城市住宅特征對二手房掛牌價(jià)的影響

王新宇，劉俊豪，成惠茹

(中國礦業(yè)大學(xué) 管理學(xué)院，江蘇 徐州　221116)

?

城市住宅特征對二手房掛牌價(jià)的影響

王新宇，劉俊豪，成惠茹

(中國礦業(yè)大學(xué) 管理學(xué)院，江蘇 徐州221116)

摘要：以徐州市二手房數(shù)據(jù)為樣本，分別采用最小二乘法和分位數(shù)回歸方法進(jìn)行對比分析，探究城市住宅特征對二手房掛牌價(jià)的影響關(guān)系。研究結(jié)果表明住宅特征對不同價(jià)位二手房掛牌價(jià)的影響作用存在顯著差異。住宅面積、裝修程度對高價(jià)位住宅房價(jià)正向影響較大，而房齡、復(fù)式結(jié)構(gòu)對低價(jià)位住宅房價(jià)負(fù)向影響較大；低價(jià)位二手房購房者更在乎交通出行、學(xué)校、大型超市等特征，而中高價(jià)位二手房購房者更看重小區(qū)綠化率、醫(yī)院等特征；急售會(huì)降低二手房掛牌價(jià)。

關(guān)鍵詞：二手房掛牌價(jià)；住宅特征；分位數(shù)回歸

一、引言

隨著中國經(jīng)濟(jì)的發(fā)展，房地產(chǎn)市場已是中國經(jīng)濟(jì)體的重要部分。我國二手房市場的逐漸放開，促使進(jìn)入市場的二手房數(shù)量不斷增加，二手房交易規(guī)模也不斷擴(kuò)大。在新房建造購買近十年的高速增長背景下，房地產(chǎn)交易二級市場作為一級房地產(chǎn)市場的補(bǔ)充和延伸，也出現(xiàn)了前所未有的繁榮局面。

住宅屬于一種高度異質(zhì)性商品，構(gòu)成使用價(jià)值的住宅特征、鄰里特征區(qū)別會(huì)使房價(jià)存在很大的差異。影響住宅價(jià)格的因素主要分為三個(gè)方面：首先是自身屬性，如住宅的樓層、臥室數(shù)、客廳數(shù)、裝修程度；其次是住宅的外部環(huán)境，如學(xué)校、醫(yī)院、公交線路、公園；最后是消費(fèi)者的心理因素和市場環(huán)境，如市場的經(jīng)濟(jì)狀況、市場供給需求、消費(fèi)者的偏好。對于異質(zhì)性商品，國外往往采用特征定價(jià)模型(hedonic pricing model)進(jìn)行研究。典型的特征價(jià)格模型采用最小二乘法來研究住宅價(jià)格，比如Deaton和Hoehn[1]。但是最小二乘估計(jì)只能反映住宅特征對房價(jià)條件分布均值的影響，并不能描述出住宅特征對不同價(jià)位房價(jià)的影響，不同收入水平的消費(fèi)者對住宅特征有不同的偏好。分位數(shù)回歸很好地刻畫了樣本條件分布的整體特征，國外學(xué)者開始將其應(yīng)用到住宅價(jià)格研究中。Ebru和Eban用分位數(shù)回歸方法估計(jì)伊斯坦布爾房價(jià)的決定因素[2]。Lennon等用分位數(shù)回歸分析了香港房價(jià)與房產(chǎn)屬性的關(guān)系[3]。Zietz J等采用分位數(shù)回歸模型分析美國猶他州住宅市場發(fā)現(xiàn)，高價(jià)位住宅的特征的隱性價(jià)格與低價(jià)位住宅特征存在明顯差異[4]。Mak等分別采用最小二乘法和分位數(shù)回歸方法對香港住宅房價(jià)進(jìn)行對比分析[5]。Chernobai等的研究表明，土地位置、交通設(shè)施便利性和環(huán)境噪音均對房價(jià)產(chǎn)生影響[6]。

國內(nèi)學(xué)者也嘗試用特征定價(jià)模型研究我國房地產(chǎn)市場。如溫海珍和賈生華對杭州市的住宅市場進(jìn)行實(shí)證研究[7]；程亞鵬和賈春香以保定住房為樣本對建模中的變量、函數(shù)形式及模型等問題進(jìn)行探討[8]。但是國內(nèi)文獻(xiàn)除羅玉波、程亞鵬采用分位數(shù)回歸外，大多采用最小二乘估計(jì)，并沒有考慮不同住宅特征對房價(jià)條件分布的影響，因而具有一定的局限性[9-10]。本文通過研究二手房市場，分析住宅內(nèi)在屬性與二手房掛牌售價(jià)之間的關(guān)系，采用分位數(shù)回歸研究二手房的住宅特征對二手房價(jià)的影響機(jī)制，以期為購房者提供更全面的決策信息。本文的結(jié)構(gòu)安排為：第二部分介紹研究方法；第三部分介紹變量設(shè)定和數(shù)據(jù)來源；第四部分為實(shí)證分析；最后得出結(jié)論。

二、研究方法

對于住宅這種異質(zhì)性商品，學(xué)者往往采用特征價(jià)格模型，通過住宅價(jià)格對住宅特征的回歸分析，利用最小二乘法(ordinary least squares, OLS)估計(jì)出每個(gè)特征的邊際價(jià)格。長期以來最小二乘估計(jì)在住宅特征價(jià)格模型的研究中占有主導(dǎo)地位，它描述了住宅特征對住宅價(jià)格均值的影響。當(dāng)樣本數(shù)據(jù)出現(xiàn)異方差、尖峰厚尾的分布時(shí)，最小二乘估計(jì)將不再具有最佳線性無偏估計(jì)的優(yōu)良特性。同時(shí)最小二乘估計(jì)也不能提供自變量分布首尾兩端的信息，更容易受到異常值的影響。為了解釋住宅特征對不同價(jià)位房價(jià)的影響，本文用分位數(shù)回歸估計(jì)出不同分位點(diǎn)上各組特征變量對不同價(jià)位房價(jià)的影響。

分位數(shù)回歸最早由Koenker和Bassett于1978年提出[11]，它提供了自變量X和因變量Y的分位數(shù)之間的線性關(guān)系的估計(jì)方法。給定分位點(diǎn)τ(0<τ<1)，線性分位數(shù)回歸模型為：

(1)

(2)

相對于最小二乘估計(jì)，分位數(shù)回歸模型更適用于具有異方差性的數(shù)據(jù)，對條件分布的刻畫更加細(xì)致，在擾動(dòng)項(xiàng)非正態(tài)情況下，分位數(shù)估計(jì)量要比最小二乘估計(jì)更有效，估計(jì)量更不易受到異常值的影響，使回歸結(jié)果更穩(wěn)健和有效。

三、模型與樣本數(shù)據(jù)

國外相關(guān)文獻(xiàn)通常使用線性、半對數(shù)、雙對數(shù)模型，其中以半對數(shù)模型居多。Follain和Malpezzi認(rèn)為半對數(shù)模型比其它模型更具優(yōu)勢，原因在于半對數(shù)模型的變量系數(shù)可解釋為特征的一個(gè)單位變化引起價(jià)格的百分比變化，而且有助于減少異方差，故本文采用半對數(shù)函數(shù)[12]。

(3)

式3中l(wèi)nPi(τ)為取對數(shù)的住宅房價(jià)的τ分位值；zi,j為住宅特征變量；β0(τ)、βj(τ)為τ分位點(diǎn)的常數(shù)項(xiàng)和特征變量系數(shù)；εi(τ)為τ分位點(diǎn)的殘差。

樣本數(shù)據(jù)來自徐州搜房網(wǎng)(http://esf.xz.fang.com/)的二手房出售登記掛牌信息。該網(wǎng)站對住宅及小區(qū)信息介紹較為全面，但是對小區(qū)周邊的一些鄰里特征描述得并不具體，為此，本文借助百度地圖(http://map.baidu.com/)對小區(qū)周邊的學(xué)校、公交路線、醫(yī)院等變量進(jìn)行補(bǔ)充。為使住宅價(jià)格更有可比性，本文在選擇建筑類型上剔除了別墅和門面商品房，選擇以小區(qū)為單位的多層住宅和小高層作為研究對象。樣本總量總計(jì)為5372套，剔除信息缺失樣本后，樣本總數(shù)為5048套。樣本掛牌時(shí)間跨度為2014年6月1日至8月31日。

住宅價(jià)格P選擇一套住宅的單價(jià)，以元作為單位，其中由于搜房網(wǎng)中當(dāng)樣本住宅售出后，該樣本住宅信息被刪去，故本文住宅價(jià)格表示的均為該住宅的掛牌價(jià)。住宅特征解釋變量分為四類：建筑特征、鄰里特征、小區(qū)特征、交易特征。其中建筑特征主要包括與樣本住宅相關(guān)的變量，如建筑面積、臥室數(shù)、客廳數(shù)、衛(wèi)生間數(shù)、房齡、樓層比、住宅朝向、裝修程度*裝修程度分為5檔：其中毛坯為1分，簡裝修為2分，中裝修為3分，精裝修為4分，豪華裝修為5分。、復(fù)式*復(fù)式樓在概念上是一層，并不具備完整的兩層空間，但層高較普通住宅(通常層高2.8 m)高，在結(jié)構(gòu)上是按兩層樓的結(jié)構(gòu)來做，在房產(chǎn)面積中，算兩層的面積，一樓直通二樓頂?shù)哪莻€(gè)公共空間只算一層面積。故在二手房買賣市場上通常將二樓也折換成房屋面積，通常更為常見的復(fù)式房為頂層買一層送一層。；鄰里特征主要衡量小區(qū)周邊提供的公共服務(wù)的便利程度，如周圍學(xué)校、醫(yī)院、公園、大型超市、小區(qū)周圍的公交線路的數(shù)目；小區(qū)特征則包括容積率、綠地率、物業(yè)費(fèi)；交易特征為住宅是否急售。結(jié)合搜集信息的實(shí)際情況，選擇了19個(gè)變量作為住宅的解釋變量，其變量定義見表1。

建筑特征中的房齡是住宅竣工年度到掛牌登記時(shí)間的間隔年數(shù)，反映了住房的折舊情況，記2014年竣工的住宅房齡為1，其余年份每倒推一年，則在基期基礎(chǔ)上加1。樓層比例反映的是樣本住宅所在樓層與本棟樓的總樓層的比值。從理論上來看，多層住宅與小高層的樓層并不能直接相互比較。在對樓層選取變量時(shí)，羅玉波選擇房屋所在樓層與總樓層數(shù)作為變量[9]。溫海珍和賈生華選擇樓層作為變量[7]。根據(jù)經(jīng)驗(yàn)，小高層的住宅價(jià)格中，住房單價(jià)隨著樓層的升高而升高；而多層住宅的價(jià)格中，通常中層房價(jià)較貴。因此本文選取樓層比例作為本次研究的解釋變量，試圖用樓層比例解釋樓層對房價(jià)的影響。

表1　住宅特征及其量化

鄰里特征中的醫(yī)院扮演著越來越重要的角色，隨著生活節(jié)奏的加快，不良的生活習(xí)慣和巨大的壓力使年輕人的健康問題愈發(fā)嚴(yán)重，同時(shí)老年人也要求居住區(qū)要鄰近相應(yīng)的醫(yī)療機(jī)構(gòu)，以便于生病時(shí)得到及時(shí)搶救和治療。交通條件一直是影響住宅價(jià)格的一個(gè)重要因素，公交站路較多的地帶通常價(jià)格較高，故將樣本小區(qū)附近500 m內(nèi)公交線路的條數(shù)作為解釋變量。徐州市執(zhí)行中小學(xué)劃片入學(xué)政策，為方便子女上學(xué)，通常購房者都會(huì)選擇在中小學(xué)校附近購房，學(xué)區(qū)房價(jià)格相對較高。在樣本小區(qū)附近1000 m內(nèi)中小學(xué)數(shù)目越多，則代表著家長選擇的機(jī)會(huì)越多，尤其是對于教學(xué)質(zhì)量較高的中小學(xué)名校。與此同時(shí)，如果小區(qū)附近500 m內(nèi)有幼兒園，業(yè)主接送子女方便，對于老人家負(fù)責(zé)接送孩子的家庭，選擇離家近的幼兒園，老人家和孩子的出行會(huì)更加安全。如果小區(qū)附近有公園，供市民游覽、觀賞、休憩、開展科學(xué)文化及鍛煉身體等活動(dòng)，有較完善的設(shè)施和良好的綠化環(huán)境的公共綠地，可以成為業(yè)主的休閑娛樂的場所，房價(jià)相對較貴。如果小區(qū)附近有大型超市，則使業(yè)主購物更加便利。

二手房市場對居住環(huán)境的質(zhì)量越來越重視，本文主要通過小區(qū)容積率和綠化率表現(xiàn)出來。對于開發(fā)商來說，容積率決定地價(jià)成本在房價(jià)中占的比例，而對于住戶來說，容積率直接涉及居住的舒適度。值得注意的是，綠化率較高，容積率較低，建筑密度一般也較低，居民的舒適度越高，反之則舒適度越低。一個(gè)良好的居住小區(qū)，高層住宅容積率應(yīng)不超過4，多層住宅應(yīng)不超過1.5，綠地率應(yīng)不低于40%。

交易特征中急售表示為樣本住宅的業(yè)主由于種種原因急于達(dá)成交易，故將樣本住宅的價(jià)格低于市場價(jià)格出售，為此引入“急售”變量。

在表1中也列出各變量對房價(jià)的預(yù)期影響方向，依據(jù)變量定義和二手房市場交易經(jīng)驗(yàn)，本文推測樓層比例高、急售、容積率對房價(jià)會(huì)產(chǎn)生負(fù)面影響，由于復(fù)式結(jié)構(gòu)算為二層的面積也會(huì)對房價(jià)產(chǎn)生負(fù)影響，其余變量依據(jù)常識(shí)均設(shè)為正影響，后面將通過實(shí)證研究加以驗(yàn)證。

四、實(shí)證結(jié)果

實(shí)證研究使用R軟件中由Koenker開發(fā)的分位數(shù)回歸軟件包quantreg完成。為了便于比較，本文首先對模型進(jìn)行最小二乘法估計(jì)，估計(jì)結(jié)果詳見表2第二列。在分位數(shù)回歸中，本文選取了10%、25%、50%、75%、90%等5個(gè)分位點(diǎn)，分別反映住房特征對低房價(jià)、較低房價(jià)、中間房價(jià)、較高房價(jià)和高房價(jià)的影響。回歸系數(shù)結(jié)果見表2。表2中同時(shí)給出了各個(gè)回歸的擬合優(yōu)度值，其中最小二乘估計(jì)用修正的R2來衡量，分位數(shù)回歸用Machado擬合優(yōu)度來衡量。同時(shí)，本文使用似然比檢驗(yàn)整個(gè)模型的顯著性。根據(jù)表2，可知在分位點(diǎn)75%的分位數(shù)模型擬合優(yōu)度最大，說明在較高房價(jià)的分位點(diǎn)處模型的解釋力更強(qiáng)。另外，各個(gè)分位點(diǎn)模型的擬似然比檢驗(yàn)均在5%的水平下顯著。

先考察OLS估計(jì)結(jié)果，從表2可以看出，OLS的擬合優(yōu)度R2為0.7144，擬合度較高，除截距項(xiàng)外，OLS中在置信水平0.05以上顯著的回歸系數(shù)分別為住宅面積、衛(wèi)生間、房齡、樓層比例、裝修程度、復(fù)式、醫(yī)院、公交路線、幼兒園、學(xué)校、公園、大型超市、容積率、綠化率、物業(yè)費(fèi)、急售等16個(gè)解釋變量的回歸系數(shù)。統(tǒng)計(jì)顯著的OLS系數(shù)的符號大致與預(yù)期相符。住宅面積、臥室、衛(wèi)生間、裝修程度、住宅朝向、醫(yī)院、公交路線、幼兒園、學(xué)校、公園、大型超市、綠化率等12個(gè)解釋變量回歸系數(shù)為正，表示其對住宅價(jià)格有正的影響；房齡、樓層比例、復(fù)式、急售、物業(yè)費(fèi)等5個(gè)解釋變量回歸系數(shù)為負(fù)，表示其對住宅價(jià)格有負(fù)的影響。臥室、住宅朝向系數(shù)為正，與預(yù)期相符，但是回歸系數(shù)統(tǒng)計(jì)上并不顯著。客廳和容積率系數(shù)符號與預(yù)期并不相符。通常情況下，在新房的出售中，容積率越低則小區(qū)住戶的舒適度越高，反之則越低。結(jié)合本次二手房市場研究，本文認(rèn)為容積率對二手房交易市場中的作用并不大。

表2　最小二乘法、分位數(shù)回歸估計(jì)結(jié)果

續(xù)表

注：括號內(nèi)數(shù)值為p值。

下面對分位數(shù)回歸的估計(jì)結(jié)果進(jìn)行分析，分位數(shù)回歸模型的系數(shù)反映的是住房特征對各分位點(diǎn)住房價(jià)格條件分布的影響。與最小二乘回歸相比，分位數(shù)回歸能更好地揭示前者不能發(fā)現(xiàn)的特征。

在住宅屬性中，住宅面積對住宅價(jià)格有正向關(guān)系，而且隨著分位點(diǎn)的升高，住宅面積對住宅價(jià)格影響程度越來越高，但是對于低價(jià)位住宅，它們之間的正相關(guān)關(guān)系并不顯著。臥室數(shù)與住宅價(jià)格的關(guān)系在OLS中并不顯著，但在75%和90%分位點(diǎn)上，二者存在顯著的負(fù)相關(guān)關(guān)系，與預(yù)期相反。本文認(rèn)為這由于購房者對臥室數(shù)的邊際效用遞減規(guī)律所致。同樣，客廳數(shù)在OLS中并不顯著，但在分位點(diǎn)10%、75%和90%上高度顯著，且系數(shù)隨著分位點(diǎn)的升高而逐漸減少，在較高價(jià)位和高價(jià)位中出現(xiàn)變號，反映了隨著客廳數(shù)的增加，客廳的效用遞減。衛(wèi)生間數(shù)在OLS中和高分位點(diǎn)與住宅價(jià)格顯著正相關(guān)。房齡變量的系數(shù)均為負(fù)值，反映了折舊對住宅價(jià)格的減價(jià)修正。在分位數(shù)回歸中，房齡折舊額隨著分位數(shù)的升高而升高，90%分位點(diǎn)系數(shù)與10%分位點(diǎn)系數(shù)相差近3倍。意味著高房價(jià)住宅折舊速度較快，需要支付更多的維護(hù)保養(yǎng)費(fèi)用。樓層比例估計(jì)系數(shù)均為負(fù)值，表示房價(jià)隨著樓層的增加而減少，底層房價(jià)最高，頂層房價(jià)最低。裝修程度系數(shù)均為正值且顯著，在分位數(shù)回歸中，裝修程度系數(shù)隨著分位點(diǎn)的升高而升高，表示裝修程度越高，房價(jià)越高，并且對于高房價(jià)住宅，裝修對房價(jià)的影響尤為顯著。住宅朝向估計(jì)系數(shù)在OLS中并不顯著，但在分位數(shù)回歸中，在50%和75%的分位點(diǎn)上顯著。復(fù)式變量均為負(fù)值，符合預(yù)期。

在鄰里特征中，醫(yī)院變量系數(shù)在最小二乘估計(jì)為正，意味著附近1000 m有醫(yī)院，則對房價(jià)有促進(jìn)影響。但是在分位數(shù)估計(jì)中，代表低房價(jià)的10%分位點(diǎn)估計(jì)系數(shù)為負(fù)，且不顯著。本文認(rèn)為距離醫(yī)院太近，醫(yī)院附近人群嘈雜，而且衛(wèi)生環(huán)境有待解決，造成離醫(yī)院太近的住宅房價(jià)相對較低。同時(shí)醫(yī)院變量的系數(shù)隨著分位點(diǎn)的升高而升高，說明隨著房價(jià)的升高，醫(yī)院對房價(jià)的影響也越來越明顯，對于高房價(jià)的住宅，醫(yī)院處于相對合適的位置，這時(shí)的房價(jià)也越來越高。

交通條件比較便利的住宅價(jià)格都會(huì)比較高。公交線路在OLS中估計(jì)值為0.14%，即公交線路每增加一條，房價(jià)則平均升高0.14%。在分位數(shù)估計(jì)中，低房價(jià)住宅購房者往往為公交路線的支付意愿高于高房價(jià)購買者，其中主要原因則是公共交通是前者的主要交通工具。經(jīng)研究可以發(fā)現(xiàn)，公交路線的系數(shù)隨著分位數(shù)的升高而下降，說明隨著房價(jià)的升高，公交路線對房價(jià)的影響程度逐漸降低。同時(shí)，公交路線的系數(shù)在75%的分位點(diǎn)上并不顯著，而在90%的分位點(diǎn)上系數(shù)符號為負(fù)，此時(shí)公交路線條數(shù)與房價(jià)呈負(fù)相關(guān)。本文認(rèn)為，高房價(jià)住宅大多建在周圍環(huán)境比較好，遠(yuǎn)離市中心的地區(qū)，同時(shí)業(yè)主大多擁有自己的私家車，故可知，公交線路對這些高房價(jià)購房者沒有實(shí)質(zhì)性的影響。

學(xué)校是人們購買住宅的又一大影響因素，如果小區(qū)附近1 000 m內(nèi)有中小型學(xué)校、幼兒園，則對于業(yè)主接送子女上學(xué)是一極大利好。在OLS中，學(xué)校估計(jì)系數(shù)為2.80%，意味著小區(qū)附近每多一所中小學(xué)學(xué)校，則該小區(qū)房價(jià)升高2.80%。但是在分位數(shù)回歸中，學(xué)校估計(jì)系數(shù)隨著分位點(diǎn)的升高而減少，可知盡管學(xué)校對高房價(jià)住宅有促進(jìn)作用，但是影響程度并不及低房價(jià)住宅。對于幼兒園系數(shù)估計(jì)值，分位數(shù)回歸中分位點(diǎn)上系數(shù)估計(jì)值均高于OLS估計(jì)值。不難看出，采用分位數(shù)回歸方法可以比OLS更清晰地揭示住宅特征對房價(jià)條件分布的影響。

公園作為人們休閑、散步的場所會(huì)提升小區(qū)的環(huán)境質(zhì)量，臨近公園的房價(jià)相對會(huì)更貴。分位數(shù)回歸結(jié)果發(fā)現(xiàn)，房價(jià)高的住宅的估計(jì)系數(shù)要比房價(jià)低的住宅系數(shù)高。對于大型超市變量在分位數(shù)回歸中，其估計(jì)系數(shù)隨著分位點(diǎn)的升高而升高，意味著附近大型超市越多，則該小區(qū)房價(jià)越貴，且大型超市對高房價(jià)地區(qū)影響程度更大。公園、大型超市對房價(jià)的影響符合預(yù)期，且對高房價(jià)住宅的影響更大。

在小區(qū)特征中，容積率在OLS中系數(shù)估計(jì)符號與預(yù)期并不相符，在分位數(shù)回歸中，僅10%的分位點(diǎn)估計(jì)系數(shù)為負(fù)。小區(qū)綠化率則是購房者比較關(guān)注的因素之一。在分位數(shù)回歸中，綠化率系數(shù)隨著分位點(diǎn)的升高而升高，說明隨著房價(jià)的升高，綠化率對房價(jià)的影響越來越大。物業(yè)費(fèi)則體現(xiàn)了小區(qū)整體的管理安保服務(wù)。通常物業(yè)費(fèi)越高，則說明該小區(qū)服務(wù)較為全面，安保工作措施也很到位。研究還發(fā)現(xiàn)，物業(yè)費(fèi)在低房價(jià)和較低房價(jià)中呈現(xiàn)正相關(guān)，而當(dāng)房價(jià)較高時(shí)呈現(xiàn)出負(fù)相關(guān)。

在交易特征中，急售變量均為負(fù)值，說明急售對二手房價(jià)產(chǎn)生了負(fù)面的影響，顯然符合二手房市場的基本常識(shí)。

五、結(jié)論

本文運(yùn)用分位數(shù)回歸方法，以徐州二手房市場數(shù)據(jù)為樣本，研究了二手房住宅綜合特征對房價(jià)的影響機(jī)制。研究發(fā)現(xiàn)，不同特征對房價(jià)的影響在不同價(jià)格條件分位點(diǎn)上存在著顯著差異。在住宅特征中，住宅面積、臥室和裝修程度對高價(jià)位住宅房價(jià)影響較大；房齡、復(fù)式對低價(jià)位住宅房價(jià)影響較大。在鄰里特征中，醫(yī)院、幼兒園和公園對高價(jià)位住宅房價(jià)影響較大；公交路線、學(xué)校和大型超市對低價(jià)位住宅房價(jià)影響較大。在小區(qū)特征中，綠化率對高價(jià)位住宅影響較大。在交易特征中，急售特征對各個(gè)分位點(diǎn)上的住宅價(jià)位均產(chǎn)生負(fù)的影響，但是該特征對高價(jià)位住宅價(jià)格的影響較大。這些信息無論對房地產(chǎn)市場參與者還是房地產(chǎn)政策制定者而言都具有重要的參考價(jià)值。雖然不同城市購房者對住宅特征的偏好存在可能存在差異，但本文從分析住宅綜合特征出發(fā)，以分位數(shù)回歸方法為手段的研究方法和主要結(jié)論，對于深入理解我國城市二手房價(jià)格的形成機(jī)制仍會(huì)有借鑒和促進(jìn)作用。

參考文獻(xiàn)：

[1]Deaton B J,Hoehn J P.HedonicAnalysis of Hazardous Waste Sites in the Presence of Other Urban Disamenities[J].Environmental Science & Policy,2004,7(6).

[2]Ebru C,Eban A.Determinants of House Prices in Istanbul:a Quantile Regression Approach[J].Quality & Quantity,2011,45(2).

[3]Lennon C,Winky H,Stephen M.Housing Attributes and Hong Kong Real Estate Prices:a Quantile Regression Analysis[J].Construction Management and Economics ,2012,30(5).

[4]Zietz J,Zietz E N,Sirmans G S.Determinants of House Prices: a Quantile Regression Approach[J].The Journal of Real Estate Finance and Economics,2008,37(4).

[5]Stephen M,Lennon C,Winky H.Quantile Regression Estimates of Hong Kong Real Estate Prices[J].Urban Studies,2010,47(11).

[6]Chernobai E,Reibel M,CarneyM.Nonlinear Spatial and Temporal Effects of Highway Construction on House Prices[J].The Journal of Real Estate Finance and Economics,2011,42(3).

[7]溫海珍,賈生華.住宅的特征與特征的價(jià)格——基于特征價(jià)格模型的分析[J].浙江大學(xué)學(xué)報(bào):工學(xué)版，2004,38(10).

[8]程亞鵬,賈春香.住房特征對住房價(jià)格影響的hedonic分析[J].經(jīng)濟(jì)問題,2011(6).

[9]羅玉波.房價(jià)影響因素分析:分位數(shù)回歸方法[J].統(tǒng)計(jì)與決策,2011(6).

[10]程亞鵬.住房特征對房價(jià)條件分布的影響:分位回歸估計(jì)[J].系統(tǒng)工程理論與實(shí)踐,2013,33(10).

[11]Koenker R,Bassett G.Regression Quantiles [J].Econometrica,1978,46(1).

[12]Follain J,Malpezzi S.The Flight to the Suburbs: Insights Gained from an Analysis of Central-city vs Suburban Housing Costs[J].Journal of Urban Economics,1981,9(3).

(責(zé)任編輯張楠)

On the Impact of Urban House Characteristics on the

Asking Price of Second-hand House

WANG Xin-yu,LIU Jun-hao,CHENG Hui-ru

(School of Management, China University of Mining and Technology, Xuzhou 221116, Jiangsu, China)

Abstract：Taking Xuzhou second-hand house data as the samples,compared with the least squares method and quantile regression method,this article analyzed the impact of urban house characteristics on the asking price of second-hand house.The results showed that there were significant differences between the house characteristics and the prices of second-hand house.The positive impact of high price lay in floorage and decoration while the negative impact of low price lay in ages and duplex structure.Low-priced second-hand house buyers cared more about traffic, schools,supermarkets;high-priced buyers paid more attention to community greening rate,hospital and other factors. Distressed sales may reduce its asking price.

Key words：asking price of second-hand house; house characteristics; quantile regression

中圖分類號：F293.3

文獻(xiàn)標(biāo)志碼：A

文章編號：1674-3571(2015)04-0055-07

作者簡介：王新宇(1974- )，男，江蘇徐州人，中國礦業(yè)大學(xué)管理學(xué)院教授，博士生導(dǎo)師，主要從事房地產(chǎn)經(jīng)濟(jì)學(xué)、金融工程研究;劉俊豪(1992- )，男，安徽阜陽人，中國礦業(yè)大學(xué)管理學(xué)院碩士研究生，主要從事房地產(chǎn)經(jīng)濟(jì)學(xué)研究;成惠茹(1991- )，女，江蘇鹽城人，中國礦業(yè)大學(xué)管理學(xué)院碩士研究生，主要從事金融學(xué)研究。