butai kaune

KAUNO TECHNOLOGIJOS UNIVERSITETAS

STATYBOS TECHNIKOS KATEDRA

ŽYDRŪNO PETRULIO

DVIEJŲ KAMBARIŲ NENAUJOS STATYBOS BUTŲ (BLOKINIUOSE NAMUOSE) KAUNE PARDAVIMO KAINŲ MATEMATINĖ STATISTINĖ ANALIZĖ

Statybos vadybos pagrindų
namų darbas Nr.1

Atliko: PS-5 stud. Ž.Petrulis
Priėmė: asistentas Donatas Aviža

Panevėžys, 2007

TURINYS

1. Įvadas..............................3
2. Nekilnojamojo turto vertinimo matematinių statistinių metodų taikymo

teorinis pagrindimas...........................4
2.1. Aritmetinis vidurkis............................4
2.2. Standartinis nukrypimas........................5
2.3. Patikimumo intervalo nustatymas....................5
2.4. Regresinė analizė..........................6
2.5. Koreliacinė analizė.........................7
2.6. Veiksniai, lemiantys butų pardavimo kainas................7
3. Dviejų kambarių nenaujos statybos butų (esančių blokiniuose namuose)
pardavimo kainų Kaune matematinė statistinė analizė...........8
3.1. Standartinio nukrypimo skaičiavimas ir patikimumo intervalo nustatymas
stjudento pasiskirstymo pagalba....................11
3.2. Regresinė ir koreliacinė analizės...................13
4. Išvados..............................45
5. Literatūra..............................46

1. ĮVADAS

DARBO TIKSLAS: atlikti nekilnojamojo turto pardavimo kainų matematinę statistinę analizę.
TIRIAMASIS OBJEKTAS: dviejų kaambarių butai, esantys Kauno mieste. Nenaujos statybos (blokiniuose namuose).
Dėl menkos pasiūlos Kaune nekilnojamasis turtas brangsta sparčiau nei kituose didžiuosiuose šalies miestuose. 2006-ieji šalies nekilnojamojo turto rinkoje tapo kainų stabilizacijos pradžia, tačiau brangstant statybinėms medžiagoms ir darbo jėgai naujos statybos būsto įkainiai ir toliau kyla aukštyn.
Šiame darbe matematinės statistikos pagalba bus įvertinti nekilnojamo turto vertę lemiantys kokybiniai bei kiekybiniai veiksniai. Taikant kompiuterinę EXEL programą, pagal veiksnių priklausomybes, bus apskaičiuoti aritmetiniai vidurkiai, standartinius nukrypimai, atlikta regresinė analizė (tiriami ir matematiškai aprašomi ryšiai taarp dviejų arba daugiau statistiškai vienų su kitais susietų veiksnių) ir koreliacinė analizė (analizuojamas kiek yra reikšmingas ryšys tarp dviejų statistiškai vienų su kitais susietų veiksnių).
Darbe pateikiamos regresijos lygtys, koreliacijos koeficientai, priklausomybių grafikai.

2. NEKILNOJAMO TURTO VERTINIMO MATEMATINIU STATISTINIU METODU TAIKYMO TE

EORINIS PAGRINDIMAS

Vis dažniau vertinant nekilnojamą turtą naudojamasi matematine statistika. Ji yra labia patogi vertinant nekilnojamąjį turtą.
Atliekant matematinės statistikos tyrimus reikia įvertinti daugelį matematinių veiksnių, kurie leistų mums tiksliai apžvelgti ir išanalizuoti duomenų aibes. Kokybiniai ir kiekybiniai nekilnojamo turto vertę lemiantys veiksniai yra nekilnojamojo turto kiekvienos pardavimo kainos tvirtos sudėtinės dalys. Kai atskiri veiksniai tarpusavyje susiejami, tada galima gauti tam tikras priklausomybes. Šiuos ryšius ir ju intensyvumus galime nustatyti matematine statistika.
Atliekant matematinės statistikos tyrimus būtina surinkti generalinę aibę – t.y. surinkti tyrinėjamų duomenų bazę, iš kurios reikia išskirti atrankinę imtį. Taip pat būtina įvertinti ryšį tarp generalinės aibės ir atrankinės imties.
Baziniams tyrinėjimams pirmiausia reikalingas aritmetinis vidurkis ir standartinis nukrypimas. Tačiau šių statistinių dydžių išraiškos stiprumas gali būti ribotas, todėl yra taikomi 2 statistiniai meetodai: regresinė ir koreliacinė analizė.
Regresinė analizė leidžia aprašyti ryšius tarp dviejų arba daugelio statistiškai vienų su kitais susietų veiksnių. Šitas ryšys išreiškiamas matematine formule.
Koreliacinė analizė rodo, kiek yra reikšmingas ryšys tarp dviejų statistiškai vienų su kitais susietų veiksnių. Ji gelbsti priimant sprendimą, ar nagrinjamas veiksnys nustatant vertę yra reikšmingas, ar į jį galima nekreipti dėmesio.
Taigi pagrindinė matematinės statistikos užduotis – įvertinti funkcines, statistines priklausomybes, vidurkius, standartinius nukrypimus, regresinę, koreliacinę analizę. Taip pat būtina įvertinti statistinį tikimybinį pasiskirstymą.

2.1. ARITMETINIS VIDURKIS

Aritmetinis vidurkis yra lygus sumai vi

isų butų pardavimo kainų xi = ( x1 + x2 + ...+xn ), kur i = 1 iki n (i – eilės numeris), padalintų iš visų pardavimų skaičiaus n.

arba
Taip pat aritmetinis vidurkis gali būti skaičiuojamas taikant EXCEL statistinę funkciją „AVERAGE“.
Tačiau reikia atkreipti dėmesį į tai, kad vidutinės butų vertės skaičiavimas duoda gerą rezultatą tik tada, jei duomenys nežymiai nukrypsta vieni nuo kitų. Jei duomenys labai nukrypsta, tai skaičiuota aritmetinė vidutinė buto pardavimo kaina neturi jokios konkrečios reikšmės ir yra netinkama būti butų pardavimo kainų masteliu. Įtraukus į skaičiavimą dydžiais smarkiai besiskiriančius duomenis, rezultatas būtų neleistinai iškraipytas ir netikslus.

2.2. STANDARTINIS NUKRYPIMAS

Aritmetinės vidutinės vertės pasiskirstymo stiprumą iš esmės patikimai galime įvertinti suskaičiavę standartinį nukrypimą. Standartinis nukrypimas yra vidutinio nukrypimo nuo vidurkio geometrinis matas. Kadangi jį skaičiuojant įmamos vidutinės vidurkių nuokrypos kaip skirtumų kvadratai, tai kvadratinis nukrypimas yra tikslesnis ir „jautresnis“ negu aritmetinis vidurkis.
Standartinis nukrypimas (s) yra gaunamas ištraukus šaknį iš sumos visų pakeltų kvadratų pardavimo kainų ir aritmetinio vidurkio, padauginto iš parduodamų objektų skaičiaus, skirtumų, ir padalinus iš parduodamų objektų skaičiaus minus vienas:

2.3. PATIKIMUMO INTERVALO NUSTATYMAS

Matematiniai statistiniai metodai yra grindžiami vidurkiu bei standartu ir ne visada lengvai suvokiami. Taip yra dėl to, kad statistiniai skaičiavimo metodai remiasi tikimybių teorija. Jie pateikia matematinį įrodymą, ar gautos iš atrankinių imčių priklausomybės yra pakankamai patikimos ir

r ar su duota tikimybe galima būtų remtis generalinėje aibje. Tam turėtų būti išpildyta pagrindinė sąlyga – kiekvienos atrankinės imties duomenys gaunami pagal atsitiktinumo dėsni. Tai reiškia, kad duomenys pasiskirsto palei matematinį vidurkį pagal tam tikrą dėsnį. Šiuo atveju gali būti laikoma, kad atskirų duomenų nuokrypos nuo vidurkio yra atsitiktinės (kitaip tariant stochastiškai pasiskirsčiusios).
Tikimybių teorija paaiškina atsitiktinių pasiskirstymų dėsningumus.Jie gali būti išvesti tiek eksperimentiškai, tiek matematiškai.
Normalinis pasiskirstymas gali būti taikomas statistiniams tyrimams tik tuomet, jei yra pakankamai didelis skaičius duomenų. Esant homogeniškai tyrimų medžiagai, dispozicijoje privalo būti mažiausiai 30, o nehomogeniškai – mažiausiai 100 atskirų duomenų. Jei duomenų skaičius mažesnis negu 30, tai taikomas ne normalinis, bet Stjudento t pasiskirstymas. Jis buvo išvestas specialiai mažos apimtimi atrankinėms imtims. Stjudento pasiskirstymo charakteristikos yra pateikiamos lentelėje. Pagal pasirinktą tikimybę ir laisvumo laipsnių skaičių (n – 1), nustatomi kvantiliai t pasiskirstymo ( tc ).
Patikimumo intervalo ribos nustatomos pagal šias formules:

ir
čia :
x – atrankinės imties vidurkis,
tc; t – pasiskirstymo kvantilis,

– patikimumo intervalo μ masto skaičius.
2.4. REGRESINĖ ANALIZĖ

Regresinė analizė leidžia apibrėžti santykį, esantį tarp dviejų, vienas nuo kito priklausomų veiksnių taip, kad vieno veiksnio reikšmė, žinant kito veiksnio vertę, gali būti nusakyta su tam tikra tikimybe. Kitaip tariant, regresinė analizė yra metodas funkcijai nustatyti, nuo kurios iki visos atrankinės imties statistinių duomenų atstumų kvadratai sudaro minimuma.
Regresijos tiesė ga

ali būti nustatyta pagal 2 dydžius: pagal padėtį (a) ir pakilimą (b). Tai yra matematiškai išreiškiama bendrąją lygtimi:
y = a + bx (arba y = ax + b)
čia:
a – tiesės susikirtimo taškas su y ašimi,
b – pakilimo santykis.
Žinoma, nėra taip, kad visi taškai būtų vienoje tiesėje. Tai būtų idealus atvejis, o tokių praktikoje beveik nepasitaiko. Taigi, reikšmės koordinačių sistemoje sudaro taškų rinkinį, kurių negalima sujungti viena tiese. Vadinasi, reikia surasti tiesę, kuri koordinačių sistemoje per taškų debesį praeitų taip, kad vidutiniai atstumai nuo visų taškų iki tiesės būtų kiek galima mažesni. Tiesė, kuri atitinka šiuos reikalavimus, vadinama regresijos tiese.

2.5. KORELIACINĖ ANALIZĖ

Koreliacinė analizė pateikia informaciją apie dviejų tam tikru santykiu esančių dydžių priklausomybės laipsnį ir parodo, kaip vieno dydžio pokytis veikia kito dydžio pokytį. Jis yra išreiškiamas koreliacijos koeficientu, kuris gali turėti reikšmes tarp –1 ir +1. Kuo artimesnis jis yra reikšmei ± 1, tuo stipresnė priklausomybė tarp abiejų dydžių. Jei koreliacijos koeficientas 1, tai yra pilna koreliacija, todėl, kad tarp abiejų dydžių yra absoliučiai tvirtas santykis. Jei koeficiento reikšmė teigiama – priklausomybė tiesioginė, jei neigiama – priklausomybė atvirkštinė.

Koreliacijos koeficientų klasifikacija (1.1 lentelė):
1.1 lentelė
1 0,1 – 0,3 silpna koreliacija
2 0,3 – 0,5 vidutiniška koreliacija
3 0,5 – 0,7 pastebima koreliacija
4 0,7 – 0,9 stipri koreliacija
5 0,9 – 0,99 labai stipri koreliacija

2.6. VEIKSNIAI, LEMIANTYS BUTŲ PARDAVIMO KAINAS

Butų pardavimo kainas lemia kokybiniai ir kiekybiniai veiksniai (1.2 lentelė):
1.2 lentelė
Kiekybiniai veiksniai 1 kv. m. pardavimo kaina

bendras plotas (kv. m.)

statybos metai
Kokybiniai veiksniai aukštas, kuriame yra butas

namo aukštų skaičius

apdailos kokybė

triukšmo lygis

Kokybiniai veiksniai įvertinami balais (1.3 lentelė):
1.3 lentelė
Aukštas, kuriame

yra butas Namo aukštų skaičius Apdailos
kokybė Triukšmo

lygis
1 – 1-2 aukštai 1 – 5 aukštų namas 1 – dalinė apdaila 1 – Nedidelis
2- 3-5 aukštai 2 – 7 aukštų namas 2 – vidutinė apdaila 2 – vidutinis
3- daugiau nei 5 aukštas 3 – 12 aukštų namas 3- labai gera apdaila 3 – gana didelis

3. DVIEJŲ KAMBARIŲ NENAUJOS STATYBOS BUTŲ (ESANČIŲ MŪRINIUOSE NAMUOSE) PARDAVIMO KAINŲ PANEVĖŽYJE MATEMATINĖ STATISTINĖ ANALIZĖ

2 lentelė. Panevėžio miesto 2 kambarių nenaujos statybos butų (mūriniuose namuose) pardavimo kainos ir jų vertę lemiantys veiksniai

Miesto
rajono
pavadinimas Gatvės
pavadinimas 1 m 2
kaina,LT Bendras
plotas, m2 Aukštas Namo
aukštų
skaičius Statybos
metai Apdailos
kokybė,
balais Triukšmo
lygis,
balais

y x1 x2 x3 x4 x5 x6 y2
Kalniečiai Geležinio Vilko 4500,00 49 2 1 1974 2 1 20250000,000

Žukausko 4400,00 48 1 1 1980 2 2 19360000,000

Landsbergio 4500,02 46 2 1 1979 3 1 20250180,000

Pakraščio 4000,00 39 1 1 1975 2 3 16000000,000

Savanorių 3950,02 38 2 1 1974 1 3 15602658,000

Plechavičiaus 3803,00 36 3 2 1974 1 3 14462809,000

Šiaurės pr. 4101,14 35 2 1 1973 2 3 16819349,300

Geležinio Vilko 3420,05 32 3 2 1982 1 3 11696742,003

Plechavičiaus 3504,00 33 3 2 1979 1 3 12278016,000

Plechavičiaus 4250,76 36 2 1 1977 2 3 18068960,578

Plechavičiaus 3705,13 34 2 1 1982 1 3 13727988,317

Plechavičiaus 3800,06 35 3 2 1981 1 3 14440456,004

SUMA 47934,18 SUMA 192957159,201

VIDURKIS 3994,52

Šilainiai Baltų pr. 4285,71 35 3 2 1986 2 2 18367310,2

Baltų pr. 5320,6 41 1 1 1989 3 1 28308784,36

Rasytės 4862,48 42 2 1 1986 2 2 23643711,75

Baltų pr. 4166,67 37 3 2 1986 1 2 17361138,89

Šarkuvos 5135,13 38 1 1 1989 3 1 26369560,12

Baltų pr. 5000 37 2 1 1988 2 2 25000000

Baltų pr. 4756,36 36 1 1 1986 2 2 22622960,45

Kuršių 5202,25 41 2 1 1986 3 1 27063405,06

Šarkuvos 5500,42 42 1 1 1988 3 1 30254620,18

Rasytės 4003,12 45 3 2 1987 1 3 16024969,73

SUMA 48232,74 SUMA 235016460,7

VIDURKIS 4823,274

Dainava M. Riomerio 4520,16 39 1 1 1983 3 1 20431846,43

Partizanų 4295,11 38 2 1 1982 1 1 18447969,91

Kovo 11 3985,85 35 2 2 1980 2 2 15887000,22

Partizanų 4326,05 48 1 2 1981 2 2 18714708,6

Baranausko 3950,4 40 2 2 1979 2 1 15605660,16

Krėvės 3105,75 37 2 3 1967 1 3 9645683,063

M. Riomerio 4902 45 1 1 1980 2 1 24029604

M. Riomerio 4609,05 43 1 1 1974 3 1 21243341,9

Krėvės 4400,79 42 2 1 1972 3 2 19366952,62

Taikos pr. 4689 41 1 1 1983 2 1 21986721

Taikos pr. 5020,79 41 1 1 1983 3 1 25208332,22

SUMA 47804,95 SUMA 210567820,1

VIDURKIS 4345,905

Eiguliai Sukilėlių 4023,04 37 1 1 1982 2 2 16184850,84

Ašigalio 3650,14 35 2 2 1979 1 3 13323522,02

Ukmergės 4603 38 1 1 1985 3 1 21187609

Ukmergės 4300 34 2 1 1984 3 1 18490000

Šiaurės pr. 3982,17 33 1 1 1975 2 2 15857677,91

Šiaurės pr. 3602,12 30 2 1 1978 1 2 12975268,49

Ašigalio 3200,5 28 3 3 1975 1 3 10243200,25

SUMA 27360,97 SUMA 108262128,5

VIDURKIS 3908,71

Vilijampolė Raudondvario 3622,72 38 2 3 1983 1 3 13124100,2

Raudondvario 3905,12 36 2 1 1985 2 3 15249962,21

Varnių 4206 41 1 1 1989 2 2 17690436

Varnių 3614,5 35 2 1 1987 1 3 13064610,25

Demokratų 5600,05 37,2 1 1 1991 3 1 31360560

Demokratų 3600 34 3 3 1987 1 2 12960000

Raudondvario 4800,37 40 2 1 1979 2 2 23043552,14

Inkaro 5893,17 32 1 1 1991 3 1 34729452,65

Inkaro 5000 35 2 1 1990 3 1 25000000

Inkaro 5103,78 37 1 1 1990 3 1 26048570,29

SUMA 45345,71 SUMA 212271243,7

VIDURKIS 4534,571

3.1. STANDARTINIO NUKRYPIMO SKAIČIAVIMAS IR PATIKIMUMO INTERVALO NUSTATYMAS STJUDENTO PASISKIRSTYMO PAGALBA

Patikimumo intervalo ribos nustatomos pagal teorijoje pateiktas formules. Gauti rezultatai pateikti 3 lentelėje.

3 lentelė

Miesto rajonas 1 m 2
suma,LT y Pardavimų skaičius,n Aritmetinis vidurkis,
Lt/m2 y’ Aritmetinio
vidurkio
kvadratas. y’ 2 1 m2 kainų
kvadratų
suma.y2 Standartinis
nukrypimas. S Pasiskirstymo
kvantilis. tc Patikrinimo
intervalo
masto
skaičius
Kalniečiai 47934,18 12 3994,515 15956150,09 192957159,2 351,5852408 2,201 101,4939167
Šilainiai 48232,74 10 4823,274 23263972,08 235016460,7 487,5171743 2,262 154,1664669
Dainava 47804,95 11 4345,904545 18886886,32 210567820,1 505,6103095 2,228 152,4472442
Eiguliai 27360,97 7 3908,71 15278013,86 108262128,5 433,5936982 2,447 163,8830136
Vilijampolė 45345,71 10 4534,571 20562334,15 212271243,7 815,3460737 2,262 257,8350674
Vidurkiai 4321,394909 518,7304993

3 lentelės tęsinys

Miesto rajonas 1 m2 kaina,Lt
(95% tikimybė)
nuo 1 m2 kaina,Lt
(95% tikimybė)
iki Patikimumo riba
(Lt/m2)
nuo Patikimumo riba
(Lt/m2)
iki
Kalniečiai 3771,126889 4217,903111 2997,287774 4991,742226
Šilainiai 4474,549452 5171,998548 3371,785604 6274,762396
Dainava 4006,252085 4685,557006 2879,752316 5812,056775
Eiguliai 3507,688266 4309,731734 2446,684486 5370,735514
Vilijampolė 3951,348077 5117,793923 2107,035259 6962,106741

3.2. REGRESINĖ IR KORELIACINĖ ANALIZĖS
Analizė pateikta 4-9 lentelėse. Darbe pateikiamos regresijos lygtys, koreliacijos koeficientai, priklausomybių grafikai.
4.1 grafikas

4.1 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Bendras
plotas, m2 Kintamieji

y x1 y2 yx1
Kalniečiai Geležinio Vilko 4500,00 49 20250000,00 220500

Žukausko 4400,00 48 19360000,00 211200

Landsbergio 4500,02 46 20250180,00 207000,92

Pakraščio 4000,00 39 16000000,00 156000

Savanorių 3950,02 38 15602658,00 150100,76

Plechavičiaus 3803,00 36 14462809,00 136908

Šiaurės pr. 4101,14 35 16819349,30 143539,9

Geležinio Vilko 3420,05 32 11696742,00 109441,6

Plechavičiaus 3504,00 33 12278016,00 115632

Plechavičiaus 4250,76 36 18068960,58 153027,36

Plechavičiaus 3705,13 34 13727988,32 125974,42

Plechavičiaus 3800,06 35 14440456,00 133002,1
1. SUMA (SUM) 47934,18 461 192957159,20 1862327,06
2.VIDURKIS (AVERAGE) 3994,52 38,41666667
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 1923,77359
5. PAKILIMO SANTYKIS (SLOPE). B 53,9021624
6. X = 38,416
7. Y (FORECAST)= 4491,31326
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,87054634
9. PARDAVIMŲ SKAIČIUS N 12
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,201
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 2,64653948
12. RYŠIO GLAUDIMO RODIKLIS 1,20242593
13. RYŠIO STIPRUMO CHARAKTERISTIKA labai stipri
14. PRIKLAUSOMYBĖ tiesioginė

4.2 grafikas

4.2 lentelė

Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Aukštas Kintamieji

y x2 y2 yx2
Kalniečiai Geležinio Vilko 4500,00 2 20250000,00 9000

Žukausko 4400,00 1 19360000,00 4400

Landsbergio 4500,02 2 20250180,00 9000,04

Pakraščio 4000,00 1 16000000,00 4000

Savanorių 3950,02 2 15602658,00 7900,04

Plechavičiaus 3803,00 3 14462809,00 11409

Šiaurės pr. 4101,14 2 16819349,30 8202,28

Geležinio Vilko 3420,05 3 11696742,00 10260,15

Plechavičiaus 3504,00 3 12278016,00 10512

Plechavičiaus 4250,76 2 18068960,58 8501,52

Plechavičiaus. 3705,13 2 13727988,32 7410,26

Plechavičiaus 3800,06 3 14440456,00 11400,18
1. SUMA (SUM) 47934,18 26 192957159,20 101995,47
2.VIDURKIS (AVERAGE) 3994,52 2,166666667
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 4706,42559
5. PAKILIMO SANTYKIS (SLOPE). B -328,574118
6. X = 2,1666
7. Y (FORECAST)= 4131,42088
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,64220572
9. PARDAVIMŲ SKAIČIUS N 12
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,201
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -1,98851322
12. RYŠIO GLAUDIMO RODIKLIS -0,90345898
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ tiesioginė

4.3 grafikas

4.3 lentelė

Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Namo
aukštų
skaičius Kintamieji

y x3 y2 yx3
Kalniečiai Geležinio Vilko 4500,00 1 20250000,00 4500

Žukausko 4400,00 1 19360000,00 4400

Landsbergio 4500,02 1 20250180,00 4500,02

Pakraščio 4000,00 1 16000000,00 4000

Savanorių 3950,02 1 15602658,00 3950,02

Plechavičiaus 3803,00 2 14462809,00 7606

Šiaurės pr. 4101,14 1 16819349,30 4101,14

Geležinio Vilko 3420,05 2 11696742,00 6840,1

Plechavičiaus 3504,00 2 12278016,00 7008

Plechavičiaus 4250,76 1 18068960,58 4250,76

Plechavičiaus 3705,13 1 13727988,32 3705,13

Plechavičiaus 3800,06 2 14440456,00 7600,12
1. SUMA (SUM) 47934,18 16 192957159,20 62461,29
2.VIDURKIS (AVERAGE) 3994,52 1,333333333
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 4719,99
5. PAKILIMO SANTYKIS (SLOPE). B -544,10625
6. X = 1,333
7. Y (FORECAST)= 4130,54156
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,72953321
9. PARDAVIMŲ SKAIČIUS N 12
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,201
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,24475617
12. RYŠIO GLAUDIMO RODIKLIS -1,01988013
13. RYŠIO STIPRUMO CHARAKTERISTIKA vidutiniška
14. PRIKLAUSOMYBĖ atvirkštinė

4.4 grafikas

4.4 lentelė

Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Statybos
metai Kintamieji

y x4 y2 yx4
Kalniečiai Geležinio Vilko 4500,00 1974 20250000,00 8883000

Žukausko 4400,00 1980 19360000,00 8712000

Landsbergio 4500,02 1979 20250180,00 8905539,58

Pakraščio 4000,00 1975 16000000,00 7900000

Savanorių 3950,02 1974 15602658,00 7797339,48

Plechavičiaus 3803,00 1974 14462809,00 7507122

Šiaurės pr. 4101,14 1973 16819349,30 8091549,22

Geležinio Vilko 3420,05 1982 11696742,00 6778539,1

Plechavičiaus 3504,00 1979 12278016,00 6934416

Plechavičiaus 4250,76 1977 18068960,58 8403752,52

Plechavičiaus 3705,13 1982 13727988,32 7343567,66

Plechavičiaus 3800,06 1981 14440456,00 7527918,86
1. SUMA (SUM) 47934,18 23730 192957159,20 94784744,4
2.VIDURKIS (AVERAGE) 3994,52 1977,5
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 83351,9014
5. PAKILIMO SANTYKIS (SLOPE). B -40,1301575
6. X = 1977,5
7. Y (FORECAST)= 4208,54249
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,37132117
9. PARDAVIMŲ SKAIČIUS N 12
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,201
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -1,1660975
12. RYŠIO GLAUDIMO RODIKLIS -0,5298035
13. RYŠIO STIPRUMO CHARAKTERISTIKA labai stipri
14. PRIKLAUSOMYBĖ tiesioginė

4.5 grafikas

4.5 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Apdailos
kokybė,
balais Kintamieji

y x5 y2 yx5
Kalniečiai Geležinio Vilko 4500,00 2 20250000,00 9000

Žukausko 4400,00 2 19360000,00 8800

Landsbergio 4500,02 3 20250180,00 13500,06

Pakraščio 4000,00 2 16000000,00 8000

Savanorių 3950,02 1 15602658,00 3950,02

Plechavičiaus 3803,00 1 14462809,00 3803

Šiaurės pr. 4101,14 2 16819349,30 8202,28

Geležinio Vilko 3420,05 1 11696742,00 3420,05

Plechavičiaus 3504,00 1 12278016,00 3504

Plechavičiaus 4250,76 2 18068960,58 8501,52

Plechavičiaus 3705,13 1 13727988,32 3705,13

Plechavičiaus 3800,06 1 14440456,00 3800,06
1. SUMA (SUM) 47934,18 19 192957159,20 78186,12
2.VIDURKIS (AVERAGE) 3994,52 1,583333333
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 3256,94949
5. PAKILIMO SANTYKIS (SLOPE). B 465,830847
6. X = 1,583
7. Y (FORECAST)= 4382,70737
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,8480874
9. PARDAVIMŲ SKAIČIUS N 12
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,201
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 2,58364058
12. RYŠIO GLAUDIMO RODIKLIS 0,85189868
13. RYŠIO STIPRUMO CHARAKTERISTIKA stipri
14. PRIKLAUSOMYBĖ tiesioginė

4.6 grafikas

4.6 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Triukšmo
lygis,
balais Kintamieji

y x6 y2 yx6
Kalniečiai Geležinio Vilko 4500,00 1 20250000,00 4500

Žukausko 4400,00 2 19360000,00 8800

Landsbergio 4500,02 1 20250180,00 4500,02

Pakraščio 4000,00 3 16000000,00 12000

Savanorių 3950,02 3 15602658,00 11850,06

Plechavičiaus 3803,00 3 14462809,00 11409

Šiaurės pr. 4101,14 3 16819349,30 12303,42

Geležinio Vilko 3420,05 3 11696742,00 10260,15

Plechavičiaus 3504,00 3 12278016,00 10512

Plechavičiaus 4250,76 3 18068960,58 12752,28

Plechavičiaus 3705,13 3 13727988,32 11115,39

Plechavičiaus 3800,06 3 14440456,00 11400,18
1. SUMA (SUM) 47934,18 3 192957159,20 121402,5
2.VIDURKIS (AVERAGE) 3994,52 3
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 4901,15855
5. PAKILIMO SANTYKIS (SLOPE). B -350,958795
6. X = 3
7. Y (FORECAST)= 4082,2547
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,757847
9. PARDAVIMŲ SKAIČIUS N 12
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,201
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,32668508
12. RYŠIO GLAUDIMO RODIKLIS -1,05710363
13. RYŠIO STIPRUMO CHARAKTERISTIKA pastebima
14. PRIKLAUSOMYBĖ tiesioginė

5.1 grafikas

5.1 lentelė

Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Bendras
plotas, m2 Kintamieji

y x1 y2 yx1
Šilainiai Baltų pr. 4285,71 35 18367310,20 149999,85

Baltų pr. 5320,6 41 28308784,36 218144,6

Rasytės 4862,48 42 23643711,75 204224,16

Baltų pr. 4166,67 37 17361138,89 154166,79

Šarkuvos 5135,13 38 26369560,12 195134,94

Baltų pr. 5000 37 25000000,00 185000

Baltų pr. 4756,36 36 22622960,45 171228,96

Kuršių 5202,25 41 27063405,06 213292,25

Šarkuvos 5500,42 42 30254620,18 231017,64

Rasytės 4003,12 45 16024969,73 180140,4
1. SUMA (SUM) 48232,74 394 235016460,74 1902349,59
2.VIDURKIS (AVERAGE) 4823,27 39,4
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 3997,02845
5. PAKILIMO SANTYKIS (SLOPE). B 20,9706992
6. X = 39,4
7. Y (FORECAST)= 5036,56698
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,13216245
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 0,37340355
12. RYŠIO GLAUDIMO RODIKLIS 0,16507672
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpnas
14. PRIKLAUSOMYBĖ tiesioginė

5.2 grafikas

5.2 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Aukštas Kintamieji

y x2 y2 yx2
Šilainiai Baltų pr. 4285,71 3 18367310,20 12857,13

Baltų pr. 5320,6 1 28308784,36 5320,6

Rasytės 4862,48 2 23643711,75 9724,96

Baltų pr. 4166,67 3 17361138,89 12500,01

Šarkuvos 5135,13 1 26369560,12 5135,13

Baltų pr. 5000 2 25000000,00 10000

Baltų pr. 4756,36 1 22622960,45 4756,36

Kuršių 5202,25 2 27063405,06 10404,5

Šarkuvos 5500,42 1 30254620,18 5500,42

Rasytės 4003,12 3 16024969,73 12009,36
1. SUMA (SUM) 48232,74 19 235016460,74 88208,47
2.VIDURKIS (AVERAGE) 4823,27 1,9
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 5768,79551
5. PAKILIMO SANTYKIS (SLOPE). B -497,642899
6. X = 1,9
7. Y (FORECAST)= 4922,80258
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,84791345
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,28795941
12. RYŠIO GLAUDIMO RODIKLIS -1,01147631
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ atvirkštinė

5.3 grafikas

5.3 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Namo aukštų
skaičius Kintamieji

y x3 y2 yx3
Šilainiai Baltų pr. 4285,71 2 18367310,20 8571,42

Baltų pr. 5320,6 1 28308784,36 5320,6

Rasytės 4862,48 1 23643711,75 4862,48

Baltų pr. 4166,67 2 17361138,89 8333,34

Šarkuvos 5135,13 1 26369560,12 5135,13

Baltų pr. 5000 1 25000000,00 5000

Baltų pr. 4756,36 1 22622960,45 4756,36

Kuršių 5202,25 1 27063405,06 5202,25

Šarkuvos 5500,42 1 30254620,18 5500,42

Rasytės 4003,12 2 16024969,73 8006,24
1. SUMA (SUM) 48232,74 13 235016460,74 60688,24
2.VIDURKIS (AVERAGE) 4823,27 1,3
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 6070,23524
5. PAKILIMO SANTYKIS (SLOPE). B -959,200952
6. X = 1,3
7. Y (FORECAST)= 5015,11419
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,90163013
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,41715302
12. RYŠIO GLAUDIMO RODIKLIS -1,06859108
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ tiesioginė

5.4 grafikas

5.4 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Statybos
metai Kintamieji

y x4 y2 yx4
Šilainiai Baltų pr. 4285,71 1986 18367310,20 8511420,06

Baltų pr. 5320,6 1989 28308784,36 10582673,4

Rasytės 4862,48 1986 23643711,75 9656885,28

Baltų pr. 4166,67 1986 17361138,89 8275006,62

Šarkuvos 5135,13 1989 26369560,12 10213773,6

Baltų pr. 5000 1988 25000000,00 9940000

Baltų pr. 4756,36 1986 22622960,45 9446130,96

Kuršių 5202,25 1986 27063405,06 10331668,5

Šarkuvos 5500,42 1988 30254620,18 10934835

Rasytės 4003,12 1987 16024969,73 7954199,44
1. SUMA (SUM) 48232,74 19871 235016460,74 95846592,8
2.VIDURKIS (AVERAGE) 4823,27 1987,1
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A -437291,273
5. PAKILIMO SANTYKIS (SLOPE). B 222,492349
6. X = 1987,1
7. Y (FORECAST)= 974,156362
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,55707976
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,54479556
12. RYŠIO GLAUDIMO RODIKLIS 0,68293349
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ tiesioginė

5.5 grafikas

5.5 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Apdailos kokybė
(balais) Kintamieji

y x5 y2 yx5
Šilainiai Baltų pr. 4285,71 2 18367310,20 8571,42

Baltų pr. 5320,6 3 28308784,36 15961,8

Rasytės 4862,48 2 23643711,75 9724,96

Baltų pr. 4166,67 1 17361138,89 4166,67

Šarkuvos 5135,13 3 26369560,12 15405,39

Baltų pr. 5000 2 25000000,00 10000

Baltų pr. 4756,36 2 22622960,45 9512,72

Kuršių 5202,25 3 27063405,06 15606,75

Šarkuvos 5500,42 3 30254620,18 16501,26

Rasytės 4003,12 1 16024969,73 4003,12
1. SUMA (SUM) 48232,74 3 235016460,74 109454,09
2.VIDURKIS (AVERAGE) 4823,27 3
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 3510,32107
5. PAKILIMO SANTYKIS (SLOPE). B 596,796786
6. X = 3
7. Y (FORECAST)= 4882,95368
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,9160721
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 2,45138085
12. RYŠIO GLAUDIMO RODIKLIS 1,08372274
13. RYŠIO STIPRUMO CHARAKTERISTIKA stipri
14. PRIKLAUSOMYBĖ tiesioginė

5.6 grafikas

5.6 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Triukšmo lygis (balais) Kintamieji

y x6 y2 yx6
Šilainiai Baltų pr. 4285,71 2 18367310,20 8571,42

Baltų pr. 5320,6 1 28308784,36 5320,6

Rasytės 4862,48 2 23643711,75 9724,96

Baltų pr. 4166,67 2 17361138,89 8333,34

Šarkuvos 5135,13 1 26369560,12 5135,13

Baltų pr. 5000 2 25000000,00 10000

Baltų pr. 4756,36 2 22622960,45 9512,72

Kuršių 5202,25 1 27063405,06 5202,25

Šarkuvos 5500,42 1 30254620,18 5500,42

Rasytės 4003,12 3 16024969,73 12009,36
1. SUMA (SUM) 48232,74 17 235016460,74 79310,2
2.VIDURKIS (AVERAGE) 4823,27 1,7
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 5936,75659
5. PAKILIMO SANTYKIS (SLOPE). B -654,989756
6. X = 1,7
7. Y (FORECAST)= 4692,27605
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,86027163
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,31793846
12. RYŠIO GLAUDIMO RODIKLIS -1,02472964
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ atvirkštinė

6.1 grafikas

6.1 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Bendras
plotas, m2 Kintamieji

y x1 y2 yx1
Dainava M. Riomerio 4520,16 39 20431846,43 176286,24

Partizanų 4295,11 38 18447969,91 163214,18

Kovo 11 3985,85 35 15887000,22 139504,75

Partizanų 4326,05 48 18714708,60 207650,4

Baranausko 3950,4 40 15605660,16 158016

Krėvės 3105,75 37 9645683,06 114912,75

M. Riomerio 4902 45 24029604,00 220590

M. Riomerio 4609,05 43 21243341,90 198189,15

Krėvės 4400,79 42 19366952,62 184833,18

Taikos pr. 4689 41 21986721,00 192249

Taikos pr. 5020,79 41 25208332,22 205852,39
1. SUMA (SUM) 47804,95 449 210567820,14 1961298,04
2.VIDURKIS (AVERAGE) 4345,90 40,81818182
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 1340,46373
5. PAKILIMO SANTYKIS (SLOPE). B 73,6299531
6. X = 40,8184
7. Y (FORECAST)= 5770,97882
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,51136321
9. PARDAVIMŲ SKAIČIUS N 11
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,228
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,5116391
12. RYŠIO GLAUDIMO RODIKLIS 0,67847356
13. RYŠIO STIPRUMO CHARAKTERISTIKA vidutiniška
14. PRIKLAUSOMYBĖ Atvirkštinė

6.2 grafikas

6.2 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Aukštas Kintamieji

y x2 y2 yx2
Dainava M. Riomerio 4520,16 1 20431846,43 4520,16

Partizanų 4295,11 2 18447969,91 8590,22

Kovo 11 3985,85 2 15887000,22 7971,7

Partizanų 4326,05 1 18714708,60 4326,05

Baranausko 3950,4 2 15605660,16 7900,8

Krėvės 3105,75 2 9645683,06 6211,5

M. Riomerio 4902 1 24029604,00 4902

M. Riomerio 4609,05 1 21243341,90 4609,05

Krėvės 4400,79 2 19366952,62 8801,58

Taikos pr. 4689 1 21986721,00 4689

Taikos pr. 5020,79 1 25208332,22 5020,79
1. SUMA (SUM) 47804,95 16 210567820,14 67542,85
2.VIDURKIS (AVERAGE) 4345,90 1,454545455
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 5408,10333
5. PAKILIMO SANTYKIS (SLOPE). B -730,261667
6. X = 1,454545
7. Y (FORECAST)= 4213,1297
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,71916688
9. PARDAVIMŲ SKAIČIUS N 11
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,228
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,09459115
12. RYŠIO GLAUDIMO RODIKLIS -0,9401217
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ Atvirkštinė

6.3 grafikas

6.3 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Namo aukštų
skaičius Kintamieji

y x3 y2 yx3
Dainava M. Riomerio 4520,16 1 20431846,43 4520,16

Partizanų 4295,11 1 18447969,91 4295,11

Kovo 11 3985,85 2 15887000,22 7971,7

Partizanų 4326,05 2 18714708,60 8652,1

Baranausko 3950,4 2 15605660,16 7900,8

Krėvės 3105,75 3 9645683,06 9317,25

M. Riomerio 4902 1 24029604,00 4902

M. Riomerio 4609,05 1 21243341,90 4609,05

Krėvės 4400,79 1 19366952,62 4400,79

Taikos pr. 4689 1 21986721,00 4689

Taikos pr. 5020,79 1 25208332,22 5020,79
1. SUMA (SUM) 47804,95 16 210567820,14 66278,75
2.VIDURKIS (AVERAGE) 4345,90 1,454545455
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 5347,66538
5. PAKILIMO SANTYKIS (SLOPE). B -688,710577
6. X = 1,454545
7. Y (FORECAST)= 4596,34476
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,89295376
9. PARDAVIMŲ SKAIČIUS N 11
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,228
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,55744101
12. RYŠIO GLAUDIMO RODIKLIS -1,14786401
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ tiesioginė

6.4 grafikas

6.4 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Statybos metai Kintamieji

y x4 y2 yx4
Dainava M. Riomerio 4520,16 1983 20431846,43 8963477,28

Partizanų 4295,11 1982 18447969,91 8512908,02

Kovo 11 3985,85 1980 15887000,22 7891983

Partizanų 4326,05 1981 18714708,60 8569905,05

Baranausko 3950,4 1979 15605660,16 7817841,6

Krėvės 3105,75 1967 9645683,06 6109010,25

M. Riomerio 4902 1980 24029604,00 9705960

M. Riomerio 4609,05 1974 21243341,90 9098264,7

Krėvės 4400,79 1972 19366952,62 8678357,88

Taikos pr. 4689 1983 21986721,00 9298287

Taikos pr. 5020,79 1983 25208332,22 9956226,57
1. SUMA (SUM) 47804,95 21764 210567820,14 94602221,4
2.VIDURKIS (AVERAGE) 4345,90 1978,545455
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A -123106,399
5. PAKILIMO SANTYKIS (SLOPE). B 64,4171722
6. X = 1978,54545
7. Y (FORECAST)= 2852,59735
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,64132516
9. PARDAVIMŲ SKAIČIUS N 11
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,228
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,87949876
12. RYŠIO GLAUDIMO RODIKLIS 0,84358113
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ atvirkštinė

6.5 grafikas

6.5 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Apdailos kokybė
(balais) Kintamieji

y x5 y2 yx5
Dainava M. Riomerio 4520,16 3 20431846,43 13560,48

Partizanų 4295,11 1 18447969,91 4295,11

Kovo 11 3985,85 2 15887000,22 7971,7

Partizanų 4326,05 2 18714708,60 8652,1

Baranausko 3950,4 2 15605660,16 7900,8

Krėvės 3105,75 1 9645683,06 3105,75

M. Riomerio 4902 2 24029604,00 9804

M. Riomerio 4609,05 3 21243341,90 13827,15

Krėvės 4400,79 3 19366952,62 13202,37

Taikos pr. 4689 2 21986721,00 9378

Taikos pr. 5020,79 3 25208332,22 15062,37
1. SUMA (SUM) 47804,95 24 210567820,14 106759,83
2.VIDURKIS (AVERAGE) 4345,90 2,181818182
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 3394,37387
5. PAKILIMO SANTYKIS (SLOPE). B 436,118226
6. X = 2,181818
7. Y (FORECAST)= 4504,49299
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,61743412
9. PARDAVIMŲ SKAIČIUS N 11
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,228
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,81264768
12. RYŠIO GLAUDIMO RODIKLIS 0,81357616
13. RYŠIO STIPRUMO CHARAKTERISTIKA stipri
14. PRIKLAUSOMYBĖ tiesioginė

6.6 grafikas

6.6 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Triukšmo lygis
(balais) Kintamieji

y x6 y2 yx6
Dainava M. Riomerio 4520,16 1 20431846,43 4520,16

Partizanų 4295,11 1 18447969,91 4295,11

Kovo 11 3985,85 2 15887000,22 7971,7

Partizanų 4326,05 2 18714708,60 8652,1

Baranausko 3950,4 1 15605660,16 3950,4

Krėvės 3105,75 3 9645683,06 9317,25

M. Riomerio 4902 1 24029604,00 4902

M. Riomerio 4609,05 1 21243341,90 4609,05

Krėvės 4400,79 2 19366952,62 8801,58

Taikos pr. 4689 1 21986721,00 4689

Taikos pr. 5020,79 1 25208332,22 5020,79
1. SUMA (SUM) 47804,95 16 210567820,14 66729,14
2.VIDURKIS (AVERAGE) 4345,90 1,454545455
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 5209,08385
5. PAKILIMO SANTYKIS (SLOPE). B -593,435769
6. X = 1,4545
7. Y (FORECAST)= 4238,00713
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,76942437
9. PARDAVIMŲ SKAIČIUS N 11
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,228
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,23106349
12. RYŠIO GLAUDIMO RODIKLIS -1,001375
13. RYŠIO STIPRUMO CHARAKTERISTIKA vidutiniška
14. PRIKLAUSOMYBĖ tiesioginė

7.1 grafikas

7.1 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Bendras
plotas, m2 Kintamieji

y x1 y2 yx1
Eiguliai Sukilėlių 4023,04 37 16184850,84 148852,48

Ašigalio 3650,14 35 13323522,02 127754,9

Ukmergės 4603 38 21187609,00 174914

Ukmergės 4300 34 18490000,00 146200

Šiaurės pr. 3982,17 33 15857677,91 131411,61

Šiaurės pr. 3602,12 30 12975268,49 108063,6

Ašigalio 3200,5 28 10243200,25 89614
1. SUMA (SUM) 27360,97 235 108262128,51 926810,59
2.VIDURKIS (AVERAGE) 3908,71 33,57142857
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 338,895846
5. PAKILIMO SANTYKIS (SLOPE). B 106,33489
6. X = 33,571429
7. Y (FORECAST)= 5215,11007
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,81713362
9. PARDAVIMŲ SKAIČIUS N 7
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,447
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,700795
12. RYŠIO GLAUDIMO RODIKLIS 0,69505313
13. RYŠIO STIPRUMO CHARAKTERISTIKA pastebima
14. PRIKLAUSOMYBĖ atvirkštinė

7.2 grafikas

7.2 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Aukštas Kintamieji

y x2 y2 yx2
Eiguliai Sukilėlių 4023,04 1 16184850,84 4023,04

Ašigalio 3650,14 2 13323522,02 7300,28

Ukmergės 4603 1 21187609,00 4603

Ukmergės 4300 2 18490000,00 8600

Šiaurės pr. 3982,17 1 15857677,91 3982,17

Šiaurės pr. 3602,12 2 12975268,49 7204,24

Ašigalio 3200,5 3 10243200,25 9601,5
1. SUMA (SUM) 27360,97 12 108262128,51 45314,23
2.VIDURKIS (AVERAGE) 3908,71 1,714285714
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 4703,855
5. PAKILIMO SANTYKIS (SLOPE). B -463,834583
6. X = 1,7143
7. Y (FORECAST)= 3577,39958
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,74866338
9. PARDAVIMŲ SKAIČIUS N 7
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,447
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -1,57744336
12. RYŠIO GLAUDIMO RODIKLIS -0,64464379
13. RYŠIO STIPRUMO CHARAKTERISTIKA pastebima
14. PRIKLAUSOMYBĖ tiesioginė

7.3 grafikas

7.3 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Namo aukštų
skaičius Kintamieji

y x3 y2 yx3
Eiguliai Sukilėlių 4023,04 1 16184850,84 4023,04

Ašigalio 3650,14 2 13323522,02 7300,28

Ukmergės 4603 1 21187609,00 4603

Ukmergės 4300 1 18490000,00 4300

Šiaurės pr. 3982,17 1 15857677,91 3982,17

Šiaurės pr. 3602,12 1 12975268,49 3602,12

Ašigalio 3200,5 3 10243200,25 9601,5
1. SUMA (SUM) 27360,97 10 108262128,51 37412,11
2.VIDURKIS (AVERAGE) 3908,71 1,428571429
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 4552,93692
5. PAKILIMO SANTYKIS (SLOPE). B -450,958846
6. X = 1,14285714
7. Y (FORECAST)= 4037,55538
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,75760255
9. PARDAVIMŲ SKAIČIUS N 7
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,447
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -1,59385576
12. RYŠIO GLAUDIMO RODIKLIS -0,65135094
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ atvirkštinė

7.4 grafikas

7.4 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Statybos metai Kintamieji

y x4 y2 yx4
Eiguliai Sukilėlių 4023,04 1982 16184850,84 7973665,28

Ašigalio 3650,14 1979 13323522,02 7223627,06

Ukmergės 4603 1985 21187609,00 9136955

Ukmergės 4300 1984 18490000,00 8531200

Šiaurės pr. 3982,17 1975 15857677,91 7864785,75

Šiaurės pr. 3602,12 1978 12975268,49 7124993,36

Ašigalio 3200,5 1975 10243200,25 6320987,5
1. SUMA (SUM) 27360,97 13858 108262128,51 54176214
2.VIDURKIS (AVERAGE) 3908,71 1979,714286
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A -181477,282
5. PAKILIMO SANTYKIS (SLOPE). B 93,6428017
6. X = 1979,7142
7. Y (FORECAST)= 4310,03629
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,81394838
9. PARDAVIMŲ SKAIČIUS N 7
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,447
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,69518073
12. RYŠIO GLAUDIMO RODIKLIS 0,69275878
13. RYŠIO STIPRUMO CHARAKTERISTIKA vidutiniška
14. PRIKLAUSOMYBĖ tiesioginė

7.5 grafikas

7.5 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Apdailos
kokybė
(balais) Kintamieji

y x5 y2 yx5
Eiguliai Sukilėlių 4023,04 2 16184850,84 8046,08

Ašigalio 3650,14 1 13323522,02 3650,14

Ukmergės 4603 3 21187609,00 13809

Ukmergės 4300 3 18490000,00 12900

Šiaurės pr. 3982,17 2 15857677,91 7964,34

Šiaurės pr. 3602,12 1 12975268,49 3602,12

Ašigalio 3200,5 1 10243200,25 3200,5
1. SUMA (SUM) 27360,97 13 108262128,51 53172,18
2.VIDURKIS (AVERAGE) 3908,71 1,857142857
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 3006,75853
5. PAKILIMO SANTYKIS (SLOPE). B 485,666176
6. X = 1,85714286
7. Y (FORECAST)= 4394,37618
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,93302904
9. PARDAVIMŲ SKAIČIUS N 7
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,447
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,89601437
12. RYŠIO GLAUDIMO RODIKLIS 0,77483219
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ tiesioginė

7.6 grafikas

7.6 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Triukšmo lygis

(balais) Kintamieji

y x6 y2 yx6
Eiguliai Sukilėlių 4023,04 2 16184850,84 8046,08

Ašigalio 3650,14 3 13323522,02 10950,42

Ukmergės 4603 1 21187609,00 4603

Ukmergės 4300 1 18490000,00 4300

Šiaurės pr. 3982,17 2 15857677,91 7964,34

Šiaurės pr. 3602,12 2 12975268,49 7204,24

Ašigalio 3200,5 3 10243200,25 9601,5
1. SUMA (SUM) 27360,97 14 108262128,51 52669,58
2.VIDURKIS (AVERAGE) 3908,71 2
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 4934,89
5. PAKILIMO SANTYKIS (SLOPE). B -513,09
6. X = 2
7. Y (FORECAST)= 3908,71
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,89452073
9. PARDAVIMŲ SKAIČIUS N 7
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,447
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -1,83318546
12. RYŠIO GLAUDIMO RODIKLIS -0,7491563
13. RYŠIO STIPRUMO CHARAKTERISTIKA vidutiniška
14. PRIKLAUSOMYBĖ tiesioginė

8.1 grafikas

8.1 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Bendras
plotas, m2 Kintamieji

y x1 y2 yx1
Vilijampolė Raudondvario 3622,72 38 13124100,20 137663,36

Raudondvario 3905,12 36 15249962,21 140584,32

Varnių 4206 41 17690436,00 172446

Varnių 3614,5 35 13064610,25 126507,5

Demokratų 5600,05 37,2 31360560,00 208321,86

Demokratų 3600 34 12960000,00 122400

Raudondvario 4800,37 40 23043552,14 192014,8

Inkaro 5893,17 32 34729452,65 188581,44

Inkaro 5000 35 25000000,00 175000

Inkaro 5103,78 37 26048570,29 188839,86
1. SUMA (SUM) 45345,71 365,2 212271243,74 1652359,14
2.VIDURKIS (AVERAGE) 4534,57 36,52
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 6540,82294
5. PAKILIMO SANTYKIS (SLOPE). B -54,9357049
6. X = 36,52
7. Y (FORECAST)= 4167,32581
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,17405739
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -0,49137558
12. RYŠIO GLAUDIMO RODIKLIS -0,21723059
13. RYŠIO STIPRUMO CHARAKTERISTIKA vidutiniška
14. PRIKLAUSOMYBĖ tiesioginė

8.2 grafikas

8.2 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Aukštas Kintamieji

y x2 y2 yx2
Vilijampolė Raudondvario 3622,72 2 13124100,20 7245,44

Raudondvario 3905,12 2 15249962,21 7810,24

Varnių 4206 1 17690436,00 4206

Varnių 3614,5 2 13064610,25 7229

Demokratų 5600,05 1 31360560,00 5600,05

Demokratų 3600 3 12960000,00 10800

Raudondvario 4800,37 2 23043552,14 9600,74

Inkaro 5893,17 1 34729452,65 5893,17

Inkaro 5000 2 25000000,00 10000

Inkaro 5103,78 1 26048570,29 5103,78
1. SUMA (SUM) 45345,71 17 212271243,74 73488,42
2.VIDURKIS (AVERAGE) 4534,57 1,7
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 6026,95829
5. PAKILIMO SANTYKIS (SLOPE). B -877,874878
6. X = 1,7
7. Y (FORECAST)= 4973,50844
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,6894174
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -1,89115419
12. RYŠIO GLAUDIMO RODIKLIS -0,83605402
13. RYŠIO STIPRUMO CHARAKTERISTIKA pastebima
14. PRIKLAUSOMYBĖ tiesioginė

8.3 grafikas

8.3 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Namo aukštų
skaičius Kintamieji

y x3 y2 yx3
Vilijampolė Raudondvario 3622,72 3 13124100,20 10868,16

Raudondvario 3905,12 1 15249962,21 3905,12

Varnių 4206 1 17690436,00 4206

Varnių 3614,5 1 13064610,25 3614,5

Demokratų 5600,05 1 31360560,00 5600,05

Demokratų 3600 3 12960000,00 10800

Raudondvario 4800,37 1 23043552,14 4800,37

Inkaro 5893,17 1 34729452,65 5893,17

Inkaro 5000 1 25000000,00 5000

Inkaro 5103,78 1 26048570,29 5103,78
1. SUMA (SUM) 45345,71 14 212271243,74 59791,15
2.VIDURKIS (AVERAGE) 4534,57 1,4
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 5342,38063
5. PAKILIMO SANTYKIS (SLOPE). B -577,006875
6. X = 1,4
7. Y (FORECAST)= 4649,97238
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,56614629
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -1,56889733
12. RYŠIO GLAUDIMO RODIKLIS -0,69358856
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ atvirkštinė

8.4 grafikas

8.4 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Statybos metai Kintamieji

y x4 y2 yx4
Vilijampolė Raudondvario 3622,72 1983 13124100,20 7183853,76

Raudondvario 3905,12 1985 15249962,21 7751663,2

Varnių 4206 1989 17690436,00 8365734

Varnių 3614,5 1987 13064610,25 7182011,5

Demokratų 5600,05 1991 31360560,00 11149699,6

Demokratų 3600 1987 12960000,00 7153200

Raudondvario 4800,37 1979 23043552,14 9499932,23

Inkaro 5893,17 1991 34729452,65 11733301,5

Inkaro 5000 1990 25000000,00 9950000

Inkaro 5103,78 1990 26048570,29 10156522,2
1. SUMA (SUM) 45345,71 19872 212271243,74 90125917,9
2.VIDURKIS (AVERAGE) 4534,57 1987,2
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A -210981,284
5. PAKILIMO SANTYKIS (SLOPE). B 108,45202
6. X = 1987,2
7. Y (FORECAST)= 2994,55231
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,49340614
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 1,37416493
12. RYŠIO GLAUDIMO RODIKLIS 0,60749997
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ atvirkštinė

8.5 grafikas

8.5 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Apdailos kokybė
(balais) Kintamieji

y x5 y2 yx5
Vilijampolė Raudondvario 3622,72 1 13124100,20 3622,72

Raudondvario 3905,12 2 15249962,21 7810,24

Varnių 4206 2 17690436,00 8412

Varnių 3614,5 1 13064610,25 3614,5

Demokratų 5600,05 3 31360560,00 16800,15

Demokratų 3600 1 12960000,00 3600

Raudondvario 4800,37 2 23043552,14 9600,74

Inkaro 5893,17 3 34729452,65 17679,51

Inkaro 5000 3 25000000,00 15000

Inkaro 5103,78 3 26048570,29 15311,34
1. SUMA (SUM) 45345,71 21 212271243,74 101451,2
2.VIDURKIS (AVERAGE) 4534,57 2,1
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 2639,94217
5. PAKILIMO SANTYKIS (SLOPE). B 902,204203
6. X = 2,1
7. Y (FORECAST)= 4444,35058
8. KORELIACIJOS KOEFICIENTAS (COREL) 0,91915146
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) 2,45865036
12. RYŠIO GLAUDIMO RODIKLIS 1,0869365
13. RYŠIO STIPRUMO CHARAKTERISTIKA labai stipri
14. PRIKLAUSOMYBĖ tiesioginė

8.6 grafikas

8.6 lentelė
Miesto rajono
pavadinimas Gatvės
pavadinimas 1 m2
kaina
Lt Triukšmo lygis

(balais) Kintamieji

y x6 y2 yx6
Vilijampolė Raudondvario 3622,72 3 13124100,20 10868,16

Raudondvario 3905,12 3 15249962,21 11715,36

Varnių 4206 2 17690436,00 8412

Varnių 3614,5 3 13064610,25 10843,5

Demokratų 5600,05 1 31360560,00 5600,05

Demokratų 3600 2 12960000,00 7200

Raudondvario 4800,37 2 23043552,14 9600,74

Inkaro 5893,17 1 34729452,65 5893,17

Inkaro 5000 1 25000000,00 5000

Inkaro 5103,78 1 26048570,29 5103,78
1. SUMA (SUM) 45345,71 19 212271243,74 80236,76
2.VIDURKIS (AVERAGE) 4534,57 1,9
3. REGRESIJOS TIESĖ y=bx+a
4.TIESĖS PADĖTIS (INTERCEPT). A 6164,74043
5. PAKILIMO SANTYKIS (SLOPE). B -857,983913
6. X = 1,9
7. Y (FORECAST)= 4706,16778
8. KORELIACIJOS KOEFICIENTAS (COREL) -0,87410052
9. PARDAVIMŲ SKAIČIUS N 10
10. STJUDENTO PASISKIRSTYMAS (IS LENT) 2,262
11. REIKŠMINGUMO RODIKLIS, (T STATIS) -2,35130575
12. RYŠIO GLAUDIMO RODIKLIS -1,03948088
13. RYŠIO STIPRUMO CHARAKTERISTIKA silpna
14. PRIKLAUSOMYBĖ tiesioginė

Kuomet yra tiriama rezultato priklausomybė nuo keleto veiksnių, tada statistinis modelis gali buti išreikštas regresijos palyginimu su keliomis kintamomis reikšmėmis. Tokia regresija vadinama daugybine bei turi tokią išraišką:
y= a0 + a1*x1 + a2*x2 + a3*x3 +.+ an*xn
Matematinių funkcijų parametrai apskaičiuojami EXEL paketu, naudojant LINEST funkciją. Tuomet daugybinė tiesinė regresija turės tokią išraišką:
1. KALNIEČIŲ RAJONAS
LINEST – pirmas narys, CTRL+SHIFT+ENTER – likę nariai.
-37,8969 -347,272 79654,63
31,33118 148,3252 61886,41
0,489906 344,14 #N/A
4,321902 9 #N/A
1023706 1065891 #N/A

y = 79654,63 -347,272*x2 -37,8969*x4
(čia: x1 – aukštas,kuriameyra butas; x5 – statybosmetai).

2. ŠILAINIŲ RAJONAS
LINEST – pirmas narys, CTRL+SHIFT+ENTER – likę nariai.
593,9209 13,42086 2987,866
96,65962 23,54253 943,5281
0,846323 228,4266 #N/A
19,27499 7 #N/A
2011489 365251,1 #N/A

y = 2987,866+ 13,42086*x1 +593,9209*x5
(čia: x1 – bendras plotas, m2; x5 – apdailos kokybė, balais).

3. DAINAVOS RAJONAS
LINEST – pirmas narys, CTRL+SHIFT+ENTER – likę nariai.
247,4384 -557,055 4616,301
178,3642 256,4147 666,5827
0,610823 369,8639 #N/A
6,278091 8 #N/A
1717676 1094394 #N/A

y = 4616,301-557,055*x2 +247,4384*x5
(čia: x2 – triukšmo lygis, balais ;x5 – apdailos kokybė, balais).

4. EIGULIŲ RAJONAS
LINEST – pirmas narys, CTRL+SHIFT+ENTER – likę nariai.
-155,402 357,6883 3555,235
233,0272 211,4688 842,0903
0,883496 195,782 #N/A
15,16685 4 #N/A
1162709 153322,4 #N/A

y = 3555,235+ 357,6883*x5 -155,402*x6
(čia x5 – apdailos kokybė, balais; x6- Triukšmolygis,balais). –

5.VILIJAMPOLĖS RAJONAS
LINEST – pirmas narys, CTRL+SHIFT+ENTER – likę nariai.
894,1849 -23,8504 3527,799
144,3002 46,39931 1757,384
0,850483 376,8239 #N/A
19,90872 7 #N/A
5653928 993974 #N/A

y = 3527,799-23,8504*x1 +894,1849*x2
(čia: x1 – bendras plotas, m2; čia x5 – apdailos kokybė, balais).

4. IŠVADOS

1. Butai per pirmuosius tris šių metų mėnesius pabrango vidutiniškai 7 procentais, o kai kur – iki 10-15 proc.
2. Atlikta 2 kambarių nenaujos statybos butų (esančių blokiniuose namuose) pardavimo kainų Kaune matematinė statistinė analizė.
3. Tiriamasis objektas – Kauno mieto Kalniečių, Šilainių, Eigulių, Vilijampolės, Dainavos rajonai.
4. Apskaičiavus 2 kambarių butų pardavimo kainų aritmetinius vidurkius, nustatyta, kad didžiausią vidutinę reikšmę turi Šilainių (4823,274 Lt/m2), mažiausią – Kalniečių (3800,06 Lt/m2) rajonas.
5. Esant 95% tikimybei Šilainių raj. 1 m2 dviejų kambarių buto kaina kinta nuo 4474,55 Lt/m2 iki 5171,99 Lt/m2 (tokia kaina lemia butai tinkami komercinei veiklai,gerassusisiekimas). Tuo tarpu Kalniečių raj. kaina kinta nuo 3771,13 Lt/m2 iki 4217,9 Lt/m2 (tokią kaina lemia aplinkinė teritorija, triukšmolygis).
6. Ištirta, kad glaudžiausiai pardavimo kainos pasiskirsčiusios apie aritmetinį vidurkį yra Kalniečių raj. Šiame rajone yra pats mažiausias standartinis nukrypimas ± 351,59 Lt/m2, o labiausiai nepatikima kaina yra Vilijampolės rajone ± 815,35 Lt/m2.
7. Matematinės statistikos pagalba įvertinti nekilnojamo turto vertę lemiantys kiekybiniai (1 m2 pardavimo kaina; bendras buto plotas; statybos metai) bei kokybiniai (aukštas, kuriame yra butas; namo aukštų skaičius; apdailos kokybė; triukšmo lygis) veiksniai.
8. Tiriant įvairių veiksnių įtaką butų pardavimo kainoms, nustatyta, kad mažesnės kainos yra tų butų, kurie yra: 5 ir 1 aukštuose; buvusių bendrabučių teritorijose; miesto pakraštyje; senesnės statybos; be apdailos; arti didelių transporto srautų. Didesnė kaina tų butų, kurie yra: 2,3,4 aukštuose, arti upės, parko, bažnyčios; su plastikiniais langais ir šarvo durimis; tinkami komercijai; arti centro; ramioje vietoje; su renovuotu stogu, fasadu bei šilumos tinklais bei koduojamomis laiptinėmis.
9. Taikant kompiuterinę EXEL programą, pagal veiksnių priklausomybes, atlikta regresinė bei koreliacinė analizės.

5. LITERATŪRA

1. Nekilnojamojo turto agentūra: www.aruodas.lt [žiūrėta 2007.10.04].
2. Nekilnojamojo turto agentūra: www.inreal.lt [žiūrėta 2007.10.07].
3. Nekilnojamojo turto agentūra: www.ober-haus.lt [žiūrėta 2007.10.09].
4. Nekilnojamojo turto agentūra:www.kapitalas.com [žiūrėta 2007.10.30].

Leave a Comment