程芳菲 楊蕾

摘 要：采集了2202條二手房樣本數(shù)據(jù)，選取房屋面積等九個(gè)特征變量，應(yīng)用Hedonic模型對(duì)廣州市二手房?jī)r(jià)格影響因素進(jìn)行研究。結(jié)果表明，“是否近地鐵”對(duì)廣州市二手房?jī)r(jià)格的影響最大，其次是房屋裝修狀況和房本年限因素。

關(guān)鍵詞：Hedonic模型;二手房?jī)r(jià)格;影響因素;廣州市

中圖分類號(hào)：F726.7 ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：1673-291X（2020）17-0043-02

廣州市住房與城鄉(xiāng)建設(shè)局統(tǒng)計(jì)數(shù)據(jù)顯示，2017年廣州市二手房成交134 957套，是一手房成交套數(shù)的1.53倍。2018—2019年，房地產(chǎn)市場(chǎng)降溫，廣州市住宅成交套數(shù)持續(xù)下滑，但二手房成交套數(shù)仍超過一手房，二手房成為廣州市住房消費(fèi)市場(chǎng)的主導(dǎo)。本文運(yùn)用Hedonic模型對(duì)二手房?jī)r(jià)格影響因素進(jìn)行研究，以期為房地產(chǎn)交易雙方提供更科學(xué)的決策支持。

Hedonic模型法即特征價(jià)格模型法，是異質(zhì)性商品估價(jià)的常用方法，在房地產(chǎn)領(lǐng)域得到了廣泛的應(yīng)用。早在1967年，Ridker和Henning就以美國圣路易斯市為研究對(duì)象，通過建立特征價(jià)格模型研究出水、空氣的質(zhì)量對(duì)周圍住宅價(jià)格有顯著的影響[1]。此后，多位學(xué)者運(yùn)用該模型對(duì)其所在國家或城市住宅價(jià)格進(jìn)行分析[2，3]。國內(nèi)房地產(chǎn)市場(chǎng)相較西方起步較晚，但近年來相關(guān)研究也日趨豐富，諸多學(xué)者針對(duì)杭州、西安、上海、北京等地房屋住宅價(jià)格影響因素進(jìn)行分析[4-8]，認(rèn)為區(qū)位、樓齡、戶型、綠化等眾多因素對(duì)房屋價(jià)格會(huì)產(chǎn)生影響。

一、數(shù)據(jù)來源及模型構(gòu)建

（一）數(shù)據(jù)來源及變量選擇

綜合考慮二手房服務(wù)網(wǎng)站房源信息的真實(shí)性、完整性以及豐富度，本文最終選取鏈家網(wǎng)展示的廣州市二手房源作為目標(biāo)數(shù)據(jù)，運(yùn)用網(wǎng)絡(luò)爬蟲技術(shù)采集了鏈家網(wǎng)站2020年2月29日展示的共3 000條房源信息，將有明顯錯(cuò)誤或缺失的數(shù)據(jù)進(jìn)行剔除或修正調(diào)整，最終留下2 202條樣本。

通過研究國內(nèi)外文獻(xiàn)關(guān)于二手房?jī)r(jià)格影響因素選取的大體情況，并結(jié)合廣州市二手房各個(gè)特征因素信息來源的可獲取性，本文選取了住宅特征中的房屋朝向、面積、房齡、相對(duì)樓層、裝修狀況、大廳數(shù)量、房間數(shù)量、是否近地鐵和房本年限這九個(gè)因素作為影響廣州市二手房?jī)r(jià)格的特征變量，對(duì)這些特征變量的量化，具體如表1所示。

（二）模型的構(gòu)建

特征價(jià)格模型的基本模型可表示為：P=F（X1，X2，X3，…，Xn），其中，P為商品的價(jià)格，X1，X2，X3，…，Xn為影響商品價(jià)格的各個(gè)特征變量。借助統(tǒng)計(jì)分析軟件Stata，本文對(duì)量化處理過的二手房特征變量用Hedonic模型常用的線性函數(shù)、半對(duì)數(shù)函數(shù)、對(duì)數(shù)函數(shù)進(jìn)行了回歸分析，發(fā)現(xiàn)采用半對(duì)數(shù)函數(shù)對(duì)廣州市二手房?jī)r(jià)格進(jìn)行分析時(shí)有最多的顯著性因素且值最大，表明其擬合度更好，故本文采用了半對(duì)數(shù)函數(shù)模型，具體模型如下：

二、模型的回歸分析結(jié)果

半對(duì)數(shù)模型的整個(gè)方程檢驗(yàn)的顯著性P值為0.000<0.001，說明方程式整體顯著，R2=0.572 5，調(diào)整后得為0.570 8，模型對(duì)數(shù)據(jù)的擬合效果較好。具體回歸結(jié)果如表2?？梢钥闯?，九個(gè)影響因素中有七個(gè)因素t檢驗(yàn)的P值是0.000，表明這些變量對(duì)模型具有顯著影響，綜合整理可得半對(duì)數(shù)模型的方程式為：

lnP=4.061 429+0.011 205 3X1-0.038 839 4X2+0.088 934 9X3-0.038 604X4-0.000 189 4X5+0.309 733 8X6+0.061 732 3X7+0.033 707 6X8+0.025 875 4X9

其中，P為總價(jià)，X1為面積，X2為房屋朝向，X3為裝修狀況，X4為相對(duì)樓層，X5為房齡，X8為是否近地鐵，X7為房本年限，X8為房間數(shù)量，X9為大廳數(shù)量。

其中，面積（P=0.000）、房屋朝向（P=0.000）、裝修狀況（P=0.000）、相對(duì)樓層（P=0.000）、是否近地鐵（P=0.000）、房本年限（P=0.000）、房間數(shù)量（P=0.033）、大廳數(shù)量（P=0.000）的P值均小于0.05，在該模型中是影響二手房房?jī)r(jià)的顯著因素;房齡的P值為0.303大于0.05，證明房齡在半對(duì)數(shù)回歸模型中不顯著。

是否近地鐵是影響廣州市二手房?jī)r(jià)格最顯著的因素，其系數(shù)達(dá)到0.309 733 8;是否臨近地鐵在較大程度上反映了住宅的區(qū)位，臨近地鐵交通更加便利，對(duì)二手房?jī)r(jià)格有正向影響。裝修狀況這一特征變量的系數(shù)為0.088 934 9，是對(duì)二手房?jī)r(jià)格影響力排名第二的因素，裝修越好，價(jià)格越高。房本年限對(duì)廣州市二手房?jī)r(jià)格也是正向影響，當(dāng)二手房的房本年限滿兩年或五年，買家需要交的稅費(fèi)更少，因此達(dá)到這種條件的二手房?jī)r(jià)格更高。在各個(gè)特征變量中，房屋朝向、相對(duì)樓層的符號(hào)為負(fù)，與預(yù)期不同。一方面，在鏈家網(wǎng)站展示的數(shù)據(jù)中房屋處于高中低樓層都是相對(duì)于房屋所在樓棟而言的，兩千多個(gè)樣本住宅所在的樓棟并非總層數(shù)都一樣;另一方面，可能是因?yàn)槟承┙忉屪兞块g存在某種近似的線性關(guān)系使多元回歸模型產(chǎn)生誤差。面積越大，廳室數(shù)量越多，二手房的價(jià)格也越高。

三、結(jié)論與展望

本文采集鏈家網(wǎng)站展示的三千條廣州市二手房源信息，進(jìn)行處理后運(yùn)用Hedonic模型的半對(duì)數(shù)函數(shù)模型進(jìn)行回歸分析。從回歸分析的結(jié)果來看，本文選取的九個(gè)特征變量中，除了房齡不是顯著影響因素外，面積、房屋朝向、裝修狀況、相對(duì)樓層、是否近地鐵、房本年限、房間數(shù)量、大廳數(shù)量這八個(gè)特征變量都是影響二手房?jī)r(jià)格的顯著因素。其中，影響廣州市二手房?jī)r(jià)格最明顯的因素是是否近地鐵、裝修狀況和房本年限，這三個(gè)因素對(duì)二手房的價(jià)格都是正向影響，表明近地鐵、裝修好、房本年限滿五年或兩年的二手房?jī)r(jià)格更高。基于數(shù)據(jù)的局限性，本文未選取周圍重點(diǎn)學(xué)校、商業(yè)氛圍、綠化配套等因素從更多層面進(jìn)行更為細(xì)致的研究，研究有待于進(jìn)一步深入。

參考文獻(xiàn)：

[1] ?Ridker R G，Henning J A.The Determinants of Residential Property Values with Special Reference to Air Pollution[J].Review of Economics & Statistics，1967，49（2）：246-257.

[2] ?Luttik J.The value of trees，water and open space as reflected by house prices in the Netherlands[J].Landscape and Urban Planning，2000，48（3-4）：161-167.

[3] ?Limsombunchai V.House Price Prediction：Hedonic Price Model vs.Artificial Neural Network.The 2004 NZARES Conference[R]，Blenheim Country Hotel，Blenheim，New Zealand.June 25-26，2004.

[4] ?郭文剛，崔新明，溫海珍.城市住宅特征價(jià)格分析：對(duì)杭州市的實(shí)證研究[J].經(jīng)濟(jì)地理，2006，（S1）：172-175，187.

[5] ?黃鑫，陳英，張仁陟.基于Hedonic模型構(gòu)建西部農(nóng)村小城鎮(zhèn)二手房特征價(jià)格分析[J].黑龍江農(nóng)業(yè)科學(xué)，2011，（6）：112-115.

[6] ?張萌娜，賈德錚.基于Hedonic模型價(jià)格影響因素的研究——以上海市五角場(chǎng)二手房為例[J].現(xiàn)代商業(yè)，2018，（8）：189-190.

[7] ?張羽鶴.基于GWR模型的北京市二手房?jī)r(jià)格空間分異及影響因素研究[D].北京：中國地質(zhì)大學(xué)（北京），2018.

[8] ?王旭育.基于Hedonic模型的上海住宅特征價(jià)格[M].上海：同濟(jì)大學(xué)出版社，2012.