□喻 燕

（廣東海洋大學(xué) 管理學(xué)院，廣東 湛江 524000）

2016 年6 月，國(guó)務(wù)院發(fā)布《關(guān)于加快培育和發(fā)展住房租賃市場(chǎng)的若干意見(jiàn)》（國(guó)辦發(fā)〔2016〕39號(hào)）以來(lái)，各地先后出臺(tái)了“商業(yè)用房改租賃住房”“廠房改公寓”“城中村房源規(guī)?；赓U”“租賃落戶”“租購(gòu)?fù)瑱?quán)”等政策促進(jìn)住房租賃市場(chǎng)發(fā)展。長(zhǎng)租公寓因裝修時(shí)尚、配套齊全、拎包入住，退租方便等優(yōu)勢(shì)受到市場(chǎng)青睞，在解決新市民居住，改善住房供應(yīng)結(jié)構(gòu)中發(fā)揮了積極作用。因市場(chǎng)監(jiān)管滯后，長(zhǎng)租公寓運(yùn)營(yíng)中存在壟斷房源、哄抬房租、“高進(jìn)低出(支付房東的租金高于收取租戶的租金)”“長(zhǎng)收短付（收取租戶租金周期長(zhǎng)于給付房東租金周期）”、騙取租賃貸款、強(qiáng)制驅(qū)逐承租人等亂象，嚴(yán)重影響了“租購(gòu)并舉”住房政策推進(jìn)。

2019 年12 月，住房和城鄉(xiāng)建設(shè)部等六部委出臺(tái)了《關(guān)于整頓規(guī)范住房租賃市場(chǎng)秩序的意見(jiàn)》（建房規(guī)〔2019〕10 號(hào)）提出嚴(yán)格租賃登記備案管理、動(dòng)態(tài)監(jiān)管房源發(fā)布、管控租賃金融業(yè)務(wù)等十四條要求，以促進(jìn)租賃市場(chǎng)規(guī)范發(fā)展。科學(xué)制定長(zhǎng)租公寓租賃價(jià)格對(duì)于推進(jìn)租賃市場(chǎng)供給側(cè)改革，加速人口城市化進(jìn)程具有重要意義。本研究旨在運(yùn)用特征價(jià)格理論，揭示長(zhǎng)租公寓租金中隱含的特征因素及其對(duì)租金影響的相對(duì)重要性，以期為政府制定區(qū)域性租金指導(dǎo)價(jià)提供參考。

一、相關(guān)研究評(píng)述

效用價(jià)值論認(rèn)為商品價(jià)值源于其滿足人們欲望的能力，商品價(jià)格由商品帶給人們的效用所決定。特征價(jià)格理論認(rèn)為異質(zhì)性商品具有多方面的不同特征，商品價(jià)格是這些不同特征的綜合反映及表現(xiàn)。

特征價(jià)格法又稱(chēng)Hedonic模型法，作為一種有效揭示消費(fèi)偏好與估計(jì)商品異質(zhì)性的研究方法，在房?jī)r(jià)影響因素、房?jī)r(jià)時(shí)空分異、房?jī)r(jià)空間溢出效益等研究中得以廣泛應(yīng)用。賴(lài)德（Rider）首次將特征價(jià)格理論用于住宅價(jià)格評(píng)估，測(cè)算出不同空氣污染因素對(duì)住宅價(jià)值的隱性影響[1](p228)。羅森（Rosen）指出消費(fèi)者從住房中獲得的效用取決于住房的結(jié)構(gòu)特征、社區(qū)特征及環(huán)境特征的差異化[2](p35)。索勒（Soler）和吉馬爾（Gemar）運(yùn)用地理加權(quán)回歸特征價(jià)格模型研究證明馬拉加57家酒店客房服務(wù)特征變量對(duì)房費(fèi)具有顯著影響[3](p127)。米塔爾（Mittal）和拜阿胡特（Byahut）使用特征價(jià)格法研究住宅景觀及其視覺(jué)可達(dá)性對(duì)房屋溢價(jià)的影響，發(fā)現(xiàn)位于風(fēng)景名勝區(qū)內(nèi)房屋價(jià)格平均溢價(jià)3.4%[4](p67)。尼泊爾（Nepal，et al）等使用特征價(jià)格法評(píng)估低收入國(guó)家中清潔社區(qū)的價(jià)值，發(fā)現(xiàn)相比普通社區(qū)，清潔社區(qū)房?jī)r(jià)溢價(jià)達(dá)到25%—57%[5](p131)。埃萬(wàn)杰利斯塔（Evangelis?ta，et al）等運(yùn)用特征價(jià)格模型研究了能源效率對(duì)住宅物業(yè)交易價(jià)格的影響，發(fā)現(xiàn)在葡萄牙256 000套公寓中具有能源效率的公寓交易溢價(jià)達(dá)到13%[6](p86)。金鎮(zhèn)元（Jinwon Kim，et al）等使用地理加權(quán)空間特征價(jià)格模型對(duì)美國(guó)佛羅里達(dá)州杰克遜維爾海灘的152處房產(chǎn)的游憩價(jià)值進(jìn)行評(píng)估，發(fā)現(xiàn)海灘游憩價(jià)值對(duì)房產(chǎn)溢價(jià)效應(yīng)的存在性及空間異質(zhì)性[7](p119)。

我國(guó)學(xué)者運(yùn)用特征價(jià)格模型結(jié)合地理信息技術(shù)，對(duì)上海（汪佳莉等，2016[8](p73)）、深圳（黃彩珠，2018[9](p22）)、廈門(mén)（黃麗君，2018[10](p131)）、北京(龐宇翔、劉洪玉，2019[11](p19)）、杭州（王瑞，2019[12]）、成都（熊建，2019[13）]、石家莊（都沁軍、王衛(wèi)秀，2019[14](p94)）、南京（沈奕成，2019[15](p158)）、合肥（劉軍航、馬曉雪，2019[16](p169）)、昆明（侯學(xué)英，2020[17](p131）)等城市房?jī)r(jià)及租金的影響因素進(jìn)行了多維度研究，證明除房屋實(shí)體特征、房屋質(zhì)量、房屋開(kāi)發(fā)與維護(hù)成本等顯性因素影響外，房?jī)r(jià)及房租的高低與房屋所在區(qū)域的人口吸引力、市場(chǎng)供求、醫(yī)療資源、就業(yè)可達(dá)性、教育配套、公園景觀、空氣質(zhì)量、軌道交通車(chē)站距離[18](p2)、承租人收入水平[19](p104)、通貨膨脹率與貨幣供應(yīng)量等隱性因素相關(guān)。

近年來(lái)，學(xué)者們構(gòu)建地理加權(quán)回歸模型及空間計(jì)量全局模型，運(yùn)用社交媒體數(shù)據(jù)、機(jī)器學(xué)習(xí)算法[20](p658)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)以及KNN 等數(shù)據(jù)挖掘技術(shù)[21](p20)有效克服了特征價(jià)格法在數(shù)據(jù)來(lái)源、變量選擇、模型估計(jì)等方面不足，特征價(jià)格模型在房地產(chǎn)領(lǐng)域的研究得到進(jìn)一步拓展。鮮有研究將區(qū)域經(jīng)濟(jì)因素作為房租的特征變量，以市級(jí)行政區(qū)劃為尺度，研究長(zhǎng)租公寓租金的分區(qū)劃、多層次影響因素及其相對(duì)重要性。

二、研究方法與數(shù)據(jù)

（一）研究方法

長(zhǎng)租公寓作為一種住房異質(zhì)商品，需要滿足承租人對(duì)于居住安全、品質(zhì)及服務(wù)等差異化需求，吻合特征價(jià)格理論中產(chǎn)品異質(zhì)性的前提條件。根據(jù)特征價(jià)格理論，影響長(zhǎng)租公寓租金的每個(gè)特征都有各自隱含的價(jià)格，租金可視為每個(gè)特征因素的隱含價(jià)格之和。長(zhǎng)租公寓特征價(jià)格模型可采用線性、半對(duì)數(shù)及對(duì)數(shù)三種形式，模型形式的選擇取決于評(píng)估目標(biāo)及研究數(shù)據(jù)的可得性。

（1）線性模型

式（1）中P為長(zhǎng)租公寓租賃價(jià)格；a0為常數(shù)項(xiàng)；ai為待估參數(shù)，表示第i個(gè)特征變量Z的價(jià)格；Zi代表因變量，即第i個(gè)特征變量；ε 為隨機(jī)擾動(dòng)項(xiàng)。

（2）半對(duì)數(shù)模型

式（2）中ai為待估參數(shù)，表示特征變量Z 的單位絕對(duì)變化量導(dǎo)致P的相對(duì)變化量。

（3）對(duì)數(shù)形式

式（3）中ai為待估參數(shù)，表示P 對(duì)特征變量Z的價(jià)格彈性。

（二）變量選取

運(yùn)用特征價(jià)格模型分析長(zhǎng)租公寓租賃價(jià)格與其特征因素之間的函數(shù)關(guān)系，因變量為長(zhǎng)租公寓每平方米月租金，表示為P。自變量為長(zhǎng)租公寓租金所隱含的特征因素，主要取建筑特征、區(qū)位特征、租約特征、區(qū)域經(jīng)濟(jì)特征四大類(lèi)，共13 個(gè)特征變量，分別表示為Z1、Z2……Z13。

1.建筑特征。根據(jù)《房地產(chǎn)估價(jià)規(guī)范》（GB/T 50291—2015），建筑物實(shí)體特征包括建筑規(guī)模與結(jié)構(gòu)、設(shè)施設(shè)備、裝飾裝修、空間布局、建筑外觀、新舊程度等方面。研究中以裝修效果（Z1）、配套家電（Z2）、共享空間（Z3）3個(gè)指標(biāo)作為建筑特征變量，其中共享空間指長(zhǎng)租公寓中專(zhuān)設(shè)為滿足租客社交、娛樂(lè)、健身、生活服務(wù)等多元化需求公共空間。

2.區(qū)位特征。房地產(chǎn)價(jià)格的區(qū)位影響因素主要包括繁華程度、環(huán)境、配套設(shè)施、臨路狀況等因素。研究中以生活配套（Z4）、交通便捷度（Z5）、鄰近醫(yī)院（Z6）、鄰近公園（Z7）、商業(yè)繁華度（Z8）5個(gè)指標(biāo)作為區(qū)位特征變量。

3.租約特征?！吨腥A人民共和國(guó)城市房地產(chǎn)管理法》第五十四條規(guī)定，出租人和承租人應(yīng)當(dāng)簽訂書(shū)面租賃合同并向房產(chǎn)管理部門(mén)登記備案。租金的確定受到租賃期限、付租間隔期、保證金數(shù)額、轉(zhuǎn)租及提前退租等因素影響。研究中以租金支付規(guī)定（Z9）作為租約特征變量。

4.區(qū)域經(jīng)濟(jì)特征。由于區(qū)位基礎(chǔ)條件、資源稟賦、發(fā)展規(guī)劃、經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)等方面制約，區(qū)域住宅價(jià)格存在顯著的空間分異與行政等級(jí)性差異分化[22](p34)。研究中以各行政區(qū)人均GDP（Z10）、區(qū)常住人口增長(zhǎng)率（Z11）、區(qū)商品房均價(jià)（Z12）、區(qū)就業(yè)率（Z13）4個(gè)指標(biāo)作為區(qū)域經(jīng)濟(jì)特征變量。

（三）研究區(qū)域與數(shù)據(jù)來(lái)源

深圳市位于廣東省中南沿海地區(qū)，是國(guó)務(wù)院批復(fù)確定的經(jīng)濟(jì)特區(qū)、經(jīng)濟(jì)中心城市及國(guó)際化城市。2017年7月，深圳市被批準(zhǔn)為我國(guó)首批租賃試點(diǎn)城市并于2019年7月列入中央財(cái)政支持住房租賃市場(chǎng)發(fā)展試點(diǎn)城市。2018 年以來(lái)，深圳市先后發(fā)布《深化住房制度改革加快建立多主體供給多渠道保障租購(gòu)并舉的住房供應(yīng)與保障體系的意見(jiàn)》等政策，提出大力發(fā)展住房租賃市場(chǎng)，增加租賃性質(zhì)用地供應(yīng)，以住房租賃經(jīng)營(yíng)機(jī)構(gòu)為主，提供各類(lèi)長(zhǎng)租公寓。2019年，深圳市長(zhǎng)租公寓房源數(shù)量約8.1萬(wàn)間，平均月租金達(dá)到69.51元/M2，全國(guó)排名第三。

十三五期間，深圳市年均新增人口達(dá)53.32萬(wàn)以上，非戶籍常住人口及年輕人占比高、人口流動(dòng)性大，住房資源供需結(jié)構(gòu)性矛盾日益突出。2019年，深圳市人均居住支出占消費(fèi)支出的29.2%，房?jī)r(jià)高企、房租負(fù)擔(dān)過(guò)重等居住問(wèn)題已成為制約其高質(zhì)量發(fā)展的重要因素。研究深圳市長(zhǎng)租公寓租賃價(jià)格特征，合理確定住房租賃價(jià)格，對(duì)于促進(jìn)全國(guó)住房租賃市場(chǎng)發(fā)展具有示范作用。

2020年3月1日至3月30日間，課題組采取典型抽樣方法，在深圳市福田區(qū)、羅湖區(qū)、鹽田區(qū)等10個(gè)行政區(qū)選取租賃方式為“整租”、房型為“一居室”的600 個(gè)長(zhǎng)租公寓為研究樣本，樣本區(qū)域分布詳見(jiàn)表1。樣本數(shù)據(jù)主要來(lái)源：（1）在線租房網(wǎng)（鏈家網(wǎng)、貝殼租房網(wǎng)）掛牌數(shù)據(jù)：公寓名稱(chēng)、地址、月租金、建筑面積、裝修效果圖、配套家電（電視、冰箱、洗衣機(jī)、空調(diào)、寬帶、衣柜等）、共享空間（共享廚房、書(shū)吧、休閑區(qū)、休閑吧臺(tái)及健身房等）、租金支付規(guī)定、區(qū)平均房?jī)r(jià)數(shù)據(jù)。（2）百度地圖數(shù)據(jù)：長(zhǎng)租公寓具體位置與最近公交站點(diǎn)、醫(yī)院、公園、區(qū)級(jí)繁華商圈的距離，以公里為計(jì)量單位。（3）《深圳市2019年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》與《深圳市2019 年統(tǒng)計(jì)年鑒》數(shù)據(jù)：各行政區(qū)GDP、常住人口比上年末增長(zhǎng)率、就業(yè)人口與在崗職工人數(shù)。此外，課題組還進(jìn)行了部分長(zhǎng)租公寓實(shí)地踏勘，以驗(yàn)證在線租房網(wǎng)站對(duì)于裝修效果、共享區(qū)域等信息描述的真實(shí)性。各變量賦值及描述性統(tǒng)計(jì)詳見(jiàn)表2。

表1 ：長(zhǎng)租公寓樣本區(qū)域分布表

表2 ：變量賦值及描述性統(tǒng)計(jì)

三、研究結(jié)果分析

（一）模型選擇

運(yùn)用SPSS20.0軟件，采用方差膨脹因子（VIF）做自變量共線性判斷，結(jié)果表明13 個(gè)自變量中VIF 數(shù)值最小為1.044，最大為2.077，均值為1.34。根據(jù)方差膨脹因子判斷準(zhǔn)則（VIF小于5）可知，自變量間不存在多重共線性。

表3 ：線性模型與半對(duì)數(shù)模型參數(shù)對(duì)比

研究中部分因變量取值為0，無(wú)法使用對(duì)數(shù)模型（式3），所以分別采用線性模型（式1）與半對(duì)數(shù)模型（式2）對(duì)樣本數(shù)據(jù)進(jìn)行回歸分析，結(jié)果詳見(jiàn)表3。線性模型與半對(duì)數(shù)模型的D.W 統(tǒng)計(jì)量數(shù)值均趨近于2，證明模型殘差不存在一階自相關(guān)且服從正態(tài)分布。半對(duì)數(shù)模型的擬合優(yōu)度、估計(jì)標(biāo)準(zhǔn)誤差均優(yōu)于線性模型，故采用半對(duì)數(shù)模型分析結(jié)果來(lái)解釋因變量對(duì)租金的影響。

（二）回歸結(jié)果分析

運(yùn)用SPSS20.0 統(tǒng)計(jì)軟件，采取逐步回歸法進(jìn)行變量選擇及模型估計(jì)。逐步回歸運(yùn)行到第11步終止，最終有11 個(gè)變量進(jìn)入模型，而共享空間、鄰近公園2個(gè)變量對(duì)租金影響不顯著，被排除在模型之外，回歸結(jié)果詳見(jiàn)表4。

表4 ：逐步回歸結(jié)果表

從表4分析可知，在5%的顯著性水平下，11個(gè)變量對(duì)租金影響顯著且系數(shù)具有經(jīng)濟(jì)學(xué)意義。（1）區(qū)商品房均價(jià)、配套家電、區(qū)級(jí)人均GDP、裝修效果、生活配套、區(qū)就業(yè)率、租金支付規(guī)定7個(gè)變量系數(shù)為正數(shù)，與租金具有正相關(guān)性。在控制其他條件不變的情況下，區(qū)商品房均價(jià)每上漲1 萬(wàn)元，租金上漲3.6%；配套家電每增加1 項(xiàng)，租金上漲7.4%；區(qū)級(jí)人均GDP 每提高1 萬(wàn)元，租金上漲1.7%；裝修效果提高一個(gè)級(jí)別，租金上漲4.1%；生活配套每增加一項(xiàng)內(nèi)容，租金上漲1.8%；區(qū)就業(yè)率提高1%，租金上漲1.7%；租金支付每提高一個(gè)檔次，租金上漲10%。（2）鄰近醫(yī)院、交通便捷度、商業(yè)繁華度、區(qū)級(jí)常住人口增長(zhǎng)率4個(gè)變量系數(shù)為負(fù)數(shù)，與租金呈負(fù)相關(guān)性。在控制其他條件不變的情況下，長(zhǎng)租公寓離醫(yī)院、公交站點(diǎn)、區(qū)級(jí)繁華商圈的距離每增加1 公里、租金分別降低4%、3.8%、1.5%。區(qū)級(jí)常住人口增長(zhǎng)率每增加1%，租金降低4.2%。2019年，深圳市常住人口最多的南山區(qū)、寶安區(qū)兩個(gè)區(qū)因房?jī)r(jià)與房租上漲過(guò)高，非戶籍人口增長(zhǎng)比率出現(xiàn)負(fù)增長(zhǎng)（南山區(qū)-2.3%，寶安區(qū)-1.1%），說(shuō)明高租金對(duì)非戶籍人口具有擠出效應(yīng)。

（三）特征變量相對(duì)重要性

采用相對(duì)重要性分析方法，比較特征變量對(duì)租金解釋程度的相對(duì)重要性，記為RI（Relation Im?portance）[23](p50)。用各特征變量標(biāo)準(zhǔn)化回歸系數(shù)的絕對(duì)值加總求和，計(jì)算出各特征變量標(biāo)準(zhǔn)化權(quán)重并視為RI。RI 越大，說(shuō)明該特征對(duì)模型預(yù)測(cè)結(jié)果的影響越大，11 個(gè)特征變量相對(duì)重要性排序詳見(jiàn)表5。

表5 ：11個(gè)特征變量對(duì)租金影響相對(duì)重要性排序

從表5分析可知，區(qū)域經(jīng)濟(jì)特征、區(qū)位特征、建筑特征、租約特征四大類(lèi)特征對(duì)租金的解釋能力分別為42%、28%、24%、6%。各特征變量相對(duì)重要性程度依次為：區(qū)商品房均價(jià)＞配套家電＞區(qū)人均GDP＞鄰近醫(yī)院＞裝修效果＞生活配套＞區(qū)就業(yè)率＞區(qū)常住人口增長(zhǎng)率＞商業(yè)繁華度＞租金支付規(guī)定＞交通便捷度。

四、結(jié)論與建議

本文運(yùn)用特征價(jià)格理論，從區(qū)域經(jīng)濟(jì)特征、區(qū)位特征、建筑特征、租約特征四個(gè)維度選取13個(gè)因素構(gòu)建特征價(jià)格模型對(duì)深圳市10個(gè)行政區(qū)600家長(zhǎng)租公寓租金特征進(jìn)行研究。研究證明：（1）相比線性特征價(jià)格模型，半對(duì)數(shù)特征價(jià)格模型能更優(yōu)擬合長(zhǎng)租公寓租金特征因素與租金之間的非線性關(guān)系。（2）特征因素對(duì)長(zhǎng)租公寓租金具有正、負(fù)兩個(gè)方向的影響。區(qū)商品房均價(jià)、配套家電、區(qū)級(jí)人均GDP、裝修效果、生活配套、區(qū)就業(yè)率、租金支付規(guī)定7 個(gè)變量正向影響租金水平，而鄰近醫(yī)院、交通便捷度、商業(yè)繁華度、區(qū)級(jí)常住人口增長(zhǎng)率4 個(gè)變量負(fù)向影響租金水平。（3）區(qū)域經(jīng)濟(jì)特征是影響長(zhǎng)租公寓租金水平的最重要因素，其次為區(qū)位特征、建筑特征、租約特征。各特征變量對(duì)租金影響的相對(duì)重要性排序?yàn)椋簠^(qū)商品房均價(jià)、配套家電、區(qū)人均GDP、鄰近醫(yī)院、裝修效果、生活配套、區(qū)就業(yè)率、區(qū)常住人口增長(zhǎng)率、商業(yè)繁華度、租金支付規(guī)定、交通便捷度。

深圳市應(yīng)該抓住粵港澳大灣區(qū)建設(shè)、中國(guó)特色社會(huì)主義先行示范區(qū)建設(shè)等重大發(fā)展戰(zhàn)略機(jī)遇，構(gòu)建“租購(gòu)并舉”住房長(zhǎng)效機(jī)制，著力推進(jìn)“穩(wěn)房?jī)r(jià)、穩(wěn)租金、穩(wěn)預(yù)期”工作，促進(jìn)區(qū)域經(jīng)濟(jì)與住房租賃市場(chǎng)協(xié)調(diào)發(fā)展。（1）制定市場(chǎng)租金指導(dǎo)標(biāo)準(zhǔn)，實(shí)行分區(qū)管理。增強(qiáng)核心區(qū)域引擎功能，縮小坪山區(qū)、光明區(qū)、大鵬新區(qū)等區(qū)域在基礎(chǔ)設(shè)施、產(chǎn)業(yè)發(fā)展、公共服務(wù)等方面的差距，平衡市場(chǎng)供求，防止高房?jī)r(jià)向高租金傳導(dǎo)，高租金對(duì)非戶籍人口的“擠出效應(yīng)”。（2）建立租賃價(jià)格監(jiān)管機(jī)制，維持市場(chǎng)秩序。健全住房租賃交易服務(wù)平臺(tái)，設(shè)立租金及押金監(jiān)管賬戶，規(guī)范租賃中介機(jī)構(gòu)行為，加強(qiáng)租賃合同備案與租金動(dòng)態(tài)管理。（3）推行住房租賃網(wǎng)格化，加強(qiáng)租賃房屋的治安與安全管理，維護(hù)承租人享受公共服務(wù)權(quán)益，增加政策性租賃住房供給、穩(wěn)定租賃關(guān)系，提升城市持續(xù)吸引力。（4）推動(dòng)標(biāo)準(zhǔn)化建設(shè)，促進(jìn)長(zhǎng)租公寓行業(yè)高質(zhì)量發(fā)展。按照《長(zhǎng)租公寓室內(nèi)環(huán)境評(píng)價(jià)通則》（標(biāo)準(zhǔn)編號(hào)：T/CAS 407-2020）、《長(zhǎng)租公寓服務(wù)規(guī)范標(biāo)準(zhǔn)》開(kāi)展長(zhǎng)租公寓裝修及運(yùn)營(yíng)服務(wù)評(píng)價(jià)，規(guī)范行業(yè)發(fā)展。在稅收、金融、供地等方面出臺(tái)優(yōu)惠政策，形成多元供應(yīng)主體，支持企業(yè)機(jī)構(gòu)化、品牌化建設(shè)，推動(dòng)租住品質(zhì)提升及租房消費(fèi)升級(jí)。