鄧沛能

[摘 要] 住房是城市一切活動不可缺少的基本要素，住房價格則是住房市場資源有效配置的中心環(huán)節(jié)，研究住房價格的影響因素具有十分重要的意義。目前對武漢地區(qū)的研究和直接獲取的住房成交資料所含信息較少，難以滿足研究的需要。基于此，通過Python網(wǎng)絡(luò)爬蟲技術(shù)解決數(shù)據(jù)獲取的難題。在對住房價格影響因素實證研究時，考慮到傳統(tǒng)OLS估計結(jié)果是有偏的，分別構(gòu)建空間滯后模型和空間誤差模型。最終對武漢洪山區(qū)二手房市場的實證研究表明，空間滯后模型擬合效果更好；中南路-武珞路商務(wù)中心、徐東商務(wù)中心和光谷商務(wù)中心對二手房價格有輻射效應(yīng)，距離越近房價越貴。

[關(guān)鍵詞] Python網(wǎng)絡(luò)爬蟲；特征價格模型；住宅特征；空間計量模型

[中圖分類號] F293 [文獻標識碼] A [文章編號] 1009-6043（2018）08-0050-03

一、文獻綜述

最早把特征價格理論應(yīng)用到住宅市場分析的學者是Ridker（1967），分析了空氣污染對于住宅價格的影響。隨后，Lancaster（1966，1971）、Rosen（1974）分別從消費者理論，市場均衡理論完善了特征價格理論，奠定了特征價格分析方法的理論基礎(chǔ)，在研究中研究者都把住宅的屬性分解為三類：建筑特征，鄰里特征，區(qū)位特征；變量的選擇雖大致相同，但都結(jié)合了研究對象的實際情況選取了具有區(qū)域特點的變量。

在19世紀80年代之后，世界各地的學者應(yīng)用特征價格模型對各地區(qū)住宅價格進行了評估。國內(nèi)相關(guān)研究主要集中發(fā)達地區(qū)，如溫海珍（2003）、張鑫（2008）研究杭州西湖區(qū)的二手房，王旭育（2006）研究上海的住宅市場，羅洲軍（2012）研究西安二手房市場，李志輝（2008）、楊波（2009）研究武漢二手房市場，這些研究都是從構(gòu)建的特征價格模型中得到各特征屬性的隱含價格。隨著HPM模型的應(yīng)用逐漸成熟，一些學者開始研究單一因素對住房價格產(chǎn)生的偏效應(yīng)。如，王雪、吳連喜（2016）以南昌市地鐵一號線對例，研究南昌市地鐵一號線對沿線二手房價格的影響。Haizhen Wen等（2017）以杭州為例，定量評估城市義務(wù)教育質(zhì)量對房價的影響。Celine Grislain-Letremy等（2014）以法國三所城市為對象，研究危險的工業(yè)設(shè)施對于房價的影響。這些研究十分具有現(xiàn)實意義，為特征價格研究開啟了新的視角，特征價格模型有了廣泛的應(yīng)用，邁向成熟階段。

在實證研究過程中，有研究者指出即使考慮了區(qū)位特征變量，特征價格模型也會導(dǎo)致有偏的估計結(jié)果，這是因為住宅價格是一種空間數(shù)據(jù)存在空間自相關(guān)，住宅區(qū)位不同，價格往往差異很大。（溫海珍等，2011）傳統(tǒng)HPM模型的不足是它忽略了住宅的空間固定性，假定住宅價格在空間分布上具有相互獨立性（Anselin，1988）；然而空間計量模型卻能夠反映住房價格數(shù)據(jù)存在的依賴性、異質(zhì)性，所以許多學者開始考慮用空間計量技術(shù)來改善HPM模型，使HPM模型能夠更好的應(yīng)用于房地產(chǎn)價格的研究中。如，施雅娟（2013）研究杭州住宅價格，發(fā)現(xiàn)普通住宅特征價格模型忽略了住宅價格及其特征的空間效應(yīng)，并從空間計量的角度，運用空間Durbin模型（SDM）對城市住宅的特征價格進行研究，揭示了住宅特征價格的空間效應(yīng)。柳熊赳（2015）對昆明市27個住宅小區(qū)2014年的商品房交易數(shù)據(jù)進行分析，運用了傳統(tǒng)的HPM、SEM和SLM模型進行對比分析，實證結(jié)果表明昆明市住宅小區(qū)的商品房價格存在空間相關(guān)性，這些研究都表明住宅價格確實是一種空間數(shù)據(jù)，運用空間計量模型更好。

二、特征價格模型的建立

（一）傳統(tǒng)特征價格模型

特征價格模型（Hedonic Price Model）表明，住房是一種復(fù)合商品，住房價值取決于其各種屬性的價值。消費者購買住房是為了獲得住房的各種屬性，從而實現(xiàn)效用最大化。它將住房屬性分成三個方面的特征：建筑特征、區(qū)位特征以及鄰里特征。住宅的價值是由其特征屬性的價值決定的P=f（z1，z2，z3）——其中，分別表示建筑特征、區(qū)位特征和鄰里特征。

（二）特征變量選取及量化

參考國內(nèi)外研究人員對住房特征價格的研究成果，并結(jié)合本地區(qū)的實際情況，共選擇了13個特征變量。其中有6個定性變量，樓層（底層、中層、高層），裝修程度（毛坯、簡裝修、中裝修、精裝修、豪華裝修），生活配套、文體配套、地鐵站、公交站。對這些定性變量的基礎(chǔ)數(shù)據(jù)需要進行量化。

（三）基于空間計量的特征價格模型

建立多元線性模型運用OLS方法估計就可以從回歸系數(shù)中得到特征屬性的偏效應(yīng)?，F(xiàn)有研究表明對數(shù)模型的擬合效果更好，對連續(xù)變量均取對數(shù)。但是，由于住宅在空間上具有固定性，故其價格是一種空間數(shù)據(jù)，表現(xiàn)出空間自相關(guān)和空間異質(zhì)性（Anselin），空間自相關(guān)指的是住宅價格的鄰里效應(yīng)，是不同地理空間上同一屬性的觀測值之間的相互關(guān)聯(lián)；而空間異質(zhì)性指的是住宅價格數(shù)據(jù)的結(jié)構(gòu)效應(yīng)，是不同空間位置的住宅價格存在系統(tǒng)性差異，導(dǎo)致誤差項具有異方差。

模型一和模型二分別是空間滯后模型和空間誤差模型，空間滯后模型相對于基礎(chǔ)模型加入了空間滯后項，為空間相關(guān)系數(shù)，表示相鄰區(qū)域之間的相關(guān)性；空間誤差模型則主要假定誤差項之間存在空間自相關(guān)。其中是空間權(quán)重矩陣，權(quán)重矩陣的構(gòu)造方法有0-1空間權(quán)重矩陣、K-最近點權(quán)重矩陣、閾值權(quán)重矩陣等（王紅亮，蔡之兵，梁洪運）?？紤]到容易通過距離判斷各樣本之間是否相鄰，選擇基于樣本地理距離的閾值權(quán)重矩陣：同一小區(qū)的住房之間的距離記為0；當樣本之間的距離小于時，則認為相鄰記為1，否則為0。在經(jīng)過多次測算之后，取閾值為700m。

三、實證分析

（一）數(shù)據(jù)來源

現(xiàn)有住房價格研究中，數(shù)據(jù)難以獲取的兩個原因：一是住房成交價格屬于中介及開發(fā)商的商業(yè)秘密；二是從政府部門得到的成交資料所包含的信息不足。這對相關(guān)研究的深入產(chǎn)生了障礙。已有研究表明掛盤價格和實際成交價格存在比較穩(wěn)定的關(guān)系（溫海珍，2004；李志輝，2008）。

與此同時，隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的信息可以從網(wǎng)絡(luò)上獲得。如果能利用各大房地產(chǎn)家居網(wǎng)絡(luò)平臺發(fā)布的掛牌信息，從中獲取數(shù)據(jù)，住房價格研究中的數(shù)據(jù)難題就能夠解決。鑒于此，把Python爬蟲技術(shù)用于數(shù)據(jù)獲取、把百度地圖WebAPI服務(wù)用于獲取樣本經(jīng)緯度坐標、把Pandas數(shù)據(jù)分析技術(shù)用于各類數(shù)據(jù)整合和計算，從而形成將計算機技術(shù)與地理學、經(jīng)濟學相結(jié)合的跨學科解決方案（見下圖）?；诒狙芯總?cè)重于方法論，所以只以武漢洪山區(qū)的二手房數(shù)據(jù)為例進行實證分析。雖然掛牌價格與最終的成交價格存在區(qū)別，但同時具有比較穩(wěn)定的關(guān)系，做近似處理用掛盤價格代替成交價格。

原始數(shù)據(jù)經(jīng)過數(shù)據(jù)的清理、量化、合并均在Python中實現(xiàn)，最后在剔除異常值后篩選出1510個二手房樣本的實證數(shù)據(jù)，各變量的描述統(tǒng)計見表1。

（二）基于空間計量的特征價格模型分析結(jié)果

對于空間計量的估計方法有最大似然法、準最大似然法、工具變量法等，用PaulElhorst編寫的程序在Matlab軟件中進行估計，估計結(jié)果及相關(guān)檢驗見表2。

在空間效應(yīng)檢驗中（見表2），MoransI為0.1126，并且在1%的水平是顯著的，說明住房價格之間存在顯著的空間效應(yīng)，檢驗通過可以建立空間計量模型（溫海珍，2011）。住宅的空間分布并不是完全隨機的，表現(xiàn)出一定的空間相關(guān)性。LM-Error、LM-Lag統(tǒng)計量分別是247.725，109.711，都在1%的水平顯著，與MoransI檢驗結(jié)果相一致，說明確實存在空間效應(yīng)，傳統(tǒng)模型由于沒有考慮空間相關(guān)，結(jié)果是有偏的。

基本模型的擬合優(yōu)度為91.08%，回歸方程能夠解釋91.08%的房價的變動。樓層、文體配套、自然環(huán)境、到中南路-武珞路商業(yè)中心的距離這4個變量在10%的顯著性水平下不顯著；教育配套、公交站個數(shù)的符號與預(yù)期相反；其余變量均與預(yù)期符號一致。對比空間計量模型，空間計量模型的Log_L值（對數(shù)似然函數(shù)）更大，AIC和BIC值更小，空間模型比基本模型更優(yōu)，擬合效果更好。并且，SLM模型的Log_L值更大，AIC、BIC值更小，LR值更加顯著，所以SLM模型更加適宜。針對SLM模型可以得出以下結(jié)果：

1.洪山區(qū)住房價格之間不僅存在著較強的鄰里效應(yīng)，也存在一定的空間異質(zhì)性。SLM模型ρ=0.9257且在1%的水平上顯著，表明住宅價格在一定空間距離之內(nèi)存在很強的空間依賴性。

2.在顯著的變量中，對房價影響最大的特征變量是：建筑面積、離CBD的距離。除了公交車站個數(shù)的系數(shù)是-0.0096之外，其余變量符號都與預(yù)期一致。這種現(xiàn)象在以前有關(guān)的研究中也有出現(xiàn)（Wen，2017），其原因可能是：隨著公交線路的增加可能會對周邊小區(qū)產(chǎn)生負的效應(yīng)，比如噪音污染和環(huán)境污染。很多人更喜歡駕駛私家車出行，對公交的依賴度低。離CBD距離的3個變量對二手房價格的影響是不同的，共同的特點是它們的符號都是負的，表明在其他條件不變的情況下，離CBD越近，住房的價格就越貴。

3.在10%水平下都不顯著的變量有：綠化率、教育配套、自然環(huán)境、到中南路—武珞路CBD距離。分析造成這一結(jié)果的原因可能是：洪山區(qū)住宅小區(qū)的綠化、教育資源豐富，小區(qū)周邊大都配有幼兒園、小學和中學，從數(shù)據(jù)上看綠化率和教育配套得分變化幅度也不大，均值分別是0.3575和2.4755，標準差只有0.0428和0.8304，故也可能數(shù)據(jù)過于集中導(dǎo)致的不顯著。到中南路-武珞路CBD距離對房價影響不顯著，是與徐東CBD距離存在相關(guān)性，相關(guān)系數(shù)高達0.9483，存在共線性。

4.對價格彈性分析，對數(shù)模型中的連續(xù)變量如住房面積，距中南路-武珞路商業(yè)中心、徐東商務(wù)中心和光谷商務(wù)中心的距離，這些變量的系數(shù)通過公式轉(zhuǎn)換，得到價格彈性系數(shù)。在其他條件不變的情況下，建筑面積每增加1%，二手房總價增加1.07%；樓層每高一個檔次，二手房總價減少0.008%；裝修每上升一個檔次，二手房總價增加0.025%。其他彈性同理可得。

四、結(jié)語

在特征價格理論的基礎(chǔ)上，通過應(yīng)用計算機技術(shù)、實現(xiàn)了在數(shù)據(jù)收集上的創(chuàng)新。考慮到住宅價格之間存在著空間自相關(guān)和空間異質(zhì)性，傳統(tǒng)的特征價格模型在進行OLS估計雖簡單易于實現(xiàn)，但忽略了住宅價格的空間效應(yīng)，基于這樣的矛盾構(gòu)建空間滯后模型、空間誤差模型，使模型更具有解釋力度。實證結(jié)果表明洪山區(qū)二手房價存在空間效應(yīng)，并且在空間計量模型中SLM模型更適合特征價格分析。

綜上所述，得出如下結(jié)論：第一，與傳統(tǒng)特征價格模型相比，SLM模型能更好解釋各因素對住房價格影響。第二，在影響住房價格的7個鄰里特征中，并不是所有因素都對房價有顯著影響。第三，其他條件不變的情況下，距離CBD越近，住房的價格會越高。

[參考文獻]

[1]Waugh F.V. Quality factors influencing vegetable prices[J].Journal of Farm Economics，1928， （10）： 185-196.

[2]Court A.T. Hedonic Price Indexes with Automotive Examples[J].In The Dynamics of Automobile Demand，1939.

[3]Ridker R.G.-&-Henning-J.A.The determinants of residential property values with special reference to air pollution[J]. The Review of Economics and Statistics， 1967（49）： 246-257.

[4]Rosen S. Hedonic prices and implicit markets： Product differentiation in pure competition[J]. Journal of Political Economy， 1974， 82（1）： 35-55.

[5]Lancaster，Kelvin J. Consumer Demand：A New Approach[M]. New York City： Columbia University press， 1971.

[6]Lancaster K.J. A new approach to consumer theory[J]. Jounal of Political Economy，1966（74）： 132-157.

[7]溫海珍.城市住宅的特征價格：理論分析與實證研究[D].浙江：浙江大學，2004.

[8]張鑫.基于特征價格的二手房價格評估方法研究[D].浙江：浙江大學，2007.

[9]王旭育.基于Hedonic模型的上海住宅特征價格研究[D].上海：同濟大學，2006.

[10]羅洲軍.多方機制下的西安二手房市場特征價格研究[D].西安：西安建筑科技大學，2012.

[11]李志輝.基于Hedonic模型的武漢住宅特征價格研究[D].武漢：華中農(nóng)業(yè)大學，2008.

[12]楊波.基于Hedonic模型的武漢市住宅二級市場特征價格研究[D].武漢：華中農(nóng)業(yè)大學，2009.

[13]王雪，吳連喜.軌道交通對城市二手房價格的影響——以南昌市地鐵一號線為例[J].江西科學，2016（5）：722-727.

[14]Haizhen Wen，Yue Xiao，Ling Zhang. School district，education quality，and housing price： Evidence from a natural experiment in Hangzhou， China[J].Cities， 2017（66）：72-80.

[15]C.Grislain-Letremy， A.Katossky. The impact of hazardous industrial facilities on housing prices： A comparison of parametric and semiparametric hedonic price models[J].Regional Science and Urban Economics， 2014（49）：93-107.

[16]溫海珍，張之禮，張凌.基于空間計量模型的住宅價格空間效應(yīng)實證分析：以杭州市為例[J].系統(tǒng)工程理論與實踐，2011（9）：1661-1667.

[17]Anselin L.Spatial Econometrics： Methods and models[J].Economic Geography，1988， 65（2）：160.

[18]施雅娟.基于空間Durbin模型的城市住宅特征價格研究[D].浙江：浙江大學，2013.

[19]柳雄赳.基于空間計量模型的昆明市住房特征價格研究[D].昆明：云南財經(jīng)大學，2015.

[20]王紅亮，胡偉平，吳馳.空間權(quán)重矩陣對空間自相關(guān)的影響分析——以湖南省城鄉(xiāng)收入差距為例[J].華南師范大學學報（自然科學版），2010（1）：110-115.

[21]蔡之兵，周儉初.財政支出結(jié)構(gòu)，空間溢出與經(jīng)濟增長——來自四種空間權(quán)重矩陣的證據(jù)[C].中國區(qū)域經(jīng)濟，2012.

[22]梁洪運，周其龍，孫亞林.空間權(quán)重矩陣對空間自相關(guān)影響分析[J].科技資訊，2013（9）：141-143，181.

[23]黎珍惜，黎家勛.基于經(jīng)緯度快速計算兩點間距離及測量誤差[J].測繪與空間地理信息，2013（11）：235-237.

[責任編輯：高萌]