城市商品住宅价格影响因素差异性研究
我国商品住宅价格波动的区域差异——基于省际面板数据的实证分析
文章在比较东部 、 中部 和西部地 区历年商品住宅价格波动状况 的基 础上 ， 根据住 宅市场存 量——流量理 论构 建我国商品住宅市场的价格决定模 型， 并以 ２ ０ － ２０ ０ ３ ０ ８年我国 ２ ８个省 市 自治 区的面板数据为 样本 ， 运用 面
板数据的混合模型进行实证研究， 结果表 明： 各区域商 品住 宅平均销售价格 及其波动 幅度 存在较大 差异 ； 利
大不同， 他们的实证结果表 明收入水平与住宅价格
有较强 的正相关关 系 ， 收入 水平 是 住 宅 价格 城 市 间
收 稿 日期 ：０ Ｏ ４ １ ２ １ 一０ — ６
商品住宅价格波动区域差异 的影响。本文首先将我 国商 品住 宅市场划 分为 东部 、 中部 和西部 ， 然后基 于 住宅市场存量——流量理论构建我国商品住宅市场
— —
基 于省 际面板 数据 的实证分 析
胡 碧 张金梅 彭 杰。 ， ，
７０ ０ ￣．西安外 国语大学 商学 院，陕西 西安 １１ ０２
４０ １） ０ ００
（． １西安财经学院 经济学 院， 陕西 西安
７０２； １ １ ８
３ 中国建设银行 重庆分行，重庆 ． 摘
要： 近年来我国商品住宅价格变化 的区域 差异越来越大 ， 使得宏 观调控政策在各 地区产生 了不同效果 。
梅（９３ ， ， １６一）女 陕西大荔 人 ， 西安外国语大学商学院教授、 硕士生导师 ， 研究方 向为货币理论 与信贷管理 。
１ ５
西 安 财 经 学 院学 报
价格决 定 的理论 模 型 ， 次运 用基 于面板 数 据 中 的 其
差异 ， 本文分 别从东 部 、 中部 和西部 地 区各选 出 ４ 个 代表 性城市 ， 中东 部为北 京 、 其 杭州 、 上海 和广 州 ， 中 部 为武汉 、 沙 、 长 郑州 和合 肥 ， 西部 为 贵 阳 、 庆 、 重 西 安 和成都 。各 城市历 年商 品住 宅平 均销售 价格走势
我国住宅销售价格的影响因素分析——以35个大中城市住宅价格为例
我 国住 宅销 售 价格 的 影 响 因素分 析
— —
以３ ５个大 中城 市住宅格 为例
孙 雪梅
摘 要 ：房价 问题关 系到国计 民生 。随着我 国房地产 市场迅猛发展 ，越 来越 多的 问题也暴露 出来，过 高的房 价 已经远远超过 了广 大居 民的购房承 受能力 ，并导致物价 总水平的不断攀升，通货膨胀压力凸现。房价 问题 己成为社会各界讨论的热点之 一。本文 以全 国３ ５个 大中 城 市 为研 究对 象 ，结 合 Ｐ ａ ｎ ｅ ｌ Ｄ ａ ｔ ａ 模 型 ，运 用 多元 回 归 分析 方 法研 究住 宅价 格 的 影 响 因素 。 面 板 数 据 分 析 结 果 显 示 ，人 均 可 支 配 收 入 对 住 宅销售价格 的影响最 为显著 ；同时，通过 比较 东中西部的模型 ，分析我 国住 宅销售价格的 区域差异 ，得 出三大地带城 市住宅价格的解释 变 量不尽 相同，即使相 同，其影响效应也是有差异的。在此基础上 ，本文提 出了相应 的政策建议。 关键词 ：住 宅价格 ；影响因素；Ｐ ａ ｎ ｅ ｌ Ｄ ａ ｔ ａ模型 ；回归分析
（ 一 ） 变量 选 取 与 模 型 建 立
指标 ；Ｇ Ｄ Ｐ 是反映一个地区经 济发展 的重要 指标 ；对于住宅长期 供给 ， 本文选取商品住宅竣工面积这一指标 。 综上所述 ，本文将选取市 区非农业人 口 Ｐ Ｏ Ｐ（ 万人 ） 、城镇居 民人 均可支配收入 Ｐ Ｄ Ｉ（ 元） 、恩格尔系数 Ｅ Ｎ Ｇ（ ％） 、Ｇ Ｄ Ｐ（ 亿元 ） 、商 品 住宅竣工面积 Ｈ Ｂ Ｓ（ 万 ） 这五个变 量作为分 析住宅价 格的解释 变量
长沙市商品住宅价格空间差异性分析
４０ １ ） １０ ２ （ 南 师范大学 资源 与环境科 学学 院 ，湖 南 长沙 湖
【 摘
要 】采用 Ｍ ｐｉ和 Ｓｆｒ ａｇ ｓ ｕｕ 软件 ， 用等值线法对长沙市商品住 宅价格 空间差异 性进 行研 究，得 出长 运
沙 市 商品 住 宅 价 格存 在 圈层 模 式 、极 化 与 扩 散 模 式 和 点 轴 模 式 的 分 布 特 点 ， 并 结 合 长 沙 市 实
第２ ６卷 第 １３期 ２
２１ ００年 ２月
湖南 财 经高 等 专 科 学校 学报
Ｊ ｕｎ ｌｆＨ ｎ ｎＦｎ ｎｉｌ ｎ ｃｎ ｍ ｃＣ ｌｇ ｏ ｒａ ｏ ｕ ａ ｉａ ｃ ｄＥ ｏｏ ｉ ｏ ｅｅ ａａ ｌ
２ ６
．１ ３ ２
Ｆｅ ． ０１ ｂ２ ０
长 沙 市 商 品 住 宅 价 格 空 间差 异 性 分 析
显的区域性。因此 ，了解和把握 商品住宅业发展的总体水
平 ，需从 空 间 角度 对 其 价 格 进行 透 视 和分 析 。
一
、
研 究 范 围 与方 法
１ 、研 究范 围
研究 范 围为 长 沙 市 城 市 三 环 线 以 内 的 中心 城 区 ，该 区
域房地产市场发展较早 ，市场发育比较成熟 ，是 目 前长沙
据进行了期 日修正 ，将 数据统 一 到 ２ ￣ （９年 ６月。样本数 Ｘ 据修正公式 如下 ：
数据筛选遵循 以下要求 ： 第一 ，样本信息完整。样本信息应包括楼盘名称 、物
业 类 别 、装 修 状 况 、 物 业 地 址 、销 售 基 准 价 格 、开 盘 时
间等 。
期修价 ＝正价 ×籍蕞箸蔫薮 日正格修前格贡 最 蓍
湖南省地级城市间住宅地价的差异及其影响因素
湖南省地级城市间住宅地价的差异及其影响因素由于区位、规模、经济发展水平的不同,不同城市之间的住宅地价存在明显差异,认识不同城市间住宅地价差异格局并揭示其形成机制,一直是土地管理学和土地经济学关注的重点。
本文以地租地价理论、区位理论和供求理论为指导,以湖南省13个地级市中心城区为研究对象,以ArcGIS、SPSS软件为研究手段,以修正到2016年12月31日的住宅用地“招拍挂”交易样点数据为主要数据源,计算出各城市中心城区住宅用地均价,对湖南省域范围内的城市间住宅地价的差异特征及其影响因素进行分析。
采用多因素综合评价法、主成分分析法和GWR模型分析湖南省13个地级市住宅地价的差异及其影响因素,主要研究结论如下:1、从整体特征、等级特征、空间分布特征三个方面对湖南省13个地级城市住宅地价的特征进行分析,结果显示省会长沙市住宅地价最高,在空间上存在较为明显的区域差异,大致呈现东高西低的格局,长株潭地区城市住宅地价明显高于洞庭湖地区、湘南地区和大湘西地区的城市,湘南地区和大湘西地区集中了城市住宅地价较低的几个城市。
2、在参考2014年《城镇土地分等定级规程》分等因素选取原则,充分考虑湖南省各地级城市基础资料可获得性的基础上,从城市区位、城市集聚规模、城市基础设施、城市用地投入产出水平、区域经济发展水平、区域综合服务能力、区域土地供应潜力等七个方面建立了影响城市住宅地价的评价指标体系,采用主成分分析法确定了 5个主成分,其累计方差贡献率达到91%以上,说明提取的5个主成分包含影响地价的主要影响因素,可以解释数据的大部分信息。
3、为了进一步研究不同影响因素在不同城市的作用程度,引入GWR模型对城市住宅地价的主要影响因素进行分析,在剔除具有共线性的因素之后最终剩下5个因素进入模型,结果表明在不同城市之间各个影响因素的作用程度和作用方向存在差异。
房价经济学：为什么房价会涨跌
房价经济学：为什么房价会涨跌房价一直是人们关注的焦点之一，无论是购房者还是投资者都希望能够准确预测房价的涨跌趋势。
然而，房价的涨跌并非简单的因果关系，而是受到多种因素的综合影响。
本文将从供需关系、经济因素和政策调控等方面探讨房价涨跌的原因。
一、供需关系供需关系是影响房价涨跌的最重要因素之一。
当需求大于供应时，房价往往会上涨；相反，当供应大于需求时，房价则会下跌。
1.人口增长：人口增长是推动房价上涨的重要因素之一。
随着人口的增加，对住房的需求也会相应增加，从而推动房价上涨。
2.城市化进程：城市化进程加速了农村人口向城市的流动，导致城市住房需求增加。
由于城市土地有限，供应不足导致房价上涨。
3.投资需求：房地产作为一种投资工具，吸引了大量投资者。
当投资需求增加时，房价也会相应上涨。
二、经济因素经济因素也是影响房价涨跌的重要因素之一。
经济的发展状况、利率水平、收入水平等都会对房价产生影响。
1.经济增长：经济增长通常伴随着人民收入的增加，购买力的提升，从而推动房价上涨。
2.利率水平：利率水平对购房者的购买力有直接影响。
当利率较低时，购房成本降低，购房需求增加，房价上涨；相反，当利率较高时，购房成本增加，购房需求减少，房价下跌。
3.就业状况：就业状况对购房需求有重要影响。
当就业市场繁荣时，人们的购买力增加，购房需求增加，房价上涨。
三、政策调控政府的政策调控也是影响房价涨跌的重要因素之一。
政府通过调整土地供应、贷款政策、税收政策等手段来影响房价。
1.土地供应：政府通过控制土地供应来影响房价。
当土地供应减少时，房价上涨；相反，当土地供应增加时，房价下跌。
2.贷款政策：政府通过调整贷款政策来影响购房者的购买力。
当贷款政策宽松时，购房需求增加，房价上涨；相反，当贷款政策收紧时，购房需求减少，房价下跌。
3.税收政策：政府通过调整房产税、契税等税收政策来影响房价。
当税收政策收紧时，购房成本增加，房价下跌；相反，当税收政策放松时，购房成本减少，房价上涨。
基于Hedonic模型的房地产价格差异影响因素研究
基于Hedonic模型的房地产价格差异影响因素研究本文主要研究影响天津市地铁2号线沿线房地产价格差异的因素，首先通过市场调研和借鉴前人经验，选取了11个特征变量指标，然后采用Hedonic模型进一步筛选出6个对房地产价格起显著性影响的特征变量指标，最终得出结论：区位特征因素仍然显著影响房地产价格，其中距市中心CBD的距离影响最为明显；天津市地铁2号线显著提升沿线的房地产价格，且其最佳影响范围为0-800m；与此同时，周边医院、大型商场或超市、公园等基础设施建设状况及物业费也是居民在购房时会考虑的因素。
标签：房地产；价格差异；Hedonic模型引言随着我国城镇化进程的推进，大量农村人口涌入城市，导致城市人口剧增，不仅给城市交通带来巨大挑战，同时也对城市公共交通系统的运营发展提出了更高要求。
城市轨道交通以其高速、便捷、大客运、低污染等特点成为公共交通系统的必然发展趋势，我国许多城市也都开始建设与运营城市地铁。
城市轨道交通不仅推动城市传统区位的变革和改善居民可达性，同时也对商业和城市基础设施的聚集、城市住宅区的选址和价格等产生着重要影响。
然而城市轨道交通也面临着投资金额大、运作成本高、建设周期长等问题，严重影响其发展。
为有效解决该矛盾，促进轨道交通与沿线房地产开发的协调发展，我们应该科学评估城市轨道交通对周边住宅价格差异的影响。
本文以天津市地铁二号线为例，研究地铁对沿线房地产价格差异的影响及地铁各个站点对周边小区住宅价格的影响范围，以此为天津市地铁系统建设和周边土地一体化开发提供理论支持。
一、文献综述城市轨道交通对沿线周边房地产价格差异的影响一直是国内外学者关注的焦点。
国外相关研究早已开始，研究结论却多种多样，如Benjamin 和Sirmans 〔1〕，Al- Mosaind等〔2〕都发现城市轨道交通对沿线房地产价格有着积极影响，但不同地区轨道交通的影响程度和范围却有所不同。
而Gatzlaff和Smith〔3〕，Cervero和Landis〔4〕则得出了相反的结论。
浅析房地产价格的影响因素
浅析房地产价格的影响因素【摘要】房地产价格涉及众多个方面，是多个因素共同作用的结果，影响因素包括了土地价格、建设成本、管理成本、财务成本、销售成本，还包括利率、汇率、心理预期等。
本文主要从影响房价供求关系入手，系统研究对房地产价格的影响因素。
【关键词】房价需求供给不合理房地产业是我国国民经济的重要支撑点，在国民经济中占据着相当重要的位置。
迅猛发展的房地产业，在发展的过程中，由于激烈和频繁的市场经济波动，对房地产业产生了不良影响，也产生了一系列包括房地产供应结构失衡、房价上升过快、市场秩序不规范等问题甚至影响国民经济的正常运行。
各地房价普遍快速上涨，广大居民的收入增长水平已远远落后于房价上涨水平，房价收入比屡创新高，住房消费已被公认为当今中国人最沉重的生活负担之一。
社会矛盾由此而生。
下面从影响房价供求关系的因素入手，研究对房地产价格的影响因素。
1 需求因素1.1 真实性需求不断增加形成这一状况的原因有很多。
首先，因中国经济高速增长，人民生活水平逐渐提高，在基本解决了吃穿问题之后，人们逐渐把注意力转移到行和住上，房地产成为了国民经济的热点。
其次，城市拆迁导致住房刚性需求上升。
全国平均来看，有三分之一的房屋需求是拆迁带来的，拆迁改建使得住房需求上升。
再次，家庭规模的变化导致住房需求上升。
近二十年来，我国的家庭规模正在逐年变小，家庭小型化趋势增加了住宅的真实需求。
1.2 房地产发展过程中配套制度不健全近年来我国的房地产高速迅猛发展，在高速的发展过程中必然会导致配套的制度跟不上房地产的发展速度，这也就导致了配套制度的不健全。
配套制度不健全产生投机性需求，投机性需求主要影响房价的短期波动，而不会是房价长期处于高位。
一般的，市场有效运作的一个基本条件就是信息完善和对称，在信息不对称的情况下，那些拥有信息者就可能通过种种的虚假信息而误导人们的预期。
显然房地产是一个信息极不对称和不完善的市场，那些掌握信息的房地产大亨们和中介们就会利用人们对信息的了解不完善，来制造一些住房供不应求的虚假信息来谋取超额的利润。
合肥市住宅商品房价格影响因素及预测研究
文化背景和价值观念对购房者的需 求和偏好产生影响，进而影响住宅 商品房价格。
区域因素
地段价值
地段价值是决定住宅商品房价格的重要因素之一，包括地理 位置、交通状况、商业氛围等。
周边设施
周边设施的完善程度也会影响住宅商品房价格，如教育、医 疗、商业等设施的齐全程度。
04
合肥市住宅商品房价格预测模型构建
参数设置
根据数据特征和模型要求，设置合适的参数，包括平滑系数、迭代次数、隐藏层 节点数等。
结果解释和预测
结果解释
对模型拟合结果进行解释，分析各影响因素对住宅商品房价 格的影响程度和方向，以及模型的有效性和可靠性。
预测
利用训练好的模型对未来住宅商品房价格进行预测，为政策 制定者和开发商提供参考。
06
03
合肥市住宅商品房价格影响因素分析
政策因素
宏观经济政策
财政政策、货币政策、产业政策等都会对房地产市场产生影响，进而影响住宅商品房价格 。
房地产政策
政府对房地产市场的调控措施，如限购、限贷、税收政策等，都会对住宅商品房价格产生 直接影响。
城市规划政策
城市规划的调整和实施，如土地供应、城市改造、交通基础设施等，也会对住宅商品房价 格产生影响。
未考虑区域差异
研究中未考虑到不同区域之间的 房价差异，未来可以针对不同区 域进行深入研究，以便更好地了 解各区域房价的影响因素。
缺乏动态分析
本研究主要进行了静态分析，未 考虑时间序列因素对房价的影响 。未来可以引入时间序列分析方 法，对房价进行动态分析，以便 更准确地预测房价走势。
07
参考文献
参考文献
02
有助于房地产企业和投资者做出更为明智的投资决策，以降低
基于GIS的成都市商品住宅价格空间分布差异研究
基于GIS的成都市商品住宅价格空间分布差异研究作者：翟崟淞来源：《价值工程》2019年第18期摘要：对成都市2018年2月在售的76个中心城区住宅小区的价格进行收集和整理，结合地理信息系统（GIS）的空间分析方法，运用克里金（Kringing）空间插值法分析得出成都市住宅价格空间分布图。
结果表明，成都市高价住宅呈现南北带状分布，同时存在以南边（高新区）为中心向四周扩散的趋势，不同区域房价差异较大且存在较强的空间依赖性。
Abstract： This paper collects and collates the prices of 76 residential districts in Chengdu in February 2018. Combining with the spatial analysis method of Geographic Information System （GIS）， Kringing spatial interpolation method is used to analyze the spatial distribution map of housing prices in Chengdu. The results show that the distribution of high-price housing in Chengdu is north-south zonal， and there is a trend of spreading from south to around （high-tech zone）. The price of housing in different regions varies greatly and there is a strong spatial dependence.关键词：GIS;住宅价格;空间分布Key words： ArcGIS;housing price;space distribution中图分类号：F290; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ;文献标识码：A; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; 文章编号：1006-4311（2019）18-0046-040; 引言自1998年住房制度改革以来，我国房地产市场从无到有，发展迅速。
城市住房价格影响因素及其空间规律研究--基于地理加权回归模型的实证分析
一、引言住房价格关系到人民群众的安居生活和社会的和谐。
伴随快速城市化进程，房地产市场进入快速发展阶段，大中城市房价持续高涨已成为舆论关注的焦点之一。
探讨房价影响因素可为相关部门规范房地产市场提供依据，是房地产经济理论研究的核心。
近年来国内外学者根据各自的研究重点，选取不同类型的影响因素，对城市房价从不同维度开展了广泛而深入的研究。
宏观角度主要从供给和需求两个方面探讨土地市场、土地制度、金融、税收、居民收入等因素对房价的影响；微观角度主要从建筑结构、区位、邻里等特征来解释房价的空间分异特征。
研究方法上，大部分学者使用基于普通最小二乘法(Ordinary Least Squares Linear Regression ，OLS)的特征价格模型（Hedonic 模型）。
该模型假设所有空间单元的房价与影响因素之间的关系不随空间位置变化，没城市住房价格影响因素及其空间规律研究———基于地理加权回归模型的实证分析刘贵文，王丽娟（重庆大学建设管理与房地产学院，重庆400045）收稿日期：2013-01-21基金项目：中央高校基本科研业务费科研专项项目（CDJKXB12002）。
作者简介：刘贵文（1974-），男，四川阆中人，教授，博士生导师，主要从事公共工程管理与价值管理、城市发展与管理研究；王丽娟（1984-），女，四川乐山人，博士研究生，研究方向：城市发展与管理。
摘要：针对普通最小二乘法(OLS)从空间全局角度分析的不足，运用地理加权回归模型(GWR)探索重庆市主城区各影响因素在不同空间位置对房价的作用机理。
结果表明，GWR 模型显著优于OLS 模型，是定量研究各因素在不同空间位置对房价经济贡献价值的有效方法；交通设施、商业集聚中心、公共服务设施、自然环境是影响房价的重要因素，各影响因素与房价的关系随空间位置而发生正负向变化，影响程度有显著的空间差异，说明只有因地制宜的分析房价成因，才能优化城市房价的空间结构，引导城市有序扩展。
城市间住宅土地价格差异的决定因素——基于长江三角洲城市的实证研究
ａ ｅａ ｅ ｌｖ ｌ ｕ ｒ ｎ ｓ ｔ ａ ｄ ｑ ａ ｔｙ ｏ ｈ ｅｈ ｕ ｅ ａ ｅ ｔｅ ｐ ｏ ｎ ｎ ｅｅｍｉ ａ ｔ ｔａ ａ ｓ ｅｐ ｃ ｉ ｅ ｅ ｃ ｓ ｖ ｒ ｇ ｅ ｃ ｒｅ ｔａ ｅ ｕ ｉ ｆｔ ｏ ｓ ｒ ｈ ｒ ｍｉ ｅ ｔｄ ｔｒ ｎ ｎ ｓ ｈ ｔ ｕ ｅ ｔ ｒ ｅｄ ｒｎ ｅ ． ｅ ｆ ｏ ｓ ｓｎ ｎ ｔ ｃ ｈ ｉ ｆ
维普资讯
中 国软科 学 ２０ ０８年第 ５期
城 市 问住 宅 土地 价 格 差异 的决 定 因素
— —
基 于长江 三 角洲城 市 的实 证研 究
张娟锋 ， 贾生华
（ 浙江大学 管理 学院， 浙江 杭 州 ３０ ５ ） １０ ８
摘
要： 在快速城 市化的背景下， 本文构建 了一个城 市间住 宅土地价格差异决定因素的理论 分析框 架， 以长江三
一
、
问题的提 出
区域内的城市‘ ① 经济发达 ， 住房市场化程度较高 ， 城市住宅价格和住 宅土地价格备 受人们 的关注。
随着土地 价格 市 场决 定 机制 的形 成 ， 宅 土地 住 价格在城市 问表现 出巨大 的差异 。 ０ ４ 从２ ０ 年长江
经过 ９ １９ ２０ 年 ） 年（９８— ０６ 的城市住房市场化
ｈ ｅ ｔ ｄ ｉ ｅ ｓｔ ｏ ｈ ｒ ａ ｉ ｒ ｒ ｔ ｒ ｖ ｒｇ ｅ ｃ ｒｅ ｔ ｓ ｔ ｈ ｖ ｏ ｉ ｅ ｅ ｅ ｔ ｕ ｕ ｉ Ｔ ｅ ｉ ｖ ｓｅ ｔ ｎ ｉ ｔ ｅｕ ｂ ｆａ ｔ ｃｕ ｅ ａ ｄ ａ ｅａ ｅ ｌｖ ｌ ｕ ｒ ｎ ｓ ｅ ａ ｅｔ ｅｐ ｓ ｖ ｆ ｃ ，ｂ ｔｑ ａ ｔ ｙ ｎ ｎ ｙｆ ｎ ｎ ｓ ｕ ｎ ｅ ｆ ｏ ａ ｓ ｈ ｉ ｔ ｎ ｔ ｆ ｔ ｏ ｓ ａ ａ ｎ ｇ ｔ ｅ ｅ ｅ ｔ ｈ ｈ ｅ ｅ ｅ ｎ ｓ ａ ｅ ｐ ａｎ ５ ． ０ ｏ ｅ ｈ ｕ ｅ ｈ ｅ ａ ｖ ｆ ｃ．Ｔ ｅ ｔｒ ｅ ｄ ｔｒ ｉａ ｔ Ｃ ｘ ｌｉ ４ ３ ％ ｐ ｃ ｉ ｅ ｅ ｃ ｓ ｏ ｓｄ ｎ ｉ ａ ｄ ｈ ｓ ｉ ｍ ｎ ｎ ｉ ｒ ｅ ｄｆ ｒｎ ｅ ｒ ｉｅ ｔ ｌ ． ｆ ｅ ｌ ａ ｎ Ｋｅ ｒ ｓ ｕ ｂ ｅ ｉ ｅ ｔ ａ ｄ ｒ ｅ ｄｆｅｅ ｃ ｓ ｅｅ ｉａ ｔ ｙ ｗｏ ｄ ： ａ ｒ ｓｄ ｎ ｉ ｌｎ ；ｐ ｃ ｉ ｒ ｎ ｅ ；ｄ ｔ ｒ ｎ ｓ ｒ ｎ ｌ ａ ｉ ｆ ｍ ｎ
中国城市住房价格与住房租金的影响因素及相互关系研究
03
探究住房价格与租金的影响因 素及其相互关系对于理解房地 产市场运行规律和制定相关政 策具有重要意义。
研究意义
1
通过对住房价格与租金的影响因素及相互关系 进行研究，有助于深入理解房地产市场的运行 机制。
2
对于政府而言，研究成果可以为制定房地产市 场调控政策提供科学依据，促进市场的稳定健 康发展。
中国城市住房价格与住房租 金的影响因素及相互关系研
究
2023-10-30
目录
• 研究背景与意义 • 文献综述 • 研究方法与数据 • 实证分析 • 政策建议 • 研究结论与展望
01
研究背景与意义
研究背景
01
中国城市住房价格的持续上涨 成为社会关注的焦点，高房价 现象引发了一系列社会问题。
02
住房租金同样呈现不断上升的 趋势，对低收入群体的生活造 成较大压力。
根据不同城市、不同区域的实际情况，制定差别化的房地产市场 调控政策，促进市场平稳健康发展。
推进房地产市场法制建设
完善房地产市场相关法律法规，规范市场行为，保障各方合法权 益。
06
研究结论与展望
研究结论
住房价格与住房租金受多种因素影响，包括经济、社会和政策因素。 房价和租金之间存在紧密关系，相互影响。 房价和租金的变化趋势在不同城市和地区存在差异。
房屋租金高。
租赁市场竞争
租赁市场竞争激烈时，租金可能会下降。 相反，如果市场供应紧张，租金可能会上
涨。
地理位置
房屋所处的地理位置也会影响租金。例如 ，城市中心地区的房屋通常比郊区的房屋 租金高。
政策因素
政府的租赁政策、租金管制等也会对租金 产生影响。例如，政府对租金上涨的限制 可能会降低租金增长的速度。
中国商品住宅价格省际差异的决定因素——基于货币数量论的实证研究
Ｑ ｕ ｉ ｇ ｌ ｅ ｙ 从 供求 角 度 研 究 宏 观 经 济 因 素对 住 宅 市 场 的影 响 ， 结 果发 现 地 区 就业 率 和 居 民收 入 对住 宅价 格 存 在 显 著 影 响 。 Ｍ ｉ ｌ ｌ ｅ ｒ和 Ｐ ｅ ｎ ｇ基 于 Ｇ Ａ Ｒ Ｃ Ｈ和 Ｖ Ａ Ｒ模 型 ， 证 明 了居 民收 入 变化 对 城 市住 宅价格 存在 显 著 影 响 ， 并 且 对 不 同城 市 的影 响程度 有所 不 同 。 。 国内学者 肖磊 、肖佳 文等从
第１ ２卷第３ 期
２ ０ １ ３ 年 ９月
浙 江 工 业 大 学 学 报（ 社会 科 学版 ）
Ｊ Ｏ Ｕ Ｒ Ｎ Ａ Ｌ Ｏ Ｆ Ｚ Ｈ Ｅ Ｊ Ｉ Ａ Ｎ Ｇ Ｕ Ｎ Ｉ Ｖ Ｅ Ｒ Ｓ Ｉ Ｔ Ｙ Ｏ Ｆ Ｔ Ｅ Ｃ Ｈ Ｎ Ｏ Ｌ Ｏ Ｇ Ｙ （ Ｓ Ｏ Ｃ Ｉ Ａ Ｌ Ｓ Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ ）
商品住 宅价格 的空 间差 异及其 决定 因素一 直 是学 术界 长期关 注 的问题 。欧 、 美、 日等发 达 国家 或地 区住房 市场 发 展 历史 悠 久 ， 市 场发 育 较 为成 熟， 此 方面 的研 究 起 步较 早 。从 研 究 的主 要 内容 看， 早 期工 作 主要考 虑 不 同城 市 的主 要社 会 经 济 因 素对住 宅价 格 的影 响 。例如 ， Ｃ ａ ｓ ｅ和 Ｓ ｈ ｉ ｌ ｌ ｅ ｒ 通
Ｖ０ １ ． １ ２ Ｎｏ． ３ Ｓ ｅ ｐ ｔ ．２ ０１ ３
中 国商 品住 宅 价格 省 际差 异 的决 定 因素
— —
基 于货 币数 量 论 的实证 研 究
陈 多长 ，洪丹萍
（ 浙江工业 大学 经贸管理学 院， 浙江 杭州 ３ １ ０ ０ ２ ３ ）
《2024年北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究》范文
《北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究》篇一北京市二手住宅价格影响机制——基于多尺度地理加权回归模型（MGWR）的研究一、引言在快速发展的城市化进程中，房地产市场始终是社会关注的焦点。
作为我国首都的北京市，其二手住宅价格受多种因素影响，呈现出复杂多变的特点。
为了更准确地理解和预测二手住宅价格的变化机制，本文采用多尺度地理加权回归模型（MGWR）对北京市二手住宅价格的影响机制进行研究。
二、文献综述以往研究多以传统的回归分析方法研究住宅价格，但随着空间数据的增多，传统的分析方法无法全面捕捉地理空间的异质性影响。
多尺度地理加权回归模型作为一种新型的回归分析工具，可以更精确地处理空间数据，并在不同空间尺度上捕捉地理因素的异质性影响。
三、研究方法与数据来源本研究采用多尺度地理加权回归模型（MGWR）进行分析，通过将空间因素和影响因素进行综合考虑，以更准确地揭示二手住宅价格的影响机制。
数据来源主要包括北京市的二手住宅交易数据、社会经济数据以及地理空间数据等。
四、模型构建与实证分析（一）模型构建MGWR模型通过引入空间权重矩阵，将传统回归模型中的全局参数估计转变为局部参数估计，从而更好地捕捉不同空间尺度的地理因素对二手住宅价格的影响。
（二）实证分析1. 变量选择：选取了包括房屋特征、区位特征、社会经济特征等在内的多个影响因素作为自变量。
2. 数据处理：对数据进行清洗、整理和空间化处理，为模型构建提供基础数据支持。
3. 模型估计：运用MGWR模型对数据进行估计，得到各影响因素的局部参数估计值。
4. 结果分析：通过对比分析MGWR模型与传统回归模型的结果，发现MGWR模型在捕捉地理空间的异质性影响方面具有明显优势。
五、结果与讨论（一）结果展示1. 各影响因素的局部参数估计值：揭示了不同区域、不同影响因素对二手住宅价格的具体影响程度。
2. 地理空间的异质性影响：通过MGWR模型，我们可以发现在不同空间尺度上，地理因素对二手住宅价格的影响存在显著差异。
城市环境对住宅价格形成的影响分析
巢； ｌ
§ ｌ
呈
【 关键 词】 城市 环境 ；住 宅价 格 ；特征 价格 理
论 ；住 宅特 征 属 性
ＡＢＳＴＲＡＣＴ： ｕ ｅ ａ ｅｄｆｅｅ ｔｃ ａａ ｔｒｓｉｓ Ｈｏ ｓ ｓｈ ｖ ｉ ｒｎ ｈ ｒ ｃｅ ｔ ， ｉ ｃ
ａ ｄ ｔ ｅ ｒ ｐ ｉ ｅ ｒ ｅ ｉ ｅ ｙ ｔ ｅ ｕ ｉｉｉ ｓ ｏ ｎ ｈ ｉ ｒｃ ｓ ａ ｅ ｄ ｃ ｄ ｄ ｂ ｈ ｔｌｔｅ ｆ ｃ ｎ ｕ ｅ ｓ ｆ ｏ ｅ ａ ｕ ｔ ｇ ｔ ｅ ｅ ｃ ａ ａ ｔ ｒｓ ｉ ｓ ｏ ｓ ｍ ｒ ｒ ｍ ｖ ｌ ａ ｉ ｈ ｓ ｈ ｒ ｃ ｅ ｉｔｃ ． ｎ Ｗ ｉｈ ｔ ｅ ｉ ｃ ｅ ｓ ｎ ｉ ｉ ｇ ｓａ ｄ ｒ ｉ ｚ ｎ ， ｔ ｈ ｎ ｒ ａ ｉ ｇ ｌｖ ｎ ｔ ｎ ａ ｄ ｏｆｃ ｔ ｅ ｓ ｉ ｔ ｅ ｌ ｆ ｃ ｒ ｎ ｔ ｅ ｉ ｒ ｖ ｍｅ ｔｏ ｉ ｈ ｙ ｗｉｌ ｏ ｕｓｍｏ ｅ ｏ ｈ ｍｐ ｏ ｅ ｎ ｆ ｃ ｔ ｙ
量 求 解 住 宅 价 格 。对 于城 市 环 境 对 住 宅 价 格 影 响 的 研 究 在 ２ 世 ￣ ６ －７ 年 代 ，大 量 学 者 将特 征 价 ０ Ｂ０ ０
ｅ ｖ ｒ ｎ ｎ ． ｅ ｅ ｏ ｅ ｄ ｆｅ ｅ ｔｅ ｖ ｒ ｎ ｅ ｔｏ ｎ ｉｏ ｍｅ ｔ Ｔｈ ｒ ｆ ｒ ， ｉ ｒ ｎ ｎ ｉｏ ｍ ｎ ｆ
城 市环境对 住宅价格形成 的影响分析
ＥＦ Ｅ Ｓ ＯＦ Ｃｌ Ｙ Ｖｌ Ｆ ＣＴ Ｔ ＥＮ ＲＯＮＭＥＮ ＨＥ Ｆ Ｔ ＯＮ Ｔ ＯＲＭＡ ＯＮ ＯＦ ＨＯＵ ＮＧ Ｔｌ Ｓｌ ＰＲＩ Ｓ ＣＥ
杨冬宁
ＹＡＮＧ ｎ ｎ ｎ Ｄｏ ｇ ｉ ｇ
【 摘要】住 宅承载 着众 多不同属性 ，其价格则 由
城市商品住宅价格影响因素差异性研究——以武汉城市圈为例
上述 分析说 明 ， 大城市 房地产 发展 较为成 熟 ， 响其商 品 影 住宅价格 的主要 因素是房 地产 自由发展 的市 场因素 ， 中小城 而
市房地产发 展还处于比较混乱 的局面 ， 响其 商品住宅价格 的 影
主要 因素 多为非市场 因素 。由此 ， 本文建议 中小城市政府 部门 在制定 房价 调控措施 时应根 据 自身房地 产的具 体情 况进行 决 策 ， 意区 别于大城 市房价 的调控措 施 ， 勿盲 目跟风而 忽 应注 切 略实际 ， 自身房地产的健康发展 。 影响
由以上结果可知 ， 黄石市 和鄂州市 的商品住宅价格 与其 影
响因素的回归模型拟合效果很好 ， 且均能通过 Ｆ 检验和 ｔ 检验 ， 说明黄 石市 的地方财政 一般预 算收 入能够 很好地 解释 黄石 市
对 式（ ） ２所示模型进行检验 ， 得结果如下 ：
表 １ 回 归统 计 量
回 归 系 数 Ｒ 回归 系数 Ｒ 的 平 方 调 整 了 的 Ｒ 平 方 标 准 误 差
入、 地方财政一般预算收入 、 民消费价格指数 （ Ｐ ） 居 Ｃ Ｉ等六项指 标， 分析其与商品住宅价格之间的关 系。 选取 的各项指标与商品住 宅价 格的影响关系如下 ： 地区生
产总值 （ Ｄ ） 长 ， 使房 地 产使用 需求 和 资产需 求增 Ｇ Ｐ 的增 会促
加， 进而导致商品住宅价格上升 ； 口的增加 ， 人 家庭人 口的小 型
品住 宅价格的影 响最 大 ， 方财政一般预 算收入增 加一个百分 地
表１ 中相关系数 Ｒ＝ ． ５ ， 明武 汉市 的商品住 宅价 格与 ０ ９８说 ９ 武汉市的房地产开发投 资完成额及城镇居 民人均可 支配收入 高度相关 ； 复相关系数 Ｒ ＝ ． １ ， ｚ０ ９７说明武汉市的商品住宅价格 ９ 总值 ９． ％ ９ ７ 的变动可由回归解释 ， １ 即拟合效果很好 ； 调整后的
基于Hedonic分位数模型对城市住宅价格差异性的研究——以深圳市为例
基于Hedonic分位数模型对城市住宅价格差异性的研究——以深圳市为例黄彩珠【摘要】Urban housing is a typical heterogeneous commodity, whose price is determined by the utility of all characteristics. For heterogeneous commodities, this paper is based on the sample data of commercial housing transactions in Shenzhen in 2016.Based on the related theory of Hedonic model, we use stepwise regression algorithm, Lasso penalty algorithm respectively to build housing price model. The results show that the most influential factor on the housing price of Shenzhen is the greening rate. Finally, the housing price quantile regression model is constructed with the 5％, 25％, 50％, 75％ and 95％ points of the housing price in Shenzhen. It is found that the coefficients of significant characteristic variables vary greatly at different housing price points, which is reflected in the different preferences of people on residential properties at different housing prices.%城市住宅是一种典型的异质性商品, 住宅价格由其特征带给人们的效用所决定.对于异质性商品, 本文基于2016年深圳市商品房成交的样本数据, 以Hedonic模型的相关理论为基础, 分别应用逐步回归算法、Lasso 惩罚构建对数住宅价格估计模型进行研究, 结果表明, 对深圳住宅价格影响最大的因素为住宅的绿化率;最后分别以对数住宅价格的5％、25％、50％、75％、95％分位点构建Hedonic分位数回归模型, 发现在不同的住宅价格分位点上, 显著特征变量的系数发生较大的变化, 体现出在住宅不同价位上人们对住宅所具有的特征偏好不同.【期刊名称】《广州大学学报（自然科学版）》【年(卷),期】2018(017)006【总页数】5页(P21-25)【关键词】深圳住宅价格;Hedonic模型;Lasso惩罚算法;分位数回归模型【作者】黄彩珠【作者单位】广州大学经济与统计学院, 广东广州 510006【正文语种】中文【中图分类】O212.1近年来我国政府对房地产市场的干预，相继出台相关的政策抑制炒房等各种社会现象，政府的行为具有促进市场有效的作用，且市场的内在驱动力使得房地产价格围绕价格均值附近波动[1].深圳的经济发展进入了黄金时期，各方面的经济指标遥遥领先于其他省市，房地产行业也随之迎来发展的热潮.因此，从各角度分析住宅价格成为近些年的热点问题.深圳市昂贵的住宅价格逐渐成为市民最为忧心的大事，寻找影响深圳住宅价格的特征因素，如何准确地定位深圳住宅的价格，对于开发商进行住宅项目选址、设计、定价与营销等皆具有实际参考价值.以往数据受到可获得性与真实性的限制，大多数学者对住宅定价的研究几乎都基于定性的分析.随着国家的发展以及资源的开元，数据在可获得性与真实性方面都得以改善；特征价格模型的理论方法得到了进一步的发展，涌现出大量运用Hedonic模型对房地产价格定量分析的研究成果.通过学习Hedonic模型及查找相关文献，国内不少学者运用特征价格模型对传统住宅进行学术研究.陈祝叶[2]以海南旅游地房地产为例，从宏观的角度上对海南旅游房地产价格的影响因素展开研究，发现金融贷款余额与开发商投资2个因素对海南旅游房地产价格有着较大的影响，但是居民人口和可支配收入对房地产价格却呈负相关影响；类似研究也有柳启慧[3]、唐铭杰等[4]构建了广州市10个新建商品住宅项目的Hedonic模型，发现城市购房者优先考虑中大户型住宅，靠近郊区的住宅购买者看重建筑面积和房间数量这2个因素；何里文等[5]采用特征价格模型，在异质性假设条件下，发现武广高铁的开通在提高沿线住宅价格时间效应的同时，也提高了沿线住宅的价格；研究异质性的成果还有董倩[6]、张翼[7]，他们以北京市学区房为研究对象，区分商品房与非商品房，建立Hedonic线性回归模型，结果表明，相对非重点小学，重点小学学区房溢价更高.LUO等[8]基于Hedonic模型加入考虑公共产品对中国桂林市的住房的影响进行研究，研究表明，公共产品的系数性会对关联的商品及服务产生价格的影响.JANAK等[9]将Hedonic模型的理论应用到农业用地灌溉的领域，该研究以尼泊尔农村地区的农业灌溉作为对象，结果表明，有灌溉用水的土地价格比非灌溉土地的价格更高.通过学习文献可见，Hedonic特征价格模型的应用广泛.但目前众多学者对特征变量的选择通常在宏观意义上选出较有意义的变量进行建模，极少学者是从微观意义上运用逐步回归的方法处理变量选择的问题.然而，逐步回归的方法存在一定的局限性，这种方法虽然很大程度上处理了多重共线性的问题，但也会出现特征变量的统计意义与经济意义相违背的情况.赵俊琴[10]研究表明在复杂高维数据情况下，Lasso惩罚降维方法较传统方法(如逐步回归、主成份分析)，其效能是最高的.因此,本文的创新点在于基于Lasso变量选择方法建立分位数Hedonic回归模型，研究一线城市深圳市的住宅价格的异质性.本文结合深圳住宅市场发展及影响住宅价格构成的因素，以Hedonic模型的相关理论为基础，深圳住宅价格为响应变量，宏观筛选了住宅楼层、建筑面积、房厅总数、电梯比率、楼龄、教育配套、公园配套、绿化率、生活配套、CBD距离这10个指标为特征变量，以这10个特征变量分别应用逐步回归算法、Lasso惩罚算法进行变量选择及估计模型参数，结果表明，2种算法所选取的“最优”子集特征变量都具有显著性意义，其中对深圳住宅价格影响最大的因素是绿化率，且存在正相关关系；从模型的预测精度看，Lasso惩罚算法的均方误差比逐步回归算法的均方误差要小，说明运用Lasso算法估计深圳住宅价格具有更高的精度.为更深一层探索深圳住宅价格的影响因素，考虑到住宅市场的分层结构，即在不同价格层次的住宅中，将会出现影响程度不同的特征变量，甚至出现统计显著的特征变量不同.本文的主要贡献在于，运用Lasso惩罚算法对特征变量进行变量筛选，并且分别以深圳住宅价格的5%、25%、50%、75%、95%为分位点构建线性分位数回归模型，更加具体地分析了深圳住宅在不同价格下与特征变量之间的相互关系.结果表明，在不同的住宅价格分位点上，特征变量对住宅价格的影响程度具有明显的差异性，体现了深圳住宅市场因住宅价格不同而存在市场分割，说明在不同的住宅价格下，人们所考虑的住宅特征变量的影响程度不同，这为投资商进行住宅项目选址、设计与定价等提供了重要的参考依据.1 深圳住宅价格的研究方法1.1 半对数Hedonic模型Hedonic模型定价的核心内容:由于住宅是由众多不同的特征因素组成的，住宅价格是由所有特征带给人们的效用决定的.由于不同的特征数量和特征组合各特征的数量及组合方式不同，使得房地产的价格产生差异.BUTLER[11]指出区位特征、建筑结构以及邻里环境是影响房地产价格的3大影响因素，并构建了住宅特征价格模型：P=f(L,S,N),其中N表示区位特征，S表示建筑结构特征,N表示邻里特征.f(·)的函数形式通常有3种，分别为①线性函数：f(xi)=β0+∑βixi+εi；②对数函数：lnf(xi)=β0+∑βilnxi+εi；③半对数函数：lnf(xi)=β0+∑βixi+εi；其中β0,βi为回归系数，εi满足高斯-马尔可夫假设.在本文，主要研究的特征价格模型的形式为(1)其中β0为截距项，βi,i=1,…,p为回归系数，lnP为深圳住宅价格P的对数形式，作为响应变量；xi,i=1,…,p为特征变量；ε满足高斯-马尔可夫假设.1.2 Lasso惩罚在统计模型分析中，通常会把与响应变量有关的特征变量尽可能的引入模型中，然而，有可能把与响应变量影响不大甚至没有关系的特征变量也引进回归模型，这将导致增加模型的复杂度，甚至会引起错误的估计参数β；为此需要对特征变量进行选择，传统的变量选择方法有AIC、BIC等准则选择特征变量，但当特征变量维数较高时会引起维数灾难.于是TIBSHIRANI[12]提出了Lasso算法，Lasso算法与传统的算法相比优点在于可以进行连续的选择变量和模型参数估计.Lasso 的主要思想是在无偏估计——最小二乘法的基础上加入1个惩罚项，通过使系数的绝对值和小于某一个常数来最小化残差平方和，通过牺牲估计的有偏性来提高预测的精度以及模型的可解释性.Lasso算法的参数解如下:(2)在R语言环境中计算Lasso参数估计的最佳方式是调用lars函数.lars函数会一次计算出整个Lasso的路径.1.3 分位数回归模型分位数回归是在给定特征变量下，估计响应变量的条件分位数的一种方法，是传统回归的延伸[13]，不仅可以反映响应变量均值水平受到特征变量的影响，还可以得到响应变量的其它分位数受到特征变量的影响.在现实生活中，不仅需要了解特征变量对响应变量平均水平上的影响，而且需要清楚特征变量与响应变量其他分位点上的关系.自从KOENKER等[14]提出分位数回归理论后，随着计算及技术的发展，被广泛运用到计量经济学、医生态学等领域.下面介绍分位数回归基本理论方法：对于任意随机变量Y，它的分布函数为F(y)=P(Y≤y)，则随机变量Y的第分位数函数为Q()=inf{y|F(y)≥}(3)其中y为随机变量Y的取值；为0<<1分位数点；对于任意的0<<1，Q()可以刻画随机变量Y的所有性质.进一步推广到样本线性分位数回归，基于深圳特征价格模型(1)式中，记x为特征变量xi,i=1,…,p组成的列向量；给定特征变量x，深圳住宅价格P的对数形式分位数回归模型为QlnP(x)=x′β()(4)通过优化目标函数(5)式：(5)则可得到深圳住宅价格在分位点上建立的模型参数β()的估计).2 深圳市住宅市场定价的实证分析2.1 数据的描述及预处理本文采用深圳市2016年商品房成交信息进行实证分析.数据来源于深圳市房地产信息、深圳市房地产房天下等网站.收集286个样本，以住宅成交价格的对数形式lnP(万元)作为响应变量.表1中解释变量包括：①住宅楼层(x1)，即住宅楼房的层数；②建筑面积(x2)，即建筑物的占地面积；③房厅总数(x3)，即整套房子卧室、客厅的总数量；④电梯比率(x4)，即电梯的个数与总户数的比率；⑤楼龄(x5)，即住宅建成年至2016年的年份；⑥教育配套(x6)，是以加分的形式定义变量，具体是配有幼儿园、普通小学、普通中学各加1分，配有重点小学加2分，配有重点中学加3分；⑦公园配套(x7)，即1 km内配有公园的个数；⑧绿化率(x8)，表示绿化面积总和与用地面积的比率；⑨生活配套(x9)，表示1 km内设有超市、银行、医院、泳池、运动场馆、图书馆的各加1分；⑩CBD距离(x10)表示小区与商业中心的直线距离的公里数.表1给出了住宅价格及解释变量的描述性统计特征.本文首先对数据分别进行了多重共线性检验和异常值分析.表2可见10个解释变量对应的方差膨胀因子(VIF)都在0～10之间比较小，说明这10个解释变量之间不存在多重共线性.在异常值分析中，发现有5个样本的学生化残差值大于3，因此，将这5个异常的样本剔除，并画出剩余281个样本的学生化残差图(图1).可以发现，残差值随机分布在0附近，没有明显的趋势性.表1 深圳住宅价格及特征变量的描述性统计量Table 1 Descriptive statistics of Shenzhen house prices and characteristic variables 变量样本量最小值中位数最大值均值标准差住宅价格(P)286813501 950410.663 6257.461 7住宅楼层(x1)2864244722.276 210.192 4建筑面积(x2)28616.073.5182.074.946129.064 1房厅总数(x3)2861483.720 31.324 0电梯比率(x4)28600.31.50.315 50.229 2楼龄(x5)2861113211.531 56.523 2教育配套(x6)2860262.534 91.469 2公园配套(x7)2860130.863 60.878 0绿化率(x8)28600.360.850.382 20.126 2生活配套(x9)2861463.678 31.033 5CBD距离(x10)28615227.146 84.904 6表2 特征变量的方差膨胀因子检验结果Table 2 Variance inflation factor results of characteristic variables变量x1x2x3x4x5x6x7x8x9x10VIF1.65253.494 53.133 91.817 81.619 41.691 91.258 71.110 01.645 01.410 8图1 学生化残差图Fig.1 Plot of studentized residual2.2 构建深圳住宅价格“最优”半对数Hedonic模型本文假设的半对数Hedonic全模型形式为lnP=β0+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+β7x7+β8x8+β9x9+β10x10+ε.从预处理后的281个样本中随机抽取了200个样本作为训练集，剩下的81个样本作为测试集.在训练样本集中，运用逐步回归(step)算法最小AIC准则以及Lasso 算法最小Cp准则进行了变量选择；并且分别运用最小二乘方法和Lasso惩罚方法估计回归系数.为了比较逐步回归(step)与Lasso算法的均方误差，利用样本测试集预测住宅价格并计算2种算法对应的均方误差.回归系数及均方误差的具体计算结果见表3.从表3还可以发现：(1)住宅楼层(x1)、公园配套(x7)、生活配套(x9)为不显著变量，它们对深圳住宅价格几乎没有线性影响.(2)电梯比率(x4)、教育配套(x6)、绿化率(x8)3个变量有较大的正相关影响，符合实际意义；其中住宅价格受绿化率的影响最大，体现深圳市民更偏爱有较多绿化的住宅.大城市在大力推进工业化的进程中，往往忽略了环境的保护，使得空气质量在下降，人们在购房时往往更加愿意选择绿化率较高的地方，空气相对清新. (3)楼龄(x5)、CBD距离(x10)对住宅价格有负相关影响，也符合实际意义.另外，逐步回归算法和Lasso算法所选入模型的变量是一样的，从均方误差来看，在本例中Lasso变量选择方法和step变量选择方法所得结果差别不大.表3 Step和Lasso回归系数及均方误差结果Table 3 Step and Lasso regression coefficients and mean square error results方法^β2^β3^β4^β5^β6^β8^β10均方误差step0.010 20.062 10.131 7-0.006 10.121 50.268 3-0.015 20.034 1Lasso0.010 50.043 40.112 0-0.002 90.11700.204 3-0.009 40.031 22.3 构建深圳住宅价格分位数回归模型根据黄静[15]的观点,认为深圳住宅市场因住宅价格不同而存在市场分割.将分位数回归分析本组住宅价格数据，在R软件的环境下，基于预筛选后的281个样本，运用quantreg包中的rq()函数构建分位数回归模型，分别得到5%、25%、50%、75%、95%分位点上深圳住宅价格特征变量参数的估计值(表4).表4 分位数回归系数结果1)Table 4 Quantile regression coefficient results截距项分位点(5%)分位点(25%)分位点(50%)分位点(75%)分位点(95%)截距4.2730∗∗∗4.594 6∗∗∗4.604 8∗∗∗4.658 4∗∗∗4.922 8∗∗∗x20.008 2∗∗∗0.0098∗∗∗0.009 9∗∗∗0.010 6∗∗∗0.010 0∗∗∗x30.096 6∗∗0.065 1·0.048 3∗0.039 70.029 9x4-0.032 70.085 90.156 5·0.185 1∗0.209 2·x5-0.004 6-0.005 0·-0.003 5-0.002 4-0.006 7∗x60.114 7∗∗∗0.112 0∗∗∗0.122 7∗∗∗0.1353∗∗∗0.130 7∗∗∗x80.483 8∗0.080 50.348 5∗∗0.306 0∗∗0.406 4∗x10-0.0147∗-0.013 6∗∗-0.012 6∗∗∗-0.012 2∗∗-0.013 6∗∗1)***、**、*、·表示显著性水平分别为0.1%、1%、5%、10%.从表4可知，模型的解释变量几乎都是显著的，而且通过不同分位点比较，特征变量对住宅价格的影响机制具有显著差异.表4的具体分析结果如下：(1)解释变量建筑面积(x2)、教育配套(x6)、绿化率(x8)、CBD距离(x10)几乎在所有的住宅价格的分位点上都是显著的；其中CBD距离(x10)对住宅价格呈现负相关性，说明在其它特征变量不变下，住宅离CBD越远，其价格越低.特别地，对住宅价格影响程度最大的特征变量是绿化面积，且呈正相关关系.说明无论构建哪个分位点的住宅价格模型，建筑面积、教育配套、绿化率、CBD距离这4个特征变量是购房者优先考虑的因素.(2)特别地，房厅总数(x3)在中低分位数(5%、25%、50%)回归模型中具有显著性意义，而在高分位数回归模型中是不显著的.而电梯比率(x4)在中高分位数(50%、75%、95%)回归模型中是显著的，但在低分位数回归模型中是不显著的.这也体现了解释变量在不同的分位数回归模型中，对住宅价格产生的影响程度不同.3 结论本文通过深圳市房地产信息网以及房地产房天下网站等收集了286个样本数据，对深圳市住宅价格问题进行实证研究.通过运用最小AIC准则的逐步回归算法和最小Cp准则的Lasso算法对10个解释变量进行特征筛选；构建“最优”半对数Hedonic模型；考虑到住宅市场的分层结构，进一步对深圳住宅价格建立分位数回归模型，分析不同价位的住宅价格是否存在不同程度的影响因素.主要得到以下结果：(1)通过对深圳住宅价格建立“最优”半对数Hedonic模型发现，从衡量指标均方误差来看，Lasso算法较逐步回归算法的均方误差小，相差不大，但说明Lasso有更高的预测精度.而且结果表明，电梯比率、教育配套以及绿化率对住宅价格有较强的正相关性，说明在选购住宅时，生活质量高的深圳市民倾向于选择电梯比率高、教育配套好以及绿化环境好的住宅，尤其看重绿化环境.(2)在进行分位数回归分析时，发现不管在哪个分位点上，建筑面积、教育配套、绿化率、CBD距离这4个解释变量都具有显著影响，是不可忽略的4个影响因素；然后，在中低住宅价格分位点上，房厅总数指标也是重要因素，而在中高住宅价格分位点上，电梯比率也是重要的因素.说明在不同的分位点上，对住宅价格有显著性影响的解释变量发生明显的差异.因此,深圳市房产相关的部门应该更注重建筑面积、教育配套、绿化率、CBD距离的设计及建设，而且在规划不同价格的住宅时，需要考虑不同的特征变量，以达到合理的设计及预算，实现利润的最大化.参考文献：【相关文献】[1]宫汝凯. 财政不平衡和房价上涨：中国的证据[J]. 金融研究, 2015,37(4):66-81.[2]陈祝叶. 海南旅游房地产价格影响因素研究[D]. 长沙：湖南师范大学, 2011.[3]柳启慧. 基于HEDONIC模型的滨海旅游地产价格影响因素研究[D]. 上海：上海大学, 2013.[4]唐铭杰, 刘宣. 城市住宅结构特征的居民偏好分析[J]. 经济地理, 2015,35(5):72-77.[5]何里文, 邓敏慧, 韦圆兰. 武广高铁对住宅价格影响的实证分析——基于Hedonic Price模型和微观调查数据[J]. 现代城市研究, 2015,30(8):14-20，25.[6]董倩. 重复特征“R-H”交易法——二手房价格指数编制方法研究[J]. 统计研究,2017,34(3):118-128.[7]张翼. 学区房溢价的再估计：以北京市为例[J]. 经济问题探索, 2017, 38(8): 57-63.[8]LUO Y, LI S, ZHANG Y. Urban environment improvement assessment by using hedonic price: Impact of city water system project in china[J]. Environmental Progress & Sustainable Energy, 2018, 37(4): 1339-1347.[9]JANAK J, MOHAMMAD A, ROBERT P B. Valuing farm access to irrigation in Nepal: A hedonic pricing model[J]. Agricultural Water Management, 2017, 181(2): 35-46.[10]赵俊琴. 基于Lasso的高维数据线性回归模型统计推断方法比较[D]. 太原：山西医科大学, 2015.[11]BUTLER R V. The specification of Hedonic indexes for urban housing[J]. Land Economics, 1982, 58(1): 96-108.[12]TISHIRANI R．Regression shrinkage and selection via the Lasso[J]. Joural of the Royal Statistical Society, Series B, 1996, 58(1):267-288.[13]关静,史道济.分位数回归与上证综指VaR研究[J]. 统计与信息论坛, 2008, 23(12):15-19.[14]KOENKER R, BASSETT G J. Regression quantiles[J]. Econometrica, 1978, 46(1):33-50.[15]黄静. 城市居民住房消费选择中的“新房偏好”效应研究——基于分位数模型的反事实分解[J]. 管理评论, 2017,29(11):41-49.。
城市居民租购住房偏好差异及其影响因素——以杭州市为例的实证研究
・
２・
浙 江 工 业
大 学 学 报 （ 会科学版 ） 社
第 ｌ ０卷
标 函数 ， 过 模 型分 析 消费 者 租 购偏 好 与 选 择 。 通
人家 庭动 态 数据 库 ， 立 了以居 民性 别 、 龄 、 建 年 家 庭 恒 常收人 、 婚姻 状态 、 家庭人 口、 购相对成 本 、 租
的学者 开始将心理 因素作 为居 民住 房租购 选择 的 重要影 响因素 。如 Ｂ ｎ Ｓ ａ ａ 通 过对 以色列 ３ ５ ｅ ．ｈ ｈｒ １ 个 大学新 生 的调 查 ， 发现 心 理 和经 济 因素 在居 民
换容 易 ；％ 的被调查 者是 因为 经济 收入低无法 购 ８ 房或 已经拥有 属于 自己的住房 ；４ １ ％为 其他 因素 。 剔除 租金低 以及 经济 收 入过 低 原 因 ， 即忽略 经 亦
基 金 项 目 ： 家 自然科 学基 金 课 题 （０ ７ １６ 国 ７ ７ ３ ０７） 作 者 简 介 ： 多 长 （ ９９ ） 男 ， 南 泌 阳 人 ， 授 ， 士 ， 事 城市 房 地 产 经 济 学 、 地 经 济 学 研 究 ； 巧 奇 （ ９６ ） 女 ， 江 临 安 人 陈 １６ 一 ， 河 教 博 从 土 余 １８一， 浙
硕 士研 究 生 ， 事 房 地 产 经 济学 研 究 ； 晓 芬 （９ ５ ） 女 ， 江 宁 波人 ， 授 ， 士 ， 事 房 地 产 经 济学 研 究 。 从 虞 １６ － ， 浙 教 博 从
① 数据系浙江工业大学房地产研究所《 浙江住 房问题》 浙江省政协 委托 ） （ 课题组调研取得 。
济 因素 时 ， 只有 占总样 本 的 １ ％受 访者 偏好 于 租 ２ 房。
住 房租购选 择 中是 高度 相关 的 ， 但心 理 因 素 比经 济 因素 的影 响更显 著 ， 更 能解 释现 实 的住 房 租 也 购选择行 为 』 。
我国房价影响因素的区域性差异研究
我国房价影响因素的区域性差异研究
易颖;刘美伶
【期刊名称】《时代金融》
【年(卷),期】2019(0)29
【摘要】房地产对社会与经济发展、人民生活生产都起着重要作用,由于不同城市间地理位置、经济、文化等的差异,所以我国东部、中部、西部地区的房地产业发展存在较大差异。
本文主要从区域差异角度分析商品房价格的影响因素,实证得出结论,我国东部地区的房地产价格变动相对中部和西部地区更为敏感,且各地区相差较大,应适当通过宏观经济政策缩小东中西部地区的发展差距。
【总页数】3页(P45-46)
【作者】易颖;刘美伶
【作者单位】华中师范大学经济与工商管理学院;湖南农业大学经济学院
【正文语种】中文
【中图分类】F299.23
【相关文献】
1.雾霾关注度区域性差异影响因素研究
2.基于Panel Data模型的内蒙古房地产价格影响因素的区域性差异研究
3.中国品牌成长的区域性差异及其影响因素研究——基于《中国500最具价值品牌》的实证分析
4.房价微观影响因素的空间差异性研究
5.人力资本水平对房价影响的区域性差异研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
城市商品住宅价格影响因素差异性研究
【摘要】无论是大城市还是中小城市，都应当采取合理的措施对当前严峻的房价形势进行宏观调控，但目前国内对中小城市房价问题研究较少，使得中小城市政府部门缺少对房价调控的具体依据。
本文以武汉城市圈为例进行实证研究，通过建立商品住宅价格与其影响因素的多元线性回归模型，分析了中小城市与大城市商品住宅价格影响因素的差异性，提出了中小城市政府部门制定房价调控措施应考虑自身实际，注意区别于大城市调控措施的建议。
【关键词】商品住宅价格多元线性回归模型影响因素
差异性
近年来，我国房地产价格迅速上涨，部分地区房价持续飙升，房价的上涨超过了居民收入的上涨水平，商品住宅的价格已远远超出了大多数普通市民的收入承受能力。
房价增长过快的趋势，不仅极大地影响了城市居民的生活质量，也是整个国民经济持续平稳发展的一个不稳定因素，房价问题已成为一个引起广泛关注的重要经济问题和社会问题。
面对当前房价的严峻形势，政府有必要采取合理的措施进行调控，然而，目前国内大多是对中国总体房价或大城市房价的研究，对中小城市的房价问题研究甚少，使得中小城市的政府部门缺少对房价调控的具体依据，不利于中小城市房地产的健康发展。
因此，研究中小城市与大城市商品住宅价格影响因素的差异性，对促进中小城市房地产健康发展及制定符合中小城市房地产自身特征的调控措施具有重要意义。
一、城市商品住宅价格影响因素的指标选择及分析
影响商品住宅价格的因素众多，学者们从各自的领域用不同的方法分析出了不同的影响因素，大致包括了成本因素、经济因素、社会因素、供求因素、政策因素和其他因素。
本文对武汉城市圈商品住宅发展的实际状况进行了实证分析，但需要可以量化的指标方能进行，故在前人研究的基础上，结合目前社会发展的形势，选取表征城市综合特性的主要指标作为商品住宅价格的影响因素进行分析研究，由此选定了地区生产总值（GDP）、人口、房地产开发投资完成额、城镇居民人均可支配收入、地方财政一般预算收入、居民消费价格指数（CPI）等六项指标，分析其与商品住宅价格之间的关系。
选取的各项指标与商品住宅价格的影响关系如下：地区生产总值（GDP）的增长，会促使房地产使用需求和资产需求增加，进而导致商品住宅价格上升；人口的增加，家庭人口的小型化，人口素质的上升，都增加了对住房的需求，进而推动房价上升；房地产开发投资完成额的变化与房地产业的发展有着高度相关性，投资的增长决定着房地产业的增长；城镇居民人均可支配收入的增加会提高居民的支付能力，从而增加对房地产的需求，导致房价上涨；地方财政一般预算
收入的一个重要部分就是土地有偿转让收入，而地方政府为获取更多的地价利益在一定程度上推动了地价的上涨，进而导致房价上涨；居民消费价格指数（CPI）同房地产价格存在长期相关性，CPI的上涨会引起房价的上涨。
二、城市商品住宅价格影响因素的实证分析
本文选取武汉城市圈中作为大城市的武汉以及作为中小城市的黄石和鄂州进行研究，运用其2000—2009年房地产市场运行的实际数据，以三个城市的房地产业作为研究对象，以其商品住宅价格为主线，建立商品住宅价格与各影响因素之间的多元线性回归模型，明确各因素与商品住宅价格之间的数量关系，并就各因素对商品住宅价格的影响程度进行定量分析，从而发现中小城市与大城市商品住宅价格影响因素的差异性。
设商品住宅价格Y与6个影响因素x1，x2，x3，x4，x5，x6有如下关系：
Y=?茁0+?茁1x1+?茁2x2+?茁3x3+?茁4x4+?茁5x5+?茁6x6+?着（1）
式（1）中取自然对数，然后标准化处理之后的数据：Y为商品住宅价格；x5为地方财政一般预算收入；x1为地区生产总值（GDP）；x6为居民消费价格指数（CPI）；x2为人口；?茁0∶?茁6为回归系数；x3为房地产开发投资完成额；?着为随机误差项；x4为城镇居民人均可支配收入。
1、武汉市商品住宅价格影响因素的实证分析
根据模型（1），通过采用逐步回归法消除多重共线性，逐个引入变量得到武汉市商品住宅价格与其影响因素的回归方程如下：
Y=-0.0127+0.6730x3+0.3493x4 （2）
对式（2）所示模型进行检验，得结果如下：
表1中相关系数R=0.9958，说明武汉市的商品住宅价格与武汉市的房地产开发投资完成额及城镇居民人均可支配收入高度相关；复相关系数R2=0.9917，说明武汉市的商品住宅价格总值99.17%的变动可由回归解释，即拟合效果很好；调整后的R2=0.9905，其值较高，故选择线性回归模型进行拟合是合适的。
表2中，在显著性水平?琢=0.05下，F的统计量大于F的临界值，此外相应的概率P小于0.05，所以，在显著性水平?琢=0.05下，得到的回归模型是显著的，可以认为武汉市的商品住宅价格与武汉市的房地产开发投资完成额及城镇居民人均可支配收入是高度显著的。
表3中，在显著性水平?琢=0.05下，x3和x4的t统计量均大于t的临界值，且相应的P值均小于0.05，这说明武汉市的房地产开发投资完成额和城镇居民人均可支配收入对武汉市的商品住宅价格有显著影响。
2、黄石市和鄂州市商品住宅价格影响因素的实证分析
根据模型（1），通过采用逐步回归法消除多重共线性，逐个引入变量得到黄石市和鄂州市商品住宅价格与其影响因素的回归方程如下：
黄石市：Y=0.0351+0.9499x5（3）
鄂州市：Y=-0.0474+1.0025x6 （4）
对式（3）、（4）所示模型进行检验，得结果如下：
由以上结果可知，黄石市和鄂州市的商品住宅价格与其影响因素的回归模型拟合效果很好，且均能通过F检验和t检验，说明黄石市的地方财政一般预算收入能够很好地解释黄石市的商品住宅价格，鄂州市的居民消费价格指数（CPI）也能够很好地解释鄂州市的商品住宅价格。
三、实证分析结论
本文通过建立多元线性回归模型，分别得到了影响大城市武汉市及中小城市黄石市和鄂州市商品住宅价格的影响因素及其影响程度，论证了中小城市与大城市商品住宅价格影响因素的差异性。
从武汉市的实证分析可知，在所研究的六项影响因素中，作为市场因素的房地产开发投资完成额和城镇居民人均可支配收入对武汉市商品住宅价格影响最大，且房地产开发投资完成额比城镇居民人均可支配收入对商品住宅价格的影响更大。
在保持其他因素不变的前提下，房地产开发投资完成额增加一个百分点，则商品住宅价格增加约0.67个百分点；同理，城镇居民人均可支配收入增加一个百分点，则商品住宅价格增加约0.35个百分点。
从黄石市和鄂州市的实证分析可知，在所研究的六项影响因素中，作为非市场因素的地方财政一般预算收入对黄石市商品住宅价格的影响最大，地方财政一般预算收入增加一个百分点，则商品住宅价格增加约0.95个百分点；作为非市场因素的居民消费价格指数（CPI）对鄂州市商品住宅价格的影响最大，居民消费价格指数增加一个百分点，则商品住宅价格增加约一个百分点。
四、结语
上述分析说明，大城市房地产发展较为成熟，影响其商品住宅价格的主要因素是房地产自由发展的市场因素，而中小城市房地产发展还处于比较混乱的局面，影响其商品住宅价格的主要因素多为非市场因素。
由此，本文建议中小城市政府部门在制定房价调控措施时应根据自身房地产的具体情况进行决策，应注意区别于大城市房价的调控措施，切勿盲目跟风而忽略实际，影响自身房地产的健康发展。
【参考文献】
[1] 徼锟：我国房地产价格变化的影响因素分析[D].天津财经大学，2007.
[2] 高霞、蒋立红、厉文平：城市商品住宅价格影响因素分析[J].价格月刊，2008（1）.
[3] 沈悦：房地产价格与宏观经济的关系研究[M].北京：知识产权出版社，2006.
[4] 王冰、黄磊：浅谈居民收入水平与住房价格的关系[J].中国科技信息，2005（12）.
[5] 刘传哲、何凌云：货币政策变量对我国房地产价格的影响分析[J].中国物价，2006（10）.。