基于特征价格模型的住宅租金影响因素研究

基于特征价格模型的住宅租金影响因素研究

作者：孟君迟 张哨军

来源：《价值工程》2016年第27期

摘要：为研究住宅租金的影响因素，以武汉市住宅租赁市场为研究对象，使用2016年某房地产中介公司的住宅租赁数据，利用SPSS 22.0软件对数据进行多元线性回归分析，得到了武汉市住宅租赁特征价格模型，通过模型的建立分析武汉市住宅租金构成的内在规律。 Abstract： For the study of the influence factors of housing rent， housing rental market in Wuhan is taken as the research object. SPSS 22.0 software is used to carry out the multiple linear regression analysis of the residential leasing data of a real estate intermediary company in 2016.

Hedonic price model of housing rental in Wuhan is obtained. The intrinsic law of the housing rental in Wuhan is analyzed by establishing the model.

关键词：住宅租金；特征价格；租赁市场；影响因素；SPSS分析

Key words： house rent；hedonic model；rental market；influential factors；SPSS analysis 中图分类号：F293.3 文献标识码：A 文章编号：1006-4311（2016）27-0199-03 0 引言

住宅租赁市场是我国庞大住宅市场的一部分，随着房价不断的攀升，住宅租赁市场随之不断发展，缓解了一部分人的住房问题。租金是住宅租赁市场的核心，研究租金的影响因素有助于住宅租赁和机制的建立，规范租赁行为，形成一个完整的、运行有序的租赁市场[1]。对于价格和属性之间的关系，国内外的学者通常采用特征价格模型进行分析。在住宅租赁价格方面，国外的学者已深入研究了建筑面积[2]、距离地铁距离[3]对住宅租金的影响程度，国内学者也基于特征价格模型对杭州市[4-5]、广州市[6]、哈尔滨[7]等地住宅租赁价格进行了研究。

基于国内外研究的成果，结合武汉市两江三镇的独特地理格局，以武汉市三环线以内的武昌区、洪山区、青山区、江汉区、硚口区、汉阳区的住宅租赁市场为研究对象，使用2016年上半年安居客（http：//wh.zu.anjuke.com/）住房租赁数据，涉及住宅小区375个、房源22套，利用SPSS22.0软件，对数据进行回归分析得到最优特征价格模型，系统分析影响武汉市住宅租赁的影响因素。 1 研究方法与数据来源 1.1 研究方法

龙源期刊网 http://www.qikan.com.cn

特征价格模型是一种处理异质产品差异特征与产品价格间关系的模型，特别是在房地产等异质性强的领域得到了广泛应用[8]。特征价格理论认为消费者对异质性商品的需求，是看重商品的特征、属性，而非商品本身。而住宅的特征变量也大致分三类：区位、建筑和邻里。下文将运用类似分类方法详细解析租赁住宅的特征。 1.2 模型基本形式

特征价格模型包括四种基本函数形式，即有线性、对数、半对数以及对数线性。其中，线性函数最为多见。由于变量和所有自变量呈线性关系，故回归系数即为各特征变量对应的特征价格。则有下式： P=a0+■aiXi+ε （1）

式中：P——产品价格；n——产品包含的特征总数；Xi——产品第i个特征；ai——回归系数；ε——误差项。 1.3 数据来源与处理

由于大部分商业中心，就业中心、教育中心、金融中心都聚集在武汉市三环线内，因此本次研究主要在三环线内主要人口居住地选取样本点，以武汉市交通图为底图对环线道路和地铁路线进行数字化处理[9]，得到基础分析底图，建立样本点分布图，如图1所示。

数据的收集处理分三步：第一，搜集住宅小区内一居室、两居室、三居室三种主力户型待租房源挂牌价格；第二，求取三个房源租金平均值作为特定户型租金；第三，求取三种户型每平方米的租金平均值作为住宅小区租金，汇总数据。 2 价格特征模型的构建与应用 2.1 特征的选取与量化

租赁住宅特征变量的选择是使用特征价格模型的一个关键环节，以武汉市各租赁住宅的各项属性信息为依据，结合国内外关于住宅价格和租金的研究成果以及武汉市租赁市场的特征，本文以每平米月租金为因变量，将影响住宅租赁特征价格的区位、邻里、建筑特征三大类共计15个因素作为自变量。不同类型的变量需要采用不同的方式进行量化，对于本文选取的变量，采用3种量化方式进行量化：①直接采用原始数据作为变量值；②用5点Likert量表的形式对变量进行分级；③采用虚拟变量作为应用数据。如表1所示。 2.2 模型估计与检验

龙源期刊网 http://www.qikan.com.cn

本文采用最为常见的线性函数形式作为模型的基本形式，在SPSS 22.0中进行多元线性回归分析，将选取的15个自变量和1个因变量代入模型，可得到分析结果如下：

①拟合度检验。由表2可知，相关系数R=0.8724，非常接近1，说明自变量和因变量之间的线性关系很强。判定系数R2=0.7611以及调整的R2=0.7393，表示模型的拟合程度很好，具有良好的解释能力。

②显著性检验。由表1可知，Sig的值为0.000，小于0.001，说明方程是高度显著的，拒绝“全部系数为0”这一原假设。这表示，进入方程的住宅租赁特征与租金P之间的线性关系能够成立。t值主要应用检验每个自变量对因变量的影响是否显著，汇总如图2所示，结果表明各自变量对因变量的影响显著。

③多重共线性检验。将所有变量的VIF值汇总如图3所示，最小值为1.232，最大值为5.476，远远小10，从而可以拒绝变量之间的共线性假设，可以认定自变量之间共线性问题不是很严重，模型通过共线性诊断。

综上所述，模型具有良好的拟合度和较高的解释能力，在统计上是有意义的，可以用来分析和解释住宅特征对住宅租赁价格的影响。 ④模型结果。各特征项回归系数如表3所示。 根据以上分析，得武汉市住宅租赁价格模型为：

P=31.578+（-0.001631）X1+（-0.00156）X2+（-0.001532）X3+（-0.001632）X4+（-0.001123）

X5+0.272X6+0.185X7+0.131X8+0.632X9+0.142X10+0.375X11+0.173X12+0.132X13+0.173X14+0.184X15

对于该模型解释如下：

住宅距地铁站距离每增加1m，每平米的租金减少0.00063元；住宅距商业中心的距离每增加1m，每平米租金减少0.00156元；住宅距医院的距离每增加1m，每平米租金减少0.00532元；住宅距学校的距离每增加1m，每平米的租金减少0.000632元；住宅距公交站的距离每增加1m，每平米的租金减少0.000123元；配备电梯的住宅，每平米租金增加0.272元；采用五分制量化的指标，根据评定的分数乘以相应的系数即每平米租金的增量。 3 结语

本文通过分析影响住宅特征价格的15项特征因素，通过搜集、整理数据，利用SPSS 22.0进行多元线性回归分析，得到了各特征因素的回归系数，建立了武汉市住宅租赁特征价格模

龙源期刊网 http://www.qikan.com.cn

型。该模型的建立有助于住宅租赁市场各参与方提供参考，有助于建立规范化的住宅租赁和机制、规范租赁行为，对形成一个完整的、运行有序的租赁市场提供了参考。 参考文献：

[1]中华人民共和国住房和城乡建设部.中国房屋租赁市场相对落后，将加快建设[EB/OL].http：//money.163.com/16/0315/11/BI6OOT3A00252G50.html， 2016-03-15.

[2]MikaelAtterhog & Hans Lind. How does increased competition on the housing market affect rents？ An empirical study concerning Sweden[J] Housing studies， 2004， 19（1）：107-123. [3]Benjamin， J.D， Sirmans， G.S. Apartment Rent：rent control and other determinants[J]. Journal of Property Research， 1994， 1（11）：27-50.

[4]王丽华. 租赁住宅特征价格研究——以杭州市为例[D]. 杭州：浙江工业大学，2009. [5]王一川. 城市租赁住宅特征价格研究——以杭州市为例[D].杭州：浙江大学，2009. [6]张若曦，贾士君.广州市住宅租金影响因素的研究[J].工程管理学报，2014，28（6）：118-123.

[7]杨晓东，李忠富.住宅租赁特征价格研究——以哈尔滨市为例 [J].系统管理学报，2012（21）：486-493.

[8]Tamer Isgin D， Lynn F. A hedonic price analysis of farmland option premiums under urban influences[J]. Canadian Journal of Agricultural Economics， 2006， （3）：327-340. [9]苏亚艺，朱道林，耿槟.北京市住宅租金空间结构及其影响因素研究[J].经济地理，2014，34（4）：-69.

龙源期刊网 http://www.qikan.com.cn