Den subjektive tilnærmingen om verdiinnhold


Subjektiv tilnærming til verdier

Salgs sammenligningstilnærming: Subjektiv verdiinneslutning, eller SVC for kort, er et begrep jeg gir til følgende metode for salgssammenligningsmetoden. Metoden er designet for å gi takstmenn muligheten til å frembringe meninger med verdi med mye høyere presisjon enn med standardmetoder, ved å:

  1.  Bruke et høykvalitets regresjonsverktøy som Salford Systems MARS eller R-Language Earth.
    
  2.  Kontrollere de totale justeringene for subjektive eller kvalitative funksjoner gjennom en flertrinns regresjon og scoringsprosess.

general

SVC er en måte å inneholde eller begrense over- og undervurdering av subjektive funksjoner som krever subjektiv tildeling av poengsum til subjektive eiendommer som utsikt, tilstand og kvalitet.   

Prosedyren kan deles inn i tre trinn:

Trinn I

Den første fasen av SVC-metoden er å bruke et regresjonsverktøy av høy kvalitet som MARS fra Salford Systems eller jord fra R-Language, for å modellere så mye av prisavviket som mulig, basert på objektive kvantitative trekk, vanligvis levert av skatteansvarlig og MLS-data, for eksempel brutto boareal (GLA), tomtestørrelse, romstørrelser og tellinger, taktekkingstype , fundamenttype og plassering. Denne metoden fungerer best når denne første regresjonsmodellen kan utgjøre minst 70-80% av prisavviket basert på slike data. Imidlertid er lavere verdier absolutt brukbare - på bekostning av nøyaktigheten. Takstmenn gjør ganske enkelt det beste de kan med dataene de har. Det kan argumenteres for at regresjon er like god eller bedre enn noen annen tilgjengelig metode, selv i de verste tilfellene.

Trinn II

Den gjenværende prisavviket, forskjellen mellom den faktiske salgsprisen og estimatet gitt av regresjonsmodellen, kalt residual, antas å være et resultat av variabler som enten er ukjente eller må skåres gjennom subjektiv vurdering. Den viktigste av den siste gruppen av variabler er de som kalles 'kvalitative'. Disse kvalitative variablene har verdier som bare kan representeres gjennom subjektiv vurdering, ettersom de ikke kan måles objektivt ved hjelp av allment aksepterte vitenskapelige målestandarder. For eksempel kan vi bedømme tilstanden til et hjem basert på prosentandelen av boliger i emnekvarteret som vi subjektivt anser for å være i dårligere stand; og med denne scoringsmetoden kan vi gi en poengsum på 0-100%, avrundet til nærmeste hele prosent. Imidlertid er det ofte slik at det kreves mer nøyaktighet, og jeg bruker vanligvis 0.0-100.0%. Disse sistnevnte tilfellene oppstår når vi har å gjøre med eiendommer nær bunnen eller toppen av verdikurven, der stigningen er bratt, og verdiene endres raskt med mindre variasjoner i poengsummen. For eksempel kan et nabolag med eldre hjem bare ha 2% i kategorien "fikserere". Et hjem med en score på 1.5 kan trenge moderat reparasjonsarbeid i størrelsesorden $ 20,000 0.4, mens et hjem med en poengsum på 250,000 like godt kan bli revet til en pris av $ 1 XNUMX. På samme måte har boliger "overbygde" med dyre funksjoner ofte en tendens til å ha verdier som skyter i været i de øvre XNUMX% av poengsummene.

Resten er en enkelt mengde og er en kurvverdi for alle variablene eller funksjonene som ikke legges inn i regresjonsprogramvaren. Alle salgene som er analysert av regresjonsprogramvaren, kan rangeres etter restene som er oppnådd ved å trekke estimatene fra trinn I -modellen fra salgsprisene. (Hvis man ønsker en høyere grad av nøyaktighet, kan han "massere" salgsprisene for å fjerne kjøperinnrømmelser, men dette vil være mye arbeid, hvis det for eksempel er 300 salg å analysere. Men hvis det er relativt få salg med slike innrømmelser i markedet, kan dette være mulig, avhengig av om slike data flagges pålitelig av MLS.)

De rangerte restene kan skåres med prosent over eller under i rangeringen. Så, hvis vi skulle bruke prosentandelen under, ville poengsummen med den største negative residualen fått en score på 0 og den med den høyeste poengsummen ville få 99, basert på en heltallscore fra 0-99. (Man kan gjøre denne poengsummen mer nøyaktig ved å bruke 0.0-99.9.)

Deretter kan regresjonen kjøres mot rest score som enkelt prediktor variabel mot salgs residual for å få en modell for residualene. Dette er egentlig bare en funksjon av score vs rest. Hvis du legger til prisen som er forutsagt av trinn 1 -modellen, til den resterende som er forutsagt av den resterende poengsummen, bør du komme veldig nær salgsprisen for salgssammenlignbare. Og hvis du bruker dette på estimatet ditt for gjenværende poengsum for emnet - bør du ha et veldig godt estimat for den hypotetiske salgsprisen på objektet.

Trinn III

De to modellene ovenfor kan kombineres til en enkelt modell og kodes i et dataprogram for beregning. Seks til et dusin kompiser, hvis de er rimelig lik emnet, kan settes inn i datamaskinen sammen med emnets funksjonsverdier for å beregne justeringer og justerte salgspriser, som igjen er gjennomsnittlige for å gi et estimert salgspris for emnet. Det bør være muligheten til å veie salgsforlikningene med graden av likhet med emnet hvis det er fornuftig.

Siste saker

På grunn av rapporteringskrav kan det være nødvendig å dele opp restene i komponentverdier. Spesielt kan det hende at tilstanden, kvaliteten og utsikten må skilles ut. Hvordan dette gjøres, er i stor grad skjønnet til takstmannen. Begrensningen er at for hvert salg som er sammenlignbart, må justeringene for de kvalitative variablene summeres til det resterende. Et hus med en gjennomsnittlig poengsum i disse funksjonene har en residual nær 0. Dermed forventer vi at ettersom funksjoner avviker fra gjennomsnittet, blir residualen mer positiv (for egenskapene ovenfor) eller mer negative (for dårligere egenskaper). Så hvis et salg sammenlignbart har en rest på -50,000, er i gjennomsnittlig tilstand og er av gjennomsnittlig kvalitet, med dårlig utsikt, kan vi forvente å tildele alt det $ 50,000 til det dårlige synet. Det spiller egentlig ingen rolle hvordan de $ 50,000 XNUMX fordeles til ulike kvalitative funksjoner for å beregne den endelige justerte verdien. Matematikken sikrer at den justerte verdien forblir den samme. Fordelingen gir imidlertid en forklaring til leseren av vurderingen om hvorfor den justerte prisen er hva den er.

Et interessant problem er hvordan man skal dele opp den estimerte residualen for emneegenskapen. Siden takstmannen har inspisert emnet, er han faktisk i en god posisjon til å foreta en rimelig inndeling av den estimerte restverdien på tvers av de tilgjengelige "restfunksjonene." Åpne publiseringspanelet

Oversette "