青島市住宅價格微觀影響因素研究

劉志遠 孫宗帝

[摘 要]結合青島市自身特點，建立青島市住宅微觀影響因素特征價格模型，利用逐步回歸方法，逐步篩選出對青島市住宅價格具有顯著性影響的微觀因素。研究結果認為，微觀影響因素有樓盤建筑面積、容積率、綠化率、是否是海景房、是否有地鐵線、所處的商圈等。微觀影響因素對青島市住宅價格影響顯著，青島市住宅價格總體平穩上升，不同區位住宅價格因海洋因素、所處商業圈的不同而有較大差別。在市南區、嶗山區，高檔房居多，房價較高，但波動趨于平穩，在城陽區、市北區、黃島開發區，置信產業、中低檔房居多，房價比較平穩。建議青島市在金融監管、土地供給、廉租房建設等方面采取措施，根據居民消費水平和需求，合理確定住宅價格。

[關鍵詞]逐步回歸；價格模型；住宅價格；檢驗；建議

[中圖分類號]F293.3 [文獻標識碼]A [文章編號]1671-8372（2018）01-0031-06

青島市住宅價格的變動受到很多宏觀因素和微觀因素的影響，本文嘗試研究影響青島市住宅價格的微觀因素，探討青島市住宅價格的走勢，建立住宅價格模型，通過實證的方法檢驗分析結果，再據此為青島市住宅產業健康、可持續發展提供建議。

一、住宅價格影響因素文獻綜述

住宅價格是指住宅的市場價格，是消費者為購買住宅而實際支付的貨幣數量，它是房屋建筑物價格和土地價格的統一體，即住宅商品價值和地租資本化的綜合價值的貨幣表現，是住宅效用、供給的相對稀缺性以及住宅的有效需求三方面相互作用的結果。關于住宅價格，國內外學者已經進行了大量的研究工作。

（一）國外文獻綜述

Wong等通過對香港房地產市場的研究發現，居民對房地產市場的預期不同會影響其購買行為，進而會對住宅價格產生一定的影響。當經濟預期較好時，房地產行業比較繁盛，當通貨緊縮時，居民對房地產市場信心降低，進而會對房地產市場產生一定的影響[1]。Chrisitian Hott，Pierre Monnin提出采用脈沖響應函數和預測方法來預測房地產市場的基礎價格，并用此模型分別預測美國、英國、瑞士、荷蘭的房地產市場價格 [2]。Christoph Hinkelmann， Steve Swidler探討了利用期貨合約進行套期保值的住宅房地產價格風險狀況[3]。Christopher Bitter， Gordon F.Mulligan， Sandy DallErba比較了美國亞利桑那州圖森市的房地產市場價格，研究住房屬性的空間異質性，發現房屋方面的主要特點具有不同的邊際價格[4]。Stephen J.Conroy， Jennifer L.Milosch 通過建立評價模型對2006年圣地亞哥9755戶家庭抽樣數據進行分析，研究“海岸線溢價”問題，發現在9公里海岸線范圍內，離開海岸線的距離每增加1公里，房屋銷售價格降低8680美元，在特定距離內此海岸線溢價率又呈現特定的變化規律[5]。

（二）國內文獻綜述

王金明利用可變參數模型對我國房地產市場需求、供給進行了動態定量分析[6]。吳群、高慧瓊以土地供給、竣工面積和住宅投資作為供給因素，以新增人口、居住條件改善和城市拆改形成的自住型需求與投資作為需求因素，探究了供求關系對住宅價格的影響[7]。孔煜基于政策因素對住宅價格的影響，構建四象限模型分析了地價與房價以及利率與房價的關系[8]。楊貴中對成都商品住宅價格影響因素從供給和需求層面進行定性和定量分析，對成都市商品住宅價格進行預測，并提出了平抑房價的建議[9]。劉陽、笪可寧利用上海和沈陽兩個城市的商品住宅價格數據和宏觀經濟數據，通過回歸分析，認為消費者預期已經成為影響這兩個城市的主要因素[10]。婁國豪認為升值預期是房地產價格上漲的一個推動力[11]。莊彬惠運用結構向量自回歸（SVAR）方法對商品住宅價格影響因素進行研究，并對福建省房地產市場進行了實證分析[12]。嚴揚采用主成分分析方法，對武漢市人居環境進行評價，發現人居環境建設水平越高，商品住宅價格也越高[13]。郭戩、孫煒發現除區域位置的因素，住宅價格受城市化發展水平的影響很大[14]。劉峰、鮮前航從區位、地質、氣候、建筑物質量、環境因素等方面研究了這些自然因素對住宅價格的影響程度[15]。崔光燦研究發現從長期來看房地產的供給和收入等變量對我國房價影響較大，在短期來看通貨膨脹和利率對房地產價格影響較大[16]。耿方芳認為青島市商品住宅價格的波動主要是由資金推動和需求拉動，其中，金融機構貸款余額、貸款利率以及城市居民人均可支配收入是影響商品住宅價格的主要影響因素[17]。姜永增認為人口對房價影響最為顯著，對住房的需求是影響青島市房價最為重要的因素[18]。孫繼國、王媛媛研究發現宏觀調控政策會極大地遏制居民的購房行為，在一系列宏觀調控政策下，房價能夠較快地回歸到理性水平[19]。李旭寧從小區和住宅兩個層面探討杭州市城市景觀對住宅價格的影響，并對城市景觀的空間自相關效應進行分析，認為良好的城市景觀會使住宅價格有一定的溢價，而且杭州市的住宅價格在空間分布上具有一定的空間相關性[20]。趙涵結合寧波市的城市概況、房地產的發展歷程，利用歷史數據對寧波市房地產價格影響因素進行單因素分析，采用多元線性回歸的方法構建寧波市住宅房地產價格模型，得到寧波市房地產價格影響因素[21]。王洋等構建了城市住宅價格空間分異影響因素評價體系，以2012年揚州市1305個小區的平均住宅單價為因變量，4個基本影響因素得分為自變量，進行回歸分析，探索住宅及各子市場價格分異的主要因素，并分析了其驅動機制[22]。

綜上，國內外學者從不同角度分析了住宅價格的特點，研究了影響住宅價格的因素，但是從微觀角度對住宅價格影響因素進行定量分析的研究較少。對像青島這樣的海濱城市的住宅價格的研究比較欠缺。因此，本文通過建立特征價格模型分析微觀因素對青島市住宅價格的影響，并分析各因素與住宅價格之間的關系。

住宅價格的形成要比其他商品價格的形成更為復雜，因此在研究青島市住宅價格的影響因素時，考慮到青島獨特的地理位置和環境，除選用常見的影響因素之外，還選取了一些特殊因素，如是否是海景房、住宅所處商圈等，從微觀層面對青島市住宅價格走向進行深入研究。

二、青島市住宅價格微觀影響因素

影響青島市住宅價格的因素，分為宏觀因素和微觀因素兩個層面，本文主要從微觀層面對住宅價格影響因素進行分析研究。選取的指標有：樓盤占地面積、樓盤建筑面積、容積率、綠化率、是否是海景房、遠海房、精裝修、有無地鐵線、口碑指數、距入住時間、所處的商圈等。具體的微觀變量選取及量化處理如表1所示。

資料來源： 青島市統計年鑒，青島市統計信息網

三、青島市住宅價格模型的建立與求解

（一）微觀影響因素特征價格模型的建立與檢驗

根據多元統計分析理論，假設選取的13個微觀因素與住宅價格之間存在線性關系，利用多元線性回歸模型建立住宅價格與各個微觀因素之間的數量關系。建立的多元線性回歸模型如下：

公式（1）中，為住宅價格，分別代表樓盤占地面積、樓盤建筑面積、容積率、綠化率、海景房、遠海房、精裝修、地鐵線、口碑指數、距入住時間、第一類商圈、第二類商圈、第三類商圈，代表上述13個解釋變量相應的回歸系數，為隨機誤差項。利用MATLAB軟件工具箱的逐步回歸指令可以初步得到這13個微觀影響因素對青島市住宅價格的影響程度，如圖1 所示。

由圖1可以初步得到微觀影響因素對青島市住宅價格影響的相關統計量的具體數值：，，，，這13個自變量的檢驗結果如表2所示。

檢驗值 0.0391 -1.1959 1.0331 -1.5564 INF 1.0047 -0.3778 -1.8089 -0.6073 -0.5213 3.4636 1.7656 1.4904

由表2可以看出X1、X7、X9、X10的t檢驗值偏小，難以反映出這四個變量對住宅價格的影響程度，因此需要對這四個變量進行比較篩選（見表3）。

由表3可以看出，當刪除變量X1、X7、X9、X10時，，，，，說明這種情況下模型效果更加優越。此時，可以得到其他變量的檢驗值，如表4所示。

由表4可以看出，每一個變量的t檢驗值絕對值都大于1，因而對因變量P都有顯著的影響。微觀影響因素逐步分析最終結果如圖2所示。

依據F檢驗、t檢驗結果以及復判定系數和調整復判定系數接近1，可得最終的微觀影響因素特征價格模型。

（2）

（二）模型回歸結果分析

對住宅價格具有顯著影響作用的微觀因素是樓盤建筑面積、容積率、綠化率、海景房、地鐵線以及所處商圈（Q1：市南新區、嶗山區東部新區；Q2：市南區青島老城區、嶗山區除東部新區外的區域、市北區；Q3：李滄區、黃島開發區、城陽區）。

模型回歸結果顯示：樓盤建筑面積對住宅價格的影響系數是-63.16，表示樓盤建筑面積每增大1萬平方米，住宅價格將降低63.16元。容積率對住宅價格的影響系數是1261.52，表示容積率越大，住宅價格越高。綠化率對住宅價格的影響系數是-36107，表示綠化率升高，房價反而偏低，這可能與所選取的樣本有關，在開發的一些高檔住宅區確實存在綠化率比較低的現象，這是需要引起注意的情況。海景房對住宅價格的影響系數是-5000.25，是否臨近地鐵對住宅價格的影響系數是-7213.35，分別表示海景房以及臨近地鐵的住宅價格相較于遠海景房及遠地鐵房的價格要高很多，這也表明居民購房時比較看重地鐵帶來的出行便利。一級商圈（Q1）的房價比二級商圈（Q2）的房價，以及二級商圈（Q3）比三級商圈的房價都要高。

通過對回歸結果的分析可以看出，海洋因素對青島市的住宅價格影響大，而且住宅周圍的宏觀經濟環境、繁華程度、服務設施等因素決定的商圈等級對住宅價格影響非常大。

四、建議

（一）合理調整住宅價格

調整住宅價格的形成機制，發揮市場和政府雙重調節的作用，根據不同區域不同收入群體的真實購買需求和支付水平，確定不同的住宅價格。

首先，青島市的住宅價格應根據房屋所處商圈及不同需求群體的支付能力等因素實行差別化定價。

其次，由于不同收入階層在經濟實力方面的差別，住宅價格應該體現一定程度的差異化。可以在區位、戶型、環境等方面實現一定程度的價格差異。

再次，政府可以通過稅收來調控房地產價格，通過調整貨幣政策和財政政策來調整住宅價格。

（二）加強房地產市場的金融監管

銀行信貸在整個房地產建設中起著關鍵的支撐作用，銀行等金融機構要考慮到其中的風險，合理放貸，同時也需要政府等部門的指導，以促進青島市房地產市場的長期健康發展。

（三）從微觀層次上提升房屋質量

重視海洋因素的影響，充分考慮房屋選址與海岸線之間的距離，提高樓房周邊環境的綠化率，設計更合理的容積率，合理確定住宅的朝向，重視環境因素，適度修建一些人工景觀以美化環境。

（四）科學制定土地供給制度

青島市是一座海濱城市，海洋因素對住宅價格有著很重要的影響，青島市政府應該結合該特點，制定合理的城市規劃，盤活存量土地，合理進行土地總體布局，針對海岸線距離的不同，合理調控土地開發的供給量。

建立健全土地供給制度，加強對土地資源的宏觀調控力度，適度增加或者減少土地供給，使土地資源成為調控市場的一種手段。嚴厲懲治違法圈地行為，保證土地資源的合理利用。

（五）增強普通商品房、廉租房的供給力度

住宅是居民必需和基本的消費品，對居民的生活影響很大，而且對社會的穩定有著重要的影響。目前，為滿足廣大中低收入群眾的住房需求，青島市政府應該加大住房供應結構調整力度，在控制高價位商品住宅建設的基礎上，著力增加普通商品住房、經濟適用房和廉租房建設，提高其在房地產市場供應中的比例。

（六） 把握好房地產市場調控的手段

加強政府宏觀調控力度，建立適合市場體制要求的房地產管理體制，轉變政府對房地產市場的管理職能，從行政管理轉變為主要依靠財稅、金融、土地供應、城市規劃等宏觀政策和經濟杠桿的間接調控。

（七）規范房地產市場行為，保證房地產市場健康發展

政府應加強對房地產一級市場的管理力度，建立公開透明的土地出讓、轉讓招標制度，加強對土地供應計劃的管理，健全房地產流通體系，保護消費者權益，規范市場行為。

政府應該規范企業進入和退出房地產行業的機制，減少企業違規行為，嚴格審查房地產企業資金、技術、業績等行為，保證房地產市場健康有序穩定發展。

（八）完善房地產統計、信息披露制度

信息的不對稱性會導致住宅市場出現虛假信息，嚴重影響開發商、消費者、政府的判斷力，加劇供需矛盾，因此需要對住宅市場信息披露制度進行完善，加強信息的公開透明力度，降低交易成本，緩解供需矛盾。

根據青島市目前住宅實際發展情況，還應加強居民風險教育，減少其非理性購房投資行為，促進青島市房地產市場健康可持續發展。

[參考文獻]

Joe Tak-Yun Wong， Eddie C M Hui， William Seabrooke， John Raftery. A study of the Hong Kong property market： housing price expectations[J]. Construction Management and Economics，2005，23（7）.

Hott C， Monnin P. Fundamental real estate prices： an empirical estimation with international data[J]. Journal of Real Estate Finance & Economics， 2008， 36（4）：427-450.

Hinkelmann C， Swidler S. Trading house price risk with existing futures contracts[J]. Journal of Real Estate Finance & Economics， 2008， 36（1）：37-52.

Bitter C， Mulligan G F， DallErba S. Incorporating spatial variation in housing attribute prices： a comparison of geographically weighted regression and the spatial expansion method[J]. Journal of Geographical Systems， 2007， 9（1）：7-27.

Conroy S J， Milosch J L. An estimation of the coastal premium for residential housing prices in San Diego County[J]. Journal of Real Estate Finance & Economics， 2011， 42（2）： 211-228.

王金明.對我國房地產市場需求和供給函數的動態分析[J].中國軟科學，2004（4）：69-74.

吳群，高慧瓊.供求關系對大都市商品住宅價格作用機理的分析—以南京市為例[J].中國土地科學，2006（2）：51-56.

孔煜.城市住宅價格變動的影響因素研究[D].重慶：重慶大學，2007.

楊貴中.成都商品住宅價格影響因素分析與房價預測[D].成都：西華大學，2007.

劉陽，笪可寧.消費者預期對商品住宅價格影響的研究[J].沈陽建筑大學學報（社會科學版），2007（2）：210-212.

婁國豪.消費者理性預期對房地產價格的影響[J].商業時代，2007（7）：24-28.

莊彬惠.關于商品住宅價格影響因素的理論研究與數量分析[D].廈門：廈門大學，2007.

嚴揚.城市人居環境與商品住宅價格關系研究—以武漢市為例[J].理論與實踐，2009（11）：87-90.

郭戩，孫煒.城市化對住宅價格影響的定量分析[J].商業時代，2010（5）：122-123.

劉峰，鮮前航.淺談影響房地產價格的自然因素[J].才智，2009（34）：278.

崔光燦.房地產價格與宏觀經濟互動關系實證研究—基于我國31個省份面板數據分析[J].經濟理論與經濟管理，2009（1）：57-62.

耿方芳.青島市商品住宅價格波動與趨勢研究[D].西安：西安科技大學，2010.

姜永增.房價影響因素的實證分析—以青島市為例[J].價值工程，2011，30（28）：319-320.

孫繼國，王媛媛.宏觀調控對房價波動及買房行為影響研究—以青島市為例[J].中共青島市委黨校.青島行政學院學報，2012（1）：35-39.

李旭寧.城市景觀對住宅價格的影響—以杭州市為例[D].杭州：浙江大學，2013.

趙涵.寧波市住宅房地產價格影響因素研究[D].杭州：浙江大學，2014.

王洋，李強，王少劍，秦靜.揚州市住宅價格空間分異的影響因素與驅動機制[J].地理科學進展，2014，33（3）：375-388.

[責任編輯 張桂霞]