［莊丹 曹海山 郭向榮 陳慶專 張姣 鄧金榮 徐志峰 林敏玲］

1 引言

目前汕頭公司每年租金支出高達數(shù)千萬元，而基站租賃費分級評審均為按照區(qū)域內劃定上限進行評審，周邊同類型、同配置的基站租金水平無法呈現(xiàn)，租金影響因素較為主觀，談判時缺乏客觀參照依據(jù)。

因此，探究科學的基站租金模型勢在必行。針對基站租金合理性評估問題，本文通過分析基站租賃特性，結合位置信息、基站建設模式、機房建設類型、場景類型、周邊各運營商站點租金等，構建一種適用于通信基站租金的定價模型，為運營商基站租金談判、降本增效提供科學有力的支撐信息。

2 通信基站用地租賃的特征[1]

第一是分布廣，通信基站遍布全國，密集城區(qū)、城鄉(xiāng)結合部、鄉(xiāng)鎮(zhèn)、農村等各類型的地方均有分布。

第二是競爭性不足。通信行業(yè)由移動、聯(lián)通、電信、鐵塔四大企業(yè)控制，用地主體單一，市場價格與周邊原有租金水平相關。

第三是用途受限。通信基站通常建設于房屋天面，或者集體用地建設通信桿等具備高度優(yōu)勢的位置，通常這種位置用途較為受限，業(yè)主方也難以提供給其他租賃需求方。

3 評估方法建立

根據(jù)通信基站上述的特點，可知基站租賃與通常的房屋租賃存在較大的區(qū)別，房價取決于地段、樓層、朝向、面積、樓齡及學位、市場便利性相關配套等，而基站租賃最主要評估因素為建設模式、所處位置、周邊原有基站租金水平、各運營商租金水平(社會行情)、周邊樓盤租賃價格等。

3.1 數(shù)據(jù)準備

（1）提取綜資系統(tǒng)每個站點的經緯度、基站建設模式（宏站、微小、室分）、機房建設類型（磚混、一體化機柜、無機房等）、場景類型（主城區(qū)、縣城城區(qū)、鄉(xiāng)鎮(zhèn)鎮(zhèn)區(qū)、農村等）數(shù)據(jù)，從合同系統(tǒng)匹配每一個站點的合同年限及每年租金。如表1 所示。

（2）獲取各運營商站點分布及租金情況，如表2 所示。

表2 運營商基礎數(shù)據(jù)表

（3）獲取各樓盤掛牌的月租金、租賃面積、所屬位置、經緯度，如表3 所示。

表3 汕頭房價

3.2 類別變量處理

（1）虛擬變量法處理非連續(xù)數(shù)據(jù)

上述采集的影響因子中，出現(xiàn)類別變量，比如基站建設模式、機房建設類型、場景類型等，類別變量不能直接用于回歸分析。因此以虛擬編碼對類別變量進行賦值，假設某個類別變量有k 個分類，那么就會有k-1 個虛擬變量。

針對基站建設模式，將宏站設置為0，微小站設置為1，室分設置為2.以此類推，將其他類別變量進行虛擬賦值。如表4 所示。

表4 虛擬變量賦值

（2）評估類別變量因子影響

將基站建設模式、機房建設類型、場景類型、業(yè)主類型、合同年限作為自變量，基站年租金作為因變量，利用SPSS 分析輸出顯著性表征。如表5 所示。

表5 顯著性系數(shù)表 系數(shù)a

可以看出，基站類型、合同年限的顯著性為0.000，機房類型、場景類型的顯著性為0.001，顯著性因子＜0.005即可認為該因子對基站租金定價具備較高的影響。業(yè)主類型對租金影響因素較小，顯著性不明顯。

3.3 影響因子數(shù)據(jù)化

通過上述虛擬變量，分析了幾個重要影響因子，同時由于基站租賃的競爭有限性，實際租金水平受周邊基站租金水平影響，即社會行情影響。因此將對范圍內站點因子進行聚類，計算基站周邊同聚類下的租金情況。

（1）首先計算當前基站與周邊其他站點的實際距離，根據(jù)Haversin 公式可得到如下公式[2]：

（2）按目前運營商站點建設的站間距，一般不大于1 000 m，因此在計算完站點間的距離后，篩選1 000 m 范圍內的站點，對基站建設模式、機房建設類型、場景類型進行聚類，剔除基站本身租金，計算該聚類下的平均租金，形成影響因子1“1 000 m 內同類型站點租金”。計算全市同類型站點的平均租金，形成影響因子2“全市同類型站點租金”。

（3）應用haversine 公式，考慮可替代性，設置篩選距離為500 m，選取范圍內的其他運營商基站，并進行聚類計算平均租金，形成影響因子3“500 m 內同類型對標站點租金”。

（4）應用haversine 公式，篩選1 000 m 內的樓盤、住宅，計算平均租賃單價，形成影響因子4“周邊1 000 m內單位面積價格”。

（5）篩選距離最近的樓盤、住宅，選取其中的高層出租單價，形成影響因子5“高層樓盤單位面積價格”。

（6）合同年限，作為影響因子5。

經處理后的部分數(shù)據(jù)如表6 所示。

表6 影響因子聚類表

3.4 建立多元回歸模型

將合同年限、周邊1 000 m 同類型平均租金、500 m 內同類型對標站點租金、全市同類型站點租金、周邊1 000 m內單位面積價格、高層樓盤單位面積價格等6 類影響因子作為自變量，年租金作為因變量，輸入SPSS，計算多元線性回歸方程[4]。

3.4.1 回歸方程的顯著性檢驗

如表7 根據(jù)模型輸出的回歸顯著性檢驗表，Sig.值為0.000，小于顯著性水平0.001，回歸方程總的效果顯著。

表7 回歸顯著性檢驗

3.4.2 回歸方程的復相關系數(shù)

如表8 所示，復相關系數(shù)R 為0.839，決定系數(shù)R 方為0.704，表明自變量與因變量的相關性較好，模型擬合程度較高，即所有影響因子在一定程度上能解釋租金的構成。

表8 模型摘要

3.4.3 標準化回歸系數(shù)與方程

從表9 可知，周邊1 000 m 內平均房價及最近高層租金并非影響租金評估的重要影響因素。

表9 回歸系數(shù) 系數(shù)a

最終的多重線性回歸方程可寫為：

其中X1為合同年限，X2為周邊1 000 m 同類型平均租金，X3為500 m 內同類型對標站點租金，X4為全市同類型站點租金。

4 應用要點

通過對通信基站租金的影響因子進行多元線性回歸分析，得出如下結論：

（1）通信基站租賃時，“周邊房價”因素對最終租賃結果影響不大，說明業(yè)主方不會因為自身物業(yè)可出租價格而大幅度制定或嚴重貶損出租時的租金價格，進一步從側面說明通信基站用地的用途受限特性，正常商用或個人租賃不會與通信運營商一樣租賃一小塊天面或一小塊空地。

（2）“周邊站點平均租金”、“建設類型”、“基站類型”、“其他運營商租金”、“合同年限”等五個因素對基站租賃影響較大，說明基站建設時的方式是業(yè)主方與運營商談判時的主要考慮因素，是否需要搭建機房、建設的設備大小較大地影響基站租金水平，同時網格地區(qū)內本單位租金、周邊其他運營商租金也較大影響著租金定價，進一步從側面說明通信基站租賃的對標性，即缺乏標準參照標的的情況下，周邊原有的租金水平將是重要的參考因素，社會行情影響著租金談判對標。

因此，對于現(xiàn)有通信基站租金嚴重超過預測數(shù)值50%以上的，可由運營商在租金談判時進一步壓降，促使同一類型同一地理范圍內的通信基站租金趨于平穩(wěn)，避免惡意競價破壞區(qū)域內的定價權，有效緩解運營商租金壓力；而對于租金遠低于預測數(shù)值的通信基站，可在合同續(xù)簽時掌握談判的定價策略，給予適當?shù)臐q幅，保障通信基站的長期使用。

5 結語

本文結合通信基站租賃特性，結合基站建設模式、機房建設模式、范圍內運營商租金情況等，構建了現(xiàn)網站點租金評估模型，實現(xiàn)每一個站點租金的特性化管理，指導通信基站租賃、續(xù)簽合同時租金的合理估值，進一步規(guī)范運營商在租賃方面的合理之處，有利于整體降本增效。