《基于成都住宅市场Hedonic定价模型的因素分析.docx》由会员分享，可在线阅读，更多相关《基于成都住宅市场Hedonic定价模型的因素分析.docx（19页珍藏版）》请在金锄头文库上搜索。
1、基于成都住宅市场Hedonic定价模型的因素分析计量经济学课程论文摘 要：本文跳出了一般商品根据供求关系决定价格的范式，将住宅看作有着多个属性的复杂商品，并通过对成都市住宅市场的2005年4月第25届成都市房地产交易会的住宅楼盘公开信息的收集来建立基于成都住宅市场的hedonic模型，分析影响其价格的主要因素。关键词：hedonic模型，成都住宅市场，属性，隐含市场1 背景及研究意义 住宅产业（Housing Industry）于1968年由日本通产省提出，它是社会化大生产生产的客观需要，是产业经济的产物，不是一般的三次产业分类，而是系统化的产业概念。住宅这一商品本身具有建设周期长、投资量大、
2、位置固定、价值高、长期使用、异质性等特点。住宅产业还具有受宏观政治、经济和金融政策以及气候的影响大、产业链长，关联度大，带动性强等特点，它能带动投资、消费、创造大量的就业机会。除了住宅建设本身巨大的投资额对国民经济的直接拉动作用外，住宅建设的生产和消费，还与50多个生产部门、成百个行业，几千种产品密切相关，其带动效应巨大，住宅投资对各行业的诱发系数为1.72.2左右。我国住宅产业经过十多年的改革和发展，取得了显著的成效。尤其是一九九八年以来，随着我国城镇住房制度改革的深入推进，全国住宅产业投资的快速增长，大大改善了居民的住房条件，拉动了经济增长、并且扩大了就业。住宅产业已经成为国民经济第三产业
3、中仅次于服务业和商业的第三大支柱。按照中国社会科学院的预测，未来10年我国城镇居民每年对新建住宅的需求量最低约5亿平方米左右，年均住宅建设投资达50008000亿元人民币，到2010年城镇住宅投资占GDP的比重将达到5%以上。因此，住宅产业在未来的二三十年内，都将是中国国民经济发展的增长点，发展空间十分巨大，是前景光明的朝阳产业。2 建立模型，检验与修正2.1 Hedonic模型简介Hedonic意即“享乐”，hedonic模型则是基于效用论的一个定价模型。该模型从消费者（生产者）的主观角度出发，通过对商品的属性的评估来定价。Hedonic模型应用的对象是那些所谓的复杂的耐用商品，这些商品并不
4、像平时在经济学教科书上讨论的商品那样简单，其价格由总的供求状况决定，并且可以被观察到。而“复杂性”就体现在这类商品有着较多的属性，消费者必须通过对这些属性的综合评价而不是单一属性的评价来定价。该模型将这样的“复杂商品”视为一个“特征包”，也就是包含着n个特征的向量；每一个特征(characteristic)对应着一个隐含市场以及在这个隐含市场上由供求决定的隐含价格，最后由通过这些属性的综合评价而得到的价格称为hedonic price（享乐价格)。2.2 模型的主要前提假设（1）用于耐用消费品的定价； （2）市场处于均衡的状态；（3）产品满足异质性；2.3 Hedonic模型分析住宅市场的定价
5、消费者在考虑某处住宅的价格是否可以接受时，会考虑多种因素：区位、周边环境、绿化、装修标准等，这就符合了应用hedonic模型的应用前提。国外应用hedonic模型对房地产市场进行研究已经有60多年的历史。Court最早在Hedonic Price Indexes with Automobile Examples(1939)中提出了hedonic模型，主要应用于一些耐用消费品的定价；S.Rosen的Hedonic Prices and Implicit Markets: Products Differentiation in Pure Competition(1974)较为系统地总结了hedon
6、ic定价的理论框架。2.4 针对成都住宅市场的hedonic模型2.4.1 变量选择本文考虑的变量由于是基于hedonic模型，从住宅本身的“属性”出发，从两个方面来选择变量。因为房地产这种商品的特性，消费者主要从地产（位置）和房产（内部设施）来进行评价：（1）地产因素：区位、周边环境、占地面积；（2）房产因素：绿化率、容积率、物业管理费、厨卫装修标准、室、卫、厅、户型、车位租金、通讯设施；这样选择变量实际上是选择了一个中间的桥梁，将购房者自身的因素（偏好，受教育程度，收入等更为根本的影响因素）与价格联系起来，而且容易观察，获得数据。在收集数据的过程中发现“厨卫装修标准”对于所选取的样本几乎没
7、有区别，故略去，“物业管理费”，“车位租金”，“通讯设施”缺失数据，最终选择了9个变量（表1）。表1因素评分标准分值备注1区位一环以内(河内)5一环以内4一二环间3二三环间2三环以外1郊区0.52绿化率是指规划建设用地范围内的绿地面积与规划建设用地面积之比。3容积率是指建筑用地中建筑面积与基地总用地面积之比4占地面积5室6厅7卫8周边环境有大型商场,超市2累加有大学、小学、中学、幼儿园2交通便利与否2运动设施29户型多层07层及其以下,无电梯小高层/高层17层以上的电梯公寓0均价将各单位的销售价格相加之后的和数除以单位建筑面积的和数，即得出每平方米的均价2.4.2 模型构建Hedonic模型的
8、一般形式为：，P为价格，为商品的第i个属性。2.4.3 方程形式的选择在具体的模型选择上，有线性的、平方的、指数的、对数的、半对数的及BoxCox 转换的，我们采用的是对数及部分对数形式，并在此基础上通过试算进行选择。先假设函数具有如下形式：； (1)通过对数变换得到： (2)考虑到模型中有2个变量( “区位”和“周边环境”）的数值是通过评分获得，并且会引入“户型”作为虚拟变量，因此在（2）式中做一定变化，得到： (3)通过试算，我们选择（3）作为回归模型。2.4.4 数据搜集2005年4月第25届成都市房地产交易会的住宅楼盘公开信息截面数据（附表一）2.4.5 数据处理过程利用eveiws3
9、.1做初步回归：表二：Lny c x1 lnx2 lnx3 lnx4 lnx5 lnx6 lnx7 x8 x9Dependent Variable: LNYMethod: Least SquaresDate: 05/31/05 Time: 14:08Sample(adjusted): 2 95Included observations: 94 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C6.763421344940.61726667466710.95704923427.25099526536e-
10、18X10.1199056178220.0356409466523.36426579780.00115832837278LNX20.06209661733860.1785432068830.3477960232860.728863395966LNX30.1862987288510.1090866918121.707804368760.0913661197708LNX40.06760487845760.03628260642351.863286161650.0659166647239LNX5-0.0493752654760.115101301515-0.4289722603140.6690415
11、76355LNX60.07465571854790.1510033422650.4943977890020.622315799232LNX7-0.02513534879920.114150401014-0.2201950109310.82625355471X80.119203541290.03512880460373.393327573610.00105552330435X9-0.0400697627720.0716384038383-0.5593335505130.577422428756R-squared0.658499912533 Mean dependent var7.95714204
12、659Adjusted R-squared0.621910617447 S.D. dependent var0.444893394914S.E. of regression0.273560380379 Akaike info criterion0.345699215881Sum squared resid6.28616366392 Schwarz criterion0.616262490591Log likelihood-6.24786314641 F-statistic17.9970647423Durbin-Watson stat0.973701845682 Prob(F-statistic
13、)3.0236438323e-16Lny6.7634210.119906x1+0.062097lnx2+0.186299lnx3+0.067605lnx4-0.049375lnx5 (10.957049) (3.364266) (0.347769) (1.707804) (1.863286) (-0.042897) (4) +0.074656lnx6-0.025135lnx7+0.119204x8-0.040070x9 (0.494398) (-0.220195) (3.393328) (-0.559334)R2=0.658500 0.621911 F=17.997065可见，lnx2,lnx
14、5,lnx6,lnx7,x9的t统计量不显著。下面我们利用逐步回归法（变量剔除法）进行修正：删去同一性质的“室”“卫”“厅”后再次回归得到：表三：Dependent Variable: LNYMethod: Least SquaresDate: 05/31/05 Time: 14:11Sample(adjusted): 2 95Included observations: 94 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C6.7548260.60414811.180740.0000X10.1203940.0349983.4399980.0009LNX20.0646
