4 Метод терміну економічного життя

Метод строку життя базується на обґрунтованому припущенні про залишковий строк економічного життя. При застосуванні цього методу всі наявні види зносу об'єкта оцінки вважаються повністю врахованими.

Під терміном економічного життя земельних поліпшень розуміється період часу, протягом якого дохід від земельних поліпшень перевищує операційні витрати, пов'язані з отриманням цього доходу. Термін економічного життя земельних поліпшень відображає строк, протягом якого витрати на утримання земельних поліпшень окупаються.

Визначення залишкового строку економічного життя земельних поліпшень базується на наступних припущеннях:

подальше використання об'єкта оцінки відбувається в поточних умовах експлуатації та за умови проведення необхідних робіт, передбачених вимогами до їх технічної експлуатації.

проведення реконструкції, реставрації, інших подібних поліпшень не передбачається.

Термін економічного життя визначається з урахуванням термінів технічної експлуатації (нормативних термінів служби), встановлених для земельних поліпшень залежно від галузі господарства та виду об'єкта оцінки. Термін технічної експлуатації може визначаться на основі галузевих нормативних документів, зокрема Єдиного класифікатора житлових будинків залежно від якості житла та наявного інженерного обладнання, затвердженого наказом Держбуду України від 30.09.98г. №215, Термінів корисного використання основних засобів для визначення суми амортизаційних відрахувань на залізничному транспорті України від 29.12.00г. № 625-Ц зі змінами та доповненнями, Єдиних норм амортизаційних відрахувань на повне відновлення основних фондів народного господарства СРСР, затверджених постанова Ради Міністрів СРСР від 22.10.90г. №1072.

Термін технічної експлуатації, встановлений в нормативних документах, є строком використання земельних поліпшень в звичайних умовах їх експлуатації. Він збільшується при проведенні капітального ремонту, реконструкції, реставрації тощо При визначенні терміну технічної експлуатації земельних поліпшень враховується факт проведення таких робіт до дати оцінки.

Остаточний термін економічного життя земельних поліпшень визначається на основі аналізу їх технічного стану, а також впливу чинників, які обумовлюють наявність функціонального та економічного зносу.

Методом терміну життя сукупний знос визначається за формулою:

,

де - сукупний знос, частка;

- фактичний вік;

- залишковий строк економічного життя.

Тема №6 "Регресійний аналіз в оцінці"

План:

1 Сфера застосування регресійного аналізу в оцінці.

2 Лінійний регресійний аналіз.

3 Нелінійні моделі.

Зміст:

1 Сфера застосування регресійного аналізу в оцінці

Дослідження залежності випадкової величини від деякого набору невипадкових і випадкових величин є предметом регресійного аналізу.

Останнім часом регресійний аналіз в оціночної діяльності знаходить все більш широке застосування. Прикладами використання регресійного аналізу в оцінці можуть служити дослідження з виявлення:

Залежно вартісних показників об'єкта нерухомості (ціни, орендної ставки) від його корисної площі, місця розташування, зносу, рівня інженерного забезпечення, інших споживчих властивостей, що визначають якість об'єкта;

залежності вартості машин та обладнання від їх технічних характеристик і зносу;

Залежно вартості пакета акцій підприємства від різних характеристик його діяльності, таких як рентабельність, продуктивність праці, рівень освіти у працівників, рівень використання основних засобів т.п.

Регресійний аналіз дозволяє на базі вибіркових спостережень створити математичну модель залежності результуючого ознаки від факторних ознак. Основними завданнями регресійного аналізу є:

побудова математичної моделі у вигляді залежності результуючого ознаки від факторних ознак;

оцінювання параметрів цієї моделі і встановлення її адекватності вибірковим спостереженням;

отримання точкових та інтервальних прогнозів результуючого ознаки.

Залежно від кількості факторних ознак регресійна модель може бути парною (к = 1) і множинної (до> 1), де к - число факторних ознак.

Стохастична залежність результуючого ознаки у від спільного і одночасного впливу факторних ознак хi ..... xk має вигляд:

,

де - результуючий ознака;

- функція, яка виражає об'єктивну закономірність між результуючим і факторними ознаками;

- випадкова величина, що виражає вплив неконтрольованих і неврахованих факторів, а також помилок вимірювання.

Функцією регресії називається вираз

.

За допомогою функції регресії кількісно оцінюється усереднена залежність між результуючим ознакою і включеними в модель факторами. Поняття регресії завжди пов'язане з певними середніми умовами. Регресія відповідає на питання: яка була б залежність між слідством (результуючим показником) і виділеними істотними причинами (факторами), якби інші фактори не змінювалися.

Випадкова частина стохастичною залежністю виражається формулою:

.

Ця випадкова величина характеризує відхилення змінної від середньої величини , обчисленої по функції рецесії. Вона включає вплив неврахованих в моделі факторів, випадкових помилок і особливостей вимірювання. Її присутність в моделі породжене трьома джерелами: специфікацією моделі, вибірковим характером вихідних даних і особливостями виміру змінних.

Під специфікацією моделі мається на увазі вибір факторних ознак і виду математичної функції . Тоді під помилками специфікації розуміється неправильний вибір тієї чи іншої математичної функції, а також недооблік в рівнянні регресії якого-небудь істотного фактора чи включення до неї показника, який не робить істотного впливу.

Поряд з помилками специфікації можуть мати місце помилки вибірки, які виникають при недотриманні таких вимог:

статистична вибірка об'єктів повинна бути однорідною;

статистична вибірка об'єктів повинна бути досить численною;

досліджувані показники повинні бути приведені до одних умов обчислення і виміряні з однаковою точністю у всіх об'єктів у вибірці;

включаються у дослідження факторні ознаки повинні бути незалежні один від одного, так як наявність тісного зв'язку між ними свідчить, що вони характеризують одні й ті ж сторони досліджуваного явища і значною мірою дублюють один одного.

Для отримання хорошого результату зазвичай виключають із сукупності спостереження з аномальними значеннями досліджуваних ознак (викиди).

Найбільшу небезпеку в практичному використанні методів регресії представляють помилки виміру. Якщо помилки специфікації можна зменшити, змінюючи форму моделі, а помилки вибірки - збільшуючи обсяг вихідних даних і виключаючи викиди, то помилки виміру істотно спотворити реально існуючі закономірності. Тому на початковому етапі побудови регресійної моделі необхідно виконати процедуру відбору та перевірки достовірності вихідної інформації.

Припускаючи, що помилки вимірювання зведені до мінімуму, основна увага в регресійному аналізі приділяється помилкам специфікації моделі.

Етап специфікації моделі є першим при побудові регресійної моделі. Перш за все, з безлічі факторів, що впливають на результуючий ознака, необхідно виділити найбільш суттєво впливають фактори, для цього використовуються показники ступеня тісноти зв'язку (кореляції):

.

Можна спробувати обмежитися парної регресією, якщо є домінуючий фактор, який і використовується в якості єдиного факторного ознаки. У цьому випадку необхідно пам'ятати, що всі інші фактори (які не ввійшли в модель) передбачаються незмінними, але цілком імовірно, що надалі їх доведеться врахувати в моделі і від парної регресії перейти до множинною.

У парній регресії вибір виду математичної функції найзручніше проводити, спираючись на візуальний аналіз поля кореляції розглянутих ознак і на порівняння вибіркових значень коефіцієнта кореляції і кореляційного відношення. У багатьох випадках графічне представлення даних показує, що цікавить нас залежність не може бути описана лінійною функцією. Вибір виду нелінійної залежності проводять, порівнюючи розташування точок на кореляційному полі з графічним представленням різних математичних функцій. Найбільш часто при описі парних взаємозалежностей використовуються наступні функції: гіперболічна, параболічна, логарифмічна, статечна, показова.

При множинної регресії через неможливість графічного представлення кореляційного поля, при виборі функції для регресійній моделі керуються відомостями про економічних і фізичних властивості досліджуваних факторів і їх взаємовплив. Якщо ж неможливо відразу зробити впевнений вибір якоїсь однієї функції, то відбирають декілька функції, розраховують їхні параметри і далі, використовуючи відповідні критерії якості моделі, остаточно вибирають функцію.

Насичення моделі зайвими чинниками також небажано, як і виключення ознак істотно впливають на результуючий показник. Таким чином, хоча теоретично регресійна модель дозволяє врахувати будь-яке число факторів, практично в цьому немає необхідності. Тим більше що, зі збільшенням числа факторних ознак збільшується число параметрів моделі, а це в свою чергу вимагає більшого числа вибіркових даних для їх оцінювання. Результати багатьох досліджень підтверджують, що число спостережень у вибірці повинно в 5-7 разів перевищувати число розраховуються параметрів при змінних. Це означає, що лінійна регресія, визначена за менш, ніж 6-ти спостереженнями, навряд чи буде корисна для отримання достовірних висновків і суджень. Якщо вид функції ускладнюється, то потрібне збільшення обсягу вибірки, бо кожен параметр при факторной змінної повинен розраховуватися хоча б по 5-ти спостереженнями.