поделился событием

Всё чаще и чаще замечаю следующую тенденцию - как правило к множественной линейной регрессии оценщики прибегают в сложных ситуациях, связанных с отсутствием какой-либо важной информации по ценообразующим факторам или с её дефицитом. Например, регрессию часто применяют в массовой оценке. Коллеги - будьте внимательны - именно в этих ситуациях с регрессией нужно быть максимально осторожными!

Всё дело в том, что при дефиците информации мы вынуждены исключать из рассмотрения какие-либо ценообразующие факторы. При этом при использовании метода наименьших квадратов в условиях малой выборки вы можете столкнуться со следующей ситуацией - в модели учтены не все ценообразующие факторы, а процент объясненной вариации (знакомый нам как "R-квадрат") очень высок. Столкнувшись с этим, не спешите радоваться, вполне возможно, что это далеко не показатель высокого качества вашей модели. Все может быть с точностью до наоборот!

Высокое значение R-квадрат в данной ситуации (когда мы в модели не учитываем несколько важных ценообразующих параметров, по которым объекты-аналоги имеют весомые по потенциалу влияния на цены отличия) говорит об обратном - модель ошибочна. И в этом можно убедиться, даже не вдаваясь в дебри высшей математики. Достаточно спросить себя, как может быть модель настолько точна, если в ней не берутся в расчет какие-либо ценообразующие факторы, по которым объекты-аналоги могут иметь такие отличия, которые могут оказывать весомое влияние на цены? Ответ на этот вопрос прост - не может.

Не забывайте об этом при использовании линейной регрессии.

Поделиться:
Читать далее
« В одной из самых крупных организаций арбитражных управляющих — «Меркурий» — конфликт: председатель СРО Артур Трапицын отказывается уходить в отставку....
« Минфин готовится ликвидировать одну из саморегулируемых организаций аудиторского рынка, которые появились всего три года назад....
Комментарии0
Нет комментариев