基于特征价格模型的房地产价格影响因素研究
基于Hedonic理论的住宅特征价格模型
基于Hedonic理论的住宅特征价格模型作者：刘璧婷李星野来源：《金融经济·学术版》2013年第06期摘要：本文将Hedonic理论应用于上海市住宅市场，从住宅具有的特征属性的隐含价格出发，取得住宅特征和住宅价格之间的数量关系，避免了评估人员因主观原因引起的评估偏差。
文中采用线性模型、对数模型、半对数模型等函数形式分别进行分析，分析得出半对数模型的解释能力最强。
通过运用半对数模型建立适用于上海市住宅市场的Hedonic模型，并分析影响住宅价格的因素及半弹性系数，同时进一步优化该Hedonic模型，以提高其精度及适用性。
关键词：Hedonic模型；住宅特征；量化分析；半对数模型1.引言城市的住宅价格不但与人民的生活水平息息相关，而且也是衡量一个城市或地区综合竞争力的重要指标。
近年来，我国房地产业飞速发展的同时，由于发展的不平衡，个别城市及地区房价增长尤为迅速，如北京、上海等地。
引起了人们对住宅价格问题的广泛关注，因此，对于城市住宅价格问题的讨论，比如哪些因素影响住房价格的高低，目前住宅价格的制定是否合理，房地产泡沫是否存在等问题，一直是政府、民众、开发商及购房者关注的焦点问题。
房地产商品是异质性的商品，具有地理位置的不可移动性，长期使用性，受环境影响等特点。
两套住宅在特征上均不可能会完全相同，如位置，朝向，层次，所在区域的交通环境等，造成不同的住宅商品之间无法加以比较，缺乏统一的价格标准。
国内关于城市住宅价格方面的研究很多，但大多是从城市居民收入水平与物价水平，房地产的成本构成，房地产市场的供求关系，房地产政策等方面进行定性的研究。
而国外普遍采用特征价格模型（Hedonic Price Model）对城市的住宅价格进行定量分析研究。
该模型充分包括了不同住宅特征的边际价格或者说隐含价格，能够比较好的解释住宅商品的异质性及消费者偏好等。
国内学者对于特征价格模型的研究是近十年才发展起来，而对住宅特征及价格之间进行数量关系的实证研究并不多。
容积率对住房价格的影响及实例分析
（ 6） 式（6）中，P 表示住房价格，xi 代表影响价格 的特征因素变量。 本 研 究 主 要 选 取 以 下 特 征 变 量 ：F A R（ 容 积率）、CBD（到最近商业中心距离）、HSP（到最 近综合性医院距离）、PARK（到最近公园距离）、 MTR（到最近地铁站距离）、EDU（到最近中学和 小学的平均距离）。其中，P 和 FAR 来自乐居网、 安居客、智房网和搜狐焦点网等网站，CBD、HSP、 PARK、MTR 和 EDU 等特征变量数据通过 GIS 工 具获取。 为了降低数据离散程度、减少异方差对回归 结果的影响，对住房价格及特征变量分别作对数
化处理：
（ 7） 式（7）中，α0 表示截距，αi 表示各特征变量 的影响系数，ε 表示随机误差。 4.2 研究数据 目前对于住房价格或地价与容积率之间的 关系研究多是基于大范围尺度，而对于容积率和 住房价格在小范围内的关系研究甚少。在大范围 内更容易得出容积率与住房价格之间的定性关 系，然而由于各区域的开发强度、供求关系、配 套设施、未来规划等因素不同、不同因素对于住 房价格的影响力也不尽相同，因此，要在大范围 内确定二者之间的定量关系比较困难。故而本研 究在选择案例时主要遵循以下两个原则：第一， 选取相似度较高的样本，以尽可能消除容积率之 外的因素对住房价格的影响；第二，选取用地类 型、地块所处的级别等基本一致的样本。 基于以上原则，选取上海市奉贤区南桥板块 的 20 个住宅楼盘（见表 1），以及黄浦区的 16 个 住宅楼盘（见表 2）分组对容积率和住房价格的
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。
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
基于TSA-BP的商品住宅价格研究
基于TSA-BP的商品住宅价格研究
胡支滨;秦宇;韩阳
【期刊名称】《华北理工大学学报:自然科学版》
【年(卷),期】2022(44)3
【摘要】基于海南省主要城市的房地产行业发展,利用因子分析对其商品住宅价格的影响因素做定性与定量分析。
结合SPSS软件并通过建立多元回归模型实现商品住宅房价与其主要因素之间的线性关系,然后再基于所得到的指标体系与数据,构建灰色预测与TSA-BP相结合的组合预测模型,并结合海南省出台的限购政策,验证组合预测模型两者之间的算法精度。
结果表明,构建的TSA-BP模型具有显著的预测效果,且可以得到很好的应用推广。
【总页数】8页(P111-118)
【作者】胡支滨;秦宇;韩阳
【作者单位】华北理工大学理学院;华北理工大学管理学院
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于空间分析的城市商品住宅价格空间分布研究——以南京市2007年开盘在售商品住宅为例
2.基于经济学软件运算环境下商品住宅价格的宏观研究综述——以国内研究为例
3.基于特征价格模型的商品住宅价格影响因素研究——以银川市为例
4.基于灰度模型的商品住宅价格分析与预测研究
——以安徽合肥市为例5.存量发展阶段城市更新模式对商品住宅价格的影响——基于深圳样本的实证研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于特征价格理论的宜春市住宅价格研究
江西
丰城
３ １ｏ ） ３ ｌ ｏ
要 】 文 以 宜春 市 为研 究 对 象 ， 过 调 研 收 集住 宅 交 易 资 料 ， 建 宜 春 市 住 宅 特 征 价 格 模 型 ， 用 Ｓ Ｓ 本 通 构 运 Ｐ Ｓ软 件 对模 型进 行 多 元 回 归 分
析 ， 到 了各 主要 属 性 的 隐含 价 格 ， 对 各 属性 价 格 进 行 了简 要 弹 性 分 析 ， 得 并 为供 求双 方和 政 府 相 关 部 门的 决 策 提 供 参 考 。
２１ 年 ００
第 １ 期 ５
ＳＩＮ Ｅ＆Ｔ Ｃ Ｎ Ｌ Ｇ ＩＦ Ｒ Ａ ＩＮ ＣＥ Ｃ Ｅ Ｈ Ｏ Ｏ Ｙ Ｎ Ｏ Ｍ ＴＯ
０本刊重稿 ０
科技信息
基于特征价格理论的宜春市住宅价格研究
邱 爱 保 ’ 甘 永 红
（。 学 院数学 与计算 机科 学学 院 １宜春
【 摘
江西
宜春
３ ６ ０ ２丰城市 淘沙 中学 ３ ０ ０：．
【 键词】 关 特征 价 格 ； 多元 回 归分 析 ； 性价 格 ； 策 属 决
住 宅 是 城 市 居 民家 庭 生 活 的 必 需 品 ， 居 民 消 费 中 占 有 很 大 的 比 ２ 宜 春 市 住 宅价 格 属 性 分 析 与 变 量 量 化 在 重 。 随着 国家 经 济 的不 断 增 长 和 人 民 生 活水 平 的 提 高 ， 房 质 量 不 断 住 鉴 于 宜 春 市 城 市建 设 的情 况 ，城 市 中心 由城 南 渐 渐 向城 北 发 展 ， 完 善 ， 们 的 住 房 需 求 也 不 断发 生 变 化 ， 性 需 求 、 善性 需求 不断 被 人 剐 改 宜春 城 区构 成 了 以环 城 路 为 主 体 向 周 边 辐 射 的 交 通 体 系 ， 以将 区 位 所 提 出 。住 房 价 格 是 人 们关 注 的 中心 ， 理 评 估 住 房 价 格 是 供 求 双 方 达 合 建 建 建 成 共 识 的基 础 。 根 据 《 房地 产 估 价 规 范 》 通 行 的评 估 方 法 有 市 场 比较 特征 定 义为 环 城 路 以 内或 两 侧 ； 筑 结 构 则 括 建 筑 面 积 、 筑 类 型 、 ， 筑 年 龄 、 层 、 间 数 目 、 厅 数 目 、 修 程 度 、 否 有 车 位 、 库 或 柴 楼 房 客 装 是 车 法 、 益法 、 余法 、 本 法、 准地价修正法等【 收 剩 成 基 １ １ 些 方 法 使 用 相 对 。这 棚 问 等 ； 里 环 境 包 括 小 区环 境 、 活 配 套 、 育 配 套 、 业 管 理 质 量 、 邻 生 教 物 简 便 ， 于 操 作 ， 带 有教 强 的主 观 性 。 易 但 自然 景 观等 。根 据 宜 春 市 城 区的 实 际 情 况 ， 取 如 下 主 要 特 征 作 为 特 选 特征价格 理论 ， 又称 Ｈ ｄｎｃｍ ｄ ｌ ｅ ｏｉ ｏ ｅ（ 简称 Ｈ Ｍ ， 数学 手段科学 Ｐ １用 征 变 量 并进 行 量 化 （ 表 １ 。 见 ） 地 将 质 量 变 化 过 程 加 以量 化 ， 免 了主 观 原 因引 起 的 测 量误 差［ 它 的 避 ３ １ 。 个 重 要 应 用 就是 它 可 以运 用 价 格 回归 ， 定 对 商 品价 格 有 直 接 影 响 ３ 模 型 的 估 计 和 检 验 确
浅析特征价格法在房地产评估中的优势
浅析特征价格法在房地产评估中的优势张心扬 杨双粹（四川大学锦城学院，四川 成都 611731）摘 要：房地产行业蓬勃发展，对房地产评估方法的研究也在不断与时俱进，不同评估方法所产生结果的差异，引起了业界人士的广泛关注。
在研读了相关理论研究之后，本文从特征价格法入手，与传统评估方法，如市场法、收益法、成本法三大传统方法相比较，得出特征价格法在房地产评估中的适用性与优势，以期为房地产评估的实务工作提供些许思路。
关键词：特征价格法；房地产价值评估；传统评估方法在全球未来之大变局下，我国经济体制呈现出显著优势，经济的发展带动了国内内需，资产评估行业也随之日新月异，向好发展。
房地产评估作为资产评估体系中不可或缺的一环，是一项具有极强实操性的专业活动，对现代房地产开发、交易、课税及投资等服务行为具有指导意义。
房地产行业的市场化，正是印证了房地产评估的重要性和前瞻性。
根据房地产评估中常见评估方法的特点和优势，建立符合我国房地产评估发展的评估体系，推动我国房地产评估事业的发展。
当然，只有在正确地把握各种评估方法的基础上，加以综合运用，才能适应我国房地产评估的要求。
对于特征价格法，该方法的起步研究时间较晚，于1996年由中国人民大学蒋一军等率先将特征价格法应用于异质性的产品研究中，并将该法逐步引向房地产行业，在获得广泛认可后才将该方法应用在房地产价值评估中。
随后，经过不断改进及实践，特征价格法成为房地产评估中举足轻重的评估方法之一。
一、特征价格法概要分析特征价格法（Hedonic Pricing Method， HPM）是一种用特征价格来反映商品或者服务的价格的方法。
特征价格的核心思想是同类差异产品的价格是由产品内包含的各个特征所对应的效用组成的，在保持产品特征不变的情况下，通过将产品内所包含的各个特征对应的价格从总价格中分离出来即能判断出各个特征对产品价格做出的贡献。
特征价格法是一种综合性的评估方法，在房地产评估中，它将房地产看作包含着众多不同因素的评估对象，以内在的特殊属性和自身性质的差异为切入点，再以消费者效用及偏好基本理论为基础，对房地产价值进行细分评估。
房价的影响因素分析及预测模型——基于北京市相关数据的实证研究论文
毕业论文房价的影响因素分析及预测模型——基于北京市相关数据的实证研究摘要房地产既是我国国民经济的支柱产业，也是关系重大的民生问题。
本文以北京市经济适用房销售价格、北京市生产总值等相关数据为例，分析房价的主要影响因素，建立房价与其影响因素的关系模型对北京市房价进行准确预测，并根据得出的预测结果对房地产发展提出合理性意见：问题一，建立影响房价的指标体系，利用SPSS16.0软件将各指标数据进行折线图描述，将变化偶然性较大的货币供应量删除，建立主成分分析模型提取主成分，将各指标对各主成分的贡献率加权得到每个指标的总贡献率，比较得出影响北京市房价的六项主要指标依次为：居民家庭人均收入，房地产开发投资额,北京市生产总值，经济适用房销售价格，人均住宅建筑面积，新增保障性住房面积。
问题二，建立逐步回归模型，根据SPSS16.0软件的运行结果显示，被剔除的前六个变量与问题一得出的六项主要指标一致，证明结论正确。
建立多元回归分析模型，由SPSS16.0软件实现得到北京市房价与其主要影响因素的关系模型为：。
问题三，建立曲线估计模型，通过SPSS16.0软件拟合得到各指标变量随时间拟合的曲线方程（见表3·1），将预测房价与实际值进行比较，其平均误差仅为5.14%，说明预测效果良好。
利用MATLAB7.0软件运行得到各指标及房价在2000至2015年的房价（见表3·6）稳中有升。
问题四，根据所得预测结果、北京房地产市场结构、政府相关政策，结合经济学知识，对北京市房地产发展提出合理建议。
最后，对所建模型进行了优缺点评价，在模型推广种介绍了这几个模型的广泛应用。
关键词：房价预测、影响因素、主成分、线性回归、曲线拟合一、问题重述1.1问题的背景及条件俗话说；“安居才能乐业！”在我国的传统观念中房子就家，不管住别墅还是住瓦房，每一个家庭都必须有自己的住房，因此住房问题本生就是关系国计民生的大问题。
同时，随着改革开放以来我国经济的高速发展，人民生活质量得到了极大提高，对住房质量、住房环境、小区配套服务等的要求也随之不断提高。
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。
基于多元回归分析模型的房地产价格影响因素研究
文献综述
早期的研究主要集中在单一因素对房地产价格的影响上，如经济因素、政策 因素、区位因素等。随着研究的深入，学者们开始运用多元回归分析模型，综合 考虑多种因素对房地产价格的影响。国内外学者的研究结果存在一定差异，但总 体上呈现出多元性、复杂性和区域性的特点。
研究方法
多元回归分析是一种统计学方法，用于研究多个自变量与因变量之间的关系。 在此研究中，我们运用多元回归分析模型，以房地产价格为因变量，以影响房地 产价格的多种因素为自变量，包括经济因素、政策因素、区位因素等，通过建立 数学方程式，对各个因素对房地产价格的影响程度和方向进行定量分析。
4、区位因素中，不同区域的房地产价格存在显著差异。一般来说，城市中 心的房地产价格高于郊区和工业区，这主要是由于城市中心的交通、教育、医疗 等配套设施较为完善，吸引了更多的购房者。
根据研究结果，我们提出以下针对房地产市场的建议和策略：
1、经济增长、利率水平等经济因素的变化，以及城市化进程和居民收入水 平的增长趋势，以便更好地把握房地产市场的发展方向。
3、区位因素：城市规模、交通便利程度、居民收入水平等区位因素对房地 产价格具有显著影响。一般情况下，城市规模越大、交通便利程度越高、居民收 入水平越高的地区，房地产价格也越高。
未来研究方向
本研究虽然取得了一定的成果，但仍存在以下限制：首先，本研究仅选取了 部分影响因素进行探讨，可能还存在其他未考虑的因素；其次，本研究的数据来 源于过去几年，未来市场环境的变化可能会影响研究结果；最后，多元回归分析 模型本身也存在一定的局限性，如无法处理非线性关系等问题。
在具体操作中，我们采用SPSS软件进行多元回归分析。首先，进行变量筛选， 选取对房地产价格影响较为显著的变量。然后，运用多元回归分析模型进行拟合， 通过系数估计、t检验、F检验等多种统计方法，检验模型的拟合效果和变量的显 著性。最后，对模型进行解释和讨论。
住宅特征价格分析_以广州为例
第11卷第7期2012年7月广州大学学报（社会科学版）Journal of Guangzhou University （Social Science Edition ）Vol．11No．7Jul．2012收稿日期：2012-01-09作者简介：贾士军，广州大学教授，从事房地产市场管理、房地产估价、房地产营销研究。
住宅特征价格分析———以广州为例贾士军1，蔡砥2（1．广州大学商学院，广东广州510006；2．广州大学地理科学学院，广东广州510006）摘要：以广州二手交易的596个高层楼盘、3703个交易样本为研究基础，采用特征价格法测度了影响广州市住宅价格的主要因素，它们分别是与商业中心的距离、与山江公园的距离、与地铁的距离、噪音、户型间隔、装修档次、朝向、楼层、楼龄、阳台数量10项因素，并给出了影响因素的隐含价值。
关键词：住宅；特征价格；Hedonic 模型；广州市中图分类号：F 293．3文献标识码：A文章编号：1671-394X （2012）07-0065-04一、问题的提出住房价格历来是社会议论的热点话题，人们经常会问：到底是什么因素在影响房价？国内外学者主要采用特征价格法（国外称为hedonic pricing model ）开展房价影响因素研究。
例如：Sirpal R．（2004）、Des Rosiers F．等人（1996）研究了购物中心对周围房地产价格的影响［1］；So H．M．等人（1997）估计了香港交通对房价的影响［2］；Palmquist R．B．（1992）研究了局部外部设施对住宅价格的影响［3］；Tyrvainen L．（1997）研究了城市森林的舒适性的价值［4］；Levesque T．J．（1994）以加拿大温尼伯国际机场为例，模拟了机场噪音对住宅市场的影响［5］；Ghebreeg-ziabiher Debrezion 等人（2006）研究了荷兰轨道交通对房地产价格的影响［6］；Stevenson （2004）证实了住宅年龄对住宅价格的影响［7］；Haurin 等人（1996）研究了美国俄亥俄州地区学校质量对住宅价格有很大的影响［8］。
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
住宅的特征与特征的价格基于特征价格模型的分析
特征价格模型被广泛应用于住宅市场研究，主要是因为其能够将住宅价格分 解为各个特征的价格，从而更加深入地了解各个特征对住宅价格的影响程度和作 用机制。此外，该模型还考虑了消费者对住宅特征的偏好和需求，因此能够更加 准确地预测住宅市场的供求关系和价格走势。
特征价格模型的适用性分析
虽然特征价格模型在住宅市场研究中具有广泛的应用，但也存在一定的局限 性和改进空间。首先，特征价格模型假设消费者对住宅的特征具有完全理性的偏 好，但在实际市场中，消费者的偏好往往受到多种因素的影响，如个人经历、文 化背景等。其次，该模型假设市场供求关系处于平衡状态，但实际情况中，市场 供求关系可能存在不平衡现象，导致价格波动和市场竞争加剧。
特征价格模型解释
特征价格模型是指将商品的价格分解为各个特征的价格之和，即商品的总价 格等于各个特征的价格与其权重的乘积之和。在住宅市场中，特征价格模型可以 表示为：住宅价格=α+β1×地理位置+β2×户型+β3×面积+β4×装修+……其 中，α表示住宅的平均价格，βi表示各个特征的权重。
在特征价格模型中，地理位置、户型、面积、装修等特征都被视为影响住宅 价格的重要因素。地理位置特征主要包括城市、区域、交通等；户型特征主要包 括房间数、面积、朝向等；面积特征主要包括建筑面积、使用面积等；装修特征 主要包括装修材料、风格等。这些特征都对住宅价格产生不同程度的影响。
住宅市场现状分析
当前，住宅市场呈现出稳步发展的趋势。根据国家统计局数据，2022年全国 住宅销售面积为11.5亿平方米，同比增长4.8%，销售额达到13.7万亿元，同比增 长5.8%。同时，住宅市场竞争格局也日趋激烈，市场化程度不断提高。在住宅市 场中，根据价格、品质、地理位置等特征，可以将住宅分为高端住宅、中端住宅 和低端住宅。不同类型住宅的市场份额和消费群体也存在差异。
基于特征价格模型的商品住宅价格影响因素研究——以银川市为例
第39卷第1期Vol.39 No.1宁夏大学学报（自然科学版）Journal of Ningxia UniversityCNatural Science Edition)2018年1月Jan.2018文章编号：0253-2328(2018)01-0086-07基于特征价格模型的商品住宅价格影响因素研究----以银川市为例孙礼胜S邓宇〃，姚晓艳S王晓涛S汪燕迪2,熊欢1(1.宁夏大学资源环境学院，宁夏银川 750021; 2.华南理工大学外国语学院，广东广州 510540)摘要：研究住宅价格的影响因素对政府决策、消费者理性购房具有重要参考意义.以银川市2014年1一12月的商品住宅价格为基础，构建特征价格模型，从价格弹性的视角，对银川市商品住宅房价影响因素进行研究.结果表 明，距离商业中心的远近是影响银川市商品住宅价格的主要因素；医疗配套、物业管理费用等要素也是影响住宅价 格的重要因素，其中物业管理费是最大因素，在其他因素不变的情况下，物业管理费每增加1元，商品住宅的价格 就上涨549. 997元.特征价格模型是研究住宅价格因素较好的方法.关键词：商品住宅价格；特征价格法；影响因素；银川分类号：（中图）F293.35 文献标志码：八商品住宅价格是房地产业发展中一个非常重要的综合性指标.自1998年国家取消福利分房之后，房地产业迎来了前所未有的繁荣，也成为国民经济中的重要引擎.但房地产在快速发展的同时也逐渐出现了诸多问题，如房地产过度投资、空置面积大、供需不平衡、市场信息不对称等[13]，其中最重要的就是房价的高速增长，这也逐渐引起社会各界的高度关注.文献显示，影响住宅价格的因素有：经济发展的水平状况、收人、市场供需关系、人口及土地供应制度、住宅管理制度等[9].研究影响商品住宅价格因素的方法很多，如郭金金借助G I S和G e o d a软 件[1°]，运用加权地理回归（G W R)模型，对济南市5个市辖区、430个不同住宅小区作相关研究[1112]，并结合不同影响因素探讨住宅小区价格的空间变化规律，进一步明确济南市住宅价格影响机理.李朵从需求、供给和宏观经济等角度出发[13]，运用灰色系统理论，对影响房地产价格的相关因素进行定量分析，以确定其对房价的影响程度，并对大连市商品住宅价格做出简单预测.邓怡用多元线性回归模型[14]，得出影响绵阳市房地产价格主要因素的线性方程，并对影响房地产价格的影响因素进行研究，最 后对绵阳市房地产价格的走势进行探讨. *近几年，国内外学者引进特征定价方法，并结合G I S技术开展实证研究[1517].特征价格法主要是对市场交易的数据信息进行处理，构建商品属性特征和价格之间的函数方程，探究各特征对住宅价格的影响程度.该方法在房地产等异质性强的领域得到广泛应用.如孔繁花在G I S的基础上，运用景观指数法，对济南市住宅进行舒适性经济价值探讨[18].吴冬梅以南京市莫愁湖为研究区[19]，运用住宅价格模型P=/(L，S，N)，定量估计特定湖泊对住宅价格的影响.但学者的研究多集中在公共交通设施或景观对住宅价格的影响上，且主要对一般影响因素进行定性描述，而对影响因素的定量研究较少.同时，实证研究主要集中在一线或发达城市，对西部或欠发达地区的研究较少.因此，笔者用特征价格模型，用定性和定量相结合的方法，以银川市为例，系 统地研究商品住宅价格的影响因素，进而探索城市商品住宅价格的规律.这对促进该地住宅房价与经济发展水平、居民收人的协调发展和住宅市场的有序健康发展有一定的参考意义.1研究区概况银川市是宁夏的政治、经济、文化中心，素有“塞收稿日期=2017-01-05基金项目：宁夏自然科学基金资助项目（NZ13022)作者简介：孙礼胜（1990—)，男，硕士研究生，主要从事城乡规划和房地产经营开发研究，（电子信箱）nxxhsunlisheng®163. com.*通信联系人：邓宇（1967—)，男，教授，博士，主要从事城乡建设与房地产开发研究，（电子信箱）228720166@ .第1期孙礼胜等:基于特征价格模型的商品住宅价格影响因素研究——以银川市为例87上江南”的美称.银川市包括3区（兴庆、金凤、西 夏）、2县（贺兰、永宁），1市（灵武）.与2014年相比，2015年银川市常住人口 216. 41万人，增长1. 7%;全市地区生产总值1 480. 73亿元，增长8. 3%;人均 地区生产总值68 983元，增长6. 2%;全年社会固定资产投资1540 88亿元，增长10. 6%;完成房地产开发投资409. 17亿元，增长5. 2%，其中住宅开发投资254. 10亿元，增长6. 3%;全年商品房销售额262. 09亿元，下降18. 7%，其中住宅销售额204. 42 亿元，下降19. 0%;全年城镇居民人均可支配收人28 261元，增加2 143元，增长8. 2%[2。
南昌市地铁一号线对沿线房地产价格影响研究——基于特征价格模型的定量分析
型。 ｌ ｎ Ｐ ＝ ， ｄ ｏ ＋ ６ ， １ ｎ ｘ ￣ ＋ ｑ ｈ ａ ｄ ， ＋ Ｅ。 ， 公式 ３ 。 所谓对数 一 线性模型， 就
ｋ ｌ
舒适 、 等特点 ， 提 高 了沿 线 区域 的通 达 性 ， 降低 了 沿 线 居 民的 交 是 指 方 程 右 边 的各 项 属 性 变 量 分 别 取对 数 后 与 左 边 的 对 数 价 通成 本 ， 从 而 改 变 了城 市 原 有 的区 位优 劣 布 局 ， 带 动 周 边 住 宅 格 呈 线 性 关 系 。系 数 ｎ 在 式 中 的 含义 为 ： 在 轨 道 交 通 车 站 和楼 增值 ， 进 而 改 变 原 有 的 住 宅 价 格 空 间 结 构 。国 内外 学 者 对 轨 道 盘 之 间 ， 距 离 的百 分 比变 化 引起 的楼 盘 价 格 的 百分 比变 化 。
以正在建设 中的 南昌地铁 １ 号线为研究对 象， 通过 建立南 昌住 宅市场 的特征价格模型 ， 运 用回归分析的方法 ， 对正在 建设 的南 昌
地铁 １ 号 线 对 周 边住 宅价 格 的 影 响 进行 实证 分 析 。
【 关键词】 城 市地铁 交通； 特征价格模型； 住 宅价格
城 市地铁作 为一种全新 的交 通方式 出现在城 市的发展 道 路上 ， 城市轨道交通 具有运量 大、 速度 快、 安全准 点、 乘车 条件
交通 与住宅价格关系的研究颇 为丰 富。 Ｌ ａ ａ ｋ ｓ ｏ对芬兰首都赫尔
３ ．特 征 变 量 的 选 择 。由于 房 地 产 本 身具 有 的 性 质 ， 房 地 产
辛基地铁 的研 究发现 ， 离地铁站 口 ｌ Ｏ ０ ０ ｍ 范围 内的土地有 ６ ％ 的特 征变量一般 分为三大类 ： 区位 特征 、 邻里特征 以及 结构特 的价格溢价 。吴公梁、 龙奋杰通过对距离轨道交通站 点不同距 征 影 响住 宅 价 格 的 特征 变量 较 多 。 离 的同质二手住宅价格进行回归 ， 得 出了 ４条表 示住宅价格和 到轨道交通站点距离的关系 曲线。结论显示 ， 在浦东 ， 轨道交通
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
我国新一线城市房价走势特征及影响因素分析
基金项目：江西省高校人文社会科学研究项目（JJ18109）。
收稿日期：2019-02-28作者简介：马娟，女，重庆石柱人，江西外语外贸职业学院会计金融学院副教授，研究方向为财务管理和金融大数据。
陈兰兰，女，江西九江人，华东交通大学理学院，研究方向为机器学习和大数据分析。
我国新一线城市房价走势特征及影响因素分析马娟1陈兰兰2（1.江西外语外贸职业学院，江西南昌330099；2.华东交通大学，江西南昌330013）摘要：鉴于新一线城市的发展潜力，对新一线城市房价的走势进行研究。
选取杭州市2009~2017年的房地产相关数据，采用Lasso 方法和遗传BP 神经网络模型分析影响房价走势的各方面因素，并对2018~2019年杭州市房价进行预测。
研究发现，年末从业人数、金融机构贷款余额、规模以上工业企业利税总额以及净迁入人口对杭州市房价具有较为显著的正向影响，产业结构对房价的影响具有差异性，而城乡居民储蓄余额对房价具有抑制影响。
最后依据结论提出几点建议，为新一线城市的房地产健康发展提供经验指引。
关键词：新一线城市；房价走势；影响因素；遗传BP 神经网络；Lasso 方法中图分类号：F293.35文献标识码：A文章编号：1674-5477（2019）06-0074-06一、引言2018年公布的15个新一线城市包括成都市、杭州市、重庆市、武汉市、苏州市、西安市、天津市、南京市、郑州市、长沙市、沈阳市、青岛市、宁波市、东莞市、无锡市，这些城市具有雄厚的经济基础、便利的交通以及独特的城市魅力等优势。
与一线城市相比，新一线城市在人口、产业、区位、带动力和影响力方面仍存在差距，但也蕴含着巨大的发展前景，部分新一线城市从某些方面来看具有跃居一线的潜力。
一个城市的房价走势往往能反映这个城市的发展状况，房价走势涉及经济、政治、文化等诸多方面。
因此，本文从2018年新一线城市房价入手，分析其走势特征和影响因素。
通过分析新一线城市房价在其影响因素下的市场运作规律，实现对房价走势的有效判断，为当前房价政策的调控提供理论依据和经验启示。
- 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)。
本科毕业论文（设计）基于特征价格模型的房地产价格影响因素研究——以贵阳市为例Research on influencing factors of real estate pricing based onhedonic price equation-an case of Guiyang作者专业指导教师分院二〇一三年五月致谢本论文是在xx老师的亲切关怀和悉心指导下完成的。
开题之初，导师就为我们每一位同学指点论文写作思路，让我心里感到踏实。
导师严肃的治学精神，严谨的治学态度，兢兢业业的工作作风，深深地影响和感染者我。
在论文设计期间，导师十分关心我们的论文进度，初稿刚刚交完就提出修改意见，为我指点迷津，帮助我开拓思路，精心点拨，热忱鼓励，使我最终得以顺利完成此文。
衷心感谢xx老师，这篇论文的每个细节都离不开您的细心指导。
您的敬业精神和治学态度都对我今后的工作和人生道路产生深远的影响，使我终身受益。
我所取得的进步都与导师的帮助密不可分。
在此谨向xx老师致以诚挚的谢意和崇高的敬意。
我还要给予我引用参考文献的所有者，让我在写作过程中得到很多启发和知识。
同时感谢我的同学，在我的四年大学生活中，他们给予我很多帮助，让我大学生活过的很充实，也让我收获了纯真珍贵的友情。
最后，我要感谢我的父母，感谢他们在背后默默的支持着我，督促我，是他们的辛勤培养使我顺利完成四年学业，他们的养育之恩我讲永远记在心底。
今后，我将努力工作回报他们。
基于特征价格模型的房地产价格影响因素研究——以贵阳市为例摘要：随着花果园等大盘的诞生，“中心地段，郊区房价”让许多外地购房者都慕名而来，贵阳的房地产市场已经闻名全国。
因此我们有必要对贵阳市房地产价格影响因素进行研究。
本文以贵阳市23个在售楼盘为样本，选取了一系列特征变量，运用统计软件SPSS进行多元回归分析。
定量研究了影响贵阳市住宅价格的特征因素，构造出贵阳市住宅特征价格模型，揭示了不同特征因素对贵阳市住宅价格的影响，有利于买卖双方各自实现自己的需求。
结果表明，楼盘的物业费、交房类型、占地面积和均价调整对楼盘的均价有显著影响。
关键词: 特征价格模型，房地产价格，贵阳市，回归分析Research on influencing factors of real estate pricing based on hedonic price equation-an case of GuiyangAbstract：With the birth of big buildings, such as the garland--"center areas, suburban housing" has attracted a lot of buyers who are from other provinces，and let Guiyang real estate market becoming national famous city. So it is necessary for us to study Guiyang real estate price influencing factors. Taking Guiyang city 23 the property as sample, this paper selects a series of variables, which build hedonic price equation of Guiyang, and uses statistical software of SPSS for multiple regression analysis. Quantitative characteristics of the influencing factors of housing prices in Guiyang revealed the characteristics of different factors impact on Guiyang city housing prices. This model lets buyers and sellers achieve each implement of their own needs. The results show that the building property management fee, payment type, the building space and the average price of adjustment has a significant influence on building of the average price.Key words: hedonic price equation，real estate price，Guiyang city，regression analysis目录致谢 (2)摘要 (3)1．引言 (5)2．特征价格模型理论及应用研究现状 (1)2.1特征价格模型应用研究现状 (1)2.2特征价格模型理论 (1)2.2.1特征价格函数形式 (2)2.2.2 特征变量类型 (2)3．贵阳市特征价格模型的建立 (2)3.1 特征价格模型 (2)3.1.1模型的选择 (2)3.1.2特征变量的量化 (2)3.2数据收集 (3)4．贵阳市特征价格模型分析 (4)4.1 变量的筛选 (4)4.2 模型拟合度检验 (5)4.3方差分析显著性F检验 (5)4.4 回归变量相关系数 (6)4..5 对比实例分析 (7)5．结论和不足 (7)5.1 结论 (7)5.2 建议 (7)5.3 不足之处 (8)参考文献 (9)附表1：样本楼盘数据 (10)附表2：预测楼盘数据 (12)1 引言住宅是由一系列的特征和属性构成的，正如世界上没有两片完全相同的树叶，世界上也没有完全相同的两块土地和住宅。
住宅的异质性使得不同住宅的价格缺少可比性。
随着花果园的建设，贵阳房地产市场已在全国名声大振，市场竞争日益增大，所以需要一个更方便、更简洁的方法来衡量不用楼盘的房价和性价比。
目前市场上房地产估价常用的方法有市场比较法，成本法和收益法等，这些方法过多的考虑了供求变化对价格的影响，而没有过多关注住宅给消费者带来的主观感受。
住宅作为一种特殊的商品，在社会经济快速发展的今天，消费者的住宅需要已经开始由简单的生存需求向舒适、享乐需求转变，因此住宅的价格评估应以消费者的主观感受出发，让消费者感到满足，实现效用最大化。
2 特征价格模型应用研究现状及模型理论2.1 特征价格模型应用研究现状在市场经济条件下，城市住宅作为一种重要商品，关联到市场上的各个方面，与我国GDP 的增长更是有千丝万缕的联系。
房价则是房地产市场运行的中心环节，因此，建立合理的住宅价格定价方法对房地产市场的健康发展具有十分重要的意义。
温海珍, 贾生华（2004）根据Lancaster 偏好理论和Rosen 产品特征市场供需均衡模型，通过收集杭州市西湖区278套住宅交易资料，选择15个因素作为住宅特征，建立了住宅特征价格模型，得到了6个主要住宅特征的隐含价格[1]。
陈勇、John M.Clapp、Dogan Tirtiroglu（2011）利用hedonic模型分析特定特征变量与均衡价格变化之间的相互关系，通过深圳住宅交易数据实证分析hedonic均衡价格随着住宅面积变化的趋势[2]。
黄古博、李雨真(2011)提出采用主成分分析法对住宅特征模型进行改进，排除变量间的线性相关对模型产生的误差，以武汉市轻轨沿线楼盘作为研究对象，构建了基于主成分分析的商品住宅特征价格模型[3]。
朱红波、宋渊（2012）以成都市武侯区184个交易样本为例，运用特征价格模型分析了赠送面积对住宅价格的影响，结果表明，在其他因素不变的情况下，每增加一个赠送面积单元住宅价值将会有5.02%的升值[4]。
胡佳焱、胡方(2009)注重规范分析与实证分析的相互结合，系统地选择了一组特征价格变量，构建了北京市住宅特征价格模型[5]。
周丽萍（2008）从特征价格模型建立的理论出发，以西安市住宅市场的数据信息为基础，探讨不同的函数形式建立特征价格模型存在的差别，建立特征价格指数，并比较函数形式对特征价格指数的编制所产生的影响[6]。
而有国外学者Robert运用该研究城市轨道交通对周边房地产价值的影响，得出交通条件的便利是影响价格差异的显著因素之一[7]。
但是，在近几年的研究当中缺乏对贵阳市商品住宅价格的研究。
贵阳作为贵州省的省会城市，是西南地区重要的交通、通信和中心城市之一。
随着贵阳大盘的建设，贵阳的房地产市场开始走向全国，越来越多的知名房地产商进驻贵阳，例如万科、新世界、绿地、保利等，市场竞争如火如荼。
本文正是基于这样的背景情况之下，将特征价格理论方法引入贵阳市房地产市场，增加的楼盘占地面积等变量，探讨大盘主导下的房地产价格影响因素。
2.2特征价格模型理论特征价格模型所应用的对象都是由众多不同的特征组成。
就某一楼盘而言，它价格是由所有特征带给消费者的效用决定的（如楼盘的整体朝向、装修程度、基础设施和交通状况等），效用水平的高低依赖于住宅所包含的各种特征的数量和优劣。
消费者根据对住宅各个特征的需求选择住房，从而获得自身满足。
由于各特征的数量、组合方式不同，使得住宅的价格产生差异。
因此采用一系列价格来对应住宅所包含各种特征，称为特征价格，又因为这些价格包含在住宅总价格中，无法在市场上观测到，所以也称为隐含价格[6]。
2.2.1 特征价格模型函数形式特征价格模型可以将住宅价格表示为各属性的函数：P=f(X1,X2,…X n)，X i为楼盘的各个属性，可能包含有容积率、绿化率、交通状况、基础设施等。
主要有三种函数形式。
线性特征价格方程：P = α+β1X1+β2X2+…+βn X n………………………………… (2.1) α为截距项，表示除特征变量外其他影响价格的常量之和，通常是由影响房价的一般因素决定的；βi反映各属性的隐含价格，即假定其他属性不变，某一属性变动一个单位导致房价平均变动的程度。
因为该方程为线性，假设住宅属性的边际收益不变，即βi不随X i的增加而变化。
双对数特征价格方程：ln P = lnα+β1lnX1+β2lnX2+…+βn lnX n ………………………… (2.2) 系数βi表示住宅价格P对住宅的属性X i的弹性，即X i增加1%住宅价格P增加的百分比。
对数形式解决了住宅属性的边际收益不变的局限。
半对数特征价格方程：ln P = lnα+β1X1+β2X2+…+βn X n …………………………… (2.3) 半对数形式可避免对数形式函数中自变量取值为0时无意义的情况，这是βi表示住宅属性X i增加一个单位，住宅价格P的增长率[8]。