К вопросу использования дисперсионного анализа для формирования объективной информации при оказании услуг в агентствах недвижимости

Цель исследования. Целью исследования является определение возможностей использования дисперсионного анализа как инструмента повышения доходности бизнеса за счет получения и предоставления клиентам в агентствах недвижимости объективной критериальной информации при оказании ими посреднических и консультационных услуг.

Материалы и методы. Информационной базой исследования послужили статистические данные о рынке недвижимости города Ярославля. Количественные показатели оценивали на предмет соответствия нормальному распределению с помощью критерия Колмогорова-Смирнова и Шапиро-Уилка. При представлении результатов описательной статистики использовали медиану (Me), нижний и верхний квартиль (Q1-Q3). В качестве статистического инструментария для проведения исследования использовались двухфакторный дисперсионный анализ, непараметрические критерии Краскела-Уоллиса и U-критерий Манна-Уитни. При выполнении апостериорных сравнений применяли критерий Данна с поправкой Бонферрони. При отборе данных для множественной линейной регрессии был использован метод исключения. Статистическую обработку данных осуществляли на персональном компьютере с использованием программы SPSS Statistics v. 27.0 (SPSS Inc., США). Уровень значимости принимался равным 0,05.

Результаты. Обоснована необходимость использования дисперсионного анализа для повышения эффективности деятельности агентств недвижимости при оказании профессиональных услуг. Сформулировано понятие критериальной информации, как необходимого и достаточного объема данных, полученных объективными методами для снижения риска ошибок при подборе квартир для клиентов. Проведены сравнение стоимости квадратного метра жилья в зависимости от разных факторов, влияющих на выбор профессионального решения. Построено уравнение множественной линейной регрессии для прогнозирования стоимости жилья.

Заключение. Авторская модель использования возможностей дисперсионного анализа как инструмента формирования необходимой критериальной информации для клиентов позволяет повысить доходность бизнеса в агентствах недвижимости.

1. Жилищный вопрос в России: как его решить и как это сделать? [Электрон. ресурс]. Режим доступа: https://tass.ru/opinions/12239089.

2. Карманов М.В. Статистическое мышление: проблемы. определения и формирования // Статистика и экономика. 2024. Т. 21. № 10. С. 4–8.

3. Клопова О.К. Статистическое мышление и его роль в формировании профессионального мышления в области управления человеческими ресурсами // Вестник Волжского университета им. В.Н. Татищева. 2008. № 11. С. 94–98.

4. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. М.: Экономика, 2009. 605 с.

5. Глухова С.М., Чернов А.Ю. Применение эконометрических методов анализа рынка недвижимости на примере г. Костромы // Прогрессивная экономика. 2024. № 5. С. 195–212. DOI: 10.54861/27131211_2024_5_195.

6. Санина Л.В., Шерстянкина Н.П., Берген Д.Н., Дашкевич П.М. Моделирование стоимости квартир на региональном рынке жилой недвижимости (на примере Иркутской области) // Известия вузов. Инвестиции. Строительство. Недвижимость. 2017. Т. 7. № 3. С. 27–41. DOI: 10.21285/2227-2917-2017-3-27-41.

7. Казимиров И.А., Пешков В.В. Определение динамики цен на вторичном рынке жилой недвижимости с использованием многомерной регрессионной модели // Известия вузов. Инвестиции. Строительство. Недвижимость. 2019. № 9(3). С. 476–487. DOI: 10.21285/2227-2917-2019-3-476-487.

8. Харламов А.В. О статистическом методе построения прогноза цены недвижимости по неоднородным данным // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2019. Т. 19. № 2. С. 189–193. DOI: 10.18500/1994-2540-2019-19-2-189-193.

9. Алексеев А.О., Харитонов В.А., Ясницкий В.Л. Разработка концепции комплексного нейросетевого моделирования процессов массовой оценки и сценарного прогнозирования рыночной стоимости жилой недвижимости // Известия вузов. Инвестиции. Строительство. Недвижимость. 2018. Т. 8. № 1. С. 11–22. DOI: 10.21285/2227-2917-2018-1-11-22.

10. Ясницкий Л.Н., Ясницкий В.Л. Методика создания комплексной экономико-математической модели массовой оценки стоимости объектов недвижимости на примере квартирного рынка города Перми // Вестник Пермского университета. Серия: Экономика. 2016. № 2(29). С. 54–69. DOI: 10.17072/1994–9960–2016–2–54–69.

11. Сурков Ф.А., Петкова Н.В., Суховский С.Ф. Сравнение временных рядов и нейросетевых методов в задаче прогнозирования стоимости и оценки недвижимости [Электрон. ресурс] // Моделирование, оптимизация и информационные технологии. 2018. № 6(3). Режим доступа: https://moitvivt.ru/ru/journal/pdf?id=498.

12. Курочкина И.П., Калинин И.И., Маматова Л.А., Шувалова Е.Б. Нейронные модели в диагностике финансового результата предприятий жилищно-коммунального хозяйства // Статистика и Экономика. 2019. № 16(3). С. 52–60. DOI: 10.21686/2500-3925-2019-3-52-60.

13. Лейфер Л.А., Акобян А.А. Методы анализа состояния рынка недвижимости: индикаторы рынка и характеристики ликвидности объектов // Имущественные отношения в Российской Федерации. 2023. № 6(261). С. 21–36.

14. Бурцева Т.А. Оценка влияния факторов на эффективность деятельности предприятия на основе дисперсионного анализа // Вестник Московского университета имени С.Ю. Витте. Серия 1. Экономика и управление. 2021. № 4(39). С. 76–85.

15. Макжанова Я.В., Швед Е.В. Анализ потребления продуктов питания с использованием метода многомерного дисперсионного анализа (MANOVA) // Фундаментальные исследования. 2017. № 3. С. 149–159.

16. Ивантер Э.В., Коросов А. В. Элементарная биометрия. Петрозаводск: ПетрГ, 2010. 104 с.

17. Орлова И.В. Многомерный статистический анализ в экономических задачах: компьютерное моделирование в SPSS / под ред. И.В. Орловой. М.: ИНФРА-М, 2024. 310 с.

18. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. М.: ФИЗМАТЛИТ, 2006. 816 с.

19. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшее образование, 2008. 479 с.

20. Кремер Н.Ш. Теория вероятностей и математическая статистика. М.: ЮНИТИ-ДАНА, 2004. 573 с.

21. Лакин Г.Ф. Биометрия. М.: Высшая школа, 1990. 352 с.

22. Унгуряну Т.Н., Гржибовский А.М. Сравнение трех и более независмых групп с использованием непараметрического критерия Краскела Уоллиса в программе Stata // Экология человека. 2014. № 6.

23. Официальный портал города Ярославля [Электрон. ресурс]. Режим доступа: https://cityyaroslavl.ru/.

24. Портал Авито.ру [Электрон. ресурс]. Режим доступа: https://www.avito.ru/yaroslavl/nedvizhimost.