Факторы формирования стоимости индивидуальных жилых домов в Санкт-Петербургской агломерации в условиях смены макроэкономической парадигмы в 2019–2024 гг

       Выпуск 2(85),  2026   

 DOI: 10.52897/2411-4588-2026-2-107-119                   (скачать полный текст статьи)

 

Авторы:

Тимофеев Ян Павлович *, Станислав Сергеевич Лачининский*,**

*Санкт-Петербургский государственный университет
Санкт-Петербург, Россия
**Институт проблем региональной экономики РАН,
Санкт-Петербург, Россия

Аннотация

Предложена количественная оценка влияния макроэкономических факторов на динамику цен индивидуального жилищного строительства (ИЖС) в Санкт-Петербурге и Ленинградской области в период структурной трансформации российской экономики (2019–2024 гг.), обусловленной санкционными ограничениями и макроэкономической волатильностью. Цель исследования – проверка гипотезы о трансформации механизмов ценообразования на рынке ИЖС в условиях макроэкономической неопределенности. Эмпирическую базу составили ежемесячные данные (n = 72) о средних ценах на жилые дома в Санкт-Петербурге и Ленинградской области, а также семь макроэкономических показателей. Методика исследования включала проведение корреляционного анализа Пирсона, построение множественной линейной регрессии с диагностикой мультиколлинеарности и идентификацию структурных сдвигов (тест Чоу). Результаты подтвердили гипотезу о гетерогенности агломерационного рынка, проявляющейся в различной роли предикторов на рынках Санкт-Петербурга и Ленинградской области и в более высокой волатильности в Санкт-Петербурге. Имеет место структурный сдвиг после 2022г., выразившийся в ослаблении связи между рынком ИЖС и квартирным рынком, утрате роли нефтяных цен и усилении значимости валютных курсов и золота как индикаторов макроэкономических шоков.

Ключевые слова: рынок недвижимости, санкции, макроэкономические факторы, ценообразование, корреляции, тест Чоу, DSGE-модели.
Для цитирования: Тимофеев Я. П., Лачининский С. С. Факторы формирования стоимости индивидуальных жилых домов в Санкт-Петербургской агломерации в условиях смены макроэкономической парадигмы в 2019–2024 гг. // Экономика Северо-Запада: проблемы и перспективы развития. 2026. № 2 (85). С. 107–119. DOI: 10/52897/2411-4588-2026-2-107-119.
 
Сведения о финансировнии
Исследование выполнено при финансовой поддержке проекта СПбГУ № 116814048 / GZ_F_2025 «Разработка адаптационных стратегий поведения экономических агентов в условиях антироссийских экономических санкций»

Литература

  1. Идеальный тип жилья глазами россиян: аналит. отчет / ДОМ.РФ, ВЦИОМ. М., 2020. 4 c.
  2. Запрос горожан на индивидуальные дома: аналит. отчет / ДОМ.РФ, ВЦИОМ. М., 2022. 7 с.
  3. Индивидуальный дом глазами российских семей: потребности и характеристики: аналит. отчет / ДОМ.РФ, ВЦИОМ. М., 2023. 12 с.
  4. Опрос подрядчиков в сегменте индивидуального жилищного строительства: аналит. отчет /ДОМ.РФ. М., 2024. 8 с.
  5. Итоги 2023 года в жилищной сфере: аналит. отчет / Аналит. центр ДОМ.РФ. М., 2024. 36 с.
  6. Итоги 2024 года в жилищной сфере: аналит. отчет / Аналит. центр ДОМ.РФ. М., 2025. 37 с.
  7. Ломоносов Д. А. DSGE-модель российской экономики с рынком жилой недвижимости // Экономическая политика. 2024. Т. 19, № 3. С. 76–117.
  8. 8.Чурилова Э. Ю., Чурилов А. Д. Динамика цен на жилую недвижимость в городе Санкт-Петербурге: анализ и прогнозы // Жилищные стратегии. 2025. Т. 12, № 3. С. 391–414. DOI 10.18334/zhs.12.3.123507.
  9. Клещева О. А., Рожков В. Л., Сайфуллина Ф. М. Факторы, определяющие тенденции на рынке жилой недвижимости региона (на примере Республики Татарстан) // Креативная экономика. 2025. Т. 19, № 8. С. 2051–2068. DOI 10.18334/ce.19.8.123651.
  10. Sternik S., Malginov G. Trends in the housing market and housing construction in Russian regions in 2022 // Real Estate: Economics, Management.2023. No. 2. p. 6–15.
  11. 11Кулижская Ж. С. Актуальные проблемы рынка девелопмента жилищных проектов и перспективы развития в новых экономических условиях //Управленческий учет. 2024. № 12. С. 360–366.
  12. 12Iacoviello M. Housing in DSGE models: Findings and new directions // Handbook of Regional and Urban Economics. 2015. Vol. 5. p. 3–67.
  13. Ломоносов Д. А., Полбин А. В. Построение DSGE-модели для российской экономики с первичным рынком жилья и многопериодными ипотечными контрактами. М.: Банк России, 2026. (Серия рабочих документов Банка России;№ 164.)
  14. Овсянникова Т. Ю., Рабцевич О. В., Юго-ва И. В. Оценка мультипликативного влияния жилищных инвестиций на динамику городского развития // Жилищные стратегии. 2017. Т. 4,№ 3. С. 175–192.
  15. Кувалин Д. Б. Почему необходимо поддерживать жилищное строительство // Жилищные стратегии. 2021. Т. 8, № 1. С. 7–9.
  16. Полбин А. В., Синельников- Мурылев С. Г. Построение и калибровка DSGE-модели для российской экономики с использованием импульсных откликов векторной авторегрессии //Прикладная эконометрика. 2024. № 73. С. 5–34.
  17. Рощина Я., Илюнькина Н. Анализ влияния мер государственной поддержки ипотечного кредитования на доступность жилья в России:региональный разрез // Деньги и кредит. 2021.Т. 80, № 4. С. 98–123.
  18. Зубаревич Н. В. Регионы России: неравенство, кризис, модернизация. М.: Независимый институт социальной политики, 2010.
  19. Санкт-Петербургская агломерация: этапы формирования и перспективы развития / под науч.ред. С. В. Кузнецова, Л. А. Лосина. СПб.: ГУАП,2022. 219 с.
  20. Urbanization processes in the context of spatial development patterns of municipalities in the zone of influence of megacities / V. V. Okrepilov, S. V. Kuznetsov, N. M. Mezhevich, M. V. Sviridenko //Economic and Social Changes: Facts, Trends,Forecast. 2019. Vol. 12, No. 4. p. 42–52. DOI10.15838/esc.2019.4.64.3.
  21. Лапшина Е. М. Рынок загородной недвижимости Санкт-Петербурга и Ленинградской области во время пандемии COVID-19 // Региональные исследования. 2023. № 1. С. 98–108. DOI 10.5922/1994-5280-2023-1-8.
  22. Звездина Н. В., Сараев А. В. Анализ и моделирование влияния макроэкономических факторов на ввод в эксплуатацию жилой недвижимости в России // Вопросы статистики. 2023. Т. 30,№ 1. С. 27–41. DOI 10.34023/2313-6383-2023-30-1-27-41.
  23. 2Никитина Н. С. Анализ факторов, влияющих на динамику цен на жилую недвижимость в России // Финансы: теория и практика. 2023.Т. 27, № 1. С. 208–220. DOI 10.26794/2587-5671-2023-27-1-208-220.
  24. Лысенко Г. В. Макроэкономические факторы цен на жилье в России // Вопросы экономики. 2025. № 1. С. 92–114.
  25. Tripathi S. Macroeconomic determinants of housing prices: A cross country level analysis //MPRA Paper. 2019. No. 98089.
  26. Lekhuleni T. I., Ndlovu G. The dynamic effect of macroeconomic factors on housing prices: Evidence from South Africa // PLoS ONE. 2023. Vol. 18, No. 11.e0290552. DOI 10.1371/journal.pone.0290552.
  27. Modelling time-varying relations in housing prices: A semiparametric panel approach / M. Friedrich,. Lin, p. Ramdaras [et al.] // Journal of the Royal Statistical Society. Series C: Applied Statistics. 2025. Vol. 74, No. 5. p. 1217–1238. DOI 10.1093/jrsssc/qlaf020.
  28. Cunha A. Econometric advances in the estimation of housing price determinants // Proceedings of the 23rd European Conference on Research Methodology for Business and Management Studies. 2024. p. 26–34. DOI 10.34190/ecrm.23.1.2393.
  29. Глухова С. М., Чернов А. Ю. Применение эконометрических методов анализа рынка недвижимости на примере г. Костромы // Прогрессивная экономика. 2024. № 5. С. 195–212. DOI 10.54861/27131211_2024_5_195.
  30. Гимадиева Л. Ш. Анализ влияния неценовых факторов на стоимость жилья // Вестник евразийской науки. 2024. Т. 16, № 2.
  31. Iftikhar M. U., Iftikhar H., Mughal M. A. Predicting housing prices using advanced analytics: A study on key property features and market dynamics // Journal of Information Systems Engineering and Management. 2025. Vol. 10, No. 30. p. 757–773. DOI 10.52783/jisem.v10i30s.4899.
  32. Post-Pandemic Recovery: The Russian Economy and the Transition to Sustainable Social and Economic Development / A. G. Aganbegyan, A. N. Klepach,B. N. Porfiryev [et al.] // Studies on Russian Economic Development. 2020. Vol. 31, No. 6. p. 599–605. DOI 10.1134/S1075700720060027.
  33. Плотников В. А. Структурные трансформации российской экономики под воздействием шоков и национальная экономическая безопасность //Цифровая экономика и инновации. 2023. № 1. С. 15–25. DOI 10.18323/2221-5689-2023-1-15-25.
  34. Цены продажи домов в Санкт-Петербурге //RESTATE: аналит. портал. 2026. URL: https://spb.restate.ru/graph/ceny-prodazhi-domov/#form9 (дата обращения: 13.01.2026).
  35. Цены продажи домов в Ленинградской области: статистика рынка недвижимости // RESTATE: аналит. портал. 2026. URL: https://spb.restate.ru/graph/lo/ceny-prodazhi-domov/#form9 (дата обращения: 13.01.2026).
  36. Учетные цены на аффинированные драгоценные металлы // Банк России: офиц. сайт. 2026. URL: https://cbr.ru/hd_base/metall/metall_base_new/ (дата обращения: 13.01.2026).
  37. Спотовая цена сырой нефти Urals // Investing.com: инвестиц. портал. 2026. URL: https://ru.investing.com/commodities/crude-oil-urals-spot-futures (дата обращения: 13.01.2026).
  38. Динамика официального курса заданной валюты // Банк России: офиц. сайт. 2026. URL:https://www.cbr.ru/currency_base/dynamics/ (дата обращения: 13.01.2026).
  39. Процентные ставки по кредитам и депозитам и структура кредитов и депозитов по срочности //Банк России: офиц. сайт. 2026. URL: https://cbr.ru/statistics/bank_sector/int_rat/ (дата обращения: 13.01.2026).
  40. Кривая бескупонной доходности (MOEX GCURVE) // Московская биржа: офиц. сайт.2026. URL: https://www.moex.com/a3642 (дата обращения: 13.01.2026).
  41. Badarinza C., Ramadorai T. Home away from home? Foreign demand and London house prices //Journal of Financial Economics. 2018. Vol. 130,No. 3. p. 532–555.
  42. Mulyanto A. D.mVIF Package: A Tool for Detecting Multicollinearity without Dependent Variables //MATICS. 2023. Vol. 14, No. 2. p. 70–73. DOI https://doi.org/10.18860/MAT.V14I2.20948.
  43. Schober p., Schwarte L. A. Correlation coefficients:Appropriate use and interpretation // Anesthesia and Analgesia. 2018. Vol. 126, No. 5. p. 1763–1768.DOI 10.1213/ANE.0000000000002864.
  44. Chow G. C. Tests of equality between sets of coefficients in two linear regressions // Econometrica. 1960. Vol. 28, No. 3. p. 591–605.
  45. NumPy, SciPy, and pandas: Correlation with Python // Real Python. 2023. URL: https://realpython.com/numpy-scipy-pandas-correlation-python/ (дата обращения: 04.02.2026).
  46. Инфляция и ключевая ставка Банка России //Банк России: офиц. сайт. 2026. URL: https://cbr.ru/hd_base/infl/ (дата обращения: 03.02.2026).
  47. 47. Рынок высококлассной загородной жилой недвижимости Санкт-Петербурга и Ленинградской области 2024: аналит. отчет / NF Group.2025. 9 c.
  48. Alin A. Multicollinearity // WIREs Computational Statistics. 2010. Vol. 2, No. 3. p. 370–374. DOI 10.1002/wics.84.
  49. Begiazi K., Katsiampa p. Modelling UK house prices with structural breaks and conditional variance analysis // Journal of Real Estate Finance and Economics. 2019. Vol. 58. p. 290–309. DOI 10.1007/s11146-018-9652-5.
 

Описание на английском языке

FACTORS SHAPING THE PRICES OF SINGLE-FAMILY HOUSES IN THE ST. PETERSBURG AGGLOMERATION UNDER A CHANGING MACROECONOMIC PARADIGM, 2019–2024

Authors:
Yan P. Timofeev*, Stanislav S. Lachininskii*,**

*St. Petersburg State University
St Petersburg, Russia
**Institute for Regional Economic Studies Russian Academy of Sciences
St. Petersburg, Russi

Abstract

The article proposes a quantitative assessment of the impact of macroeconomic factors on the dynamics of individual housing construction prices in St. Petersburg and Leningrad Oblast during the structural transformation of the Russian economy (2019–2024), driven by sanction restrictions and macroeconomic volatility. The research objective is to test the hypothesis of a transformation in the pricing mechanisms on the individual housing market under conditions of macroeconomic uncertainty. The empirical base consists of monthly data (n = 72) on average prices for residential houses in St. Petersburg and Leningrad Oblast, along with seven macroeconomic indicators. The methodology includes Pearson correlation analysis, construction of multiple linear regression with multicollinearity diagnostics, and identification of structural breaks (Chow test). The results confirm the hypothesis of heterogeneity in the agglomeration market, manifested in the differing roles of predictors in the St. Petersburg and Leningrad Oblast markets and higher volatility in St. Petersburg. A structural shift occurs after 2022, characterized by a weakening of the link between the individual housing market and the apartment market, the loss of influence of oil prices, and the increased significance of exchange rates and gold as indicators of macroeconomic shocks.

Keywords: real estate market, sanctions, macroeconomic factors, pricing mechanisms, correlation, Chow, DSGE models.
For citation: Timofeev Ya. P., Lachininskii S. S. Factors shaping the prices of single-family houses in the St. Petersburg agglomeration under a changing macroeconomic paradigm, 2019–2024. Ekonomika Severo-Zapada: problemy i perspektivy razvitiya = Economy of the North-West: problems and prospects of development. 2026;(2(85)):107–119. DOI: 10/52897/2411-4588-2026-2-107-119

References

  1. Ideal’nyi tip zhil’ya glazami rossiyan: analit. otchet /DOM.RF, VTSIOM. M., 2020. 4 c. (In Russ.)
  2. Zapros gorozhan na individual’nye doma: analit.otchet / DOM.RF, VTSIOM. M., 2022. 7 s. (In Russ.)
  3. Individual’nyi dom glazami rossiiskikh semei:potrebnosti i kharakteristiki: analit. otchet / DOM.RF, VTSIOM. M., 2023. 12 s. (In Russ.)
  4. Opros podryadchikov v segmente individual’nogo zhilishchnogo stroitel’stva: analit. otchet / DOM.RF. M., 2024. 8 s. (In Russ.)
  5. Itogi 2023 goda v zhilishchnoi sfere: analit. otchet /Analit. tsentr DOM.RF. M., 2024. 36 s. (In Russ.)
  6. Itogi 2024 goda v zhilishchnoi sfere: analit. otchet /Analit. tsentr DOM.RF. M., 2025. 37 s. (In Russ.)
  7. Lomonosov D. A. DSGE-model’ rossiiskoi ehkonomiki s rynkom zhiloi nedvizhimosti. Ehkonomicheskaya politika. 2024;(19(3)):76–117. (In Russ.)
  8. Churilova Eh. Yu., Churilov A. D. Dinamika tsen na zhiluyu nedvizhimost’ v gorode Sankt-Peterburge: analiz i prognozy. Zhilishchnye strategii. 2025;(12(3)):391–414. DOI 10.18334/zhs.12.3.123507. (In Russ.)
  9. Kleshcheva O. A., Rozhkov V. L., Saifullina F. M. Faktory, opredelyayushchie tendentsii na rynke zhiloi nedvizhimosti regiona (na primere Respubliki Tatarstan). Kreativnaya ehkonomika. 2025;(19(8)):2051–2068. DOI 10.18334/ce.19.8.123651. (In Russ.)
  10. Sternik S., Malginov G. Trends in the housing  market and housing construction in Russian regions in 2022. Real Estate: Economics, Management.2023;(2):6–15.
  11. Kulizhskaya Zh. S. Aktual’nye problemy rynka developmenta zhilishchnykh proektov i perspektivy razvitiya v novykh ehkonomicheskikh usloviyakh. Upravlencheskii uchet. 2024;(12):360–366. (In Russ.)
  12. Iacoviello M. Housing in DSGE models: Findings and new directions. Handbook of Regional and Urban Economics. 2015;(5):3–67.
  13. Lomonosov D. A., Polbin A. V. Postroenie DSGE-modeli dlya rossiiskoi ehkonomiki s pervichnym rynkom zhil’ya i mnogoperiodnymi ipotechnymi kontraktami. M.: Bank Rossii, 2026. (Seriya rabochikh dokumentov Banka Rossii; № 164.) (In Russ.)
  14. Ovsyannikova T. Yu., Rabtsevich O. V., Yugova I. V. Otsenka mul’tiplikativnogo vliyaniya zhilishchnykh investitsii na dinamiku gorodskogo razvitiya. Zhilishchnye strategii. 2017;(4(3)):175–192. (In Russ.)
  15. Kuvalin D. B. Pochemu neobkhodimo podderzhivat’ zhilishchnoe stroitel’stvo. Zhilishchnye strategii. 2021;(8(1)):7–9. (In Russ.)
  16. Polbin A. V., Sinel’nikov- Murylev S. G. Postroenie i kalibrovka DSGE-modeli dlya rossiiskoi ehkonomiki s ispol’zovaniem impul’snykh otklikov vektornoi avtoregressii. Prikladnaya ehkonometrika. 2024;(73):5–34. (In Russ.)
  17. Roshchina Ya., Ilyun’kina N. Analiz vliyaniya mer gosudarstvennoi podderzhki ipotechnogo kreditovaniya na dostupnost’ zhil’ya v Rossii: regional’nyi razrez. Den’gi i kredit. 2021;(80(4)):98–123. (In Russ.)
  18. Zubarevich N. V. Regiony Rossii: neravenstvo, krizis, modernizatsiya. M.: Nezavisimyi institute sotsial’noi politiki, 2010. (In Russ.)
  19. 1ankt-Peterburgskaya aglomeratsiya: ehtapy formirovaniya i perspektivy razvitiya / pod nauch.red. S. V. Kuznetsova, L. A. Losina. SPb.: GUAP,2022. 219 s. (In Russ.)
  20. Urbanization processes in the context of spatial development patterns of municipalities in the zone of influence of megacities / V. V. Okrepilov, S. V. Kuznetsov, N. M. Mezhevich, M. V. Sviridenko.Economic and Social Changes: Facts, Trends, Forecast. 2019;(12(4)):42–52. DOI 10.15838/esc.2019.4.64.3. (In Russ.)
  21. Lapshina E. M. Rynok zagorodnoi nedvizhimosti  Sankt-Peterburga i Leningradskoi oblasti vo vremya pandemii COVID-19. Regional’nye issledovaniya. 2023;(1):98–108. DOI 10.5922/1994-5280-2023-1-8. (In Russ.)
  22. Zvezdina N. V., Saraev A. V. Analiz i modelirovanie vliyaniya makroehkonomicheskikh faktorov na vvod v ehkspluatatsiyu zhiloi nedvizhimosti v Rossii. Voprosy statistiki. 2023;(30(1)):27–41. DOI 10.34023/2313-6383-2023-30-1-27-41. (In Russ.)
  23. 2Nikitina N. S. Analiz faktorov, vliyayushchikh na dinamiku tsen na zhiluyu nedvizhimost’ v Rossii. Finansy: teoriya i praktika. 2023;(27(1)):208–220.DOI 10.26794/2587-5671-2023-27-1-208-220. (In Russ.)
  24. Lysenko G. V. Makroehkonomicheskie faktory tsen na zhil’e v Rossii. Voprosy ehkonomiki. 2025;(1):92–114. (In Russ.)
  25. Tripathi S. Macroeconomic determinants of housing prices: A cross country level analysis. MPRA Paper. 2019;(98089).
  26. Lekhuleni T. I., Ndlovu G. The dynamic effect of macroeconomic factors on housing prices: Evidence from South Africa. PLoS ONE. 2023;(18(11)):e0290552. DOI 10.1371/journal.pone.0290552.
  27. Modelling time-varying relations in housing prices: A semiparametric panel approach / M. Friedrich, Y. Lin, p. Ramdaras [et al.]. Journal of the Royal Statistical Society. Series C: Applied Statistics. 2025;(74(5)):1217–1238. DOI 10.1093/jrsssc/qlaf020.
  28. Cunha A. Econometric advances in the estimation of housing price determinants. Proceedings of the 23rd European Conference on Research Methodology for Business and Management Studies. 2024:26–34. DOI 10.34190/ecrm.23.1.2393.
  29. Glukhova S. M., Chernov A. Yu. Primenenie ehkonometricheskikh metodov analiza rynka nedvizhimosti na primere g. Kostromy. Progressivnaya ehkonomika. 2024;(5):195–212. DOI 10.54861/27131211_2024_5_195. (In Russ.)
  30. Gimadieva L. Sh. Analiz vliyaniya netsenovykh faktorov na stoimost’ zhil’ya. Vestnik evraziiskoi nauki. 2024;(16(2)). (In Russ.)
  31. Iftikhar M. U., Iftikhar H., Mughal M. A. Predicting housing prices using advanced analytics: A study on key property features and market dynamics. Journal of Information Systems Engineering and Management. 2025;(10(30)):757–773. DOI 10.52783/jisem.v10i30s.4899.
  32. 3Post-Pandemic Recovery: The Russian Economy and the Transition to Sustainable Social and Economic Development / A. G. Aganbegyan, A. N. Klepach, B. N. Porfiryev [et al.]. Studies on Russian Economic Development. 2020;(31(6)):599–605. DOI 10.1134/S1075700720060027.
  33. Plotnikov V. A. Strukturnye transformatsii rossiiskoi ehkonomiki pod vozdeistviem shokov I natsional’naya ehkonomicheskaya bezopasnost’. Tsifrovaya ehkonomika i innovatsii. 2023;(1):15–25. DOI 10.18323/2221-5689-2023-1-15-25. (In Russ.)
  34. Tseny prodazhi domov v Sankt-Peterburge. RESTATE: analit. portal. 2026. Available at: https://spb.restate.ru/graph/ceny-prodazhi-domov/#form9 (accessed: 13.01.2026).
  35. Tseny prodazhi domov v Leningradskoi oblasti:statistika rynka nedvizhimosti. RESTATE: analit.portal. 2026. Available at: https://spb.restate.ru/graph/lo/ceny-prodazhi-domov/#form9 (accessed:13.01.2026).
  36. Uchetnye tseny na affinirovannye dragotsennye metally. Bank Rossii: ofits. sait. 2026. Available at: https://cbr.ru/hd_base/metall/metall_base_new/ (accessed: 13.01.2026).
  37. Spotovaya tsena syroi nefti Urals. Investing.com: investits. portal. 2026. Available at: ttps://ru.investing.com/commodities/crude-oil-urals-spot-futures (accessed: 13.01.2026).
  38. Dinamika ofitsial’nogo kursa zadannoi valyuty. Bank Rossii: ofits. sait. 2026. Available at: https://www.cbr.ru/currency_base/dynamics/ (accessed:13.01.2026).
  39. Protsentnye stavki po kreditam i depozitam i struktura kreditov i depozitov po srochnosti. Bank Rossii:ofits. sait. 2026. Available at: https://cbr.ru/statistics/bank_sector/int_rat/ (accessed: 3.01.2026).
  40. Krivaya beskuponnoi dokhodnosti (MOEX GCURVE). Moskovskaya birzha: ofits. sait. 2026.Available at: https://www.moex.com/a3642 (accessed: 13.01.2026).
  41. Badarinza C., Ramadorai T. Home away from home? Foreign demand and London house prices. Journal of Financial Economics. 2018;(130(3)):532–555.
  42. Mulyanto A. D. mVIF Package: A Tool for Detecting Multicollinearity without Dependent Variables. MATICS. 2023;(14(2)):70–73. DOI https://doi.org/10.18860/MAT.V14I2.20948.
  43. 4Schober p., Schwarte L. A. Correlation coefficients: Appropriate use and interpretation. Anesthesia and Analgesia. 2018;(126(5)):1763–1768. DOI 10.1213/ANE.0000000000002864.
  44. Chow G. C. Tests of equality between sets of coefficients in two linear regressions. Econometrica. 1960;(28(3)):591–605.
  45. NumPy, SciPy, and pandas: Correlation with Python. Real Python. 2023. Available at: https://real-python.com/numpy-scipy-pandas-correlation-python/ (accessed: 04.02.2026).
  46. Inflyatsiya i klyuchevaya stavka Banka Rossii.Bank Rossii: ofits. sait. 2026. Available at: https://cbr.ru/hd_base/infl/ (accessed: 03.02.2026).
  47. Rynok vysokoklassnoi zagorodnoi zhiloi nedvizhimosti Sankt-Peterburga i Leningradskoi oblasti 2024: analit. otchet / NF Group. 2025. 9 s. (In Russ.)
  48. Alin A. Multicollinearity. WIREs Computational Statistics. 2010;(2(3)):370–374. DOI 10.1002/wics.84.
  49. Begiazi K., Katsiampa p. Modelling UK house prices with structural breaks and conditional variance analysis. Journal of Real Estate Finance and Economics. 2019;(58):290–309. DOI 10.1007/s11146-018-9652-5