|
Trend czasowy
Mieczysław Anioł - Nie Sie 30, 2009 4:47 am Tomku mam prośbę abyś wytłumaczył co znaczą nazwy kolumn w pliku liczenia trendu "rex_trend_v_1.0.1". W szczególności chodzi o arkusz "ceny_skorygowane", a w nim napisy o treści "ceny po wyeliminowaniu trendu liniowego' oraz "ceny po wyeliminowaniu trendu nieliniowego". Czy chodzi tutaj o ceny sprowadzone do jednej daty np. początek lub koniec badanego okresu? Pozdrawiam Mietek Anioł Tomasz Kotrasiński - Czw Paź 01, 2009 1:10 pm Mietku, w arkuszu rex_trend ceny skorygowane są domyślnie na datę ostatniego dnia posiadanych danych. W zakładce ceny_skorygowane tam gdzie jest zielona komórka z datą automatycznie jest wstawiana data ostatniego dnia danych:data_aktualizacji_cen.jpg Krzysztof Rożko - Pią Paź 16, 2009 6:34 pm Chcę zapytać, czy dobrze to rozumiem. Zgodnie z naszymi przepisami należy najpierw skorygować nasze ceny o trend zmian cen w czasie, a dopiero potem dokonywać analizy cech transakcji i ich wzajemnych zależności. Tymczasem model ekonometryczny pozwala pominąć etap odrębnego liczenia trendu i przyjąć datę transakcji jako jedną z cech rynkowych. Można wtedy wyliczyć wartość bez stosowania kroku pośredniego polegającego na określeniu związku pomiędzy ceną, a datą transakcji. Pojawia się zatem pytanie, co zatem jest bardziej prawidłowe z punktu widzenia dokładności szacowania? Czy wynik będzie lepszy, gdy najpierw policzymy trend czasowy czy też gdy to pominiemy? Osobiście przypuszczam, że lepsze jest to drugie podejście. Chodzi o to, że w pierwszym podejściu badamy związek pomiędzy datą wyceny, a ceną transakcyjną, a dopiero potem badamy relacje pomiędzy wszystkimi pozostałymi cechami transakcyjnymi i zaktualizowanymi cenami sprzedaży. Jeżeli natomiast zaistnieje jakaś zależność pomiędzy datą wyceny a np. powierzchnią działek (niemożliwe?) to model ekonometryczny tego nie wykryje. W drugim podejściu nie ma tego problemu. Co o tym myślicie? Tomasz Kotrasiński - Sob Paź 17, 2009 10:08 am Jeśli idzie o przepisy, to nie znam takich, które kazałyby uwzględniać kwestie trendu czasowego w jakiś określony sposób. To jest kwestia metodyczna, nie prawna. Ale mniejsza o to, to kwestia zupełnie poboczna i nieistotna. Do rzeczy. Kwestia uwzględniania trendu czasowego i zależy przede wszystkim od liczby i charakteru danych, które można wykorzystać jako podstawę szacowania. W tych wypadkach gdy mamy dużo danych, które cechują się znaczną homogenicznością zapewne lepiej jest zastosować procedurę: najpierw trend, potem cechy. Homogeniczność danych ze względu na cechy rynkowe powinna zazwyczaj zapewnić brak powiązania zmiennej czasowej z tymi cechami. Przykład: gdy analizujemy rynek wtórny mieszkań jakiejś dzielnicy jest zazwyczaj bardzo mało prawdopodobne aby analizowany trend czasowy spowodowany był np. tym, że w pierwszym półroczu sprzedawane były mieszkania w gorszym stanie technicznym a w drugiej połowie w lepszym, co mogłoby spowodować pozorny ruch cen. To samo dotyczy innych cech takich jak lokalizacja, położenie na piętrze, wielkość itp. W razie wątpliwości można zbadać czy nie mamy z takim przypadkiem do czynienia, np. poprzez zbadanie korelacji czasu sprzedaży z powierzchnią, piętrem, lokalizacją (np. wg obrębów). Jeżeli nie będzie takich zależności możemy na wysokim poziomie ufności być pewni, że próbka będzie homogeniczna także ze względu na inne cechy. Procedura ta ma też tę zaletę, że można zastosować nieliniową korektę trendu czasowego, która zazwyczaj jest znacznie efektywniejsza niż liniowa i dokładniej wyeliminowuje trend i sprowadza wszystkie analizowane ceny do jednego poziomu. Ale dla skuteczności takiej procedury trzeba stosunkowo wielu danych. Dobrze sprawdza się to przy mieszkaniach, działkach pod bud. jednorodzinne albo rolnych, domach jednorodzinnych. Tych danych zazwyczaj jest dość dużo i w związku z tym są dość homogeniczne. Gdy danych jest mało, zwłaszcza gdy dotyczą obiektów rzadziej występujących, zazwyczaj warunku homogeniczności, nieskorelowania cech nieruchomości ze zmienną czasową spełnić się nie da. Tu trzeba, w związku z tym, badać zmienną czasową w uwikłaniu z pozostałymi zmiennymi. Czyli potraktować czas jak każdą zmienną (cechę) i zastosować metody regresji wielorakiej. Regresja wieloraka uwzględni te wszystkie skorelowania zmiennych pomiędzy sobą, w tym też i to, jakie nieruchomości o jakich cechach były sprzedawane w jakim czasie. I tu masz, oczywiście, Krzysztofie, rację. Wadą tego podejścia jest mniejsza intuicyjność rozumowania, założenie liniowości wpływu czasu na ceny i addytywność tego wpływu (chyba że zastosujemy model multiplikatywny, co polecam). Można też popróbować wielorakiej regresji nieliniowej, która dostępna jest w module XLStata Modeling data->Nonlinear regression. Możemy popróbować wprowadzić zależność zmiennej objaśnianej do zmiennych objaśniających jako np. wielomianów 3-go stopnia, co powinno odwzorowywać zależności znacznie dokładniej niż regresje liniowe. Ale znajdowanie rozwiązań odbywa się tu na drodze symulacyjnej i często algorytm staje nie dając dobrych wyników. Sam zobaczę jak to działa i zdam relację. |