曾 媛,張 洪
(云南財經大學,昆明 650221)
據報道,2011年我國高爾夫核心人口數量上升至35.8萬人,較2010年上升7.5%。高爾夫消費群體日漸擴張,高爾夫運動已成為重要的休閑方式。高爾夫旅游被認為是當地經濟發展的“添加劑”、招商引資的“助推器”、形象提升的“揚聲器”。在如此強勢的趨勢下,結合高爾夫球場自身的綜合資源,使得各大房地產商將眼光瞄準高爾夫地產開發。目前,國內外大多是定性分析高爾夫球場對經濟和房地產市場影響,缺少相關定量分析。昆明市擁有良好的氣候和景觀優勢,適宜高爾夫球場開發,因此,本文以昆明市為區域用特征價格模型定量研究高爾夫球場對其周邊房價影響。
房地產價格特征模型源于新消費者決策理論,即:商品的價格是由其組成的各個特征共同決定的,消費者需要的不是商品本身,而是源于這些商品所體現的特征要素。Tiebout把特征價格模型引入房地產與城市經濟領域。在應用領域,國外學者將空間計量經濟模型應用于特征價格模型研究。學者們分別研究了不同特征因素對住宅價格產生的影響,如軌道交通站點、主次街道的影響等。此外,特征價格模型也運用到房地產價格指數的編制。國內關于特征價格模型的研究已經有10年時間,最早是由中國人民大學蔣一軍利用特征價格方法提出了計算異質商品價格指數的方法,并將其應用于房地產價格指數的計算。華南理工大學彭新育介紹了特征價格理論的基本模型及函數的估計,并結合我國的具體情況,討論了特征價格方法應用的可能性,指出特征價格方法可以成為城市地價評估的手段之一。我國自2003年起才有運用大量數據對國內城市住宅市場建立特征價格模型的實證研究。
高爾夫球場與房地產物業相結合,兩者相互促進提升物業價值,形成了高爾夫地產。促成高爾夫球場與房地產聯合開發的原因,除了社會經濟發展和高爾夫運動推廣產生的動力外,最主要的還是與高爾夫關聯的相關物業開發帶來的巨大經濟收益的利益驅動。具體可以分為3個方面:(1)增加地產的土地價值。最突出的案例為深圳觀瀾湖高爾夫球場推動其土地價值從2004年的2 600元/平方米的樓面地價上升到2009年的6 826元/平方米,并吸引了包括中航地產、城建地產和萬科在內的多家知名發展商參與該區域的房地產開發,帶動了觀瀾湖區域的整體發展,說明了高爾夫充分發揮了提升地產價值的功能。(2)加快開發商資金的回籠。據統計,高爾夫球場能擴大房地產市場的吸引力,從而能加快整體資金回籠的20%—30%,這為投資開發者轉化為更高的利潤。(3)房地產項目在其實際規劃中和現有的生態條件下,都需要高爾夫球場來容納雨水徑流,使得在濕地或其他環境敏感的地區里能與地產結合成為整體,從而增加其他生物多樣性。
本文主要選取了目前昆明市5家大型高爾夫球場且周邊有住宅開發的:(1)昆明萬達高爾夫球會,占地754畝,周邊住宅有滇池衛城紫嶼、滇池衛城藍灣、滇池衛城悅湖郡、滇池衛城尚城、滇池衛城橡尚、藍域晴天。(2)陽光高爾夫球場,占地2 400畝,周邊住宅為溪麓·南郡、清水木華。(3)春城高爾夫球湖畔度假村,占地7 496畝,周邊住宅沁風御庭。(4)滇池湖畔高爾夫球會,占地1 000畝,周邊住宅為滇池高爾夫別墅、東岸紫園。(5)云南昆明溫泉山谷高爾夫球會,占地1 180余畝,周邊住宅為溫泉山谷3期風溪谷。
1.解釋變量的選取
巴特勒1982年在hedonic模型應用于住宅價格分析中就指出,三大影響住宅價格因素:建筑結構、區位和鄰里關系。因此,本文將這三大影響因素作為解釋變量引入模型中。以所處環線(hx)描述區位,住宅所處昆明市環線位置賦值:位于 1環內,取 1;1—2環,取 2;2—3環,取 3;3環外,取 4;綠化率(lh)和物業管理費(wg)描述鄰里關系,其中物業管理費越高,代表管理越好,居住環境越好;住宅距高爾夫球場的直線距離(jl)和高爾夫球場面積(qm)描述高爾夫特征;房屋建筑面積(m j)、房齡(fl)和房間個數(gs)描述建筑結構特征。
2.被解釋變量的選取
參考大多數文獻,本文以住宅成交價格為被解釋變量。
3.構建模型
采用 Hedonic模型基本形式:P=β0+β1mj+β2gs+β3qm+β4jl+β5hx+β6lh+β7wg+μ
由于昆明市高爾夫球場都位于三環外,因此與球場毗鄰的小區也都處于三環外,所以可將區位中環線因素剔除。修正后模型為:P=β0+β1mj+β2gs+β3qm+β4jl+β5hx+β6lh+β7wg+μ(1)
本文所用數據均來自2014年昆明市搜房網,該網站是昆明市最專業的網上房地產信息網,信息量大、全和準確。將257個數據代入模型中,用Eviews軟件分析所得模型各解釋變量前的系數偏大,且對于房間個數、綠化和物管費的系數符號不符合常識。對于高爾夫球場面積和住房房齡的t統計量檢驗不通過,所以,高爾夫球場面積和房齡對于高爾夫球場周邊住宅房價影響不顯著。對于這一點可能的原因,一是因為昆明市高爾夫球場建立時間不長,周邊住宅也較新,各住宅房齡相差不大,所以房齡對房價的影響較小。二是人們更注重高爾夫球場提供的環境和其他因素,對它的面積大小不太在乎,所以高爾夫球場面積對房價影響也不大。擬合優度R=0.8,可見擬合效果不是太好。
試算模型(2):根據模型(1)進行調整得到模型(2)。由于房價數值較大,所以,對該變量采取自然對數化形式會較符合線性模型要求。房齡和高爾夫球場的面積對高爾夫球場周邊住宅房價影響不顯著,所以剔除這兩個變量。修正后的模型為:

由模型2的統計的結果可得,模型各系數符號符合常識,且各解釋變量都通過置信度在0.1的t統計量顯著性檢驗,所以各解釋變量對房價的影響是顯著的。擬合優度R=0.9,較模型1有了提高,可見方程的擬合程度較好。方程的整體顯著性F檢驗也通過,說明各解釋變量對被解釋變量的整體影響是顯著的。最后模型形式可寫為:LOG(P)=12.186+0.0038*MJ-0.00019*JL+0.1358*GS+1.216*LH+0.24275*WG
由于截面數據容易產生異方差,所以對模型2進行異方差檢驗:采用懷特檢驗。由統計結果可得n=159.48大于0.05顯著性水平下、自由度為20的分布臨界值。所以,拒絕同方差假設。
下面對模型2采用加權最小二乘回歸進行異方差的修正。修正后的模型擬合優度R=0.999,可見方程的擬合程度非常好,各解釋變量的T統計值有了顯著性改善,可通過置信度為5%的顯著性檢驗。所以,修正后的模型(2)的最終結果為:

4.結果與分析
最終結果(3)式符合經濟檢驗且通過了統計檢驗,表明高爾夫球場對周邊住宅的房價影響是顯著地,距離高爾夫球場越近,房價越高。具體數值為在其他因素不變的情況下,住宅每接近高爾夫球場1米,住宅價格上升0.017%。同時該模型也驗證了其他因素對房價的影響,如面積越大,房價越高;房間個數越多,房價越高;綠化率越高,房價越高;物業管理服務越好,房價越高。
5.模型的不足與局限
本模型存在的不足和局限之處,一是在收集和處理數據的過程中,由于各種因素的影響使得數據存在一定的誤差。二是樣本量太少,樣本數據不是在同一時間截面上,而模型中又未能反映時間對房價的影響,使得模型置信度有一定的削弱。三是模型的函數形式可能存在一定缺陷,僅用對數和線性形式只是對復雜的社會現實的粗糙擬合。最后,由于對房價的影響因素由很多,本文只是考慮了一部分,可能忽略了某些重要因素的影響。
[1]郁小平.高爾夫旅游的產生因素及有效作用分析[J].開放導報,2005,4(2):108-109.
[2]王慶.淺析高爾夫綜合資源對高爾夫房地產影響——以深圳觀瀾湖高爾夫球會為例[J].特區經濟,2012,(4):287-289.
[3]梁菁菁.基于公眾感知的高爾夫旅游地產開發研究[J].江蘇商論,2011,(11):106-109.