Информационное письмо
Образец оформления статьи
Анкета автора
24.01.2015

Разработка в среде Eviews регрессионной модели рынка гаражных помещений г. Биробиджана

Муллинов Денис Олегович
студент 3 курса факультета математики, информационных технологий и техники Приамурский государственный университет им. Шолом-Алейхема Биробиджан, Россия
Баженов Руслан Иванович
к.п.н., доцент, зав.кафедрой информатики и вычислительной техники факультет математики, информационных технологий и техники Приамурский государственный университет им. Шолом-Алейхема Биробиджан, Россия
Аннотация: В статье представлена поэтапная разработка  регрессионной модели рынка гаражей Биробиджана в программе Eviews.  Данные для решения поставленной задачи были взяты из газеты «ДиВох» за период с декабрь 2014 г. по январь 2015 г., и электронного сайта avito.ru. Построенная модель включает параметры: площадь помещения гаражного типа, модификация помещения гаражного типа, стоимость помещения гаражного типа, наличие охранной сигнализации.
Ключевые слова: «Eviews», регрессионный анализ, множественная регрессия, рынок гаражей
Электронная версия
Скачать (0.98 Mb)

Большинство людей сталкиваются с такой проблемой как покупка гаража, и каждый при покупке задается вопросом, какую сумму правильно потратить, и на какие параметры стоит обратить пристальное внимание, чтобы рационально оценить покупку. В таком случае можно решить задачу с помощью регрессионного анализа. Одна из программных систем позволяющая справиться с поставленной проблемой является Eviews.

Таким образом необходимо на основе данных рынка гаражных помещений г.Биробиджана построить регрессионную модель в системе Eviews и спрогнозировать цену при определенных параметрах.

Проблемами построения регрессионных моделей занимались российские и зарубежные ученые. Ш.А.Аббасова, М.Ш.Оруджова провели анализ и прогнозирование объема иностранных инвестиций в экономику Азербайджана [1]. В.А.Банников описал, как можно использовать программу при анализе векторных моделей авторегрессии и коррекции регрессионных остатков [5]. А.Л.Богданов показал эконометрический анализ рынка подержанных автомобилей [6]. Эконометрические модели качественных переменных в прогнозных задачах маркетинга разработала О.С.Воищева [9]. Эконометрический анализ макроэкономической системы цен провела Ю.В.Зайцева [10]. Н.А.Панова и Лукин В.Б. разрабатывали прогнозный индекс издательско-коммерческой ситуации [12]. Прогнозирование кривой доходности в задачах управления активами и пассивами банка исследовал Г.И.Пеникас [13]. А.Г.Реннер и О.И.Стебунова произвели моделирование стоимости жилья на вторичном рынке жилья [15]. Р.И.Баженов и др. показали исследования по применения анализа в различных областях [2, 3, 7,8, 11, 14]. Зарубежные ученые исследовали регрессионный анализ [16, 17].

Объектом исследования является изучение основных возможностей работы программы Eviews на примере построения полей корреляции результативного и факторного признаков, а также эмпирической линии регрессии. Данная программа очень подходит для решения задачи измеренных экономических переменных, их взаимосвязи. Программа Eviews, в совершенстве, справляется с решением эконометрических задач. Для примера были созданы статистические данные продажи помещения гаражного типа в г. Биробиджан.

Данные для решения поставленной задачи, были взяты из газеты «ДиВох» за период с декабрь 2014 г. по январь 2015 г., и электронного сайта avito.ru. Были выбраны следующие критерии: площадь, цена, тип помещения, наличие охраной сигнализации. Всего 50 наблюдений. Они были занесены в электронную таблицу программы Excel пакета программ Microsoft Office.

Обозначим переменные: Площадь помещения гаражного типа (м3) - Space, модификация помещения гаражного типа Туре (1-кирпичный, 0-железобетонный), стоимость помещения гаражного типа - Price, наличие охранной сигнализации Security(1-имеется, 0-отсутствует) (рис.1).

Рис.1. Пример разработанной базы данных 

Рис.1. Пример разработанной базы данных

Запускаем программу Eviews, создаем новый рабочий файл, нажимаем на вкладку File/New/Workfile, задаем заранее диапазон исследуемой области от 1 до 50 (рис.2). Выбираем подходящий тип структуры нашего рабочего файла: unstructured or irregular-неструктурированная/без даты.

Рис.2. Создание нового рабочего файла 

Рис.2. Создание нового рабочего файла

 Нажимаем кнопку ОК, появляется следующее рабочее окно (рис.3)

 Рис.3. Рабочее окно.

Рис.3. Рабочее окно.

Для того чтобы импортировать файл Excel, в которой создавалась база данных, необходимо перейти: Procs/Import/ReadText-Lоtus-Excel.

Далее, в открытом окне выбираем исследуемые данные в формате электронной таблицы (рис.4). 

Рис.4. Импортирование базы данных.

Рис.4. Импортирование базы данных

В окне «NamesforseriesorNumberofseriesifnamesinfile» указываем цифру 4, так как исходный файл (рис.1) содержит 4 переменные. Нажимаем ОК (рис.5).

Рис. 5. Запись адреса ячейки ввиду числа переменных. 

Рис. 5. Запись адреса ячейки ввиду числа переменных

В новом рабочем окне выводятся: названия переменных, константа (с) и остатки resid (рис.6).

Рис.6. Вывод импортированных данных.

Рис.6. Вывод импортированных данных.

Для этого необходимо создать новую группу, которая будет содержать некоторые импортированные ранее переменные.

Для создания новой группы в рабочем окне Workfile:UNTITLED выделяем, необходимы переменные и выбираем: Open/AsGroup

Далее программа выводит значения каждой переменной, загруженной ранее базы данных (рис.7). 

Рис.7. Значения каждой переменной.

Рис.7. Значения каждой переменной.

Следующим действием будет построение поля корреляции, для этого необходимо выбрать пункты меню: View/Graph/Scatter/Simple Scatter.

Далее программа показывает график, это поле корреляции результативного и факторного признаков (рис.8).

Рис. 8. График корреляции.

Рис. 8. График корреляции

При нажатии на кнопку Stats увидим значения описательных статистик группы (рис.9).

Рис. 9. Значения описательных статистик группы

Рис. 9. Значения описательных статистик группы

Далее нам необходимо найти уравнение регрессии, для этого перейдем Proc/MakeEquation (рис.10). 

Рис. 10. Данные уравнения регрессии.

Рис. 10. Данные уравнения регрессии

Построим регрессионное уравнение. Тем самым мы предполагаем, что на цену исследовательского гаражного помещения оказывают влияние три составляющие (рис.10). В результате испытания можно записать уравнение данного вида:

PRODUCTIVITY=110640,1*type+8064,322*space+11556,50*security+13905,3

Проведем подсчет стоимости помещения гаражного типа по полученному уравнению на основе новых данных.

Необходима покупка гаражного помещения по некоторым параметрам: кирпичное помещение, с площадью 24(м3), без наличия охранной сигнализации.

PRODUCTIVITY= 110640,1*1+8064,322*24+11556,50*0+13905,3

PRODUCTIVITY=318089.128

Ориентировочная стоимость гаражного помещения равна 318089.128 руб.

В процессе решения задачи был применен основной интерфейс для решения эконометрических задач с помощью программной среды Eviews. Построена эмпирическая линия регрессии, которая отображает зависимость цены гаражного помещения и некоторых действующих факторов. Подсчитана прогнозируемая стоимость гаражного помещения.

Проведенное исследование может быть использовано в преподавании [4].

Список литературы:

1. Аббасова Ш.А., Оруджова М.Ш. Анализ и прогнозирование объема иностранных инвестиций в экономику Азербайджана // Современная экономика: проблемы и решения. 2012. № 10 (34). С. 175-183.

2. Баженов Р. И. Информационная безопасность и защита информации: практикум. Биробиджан: Изд-во ГОУВПО «ДВГСГА», 2011. 140 с.

3. Баженов Р.И. Интеллектуальные информационные технологии. Биробиджан: ПГУ им. Шолом-Алейхема, 2011. 176 с.

4. Баженов Р.И. Об организации научно-исследовательской практики магистрантов направления «Информационные системы и технологии» // Современные научные исследования и инновации. 2014. № 9-2 (41). С. 62-69.

5. Банников В.А. Векторные модели авторегрессии и коррекции регрессионных остатков (Eviews) // Прикладная эконометрика. 2006. №3. С. 96-129.

6. Богданов А.Л. Эконометрический анализ рынка подержанных автомобилей // Вестник Томского государственного университета. 2006. № 290. С. 104-107.

7. Векслер В.А., Баженов Р.И. Определение взаимосвязи номенклатурных позиций средствами 1С:Предприятие 8.3 // Современные научные исследования и инновации. 2014. № 7 (39). С. 45-49.

8. Векслер В.А., Баженов Р.И. Определение взаимосвязи номенклатурных позиций средствами 1С:Предприятие 8.3 // Современные научные исследования и инновации. 2014. № 7 (39). С. 45-49.

9. Воищева О.С. Эконометрические модели качественных переменных в прогнозных задачах маркетинга // Вестник Воронежского государственного университета. Серия: Экономика и управление. 2006. № 2. С. 261-268.

10. Зайцева Ю.В. Эконометрический анализ макроэкономической системы цен // Управление большими системами: сборник трудов. 2006. № 14. С. 85-91.

11. Наумов А.А., Баженов Р.И. О неустойчивости метода нормализации критериев // Современные научные исследования и инновации. 2014. № 11-1 (43). С. 64-68.

12. Панова Н.А., Лукин В.Б. Разработка прогнозного индекса издательско-коммерческой ситуации // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. 2002. № 1. С. 82-89.

13. Пеникас Г.И. Прогнозирование кривой доходности в задачах управления активами и пассивами банка // Прикладная эконометрика. 2008. № 4. С. 3-26.

14. Пронина О.Ю., Баженов Р.И. Исследование методов регрессионного анализа программной среды Eviews // Nauka-rastudent.ru. 2015. No. 01 (013) / [Электронный ресурс] Режим доступа. URL: http://nauka-rastudent.ru/13/2320/

15. Реннер А.Г., Стебунова О.И. Моделирование стоимости жилья на вторичном рынке жилья // Вестник Оренбургского государственного университета. 2005. № 10-1. С. 179-182.

16. Anghelache C., Anghel M.G. Using the Regression Model in the Analysis// Procedia Economics and Finance. 2014. Т. 10. С. 323-329.

17. Ciochină I., Iordache C., Marin C. Analysis of Economic and Social Development of Valcea County Based on the Models with Simultaneous Equations // Procedia Economics and Finance. 2014. Т. 16. С. 480-488.

18. Bazhenov R.I., Luchaninov D.V. Use of blended learning elements for formation of a humanitarian student's creative initiative at learning modern information technologies // Life Science Journal. 2014. Т. 11. № 11s. С. 371-374.

19. Vexler V.A., Bazhenov R.I., Bazhenova N.G. Entity-relationship model of adult education in regional extended education system // Asian Social Science. 2014. Т. 10. № 20. С. 1-14.