基于Hedonic模型的旅游地產價格影響因子特征分析

周學軍 ，李勇漢

（1.重慶三峽學院 工商管理學院，重慶 404100；2.東南大學 經濟管理學院，南京 211189）

0 引言

隨著國家政策對房地產業的調控以及居民生活水平的提高，投資者開始將目光投向房地產業和旅游業互為依托發展的旅游房地產。旅游地產主要依據中國產品市場特征，其主要目的是旅游度假，其開發的房地產項目全部或部分實現了旅游功能。世界旅游組織推測2020年中國將成為世界上最大的旅游地，全球旅游人次的8.6%將會由中國接待。在傳統住宅地市場低迷的與旅游業迅速發展背景下，旅游房地產將推動旅游經濟及其他相關產業的發展。目前，Hedonic模型已廣泛應用于傳統住宅領域，但在旅游地產方面的研究卻很少。因此，本文將特征價格模型運用于旅游地產價格的影響因子方面的研究，最終得出旅游地產的特征價格模型。

1 研究對象與方法

1.1 研究對象

旅游地產主要指借助周邊景觀資源、生態環境等資源進行開發的旅游項目。根據國內學者對其的研究，可以將其按功能進行分類，為消費者提供休閑、商務、旅游、居住等服務功能，其形式包括旅游景點、度假村以及住宅項目等。目前，國內外大都把研究目光投向旅游景點、商務以及度假地產，雖然其表現形式不一定是旅游地產，但內涵卻是一致的。旅游住宅地產與其他地產最大的區別在于居住功能是長期的，且具有投資回報收益，深圳華僑城就是其典型項目。它融合了旅游設施和住宅產品，一方面借助優美的景觀以及獨特的地理位置，提升居住檔次，另一方面旅游文化價值得到最大化地呈現，增加其附加值。由于國外并不存在旅游住宅地產的概念，文獻大部分都是從外部環境對其影響的角度進行研究，定量分析旅游住宅地產價格的影響因子的文獻較少。因此，本文將研究對象界定為旅游住宅地產價格的影響因素，主要研究自然景觀資源對住宅價格特征的影響。

1.2 研究方法

1.2.1 Hedonic模型

Hedonic模型的核心內容主要通過分析商品的各種屬性，收集和處理數據，回歸得到其價格，通常應用于處理異質產品差異特征與產品價格間的關系。特征價格模型在實證研究中通常采用以下三種基本函數形式：

（1）線性模型

其中，P表示旅游地產價格；a0代表常量項；ai表示第i個特征變量的特征價格；Xi表示第i個特征變量；ε為誤差項。

（2）對數模型

自變量與因變量均采用對數形式，回歸系數對應特征的價格彈性，表示一個常數。

（3）半對數線性模型

此模型又被稱之為增長模型，因變量取對數形式，自變量則采用線性形式進入，則回歸系數對應的是特征價格與產品總價格之比。

1.2.2 模型的檢驗方法

（1）經濟意義檢驗，主要檢驗模型的特征變量在經濟意義上是否合理，具體方式就是將預先擬定的期望值與模型特征變量的估計量進行對比是否一致，若一致則說明模型具有經濟意義。

（2）共線性檢驗，主要借助VIF的值判斷模型參數之間是否存在共線性，當VIF值小于10時，不存在共線性問題，模型就可以通過檢驗。

（3）t檢驗又稱顯著性檢驗，在其他解釋變量不變的情況下，通過判定系數R2以及復相關系數對模型的因變量進行檢驗是否存在顯著性關系，模型的擬合程度可以通過調整判定系數進行判斷。

（4）齊方差性檢驗，主要判斷在0的直線兩側是否隨機分布樣本數據，其判讀依據是殘差的散點圖以及回歸標準化預測值，若隨機分布則能通過檢驗。

2 基于Hedonic模型的旅游地產價格模型構建

2.1 旅游地產價格影響因子及量化

理論上，為全面反映旅游住宅的特征價格，應當選取所有影響旅游地產價格的變量。但由于存在數據采集困難、樣本不完整以及某些特征變量無法量化等問題，因而需要根據直接關聯性原則、數據可得性原則、可量化性原則以及相互獨立原則從大量影響因素中甄選關鍵性的影響因子。根據指標選取原則，主要確定了12個旅游地產價格特征變量，且這些變量都是可量化的。

（1）區位特征

根據以往的研究，公共交通服務的便捷會對住宅價格產生正面影響，即交通越便捷，住宅價格就會越高。旅游地產相較于普通住宅往往會選擇遠離市中心的開發區域，由于地塊周邊的設施發展原因，旅游地產價格在很大程度上會受區位特征的影響。本文主要以交通干線作為研究的主要內容，將臨近城市主干道數目以及距地鐵站的距離是否超過一千米作為主要的區位特征。以軌道交通站點的距離以及數量作為衡量公共交通服務的特征變量，預期其對旅游住宅價格的影響。

（2）建筑結構特征

對于建筑結構特征而言，建筑面積、房齡、樓層、朝向、物業管理、裝修程度以及容積率都是其特征變量。根據對普通住宅價格的研究發現，建筑面積與房間數量與價格成正相關，消費者更傾向于支付更多的金額在大尺度的空間上。房齡則會對價格產生負的影響，房子的時間越長就意味著需要花費更多的保養與修理成本，但是對于具有歷史意義的住宅而言，則會增加其價值，與住宅價格成正相關關系。旅游住宅地產所處的樓層也會對其價格產生重要影響。對于高層建筑，一般樓層越高價格也會越高，就多層而言，價格最高的是中間樓層。根據實證研究發現，相同條件情況下低樓層住宅的價格會低于高樓層的住宅價格。旅游住宅地產的朝向對于采光、通風具有至關重要的作用，預期其對住宅價格產生正向影響。物業管理費用的高低直接反映了小區的服務質量，并能夠從側面反映小區的整體水平。裝修程度的高低對住宅價格產生直接影響，裝修的越豪華，則住宅價格則越高。建筑用地面積若運用的越合理，則居民的舒適度就會越高，反之就越低。

（3）景觀特征

景觀特征作為旅游地產的最大特點，消費者往往會選擇具有良好景觀視線的住宅，其中尤其是湖景對于周邊住宅價格的正面影響更為顯著。因此，本文選取綠化率、周邊旅游資源以及環境協調性等要素作為景觀特征。旅游地產雖然主要依靠周邊的旅游資源與環境，但是其內部的綠化率也是旅游地產景觀必不可少的一部分。高綠化率降低了建筑密度，給予居民更高的舒適度，綠化率的高低與住宅價格之間存在相關性。周邊旅游資源數目與旅游地產價格成正相關，數目較多的話可以滿足消費者的視覺體驗。環境協調性對于旅游地產而言十分重要，旅游地產周邊的規劃將直接影響到居民的生活質量，若周邊出現城中村的現象則會對旅游地產價格產生負的影響。

2.2 旅游地產Hedonic模型構建

旅游地產價格預期價格特征間的函數關系為：

P=f(L,S,C)

式中，L表示旅游地產價格的區位特征；S表示旅游地產價格的建筑結構特征；C表示旅游地產價格的景觀特征。

根據上文分析，本文主要采用特征價格模型的三種函數形式：線性模型、半對數模型以及對數模型。為確定最終的函數模型，還需要對這三種模型進行估計與檢驗。

根據經濟意義檢驗，線性模型的回歸結果并不符合其檢驗，預期房齡將會對旅游地產價格產生正向影響，但在實際研究過程中發現房齡對旅游地產價格是負相關關系。另外，在對線性模型擬合度效果的檢驗中發現，殘差大于回歸平方，線性模型并不能對總平方和中的特征向量進行解釋。基于以上兩點分析，本文將采用回歸分析的方法對比三種模型的擬合效果，再根據對比結果選擇最優的函數模型作為旅游地產的價格特征模型。具體方法是：采用最小二乘法對參數進行估計，再根據回歸系數的統計檢驗，將不顯著因素排除，使得回歸方程是最優的。對于對數模型，需要對物業費、容積率、建筑面積以及綠化率進行取對數處理，其余變量保持不變。

本文的樣本數據來源主要有三個途徑，一是房地產中介網站上的數據，二是電子地圖數據，三是實地調研數據，其中容積率為檢測點所在地區的平均容積率。本文運用SPSS19.0對三種模型進行回歸分析，其中樣本數據一共有1536個，具體結果如表1所示。

表1 三種函數形式多元回歸方法分析匯總

根據表1的多元回歸分析結果，在顯著性檢驗方面，三種模型均符合其要求，由此說明旅游地產價格P或InP與價格特征之間確實存在線性關系，其主要依據是三種模型的顯著性檢驗值也就是Sig均小于0.001。

表2 三種模型的多元回歸指標分析

根據表2中三種函數的判定系數R2，其中對特征變量解釋能力最強的就是對數模型，為93.7%，半對數模型為93.5%，其中最低的就是線性模型，只有88.2%。另外根據調整R2的擬合效果分析，對數模型也是最優模型，為93.6%，半對數模型與線性模型依次為93.4%、88.1%。綜合表1與表2的分析結果，三種模型的估計結果均是高度顯著的，并且對數模型對特征變量的解釋能力以及擬合程度都優于其他兩種模型，因此，本文選取對數模型作為研究旅游地產價格實證研究的函數形式。

3 實證分析

3.1 描述性統計

對旅游地產價格及其影響因子進行描述性統計，如表3所示，對建筑面積、物業管理、容積率以及綠化率等連續變量進行取對數處理，再依次將剩下的8個價格特征變量直接代入對數模型。

表3 變量描述性統計

3.2 旅游地產價格對數模型的檢驗

3.2.1 顯著性檢驗

表4為旅游地產價格回歸結果。

表4 旅游地產價格回歸結果

由表4可知，對數模型的復相關系數為0.968，擬合優度R2為0.937，說明旅游地產價格與特征變量之間存在較強的線性關系。模型調整后R2為0.936，說明特征變量旅游地產價格的93.6%可以自由變量解釋，同時說明模型的擬合優度較高。

根據表5數據，模型的回歸平方和遠大于殘差平方和，說明對數模型揭示了總平方和中的大部分，擬合效果較好。另外，顯著性檢驗值Sig為0.000，小于0.01，所以原假設中的總體回歸系數為0就可以明顯地拒絕。

表5 對數模型方差分析

由下頁表6可知，VIF值最小就是臨近城市主干道數目，該值為0.875，其中最大的是環境協調性為6.293，因而取值范圍可以表示為0.875≤VIF≤6.293，均小于10，說明進入改模型的價格特征之間的共線性假設并不成立，即價格特征之間不存在嚴重的共線性問題。

根據以上檢驗結果分析，對數模型擬合度良好并且解釋能力較高，因此，所得模型具有很強的統計意義，對于下一步探討旅游地產價格與特征變量之間的關系十分有用。

3.3 實證結果分析

選取顯著性水平為5%，對旅游地產價格產生顯著影響的因素主要有建筑面積、房齡、裝修程度、容積率、綠化率、周邊旅游資源以及環境協調性等7個特征變量，而臨近城市主干道數目、距地鐵站的距離、樓層、朝向、物業管理等5個特征變量的顯著性水平大于5%，即這些特征變量并不會對旅游地產價格產生顯著影響，因此可以剔除，具體數據見表7。

表6 旅游地產價格模型的共線性指標分析

表7 特征變量回歸系數分析

另外根據回歸系數的正負號可以定性地判斷出濱海旅游房地產特征將會對其總價格產生正向還是負向的影響，其中建筑面積、裝修程度、綠化率、周邊旅游資源以及環境協調性這幾個特征變量會產生正影響，而房齡和容積率則會產生負影響，與數據量化所估計的預計影響一致，說明所有特征變量的經濟意義合理。

旅游地產的特征價格模型可表述為：

InP=0.706+0.489×In建筑面積-0.012×房齡+0.027×裝修程度-0.134×In容積率+0.135×In綠化率+0.011×周邊旅游資源+0.294×環境協調性

據得到的旅游房地產價格模型可以看出能夠對旅游地產的價格產生顯著性影響的因素為：建筑面積、房齡、裝修程度、容積率、綠化率、周邊旅游資源以及環境協調性。而朝向、樓層、物業管理、臨近主干道數目、距地鐵站的距離這5個變量因對價格的影響不顯著而被剔除。

4 結論

本文的研究目的是構建旅游房地產的特征價格模型，確定影響旅游房地產價格的顯著性因素。通過對特征價格模型的使用條件和理論基礎等問題的分析，確定采用特征價格模型作為旅游房地產的價格研究模型。本文在對旅游房地產的價格影響因素進行分析的基礎上，確認了包含區位因素、建筑結構、景觀特征等三方面的旅游房地產特征變量指標體系。具體劃分為12個價格特征變量，分別為建筑面積、房齡、裝修程度、容積率、綠化率、周邊旅游資源、環境協調性、朝向、樓層、物業管理、臨近主干道數目以及距地鐵站的距離。運用SPSS19.0統計軟件對這些特征變量進行多元線性回歸分析，確定了建筑面積、房齡、裝修程度、容積率、綠化率、周邊旅游資源、環境協調性為顯著性影響因子。