Обзор · 2015–2025 гг. · РФ

Доступность жилья: индексы, цены, ставки

Платформа рассчитывает ценовую доступность (PTI), платёжную нагрузку по ипотеке (Burden) и индекс доступности (HAI) на основе официальных квартальных рядов по России. В один клик переключается режим:
номинальные значения / реальные значения (с учётом индекса потребительских цен).

PTI и платёжная нагрузка

PTI — сколько лет дохода нужно на типовую квартиру; Burden — доля дохода, идущая на ежемесячный ипотечный платёж.

2020 — COVID-шок 2022 — санкционный шок

Цены, доходы и ставки

Динамика средней цены 1 м², доходов работников и средней ставки по ипотеке.

Все графики на этом экране строятся из одного и того же набора квартальных данных за 2015–2025 гг. Подробная таблица и указание источников показаны на вкладке «Данные».

Конструктор индексов

Настройка параметров ипотеки и индексов доступности

Здесь можно задать параметры типовой ипотечной сделки и посмотреть, как меняются PTI, платёжная нагрузка (Burden) и HAI во времени. Индексы пересчитываются по всей истории автоматически.

Параметры типовой сделки

Используются для расчёта аннуитетного платежа и индексов доступности.

Только фронтенд · демонстрационный режим

Площадь квартиры, м²: 50

LTV (доля кредита): 80 %

Срок кредита, лет: 20

Допустимая доля платежа, α: 30 %

Формулы расчёта:
PTI = (Цена · Площадь) / (Доход · 12)
Кредит = Цена · Площадь · LTV
Платёж = Кредит · [ i(1+i)ⁿ / ((1+i)ⁿ − 1) ], Burden = Платёж / Доход
HAI = (Доход / (Платёж/α)) · 100

Текущий квартал

Индексы доступности для последнего квартала в ряду (2015–2025 гг.).

Эти показатели синхронизированы с параметрами сделки и автоматически пересчитываются при изменении ползунков.

PTI во времени

Сколько лет дохода нужно на квартиру с заданными параметрами.

Платёжная нагрузка и HAI

Доля дохода на платёж (Burden) и индекс доступности (HAI).

Корреляционный анализ

Доходы, цены, ставки и индексы: как связаны?

Этот экран показывает матрицу корреляций и диаграмму рассеяния. Это «мост» между визуальным анализом и эконометрической моделью.

Матрица корреляций (номинал)

Пирсоновские коэффициенты между логарифмами цены, дохода, индексов и ставкой по ипотеке.

Чем ближе коэффициент к ±1, тем сильнее линейная связь. Знак показывает направление: плюс — связь «вместе растут», минус — движутся в разные стороны.

Диаграмма: ставка vs Burden

Как изменение средней ставки по ипотеке связано с платёжной нагрузкой домохозяйств.

Эконометрическая модель

Лог-линейная модель платёжной доступности

Базовая витринная модель оценивает логарифм платёжной нагрузки ln(Burden) как функцию ипотечной ставки, логарифма цены 1 м² и логарифма дохода населения.

Спецификация модели

Модель в уровнях с логарифмами переменных. Регрессия оценивается методом наименьших квадратов (OLS).

ln(Burden_t) = β₀ + β₁ · Rate^mort_t + β₂ · ln(Price_t) + β₃ · ln(Income_t) + u_t,
где Rate^mort — средняя ставка по ипотеке, Price — средняя цена 1 м², Income — среднемесячный доход наёмного работника.

В расширенной версии можно добавить лаги (инерционность реакции домохозяйств) и фиктивные переменные для 2020 и 2022 годов.

Оценки коэффициентов (OLS)

Модель оценивается на всём периоде 2015–2025 гг.

Фактические и модельные значения ln(Burden)

Визуальное совпадение фактического ряда с оценённой моделью.

Диагностика модели

Паспорт модели и устойчивость результатов

Этот экран даёт быстрое ощущение качества модели: объясняемость, остатки, автокорреляция. В полном варианте сюда добавляются тесты Breusch–Pagan, Jarque–Bera, VIF и др.

Ключевые показатели качества

R², скорректированный R² и число наблюдений.

Автокорреляция остатков

Простейший ориентир — статистика Durbin–Watson.

Краткая интерпретация

Как «читается» паспорт модели.

Остатки модели ln(Burden)

Динамика ошибок модели во времени.

Сценарный симулятор

Что будет с доступностью при шоке ставок, доходов и цен?

Сценарный модуль меняет ставку, доходы и цены на последний квартал и пересчитывает индексы. Это демонстрация того, как модель может использоваться для оценки последствий мер политики или рыночных шоков.

Сценарные шоки (последний квартал)

Задайте изменения относительно базовых значений.

Изменение ипотечной ставки, п.п.: 0.0

Изменение доходов, %: 0

Изменение цен на жильё, %: 0

Важно: это исследовательский инструмент. Сильные шоки выходят за пределы наблюдавшихся данных и должны интерпретироваться осторожно.

Результаты сценария

Сравнение базового и сценарного уровней индексов.

Данные и воспроизводимость

Квартальные ряды 2015–2025 гг. и методика расчёта

Все графики и модели строятся на основе единого квартального набора данных: средняя цена 1 м², среднемесячный доход наёмных работников, ключевая ставка Банка России, средняя ставка по ипотеке и индекс потребительских цен.

Индекс потребительских цен (ИПЦ, CPI) приведён в виде индекса (2015 г. = 100). Реальные величины Price^real и Income^real получаются делением номиналов на CPI/100. Переключатель «Номинальный / Реальный» на вкладках «Обзор» и «Индексы» меняет режим представления без изменения исходного ряда.

Источники: Росстат (средняя цена 1 м² на первичном рынке жилья, среднемесячная начисленная заработная плата), Банк России (ключевая ставка, средневзвешенная ставка по ипотечным кредитам), Дом.рф (оценки по ипотеке). Ставка по ипотеке за 2021–2025 гг. — квартальные средние по ряду «Новостройка, средневзвешенная ставка» (недельные данные).