Процесс моделирования начнём с построения регрессии цены квартиры на константу и все имеющиеся факторы, предварительно исключив – чтобы не попасть в ловушку фиктивных переменных, – одну из переменных , , , , например :

(53)

Результаты оценивания параметров модели (53) представлены на рис. 28.

Проведём анализ результатов.

1. Коэффициент в этой модели не имеет экономической интерпретации (если быть точным, то имеет смысл стоимости квартиры с нулевой площадью, расположенной на нулевом этаже панельного дома без этажей в центре города), поэтому оставим без внимания тот факт, что он оказался незначимым на 5% уровне.
2. Коэффициенты , и имеют смысл стоимости одного квадратного метра жилой площади, кухни и общей площади квартиры соответственно; их оценки имеют положительные значения, т.е. увеличение любого из перечисленных факторов приводит к увеличению стоимости квартиры. Но коэффициент оказался незначим, и это весьма странно, т.к. размер жилой площади квартиры – очень важный фактор и не влиять на стоимость квартиры не может. Возможной причиной такого странного результата является мультиколлинеарность, наиболее вероятными "виновниками" которой являются переменные и , между которыми (см. корреляционную матрицу на рис. 26) существует почти линейная связь (значение коэффициента корреляции равно 0,93). На понятийном уровне это можно объяснить так: значительная доля информации, содержащаяся в одной переменной, присутствует в другой.
3. Коэффициент значим на 5 и 1% уровне, но имеет отрицательный знак, что странно, т.к. означает, что с увеличением числа комнат цена квартиры уменьшается. Оставим пока этот факт без внимания до устранения проблемы мультиколлинеарности.
4. Коэффициенты и , как и предполагалось, оказались незначимыми, и значит переменные и могут быть исключены из уравнения.
5. Коэффициенты , и оказались значимыми на 5% уровне. Их знаки и значения говорят о том, что квартиры в кирпичных домах ценятся выше, чем в панельных, а в домах из шлакоблока и дерева – ниже.