基于Hedonic模型的西安市住宅价格空间分异机制研究
合集下载
相关主题
- 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)。
(2) 居民择居行为是住宅价格空间分异的直接动力. 不同的消费者对住宅特征的取舍不同 ,但在消 费者收入水平一定的情况下 ,会首先考虑住宅价格影响最大的特征 ,看其是否与自己需要相符 ,然后依 次筛选 ,找寻住宅价格与需求的最大效用组合. 研究结果发现 :消费者首先考虑的是多层住宅还是高层 住宅 ,因为它主要决定了住宅价格. 其次是是否邻近大学 ,它对住宅价格也有很重要的影响程度. 西安的 高校数量居全国第三 ,西安交通大学 、长安大学 、西北工业大学 、陕西师范大学等众多全国知名高校在此 聚集 ,文化氛围浓厚. 中国父母对子女教育的高度重视与西安浓郁的文化氛围相结合 ,促成了西安消费 者在选购住宅中对“临近高校”因素的偏好 ,加大了高校对周边住宅价格的提升作用. 按照回归结果显示 的对住宅特征的偏好程度选择住宅 ,致使同等阶层 、有同样偏好的人群在空间上聚集 ,从而促成居住空 间的分异.
建筑结构
489. 705 0. 347 108. 183 0. 064
装修程度
82. 655 0. 033 84. 867 0. 053
供水
110. 649 0. 029 85. 290 0. 048
采暖
115. 125 0. 068 71. 211 0. 040
建筑配套
78. 525 0. 037 47. 002 0. 047
P = 1 004. 190 + 18. 332 X1 - 8. 595 X2 + 521. 730 X3 + 117. 596 X6 + 85. 151 X7 + 199. 036 X9 + 2711732 X10 + 80. 333 X11 + 131. 218 X12 表 2 线性模型与对数模型回归系数
第 2 期
周华 ,等 :基于 Hedonic 模型的西安市住宅价格空间分异机制研究
71
是开发区高强度的土地利用排斥低密度建筑所致 ,基本上决定了这一区域的居住类型. 与此同时 ,新区 的开发建设往往根据城市规划的指引展开 ,配套的绿地 、广场 、休闲场所 、公共设施等相应完善 ,城市旧 区的诸多矛盾和问题不见踪影 ,现代人居环境氛围在开发区显现出来 ,因而 ,居住区依托开发区的基础 设施 、市政设施 、现代城市景观及良好的文化氛围不断扩大 ,尤其从 1998 年住宅全面商品化以来 ,更成 为西安市居住的首选地带.
基于 Hedonic 模型的西安市住宅 价格空间分异机制研究
周 华1 ,李同升2
(1. 长安大学 建筑学院 ,陕西 西安 710061 ;2. 西北大学 城市与资源学系 ,陕西 西安 710069)
摘 要 :特征价格模型是对住宅价格空间分异现象进行实证研究的一种新手段. 以西安为对象 ,收 集了 179 个普通住宅小区的详细资料 ,构建了西安市住宅价格的 Hedonic 模型 ,借助 SPSS 软件 ,进行回 归分析 ,得到 9 个影响价格的主要住宅特征. 最后认为开发区建设 、择居行为 、居民收入差异和技术变革 是住宅价格空间分异的主要原因和动力.
3 住宅价格空间分异的原因和动力探析
住宅特征仅是住宅空间分异现象实现的媒介和载体 ,经济 、社会 、制度等是导致住宅空间分异的更 深层次的原因[1～5 ] .
(1) 开发区建设是推动西安市住宅空间扩展的主要原因. 上世纪 90 年代 ,西安高新技术开发区和经 济技术开发区先后在城南和城北两处城市近郊成立 ,并在经济上迅速发展 ,吸引了大量的社会资源和人 口的集聚. 在开发区建设过程中影响着居住类型和居住空间扩展的有两个主要因素 :一是土地利用强 度 ,二是配套的城市设施和公共空间. 在经济迅速集聚的地区 ,土地利用强度高于其他地区 ,在调查的 179 个样本中 ,120 个样本为框架或框剪结构住宅 ,18 个样本为砖混结构 ,并且仅分布在城东和城西 ,正
X11
征
小区周边环境 (周围 1 000 m 有无公园 、大型绿地 、广场) X12
评分标准分值 按实际数量计 按每站 2 分钟计 框架或框剪 砖混和框架
砖混 精装 简装 毛坯 供热水 不供热水 集中供暖 独立采暖 每项 1 分 ,共 4 分 有 无 每项 1 分 ,共 2 分 有 无 每项 1 分 ,共 5 分 有 无
69
是住宅的邻里特征. 本文的变量选择以我国国情为基础 、以研究目标为导向 ,结合西安房地产市场现状 进行筛选. 筛选后共有 12 个住宅特征进入 Hedonic 模型变量 ,如表 1 所示.
区位 特征
图 1 西安市新城区分布图 表 1 Hedonic 模型变量及量化标准
住宅特征
自变量
公交线路
X1
住宅特征对住宅价格的影响程度无法用特征价格直接衡量 ,但是标准化的回归系数 (Beta) 具有可 比性 ,可以用它的绝对值来进行住宅特征影响程度的排序. 回归系数 Beta 的绝对值大于 0. 2 的为第一 类影响因素 ,在 0. 13～0. 16 之间的为第二类影响因素 ,小于 0. 1 的为第三类影响因素. 住宅特征的排序 同时也体现了消费者选择住宅时对各特征的关心程度.
第 10 卷第 2 期 2007 年 4 月
西安文理学院学报 :自然科学版 Journal of Xi’an University of Art s & Science (Nat Sci Ed)
文章编号 :100825564 (2007) 0220068204
Vol. 10 No. 2 Apr. 2007
0. 000 0. 063 0. 219 0. 000 0. 529 0. 548 0. 092 0. 434 0. 020 0. 257 0. 001 0. 025 0. 004
2. 2 回归结果分析 未标准化的回归系数 (表 2) 对应着住宅的特征价格 ,如“乘公交车到钟楼的时间”特征价格为
- 8. 60 元/ min ,表示在其他特征价格不变的情况下 ,到钟楼每增加 1 min 的车程 ,住宅价格将减少 8160 元 “; 公交线路”特征价格为 181332 元/ 条 ,表示公交线路每增加 1 条 ,住宅价格将上升 18133 元.
分值
2 1. 5
1 3 2 1 2 1 2 1
1 0
1 0
1 0
70
西安文理学院学报 :自然科学版
第 10 卷
2. 1 模型回归 对所有数据采用线性模型和对数模型分别进行回归 ,发现线性模型对方程的拟合效果要稍好一些 :
对数模型的偏回归系数 R 值和判定系数 R2 略小于线性模型 ;回归系数的显著性检验中 , T 检验的显著 性水平小于 90 % 的有 5 个 ,比线性模型多一个 ,故本文将采用线性模型进行住宅价格分异的影响因素 分析.
未标准化系数
标准化系数
t
Sig.
B
Std. Error
Beta
线性 对数 线性 对数 线性 对数 线性 对数 线性 对数
常数
838. 913 7. 350 331. 433 0. 143
公交线路
15. 930 0. 048 9. 371 0. 025
乘公交车到钟楼的时间 - 9. 200 - 0. 033 4. 275 0. 027
有无车位
210. 421 0. 096 73. 177 0. 041
教育配套
45. 779 0. 060 64. 802 0. 052
临近大学
271. 635 0. 137 71. 499 0. 040
生活配套
72. 282 0. 122 35. 892 0. 054
小区周边环境
131. 181 0. 099 51. 344 0. 034
2 Hedonic 模型
大多数的文献中都将房地产特征分为三大类 :一是住宅的区位特征 ,二是住宅本身的建筑特征 ,三
收稿日期 :2007 - 01 - 30 作者简介 :周华 (1977 — ) ,女 ,陕西西安人 ,长安大学建筑学院助教 ,硕士.
第 2 期
周华 ,等 :基于 Hedonic 模型的西安市住宅价格空间分异机制研究
关键词 :住宅价格 ;空间分异 ;特征价格模型 ;西安市 中图分类号 : F224 文献标识码 :A
住宅价格在成为城市居民 、政府及开发商关注焦点的同时 ,也作为衡量居住空间分异的一种指标类 型 ,揭示居住空间的分布规律. 许晓辉 (1997) 、郑芷青 (2001) 、王欣 (2002) 等人分别研究了上海 、广州 、天 津的商品住宅价格与空间分布的关系 ;罗平 (2002) 、马思新 (2003) 、李雪铭 (2004) 、刘钺 (2004) 等人分别 借助 SD 的多方案动态模拟 、GIS 的空间模拟 、Hedonic 模型和地理信息系统技术 ,构建住宅价格时空仿 真模型 、分析价格分布的影响因素 、揭示空间分布规律等.
其实 ,国外对于住宅价格的研究 ,多采用特征价格方法 ( Hedonic Price Approach) 进行实证分析 ,采 用特征价格模型分析住宅价格与住宅特征的关系 ,充分考虑了住宅商品的异质性特点 ,取得了丰硕的研 究成果. 我国对于 Hedonic 方法的应用还只处于起步阶段. 利用该方法对住宅价格与住宅特征之间的关 系进行实证分析 ,进而研究城市住宅价格空间的分异研究 ,对丰富区位理论 、合理布局城市基础设施 、指 导居民购房都具有应用价值. 本文将分别使用线性函数和对数函数 ,对比得出拟合较好的模型 ,从而对 西安市住宅价格的分异进行研究.
(3) 居民收入水平的差异推动住宅空间分化. 居民的居住水平受到其支付能力的制约 ,对于一定收 入水平的住户来说 ,总是力图通过住宅特征的优化来获得住宅消费的最大效用. 良好的环境质量 、便利 的城市公共设施 、现代都市的文化氛围 、完善的居住配套和大尺度 、高档次的住宅类型成了高收入阶层 追求的居住场所 ,这些条件不同程度地在空间上重合与聚集造就了高新 、曲江这样的高价格住宅区域. 与此同时 ,低收入家庭只能降低居住需求 ,在空间上表现为选择位置偏远 、城市公用设施较少 、居住配套 不太完善的地区 ,从而获得住宅价格与收入之间的平衡.
2. 531 51. 266 0. 012 0. 116 0. 128 1. 700 1. 875 0. 091 - 0. 142 - 0. 080 - 2. 152 - 1. 233 0. 033
0. 263 0. 313 4. 527 5. 419 0. 000 0. 052 0. 034 0. 974 0. 630 0. 332 0. 071 0. 033 1. 297 0. 601 0. 196 0. 087 0. 092 1. 617 1. 695 0. 108 0. 091 0. 043 1. 671 0. 784 0. 097 0. 162 0. 133 2. 875 2. 342 0. 005 0. 041 0. 068 0. 706 1. 138 0. 481 0. 215 0. 192 3. 799 3. 376 0. 000 0. 139 0. 163 2. 014 2. 263 0. 046 0. 154 0. 174 2. 555 2. 885 0. 012
1 资料收集
选择西安市主城区为研究范围 (图 1) ,东到洪庆 ,西到纪阳 ,南到长安 ,北到渭河 ,面积约 600 km2 . 研究以具有独立产权 ,可以在市场上自由买卖的商品住宅为对象. 价格选取住宅小区或单幢住宅的 平均销售单价 ,它是市场综合因素作用的反映 ,可以较好地反映区位房价水平. 共收集住宅小区资料 179 个. 所用数据来源于三部分 :中介服务性网站提供的楼盘资料 ,包含建筑 结构 、地址 、建筑年代 、建筑配套 、装修情况 、周边环境 、建筑面积 、占地面积 、住宅价格等较为详细的住宅 特征 ;特征不详尽的住宅楼盘 ,以小区实地调查的方式获取 ;另有一部分资料通过地图查询获得.
乘公交车到钟楼的时间
X2
建筑结构
X3
建
装修程度
X4
筑
特
供水
X5
征
采暖
X6
建筑配套 (天然气 、有线 、电话线 、宽带)
X7
有无车位
X8
教育配套 (周围 1 000 m 有无小学 、中学)
X9
邻
临近大学 (周围 1 000 m 有无大学)
X10
百度文库
里
特
生活配套(周围 1 000 m 有无银行、菜场、超市、邮局、医院)
为进一步分析自变量与因变量 P 的 显著相关程度 ,利用 SPSS 软件的逐步分析法对 12 个变量进行 回归分析. 逐步回归显示每一轮筛选中引入和剔除的变量 ,最终共有 9 个自变量被依次引入回归方程 , 比线性模型多了“采暖”变量 ,回归系数的可信程度为 89 %以上.
经逐步回归剔除 3 个不显著变量 ,得到包含 9 个自变量的住宅特征与价格的回归方程
建筑结构
489. 705 0. 347 108. 183 0. 064
装修程度
82. 655 0. 033 84. 867 0. 053
供水
110. 649 0. 029 85. 290 0. 048
采暖
115. 125 0. 068 71. 211 0. 040
建筑配套
78. 525 0. 037 47. 002 0. 047
P = 1 004. 190 + 18. 332 X1 - 8. 595 X2 + 521. 730 X3 + 117. 596 X6 + 85. 151 X7 + 199. 036 X9 + 2711732 X10 + 80. 333 X11 + 131. 218 X12 表 2 线性模型与对数模型回归系数
第 2 期
周华 ,等 :基于 Hedonic 模型的西安市住宅价格空间分异机制研究
71
是开发区高强度的土地利用排斥低密度建筑所致 ,基本上决定了这一区域的居住类型. 与此同时 ,新区 的开发建设往往根据城市规划的指引展开 ,配套的绿地 、广场 、休闲场所 、公共设施等相应完善 ,城市旧 区的诸多矛盾和问题不见踪影 ,现代人居环境氛围在开发区显现出来 ,因而 ,居住区依托开发区的基础 设施 、市政设施 、现代城市景观及良好的文化氛围不断扩大 ,尤其从 1998 年住宅全面商品化以来 ,更成 为西安市居住的首选地带.
基于 Hedonic 模型的西安市住宅 价格空间分异机制研究
周 华1 ,李同升2
(1. 长安大学 建筑学院 ,陕西 西安 710061 ;2. 西北大学 城市与资源学系 ,陕西 西安 710069)
摘 要 :特征价格模型是对住宅价格空间分异现象进行实证研究的一种新手段. 以西安为对象 ,收 集了 179 个普通住宅小区的详细资料 ,构建了西安市住宅价格的 Hedonic 模型 ,借助 SPSS 软件 ,进行回 归分析 ,得到 9 个影响价格的主要住宅特征. 最后认为开发区建设 、择居行为 、居民收入差异和技术变革 是住宅价格空间分异的主要原因和动力.
3 住宅价格空间分异的原因和动力探析
住宅特征仅是住宅空间分异现象实现的媒介和载体 ,经济 、社会 、制度等是导致住宅空间分异的更 深层次的原因[1～5 ] .
(1) 开发区建设是推动西安市住宅空间扩展的主要原因. 上世纪 90 年代 ,西安高新技术开发区和经 济技术开发区先后在城南和城北两处城市近郊成立 ,并在经济上迅速发展 ,吸引了大量的社会资源和人 口的集聚. 在开发区建设过程中影响着居住类型和居住空间扩展的有两个主要因素 :一是土地利用强 度 ,二是配套的城市设施和公共空间. 在经济迅速集聚的地区 ,土地利用强度高于其他地区 ,在调查的 179 个样本中 ,120 个样本为框架或框剪结构住宅 ,18 个样本为砖混结构 ,并且仅分布在城东和城西 ,正
X11
征
小区周边环境 (周围 1 000 m 有无公园 、大型绿地 、广场) X12
评分标准分值 按实际数量计 按每站 2 分钟计 框架或框剪 砖混和框架
砖混 精装 简装 毛坯 供热水 不供热水 集中供暖 独立采暖 每项 1 分 ,共 4 分 有 无 每项 1 分 ,共 2 分 有 无 每项 1 分 ,共 5 分 有 无
69
是住宅的邻里特征. 本文的变量选择以我国国情为基础 、以研究目标为导向 ,结合西安房地产市场现状 进行筛选. 筛选后共有 12 个住宅特征进入 Hedonic 模型变量 ,如表 1 所示.
区位 特征
图 1 西安市新城区分布图 表 1 Hedonic 模型变量及量化标准
住宅特征
自变量
公交线路
X1
住宅特征对住宅价格的影响程度无法用特征价格直接衡量 ,但是标准化的回归系数 (Beta) 具有可 比性 ,可以用它的绝对值来进行住宅特征影响程度的排序. 回归系数 Beta 的绝对值大于 0. 2 的为第一 类影响因素 ,在 0. 13～0. 16 之间的为第二类影响因素 ,小于 0. 1 的为第三类影响因素. 住宅特征的排序 同时也体现了消费者选择住宅时对各特征的关心程度.
第 10 卷第 2 期 2007 年 4 月
西安文理学院学报 :自然科学版 Journal of Xi’an University of Art s & Science (Nat Sci Ed)
文章编号 :100825564 (2007) 0220068204
Vol. 10 No. 2 Apr. 2007
0. 000 0. 063 0. 219 0. 000 0. 529 0. 548 0. 092 0. 434 0. 020 0. 257 0. 001 0. 025 0. 004
2. 2 回归结果分析 未标准化的回归系数 (表 2) 对应着住宅的特征价格 ,如“乘公交车到钟楼的时间”特征价格为
- 8. 60 元/ min ,表示在其他特征价格不变的情况下 ,到钟楼每增加 1 min 的车程 ,住宅价格将减少 8160 元 “; 公交线路”特征价格为 181332 元/ 条 ,表示公交线路每增加 1 条 ,住宅价格将上升 18133 元.
分值
2 1. 5
1 3 2 1 2 1 2 1
1 0
1 0
1 0
70
西安文理学院学报 :自然科学版
第 10 卷
2. 1 模型回归 对所有数据采用线性模型和对数模型分别进行回归 ,发现线性模型对方程的拟合效果要稍好一些 :
对数模型的偏回归系数 R 值和判定系数 R2 略小于线性模型 ;回归系数的显著性检验中 , T 检验的显著 性水平小于 90 % 的有 5 个 ,比线性模型多一个 ,故本文将采用线性模型进行住宅价格分异的影响因素 分析.
未标准化系数
标准化系数
t
Sig.
B
Std. Error
Beta
线性 对数 线性 对数 线性 对数 线性 对数 线性 对数
常数
838. 913 7. 350 331. 433 0. 143
公交线路
15. 930 0. 048 9. 371 0. 025
乘公交车到钟楼的时间 - 9. 200 - 0. 033 4. 275 0. 027
有无车位
210. 421 0. 096 73. 177 0. 041
教育配套
45. 779 0. 060 64. 802 0. 052
临近大学
271. 635 0. 137 71. 499 0. 040
生活配套
72. 282 0. 122 35. 892 0. 054
小区周边环境
131. 181 0. 099 51. 344 0. 034
2 Hedonic 模型
大多数的文献中都将房地产特征分为三大类 :一是住宅的区位特征 ,二是住宅本身的建筑特征 ,三
收稿日期 :2007 - 01 - 30 作者简介 :周华 (1977 — ) ,女 ,陕西西安人 ,长安大学建筑学院助教 ,硕士.
第 2 期
周华 ,等 :基于 Hedonic 模型的西安市住宅价格空间分异机制研究
关键词 :住宅价格 ;空间分异 ;特征价格模型 ;西安市 中图分类号 : F224 文献标识码 :A
住宅价格在成为城市居民 、政府及开发商关注焦点的同时 ,也作为衡量居住空间分异的一种指标类 型 ,揭示居住空间的分布规律. 许晓辉 (1997) 、郑芷青 (2001) 、王欣 (2002) 等人分别研究了上海 、广州 、天 津的商品住宅价格与空间分布的关系 ;罗平 (2002) 、马思新 (2003) 、李雪铭 (2004) 、刘钺 (2004) 等人分别 借助 SD 的多方案动态模拟 、GIS 的空间模拟 、Hedonic 模型和地理信息系统技术 ,构建住宅价格时空仿 真模型 、分析价格分布的影响因素 、揭示空间分布规律等.
其实 ,国外对于住宅价格的研究 ,多采用特征价格方法 ( Hedonic Price Approach) 进行实证分析 ,采 用特征价格模型分析住宅价格与住宅特征的关系 ,充分考虑了住宅商品的异质性特点 ,取得了丰硕的研 究成果. 我国对于 Hedonic 方法的应用还只处于起步阶段. 利用该方法对住宅价格与住宅特征之间的关 系进行实证分析 ,进而研究城市住宅价格空间的分异研究 ,对丰富区位理论 、合理布局城市基础设施 、指 导居民购房都具有应用价值. 本文将分别使用线性函数和对数函数 ,对比得出拟合较好的模型 ,从而对 西安市住宅价格的分异进行研究.
(3) 居民收入水平的差异推动住宅空间分化. 居民的居住水平受到其支付能力的制约 ,对于一定收 入水平的住户来说 ,总是力图通过住宅特征的优化来获得住宅消费的最大效用. 良好的环境质量 、便利 的城市公共设施 、现代都市的文化氛围 、完善的居住配套和大尺度 、高档次的住宅类型成了高收入阶层 追求的居住场所 ,这些条件不同程度地在空间上重合与聚集造就了高新 、曲江这样的高价格住宅区域. 与此同时 ,低收入家庭只能降低居住需求 ,在空间上表现为选择位置偏远 、城市公用设施较少 、居住配套 不太完善的地区 ,从而获得住宅价格与收入之间的平衡.
2. 531 51. 266 0. 012 0. 116 0. 128 1. 700 1. 875 0. 091 - 0. 142 - 0. 080 - 2. 152 - 1. 233 0. 033
0. 263 0. 313 4. 527 5. 419 0. 000 0. 052 0. 034 0. 974 0. 630 0. 332 0. 071 0. 033 1. 297 0. 601 0. 196 0. 087 0. 092 1. 617 1. 695 0. 108 0. 091 0. 043 1. 671 0. 784 0. 097 0. 162 0. 133 2. 875 2. 342 0. 005 0. 041 0. 068 0. 706 1. 138 0. 481 0. 215 0. 192 3. 799 3. 376 0. 000 0. 139 0. 163 2. 014 2. 263 0. 046 0. 154 0. 174 2. 555 2. 885 0. 012
1 资料收集
选择西安市主城区为研究范围 (图 1) ,东到洪庆 ,西到纪阳 ,南到长安 ,北到渭河 ,面积约 600 km2 . 研究以具有独立产权 ,可以在市场上自由买卖的商品住宅为对象. 价格选取住宅小区或单幢住宅的 平均销售单价 ,它是市场综合因素作用的反映 ,可以较好地反映区位房价水平. 共收集住宅小区资料 179 个. 所用数据来源于三部分 :中介服务性网站提供的楼盘资料 ,包含建筑 结构 、地址 、建筑年代 、建筑配套 、装修情况 、周边环境 、建筑面积 、占地面积 、住宅价格等较为详细的住宅 特征 ;特征不详尽的住宅楼盘 ,以小区实地调查的方式获取 ;另有一部分资料通过地图查询获得.
乘公交车到钟楼的时间
X2
建筑结构
X3
建
装修程度
X4
筑
特
供水
X5
征
采暖
X6
建筑配套 (天然气 、有线 、电话线 、宽带)
X7
有无车位
X8
教育配套 (周围 1 000 m 有无小学 、中学)
X9
邻
临近大学 (周围 1 000 m 有无大学)
X10
百度文库
里
特
生活配套(周围 1 000 m 有无银行、菜场、超市、邮局、医院)
为进一步分析自变量与因变量 P 的 显著相关程度 ,利用 SPSS 软件的逐步分析法对 12 个变量进行 回归分析. 逐步回归显示每一轮筛选中引入和剔除的变量 ,最终共有 9 个自变量被依次引入回归方程 , 比线性模型多了“采暖”变量 ,回归系数的可信程度为 89 %以上.
经逐步回归剔除 3 个不显著变量 ,得到包含 9 个自变量的住宅特征与价格的回归方程