卓倩倩

摘要：當前房價問題已成為社會各界關注的熱點，同時也是房地產學術研究關注的焦點之一，作為估測城市住宅價格的經典方法，特征價格模型（Hedonic price model，簡稱HPM）從2002年開始廣泛運用于國內住房市場的研究。本文以特征價格理論探討南京市棲霞區(qū)城市住宅價格的影響因素，并揭示不同特征對住宅價格的貢獻，以期為商用住宅市場參與者的決策提供依據(jù)。

關鍵詞：Hedonic模型；住宅特征；特征價格

一、引言

隨著我國城鎮(zhèn)化進程的不斷推進，人們對城市住宅的需求越來越大。構成城市住宅使用價值的各個特征之間有明顯的差異，如住宅的位置、面積、小區(qū)環(huán)境、交通狀況等，這表示住宅的每一個特征都對應著一個隱含的特征價格，而該價格無法被市場直接觀測。因此，估計住宅本身的隱含價格，可以揭示消費者的購房偏好，對城市商品住宅市場的供需分析具有重要意義。

二、文獻綜述

Hedonic模型源于Lancaster（1966）的新消費者決策理論和Rosen（1974）的供需均衡模型。Lancaster認為商品具有一系列的內在屬性和特征，商品的出售是作為內在屬性集合進行的，消費者對產品的需求取決于商品所含的內在屬性的數(shù)量和質量。Rosen從理論上分析了異質性商品市場的短期和長期均衡，為特征價格的理論建模、函數(shù)估計奠定了基礎。此后，隨著研究進一步深化，Hedonic模型的應用也日趨廣泛和深入。

國外從研究內容來看，Karin & Quigley（1970）發(fā)現(xiàn)建筑質量與住宅價格顯著正相關。Brasington（2002）發(fā)現(xiàn)學校質量與周圍的住宅價格正相關。Bowes評估了軌道交通站點的可近性對住宅價值的正面效應及負的外部性。Geoghegan（1997）、Kim（2003）等研究了住宅周圍的景觀、綠化、空氣等因素對住宅價格的影響。從研究方法來講，有半?yún)?shù)、非參數(shù)回歸技術、GIS技術，還有離散選擇模型、神經網(wǎng)絡等方法的結合使用。

國內學者蔣一軍最早利用Hedonic方法計算房地產價格指數(shù)。溫海珍（2004）通過杭州市西湖區(qū)住宅交易資料，得出了與房價緊密相關的特征因素，并根據(jù)重要程度將其分為三類。王旭育（2006）等確定了不同特征變量對于住宅市場價格的影響程度。王福良（2014）對城市軌道交通與周邊房價的影響機制進行了實證分析。

本文在已有研究的基礎上，運用傳統(tǒng)的特征價格模型測算了棲霞區(qū)住宅特征的特征價格，確立了不同住宅特征對住宅價格的影響程度，得出棲霞區(qū)住宅特征的價格模型。

三、實證分析

經典的特征價格模型的函數(shù)形式一般分為線性函數(shù)、對數(shù)線性函數(shù)、對數(shù)函數(shù)。本文經過嘗試和比較采用一般線性函數(shù)建立模型，回歸系數(shù)為常數(shù)，對應特征的隱含價格。

（一）變量選擇

住宅特征一般被分為建筑特征、區(qū)位特征和鄰里特征三大類。建筑特征主要是與住宅本身相關的特征變量，包括建筑面積（+）、房齡（-）、樓層數(shù)（未知）、裝修程度（+）、臥室數(shù)目（+）、朝向（未知）共6個；區(qū)位特征包括公交線路（+）、地鐵（+）、新街口距離（-）共3個；鄰里特征是用來衡量住宅周圍環(huán)境的變量，包括教育配套（+）、鄰近大學（+）、醫(yī)療配套（-）、商場數(shù)目（+）、超市數(shù)目（+）、便利店數(shù)目（+）、綠化率（+）、物業(yè)費（-）共8個（括號內的符號表示預期影響符號）。

（二）數(shù)據(jù)來源

本文以南京市棲霞區(qū)作為研究區(qū)域，收集56個小區(qū)共計630個二手房掛牌數(shù)據(jù)作為研究樣本，剔除異常值后，最終進入模型的樣本數(shù)據(jù)共530個。數(shù)據(jù)主要來源于南京365房地產網(wǎng)站、南京搜房網(wǎng)等，該網(wǎng)站數(shù)據(jù)在多數(shù)研究中都有使用，具有一定說服力。小區(qū)到達新街口的距離變量采用能夠到達的最快捷距離，數(shù)據(jù)來自于百度地圖、好搜地圖。為使樣本更具有針對性，主要選取高層和小高層作為研究對象。

（三）實證結果分析

采用SPSS21.0，應用OLS法進行強制回歸分析，由結果看， R2為0.714，方程擬合程度較好。最大的VIF值3.561，各解釋變量之間不存在共線性。通過方差分析得到F值為73.999，sig值0.000，方程設定是顯著的。在回歸系數(shù)的估計中，樓層數(shù)、南北朝向、教育配套三個特征變量未通過95%的顯著性水平，即這三者對棲霞區(qū)房價的影響不顯著，其他特征變量均通過顯著性檢驗。

1.住宅特征的特征價格分析

從住宅特征的價格函數(shù)可知，回歸系數(shù)對應住宅特征的價格。建筑特征中的建筑面積每增加1m2，每套住宅的平均價格將增加1.332萬元；房齡每增加1年住宅價格減少1.785萬元；裝修程度每增加一個檔次，住宅價格將增加7.370萬元；臥室數(shù)目每增加一間，住宅價格將增加11.479萬元。在區(qū)位特征中，小區(qū)附近有地鐵站點的住宅價格相應增加11.041萬元，而距南京新街口（CBD）的距離每增加1km，住宅價格會下降2.794萬元。鄰里特征中，顯著性水平最強的是商場數(shù)目、小區(qū)綠化率和小區(qū)是否有鄰近大學校區(qū)。大多數(shù)回歸結果與預期影響符號一致，但公交線路、超市數(shù)目、便利店數(shù)目與預期符號不一致。對此，合理的解釋是對交通便利、商業(yè)配套齊全的地區(qū)而言，公交線路的增多，超市、便利店的增加會帶來更大的人流量，產生交通擁堵、噪音、污染等負效應，影響人們日常生活。

我們把各樣本住宅的特征數(shù)值的平均值作為定義整個棲霞區(qū)住宅市場的標準住宅特征。在標準住宅中，定義各特征價格與特征數(shù)目的乘積作為單個住宅特征對整個住宅價值的貢獻程度。根據(jù)特征總價和特征總價絕對值之和的比值，可以得到特征總價在住宅總價中所占的比重。我們發(fā)現(xiàn)，在標準住宅中，建筑特征、區(qū)位特征、鄰里特征對總體住宅價格的貢獻率分別為34.13%、8.79%、57.08%。此結論與郭文剛（2006）基于杭州市的估計結果（60.0%，19.8%、16.5%）有所差別?？赡艿脑蚴牵`屬于南京市重要交通樞紐的棲霞區(qū)總體上擁有先天的資源和區(qū)位優(yōu)勢，這使得區(qū)域內占據(jù)不同資源優(yōu)勢的小區(qū)的吸引力蓋住了住宅本身的建筑特征，當然，也不排除樣本未能涵蓋本區(qū)內所有住宅特征的可能。

2.住宅特征的重要性程度分析

特征價格由于衡量單位不同，其影響程度也無法通過模擬數(shù)據(jù)進行直接的比較。但標準化后的回歸系數(shù)（Beta）是在對所有變量進行標準化后得到的，具有可比性，我們使用其絕對值對各個變量特征的影響程度進行排序，并將住宅特征分為三類。分類的標準為：[Beta]≥0.20為第一類；[Beta]≥0.10為第二類；[Beta]<0.10為第三類。

從變量特征的排序和分類結果來看，與住宅價格關系比較密切的14個住宅特征對價格的影響程度是有差異的，影響程度最大的住宅特征是建筑面積，最小的是物業(yè)費。第一類對住宅價格的影響最大（建筑面積、距新街口距離以及小區(qū)是否鄰近大學）；第二類（房齡、裝修程度、臥室數(shù)目、公交線路、商場數(shù)目、便利店數(shù)目以及小區(qū)綠化率水平）表現(xiàn)一般；影響最小的是第三類（小區(qū)是否靠近地鐵站點、周邊醫(yī)療設施配套、超市數(shù)目以及物業(yè)費）。這也揭示了消費者對城市住宅特征的不同的關心程度。

結語

本文采用線性函數(shù)形式構建了南京市棲霞區(qū)住宅特征價格模型，通過模型系數(shù)的估計和分析，發(fā)現(xiàn)就棲霞區(qū)整個住宅市場而言，14個住宅特征對住宅價格的影響程度是有差異的。在標準住宅中，建筑特征對總體住宅價格的貢獻率為34.13%，區(qū)位特征對住宅總價的貢獻率為8.79%，鄰里特征對住宅總價的貢獻率為57.08%。此結果可以為住宅市場參與者的決策提供依據(jù)，也可以用來解釋其他經濟發(fā)展水平與棲霞區(qū)相近地區(qū)的城市住宅特征價格。

參考文獻：

[1]Lancaster， Kelvin J. A New Approach to Consumer Theory [J]. Journal of Political Economy， 1966，74（1）：57-132.

[2]Rosen S. Hedonic prices and implicit markets： Product differentiation in pure competition [J]. Journal of Political Economy， 1976，82（1）： 35-55.

[3]賈生華，溫海珍.房地產特征價格模型的理論發(fā)展及其應用[J].外國經濟與管理，2004，26（5）：42-44.

[4]溫海珍，賈生華.基于特征價格的房地產評估新方法[J].外國經濟與管理，2004，26（6）：31-40.

[5]郭文剛，崔新明，溫海珍.城市住宅特征價格分析：對杭州市的實證研究[J].經濟地理，2006（26）：176-187.