房产特征价格估价模型研究及应用
网络出版时间:2011-4-28 16:35
网络出版地址:http://www.cnki.net/kcms/detail/11.4415.p.20110428.1635.040.html
房产特征价格估价模型研究及应用
李恒凯,徐齐行,王秀丽
(江西理工大学,江西赣州 341000)
【摘 要】特征价格理论是西方经济学中为研究异质商品的价格而提出的一种理论,在实践中得到广泛应用。为提高房产特征价格估价模型特征变量量化的准确性,提出了利用GIS技术重新构建房产特征价格估价的新模型。本文对该模型进行了具体建模和编程实现,并以该模型为基础开发了房产估价系统。最后利用该系统对赣州某房产进行了估价实践,表明该估价模型能够提高房产估价的效率和准确性。
【关键词】GIS;特征价格;房产估价
【中图分类号】P208 【文献标识码】A 【文章编号】1009-2307(2011)06- -
Research and application of real estate hedonic price evaluation model Abstract: A new real estate hedonic price evaluation model restructured based GIS was proposed in order to improve the accuracy of feature variable quantization of real hedonic model. This paper model, developed a real estate evaluation system. which indicated that the evaluation model could improve the of the real estate evaluation.
Key words: GIS; hedonic price; real estate evaluation
LI Heng-kai , XU Qing-xing , WANG Xiu-li (Jiangxi Jiangxi Ganzhou 341000, China)
1 引言
由于房产具有典型的异质性特点,国内基本上从2000、陈秉贤、杨波等分别对长沙、信息系统(GIS)具有显著的优势,能极大提高量当前GIS 软件的分析功能辅助特征变量的量化[5, 6][1][2][3][4],然后采GIS GIS 的房产估价系统进行房2 基于GIS 2.1 模型构建的基本思路
估价模型构建的逻辑示意图如图1所示,首先利用GIS 强大的数据管理功能,在房产估价系统数据库中对估价相关的社会、地理、经济、人文数据进行管理,包括估价地区的地形图,所在地区服务设施、基础设施、交通情况等与估价相关的空间和属性信息。然后,收集近期成交的所有交易案例,可以用点图元在地图上表示交易案例的空间信息,属性和空间信息一体化存储于房产估价系统数据库中。若有待估房产,采用同样的方法对其添加到数据库中。利用GIS 的查询分析功能,获取数据库中相关数据并结合一定的量化准则对数据库中交易案例和待估房产特征变量进行量化。在对房产特征变量量化后,可以根据房产类型,从已经量化的近期交易案例中挑选与待估房产类型相同的房产,对这些交易案例进行回归分析,可以挑选不同的回归函数对其回归并进行显著性检验,得到这些交易案例的回归方程。 最后,将量化后的待估房产各个特征量值代入回归方程,即可计算出该待估房产的价格,打印估价报告。根据估价出的待估房产价格,可以辅助该房产进行实际交易,一旦该房产交易完成后,获取其实际成交价格,将该房产数据转换为交易案例数据,以辅助其他房产估价。整个过程中,关键点是特征价格模型变量的选择、量化和回归方程的生成,后面将具体介绍。
2)量确定表 3)住宅邻里特征变量选择:①地方政府提供的服务影响房地产市场,对于地方政府提供的服务,像学校、医院等对房地产价格都会产生影响;②良好的物业管理对房产价格也有显著的影响;③消费者更喜欢具有良好景观效果的住宅,如果建造的地点是在湖边、自然风景秀丽的地方等,良好景观的存在对住宅价格会产生正的影响。参考综合上述因素,将邻里特征变量归纳为以下几项内容,见表2所示。 [8]
表2 邻里特征变量
2.3 GIS辅助特征变量量化方法 特征价格估价结果是否准确的一个关键因素是特征变量的量化,传统的方法主要是依据经验和
2.4 回归方程的建立
根据图1的思路,得到量化后的具体类型房产的交易案例数据后,就要对这些数据利用具体函数进行回归,模型的函数形式最为常见的是线性形式,但在现实的社会经济活动中,变量之间的数量依存关系更为普遍的则表现为非线性依存关系,所以除了基本的线性形式以外还有对数函数、半对数和对数线性函数。四种函数形式分如下:
①线性形式: P = a 0+∑a i Z i +ε,(i =1,2,……,n );
②半对数形式:ln P = a 0+∑a i Z i +ε,(i =1,2,……, n );
③逆半对数:P =a 0+∑a i ln Z i +ε,(i =1,2,……, n );
④对数形式:ln P = a 0+∑a i ln Z i +ε,(i =1,2,……,n )。
式中: P 为评估价格,Z i 为交易案例的特征变量,a i 为常数项,ε为随机干扰项。一般来说,可先初步设定函数形式,然后不断地尝试和修正,直到认为函数形式能够达到统计分析和假设检验的要求,具有统计显著性,样本数据的拟合满足要求,本文将采用这四种函数形式进行回归,挑选具体
拟合函数得到回归方程。 [9]
3 估价模型应用实践
根据以上模型建立思路,以ArcEngine作为GIS 软件平台,以以SQL Server 2005 作为数据库平台,对该模型进行了编程实现,的房产估价系3.1 交易案例特征因素量化
各特征变量对应的属性值,可以直接从数据库中调出,如生活配套设施查
图2 某交易案例特征因素属性值计算界面
对所有交易案例获得特征变量属性值后,可以通过图3所示界面对其进行量化,量化方法采用表3所示原则,并将其保存到数据库中。
3.2 待估房产特征因素量化
4为待估房产生
图4待估房产生活配套查询
3.3 待估房产价格评估
得到交易案例和待估房产的特征变量量化数据后,就可以采用2.4所示函数去拟合交易案例的量化数据,得到拟合方程,将待估房产的量化数据带入方程,即得到该待估房产的价格。本系统提供了四种拟合函数,通过函数检验,发现线性形式具有良好的拟合精度。其他几种形式的方程均不满足检验要求,图5为多元线性回归方程拟合并评估价格的结果图。
图 该待估房产经过本系统的价格评估后价格为47.786474 结束语
利用GIS技术对特征价格估价模型进行了改造,性数据实现一体化管理,使得数据管理更方便、作,具有广泛的推广应用价值。
参考文献
[2] 赵琰.基于hedonic [3] 陈秉贤.基于Hedonic 暨南大学,2009.
[4] 杨波. 基于
作者简介,男,籍贯:湖北孝感,硕士,讲师,研究方向为GIS 应用开发、地理建模方法及应用。
收稿日期:2010-07-15
E-mail:[email protected]
基金项目:国家自然科学基金项目(编号:40761017);江西省教育厅科技研究项目(GJJ10488)