基于特征价格模型的住宅批量评估系统研究

汪国靖

摘要：目前，随着我国市场经济体制的发展以及房地产市场化的推进，与房地产相关的经济活动越来越频繁，对房地产估价的需求也随之增大。由于城市住宅价格受多种因素的影响，很难对其价格进行准确公正的评估。批量评估是以房地产估价理论为基础，依托计算机辅助技术，运用预先制定的评估模型，一次性对多宗房地产进行的快速、大批量的评估。该文应用的住宅价格评估方法建立批量评估技术路线的思路，可以为房地产估价提供有用的借鉴与参考。

关键词：特征价格模型；批量评估

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）16-3914-07

目前，我国房地产评估实践中一般还是针对单宗房地产的评估，采用的方法主要包括市场法、收益法和成本法。以上的传统方法分别从替代原理、预期原理和生产费用价值理论等不同的角度来解释房地产价格，结果往往会由于评估者在时间准度、价值观念和市场内涵上对房地产估价对象的性质有不同的认知，导致三种方法的评估结果必然存在较大差异（施建刚等，2000）。在实际操作中，由于房地产价格影响因素较为复杂，另外，评估对象往往受评估人员主观影响，从而导致房产的评估价与实际价往往存在偏差，评估结果不能反映房产的实际价格。基于传统单宗房地产评估方法存在的各种弊端，已不能适应市场变化，急需采用批量评估将其替代。该文在基于特征价格模型构建的住宅价格批量评估系统，可用于房地产评税、抵押贷款风险分析、房产抵押风险监控、在线房价估价等多种用途，具有推广应用价值。

1 特征价格模型构建

1.1模型构建的基本思路

收集近期的二手房挂牌交易信息，将其添加到数据库中，以户型、楼层、朝向、装修程度、建筑面积特征变量对应的赋值对每个案例进行量化，对这些交易案例进行回归分析，建立多元回归方程。再通过检验样本回归方程的总体显著性与检验样本回归系数的显著性，进行多元回归分析，判断多元回归方程是否可以采用。如果多元回归方程可以采用，则去除正负2σ（标准差）挂牌价之外的样本，最后将每个住宅样本特征变量对应的分值逐个代入方程，取得每个住宅样本的预测值，将所有住宅样本的预测值计算平均值，作为小区的基准价。最后，根据每套住宅所具有的实际特征因素（户型、楼层、朝向、装修程度、建筑面积），将住宅的所在小区基准价格与以上特征变量的修正系数相乘，取得住宅的评估价格。

1.2 住宅特征价格变量选取

住宅是一种异质耐用消费品，住宅价格是由住房本身所具有的属性特征集的综合作用产生的。只有认识和了解住宅包含的各种属性特征，研究和分析影响住宅价格的特征属性是如何作用的，才能确定住宅价格的特征变量。影响房产价值的因素很多，包括区位特征、建筑特征、邻里特征三个方面。由于受到数据来源的限制，很难获取全面包含房产市场价值因素的数据，同时一些特征数据也不准确（如小区的容积率、绿化率），还有一些影响因素是文字描述（小区配套、地理位置、小区物业管理），很难将其量化。因此，该文只是选取影响房产价值的基本关键因素（房型、楼层、朝向、装修程度、建筑面积）作为特征变量。一方面，以上特征数据相对容易获取，可以保证数据的完整性；另一方面，以上特征数据相对准确，可以保证数据的准确性，以使基于以上特征变量建立的特征价格模型具有较好的拟合度与可信度。

1.3 住宅特征价格变量数据赋值

二手房挂牌交易数据中的户型、朝向及装修程度都是定性的数据，要想把这些变量纳入到多元回归分析模型中，需要对其进行赋值。

1）房型特征变量

2）楼层特征变量

一般来说，即使住宅所在楼层数相同，而总层数不同，其价格也相差较大。因此，楼层赋值不仅要考虑住宅所在的楼层数，还要考虑住宅在整栋楼层中的相对位置，该文先根据总楼层将楼栋分为多层（总楼层小于等于7）与高层（总楼层大于等于8），对于多层楼栋，将第一层和最顶层为一档，二层五层为一档，三层四层为一档，六层七层为一档，分别赋值为l，2，3，1；对于高层楼栋，将第一层和最顶层为一档，二层至七层为一档，八层至十一层为一档，十二层至次顶层为一档，分别赋值为l，2，3，4。

3）朝向特征变量

住宅的朝向一般根据客厅的朝向确定，对于不同的朝向设计不同的分值。

4）装修程度特征变量

5）建筑面积特征变量：以房屋的建筑面积赋值。

1.4住宅特征价格变量修正系数赋值

住宅价格可通过建立的特征价格模型，依据住宅的样本数据计算取得，但考虑到每套住宅所具有的特征因素的影响（户型、楼层、朝向、装修程度、建筑面积），其与计算结果与实际价格存在客观差异，因此，需要设定特征变量的修正系数，包括房型修正系数、楼层修正系数、朝向修正系数、装修程度修正系数、建筑面积修正系数，将住宅的所在小区基准价格与以上特征变量的修正系数相乘，取得住宅的评估价格。住宅的修正价格的计算公式如下所示：

（其中：P表示住宅评估价格，[zk]表示第k种特征变量，[βk]为第k种特征变量的系数，[β0]为常数项，[ε] 为随机误差项）

2 住宅批量评估系统构建

2.1批量评估系统构成

本文构建的批量评估系统包括5个子系统：

1）数据采集与管理系统

负责批量评估系统所需要的数据的收集、审核、保存、维护和管理，实现房地产信息数据库中的数据项模糊匹配和智能对比，建立项目名称和房屋坐落的对应关系以及项目别名对应关系等工作。其所收集的数据应该包括房产的特征数据、用于比较的市场数据等各种批量评估中所需要用到的数据。

2）基础信息管理系统

负责对批量评估系统中的小区信息、楼栋信息、房屋信息的进行管理维护、审核、保存，同时建立小区、楼栋、房屋关联对应关系，为房地产评估工作提供准确的基础信息支撑。

3）评估系统

负责根据所要评估的对象特征及所要采用的评估方法，采用不同的评估方法、模型（包括市场比较法、成本法以及收入法等类型的模型）对评估对象进行价格评估。

4）估价查询检验系统

负责对估价结果进行查询统计分析，同时提供对估价结果进行检验及修正。

5）系统管理

负责对系统的操作人员、权限设置进行管理维护，保证系统正常运行。

批量评估系统的功能结构图见图1所示。

2.2数据采集及管理

1）建立数据标准

建立数据库的基础是数据标准。数据标准要尽量与房地产管理部门保持一致。对于资料是数据化的，优先选择易于转化的格式；对于资料不是数据化的，可设计相应表格用于手工数据采集以利于后期数据的输入。

2）数据整理

对于采集到的数据，在进入估价系统之前，需要进行预处理，依据估价系统的实际需要，将采集到的数据进行转换规整，包括对数据项的名称、长度、类型等进行规整以及对数据记录格式进行转换。

3）数据审核

（1） 数据项完整性审核

在数据输入过程中要初步审核供估价使用的必须核心数据。例如，在输入页面设置必填项或在数据库中设置该字段不为空，以防止在数据输入过程中漏填。

（2） 数据项逻辑性审核

根据简单的数据项间的逻辑关系设置数据项审核，通过特定界面完成简单的数据及逻辑审核。例如，某套住宅的所在楼层不能大于所处楼栋的总楼层。

（3） 利用数量统计方法进行审核

设定一定的规则进行审核。如某个体估价数据同某时点该类型房产批量估价平均值出现较大偏差的，在估价结果中显示为红色，提示估价人员要对估价人员对数据进行核查；对于数据没有问题的，可由估价人员对该房产的适用估价标准进行单独调整。

（4） 数据更新

对系统使用的数据以及估价技术标准需要进行动态更新，以保证估价结果能够符合市场状况。所以，需要根据估价时点对估价技术标准进行动态更新的频率，长期不断地采集估价时点近期的市场基础数据，建立一个动态变化的数据库。

2.3小区基准价测算实现

小区基准价测算是依据二手房挂牌交易数据情况，首先判断小区住宅的样本挂牌价进行正态分布拟合检验，只有样本的挂牌价符合正态分布，才能通过多元回归的方式，以挂牌价为因变量，以户型、楼层、朝向、装修程度、建筑面积作为自变量，建立多元回归方程，通过检验样本回归方程的总体显著性（F检验）与检验样本回归系数的显著性（T检验），进行多元回归分析，判断多元回归方程是否可以采用，如果多元回归方程可以采用，则去除正负2σ（标准差）挂牌价之外的样本，最后将每个住宅样本特征变量（户型、楼层、朝向、装修程度、建筑面积）对应的分值逐个代入方程，取得每个住宅样本的预测值，将所有住宅样本的预测值计算平均值，作为小区的基准价。

本文批量评估模型构建过程是指超过15个挂牌记录数的小区的评估方法。如果小区住宅的样本挂牌价符合正态分布，以及通过检验样本回归方程的总体显著性（F检验）与样本回归系数的显著性（T检验），则采用统计模型法，利用建立的多元线性模型，直接测算出小区的基准价；如果小区住宅的样本挂牌价符合正态分布，没有通过检验样本回归方程的总体显著性（F检验）或样本回归系数的显著性（T检验），则系数修正法，利用小区住宅样本特征变量修正系数，间接测算出小区的基准价。

1）统计模型法

首先判断小区住宅的样本挂牌价是否符合正态分布，如果挂牌价样本不符合正态分布，则转入人工评估法处理；如果挂牌价样本符合正态分布，则去除正负2σ（标准差）挂牌价之外的样本，对小区建立多元线性模型，再通过检验样本回归方程的总体显著性（F检验）与检验样本回归系数的显著性（T检验），检验多元回归方程是否可以采用，如果F检验、T检验都通过，则多元回归方程可以采用，此时利用得到的模型，将每个住宅样本特征变量（户型、楼层、朝向、装修程度、建筑面积）对应的分值逐个代入方程，将所有住宅样本的预测值计算平均值，测算出小区基准价。

统计模型法流程见图2所示。

2）系数修正法

首先判断小区住宅的样本挂牌价是否符合正态分布，如果挂牌价样本符合正态分布，则去除正负2σ（标准差）挂牌价之外的样本，对小区建立多元线性模型，再通过检验样本回归方程的总体显著性（F检验）与检验样本回归系数的显著性（T检验），检验多元回归方程是否可以采用，如果样本回归方程的总体显著性（F检验）或样本回归系数的显著性（T检验）没有通过，则多元回归方程不能采用。此时，对去除正负2σ（标准差）挂牌价之外的样本作正态分布判断，如果挂牌价样本不符合正态分布，则转入人工评估法处理；否则，将每个住宅样本特征变量（户型、楼层、朝向、装修程度、建筑面积）对应的修正系数逐个代入计算公式：

3）人工评估法

对于新建小区或不满足以上方法的小区，将采用人工评估法，由评估人员评估出小区基准价。

人工比较法流程见图4所示。

2.4住宅价格批量评估实现

住宅价格评估是按照住宅所在的小区的基准价，依据当时小区的基准价对应的模型和方法，再结合每套房屋的房型、楼层、朝向、装修程度、建筑面积特征变量因素，自动取得特征变量对应的修正系数，计算得出该套房屋价，从而做到“一房一价”。可利用计算机技术，对小区的所有住宅进行批量评估，取得该小区的住宅基准价，利用住宅基准价与住宅特征和销售时间之间的关系，建立适应市场变化及时更新基准价的动态调整模型算法，保证随着时间推移以及市场挂牌信息变化，系统能够实现自动动态更新，从而正确反映住宅即时的市场价格。

住宅价格评估流程见图5所示。

3 结束语

本文分析选取了住宅特征价格变量，确定了住宅特征价格模型中的变量构成，通过量化特征价格变量的分值及系数，建立了住宅特征价格模型，选取切合实际的评估方法，确定了“小区基准价+住宅价格修正”的批量评估技术路线，并建立小区基准价评估模型，总结了构建批量评估系统具备的功能，依据批量评估技术路线，根据小区基准价评估模型测算出小区基准价，实现对小区住宅价格进行批量评估，具有广泛的推广应用价值。

参考文献：

[1] 刘慧媛，杨忠直. Hedonic价格理论分析[J].现代管理科学，2011（9）.

[2] 王伟星，楼江.房产税税基批量评估方法研究[J].房地产金融-上海房地，2011（8）.

[3] 耿继进，何素芳.房地产计税价格批量评估实证研究[J].地理空间信息，201（6）.

[4] 王瑞玲，邓晓璘.我国房产税征收中批量评估所面临的困难和对策研究[J].生产力研究， 2011（5）.

[5] 黄古博，李雨真.基于主成分分析法的商品住宅特征价格模型改进[J].华中农业大学学报：社会科学版，2011（4）.

[6] 杨振鹏，马亚男.计算机辅助批量估价在房地产信息系统中的实现[J].中国房地产估价与经纪，2011（4）.

[7] 孙玉环.基于海量交易数据的房地产特征价格模型的构建[J].统计与决策，2011（2）.

[8] 王亚，尉京红.国外税基评估理论与方法及对我国的启示[J].会计之友，2011（13）.

[9] 张立新，姜吉坤，温海珍.基于特征价格模型的商品住宅价格评估方法应用[J].统计与决策， 2010（21）.

[10] Tom Kauko&Maurizio dAmato.Advances in mass appraisal methods-an international perspective[M].Wiley，2009.

[11] Carbone Robert&Longini Richard.A Feedback Model for Automated Real Estate Assessment[J].Management Science，1997（11）.