市場細分下上海市二手房特征價格分析

周沁+郭江濤+高曉暉

摘 要：運用特征價格模型測度了上海市二手商品住房價格的主要影響因素，發現面積、房齡、小區環境、文體設施、生活配套以及CBD的距離等因素對上海二手房價格有顯著影響。而依據住房需求進一步將上海二手房市場細分為生存型、改善型、奢侈型后，發現各子市場的主要價格影響因素是存在差異的，其中：生存型二手房價格主要受軌道交通可達性、生活配套、商業便利性等因素影響，改善型二手房價格更多受小區環境、文體設施、教育配套等因素影響，而奢侈性二手房價格則主要受環境等因素影響。實證結果反映了住房市場的過濾效應存在，投資者應根據自身收入等審慎決策，政府也應適時適地進行差異化調控。

關鍵詞：二手房 價格 影響因素 市場細分 特征價格模型

中圖分類號：F293.3 文獻標識碼：A

文章編號：1004-4914（2017）10-052-03

一、引言

過去20多年，我國房地產業迅猛發展，住房價格不斷攀升。深入了解市場細分下的住房價格影響因素，既有助于制定和實施差異化的稅收、金融等政策以提高宏觀調控效果，也有助于投資者理性決策。

現有關于特征價格法下的住房價格影響因素的研究較為豐富，如：溫海珍、賈生華（2004），郝前進、陳杰（2007），趙琰、劉曉君、程亞鵬（2010），張立新、姜吉坤、溫海珍（2010），張旺鋒、閆星羽、董瑞娜（2012）等。但基于市場細分下的二手房價格影響因素的比較研究很少。相較以往將住宅市場按照空間（Adair 等（1996）、Kauko等（2002））、建筑類型和產權性質（溫海珍、賈生華（2006））、或者房齡（郝前進、陳杰（2012））等進行細分的研究，本文的創新性在于：一是基于人口特征將上海二手商品住房市場按消費者需求差異分為生存型、改善型和奢侈型需求，并進一步將上海市二手房細分為面積在90平方米以下能滿足生存型需求的住房，面積在90～140平方米能滿足改善型需求的住房，面積在140平方米以上的能滿足奢侈型需求的住房，進行了市場細分下不同類型二手房價格主要影響因素的比較分析；二是提出，市場細分下不同類型二手房價格影響因素的差異是住房過濾效應的體現，且反映出上海的住房市場仍處于過濾轉換過程中，應尊重市場規律，對不同的住房需求群體進行區別化分析，有助于客觀定價、理性購房及差別化調控。

二、基于上海人口特征和住房需求的二手房市場細分

（一）基于上海人口特征的住房需求分析

人口的變化影響住房需求。從國際經驗看，一個國家（地區）住房市場的供求狀況、價格變動，無不與其人口總量、家庭規模、空間結構等因素密切相關。

1.上海人口規模與住房需求。人口規模的變化會對基本住房需求產生影響。上海人口數量呈現出上升趨勢。截至2015年末，上海市的常住人口已經達到2415萬人。第六次全國人口普查（以下簡稱“六普”）資料顯示，2010年上海家庭戶戶數為825.33萬戶。常住人口數量的增長以及家庭戶數的增長，表明上海住房需求主體是持續上升的。

2.上海人口增長率與住房需求。“六普”資料顯示，上海20～29歲育齡婦女為253.23萬，比2000年增加124.35萬，增幅為96.5%，人口自然增長率從2010年的-1.9‰轉為“六普”的1.98‰，并進一步上升到2014年的3.14‰。這意味著居民購置婚房、由于孩子出生購買住房或置換較大住房的需求有所上升。

3.上海家庭規模與住房需求。家庭規模和結構對住房總量、住房面積和戶型等居住模式都有影響。人口總量不斷擴張、家庭規模小型化趨勢使得家庭戶數增加，由此產生的住房需求可能對市場造成較大壓力。“六普”資料顯示，上海市家庭規模小型化。2010年上海家庭戶平均人數為2.5人，比2000年減少0.3人。2010年家庭戶中1人戶、2人戶、3人戶合計占家庭戶總數的79.5%，其中2人戶、3人戶占家庭戶總數的62.3%，成為家庭戶的主要類型。家庭戶代際構成中，一代戶和二代戶是主體。2010年一代戶、二代戶和三代戶占上海家庭戶的比重分別為49.9%、39.6%和10.2%。受這些變化的影響，中等面積的兩居室、三居室的住房需求增多。未來一段時間，中小面積的住房仍有較大需求，但因二胎政策等對大面積住房的需求也會上升。

4.上海人口年齡結構與住房需求。不同年齡的居民購房能力及其住房面積、房型等需求有差異。2014年，上海戶籍人口中，18～59歲人群占比略超60%。處于婚姻階段的年輕人具有購買中小面積婚房的需求，而中年富裕人群會傾向于大面積享受型住房消費。《2015中國高凈值人群壽險市場白皮書》提出，上海可投資資產1000萬元以上的高凈值人數已達13.2萬人，平均年齡為43歲，且超過84%的高凈值人集中在30～59歲這個年齡段。

5.上海人口空間結構與住房需求。上海城市基礎設施建設和郊區新城建設及城市布局優化和產業結構調整等一系列因素，帶動了大量外來新增就業人口，也導致中心城區居住人口向郊區遷移。數據顯示，“五普”到“六普”期間，上海市中心城區（黃浦區、盧灣區、靜安區、虹口區、長寧區）的人口有所下降，而郊區（閔行區、浦東新區（包括原南匯區）、松江區、嘉定區、寶山區等）人口增長很快。上海人口空間結構的變動對住房的交通便利性、住房周圍環境和配套等需求產生了較大影響。

（二）上海二手房市場的細分

1.上海人均住房狀況。2010年上海常住人口人均住房建筑面積27.25平方米，比“五普”提高3.25平方米；自有房屋比例為57.9%。2015年，上海人均住房面積35平方米。結合家庭戶人均數2.5人，可知平均住房面積約90平方米。而1人戶、2人戶家庭占比超過1/3，低于90平方米的住房需求較大。如前所述，隨著孩子的出生、二胎政策的實施，家庭戶人數的增加，對面積超過90平方米的3室以上的住房需求將增大。endprint

2.上海二手房市場的需求狀況。搜房統計的二手房面積搜索占比，表明了上海二手房需求主要集中在面積90平方米以下的住房，約為61%。但住房面積90～150平方米及超過150平方米的二手房需求同樣存在，分別為27%和12%。

3.基于住房需求的上海二手房市場細分。如前所述，1人戶、2人戶家庭占比超過1/3，面積低于90平方米的住房需求較大。但是，育齡人口的增加、自然增長率的增長、二胎政策的實施、家庭戶人數的增加、人均住房面積的提高等都表明了對面積超過90平方米的3室及以上的住房需求將增大，改善型需求將逐漸成為住房消費群體的主力。此外，高收入高凈值人口的增加，也將推動大面積住房的消費。

根據上海市人口特征及住房狀況，可將上海住房需求劃分為三類：生存型、改善型、奢侈型。相對應的，上海二手房可劃分為：（1）生存型：家庭人口少或者受經濟條件限制，需要滿足基本的居住要求，一般會選擇小戶型住房。按照上海市戶均人數2.5，人均面積35平方米計算，總面積為87.5平方米，可近似把面積90平方米以下的住房定為生存型需求住房。事實上，上海也規定：家庭購買首套住房且面積在90平方米以下，可享受契稅稅率為1%的優惠。（2）奢侈型：上海市普通住房標準是單套面積在140平方米以下。事實上，面積140平方米以上的大戶型住房多見于高品質小區的商品房，往往單價、總價都高。故可將單套面積在140平方米以上住房劃分為少數人奢侈型需求的選擇。（3）改善型：其余面積在90～140平方米的住房則可劃分為改善型需求的選擇，這類住房一般有2～3個臥室外加客廳餐廳，能滿足核心家庭的較高質量的居住要求。

三、數據與描述性統計

（一）數據的選取與量化處理

1.數據的選取。本文將上海市區范圍內的黃浦區、靜安區、徐匯區、浦東新區、長寧區、虹口區、楊浦區、閔行區、普陀區、閘北區等10個區作為研究區域。如附表1所示，本文選取了2013年共40個不同價位、共性和差異性并存的住宅小區作為采樣數據進行研究。

2.數據的來源。本文采用的數據主要有三類：住房成交數據、住宅小區調查數據、上海市電子地圖數據。其中，住房成交數據使用某銀行住房按揭貸款的內部數據，包括貸款申請時間、住房地址、總價、單價、面積等信息。為了避免由于交易雙方為了避稅等原因造成的合同價格與實際價格不符，本文把住房的單價與同時期中介網統計的歷史交易均價進行比較，選取單價差值在20%以內的數據進行取樣。住宅小區調查數據部分來自于中介網站的掛牌資料，還使用實地觀測法對小區內的自然環境、物業管理情況等作了調查。上海市地圖數據是使用百度提供的GIS地圖系統，對住宅小區的調查進行了補充，并采用GIS地圖系統測量各住宅小區到上海市人民廣場的直線距離作為距離變量。

3.影響因素的選取。住房價格受到經濟社會自然物理心理等諸多因素影響。在運用特征價格模型進行住房價格影響因素分析時，一般選取三類因素：區位（包括距離CBD的可達性、交通的便利度等因素）、建筑特征（主要包括建筑面積、房齡、建造結構、房間數量、浴室數量、容積率、施工質量等因素）、鄰里環境（一般包括景觀、小區配套設施、周邊的教育配置、生活便利程度、鄰居的社會層次等因素）。根據上海市的實際情況，結合變量對價格的影響和差異顯著性，本文選取了11個影響因素，如表1所示：

4.數據的量化（如表2所示）。

（二）上海二手房價格影響因素的基本統計分析

1.描述性統計分析。如表3所示。其中，總體的樣本量為1000個，生存型的樣本量為339個，改善型的樣本量為443個，奢侈型的樣本量為218個；全樣本下上海二手住房價格的平均值exp（15.0231）為334.541萬元，生存型二手房價格的平均值exp（14.5721）為213.099萬元，改善型二手房價格的平均值exp（15.1120）為368.581萬元，奢侈型二手房價格的平均值exp（15.5471）為564.963萬元。

2.自變量的相關性分析。自變量的相關系數矩陣如附表2、3、4、5所示。根據自變量的相關性檢驗，可基本判斷變量之間不存在高度共線性。

四、模型選擇與實證結果分析

（一）特征價格模型的選擇

本文以半對數形式的特征價格模型進行上海市區二手房價格影響因素的分析。其表達式如下：1np=α0+α1C1+α2C2…αnCn+ε；其中，αi表示住房價格對各種影響因素的彈性。

（二）上海二手房特征價格模型估計與檢驗

模型的估計方法為最常用的最小二乘法（OLS）。使用軟件SPSS17.0對因變量和自變量進行回歸，各項指標分析如下：

1.顯著性檢驗與方差分析。根據附表6可知，模型具有一定的解釋能力。由附表7可知，模型整體上顯著，即回歸方程是有效的。

2.共線性檢驗。根據附表8中的共線性分析結果可知，自變量之間共線性很弱，基本可以忽略，即不需要對模型進行調整。

3.殘差正態性檢驗。由附圖1、2、3、4可知殘差的分布近似于正態分布。

綜上可知，模型通過了相關檢驗，具有良好的擬合度和一定的解釋能力，在統計上是有意義的。因此，可以用來分析和解釋各因素對住房價格的影響。

（三）結果分析

根據相關模型的回歸系數對應的特征變量，可得特征價格模型回歸結果為：

1.總體（全樣本）住房價格=-14.974+0.008×面積-0.044×房齡+0.176×小區環境+0.011×軌道交通可達性+0.153×公共交通可達性+0.187×文體設施+0.051×教育配套+0.117×生活配套-0.032×和CBD的距離+0.041×自然景觀+0.007×商業便利性。

2.生存型二手房價格=15.552+0.014×面積-0.035×房齡+0.137×小區環境+0.239×軌道交通可達性+0.026×公共交通可達性+0.057×文體設施+0.074×教育配套+0.197×生活配套-0.093×和CBD的距離-0.083×自然景觀+0.184×商業便利性。endprint

3.改善型二手房價格=15.560+0.006×面積-0.043×房齡+0.283×小區環境+0.045×軌道交通可達性+0.261×公共交通可達性+0.273×文體設施+0.114×教育配套+0.075×生活配套-0.033×和CBD的距離+0.129×自然景觀-0.093×商業便利性。

4.奢侈型二手房價格=15.599+0.005×面積-0.059×房齡+0.170×小區環境+0.168×軌道交通可達性+0.221×公共交通可達性+0.088×文體設施+0.056×教育配套+0.038×生活配套-0.022×和CBD的距離+0.022×自然景觀+0.112×商業便利性。

此外，由相關數據可知：

5.對全樣本模型而言，在10%的顯著性水平下，11個特征變量中有6個變量通過顯著性檢驗，即面積、小區環境、文體設施、生活配套等4個因素對住房價格有正的顯著性影響，房齡、和CBD的距離對住房價格有負的顯著性影響。

6.對生存型二手房而言，在10%的顯著性水平下，11個因素中有7個通過顯著性檢驗，即面積、軌道交通可達性、教育設施、生活配套、商業便利性等對住房價格有正的顯著性影響，房齡、和CBD的距離對住房價格有負的顯著性影響。其中，軌道交通的可達性、生活配套、商業便利性的影響較大。

7.對改善型二手房而言，在10%的顯著性水平下，11個因素中有6個通過顯著性檢驗，即面積、文體設施、小區環境、軌道交通可達性等對住房價格有正的顯著性影響；房齡、和CBD的距離對住房價格有負的顯著性影響。其中，小區環境、文體設施的影響較大。

8.對奢侈型二手房而言，在10%的顯著性水平下，11個因素中有5個通過顯著性檢驗，即面積、小區環境、文體設施、教育配套、和CBD的距離對住房價格有正顯著性影響。其中，奢侈型二手房的平均建筑面積為174平方米，平均房齡為9.8年，面積較大、房齡較新、小區環境較好。

五、結論與建議

本文的研究表明，上海二手商品住房價格顯著性受面積、房齡、小區環境、文體設施、生活配套、到CBD的距離等因素的影響。但按照消費者需求進行市場細分后，各個子市場的住房價格影響因素存在差異，生存型住房受軌道交通的可達性、生活配套、商業便利性的影響較大，改善型住房受小區環境、文體設施、教育配套的影響較大，奢侈型住房受面積、環境的影響較大。這體現出住房市場的過濾效應存在：即居民選擇住房時，最初關注的是其基本居住功能及交通的便利性，然后是配套的完善性，隨著收入水平提高，對住房的舒適性、安全性等關注度上升，并通過置換等方式改善居住條件。

因此，購房者應了解住房價格的主要影響因素，再結合自身收入水平及需求，做出明智決策。同理，房地產開發企業應合理選址并針對目標群體的特征偏好進行項目策劃，使商品住房更切合消費者需求。而政府也應適時適地運用稅收、金融、住房保障等手段進行差別化的住房市場調控，以促進住房市場在過濾效應下的有效有序更替。

參考文獻：

[1] 溫海珍，賈生華.住宅的特征與特征的價格——基于特征價格模型的分析[J].浙江大學學報（工學版），2004，38（10）：1338-1349

[2] 郝前進，陳杰.到CBD距離、交通可達性與上海住宅價格的地理空間差異[J].世界經濟文匯，2007（1）：22-35

[3] 趙琰，劉曉君，程亞鵬.城市二手住房特征價格研究——以石家莊市為例[J].經濟數學，2010，27（3）：35-40

[4] 張立新，姜吉坤，溫海珍.基于特征價格模型的商品住宅價格評估方法應用[J].統計與決策，2010（21）：157-159

[5] 張旺鋒，閆星羽，董瑞娜.基于Hedonic模型的蘭州市二手房住宅特征價格研究[J].價值工程，2012（19）：180-182

[6] A. S. Adair， J. N. Berry， & W. S. McGreal. Hedonic Modeling， Housing Submarkets and Residential Valuation [J]. Journal of Property Research，1996，13（1）：67-83

[7] T. Kauko ， P. Hooimeijer & J. Hakfoort. Capturing House Market Segmentation， an Alternative Approach Based on Neural Network Modling [J]. Housing Studies， 2002，17（6）： 875-894

[8] 溫海珍，賈生華.市場細分與城市住宅特征價格分析[J].浙江大學學報（人文社會科學版），2006，36（2）：155-161

[9] 郝前進，陳杰.房齡、折舊率與住房價格——基于上海數據的實證研究[J].世界經濟文匯，2012（6）：64-77

[10] 2013年上海二手房市場數據分析年報.房天下上海二手房網，2014年1月10日

（作者單位，1.上海財經大學 上海 200000，2.山西省社會科學院 山西太原 030006）

[作者簡介：周沁（1983—），女，上海人，上海財經大學公共經濟與管理學院碩士研究生，研究方向為房地產經濟；郭江濤（1977—），女，山西文水人，山西省社會科學院副研究員，研究方向為經濟學；高曉暉（1971—），女，陜西榆林人，上海財經大學公共經濟與管理學院副教授，碩士生導師，博士，研究方向為房地產經濟。]

（責編：趙毅）endprint