基于互聯網房屋租賃信息的住房租金微觀影響因素研究

范雅靜+盧守東

摘要：隨著我國經濟水平飛速增長，城市間人口流動日益頻繁，房屋租賃市場日趨繁榮，房屋的租金也受到越來越多的關注。而由于互聯網的發展，房東與租戶通常會在網絡上發布并獲取信息，因此租房網站中包含豐富的租房信息。本文結合計算機網絡爬蟲方法從主流租房網站中獲取房屋租賃價格，并提取租金及房屋特征，包括所在區域、樓層、配套設備等；然后利用房屋租金作為被解釋變量，房屋特征作為解釋變量，建立特征價格模型，從微觀角度分析北京住房租金的影響因素，考察在北京市房屋租賃市場目前發展水平下，租金的微觀決定機制及消費者的偏好。

關鍵詞：房屋租賃；微觀因素；廣義線性模型

中圖分類號：F49；F822 文獻識別碼：A 文章編號：1001-828X（2017）009-0-03

Micro Determinants of Apartment Rent： Evidence Based on the Online Apartment Advertising in Bejiing

Fan Ya-jing， Lu Shou-dong

School of Information and Statistics， Guangxi University of Finance and Economics， Nanning， Guangxi， 530003

Abstract： With the rapid growth of China's economic， the inter-city population is becoming more and more frequent. Thus the rental market is becoming more and more prosperous and the rent of the house is receiving more and more attention. Because of the development of the Internet， landlords and tenants usually publish or read rental information on the network. The websites contains lots of rental information. This paper makes use of the web crawling method to get the house rental information from main rental website and extracts the house features， including the size， floor， auxiliary equipment etc. Then we construction hedonic pricing model to analyze the micro determinants of apartment rent price and examine the micro-decision mechanism and the preferences of consumers in the current rental housing market in Beijing.

Keywords： Apartment rent； Micro determinants； General linear model

一、引言

近年來我國房價一直持續增長，使得購房價格、租房價格成為人們經常談論的話題。對于作為房價最高的城市之一——北京，還承載著全國各地移民，因此，租房也成為了大部分人解決住房問題的主要途徑。而租房價格，通常會收到很多因素的影響，如地理位置、配套設施甚至樓層，因此在研究住房價格時，需要更多考慮與生活相關的因素。當前，許多學者已經開始了對房地產價格的研究。對于住房租金，大多數學者只是從宏觀的角度，研究宏觀經濟與租賃價格的關系。而對于微觀影響因素的研究大多集中在寫字樓的租賃價格當中。這主要是因為，寫字樓是公共場所，其特征容易通過研究者現場觀察獲得，但對于私人住宅，研究者很難獲取大量的住宅特征數據。

本文的研究恰好彌補了住房租金微觀影響因素的空白。隨著互聯網的發展，許多房東以及租房者紛紛選擇在網上發布、獲取信息的方式交流租房信息，因此，許多租房網站包含了豐富的租房信息。本文利用計算機網絡爬蟲技術，獲取北京市租房信息，并利用這些信息建立價格特征模型，分析北京市住房租金的微觀影響因素。

二、模型理論

本文將利用特征價格模型對北京市住房租賃價格微觀影響因素進行分析。特征價格模型來源于特征價格理論。A.T.Court（1939）首次對汽車價格進行了研究，構建了汽車價格指數。隨后，Lancaster（1966）提出消費者偏好理論，認為消費者購買一個產品，是由于產品的特征符合消費者的需求。Rosen（1974）則完善了Lancaster偏好理論，理論上構建了特征價格供需特征模型，為特征價格模型奠定了基礎。隨后，特征價格模型開始廣泛的應用于住房、寫字樓價格研究領域，學者們主要研究住房微觀特征，例如住房屬性、結構、地理位置、房齡等對房屋價格的影響。

特征價格模型的構建主要通過回歸模型實現。對于如何正確選擇特征價格模型中的函數形式，從而使得模型能夠正確表達自變量和因變量之間的關系，理論上還沒有一種明確的檢驗方法，因此，大多數研究者都是憑經驗初步設定函數形式，然后不斷地嘗試和修正，直到認為函數形式能夠解釋樣本數據的差異，并使得模型對樣本數據的擬合滿足要求。在過去的研究中，特征價格模型主要有線形函數、對數函數、半對數函數和對數線形函數四種基本函數形式，其模型結構如下：

①線性形式：

②對數形式：

③對數線性形式：

④半對數形式：

過去，學者大多選用一般線性回歸模型，應選用最小二乘法作為估計方法。在本文中，作者擬采用廣義線性回歸模型進行特征價格模型的構建。廣義線性模型（generalized linear model）由Nelder & Wedderburn（1972）首先提出，是一般線性模型的直接推廣，它使因變量的總體均值通過一個非線性連接函數（link function）而依賴于線性預測值，同時還允許響應概率分布為指數分布族中的任何一員。連接函數解釋了線性預測子與分布期望值的關系，函數形式的選擇可視情形而定，通常只要符合鏈接函數的值域有包含分布期望值的條件即可。本文在進行多次嘗試后，根據模型擬合優度，最終使用伽馬分布，并以倒數形式作為連接函數。

三、實證分析

1.數據來源及數據預處理

本文所使用的數據來源于56同城網站。58同城（http：//58.com）是國內第一中文分類信息網站與免費信息發布網站，內含海量的房產信息，包括全國各主要城市的房屋出租信息。對于每一條租房信息，其主要項目有發布日期（時間）、所在城市、房源名稱、租金、面積、戶型、類型、樓層、配置以及所在的小區與地址等。在分析該網站及相關網頁結構的基礎上，基于.Net框架，采用C#語言，自行設計了一個頗具通用性與靈活性的租房信息采集程序，并通過Windows系統中的“任務計劃程序”，每天按指定的時間與間隔啟動之，依據所設定的采集方案與規則，成功地實現了各有關城市一定數量的租房信息的自動采集，同時將所采集到租房數據持續地添加到SQL Server數據庫中。

本文主要選取了2015年11月4日-2015年12月6日期間發布的北京市住房信息，并將租金、面積、樓層、裝修程度、配置以及所在城區作為模型變量。在缺失值刪除、異常值刪除之后，得到1459個樣本。其中，由于網站租房信息發布的特殊性，對個別變量作如下處理：（1）在租房信息中，出租者通常只給出樓層范圍，為將其轉換為數值型變量，本文對樓層范圍計算出平均數，作為實際樓層；（2）裝修程度通常分為簡單裝修、中等裝修、精裝修與豪華裝修，本文將這四類裝修用分數表示，分值為1-4分。

2.價格影響因素選擇

結合以往文獻對住宅價格模型的研究，并基于數據可得性，筆者構建了北京市房屋租金的特征價格模型：

租金=f（區位、樓層、配套設施、裝修程度）

筆者認為，住在租賃價格主要收到區位特征、樓層、配套設施、裝修程度四個因素的影響。其中區位特征以所在城區表示，北京現轄16市轄區。其中地處北京二環路以內的東城、西城兩個區是傳統上的中心城區。規劃中北京市城區的范圍由大約北京四環路以內的中心城區和十個四環外圍城區組成。不同城區的區位功能以及距離中心城區、CBD的距離遠近等因素，決定了該城區居住適宜程度，也進而決定了該區域租金價格范圍。本研究中數據樣本涵蓋北京市除延慶區之外的15個城區。其次，房屋樓層也是人們在選擇住宅是重點考慮的因素。不同樓層均存在不同的優勢和缺陷，將樓層納入到特征價格模型中，可以觀察租房者對不同樓層的喜好。此外 ，配套設施及裝修程度影響了租房者的居住環境、住房感受，也決定了租房者在入住之后是否需要二次消費，因此將該因素納入特征價格模型中。

3.北京租房價格特征

其每平方米單位價格如下圖所示：

其余定量變量描述統計結果如下表所示：

通過觀察原始數據可以看出，隨著出租房屋配套設施數量的增加，單位面積價格升高；此外，單位面積價格還會隨著樓層的增加、裝修程度的提升而提高。根據地段不同，單位房租價格也有很大差異，其中占據北京市中心的東城區、西城區價格最高，其次是朝陽區、崇文區、海淀區以及宣武區。

4.特征價格模型分析

如前文描述，特征價格模型的形式有多重，而如何正確選擇特征價格模型函數形式的問題，過去的文獻并未提出統一的標準。通過對不同模型的多次嘗試，筆者設定如下模型：

RENT=f（DIST，FL，AC，DEC）

其中RENT為單位面積租金（元/平方米），DIST為城區，FL為樓層，AC為配套設施個數，DEC為裝修程度。由于區位為定性變量，因此將其轉換為啞變量，則共有14個啞變量。根據模型效果，本研究最終采用Gamma分布并以倒數作為鏈接函數的廣義線性回歸模型，模型表示如下：

在模型建立過程中，原裝修程度分為1-4級，分別代表簡單裝修、中等裝修、精裝修與豪華裝修，而模型結果顯示前三個裝修水平，即簡單裝修、中等裝修與精裝修不顯著，因此將這三個水平合并為普通裝修，最后一個等級保留為豪華裝修，最終裝修程度分為兩個級別。對變量做出調整后，最終模型結果如下：

由模型結果可以看出，其中樓層、裝修程度以及配套設施均為顯著變量，而區位中除朝陽區、崇文區及海淀區外，其他水平均顯著。由于該廣義線性回歸模型采用了倒數函數作為鏈接函數，因此系數越小表示隨著該變量的增加，單位價格也會增加。由上表可知，隨著樓層的增加，單位價格也隨之增加。同理，裝修風格上，豪華裝修比普通裝修價格更高。而在配套設置的個數上，隨著個數的增加，單位價格會有所降低，這與平時感知不符。這可能是由于配套設置的價格差異導致的，有的房屋只有少數配套設施，但價格較為昂貴，這也是租金價格較高的原因。對于不同城區的價格差別，其結果也和感知相符。其中，朝陽區、崇文區、東城區、海淀區和西城區高于平均價格，且東城西城區居首，宣武區單位價格為平均水平，而其余城區房租價格則低于平均水平。

四、結語

近年來房地產市場持續升溫，越來越多閑置住房投入租賃市場，同時也有越來越多人選擇租房作為居住方式。本文研究了房屋租賃價格的微觀影響因素，解釋了租金變化規律，研究結論極具應用價值，有助于房東和租客合理評估房屋租金，便于定價。

在房地產價格微觀影響因素的研究中，以往學者往往以商業租金為側重點進行研究。而由于私人住宅的私密性，學者難以獲得住宅特征并獲取較大的樣本進行研究。本文利用互聯網租賃信息作為樣本，能夠較好的解決了這一難題。通過計算機技術，批量獲取互聯網的租房廣告，再利用文本挖掘技術提取房屋特征信息。利用這一方法，可以在較短的時間內獲取大量樣本信息進行研究。同時，也能夠不斷拓寬房地產價格微觀影響因素的研究，例如可獲取不同城市、不同時間的信息，以對該問題進行更廣泛的研究。

參考文獻：

[1]Rosen S. Hedonic prices and implicit markets： product differentiation in pure competition[J]. Journal of political economy， 1974， 82（1）： 34-55.

[2]Marks D. The effect of rent control on the price of rental housing： an hedonic approach[J]. Land Economics， 1984， 60（1）： 81-94.

[3]Pagourtzi E， Assimakopoulos V， Hatzichristos T， et al. Real estate appraisal： a review of valuation methods[J]. Journal of Property Investment & Finance， 2003， 21（4）： 383-401.

[4]Hirschman E C， Holbrook M B. Hedonic consumption： emerging concepts， methods and propositions[J]. The Journal of Marketing， 1982： 92-101.

[5]劉洪杰.基于特征價格模型的社區商業租金微觀影響因素實證研究[D].浙江大學，2010.

[6]鄭錢洋.沈陽市寫字樓租金的微觀影響因素的實證研究[D].浙江大學，2006.

[7]周剛華.城市土地價格的微觀影響因素及其實證研究[D].浙江大學，2004.

[8]李鈺.基于hedonic模型的景區住宅定價方法及實證研究[D].西安建筑科技大學，2009.

[9]蔡菊花，賈士軍.基于Hedonic模型的住宅租賃價格影響因素分析[J].經濟研究導刊，2010（30）：150-152.

[10]楊鴻，賈生華.基于微觀層面的寫字樓租金影響因素研究述評[J].技術經濟，2008，27（7）：77-80.

作者簡介：范雅靜（1989-），女，廣西南寧人，講師，主要從事經濟預測研究。

盧守東（1969-），男，廣西岑溪人，高級工程師，主要從事數據挖掘及Web服務研究。

基金項目：2014年廣西財經學院數量經濟學重點實驗室課題（2014SYS12）。