Analiza porównawcza średnich cen nieruchomości za pomocą
Transkrypt
Analiza porównawcza średnich cen nieruchomości za pomocą
Artykuł pochodzi z publikacji: Człowiek i organizacja – dylematy współczesnego zarządzania, (Red.) W. Harasim, Wyższa Szkoła Promocji, Warszawa 2014 Analiza porównawcza średnich cen nieruchomości za pomocą adaptacyjnego przedziału ufności dla różnicy średnich Dorota Kozioł – Kaczorek1 Abstrakt W różnego rodzaju badaniach ekonomicznych bardzo często pojawia się problem porównania poziomu obserwowanego zjawiska w dwóch odrębnych zbiorowościach. Z matematycznego punktu widzenia zadanie to sprowadza się do oceny różnicy pomiędzy miarami tendencji centralnej pochodzącymi z dwóch niezależnych rozkładów. Najczęściej porównania takie są wykonywane w oparciu o średnią lub medianę. W praktyce często okazuje się, iż powszechnie stosowane procedury mają wady wynikające z braku ich odporności na niespełnienie wymaganych założeń lub z niskiej efektywności. W artykule zostanie zaprezentowana metoda estymacji przedziałowej różnicy średnich w przypadku asymetrycznych rozkładów oraz niejednorodnych wariancji. Zaproponowana metoda nosi nazwę adaptacyjnego przedziału ufności . Zostanie ona zilustrowana na przykładzie analizy porównawczej średniego poziomu cen nieruchomości lokalowych (mieszkania) położonych w dwóch różnych dzielnicach w Warszawie. dr, Wydział Nauk Ekonomicznych, Katedra Ekonomiki Rolnictwa i Międzynarodowych Stosunków Gospodarczych, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie 1 144 Słowa kluczowe: rynek nieruchomości, wartość rynkowa nieruchomości, adaptacyjny przedział ufności dla różnicy średnich Abstract Consider a problem of comparing a level of an observed phenomenon in two separate collectivities. This problem often occurs in economic researches. From a mathematical point of view, it boils down to the evaluation of the difference between measures of central tendency derived from two independent distributions. Such comparisons are made based on the average or median usually. In practice, it often turns out that the commonly used procedures have drawbacks which are a result of their unrobust to failure required assumptions or low efficiency. An interval estimation method for difference of means in the case of asymmetric distributions and heterogeneous variances will be presented in this paper. The proposed method is called an adaptive confidence interval . It will be illustrated on the example of a comparative analysis of average prices of real estate, which are situated in two different districts in Warsaw. Keywords: real estate market, market value of real estate, adaptive confidence interval for differences of two means 1. Wprowadzenie W różnego rodzaju badaniach ekonomicznych bardzo często pojawia się problem porównania poziomu obserwowanego zjawiska w dwóch odrębnych zbiorowościach. Może to być, na przykład, poziom bezrobocia w gminach wiejskich i miejskich, ilość środków z funduszy europejskich wykorzystanych w dwóch dowolnych gminach, poziom realizacji wskaźników w dwóch różnych obszarach objętych dofinansowaniem w ramach Programu Operacyjnego Kapitał Ludzki, wielkość zadłużenia gospodarstw wielkoobszarowych dzierżawionych i prywatnych. W analizie rynku nieruchomości może to natomiast być porównanie cen nieruchomości na rynkach wtórnym i pierwotnym, porównanie dwóch różnych lokalnych rynków nieruchomości itp. Z matematycznego punktu widzenia zadanie to sprowadza 145 się do oceny różnicy pomiędzy miarami tendencji centralnej pochodzącymi z dwóch niezależnych rozkładów. Najczęściej porównania takie są wykonywane w oparciu o średnią lub medianę. W przypadku oceny różnicy pomiędzy medianami, pochodzącymi z dwóch różnych rozkładów, formułowana jest przeważnie hipoteza zerowa zakładająca, iż różnica ta jest statystycznie nieistotna. Do weryfikacji takiej hipotezy wykorzystywany jest test Wilcoxona – Manna – Whitneya lub test Wilcoxona (tzw. odporny test rangowanych znaków) [Bandyopadhyay i in. 2007]. W praktyce często okazuje się, iż procedury te mają pewne wady wynikające z braku odporności na niespełnienie wymaganych założeń lub z niskiej efektywności. Test Wilcoxona – Manna – Whitneya, z jednej strony, nazbyt często prowadzi do odrzucenia prawdziwej hipotezy zerowej. Z drugiej zaś strony, jest zbyt mało odrzuceń nieprawdziwej hipotezy zerowej. Oznacza to, że efektywność tego testu jest bardzo zróżnicowana i ściśle związana z rozkładem prawdopodobieństwa badanych zmiennych, które w praktyce nie są znane. Test Wilcoxona jest natomiast testem znacznie mniej wrażliwym na rozkład prawdopodobieństwa i lepszym niż test Wilcoxona – Manna – Whitneya w przypadku bardzo małej (lub też bardzo dużej) liczebności badanej zbiorowości. Niestety, w przypadku, gdy liczebność ta jest średnia, test ten nader często daje fałszywie pozytywne wyniki. W takich sytuacjach pomocne mogą być tzw. testy adaptacyjne (łączone), które w swej konstrukcji łączą dwie lub więcej techniki i tym samym umożliwiają przeprowadzenie analizy z uwzględnieniem braku spełnionych założeń. Rozważania dotyczące testów adaptacyjnych służących porównaniom dwóch median będą prezentowane w kolejnej publikacji [Bandyopadhyay i in. 2007, Feltovich N. 2003]. Problem oceny różnicy pomiędzy średnimi pochodzącymi z dwóch niezależnych rozkładów rozwiązywany jest bardzo często za pomocą różnych konstrukcji przedziałów ufności dla różnicy średnich. Wybór zastosowanej techniki zależy między innymi od rozkładu prawdopodobieństwa badanych zmiennych oraz od ich wariancji. Jeżeli porównywane zmienne mają rozkłady normalne oraz ich wariancje nie różnią się statystycznie istotnie, to powszechnym rozwiązaniem jest zastosowanie rozkładu t z sumaryczną wariancją próbkową. Jeżeli natomiast wariancje nie są jednorodne (różnica między nimi jest statystycznie istotna) to problem porównywania średnich z dwóch popu- 146 lacji normalnych określany jest w literaturze jako problem Behrensa – Fishera [Tarasińska J. 2007]. Jedną z propozycji rozwiązania tego problemu jest przedział ufności Welcha – Satterthwaite [Welch 1938; Satterthwaite 1946]. Zarówno konstrukcje oparte na rozkładzie t, jak i przedział ufności , wykazują odporność w przypadku naruszenia założenia o normalności rozkładów, pod warunkiem jednakże, iż analizowane zmienne pochodzą z rozkładów symetrycznych [Kozioł – Kaczorek 2013, Miao i Chiou 2007]. W rzeczywistości nader często okazuje się, że porównywane rozkłady nie są rozkładami symetrycznymi oraz, że ich wariancje nie są jednorodne. W pracy zostanie zaprezentowana metoda estymacji przedziałowej różnicy średnich w przypadku asymetrycznych rozkładów oraz niejednorodnych wariancji. Zaproponowana metoda nosi nazwę adaptacyjnego przedziału ufności . Składa się ona z dwóch etapów postępowania. Etap pierwszy to weryfikacja hipotez zerowych zakładających symetryczność rozkładu w obu porównywanych zbiorowościach. W artykule zostaną zaproponowane trzy sposoby weryfikacji tych hipotez. Pierwszy z nich jest rozwiązaniem probabilistycznym (P1) i polega na wykorzystaniu asymptotycznego „trójkowego” testu symetrii. Proponowany test jest testem niezależnym od rozkładu prawdopodobieństwa [Bandyopadhyay i in. 2007; Kozioł – Kaczorek i in. 2013]. Drugi sposób jest również rozwiązaniem probabilistycznym (P2) i polega na wykorzystaniu testu symetrii opartego na asymptotycznym rozkładzie normalnym [Kozioł – Kaczorek 2013, Miao i Chiou 2007]. Trzeci sposób natomiast jest rozwiązaniem deterministycznym (D) i polega na wykorzystaniu prostej miary symetrii [Bandyopadhyay i in. 2007; Kozioł – Kaczorek i in. 2013]. Jeżeli któreś z zaproponowanych rozwiązań wykaże symetryczność rozkładów, to do oszacowania różnicy średnich (etap drugi) wykorzystuje się przedział ufności Welcha – Satterthwaite . Jeżeli zaś przynajmniej jeden z badanych rozkładów okaże się być asymetrycznym, to do ich porównania zostanie wykorzystany przedział □, skonstruowany na podstawie odpowiednio zmodyfikowanych danych. W skrócie schemat postępowania można zapisać następująco: □ gdy asymetria gdy symetia 147 Zaproponowane w artykule metody postępowania zostały zilustrowane na przykładzie analizy porównawczej średnich cen nieruchomości z dwóch dzielnic Warszawy (Pragi Południe i Woli). Niezbędne obliczenia wykonano w pakiecie statystycznym R 2.11.1 [R Development Core Team 2005] oraz w programie Microsoft Excel 2007. 2. Adaptacyjny przedział ufności dla różnicy średnich Przyjmijmy, że oraz są losowymi próbami z dwóch niezależnych rozkładów ze średnimi oraz wariancjami odpowiednio. Rozważanym problemem jest przedział ufności dla różnicy średnich, skonstruowany na poziomie ufności. Jeżeli , oraz to kont strukcja przedziału ufności dla opiera się na rozkładzie z sumaryczną wariancją próbkową. Jest to najpowszechniejsza postać przedziału ufności dla różnicy średnich. Niestety, w praktyce jest ona nazbyt pochopnie wykorzystywana w sytuacji, gdy nie są spełnione zapisane powyżej założenia. Jeżeli zaś , oraz to konstrukcja przedziału ufności przyjmuje postać przedziału ufności Welcha – Satterthwaite [Welch 1938; Satterthwaite 1946]. Podobnie jak przedział oparty na rozkładzie t tak i przedział wykazują odporność w przypadku naruszenia założenia o normalności rozkładów badanych zmiennych. Nie są one jednak odporne na asymetryczność tych rozkładów [Kozioł – Kaczorek 2013, Miao i Chiou 2007]. W niniejszej publikacji zostanie zaprezentowany adaptacyjny przedział ufności dla różnicy średnich , który znajduje zastosowanie w przypadku asymetrycznych rozkładów oraz niejednorodnych wariancji. Sposób postępowania składa się z dwóch etapów postępowania. Etap pierwszy polega na weryfikacji hipotez zerowych zakładających symetryczność rozkładu w obu porównywanych zbiorowościach. Poniżej zostaną opisane trzy metody umożliwiające ocenę symetrii rozkładu badanej zmiennej. Dwie z nich to podejścia probabilistyczne, czyli asymptotyczny „trójkowy” test symetrii (P1) i testu symetrii opartego na asymptotycznym rozkładzie normalnym 148 (P2). Trzecia metoda to podejście deterministyczne (D), polegające na wykorzystaniu prostej miary symetrii. 3. Asymptotyczny „trójkowy” test symetrii (P1) „Trójkowy” test symetrii jest asymptotycznym testem niezależnym od rozkładu prawdopodobieństwa. Służy on do weryfikacji hipotezy zerowej zakładającej symetrię rozkładu prawdopodobieństwa badanej zmiennej. Procedura ta opiera się na statystyce estymatora [Bandyopadhyay i in. 2007, Baklizi 2005, Kochar, 1992]. Przyjmijmy, że , gdzie dla . Ponadto przyjmijmy, że Statystyka „trójkowego” testu symetrii ma postać, , gdzie: 149 Jeżeli to, na poziomie istotności α, odrzucana jest hipoteza zerowa zakładająca symetrię rozkładu prawdopodobieństwa badanej zmiennej. Wartość jest kwantylem rzędu standardowego rozkładu normalnego [Bandyopadhyay i in. 2007, Baklizi 2005, Kochar 1992]. Ponieważ jest to asymptotyczny test całkowicie niezależny od rozkładu prawdopodobieństwa, to w każdej sytuacji daje wiarygodne wyniki. Niestety poważną wadą tego testu jest jego konstrukcja, która sprawia, że im większa próba, tym więcej obliczeń należy wykonać. W przypadku 35 elementowej próby będzie potrzeba ponad sześć tysięcy obliczeń, natomiast w przypadku 50 elementowej potrzeba prawie dwanaście tysięcy obliczeń. 4. Test symetrii (P2) Test symetrii opiera się na asymptotycznym rozkładzie normalnym. Weryfikowana tym testem hipoteza zerowa zakłada symetrię rozkładu badanych zmiennych. Statystyką tego testu jest gdzie , gdzie oznacza średnią arytmetyczną, a jest wartością mediany w badanej próbie . W mianowniku statystyki znajduje się odporny estymator odchylenia standardowego, gdzie jest stałą matematyczną. Statystyka testowa ma asymptotyczny rozkład normalny. Hipotezę zerową odrzucamy na poziomie istotności α jeżeli gdzie stała 0,5708 jest asymptotyczną wariancją statystyki w przypadku gdy rozkład zmiennej jest rozkładem normalnym, a 150 jest kwantylem rzędu standardowego rozkład normalnego N(0,1) [Kozioł – Kaczorek 2013, Miao i Chiou 2007]. 5. Miara symetrii (D) Ostatnim proponowanym podejściem do oceny symetrii jest podejście deterministyczne, które polega na wykorzystaniu miary symetrii postaci gdzie oznaczają odpowiednio pierwszą i ostatnią wartość n elementowej, uporządkowanej niemalejąco, próby. Również w tym przypadku oznacza wartość mediany w badanej próbie. Jeżeli wartość mediana jest położona w równych odległościach do krańców próby, to badany rozkład jest rozkładem symetrycznym. Jeżeli natomiast wartość mediany jest bliższa którejś z ekstremalnych wartości, to badany rozkład jest rozkładem asymetrycznym [Bandyopadhyay i in. 2007]. Proponowana miara symetrii przyjmuje wartości z przedziału (-1,1). Przyjmuje się, iż rozkład jest rozkładem symetrycznym jeżeli oraz jest rozkładem asymetrycznym, jeżeli Wartość c jest przyjętą stałą w wysokości 0,075. Proponowana miara daje satysfakcjonujące wyniki, nie jest jednak odporna na występowanie obserwacji odstających [Bandyopadhyay i in. 2007]. 6. Przedział ufności Welch – Satterthwaite Przyjmijmy, że oraz są próbami losowymi pochodzącymi z dwóch niezależnych rozkładów ze średnimi oraz wariancjami odpowiednio. Przyjmijmy również, że są estymatorami punktowymi średnich i wariancji zmiennych X i Y odpowiednio. Ponadto, niech oznacza kwantyl rzędu rozkładu t z k stopniami swobody. Szukanym estyma- 151 torem przedziałowym jest przedział ufności dla różnicy średnich (na poziomie ufności ). Jednym z nich jest przedział ufności Welch – Satterthwaite postaci: gdzie oraz n oznacza rozmiar próby z badaną zmienną X, a m oznacza rozmiar próby z badaną zmienną Y. Jeżeli zmienne X i Y pochodzą z rozkładu normalnego, to przedział ufności jest odporny na niespełnienie założenia o równości wariancji. Oznacza to, że daje wiarygodne wyniki zarówno w sytuacji niejednorodnych wariancji, jak i w przypadku, gdy wariancje są jednorodne [Kozioł – Kaczorek 2013, Miao i Chiou 2007]. Jeżeli zmienne X i Y nie pochodzą z rozkładu normalnego, ale ich rozkłady są symetryczne, to naruszenie wspomnianego założenia również nie wpływa na jakość uzyskanych wyników. Proponowana konstrukcja nie jest jednak odporna na asymetrię rozkładu wobec czego nie powinna być w takich przypadkach stosowana. 7. Skorygowany przedział ufności dla asymetrycznych rozkładów Ponownie przyjmijmy, że oraz są próbami losowymi pochodzącymi z dwóch niezależnych rozkładów ze średnimi oraz wariancjami odpowiednio. Przyjmijmy ponadto również, że są estymatorami punktowymi średnich zmiennych X i Y odpowiednio. W przypadku rozkładów asymetrycznych modyfikacja danych polegająca na ich zlogarytmowaniu pozwala uczynić je bardziej symetrycznymi. Wobec tego, konstrukcję przedziału ufności □ poprzedza modyfikacja danych na dane oraz danych na gdzie i są pewnymi stałymi, które zapewniają, że oraz . W kolejnym kroku, na bazie tak skonstruowanych danych, konstruowany jest przedział ufności . Następnie uzyskane wyniki poddawane są korekcie ze 152 względu na wcześniejsze przekształcenia danych. Przyjmijmy wobec tego, że oznaczają granice przedziału ufności skonstruowanego na podstawie wartości oraz [Kozioł – Kaczorek 2013, Miao i Chiou 2007]. Skorygowany przedział ufności dla (na poziomie ufności ) ma postać Uzasadnienie tej konstrukcji oraz jej własności są szczegółowo opisane w pracy Miao i Chiou [Miao i Chiou 2007]. 8. Analiza rynku nieruchomości Analiza rynku nieruchomości ma szczególnie istotne znaczenie w procesie wyceny nieruchomości. W tym kontekście analiza taka dotyczy rynku nieruchomości w obrębie którego znajduje się wyceniana nieruchomość, czyli tak zwanego lokalnego rynku nieruchomości. Na potrzeby niniejszej publikacji przyjmijmy, że rozważania dotyczą wyłącznie wartości rynkowej nieruchomości. Pozostałe rodzaje wartość nieruchomości nie będą brane pod uwagę. Definicje rynku nieruchomości, wyceny nieruchomości oraz wartości rynkowej nieruchomości, którymi posłużono się w artykule, są definicjami obowiązującymi w Polsce. Definicja wartości rynkowej opiera się na Międzynarodowych Standardach Wyceny (IVS – International Standards of Valuation), Europejskich Standardach Wyceny (EVS – European Valuation Standards) oraz dyrektywach Unii Europejskiej [Trojanek 2010]. Jest ona zapisana w głównym akcie prawnym regulującym zasady wyceny nieruchomości, czyli w Ustawie z dnia 21.08.1997 r. o gospodarce nieruchomościami (tekst jedn. Dz. U. z 2014 r. poz. 518, art. 151.1). Według zapisu ustawy, wartość rynkowa nieruchomości to najbardziej prawdopodobna cena, która jest możliwa do uzyskania na rynku. Jest ona określona z uwzględnieniem cen transakcyjnych przy założeniu, że „strony umowy były od siebie niezależne, nie działały w sytuacji przymusowej oraz miały stanowczy zamiar zawarcia umowy” oraz „upłynął czas niezbędny do wyeksponowania nieruchomości na rynku i do wynegocjowania warunków umowy”[Bryx 2006, Dydenko i in. 2006, Mączyńska i in. 2009]. 153 Definicja wyceny nieruchomości wskazuje, iż jest to postępowanie mające na celu określenie wartości nieruchomości jako przedmiotu prawa własności i innych praw do nieruchomości. Ustalona w ten sposób wartość nieruchomości stanowi podstawę, między innymi, do ustalenia ceny wywoławczej na potrzeby aktualizacji opłat za użytkowanie wieczyste, ustalenie wielkości zabezpieczenia kredytu, ustalenie wysokości odszkodowania za wywłaszczenie. W Polsce wycenę nieruchomości przeprowadza się przy zastosowaniu jednego z czterech podejść: podejścia porównawczego, podejścia dochodowego, podejścia kosztowego, podejścia mieszanego. Do każdego z tych podejść przypisane są odpowiednie metody i techniki wyceny. Wartość rynkową nieruchomości zasadniczo ustala się w oparciu o podejście porównawcze lub dochodowe. W szczególnych przypadkach, gdy żadne z tych dwóch podejść nie może mieć zastosowania, stosuje się podejście mieszane. Podejście kosztowe wykorzystywane jest do określenia wartości odtworzeniowej nieruchomości [Bryx 2006, Dydenko i in. 2006, Mączyńska i in. 2009]. Rynek nieruchomości definiowany jest natomiast jako całokształt stosunków zachodzących pomiędzy sprzedającymi nieruchomość a inwestorami zainteresowanymi nabyciem określonych nieruchomości i gotowymi za nie zapłacić. Rynek nieruchomości obejmuje zatem sprzedających i kupujących (podmioty na rynku nieruchomości), nieruchomości lub ich składniki majątkowe (przedmioty nieruchomości), wzajemne stosunki pomiędzy podmiotami rynkowymi [Bryx 2006, Dydenko i in. 2006, Mączyńska i in. 2009]. W przypadku analizy rynku nieruchomości istotne znaczenie ma ujęcie przestrzenne tego rynku. W tym kontekście definiowany jest lokalny rynek nieruchomości, regionalny rynek nieruchomości, krajowy rynek nieruchomości oraz międzynarodowy rynek nieruchomości. W niniejszej publikacji ograniczymy się wyłącznie do lokalnego rynku nieruchomości. W przypadku Warszawy lokalny rynek nieruchomości przypisany jest przeważnie do jednej dzielnicy (tej, w której znajduje się wyceniana nieruchomość). Wynika to ze znacznego zróżnicowania pomiędzy dzielnicami. W analizie rynku niemałe znaczenie odgrywają jego specyficzne właściwości związane z lokalizacją nieruchomości, która oznacza najbliższe otoczenie nieruchomości (obszarowo mniejsze niż cały rynek lokalny) oraz trwałością nieruchomości w czasie (wieloletnie 154 użytkowanie). Pamiętać również należy, że na rynku nieruchomości towarem są prawa, takie jak prawo własności, prawo użytkowania wieczystego, prawo dzierżawy, prawo najmu. Towarem są również ograniczone prawa rzeczowe, czyli prawo służebności, własnościowe spółdzielcze prawo do lokalu spółdzielczego i inne. Specyfikę rynku nieruchomości determinują ponadto takie cechy, jak: stałość miejsca (związanie z gruntem), różnorodność, niepodzielność, deficytowość, duża kapitałochłonność, długi okres zwrotu nakładów inwestycyjnych, unikalność wynikająca z braku substytutów, ograniczony obrót [Bryx 2006, Dydenko i in. 2006, Mączyńska i in. 2009]. 9. Materiał badawczy Proponowany w artykule sposób porównywania średnich pochodzących z dwóch niezależnych rozkładów zostanie zilustrowany na przykładzie analizy porównawczej średniego poziomu cen nieruchomości położonych w dwóch dzielnicach w Warszawie. Przeprowadzona analiza jest zatem, w ograniczonym zakresie, analizą porównawczą dwóch lokalnych rynków nieruchomości, czyli rynku nieruchomości w dzielnicy Praga Południe (prawobrzeżna Warszawa) i w dzielnicy Wola (lewobrzeżna Warszawa). Porównywane średnie ceny to ceny jednego metra kwadratowego nieruchomości lokalowych (lokale mieszkalne, mieszkania). Analizowane dane pochodzą z rynków wtórnych, czyli dotyczą mieszkań, które nie są sprzedawane bezpośrednio przez dewelopera i najczęściej były już eksploatowane. Do analizy wybrano informacje dotyczące nieruchomości, które były przedmiotem transakcji na rynku nieruchomości w 2010 r. Wykorzystane w artykule dane zostały udostępnione przez Instytut Doradztwa Majątkowego. Pochodzą one z aktów notarialnych sprzedaży nieruchomości, z których informacje gromadzone są w Urzędzie Miasta Warszawy w Biurze Geodezji i Katastru (Wydział Katastru). Analiza cen transakcyjnych na terenie dzielnicy Praga Południe została przeprowadzona w oparciu o dane transakcyjne pochodzące z 2010 r. i obejmujące 638 transakcji. Najniższa zaobserwowana powierzchnia wynosiła wówczas 15.10 m2, najwyższa zaś 177.30 m2. Średnia powierzchnia mieszkania mieściła się w przedziale od 46.89 m2 do 49.87 m2; 25% sprzedanych mieszkań miało powierzchnię poniżej 35.60 m2, 50% natomiast miało powierzchnię od 35.60 m2 155 do 56.00 m2, mieszkania o większej powierzchni (powyżej 56.00 m2) stanowiły 25% badanej zbiorowości. Najwięcej sprzedanych mieszkań miało powierzchnię 37.80 m2. Zmienność wielkości mieszkań wyniosła w 2010 r. 40%. Najniższa zaobserwowana cena za 1 m2 na terenie dzielnicy Praga Południe w 2010 r. wynosiła 3 411 zł, najwyższa zaś 14 964 zł. Średnia cena za 1 m2 mieszkania mieściła się w przedziale od 7 593.50 zł do 7 856.25 zł. Na badanym rynku 25% sprzedanych mieszkań miało cenę poniżej 6 636.30 zł za 1 m2, 50% miało cenę od 6 636.30 za 1 m2 do 8 443.00 zł za 1 m2. Mieszkania, których cena była większa (powyżej 8 443.00 za 1 m2) stanowiły 25%. Zmienność cen za 1 m2 mieszkania wynosiła 22%. Analiza cen transakcyjnych na terenie dzielnicy Wola została przeprowadzona w oparciu o dane transakcyjne również pochodzące z 2010 r. i obejmujące 552 transakcje. Najniższa zaobserwowana powierzchnia wynosiła wówczas 10,90 m2, najwyższa zaś 263,3.26 m2. Średnia powierzchnia mieszkania mieściła się w przedziale od 43.52 m2 do 47.21 m2; 25% sprzedanych mieszkań miało powierzchnię poniżej 31.94 m2, 50% natomiast miało powierzchnię od 31.94m2 do 53.72 m2, mieszkania o większej powierzchni (powyżej 53.72 m2) stanowiły 25% badanej zbiorowości. Najwięcej sprzedanych mieszkań miało powierzchnię 68,4 m2. Zmienność wielkości mieszkań wyniosła w 2010 r. 49%. Najniższa zaobserwowana cena za 1 m2 na terenie dzielnicy Wola w 2010 r. wynosiła 4 488 zł, najwyższa zaś 15 316 zł. Średnia cena za 1 m2 mieszkania mieściła się w przedziale od 7 803.70 zł do 8 009.00 zł. Na badanym rynku 25% sprzedanych mieszkań miało cenę poniżej 7 058.75 zł za 1 m2, 50% miało cenę od 7 058.75 za 1 m2 do 8 638.30 zł za 1 m2. Mieszkania, których cena była większa (powyżej 8 638.30 za 1 m2) stanowiły 25%. Zmienność cen za 1 m2 mieszkania wynosiła 16%. 10. Wyniki Przyjmijmy, że oznaczają ceny transakcyjne za 1 m2 nieruchomości lokalowej w dzielnicy Praga Południe oraz oznaczają ceny transakcyjne za 1 m2 nieruchomości lokalowej w dzielnicy Wola. Zarówno jak i są losowymi próbami z dwóch niezależnych rozkładów ze średnimi oraz wariancja- 156 mi odpowiednio. Interesuje nas przedział ufności dla różnicy średnich skonstruowany na poziomie ufności. Pierwszym krokiem analizy było sprawdzenie, czy badane zmienne mają rozkłady normalne. W tym celu sformułowano dwie hipotezy zerowe: 1. H0: zmienna X ma rozkład normalny; 2. H0: zmienna Y ma rozkład normalny. Powyższe hipotezy zweryfikowano testem Shapiro – Wilka na poziomie istotności .W obu przypadkach hipotezy zerowe odrzucono, tym samym można uznać, iż badane zmienne X,Y nie mają rozkładu normalnego. Kolejnym krokiem było zbadanie symetryczności rozkładów obu zmiennych. W tym celu wykorzystano podejście deterministyczne (D), czyli miarę symetrii oraz drugie podejście probabilistyczne (P2), czyli test symetrii oparty na asymptotycznym rozkładzie normalnym. Ponieważ oraz to można sądzić, iż obie zmienne (X,Y) mają asymetryczne rozkłady. Warto w tym miejscu dodać, iż w obu przypadkach rozkłady wykazują asymetrię prawostronną, czyli średnia cena jest większa od ceny występującej najczęściej (tzw. dominanty). W podejściu probabilistycznym (P2) sformułowano natomiast dwie hipotezy zerowe: 1. H0: zmienna X ma rozkład symetryczny; 2. H0: zmienna Y ma rozkład symetryczny. Powyższe hipotezy zostały odrzucone na poziomie istotności , czyli można sądzić, iż obie zmienne mają asymetryczne rozkłady. Wobec tego do oceny różnicy średnich cen 1 m2 nieruchomości w obu dzielnicach potrzebne będzie zastosowanie adaptacyjnego przedziału ufności . Następnym krokiem było badanie jednorodności wariancji. W tym celu została sformułowana hipoteza zerowa zakładająca jednorodność wariancji obu badanych zmiennych . W procesie weryfikacji tej hipotezy wykorzystano test F. Na podstawie uzyskanych wyników, na poziomie istotności odrzucono hipotezę o równości wariancji. Tym samym można zatem przyjąć, iż 157 wariancje obu badanych zmiennych nie są takie same. Wobec tego podstawą do oceny różnicy pomiędzy średnimi cenami 1 m2 nieruchomości w obu dzielnicach będzie przedział ufności Welcha – Satterthwaite [Welch 1938; Satterthwaite 1946]. Kolejnym krokiem była modyfikacja danych polegająca na ich zlogarytmowaniu, czyli modyfikacja cen 1 m2 nieruchomości na Pradze Południe na dane oraz cen 1 m2 nieruchomości na Woli na gdzie i . W kolejnym kroku, na bazie tak skonstruowanych danych, skonstruowano przedział ufności . Czyli oraz . Następnie uzyskany wynik poddano korekcie ze względu na wcześniejszą modyfikację danych. Skorygowany przedział ufności dla różnicy średnich cen 1 m2 nieruchomości w dwóch dzielnicach Warszawy, czyli przedział ufności dla (na poziomie ufności) przyjął wartości . Na podstawie uzyskanych wyników można zatem sądzić, iż w roku 2010 ceny za 1 m2 nieruchomości lokalowych (lokali mieszkalnych) na Woli były wyższe od cen 1 m2 nieruchomości na Pradze Południe o nie mniej niż 98 zł ale, nie więcej niż 406 zł. 11. Wnioski Na podstawie uzyskanych wyników można stwierdzić, iż w porównywanych dzielnicach średnie ceny za 1 m2 nieruchomości lokalowej (lokale mieszkalne) nie są takie same. W roku 2010 średnia cena 1 m2 nieruchomości na Woli była wyższa od średniej ceny 1 m2 nieruchomości na Pradze Południe o nie mniej niż 98 zł, ale nie więcej niż 406 zł. Wobec tego wartość rynkowa mieszkania o średniej powierzchni (ok. 46 m2, średnia dla obu dzielnic) zlokalizowanego na Woli będzie większa od wartości rynkowej mieszkania o takiej samej powierzchni zlokalizowanego na Pradze Południe o nie mniej niż 4 508 zł, ale nie więcej niż 18 676 zł. Przedstawiony adaptacyjny przedział ufności dla różnicy średnich (jest prostą do zastosowania procedurą szacowania różnicy pomiędzy średnimi pochodzącymi z dwóch niezależnych rozkładów w przypadku naruszenia założeń dotyczących normalności i symetryczności rozkładu oraz jednorodności wariancji. Wymaga jednak pewnej znajomości aparatu matematycznego. 158 W literaturze z zakresu metod ilościowych można znaleźć również pomysł aplikacji przedstawionego w pracy adaptacyjnego przedziału ufności . Już po stwierdzeniu, że badane zmienne nie mają rozkładu normalnego (bez testowania symetryczności). Mechanizm działania jest identyczny z prezentowanym w niniejszej publikacji. Bibliografia Baklizi A., (2005), A continuously adaptive rank test for the shift in location, Australian and New Zealand Journal of Statistics,47, p. 303 – 209 2. Bandyopadhyay U., Dutta D. 2007: Adaptive nonparametric tests for a single location problem, Statistical Methodology, 4, p. 423 – 433 3. Bryx M., Rynek nieruchomości. System i funkcjonowanie, Poltext, Warszawa 2006 4. Dydenko J. i inni, Szacowanie nieruchomości, Wolters Kulwer, Warszawa 2006 5. Feltovich N., Nonparametric tests for differences in medians: comparison of the Wilcoxon - Mann - Whitney and robust rankorder-tests, Experimental Economics 6, 2003 6. Kochar S.C., On the ‘triples test’ for symmetry, Statistics and Probability Letters, 14, 1992 7. Kozioł – Kaczorek D., A combined multicriteria procedure for agriculture real estate valuation, Scientific Journal Warsaw University of Life Sciences - SGGW, Problems of World Agriculture 2013, Vol. 13 (28), no. 4, 2013 8. Mączyńska E., Prystupa M., Rygiel K., Ile jest warta nieruchomość, Poltext, Warszawa 2009 9. Miao W., Chiou P., Confidence intervals for difference between two means. Computational Statistics & Data Analysis, nr 52, 2008 10. R Development Core Team, Alanguage and environment for statistical computing, R Fundation for Statistical Coputing, Viena 2005, http://www.R-project.org 11. Tarasińska J., Power comparison of four tests in Beherens – Fisher problem, Colloquium Biometricum, nr 37, 2007 1. 159 12. Trojanek M., Methodic of estate valuation In Poland – actual status, Economics and sociology, 3.1, 2010 160