基于特征价格模型的贵阳市住宅价格影响因素研究

熊琼兵

摘要：借鉴国内外特征价格模型对住宅价格影响因素的研究理论和成果，构建贵阳市在1998～2016年间住宅价格影响的特征因素，从而建立特征因素与住宅价格的特征模型。研究表明，经济、环境和公共服务特征的特征变量与贵阳市住宅价格存在正负相关性，而旅游外汇收入、造林面积、社会福利院数、年末实有道路建设面积、供水总量显现负相关性，其他特征变量为正相关性。总之，环境保护和公共服务建设对住宅价格的影响越来越重要。

关键词：特征价格模型；贵阳市；住宅价格；特征因素

近年来，贵阳市经济快速的发展，促使了房地产的快速发展。然而，由于贵阳市大力的开发各种住房楼盘，导致有关住房的政策、金融、城市环境保护和管理水平等方面存在不足，也间接导致其住宅价格调控的不完善，还存在诸多隐性问题。特别是从2008年的住宅价格2865.91元/平方米，一直涨到2016年的住宅价格5379.21元/平方米。虽然贵阳市采取一系列的措施，使其住宅价格保持平稳的发展，但是住宅价格市场还是存在不稳定性。为此，对贵阳市住宅价格的影响因素研究，能更好把握住宅价格在经济、环境及公共服务等方面的影响因素，对解决其在房地产管理中的诸多问题有重要意义。

国外学者Lancaster和Rosen提出的特征价格模型分别是偏好理论和市场供需均衡理论为基础，前者是对产品自身的特征给消费者带来的满意度的特征价格集合；后者是产品自身特征使消费者和供给者两者效应最大的特征价格。国外大多学者也对住宅价格的影响因素进行了研究，如Michael等研究了景观对住宅价格的影响，还有Downes等研究了芝加哥学校特征对住宅价格的影响。目前国内已利用特征价格模型对房地产领域做了很多研究，但是大多只是从住宅的区位特征、邻里特征、建筑特征和政策特征，分析住宅价格的影响因素，如对城市住宅用地出让价格影响因素研究、南京市住宅价格实证分析、住宅租金影响因素研究、北京市住宅用地价格影响因素分析；而从城市社会、经济、文化、金融和环境保护等方面的影响因素，对城市住宅价格变化机理研究较少，如城市住宅价格影响因素研究，是从全国范围内在社会、经济和城市建设方面对住宅价格的影响因素研究。总之，从经济、社会、环境保护、金融和公共服务等方面特征，对城市住宅价格的影响因素研究较少，为此本文从经济、环境和公共服务三个特征，对贵阳市住宅价格影响因素进行研究。

一、数据来源与模型构建

（一）数据来源

以《贵阳市统计年鉴》（1999～2016）及《贵阳市年度国民经济和社会发展统计公报》为数据基础，则选取经济、环境及公共服务等特征建立特征价格模型，从而研究特征因素对住宅价格的影响。本文对1998～2016年间的主要国民经济和社会发展指标进行统计分析，选取经济特征、环境特征以及公共服务特征3个方面入手建立特征价格模型，对贵阳市住宅价格进行研究。

（二）模型构建

1. 特征价格模型构建

房地产特征价格模型法认为房地产由众多不同的特征组成，而房地产价格是由所有特征带给人们的效用决定的。因此，本文采用回归分析解释经济特征、社会特征、环境特征和公共服务特征对贵阳市住宅价格的影响。同时根据影响三类特征的因素，从而将住宅价格的影响因素分为11个变量指标，并采用该模型来检验变量指标是怎样影响住宅价格的变化。则模型如下：

p=β0+■βizi+ξ

式中：p为住宅价格（元/平方米）；zi表示特征变量，即选取的11个特征指标；β0是常数项；βi是对应的特征变量的特征价格系数；ξ是误差项；n是特征變量数。

2. 特征变量描述

根据经济特征、环境特征和公共服务特征确定影响住宅价格的变量为11个指标。如表1所示。

（1）经济特征

经济发展是衡量一个城市社会发展的基础，而根据国家经济发展的产业划分，房地产业已成为经济发展中的核心成分，那么对经济发展的影响因素，就可间接的通过经济发展的衡量指标，来研究住宅价格的变化，特别是现在的出口贸易和旅游业的发展。选取特征指标为进出口贸易总额、邮电业务总量、旅游外汇收入3个指标。

（2）环境特征

环境对于住宅价格影响也相当大，在住宅周边中有放射性物质、很高的噪声、空气中有大量的有毒气体等区域，住宅价格将会较低，而在住宅环境较好的区域，住宅价格将会较高。在现在的交易和房地产评估中，将环境特征对住宅价格的影响很少考虑。对于现在国家加强植树造林和贵州对“绿水青山就是金山银山”的建设，也会间接影响住宅价格。基于环境对住宅价格的影响因素，从而分析环境特征变量对住宅价格的变化。选取园林绿地面积、造林面积2个特征变量。

（3）公共服务特征

公共服务业是公共设施建设以及发展教育、文化、卫生等公共事业，为社会经济发展提供保障。城乡公共基础建设对房地产业各方面的发展起到了促进作用，也为住宅提供了方便。教育、卫生医疗的发展及社会福利的提高，促进房地产的价值升值，从而导致住宅价格上升。介于公共服务对住宅价格的影响因素，而分析公共服务特征中的交通状况、教育、卫生医疗及社会福利等特征指标，从而解释住宅价格的变化。选取公共服务特征变量为6个指标，其中供水总量、天然气供气总量；而医疗技术人员作为卫生医疗条件特征标志、年末实有道路建设面积和年末实有公交车运用车辆数作为交通状况特征标志及社会福利特征标志是社会福利院数。

二、贵阳市住宅价格实证分析

（一）特征价格模型检验

将统计的11个特征变量和住宅价格因变量表格导入SPSS软件中，采用普通最小二乘法（OLS）对特征变量和住宅价格进行回归分析，从而确定模型的检验结果。

1. 模型的拟合优度检验

从表2可以看出，贵阳市住宅价格与11个特征变量的相关系数为R=98.6%，表明了住宅价格与经济特征、环境特征及公共服务特征三个特征的特征变量有很强的线性关系。模型的可决系数R2=97.2%，调整可决系数R2=92.9%，表明住宅价格能够被模型解释的差异比为97.2%，经过调整后被解释的差异比为92.9%；同时说明了特征价格模型的拟合优度很高，也能更好的解释贵阳市住宅价格与特征变量之间存在的关系。同时模型Durbin-Watson检验值为1.926且接近于2，说明特征变量之间存在的自相关性很弱，也说明了模型的可行性。

2. 模型的显著性检验

从表3可以看出，特征价格模型的F检验的概率为0.00，且小于显著性水平0.05，说明模型能更好反映住宅价格与特征变量之间的关系，也表明两者之间存在显著的线性关系。

3. 模型的共线性检验

对共线性的检验，是基于方差膨胀因子（Variance Inflation Factor，VIF）的判断，当VIF值在0到10之间时，不存在多重共线性；当VIF值在10到100之间时，存在较强的多重共线性；当VIF值大于100时，存在严重多重共线性。从表4可以看出，在旅游外汇收入、社会福利院数和造林面积3个特征变量的VIF值小于10且大于0，说明它们不存在多重共线性，而其他特征变量的VIF值大于10且小于20，说明它们存在多重共线性，但多重共线性不是相当严重。对于模型而言，整体拒绝原假设，从而排除模型整体的多重共线性，说明模型可以通过特征变量解释住宅价格的升降。

（二）特征變量显著性分析

从表4中可以看出，当显著性水平取值为5%时，从经济特征方面，有进出口贸易总额通过了t检验，而邮电业务总量、旅游外汇收入两个特征变量没有通过t检验；环境特征指标没有通过t检验；公共服务特征指标仅年末实有道路建设面积通过t检验，其他指标都为通过t检验。虽然大多数特征变量没有通过t检验及VIF检验，但是对于模型的整体来说，是通过了检验，为此本文仅从模型的整体考虑，分析特征变量对贵阳市住宅价格的影响。

从经济特征方面，进出口贸易总额和邮电业务总量与住宅价格存在正相关性，而旅游外汇收入与住宅价格存在负相关性，说明进出口贸易总额和邮电业务总量增加或减少，住宅价格会上涨或降低，旅游外汇收入的增加或减少，住宅价格会降低或上涨；从环境特征方面，园林绿地面积的增加或减少，住宅价格上涨或降低，造林面积的增加或减少，住宅价格会降低或上涨；从公共服务特征方面，医疗技术人员、年末实有公交车运车辆数和天然气供气总量的增加或减少，住宅价格会上涨或降低，而社会福利院数、道路建设面积及供水总量的增加或减少，住宅价格会降低或上涨。其中影响住宅价格较大的是旅游外汇收入、园林绿地面积、医疗技术人员、供水总量和天然气供气总量特征变量，它们的特征价格系数绝对值较大，当增加1个单位就会增加很多。如医疗技术人员增加1万人，住宅价格将增加201.82元/平方米；天然气供气总量增加1亿立方米，住宅价格增加1177.94元/平方米；供水总量增加1亿立方米，住宅价格减少798.65元/平方米。

三、结论与不足

贵阳市的住宅价格在旅游外汇收入、园林绿地面积、医疗技术人员、供水总量和天然气供气总量影响较大，而其他特征变量相对于邮电业务总量、年末实有道路建设面积、年末实有公交车运车辆数来说，影响较小。特别是旅游外汇收入、园林绿地面积、供水总量和天然气供气总量的特征价格系数为-1993.01、2224.10和1177.94，对住宅价格的影响最大，而年末实有道路建设面积和年末实有公交车运车辆数的特征价格系数为-1.75和0.40，对住宅价格的影响较小。为此环境保护与建设和公共服务建设对住宅变得越来越重要很重要。

本文的不足是对特征价格模型的回归分析仅只满足模型的检验，而对大多数特征变量与住宅价格的t检验和多重共线性问题没有解决，为此应在此研究的基础上考虑增加样本数或者对采用其他方法对其进行论证。

参考文献：

[1]Lancaster，K，J. A new approach to consumer theory [J]. Journal of Political Economy，1966（74）.

[2]Rosen，S. Hedonic prices and implicit：Product differentiation in pure competition [J]. Journal of Political Economy，1974（82）.

[3]Michael B，Vicky S，Michael S. Residential real estate prices： a room with a view[J]. Journal of Real Estate Research，2002（23）.

[4]Downes T A，Zabel J E. The impact of school characteristics on house prices： Chicago 1987～1991[J].Journal of Urban Economics，2002（01）.

[5]刘洪彬，王秋兵.基于特征价格模型的城市住宅用地出让价格影响因素研究[J].经济地理，2011（06）.

[6]徐丽，简迎辉.基于特征价格模型的南京市住宅价格实证分析[J].土木工程与管理学报，2015（04）.

[7]孟君迟，张哨军.基于特征价格模型的住宅租金影响因素研究——以武汉市为例[J].价值工程，2016（27）.

[8]冯波，郭巍，陈昕.北京市住宅用地价格影响因素分析——基于特征价格模型的实证研究[J].中国物价，2016（11）.

[9]张绍良，李晶晶，公云龙.基于特征价格模型的城市住宅价格影响因素研究[J].地域研究与开发，2013（04）.

（作者单位：贵州师范大学地理与环境科学学院）