基于特征價格模型的住宅批量評估系統(tǒng)研究

汪國靖

摘要：目前，隨著我國市場經濟體制的發(fā)展以及房地產市場化的推進，與房地產相關的經濟活動越來越頻繁，對房地產估價的需求也隨之增大。由于城市住宅價格受多種因素的影響，很難對其價格進行準確公正的評估。批量評估是以房地產估價理論為基礎，依托計算機輔助技術，運用預先制定的評估模型，一次性對多宗房地產進行的快速、大批量的評估。該文應用的住宅價格評估方法建立批量評估技術路線的思路，可以為房地產估價提供有用的借鑒與參考。

關鍵詞：特征價格模型；批量評估

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）16-3914-07

目前，我國房地產評估實踐中一般還是針對單宗房地產的評估，采用的方法主要包括市場法、收益法和成本法。以上的傳統(tǒng)方法分別從替代原理、預期原理和生產費用價值理論等不同的角度來解釋房地產價格，結果往往會由于評估者在時間準度、價值觀念和市場內涵上對房地產估價對象的性質有不同的認知，導致三種方法的評估結果必然存在較大差異（施建剛等，2000）。在實際操作中，由于房地產價格影響因素較為復雜，另外，評估對象往往受評估人員主觀影響，從而導致房產的評估價與實際價往往存在偏差，評估結果不能反映房產的實際價格?；趥鹘y(tǒng)單宗房地產評估方法存在的各種弊端，已不能適應市場變化，急需采用批量評估將其替代。該文在基于特征價格模型構建的住宅價格批量評估系統(tǒng)，可用于房地產評稅、抵押貸款風險分析、房產抵押風險監(jiān)控、在線房價估價等多種用途，具有推廣應用價值。

1 特征價格模型構建

1.1模型構建的基本思路

收集近期的二手房掛牌交易信息，將其添加到數據庫中，以戶型、樓層、朝向、裝修程度、建筑面積特征變量對應的賦值對每個案例進行量化，對這些交易案例進行回歸分析，建立多元回歸方程。再通過檢驗樣本回歸方程的總體顯著性與檢驗樣本回歸系數的顯著性，進行多元回歸分析，判斷多元回歸方程是否可以采用。如果多元回歸方程可以采用，則去除正負2σ（標準差）掛牌價之外的樣本，最后將每個住宅樣本特征變量對應的分值逐個代入方程，取得每個住宅樣本的預測值，將所有住宅樣本的預測值計算平均值，作為小區(qū)的基準價。最后，根據每套住宅所具有的實際特征因素（戶型、樓層、朝向、裝修程度、建筑面積），將住宅的所在小區(qū)基準價格與以上特征變量的修正系數相乘，取得住宅的評估價格。

1.2 住宅特征價格變量選取

住宅是一種異質耐用消費品，住宅價格是由住房本身所具有的屬性特征集的綜合作用產生的。只有認識和了解住宅包含的各種屬性特征，研究和分析影響住宅價格的特征屬性是如何作用的，才能確定住宅價格的特征變量。影響房產價值的因素很多，包括區(qū)位特征、建筑特征、鄰里特征三個方面。由于受到數據來源的限制，很難獲取全面包含房產市場價值因素的數據，同時一些特征數據也不準確（如小區(qū)的容積率、綠化率），還有一些影響因素是文字描述（小區(qū)配套、地理位置、小區(qū)物業(yè)管理），很難將其量化。因此，該文只是選取影響房產價值的基本關鍵因素（房型、樓層、朝向、裝修程度、建筑面積）作為特征變量。一方面，以上特征數據相對容易獲取，可以保證數據的完整性；另一方面，以上特征數據相對準確，可以保證數據的準確性，以使基于以上特征變量建立的特征價格模型具有較好的擬合度與可信度。

1.3 住宅特征價格變量數據賦值

二手房掛牌交易數據中的戶型、朝向及裝修程度都是定性的數據，要想把這些變量納入到多元回歸分析模型中，需要對其進行賦值。

1）房型特征變量

2）樓層特征變量

一般來說，即使住宅所在樓層數相同，而總層數不同，其價格也相差較大。因此，樓層賦值不僅要考慮住宅所在的樓層數，還要考慮住宅在整棟樓層中的相對位置，該文先根據總樓層將樓棟分為多層（總樓層小于等于7）與高層（總樓層大于等于8），對于多層樓棟，將第一層和最頂層為一檔，二層五層為一檔，三層四層為一檔，六層七層為一檔，分別賦值為l，2，3，1；對于高層樓棟，將第一層和最頂層為一檔，二層至七層為一檔，八層至十一層為一檔，十二層至次頂層為一檔，分別賦值為l，2，3，4。

3）朝向特征變量

住宅的朝向一般根據客廳的朝向確定，對于不同的朝向設計不同的分值。

4）裝修程度特征變量

5）建筑面積特征變量：以房屋的建筑面積賦值。

1.4住宅特征價格變量修正系數賦值

住宅價格可通過建立的特征價格模型，依據住宅的樣本數據計算取得，但考慮到每套住宅所具有的特征因素的影響（戶型、樓層、朝向、裝修程度、建筑面積），其與計算結果與實際價格存在客觀差異，因此，需要設定特征變量的修正系數，包括房型修正系數、樓層修正系數、朝向修正系數、裝修程度修正系數、建筑面積修正系數，將住宅的所在小區(qū)基準價格與以上特征變量的修正系數相乘，取得住宅的評估價格。住宅的修正價格的計算公式如下所示：

（其中：P表示住宅評估價格，[zk]表示第k種特征變量，[βk]為第k種特征變量的系數，[β0]為常數項，[ε] 為隨機誤差項）

2 住宅批量評估系統(tǒng)構建

2.1批量評估系統(tǒng)構成

本文構建的批量評估系統(tǒng)包括5個子系統(tǒng)：

1）數據采集與管理系統(tǒng)

負責批量評估系統(tǒng)所需要的數據的收集、審核、保存、維護和管理，實現房地產信息數據庫中的數據項模糊匹配和智能對比，建立項目名稱和房屋坐落的對應關系以及項目別名對應關系等工作。其所收集的數據應該包括房產的特征數據、用于比較的市場數據等各種批量評估中所需要用到的數據。

2）基礎信息管理系統(tǒng)

負責對批量評估系統(tǒng)中的小區(qū)信息、樓棟信息、房屋信息的進行管理維護、審核、保存，同時建立小區(qū)、樓棟、房屋關聯對應關系，為房地產評估工作提供準確的基礎信息支撐。

3）評估系統(tǒng)

負責根據所要評估的對象特征及所要采用的評估方法，采用不同的評估方法、模型（包括市場比較法、成本法以及收入法等類型的模型）對評估對象進行價格評估。

4）估價查詢檢驗系統(tǒng)

負責對估價結果進行查詢統(tǒng)計分析，同時提供對估價結果進行檢驗及修正。

5）系統(tǒng)管理

負責對系統(tǒng)的操作人員、權限設置進行管理維護，保證系統(tǒng)正常運行。

批量評估系統(tǒng)的功能結構圖見圖1所示。

2.2數據采集及管理

1）建立數據標準

建立數據庫的基礎是數據標準。數據標準要盡量與房地產管理部門保持一致。對于資料是數據化的，優(yōu)先選擇易于轉化的格式；對于資料不是數據化的，可設計相應表格用于手工數據采集以利于后期數據的輸入。

2）數據整理

對于采集到的數據，在進入估價系統(tǒng)之前，需要進行預處理，依據估價系統(tǒng)的實際需要，將采集到的數據進行轉換規(guī)整，包括對數據項的名稱、長度、類型等進行規(guī)整以及對數據記錄格式進行轉換。

3）數據審核

（1） 數據項完整性審核

在數據輸入過程中要初步審核供估價使用的必須核心數據。例如，在輸入頁面設置必填項或在數據庫中設置該字段不為空，以防止在數據輸入過程中漏填。

（2） 數據項邏輯性審核

根據簡單的數據項間的邏輯關系設置數據項審核，通過特定界面完成簡單的數據及邏輯審核。例如，某套住宅的所在樓層不能大于所處樓棟的總樓層。

（3） 利用數量統(tǒng)計方法進行審核

設定一定的規(guī)則進行審核。如某個體估價數據同某時點該類型房產批量估價平均值出現較大偏差的，在估價結果中顯示為紅色，提示估價人員要對估價人員對數據進行核查；對于數據沒有問題的，可由估價人員對該房產的適用估價標準進行單獨調整。

（4） 數據更新

對系統(tǒng)使用的數據以及估價技術標準需要進行動態(tài)更新，以保證估價結果能夠符合市場狀況。所以，需要根據估價時點對估價技術標準進行動態(tài)更新的頻率，長期不斷地采集估價時點近期的市場基礎數據，建立一個動態(tài)變化的數據庫。

2.3小區(qū)基準價測算實現

小區(qū)基準價測算是依據二手房掛牌交易數據情況，首先判斷小區(qū)住宅的樣本掛牌價進行正態(tài)分布擬合檢驗，只有樣本的掛牌價符合正態(tài)分布，才能通過多元回歸的方式，以掛牌價為因變量，以戶型、樓層、朝向、裝修程度、建筑面積作為自變量，建立多元回歸方程，通過檢驗樣本回歸方程的總體顯著性（F檢驗）與檢驗樣本回歸系數的顯著性（T檢驗），進行多元回歸分析，判斷多元回歸方程是否可以采用，如果多元回歸方程可以采用，則去除正負2σ（標準差）掛牌價之外的樣本，最后將每個住宅樣本特征變量（戶型、樓層、朝向、裝修程度、建筑面積）對應的分值逐個代入方程，取得每個住宅樣本的預測值，將所有住宅樣本的預測值計算平均值，作為小區(qū)的基準價。

本文批量評估模型構建過程是指超過15個掛牌記錄數的小區(qū)的評估方法。如果小區(qū)住宅的樣本掛牌價符合正態(tài)分布，以及通過檢驗樣本回歸方程的總體顯著性（F檢驗）與樣本回歸系數的顯著性（T檢驗），則采用統(tǒng)計模型法，利用建立的多元線性模型，直接測算出小區(qū)的基準價；如果小區(qū)住宅的樣本掛牌價符合正態(tài)分布，沒有通過檢驗樣本回歸方程的總體顯著性（F檢驗）或樣本回歸系數的顯著性（T檢驗），則系數修正法，利用小區(qū)住宅樣本特征變量修正系數，間接測算出小區(qū)的基準價。

1）統(tǒng)計模型法

首先判斷小區(qū)住宅的樣本掛牌價是否符合正態(tài)分布，如果掛牌價樣本不符合正態(tài)分布，則轉入人工評估法處理；如果掛牌價樣本符合正態(tài)分布，則去除正負2σ（標準差）掛牌價之外的樣本，對小區(qū)建立多元線性模型，再通過檢驗樣本回歸方程的總體顯著性（F檢驗）與檢驗樣本回歸系數的顯著性（T檢驗），檢驗多元回歸方程是否可以采用，如果F檢驗、T檢驗都通過，則多元回歸方程可以采用，此時利用得到的模型，將每個住宅樣本特征變量（戶型、樓層、朝向、裝修程度、建筑面積）對應的分值逐個代入方程，將所有住宅樣本的預測值計算平均值，測算出小區(qū)基準價。

統(tǒng)計模型法流程見圖2所示。

2）系數修正法

首先判斷小區(qū)住宅的樣本掛牌價是否符合正態(tài)分布，如果掛牌價樣本符合正態(tài)分布，則去除正負2σ（標準差）掛牌價之外的樣本，對小區(qū)建立多元線性模型，再通過檢驗樣本回歸方程的總體顯著性（F檢驗）與檢驗樣本回歸系數的顯著性（T檢驗），檢驗多元回歸方程是否可以采用，如果樣本回歸方程的總體顯著性（F檢驗）或樣本回歸系數的顯著性（T檢驗）沒有通過，則多元回歸方程不能采用。此時，對去除正負2σ（標準差）掛牌價之外的樣本作正態(tài)分布判斷，如果掛牌價樣本不符合正態(tài)分布，則轉入人工評估法處理；否則，將每個住宅樣本特征變量（戶型、樓層、朝向、裝修程度、建筑面積）對應的修正系數逐個代入計算公式：

3）人工評估法

對于新建小區(qū)或不滿足以上方法的小區(qū)，將采用人工評估法，由評估人員評估出小區(qū)基準價。

人工比較法流程見圖4所示。

2.4住宅價格批量評估實現

住宅價格評估是按照住宅所在的小區(qū)的基準價，依據當時小區(qū)的基準價對應的模型和方法，再結合每套房屋的房型、樓層、朝向、裝修程度、建筑面積特征變量因素，自動取得特征變量對應的修正系數，計算得出該套房屋價，從而做到“一房一價”?？衫糜嬎銠C技術，對小區(qū)的所有住宅進行批量評估，取得該小區(qū)的住宅基準價，利用住宅基準價與住宅特征和銷售時間之間的關系，建立適應市場變化及時更新基準價的動態(tài)調整模型算法，保證隨著時間推移以及市場掛牌信息變化，系統(tǒng)能夠實現自動動態(tài)更新，從而正確反映住宅即時的市場價格。

住宅價格評估流程見圖5所示。

3 結束語

本文分析選取了住宅特征價格變量，確定了住宅特征價格模型中的變量構成，通過量化特征價格變量的分值及系數，建立了住宅特征價格模型，選取切合實際的評估方法，確定了“小區(qū)基準價+住宅價格修正”的批量評估技術路線，并建立小區(qū)基準價評估模型，總結了構建批量評估系統(tǒng)具備的功能，依據批量評估技術路線，根據小區(qū)基準價評估模型測算出小區(qū)基準價，實現對小區(qū)住宅價格進行批量評估，具有廣泛的推廣應用價值。

參考文獻：

[1] 劉慧媛，楊忠直. Hedonic價格理論分析[J].現代管理科學，2011（9）.

[2] 王偉星，樓江.房產稅稅基批量評估方法研究[J].房地產金融-上海房地，2011（8）.

[3] 耿繼進，何素芳.房地產計稅價格批量評估實證研究[J].地理空間信息，201（6）.

[4] 王瑞玲，鄧曉璘.我國房產稅征收中批量評估所面臨的困難和對策研究[J].生產力研究， 2011（5）.

[5] 黃古博，李雨真.基于主成分分析法的商品住宅特征價格模型改進[J].華中農業(yè)大學學報：社會科學版，2011（4）.

[6] 楊振鵬，馬亞男.計算機輔助批量估價在房地產信息系統(tǒng)中的實現[J].中國房地產估價與經紀，2011（4）.

[7] 孫玉環(huán).基于海量交易數據的房地產特征價格模型的構建[J].統(tǒng)計與決策，2011（2）.

[8] 王亞，尉京紅.國外稅基評估理論與方法及對我國的啟示[J].會計之友，2011（13）.

[9] 張立新，姜吉坤，溫海珍.基于特征價格模型的商品住宅價格評估方法應用[J].統(tǒng)計與決策， 2010（21）.

[10] Tom Kauko&Maurizio dAmato.Advances in mass appraisal methods-an international perspective[M].Wiley，2009.

[11] Carbone Robert&Longini Richard.A Feedback Model for Automated Real Estate Assessment[J].Management Science，1997（11）.