長租公寓租賃價格特征因素及其重要性研究
——以深圳市600家長租公寓為例

□喻 燕

（廣東海洋大學 管理學院，廣東 湛江 524000）

2016 年6 月，國務院發布《關于加快培育和發展住房租賃市場的若干意見》（國辦發〔2016〕39號）以來，各地先后出臺了“商業用房改租賃住房”“廠房改公寓”“城中村房源規模化租賃”“租賃落戶”“租購同權”等政策促進住房租賃市場發展。長租公寓因裝修時尚、配套齊全、拎包入住，退租方便等優勢受到市場青睞，在解決新市民居住，改善住房供應結構中發揮了積極作用。因市場監管滯后，長租公寓運營中存在壟斷房源、哄抬房租、“高進低出(支付房東的租金高于收取租戶的租金)”“長收短付（收取租戶租金周期長于給付房東租金周期）”、騙取租賃貸款、強制驅逐承租人等亂象，嚴重影響了“租購并舉”住房政策推進。

2019 年12 月，住房和城鄉建設部等六部委出臺了《關于整頓規范住房租賃市場秩序的意見》（建房規〔2019〕10 號）提出嚴格租賃登記備案管理、動態監管房源發布、管控租賃金融業務等十四條要求，以促進租賃市場規范發展。科學制定長租公寓租賃價格對于推進租賃市場供給側改革，加速人口城市化進程具有重要意義。本研究旨在運用特征價格理論，揭示長租公寓租金中隱含的特征因素及其對租金影響的相對重要性，以期為政府制定區域性租金指導價提供參考。

一、相關研究評述

效用價值論認為商品價值源于其滿足人們欲望的能力，商品價格由商品帶給人們的效用所決定。特征價格理論認為異質性商品具有多方面的不同特征，商品價格是這些不同特征的綜合反映及表現。

特征價格法又稱Hedonic模型法，作為一種有效揭示消費偏好與估計商品異質性的研究方法，在房價影響因素、房價時空分異、房價空間溢出效益等研究中得以廣泛應用。賴德（Rider）首次將特征價格理論用于住宅價格評估，測算出不同空氣污染因素對住宅價值的隱性影響[1](p228)。羅森（Rosen）指出消費者從住房中獲得的效用取決于住房的結構特征、社區特征及環境特征的差異化[2](p35)。索勒（Soler）和吉馬爾（Gemar）運用地理加權回歸特征價格模型研究證明馬拉加57家酒店客房服務特征變量對房費具有顯著影響[3](p127)。米塔爾（Mittal）和拜阿胡特（Byahut）使用特征價格法研究住宅景觀及其視覺可達性對房屋溢價的影響，發現位于風景名勝區內房屋價格平均溢價3.4%[4](p67)。尼泊爾（Nepal，et al）等使用特征價格法評估低收入國家中清潔社區的價值，發現相比普通社區，清潔社區房價溢價達到25%—57%[5](p131)。埃萬杰利斯塔（Evangelis?ta，et al）等運用特征價格模型研究了能源效率對住宅物業交易價格的影響，發現在葡萄牙256 000套公寓中具有能源效率的公寓交易溢價達到13%[6](p86)。金鎮元（Jinwon Kim，et al）等使用地理加權空間特征價格模型對美國佛羅里達州杰克遜維爾海灘的152處房產的游憩價值進行評估，發現海灘游憩價值對房產溢價效應的存在性及空間異質性[7](p119)。

我國學者運用特征價格模型結合地理信息技術，對上海（汪佳莉等，2016[8](p73)）、深圳（黃彩珠，2018[9](p22）)、廈門（黃麗君，2018[10](p131)）、北京(龐宇翔、劉洪玉，2019[11](p19)）、杭州（王瑞，2019[12]）、成都（熊建，2019[13）]、石家莊（都沁軍、王衛秀，2019[14](p94)）、南京（沈奕成，2019[15](p158)）、合肥（劉軍航、馬曉雪，2019[16](p169）)、昆明（侯學英，2020[17](p131）)等城市房價及租金的影響因素進行了多維度研究，證明除房屋實體特征、房屋質量、房屋開發與維護成本等顯性因素影響外，房價及房租的高低與房屋所在區域的人口吸引力、市場供求、醫療資源、就業可達性、教育配套、公園景觀、空氣質量、軌道交通車站距離[18](p2)、承租人收入水平[19](p104)、通貨膨脹率與貨幣供應量等隱性因素相關。

近年來，學者們構建地理加權回歸模型及空間計量全局模型，運用社交媒體數據、機器學習算法[20](p658)、隨機森林、神經網絡以及KNN 等數據挖掘技術[21](p20)有效克服了特征價格法在數據來源、變量選擇、模型估計等方面不足，特征價格模型在房地產領域的研究得到進一步拓展。鮮有研究將區域經濟因素作為房租的特征變量，以市級行政區劃為尺度，研究長租公寓租金的分區劃、多層次影響因素及其相對重要性。

二、研究方法與數據

（一）研究方法

長租公寓作為一種住房異質商品，需要滿足承租人對于居住安全、品質及服務等差異化需求，吻合特征價格理論中產品異質性的前提條件。根據特征價格理論，影響長租公寓租金的每個特征都有各自隱含的價格，租金可視為每個特征因素的隱含價格之和。長租公寓特征價格模型可采用線性、半對數及對數三種形式，模型形式的選擇取決于評估目標及研究數據的可得性。

（1）線性模型

式（1）中P為長租公寓租賃價格；a0為常數項；ai為待估參數，表示第i個特征變量Z的價格；Zi代表因變量，即第i個特征變量；ε 為隨機擾動項。

（2）半對數模型

式（2）中ai為待估參數，表示特征變量Z 的單位絕對變化量導致P的相對變化量。

（3）對數形式

式（3）中ai為待估參數，表示P 對特征變量Z的價格彈性。

（二）變量選取

運用特征價格模型分析長租公寓租賃價格與其特征因素之間的函數關系，因變量為長租公寓每平方米月租金，表示為P。自變量為長租公寓租金所隱含的特征因素，主要取建筑特征、區位特征、租約特征、區域經濟特征四大類，共13 個特征變量，分別表示為Z1、Z2……Z13。

1.建筑特征。根據《房地產估價規范》（GB/T 50291—2015），建筑物實體特征包括建筑規模與結構、設施設備、裝飾裝修、空間布局、建筑外觀、新舊程度等方面。研究中以裝修效果（Z1）、配套家電（Z2）、共享空間（Z3）3個指標作為建筑特征變量，其中共享空間指長租公寓中專設為滿足租客社交、娛樂、健身、生活服務等多元化需求公共空間。

2.區位特征。房地產價格的區位影響因素主要包括繁華程度、環境、配套設施、臨路狀況等因素。研究中以生活配套（Z4）、交通便捷度（Z5）、鄰近醫院（Z6）、鄰近公園（Z7）、商業繁華度（Z8）5個指標作為區位特征變量。

3.租約特征。《中華人民共和國城市房地產管理法》第五十四條規定，出租人和承租人應當簽訂書面租賃合同并向房產管理部門登記備案。租金的確定受到租賃期限、付租間隔期、保證金數額、轉租及提前退租等因素影響。研究中以租金支付規定（Z9）作為租約特征變量。

4.區域經濟特征。由于區位基礎條件、資源稟賦、發展規劃、經濟水平、產業結構等方面制約，區域住宅價格存在顯著的空間分異與行政等級性差異分化[22](p34)。研究中以各行政區人均GDP（Z10）、區常住人口增長率（Z11）、區商品房均價（Z12）、區就業率（Z13）4個指標作為區域經濟特征變量。

（三）研究區域與數據來源

深圳市位于廣東省中南沿海地區，是國務院批復確定的經濟特區、經濟中心城市及國際化城市。2017年7月，深圳市被批準為我國首批租賃試點城市并于2019年7月列入中央財政支持住房租賃市場發展試點城市。2018 年以來，深圳市先后發布《深化住房制度改革加快建立多主體供給多渠道保障租購并舉的住房供應與保障體系的意見》等政策，提出大力發展住房租賃市場，增加租賃性質用地供應，以住房租賃經營機構為主，提供各類長租公寓。2019年，深圳市長租公寓房源數量約8.1萬間，平均月租金達到69.51元/M2，全國排名第三。

十三五期間，深圳市年均新增人口達53.32萬以上，非戶籍常住人口及年輕人占比高、人口流動性大，住房資源供需結構性矛盾日益突出。2019年，深圳市人均居住支出占消費支出的29.2%，房價高企、房租負擔過重等居住問題已成為制約其高質量發展的重要因素。研究深圳市長租公寓租賃價格特征，合理確定住房租賃價格，對于促進全國住房租賃市場發展具有示范作用。

2020年3月1日至3月30日間，課題組采取典型抽樣方法，在深圳市福田區、羅湖區、鹽田區等10個行政區選取租賃方式為“整租”、房型為“一居室”的600 個長租公寓為研究樣本，樣本區域分布詳見表1。樣本數據主要來源：（1）在線租房網（鏈家網、貝殼租房網）掛牌數據：公寓名稱、地址、月租金、建筑面積、裝修效果圖、配套家電（電視、冰箱、洗衣機、空調、寬帶、衣柜等）、共享空間（共享廚房、書吧、休閑區、休閑吧臺及健身房等）、租金支付規定、區平均房價數據。（2）百度地圖數據：長租公寓具體位置與最近公交站點、醫院、公園、區級繁華商圈的距離，以公里為計量單位。（3）《深圳市2019年國民經濟和社會發展統計公報》與《深圳市2019 年統計年鑒》數據：各行政區GDP、常住人口比上年末增長率、就業人口與在崗職工人數。此外，課題組還進行了部分長租公寓實地踏勘，以驗證在線租房網站對于裝修效果、共享區域等信息描述的真實性。各變量賦值及描述性統計詳見表2。

表1 ：長租公寓樣本區域分布表

表2 ：變量賦值及描述性統計

三、研究結果分析

（一）模型選擇

運用SPSS20.0軟件，采用方差膨脹因子（VIF）做自變量共線性判斷，結果表明13 個自變量中VIF 數值最小為1.044，最大為2.077，均值為1.34。根據方差膨脹因子判斷準則（VIF小于5）可知，自變量間不存在多重共線性。

表3 ：線性模型與半對數模型參數對比

研究中部分因變量取值為0，無法使用對數模型（式3），所以分別采用線性模型（式1）與半對數模型（式2）對樣本數據進行回歸分析，結果詳見表3。線性模型與半對數模型的D.W 統計量數值均趨近于2，證明模型殘差不存在一階自相關且服從正態分布。半對數模型的擬合優度、估計標準誤差均優于線性模型，故采用半對數模型分析結果來解釋因變量對租金的影響。

（二）回歸結果分析

運用SPSS20.0 統計軟件，采取逐步回歸法進行變量選擇及模型估計。逐步回歸運行到第11步終止，最終有11 個變量進入模型，而共享空間、鄰近公園2個變量對租金影響不顯著，被排除在模型之外，回歸結果詳見表4。

表4 ：逐步回歸結果表

從表4分析可知，在5%的顯著性水平下，11個變量對租金影響顯著且系數具有經濟學意義。（1）區商品房均價、配套家電、區級人均GDP、裝修效果、生活配套、區就業率、租金支付規定7個變量系數為正數，與租金具有正相關性。在控制其他條件不變的情況下，區商品房均價每上漲1 萬元，租金上漲3.6%；配套家電每增加1 項，租金上漲7.4%；區級人均GDP 每提高1 萬元，租金上漲1.7%；裝修效果提高一個級別，租金上漲4.1%；生活配套每增加一項內容，租金上漲1.8%；區就業率提高1%，租金上漲1.7%；租金支付每提高一個檔次，租金上漲10%。（2）鄰近醫院、交通便捷度、商業繁華度、區級常住人口增長率4個變量系數為負數，與租金呈負相關性。在控制其他條件不變的情況下，長租公寓離醫院、公交站點、區級繁華商圈的距離每增加1 公里、租金分別降低4%、3.8%、1.5%。區級常住人口增長率每增加1%，租金降低4.2%。2019年，深圳市常住人口最多的南山區、寶安區兩個區因房價與房租上漲過高，非戶籍人口增長比率出現負增長（南山區-2.3%，寶安區-1.1%），說明高租金對非戶籍人口具有擠出效應。

（三）特征變量相對重要性

采用相對重要性分析方法，比較特征變量對租金解釋程度的相對重要性，記為RI（Relation Im?portance）[23](p50)。用各特征變量標準化回歸系數的絕對值加總求和，計算出各特征變量標準化權重并視為RI。RI 越大，說明該特征對模型預測結果的影響越大，11 個特征變量相對重要性排序詳見表5。

表5 ：11個特征變量對租金影響相對重要性排序

從表5分析可知，區域經濟特征、區位特征、建筑特征、租約特征四大類特征對租金的解釋能力分別為42%、28%、24%、6%。各特征變量相對重要性程度依次為：區商品房均價＞配套家電＞區人均GDP＞鄰近醫院＞裝修效果＞生活配套＞區就業率＞區常住人口增長率＞商業繁華度＞租金支付規定＞交通便捷度。

四、結論與建議

本文運用特征價格理論，從區域經濟特征、區位特征、建筑特征、租約特征四個維度選取13個因素構建特征價格模型對深圳市10個行政區600家長租公寓租金特征進行研究。研究證明：（1）相比線性特征價格模型，半對數特征價格模型能更優擬合長租公寓租金特征因素與租金之間的非線性關系。（2）特征因素對長租公寓租金具有正、負兩個方向的影響。區商品房均價、配套家電、區級人均GDP、裝修效果、生活配套、區就業率、租金支付規定7 個變量正向影響租金水平，而鄰近醫院、交通便捷度、商業繁華度、區級常住人口增長率4 個變量負向影響租金水平。（3）區域經濟特征是影響長租公寓租金水平的最重要因素，其次為區位特征、建筑特征、租約特征。各特征變量對租金影響的相對重要性排序為：區商品房均價、配套家電、區人均GDP、鄰近醫院、裝修效果、生活配套、區就業率、區常住人口增長率、商業繁華度、租金支付規定、交通便捷度。

深圳市應該抓住粵港澳大灣區建設、中國特色社會主義先行示范區建設等重大發展戰略機遇，構建“租購并舉”住房長效機制，著力推進“穩房價、穩租金、穩預期”工作，促進區域經濟與住房租賃市場協調發展。（1）制定市場租金指導標準，實行分區管理。增強核心區域引擎功能，縮小坪山區、光明區、大鵬新區等區域在基礎設施、產業發展、公共服務等方面的差距，平衡市場供求，防止高房價向高租金傳導，高租金對非戶籍人口的“擠出效應”。（2）建立租賃價格監管機制，維持市場秩序。健全住房租賃交易服務平臺，設立租金及押金監管賬戶，規范租賃中介機構行為，加強租賃合同備案與租金動態管理。（3）推行住房租賃網格化，加強租賃房屋的治安與安全管理，維護承租人享受公共服務權益，增加政策性租賃住房供給、穩定租賃關系，提升城市持續吸引力。（4）推動標準化建設，促進長租公寓行業高質量發展。按照《長租公寓室內環境評價通則》（標準編號：T/CAS 407-2020）、《長租公寓服務規范標準》開展長租公寓裝修及運營服務評價，規范行業發展。在稅收、金融、供地等方面出臺優惠政策，形成多元供應主體，支持企業機構化、品牌化建設，推動租住品質提升及租房消費升級。