Šiame straipsnyje nagrinėjama nekilnojamojo turto rinkos analizė, naudojant regresijos modelį Excel aplinkoje. Straipsnyje aptariama duomenų rinkimo metodika, regresinės analizės taikymas ir gautų rezultatų interpretavimas. Taip pat nagrinėjami teoriniai ir praktiniai darbo rezultatai.
Įvadas
Šiandieninėje dinamiškoje ir nestabilioje aplinkoje tenka rinktis vis naujesnes strategijas, siekiant užtikrinti ekonomiškai naudingą veiklą ne tik investicine įmonių prasme, bet ir miesto plėtros prasme. Dėl stipraus įvairių aplinkybių įtakojimo ūkio specifinei šakai, labai svarbus aspektas yra patikimas ir išsamus duomenų, daugelio veiksnių rodiklių parinkimas, ir jų tinkamas apdorojimas.
Todėl ši tema itin aktuali perspektyvine prasme, kadangi tiesiogiai susijusi su miesto ateities plėtra, su kultūriniais-socialiniais klausimais sprendimu (naujos darbo vietos ir t.t.), užsienio kapitalo ir Lietuviško kapitalo fondų investicijų pritraukimu.
Vilniaus Miesto Investicinė Aplinka
Vilniaus miesto investicinę aplinką labiausiai veikia šalies bendras Lietuvos ekonomikos augimas, įstojus į ES, kuris tiesiogiai susijęs su užsienio investicijomis (TUI). Sostinė pritraukia apie 2/3 visų užsienio investicijų. Vienam miesto gyventojui tenka tris kartus daugiau investicijų, palyginti su šalies vidurkiu. Ekonomikos augimas Lietuvoje 2004-2008 metais ženkliai skatino investicijas į komercinių projektų plėtrą ir vystymąsi respublikos sostinėje.
Šalies įstojimas į Europos Sąjungą, įsiliejimas į globalizacijos srautus, tampant atvira ekonomika skatino liberalesnę bankų politiką Lietuvoje. Dauguma jų veikia paslaugų sektoriuje (82,5 proc.). Tuo tarpu bazinis veiklos rėmuo (pramoninė gamyba, žaliavos, kuras, energetika) įmonės sudaro mažesnę dalį. Toks santykis tarp paslaugų ir gamybos sektorius būdingas Europos šalių sostinėms, kuriose sutelktas šalies politinis, ekonominis ir kultūrinis gyvenimas. Tarptautinių ekspertų vertinimu paslaugų sektorius tapo Vilniaus ekonomikos varomąja jėga. Šiose Europos valstybėse, o Vilniuje ši sfera plėtėsi dar didesniais tempais nei vidutiniškai Lietuvoje. Išsiskirianti ekonominės veiklos grupė Vilniaus mieste yra prekyba. Ši veikla apima daugiau kaip ketvirtadalis (29,3 proc.) miesto įmonių. Antroji pagal įmonių gausumą Vilniuje yra nekilnojamojo turto, nuomos ir kitos verslo veiklos grupė. Šiomis veiklos rūšimis užsiima 20,6 proc.
Nuo 2000 iki 2005 m. į šią teritoriją buvo investuota 151 milijonas eurų, pagal sostinės plėtros planus planuojama investuoti dar apie 130 milijonų eurų. Pagal struktūrinės plėtros planus bendra investicijų suma ateityje turėtų pasiekti 812 milijonų eurų. Nagrinėjant investicijas į komercinius objektus plėtrą, (hipotezė) manome, kad dideli ir stambūs projektai gana dažnai vystomi, neatsižvelgiant į miesto strateginę-struktūrinę plėtrą, nesprendžiant ekologijos, transporto srautų reguliavimo klausimo (moksliškai ir praktiškai pagrįsta infrastruktūros plėtra, naujų gatvių tiesimas, eismo reguliavimas).
Šios ekonomikos stadijos svarbiausius objektus bus stengiamasi išlaikyti, arba parduoti geriausiomis sąlygomis (visą ar dalį investicinio portfelio), siekiant pabaigti vystyti pradėtus projektus arba siekiant vystyti naujus.
Tyrimo Metodika
Išnagrinėta užsienio šalių ir Lietuvos moksliniai darbai, analizuojantys ir investicinę veiklą į komercinės paskirties projektus ir objektus. Sprendžiant išsikeltus uždavinius, atlikta investicinių bendrovių, finansinių institucijų duomenų analizė, atlikta apklausos ir ekspertinė analizė.
Duomenų šaltiniai
Pirmiausia trumpai akcentuojami duomenų rinkimo šaltiniai, galimybės ir būdai. Išnagrinėta literatūra, kuria remiantis, matematiškai apibendrinami surinkti duomenys. Dažniausiai taikomi, tyrinėjant socialinius ekonominius procesus ir reiškinius. Šie būdai pasižymi didelėmis perspektyvomis, kadangi atskleistos ne visos jų praktinio pritaikymo galimybės ir ši sritis laukia tolesnio praktinio pritaikymo.
Prof. Pranulis pataria tyrimo informacijos duomenis rinkti, remiantis vidiniais ir išoriniais šaltiniais. Šiuo atveju vidiniais duomenimis laikysime tuos duomenis, kurie susidaro rinkos viduje. Išoriniai duomenys tiriamuoju atveju - šaltiniai, pateikiantys makroekonominę informaciją. Duomenys - informacijos žaliava, kurią apibendrinus pateikiame reikalingą informaciją, svarbią priimant sprendimus, siekiant sumažinti klaidingumo rizikos laipsnį. Informacija - duomenys, kurie susisteminti, apdoroti, interpretuoti ir suprantami.
Pirminiai duomenys renkami, kai atliekant tyrimą ar analizę, pastebima, kad duomenų yra per mažai. Jų privalumas - susiejimas su tiriamos problemos turiniu ir specifika. Jie yra brangūs ir surinkimui reikalauja daug laiko ir papildomų lėšų. Tai duomenys, esantys įmonės viduje. Antriniams duomenims tenkinant atliekamo tyrimo poreikius, nebūtini pirminiai duomenys. Antrinės informacijos šaltiniuose paprastai būna pateiktas didelis kiekis jau susistemintos informacijos. Tai duomenys, esantys už įmonės ribų.
Rinkos Sektorių Analizė
Kitas analizės etapas apima konkrečią informaciją apie pagrindinius rinkos sektorius. Analizės išbaigtumas apima: a) paklausos analizę; b) pasiūlos analizę; c) paklausos ir pasiūlos santykio analizę.
Prognozavimo metodai
Prognozavimui naudojami kokybiniai ir kiekybiniai metodai. Kokybiniai metodai remiasi subjektyviais vertinimais ir ekspertų nuomonėmis. Kiekybiniai metodai naudoja statistinius duomenis ir matematinius modelius prognozėms sudaryti.
- Ekspertinis vertinimas: Šis metodas grindžiamas asmens žiniomis, patirtimi, gabumais ir kitais kokybiniais parametrais.
- Delfi metodas: Ekspertų grupė apklausiama keletą kartų. Koordinatorius po kiekvieno pokalbio, atskirai su kiekvienu ekspertu gali susidaryti gana išsamią nuomonę apie prognozuojamo reiškinio parametrus.
- Nerealus prognozavimo metodas: Kai vadovai ir specialistai prognozuoja ateitį remdamiesi nuojauta.
- Kiekybiniai metodai: Čia prognozuojama remiantis turimais vidutiniais duomenimis, gautais iš praeities. Skaičiavimui panaudojami ekonomikos, matematikos statistikos dėsniai, formulės.
Kiekybinių metodų prognozių tikslumas priklauso nuo turimos informacijos gausumo. Informacijos kaupimą, saugojimą, apdorojimą organizuoti yra lengviau didelėje įmonėje. Todėl kiekybiniai metodai yra daugiau prieinami didelėms įmonėms. Be to kiekybiniai metodai yra brangūs. Mažai įmonei lengviau prieinami kokybiniai prognozavimo metodai.
Duomenų paruošimas analizei
Pagal Ong K. M. - duomenų paruošimas analizei - tikslas sutvarkyti duomenis pagal tam tikrus reikalavimus, kuriuos nurodo statistinis duomenų analizės programa. Skaičiavimams atlikti (Statistica, Epi Info 2000, SPSS), tiek panaudoti esamus kompiuterio resursus, t.y. panaudoti MS Windows Excel galimybes.
Regresinė analizė
Linijinė regresinė analizė parenka duomenims grafiką ir jos lygtį, t.y. juos aprašo pagal tam tikrą priklausomybę, kaip teigia Slawson C. (2001). Šis analizės būdas leidžia pamatyti kaip vienas kintamasis veikia kitą.
Rezultatų interpretacija
R2 charakterizuoja kokiu tikslumu regresinė lygtis aproksimuoja pateiktus duomenis. R2 parodo, kiek duomenų procentais patenka į aprašytą modelį. Jei R2 >0,95, tai modelis gerai aprašo įvykį (aukštas aproksimacijos tikslumas). Jei R2 reikšmės yra nuo 0,8 iki 0,95 - modelis adekvatus stebėtam įvykiui (patenkinamas aproksimacijos tikslumas), o jei R2 <0,6 - aproksimacija nepakankama ir modelį reikia tikslinti.
Koreliacinė analizė
Slawson pastebi (2001), kad ši analizės būdas leidžia surasti koreliacinę matricą, kurią sudaro koreliacijos koeficientai tarp atskirų parametrų.
Rezultatų interpretacija
Gausime koreliacinę matricą, kurioje susikertant eilutei su stulpeliu gauname koreliacijos koeficientą (r). Jei susikirtimo vietoje yra dydis lygus 1(r=1), tai galima sakyti, kad abudu dydžiai pilnai koreliuoja, t. y. koreliuoja pats su savimi. Jeigu koeficientas (be ženklo) daugiau kaip 0,95, tai tarp dydžių yra linijinė priklausomybė (ženklas parodo tiesės kryptį). Jeigu koeficiento reikšmė yra tarp 0,8 ir 0,95, tai tarp dydžių yra stipri linijinė priklausomybė.
Regresinės Analizės Modelių Tipai
Pagal Šlius R. (2007) patvirtina, jog regresinės analizės prognozės yra kiekybinės - regresijos funkcija aprašo tiriamo rodiklio (kintamojo) vidurkio priklausomumas nuo kito rodiklio reikšmių kitimo. Pirmiausia pasirenkamas regresijos modelio tipas - nusprendžiama, kokia priklausomybė sieja kintamuosius. Nagrinėjant tiesinės regresijos modelį, t. y. atvejį, kai vienas kintamasis nuo kito priklauso tiesiškai.
Šioje lygtyje β ir α yra nežinomi koeficientai (konstantos), o ε - atsitiktinė paklaida. Pagal Schlutz J. Ir Beike. R. Šiuos koeficientus įvertinami taikant matematinį metodą - mažiausiasis kvadratų metodas.
Daugelyje praktinių socialinių uždavinių tiesinis regresijos modelis, jei ir ne visai tiksliai, tai pakankamai gerai aprašo tikrąją statistinio ryšio formą. Tačiau kartais pagal sklaidos diagramą arba remiantis žinomomis teorinėmis prielaidomis tenka pripažinti, kad ryšio forma yra aiškiai netiesinė.
Netiesinės regresijos modelis gali būti išreikštas įvairiomis formomis. Parenkant funkciją reikia atsižvelgti ne vien į diagramos pavidalą, bet ir į tai, kokiu tikslu funkcija bus naudojama. Skaičiuoti tam tikro laikotarpio vidutinį augimo koeficientą. Parinkus galimos aproksimacijos funkcijos pavidalą, piešiamas grafinis duomenų vaizdas. Prognozavimui aproksimacinės funkcijos gerai tinka tuo atveju, kai stebima ilga proceso atkarpa. Kai seka trumpa, prognozė dažnai būna netiksli.
Daugiakriteriniai Metodai
Šis statistinis duomenų tokis, kaip dalinis rodiklis ir kaip vertinamo rezultato - pagrindinio rodiklio, tai būtent svarbiausius dalinius rodiklius galima atrinkti taikant koreliacinę bei regresinę analizę arba dirbtinius neuroninius tinklus. Akcentuojama, jog daugiakriterinė analizė - vienas iš perspektyviausių kiekybinių metodų. Šiuo atveju daugelio ekonominis procesų yra sudėtingas dydžių vertinimas, todėl daugelio neįmanoma išreikšti viena charakteristika, dydžiu, rodikliu, nes sunku surasti vieną tašką, kuris integruotų visus esminius aspektus. Todėl ypatingai pabrėžiamas ir taikomas pastaraisiais metais efektyvūs daugiakriteriniai metodai.
Daugiakriteriniams metodams aprašyti skirta labai daug publikacijų. Galinienė B., Šlius R. ir kt. Šis veiksnių sąrašo sudarymas, jų sistemos formavimas. Kadangi veiksnių formalizavimas, kiekybinės išraiškos suradimas yra sudėtingas - tai atliekama, remiantis ekspertiniais vertinimais, literatūros šaltiniais ir t.t. Vertinimas yra adekvatus, jei į sistemą įtraukiami esminiai dydžiai. Šiuos rodiklius į sistemos sąrašą dažniausiai sudaro ekspertai.
Tokiu atveju galima susieti poaibių formavimą ir sukurti rodiklių poaibius. Atskirų rodiklių įtaka nevienoda, todėl taikant kiekybinius daugiakriterinius vertinimus svarbus jų reikšmingumas - svoris. Ekspertai vertina rodiklių reikšmę skirtingais būdais. Gali būti skalės - rodiklio vienetai, procentai, vieneto dalys, dešimties balų sistema, dviejų rodiklių porinis palyginimas, analitinės hierarchijos proceso (AHP- analitinės hierarchijos procesas) Saaty skalė arba kiti būdai. Lyginimo rezultatas yra kvadratinė porinio lyginimo matrica.
| Metodas | Aprašymas | Privalumai | Trūkumai |
|---|---|---|---|
| VS (viets suma) | Rodiklių reikšmės sumuojamos | Paprastas ir greitas | Neatsižvelgiama į rodiklių svarbą |
| GV (geometrinis vidurkis) | Rodiklių reikšmės dauginamos ir ištraukiamas šaknis | Mažiau jautrus atskirų rodiklių reikšmėms | Sudėtingesnis skaičiavimas |
| SAW (angl. Simple Additive Weighting) | Rodiklių reikšmės dauginamos iš svorių ir sumuojamos | Atsižvelgiama į rodiklių svarbą | Reikia nustatyti rodiklių svorius |
Rodiklių lyginimas yra nesudėtingas ir kokybiškas. Metodas pertvarko kokybinį ekspertų rodiklių įvertinimą (kuris nustato, ar vienas yra svarbesnis už kitą) į kiekybinį - rodikls svorius. Taikant daugiakriterinius metodo vertinimus būtina akcentuoti ekspertų nuomonės suderinamumo laipsnį. Dviejų nuomonės suderinamumą kiekybiškai gali įvertinti koreliacijos koeficientas. Jei ekspertų skaičius didesnis už du, grupės ekspertų suderinamumo lygį nustato konkordancijos koeficientas W. Jei ekspertų nuomonės beveik nesiskiria, W reikšmė yra arti vieneto, jei vertinimai labai prieštaringi - reikšmė artima 0.
Skaičiavimo pagrindą sudaro ekspertų rodiklių rangavimas. Pagal pasirinktą reikšmingumo lygmenį ±α (praktikoje ši reikšmė paprastai 0,05 arba 0,01). Jei reikšmė didelis. Tokiu atveju ekspertų vertinimai bus suderinti. Porinio lyginimo AHP metodas vertina kiekvieno atskiro eksperto vertinims neprieštaringumą.
Praktiškai pagal visus kiekybinius daugiakriterinius metodus naudojamos teigiamos rodiklių reikšmės. Bet realiai yra rodiklių, kurių reikšmės gali būti neigiamos. Chen Z. (2009) siūlo taikant kiekybinius daugiakriterinius vertinimo metodus, nustatyti, kokio pavidalo - maksimizuojamojo ar minimizuojamojo yra kiekvienas rodiklis.
Dažniausi metodai - VS (vietų suma), GV( geometrinis vidurkis arba SAW (angl. Simple Additive Weighting). S j - pasvertasis rodiklių reikšmių suma. Praktiškai nei vieno metodo negalima pritaikyti formaliai, iš karto. Kiekvienas metodas turi savo išskirtinumą. Rodiklių R ij reikšmes r ij galima sujungti į vieną kiekybinį vertinimą, jei jo...
tags: #nekilnojamojo #turto #rinkos #analize #bakalauro #darbas