基于特征價格模型的貴陽市住宅價格影響因素研究

熊瓊兵

摘要：借鑒國內外特征價格模型對住宅價格影響因素的研究理論和成果，構建貴陽市在1998～2016年間住宅價格影響的特征因素，從而建立特征因素與住宅價格的特征模型。研究表明，經濟、環境和公共服務特征的特征變量與貴陽市住宅價格存在正負相關性，而旅游外匯收入、造林面積、社會福利院數、年末實有道路建設面積、供水總量顯現負相關性，其他特征變量為正相關性。總之，環境保護和公共服務建設對住宅價格的影響越來越重要。

關鍵詞：特征價格模型；貴陽市；住宅價格；特征因素

近年來，貴陽市經濟快速的發展，促使了房地產的快速發展。然而，由于貴陽市大力的開發各種住房樓盤，導致有關住房的政策、金融、城市環境保護和管理水平等方面存在不足，也間接導致其住宅價格調控的不完善，還存在諸多隱性問題。特別是從2008年的住宅價格2865.91元/平方米，一直漲到2016年的住宅價格5379.21元/平方米。雖然貴陽市采取一系列的措施，使其住宅價格保持平穩的發展，但是住宅價格市場還是存在不穩定性。為此，對貴陽市住宅價格的影響因素研究，能更好把握住宅價格在經濟、環境及公共服務等方面的影響因素，對解決其在房地產管理中的諸多問題有重要意義。

國外學者Lancaster和Rosen提出的特征價格模型分別是偏好理論和市場供需均衡理論為基礎，前者是對產品自身的特征給消費者帶來的滿意度的特征價格集合；后者是產品自身特征使消費者和供給者兩者效應最大的特征價格。國外大多學者也對住宅價格的影響因素進行了研究，如Michael等研究了景觀對住宅價格的影響，還有Downes等研究了芝加哥學校特征對住宅價格的影響。目前國內已利用特征價格模型對房地產領域做了很多研究，但是大多只是從住宅的區位特征、鄰里特征、建筑特征和政策特征，分析住宅價格的影響因素，如對城市住宅用地出讓價格影響因素研究、南京市住宅價格實證分析、住宅租金影響因素研究、北京市住宅用地價格影響因素分析；而從城市社會、經濟、文化、金融和環境保護等方面的影響因素，對城市住宅價格變化機理研究較少，如城市住宅價格影響因素研究，是從全國范圍內在社會、經濟和城市建設方面對住宅價格的影響因素研究。總之，從經濟、社會、環境保護、金融和公共服務等方面特征，對城市住宅價格的影響因素研究較少，為此本文從經濟、環境和公共服務三個特征，對貴陽市住宅價格影響因素進行研究。

一、數據來源與模型構建

（一）數據來源

以《貴陽市統計年鑒》（1999～2016）及《貴陽市年度國民經濟和社會發展統計公報》為數據基礎，則選取經濟、環境及公共服務等特征建立特征價格模型，從而研究特征因素對住宅價格的影響。本文對1998～2016年間的主要國民經濟和社會發展指標進行統計分析，選取經濟特征、環境特征以及公共服務特征3個方面入手建立特征價格模型，對貴陽市住宅價格進行研究。

（二）模型構建

1. 特征價格模型構建

房地產特征價格模型法認為房地產由眾多不同的特征組成，而房地產價格是由所有特征帶給人們的效用決定的。因此，本文采用回歸分析解釋經濟特征、社會特征、環境特征和公共服務特征對貴陽市住宅價格的影響。同時根據影響三類特征的因素，從而將住宅價格的影響因素分為11個變量指標，并采用該模型來檢驗變量指標是怎樣影響住宅價格的變化。則模型如下：

p=β0+■βizi+ξ

式中：p為住宅價格（元/平方米）；zi表示特征變量，即選取的11個特征指標；β0是常數項；βi是對應的特征變量的特征價格系數；ξ是誤差項；n是特征變量數。

2. 特征變量描述

根據經濟特征、環境特征和公共服務特征確定影響住宅價格的變量為11個指標。如表1所示。

（1）經濟特征

經濟發展是衡量一個城市社會發展的基礎，而根據國家經濟發展的產業劃分，房地產業已成為經濟發展中的核心成分，那么對經濟發展的影響因素，就可間接的通過經濟發展的衡量指標，來研究住宅價格的變化，特別是現在的出口貿易和旅游業的發展。選取特征指標為進出口貿易總額、郵電業務總量、旅游外匯收入3個指標。

（2）環境特征

環境對于住宅價格影響也相當大，在住宅周邊中有放射性物質、很高的噪聲、空氣中有大量的有毒氣體等區域，住宅價格將會較低，而在住宅環境較好的區域，住宅價格將會較高。在現在的交易和房地產評估中，將環境特征對住宅價格的影響很少考慮。對于現在國家加強植樹造林和貴州對“綠水青山就是金山銀山”的建設，也會間接影響住宅價格。基于環境對住宅價格的影響因素，從而分析環境特征變量對住宅價格的變化。選取園林綠地面積、造林面積2個特征變量。

（3）公共服務特征

公共服務業是公共設施建設以及發展教育、文化、衛生等公共事業，為社會經濟發展提供保障。城鄉公共基礎建設對房地產業各方面的發展起到了促進作用，也為住宅提供了方便。教育、衛生醫療的發展及社會福利的提高，促進房地產的價值升值，從而導致住宅價格上升。介于公共服務對住宅價格的影響因素，而分析公共服務特征中的交通狀況、教育、衛生醫療及社會福利等特征指標，從而解釋住宅價格的變化。選取公共服務特征變量為6個指標，其中供水總量、天然氣供氣總量；而醫療技術人員作為衛生醫療條件特征標志、年末實有道路建設面積和年末實有公交車運用車輛數作為交通狀況特征標志及社會福利特征標志是社會福利院數。

二、貴陽市住宅價格實證分析

（一）特征價格模型檢驗

將統計的11個特征變量和住宅價格因變量表格導入SPSS軟件中，采用普通最小二乘法（OLS）對特征變量和住宅價格進行回歸分析，從而確定模型的檢驗結果。

1. 模型的擬合優度檢驗

從表2可以看出，貴陽市住宅價格與11個特征變量的相關系數為R=98.6%，表明了住宅價格與經濟特征、環境特征及公共服務特征三個特征的特征變量有很強的線性關系。模型的可決系數R2=97.2%，調整可決系數R2=92.9%，表明住宅價格能夠被模型解釋的差異比為97.2%，經過調整后被解釋的差異比為92.9%；同時說明了特征價格模型的擬合優度很高，也能更好的解釋貴陽市住宅價格與特征變量之間存在的關系。同時模型Durbin-Watson檢驗值為1.926且接近于2，說明特征變量之間存在的自相關性很弱，也說明了模型的可行性。

2. 模型的顯著性檢驗

從表3可以看出，特征價格模型的F檢驗的概率為0.00，且小于顯著性水平0.05，說明模型能更好反映住宅價格與特征變量之間的關系，也表明兩者之間存在顯著的線性關系。

3. 模型的共線性檢驗

對共線性的檢驗，是基于方差膨脹因子（Variance Inflation Factor，VIF）的判斷，當VIF值在0到10之間時，不存在多重共線性；當VIF值在10到100之間時，存在較強的多重共線性；當VIF值大于100時，存在嚴重多重共線性。從表4可以看出，在旅游外匯收入、社會福利院數和造林面積3個特征變量的VIF值小于10且大于0，說明它們不存在多重共線性，而其他特征變量的VIF值大于10且小于20，說明它們存在多重共線性，但多重共線性不是相當嚴重。對于模型而言，整體拒絕原假設，從而排除模型整體的多重共線性，說明模型可以通過特征變量解釋住宅價格的升降。

（二）特征變量顯著性分析

從表4中可以看出，當顯著性水平取值為5%時，從經濟特征方面，有進出口貿易總額通過了t檢驗，而郵電業務總量、旅游外匯收入兩個特征變量沒有通過t檢驗；環境特征指標沒有通過t檢驗；公共服務特征指標僅年末實有道路建設面積通過t檢驗，其他指標都為通過t檢驗。雖然大多數特征變量沒有通過t檢驗及VIF檢驗，但是對于模型的整體來說，是通過了檢驗，為此本文僅從模型的整體考慮，分析特征變量對貴陽市住宅價格的影響。

從經濟特征方面，進出口貿易總額和郵電業務總量與住宅價格存在正相關性，而旅游外匯收入與住宅價格存在負相關性，說明進出口貿易總額和郵電業務總量增加或減少，住宅價格會上漲或降低，旅游外匯收入的增加或減少，住宅價格會降低或上漲；從環境特征方面，園林綠地面積的增加或減少，住宅價格上漲或降低，造林面積的增加或減少，住宅價格會降低或上漲；從公共服務特征方面，醫療技術人員、年末實有公交車運車輛數和天然氣供氣總量的增加或減少，住宅價格會上漲或降低，而社會福利院數、道路建設面積及供水總量的增加或減少，住宅價格會降低或上漲。其中影響住宅價格較大的是旅游外匯收入、園林綠地面積、醫療技術人員、供水總量和天然氣供氣總量特征變量，它們的特征價格系數絕對值較大，當增加1個單位就會增加很多。如醫療技術人員增加1萬人，住宅價格將增加201.82元/平方米；天然氣供氣總量增加1億立方米，住宅價格增加1177.94元/平方米；供水總量增加1億立方米，住宅價格減少798.65元/平方米。

三、結論與不足

貴陽市的住宅價格在旅游外匯收入、園林綠地面積、醫療技術人員、供水總量和天然氣供氣總量影響較大，而其他特征變量相對于郵電業務總量、年末實有道路建設面積、年末實有公交車運車輛數來說，影響較小。特別是旅游外匯收入、園林綠地面積、供水總量和天然氣供氣總量的特征價格系數為-1993.01、2224.10和1177.94，對住宅價格的影響最大，而年末實有道路建設面積和年末實有公交車運車輛數的特征價格系數為-1.75和0.40，對住宅價格的影響較小。為此環境保護與建設和公共服務建設對住宅變得越來越重要很重要。

本文的不足是對特征價格模型的回歸分析僅只滿足模型的檢驗，而對大多數特征變量與住宅價格的t檢驗和多重共線性問題沒有解決，為此應在此研究的基礎上考慮增加樣本數或者對采用其他方法對其進行論證。

參考文獻：

[1]Lancaster，K，J. A new approach to consumer theory [J]. Journal of Political Economy，1966（74）.

[2]Rosen，S. Hedonic prices and implicit：Product differentiation in pure competition [J]. Journal of Political Economy，1974（82）.

[3]Michael B，Vicky S，Michael S. Residential real estate prices： a room with a view[J]. Journal of Real Estate Research，2002（23）.

[4]Downes T A，Zabel J E. The impact of school characteristics on house prices： Chicago 1987～1991[J].Journal of Urban Economics，2002（01）.

[5]劉洪彬，王秋兵.基于特征價格模型的城市住宅用地出讓價格影響因素研究[J].經濟地理，2011（06）.

[6]徐麗，簡迎輝.基于特征價格模型的南京市住宅價格實證分析[J].土木工程與管理學報，2015（04）.

[7]孟君遲，張哨軍.基于特征價格模型的住宅租金影響因素研究——以武漢市為例[J].價值工程，2016（27）.

[8]馮波，郭巍，陳昕.北京市住宅用地價格影響因素分析——基于特征價格模型的實證研究[J].中國物價，2016（11）.

[9]張紹良，李晶晶，公云龍.基于特征價格模型的城市住宅價格影響因素研究[J].地域研究與開發，2013（04）.

（作者單位：貴州師范大學地理與環境科學學院）