□喻 燕
(廣東海洋大學(xué) 管理學(xué)院,廣東 湛江 524000)
2016 年6 月,國務(wù)院發(fā)布《關(guān)于加快培育和發(fā)展住房租賃市場的若干意見》(國辦發(fā)〔2016〕39號)以來,各地先后出臺了“商業(yè)用房改租賃住房”“廠房改公寓”“城中村房源規(guī)模化租賃”“租賃落戶”“租購?fù)瑱?quán)”等政策促進(jìn)住房租賃市場發(fā)展。長租公寓因裝修時尚、配套齊全、拎包入住,退租方便等優(yōu)勢受到市場青睞,在解決新市民居住,改善住房供應(yīng)結(jié)構(gòu)中發(fā)揮了積極作用。因市場監(jiān)管滯后,長租公寓運營中存在壟斷房源、哄抬房租、“高進(jìn)低出(支付房東的租金高于收取租戶的租金)”“長收短付(收取租戶租金周期長于給付房東租金周期)”、騙取租賃貸款、強(qiáng)制驅(qū)逐承租人等亂象,嚴(yán)重影響了“租購并舉”住房政策推進(jìn)。
2019 年12 月,住房和城鄉(xiāng)建設(shè)部等六部委出臺了《關(guān)于整頓規(guī)范住房租賃市場秩序的意見》(建房規(guī)〔2019〕10 號)提出嚴(yán)格租賃登記備案管理、動態(tài)監(jiān)管房源發(fā)布、管控租賃金融業(yè)務(wù)等十四條要求,以促進(jìn)租賃市場規(guī)范發(fā)展??茖W(xué)制定長租公寓租賃價格對于推進(jìn)租賃市場供給側(cè)改革,加速人口城市化進(jìn)程具有重要意義。本研究旨在運用特征價格理論,揭示長租公寓租金中隱含的特征因素及其對租金影響的相對重要性,以期為政府制定區(qū)域性租金指導(dǎo)價提供參考。
效用價值論認(rèn)為商品價值源于其滿足人們欲望的能力,商品價格由商品帶給人們的效用所決定。特征價格理論認(rèn)為異質(zhì)性商品具有多方面的不同特征,商品價格是這些不同特征的綜合反映及表現(xiàn)。
特征價格法又稱Hedonic模型法,作為一種有效揭示消費偏好與估計商品異質(zhì)性的研究方法,在房價影響因素、房價時空分異、房價空間溢出效益等研究中得以廣泛應(yīng)用。賴德(Rider)首次將特征價格理論用于住宅價格評估,測算出不同空氣污染因素對住宅價值的隱性影響[1](p228)。羅森(Rosen)指出消費者從住房中獲得的效用取決于住房的結(jié)構(gòu)特征、社區(qū)特征及環(huán)境特征的差異化[2](p35)。索勒(Soler)和吉馬爾(Gemar)運用地理加權(quán)回歸特征價格模型研究證明馬拉加57家酒店客房服務(wù)特征變量對房費具有顯著影響[3](p127)。米塔爾(Mittal)和拜阿胡特(Byahut)使用特征價格法研究住宅景觀及其視覺可達(dá)性對房屋溢價的影響,發(fā)現(xiàn)位于風(fēng)景名勝區(qū)內(nèi)房屋價格平均溢價3.4%[4](p67)。尼泊爾(Nepal,et al)等使用特征價格法評估低收入國家中清潔社區(qū)的價值,發(fā)現(xiàn)相比普通社區(qū),清潔社區(qū)房價溢價達(dá)到25%—57%[5](p131)。埃萬杰利斯塔(Evangelis?ta,et al)等運用特征價格模型研究了能源效率對住宅物業(yè)交易價格的影響,發(fā)現(xiàn)在葡萄牙256 000套公寓中具有能源效率的公寓交易溢價達(dá)到13%[6](p86)。金鎮(zhèn)元(Jinwon Kim,et al)等使用地理加權(quán)空間特征價格模型對美國佛羅里達(dá)州杰克遜維爾海灘的152處房產(chǎn)的游憩價值進(jìn)行評估,發(fā)現(xiàn)海灘游憩價值對房產(chǎn)溢價效應(yīng)的存在性及空間異質(zhì)性[7](p119)。
我國學(xué)者運用特征價格模型結(jié)合地理信息技術(shù),對上海(汪佳莉等,2016[8](p73))、深圳(黃彩珠,2018[9](p22))、廈門(黃麗君,2018[10](p131))、北京(龐宇翔、劉洪玉,2019[11](p19))、杭州(王瑞,2019[12])、成都(熊建,2019[13)]、石家莊(都沁軍、王衛(wèi)秀,2019[14](p94))、南京(沈奕成,2019[15](p158))、合肥(劉軍航、馬曉雪,2019[16](p169))、昆明(侯學(xué)英,2020[17](p131))等城市房價及租金的影響因素進(jìn)行了多維度研究,證明除房屋實體特征、房屋質(zhì)量、房屋開發(fā)與維護(hù)成本等顯性因素影響外,房價及房租的高低與房屋所在區(qū)域的人口吸引力、市場供求、醫(yī)療資源、就業(yè)可達(dá)性、教育配套、公園景觀、空氣質(zhì)量、軌道交通車站距離[18](p2)、承租人收入水平[19](p104)、通貨膨脹率與貨幣供應(yīng)量等隱性因素相關(guān)。
近年來,學(xué)者們構(gòu)建地理加權(quán)回歸模型及空間計量全局模型,運用社交媒體數(shù)據(jù)、機(jī)器學(xué)習(xí)算法[20](p658)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)以及KNN 等數(shù)據(jù)挖掘技術(shù)[21](p20)有效克服了特征價格法在數(shù)據(jù)來源、變量選擇、模型估計等方面不足,特征價格模型在房地產(chǎn)領(lǐng)域的研究得到進(jìn)一步拓展。鮮有研究將區(qū)域經(jīng)濟(jì)因素作為房租的特征變量,以市級行政區(qū)劃為尺度,研究長租公寓租金的分區(qū)劃、多層次影響因素及其相對重要性。
長租公寓作為一種住房異質(zhì)商品,需要滿足承租人對于居住安全、品質(zhì)及服務(wù)等差異化需求,吻合特征價格理論中產(chǎn)品異質(zhì)性的前提條件。根據(jù)特征價格理論,影響長租公寓租金的每個特征都有各自隱含的價格,租金可視為每個特征因素的隱含價格之和。長租公寓特征價格模型可采用線性、半對數(shù)及對數(shù)三種形式,模型形式的選擇取決于評估目標(biāo)及研究數(shù)據(jù)的可得性。
(1)線性模型
式(1)中P為長租公寓租賃價格;a0為常數(shù)項;ai為待估參數(shù),表示第i個特征變量Z的價格;Zi代表因變量,即第i個特征變量;ε 為隨機(jī)擾動項。
(2)半對數(shù)模型
式(2)中ai為待估參數(shù),表示特征變量Z 的單位絕對變化量導(dǎo)致P的相對變化量。
(3)對數(shù)形式
式(3)中ai為待估參數(shù),表示P 對特征變量Z的價格彈性。
運用特征價格模型分析長租公寓租賃價格與其特征因素之間的函數(shù)關(guān)系,因變量為長租公寓每平方米月租金,表示為P。自變量為長租公寓租金所隱含的特征因素,主要取建筑特征、區(qū)位特征、租約特征、區(qū)域經(jīng)濟(jì)特征四大類,共13 個特征變量,分別表示為Z1、Z2……Z13。
1.建筑特征。根據(jù)《房地產(chǎn)估價規(guī)范》(GB/T 50291—2015),建筑物實體特征包括建筑規(guī)模與結(jié)構(gòu)、設(shè)施設(shè)備、裝飾裝修、空間布局、建筑外觀、新舊程度等方面。研究中以裝修效果(Z1)、配套家電(Z2)、共享空間(Z3)3個指標(biāo)作為建筑特征變量,其中共享空間指長租公寓中專設(shè)為滿足租客社交、娛樂、健身、生活服務(wù)等多元化需求公共空間。
2.區(qū)位特征。房地產(chǎn)價格的區(qū)位影響因素主要包括繁華程度、環(huán)境、配套設(shè)施、臨路狀況等因素。研究中以生活配套(Z4)、交通便捷度(Z5)、鄰近醫(yī)院(Z6)、鄰近公園(Z7)、商業(yè)繁華度(Z8)5個指標(biāo)作為區(qū)位特征變量。
3.租約特征。《中華人民共和國城市房地產(chǎn)管理法》第五十四條規(guī)定,出租人和承租人應(yīng)當(dāng)簽訂書面租賃合同并向房產(chǎn)管理部門登記備案。租金的確定受到租賃期限、付租間隔期、保證金數(shù)額、轉(zhuǎn)租及提前退租等因素影響。研究中以租金支付規(guī)定(Z9)作為租約特征變量。
4.區(qū)域經(jīng)濟(jì)特征。由于區(qū)位基礎(chǔ)條件、資源稟賦、發(fā)展規(guī)劃、經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)等方面制約,區(qū)域住宅價格存在顯著的空間分異與行政等級性差異分化[22](p34)。研究中以各行政區(qū)人均GDP(Z10)、區(qū)常住人口增長率(Z11)、區(qū)商品房均價(Z12)、區(qū)就業(yè)率(Z13)4個指標(biāo)作為區(qū)域經(jīng)濟(jì)特征變量。
深圳市位于廣東省中南沿海地區(qū),是國務(wù)院批復(fù)確定的經(jīng)濟(jì)特區(qū)、經(jīng)濟(jì)中心城市及國際化城市。2017年7月,深圳市被批準(zhǔn)為我國首批租賃試點城市并于2019年7月列入中央財政支持住房租賃市場發(fā)展試點城市。2018 年以來,深圳市先后發(fā)布《深化住房制度改革加快建立多主體供給多渠道保障租購并舉的住房供應(yīng)與保障體系的意見》等政策,提出大力發(fā)展住房租賃市場,增加租賃性質(zhì)用地供應(yīng),以住房租賃經(jīng)營機(jī)構(gòu)為主,提供各類長租公寓。2019年,深圳市長租公寓房源數(shù)量約8.1萬間,平均月租金達(dá)到69.51元/M2,全國排名第三。
十三五期間,深圳市年均新增人口達(dá)53.32萬以上,非戶籍常住人口及年輕人占比高、人口流動性大,住房資源供需結(jié)構(gòu)性矛盾日益突出。2019年,深圳市人均居住支出占消費支出的29.2%,房價高企、房租負(fù)擔(dān)過重等居住問題已成為制約其高質(zhì)量發(fā)展的重要因素。研究深圳市長租公寓租賃價格特征,合理確定住房租賃價格,對于促進(jìn)全國住房租賃市場發(fā)展具有示范作用。
2020年3月1日至3月30日間,課題組采取典型抽樣方法,在深圳市福田區(qū)、羅湖區(qū)、鹽田區(qū)等10個行政區(qū)選取租賃方式為“整租”、房型為“一居室”的600 個長租公寓為研究樣本,樣本區(qū)域分布詳見表1。樣本數(shù)據(jù)主要來源:(1)在線租房網(wǎng)(鏈家網(wǎng)、貝殼租房網(wǎng))掛牌數(shù)據(jù):公寓名稱、地址、月租金、建筑面積、裝修效果圖、配套家電(電視、冰箱、洗衣機(jī)、空調(diào)、寬帶、衣柜等)、共享空間(共享廚房、書吧、休閑區(qū)、休閑吧臺及健身房等)、租金支付規(guī)定、區(qū)平均房價數(shù)據(jù)。(2)百度地圖數(shù)據(jù):長租公寓具體位置與最近公交站點、醫(yī)院、公園、區(qū)級繁華商圈的距離,以公里為計量單位。(3)《深圳市2019年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報》與《深圳市2019 年統(tǒng)計年鑒》數(shù)據(jù):各行政區(qū)GDP、常住人口比上年末增長率、就業(yè)人口與在崗職工人數(shù)。此外,課題組還進(jìn)行了部分長租公寓實地踏勘,以驗證在線租房網(wǎng)站對于裝修效果、共享區(qū)域等信息描述的真實性。各變量賦值及描述性統(tǒng)計詳見表2。
表1 :長租公寓樣本區(qū)域分布表
表2 :變量賦值及描述性統(tǒng)計
運用SPSS20.0軟件,采用方差膨脹因子(VIF)做自變量共線性判斷,結(jié)果表明13 個自變量中VIF 數(shù)值最小為1.044,最大為2.077,均值為1.34。根據(jù)方差膨脹因子判斷準(zhǔn)則(VIF小于5)可知,自變量間不存在多重共線性。
表3 :線性模型與半對數(shù)模型參數(shù)對比
研究中部分因變量取值為0,無法使用對數(shù)模型(式3),所以分別采用線性模型(式1)與半對數(shù)模型(式2)對樣本數(shù)據(jù)進(jìn)行回歸分析,結(jié)果詳見表3。線性模型與半對數(shù)模型的D.W 統(tǒng)計量數(shù)值均趨近于2,證明模型殘差不存在一階自相關(guān)且服從正態(tài)分布。半對數(shù)模型的擬合優(yōu)度、估計標(biāo)準(zhǔn)誤差均優(yōu)于線性模型,故采用半對數(shù)模型分析結(jié)果來解釋因變量對租金的影響。
運用SPSS20.0 統(tǒng)計軟件,采取逐步回歸法進(jìn)行變量選擇及模型估計。逐步回歸運行到第11步終止,最終有11 個變量進(jìn)入模型,而共享空間、鄰近公園2個變量對租金影響不顯著,被排除在模型之外,回歸結(jié)果詳見表4。
表4 :逐步回歸結(jié)果表
從表4分析可知,在5%的顯著性水平下,11個變量對租金影響顯著且系數(shù)具有經(jīng)濟(jì)學(xué)意義。(1)區(qū)商品房均價、配套家電、區(qū)級人均GDP、裝修效果、生活配套、區(qū)就業(yè)率、租金支付規(guī)定7個變量系數(shù)為正數(shù),與租金具有正相關(guān)性。在控制其他條件不變的情況下,區(qū)商品房均價每上漲1 萬元,租金上漲3.6%;配套家電每增加1 項,租金上漲7.4%;區(qū)級人均GDP 每提高1 萬元,租金上漲1.7%;裝修效果提高一個級別,租金上漲4.1%;生活配套每增加一項內(nèi)容,租金上漲1.8%;區(qū)就業(yè)率提高1%,租金上漲1.7%;租金支付每提高一個檔次,租金上漲10%。(2)鄰近醫(yī)院、交通便捷度、商業(yè)繁華度、區(qū)級常住人口增長率4個變量系數(shù)為負(fù)數(shù),與租金呈負(fù)相關(guān)性。在控制其他條件不變的情況下,長租公寓離醫(yī)院、公交站點、區(qū)級繁華商圈的距離每增加1 公里、租金分別降低4%、3.8%、1.5%。區(qū)級常住人口增長率每增加1%,租金降低4.2%。2019年,深圳市常住人口最多的南山區(qū)、寶安區(qū)兩個區(qū)因房價與房租上漲過高,非戶籍人口增長比率出現(xiàn)負(fù)增長(南山區(qū)-2.3%,寶安區(qū)-1.1%),說明高租金對非戶籍人口具有擠出效應(yīng)。
采用相對重要性分析方法,比較特征變量對租金解釋程度的相對重要性,記為RI(Relation Im?portance)[23](p50)。用各特征變量標(biāo)準(zhǔn)化回歸系數(shù)的絕對值加總求和,計算出各特征變量標(biāo)準(zhǔn)化權(quán)重并視為RI。RI 越大,說明該特征對模型預(yù)測結(jié)果的影響越大,11 個特征變量相對重要性排序詳見表5。
表5 :11個特征變量對租金影響相對重要性排序
從表5分析可知,區(qū)域經(jīng)濟(jì)特征、區(qū)位特征、建筑特征、租約特征四大類特征對租金的解釋能力分別為42%、28%、24%、6%。各特征變量相對重要性程度依次為:區(qū)商品房均價>配套家電>區(qū)人均GDP>鄰近醫(yī)院>裝修效果>生活配套>區(qū)就業(yè)率>區(qū)常住人口增長率>商業(yè)繁華度>租金支付規(guī)定>交通便捷度。
本文運用特征價格理論,從區(qū)域經(jīng)濟(jì)特征、區(qū)位特征、建筑特征、租約特征四個維度選取13個因素構(gòu)建特征價格模型對深圳市10個行政區(qū)600家長租公寓租金特征進(jìn)行研究。研究證明:(1)相比線性特征價格模型,半對數(shù)特征價格模型能更優(yōu)擬合長租公寓租金特征因素與租金之間的非線性關(guān)系。(2)特征因素對長租公寓租金具有正、負(fù)兩個方向的影響。區(qū)商品房均價、配套家電、區(qū)級人均GDP、裝修效果、生活配套、區(qū)就業(yè)率、租金支付規(guī)定7 個變量正向影響租金水平,而鄰近醫(yī)院、交通便捷度、商業(yè)繁華度、區(qū)級常住人口增長率4 個變量負(fù)向影響租金水平。(3)區(qū)域經(jīng)濟(jì)特征是影響長租公寓租金水平的最重要因素,其次為區(qū)位特征、建筑特征、租約特征。各特征變量對租金影響的相對重要性排序為:區(qū)商品房均價、配套家電、區(qū)人均GDP、鄰近醫(yī)院、裝修效果、生活配套、區(qū)就業(yè)率、區(qū)常住人口增長率、商業(yè)繁華度、租金支付規(guī)定、交通便捷度。
深圳市應(yīng)該抓住粵港澳大灣區(qū)建設(shè)、中國特色社會主義先行示范區(qū)建設(shè)等重大發(fā)展戰(zhàn)略機(jī)遇,構(gòu)建“租購并舉”住房長效機(jī)制,著力推進(jìn)“穩(wěn)房價、穩(wěn)租金、穩(wěn)預(yù)期”工作,促進(jìn)區(qū)域經(jīng)濟(jì)與住房租賃市場協(xié)調(diào)發(fā)展。(1)制定市場租金指導(dǎo)標(biāo)準(zhǔn),實行分區(qū)管理。增強(qiáng)核心區(qū)域引擎功能,縮小坪山區(qū)、光明區(qū)、大鵬新區(qū)等區(qū)域在基礎(chǔ)設(shè)施、產(chǎn)業(yè)發(fā)展、公共服務(wù)等方面的差距,平衡市場供求,防止高房價向高租金傳導(dǎo),高租金對非戶籍人口的“擠出效應(yīng)”。(2)建立租賃價格監(jiān)管機(jī)制,維持市場秩序。健全住房租賃交易服務(wù)平臺,設(shè)立租金及押金監(jiān)管賬戶,規(guī)范租賃中介機(jī)構(gòu)行為,加強(qiáng)租賃合同備案與租金動態(tài)管理。(3)推行住房租賃網(wǎng)格化,加強(qiáng)租賃房屋的治安與安全管理,維護(hù)承租人享受公共服務(wù)權(quán)益,增加政策性租賃住房供給、穩(wěn)定租賃關(guān)系,提升城市持續(xù)吸引力。(4)推動標(biāo)準(zhǔn)化建設(shè),促進(jìn)長租公寓行業(yè)高質(zhì)量發(fā)展。按照《長租公寓室內(nèi)環(huán)境評價通則》(標(biāo)準(zhǔn)編號:T/CAS 407-2020)、《長租公寓服務(wù)規(guī)范標(biāo)準(zhǔn)》開展長租公寓裝修及運營服務(wù)評價,規(guī)范行業(yè)發(fā)展。在稅收、金融、供地等方面出臺優(yōu)惠政策,形成多元供應(yīng)主體,支持企業(yè)機(jī)構(gòu)化、品牌化建設(shè),推動租住品質(zhì)提升及租房消費升級。