „procento zeleně“
navrhovan prom nn
Navrhované proměnné
  • Vzdálenost k nejbližší zelené ploše (-)
  • Vzdálenost k nejbližšímu přírodnímu parku či velkému lesu (-)
  • Rozloha nejbližšího přírodního parku či velkého lesa (+)
  • Relativní množství zeleně v městské čtvrti (+)

Pozn:V závorce předpokládaný vliv proměnné na cenu nemovitosti

ekonometrick probl my spojen s odhadem modelu hedonick ceny

Ekonometrické problémy spojené s odhadem modelu hedonické ceny

Ing. Ondřej Vojáček

probl mov okruhy
Problémové okruhy
  • Specifikace modelu
  • Multikolinearita
  • Robustnost odhadů
  • Bias vs. Variance
specifikace modelu
Specifikace modelu
    • Lineární – vysvětlující i vysvětlovaná proměnná vstupují do regrese ve své lineární formě
    • Semi-logaritmická - logaritmus závisle proměnné vstupuje do regrese, vysvětlující proměnné vstupují lineárně do regrese
    • Log-lineární - a lineární závisle proměnná logaritmus nezávisle proměnné
    • Log-log – závisle i nezávisle proměnné v log formě
  • Volba modelu – metoda pokusu a omylu (Batemann 2001)
  • Kriterium – maximalizace Rsq. – předpoklad nejlepšího modelu
specifikace modelu3
Specifikace modelu
  • Většina modelu jsou semi-log (i.e. závislé jako logaritmu, nez. V lineární formě)
  • Teoreticky však nelze opodstatnit
  • E.g. Levesque (1994) využití Box-Cox transformace a ukázal, že model, který má nejlepší fit u jeho dat je signifikantně rozdílný od semi-log.
  • Box-Coxvyužita také (Powe,Garrod, Willis 1995) – výsledek lineární model!
probl my spojen s odhadem hpf
Problémy spojené s odhadem HPF

Bias X Variance

    • Bias závažný problém, který může vyústit v chybné závěry
    • Velký rozptyl zmenšuje jistotu odhadu, ale vede ke správným závěrům
    • biaszpůsobený vynecháním důležité vysvětlující proměnné (omited variable bias) – změny v ceně chybně přiřknuty jiným proměnným
    • Chyba špatné specifikace modelu (mis-specification bias) – použití špatné funkční formy regresní rovnice
  • Další zdroje nejistoty v modelu:
    • Nepřesné měření proměnných
    • Nerovnováha na trhu nemovitostí
    • Dílčí trhy – zdánlivě jednotný trh může být vnitřně rozdělen na několik dílčích trhů – různé funkce pro různé dílčí trhy
    • Data získána v průběhu delšího časového úseku a změny na trhu nemovitostí
multi k olineari ta
Multikolinearita
  • Vzájemná korelace mezi dvěma a více vysvětlujícími proměnnými
  • Vzniká v situaci kdy 2 a více vysvětlujících proměnných mají podobný vztah k vysvětlované proměnné
  • Způsobuje:
    • Odhady parametrů proměnných mohou být nepřiměřeně velké
    • Odhady parametrů mohou mít špatné znaménko
  • Možné řešení: kombinace vysoce korelovaných proměnných do jednoho indexu (proměnné) – metoda hlavních komponent (principal components analysis)
nep tomnost m ulti k olinearity robustnost modelu
Nepřítomnost multikolinearity: Robustnost modelu
  • Robustnost modelu: Požadavek na odhad modelu
  • Po zahrnutí dalších proměnných by se původní odhady neměly změnit

Např. Bateman et. Al. (2001):

      • Pouze charakteristiky bytu/domu – NSDI 0,84 %
      • + „neighbourhood chracteristics“NSDI 0,57 %
      • + proměnné „visual (dis)amenities of the surrounding area“NSDI 0,2%
slide24
Děkujeme za pozornost

Jan Melichar

Ondřej Vojáček

Kateřina Kaprová