房地产市场价格决定因素的计量研究---以北京市为例.doc

《房地产市场价格决定因素的计量研究---以北京市为例.doc》由会员分享，可在线阅读，更多相关《房地产市场价格决定因素的计量研究---以北京市为例.doc（21页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1 本科毕业论文（设计）题 目 房地产市场价格决定因素的计量研究-以北京市为例学 院 专 业 学生姓名 学 号 指导教师 职称 论文字数 完成日期: 年 月 日、巢湖学院本科毕业论文(设计)诚信承诺书本人郑重声明：所呈交的本科毕业论文(设计)，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。本人签名： 日期： 巢湖学院本科毕业论文 (设计)使用授权说明本人完全了解巢湖学院有关收集、保留和使用毕业论文 (

2、设计)的规定，即：本科生在校期间进行毕业论文(设计)工作的知识产权单位属巢湖学院。学校根据需要，有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许毕业论文 (设计)被查阅和借阅；学校可以将毕业论文(设计)的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编毕业，并且本人电子文档和纸质论文的内容相一致。保密的毕业论文(设计)在解密后遵守此规定。本人签名： 日期： 导师签名： 日期： I房地产市场价格决定因素的计量研究-以北京市为例摘要：随着花果园等大盘的诞生，“中心地段，郊区房价”让许多外地购房者都慕名而来，北京的房地产市场已经闻名全国。因此我们有必要对

3、北京市房地产价格影响因素进行研究。本文以北京市23个在售楼盘为样本，选取了一系列特征变量，运用统计软件SPSS进行多元回归分析。定量研究了影响北京市住宅价格的特征因素，构造出北京市住宅特征价格模型，揭示了不同特征因素对北京市住宅价格的影响，有利于买卖双方各自实现自己的需求。结果表明，楼盘的物业费、交房类型、占地面积和均价调整对楼盘的均价有显著影响。关键词: 特征价格模型，房地产价格，北京市，回归分析Research on influencing factors of real estate pricing based on hedonic price equation -an case of

4、GuiyangAbstract：With the birth of big buildings, such as the garland-center areas, suburban housing has attracted a lot of buyers who are from other provinces，and let Guiyang real estate market becoming national famous city. So it is necessary for us to study Guiyang real estate price influencing fa

5、ctors. Taking Guiyang city 23 the property as sample, this paper selects a series of variables, which build hedonic price equation of Guiyang, and uses statistical software of SPSS for multiple regression analysis. Quantitative characteristics of the influencing factors of housing prices in Guiyang

6、revealed the characteristics of different factors impact on Guiyang city housing prices. This model lets buyers and sellers achieve each implement of their own needs. The results show that the building property management fee, payment type, the building space and the average price of adjustment has

7、a significant influence on building of the average price. Key words: hedonic price equation，real estate price，Guiyang city，regression analysis目录1 引言72 特征价格模型应用研究现状及模型理论72.1 特征价格模型应用研究现状72.2 特征价格模型理论82.2.1 特征价格模型函数形式92.2.2 特征变量类型93 北京市特征价格模型的建立93.1 特征价格模型93.1.1 模型的选择93.1.2 特征变量的量化103.2 数据收集114 北京市特征价

8、格模型分析134.1筛选的变量134.2 模型拟合度检验144.3 方差分析显著性F检验154.4 回归变量相关系数及检验174.5 对比实例分析195 结论和不足195.1 结论205.2 建议205.3 不足之处21致谢21参考文献23IIIII1 引言住宅是由一系列的特征和属性构成的，正如世界上没有两片完全相同的树叶，世界上也没有完全相同的两块土地和住宅。住宅的异质性使得不同住宅的价格缺少可比性。随着花果园的建设，北京房地产市场已在全国名声大振，市场竞争日益增大，所以需要一个更方便、更简洁的方法来衡量不用楼盘的房价和性价比。目前市场上房地产估价常用的方法有市场比较法，成本法和收益法等，这

9、些方法过多的考虑了供求变化对价格的影响，而没有过多关注住宅给消费者带来的主观感受。住宅作为一种特殊的商品，在社会经济快速发展的今天，消费者的住宅需要已经开始由简单的生存需求向舒适、享乐需求转变，因此住宅的价格评估应以消费者的主观感受出发，让消费者感到满足，实现效用最大化。2 特征价格模型应用研究现状及模型理论2.1 特征价格模型应用研究现状在市场经济条件下，城市住宅作为一种重要商品，关联到市场上的各个方面，与我国GDP的增长更是有千丝万缕的联系。房价则是房地产市场运行的中心环节，因此，建立合理的住宅价格定价方法对房地产市场的健康发展具有十分重要的意义。温海珍, 贾生华（2004）根据Lanca

10、ster 偏好理论和Rosen 产品特征市场供需均衡模型，通过收集杭州市西湖区278套住宅交易资料，选择15个因素作为住宅特征，建立了住宅特征价格模型，得到了6个主要住宅特征的隐含价格1。陈勇、John M.Clapp、Dogan Tirtiroglu（2011）利用hedonic模型分析特定特征变量与均衡价格变化之间的相互关系，通过深圳住宅交易数据实证分析hedonic均衡价格随着住宅面积变化的趋势2。黄古博、李雨真(2011)提出采用主成分分析法对住宅特征模型进行改进，排除变量间的线性相关对模型产生的误差，以武汉市轻轨沿线楼盘作为研究对象，构建了基于主成分分析的商品住宅特征价格模型3。朱红

11、波、宋渊（2012）以成都市武侯区184个交易样本为例，运用特征价格模型分析了赠送面积对住宅价格的影响，结果表明，在其他因素不变的情况下，每增加一个赠送面积单元住宅价值将会有5.02%的升值4。胡佳焱、胡方(2009)注重规范分析与实证分析的相互结合，系统地选择了一组特征价格变量，构建了北京市住宅特征价格模型5。周丽萍（2008）从特征价格模型建立的理论出发，以西安市住宅市场的数据信息为基础，探讨不同的函数形式建立特征价格模型存在的差别，建立特征价格指数，并比较函数形式对特征价格指数的编制所产生的影响6。而有国外学者Robert运用该研究城市轨道交通对周边房地产价值的影响，得出交通条件的便利是

12、影响价格差异的显著因素之一7。但是，在近几年的研究当中缺乏对北京市商品住宅价格的研究。北京作为贵州省的省会城市，是西南地区重要的交通、通信和中心城市之一。随着北京大盘的建设，北京的房地产市场开始走向全国，越来越多的知名房地产商进驻北京，例如万科、新世界、绿地、保利等，市场竞争如火如荼。本文正是基于这样的背景情况之下，将特征价格理论方法引入北京市房地产市场，增加的楼盘占地面积等变量，探讨大盘主导下的房地产价格影响因素。2.2 特征价格模型理论特征价格模型所应用的对象都是由众多不同的特征组成。就某一楼盘而言，它价格是由所有特征带给消费者的效用决定的（如楼盘的整体朝向、装修程度、基础设施和交通状况等

13、），效用水平的高低依赖于住宅所包含的各种特征的数量和优劣。消费者根据对住宅各个特征的需求选择住房，从而获得自身满足。由于各特征的数量、组合方式不同，使得住宅的价格产生差异。因此采用一系列价格来对应住宅所包含各种特征，称为特征价格，又因为这些价格包含在住宅总价格中，无法在市场上观测到，所以也称为隐含价格6。12.2.1 特征价格模型函数形式特征价格模型可以将住宅价格表示为各属性的函数：P=f(X1,X2,Xn)，Xi为楼盘的各个属性，可能包含有容积率、绿化率、交通状况、基础设施等。主要有三种函数形式。线性特征价格方程：P = +1X1+2X2+nXn (2.1)为截距项，表示除特征变量外其他影响

14、价格的常量之和，通常是由影响房价的一般因素决定的；i反映各属性的隐含价格，即假定其他属性不变，某一属性变动一个单位导致房价平均变动的程度。因为该方程为线性，假设住宅属性的边际收益不变，即i不随Xi的增加而变化。双对数特征价格方程：ln P = ln+1lnX1+2lnX2+nlnXn (2.2)系数i表示住宅价格P对住宅的属性Xi的弹性，即Xi增加1%住宅价格P增加的百分比。对数形式解决了住宅属性的边际收益不变的局限。半对数特征价格方程：ln P = ln+1X1+2X2+nXn (2.3)半对数形式可避免对数形式函数中自变量取值为0时无意义的情况，这是i表示住宅属性Xi增加一个单位，住宅价格

15、P的增长率8。2.2.2 特征变量类型在构建特征价格模型时，需要对自变量系数的处理。自变量主要可分为三类：连续性变量、离散型变量和哑元变量。对某一楼盘而言，绿化率、容积率等是连续性变量；直达某楼盘所在地的公交线路为离散型变量，表示每增加一条公交线路使楼盘所增加的价值；对于哑元变量，1代表是，0代表否，如该楼盘是否是精装修（若选用对数方程形式可将0和1转化成1和2）。3 北京市特征价格模型的建立3.1 特征价格模型3.1.1 模型的选择考虑到选用的楼盘特征中含有“是否精装修”、“是否为期房”等哑元变量，为了方便自变量的取值，使特征价格方程更加直观，选择线性特征方程。且楼盘数据的收集主要集中在1-

16、4月份，主要选择微观因素，不考虑多数宏观因素的影响。但是“国五条”的发布，不管是一手房还是二手房都发生了较大波动，所以本文特意增设一个宏观因素“均价调整”，反应3月份后新楼盘均价的变化。式（4.1）为本文所选模型形式。P = +1X1+2X2+13X13 (4.1)3.1.2 特征变量的量化因为搜集的样本楼盘信息的到时间主要集中在2013年1月4月，所以可认为多数宏观因素（如主要政策、收入、人口等）在短时间内变化不大。因此，在模型特征变量的选择上考虑的都是微观因素。表3.1 特征变量的量化特征变量量化方法预期影响X1 容积率按实际值计入+X2 绿化率按实际值百分比计入+X3 物业费按实际值计入

17、 单位：元/月./X4 公交线数小区附近500m内的公交线数+X5 装修情况精装修 取1，毛坯房 取0+2X6 生活便利程度小区内或附近1000m内有无大型超市、商场、餐饮、银行、邮局和医院，每项计1分，共6分+X7 教育配套小区内或附近1000m内是否有幼儿园、小学、中学、大学，每项计1分，共4分+X8 基础设施小区内是否有游泳池、健身设施、球场、儿童活动场所，每项计1分 共4分+X9 小区内部环境小区内部总体环境，差 计-1分，一般 计1分，好 计2分，很好 计3分，非常好 计4分+X10 小区外部环境小区外部总体环境，差 计-1分，一般 计1分，好 计2分 很好 计3分，非常好 计4分+

18、X11 交房类型现房 取1，期房 取0+X12 占地面积按实际值计入 单位：万-X13 价格调整“国五条”出台后均价未调整 取0，调整后 取1/3.2 数据收集在北京市，云岩区和南明区共同组成了主城区。2012年全市土地成交分布面积中，两城区和观山湖区所占的比例高达47%，而住宅成交面积，两城区成交763万，占全市总量69%，观山湖区成交122万，占全市总量11%，是区域成交量第二9。 所以本文实证研究主要以云岩区、南明区和观山湖区为研究区域，所采用的数据主要源于北京搜房网，搜集的是在售楼盘的住宅均价和楼盘特征的相关信息。（见附表1）在所选取的23的样本楼盘中，有15个楼盘来自两城区（其中云岩

19、区8个，南明区7个），有8个楼盘来自观山湖区。样本楼盘的分布情况如图3.1。为了简化问题研究，回避CBD和市中心的楼盘，选取普通住宅楼盘作为研究对象，且房价数据均为搜房网上楼盘均价。图3.1 样本楼盘分布图3图3.2 样本楼盘均价分布图由图3.2可知，除少数楼盘外，样本楼盘的均价基本都分布在4000元/7000元/的范围内。4 北京市特征价格模型分析从实证的角度，以SPSS统计软件为平台，采用“逐步筛选”回归方式进行多元回归分析。“逐步法”首先根据方差分析结果选择符合判据的自变量，并将对因变量贡献最大的进入回归方程，将模型中F值最小的、符合剔除判据的变量剔除模型，这样就剔除了不显著的变量，这样

20、重复进行直至没有可剔除的变量为止10。运用“逐步法”筛选变量时引入的变量在每一个阶段都提供了再剔除不显著变量的机会，使得模型更加合理。4.1筛选的变量表4.1 变量的筛选输入移去的变量a 模型输入的变量移去的变量方法 1X13 均价调整.步进（准则: F-to-enter 的概率 = .100）。 2X3 物业费.步进（准则: F-to-enter 的概率 = .100）。 3X12 占地面积.步进（准则: F-to-enter 的概率 = .100）。 4X11 交房类型.步进（准则: F-to-enter 的概率 = .100）。 a. 因变量: P 均价由上表知，13个变量由逐步法进行筛

21、选得4个显著变量，分别是均价调整、物业费、占地面积和交房类型。4.2 模型拟合度检验表4.2 模型拟合优度检验模型汇总 模型RR 方调整 R 方标准 估计的误差 1.532a.283.2491027.507 2.719b.517.469863.863 3.813c.662.608742.019 4.861d.741.683667.510 a. 预测变量: (常量), X13 均价调整。 b. 预测变量: (常量), X13 均价调整, X3 物业费。 c. 预测变量: (常量), X13 均价调整, X3 物业费, X12 占地面积。 d. 预测变量: (常量), X13 均价调整, X3 物

22、业费, X12 占地面积, X11 交房类型。由上表知，在第4组模型中R值为0.861，R Square值为0.741，调整的R方为0.683，都接近于1，所以其模型拟合度较好，说明该回归模型对样本数据的代表程度比较大。4.3 方差分析显著性F检验表4.3 方差分析显著性F检验Anovae 模型平方和df均方FSig. 1回归8743791.30418743791.3048.282.009a残差22171200.000211055771.429总计30914991.30422 2回归15989797.57627994898.78810.713.001b残差14925193.7292074625

23、9.686总计30914991.30422 3回归20453750.23536817916.74512.383.000c残差10461241.06919550591.635总计30914991.30422 4回归22894742.56745723685.64212.846.000d残差8020248.73718445569.374总计30914991.30422 a. 预测变量: (常量), X13 均价调整。 b. 预测变量: (常量), X13 均价调整, X3 物业费。 c. 预测变量: (常量), X13 均价调整, X3 物业费, X12 占地面积。 d. 预测变量: (常量), X

24、13 均价调整, X3 物业费, X12 占地面积, X11 交房类型。 e. 因变量: P 均价在第4组模型中Sig值为0.000，显然小于0.05，说明因变量P楼盘均价与自变量物业费、交房类型、占地面积和均价调整的线性关系显著，显著性检验通过，可以用这四个变量组合的线性模型描述它们与均价之间的线性关系。4.4 回归变量相关系数及检验表4.4 回归变量相关系数系数a 模型非标准化系数标准系数tSig.B标准 误差试用版 1(常量)6280.000256.87724.448.000X13 均价调整-1340.000465.629-.532-2.878.009 2(常量)3974.500770.

25、7545.157.000X13 均价调整-1274.379392.037-.506-3.251.004X3 物业费1399.924449.262.4853.116.005 3(常量)3694.847669.2885.521.000X13 均价调整-984.835351.761-.391-2.800.011X3 物业费1649.539395.728.5714.168.001X12 占地面积-2.298.807-.405-2.847.010 4(常量)3246.454631.8255.138.000X13 均价调整-1048.195317.595-.416-3.300.004X3 物业费1756.

26、647358.921.6084.894.000X12 占地面积-2.036.735-.359-2.772.013X11 交房类型685.391292.828.2892.341.031 a. 因变量: P 均价根据回归的结果，在第4组模型中，Sig值都明显小于0.05，所以回归系数的显著性检验通过，自变量P与因变量X3、X11 、X12 、X13 的线性关系显著。得到的房价P与各个变量的函数关系式为：P=3246.45 + 1756.64X3+ 685.39X11 - 2.04X12 - 1048.20X13 (4.2)式（4.2）表明物业费与楼盘均价呈正相关；与期房相比，现房没有交房风险，也会

27、提高房价水平；均价调整表明“国五条”政策出台后，一手房普遍有降价的趋势。其他因素不变，物业费每增加1元，楼盘均价增加1756.64元；若新房为期房，楼盘均价会增加685.39元；占地面积每增加1万平米，楼盘均价减少2.04元；“国五条”出台后，楼盘均价若做出调整，减价1048.20元4.5 对比实例分析依据式（4.2）进行楼盘均价预测（预测楼盘数据见附表2），结果如表4.2所示表4.5 楼盘均价预测楼盘名称所在区实际均价 逐步法预测均价误差值金阳新世界观山湖57006117.98 417.98 国电金海域观山湖52005861.02 661.02 乌江怡苑云岩52005505.00 305.0

28、0 中天未来方舟云岩42004118.74 -81.26 都市阳光南明53505871.35 521.35 经典天成南明60006569.51 569.51 花果园南明52005065.00 -135.00 由于搜集的数据有限，为了体现占地面积对房价的影响，所以选取了样本楼盘中的金阳新世界、中天未来方舟和花果园这样的大盘来进行比较。用逐步法所得模型预测7个楼盘。预测结果显示，误差值基本在500元左右，因为开发商为了改善楼盘销售效果，回收资金，会采取各种营销措施和折扣优惠，调整均价，让购房者产生价格错觉，名义均价与实际均价相比会有差距，所以预测结果比较准确。5 结论和不足 5.1 结论综上所述，

29、可能是由于样本容量太小，在众多影响北京市住宅价格的因素中，物业费、交房类型、占地面积和价格调整对楼盘均价的影响较显著。物业费本身也体现了开发商和物业管理公司的商誉和服务质量，物业费越高，服务质量越好，楼盘均价也就越高。楼盘的占地面积越大，一定程度上可以减少开发商的单位建筑成本，节约资源，从而降低房价。现房规避了交房风险，与期房相比能更加直观的了解房屋质量和住房效果，所以现房也会提高房价。“国五条”出台后，地方政府也相继出台各种实施细则，新房对政策的敏感表现为降价的趋势。5.2 建议对开发商而言，在项目建设之初尽量取得较大面积土地，这样由于占地面积大，在产品组合、景观设计、配套设施、建筑成本等方

30、面都会带来较大优势，不仅产品组合丰富、配套齐全，而且节约单位成本楼盘均价也会降低，从而可以吸引更多的消费者前来购房。根据住宅修筑的进度不同，同以楼盘的不同楼栋也可以进行差别定价，已完工的现房定价可以比期房更高一些。除了楼盘自身的因素，开发商对物业公司的选择也应当“门当户对”，若是高品质的楼盘必定要选择商誉和服务质量优秀的物业公司，在物业费的表现上略高于其他楼盘。对消费者而言，现房房价高于期房，若是资金充足，可以选择现房，减少交房风险；但是市场上对新房都是采用预售的形式，现房在一定程度上也有可能是剩下的尾房，所以消费者在选择上也要谨慎。因为大盘的住宅数量很大，开发商为了快速回收资金必定急于销售，

31、7消费者一定要关注细节，不要因小失大。“国五条”出台后，对北京市二手房的影响很大，出售普遍表现出降价出售。从而带动一手房也出现降价趋势。不管是开发商还是消费者，都要时刻关注国家政策的动向，在合适的时机把握好机遇，理智的对待房价的变动。5.3 不足之处（1）样本容量太小。物业费对楼盘均价的影响与预期影响相比过大，而且就北京市而言，物业费普遍在每月1.5元/，所以有些物业费相同的小楼盘很难得出房价差异。（2）样本楼盘的均价主要来源于北京搜房网，该均价包含有开发商给予消费者的各种折扣和优惠。实际楼盘均价应扣除这些折扣和优惠。但开发商的营销策略变化频繁复杂，不能准确把握。所以为了简化问题深度，本文直接

32、采用折扣前均价。（3）影响房价因素考虑不全面。在影响因素的选取上有一些其他因素没有选用，所以对房价的表现力度不够，有一些比较重要因素没有考虑到。例如开发商品牌价值，房龄，停车位个数等。（4）主观评分数据不够严密。对于生活便利程度、教育设施、基础设施、小区内外部环境等因素的等级划分不够细致，各个等级的区分度不够明显，评分主观性太强，导致误差较大，在以后的研究中有待进一步细化。（5）没有得出除物业费、交房类型、占地面积和价格调整4个变量以外的其他9个变量与房价的关系。本文的不足之处还有很多，在以后的学习和研究当中会不断改进。致谢本论文是在xx老师的亲切关怀和悉心指导下完成的。开题之初，导师就为我们

33、每一位同学指点论文写作思路，让我心里感到踏实。导师严肃的治学精神，严谨的治学态度，兢兢业业的工作作风，深深地影响和感染者我。在论文设计期间，导师十分关心我们的论文进度，初稿刚刚交完就提出修改意见，为我指点迷津，帮助我开拓思路，精心点拨，热忱鼓励，使我最终得以顺利完成此文。衷心感谢xx老师，这篇论文的每个细节都离不开您的细心指导。您的敬业精神和治学态度都对我今后的工作和人生道路产生深远的影响，使我终身受益。我所取得的进步都与导师的帮助密不可分。在此谨向xx老师致以诚挚的谢意和崇高的敬意。我还要给予我引用参考文献的所有者，让我在写作过程中得到很多启发和知识。同时感谢我的同学，在我的四年大学生活中，

34、他们给予我很多帮助，让我大学生活过的很充实，也让我收获了纯真珍贵的友情。最后，我要感谢我的父母，感谢他们在背后默默的支持着我，督促我，是他们的辛勤培养使我顺利完成四年学业，他们的养育之恩我讲永远记在心底。今后，我将努力工作回报他们。8参考文献1温海珍、贾生华.住宅的特征与特征的价格基于特征价格模型的分析J.浙江大学学报：工学版，2004（10）.2陈勇、John M.Clapp、Dogan Tirtiroglu.基于特征价格模型的住宅需求价格弹性分析深圳住宅市场实证研究J.城市发展研究，2011（02）.3黄古博、李雨真.基于主成分分析法的商品住宅特征价格模型改进J.华中农业大学学报：社会科学

35、版，2011（04）.4朱红波、宋渊.赠送面积对住宅价格的影响基于特征价格模型的实证研究J.广东理论科学，2012（04）.5胡佳焱、胡方.基于特征价格模型的北京市住宅价格分析J.科技经济市场，2009（04）. 6周丽萍.商品住宅特征价格模型与指数的应用研究D.西安：西安建筑科技大学，2008.7 Robert C. Rail transit and joint development: land market impacts in Washington. DC and Atlanta J.Journal of the American Planning Association，1994，60（1）：83-94.8 丰雷、林增杰、吕萍等.房地产经济学M.北京：中国建筑工业出版社，2008：61-62.9 中地行北京公司.2012年北京市房地产年度运行报告 P/OL. 2013-04-12. 10薛薇.统计分析与SPSS的应用（第三版）M.北京：中国人民大学出版社，2011:264.9