基于互聯(lián)網(wǎng)房屋租賃信息的住房租金微觀影響因素研究

范雅靜+盧守東

摘要：隨著我國經(jīng)濟(jì)水平飛速增長，城市間人口流動日益頻繁，房屋租賃市場日趨繁榮，房屋的租金也受到越來越多的關(guān)注。而由于互聯(lián)網(wǎng)的發(fā)展，房東與租戶通常會在網(wǎng)絡(luò)上發(fā)布并獲取信息，因此租房網(wǎng)站中包含豐富的租房信息。本文結(jié)合計(jì)算機(jī)網(wǎng)絡(luò)爬蟲方法從主流租房網(wǎng)站中獲取房屋租賃價(jià)格，并提取租金及房屋特征，包括所在區(qū)域、樓層、配套設(shè)備等；然后利用房屋租金作為被解釋變量，房屋特征作為解釋變量，建立特征價(jià)格模型，從微觀角度分析北京住房租金的影響因素，考察在北京市房屋租賃市場目前發(fā)展水平下，租金的微觀決定機(jī)制及消費(fèi)者的偏好。

關(guān)鍵詞：房屋租賃；微觀因素；廣義線性模型

中圖分類號：F49；F822 文獻(xiàn)識別碼：A 文章編號：1001-828X（2017）009-0-03

Micro Determinants of Apartment Rent： Evidence Based on the Online Apartment Advertising in Bejiing

Fan Ya-jing， Lu Shou-dong

School of Information and Statistics， Guangxi University of Finance and Economics， Nanning， Guangxi， 530003

Abstract： With the rapid growth of China's economic， the inter-city population is becoming more and more frequent. Thus the rental market is becoming more and more prosperous and the rent of the house is receiving more and more attention. Because of the development of the Internet， landlords and tenants usually publish or read rental information on the network. The websites contains lots of rental information. This paper makes use of the web crawling method to get the house rental information from main rental website and extracts the house features， including the size， floor， auxiliary equipment etc. Then we construction hedonic pricing model to analyze the micro determinants of apartment rent price and examine the micro-decision mechanism and the preferences of consumers in the current rental housing market in Beijing.

Keywords： Apartment rent； Micro determinants； General linear model

一、引言

近年來我國房價(jià)一直持續(xù)增長，使得購房價(jià)格、租房價(jià)格成為人們經(jīng)常談?wù)摰脑掝}。對于作為房價(jià)最高的城市之一——北京，還承載著全國各地移民，因此，租房也成為了大部分人解決住房問題的主要途徑。而租房價(jià)格，通常會收到很多因素的影響，如地理位置、配套設(shè)施甚至樓層，因此在研究住房價(jià)格時(shí)，需要更多考慮與生活相關(guān)的因素。當(dāng)前，許多學(xué)者已經(jīng)開始了對房地產(chǎn)價(jià)格的研究。對于住房租金，大多數(shù)學(xué)者只是從宏觀的角度，研究宏觀經(jīng)濟(jì)與租賃價(jià)格的關(guān)系。而對于微觀影響因素的研究大多集中在寫字樓的租賃價(jià)格當(dāng)中。這主要是因?yàn)椋瑢懽謽鞘枪矆鏊?，其特征容易通過研究者現(xiàn)場觀察獲得，但對于私人住宅，研究者很難獲取大量的住宅特征數(shù)據(jù)。

本文的研究恰好彌補(bǔ)了住房租金微觀影響因素的空白。隨著互聯(lián)網(wǎng)的發(fā)展，許多房東以及租房者紛紛選擇在網(wǎng)上發(fā)布、獲取信息的方式交流租房信息，因此，許多租房網(wǎng)站包含了豐富的租房信息。本文利用計(jì)算機(jī)網(wǎng)絡(luò)爬蟲技術(shù)，獲取北京市租房信息，并利用這些信息建立價(jià)格特征模型，分析北京市住房租金的微觀影響因素。

二、模型理論

本文將利用特征價(jià)格模型對北京市住房租賃價(jià)格微觀影響因素進(jìn)行分析。特征價(jià)格模型來源于特征價(jià)格理論。A.T.Court（1939）首次對汽車價(jià)格進(jìn)行了研究，構(gòu)建了汽車價(jià)格指數(shù)。隨后，Lancaster（1966）提出消費(fèi)者偏好理論，認(rèn)為消費(fèi)者購買一個(gè)產(chǎn)品，是由于產(chǎn)品的特征符合消費(fèi)者的需求。Rosen（1974）則完善了Lancaster偏好理論，理論上構(gòu)建了特征價(jià)格供需特征模型，為特征價(jià)格模型奠定了基礎(chǔ)。隨后，特征價(jià)格模型開始廣泛的應(yīng)用于住房、寫字樓價(jià)格研究領(lǐng)域，學(xué)者們主要研究住房微觀特征，例如住房屬性、結(jié)構(gòu)、地理位置、房齡等對房屋價(jià)格的影響。

特征價(jià)格模型的構(gòu)建主要通過回歸模型實(shí)現(xiàn)。對于如何正確選擇特征價(jià)格模型中的函數(shù)形式，從而使得模型能夠正確表達(dá)自變量和因變量之間的關(guān)系，理論上還沒有一種明確的檢驗(yàn)方法，因此，大多數(shù)研究者都是憑經(jīng)驗(yàn)初步設(shè)定函數(shù)形式，然后不斷地嘗試和修正，直到認(rèn)為函數(shù)形式能夠解釋樣本數(shù)據(jù)的差異，并使得模型對樣本數(shù)據(jù)的擬合滿足要求。在過去的研究中，特征價(jià)格模型主要有線形函數(shù)、對數(shù)函數(shù)、半對數(shù)函數(shù)和對數(shù)線形函數(shù)四種基本函數(shù)形式，其模型結(jié)構(gòu)如下：

①線性形式：

②對數(shù)形式：

③對數(shù)線性形式：

④半對數(shù)形式：

過去，學(xué)者大多選用一般線性回歸模型，應(yīng)選用最小二乘法作為估計(jì)方法。在本文中，作者擬采用廣義線性回歸模型進(jìn)行特征價(jià)格模型的構(gòu)建。廣義線性模型（generalized linear model）由Nelder & Wedderburn（1972）首先提出，是一般線性模型的直接推廣，它使因變量的總體均值通過一個(gè)非線性連接函數(shù)（link function）而依賴于線性預(yù)測值，同時(shí)還允許響應(yīng)概率分布為指數(shù)分布族中的任何一員。連接函數(shù)解釋了線性預(yù)測子與分布期望值的關(guān)系，函數(shù)形式的選擇可視情形而定，通常只要符合鏈接函數(shù)的值域有包含分布期望值的條件即可。本文在進(jìn)行多次嘗試后，根據(jù)模型擬合優(yōu)度，最終使用伽馬分布，并以倒數(shù)形式作為連接函數(shù)。

三、實(shí)證分析

1.數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

本文所使用的數(shù)據(jù)來源于56同城網(wǎng)站。58同城（http：//58.com）是國內(nèi)第一中文分類信息網(wǎng)站與免費(fèi)信息發(fā)布網(wǎng)站，內(nèi)含海量的房產(chǎn)信息，包括全國各主要城市的房屋出租信息。對于每一條租房信息，其主要項(xiàng)目有發(fā)布日期（時(shí)間）、所在城市、房源名稱、租金、面積、戶型、類型、樓層、配置以及所在的小區(qū)與地址等。在分析該網(wǎng)站及相關(guān)網(wǎng)頁結(jié)構(gòu)的基礎(chǔ)上，基于.Net框架，采用C#語言，自行設(shè)計(jì)了一個(gè)頗具通用性與靈活性的租房信息采集程序，并通過Windows系統(tǒng)中的“任務(wù)計(jì)劃程序”，每天按指定的時(shí)間與間隔啟動之，依據(jù)所設(shè)定的采集方案與規(guī)則，成功地實(shí)現(xiàn)了各有關(guān)城市一定數(shù)量的租房信息的自動采集，同時(shí)將所采集到租房數(shù)據(jù)持續(xù)地添加到SQL Server數(shù)據(jù)庫中。

本文主要選取了2015年11月4日-2015年12月6日期間發(fā)布的北京市住房信息，并將租金、面積、樓層、裝修程度、配置以及所在城區(qū)作為模型變量。在缺失值刪除、異常值刪除之后，得到1459個(gè)樣本。其中，由于網(wǎng)站租房信息發(fā)布的特殊性，對個(gè)別變量作如下處理：（1）在租房信息中，出租者通常只給出樓層范圍，為將其轉(zhuǎn)換為數(shù)值型變量，本文對樓層范圍計(jì)算出平均數(shù)，作為實(shí)際樓層；（2）裝修程度通常分為簡單裝修、中等裝修、精裝修與豪華裝修，本文將這四類裝修用分?jǐn)?shù)表示，分值為1-4分。

2.價(jià)格影響因素選擇

結(jié)合以往文獻(xiàn)對住宅價(jià)格模型的研究，并基于數(shù)據(jù)可得性，筆者構(gòu)建了北京市房屋租金的特征價(jià)格模型：

租金=f（區(qū)位、樓層、配套設(shè)施、裝修程度）

筆者認(rèn)為，住在租賃價(jià)格主要收到區(qū)位特征、樓層、配套設(shè)施、裝修程度四個(gè)因素的影響。其中區(qū)位特征以所在城區(qū)表示，北京現(xiàn)轄16市轄區(qū)。其中地處北京二環(huán)路以內(nèi)的東城、西城兩個(gè)區(qū)是傳統(tǒng)上的中心城區(qū)。規(guī)劃中北京市城區(qū)的范圍由大約北京四環(huán)路以內(nèi)的中心城區(qū)和十個(gè)四環(huán)外圍城區(qū)組成。不同城區(qū)的區(qū)位功能以及距離中心城區(qū)、CBD的距離遠(yuǎn)近等因素，決定了該城區(qū)居住適宜程度，也進(jìn)而決定了該區(qū)域租金價(jià)格范圍。本研究中數(shù)據(jù)樣本涵蓋北京市除延慶區(qū)之外的15個(gè)城區(qū)。其次，房屋樓層也是人們在選擇住宅是重點(diǎn)考慮的因素。不同樓層均存在不同的優(yōu)勢和缺陷，將樓層納入到特征價(jià)格模型中，可以觀察租房者對不同樓層的喜好。此外 ，配套設(shè)施及裝修程度影響了租房者的居住環(huán)境、住房感受，也決定了租房者在入住之后是否需要二次消費(fèi)，因此將該因素納入特征價(jià)格模型中。

3.北京租房價(jià)格特征

其每平方米單位價(jià)格如下圖所示：

其余定量變量描述統(tǒng)計(jì)結(jié)果如下表所示：

通過觀察原始數(shù)據(jù)可以看出，隨著出租房屋配套設(shè)施數(shù)量的增加，單位面積價(jià)格升高；此外，單位面積價(jià)格還會隨著樓層的增加、裝修程度的提升而提高。根據(jù)地段不同，單位房租價(jià)格也有很大差異，其中占據(jù)北京市中心的東城區(qū)、西城區(qū)價(jià)格最高，其次是朝陽區(qū)、崇文區(qū)、海淀區(qū)以及宣武區(qū)。

4.特征價(jià)格模型分析

如前文描述，特征價(jià)格模型的形式有多重，而如何正確選擇特征價(jià)格模型函數(shù)形式的問題，過去的文獻(xiàn)并未提出統(tǒng)一的標(biāo)準(zhǔn)。通過對不同模型的多次嘗試，筆者設(shè)定如下模型：

RENT=f（DIST，F(xiàn)L，AC，DEC）

其中RENT為單位面積租金（元/平方米），DIST為城區(qū)，F(xiàn)L為樓層，AC為配套設(shè)施個(gè)數(shù)，DEC為裝修程度。由于區(qū)位為定性變量，因此將其轉(zhuǎn)換為啞變量，則共有14個(gè)啞變量。根據(jù)模型效果，本研究最終采用Gamma分布并以倒數(shù)作為鏈接函數(shù)的廣義線性回歸模型，模型表示如下：

在模型建立過程中，原裝修程度分為1-4級，分別代表簡單裝修、中等裝修、精裝修與豪華裝修，而模型結(jié)果顯示前三個(gè)裝修水平，即簡單裝修、中等裝修與精裝修不顯著，因此將這三個(gè)水平合并為普通裝修，最后一個(gè)等級保留為豪華裝修，最終裝修程度分為兩個(gè)級別。對變量做出調(diào)整后，最終模型結(jié)果如下：

由模型結(jié)果可以看出，其中樓層、裝修程度以及配套設(shè)施均為顯著變量，而區(qū)位中除朝陽區(qū)、崇文區(qū)及海淀區(qū)外，其他水平均顯著。由于該廣義線性回歸模型采用了倒數(shù)函數(shù)作為鏈接函數(shù)，因此系數(shù)越小表示隨著該變量的增加，單位價(jià)格也會增加。由上表可知，隨著樓層的增加，單位價(jià)格也隨之增加。同理，裝修風(fēng)格上，豪華裝修比普通裝修價(jià)格更高。而在配套設(shè)置的個(gè)數(shù)上，隨著個(gè)數(shù)的增加，單位價(jià)格會有所降低，這與平時(shí)感知不符。這可能是由于配套設(shè)置的價(jià)格差異導(dǎo)致的，有的房屋只有少數(shù)配套設(shè)施，但價(jià)格較為昂貴，這也是租金價(jià)格較高的原因。對于不同城區(qū)的價(jià)格差別，其結(jié)果也和感知相符。其中，朝陽區(qū)、崇文區(qū)、東城區(qū)、海淀區(qū)和西城區(qū)高于平均價(jià)格，且東城西城區(qū)居首，宣武區(qū)單位價(jià)格為平均水平，而其余城區(qū)房租價(jià)格則低于平均水平。

四、結(jié)語

近年來房地產(chǎn)市場持續(xù)升溫，越來越多閑置住房投入租賃市場，同時(shí)也有越來越多人選擇租房作為居住方式。本文研究了房屋租賃價(jià)格的微觀影響因素，解釋了租金變化規(guī)律，研究結(jié)論極具應(yīng)用價(jià)值，有助于房東和租客合理評估房屋租金，便于定價(jià)。

在房地產(chǎn)價(jià)格微觀影響因素的研究中，以往學(xué)者往往以商業(yè)租金為側(cè)重點(diǎn)進(jìn)行研究。而由于私人住宅的私密性，學(xué)者難以獲得住宅特征并獲取較大的樣本進(jìn)行研究。本文利用互聯(lián)網(wǎng)租賃信息作為樣本，能夠較好的解決了這一難題。通過計(jì)算機(jī)技術(shù)，批量獲取互聯(lián)網(wǎng)的租房廣告，再利用文本挖掘技術(shù)提取房屋特征信息。利用這一方法，可以在較短的時(shí)間內(nèi)獲取大量樣本信息進(jìn)行研究。同時(shí)，也能夠不斷拓寬房地產(chǎn)價(jià)格微觀影響因素的研究，例如可獲取不同城市、不同時(shí)間的信息，以對該問題進(jìn)行更廣泛的研究。

參考文獻(xiàn)：

[1]Rosen S. Hedonic prices and implicit markets： product differentiation in pure competition[J]. Journal of political economy， 1974， 82（1）： 34-55.

[2]Marks D. The effect of rent control on the price of rental housing： an hedonic approach[J]. Land Economics， 1984， 60（1）： 81-94.

[3]Pagourtzi E， Assimakopoulos V， Hatzichristos T， et al. Real estate appraisal： a review of valuation methods[J]. Journal of Property Investment & Finance， 2003， 21（4）： 383-401.

[4]Hirschman E C， Holbrook M B. Hedonic consumption： emerging concepts， methods and propositions[J]. The Journal of Marketing， 1982： 92-101.

[5]劉洪杰.基于特征價(jià)格模型的社區(qū)商業(yè)租金微觀影響因素實(shí)證研究[D].浙江大學(xué)，2010.

[6]鄭錢洋.沈陽市寫字樓租金的微觀影響因素的實(shí)證研究[D].浙江大學(xué)，2006.

[7]周剛?cè)A.城市土地價(jià)格的微觀影響因素及其實(shí)證研究[D].浙江大學(xué)，2004.

[8]李鈺.基于hedonic模型的景區(qū)住宅定價(jià)方法及實(shí)證研究[D].西安建筑科技大學(xué)，2009.

[9]蔡菊花，賈士軍.基于Hedonic模型的住宅租賃價(jià)格影響因素分析[J].經(jīng)濟(jì)研究導(dǎo)刊，2010（30）：150-152.

[10]楊鴻，賈生華.基于微觀層面的寫字樓租金影響因素研究述評[J].技術(shù)經(jīng)濟(jì)，2008，27（7）：77-80.

作者簡介：范雅靜（1989-），女，廣西南寧人，講師，主要從事經(jīng)濟(jì)預(yù)測研究。

盧守東（1969-），男，廣西岑溪人，高級工程師，主要從事數(shù)據(jù)挖掘及Web服務(wù)研究。

基金項(xiàng)目：2014年廣西財(cái)經(jīng)學(xué)院數(shù)量經(jīng)濟(jì)學(xué)重點(diǎn)實(shí)驗(yàn)室課題（2014SYS12）。