Информационное письмо
Образец оформления статьи
Анкета автора
15.06.2015

Разработка в среде SPSS регрессионной модели рынка автомобилей

Муллинов Денис Олегович
студент 3 курса факультета математики, информационных технологий и техники Приамурский государственный университет им. Шолом-Алейхема Биробиджан, Россия
Винокуров Анатолий Станиславович
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 подержанных японских автомобилей 2010 года выпуска г. Биробиджана и г. Хабаровска в программе SPSS. Данные для исследования были взяты с сайта avito.ru за период с апреля 2015 г. по май 2015 г. Построенная модель включает параметры: тип кузова, объем двигателя, тип привода, пробег в км., пробег по России в км., цена.
Ключевые слова: SPSS, регрессионный анализ, рынок автомобилей, анализ в среде SPSS
Электронная версия
Скачать (669.8 Kb)

Большинство людей сталкиваются с такой проблемой как покупка или продажа подержанного автомобиля. Каждый человек задумывается, какую сумму денег правильно потратить, и на какие параметры стоит обратить внимание, чтобы рационально оценить покупку либо продажу своего автомобиля. В таком случае можно решить задачу с помощью регрессионного анализа. Одна из программных систем позволяющая справиться с поставленной проблемой является SPSS.

Далее необходимо на основе данных рынка автомобилей г. Биробиджана и г. Хабаровска построить регрессионную модель в системе SPSS и спрогнозировать цену при определенных параметрах.

Широкий ряд ученых изучает, и анализируют методы построения различных регрессионных моделей. Расчет логистических издержек методом множественной регрессии был разработан И.А. Семеновым и А.А. Носковым [7]. Также построением регрессионных моделей занимались Р.И. Баженов и др. [2, 3. 4, 6, 9, 12]. М.П.Базилевский, С.И.Носков изучили методические и инструментальные средства построения некоторых типов регрессионных моделей [1]. Н.И.Шанченко показала основные модели эконометрических задач [8]. Порубова П.В., Райзман Е.М., Шигаева Н.В. занимались прогнозированием цены исходя из некоторых параметров [5]. Изучением регрессионного анализа занимаются также зарубежные ученые [10-11].

Эконометрическое моделирование, проведенное с использованием программы SPSS, позволило установить некоторую оценку влияния основных параметров, на величину рыночной стоимости. Случайные данные для решения поставленной задачи, были взяты из сайта avito.ru за период с апреля 2015 г. по май 2015 г. Были выбраны следующие критерии: тип кузова, объем двигателя, тип привода, пробег в км., пробег по России в км., цена, год автомобилей 2010. Всего 100 наблюдений. Они были занесены в электронную таблицу программы Excel пакета программ Microsoft Office (рис.1).

Рис.1. Фрагмент данных в MS Excel

Рис.1. Фрагмент данных в MS Excel

Для построения регрессионной модели в SPSS необходимо перейти: Анализ/Регрессия/Линейная (рис.3).Для построения регрессионной модели в SPSS необходимо перейти: Анализ/Регрессия/Линейная (рис.3).

Рис.2. Окно линейной регрессии

Рис.2. Окно линейной регрессии 

Добавляем интересующие нам параметры для построения линейной регрессии, нажимаем ОК, и генерируется отчет по регрессионному анализу (рис.3).

Далее нам необходимо построить некоторое уравнение в программной среде MS Excel исходя из данных полученного отчета регрессионной модели.

По формуле была посчитана цена автомобиля универсала с объемом двигателя 1,8 (см3), переднем приводом, пробегом в 25000 тыс.км., и с пробегом по РФ. Цена составила 671983 руб. (рис.4).

По нашему мнению, цену можно считать нормальной исходя их визуальных параметров и значению R-квадрата, который описывает степень точности описания моделью процесса.

Отсюда уравнение для расчета продажи автомобилей будет иметь вид y=x1 *474794,731+x2*70418,923+x3*(-1676,819)+x4*(-0,028)+x5*(-6937,318)-240398,118 с достоверностью R2=85%.

Рис.3. Отчет по регрессионному анализу

Рис.3. Отчет по регрессионному анализу 

Рис.4. Построение уравнения

Рис.4. Построение уравнения

В ходе исследования была построена немного иная модель. Был найден логарифм от цены, и, строилась модель по тем же критериям что и предыдущая (рис. 5).

Рис.5. Отчет для логарифмической регрессионной модели

Рис.5. Отчет для логарифмической регрессионной модели

Из отчета по логарифмической модели (рис.5) было построено уравнение и посчитана цена автомобиля по тем же данным, что и из линейной модели, в результате получилось 593971,0996 руб.

Из анализа значений R2 можно сказать, что линейная регрессионная модель лучше описывает поведение цены, чем логарифмическая модель.

Список литературы: 

  1. Базилевский М.П., Носков С.И. Методические и инструментальные средства построения некоторых типов регрессионных моделей // Системы. Методы. Технологии. 2012. №1. С. 80-87.
  2. Лагунова А.А., Баженов Р.И. Разработка в среде Gretl регрессионной модели рынка вторичного жилья г. Биробиджана // Nauka-Rastudent.ru. 2015. № 1 (13). С. 40.
  3. Муллинов Д.О., Баженов Р.И. Разработка в среде Eviews регрессионной модели рынка гаражных помещений г. Биробиджана // Nauka-Rastudent.ru. 2015. № 1 (13). С. 43
  4. Пивенко К.А., Баженов Р.И. Построение регрессионной модели в среде Gretl на примере рынка поддержанных автомобилей г. Биробиджана и г. Хабаровска // Экономика и менеджмент инновационных технологий. 2015. № 4 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/04/8362 (дата обращения: 09.06.2015).
  5. Порубова П.В., Райзман Е.М., Шигаева Н.В. Моделирование и анализ стратегий неинституционального инвестора, основанной на эконометрическом анализе фундаментальных факторов ценообразования на российском фондовом рынке // Экономика и менеджмент инновационных технологий. 2014. № 6.
  6. Пронина О.Ю., Баженов Р.И. Исследование методов регрессионного анализа программной среды Eviews // Nauka-Rastudent.ru. 2015. № 1 (13). С. 45.
  7. Семенов И.А., Носков А.А. Модель расчета общих логистических издержек методом множественной регрессии // Вестник Саратовского государственного технического университета. 2011. Т. 4. № 2с. С. 397-400.
  8. Шанченко Н. И. Эконометрика: лабораторный практикум: учебное пособие. Ульяновск: УлГТУ, 2011. 117 с.
  9. Эм А.А., Баженов Р.И. Разработка в среде Eviews регрессионной модели реализации продукции компании по производству резинометаллических изделий // Экономика и менеджмент инновационных технологий. 2015. № 4 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/04/8673 (дата обращения: 09.06.2015).
  10. Fumo N., Biswas M. A. R. Regression analysis for prediction of residential energy consumption //Renewable and Sustainable Energy Reviews. 2015. Т. 47. С. 332-343.
  11. Liu R.X., Kuang J., Gong Q., Hou X.L. Principal component regression analysis with SPSS //Computer methods and programs in biomedicine. 2003. Т. 71. №. 2. С. 141-147.
  12. 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.