基于特征价格模型(HPM)的房地产评估研究综述
适应性预期假设下房地产税对我国住宅价格的影响——基于资产定价模型分析
适应性预期假设下房地产税对我国住宅价格的影响——基于
资产定价模型分析
李世泽
【期刊名称】《湖南税务高等专科学校学报》
【年(卷),期】2024(37)2
【摘要】以我国住宅价格的变动受人们的适应性预期行为影响为基础,运用资产定价模型分析了全面开征房地产税对我国住宅价格变动的影响。
研究结果表明,适应性预期下人们会根据上期预测误差对下期预期进行部分程度的修正,开征从价计征的房地产税会使住宅价格下降,影响作用类似于加息(提高贴现率),价格下降幅度约为税率的1.6倍,同时也会略为减小住宅价格的波动率。
因此,房地产税可以作为地方政府财政收入的长期稳定来源,建议循序渐进征收。
【总页数】6页(P13-18)
【作者】李世泽
【作者单位】中国农业发展银行风险管理部
【正文语种】中文
【中图分类】F810.424
【相关文献】
1.我国货币政策对住宅价格的影响效果分析——基于SVAR模型的实证研究
2.人民币升值及预期对我国资产价格的影响研究——基于日元升值的比较分析
3.资产
价格对我国产出的影响--基于IS-PC模型的实证分析4.人民币汇率预期对我国房地产价格影响的非线性机制研究——基于STR模型的分析
因版权原因，仅展示原文概要，查看原文内容请购买。
有关房地产估价规范论文范文
有关房地产估价规范论文范文随着社会经济的发展，房地产估价档案随着房地产估价行业的迅速发展而不断引起人们的重视。
下面是店铺为大家整理的有关房地产估价论文范文，供大家参考。
房地产估价论文范文篇一《论房地产估价研究》【摘要】房地产估价是一门重要的边缘学科，随着我国市场经济体制的逐步完善，房地产市场的发展，房地产估价的作用也将日益突出。
论文主要研究了国内外房地产估价理论和制度、房地产估价常用的估价方法及其比较，论文提出了房地产及房地产估价的概念，并比较了国内外房地产估价制度，分析了房地产估价研究的意义、房地产估价的程序、房地产估价的常用方法，并提出市场比较法是最常用的估价方法，阐述了房地产的估价报告的基本要求及格式。
【关键词】房地产;估价;研究1 绪论1.1 房地产估价概述房地产估价以房地产为对象。
房地产通常被认为是一种良好的投资品，成功的管理可以使房地产所有者获得经济收益。
在不同时期，每个人都有明确的需求，并对市场中出现的各种机会做出判断，而这种需求和判断又将决定他们对房地产市场的参与程度。
这种自由选择有助于形成自由的市场经济。
因此，个人和企业的行为影响着国家经济的成功与否。
1.2 房地产估价的基本原则房地产估价基本原则是对房地产估价业务在操作上的基本要求，它包括估价人员的行为惯例以及政府或有关法规对估价活动的总体要求。
基于我国的现状，目前在房地产估价活动中，应坚持如下六项基本原则。
①最有效使用原则;②相类比较原则;③预测原则;④估价时点原则;⑤合法原则;⑥公平原则。
2 房地产估价程序房地产估价程序，是指房地产估价作业按其内在联系，所形成的各个具体操作步骤和环节。
2.1 明确估价的基本事项在实际进行房地产评估过程中，会涉及到许多方面的问题，需要处理的事项也多。
一般来说，估价的基本事项包括四个方面。
(1)明确估价对象。
①评估实体的确定。
即是要明确评估对象是什么、范围如何。
估价的是土地，还是建筑物，或是房地合一，包括坐落位置、面积、用途、结构等。
特征价格模型研究综述
【 键 词 】特征价格； 特征价格模型 ； 研 究综述 关 【 作者简介 】王卓琳 、秦伟伟 ，北京 工业大学经济与 管理学院硕士研究生。
一
、
特征 价格模 型 的起 源
染 的 消 除 ） 住 宅 价 格 的 影 响 。Ｋ ｉ ａｄＱ ｉｌ 对 ａｎ ｎ ｕｇ ｙ ｅ （ ７） 出 使 用 因 子 分 析 方 法 对 特 征 变 量 进 行 选 １ ０提 ９ 择 ，在 实 例 分 析 中 变 量 由９ 减 少 为 ５ 。Ｋｎ 个 个 ｉｇ （ ７） Ｌｔｅ１７） 用 主 成 分 分 析 方法 对 环 境 变 １ ４和 ｉ （９６使 ９ ｄ 量进 行分 析 。Ｇ ｄ ａ １７） ｏ ｍ ｎ（９８首次 提 出对 ＨＰ 用 Ｍ应 Ｂｘ Ｃｘ 换形 式 ，对 Ｈ Ｍ的 函数 形 式 进行 选 择 ， ｏ— ｏ变 Ｐ
使用教 育变 量对住 宅价格 进行 分析 。
三 、特征价 格模型 发展 的繁荣 期
自２ 世纪８ 年代 以来 ，Ｈ Ｍ 到较 为深入 的研 ０ ０ Ｐ得 究 和广泛应 用 ，尤其是从 计量 经济 学的角 度对该模 型 的函数形 式选 择 、变量 选择 、估计 方法 进行 了较 为 深入 的研 究 ，发 展 了半参 数 、非 线性 回归技 术 ， 并有 学者讨 论 了样 本选 择偏差 、函数 形式 选择 的问
进行 研 究 。Ｇ ｉｃ ｅ用特 征 价格 方 法 建立 了汽车 行 ｒｉ ｓ ｌｈ
业 的享 乐 价格 指 数 ，引起 了人 们 对 这 种 方 法 的关
注 ，越来 越 多 的人 开 始 了相 关 的进 一 步研 究 。
更有 不少研 究将 其与离 散选择 模型 、神经 网络 、混 沌 理论等 联合使 用或 是进行 对 比分 析 ，使 得该模 型 从 理论 和技术 上逐渐 成熟 。 同时也 有越来 越多 的人 利用 该模 型进行 实证研 究 ，综 合来 看 ，这 些实 际应 用 主要集 中在 以下 的三个领 域 ：
基于特征价格模型的住宅需求价格弹性分析——深圳住宅市场实证研究
成 部分 ， 而第二 部分 是 满 足居 住 必需 之 后 的额外 部
分 即“ 资” 投 组成 部分 。 外部 因素会 对 ｈ ｄ ｎｃ 衡 价格 产 生影 响 。例 ｅｏ ｉ 均 如， 如果 开征 物 业税 （ 房 产税 ） 预 期 将 对 住 宅 价 或 ，
Ｐｌｏ ａ ｎ和 Ｓ ｉ （ ９ ８ 通过采 用税 收 资本 化方 法来 ｍ ｍｔ １９ ） ｈ 估计 ｈ ｄｎｃ模型 中房地 产 税 对住 宅 价 格 的影 响程 ｅｏｉ 度 。Ｌ ｕ ｇ Ｌ ｏ ｇ和 Ｗｏ ｇ ２ ０ ） ｅｎ ， ｅｎ ｎ （ ０ ６ 尝试 采用 香港高层 住宅 交易样 本进 行 了实证 研究 。 本文 采用 深 圳 福 田 和龙 岗两 区 的住 宅交 易样 本来 估计 住 宅 购 买 者 效 用 函数 中 的 各 重 要 特 征 度 量 。该 样本 数据 时间跨度 为 ２ ０ ０ ４年 ８月至 ２ ０ ０ ６年
１月 。每 条 交 易 记 录 均 包 含 交 易 时 间 ， 以 通 过 实 可
衡 价格 随着 住 宅 的重 要 特 征 变 量 一 一 面 积 变 化 的
趋 势 。考 虑一个 １０ 的住 宅样 本 ， 设 实证 研 究 ０ｍ 假 发 现前 ６ ｍ ０ 的均衡 价格 曲线显 示 每单 位 面 积增 加
证分 析来 跟 踪 和 比较 样 本期 间深 圳 经 济 特 区 内外
房 价的逐 月变动 情况 。 第 １ 部分 将 简要讨论 深圳住 房 的发展情 况 。第 ２部 分讨论 ｈ ｄ ｎｃ ｅ ｏ ｉ 均衡 理论 以及住宅 需求 中的 “ 住 所 ” 投资 ” 和“ 两个组 成部 分 。第 ３ 分讨论 ｈ ｄｎｃ 部 ｅ ｏｉ 回归模 型 。第 ４部 分讨论 样本数 据 和实证 结果 。第
房地产评估实验报告
房地产评估实验报告引言房地产评估是一个重要的过程，它确定了房产的价值和潜在风险。
在这个实验报告中，我们将介绍一种基于数据分析的房地产评估方法。
该方法结合了经济因素和市场趋势，以提供准确的房产估值。
在实验中，我们使用了一组房产数据，并应用了该方法进行评估。
数据收集首先，我们需要收集房产数据，这些数据包括房屋的面积、位置、年龄、房间数量等。
我们还可以收集其他相关数据，如当地的经济指标和房产市场的趋势。
这些数据将帮助我们更准确地评估房产价值。
数据清洗在收集到数据后，我们需要进行数据清洗。
这包括处理缺失值、异常值和重复值。
我们还可以进行数据转换，例如将文本数据转换为数字数据。
清洗后的数据将为我们后续的分析提供可靠的基础。
特征选择在评估房产价值时，我们需要选择合适的特征。
这些特征应该与房产价值有相关性，并且能够提供足够的信息用于评估。
我们可以使用统计方法或机器学习算法来选择最相关的特征。
数据分析接下来，我们可以进行数据分析来评估房产价值。
我们可以使用线性回归模型等方法来建立房产估值模型。
该模型将基于选定的特征和相关数据，以预测房产的价值。
模型评估完成模型建立后，我们需要对其进行评估。
我们可以使用各种评估指标来衡量模型的准确性和性能。
常见的评估指标包括均方误差、决定系数等。
结果解释最后，我们需要解释模型的结果。
我们可以根据模型的系数来解释每个特征对房产价值的影响程度。
这将帮助我们理解房产市场的特点，并为房地产评估提供更多见解。
结论通过本次实验，我们成功地应用了一种基于数据分析的房地产评估方法。
该方法结合了经济因素和市场趋势，以提供准确的房产估值。
通过选择合适的特征和建立准确的模型，我们能够在房地产市场中做出更明智的决策。
这个方法可以在实际的房地产评估中得到广泛应用，为投资者和开发商提供重要的参考依据。
房地产领域中的房价预测模型研究
房地产领域中的房价预测模型研究摘要：房地产市场一直以来都是经济发展的重要指标之一。
准确预测房价对于政府、房地产开发商和购房者来说都是非常重要的。
因此，研究房价预测模型已成为房地产领域的热门话题。
本文将介绍几种常见的房价预测模型，并讨论它们的优缺点。
1. 介绍随着经济的快速发展和城市化的进程，房地产市场呈现出快速增长的趋势。
然而，房地产市场的波动也给政府、开发商和购房者带来了挑战。
预测房价变动趋势对于制定合理的政策和决策，帮助开发商把握市场动态，以及引导购房者做出明智的投资决策至关重要。
2. 房价预测模型2.1 统计模型统计模型是房地产领域中较常用的房价预测模型之一。
通过历史数据的分析，统计模型可以根据某些变量的变化情况来预测未来的房价。
例如，线性回归模型可以通过一些经济指标（如人口增长率、GDP增长率等）来预测房价的变动趋势。
然而，统计模型往往对数据的要求较高，且无法考虑到所有可能的因素，因此预测精度有限。
2.2 人工智能模型随着人工智能技术的发展，人工神经网络（ANN）被应用于房价预测领域。
ANN模型通过对大量数据的学习，自动寻找变量之间的关系，以提高预测结果的准确性。
此外，支持向量机（SVM）和随机森林（Random Forest）等机器学习算法也在房价预测中获得了广泛应用。
与传统的统计模型相比，人工智能模型具有更高的灵活性和预测准确性。
2.3 时间序列模型时间序列模型是从时间角度出发进行房价预测的一种方法。
以往时间段的房价数据可以作为预测未来房价的依据。
常用的时间序列模型包括ARIMA模型、GARCH模型等。
这些模型可以考虑到时间上的相关性和趋势变化，对长期和短期的房价预测都有较好的效果。
3. 模型评估在房价预测模型的选择过程中，模型评估是至关重要的一环。
常用的评估指标包括均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R-squared）等。
通过比较不同模型的评估结果，我们可以选择最适合预测任务的模型。
基于半参数Hedonic模型的新楼盘房价研究
研究探索
文的目的主要在于分析新开楼盘的显著影响特征因素，并试图 通过半参数方法解决非线性特征变量CBD与房价的函数关系问 题，有利于对房价指数编制的进一步研究提供科学依据。 量。
《统计科学与实践》2012年12期
其中， 为包括常数项在内的显著变量个数， 为样本
三、新开楼盘价格研究方法
（一）半参数方法 半参数回归模型是介于参数回归模型和非参数回归模型之 间。在应用上，模型较单纯的参数模型或非参数模型有更大的 适应性。因而，它是一个在实用上有重要意义且在理论上富有 挑战的领域 。在建立半参数模型之前，首先将新开楼盘的属 性特征变量分成两组：一组用向量 表示，即与价格呈线性关 系的显著特征变量；另一组特征变量由向量 表示，即与房价 呈非线性关系的特征变量，本文针对楼盘CBD，构建对数半参 数回归模型为： （1） 式（1）中， 是楼盘属性特征矩阵， 反映楼盘属性特 征对楼盘价格 变化产生的影响。 是楼盘特征线性主部， 可以把握大势走向，适于外延预测； 是楼盘非线性特征 的非参数部分，可以作局部调整，使数据较精确地拟合。模型 的任务主要是以楼盘价格 ，以及楼盘属性特征包（ ， ） 出发，估计未知函数 和未知参数 以及方差 。根据权函数法得出未知函数 的估计：
[8]
四、以杭州市场为例新楼盘价格显著属性 特征分析
（一）数据来源及特征变量选取 本文收集的是杭州市首次开盘的均价数据，不考虑二次开 盘或交易的价格。目的是为了避免某楼盘因多次开盘而出现数 据重复的现象。通过杭州楼盘信息快房网、新房搜房网、楼市 以及搜狐焦点网杭州站这四个杭州房地产权威网站，获得 2009年10月至2011年3月杭州新楼盘交易的第一手数据。新 开楼盘的样本量为102个，其中2009年第4季度16个，2010年 第1季度7个，2010年第2季度16个，2010年第3季度20个， 2010年第4季度31个，2011年第1季度12个。对各地的经济发 展、文化氛围、自然环境等条件的差异，比较分析了文献资料 中几种特征变量的优点和局限性，借鉴国内外已有HPM，并 结合杭州市场的特点，选取了建筑特征、区位特征、邻里特征 三大类共21个楼盘特征变量。 （二）特征变量的说明 1.变量符号说明。被解释变量为首次开盘均价 ，属性特 征分别为容积率 、绿化率 、物业费 、CBD 、占地面 积 、建筑面积 、户型面积 、上城区 、下城区 、西 湖区 、拱墅区 、江干区 、滨江区 、下沙区 、萧山
房地产价格与货币政策调控研究——基于贝叶斯估计的动态随机一般均衡模型
则反馈因素的高度关注。而 ２ ０ ０ ８ 年始于由美 国次贷危
机 引发 的全球性经 济危机 ， 再一 次警示 针对 货 币政 策 的 理 论研究 者和实 践操 作 者高 度 重视 资产 价 格波 动 对 于 金 融稳定 以至经济稳 定 的重要 影响 。 我 国货 币政策 调控 实践 中 ， 同样 面 临着资 产价 格 ，
业和居民的主要资产和财富 ， 也是银行信贷 的重要抵 押品， 使其 兼具 实 物资 产和金 融 资产 的双重 属性 ， 从 而
导致 了房 地产 价格 更 易 受 到投 机 因素 的影 响 ， 波 动性 往往 大于 其他 商 品 Ｊ 。 由此 可 以看 出 ， 我 国房 地 产 价 格对 货 币政策 具有 更 为特殊 的影 响 。
系统 的 风 险 ， 提 升调 控 政 策 稳 定 经 济 的 效 果 。
［ 关键词 ］ 货 币政策 ； 房地产价格 ； 动 态随机一般均衡模 型 ； 宏观 审慎政 策 ［ 中图分类号 ］ Ｆ ８ ２ ０ ． １ ［ 文献标识码 ］ Ａ ［ 文章编 号］ １ ０ ０ ８ － ２ ４ ５ Ｘ（ ２ ０ １ ４ ） ０ １ － ． ０ ０ １ ５ － ０ ７
伴 随世界 主要 经济体 资产规模 的 １ ３ 益 扩大 ， 货 币政
致 的金 融 摩 擦 ， 金融市场 缺陷运行 ， 二 是 具 有 明显 的 “ 银行 主导 型 ” 特征 ， 因而 表 现 出 了金 融 中 介 机 构 （ 主 要指银 行 ） 普遍 尊崇 “ 抵 押至 上原 则 ” 、 “ 房 地产 抵 押原
策与资产价格的关系 Ｆ ｔ 益密切 。尤其是近些年来 ， 在各 国 中央银 行普遍 提 升 了货 币政 策对 通货 膨 胀调 控 有效 性的同时 ， 却出现了资产价格 （ 尤其是股票价格和房地 产价格） 大幅波动的问题 。资产价格 的过度波动 ， 甚至 是 泡沫 的产生 和破 灭 ， 会 直接 导 致金 融 危 机 的发 生 ， 对 经 济 的破 坏程度远 远超过通货 膨胀 。２ ０ ０ ２年 ， 国际清算 银行的学者博利奥（ Ｂ ｏ ｒ ｉ ｏ ） 和罗尔（ Ｉ ＿ ｏ ｗ ｅ ） 提 出了低通胀 与金融不稳 定共存 的“ 新 环境假设 ” ， 由此引发 了学术界
房地产评估师行业的房地产市场价格指数计算
房地产评估师行业的房地产市场价格指数计算房地产市场价格指数（House Price Index，简称HPI）是衡量房地产市场价格变动的重要指标之一。
作为房地产评估师，精准计算房地产市场价格指数对于理解市场趋势、辅助决策具有重要意义。
本文将介绍房地产评估师行业中常用的房地产市场价格指数计算方法。
一、销售对数加权方法销售对数加权方法是一种常见的房地产市场价格指数计算方法。
它基于房地产市场的销售数据，通过对房屋价格的对数进行加权，反映了不同时间段内的价格变动。
计算公式如下：HPI = exp(Σwi * ln(pi))其中，HPI表示房地产市场价格指数，wi表示对应时间段内销售量的权重，pi表示对应时间段内的房屋价格。
该方法在计算过程中对销售量进行加权，能够消除时间段内销售量的影响，从而更准确地反映价格变动。
二、房价相对法房价相对法是另一种常用的房地产市场价格指数计算方法。
它通过比较不同时间段内的房价相对变动，来得出价格指数。
计算公式如下：HPI = (pi / p0) * 100其中，HPI表示房地产市场价格指数，pi表示当前时间段内的房屋价格，p0表示基准时间段内的房屋价格。
该方法将基准时间段的房价设为100，通过比较其他时间段的房价相对于基准时间段的变动，来得出价格指数。
三、加权重复销售方法加权重复销售方法是一种基于同一房产多次交易数据的价格指数计算方法。
它通过比较同一房产在不同时间段内的销售价格变动，来得出价格指数。
计算公式如下：HPI = Σ(dw * dp)其中，HPI表示房地产市场价格指数，dw表示不同销售时间段的权重，dp表示同一房产在不同销售时间段内的价格变动。
该方法能够排除房屋特定因素的影响，更加准确地反映价格变动。
四、改进的回归法改进的回归法是一种综合考虑各种变量的价格指数计算方法。
它通过建立回归模型，将房屋价格与一系列影响因素进行回归分析，来得出价格指数。
计算公式如下：HPI = β0 + β1p1 + β2p2 + ... + βnk其中，HPI表示房地产市场价格指数，β0表示回归常数，β1 ~ βn表示回归系数，p1 ~ pk表示相关因素的取值。
房价是由房屋性能所决定,称为“特征价格法”。数据集hpric
房价是由房屋性能所决定,称为“特征价格法”。
数据
集hpric
一、从房价讲起
1、房价的可比性问题
先从房价讲起，大家记得08年的时候经济学家徐滇庆和深圳的媒体人牛刀打了一个赌，赌一年以后深圳的房价是涨还是跌，个人不太理解徐教授不知为啥要把自己娱乐化——这话是他自己说的，打赌一年以后他说这个赌局被娱乐化了。
2、被各方扭曲的房地产业
房价问题大约是从2005年开始引起社会和中央政府关注的，而中央政府开始对房地产市场做出行政调控是更早的时候，2003年，那一年先是央行发了一个121号文，接着国务院发了一个18号文，两个文件的调子个人认为可能是相反的，当然也可能是强调的不同侧面，央行是提示风险，所有土地都要招拍挂，低价拿地的路子被堵住了。
3、当前房价的走势
具体到当前形势下，下一步房价如何走。
首先，房价涨还是不涨，这个问题从来没法用是或者否来回答。
二、关于房地产估价
宏观的就说到这里吧，说说微观的。
刚才说房价的统计口径导致房价不可比。
而对于房地产估价师来说，要谈房价也必须先确定其内涵。
赠送面积对住宅价格的影响——基于特征价格模型的实证研究
江视线 的住 宅总价 高 ３ ． ％。 ３ ３ ６ 约 ８万元人 民币 ， ９ 有公
园视线 的住宅 总价 高 １． ％ ． ２ ７ ６ 约 ０万元人 民币 ； ８ 钟 海珥、 张安录 、 蔡银莺利 用特征价格 法核算 了武汉市 南
湖景 观对周边住宅 价值 的影 响 ． 果表 明 ： 湖周边 结 在南
第 ４期
朱红波等 ： 赠送 向 平埘 住 宅 价 格 的影 响 Ｊ Ｊ
５
域一种非 常重要 的研究方 法 。
式 ２中 Ｐ为住宅价格 ；ｉ Ｃ 为连续性 特征变量 ； Ｇ为虚 拟
赠送面积是指房 地产开发 商在房产销 售时赠送 给 购房者且不 计人产权 的那部分 面积 ．赠送 面积通 常表 现为人户花 园 、 阁楼 、 下室等空 间的 面积 。赠送 面积 地 是房地产开 发商在进 行“ 面积 营销” 时常用 的一种 营销 手段 ． 从表 面上看 ． 赠送 面积好像是 开发商无 偿赠送 给 了购房者 ．但 有些学者认 为赠送 面积实 际上 已经包 含 在房价之 中。赠送 面积 到底 是无偿 的还是 已经包含 在 房 价之 中呢？国 内学者大 多从定性 的角度对 这一 问题
Ａｂ ｔ ａ ｔ Ｆ ｅ ｒ ａ ｏ ｍａ ｒ ｋ ｔ ｔ ｏ ｆ ｅ ｌ ｓａ ｅｄ ｖ ｌ ｐ ｒ Ｔ ｅｒ ｓ ａ ｃ ｎｔ ｅ ｉ ａ ｔ ｏ ｅ ｒ ａ ｎ ｈ ｕ ｉ ｇｔｔ ｌ ｒ ｅｈ ｓ ｓｒ ｃ ： ｒ ｅａ ｅ ｓｉ ａｎ ｒ ｌ ｓ ｍａ ｅ ｈ ｄ ｏ ａ ｔｔ ｅ ｅ ｏ ｅ ． ｈ ｅ ｅ ｒ ｈ ｏ ｍｅ ｒ ｅ ｈ ｍｐ ｃｓ ｆ ｒ ｅａ ｅ ｓｏ ｏ ｓ ａ ｉ ａ ｆ ｎ ｏ ｐ ｃ ｖ ｒ ｏ ｔｎ ｉｅ ｔ ｅｓ ｎｆ ａ ｃ ｏ ｅ ｕ ａ ｉ ｇｒ ａ ｓ ｔ ｒ ｅ ｎ ｒ ｔｃ ｉｇ ｔ ｅｂ ｎ ｆ ｓ ｆ ｅ ｓａ ｅｂ ｙ ｒ． ｅｐ ｐ ｒａ ａｙ ｅ ｅ ｅ ｙｉ ｍｐ ｒ ｔ ｒ ｃｉ ｉ ｉ ｃ ｎ ｅｆｒ ｇ ｌｔ ｌ ｅ ｔ ｅｍａ ｋ ｔ ｄｐ ｏｅ ｔ ｅ ｅ ｔ ａ ｅ ｔｔ ｕ ｅ ｓ Ｔ ａ ｅ ｎ ｓ ｓ ｈ ａ ｄ ｖ ｇ ｉ ｒ ｎ ｅ ａ ａ ｎ ｈ ｉ ｏ ｒｌ ｈ ｌ ｔ
基于特征价格模型的住宅租金影响因素研究——以武汉市主城区为例
本文研究区域为武汉市主城区，分别为：江岸 区、江汉区、硚口区、汉阳区、武昌区、青山区、洪 山区。主要原因是这七大主城区是武汉市建成年代
59
住房租赁
CHINA REAL ESTATE
最久的区域，而东西湖区、汉南区、蔡甸区、江夏区、 黄陂区、新洲区则较晚划入武汉市行政区划，且距 离中心城区较远，执行政策法规方面与主城区有所 区别，在房地产市场方面也有其特殊性，与主城区 关联较小，价格差距较大，租赁市场供求方面也与 主城区有较大差别，可以视作不同的房地产市场。 2.2 数据来源及处理
以武汉市主城区海量租赁成交数据为数据基础进行实证研究，分析影响住宅租金的各项因素的作用强度。
结果表明，建筑面积、就业中心层级、交通便捷度以及物业管理水平因素影响最大，反映了租客在租房
决策中的偏好。
关键词：住宅租金；影响因素；特征价格模型
中图分类号：D923
文献标识码：A
ቤተ መጻሕፍቲ ባይዱ
文章编号：1001-9138-（2019）04-0058-63
本文聚焦于城市住房租金影响因素的识别与 量化，以武汉市主城区海量住房租赁成交数据为 数据基础，采用特征价格模型作为模型基础进行 实证分析，了解各个租金影响因素的强度，这对理 解住宅租金内涵和变化实质、维稳和促进住房租 赁市场发展有着重要的现实意义。
1 特征价格模型 特征价格模型是一种研究商品价格和商品所
住宅租赁成交样点数据是通过校企合作手段， 国内最大的租房平台链家旗下的研究平台——贝 壳研究院，开放成交数据库，选取从 2018 年 11 月 1 日到 2019 年 1 月 31 日共 3 个月成交数据，范围为 武汉市主城区，租赁类型为整租，业态为普通住宅， 采集共计 41762 条租赁样本信息。包含的字段有： 小区名称及坐标、成交租金、建筑面积、居室结构、 房龄结构、装修情况、楼层类型及租赁期限。样点 坐标转换为 WGS1984 坐标系，导入 ArcGIS 软件， 投影转换后作为样点层存储在数据库中。
学校教育质量对房产价格的溢出效应:一个文献综述
学校教育质量对房产价格的溢出效应：一个文献综述石霏;何晓燕【摘要】Under the policy of"Going-to-School-Nearby"and the reality of uneven distribution of high-quality educational resources, the allocation of educational resources is closely linked with family wealth through housing transactions, which leads to the serious problems of school choice and premium of school quality. It has always been a global problem, and there have been a lot of articles published in academic journals. Based on the relevant literatures at home and abroad, the paper firstly clarifies theoretical mechanisms of the impact of school quality on housing price;Secondly,we introduce the measurement of key variables in the housing hedonic price mode and its current controversies, and review the basic principles, practical applications and results of various econometric methods to estimate premium effect of school quality. Finally, we discuss the future development directions of research in this field combining with China's actual conditions.%在优质教育资源分布不均与就近入学政策的现实状况下,教育资源分配通过房产交易与家庭财富紧密结合起来,由此产生严重的择校及学区房溢价问题.这是一个世界性的难题,研究者针对这一问题做了大量研究.基于对国内外相关文献的梳理工作,本文首先从理论上厘清学校教育质量对房价的影响机制,对房屋价格特征模型中关键变量的度量方法及争议进行介绍,再对估计学区房溢价的各种计量方法的基本原理、实际应用及结果进行评述,最后结合中国国情,对该领域研究的未来发展方向做出讨论.【期刊名称】《教育与经济》【年(卷),期】2018(034)001【总页数】8页(P19-26)【关键词】学校教育质量;房价;溢价效应;就近入学【作者】石霏;何晓燕【作者单位】南京财经大学科研处/公共管理学院,南京210023;南京财经大学科研处/公共管理学院,南京210023【正文语种】中文【中图分类】F08;G40-054一、引言自1998年我国取消福利分房制度，实施住房商品化改革以来，我国房地产市场迅速发展，住宅价格不断攀升。
基于特征价格模型的房地产专业产学研数据平台建设探讨
２０ ０６ １ ３ ６
２ ０ ２ ０ ２ ０ 汇总 ０５ ０４ ０３ 及 以前 ４ ２ ６ ３ ３ ３ １７ ０ ５ ９
库来 硕 士 源 论文
博 士
论文
５
０
７
０
１ ２
１
１ ０
１
６
１
２
０
１
２
— —
广州 楼市 调查 实训 ，由三 位老 师采 取分 组教 学 。设置该 课程 的初 衷是 让学 生在 校期 间利
用周 末 时间分 组深 入社 区楼 盘 ，了解 广 州房地 产 市场 的地 理分布 ，熟悉 各 片区 、板 块房地 产
市场 发展 状况 ，掌握 主要街 道 的路 线价 格和 典型楼 盘 的评 析 。经 过一年 的模 拟 实训 ，学 生 的 确对 房地 产市 场有 了一 定 的 了解 ，但 远远 没有 达到 熟悉 房地 产市场 的教学 目标 。
第 ｌ 第 ４期 Ｏ卷 ２ １ 年 ８月 ０１
广州番 禺职业技术学院学报
Ｊ Ｕ Ｎ Ｌ Ｏ Ｕ Ｎ Ｚ Ｏ Ａ Ｙ Ｏ Ｙ Ｅ Ｈ Ｉ Ｏ Ｒ Ａ Ｆ ＧＡ Ｇ Ｈ Ｕ Ｐ Ｎ Ｕ Ｐ Ｌ Ｔ Ｃ Ｎ Ｃ
Ｖ １ １ ｏ ４ ｏ ． ０Ｎ ．
Ａ ｇ ２ １ ｕ． ０ １
文 章编 号 ： １７ — ９ ７ （ ０ １ ４ ０ ０ － ０ ６ ２ ０ ９ ２ １ ）０ — ０ ０ ０
据平 台 的构建 具有 重要 意义 。
（ ）破 冰之旅 ——课 程设 置的优 先调 整 一
为 了培养 学 生熟悉 房地 产市 场 的能力 ，在开 设 了房地 产市场 营 销 、 地产 市场 调查 与预 房 测 、住宅 小 区规划 与建 设等 理论 课程 的基 础上 ，２ ０ ０ ９年 我们 开始 尝试 增 设一 门纯 实践课 程
关于房价研究的文献综述
关于住宅价格研究的文献综述近年来对于房价的研究角度越来越新颖，学者们不断尝试着以新的研究方法对房价的演变作出解释与预测。
我们查阅有关房价的中外文献并将国内外近年来的研究作了简要梳理，发现对于房价的研究是很多是从：用什么研究方法来探析影响房价的因素上着手的房价的影响因素分析。
对于房价的影响因素分析，一直以来备受关注。
20世纪末就有外国学者Hwang和Quigley利用美国74个城市的1987-1999年的住宅市场的资料,从供给和需求两个方面研究宏观经济因素对住宅市场的影响，建立的模型中包括住宅价格、住宅供给和住宅空置率三条方程,采用最小二乘法对模型进行估计，最后结果表明：居民收入和就业率对住宅价格存在显著影响①。
此外，很多金融学者从其学科出发，对影响房价的因素做了更细致的分析。
Dongchul Cho 分析了利率与房价之间的关系，实际结果表明实际利率较低，房地产租赁和抵押贷款成本较高②。
在利率因素的研究上国内黄祥庆学者也根据2004-2010 年间的季度数据进行了实证分析，结果表明利率与房价之间呈正相关关系，解释说是房地产市场存在着很高的投机预期③。
至于汇率因素的影响，Benson早在1997年就使用多元回归方法，对1984-1994这10 年间房屋价格指数做了实证研究，表①Cho ,Dongchul ,2004.“Interest Rate , Inflation ,and Housing Price : with an Emphasison Chonsei Price in Lorea. ”Presented at the Fifteenth NBER East Asian Seminar on Economics at Tokyo in May 2004.②Cooper A. The impact of interest rates and the housing market on the UK economy[J]. Economic outlook, 2004, 28(2): 10-18.③黄祥庆.利率和国民收入对房地产价格影响实证研究[J].中国外贸,2012，5 下：218-219.明加元兑美元汇率的上升会増大加拿大人罗伯茨地区住房需求，从而促进该地区的房价上涨④。
基于特征价格模型的房地产地理信息系统设计
摘
要 ： 要 地 介 绍 了特 征 价 格 理 论 以及 特 征 价 格 模 型 的 建 立 方 法 ， 后 结 合 特 征 价 格 模 型 和 Ｇ Ｓ 对 基 于特 征 价 格 简 然 Ｉ，
模 型 的 房 地 产 估 价 系统 进 行 设 计 。 关 键 词 ： Ｉ ： 征 价 格 模 型 ： 地 产 估 价 ＧＳ 特 房
中 图分 类 号 ：Ｐ １ ．２ Ｔ ３１ ５
文 献标识 码 ： Ａ
文 章 编 号 ：６ ２ ７ ０ （０ ０ １— １０ ０ １ ７ — ８ ０ ２ １ ）０ ０ ４ — ２
２２ Ｈｅ ｏ ｉ ． ｄ ｎｃ模 型 的 函 数 形 式 １ 特 征价 格 理 论
特 征 价 格 理 论 中 的 “ 征 ” 词 ． 英 文 表 示 为 “ ｄ ｎｃ 特 一 用 Ｈｅ ｏｉ”
包括影 响住宅 价格 的因素 。 通 常 影 响 住 宅 价 格 的 因 素 ， 要 分 为 ３大 类 ： 位 （ｏ ａ 主 区 Ｌｃ． ｔ ｎ 特 征 、 筑 （ｔ ｃｕｅ 特 征 、 里 （ ｅ ｈ ｏｈ ｏ ） 征 。 ｉ ） ｏ 建 Ｓｒ ｔｒ ） ｕ 邻 Ｎ ｉ ｂ ｒｏｄ 特 ｇ
区位特 征一 般是 指房 地产 与其 他 房地 产或 者事 物 在空 间 方 位 和距离 上 的关 系 ， 括位 置 、 包 交通 、 围环境 和景 观 、 部 周 外 配 套设施 等方 面。建筑 特征就 是指建 筑本 身所具备 的特 征 。比
城市轨道交通对住宅价格的影响研究——基于特征价格模型的定量分析
（９５ 以及 Ｃ ａ＆ ｇ １９ ） １９ ） ｈｕ Ｎ （９ ８ 等人 的研究 结 果均 表 明 ， 轨
道交通对沿线住宅具有增值作用
。然而 ， 也有少数
间性 与影 响 范 围 是 怎 样 的？ 文 章 试 图通 过 实证 研 究 探 讨城 市轨 道交 通对 住宅 价格 影 响的范 围和时效 。
分 学 者研 究 了 轨 道 交 通 对住 宅 价 格 影 响 的 时 间 段 。如 Ｋ ａｐ， ｐ ｉｓ与 Ｄ ｎ ｇｙ １９ ） ｎ ａ Ｈｏ ｋｎ ｏａ ｈ （ ９ ８ 以及 Ｋ ａｐ Ｄ ｎ ｔａ ｎａ ＆ ｉｇｅ ｌ
为 丰富 。 由于 住宅 市场 发 展 与 轨 道交 通 的发 展 均较 早 ， 国 外学者 较早 涉 足轨 道 交通 发 展与 住 宅 价 格 关 系 的 研
究， 并进 行 了大量 的 定量 分 析 。Ｗ． ｌｎｏ １６ 提 出 了 Ａ ｏ ｓ （ ９ ４）
（０ １ 的研究 均 认 为 ， 地 铁 站 位 置 正 式 宣 布 后 ， ２０ ） 在 周边
的土地 与住 宅 价格 就快 速 上涨 。 Ｃ ａ ｈ ｕ＆ Ｎ （ ９ ８ 的研 ｇ １９ ）
第２ ８卷
２０ ０ ９年
第２ 期
４月
地 域 研 究 与 开发
ＡＲＥＡＬ ＲＥＳ ＥＡＲＣＨ ＡＮＤ ＤＥＶＥＬＯＰＭ ＥＮ Ｔ
Ｖｏ ＿ ８ Ｎｏ． ｌ２ ２
Ａｐ ． ２ ０９ ｒ ０
城 市 轨 道 交 通 对 住 宅 价 格 的 影 响 研 究
— —
基 于 特 征 价 格 模 型 的 定 量 分 析
１ 引 言
房产税税基评估模型比较分析
AND TRADE房产税税基评估模型比较分析荆晶（东北林业大学经济管理学院，哈尔滨150040）摘要：自1994年以来，房地产业得到了极大的发展，但是有关我国房产税税基评估的问题一直处于争议，我国也实行了沪渝两地的试点工作。
围绕房产税评估的讨论也由此展开，文章系统地总结了房产税评估的模型，并针对地提出了几点看法，最后，对房产税评估的模型提出了拙见。
关键词：房产税；税基；评估模型中图分类号：F810.422文献标识码：Ａ文章编号：1005-913X（2019）03-0080-03收稿日期：2018-11-07作者简介：荆晶(1993-），女，黑龙江七台河人，硕士研究生，研究方向：资产评估理论与实务。
对房产税税基进行评估有许多评估模型,因传统方法存在弊端，目前的评估模型主要是特征价格模型的应用及在此基础上的优化和改进：特征价格模型,用来描述产品的特征与其价格的关系；参数模型,即对回归函数常带有基本假设并提供大量附加信息。
非参数模型，即针对一般在实际应用资料中，可以随便做出样本总体是符合某分布的假设。
半参数模型，即将回归函数分解成参数和非参数结构，直观上看是参数模型和非参数模型的叠加；地理信息系统（GIS），即与计算机技术结合，以电子地图的形式直观地呈现出城市的状况；人工神经网络（artificial neural network,ANN）。
当然，还有不依赖特征价格模型的模型，如：随机森林模型、回归决策树模型，具体而言。
一、特征价格模型自Ridker（1976）[1]指出空气污染会影响房屋价值，第一个把特征价格理论应用到住宅市场分析以来,大量Hedonic模型应用于欧美学术界住宅价格分析的研究。
住宅的特征价格模型可以表达为：P=f（Z）=f（L，S，N）其中：P为住宅的市场价格；Z为住宅特征向量，包括L、S、N三个部分；L为住宅的区位（Location)特征向量；S为住宅的建筑结构（Structure）特征向量；N为住宅的邻里环境（Neighborhood）特征向量。
基于数学模型的房地产评估的研究
基于数学模型的房地产评估的研究【摘要】房地产估价的主要难点是房地产价格影响因素众多且难以准确量化，合理选用数学方法确定众多因素的权重和预测价格对房地产评估具有重要意义。
本文选取了几种现代综合评价方法，就其在房地产评估时的可用性进行探讨，最后得出结论：模糊评判在房地产评估市场法中可用性较强，bp神经网络在房屋拆迁估价时可用性较强。
开发以这些模型为核心算法的评估软件有一定的价值。
【关键词】房地产评估；模糊评判；bp神经网络1、引言在房地产评估方法中，市场法是应用最为普遍的。
应用市场法的难点在于选取尽量和待评估对象各方面都接近的交易案例，实际工作中用均值法或者凭借经验，是比较粗糙的，以至于影响最后评判结果的公信度，用什么方法衡量这个接近程度是本文探讨的话题。
另外，通过已有数据对评估对象进行预测，也是评估的一种方式。
评估的过程本来就是模糊的，它需要经验和数据相互结合，通过一定的数学方法来描述评价过程及评价结果，这样才能提高评估的公信度。
2、几种评价方法简述与分析2.1模糊综合评判模型模糊综合评判作为模糊数学的一种具体应用方法，最早是由我国学者汪培庄提出的。
它主要分为两步：第一步按每个因素单独评判；第二步再按所有因素综合评判。
其优点是：数学模型简单，容易掌握，对多因素、多层次的复杂问题评判效果比较好。
在房地产评估中也常常碰到模糊问题，比如一套房产的交通便捷度、观景等等，不同的人看来可能有差异。
模糊综合评判步骤：1.确定评价因素、评价等级：设为刻画评价对象的种评价指标。
为刻画每一种因素所在的状态的种评价等级。
2.构造评判矩阵和权重确定：首先对单因素作单因素评判，从因素着眼对抉择等级的隶属度为，这样就得出第个因素的单因素评判集：这样个着眼因素的评价集就构造出一个总的评价矩阵，即每一个被评价对象确定了从到的模糊关系，它是一个矩阵：其中表示从因素着眼，该评判对象能被评为的隶属度。
具体地说表示第个因素在第个评语上的频率分布，一般将其归一化或者初始化以消除量纲。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于特征价格模型(HPM)的房地产评估研究综述-行政管理基于特征价格模型(HPM)的房地产评估研究综述王娟娟毛博（中南财经政法大学工商管理学院湖北·武汉）摘要：我国“十三五”规划明确指出要加快经济社会各领域信息化，加强重要信息系统的建设，同时房地产产业亟需稳定发展。
因此数理统计模型在房地产应用的研究可以提高房地产评估的精准度和满足房地产批量评估的需求。
房地产的准确估价对推动房地产价格正常化、保障房地产公平交易、建立健康的房地产市场有着非常重要的意义。
房地产基于计算机辅助的自动批量评估不但可以提高房地产批量评估的效率，也可以促进房地产评估的信息化进程。
本文以发展的比较成熟的特征价格模型(HPM)在房地产中应用为主题做文献综述。
介绍了HPM如何应用于房地产评估，并对模型的指标、模型形式、模型检验方法的选择和改进进行了讨论。
接着就HPM在房地产评估中的应用和未来研究方向进行了阐述，分别从对接计算机应用技术、实现房地产产业信息化，将模糊数学、神经网络模型、层次分析法、主成分分析法等数学统计模型在HPM进行应用，非住宅类型的房地产价值的评估三个方面进行新的研究。
关键词：房地产评估；特征价格模型；批量评估一、引言2015年10月，我国“十三五”规划出台，其中明确指出加强土地、财税、金融政策调节、加快住房系统建设，完善符合国情的住房体制机制和政策体系、合理引导住房需求；加强市场监督，规范房地产市场秩序，抑制投机需求，促进房地产产业平稳健康发展。
同时，规划也强调全面提高信息化水平，推动信息化和工业化深度融合，加快经济社会各领域信息化。
加强重要信息系统建设，强化地理、人口、金融、税收、统计等基础信息资源开发利用。
房地产的准确估价对推动房地产价格正常化、保障房地产公平交易、建立健康的房地产市场有着非常重要的意义。
特征价格模型HPM( Hedonic Price Model)是一种通过特征价格来反映产品或者服务价格的模型。
而房地产作为一种异质性的商品，由于各个房地产所对应的特征数量以及组合方式各不相同，房地产价格就会体现不同程度上的差异。
因此使用HPM对房地产进行估值能够更加精准的算出其房地产商品的隐含价格，有利于提高房地产评估的精准程度。
随着国内的房地产税全面征收，房地产批量评估的需求越来越大，如何更高效，更准确的进行房地产的批量评估是评估界急需考虑的一个问题。
目前，国外已经有了基于计算机辅助自动评估CAMA( Computer-assisted Mass Appraisal)和地理信息系统GIS( Geographic Infor-mation System)的房地产批量评估的方法。
但是在CAMA中所使用的评估方法仍然有其局限性，而HPM 的引入值得考虑。
一方面，随着大数据时代的到来，房地产评估的信息化为HPM 在房地产评估中的应用提供了坚实的基础；另一方面，HPM在房地产批量评估中的应用不但可以规范评估的标准、简便操作，而且也提高了批量评估的精确性。
该研究也对房地产税的推行和征收起到一定的积极作用。
因此，基于HPM的房地产评估研究对我国的房地产行业将起到突出的作用。
一是利于房地产的准确估价，促进房地产产业稳定发展。
二是将房地产价格影响因素特征系统化、房地产评估批量化以及房地产评估过程的信息化，利于房地产行业信息化建设步伐，为行业提供信息支撑。
三是基于HPM在房地产评估的系统性的评估信息化，有利于加强市场监督，规范房地产市场秩序，抑制投机需求，促进房地产平稳健康发展。
二、基于HPM的房地产评估的研究与改进1．HPM在房地产行业国外研究概述价格特征模型研究始于美国，可以追溯到20世纪30年代。
Waugh(1928)最早研究商品特征与价格的函数关系，用回归方程分析波士顿蔬菜质量差异与价格变动的联系，并估计了每个属性的隐含价格。
自Timeout, Lancaster，Rosen (1974)等先后将HPM引入房地产行业之后，国外关于HPM的房地产行业的研究大致可以分为两个阶段。
第一阶段是从1974年到2000年，这一时期的主要研究集中在HPM的函数方程的选择、特征变量选择、估计方法的改进等。
如Jones和Larry E(1988)主要从变量选择的角度对HPM进行了分析；HuhSerim和KwakSeung (1997)讨论了HPM中变量选择和方程形式的选择问题；Kelley Pace(1995)比较分析了参数估计方法、半参数估计及非参数估计法在HPM中的应用问题。
第二阶段是2000年以后，研究的内容涉及的理论方面主要是对于模型的改进、新的参数估计方法：如Steimetz(2010)对空间特征模型从不同角度展开了分析，Neill Helen R(2007)还进一步将空间特征模型和传统模型进行了比较。
2.HPM在房地产行业国内研究概述国内关于HPM在房地产行业的研究最早的是由中国人民大学的蒋一军、龚江辉( 1996)利用HPM计算异质品价格指数的方法，并将其运用于房地产行业。
可见，国内在HPM应用于房地产领域的研究还不足20年。
大部分的文献中主要是针对某个特定区域根据其建筑属性、区域属性、邻里属性的特征，选择一些这些属性所具有的具体特征的特征变量。
以房地产价格为因变量，构造函数方程，并应用经济学、统计学、计量经济学检验因变量的显著性、方程的显著性及其拟合程度、经济学意义等。
本文发现每个区域所表现出来的显著变量各不相同、其方程的选择也各有差异，不同方程所表现出来的拟合程度也会有所差异，而对在这个方面的理论研究比较少。
3．特征变量的选择以及量化在建立HPM的过程中，正确的构建HPM的关键是科学的选择特征变量。
HPM实际上是一个因果关系的定量分析，其中影响房地产价格的因素被作为特征变量，主要分为区位因素、建筑结构因素、邻里环境因素。
房地产的区位特征因素一般以整个城市的角度来看，以房地产到某个地理中心的距离来衡量。
这个地理中心一般就是影响这个住宅的因素。
如：最近公交车站、最近高速公路、最近主干道距离、最近已建地铁车站。
房地产的建筑结构特征与房地产价格有很大的相关性，一般分为可量化和不可量化的因素。
可量化的因素包括：建筑面积、容积率、绿化率、房间数目、房龄。
不可量化的数据包括：装修楼层、装修程度、朝面等因素。
房地产的邻里环境因素是房地产周边环境对房地产产生影响的因素，一般也使用距离来衡量。
如：与最近学校距离、与最近医院距离、与CBD距离等。
在进行特征变量进行选择的时候，需要注意三点：变量的选择是否具有经济意义，变量的数据是否能收集，变量是否可以被量化或者采用虚拟变量的方式量化。
本文选取了地铁轨道交通为区域为主的35篇论文进行了一个指标的统计分析，将所有的指标分成三类：建筑结构特征变量、邻里环境特征变量、区位因素特征变量，统计出每一种类型的指标选取的次数，并将HPM模型检验后的显著指标进行了统计，为以后的研究对指标选择提供参考。
从表1可以看出显著的特征变量有：建筑面积、容积率、装修程度、绿化率；与市中心( CBD)距离、与地铁站距离、公交车站；医院、学校、商业中心、公园、景区。
但是也不能排除因为数据样本的大小、特征变量的相关性、模型的自相关性等所导致的模型的误差可能性。
通过对文献梳理，本文发现主要存在三种变量选择的倾向。
一是对于建筑结构特征变量：楼盘类型、装修程度、开发商品牌、楼层、停车场大小部分文献使用虚拟变量的方式进行量化，部分文献采用层次分析法加上专家打分法进行量化。
二是对于地理区位特征变量：大部分文献采用GIS测距的方式进行量化，针对公交车站这一指标有所不同，有三种形式：2km内公交车站的个数、小区附近的公交线路个数；最近公交车站距离。
三是对于邻里环境特征变量：大部分文献采用GIS测距的方式进行量化，针对学校、医院这两个指标有部分文献对学校进行了分层。
采取对小学、初中、高中或者是否重点小学的进行更细致的分层分别进行量化的方式；部分文献对医院采取重点医院、非重点医院等更细致的分层分别进行量化的方式。
而对于商业中心、购物中心、商圈这样的指标本文统一归纳为商业中心，便于直观的了解。
4．模型形式的选择特征价格模型由于大量依靠计量经济学分析，所以函数形式的选择就显得非常重要，在已有的使用HPM用于房地产评估的研究中，大部分采用的是线性模型、对数模型和半对数模型三种，其中的拟合程度大部分较高，一般在60%到90%之间。
但是根据样本数据的不同，不同函数的拟合程度也会不一样。
也有个别研究采用二次函数、反半对数函数、指数函数、BOX-COX变换等函数形式。
周丽萍、李慧明、路鹏飞( 2009)将BOX-COX变换应用于HPM之中，BOX-COX变换的关键是对变换参数九依据样本观测做出恰如其分的估计，解决了有些函数对于一些样本数据拟合程度过低的问题。
5．模型的估计HPM在一般情况下使用最小二乘法(OLS)的进行估计，也可以使用加权OLS、BP神经网络等其他方法进行估计。
其目的是为了准确估计函数的参数和找到显著的变量。
一般情况下，模型需要经过三种检验：经济学检验、统计学检验、计量经济学检验。
对于模型中的特征变量需要讲过经济学意义的检验和统计意义的检验，其中经济学意义的检验就是看特征变量的参数是否符合该特征在房地产价值的实际影响，统计学检验则是根据数据样本检验该特征变量是否显著。
而计量经济学检验一般是检验该模型是否具有自相关性、异方差性，以及该模型的解释变量是否具有相关性和共线性，一般采用DW检验和方差膨胀因子VIF检验的方式。
本文认为在房地产评估模型建立的过程中，经济学意义的检验尤为重要，不能因为模型的变量不显著，或者解释变量有相关性就删除变量，因为这很有可能是因为数据样本不足所导致的。
三、HPM的在房地产评估中应用1房地产批量评估房地产批量评估是以房地产估价理论为基础，依托计算机技术，运用预先制定的评估模型，一次性对多宗房地产进行快速、大量的评估。
而房地产所依托的计算机技术目前有美国基于地理信息系统GIS的计算机辅助的批量评估系统CAMA( Computer-assisted MassAppraisal)。
CAMA技术是以传统的评估方法为模型作为依托，以数理统计与计算机技术组成的模型校准技术为工具形成的较为成熟的批量评估体系。
而HPM作为一个比较成熟的数理模型应用于房地产批量评估之中，将起到更好的效果。
黄梦吟、郭华林( 2012)对HPM中特征变量进行量化分析时如何采用GIS 的空间分析技术原理优化进行了理论探索。
并将量化结果录入储存，建立了房地产信息量化数据库，使房地产的空间数据与属性数据建立了对应关系，实现了批量自动评估的可视化效果。
杨杉、邓科( 2015)用主成分分析和对数回归分析建立HPM．并基于CAMA进行了批量评估实证分析，并利用比率分析对模型估计的可靠性进行评估以探索HPM对房地产税基批量评估的适用性，结果得出HPM在房地产批量评估的适用性较高。