基于GIS和特征价格的住宅房产价格评估

基于GIS和特征价格的住宅房产价格评估
王秀丽;李恒凯
【摘要】特征价格模型是房地产领域有效的评估和分析工具,将其与GIS技术结合起来,利用GIS为其特征变量的量化提供辅助支持,可以充分利用二者的优势,使评估准确可靠.本文阐述了GIS和特征价格模型的结合点及评估模型的构建过程,以SuperMap Deskpro 2008作为GIS平台,以SPSS 17.0作为拟合分析软件,以赣州市基础数据和房产数据作为检验数据对评估模型进行了验证,表明该模型具有很强实用性,具有重要的应用推广价值.
【期刊名称】《城市勘测》
【年(卷),期】2010(000)005
【总页数】5页(P57-60,64)
【关键词】特征价格;GIS;房地产估价
【作者】王秀丽;李恒凯
【作者单位】江西理工大学,江西,赣州,341000;江西理工大学,江西,赣州,341000【正文语种】中文
【中图分类】F729.9;P208
特征价格理论是西方经济学中为研究异质商品的价格而提出的一种理论，并在实践中得到广泛应用。

住宅房产是一种典型的异质性商品，在实际的住宅交易市场中，住宅产品是作为内在特征的集合来出售的，因此，国内外对于住宅房产的估价，特征价格估价法是其常用的方法之一[1～2]。

由于住宅特征对应的特征价格无法直接
得到，所以需要采集住宅特征方面的资料和市场交易数据来构建特征价格模型，得出住宅特征和住宅价格之间的函数关系，从而进行特征价格的估价。

在特征价格模型的构建中，特征因子的确定和因子的准确量化，是影响特征价格估价准确性的关键因素。

地理信息系统(GIS)技术具有强大的空间数据管理和分析功能，可以实现空间图形
信息与属性信息的一体化管理，建立空间与属性的有机关联，实现估价过程中的信息支持和可视化表达，特别是对于和空间位置相关的特征因子的量化，具有独特的优势，能极大提高量化的效率和准确率，将GIS与特征价格模型结合可以充分利
用二者各自的优越性，实现优势互补。

目前，已有一些这方面的研究[3～4]，本文在这些研究基础上，将根据住宅房产的特征价格特点，进一步挖掘GIS的功能，
建立一套合理的基于GIS的住宅房产评估流程，为住宅房产的价格评估，探寻可
行和更精确的评估方法。

2.1 GIS为特征价格评估提供数据采集和管理
在住宅房产特征价格评估中，涉及大量住宅特征方面的资料和市场交易数据的采集和管理，而GIS技术无疑为这些数据的管理提供了最佳的方式。

GIS可以实现空间图形信息与属性信息的一体化管理，建立空间与属性的有机联系，实现房地产估价过程中的信息支持和可视化表达。

GIS可以有效地组织和管理特征因子量化过程中涉及的大量统计、经济、规划、建筑等实地调查和统计分析信息，解决特征价格估价信息种类多、数量大、来源广、且格式不统一带来的问题[5]。

2.2 GIS为特征价格评估提供多样化的查询方式
估价人员在特征因子量化过程中，需要查询大量数据，为因子量化提供依据，而GIS提供了方便的查询功能:①按图形查询，可在地图上按任意范围，如任意开窗、任意多边形或点、线、面缓冲区等查询。

例如:为了对交易案例所在区域教育配套
设施进行量化，可以利用缓冲区分析功能查询出该交易案例一定范围内所有幼儿园、
小学、中学等，并能快速定位查询这些学校相关信息和这些学校到交易案例的最短距离等情况，为估价人员进行量化评分提供充足的数据支持；②按属性查询，可按数据库中的地物名称查询符合的地物，并在地图上高亮显示；③综合查询，按图形条件和属性条件进行查询。

以上三种查询方式都会在查询结束将查询结果用图形和属性数据方式表现出来。

2.3 GIS为估价系统提供空间分析
GIS的空间分析功能如缓冲区分析、叠加分析、路径分析等分析模型均可用于特征价格评估。

例如利用GIS的点、线、面缓冲区分析，获得某房地产交易案例某一范围内的周边信息，如商业、学校、银行、交通等服务配套信息，充分利用房地产数据的空间特性，根据其对估价过程及结果的影响辅助估价师进行估价特征量化；再如分析某地物(公园、超市等)对周围房地产价格的影响，根据不同的影响范围产生不同的缓冲区，通过分析缓冲区内的价格变化情况，检验对房地产价格的影响程度。

此外，在建好各种数据库后通过空间叠加、提取等空间分析手段可制作各种专题图，每一项影响房地产价格的因素都可作为一个专题图层来管理。

如交通便捷程度图、区位特征分布图、环境质量评价图等。

3.1 特征变量的选取
目前，国内对住宅特征价格研究主要把住宅的特征分为建筑特征、区位特征、邻里特征三大类。

但针对各地的经济发展、文化氛围、自然环境等条件的差异，特征参数的选取也不尽相同，根据归纳总结，选取了如表1所示的特征变量。

3.2 GIS辅助下的特征变量量化
确定出特征变量后，接下来就是对这些变量进行量化。

对特征变量的准确量化是模型是否成功的关键，要充分利用GIS的数据管理、查询和分析功能为估价人员提供辅助支持。

对于表1中的建筑特征，由于面积(m2)、朝向、房龄(年)等都是房屋自身的属性，
这些参数的含义比较明确，变量的值可以直接采用挂牌资料中住宅特征的实际数值，这些属性值可以直接通过GIS进行录入，利用GIS的数据管理功能进行管理即可。

对于朝向和车位采用虚拟变量进行量化，根据挂牌资料的实际情况，南北朝向赋值1，其他赋值0；有车库或车位赋值1，否则赋值0；装修:根据挂牌资料中的装修
情况，直接进行打分。

打分标准为:无装修(1分)、简易装修(2分)、中档装修(3分)、精装修(4分)。

对于表1中的邻里特征所涉及的变量，一般我们很难从交易案例自身数据获取相
应信息，传统方法是对每个交易案例数据的邻里特征变量进行实地考察，然后综合评价赋值，由于特征价格评估所涉及的交易案例数据量众多，导致进行指标量化时费时费力，而且实地考察也难免有疏漏之处，导致量化的准确性难以保证。

在GIS 平台下，我们可以调用当地的基础地理数据库，然后利用GIS的各种查询和分析
功能来对该交易案例周围的环境、设施和物业进行分析和评价赋分。

具体来说，对于某交易案例的自然环境、生活配套和教育配套设施的评价赋分，可以利用GIS
的缓冲查询功能查询出一定范围内对应的特征变量指标数据，比如有多少邮局、学校、菜场、公园等信息及具体对应指标地物的属性信息，如学校规模，教学质量、师资力量等，还可以利用GIS量算功能算出这些地物指标与交易案例的距离，并
可以将GIS分析和专题制图功能结合起来制作专题分析图，比如某公园对与周边
住宅房产的自然环境影响评价图。

估价人员通过这些查询和分析手段，并结合当地的整体情况，对自然环境、生活配套和教育配套设施进行分级，分为优、良、中、差四个等级，分别赋分为值为4、3、2、1，界于这两者之间的，赋值为3.5、2.5、1.5，为了增加赋值的准确性，也可以采用多个估价人员分别赋分，然后采用加权
平均的方法获得最终赋值。

对于某交易案例的小区环境、生活配套、物业管理这些邻里特征，可以调用GIS数据库里的小区地图，对其进行查询和分析，赋值方法
也采用和自然环境、生活配套、教育配套类似的方法进行分级赋分。

对于表1中的区位特征，主要体现为地段和交通条件，可以通过GIS制图功能，
调用该城市各地段房地产交易价格，制作房地产价格分级图，研究房地产价格与具体地理区位和交通的关系。

一般来说，较优的区位一般位于该城市政治经济文化中心，而该区位通常也具有较高房价，这里，我们可以选定研究地区内若干政治经济文化中心，若有多个中心，可以通过专家评分方法评定出各个中心权重，然后通过GIS量算功能计算交易案例到政治经济文化中心的距离，并计算出加权距离，然后根据区位中心辐射原理，视交易案例所在地与中心点的加权距离进行综合评分。

对于交通条件，可以通过GIS的网络分析功能来判断，通过GIS的网络分析功能，
可以方便计算出交易案例到其他任意兴趣点的最短路径，如市中心、火车站、汽车站等，并能方便计算出到这些兴趣点的最短路径之和，路径之和越小，说明交通条件越好，并参考GIS查询功能查询出的该交易案例一定范围内公交、地铁情况，
估价人员就能据此对交易案例的交通情况进行定级赋分。

区位特征定级赋分方法和邻里特征定级赋分方法一致。

3.3 函数解析式的建立
按照3.2所示方法利用GIS软件，对待估房产和交易案例的特征变量均进行了定
级赋分以后，接下来就是根据交易案例的各特征变量值，进行函数拟合分析，建立函数解析式，然后将待估房产的特征变量值带入函数解析式，即可求出待估房产价格。

由于GIS软件统计分析功能较弱，一般我们可以将GIS软件中的交易案例和
待估房产的特征变量数据导入Excel，然后将Excel数据导入MATLAB或者SPSS 等专业的统计软件进行回归分析或主成分分析，通过这些专业软件快速计算出函数解析式。

按照评估模型的构建思路，我们以GIS软件SuperMap Deskpro 2008作为交易
房地产数据和城市基础数据等数据的数据管理和分析平台，以SPSS统计分析软件作为函数拟合分析软件。

本文以赣州市章贡区作为研究区域，多层住宅为研究对象。

构建模型的样本为2009年1月～12月间实际交易的78套每套面积在100 m2～150 m2二手房。

以城市基础数据和房产交易数据等数据作为检验数据源，对模型进行了验证，以下对具体过程作简要介绍。

4.1 数据采集和入库
利用SuperMap Deskpro2008桌面软件对赣州市基础地理和房产相关经济人文数据进行采集数字化，建立赣州市基础地理数据库。

在此基础上，对赣州市2009年的房产交易数据进行搜集和整理，将其录入SuperMap中。

具体过程为:首先在SuperMap数据库中新建住宅交易案例图层点图层，并对这两个图层设置特征变量名称作为对应的属性字段，将房产交易数据录入数据库中，如图1所示。

根据上图1所示界面，将交易案例的已知信息进行录入。

4.2 特征变量量化
将所有交易案例数据录入后，根据3.2所示方法，对特征变量进行量化。

对于建筑特征的量化，可以根据录入的基本信息，按照3.2对建筑特征变量量化方法直接量化。

对与邻里特征变量和区位特征变量的量化，要充分利用SuperMap提供了多种数据查询和空间分析功能，利用这些方法进行辅助分析和量化，图2所示为对某一交易案例生活配套设施进行量化，我们根据SuperMap提供的多重缓冲查询功能，方便查出在该交易案例周围 500 m、1 000 m、1 500 m分别有哪些超市及这些超市的详细信息图。

同样的方法，还可以查询菜场、邮局、银行、医院等的分布及其详细信息，估价人员根据这些信息，结合赣州实际情况，可以确定该交易案例所处生活配套设施情况，并对其定级赋分。

其他变量的定级赋分采用类似的方法，还可以利用SuperMap提供的网络分析、叠置分析、距离量算、专题制图等功能进行辅助分析，这里不一一详述。

4.3 SPSS软件拟合函数式
模型的函数形式采用线性形式，即ε，其中p为交易住宅的总交易价格，ai为待估
参数，xi为相应的住宅特征变量，ε为随即误差。

将所有样本特征变量量化后，打开SuperMap的记录菜单下的保存为Excel子菜单，如图3所示，将特征变量所对应的字段选中，输出为Excel文件。

利用SPSS 17.0软件将导出的Excel文件数据录入，进行拟合，最后得出回归方程模型。

模型的判定系数R2为0.933，经调整的R2为0.871，说明模型的拟合程度较好，有良好的解释能力。

回归方程方差分析的F值为150.281，表明进入方程的住宅特征与房价P之间的线性关系能够成立，模型对样本数据的拟合在统计上是有意义的，回归方程有效。

回归结果如表2所示。

由表2得赣州市住宅价格评估模型的函数拟合式为:
4.4 利用评估模型进行估价
利用上述模型对赣州市西津路小区一套2003年建的二手房进行估价，该房3室2厅，120 m2，楼层2层共6层，南北朝向、简单装修，中介价格45万，实际交易价格为40万。

由GIS缓冲查询发现，该房产周边银行、医院、超市、学校等设施齐全且临近郁孤台公园及城墙，因此自然环境、生活配套、教育配套均为较优，地段和交通均为良好，因是较早小区文体设施及物管均一般，小区环境良好。

据此对该房屋特征进行量化并带入模型，得房屋总价为:
由此模型估算价格和实际交易价格比较接近，证明模型有较高的精确性。

特征价格模型是房地产领域有效的评估和分析工具，在住宅房地产估价方面有着广泛应用，但对于特征变量的准确量化一直是一个难题，也直接影响估价结果的准确性。

本文根据GIS和特征价格模型的特点，将两者有机结合起来，建立了一套基于GIS和特征价格的住宅房产估价模型，并以赣州市实际房产交易数据进行了验证，表明该模型具有很强实用性，能大大提高估价的准确性，具有重要的应用推广价值。

【相关文献】
[1]王卓琳，秦伟伟.特征价格模型研究综述[J].经济论坛，2009(12):130－131
[2]陈永霞，陈民强.南京市住宅特征价格的分析[J].淮阴工学院学报，2009，18(4):59－63
[3]周丽萍，李慧民，杨嘉.基于GIS的房地产特征价格模型研究[J].西安建筑科技大学学报，2008，27(2):21－25
[4]吴宇哲.基于GIS的城市住宅价格时空演变规律探索及其应用研究[D].杭州:浙江大学，2005
[5]李恒凯，郝雷.改进市场比较法中交易案例选取的GIS方法[J].江西理工大学学报，2009，
30(4):13－17。