Abstract: The authors have considered the possibility of using the model of Clark zoning of the urban area in the process of pricing of land. When comparing the three models the authors have chosen the exponential regression negative indicator of the degree of when the price 1 sq. m. with the distance from the center. The authors have provereli the quality and adequacy of the model based on student's t test and Fisher. On the basis of the obtained models was carried out zoning of the territory of Saratov with the definition of the average cost of 1 sq. m. in each zone.
Keywords: zoning of the city; the model of Clark; the value of land
Введение. В современном мире вложения в недвижимость являются достаточно привлекательными для инвесторов, что способствует активности этого сегмента рынка даже в кризисные времена.
Основой любой сделки с недвижимостью в целом и земельными участками в частности является правильное определение её рыночной стоимости. Согласно ФЗ «Об оценочной деятельности» и ФСО№1 оценка земли должна осуществляться двумя способами: сравнительным и доходным (затратным подходом земля не оценивается). Но на практике применение всех подходов часто затруднительно вследствие отсутствия необходимой информации, и оценщики ограничиваются только сравнительным подходом, суть которого заключается в сравнении оцениваемого объекта с аналогичными объектами, существующими на рынке. Главным критерием «аналогичности» является идентичность местоположения объекта, что является следствием зонирования городской территории, которая лежит в основе неоклассической теории урбанизации земли [1].
Основой данной теории является постулат о пространственной конкуренции между городскими территориями, при этом выделяется роль городского центра. Именно по отношению к центру оценивается спрос на доступность и как следствие, чем больше эта доступность, тем дороже объекты, находящиеся на данной территории. С этой точки зрения доступность оценивается расстоянием (местоположением), которое может выражаться не только геометрической удаленностью от центра, но и показателем его транспортной доступности.
Основной моделью, позволяющей разбить всю территорию города на зоны, внутри которых стоимость объектов одинакова, является модель К.Кларка, которая является эмпирической моделью имитационного типа и показывает экспоненциальное убывание стоимости объектов по мере их удаления от городского центра:
, где у – стоимость объекта; r – расстояние до центра города [2]. Отмечается, что значение коэффициента b падает с ростом размера города, в то же время стоимость в центре не зависит от размера города.
Целью работы является апробация модели Кларка при определении стоимости земли.
Методология. В качестве объекта исследования был рассмотрен рынок земельных участков г. Саратова за сентябрь 2016 г [3]. Для апробации модели была составлена база данных, где в качестве переменных выступали следующие: у – цена, млн.руб.; у1 – цена за 1 сотку, тыс.руб./сотку; r – расстояние от центра и на первом этапе будем рассматривать евклидово расстояние, км. Здесь в качестве функционального центра города рассматривается городской квартал, в котором расположен Крытый рынок и цирк.
Корреляционный анализ показал среднюю зависимость стоимости 1 сотки при удалённости от центра:.
Для проверки гипотезы о работе модели Кларка сравним линейную, квадратичную и показательные модели регрессий.
Используя МНК-метод, линейное уравнение, описывающее зависимость стоимость 1 сотки земельного участка в зависимости от расстояния до функционального центра города, имело вид:
, где в скобках указаны стандартные ошибки коэффициентов. Поскольку tкр=2,003 , то параметры значимы по критерию Стьюдента при 5%-ом уровне значимости. Коэффициент детерминации равен R2=0,152 и он значим по критерию Фишера (F=6,65>Fкр=4) [4].
Квадратичная регрессия имела вид:
и все параметры значимы. Коэффициент детерминации составил R2=0,18, и он также значим по критерию Фишера.
Проводя логарифмирование исходных данных и применяя МНК-метод, было получено следующее показательное уравнение:
, где все параметры значимы по критерию Стьюдента, а R2=0,19 и он значим.
Результат. Таким образом, гипотеза о применимости модели Кларка при ценообразовании земельных участков в Саратове принимается. В последней моделе а=192,7 описывает стоимость земли в центре, а b=0,085 характеризует скорость изменения стоимости, т.е. при удалении от центра на 1 км стоимость 1 сотки падает на 8,5% [5]. Поэтому, если принять ε=0,01 в качестве погрешности, то территорию Саратова можно разбить на ценовые зоны:.
Учитывая размеры г.Саратова, в итоге получим 6 зон со средней ценой за 1 сотку: 580,5 тыс.руб./сотку в зоне 1; 190,17 – в зоне 2; 147,08 – в зоне 3; 102,46 – в зоне 4; 83,71 – в зоне 5 и 85,2 – в зоне 6. Более того, наибольшие доли земельных участков, представленных на рынке в исследуемый период, соответствуют 3-ей, 4-ой и 2-ой зонам (27,5%; 20% и 15% соответственно), что согласуется с моделью зонирования города [6].
Вывод. В качестве заключения следует отметить, что использование модели Кларка позволяет объяснить рост цен вблизи функционального центра города. Преимущество местоположения, связанное с близостью к центру экономической активности города, и, соответственно конкуренция покупателей или арендаторов земельных участков, приводят к росту цен в центральных зонах города. Также исследование позволило определить ценовые зоны, которые могут использоваться в сравнительном подходе оценки земли при отборе объектов-аналогов.
Библиографический список
1. Clarc C. Handbook of Urban Economics, 1987. рр. 137.2. Тиндова М.Г. Интеллектуальная обработка информации в области оценки недвижимости // Прикладная информатика. 2007. № 5(11). С. 3-10.
3. Сайт недвижимости «Саратов бизнес консалтинг». Режим доступа: http://www.sbc.ru
4. Мендель А.В. Роль системного мышления в формировании системы управления на предприятии // Вестник Саратовского государственного технического университета. 2009. Т. 1. № 1(37). С. 223-229.
5. Тиндова М.Г. Использование нечёткого логического вывода при решении различных классов оценочных задач // Модели, системы, сети в экономике, технике, природе и обществе. 2013. № 3(7). С. 106-109.
6. Тиндова М.Г. Интеллектуальные средства обработки информации как инструмент экономической оценки природных ресурсов // В сборнике: Компьютерные науки и информационные технологии Материалы Международной научной конференции. В.А. Твердохлебов (отв. редактор). Ответственные за выпуск: Т.В. Семенова, А.Г. Федорова. 2012. С. 315-317.