学文网摘要：当前房价问题已成为社会各界关注的热点，同时也是房地产学术研究关注的焦点之一，作为估测城市住宅价格的经典方法，特征价格模型（Hedonic price model，简称HPM）从2002年开始广泛运用于国内住房市场的研究。本文以特征价格理论探讨南京市栖霞区城市住宅价格的影响因素，并揭示不同特征对住宅价格的贡献，以期为商用住宅市场参与者的决策提供依据。
关键词：Hedonic模型；住宅特征；特征价格
一、引言
随着我国城镇化进程的不断推进，人们对城市住宅的需求越来越大。构成城市住宅使用价值的各个特征之间有明显的差异，如住宅的位置、面积、小区环境、交通状况等，这表示住宅的每一个特征都对应着一个隐含的特征价格，而该价格无法被市场直接观测。因此，估计住宅本身的隐含价格，可以揭示消费者的购房偏好，对城市商品住宅市场的供需分析具有重要意义。
二、文献综述
Hedonic模型源于Lancaster（1966）的新消费者决策理论和Rosen（1974）的供需均衡模型。Lancaster认为商品具有一系列的内在属性和特征，商品的出售是作为内在属性集合进行的，消费者对产品的需求取决于商品所含的内在属性的数量和质量。Rosen从理论上分析了异质性商品市场的短期和长期均衡，为特征价格的理论建模、函数估计奠定了基础。此后，随着研究进一步深化，Hedonic模型的应用也日趋广泛和深入。
国外从研究内容来看，Karin & Quigley（1970）发现建筑质量与住宅价格显著正相关。Brasington（2002）发现学校质量与周围的住宅价格正相关。Bowes评估了轨道交通站点的可近性对住宅价值的正面效应及负的外部性。Geoghegan（1997）、Kim（2003）等研究了住宅周围的景观、绿化、空气等因素对住宅价格的影响。从研究方法来讲，有半参数、非参数回归技术、GIS技术，还有离散选择模型、神经网络等方法的结合使用。
国内学者蒋一***最早利用Hedonic方法计算房地产价格指数。温海珍（2004）通过杭州市西湖区住宅交易资料，得出了与房价紧密相关的特征因素，并根据重要程度将其分为三类。王旭育（2006）等确定了不同特征变量对于住宅市场价格的影响程度。王福良（2014）对城市轨道交通与周边房价的影响机制进行了实证分析。
本文在已有研究的基础上，运用传统的特征价格模型测算了栖霞区住宅特征的特征价格，确立了不同住宅特征对住宅价格的影响程度，得出栖霞区住宅特征的价格模型。
三、实证分析
经典的特征价格模型的函数形式一般分为线性函数、对数线性函数、对数函数。本文经过尝试和比较采用一般线性函数建立模型，回归系数为常数，对应特征的隐含价格。
（一）变量选择
住宅特征一般被分为建筑特征、区位特征和邻里特征三大类。建筑特征主要是与住宅本身相关的特征变量，包括建筑面积（+）、房龄（-）、楼层数（未知）、装修程度（+）、卧室数目（+）、朝向（未知）共6个；区位特征包括公交线路（+）、地铁（+）、新街口距离（-）共3个；邻里特征是用来衡量住宅周围环境的变量，包括教育配套（+）、邻近大学（+）、医疗配套（-）、商场数目（+）、超市数目（+）、便利店数目（+）、绿化率（+）、物业费（-）共8个（括号内的符号表示预期影响符号）。
（二）数据来源
本文以南京市栖霞区作为研究区域，收集56个小区共计630个二手房挂牌数据作为研究样本，剔除异常值后，最终进入模型的样本数据共530个。数据主要来源于南京365房地产网站、南京搜房网等，该网站数据在多数研究中都有使用，具有一定说服力。小区到达新街口的距离变量采用能够到达的最快捷距离，数据来自于百度地***、好搜地***。为使样本更具有针对性，主要选取高层和小高层作为研究对象。
（三）实证结果分析
采用SPSS21.0，应用OLS法进行强制回归分析，由结果看， R2为0.714，方程拟合程度较好。最大的VIF值3.561，各解释变量之间不存在共线性。通过方差分析得到F值为73.999，sig值0.000，方程设定是显著的。在回归系数的估计中，楼层数、南北朝向、教育配套三个特征变量未通过95%的显著性水平，即这三者对栖霞区房价的影响不显著，其他特征变量均通过显著性检验。
1.住宅特征的特征价格分析
从住宅特征的价格函数可知，回归系数对应住宅特征的价格。建筑特征中的建筑面积每增加1m2，每套住宅的平均价格将增加1.332万元；房龄每增加1年住宅价格减少1.785万元；装修程度每增加一个档次，住宅价格将增加7.370万元；卧室数目每增加一间，住宅价格将增加11.479万元。在区位特征中，小区附近有地铁站点的住宅价格相应增加11.041万元，而距南京新街口（CBD）的距离每增加1km，住宅价格会下降2.794万元。邻里特征中，显著性水平最强的是商场数目、小区绿化率和小区是否有邻近大学校区。大多数回归结果与预期影响符号一致，但公交线路、超市数目、便利店数目与预期符号不一致。对此，合理的解释是对交通便利、商业配套齐全的地区而言，公交线路的增多，超市、便利店的增加会带来更大的人流量，产生交通拥堵、噪音、污染等负效应，影响人们日常生活。
我们把各样本住宅的特征数值的平均值作为定义整个栖霞区住宅市场的标准住宅特征。在标准住宅中，定义各特征价格与特征数目的乘积作为单个住宅特征对整个住宅价值的贡献程度。根据特征总价和特征总价绝对值之和的比值，可以得到特征总价在住宅总价中所占的比重。我们发现，在标准住宅中，建筑特征、区位特征、邻里特征对总体住宅价格的贡献率分别为34.13%、8.79%、57.08%。此结论与郭文刚（2006）基于杭州市的估计结果（60.0%，19.8%、16.5%）有所差别。可能的原因是，隶属于南京市重要交通枢纽的栖霞区总体上拥有先天的资源和区位优势，这使得区域内占据不同资源优势的小区的吸引力盖住了住宅本身的建筑特征，当然，也不排除样本未能涵盖本区内所有住宅特征的可能。
2.住宅特征的重要性程度分析
特征价格由于衡量单位不同，其影响程度也无法通过模拟数据进行直接的比较。但标准化后的回归系数（Beta）是在对所有变量进行标准化后得到的，具有可比性，我们使用其绝对值对各个变量特征的影响程度进行排序，并将住宅特征分为三类。分类的标准为：[Beta]≥0.20为第一类；[Beta]≥0.10为第二类；[Beta]
从变量特征的排序和分类结果来看，与住宅价格关系比较密切的14个住宅特征对价格的影响程度是有差异的，影响程度最大的住宅特征是建筑面积，最小的是物业费。第一类对住宅价格的影响最大（建筑面积、距新街口距离以及小区是否邻近大学）；第二类（房龄、装修程度、卧室数目、公交线路、商场数目、便利店数目以及小区绿化率水平）表现一般；影响最小的是第三类（小区是否靠近地铁站点、周边医疗设施配套、超市数目以及物业费）。这也揭示了消费者对城市住宅特征的不同的关心程度。
结语
本文采用线性函数形式构建了南京市栖霞区住宅特征价格模型，通过模型系数的估计和分析，发现就栖霞区整个住宅市场而言，14个住宅特征对住宅价格的影响程度是有差异的。在标准住宅中，建筑特征对总体住宅价格的贡献率为34.13%，区位特征对住宅总价的贡献率为8.79%，邻里特征对住宅总价的贡献率为57.08%。此结果可以为住宅市场参与者的决策提供依据，也可以用来解释其他经济发展水平与栖霞区相近地区的城市住宅特征价格。
参考文献：
[1]Lancaster， Kelvin J. A New Approach to Consumer Theory [J]. Journal of Political Economy， 1966，74（1）：57-132.
[2]Rosen S. Hedonic prices and implicit markets： Product differentiation in pure competition [J]. Journal of Political Economy， 1976，82（1）： 35-55.
[3]贾生华，温海珍.房地产特征价格模型的理论发展及其应用[J].外国经济与管理，2004，26（5）：42-44.
[4]温海珍，贾生华.基于特征价格的房地产评估新方法[J].外国经济与管理，2004，26（6）：31-40.
[5]郭文刚，崔新明，温海珍.城市住宅特征价格分析：对杭州市的实证研究[J].经济地理，2006（26）：176-187.
转载请注明出处学文网 » 南京市栖霞区住宅特征价格分析