楊 鑫

(云南財(cái)經(jīng)大學(xué) 云南 昆明 650032)

進(jìn)入21世紀(jì)以來(lái)，中國(guó)的住宅價(jià)格就隨著中國(guó)的經(jīng)濟(jì)增長(zhǎng)也在快速的增長(zhǎng)著，快速增長(zhǎng)的房?jī)r(jià)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(lái)去尋找影響房?jī)r(jià)的因素，近幾年來(lái)使用最廣泛方法包括通過(guò)GIS、空間計(jì)量模型、特征價(jià)格模型等，筆者選擇的方法是建立特征價(jià)格模型。

一、研究區(qū)概況

昆明市是云南省的省會(huì)城市、滇中城市群中心城市，國(guó)務(wù)院批復(fù)確定的中國(guó)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(gè)縣、代管1個(gè)縣級(jí)市和3個(gè)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(wàn)人，增長(zhǎng)1.7%；全市地區(qū)生產(chǎn)總值6400億元，增長(zhǎng)7.5%；全年商品房銷(xiāo)售額1570萬(wàn)元，增長(zhǎng)20.24%；全年城鎮(zhèn)居民人均可支配收入22049元，增長(zhǎng)8%。選取昆明市五華區(qū)、盤(pán)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(kāi)盤(pán)或在售的樓盤(pán)為研究對(duì)象．通過(guò)咨詢(xún)相關(guān)專(zhuān)家和實(shí)際調(diào)研，選取500個(gè)樓盤(pán)樣本點(diǎn)，以保證樣本點(diǎn)的科學(xué)性和典型性．

二、研究方法與數(shù)據(jù)來(lái)源

(一)研究方法

特征價(jià)格理論提出較早，之后依次經(jīng)歷了沉寂、快速發(fā)展時(shí)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(lái)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(duì)數(shù)函數(shù)、半對(duì)數(shù)函數(shù)、雙對(duì)數(shù)函數(shù)等，后來(lái)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(méi)有優(yōu)劣之分，它們的優(yōu)劣只是體現(xiàn)在對(duì)同一組樣本數(shù)據(jù)進(jìn)行擬合分析時(shí)所表現(xiàn)出來(lái)的效果差異。特征價(jià)格模型的原理是，在競(jìng)爭(zhēng)機(jī)制作用下市場(chǎng)均衡時(shí)消費(fèi)者想購(gòu)買(mǎi)某一商品，而該商品具有很多特征，用X1，X2，X3，……Xn來(lái)表示，消費(fèi)者愿意為這些特征所花的價(jià)錢(qián)總和P 為該商品的特征價(jià)格，此特征價(jià)格P為特征用X1，X2，X3，……Xn的一個(gè)函數(shù)，即：

P=f(X1,X2,X,…Xn)

對(duì)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(jià)格。

1.變量的選擇

特征價(jià)格模型因變量通常指一套住宅總價(jià)格，自變量是指住宅所包含的特征變量。住宅房產(chǎn)的價(jià)格隨房屋特征改變和時(shí)間變化而產(chǎn)生價(jià)格變動(dòng)。在特征價(jià)格模型中，參入擬合的房產(chǎn)交易時(shí)間相近，所以主要考慮房產(chǎn)價(jià)格隨房屋住宅特征改變而引起的價(jià)格變動(dòng)。在對(duì)國(guó)內(nèi)外學(xué)者的相關(guān)文獻(xiàn)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(lèi)，建筑特征大多采用綠化率、容積率、物業(yè)管理費(fèi)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(jí)、所在行政區(qū)域等變量。筆者結(jié)合昆明市的實(shí)際情況，將特征因素分為3大類(lèi)、17個(gè)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(gè)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(chē)站距離、到最近農(nóng)貿(mào)市場(chǎng)距離、到最近醫(yī)院距離以及到最近主干道距離8個(gè)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(gè)因素，研究其對(duì)昆明市住宅租金均價(jià)的影響程度。住宅特征變量及含義見(jiàn)表1。

表1 住宅特征變量及來(lái)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(jì)17個(gè)，不同種類(lèi)的變量需要采用不同的方式進(jìn)行量化，參考國(guó)內(nèi)外優(yōu)秀的文獻(xiàn)，本文采用的線性量化方式可以分為四類(lèi)：一是直接采用原始數(shù)據(jù)作為變量值；二是用5點(diǎn)Likert量表的形式對(duì)變量進(jìn)行分級(jí)，采用分級(jí)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(duì)建筑面積、房齡、所在樓層、房間數(shù)目采用實(shí)際觀測(cè)數(shù)據(jù)進(jìn)行線性量化，對(duì)裝修程度采用5點(diǎn)Likert量表進(jìn)行分級(jí)，對(duì)朝向、房間配套進(jìn)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(chē)站距離、到最近農(nóng)貿(mào)市場(chǎng)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(duì)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(chǎng)的Hedonic分析-以重慶市為例》和《城市住宅的特征價(jià)格_理論分析與實(shí)證研究》等文獻(xiàn)，對(duì)特征變量進(jìn)行對(duì)數(shù)量化，整合后得到的總的特征變量的對(duì)數(shù)量化如下表3所示：

表3 特征變量對(duì)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(yàn)推導(dǎo)方法，我們知道特征價(jià)格模型的形式主要包括四種：線性模型、對(duì)數(shù)模型、半對(duì)數(shù)模型以及對(duì)數(shù)線性模型，本研究采用線性函數(shù)形式和雙對(duì)數(shù)函數(shù)形式構(gòu)建城市住宅租金特征價(jià)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(jià)格(元/平方米)，Zi為城市住宅租金價(jià)格影響因素量化數(shù)值，α0，αi為待定系數(shù)，ε為隨機(jī)誤差項(xiàng)；

(2)對(duì)數(shù)模型

lnP=α0+∑αilnZi+ε

(式5-18)

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

(二)數(shù)據(jù)來(lái)源

特征價(jià)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(duì)較全的交易案例數(shù)據(jù)1250套，以及通過(guò)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(gè)交易案例數(shù)據(jù)運(yùn)用到該模型。

三、實(shí)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(lái)完成模型的描述性統(tǒng)計(jì)分析、模型選優(yōu)以及各變量的統(tǒng)計(jì)顯著性檢驗(yàn)等技術(shù)性工作。分別將因變量即住宅小區(qū)均價(jià)、17個(gè)自變量代入特征價(jià)格線性函數(shù)和對(duì)數(shù)函數(shù)模型中，進(jìn)行回歸分析。

(二)模型的估計(jì)和檢驗(yàn)

1.模型的估計(jì)與檢驗(yàn)

在SPSS20.0中用最小二乘法對(duì)特征價(jià)格面模型進(jìn)行估計(jì)，對(duì)樣本數(shù)據(jù)進(jìn)行回歸(置信區(qū)間為95%)，得到回歸分析表,對(duì)其進(jìn)行異方差檢驗(yàn)，發(fā)現(xiàn)有異方差，會(huì)影響模型擬合結(jié)果；然后對(duì)其進(jìn)行異方差處理，用模型擬合的殘差對(duì)原模型進(jìn)行加權(quán)，采用線性函數(shù)模型和對(duì)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(duì)數(shù)函數(shù)回歸模型

表7 對(duì)數(shù)函數(shù)模型回歸系數(shù)分析

一般來(lái)講，復(fù)相關(guān)系數(shù)取值在區(qū)間[0，0.09]內(nèi)，表明沒(méi)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(qiáng)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(jià)與其他自變量線性關(guān)系較強(qiáng)。另外，方差分析表中顯示了顯著性檢驗(yàn)值Sig.均為0.000，小于0.001，說(shuō)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(duì)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(duì)數(shù)函數(shù)模型的F 值也大于其他模型，說(shuō)明對(duì)于本文的樣本數(shù)據(jù)，對(duì)數(shù)函數(shù)模型在上述兩種模型中擬合度較好，還需要進(jìn)行其他方面的檢驗(yàn)，來(lái)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(duì)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(duì)數(shù)模型的VIF的均值為1.039，小于線性模型的VIF1.274，說(shuō)明全對(duì)數(shù)模型在多重共線性問(wèn)題上比線性模型更優(yōu)，所以選擇全對(duì)數(shù)模型進(jìn)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(jià)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(chǎng)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(gè)租金影響因素進(jìn)入模型，且對(duì)模型進(jìn)行異方差和線性相關(guān)性檢驗(yàn)，都通過(guò)了檢驗(yàn)，說(shuō)明它們是影響昆明市住宅用地價(jià)格的主要影響因素。按回歸結(jié)果并將房租均價(jià)設(shè)為P，則昆明市住宅租金價(jià)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(duì)數(shù)函數(shù)特征價(jià)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(chǎng)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(gè)租金影響因素進(jìn)入模型,且對(duì)模型進(jìn)行異方差和線性相關(guān)性檢驗(yàn)，都通過(guò)了檢驗(yàn)，說(shuō)明它們是影響昆明市住宅用地價(jià)格的主要影響因素。則昆明市住宅租金價(jià)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(gè)自變量前面的系數(shù)可以看出，即自變量對(duì)數(shù)量化單位每提高一個(gè)等級(jí)。如對(duì)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(chǎng)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(jià)格的符號(hào)和系數(shù):

模型1和模型2中的各個(gè)自變量前面的系數(shù)和符號(hào)，代表了昆明市住宅租金價(jià)格影響因素的特征價(jià)格。在5%的顯著性水平下，符號(hào)為正表示自變量每增加一個(gè)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(hào)為負(fù)時(shí)表示自變量每增加一個(gè)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(duì)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(shí)證檢驗(yàn)的模型1和模型2對(duì)比中可以看出對(duì)數(shù)特征價(jià)格模型具有更好的說(shuō)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(duì)住宅價(jià)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(jià)格的關(guān)系具有負(fù)相關(guān)性，房齡越久、到市中心越遠(yuǎn)，住宅均價(jià)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(jià)越高，因?yàn)闃菍硬捎媚：龜?shù)學(xué)法進(jìn)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(jià)越高。

由于使用方法較為單一，沒(méi)有使用多種研究方法結(jié)合的方式，僅用特征價(jià)格模型對(duì)因變量和自變量進(jìn)行解釋?zhuān)墙Y(jié)果可能存在部分偏差，同時(shí)沒(méi)有對(duì)變量的時(shí)間因素進(jìn)行深化研究，這些都有待于進(jìn)行更為深入的研究。