Hedonic Model在二手房价格分析中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇Hedonic Model在二手房价格分析中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要： 以昆明市城区二手房为研究对象，利用hedonic模型和统计学方法研究房价与特征属性的定量关系。结果表明半对数函数模型的拟合度最高，回归系数表明二手房区位特征中环线位置对房价的影响最大。住宅属性对房价影响程度依次是环线位置、轨道交通、物业管理费、容积率、教育配套、公交线路、装修程度、建筑面积。

Abstract： Taking second-hand housing of Kunming city as the research object， this paper uses Hedonic model and statistical method to study the quantitative relationship. The results show that semi-log form characteristic function fits the highest degree and the regression coefficient shows that residential link location in second-hand housing of location attribute is the largest factor affecting house price. Housing price influencing degree by residential property in turn is link location， rail transportation， property management fees， volume rate， education facilities， bus line， and decoration and construction area.

关键词： 住宅特征；二手房价格；Hedonic 模型；区域市场

Key words： housing characteristic；second-hand housing price；Hedonic model；regional market

中图分类号：F293.35 文献标识码：A 文章编号：1006-4311（2014）17-0010-02

0 引言

住宅作为居住生活空间，是家庭的必需品。住宅价格的形成受到诸多因素的影响，常用的估价方法有成本法、收益法和市场法，而数理模型则较少运用于住宅价格研究。Hedonic模型，是国外处理异质产品差异特征与产品价格关系的模型，主要以一线大城市为研究对象。文章以昆明市二手房市场为研究对象，构建Hedonic模型，从微观角度研究房价的影响因素及住房特征和住房价格之间的定量关系。通过不同区域市场的划分，分别构建多元回归方程，分析不同区域市场住房价格的影响因素及影响程度。

1 昆明市Hedonic模型的建立

1.1 研究区域和数据来源 本文选择昆明市主城四区（西山区、盘龙区、五华区和官渡区）和呈贡新区作为研究对象。数据主要来源于昆明市搜房网和历年统计年鉴，收集样本总量为1700。所有二手房住宅样本均为普通住宅，不包括别墅及公共住宅（如经济适用房等），住宅建成时间在2000与2013年之间。样本中公交条数，教育配套和生活配套等特征变量的数据是通过实地调查而得。

1.2 特征变量的选择 住宅的属性特征大致分为三大类，即区位特征、建筑特征和邻里特征。建筑特征包括面积大小、朝向、楼层、装修程度和房龄等；区位特征包括道路状况、到市中心距离、环线位置和轨道交通等；邻里特征包括小区环境、周边的基础设施、生活配套与教育配套等。特征变量的选择主要考虑数据的可获得性和特征变量之间的多重共线性问题。本文中变量选择及其量化如表1所示。

1.3 特征价格函数选择和估价方法 Hedonic模型中函数形式主要有线性形式、对数形式和半对数形式。从总样本中每个区随机抽取20%作为样本量，运用SPSS.19软件进行相关性和回归分析，选择最优函数形式。结果如表2所示。

从表2中数值可以看出对数形式的Adjust R2最大，估计的标准误差最小，F值最大，从统计意义上应选择对数形式，但特征变量只有一部分是连续型变量，其它变量是离散型和虚拟变量不适合进行对数转换，因此本文选择半对数形式表达住宅特征与价格之间关系，即：

LnP=a0+∑aiZi+ξ （i=1，2，…，14）

模型的估计方法是最小二乘法（OLS），具体的操作是在SPSS.19中选择Stepwise作为回归分析方法，所有特征变量将会在软件中逐步进入回归，最终确定的变量进入回归方程。

2 模型的结果和分析

将14个特征变量全部进入Stepwise回归分析，模型回归分析的结果如表3所示。

从表3中可以看出，容积率和公交线路与住宅房价有负向关系；环线、轨道交通、教育配套、装修程度、物业管理费、面积等特征变量对房价有正向关系。回归方程为：

LnP=7.589+0.343*环线位置-0.016*公交线路+0.399*轨道交通+0.001*面积+0.025*装修程度+0.142*物业管理费-0.053*容积率+0.068*教育配套

式中回归系数表示特征变量每变动一个单位，住宅价格随之变动的增长率。如环线位置增加一个单位时，住宅价格的增长率为0.343；物业管理费增加一个单位时，住宅价格的增长率为0.142。公交线路对房价有消极的影响，由于昆明地铁正在修建中，对公交出行不利。通过标准化系数绝对值比较分析，特征变量对住宅房价影响程度依次是环线位置、轨道交通、物业管理费、容积率、教育配套、公交线路、装修程度、面积。

每个区域的回归分析 昆明市房地产市场按行政区划分为官渡区市场、西山区市场、盘龙区市场、五华区市场、呈贡新区市场。从每个区域获得的总样本中随机选取20%作为样本量，变量的选择和回归方法同上所述。回归分析的结果如表4所示。

从表4可知，各区的回归方程中包含的特征变量不同，表明各区域住房价格的影响因素及程度不同。官渡区房价的主要影响因素是环线位置；其次容积率、房龄。西山区教育配套是影响房价的最主要的因素，其次是容积率。盘龙区住房价格的主要影响因素是环线位置、教育配套、物业管理费、容积率。五华区住房价格的主要影响因素是环线位置、物业管理费、教育配套、总楼层。呈贡新区住房价格的主要影响因素是公交线路、物业管理费、生活配套。

3 结论

本文根据昆明市二手房市场现状和数据的可获得性，选择14个特征变量作为模型的自变量，运用Hedonic模型和统计学方法分析住宅属性和房价的定量关系。首先把昆明市住房市场作为单一市场，依次采用线性模型、对数模型、和半对数模型分别进行回归分析，最终采用半对数形式构建昆明市住宅Hedonic模型。结果表明住宅属性量对房价的影响程度大小依次为环线位置、轨道交通、物业管理费、容积率、教育配套、公交线路、装修程度、建筑面积。通过昆明市房地产市场行政区域的划分，对不同区域进行回归分析，得到各区域房价的主要影响因素和回归方程。住宅特征属性与房价的关系有助于消费者根据对住宅特征的偏好和收入选择不同区位、价格合理的住宅。

参考文献：

[1]程亚鹏，贾春香.住房特征对住房价格影响的Hedonic分析[J].经济问题，2011（6）：50-53.

[2]郑捷奋，刘洪玉.深圳地铁建设对站点周边住宅价值的影响[J].铁道学院，2005（5）：11-18.

[3]乔亮国.二手房交易个人所得税探索[J].中国市场，2006（44）：42-43.

[4]曾昭法，唐海滨.长沙二手房价格模糊综合评估模型[J].商业研究，2010（3）：139-141.

[5]胡昌平，刘清平.对发展中国二手房地产市场的建议[J].中国房地产金融，2007（7）：33-35.