Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Logistyka

1 2014

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: STATISTICA program

Sortuj według:

Ogranicz wyniki do:

Prognozowanie ceny 1m2 mieszkania na rynku pierwotnym w Warszawie metodą uogólnionych modeli addytywnych

Rogalska M., Wolski P.

Logistyka

2014

nr 6

9101--9110

W artykule podjęto próbę opracowania metodologii obliczeń, na podstawie której będzie można oszacować cenę zakupu powierzchni 1m2 mieszkania na terenie Warszawy z uwzględnieniem preferencji inwestora. Najlepsze rezultaty obliczeniowe osiągnięto stosując metodę uogólnionych modeli addytywnych (GAM). Uzyskano błąd MAPE 2,19%. Analizę wykonano w programie STATISTICA,na podstawie 161 transakcji sprzedaży mieszkań o powierzchni od 26 m2 do 99 m2. Otrzymano wzór regresyjny wyznaczający cenę 1m2mieszkania. Predyktorami równania są : dzielnica, liczba m 2, piętro, dodatkowa powierzchnia, wielkość kuchni, liczba pięter w budynku, cena parkingu podziemnego, cena parkingu naziemnego, odległość od centrum [km], czas dojazdu do centrum komunikacją miejską [min]. Sporządzono arkusz kalkulacyjny w programie EXCEL. Wykonano przykładowe studium przypadku. Przedstawiony wzór regresyjny oraz aplikacja w programie EXCEL mogą ułatwić wybór mieszkania. Proponowany sposób obliczeń pozwala rozważyć wiele alternatywnych rozwiązań i wybrać najbardziej korzystne.

This article attempts to develop a methodology of calculations on the basis of which it will be possible to estimate the purchase price of 1m2of flat in Warsaw, with the preference of the investor. The best results were achieved using the method of computing Generalized Additive Models (GAM). MAPEerror 2,19% was received . The analysis was performed in STATISTICA, on the basis of 161 sales transactions of apartments ranging in size from 26 m2 to 99 m2. Obtained regression model defining the price of 1m2of flat. Predictors of equations are: district, the number of m2, floor, additional space, the size of the kitchen, the number of floors in the building, underground parking price, the price of parking ground, distance from the center [km],the time of journey to the center by public transport [min]. Spreadsheet in EXCEL has been done. Case study has been taken. The presented model regression and application in EXCEL can make the choice of housing easier. The proposed method has the ability to consider many alternatives and choose the most beneficial.