廣州市二手房價格影響因素研究

程芳菲 楊蕾

摘 要：采集了2202條二手房樣本數據，選取房屋面積等九個特征變量，應用Hedonic模型對廣州市二手房價格影響因素進行研究。結果表明，“是否近地鐵”對廣州市二手房價格的影響最大，其次是房屋裝修狀況和房本年限因素。

關鍵詞：Hedonic模型;二手房價格;影響因素;廣州市

中圖分類號：F726.7 ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2020）17-0043-02

廣州市住房與城鄉建設局統計數據顯示，2017年廣州市二手房成交134 957套，是一手房成交套數的1.53倍。2018—2019年，房地產市場降溫，廣州市住宅成交套數持續下滑，但二手房成交套數仍超過一手房，二手房成為廣州市住房消費市場的主導。本文運用Hedonic模型對二手房價格影響因素進行研究，以期為房地產交易雙方提供更科學的決策支持。

Hedonic模型法即特征價格模型法，是異質性商品估價的常用方法，在房地產領域得到了廣泛的應用。早在1967年，Ridker和Henning就以美國圣路易斯市為研究對象，通過建立特征價格模型研究出水、空氣的質量對周圍住宅價格有顯著的影響[1]。此后，多位學者運用該模型對其所在國家或城市住宅價格進行分析[2，3]。國內房地產市場相較西方起步較晚，但近年來相關研究也日趨豐富，諸多學者針對杭州、西安、上海、北京等地房屋住宅價格影響因素進行分析[4-8]，認為區位、樓齡、戶型、綠化等眾多因素對房屋價格會產生影響。

一、數據來源及模型構建

（一）數據來源及變量選擇

綜合考慮二手房服務網站房源信息的真實性、完整性以及豐富度，本文最終選取鏈家網展示的廣州市二手房源作為目標數據，運用網絡爬蟲技術采集了鏈家網站2020年2月29日展示的共3 000條房源信息，將有明顯錯誤或缺失的數據進行剔除或修正調整，最終留下2 202條樣本。

通過研究國內外文獻關于二手房價格影響因素選取的大體情況，并結合廣州市二手房各個特征因素信息來源的可獲取性，本文選取了住宅特征中的房屋朝向、面積、房齡、相對樓層、裝修狀況、大廳數量、房間數量、是否近地鐵和房本年限這九個因素作為影響廣州市二手房價格的特征變量，對這些特征變量的量化，具體如表1所示。

（二）模型的構建

特征價格模型的基本模型可表示為：P=F（X1，X2，X3，…，Xn），其中，P為商品的價格，X1，X2，X3，…，Xn為影響商品價格的各個特征變量。借助統計分析軟件Stata，本文對量化處理過的二手房特征變量用Hedonic模型常用的線性函數、半對數函數、對數函數進行了回歸分析，發現采用半對數函數對廣州市二手房價格進行分析時有最多的顯著性因素且值最大，表明其擬合度更好，故本文采用了半對數函數模型，具體模型如下：

二、模型的回歸分析結果

半對數模型的整個方程檢驗的顯著性P值為0.000<0.001，說明方程式整體顯著，R2=0.572 5，調整后得為0.570 8，模型對數據的擬合效果較好。具體回歸結果如表2。可以看出，九個影響因素中有七個因素t檢驗的P值是0.000，表明這些變量對模型具有顯著影響，綜合整理可得半對數模型的方程式為：

lnP=4.061 429+0.011 205 3X1-0.038 839 4X2+0.088 934 9X3-0.038 604X4-0.000 189 4X5+0.309 733 8X6+0.061 732 3X7+0.033 707 6X8+0.025 875 4X9

其中，P為總價，X1為面積，X2為房屋朝向，X3為裝修狀況，X4為相對樓層，X5為房齡，X8為是否近地鐵，X7為房本年限，X8為房間數量，X9為大廳數量。

其中，面積（P=0.000）、房屋朝向（P=0.000）、裝修狀況（P=0.000）、相對樓層（P=0.000）、是否近地鐵（P=0.000）、房本年限（P=0.000）、房間數量（P=0.033）、大廳數量（P=0.000）的P值均小于0.05，在該模型中是影響二手房房價的顯著因素;房齡的P值為0.303大于0.05，證明房齡在半對數回歸模型中不顯著。

是否近地鐵是影響廣州市二手房價格最顯著的因素，其系數達到0.309 733 8;是否臨近地鐵在較大程度上反映了住宅的區位，臨近地鐵交通更加便利，對二手房價格有正向影響。裝修狀況這一特征變量的系數為0.088 934 9，是對二手房價格影響力排名第二的因素，裝修越好，價格越高。房本年限對廣州市二手房價格也是正向影響，當二手房的房本年限滿兩年或五年，買家需要交的稅費更少，因此達到這種條件的二手房價格更高。在各個特征變量中，房屋朝向、相對樓層的符號為負，與預期不同。一方面，在鏈家網站展示的數據中房屋處于高中低樓層都是相對于房屋所在樓棟而言的，兩千多個樣本住宅所在的樓棟并非總層數都一樣;另一方面，可能是因為某些解釋變量間存在某種近似的線性關系使多元回歸模型產生誤差。面積越大，廳室數量越多，二手房的價格也越高。

三、結論與展望

本文采集鏈家網站展示的三千條廣州市二手房源信息，進行處理后運用Hedonic模型的半對數函數模型進行回歸分析。從回歸分析的結果來看，本文選取的九個特征變量中，除了房齡不是顯著影響因素外，面積、房屋朝向、裝修狀況、相對樓層、是否近地鐵、房本年限、房間數量、大廳數量這八個特征變量都是影響二手房價格的顯著因素。其中，影響廣州市二手房價格最明顯的因素是是否近地鐵、裝修狀況和房本年限，這三個因素對二手房的價格都是正向影響，表明近地鐵、裝修好、房本年限滿五年或兩年的二手房價格更高。基于數據的局限性，本文未選取周圍重點學校、商業氛圍、綠化配套等因素從更多層面進行更為細致的研究，研究有待于進一步深入。

參考文獻：

[1] ?Ridker R G，Henning J A.The Determinants of Residential Property Values with Special Reference to Air Pollution[J].Review of Economics & Statistics，1967，49（2）：246-257.

[2] ?Luttik J.The value of trees，water and open space as reflected by house prices in the Netherlands[J].Landscape and Urban Planning，2000，48（3-4）：161-167.

[3] ?Limsombunchai V.House Price Prediction：Hedonic Price Model vs.Artificial Neural Network.The 2004 NZARES Conference[R]，Blenheim Country Hotel，Blenheim，New Zealand.June 25-26，2004.

[4] ?郭文剛，崔新明，溫海珍.城市住宅特征價格分析：對杭州市的實證研究[J].經濟地理，2006，（S1）：172-175，187.

[5] ?黃鑫，陳英，張仁陟.基于Hedonic模型構建西部農村小城鎮二手房特征價格分析[J].黑龍江農業科學，2011，（6）：112-115.

[6] ?張萌娜，賈德錚.基于Hedonic模型價格影響因素的研究——以上海市五角場二手房為例[J].現代商業，2018，（8）：189-190.

[7] ?張羽鶴.基于GWR模型的北京市二手房價格空間分異及影響因素研究[D].北京：中國地質大學（北京），2018.

[8] ?王旭育.基于Hedonic模型的上海住宅特征價格[M].上海：同濟大學出版社，2012.