Факторы, определяющие стоимость аренды жилья по данным сайта недвижимости ЦИАН

Казаченко Илья Сергеевич
e-mail: kazachenko.ilya01@mail.ru

Абдраимова Майрам Наврузовна
e-mail: maryana.amn@gmail.com

Введение

Санкт-Петербург — это второй по величине город в России с населением около 5 миллионов человек, располагающийся на территории в 1439 квадратных километров и включающий в себя 18 районов. Рынок недвижимости является одним из ключевых для всей экономики Петербурга, он может меняться в зависимости от экономических, социальных и политических изменений в стране. Модель ценообразования, которая работала в прошлом году, может вообще не иметь существенного отношения к текущему рынку недвижимости. Пандемия Covid-19 серьезно изменила нашу жизнь. По данным Росстата смертность в России в 2020 увеличилась на 15,9% по сравнению с допандемийными показателями, соответственно так или иначе предложение квартир на рынке увеличилось. Также по данным ВЦИОМ в 2020 доля работников, переведенных на дистанционный формат работы, в Санкт-Петербурге составляла 29%. Из этого следует вывод, что у части населения появилась потребность в дополнительной площади для жизни и продуктивной работы, для них популярней становятся варианты более дорогих квартир с большим количеством комнат, где члены семьи не будут мешать друг другу. По оценкам сайта недвижимости Циан за 2021 год интерес к долгосрочной аренде жилья вырос в среднем на 40% по городу Санкт-Петербург, а ставка аренды однокомнатной квартиры за 2021 год выросла на 34%. Пандемия и льготные ипотечные кредиты в 2021 году привели к росту цен на жилье, особенно подорожали квартиры в новостройках. В сложившейся ситуации перед людьми стоит сложный выбор – взять недвижимость в ипотеку или же разумнее снимать жилье. Все вышесказанное подтверждает актуальность рассматриваемой темы.

У арендованной недвижимости есть ряд достоинств для квартиросъемщиков:

1. Они становятся более мобильными и независимыми, потому что не привязаны к определенной локации.
2. Зачастую в список обязательств арендаторов не входит обслуживание съемного имущества, будь то техника или ремонт.
3. Отсутствуют строгие долгосрочные обязательства перед арендодателем.

Более того, Банк России в 2022 году уже несколько раз менял ключевую ставку, был зафиксирован исторический максимум для РФ в 20% годовых. Нельзя забывать и о многочисленных санкциях, которые в свою очередь серьезно ударили почти по всем сферам нашей жизни, в том числе и по рынку жилья. Стоимость строительных материалов увеличилась и как следствие все застройщики повысили стоимость в новостройках, а за ними повысилась стоимость квартир на вторичном рынке. Из-за высокой ключевой ставки спрос на ипотечные кредиты упал, люди стали отдавать предпочтение съемному жилью. Важно отметить, что в период наступившей нестабильности люди, у которых были сбережения или просто свободные средства вложили деньги в покупку квартир, считая рынок недвижимости одним из самых надежных средств защиты своего капитала, это подтверждается ростом спроса на покупку жилья на 15%. Стоит также отметить, что зачастую у этих людей уже есть недвижимость, поэтому приобретенные объекты они как раз планируют сдавать в аренду.

Целью нашего исследования является определение и сравнение факторов, влияющих на рынок аренды жилья в ноябре 2021 года, марте и апреле 2022 года.

1. Анализ работ предшественников

На темы, связанные с недвижимостью, существует немало исследований, но в большинстве своем они касаются цен покупки и продажи жилья. Встречающиеся работы на тему аренды недвижимости обычно рассматриваются с точки зрения краткосрочной аренды. Более того, встречаются исследования, где во внимание берутся лишь внешние факторы влияния на стоимость аренды или наоборот только внутренние (Стерник Г. М., 2010; Sirmans S., Sirmans C., Benjamin J, 1989; Sirmans G., John B., 1991; Mulley C., Tsai C. H. P., 2016) В своем исследовании мы строим работу опираясь на гедоническую модель ценообразования, которая предполагает, что цена определяется как внешними, так и внутренними свойствами продаваемого объекта.

В связи с этим мы использовали источники, где подробно анализируется и те, и другие факторы, влияющие на ценообразование аренды жилья.  

Принято считать, что предпочтения по планировке квартиры индивидуальны. Однако, есть факторы, которые привлекают большее количество людей и эти люди готовы переплачивать за данные условия, эти факторы можно было бы обозначить как более распространенные в выборке. В статье “Research on the prices of flats in the South East London and Vilnius” (Saulius Raslanas, Laura Tupenaite, Tadas Šteinbergas, 2006) авторы пришли к выводу, что состояние и размер квартиры являются основными факторами, влияющими на цену. Значение других факторов чаще всего зависит от определенной области. Тем не менее, доступный транспорт, парковка или даже расовое распределение соседей должно учитываться при определении значения стоимости квартир. В статье российских авторов (А. А. Красильников, А. А. Щербакова, 2011) было выявлено, что для достижения максимальной привлекательности квартиры для покупателей площадь кухни должна составлять 39.44% от общей площади квартиры, а наличие в квартире двух санузлов приводит к увеличению стоимости на 28.93%. Если возвращаться к внешним факторам, то в статье рассматривается влияние на цену расстояния до центра города (центральной точкой берется Петропавловская крепость) и время, затрачиваемое на дорогу от квартиры до метро, чем больше времени, тем ниже стоимость.

Рассмотрим более подробно внешние факторы влияния на стоимость. В статье (Sirmans S., Sirmans C., Benjamin J., 1989) изучаются цены на аренду недвижимости в США. Здесь внешние факторы, такие как пробки на дорогах и отдаленность от ключевых магистралей существенным образом влияют на стоимость жилья. Также влияет удаленность от остановок общественного транспорта.  Продолжается тема транспорта в статье“How does subway and ground transit proximity affect rental prices” (К.А. Холодилин, 2019) вывод заключался в том, что плотность автобусных остановок имеет важную роль на формирование стоимости жилья, однако этот эффект выше в городах с подземным транспортом. В статье «Spatial and time effect of subway on property prices» (Trojanek R., Gluszak M., 2018) рассматривается влияние удаленности именно метро на цены жилья, также в ходе исследования наблюдалась устойчивая корректировка цен на недвижимость, связанная со строящейся линией метро. То есть было доказано, что еще строящаяся линия (М2 в Варшаве) уже имела влияние на цены квартир. А в статье Китайских авторов (Cui, Gu, Shen, Feng, 2018) была определена значимость доступности общественного транспорта в целом и расстояния от делового центра города до квартиры. Исследование было проведено в Пекине.

2. Данные

Данные были получены с сайта недвижимости Циан 27 ноября 2021 года, 6 марта 2022 и 25 апреля 2022 года путем выгрузки объявлений с сайта недвижимости Циан по районам города Санкт-Петербург. Каждый из собранных датасетов содержал около 3000–3500 объявлений квартир. Всего в Санкт-Петербурге 18 районов, но в исследование было включено только 13, такое решение было принято по ряду причин. Первая причина заключается в удаленности от центра, а также в отсутствии станций метрополитена. Многие предыдущие исследования сходились на том, что метро является значимой детерминантой в анализе стоимости жилья. Возможным выходом из сложившейся ситуации является включение этих районов в отдельную исследуемую группу. Но в этом кроется вторая причина, почему 5 районов не были включены в исследование. В Пушкинском, Колпинском, Кронштадтском, Курортном и Петродворцовом районах количество предлагаемых в аренду квартир крайне мало, поэтому мы решили, что объявления в этих районах будут мало информативными и даже объединение их в одну группу не принесет релевантных результатов. Помимо вышесказанного мы исключили апартаменты из общего числа объявлений. Причиной такого решения стала сама концепция домов, в которых располагаются апартаменты, она существенно отличается от традиционной. В апарт-домах зачастую есть ресепшн, люди на котором выполняют не только функции консьержа, а также могут оказать для жителей дополнительные услуги: купить билеты, вызвать такси и так далее. Мы считаем, апартаменты больше подходят к категории гостиниц и отелей. Все вышесказанное дает нам понять, что у апартаментов в отличии от квартир иные критерии, по которым люди их выбирают, соответственно и факторы влияния на стоимость аренды будут отличаться от квартир. Также в исследование были включены объявления только тех квартир, в которых число комнат не превышало трех. Согласно предыдущим исследованиям, большие квартиры с количеством комнат выше 3 подчиняются иным правилам ценообразования, поэтому их необходимо выделять в отдельную группу.

Несмотря на то, что в выгруженных данных уже содержалась информация о расстоянии объекта недвижимости до ближайшей станции метро в минутах, мы посчитали эту информацию ненадежной по причине того, что пользователь сам может изменить эту информацию в карточке объявления. Для борьбы с этим искажением был использован метод городских кварталов, также известный как Манхеттенское расстояние, с помощью него мы нашли удаленность квартир от ближайшей станции метрополитена. Данный подход имеет преимущество в том, что измерение удаленности базируется не по прямой линии, а по так называемым городским блокам, что в свою очередь является более достоверным в условиях города (Бурева, 2007). Для каждого объявления с помощью макроса на базе Excel мы рассчитали долготу и широту по уже имеющемуся адресу квартиры. Таким образом, мы нашли Манхэттенское расстояние от сдаваемого объекта недвижимости до ближайшей станции метрополитена.

Далее был проведен тест Чоу, который применяется в эконометрике для проверки стабильности параметров модели регрессии (Toyoda T., 1974). Этот тест проверяет наличие в исследуемых данных структурной стабильности, он показал, что наши данные нельзя анализировать в первоначальном виде.

В связи с этим мы разделили нашу выборку на две группы по районам:

• Первая группа: Адмиралтейский, Василеостровский, Петроградский, Центральный.
• Вторая группа: Выборгский, Калининский, Кировский, Красногвардейский, Красносельский, Московский, Невский, Приморский, Фрунзенский.

Данное разделение было выбрано по нескольким причинам. В первой группе районов преобладает малоэтажная застройка, в то время как во второй распространены большие и густонаселенные жилые комплексы, После упомянутого выше критерия разделения датасетов тест Чоу был успешно пройден для каждой из групп на датасетах, собранных в три промежутка времени. Затем был проведен анализ на наличие неоднородности – тест Бройша — Пагана в данных, так называемой гетероскедастичности и поправка на нее. После этого мы провели тест Рамсея, который показывает, надо ли включать в регрессию степени независимых переменных. Если значение статистики больше критического, то нулевая гипотеза отвергается, и спецификация модели признается неверной. В противном случае функциональная форма модели является приемлемой. (Ereeş S., EREES S., DEMİREL N., 2012) Тест показал, что в наших данных используется верная функциональная форма, а также отсутствуют пропущенные переменные.

3. Методы

Для определения факторов, влияющих на стоимость долгосрочной аренды жилья, мы использовали модель лог-линейной регрессии OLS. Мы выделили 9 факторов, предположительно влияющих на цену: время до метро, количество комнат, доля кухни, этаж, возможность проживания с животными, первый-последний этаж, наличие балкона, наличие лифта, сторона окон и тип санузла (раздельный или совмещенный). Данные определяющие факторы между собой являются независимыми. В качестве зависимой переменной выступает стоимость аренды квадратного метра квартиры, которая является непрерывной величиной, поэтому применение метода линейной регрессии является обоснованным. Все тесты и регрессионный анализ были проведены в среде STATA. 

4.           Эконометрическое моделирование цен

Для принятия решения о значимости результатов мы обратились к имеющимся научным статьям в этой области. Таким образом был выбран p-value на уровне 5% (Красильников А. А., Щербакова А. А., 2011). В ходе построения регрессии на данных 27 ноября 2021 года, 6 марта и 25 апреля 2022 года по первой группе районов мы получили следующие результаты:

 По центральным районам города было выявлено несколько значимых факторов на исследуемых временных периодах: количество минут до метро, количество комнат, доля кухни и тип санузла.

В марте 2022 наблюдался рост влияния переменной “количество минут до метро” в сравнении с данными ноября 2021, при увеличении переменной на одну единицу — рост стоимости арендованного жилья составлял 0.6%, однако в апреле 2022 процент снизился и стал составлять 0.3%. Мы видим довольно небольшие колебания, эта переменная, как и предполагалось, оказалась значимой в нашем исследовании.  Второй переменной является “количество комнат в квартире”. Она значима на 1-процентном уровне с отрицательными коэффициентами -0.089, -0.079, -0.05 в ноябре, марте и апреле соответственно. Здесь мы также видим снижение уровня влияния на контрольную переменную. Но во всех случаях чем больше комнат в квартире, тем меньше стоимость одного квадратного метра в ней. Переменная доля кухни оказалась значима на 1-процентном уровне также на всех исследованных временных периодах и характеризуется положительным бета-коэффициентом на уровне 0.011, 0.006 и 0.005 соответственно. Основываясь на результатах предыдущих исследователей, мы ожидали более сильное влияние, однако там изучался рынок купли-продажи жилья.  Четвертый общезначимый фактор — это переменная типа санузла, совмещенный санузел достаточно сильно влияет на стоимость квадратного метра. Так при 1-процентном уровне значимости с отрицательными бета-коэффициентами мы наблюдаем рост влияния на цену. В ноябре он составлял 10.1%, в марте 14.3% и в апреле 15.3%. Переменная этаж так же не совсем оправдала наши ожидания и оказалась значимой только в ноябрьском датасете. Причем чем выше этаж, тем ниже стоимость квадратного метра на 0.07%. Можно предположить, что в исторических районах, где преобладают старые дома не везде расположен лифт и возникают некоторые сложности с доступом на высокие этажи. Этим и была вызвана значимость фактора. В ноябре 40% представленных квартир не имели лифта, в марте и апреле эта цифра уменьшилась. Также переменная наличие балкона оказалось значимой только в ноябре и влияла отрицательным способом на стоимость аренды. Наличие балкона уменьшало стоимость квартиры на 11%. В марте мы заметили, что переменная “возможности проживания с животными” также стала значимой на 4-процентном уровне с отрицательным коэффициентом. Этот фактор уменьшал стоимость квартиры на 14%. Здесь наши ожидания также не оправдались, но, вероятно, объяснение такого явления кроется в плохом состоянии жилья, когда арендодателям уже не принципиально будут ли в квартире жить животные, так как они не переживают за порчу имущества. Однако непонятно, почему такая ситуация наблюдается именно в марте. Мы считаем, что для ответа на этот вопрос необходимо включить в исследование характеристики ремонта в квартиры.

Теперь перейдем к интерпретации результатов, полученных для второй группы районов города.

Во второй группе районов города было выявлено несколько неизменно значимых факторов на всех трех месяцах: количество минут до метро, количество комнат, доля кухни и вид санузла. Точно такие же факторы были выявлены для предыдущей группы. Переменная количества минут до метро также значима на 1-процентном уровне, как и в центральных исторических районах, значение бета-коэффициента также имеет небольшие колебания. Для ноября он равен -0.002, для марта -0.001 и для апреля -0.004. Переменная, отвечающая за долю кухни значима на 1-процентном уровне. В ноябре она отрицательным образом влияет на стоимость: при увеличении площади кухни стоимость квадратного метра уменьшается на 0.2%, в марте бета-коэффициент становится положительным и фактор увеличивает стоимость на 1.1%, в апреле на 0.3%. Тут мы также видим довольно небольшие колебания коэффициентов. Переменная тип санузла так же, как и в центральных районах имеет отрицательный коэффициент: раздельный санузел уменьшает стоимость аренды на 17.4%, на 12.4% и на 14.4% в ноябре, марте и апреле соответственно. Последняя общезначимая значимая переменная для всех датасетов — это количество комнат. Данная переменная имеет отрицательный коэффициент и уменьшает стоимость квадратного метра на 8.9% в ноябре, на 7.4% в марте и на 7.1% в апреле. Объясняется это тем, что и в первой группе районов. Более малые жилплощади пользуются большим спросом на рынке недвижимости. Поэтому при увеличении комнатности и общей площади квартиры цена за квадратный метр будет уменьшаться.

Также в ноябре было выявлена значимость на 1-процентном уровне переменной этаж. Рост на одну единицу увеличивал стоимость квадратного метра на 0.3%. Также мы выявили, что расположение квартиры на первом или последнем этаже в марте уменьшало стоимость квадратного метра квартиры на 7.3%.

Заключение

В исследовании мы изучили основные факторы, влияющие на ценообразование рынка аренды жилья в городе Санкт-Петербург. Из результатов исследования мы видим, что есть как неизменные факторы, которые значимы на всех трех временных промежутках, так и факторы, которые меняются в связи с происходящими колебаниями рынка. В ходе работы были рассмотрены модели ценообразования по двум группам районов города, а затем было выделено еще две подгруппы на основании количества комнат в квартире. Факторами, которые имеют постоянное влияние на стоимость аренды жилья, являются: количество минут до метро, количество комнат, долю кухни в общей площади и тип санузла. Есть и факторы, которые являются условно-влияющими, в зависимости от сезонных изменений (например, балкон).  Одни и те же факторы могут влиять на цену как в одну, так и в другую сторону в зависимости от состояния рынка недвижимости. Более того, мы заметили, что арендодатели склонны приукрашать параметры своих квартир для привлечения большего внимания со стороны пользователей сайта недвижимости Циан, например, некоторые из них намеренно искажают (занижают) показатель времени, затрачиваемом до станции метрополитена, чтобы ввести в заблуждение потенциального арендатора. Мы считаем, что примененный в исследовании алгоритм мог бы решить эту проблему. Более того, полученные модели могли бы быть использованы для разработки калькулятора арендной стоимости жилья, который бы рассчитывал стоимость, за которую можно сдать тот или иной объект недвижимости по вводным данным. Для реализации этой идеи необходимо систематически собирать данные по каждому району. Данный калькулятор может найти свое практическое применение, например, у риэлторов, которые бы в считанные секунды могли определить стоимость, за которую можно сдать тот или иной объект недвижимости. Также в этом калькуляторе можно было бы предусмотреть временной интервал, за который человек хочет сдать свою квартиру. Например, если людям надо срочно сдать квартиру, они устанавливают цену на 10% ниже рыночной, а если наоборот долгое время их не пугает, то можно поставить цену чуть выше рыночной.

Понравилась статья? Читай больше в нашем архиве