高层住宅价格的影响因素与空间分布规律研究文档格式.docx
《高层住宅价格的影响因素与空间分布规律研究文档格式.docx》由会员分享，可在线阅读，更多相关《高层住宅价格的影响因素与空间分布规律研究文档格式.docx（26页珍藏版）》请在冰点文库上搜索。
Kriging差值法
AStudyofinfluencingfactorsandSpatialDistributionRegularitiesonHigh-riseResidentialPrice
----BasedonHedonic,SARandKrigingMethods
Abstract:
Theresearchwasconductedbasedon3809casesofsecondaryexchange,whichtookplacefromJanuary2009toMarch2010andinvolved596high-riseresidentialpropertiesinGuangzhoucity,China.Inthebeginning,thesesampleswereamendedinexchangetime,andwefoundoutthattheaverageincreaseofhousingpriceswas9.90RMBYuanperdayinaverage,andtheincreasesofeachareawerequitedifferent.ThenHedonicmodelandSARwereappliedtomeasuretheeffectsofinfluencingfactorstohouseprice.Theregressionresultsincluded10factors,whichwerethedistancetocentralbusinessdistricts;
thedistancetoBaiyunMountain,ZhujiangRiverandparks;
noiselevel;
unitdesign;
decorationgrade;
thenewnessrateofdecoration;
balconyorientation;
floorstorey;
buildingageandthesumofbalcony.Theregressionresultsbetweenhousingpriceandfactorswere:
whenDistancetocentralbusinessdistrictincreasedeachadditionalkilometer,theaveragehousingpriceforunitsquaremeterwouldreduce1141Yuan.IfthedistancetoBaiyunMountain,ZhujiangPearlRiverandparksincreasedonemorekilometer,thepricewoulddropdown904Yuan.Ifnoiselevelchangedfrom“normalorquite”to“noisy”,thepricewoulddropdown501.09Yuan.Whileunitdesignanddecorationgradeimprovedfrom“normal”to“grand”,thepricewouldraise268.34and754.70Yuanrespectively.Whilethenewnessrateofdecorationbecame“new”from“old”,thepricewentdown821.56Yuan.Ifbalconyorientationchangedfromnorthtosouth,thepricewouldraise416.86Yuan.Whenfloorstoreyraisedonemorestorey,thepricewouldrise54.65Yuan.Ifbuildingageincreasedanadditionalyear,thepricewoulddrop302.35Yuan.Thesumofbalconywhichadwellinghouseownedbecamefromonetotwo,thepricewouldrise130.51Yuan.Therewasanopinioninthepastthathouseholdswerewillingtopaymoremoneyforthehousewherehadexcellentprimaryandnurseryschools,butithadnotbeenconfirmedbythepaper.Atlast,allthesamplepricesweremodifiedtothelevelinstandardrealestatestatusbytheregressionequationbasedonSAR,andthenkriginginGISwasusedtodrawaspatialdistributionmapaboutthepriceofhigh-riseresidentialpropertyinGuangzhoucity.Inthemapwecouldseetherewereonehighestpriceregion,onesecondaryhighestpriceregionand4highpriceregions.Thepricereducedgraduallyfromthecentertowardsthefringesinthecity.Amongthemap,theshapeofcoreregion,whichwasenclosedbythecontourof20000Yuan/m2,lookedlikea“turtle”,andtheshapeofcentralregion,whichwasenclosedbythecontourof1500Yuan/m2,lookedlikea“pizza”.
Keywords:
High-riseresidentialprice;
Influencingfactor;
Spatialdistributionregularity;
Hedonicmodel；
Kriging.
1介绍
广州位于中国东南部，为广东省省会，是中国改革开放的先行地区，市区土地3843.43平方公里，2008年常住人口886.55万人，常住人口密度为2307人/平方公里。
由于经济发达，吸引了大量的外来人口在此务工和从事商业活动。
据广州市出租屋管理办公室统计，截止2010年10月，办理暂住证的外来流动人口为715万。
可以看出广州市实际已进入特大城市行列，包含常住与外来人口在内的实际人口密度约为4167人/平方公里。
据中国社会科学院2010年4月发布的《2010年中国城市竞争力蓝皮书：
中国城市竞争力报告》，内地城市中广州市综合竞争力排在深圳、上海、北京之后，位列第四。
据搜房网旗下的中国指数研究院报告，2010年广州市住宅交易均价为12323元/m2,继杭州、深圳、北京、宁波、上海之后排名第六，是当前均价过
万的6个城市之一；
广州市住宅交易均价比上年同比增长31.84%，增长幅度在内地主要城市中位列杭州、重庆、北京、宁波、深圳、苏州之后，排名第七。
住房价格历来是社会议论的热点话题，人们经常会问：
某个城市房地产价格主要是受哪些因素影响，房地产价格在空间上怎样分布的？
本文主要旨在研究区位、邻里环境、建筑结构等微观因素对广州市高层住宅价格的影响，在此基础上分析其高层住宅价格的空间分布特征。
2文献综述
2.1房地产价格的影响因素研究
通常影响住宅价格的因素有3大类：
区位（location）、建筑结构（structure）和邻里环境（neighborhood），因此，住宅价格P就可以用方程式表达为：
P=f（L,S,N）
（1）
方程
（1）中的区位（L）指就业、生活的便利性，包括到城市中心、就业地点的距离等；
建筑结构（S）指住宅的物质形态特征，包括建筑面积、建筑年龄、房间数、楼层、朝向、户型间隔、装修状况等；
邻里环境（N）指住宅所处社区类型、服务水平、景观、环境污染状况，包括学校质量、服务设施规模与距离、景观视线、噪声、空气污染水平等。
国内外学者主要采用Hedonic模型开展房价影响因素研究。
Hedonic定价的概念最早是由美国汽车分析专家Court于1939年提出。
他借鉴了功利主义的享乐哲学，估计了汽车消费者能够从汽车的各个属性（速度、内部舒适度、安全等）所获得的享受，并认为这是对汽车进行估价的基础。
后来，Hedonic模型被广泛地运用于耐用品的定价中。
20世纪90年代以来,Hedonic模型得到了广泛应用,国外学者开展了许多实证研究。
例如SirpalR.（2004）、DesRosiersF.等人（1996）研究了购物中心对周围房地产价格的影响；
SoHM.等人（1997）估计了香港交通对房价的影响；
PalmquistRB.（1992）研究了局部外部设施对住宅价格的影响；
TyrvainenL.（1997）研究了城市森林的舒适性的价值；
LevesqueTJ.（1994）以加拿大温尼伯国际机场为例，模拟了机场噪音对住宅市场的影响；
WieandK.F.（1973）以美国圣路易地区为例，实证研究了噪音对房地产价格的影响；
GhebreegziabiherDebrezion等人（2006）研究了荷兰轨道交通对房地产价格的影响；
Stevenson（2004）以美国波士顿1995-2000年的6441个住宅样点，选择了30个变量证实了住宅年龄对住宅价格的影响。
Haurin等人（1996）选择了29个变量应用特征价格模型，证实了美国俄亥俄州地区学校质量对住宅价格有很大的影响。
2000年之后，中国大陆学者逐步开展HPM实证研究。
例如：
马思新等人（2003）对北京的住宅价格进行分析，结果发现住宅价格与区位、厨卫装修、管理费三个变量的显著性水平最高；
温海珍、贾生华等（2004）选取了学校、超市、停车场、幼儿园和交通状况等15个变量对杭州的住宅市场特征模型进行了实证分析，发现建筑面积与房龄是最重要的住宅特征；
郭文刚等（2006）选择了18个住宅特征作为模型的自变量，采用2473个住宅样本数据和290个住宅小区的实地调查资料对模型进行了估计，发现14个住宅特征对住宅价格具有显著影响；
王德等人（2007）应用Hedonic模型对上海210个住宅实际成交价格作定量分析，对上海轨道交通以及公园绿地对住宅价格的影响做出定量测度；
石忆邵等人（2009）对上海南站对住宅价格的时空效应进行分析，发现其增值作用平均范围为1.85km。
进入新世纪之后，空间自回归方法在房地产价格的影响因素研究方面不断得到学术界关注，并开展了相关实证研究。
EddieC.M.Hui等人（2007）对在高层住宅、高密度环境下的香港房地产价格影响因素研究过程中发现：
房屋价格与至CBD的时间呈负相关，业主愿意为海景和良好的空气环境支付更多的费用，而城市绿带对房价影响不够显著。
国内学者刘定惠等人（2010）结合空间分析方法和Hedonic模型,采用ArcGIS、Surfer、SPSS等软件,以成都市为例,对城市住宅价格空间分布特征及其影响因素进行系统性分析。
结果表明:
成都市主城区住宅价格总体上以城中和城南为双核心,呈马蹄状向四周逐级递减;
成都市住宅价格在空间分布上呈明显的正相关性,具有相似价格的住宅呈现集聚特点；
楼盘档次、区位条件、环境因素、交通可达性,历史与人文等因素是影响成都市住宅价格空间分异的主要因素。
2.2房地产价格的空间分布研究
关于商品住宅价格空间分异规律的研究，较多的文献是基于实证的研究。
在国外，GamezMartinez等（2000）利用Kriging技术，通过四个模型的比较和选择对西班牙Albaceet市进行了空间插值分析;
Pace等（2000）利用有关空间和时间的12个变量，建立了房地产价格预测模型。
在国内，郑芷青（2001）对广州市住宅价格空间和时间变化进行了描述，空间上呈居住中心向周边逐渐降低的趋势，时间上受地价、交通、绿化环境、城市形态、生活设施等因素的影响呈上升趋势；
周春山、罗彦（2004）对广州市老八区的样点楼盘进行研究，分析近10年来的商品房价格变化的空间特点，认为影响房地产价格的因素包括区位因素、政策因素、市场供需、人文环境等；
王霞、朱道林（2004）以北京市为例，利用Kriging技术开展了住宅价格空间分布规律研究；
梅志雄、黎夏（2007）依据东莞市普通住宅项目交易均价数据，利用地统计学中的趋势分析方法对东莞市房价空间变化趋势进行了分析，采用普通克里金空间插值方法进行了空间局部估计，并借助ArcGIS软件和Surfer软件绘制了东莞市房价空间分布专题图，进而对东莞市住宅价格空间分布特征和差异及其成因进行了分析。
通过对上述学术文献综合分析，我们发现：
（1）在房价影响因素方面，国外学术文献中已有大量的实证研究，研究焦点包括区位、邻里环境、建筑结构中的各项因素；
研究对象主要是独立单栋住宅，仅有少数文献（例如香港学者的论文）关注高层住宅；
研究方法多为Hedonic模型，空间自回归模型使用还比较少。
自2000年后，国内不少学者采用Hedonic模型开展房价影响因素的成果日渐增多，但一般未对住宅市场进行细分，使用空间自回归模型进行有关研究的成果也很少。
（2）在房价空间分布研究方面，由于GIS平台下的Kriging插值技术作为比较成熟空间研究方法，国内外学者均采用此法开展房价的空间分布规律研究。
（3）将房价影响因素与其空间分布规律结合在一起进行综合研究的学术成果非常稀少，研究者检索到的学术文献仅有国内学者刘定惠等人以成都市为例所做的房价空间分布规律及其影响因素的论文。
由于房地产具有显著异质性，该文未对房价去除楼层、朝向、装修等因素的影响，直接用样本房价插值出房价的等值线图，从理论上说这种做法不够严密科学。
3研究思路与方法
3.1研究思路
首先对各交易样本进行交易时间修正，将它们统一修正到目标时刻，然后分别采用Hedonic模型和空间自回归（SAR）模型对房价及其影响因素进行分析，由此确定它们之间的数量关系。
之后利用这种数量关系模型将各交易样本的房地产价格统一修正为标准房地产状态下的价格水平。
例如所有交易样本的单价统一为楼层为第12层、朝向向南、普通装修、楼龄1年等条件下的房屋。
在此基础上采用GIS平台下的克里金（Kriging）插值法,绘制广州市高层住宅价格的空间分布图，并分析其空间分布规律。
3.2研究方法
3.2.1Hedonic模型
作为经典的房地产价格与其影响因素分析方法，Hedonic模型认为：
房地产购买者（租赁者）所支付的价格（租金）应能补偿该房地产属性（诸如区位、交通、配套、户型、朝向等因素）所能带来的舒适程度，即这个市场中所有房屋的价格（租金）就应当是这些属性的一个函数，由此可以将模型设置为以下形式：
（2）
式中
P为房地产价格；
X1,X2,…Xn为该房地产属性。
此外Hedonic模型还有半对数、对数、Box–Cox等表现形式。
将上式改写为向量表达形式，
（2）式将变为：
（3）
其中
为n乘1依赖向量；
为n乘k解释向量矩阵；
为k乘1回归系数向量；
为随机误差向量。
3.2.2空间自回归（SAR）模型
空间自回归模型源自于空间自相关理论,后者认为彼此之间距离越近的事物越相像，例如空间相邻的房地产交易样本其价格及其影响因素具有更多的相似性。
由于影响房地产交易价格的因素非常多，要想研究房地产价格与其影响因素需要很多数据，但有时资料并非可以容易取得，此时空间自回归模型就成为研究此问题之有效方法。
这是因为某交易样本的房价为相邻交易样本的房价与其它影响因素的影响之和，此时该相邻交易样本的房价包含了诸如区位、交通、配套、户型、朝向等许多隐含因素的影响，空间自回归模型可以由此分析出某交易样本的房价与其它影响因素的关系。
Ord（1975）将普通线性回归与SAR模型相结合，提出了混合空间自回归模型（MixedRegressive-spatial-autoregressiveModel）。
由于空间自相关以空间滞后向量
来体现，因此该模型后来常被称为空间滞后模型SLM（SpatialLagModel），其基本表达式为:
（4）
这里
为变量
的空间依赖系数，
为空间权重矩阵，其它符号含义同（3）式。
3.2.3克里金（Kriging）插值法
克里金插值法又称空间自协方差最佳插值法，它是以南非矿业工程师D．G．Krige的名字命名的一种最优内插法。
克里金法广泛地应用于地理学研究、地下水模拟、土壤制图等领域，是一种很有用的地质统计格网化方法。
它首先考虑的是空间属性在空间位置上的变异分布。
确定对一个待插点值有影响的距离范围，然后用此范围内的采样点来估计待插点的属性值。
4数据采集与处理
4.1数据采集
首先我们的研究范围限定于广州市存量高层带电梯的平层住宅方面。
论文使用数据来自于广州某著名房地产经纪公司采集的二手交易数据。
数据采集项目包括楼盘名称、所在行政区域、地址与单元房号、所属区片（板块）、成交日期、建筑面积、成交总价、楼盘建成时间、总楼层、所在楼层、户型间隔的合理性、朝向、景观、噪音状况、装修档次、装修年限、单套房地产阳台数共计17项内容。
采集时间为2009年1月至2010年3月，数据总量为6217条，其中有效数据3809条，分布于广州市36个区片（板块），596个楼盘（或小区），交易楼盘空间分布图见图1。
上述数据由该房地产经纪公司下属、分布于全市范围的二手地铺调查，之后汇总提交给研究者。
图1交易楼盘空间分布图
根据楼盘名称和地址，结合广州市省市一级小学位置、省市一级幼儿园位置、三甲医院位置、白云山、珠江、公园位置以及地铁站点分布，采用GIS技术，我们量算了每一楼盘距离上述设施的直线距离。
这样，每一楼盘共包括22项信息。
4.2房屋单价的交易时间修正
如之前所述，2010年广州市住宅交易均价比上年同比增长31.84%，增长幅度显著。
而我们采集到的数据位于2009年1月至2010年3月，正好处于这段时间。
为消除时间因素对房价的影响，须对各交易样本的房屋单价进行交易时间修正。
修正方法采用分板块的趋势分析，具体如下：
以交易样本的房屋单价为因变量，以交易时间为自变量，分板块对交易数据进行一元线性回归分析。
具体公式为：
（5）
上式中，P为交易样本的房屋单价；
t为样本交易时间，采用距离2009年1月1日的天数；
a、b为回归方程的参数。
通过对3809条数据分板块进行趋势分析发现：
除人民路和小北路板块由于交易样本量过少、显著系数分别为0.207和0.125外，其它板块显著系数均为0.0000，都存在显著的线性增长趋势。
从回归结果来看，五羊新城板块增幅最快，房屋单价日均增长19.20元；
其次为珠江新城板块，日均增长17.44元；
罗冲围板块增幅最慢，日均增长4.19元；
36个板块平均增幅为9.90元。
各板块的回归结果见表1。
表1各板块的回归结果
板块名称
a
b
Sig.
白云大道
6661.25
8.67
0.000
洛溪
6148.38
5.73
北京路
10775.16
10.76
南海
5860.64
5.27
滨江东
10746.57
10.04
南洲
6380.55
10.92
赤岗
7913.01
10.45
人民路
7432.55
27.03
0.207
东风东
12518.31
10.60
石牌
9127.24
10.69
东圃
7103.48
8.60
市桥
4663.49
6.09
0.019
芳村
5147.29
14.45
淘金
9785.32
11.22
广州大道北
6582.29
7.13
体育中心
9600.45
11.96
0.000
广州大道南
7825.12
天河北
10030.90
11.01
海珠西
8339.18
11.62
天河公园
9641.01
9.17
后天河北
7672.16
13.30
五羊新城
6749.90
19.20
华南
6660.1
升级会员 