楊亞西　彭卓韜　楊波

摘要：隨著房產(chǎn)稅試點的開展和不動產(chǎn)登記條例的正式出臺，房產(chǎn)稅由試點城市向所有城市、由增量房向存量房全面擴容是我國房產(chǎn)稅改革的必然趨勢。由于我國存量房的數(shù)量巨大且產(chǎn)權性質(zhì)復雜，選擇專業(yè)、合理、客觀、高效的住宅批量估價方法，是我國房產(chǎn)稅全面擴容所要解決的首要問題。本文分別對現(xiàn)有的三種住宅批量估價方法的原理及其步驟進行了詳細的介紹，并對三種方法的優(yōu)點以及不足展開了細致的討論和分析，為我國住宅批量估價實踐提供有益的借鑒和參考。

關鍵詞：房產(chǎn)稅；批量估價方法；優(yōu)缺點

一、引言

為了優(yōu)化地方財政收入結構和抑制住房投機需求，重慶和上海兩地在2011年1月成為全國首批試點城市，對居民開始征收房產(chǎn)稅。當前這兩個試點城市主要針對增量房征稅，以市場交易價格為征稅依據(jù)。目前，房地產(chǎn)最基本的估價方法有市場比較法、收益法和成本法。由于市場比較法的估價原理能更好的體現(xiàn)房地產(chǎn)市場情況，所評估的指標參數(shù)能夠通過交易市場直接獲得，且評估結果更加的科學準確，因此它成為最重要、最常用的房地產(chǎn)估價方法之一，也成為房地產(chǎn)批量估價方法的基礎。本文對以市場比較法為基礎的幾種常用住宅批量估價方法進行研究，比較其優(yōu)缺點，為我國建立和完善住宅批量估價系統(tǒng)提供參考。

二、基于模糊數(shù)學的住宅批量估價方法

（一）估價原理。自然界中，精確數(shù)學無法描述廣泛存在的模糊現(xiàn)象。而人類能夠通過模糊的思維和語言進行信息的表達，再通過大腦進行理論的分析和推導，最終做出決策。模糊數(shù)學就是模仿人類思維的過程，運用數(shù)學方法對模糊現(xiàn)象進行研究和處理?；谀：龜?shù)學的住宅評量估價方法，通過運用模糊數(shù)學理論來解決可比實例的選擇問題。它以貼近度為依據(jù)，從若干個交易實例中選擇貼近度大，即與待估房地產(chǎn)最相似的交易實例作為可比實例。

（二）估價步驟

（1）提取估價對象的特征因素。在影響房地產(chǎn)價格的眾多因素中，各因素對估價目的不同的房地產(chǎn)的影響有一定的差別，結合專家意見對主要的特征因素進行提取。

（2）確定特征因素隸屬函數(shù)值。隸屬函數(shù)是表示某些因素隸屬于某種特征的函數(shù)，其取值在0和1之間。當函數(shù)值越近似于1，則說明隸屬度越大，反之隸屬度較低。特征因素主要有兩類：一類是難以量化的模糊指標（如交通狀況等）；第二類則是容易得到的確切量化指標（如面積等）。軟指標隸屬函數(shù)值的確定可用類比法建立隸屬函數(shù)，并通過實地考查勘測來確定。

（3）計算貼近度。貼近度是描述兩模糊子集之間彼此相近程度的概念，取值范圍在[0，1]區(qū)間。同樣，當貼近度越近似于1，則說明兩模糊子集越相近，反之貼近度較低。設A與B為論域U的模糊子集，則

A○B(yǎng)=（A（）∧B（））=（A（）∧B（））（公式1）

公式1稱為A與B的內(nèi)積。

A⊕B=（A（）∨B（））=（A（）∨B（））（公式2）

公式2稱為A與B的外積。

σ（A，B）=（1/2）[A○B(yǎng)+（1-A⊕B）]（公式3）

公式3稱為A與B的貼近度。

按式（公式1）～（公式3）計算待估房地產(chǎn)與可比實例貼近度。

（4）計算待估房地產(chǎn)價值。先計算各交易實例特征因素的隸屬函數(shù)值，提取特征因素，再通過計算待估房地產(chǎn)與各交易實例的貼近度得出待估房地產(chǎn)的估價結果。

（三）優(yōu)缺點分析

1、優(yōu)點分析

（1）實例選擇和權重確定更加客觀?；谀：龜?shù)學的住宅批量評估方法引入貼近度概念來選取可比實例，并將待估房地產(chǎn)與可比實例的貼近度轉(zhuǎn)化成權重，減少了個人情感色彩對可比實例選擇和權重確定產(chǎn)生的影響。這種方法對可比實例的選擇和權重的確定比傳統(tǒng)方法更加客觀，科學。

（2）能更好地評價定性因素。定性因素難以量化，具有模糊性，基于模糊數(shù)學的住宅批量評估方法在處理這類具有“模糊”性質(zhì)的因素時，通過類比法建立隸屬函數(shù)，使其量化成統(tǒng)一標準數(shù)字描述，是解決這類問題的最有效方法。

2、缺點分析

（1）特征因素的確定受人為因素影響。特征因素較多，估價人員在進行主要特征因素的選取時往往是參照估價條例及經(jīng)驗進行主觀判斷。同時對于難以量化的軟指標，雖能通過類比法建立隸屬函數(shù)，但其隸屬函數(shù)值的最終確定仍受估價人員的人為影響。

（2）模型對可比實例要求高。本方法需要有大量具體的實例以供選擇，并且原則上要求所選取的實例與待估對象的交易時間越近越好，這樣才能保證估價結果的精確度。但我國目前在房地產(chǎn)交易信息統(tǒng)計以及公開方面還有所欠缺，房地產(chǎn)市場管理體系不夠完善，房地產(chǎn)交易登記常出現(xiàn)陰陽合同等，導致選取的符合要求的可比實例數(shù)量有限，進而可能影響估價結果的精確度。

三、基于神經(jīng)網(wǎng)絡的住宅批量估價方法

（一）估價原理。人工神經(jīng)網(wǎng)絡是一種通過模擬動物神經(jīng)功能和結構特征，進行分布式并行信息處理的數(shù)學模型。尤其適合需要同時處理多因素和不精確的信息問題。而房地產(chǎn)價格受許多因素的印象，同時某些特征因素和房地產(chǎn)價格之間著非線性問題。因此，人工神經(jīng)網(wǎng)絡運用到房地產(chǎn)估價當中是科學合理的。

（二）估價步驟

（1）輸入待估房地產(chǎn)信息。選取與估價相關的房地產(chǎn)信息，例如小區(qū)名稱、位置、面積等。（2）對主要的特征因素進行量化。通過建立指標體系選取主要影響因素，并咨詢專家進行量化打分，將主要的特征影響因素進行輸入。（3）確定樣本。選取一定數(shù)目與待估房地產(chǎn)相類似交易可比實例。其中70%作為訓練樣本，剩下的樣本用于檢測。為了有利于神經(jīng)網(wǎng)絡訓練，待樣本確定后，按照一定的規(guī)則，將樣本的輸入、輸出轉(zhuǎn)化為0到1區(qū)間的值。（4）建立模型。確定模型的基本參數(shù)。（5）模型訓練。即網(wǎng)絡的學習過程。首先設置訓練參數(shù)，再用選取的訓練樣本對建立好的神經(jīng)網(wǎng)絡模型進行訓練。（6）模型檢測。通過測試樣本得到樣本檢測誤差，判斷模型是否滿足要求。如不滿足，應從新訓練，直到符合要求。（7）估價。輸入待估對象的影響因素值，得到它的評估價格。

（三）優(yōu)缺點分析

1、優(yōu)點分析?；谏窠?jīng)網(wǎng)絡的住宅批量評估方法的最大優(yōu)點在于權重確定更加客觀。網(wǎng)絡通過樣本學習，系統(tǒng)將自動得出各特征因素與房地產(chǎn)價格之間關系的權數(shù)，從而克服了人工確定權重的主觀隨意性。

2、缺點分析

（1）模型對樣本要求高。構建房地產(chǎn)估價的神經(jīng)網(wǎng)絡模型其訓練需要大量樣本數(shù)據(jù)，對房地產(chǎn)市場的要求高，需要該地區(qū)房地產(chǎn)交易信息管理相當完善，并能收集足夠的有效的交易案例，否則模型的精準度難以保證。

（2）人為主觀影響因素較大。由于特征因素的量化的前提是特征因素的提取，而特征因素構建的價格指標體系采用評估人員經(jīng)驗選取以及專家打分等方法進行的，這個過程有較強的主觀性，從而影響估價結果的科學性和準確性。

（3）估價結果的時點效應需進一步修正。由于房地產(chǎn)估價具有較強的時效性，而神經(jīng)網(wǎng)絡估價方法無法對時點進行修正，還需參照一般的市場比較法進行二次修正。

（4）應用神經(jīng)網(wǎng)絡方法收斂速度太慢。影響房地產(chǎn)價值的因素眾多，其中很多因素有較強的時效性，因此在市場交易環(huán)境發(fā)生變化時，模型的更新需要大量的訓練時間，對于把握市場變化的效率不高。

四、基于多元回歸模型的住宅批量估價方法

（一）估價原理。多元回歸分析是目前在國外批量評估中占主流的校準技術。其基本原理是：在大量樣本的基礎上，通過對變量、誤差的假定，依靠最小二乘法來擬合因變量與自變量關系，從而建立數(shù)學模型。線性回歸模型的代表是效用函數(shù)（Hedonic Model）。

P=βo+∑βiXi+ε（公式4）

式中：P—住宅價格；

βo—回歸常數(shù)項，即除住宅特征變量外其他影響商品住宅價格的常量之和；

βi—回歸系數(shù)，即特征變量的特征價格；

Xi—特征變量，如區(qū)域、面積、樓層、結構等；

ε—隨機誤差，一般隨機誤差不具有經(jīng)濟意義。

（二）估價步驟

（1）確定估價對象。批量估價的房地產(chǎn)應是具有相同或相似特點的，對區(qū)域內(nèi)存在個別差異的特殊房地產(chǎn)應對其進行個案估價。

（2）市場區(qū)域的劃分。區(qū)位因素對房地產(chǎn)估價的影響較為突出，合理地劃分市場區(qū)域是批量估價的重點工作，不但提高了房地產(chǎn)的相似程度，提高估價的準確度，同時也簡化了估價難度。

（3）確定特征因素。對于房地產(chǎn)批量估價而言，特征因素的選取最為關鍵，選取共同的、相關的特征因素對提高模型準確度至關重要，對于個別的特征因素可以進行單獨估價。

（4）模型設定。本文以住宅為研究對象設定模型，將住宅的價格作為因變量，將影響住宅價格的各個特征因素作為自變量。使用多元回歸模型，借助計算機技術輔助完成模型的建立。

（5）模型校準。特征因素對房地產(chǎn)價格的影響程度即模型中的自變量系數(shù)，對模型中不符合估價要求的自變量系數(shù)進行剔除并對模型進行校準。

（6）模型應用。將評估對象特征因素量化后的值輸入函數(shù)模型，得到估價結果。

（7）檢測批量評估結果。通過評估價值和市場價值的實際比對得出批量估價的質(zhì)量，即評估水平。

（三）優(yōu)缺點分析

1、優(yōu)點分析

（1）房地產(chǎn)的批量評估快速精準。多元回歸模型的優(yōu)勢在于其使用最小二乘法原理，通過多重共線性及各回歸參數(shù)的檢驗和剔除，得出擬合優(yōu)度最高的線性模型，從而提高估價模型的精度，能夠滿足大批量房地產(chǎn)的快速精準評估。

（2）模型的經(jīng)濟解釋力強。由于每一個回歸系數(shù)能夠體現(xiàn)各特征因素對房地產(chǎn)價值的影響，并對不顯著變量進行剔除，有利于決策者根據(jù)不同參數(shù)把握市場情況，進行相關調(diào)控（比如規(guī)劃、需求刺激/抑制等），同時模型參數(shù)對于樓盤開發(fā)、城市發(fā)展等方面，也具有重要參考意義。

2、缺點分析

（1）模型的精度受研究基本單位影響大。雖然優(yōu)勢中提到了模型的擬合精度較高，但這種精度的要求卻是依賴于模型研究的基本單位，比如樓幢、小區(qū)、片區(qū)、行政區(qū)等?；締挝环秶叫。Ｐ偷臄M合精度也越高，反之越低。如果基本單位范圍越小，時間成本、人力成本和對樣本的質(zhì)量要求會比較高。如果基本單位范圍越廣，對于樣本的參數(shù)要求就越高，調(diào)查成本也越高。

（2）模型更新頻繁。該方法是建立在各種因素的基礎上，參數(shù)則需要進行修改。該模型適合于交易活躍的城市。對于交易不活躍的城市，參數(shù)修改的參考實例不足，導致方法的局限性很大。

五、結束語

通過上述分析，可以看出現(xiàn)有的三種住宅批量估價方法各有利弊，且適用的范圍及對象有所區(qū)別，不能相互完全替代，因此有必要對這些方法進行改進并進行組合運用，從而提高其估價的準確度。（作者單位：重慶郵電大學經(jīng)濟管理學院）

參考文獻：

[1]吳紅華，賴華勇.房地產(chǎn)估價的區(qū)間數(shù)灰色模糊法[J].湖南大學學報，2012（10）

[2]郭振華.我國房地產(chǎn)批量評估技術研究[D].首都經(jīng)濟貿(mào)易大學，2013.

[3]汪金焰.基于模糊集理論的改進市場比較法在宗地地價評估中的應用研究[D].合肥工業(yè)大學，2009.

[4]王晞，李偉.人工神經(jīng)網(wǎng)絡在房地產(chǎn)估價中的應用研究[J].山西建筑，2010（1）.