批量评估技术在非居物业中的应用——以上海市办公物业为例

文/肖历一

非居物业是除居住物业外的其他类型物业的总称，包含了办公、商业、厂房等物业类型。在批量评估领域中，非居物业的批量评估一直以来都是难点。不同类型非居物业的批量评估技术各不相同。实现非居物业的批量评估，无疑是我国高质量发展阶段对估价服务的要求，也是高质量估价服务的水平和能力体现。本文以上海市办公物业批量评估为例，择要论述相关的技术路线和方法。

一、技术路线

（一）方法选择

2015年新版房地产估价规范中一共列举了11种估价方法，其中适用于批量评估的仅有标准价调整法和多元回归分析法（路线价法仅适用临街商业用地的批量评估）。

从上海市办公物业的基本情况来看，办公项目总数约为3500个（根据成交、挂牌、询价等数据统计估算），其中历史上有过转让交易的项目仅500至600个（根据历史成交数据统计），存在较为活跃个案交易的项目不足300个。但是，大多数办公物业都对外出租，只有少数项目为业主自用或不公开对外经营。区位分布上，项目在中心城区的商务区集中分布，在非商务区零星分布，近郊及远郊也有较广分布，但密度很小。

一般情况下，首先会考虑运用标准价调整法，因此需进行同质项目的分组，主要依办公等级和区位因素进行分组，实际操作中，许多分组内没有可售的办公项目，或者有部分可售项目，但交易并不活跃。因此，基准单元的价格测算以及楼栋基准单元与分组基准单元之间的价格调整系数的设置难度很大。如果人工测算基准单元价格以及设定调整系数，不仅工作量大，且质量控制较难。

租金调研比较容易，准确度也比较有保证，加之数据的覆盖面也广，因此可以考虑以收益法作为评估方法。在批量评估中，收益法中的收益乘数法较报酬资本化法更为客观和简便，因此选择收益乘数法作为收益法的实现途径。通过样本数据的调研，发现不同办公项目的收益乘数并不相同，整体分布范围较大（当置信度为95%的时候，收益乘数的范围在22-28.5之间）。尝试应用多元回归分析法，以收益乘数为因变量，将影响收益乘数的因素作为自变量，进行回归试算。在进行了反复试算和改进之后，得到了一个符合检验要求的回归方程。

基于上述思考和研究，基本认定以收益法为核心的技术路线可行。在租金评估环节采用标准价调整法，再用多元回归模型求取收益乘数，进而计算价格。

（二）技术架构

图1 技术架构示意

批量评估尤其是非居物业的批量评估之所以难，主要是价格的影响因素多，影响的方式各不相同，整体方案会比较复杂。将复杂问题化为简单问题、将大块问题化为小块问题，无疑是一个好的思路和策略。实践中，我们将项目内部的价格差异问题剥离出来进行单独处理。因此，整体技术架构分成三个模块：用标准价调整法求取项目基准单元的租金；用样本数据试算得到的回归模型计算不同项目的收益乘数；在项目内部利用标准价调整法将基准单元价格转化为每个单元的价格。各个模块的算法逻辑相互独立，各个模块的技术相对单一，各个模块的内容边界清晰。这样的架构设计有利于日后的数据建设和管理，有利于模块各自的技术改进，为最终批量评估产品的质量和运行维护提供了有利的保障。

二、租金方案：标准价调整法

（一）分组

在同一个区域内，相同等级的办公楼归入一个匀质组，或者说属于同一个细分市场。它们的租金可能因为一些个别因素不同而存有差异，但其租金变化应该是比较一致的，这也是标准价调整法的理论应用基础。

实际操作中，按甲级、乙级、丙级以及超甲级划分四个等级。其中超甲级单独分为一组，不再进行区域因素的细分。区域的划分，以《上海市2013年办公用途区段地价成果报告》中的区段单元划分范围为基础，根据实际情况进行一定程度的修改，得到区域内的匀质划分结果。根据区域和等级两个因素，将上海市办公项目分为184个组。有些分布少的区域可能一个分组中只有两三个项目，而分布密集的区域一个分组会有三四十个项目。需要强调的是：在分组操作中，是否匀质是唯一重要指标。

（二）基准单元的设置

在一个办公楼栋中，按一定标准选取一套房产为基准单元。选取标准是：楼层按总层数的中位数选（总层数为偶数的，中间两个楼层任一即可）；面积选办公楼内的主力面积；朝向选办公楼的主朝向（若为四面皆有的塔楼，则设为朝南）；其他个别因素（如景观、户型方正度、立柱影响等）以是否具有普遍性为选择条件。如果办公楼没有进行单位产证分割，则将选定楼层的一整层视为一个基准单元。

在完成每个楼栋的基准单元设置后，还要在分组中选择一个标杆楼栋。标杆楼栋的基准单元，是所在分组的基准单元。由于在一个匀质组内，各办公楼的区位相近、等级相同，标杆楼栋的选择主要看交易的活跃程度（原则上要求租赁和买卖都比较活跃）。因为交易越活跃，价格测算也就越容易，准确度越有保障，标准价调整法的运用效果也越好，批量评估的整体质量才会有保障。标杆楼栋的租金（或价格）变化基本可以代表分组内其他楼栋的租金（或价格）变化情况。基准单元的租金和价格，可以近似看作办公楼的整体租金和价格水平，并参与租金和价格的测算过程。

（三）租金调整系数

调整系数是实现标准价调整法的第三个核心环节。一般情况下，在一个组内，通过基准单元的租金，运用调整系数直接可以求取所有单元的租金。调整系数中包含两层调整关系，即楼与楼之间的租金调整，以及楼栋内单元与单元之间的租金调整，这导致租金调整系数的设置难度很大，而且质量难以控制。实践中将楼栋内的价格差异剥离出去，另外进行处理，此环节的租金调整只考虑楼与楼之间的租金差异，也就是楼栋基准单元和楼栋基准单元之间的租金差异。这样可以简化问题，有利于做精数据。

租金调整系数的设置主要借助租金数据的人工普查（全面调研和测算），通过普查所有办公物业的现实租金，在一定的可比基础上设置调整系数。由于大多数办公物业都对外经营出租，租金获取比较容易，准确度较高，这是选用人工普查的主要原因。此外，也考虑了是否存在其他更为高效的方式方法，但目前为止还没有找到。租金调整系数的设置工作，必须制订详细的工作计划、数据标准以及进行人员培训，从而确保最终系数的准确性。实践中与办公物业的基础信息调研同步进行，可以大幅提高工作效率。

虽然租金调整系数设置的工作量大，但在一定时期内，这是一次性的工作，并非周期性的工作。只要市场不发生大的结构性变动，尤其是微观局部市场不发生结构性变动，在一个匀质组内，楼与楼之间的租金变化保持同步，则系数可持续有效使用。因此，在设定完系数后，需要监测市场的变化，并判断是否需要重新设置或调整租金的调整系数。

（四）求取租金

这里求取的租金是每栋办公楼基准单元的租金，而非所有单元的租金。由于已进行了分组、基准单元的设置以及租金调整系数的设置，求取租金的工作相对简单和高效。只要对一百多个组的标杆楼栋的基准单元进行市场价值的测算，再通过调整系数求得每个办公楼基准单元的租金。

三、收益乘数方案：多元回归分析法

（一）样本数据

样本点的选择，首要考虑的是整体的代表性，因此要能反映区域分布和等级分布的特点，此外还要考虑一些特殊的办公形态，如商住办公、公寓式办公、工业用地的研发办公等，应采集一定的项目作为案例。在每个细分办公类型中，样本点不能太少。此外，样本数据用于求取回归收益乘数，因此样本点应选择在二级市场上有租有售的项目。根据上述原则，本研究共选取了88个样本点。

样本点选好后，需要调查样本点的租金和售价，即样本点楼栋的基准单元的租金和售价，同时还要同步采集相应的变量数据，这个环节为人工作业。由于关系到收益乘数模型是否能成功建立，建立后模型是否可以准确预测其他项目的收益乘数，样本数据的准确性至关重要。实践中，要求测算人员必须进行现场调研，并至少调研3个以上的可比项目，并经过小组讨论后进行确定。

（二）变量选取与量化

根据对样本数据的分析以及专家的经验判断，最初选取了十几个自变量。经过不断的试算改进，最终得出5个自变量：剩余年限（即土地剩余年限）、物业管理费、最近地铁口距离、商圈以及通达性。

其中，剩余年限、物业管理费和最近地铁口距离是可量化的变量，为连续变量，分别通过调研和GIS系统量化求取。

商圈和通达性是虚拟变量，量化时具有一定的定性判断的成分，但可以通过设置数据标准进行统一的量化。在实际应用中，商圈变量分为5档：核心商务区、次级商务区、办公聚集区、中环内零星办公区域以及中环外零星办公区域。通达性变量主要考虑办公项目的车辆进出方便程度，以办公项目出入口所临道路是否为单行道、支路等情况进行设置。

（三）模型回归与检验

模型的回归试算就是不断调整变量以及不断优化变量的量化方式的过程，通过各项检验进行模型的改进和评判。实际操作中，样本数据采集、变量选取和量化、模型回归试算是相互穿插的，最终以检验来确定模型是否完成或是继续改进。

实际应用的收益乘数模型是：

收益乘数=31.498-0.542x物业管理费-0.430x最近地铁口距离+0.151x剩余年限-0.432x商圈（赋值）+0.861x通达性（赋值）

模型通过了下列4个方面的检验：

1.经济意义检验。经济意义检验主要检验模型参数估计量在经济意义上的合理性。其中，剩余年限与收益乘数呈正相关，剩余年限越大，收益乘数越大，直接资本化率越小；反之,剩余年限越小，收益乘数越小，直接资本化率越大。可以这样理解：我国对土地年限到期后的处置规定还不明确，尤其是商业办公物业，因此，越是临近土地到期年限，对买家的影响越大，价格会受到抑制。而租客一般是短期年限的租赁，租赁时只是考虑办公楼的品质和地段因素，不会考虑到土地年限问题，因此租金不受土地年限的影响。租金不变，售价下降，导致了收益乘数与剩余年限成正相关、与直接资本化率呈负相关，具有经济意义上的合理性。

物业管理费是物业品质好坏的一个替代变量。如果对每一个办公项目进行精确的品质量化，需要对其硬件设施（如外墙、大堂、过道、卫生间、设施设备等）以及管理服务进行全方位的评价，这样成本太高。经过思考和研究，物业管理费的水平一般和楼盘的品质呈强相关关系，其数据获取也容易很多，经回归分析，的确具有显著的影响，可以作为替代变量使用。

在变量量化时，物业管理费、最近地铁口距离和商圈都是以条件越好打分越高的方式进行赋值的。而通达性差的取值为1，不差的取值为0。因此，模型中这四个变量与收益乘数呈负相关，即条件越好，收益乘数越小，直接资本化率越高，静态收益回报越高。这反映了当前时期的市场现象或市场规律，具有经济学意义上的合理性。

2.统计学检验。统计学检验主要是拟合优度检验、T检验和F检验，模型的各项检验数据如下表所示：

表1 F检验

从表1可知，回归方程分析的显著性(Sig.)值远小于0.001，说明方程是高度显著的，拒绝全部系数均为0的原假设，模型对样本数的拟合在统计上是有意义的，回归方程是有效的。

表2中，物业管理费、地铁距离和商圈三个变量在95%的水平下显著性(Sig.)值均小于0.05，影响显著，通过显著性检验。而通达性和剩余年限在较低的90%水平下才影响显著。根据样本数据分析，这两个变量对因变量确有影响，在模型应用中作用明显。相关理论文献认为：“没有绝对的显著性水平，关键仍然是考察变量在经济关系上是否对解释变量有影响，显著性检验起到验证的作用，同时还要看显著性水平不太高的变量在模型中及模型应用中的作用，不要简单地剔除变量。” 实践中尝试剔除这两个变量，模型的各项指标皆大幅下降。因此最终保留这两个变量。

表3 拟合优度检验

多元回归方程的拟合优度检验主要考察调整R方的值。虽然模型通过整体线性关系的F检验，但作为以预测为目标应用的模型，调整R方的值为0.771，显得有所不足。实际应用中仍然应用该模型，主要因为最终的评判是根据价格的预测精度来决定，而价格的预测精度由租金和收益乘数两方面决定的。其中，租金因素占绝对主导作用。当考察租金对价格的单因素回归时，R方高达99%；将租金和上述5个变量一起对价格进行回归，调整R方高达99.5%。这是一个非常高的拟合结果指标。可见，租金水平已经基本确定了价格的水平，收益乘数是在此基础上进行的微调。实践中没有加入租金直接回归价格，主要考虑租金与其余5个变量存在一定的多重共线性，影响了整体预测精度。因此，最终选择单独对收益乘数进行回归的方案。

3.计量经济学检验。样本数据为静态数据，计量经济学检验主要有异方差性检验和多重共线性检验。从表2看出，所有变量的VIF远小于10，从而可以拒绝变量之间的共线性假设，认为自变量之间不存在严重的共线性。

从图2可以看出，残差基本符合正态分布。

图3 回归标准化残差散点图

从图3可以看出，不论因变量的标准化预计值如何变化，残差波动范围基本保持稳定，分布无明显规律。模型通过异方差性检验。

4.模型预测检验。预测检验就是将预测值与实际值进行差异比较，来判断模型实际的预测效果。实际试算中，收益乘数回归模型实验的预测值相对误差分布如表4所示。

表4 预测值相对误差分布

从表4可以看出，10%以内的误差占比累计达到93.2%，仅6.8%的预测误差在10%至15%之间。通过对误差较大案例进行分析，发现造成误差偏大的原因有：样本价格数据存在一定偏差；变量量化中存在一定的误差；缺失部分影响因素（模型未能100%对因变量进行解释）。由此可见，一部分原因来自模型本身，一部分原因来自样本数据的质量问题。综合判断认为，模型整体预测效果符合预期，方法可行，但仍有改进余地。近几年的实际运用，也证实了模型的可靠性与实用性。

四、单套修正

上述环节运行后将得到所有楼栋的基准单元价格，而单套修正环节是将楼栋的基准单元价格进行修正得到所有单元的价格，因此需要一套单套修正系数，实质就是在楼栋内部运用标准价调整法。

单套修正的因素主要有楼层、朝向、面积、格局、立柱、景观、室内上下水等。由于在数据方面的局限性，实证法很难对上述诸多因素进行修正系数的提取（研究中曾尝试采集相关数据，但无法满足统计要求）。好在楼栋内的单套修正系数已形成较多的行业共识，因此可以利用专家评判法来进行设置。实践中，选取了富有办公估价经验的估价师二十余人，分别对因素筛选和系数设置进行了两轮的意见收集和反馈，最终获得一套办公物业的单套修正系数。

五、结论

本文论述的技术方法是在运用传统估价理论方法的基础上，结合标准价调整法和多元回归分析法，以实现高效和高质批量评估的目标。

本文仅对其中的核心技术路径和方法进行了讨论。作为一个完整的技术方案，还应该包括一些重要的技术规则和数据标准。例如价格和租金的内涵和定义、办公等级划分规则、商圈的划分规则、参数的量化标准、基础数据的数据标准以及涉及GIS系统应用的规则和要求等。技术路径和方法只是开通了一条批量评估的实现路径，是否可以很好地实现最终的产品应用，数据的应用和处理是另一个关键。限于篇幅，本文未能展开讨论。

关于方案的适用性问题。本文所论述的技术方案是根据上海的实际情况研究开发的，有别于个案评估的理论方法和技术，可以适用于全国甚至全球。批量评估的技术方法不可能都一样，例如世界发达国家和地区实现批量评估的技术方法就各不相同，即便在同一国内，不同州和省的批量评估方法也有所不同。导致这些差异的原因主要有需求与目标、数据基础、不动产规模、市场特征以及技术水平等的差异。

此外，本文中运用多元回归分析方法测算收益乘数的方法，可以单独实施。结果可以运用到个案评估中进行收益乘数的取值，从而使个案评估中收益乘数（或直接资本化率）的取值更为科学和合理，依据更为充分。笔者由此想到，批量评估的技术方法或成果不仅可以服务批量评估本身，在房地产估价领域中或许还有其他方面的内容可以与批量评估的技术方法结合，进而促进高质量的估价服务。本文仅为抛砖引玉，希望促进业内对非居物业批量评估的交流和讨论。