УДК 622:681.3 Мажибрада Ирина студент гр. АС-02-08 Научный руководитель: Могирева Елена Степановна
advertisement
УДК 622:681.3 Мажибрада Ирина студент гр. АС-02-08 Научный руководитель: Могирева Елена Степановна доц., к.т.н. кафедра АСУ Московский государственный горный университет ПРИМЕНЕНИЕ СТАТИСТИЧЕСКИХ МЕТОДОВ В СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ TНЕ USE OF STATISTICAL METHODS IN DECISION SUPPORT SYSTEMS Мир бизнеса развивается сегодня стремительнее, чем когда-либо. Решающий фактор успеха в бизнесе — эффективное применение информационных технологий в системах поддержки принятия решений, в том числе в маркетинге, который представляет собой систему организации деятельности компаний по разработке, производству и сбыту товаров и услуг на основе комплексного изучения рынка и реальных запросов покупателей с целью получения прибыли. Большие возможности маркетинговых исследований связаны с тем, что существует бесконечное количество комбинаций связанных друг с другом переменных, влияющих на эффективность деятельности компаний. Маркетинговые исследования помогают увязывать маркетинговую стратегию с факторами маркетинговой среды и интересами заинтересованных групп. С их помощью руководство компании получает необходимую ему информацию, что позволяет частично устранить неопределенность в развитии бизнеса. Рынок недвижимости России претерпевает стремительное развитие: вместе с экономикой растет спрос на недвижимость и увеличивается количество строящихся объектов и компаний. В такой конкурентной среде компании стремятся занять свою нишу на рынке и обеспечить себе устойчивые конкурентные преимущества. Важным преимуществом является правильно сформулированная ценовая политика, которая может поддержать конкурентоспособность компании. Ценовая политика помогает определить истинную цену товара, выявить факторы, влияющие на изменение цены, выработать стратегию ценообразования. Эта тактика не дает предпринимателю прогадать в определении цены, а также завысить ее, что в обоих случаях могло бы привести к банкротству [1]. В настоящее время данные о стоимости строящихся объектов на рынке недвижимости России основываются, в основном, на экспертных мнениях аналитиков и на наблюдениях за экономической ситуацией в России. Не вызывает сомнений, что такой подход является неприемлемым. 51 Актуальной задачей для рынка недвижимости является построение математической модели прогноза стоимости строящихся объектов жилищного фонда. Стоимость квадратного метра жилья во многом зависит от ряда экономических факторов. На рис. 1. представлен график зависимости значений временного ряда относительных цен объектов, от динамики стоимости барреля нефти марки Urals за рассматриваемый период. Формальным подтверждением взаимосвязи между ценами на недвижимость и нефть может служить высокий коэффициент корреляции. Рис. 1. Графики зависимости значений относительных цен объектов, от динамики стоимости барреля нефти марки Urals. Однако, как показал анализ рынка недвижимости, стоимость объектов жилищного фонда зависит не только от экономических факторов, но и от качественных факторов объекта. На стоимость, в разной степени, влияют такие факторы так, месторасположение объекта, площадь, количество комнат (рис. 2.), удаленность от метро и другие. Рис. 2. Средняя стоимость квадратного метра жилья в зависимости от количества комнат. 52 На рис. 3. представлен график зависимости средней стоимости квадратного метра жилья в зависимости от района. Рис. 3. Средняя стоимость квадратного метра жилья в зависимости от района. Для решения задач прогнозирования наиболее часто применяют множественный регрессионный анализ — мощный и гибкий метод установления формы и изучения связей между метрической зависимой переменной и несколькими независимыми переменными [2]. Регрессионный анализ позволит нам определить: 1. Действительно ли независимые переменные обуславливают значимую вариацию зависимой переменной – «стоимости квартиры»; действительно ли эти переменные взаимосвязаны? 2. В какой степени вариацию зависимой переменной можно объяснить независимыми переменными: теснота связи? 3. Определить форму связи: математическое уравнение, описывающее зависимость между зависимой и независимой переменными. 4. Предсказать значения зависимой переменной. 5. Контролировать другие независимые переменные при определении вкладов конкретной переменной. При построении таких модели особенно важным является использование современных информационных технологий и инструментальных средств, позволяющих осуществлять процесс моделирования в автоматизированном режиме и обеспечивающих поддержку принятия рациональных управленческих решений. Анализ статистических пакетов (SPSS, SAS, MDP, Mini tab и т.д.) показал, что для проведения регрессионного анализа наиболее 53 экономичной и полной является надстройка StatPro для Microsoft Office Excel [3]. В данном примере, регрессионный анализ информации собранной для различных квартир, позволит выяснить, связаны ли и каким образом характеристики квартиры с ценой, по которой она была продана. Работа состоит из нескольких этапов. Прежде всего, необходимо подготовить выборку с помощью корреляционного анализа возможных факторов, влияющих на стоимость жилья. Для построения модели было проведено обследование первичного рынка жилья города Москвы. Информационной базой, данной задачи, являются данные по 140 квартирам [4]. В качестве регрессоров выступали следующие факторы: месторасположение (районы); этаж (первый/последний или средний); тип здания (панельный, кирпичный, монолитный); площадь (общая площадь квартиры, площадь кухни и жилая площадь); санузел (раздельный или совмещен); наличие балкона/лоджии; наличие телефона; состояние квартиры (с отделкой или без отделки); удаленность от метро и количество комнат. Наиболее широкое применение получили следующие методы построения уравнения множественной регрессии: метод исключения – отсев факторов из полного его набора; метод включения – дополнительное введение фактора и пошаговый регрессионный анализ – исключение ранее введенного фактора. В данном примере, более подробно рассмотрим пошаговый регрессионный анализ. По значению p – величины (она должна быть < 0,05) и t – статистики (должна быть > 2) определяется незначимый фактор, у которого p – величина максимальна и больше 0,05. Затем, удаляем этот фактор и сравниваем скорректированный коэффициент детерминации исходной модели и вновь полученной. Если коэффициент детерминации при удалении фактора увеличивается, то значит, что удаленный фактор не значим. Подобную процедуру повторяем до тех пор, пока не увидим, что коэффициент детерминации стал уменьшаться. В результате ряда итераций получили, что при коэффициенте детерминации R2 = 0,89 незначимыми оказались такие факторы, как: наличие балкона, количество комнат, санузел и этаж. Можно сделать вывод, что на стоимость квартиры влияют следующие факторы: месторасположение (районы), тип здания, общая площадь, площадь кухни, состояние квартиры (с отделкой или без отделки), наличие телефона и удаленность от метро. Дисперсионный анализ итоговой регрессии показал, что уравнение регрессии значимо (оцениваем по p – величине, критерию Фишера F > Fтабл). Итоговое уравнение регрессии примет вид: Стоимость = 9906150 + 175596 * площадь – 56093239 * район – 746075 * удаленность от метро + 1806677 * отделка + 1241476 * наличие телефона + 234941 * площадь кухни+ 707700 * материал стен. 54 Анализ остатков так же подтвердил приемлемость полученного уравнения. Следовательно, можно сделать вывод, что полученная модель соответствует реальным данным и позволяет на своей основе прогнозировать стоимость квартир с различными исходными данными. В заключении, можно сказать, что проведение маркетингового исследования – это сложный многоступенчатый процесс, требующий глубокого знания объекта изучения, от точности, качества и своевременности которого зависит во многом успешное функционирование всего предприятия. Литература. 1. Котлер Ф., Армстронг Г. Основы маркетинга. – М.: Вильямс, 2005. – 1200 с. 2. Кристиан Олбрайт, Моделирование (экономическое) с помощью Microsoft Office Excel и VBA: разработка систем поддержки принятия решений. – М.: Вильямс, 2005. – 672 с. 3. Калинина В.Н., Соловьев В.И. Введение в многомерный статистический анализ. Учебное пособие/ГУУ. – М., 2003. – 66 с. 4. Интернет источник: Официальный сайт корпорации «ИНКОМ» http://www.incom.ru/sale-realty/flats/. Проверено 24.05.2013. Аннотация. Работа посвящена использованию статистических методов прогнозирования для решения маркетинговых задач. Выбранный метод, будет использоваться в системе поддержки принятия решений для прогнозирования стоимости объектов недвижимости. This article is devoted to using statistical methods of forecasting for solving marketing problems. The selected method will be used in Decision Support Systems to predict the value of the real estate. Ключевые слова. системы поддержки принятия решений, маркетинговые исследования, линейный регрессионный анализ decision support systems, marketing research, linear regression analysis 55
