• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于特征價格模型的昆明市商品房住宅價格影響因素研究

      2020-04-23 02:03:08
      關(guān)鍵詞:昆明市樓層租金

      楊 鑫

      (云南財經(jīng)大學(xué) 云南 昆明 650032)

      進入21世紀(jì)以來,中國的住宅價格就隨著中國的經(jīng)濟增長也在快速的增長著,快速增長的房價也引起了各界的廣泛關(guān)注,許多學(xué)者都在嘗試用各種不同的方法來去尋找影響房價的因素,近幾年來使用最廣泛方法包括通過GIS、空間計量模型、特征價格模型等,筆者選擇的方法是建立特征價格模型。

      一、研究區(qū)概況

      昆明市是云南省的省會城市、滇中城市群中心城市,國務(wù)院批復(fù)確定的中國西部地區(qū)重要的中心城市之一,又名“春城”。截止到2019年底,全市下轄7各區(qū)、3個縣、代管1個縣級市和3個自治縣,總面積21473平方千米,建成區(qū)面積435.81平方千米,與2018年相比,2019年昆明市常住人口667.7萬人,增長1.7%;全市地區(qū)生產(chǎn)總值6400億元,增長7.5%;全年商品房銷售額1570萬元,增長20.24%;全年城鎮(zhèn)居民人均可支配收入22049元,增長8%。選取昆明市五華區(qū)、盤龍區(qū)、西山區(qū)、官渡區(qū)為研究范圍,以2019年1—4月主城區(qū)新開盤或在售的樓盤為研究對象.通過咨詢相關(guān)專家和實際調(diào)研,選取500個樓盤樣本點,以保證樣本點的科學(xué)性和典型性.

      二、研究方法與數(shù)據(jù)來源

      (一)研究方法

      特征價格理論提出較早,之后依次經(jīng)歷了沉寂、快速發(fā)展時期,直到如今的普遍應(yīng)用的現(xiàn)狀。在其快速發(fā)展階段,出現(xiàn)了兩位重要人物L(fēng)ancaster 和Rosen,這么多年來大多數(shù)研究者都是Rosen 的建議中選擇函數(shù),Rosen 建議可采取的函數(shù)形式有:線性函數(shù)、對數(shù)函數(shù)、半對數(shù)函數(shù)、雙對數(shù)函數(shù)等,后來又有研究者提出了Box-Cox 變換函數(shù)。這些函數(shù)形式本身并沒有優(yōu)劣之分,它們的優(yōu)劣只是體現(xiàn)在對同一組樣本數(shù)據(jù)進行擬合分析時所表現(xiàn)出來的效果差異。特征價格模型的原理是,在競爭機制作用下市場均衡時消費者想購買某一商品,而該商品具有很多特征,用X1,X2,X3,……Xn來表示,消費者愿意為這些特征所花的價錢總和P 為該商品的特征價格,此特征價格P為特征用X1,X2,X3,……Xn的一個函數(shù),即:

      P=f(X1,X2,X,…Xn)

      對于上式關(guān)于特征變量Xi求偏導(dǎo),得到 就是特征Xi的隱含價格。

      1.變量的選擇

      特征價格模型因變量通常指一套住宅總價格,自變量是指住宅所包含的特征變量。住宅房產(chǎn)的價格隨房屋特征改變和時間變化而產(chǎn)生價格變動。在特征價格模型中,參入擬合的房產(chǎn)交易時間相近,所以主要考慮房產(chǎn)價格隨房屋住宅特征改變而引起的價格變動。在對國內(nèi)外學(xué)者的相關(guān)文獻的研究中,將住宅的特征分為建筑特征、鄰里特征以及區(qū)位特征三大類,建筑特征大多采用綠化率、容積率、物業(yè)管理費等,鄰里特征大多采用到商業(yè)中心的距離、自然景觀、教育配套、醫(yī)療配套等;區(qū)位特征大多采用公路線路數(shù)、交通主干道等級、所在行政區(qū)域等變量。筆者結(jié)合昆明市的實際情況,將特征因素分為3大類、17個具體特征變量,其中選取住宅租金內(nèi)建筑特征為:建筑面積、房齡、朝向狀態(tài)、裝修程度、所在樓層、房間數(shù)目、房屋配套7個因素,選取鄰里特征為:到最近中學(xué)距離、到最近小學(xué)距離、到最近幼兒園距離、到最近公園距離、到最近汽車站距離、到最近農(nóng)貿(mào)市場距離、到最近醫(yī)院距離以及到最近主干道距離8個因素,選取區(qū)位特征為:到市中心的距離、到最近商圈的距離2個因素,研究其對昆明市住宅租金均價的影響程度。住宅特征變量及含義見表1。

      表1 住宅特征變量及來源

      2.變量的量化

      (1)特征變量的線性量化

      整理之后的租賃住宅變量共計17個,不同種類的變量需要采用不同的方式進行量化,參考國內(nèi)外優(yōu)秀的文獻,本文采用的線性量化方式可以分為四類:一是直接采用原始數(shù)據(jù)作為變量值;二是用5點Likert量表的形式對變量進行分級,采用分級后的指標(biāo);三是采用綜合性指標(biāo)度量作為應(yīng)用數(shù)據(jù);四是采用GIS 輔助特征變量的量化。對建筑面積、房齡、所在樓層、房間數(shù)目采用實際觀測數(shù)據(jù)進行線性量化,對裝修程度采用5點Likert量表進行分級,對朝向、房間配套進行綜合性指標(biāo)度量;到最近中學(xué)距離、到最近小學(xué)距離、到最近幼兒園距離、到最近公園距離、到最近汽車站距離、到最近農(nóng)貿(mào)市場距離、到最近醫(yī)院距離以、到最近主干道距離、到市中心的距離以及到最近商圈的距離利用GIS的網(wǎng)絡(luò)分析功能得到歐式距離。

      根據(jù)上面四種量化方式,整合后得到的總的特征變量的線性量化如下表2所示:

      表2 特征變量線性量化表

      (2)特征變量的對數(shù)量化

      根據(jù)上面四種量化方式,以及參考《城市住房子市場的Hedonic分析-以重慶市為例》和《城市住宅的特征價格_理論分析與實證研究》等文獻,對特征變量進行對數(shù)量化,整合后得到的總的特征變量的對數(shù)量化如下表3所示:

      表3 特征變量對數(shù)量化表

      3.模型的函數(shù)形式及選擇

      根據(jù)Rosen 的經(jīng)驗推導(dǎo)方法,我們知道特征價格模型的形式主要包括四種:線性模型、對數(shù)模型、半對數(shù)模型以及對數(shù)線性模型,本研究采用線性函數(shù)形式和雙對數(shù)函數(shù)形式構(gòu)建城市住宅租金特征價格模型,其基本模型分別為:

      (1)線性函數(shù)模型

      P=α0+∑αiZi+ε

      (式5-17)

      其中:P為城市住宅平均租金價格(元/平方米),Zi為城市住宅租金價格影響因素量化數(shù)值,α0,αi為待定系數(shù),ε為隨機誤差項;

      (2)對數(shù)模型

      lnP=α0+∑αilnZi+ε

      (式5-18)

      其中:P為城市住宅平均租金價格(元/平方米),Zi為城市住宅租金價格影響因素量化數(shù)值,α0,αi為待定系數(shù),ε為隨機誤差項;

      (二)數(shù)據(jù)來源

      特征價格模型所用的數(shù)據(jù)是由搜房網(wǎng)中介網(wǎng)站提供的2019年1-4月昆明市主城區(qū)房屋內(nèi)部因素相對較全的交易案例數(shù)據(jù)1250套,以及通過GIS的網(wǎng)絡(luò)分析功能得到的住宅鄰里特征和區(qū)位特征的歐氏距離,踢出內(nèi)部因素缺失較大、以及異常交易數(shù)據(jù)后,最終有1172個交易案例數(shù)據(jù)運用到該模型。

      三、實證研究

      (一)模型的設(shè)定

      選用SPSS20.0和Excel2010軟件作為資料整理和分析工具,由它們來完成模型的描述性統(tǒng)計分析、模型選優(yōu)以及各變量的統(tǒng)計顯著性檢驗等技術(shù)性工作。分別將因變量即住宅小區(qū)均價、17個自變量代入特征價格線性函數(shù)和對數(shù)函數(shù)模型中,進行回歸分析。

      (二)模型的估計和檢驗

      1.模型的估計與檢驗

      在SPSS20.0中用最小二乘法對特征價格面模型進行估計,對樣本數(shù)據(jù)進行回歸(置信區(qū)間為95%),得到回歸分析表,對其進行異方差檢驗,發(fā)現(xiàn)有異方差,會影響模型擬合結(jié)果;然后對其進行異方差處理,用模型擬合的殘差對原模型進行加權(quán),采用線性函數(shù)模型和對數(shù)函數(shù)模型加權(quán)后的回歸結(jié)果如下表4和表5所示:

      表4 線性函數(shù)模型回歸模型

      表5 線性函數(shù)模型回歸系數(shù)分析

      表6 對數(shù)函數(shù)回歸模型

      表7 對數(shù)函數(shù)模型回歸系數(shù)分析

      一般來講,復(fù)相關(guān)系數(shù)取值在區(qū)間[0,0.09]內(nèi),表明沒有相關(guān)性;在區(qū)間[0.1,0.3]內(nèi),表明為弱相關(guān);在區(qū)間[0.3,0.5]內(nèi),表明為中度相關(guān);在區(qū)間[0.5,1.0]內(nèi),表明為強相關(guān)。由表5-10和表5-12可知,這兩種函數(shù)模型的復(fù)相關(guān)系數(shù)均大于0.5,表明兩種模型的均價與其他自變量線性關(guān)系較強。另外,方差分析表中顯示了顯著性檢驗值Sig.均為0.000,小于0.001,說明了四種模型均拒絕了認(rèn)為全部特征變量系數(shù)為0 的原假設(shè),表明四種模型的回歸方程中因變量與自變量的關(guān)系能成立。

      判定系數(shù)R2和調(diào)整后的R2是反映模型擬合效果的指標(biāo),發(fā)現(xiàn)對數(shù)模型的判定系數(shù)和調(diào)整后的判定系數(shù)值最高,并且方差分析表中對數(shù)函數(shù)模型的F 值也大于其他模型,說明對于本文的樣本數(shù)據(jù),對數(shù)函數(shù)模型在上述兩種模型中擬合度較好,還需要進行其他方面的檢驗,來確定其是否在兩種模型中最佳。

      從表中看出,兩種模型的VIF 值最大值分別為7.387、3.050,因此各自變量的VIF 值均小于10,所以各特征變量的共線性關(guān)系不顯著。對數(shù)模型的容差的均值為0.963,大于比線性模型的容差均值0.831,對數(shù)模型的VIF的均值為1.039,小于線性模型的VIF1.274,說明全對數(shù)模型在多重共線性問題上比線性模型更優(yōu),所以選擇全對數(shù)模型進行相關(guān)系數(shù)的修正。

      (三)模型的結(jié)果

      線性函數(shù)特征價格模型

      由上表5可知,最近商圈的距離、到市中心的距離、朝向狀態(tài)、到最近農(nóng)貿(mào)市場的距離、房齡、到最近公園距離、到最近醫(yī)院距離、所在樓層、到最近中學(xué)的距離、建筑面積、到最近小學(xué)距離、房屋配套、到最近主干道距離、到最近幼兒園距離、裝修程度共15個租金影響因素進入模型,且對模型進行異方差和線性相關(guān)性檢驗,都通過了檢驗,說明它們是影響昆明市住宅用地價格的主要影響因素。按回歸結(jié)果并將房租均價設(shè)為P,則昆明市住宅租金價格Hedonic模型可以表述為:

      P = 31.53-3.4*BUSI_NEAR-7.5*CBD_NEAR +5.33*CX-0.3FAM_NEAR-3.5*FL-1.4*GAR_NEAR-0.9*HOS_NEAR +0.38*LC-1.9*MID_NEAR-7.8*MJ-2.1*PRE_NEAR + 6.34*PT-0.8*ROAD1_NEAR-4.3*YOUER_NEAR +5.26*ZX+3.1*BAS_NEAR

      (模型1)

      對數(shù)函數(shù)特征價格模型

      從表7可以看出,到最近商圈的距離、到市中心的距離、朝向狀態(tài)、到最近農(nóng)貿(mào)市場的距離、房齡、到最近公園距離、到最近醫(yī)院距離、所在樓層、到最近中學(xué)的距離、建筑面積、到最近小學(xué)距離、房屋配套、到最近主干道距離、到最近幼兒園距離、裝修程度共15個租金影響因素進入模型,且對模型進行異方差和線性相關(guān)性檢驗,都通過了檢驗,說明它們是影響昆明市住宅用地價格的主要影響因素。則昆明市住宅租金價格Hedonic模型可以表述為:

      Ln(P)= 3.08 4-0.049*Ln(BUSI_NEAR)+0.85*LN(CX)-0.027LN(FAM_NEAR)-3.78*LN(FL)-0.014*Ln(GAR_NEAR)-0.015*Ln(HOS_NEAR)+0.882*LN(LC)-0.018*Ln(MID_NEAR)+8.089*Ln(MJ)-0.029*Ln(PRE_NEAR)+6.04*LN(PT)-0.010*Ln(ROAD1_NEAR)-0.044*Ln(YOUER_NEAR)+ 4.869*Ln(ZX)-0.93*CBD_NEAR

      (模型2)

      從標(biāo)準(zhǔn)化模型5-2中的各個自變量前面的系數(shù)可以看出,即自變量對數(shù)量化單位每提高一個等級。如對于到商圈距離這一影響因素,到最近商圈越近,則讓昆明市住宅租金增加了4.9%,以后依次為到市中心距離(9.3%)、朝向(0.85%)、到最近農(nóng)貿(mào)市場距離(2.7%)、房齡(3.78%)、到最近公園距離(1.4%)、到最近醫(yī)院距離(1.5%)、樓層(0.882%)、到最近中學(xué)的距離(1.8%)、建筑面積(8.0%)、到最近小學(xué)距離(2.9%)、房屋配套(6.04%)、到最近主干道距離(1%)、到最近幼兒園的距離(4.40%)、房屋裝修(4.87%)。

      特征價格的符號和系數(shù):

      模型1和模型2中的各個自變量前面的系數(shù)和符號,代表了昆明市住宅租金價格影響因素的特征價格。在5%的顯著性水平下,符號為正表示自變量每增加一個單位,因變量就增加相應(yīng)系數(shù)數(shù)值的數(shù)量;同理符號為負(fù)時表示自變量每增加一個單位,因變量就減少相應(yīng)系數(shù)數(shù)值的數(shù)量。如模型2中對于裝修這一影響因素,裝修從毛坯到豪裝的差別,則讓昆明市住宅租金增加了4.869元/平方米。

      四、結(jié)論與討論

      由實證檢驗的模型1和模型2對比中可以看出對數(shù)特征價格模型具有更好的說明性,在模型2中,面積、配套設(shè)施、裝修、房齡、到市中心距離、樓層、朝向都對住宅價格有非常顯著性的影響,其中房齡和到市中心距離與與住宅價格的關(guān)系具有負(fù)相關(guān)性,房齡越久、到市中心越遠,住宅均價越低;面積、配套設(shè)施、裝修、樓層、朝向均呈現(xiàn)正相關(guān)性,面積越大、裝修設(shè)施越齊全住宅均價越高,因為樓層采用模糊數(shù)學(xué)法進行量化,越靠近中間的樓層量化值越大,即越靠近中間的樓層住宅均價越高。

      由于使用方法較為單一,沒有使用多種研究方法結(jié)合的方式,僅用特征價格模型對因變量和自變量進行解釋,是結(jié)果可能存在部分偏差,同時沒有對變量的時間因素進行深化研究,這些都有待于進行更為深入的研究。

      猜你喜歡
      昆明市樓層租金
      入駐機構(gòu)樓層分布圖
      分憂(2024年3期)2024-01-01 00:00:00
      租金320元!70斤iPhone官方自助維修包,里面有什么?
      消費電子(2022年4期)2022-07-18 09:04:02
      昆明市明良匯江水泥制造有限公司
      昆明市延安醫(yī)院
      昆明市測繪研究院
      城市勘測(2021年3期)2021-07-13 02:20:44
      新政府會計制度下保障性住房租金會計核算案例
      大樹爺爺收租金
      電梯的升與降
      讀者(2019年2期)2019-01-05 09:09:44
      自動扶梯樓層板周邊環(huán)境的安全防護
      樓層數(shù)影響下的樓板有效寬度研究
      盐池县| 金寨县| 宁国市| 花垣县| 宜兴市| 勃利县| 石家庄市| 高陵县| 枣阳市| 尉氏县| 佳木斯市| 长治市| 隆子县| 西和县| 泸州市| 海阳市| 东城区| 宜都市| 女性| 神农架林区| 乌拉特前旗| 迁西县| 沂水县| 河北省| 通山县| 青海省| 柳江县| 禄劝| 将乐县| 隆子县| 楚雄市| 栾川县| 永定县| 浦江县| 巴林右旗| 丹棱县| 靖宇县| 岗巴县| 十堰市| 文山县| 米林县|