ОРИГИНАЛЬНАЯ СТАТЬЯ
ALVES, Vinícius do Carmo [1]
ALVES, Vinícius do Carmo. Прямой сравнительный метод рыночных данных: Влияние pilotis на стоимость единицы. Revista Científica Multidisciplinar Núcleo do Conhecimento. Год 05, эд. 10, Вол. 05, стр. 65-80. Октябрь 2020 года. ISSN: 2448-0959, Ссылка доступа: https://www.nucleodoconhecimento.com.br/инженерной-экологии-ru/влияние-pilotis
СВОДКА
Это исследование направлено на оценку влияния переменной pilotis на формирование стоимости единицы среднего квадратного метра в квартирах, расположенных в Asa Sul, Brasília-DF, с помощью инструментов статистического анализа, доступных в программном обеспечении TS-Sisreg. Данные Исследование, использованное для разработки этого исследования, было проведено на рынке недвижимости Brasília, и выборка состояла из 30 данных о предложениях, однако для разработки модели формирования стоимости было использовано 28 данных. Для разработки модели был использован метод прямого сравнения рыночных данных. Сравнительный метод является наиболее распространенным при оценке товаров и служит для определения рыночной стоимости товара посредством технической обработки атрибутов сопоставимых элементов, составляющих выборку. В модели учитывались следующие переменные: полезная площадь, pilotis, гараж и помещения. Полученные результаты показали, что pilotis – важная переменная при разработке модели формирования стоимости. Таким образом, можно сделать вывод, что сравнительный метод рыночных данных оказался адекватным для предложенной цели, что первоначально поднятые переменные имели отношение к формированию модели и что отсутствие pilotis оказывает пагубное влияние на формирование модели. Стоимость единицы квартиры, расположенной в зданиях, расположенных в Asa Sul, Brasília-DF.
Ключевые слова: Оценка активов, статистический вывод, сравнительный метод.
1. ВСТУПЛЕНИЕ
Разработанный Lucio Costa, следуя модернистским заповедям, Brasília была построена между 1956 и 1960 годами. В жилых районах города, известных как суперблоки, зеленые зоны примерно 250 м на 250 м, в которых земля является общественной и нет никаких заборов и стен, такая ситуация возможна благодаря присутствию pilotis, которые используют столбы, которые поднимают здание от земли, что позволяет циркуляции под ним (ARIOLI et al., 2015).
Согласно Amorim и Flores (2005) суперблоки образуют четыре линейные полосы, параллельные оси дороги, а трассы к западу от оси дома блокируют 100 и 300, в то время как на востоке, блоки 200 и 400. Каждый из четырех наборов проумерен от 1 до 16, от пересечения осей к концу крыльев.
Несмотря на первоначальное предсказание публичной и свободной земли, в некоторых суперблоки Asa Sul есть примеры типологии зданий без pilotis, широко известных как блоки JK. Таким образом, возникает следующий вопрос, влияет ли отсутствие pilotis на формирование удельной стоимости квадратного метра в квартирах, расположенных в Asa Sul в Plano Piloto de Brasília?
Согласно Holanda (2007), блоки «JK» в ряду из «400» блоков Asa Sul не существовали в первоначальной концепции Plano Piloto. В нем три этажа, но нет pilotis, нет лифтов и гаражей.
Таким образом, нынешняя работа предлагает вклад в области оценки инженерии, с ключевой ролью в определении веса диссонирует архитектурные характеристики, если рассматривать в качестве варианта в линейной регрессионные модели.
NBR-14653-1 определяет оценку товаров как технический анализ, выполняемый инженером-оценщиком для определения стоимости товара, его стоимости, плодов и прав, а также для определения показателей целесообразности его экономического использования. , к определенной цели, ситуации и дате.
NBR 14653: 1 (2001) определяет обычные процедуры оценки с целью определения стоимости товара, его плодов и прав, а именно:
- Прямой сравнительный метод рыночных данных: определяет рыночную стоимость хорошего путем технической обработки атрибутов сопоставимых элементов, составляющих выборку;
- Иволутивный метод: определяет рыночную стоимость товара на основе его эффективного использования на основе модели технического и экономического технико-экономического обоснования на основе гипотетического предприятия, совместимого с характеристиками товарного и с рыночными условиями, в которые он вставляется, с учетом жизнеспособных сценариев исполнения и коммерциализации продукта;
- Эволюционный метод: определяет ценность хорошего по сумме значений его компонентов. Если цель заключается в определении рыночной стоимости, следует учитывать маркетинговый фактор;
- Метод капитализации доходов: определяет стоимость хорошего, на основе нынешней капитализации его ожидаемого чистого дохода, учитывая жизнеспособные сценарии.
Определив используемый метод, выбор переменных является чрезвычайно важным фактором для генерации репрезентативных моделей.
Согласно NBR-14653-2 (2011), переменные могут быть независимыми, то есть теми, которые придают логическое содержание вариациям рыночных цен, собранных в выборке, или зависимыми, то есть переменными, поведение которых предполагается объяснить независимыми переменные. Кроме того, стандарт определяет переменные как количественные, то есть те, которые можно измерить или подсчитать, и качественные, которые не могут быть измерены или подсчитаны, а только упорядочены или ранжированы в соответствии с атрибутами, присущими товару.
Что касается выбора переменных в прямом сравнительном методе рыночных данных, то NBR 14653-2 (2011 год) рекомендует по возможности принимать количественные переменные. Что касается качественных независимых переменных, то стандарт определяет следующий порядок приоритета:
- использование как можно большего количества дихотомозных переменных, особенно в тех случаях, когда объем данных в изобилии и степень свободы, необходимая для статистического моделирования, может быть сохранена;
- Использование proxy-переменных, которые представляют собой переменные, используемые для замены другой, которую трудно измерить и которая предполагает поддерживать с ней уместные отношения, полученные с помощью опубликованных индикаторов или предполагаемые в других исследованиях рынка;
- с помощью скорректированных кодов, когда значения извлекаются из выборки с использованием коэффициентов дихотомозных переменных, представляющих каждую из характеристик;
- Через выделенные коды, которые логические весы приказал дифференцировать качественные характеристики недвижимости.
В любом случае, эта работа направлена на оценку влияния переменной pilotis на формирование стоимости единицы среднего квадратного метра в квартирах, расположенных в Asa Sul, Brasília-DF, с помощью инструментов статистического анализа, доступных в программном обеспечении TS-SISREG.
2. РАЗРАБОТКА
Учитывая эксцентриситет блоков, известных как JK, расположенных конкретно в Южных супер блоках 408, 409, 411, 412 и 413, в этом исследовании была предпринята попытка определить уравнение формирования стоимости с помощью модели линейной регрессии, которая охватывала сингулярность вышеупомянутых строительных конструкций. Согласно выборкам, собранным на рынке недвижимости, использовался метод прямого сравнения рыночных данных. Стоит отметить, что это исследование не посвящено оценке определенной собственности.
Рисунок 1 – Здания без pilotis, известные как блоки JK
2.1 МЕТОДОЛОГИЯ
Сравнительный метод рыночных данных является наиболее часто используемым методом оценки товаров, поскольку он осуществляется на основе сопоставления рыночных данных, которые имеют атрибуты, аналогичные атрибутам оцениваемого товара.
2.1.1 ПОЛОЖЕНИЕ И РАСПОЛОЖЕНИЕ ДАННЫХ ДЛЯ ОТБОРА ПРОБ
Обследование рыночных данных, входят в выборку, было проведено в период с 01/11/2018 по 07/12/2018, делимитированную как область, представляющие интерес для региона Asa Sul, так как это единственный район Plano Piloto, в который есть здания без pilotis. Была использована информация о предложениях с рынка недвижимости Brasília, доступная в Интернете.
2.1.2 ОПРЕДЕЛЕНИЕ ПЕРЕМЕННЫХ
Для построения модели были определены четыре независимые переменные для создания стоимости, которые указаны ниже:
2.1.2.1 ЗАВИСИМАЯ ПЕРЕМЕННАЯ
Значение единицы: зависимая переменная, выраженная в R$/m2, предназначенная для выражения формирования стоимости квадратного метра.
2.1.2.2 КОЛИЧЕСТВЕННЫЕ НЕЗАВИСИМЫЕ ПЕРЕМЕННЫЕ
Полезная область: численная переменная количественного типа, выраженная в м2, предназначенная для исследования областей свойств и влияния на конституцию стоимости свойства.
Номера: численная переменная, количественный тип, выраженный в единицах, предназначенных для выражения количества комнат собственности и влияния на конституцию стоимости имущества.
2.1.2.3 ДИХОТОМОЗНЫЕ НЕЗАВИСИМЫЕ ПЕРЕМЕННЫЕ
Pilotis: изолированная дихотомическая переменная, предназначенная для определения наличия или отсутствия pilotis в здании. Нет = 0; Да = 1
Гараж: изолированная дихотомозная переменная, предназначенная для выявления наличия гаража в здании. Нет = 0; Да = 1
2.1.3 ФОРМИРОВАНИЕ ВЫБОРКИ
На этом этапе, согласно таблице ниже, было собрано и охарактеризовано 30 данных в соответствии с предлагаемыми переменными:
Таблица 1 – Данные, отобранные для выборки
2.1.4 ХАРАКТЕРИСТИКА ОБРАЗЦА
Для разработки модели линейной регрессии данные были включены в программное обеспечение TS-SISREG, и были проведены надлежащие статистические тесты. Учитывая, что два данных были классифицированы как влияющие точки, они были взяты с учетом адекватности модели. Что касается переменных, то все те, которые первоначально предлагались, имеют отношение к формированию значения.
Таблица 2 – Данные, отобранные для модели оценки
Ниже представлена таблица с данными, фактически использованными для формирования уравнения ценообразования.
Таблица 3 – Данные, отобранные для модели оценки
Чтобы избежать микронуляности, минимальное количество фактически используемых данных (n) в модели должно соответствовать следующим критериям, в отношении числа независимых переменных (k):
n ≥ 3 (k+1)
ni ≥ 5, до двух дихотомозных переменных или трех кодов, выделенных по одной и той же характеристике;
ni ≥ 3, для 3 или более дихотомозных переменных или четырех или более кодов, выделенных той же характеристике, где ni является число данных той же характеристики, в случае использования дихотомозных переменных или выделенных кодов, или количество различных наблюдаемых значений для каждой из количественных переменных. (NBR 14653-2, 2011) Следует отметить, что для этой модели не было микронумеров.
3. РЕЗУЛЬТАТЫ
Методы статистического вывода позволяют нам оценить неизвестные характеристики популяции и проверить, правдоподобны ли определенные гипотезы об этих неизвестных характеристиках. (REIS et al., 2015). После определения данных, выполнения статистического вывода, полученные результаты и модель, созданная с помощью программного обеспечения TS-Sisreg, представлены ниже.
VU (R$/m2) = 860.310523 + 399068,631096 x 1/(Полезная площадь) + 2123.409955 x (pilotis) + 1456.252645 x (гараж) + -4472.261084 x 1/(спальни)
Представлена функция формирования стоимости, за ней следует обсуждение статистических параметров модели.
3.1 СТАТИСТИЧЕСКИХ ПАРАМЕТРОВ
Таблица 4 – Статистические параметры регрессионной модели
3.1.1 КОЭФФИЦИЕНТ ОПРЕДЕЛЕНИЯ МОДЕЛИ
Коэффициент определения, который колеблется от 0 до 1, показывает, насколько модель может объяснить наблюдаемые значения, поэтому чем ближе к 1 значение Коэффициента Определения, тем лучше регулировка линии регрессии. Коэффициент определения модели составил 0,89128, что выражает, что 89,12% формирования единиц значений можно объяснить моделью.
3.1.2 ПАРАМЕТРЫ АНАЛИЗА НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
Таблица 5 – Параметры анализа независимых переменных
Выше представлены параметры анализа независимых переменных, в которых представлены значения t-Student, рассчитанные, значимость и скорректированный коэффициент детерминации каждой из переменных, используемых в модели.
T-распределение Student является наиболее важным из дистрибутивов, когда хочется сделать вывод о населении средств с неизвестными стандартными отклонениями. Однако его применение заслуживает доверия только тогда, когда имеются доказательства, благоприятствуя нормальности населения, из которого берет свое начало выборка. Его использование в инженерии оценки намного выше обычного распределения, поскольку в целом стандартное отклонение населения оценивается на основе выборочных данных. (DANTAS, 2012 г., стр. 83)
По отношению к поведению переменных были созданы графики, демонстрирующие связь независимых переменных с зависимой переменной – VU (R$/m²).
3.1.2.1 ПОЛЕЗНАЯ ОБЛАСТЬ
Рисунок 1 – Параметры анализа переменных полезной площади
Независимая количественная переменная Полезная область оказывает негативное влияние на зависимую переменную единицу значения, этот факт происходит, потому что чем больше полезная область свойства, тем меньше значение единицы (R$/m2) свойства. Следует объяснить, что собранные образцы представляли амплитуду от 33,0 m² до 115,0 m².
3.1.2.2 PILOTIS
Рисунок 2 – Параметры переменного анализа Pilotis
Независимая дихотомозная переменная изолирована Pilotis, которая находится в центре внимания этого исследования, и нулевое значение было принято за отсутствие pilotis и значение для присутствия pilotis. Здесь стоит отметить разницу между крайностями, которые достигли 36,8% в оценке VU.
3.1.2.3 ГАРАЖ
Рисунок 3 – Параметры переменного анализа Pilotis
Независимая переменная дихотомозная изолированная гараж, будучи принятым zero значение для того чтобы представить здания без гаража и значение одно для того чтобы представить здания с гаражом.
3.1.2.4 СПАЛЬНИ
Рисунок 3 – Параметры переменного анализа Pilotis
Количественная независимая переменная комнат оказывает положительное влияние на зависимую переменную единицу стоимости (R$/m²). Стоит пояснить, что образцы были отобраны с амплитудой от 1 до 3.
3.1.3 НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
Важность нормального распределения уделяется тому факту, что по мере роста размера выборки, независимо от распределения первоначального населения, выборка распределения средств, как правило, является обычным распределением. (DANTAS, 2012) Нормальное распределение является одним из наиболее часто используемых дистрибутивов для моделирования явлений.
Нормальное распределение, в дополнение к своей привлекательности из-за его простоты математической обработки, имеет две практические причины, которые оправдывают его полезность. Первый говорит, что нормальное распределение является наиболее подходящим для моделей населения в различных ситуациях; а во-вторых, речь идет о том, что распределение выборки многих многовариантных статистических данных является примерно нормальным, независимо от формы распределения первоначальной популяции, в силу эффекта центрального предела. (FERREIRA, 1996, стр. 119)
График, содержащий гистограмму остатков, стандартизированную стандартной нормальной кривой, был создан. Представленный результат аналогичен обычной кривой.
График 1 – Стандартизированная остаточная гистограмма x стандартная нормальная кривая
3.1.4 СОБЛЮДЕНИЕ
На графике сцепления, чем ближе точки приближаются к линии отсчета, тем лучше подходит модель. На графике, показанном ниже, точки имеют адекватное соблюдение.
График 2 – Диаграмма присоединения (наблюдаемое значение x расчетное значение)
3.1.5 АНАЛИЗ ОТХОДОВ
Остатки модели представлены случайным образом, как это наблюдается на графике расчетного значения по сравнению со стандартизированными остатками. Таким образом, можно сделать вывод, что нет никакого нарушения основных предположений в отношении гомоскрестики, то есть точки случайным образом распределены по горизонтальной линии, которая проходит у истоков, без какой-либо определенной закономерности, то есть, указывая на принятие гипотезы постоянной дисперсии за ошибку, фундаментальное условие безопасности проведенных статистических тестов.
График 3 – Распределение значений (скорректированные значения x стандартизованные остатки)
Ошибки – это случайные величины с постоянной дисперсией, то есть гомоскедастические.
3.1.6 ОЦЕНКА ЗНАЧЕНИЙ
После представления основных помещений модели, которые оказались приемлемыми, мы решили создать два сценария теоретической оценки для оценки влияния переменной Pilotis на формирование единицы стоимости (R$/m²), учитывая другие фиксированные переменные.
3.1.6.1 ПЕРВЫЙ СЦЕНАРИЙ
Для первого сценария было предложено гипотетическое свойство 50,0 м2, 2 спальни и не гараж, варьирующихся только по отношению к pilotis.
Таблица 6 – Модные ценности для 80% уверенности
Полученные результаты показывают, что квартиры, присутствующие в зданиях, построенных на pilotis имеют среднюю стоимость единицы R$ 8728,96, в то время как квартиры, построенные в зданиях без pilotis представил средняя стоимость единицы R $ 6605,55, так что положительное процентное изменение примерно на 32% в средней стоимости единицы квартир, расположенных в зданиях на pilotis наблюдалось, по сравнению с квартирами, расположенными в JK блоков. Вариация, выявленная в этом гипотетическом сценарии, соответствует эмпирическому восприятию того, что отсутствие pilotis в блоках JK действует как удаление, характерное для формирования ценностей.
3.1.6.2 ВТОРОЙ СЦЕНАРИЙ
По второму сценарию было предложено гипотетическое свойство 40,0 m², 1 спальня и отсутствие гаража, варьирующихся только по отношению к pilotis.
Таблица 6 – Модные ценности для 80% доверия
Достигнутые результаты существенно не отличаются от первого гипотетического сценария. Процентное изменение средней стоимости квартиры в здании с pilotis было примерно на 33% выше, по сравнению с квартирой, расположенной в здании без pilotis.
Напомним, что в настоящее время районное законодательство предусматривает, что в случае полного сноса жилого дома без pilotis можно выбрать строительство нового жилого дома на pilotis.
4. ЗАКЛЮЧЕНИЕ
Результаты подтвердили то, что ранее было эмпирическим восприятием, то есть, переменная Pilotis имеет отношение к формированию стоимости единицы недвижимости, расположенной в Asa Sul, Brasília –DF. Более того, можно подтвердить, что отсутствие pilotis пагубно влияет на формирование стоимости. Кроме того, другие первоначально идентифицированные переменные оказались уместными при построении представленной модели.
При применении в двух различных сценариях было замечено, что удельная стоимость квартир, расположенных в зданиях, построенных на pilotis, примерно на 32% выше, чем у квартир, построенных в блоках JK без pilotis.
Другим актуальным моментом является то, что принятая методология и используемое программное обеспечение оказались достаточными для выполнения исследования.
В настоящей работе предпринята попытка внести академический вклад в область оценки инженерных.
РЕКОМЕНДАЦИИ
ABNT, ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 14653-1 (2001): Avaliação de Bens – Parte 1: Procedimentos Gerais. Rio de Janeiro, 2001.
ABNT, ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 14653-2 (2001): Avaliação de Bens – Parte 2: Imóveis Urbanos. Rio de Janeiro, 2011.
AMORIM, Cláudia Naves. FLORES, Alice Leite. Edifícios residenciais das superquadras do plano piloto, brasília: aspectos de preservação e conforto ambiental. Maceió, 2005.
ARIOLI, Alessandra T. et al. Arquitetura moderna de Le Corbusier nas habitações populares brasileiras. Belo Horizonte, 2015.
BRAULIO, Silvia Neide. Proposta de uma metodologia para avaliação de imóveis urbanos baseado em métodos estatísticos multivariados. Curitiba, 2005.
DANTAS, Rubens Alves. Engenharia de Avaliações – Uma introdução à metodologia científica. São Paulo, 2012.
FERREIRA, Daniel Furtado. Análise Multivariada. Lavras, 1996.
HOLANDA, Frederico. Na contramão do apartaide (2007). Disponível em http://www.fredericodeholanda.com.br/textos/holanda_2007_na_contramao_do_apartaide.pdf Acesso em 19/12/2018 às 19:00
REIS, Elizabeth. et al. Estatística aplicada 1. Lisboa, 2015.
[1] Специалист по инженерной оценке, аудиту и экспертизе – IPOG. Инженер лесного хозяйства – Федеральный университет Viçosa.
Представлено: Июнь 2020.
Утверждено: Oктябрь 2020 года.
