重庆二手房价格影响因素研究

重庆二手房价格影响因素研究

王晓娟

【期刊名称】《《廊坊师范学院学报（自然科学版）》》

【年(卷),期】2019(019)003

【总页数】4页(P12-15)

【关键词】二手房价格; 影响因素; 随机系数模型; 多水平模型

【作 者】王晓娟

【作者单位】重庆工商大学 重庆400067

【正文语种】中 文

【中图分类】F299.23

0 引言

十九大报告提出“房子是用来住的、不是用来炒的”，因此，如何解决闲置房屋的

资源浪费问题是重中之重。目前，各大城市均出台了一系列抑制房价过快增长的政

策，然而这种增长趋势并没有得到有效控制，房价依然随时间的推移而居高不下。

新建住宅房价的持续高涨以及住房刚性的需求，导致二手房交易市场不断扩大，因

此对二手房价格的影响因素进行理论和实证研究是有现实意义的。

二手房价影响因素的研究方法主要集中在价格特征模型，也有部分文献在此基础上

采用空间计量分析方法或GWR模型对区位因素和地理特征进行实证分析。张萌娜

（2017）基于Hedonic模型从建筑结构、区位特征、邻里环境三个方面对二手房

价格的影响因素进行研究［1］。周沁（2017）对不同类型的上海市二手房市场分

别构建价格特征模型，进而分析不同市场影响因素的差异性［2］。张羽鹤（2018）

和邓沛能（2018）考虑数据的空间相关性，分别构建GWR模型和空间计量模型

（SLM和SEM）修正OLS估计的有偏性［3,4］。

在二手房价格的影响因素分析中，不仅分析它们之间的线性关系，也对它们之间的

非线性关系进行了研究。李宝强（2017）利用主成分分析法对变量进行降维，用

BP神经网络拟合非线性关系，对传统特征价格模型进行改进［5］。赵红军

（2017）将住房到市中心的距离及其平方项和三次项逐步引入价格特征模型中，

发现距离和单价之间的倒U型非线性关系［6］。此外，邓云坚（2017）利用固

定效应门限回归模型对影响二手房价格的微观变量和宏观经济变量进行分析，发现

了特征因素之间的交互效应［7］。由此分析可知，对于二手房价格的影响因素实

质上是多层次的，既受到房屋自身建筑结构的影响，还有小区层次的环境因素。本

文借鉴其他文献变量的选取方法，在建模方法上进行创新，采用两水平模型解决房

价影响因素中的数据嵌套问题。

1 数据来源及变量选取

综合考虑各个网站房源信息的完整性以及获取的便利程度，最终选取58同城为目

标网站，利用python网络爬虫技术共爬取分布在重庆主城九区的50个小区的

7637条房源信息。依据网页整理获得的建筑特征和邻里环境，并且结合高德地图

获得的区位特征，初步筛选出二手房价格的影响因素。参照相关文献和本地特征对

变量进行赋值和整合，最终收集的数据结构如表1所示。

表1 变量说明表变量类型因变量水平1自变量水平2自变量变量名称房屋总价Y

建筑面积x1房屋朝向x2所在楼层x3装修程度x4房龄x5房间总数x6车位比

w1物业费w2容积率w3绿化率w4租住比w5区龄w6轻轨线路w7配套设施

w8变量代码TP area orientation floor decoration house-age room parking

fee far green rent district-age lightrail configuration数值描述单位：万房屋

总面积，单位m21=北、西、东、东北、东西、西北，2=西南、东南，3=南、南

北1=低层，2=中层，3=高层0=毛坯，1=简单装修，2=中等装修，3=精装修，

4=豪华装修今年年份（2019）-建筑年代客厅数量+卧室数量+卫生间数量住户总

数与车位总数的比值单位：元/平/月总建筑面积/用地面积百分比1=租住比大于1，

2=租住比大于零小于1，3=无租户今年年份（2019）-建筑年代1公里内轻轨站

点总数1公里内超市、医院、学校和银行总数

综合考虑房价制定的相关标准，在影响房价的主要因素中选取总面积、房屋朝向、

所在楼层、装修程度、房龄和房间总数来描述建筑结构。由于房屋总价和总面积为

连续型变量，并且量纲不同，借鉴贾德铮（2017）以及缪格（2017）选取的模型

均为半对数线性模型，因此，在建模时将这两个解释变量进行对数化处理［8,9］；

对房屋朝向进行整合，将朝南和南北的视为最受欢迎的房型，赋予其值为3；装修

程度的等级属性可在爬虫时直接得到，并按0到4进行赋值，装修程度越高其值

越大；在房龄的处理中，用现在年份减去房屋的建筑年代可以有效体现房屋的老化

程度。

邻里环境为车位比、物业费、容积率、绿化率、租住比和区龄。租住比为小区内房

屋出租总数与住户总数的比值，可以间接表现出小区内人员居住的稳定程度；区龄

是用现在年份减去小区的建筑年代，可以体现出小区的基础设施破坏程度。区位特

征体现在1公里内轻轨站点总数和1公里内超市、医院、学校和银行总数，这些

指标可以有效反映小区的生活便利程度。

2 二手房价格影响因素的模型构建

价格特征模型被广泛应用于二手房价格的影响因素分析，但是同一小区内二手房源

的邻里环境和区位特征趋于相同，导致每个小区内各二手房的观测不完全独立，这

与传统多元回归分析的前提假设相违背，使拟合出的回归方程失真。因此，本文用

多水平模型解决这种数据嵌套问题，分层线性模型不需要建立在个体独立性的假设

上，并且可以分析随机斜率和跨水平交互作用。

2.1 带随机效应的单因素方差分析

空模型（每个水平都不引入变量）的作用在于将总方差分解到两个水平，通过组内

相关系数对比两个水平随机方差的大小来确定是否有必要进行层次分析。空模型的

基本形式如下：

针对相关数据进行带随机效应的单因素方差分析，使用MLwiN2.32输出空模型结

果，如表2所示。

表2 空模型分析结果参数总体平均γ00组间变异残差var( )μ0j组内变异残差

var()εij显著性＜0.001＜0.001＜0.001-2*loglikelihood估计值4.692（0.071）

0.252（0.050）0.089（0.001）3457.848

结果显示二手房价格的平均水平为4.692，组内相关系数越接近1分层效果越好，

这说明二手房价格影响因素的总差异中有73.9%来自于小区。由此可知，可以建

立多水平模型对影响二手房价格的因素进行差异性分析。

2.2 个体层面的影响分析

为进一步确定水平1建筑结构中哪些变量显著，以及其截距和斜率在水平2上是

否存在差异，只在空模型的基础上加入水平1的解释变量。建立随机系数模型如

下，模型的计算结果如表3所示。

表3 随机系数模型分析结果变量截距总面积x1房屋朝向x2所在楼层x3装修程度

x4房龄x5房间总数x6组内变异残差var( )回归系数和T检验回归系数

0.920(0.063)0.782(0.010)0.002(0.002)-0.002(0.005)0.032(0.004)-

0.001(0.001)0.023(0.004)P值＜2e-16＜2e-16 0.3906 0.6882 8.5e-14 0.6353

4.3e-08方差分析0.124(0.027)方差成分和χ2检验P值3.2e-06

0.000(0.000)0.001(0.000)0.001(0.000)0.000(0.000)0.001(0.000)0.4813 0.0001

2.6e-05 0.0016 1.4e-05 εij-2*loglikelihood 0.017(0.000)-8192.546

结果表明，解释变量总面积x1、装修程度x4和房间总数x6通过了显著性检验，

并且在水平2上的差异性显著，但经过反复验证可知，x1的随机系数会导致组间

变异残差显著增大，故不考虑；房屋朝向x2为不显著变量，说明由于重庆特殊的

地理位置和环境因素，当地人购房时对朝向考虑较少。x3的系数为负，拥有山城

之称的重庆使得购房时更偏向于低楼层的，但是这种影响并不显著。房龄x5对二

手房价格的影响效果仅作用在小区之间（随机效应中P＜0.05），但是将其作为随

机因素加入模型时系数的估计值为0，故在建模时剔除。

个体变异残差var()εij是经过协变量调整后的残差，调整程度反映了变量的解释能

力［10］。由个体层次的随机变异比空模型减少了0.072（0.089-0.017），可知

水平1的变量解释了房价组内影响因素的80.90%。

2.3 两水平模型影响分析

综合考虑随机系数模型的回归系数值和方差分析，以及模型的输出结果，最终建立

的两水平模型为：

经过反复验证，剔除不显著变量后模型的计算结果见表4。

最终得到的条件两水平模型为：

结果表明，二手房价格的平均水平为0.961，并在各小区之间具有显著的差异性。

从对数似然函数估计值来看，IGLS估计与OLS估计的差值为-9429.377，表明多

水平模型的估计效果明显优于传统线性模型。多水平模型的组间变异残差比空模型

减少了0.252-0.100=0.152，说明水平2的变量解释了房价组间影响因素的

60.32%。并且由表4可知，水平2的解释变量车位比、绿化率、租住比、区龄和

配套设施和水平1的截距项β0i产生交互影响（P＜0.05），并没有对水平1的其

他解释变量产生影响。

表4 两水平模型分析结果固定效应参数随机效应参数参数水平1截距β0j在水平

2的截距γ00 β0j受w1的影响γ01 β0j受w4的影响γ04 β0j受w5的影响γ05

β0j受w6的影响γ06 β0j受w8的影响γ08水平1的斜率β1水平1斜率β4j在

水平2的截距γ40水平1斜率β6j在水平2的截距γ60组内变异残差var()εij组

间变异残差var( )μ0j-2*loglikelihood IGLS估计回归系数

0.961(0.193)0.061(0.022)1.168(0.415)0.127(0.044)-0.024(0.007)-

0.020(0.004)0.782(0.010)0.033(0.004)0.023(0.004)0.017(0.000)0.100(0.021)-

8777.513 P值6.6e-07 0.0053 0.0048 0.0039 0.0005 1.8e-06＜2e-16＜2e-16

＜2e-16＜2e-16 2.1e-06 OLS估计回归系数

0.343(0.052)0.018(0.002)0.468(0.051)0.160(0.005)-0.024(0.001)-

0.012(0.000)0.939(0.014)0.055(0.002)0.021(0.003)0.064(0.001)P值3.1e-11＜

2e-16＜2e-16 2.3e-10＜2e-16＜2e-16＜2e-16＜2e-16＜2e-16＜2e-16

651.864

3 主要结论及对策建议

建筑结构中显著的变量为总面积、装修程度和房间总数，并且均呈正向相关关系，

说明面积越大、装修的越好、房间数越多，房屋的价格就越高，其中总面积的影响

程度最大。朝向和楼层均是不显著变量，由于重庆特殊的地理位置（山城）和环境

因素（炎热和多雨），当地人购房时对朝向和楼层考虑较少，因此在房屋设计中可

减少对这两个因素的关注度。

区位特征中配套设施为显著变量，但是系数为负，与我们最初的认知相反。推测这

是由于样本量太少所致，因为水平2的样本个数只有50；或者是正常现象，因为

小区周边的配套设施基本都可以满足人的正常需要，但是由于越是发达的地区，配

套设施越完善，环境噪音越高和人流量越密集，反而会导致房价有所下降。轻轨线

路为不显著变量，推测这和数据的不均衡性有关，由于选取的小区局限于重庆主城

九区，所以交通发达程度相差不大。

车位比和租住比反映了小区内的人员居住情况，车位越充足，租户越少，反映小区

的管理水平越高，因此房价越高。绿化率对水平1截距项产生的影响最大，但是

在各区之间差别并不显著，重庆人已经习惯了一年四季都绿树成荫，在保证利益最

大化的同时必须保证小区的绿化面积达标。区龄的系数为负，而房龄的系数不显著，

说明在购房时考虑小区的建筑年代要多于房屋，由于房价会随着区龄的增加而逐渐

降低，因此在旧小区建新房是不明智的。

［参考文献］

【相关文献】

［1］张萌娜，贾德铮.基于Hedonic模型价格影响因素的研究［J］.现代商业，2018，（8）：

189-190.

［2］周沁，郭江涛，高晓晖.市场细分下上海市二手房特征价格分析［J］.经济师，2017，（10）：

52-54.

［3］张羽鹤.基于GWR模型的北京市二手房价格空间分异及影响因素研究［D］.北京：中国地质

大学（北京），2018.

［4］邓沛能.基于网络爬虫的洪山区二手房特征价格研究［J］.商业经济，2018，（8）：50-52.

［5］李宝强，纪蕾，宋岩磊，等.基于PCA和BP神经网络的住宅特征价格模型研究［J］.青岛理

工大学学报，2017，38（4）：108-113.

［6］赵红军，彭屹.区位因素对二手房价格的非线性影响——以上海市为例［J］.城市问题，2017，

（7）：60-66.

［7］郑云坚，程熙镕，王泽宇.城市轨道交通通达性对二手房价格的影响——基于门限模型的实证

分析［J］.福建论坛（人文社会科学版），2017，（6）:27-32.

［8］贾德铮，顾青蓝.关于二手房特征价格的计量分析——以上海地区为例［J］.上海立信会计金

融学院学报，2017，（6）：88-97.

［9］缪格，李英冰，袁菲.基于多元回归法的武汉市二手房价格影响因素研究［J］.城市勘测，

2017，（1）：33-38.

［10］石磊.多层线性模型及其在经济领域中的应用［M］.北京：教育科学出版社，2003.