RefMag.ru - Оценка. Помощь в решении задач, тестов, практикумов, курсовых, аттеста­ционных

RefMag.ru - Помощь в решении в учебе
Заказать:
- заказать решение тестов и задач
- заказать помощь по курсовой
- заказать помощь по диплому
- заказать помощь по реферату

Репетитор оценщика

Готовые работы заочников

Тесты:

Задачи:

Примеры работ по оценке

Примеры курсовых работ
Примеры аттест­ационных работ
Учебные дисциплины
Литература
Заказ работ:




Экспертная и репетиторская помощь по решению тестов, задач, практикумов и всех других видов работ. Сергей.
[email protected], ,

Примеры выполненных работ: | контрольные | курсовые | дипломные | отзывы |




Букинистическая книга:

Список литературы по оценке недвижимости > Корреляционно-регрессионный анализ кадастровой стоимости объектов недвижимости и ценообразующих факторов (на примере земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки)

Корреляционно-регрессионный анализ кадастровой стоимости объектов недвижимости и ценообразующих факторов (на примере земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки)

Подрядчикова Е.Д., Гилёва Л.Н., Дубровский А.В. Корреляционно-регрессионный анализ кадастровой стоимости объектов недвижимости и ценообразующих факторов (на примере земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки) // Вестник СГУГиТ (Сибирского государственного университета геосистем и технологий). 2020. Т. 25. № 1. С. 274-289.

Скачать оригинал статьи

Фрагмент работы на тему "Корреляционно-регрессионный анализ кадастровой стоимости объектов недвижимости и ценообразующих факторов (на примере земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки)"

Вестник СГУГиТ, Том 25, № 1, 2020 274 УДК 332.6(571.12) DOI: 10.33764/2411-1759-2020-25-1-274-289 КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ КАДАСТРОВОЙ СТОИМОСТИ ОБЪЕКТОВ НЕДВИЖИМОСТИ И ЦЕНООБРАЗУЮЩИХ ФАКТОРОВ (НА ПРИМЕРЕ ЗЕМЕЛЬНЫХ УЧАСТКОВ ГОРОДА ТЮМЕНИ, ПРЕДНАЗНАЧЕННЫХ ДЛЯ ИНДИВИДУАЛЬНОЙ ЖИЛОЙ ЗАСТРОЙКИ) Екатерина Дмитриевна Подрядчикова Тюменский индустриальный университет, 625000, Россия, г. Тюмень, ул. Володарского, 38, кандидат технических наук, доцент кафедры геодезии и кадастровой деятельности, e-mail: [email protected] Лариса Николаевна Гилёва Тюменский индустриальный университет, 625000, Россия, г. Тюмень, ул. Володарского, 38, кандидат географических наук, доцент кафедры геодезии и кадастровой деятельности, e-mail: [email protected] Алексей Викторович Дубровский Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Ново- сибирск, ул. Плахотного, 10, кандидат технических наук, зав. кафедрой кадастра и террито- риального планирования, тел. (383)361-01-09, e-mail: [email protected] В настоящее время кадастровая стоимость объектов недвижимости определяется не только для целей формирования налоговой базы. Она является основным инструментом ре- гулирования имущественных отношений между гражданами и государством. Кадастровую стоимость совокупности объектов недвижимости, расположенных на территории субъектов РФ можно определить в процессе государственной кадастровой оценки с минимальными трудозатратами. Нормативно-правовое и методическое обеспечение государственной када- стровой оценки за последние годы существенно изменилось: данный вид работ передан в ве- дение государственных бюджетных учреждений субъектов РФ, что позволит в дальнейшем обеспечить преемственность информации, единство технологии и повысить ответственность за результаты оценки. Однако немаловажным остается вопрос математического обоснования закономерности изменения кадастровой стоимости от разнородных ценообразующих факто- ров. В статье проведен трехстадийный отбор ценообразующих факторов и выявлены факто- ры, оказывающие наибольшее влияние на кадастровую стоимость земельных участков, предназначенных для индивидуальной жилой застройки в г. Тюмени. Для анализа взаимо- связи кадастровой стоимости земельных участков и ценооразующих факторов применялся метод корреляционно-регрессионного анализа по классическим формулам статистики. Полу- ченные уравнения зависимостей кадастровой стоимости земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки, и ценообразующих факторов про- анализированы с точки зрения основных показателей качества корреляционно-регрес- сионной моделей и статистических коэффициентов. Ключевые слова: государственная кадастровая оценка, ценообразующий фактор, корреляционно-регрессионный анализ, кадастровая стоимость, геоинформационные сис- темы. Землеустройство, кадастр и мониторинг земель 275 Введение Общеизвестно, что мероприятия по определению кадастровой стоимости объектов недвижимости осуществляются в рамках нормативно-правовой базы кадастровой и рыночной оценки недвижимого имущества [1]. Важным индика- тором заинтересованности органов власти в эффективности проведения и дос- товерности результатов государственной кадастровой оценки служит постоян- ное обновление и совершенствование регламентирующих законодательных ак- тов [2]. С 1 ноября 2017 г. вступили в законную силу обновленные методиче- ские указания о проведении государственной кадастровой оценки (далее – Ме- тодика), где подробно изложены основные понятия, принципы и порядок опре- деления кадастровой стоимости объектов недвижимости [3]. Большой интерес вызвало формирование государственных бюджетных уч- реждений наряду с действующими в настоящее время независимыми оценщи- ками [4]. Такие организации призваны выполнять государственную кадастро- вую оценку на постоянной основе, что позволит создавать, обновлять и совер- шенствовать базы данных информации, необходимой для определения кадаст- ровой стоимости, а также находиться в постоянном взаимодействии с органами власти всех уровней и минимизировать сроки выполнения работ. Не менее зна- чимыми и обсуждаемыми стали ключевые положения самой методики, напри- мер, отличительной особенностью является группировка земельных участков в 14 основных сегментов в соответствии с видами использования, а не по кате- гориям земель, как было ранее [5]. Сформированный перечень земельных уча- стков, подлежащих государственной кадастровой оценке, направляется на со- гласование органам местного самоуправления. В результате подготавливается документ, в котором указаны виды разрешенного использования каждого объ- екта недвижимости, расположенного на оцениваемой территории, на основании письменного подтверждения [6]. Таким образом, отбор и классификация объек- тов недвижимости выполняется подробнее, чем было раньше, каждый объект подвергается более детальному изучению и индивидуальному рассмотрению, что положительно скажется на качестве подготовки исходных данных. Государственная кадастровая оценка по действующей Методике уже прове- дена в некоторых субъектах РФ, таких как Московская область, Ленинградская область, Рязанская область и др. Но при этом остается большое количество ре- гионов, где кадастровая стоимость не устраивает ни собственников, ни органы власти [7]. В 2018 г. в специально созданные при территориальных органах Рос- реестра комиссии по оспариванию результатов кадастровой оценки поступило более 24 тысяч заявлений о пересмотре результатов определения кадастровой стоимости, а в судах инициировано более 12 тысяч споров о величине, внесенной в Единый государственный реестр недвижимости (ЕГРН) кадастровой стоимо- сти, что отражает неуменьшающуюся из года в год заинтересованность граждан в пересмотре кадастровой стоимости принадлежащих им объектов недвижимо- сти. Возможной причиной этого стала массовость государственной кадастровой Вестник СГУГиТ, Том 25, № 1, 2020 276 оценки без учета индивидуального подхода к каждому объекту недвижимости, породившая большое количество ошибок при ее проведении [8]. Целью нашего исследования является применение корреляционно- регрессионного метода для анализа соответствия результатов кадастровой стоимости и ценообразующих факторов, изложенных в действующей Методике на примере одного сегмента «Садоводство и огородничество, малоэтажная жи- лая застройка» на территории города Тюмени, предназначенного для индивиду- альной жилой застройки, моделирование уравнения взаимосвязи кадастровой стоимости с наиболее значимыми ценообразующими факторами, выявление особенностей действующей Методики и разработка вариантов дальнейшего со- вершенствования процесса государственной кадастровой оценки. Методы и объект исследования В настоящее время наиболее распространенным при проведении государ- ственной кадастровой оценки среди методов статистического анализа считается корреляционно-регрессионное моделирование, позволяющее оперировать объ- ектами сложной многофакторной природы [9]. В результате статистического анализа для целей кадастровой оценки необходимо получить математическую формулу связи зависимой переменной (кадастровой стоимости) и значений не- зависимых (ценообразующих факторов) [10]. Для осуществления корреляцион- но-регрессионного моделирования необходимо наличие массива данных по всем исследуемым факторам и прогнозов для зависимой переменной, которые не будут существенно меняться при добавлении новой информации [11]. Процесс моделирования уравнений зависимости кадастровой стоимости объектов недвижимости и ценообразующих факторов методически можно представить в виде последовательно выполняющихся следующих этапов. Первый этап. Определить перечень ценообразующих факторов, влияющих на кадастровую стоимость. В действующих методических указаниях [3] приве- ден примерный перечень ценообразующих факторов, состоящий из 56 показа- телей земельных участков и объектов капитального строительства. При этом отказ от использования или введение дополнительных ценообразующих факто- ров должен быть обоснован. Второй этап. Выбрать вид уравнения, связывающего зависимую перемен- ную с ценообразующими факторами: линейная, мультипликативная степенная или экспоненциальная зависимость. Третий этап. Выполнить анализ качества показателей корреляционно- регрессионной модели и расчет коэффициентов статистической модели. Все расчеты выполняются в программе Excel с использованием дополнительной надстройки «Анализ данных». Полученная в результате статистическая модель зависимости кадастровой стоимости и ценообразующих факторов должна быть статистически объясни- мой и достоверной, с точки зрения рыночного ценообразования. Землеустройство, кадастр и мониторинг земель 277 В качестве объекта исследования выступает уровень кадастровой стоимо- сти незастроенных земельных участков, предназначенных для индивидуальной жилой застройки в городе Тюмени, которые согласно действующей Методике относятся к 13 сегменту «Садоводство и огородничество, малоэтажная жилая застройка». Выбор данного сегмента земельных участков обоснован наиболь- шей вовлеченностью в рыночный оборот, согласно статистике о продаже в от- крытых источниках, и заинтересованностью собственников в перерасчете када- стровой стоимости, по данным о количестве заявлений о пересмотре результа- тов определения кадастровой стоимости [12]. Так, по данным Росреестра на территории города Тюмени за 2018 г. по требованию собственников в индиви- дуальном порядке выполнен пересмотр стоимости 1 352 земельных участков, предназначенных для индивидуальной жилой застройки [13]. Анализ кадастровой стоимости земельных участков, предназначенных для индивидуальной жилой застройки в городе Тюмени, с определением относи- тельной разницы кадастровой стоимости до ее пересмотра и после представлен в табл. 1. Таблица 1 Статистика кадастровой стоимости земельных участков, предназначенных для индивидуальной жилой застройки в городе Тюмени Средняя пересмотренная кадастровая стоимость 1 м 2 , руб. Средняя кадастровая стоимость до пере- смотра 1 м 2 , руб. Средняя рыночная стоимость 1 м 2 , руб. Относительная разница, % Суммарная площадь, м 2 6 947,16 12 593,67 6 258,71 –11,73 1 622 405 В исследовании примем значение средней рыночной стоимости 1 м 2 6 947,16 руб. за эталонное, удовлетворяющее собственников и органы власти. Сравнив полученное значение средней пересмотренной кадастровой стоимости и рыночной стоимости схожих земельных участков на территории города Тю- мени, можно сделать вывод о незначительном расхождении величин. Получена относительная разница в 11,73 %, что говорит о соблюдении требуемого зако- нодательством соотношения рыночной и кадастровой стоимости [14]. Главным условием корректного применения методов корреляционно- регрессионного анализа считается наличие однородной исходной информации и достаточный объем объектов сопоставления. Поэтому важным для построе- ния модели взаимосвязи кадастровой стоимости и ценообразующих факторов является количество объектов-аналогов генеральной совокупности, которое в настоящее время не утверждено законодательно [15]. В условиях активного рынка и открытой информации о сделках есть возможность использовать весь объем корректных однородных объектов, имеющих характеристики по всем ценнообразующим факторам, что является благоприятным с точки зрения ста- Вестник СГУГиТ, Том 25, № 1, 2020 278 тистики [16]. Однако при наблюдаемом на сегодняшний момент несовершенст- ве рынка недвижимости и дефиците исходных данных приходится говорить о минимальном и достаточном количестве объектов-аналогов [17]. В нашем ис- следовании минимальный объем выборки составляет 60 объектов недвижимо- сти при рассматриваемом далее количестве факторов (доверительный интер- вал 95 ± 5 %). Результаты исследования и их обсуждение Отбор ценообразующих факторов для построения модели кадастровой стоимости следует выполнять на основе анализа социально-экономического со- стояния исследуемой территории, с учетом статистических критериев. Практи- ка зарубежных и отечественных исследований показала необходимость соблю- дения трех этапов отбора факторов [18–20]. На 1-м этапе осуществляется априорный анализ, при котором на факторы, включаемые в состав модели, не накладываются никакие ограничения. Состав ценообразующих факторов кадастровой стоимости определяется на основе примерного перечня ценообразующих факторов, предусмотренного Методикой, и анализа информации о рынке недвижимости города Тюмени. При построении модели преимущество отдавалось ценообразующим факторам, характеризую- щим объект недвижимости, размещение объектов инженерной инфраструкту- ры, и факторам местоположения. При моделировании кадастровой стоимости земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки, выбранные ценообразующие факторы сгруппированы по характеру представления в три группы. Схема группировки ценнообразующих факторов земельных участков го- рода Тюмени, предназначенных для индивидуальной жилой застройки, пред- ставлена на рисунке. Таким образом, для построения статистической модели выбирались цено- образующие факторы, которые репрезентативны и актуальны для территории города Тюмени, при этом из предлагаемого примерного перечня на 1-м этапе исключены характеристики почв, относящиеся только к сельскохозяйствен- ным землям, а также факторы, связанные с объектами капитального строи- тельства. На 2-м этапе проводится анализ и исключение части ценообразующих факторов из дальнейшего исследования путем составления матрицы корреля- ции. Каждый элемент из матрицы корреляции является парным коэффициентом взаимосвязи факторов между собой и результирующим показателем кадастро- вой стоимости. Коэффициенты принимают значения от –1 до 1, при этом поло- жительные величины свидетельствуют о прямой взаимосвязи, а отрицательные значения говорят об обратной зависимости: чем больше значение коэффициен- та у данного фактора, тем меньше результирующая величина кадастровой Землеустройство, кадастр и мониторинг земель 279 стоимости [21]. Отсев факторов проводится по правилам статистического ана- лиза, согласно которым следует исключать ценнобразующие факторы с наибо- лее слабой зависимостью от кадастровой стоимости. Взаимозависимые показа- тели следует также исключить, для получения достоверных и корректных ре- зультатов [22]. Группы ценнообразующих факторов земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки Полученная матрица парных коэффициентов корреляции основных цено- образующих факторов объектов недвижимости города Тюмени приведена в табл. 2. • Х1 – площадь земельного участка • Х2 – коэффициент протяженности земельного участка по данным геоинформационных систем (ГИС) Метрические характеристики земельного участка • Х3 – линия застройки • Х4 – наличие обременений (ограничений) земельного участка • Х5 – расположение земельного участка относительно линий электропередачи • Х6 – расположение земельного участка относительно магистральных газопроводов • Х7 – расстояние до земельных участков зоны разработки полезных ископаемых • Х8 – зоны особого режима использования в границах земельных участков • Х9 – принадлежность земельного участка к организованной промышленной зоне • Х10 – описание коммуникаций (электроснабжение, газоснабжение, водоснабжение, теплоснабжение, канализация), в том числе их удаленность от земельного участка Сведения об инженерной инфраструктуре • Х11 – расположение земельного участка относительно автомобильных дорог, их тип • Х12 – расположение земельного участка относительно ближайшего водного объекта • Х13 – расположение земельного участка относительно ближайшей рекреационной зоны Территориальное расположение Вестник СГУГиТ, Том 25, № 1, 2020 280 Таблица 2 Матрица парных коэффициентов корреляции основных ценообразующих факторов объектов недвижимости города Тюмени Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8 Х9 Х10 Х11 Х12 Х13 Х1 1 Х2 0,23 1 Х3 0,27 0,42 1 Х4 –0,42 –0,2 0,14 1 Х5 0,15 –0,27 0,34 –0,07 1 Х6 –0,15 –0,46 0,03 0,24 0,14 1 Х7 –0,21 –0,33 –0,16 0,51 0,34 0,3 1 Х8 –0,18 0,25 0,35 0,34 0,03 –0,44 0,27 1 Х9 0,28 0,38 –0,31 –0,2 –0,16 0,09 –0,28 0,13 1 Х10 –0,19 –0,23 0,17 –0,22 0,35 0,09 0,44 0,05 0,42 1 Х11 0,14 –0,22 0,23 0,06 0,31 0,37 0,27 –0,36 0,17 0,1 1 Х12 –0,06 0,35 –0,29 0,17 0,17 –0,49 0,26 0,43 0,16 0,47 0,87 1 Х13 0,25 0,65 0,52 –0,54 –0,34 0,51 0,62 0,32 0,43 0,12 0,52 0,22 1 Y 0,89 0,72 0,14 –0,07 0,23 0,38 0,41 –0,42 –0,27 0,22 0, 83 0, 68 0,73 Анализируя матрицу корреляции, следует отметить что значения коэффи- циентов факторов удаленности земельного участка относительно линий элек- тропередачи (Х5), магистральных газопроводов (Х6), водоснабжение, тепло- снабжение, канализация (Х10) на городской территории не имеют существенно- го влияния, что связано с наличием основных инженерных коммуникации у большинства оцениваемых объектов на территории города Тюмени, поэтому данные факторы можно исключить. Факторы, которые характеризуются наличием или отсутствием выбранно- го критерия (только 0 или 1), также в меньшей степени влияют на кадастровую стоимость земельных участков города Тюмени, предназначенных для индиви- дуальной жилой застройки, их коэффициенты корреляции малы, следовательно, учет таких особенностей должен проводиться в индивидуальном порядке или в виде поправочных коэффициентов [23]. В связи с этим из дальнейшего иссле- дования исключены факторы, характеризующие линию застройки (Х3), наличие обременений (ограничений) земельного участка (Х4), расстояние до земельных участков зоны разработки полезных ископаемых (Х7), размещение зон особого режима использования в границах земельных участков (Х8) и принадлежность земельного участка к организованной промышленной зоне (Х9) . Коэффициенты превышают 0,6 у факторов: площадь земельного участка (Х1), протяженность земельного участка (Х2), расположение земельного участка относительно автомобильных дорог (Х11), водного объекта (Х12) или рекреаци- Землеустройство, кадастр и мониторинг земель 281 онной зоны (Х13). Соответственно, можно говорить о высокой тесноте связи вы- бранных ценообразующих факторов с кадастровой стоимостью. Следует заме- тить, что данные факторы отнесены к группе «Территориального расположения» и «Метрических характеристик», значит они носят пространственный характер или получаются путем анализа топографических характеристик объекта недви- жимости. Для корректного вычисления площади, протяженности и удаленности от объекта рекомендуется использовать геоинформационные системы. На 3-м этапе, завершающем, выполняется анализ значимости вектора оценок параметров множественной регрессии с использованием критерия Стьюдента [24]. Рассчитанное значение критерия Стьюдента сравнивают с его табличным значением при выбранной доверительной вероятности (как правило, 0,95) и числе степеней свободы. Если вычисленное расчетное значение выше, чем табличное, то коэффициент регрессии является значимым с данной довери- тельной вероятностью. В противном случае есть основания для исключения со- ответствующей переменной из регрессионной модели [25]. Полученные значения критерия Стьюдента для каждого ценообразующего фактора, оказывающие наибольшее влияние на кадастровую стоимость земель- ных участков города Тюмени, предназначенных для индивидуальной жилой за- стройки, представлены в табл. 2. Таблица 2 Сводные данные оценки ценообразующих факторов по критерию Стьюдента Ценообразующий фактор Х1 Х2 Х11 Х12 Х13 Критерий Стьюдента 2,653 2,435 3,842 2,168 4,563 Табличное значение критерия Стьюдента 2,131 Значимость фактора (да/нет) Да Да Да Да Да Таким образом, в результате анализа и отбора ценообразующих факторов с использованием корреляционно-регрессионного анализа можно сделать вывод о дальнейшем построении модели кадастровой стоимости земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки, с ис- пользованием следующих ценообразующих факторов: – площадь земельного участка; – коэффициент протяженности земельного участка по данным геоинфор- мационных систем; – расположение земельного участка относительно автомобильных дорог, их тип; – расположение земельного участка относительно ближайшего водного объекта; – расположение земельного участка относительно ближайшей рекреацион- ной зоны; – расположение земельного участка относительно железных дорог. Вестник СГУГиТ, Том 25, № 1, 2020 282 Наиболее трудозатратным и длительным является процесс поиска для всех объектов генеральной совокупности необходимых данных по каждому ценооб- разующему фактору [26, 27]. Следует заметить, что все значимые факторы мо- дели кадастровой стоимости земельных участков города Тюмени, предназна- ченных для индивидуальной жилой застройки, носят пространственный харак- тер. Обзор геоинформационных систем показывает, что во всех широко распро- страненных программных продуктах, таких как QGIS, ArcGIS, MapInfo, имеет- ся достаточное количество инструментов для выполнения требуемого про- странственного анализа [28, 29]. Полученные в ходе исследования уравнения регрессии кадастровой стои- мости земельных участков города Тюмени, предназначенных для индивидуаль- ной жилой застройки, представлены в табл. 3. Таблица 3 Уравнения регрессии кадастровой стоимости земельных участков города Тюмени, предназначенных для индивидуальной жилой застройки Вид уравнения Уравнение взаимосвязи Аддитивная модель 1 2 11 12 13 530,540 5 1,153 7 0,008 0,241 18,417 0,65 Y Х Х Х Х Х ? ? ? ? ? ? ? ? ? ? ? Мультпликативная 0,1211 0,087 5 0,7015 0,860 2 0,03 1 2 11 12 13 Y ? ? ? ? ? ? 101,2414 Х Х Х Х Х Экпоненциальная 1 2 11 12 13 0,009 0,158 8 0,0001 0,858 2 1,368 392,06 Х Х Х Х Х Y е ? ? ? ? ? ? ? ? ? ? ? Уравнения регрессии кадастровой стоимости проверяются на соответствие требованиям статистической адекватности и закономерности построения по контрольной и обучающий выборке [30]. Одним из наиболее эффективных ва- риантов проверок уравнений регрессии является вычисление коэффициента де- терминации, который принимает значения от 0 до 1 и характеризует степень выраженной связи между переменными [31]. Чем ближе коэффициент детерми- нации к единице, тем лучше регрессия аппроксимирует эмпирические данные, тем теснее наблюдения примыкают к линии регрессии [32]. Среднее значение ошибки аппроксимации из относительных отклонений определяется для изучения статистического качества модели, величина которо- го должна быть не более 15 [33]. В эконометрических задачах статистическая значимость модели определя- ется с использованием критерия Фишера. Модель считается значимой, если найденное значение превышает пороговое, приведенное в специальных табли- цах [34]. Результаты анализа трех вариантов уравнений регрессии кадастровой стоимости земельных участков города Тюмени, предназначенных для индиви- дуальной жилой застройки, по всем вышеперечисленным критериям представ- лены в табл. 4. Землеустройство, кадастр и мониторинг земель 283 Таблица 4 Результаты анализ качества показателей корреляционно-регрессионной модели и расчет коэффициентов статистической модели Название модели Коэффициент детерминации Контроль Средняя ошибка аппроксимации Контроль Крите- рий Фише- раКонтроль Статисти- ческая зна- чимость модели (да/нет) обучаю- щая вы- борка кон- трольная выборка обучаю- щая вы- борка кон- трольная выборка Аддитивная модель 0,632 0,856 1 13,5% 9,1 % 15 % 14,8 5,27 да Мультипли- кативная модель 0,354 0,165 2,3 % 6,3 % 33,2 да Экспонен- циальная модель 0,525 0,953 7,1 % 3,3 % 19,2 да Таким образом, все полученные уравнения взаимосвязи кадастровой стои- мости земельных участков города Тюмени, предназначенных для индивидуаль- ной жилой застройки, обладают свойством статистической устойчивости (сба- лансированности) и могут применяться для расчета кадастровой стоимости аналогичных объектов недвижимости. При этом все значимые ценообразующие факторы имеют связь с пространственными характеристиками объекта недви- жимости, для их учета необходимо знать точное местоположение границ объ- екта или определять расстояние до значимых элементов инфраструктуры (ав- томобильных или железных дорог, водных объектов, рекреационных зон). Однако следует отметить ряд проблем, связанных с проведением государ- ственной кадастровой оценки недвижимости в части определения ценообра- зующих факторов. Во-первых, в актуальных сведениях ЕГРН существует недостаток инфор- мации о местоположении границ земельных участков. Так, согласно отчетным данным Росреестра на 1 января 2019 г., доля земельных участков, у которых от- сутствуют координаты характерных точек границ (графические данные), соста- вила 55,6 % [13]. Значит появляется вынужденная необходимость исполните- лям самостоятельно вносить в геоинформационные системы данные для расче- та ценообразующих факторов, связанных с пространственными характеристи- ками, а также выполнять геокодирование значимых водных объектов, рекреа- ционных зон и других объектов социально-бытового и культурного назначения. Во-вторых, в настоящее время не существует единого информационного ресурса, который содержал бы разнородную информацию об объектах недви- жимости, необходимую для кадастровой оценки, все действующие справочно- информационные системы имеют узконаправленный характер, зачастую дуб- лируя друг друга [35]. Для решения этой проблемы необходимо формировать геоинформационные системы, позволяющие эффективно накапливать, обнов- Вестник СГУГиТ, Том 25, № 1, 2020 284 лять и использовать информацию о значениях ценообразующих факторов пу- тем ведения тематических карт территории населенных пунктов [36]. Заключение Кадастровая стоимость объектов недвижимости связана с совокупностью разнородных ценообразующих факторов, которые образуют комплексный облик оцениваемой территории. Для того чтобы выявить состав ценообразующих фак- торов, оказывающих наибольшее влияние на результирующую величину кадаст- ровой стоимости, следует применять корреляционно-регрессионный анализ. Проблемы, возникающие при выполнении государственной кадастровой оценки объектов недвижимости, возможно решить с использованием современ- ных геоинформационных систем, а именно: – необходимость серьезных временных затрат на организацию подготовки исходной информации устраняется широким спектром возможностей геоин- формационных систем, призванных обеспечить информационную основу сбо- ра, обобщения, анализа, управления и отображения больших наборов ком- плексных данных; – факторы группы «Территориального расположения», которые показали наибольшую статистическую значимость, могут автоматически вычисляться в геоинформационных системах, а также актуализироваться при добавлении но- вых значимых элементов инфраструктуры; – геоинформационные системы позволяют получать тематические карты по каждому ценообразующему фактору, интерполируя значения для промежу- точных объектов недвижимости и объектов недвижимости, не имеющих харак- теристик в исходной базе данных; – появляется возможность упростить процесс поиска аналогичных объек- тов недвижимости, территорий и населенных пунктов, что является актуальным при несовершенстве рынка недвижимости и дефиците исходных данных. БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1. Смирнова Е. А., Засядь-Волк В. В. Кадастровая стоимость земельных участков как один из факторов земельных отношений территории // Научные ведомости Белгородского государственного университета. Сер. Естественные науки. – 2016. – № 18 (239). – С. 142–147. 2. Липски С. А. Проблемы и перспективы законодательного регулирования проведения государственной кадастровой оценки // Правовые вопросы недвижимости. – 2016. – № 2. – С. 33–36. 3. Об утверждении методических указаний о государственной кадастровой оценке [Электронный ресурс] : приказ Минэкономразвития России от 12.05.2017 № 226 (ред. от 09.08.2018). – Доступ из справ.-правовой системы «КонсультантПлюс». 4. Жданова Р. В. Особенности нормативно-правового регулирования государственной кадастровой оценки объектов недвижимости на современном этапе // Московский экономи- ческий журнал. – 2019. – № 3. – С. 59–64. Землеустройство, кадастр и мониторинг земель 285 5. Шаповалов Д. А., Саакян А. А. Прогнозирование использования земельных ресурсов муниципального образования (на примере СП «Десеневское» НАО г. Москвы) // Современ- ные проблемы эффективного землепользования : сб. науч. трудов. – 2016. – С. 31–38. 6. Варламов А. А., Гальченко С. А., Жданова Р. В. У истоков оценочной деятельности в России : учеб. пособие. – М. : ГУЗ, 2019. – 326 с. 7. Москвин В. Н., Соколова Т. А. Методика экспертной оценки земель населенных пунктов производственного назначения для оспаривания их кадастровой стоимости в комис- сии Росреестра и в суде // Вестник СГУГиТ. – 2018. – Вып. 2 (23). – С. 185–199. 8. Быкова Е. Н., Сеньковская К. Э., Доценко Я. Н. Некоторые аспекты массовой оценки земель населенных пунктов: проблемы и пути решения // Успехи современной науки и обра- зования. – 2017. – Т. 8, № 2. – С. 208–211. 9. Грибовский С. В., Сивец С. А. Математические методы оценки стоимости недвижи- мого имущества : учеб. пособие. – М. : Финансы и кредит, 2008. – 368 с. 10. Радченко С. Г. Методология регрессионного анализа : монография. – Киев : Кор- нийчук, 2011. – 376 с. 11. Седова Е. Н. Моделирование стоимости вторичного жилья на региональном рынке: пространственный подход // Вестник ОГУ. – 2014. – Вып. 14 (175). – С. 458–464. 12. Черных Е. Г., Новиков Ю. А., Щукина В. Н. Особенности определения кадастровой стоимости на примере Тюменской области // Международный сельскохозяйственный жур- нал. – 2019. – № 3 (369). – С. 45–47. 13. Официальный сайт Росреестра [Электронный ресурс]. – Режим доступа: https://rosreestr.ru/wps/ portal/. 14. Об оценочной деятельности в Российской Федерации [Электронный ресурс] : фе- дер. закон от 29.07.1998 № 135-ФЗ (ред. от 03.08.2018). – Доступ из справ.-правовой системы «КонсультантПлюс». 15. Дубровский А. В., Подрядчикова Е. Д. К вопросу совершенствования системы оценки недвижимого имущества на основе расчета показателя социальной комфортности // Изв. вузов. Геодезия и аэрофотосъемка. – 2014. – № 4. – С. 153–157. 16. Renigier-Bilozor M., Janowski A. Geoscience Methods in Real Estate Market Analyses Subjectivity Decrease // Geosciences. – 2019. – № 9. – P. 130–138. 17. Гладких Н. И., Кузнецова В. В. Определение необходимого количества аналогов при заданном числе ценообразующих факторов для целей оценки недвижимости методами корреляционно-регрессионного анализа // Имущественные отношения в Российской Федера- ции. – 2016. – № 6 (177). – С. 75–84. 18. Анализ ценообразующих факторов, оказывающих влияние на кадастровую стои- мость недвижимости / А. В. Дубровский, А. Л. Ильиных, О. И. Малыгина, В. Н. Москвин, А. В. Вишнякова // Вестник СГУГиТ. – 2019. – Т. 24, № 2. – С. 150–169. 19. Лепихина О. Ю., Правдина Е. А. Вариативный учет ценообразующих факторов при кадастровой оценке земель (на примере города Санкт-Петербург) // Известия Томского поли- технического университета. Инжиниринг георесурсов. – 2019. – Т. 330, № 2. – С. 65–74. 20. Chun Y. Modelling network autocorrelation within migration flows by eigenvector spatial filtering // Journal of Geographical Systems, 2018. – № 10 (4). – Р. 317–344. 21. Basu S., Thibodeau T. G. Analysis of spatial autocorrelation in housing prices // Journal of Real Estate Finance and Economics. – 2016. – № 17. – P. 61–85. 22. Quintos C. Spatial weight matrices and their use as baseline values and location– adjustment factors in property assessment models // Cityscape. – 2013. – № 15. – Р. 295–306. 23. Григорьев В. В. Обоснование необходимости поправочного коэффициента для рас- чета кадастровой стоимости недвижимости // Экономические стратегии. – 2018. – № 3 (153). – С. 110–117. Вестник СГУГиТ, Том 25, № 1, 2020 286 24. Driscoll J. C., Kraay A. Consistent covariance matrix estimation with spatially dependent panel data // Review of Economics and Statistics. – 2015. – № 80. – Р. 549–604. 25. Griffith D. Visualizing analytical spatial autocorrelation components latent in spatial interaction data: an eigenvector spatial filter approach // Comput, Environ Urban Syst. – 2011. – № 35. – Р. 140–149. 26. Подрядчикова Е. Д. Усовершенствование методики земельно-оценочных работ на основе геоинформационного анализа социально-территориальных взаимосвязей элементов городской инфраструктуры // Изв. вузов. Геодезия и аэрофотосъемка. – 2015. – № 5/С. – С. 230–234. 27. Дубровский А. В., Подрядчикова Е. Д. О подходе к расчету показателя социальной комфортности населения для совершенствования систему оценки недвижимости // Вестник СГГА. – 2013. – № 3 (23). – С. 94–100. 28. Носов В. В., Цыпин А. П. Эконометрическое моделирование цены однокомнатной квартиры методом географически взвешенной регрессии // Известия Саратовского универси- тета. Новые серии. Экономика. Управление. Право. – 2015. – № 4. – С. 381–387. 29. Ferretti V., Montibeller G. Key challenges and meta-choices in designing and applying multicriteria spatial decision support systems // Decis. Support Syst. – 2016. – № 84. – Р. 41–52. 30. Дрейпер Н. Р., Смитов Г. В. Прикладной регрессионный анализ: пер. с англ. – М. : Вильямс, 2007. – 912 с. 31. Беляева А. В. Использование пространственных моделей в массовой оценке стои- мости объектов недвижимости // Компьютерные исследования и моделирование. – 2012. – Т. 4, № 3. – С. 639?650. 32. Mark J., Goldberg M. Multiple regression analysis and mass assessment // A review of the issue. Apprais. – 2016. – № 56. – Р. 89–109. 33. Геопространственный дискурс опережающего и прорывного мышления / А. П. Карпик, Д. В. Лисицкий, К. С. Байков, А. Г. Осипов, В. Н. Савиных // Вестник СГУГиТ. – 2017. – Т. 22, № 4. – С. 53–67. 34. Ковязин В. Ф., Лепихина О. Ю., Зимин В. П. Разработка прогнозной модели стои- мости земель моногородов с учетом экономических факторов деятельности градообразую- щих предприятий (на примере Мурманской области) // Вестник Московского государствен- ного областного университета. Сер. Естественные науки. – 2018. – № 1. – С. 51–65. 35. Cellmer R., Be?ej M., Zrobek S., Subic-Kovac M. Urban Land Value Maps // Methodological Approach. Geod. Vestn. – 2014. – № 58. – Р. 535–551. 36. Трехмерная визуализация неблагоприятных природных условий для корректировки кадастровой стоимости земель / Е. И. Аврунев, Н. В. Гатина, М. В. Козина, В. К. Попов // Из- вестия Томского политехнического университета. Инжиниринг георесурсов. – 2019. – Т. 330, № 1. – С. 181–190. Получено 09.12.2019 © Е. Д. Подрядчикова, Л. Н. Гилёва, А. В. Дубровский, 2020 THE CORRELATION AND REGRESSION ANALYSIS OF CADASTRAL VALUE OF REAL ESTATE OBJECTS AND PRICE-FORMING FACTORS (ON THE EXAMPLE OF LAND PARCEL OF THE TYUMEN, INTENDED FOR INDIVIDUAL RESIDENCE) Ekaterina D. Podryadchikova Tyumen Industrial University, 38, Volodarskogo St., Tyumen, 625000, Russia, Ph. D., Associate Professor, Department of Geodesy and Cadastral Activities, e-mail: [email protected] Землеустройство, кадастр и мониторинг земель 287 Larisa N. Gilyova Tyumen Industrial University, 38, Volodarskogo St., Tyumen, 625000, Russia, Ph. D., Associate Professor, Department of Geodesy and Cadastral Activities, e-mail: [email protected] Alexey V. Dubrovsky Siberian State University of Geosystems and Technologies, 10, Plakhotnogo St., Novosibirsk, 630108, Russia, Ph. D., Head of the Department of Cadastre and Territorial Planning, e-mail: [email protected] Nowadays the cadastral value of real estate is determined not only for the formation of the tax base, but is also the main instrument for regulating property relations between citizens and the state. The cadastral value of real estate located on the territory of the constituent entities of the Russian Federation can be determined in the process of state cadastral valuation with minimum labor. The legal and methodological support of the state cadastral valuation has changed significantly in recent years: this type of work has been transferred to the state institutions of the constituent entities of the Russian Federation, which will allow ensuring in the future continuity of information, unity of technology and increasing responsibility for the results of the valuation. However, the issue of mathematical justification of the pattern of change in cadastral value from heterogeneous price-forming factors remains an important issue. The article conducted a three-stage selection of price-forming factors and identified the factors that have the largest impact on the cadastral value of land parcel of the Tyumen, intended for individual residence. The method of the correlation and regression analysis on classical statistical formula was used to analyze the relationship between cadastral value of real estate objects and price-forming factors. The obtained equations of cadastral value of land of land parcel of the Tyumen, intended for individual residence and price-forming factors are analyzed in terms of the main indicators of quality of the correlation and regression analysis and statistical coefficients. Key words: state cadastral valuation, price-forming factor, correlation and regression analysis, cadastral value, geographic information systems. REFERENCE 1. Smirnova, E. A. & Zasyazh-Wolf, V. V. (2016). Cadastral value of land plots as one of the factors of land relations of the territory. Nauchnye vedomosti Belgorodskogo gosudarstvennogo universiteta. Seriya: estestvennye nauki [Scientific Statements of the Belgorod State University. Series: Natural Sciences], 18(239), 142–147 [in Russian]. 2. Lipski, S. A. (2016). Problems and prospects of legislative regulation of state cadastral assessment. Pravovye voprosy nedvizhimosti [Legal Issues of Real Estate], 2, 33–36 [in Russian]. 3. Order of the Ministry of Economic Development RF of May 12, 2017, № 226. On approval of methodological instructions on state cadastral valuation. Retrieved from ConsultantPlus online database [in Russian]. 4. Zhdanova, R. V. (2019). Peculiarities of regulatory regulation of state cadastral valuation of real estate at the present stage. Moskovskiy ekonomicheskiy zhurnal [Moscow Economic Journal], 3, 59–64 [in Russian]. 5. Shapovalov, D. A. & Sahakyan, A. A. (2019). Forecasting of the use of land resources of the municipality (on the example of SP «Desenevskoe» NAO of Moscow). In Sbornik nauchnykh trudov: Sovremennye problemy effektivnogo zemlepol'zovaniya [Collection of Scientific Paper: Modern Problems of Effective Land Use] (pp. 31–38) [in Russian]. 6. Varlamov, A. A. & Galchenko, S. A. & Zhdanov, R. V. (2019). U istokov otsenochnoy deyatel'nosti v Rossii [At the origin of evaluation activity in Russia]. Moscow: GUZ Publ., 326 p. [in Russian]. Вестник СГУГиТ, Том 25, № 1, 2020 288 7. Moskvin, V. N. & Sokolova, T. A. (2018). Methodology of expert assessment of lands of settlements of industrial purpose to challenge their cadastral value in the Commission of Rosreestra and in court. Vestnik SGUGiT [Vestnik SSUGT], 23(2), 185–199 [in Russian]. 8. Bykova, E. N. & Senkovskaya, K. E. & Dotsenko, Y. N. (2017). Some aspects of the mass assessment of the lands of settlements: problems and solutions. Uspekhi sovremennoy nauki i obrazovaniya [Successes in Modern Science and Education], 2(8), 208–211 [in Russian]. 9. Gribovsky, S. V. & Sivets, S. A. (2008). Matematicheskie metody otsenki stoimosti nedvizhimogo imushchestva [Mathematical methods for assessing the value of real estate]. Moscow: Finansy i kredit Publ., 368 p. [in Russian]. 10. Radchenko, S. G. (2011). Metodologiya regressionnogo analiza [Methodology of regression analysis]. Kiev: Korniychuk Publ., 376 p. [in Russian]. 11. Sedova, E. N. (2014). Modeling the cost of secondary housing in the regional market: a spatial approach. Vestnik OGU [Vestnik OSU], 14(175), 458–464 [in Russian]. 12. Chernykh, E. G. & Novikov, Y. A., & Schukina, V. N. (2019). Features of determining the cadastral value on the example of the Tyumen region. Mezhdunarodnyy sel'skokhozyaystvennyy zhurnal [International Agricultural Journal], 3(369), 45–47 [in Russian]. 13. Official Site of Rosregister. (n. d.). Retrieved from https://rosreestr.ru/wps/ portal/. 14. Federal Law of July 29, 1998 № 135–FZ. On appraisal activity in the Russian Federation. Retrieved from ConsultantPlus online database [in Russian]. 15. Dubrovsky, A. V. & Podryadchikova, E. D. (2014). On the issue of improving the system for assessing real estate based on the calculation of the indicator of social comfort. Izvestiya vuzov. Geodeziya i aerofotos"emka [Izvestiya Vuzov. Geodesy and Aerophotography], 4/S, 153–157 [in Russian]. 16. Renigier-Bilozor, M. & Janowski, A. (2019). Geoscience Methods in Real Estate Market Analyses Subjectivity Decrease. [Geosciences], 9, 130–138. 17. Gladkikh, N. I. & Kuznetsova, V. V. (2016) Determination of the required number of analogues for a given number of pricing factors for the purpose of real estate valuation by correlation and regression analysis. Imushchestvennye otnosheniya v Rossiyskoy Federatsii [Property relations in the Russian Federation], 6(177), 75–84 [in Russian]. 18. Dubrovsky, A. V., Ilyinykh, A. L., Malygina, O. I., Moskvin, V. N., & Vishnyakova, A. V. (2019). Analysis of pricing factors affecting the cadastral value of real estate. Vestnik SGUGiT [Vestnik SSUGT], 24(2), 150–169 [in Russian]. 19. Lepikhina, O. Y., & Pravdina, E. A. (2019). Variable accounting of pricing factors at cadastral assessment of lands (on cadastral assessment of lands (on the example of the city of St. Petersburg). Izvestiya Tomskogo politekhnicheskogo universiteta. Inzhiniring georesursov [News of the Tomsk Polytechnic University. Engineering Georesurs], 2(330), 65–74 [in Russian]. 20. Chun, Y. (2018). Modelling network autocorrelation within migration flows by eigenvector spatial filtering. Journal of Geographical Systems, 10(4), 317–344. 21. Basu, S., & Thibodeau, T. G. (2016). Analysis of spatial autocorrelation in housing prices. Journal of Real Estate Finance and Economics, 17, 61–85. 22. Quintos, C. (2013). Spatial weight matrices and their use as baseline values and location– adjustment factors in property assessment models. Cityscape, 15, 295–306. 23. Grigoryev, V. V. (2018). The rationale for the need for a correction factor for calculating the cadastral value of real estate. Ekonomicheskie strategii [Economic strategies], 3(153), 110–117 [in Russian]. 24. Driscoll, J. C., & Kraay, A. (2015). Consistent covariance matrix estimation with spatially dependent panel data. Review of Economics and Statistics, 80, 549–604. 25. Griffith, D. (2011). Visualizing analytical spatial autocorrelation components latent in spatial interaction data: an eigenvector spatial filter approach. Compute Environ Urban System, 35, 140–149. Землеустройство, кадастр и мониторинг земель 289 26. Podryadchikova, E. D. (2015). Improvement of land appraisal methods based on geoinformation analysis of socio-territorial relationships of urban infrastructure elements. Izvestiya vuzov. Geodeziya i aerofotos"emka [Izvestiya Vuzov. Geodesy and Aerophotography], 5/S, 230–234 [in Russian]. 27. Dubrovsky, A. V., & Podryadchikova, E. D. (2013). On the approach to calculating the indicator of social comfort of the population to improve the real estate assessment system. Vestnik SGGA [Vestnik SGGA], 3(23), 94–100 [in Russian]. 28. Nosov, V. V., & Tsypin, A. P. (2015). Econometric modeling of the price of a one-room apartment by the method of geographically weighted regression. Izvestiya Saratovskogo universiteta. Novye serii. Ekonomika. Upravlenie. Pravo [Bulletin of the University of Saratov. New episodes. Economy. Control. Right], 4, 381–387 [in Russian]. 29. Ferretti, V., & Montibeller, G. (2016). Key challenges and meta-choices in designing and applying multicriteria spatial decision support systems. Decis. Support System, 84, 41–52. 30. Draper, N. R., & Smith, A. G. (2007). Prikladnoy regressionnyy analiz [Applied regression analysis]. Moscow: Williams Publ., 912 p. [in Russian]. 31. Belyaeva, A. V. (2012). The use of spatial models in the mass valuation of real estate. Komp'yuternye issledovaniya i modelirovanie [Computer Research and Modeling], 3, 639?650 [in Russian]. 32. Mark, J., & Goldberg, M. (2016). Multiple regression analysis and mass assessment. A Review of the Issue. Apprais, 56, 89–109. 33. Karpik, A. P., Lisitsky, D. V., Baykov, K. S., Osipov, A. G., & Savinykh, V. N. (2017). Geospatial discourse of advanced and breakthrough thinking. Vestnik SGUGiT [Vestnik SSUGiT], 22(4), 53–67 [in Russian]. 34. Kovyazin, V. F., Lepikhina, O. Y., & Zimin, V. P. (2018). Development of a forecast model of land value of single-industry towns taking into account economic factors of activity of city-forming enterprises (on the example of the Murmansk region). Vestnik Moskovskogo gosudarstvennogo oblastnogo universiteta. Seriya: Estestvennye nauki [Vestnik Moscow State Regional University. Series: Natural Sciences], 1, 51–65 [in Russian]. 35. Cellmer, R., Be?ej, M., Zrobek, S., & Subic-Kovac, M. (2014). Urban Land Value Maps. Methodological Approach. Geod. Vestnik, 58, 535–551. 36. Avrunev, E. I., Gatina, N. V., Kozina, M. V., & Popov, V. K. (2019). Three-dimensional visualization of adverse environmental conditions for adjusting the cadastral value of land. Izvestiya Tomskogo politekhnicheskogo universiteta. Inzhiniring georesursov [Bulletin of the Tomsk Polytechnic University. Geo-Resource Engineering], 1(330), 181–190 [in Russian]. Received 09.12.2019 © E. D. Podryadchikova, L. N. Gilyova, A. V. Dubrovsky, 2020

Другие книги из этого раздела





© 2002 - 2024 RefMag.ru