市场细分下上海市二手房特征价格分析

周沁+郭江涛+高晓晖

摘 要：运用特征价格模型测度了上海市二手商品住房价格的主要影响因素，发现面积、房龄、小区环境、文体设施、生活配套以及CBD的距离等因素对上海二手房价格有显著影响。而依据住房需求进一步将上海二手房市场细分为生存型、改善型、奢侈型后，发现各子市场的主要价格影响因素是存在差异的，其中：生存型二手房价格主要受轨道交通可达性、生活配套、商业便利性等因素影响，改善型二手房价格更多受小区环境、文体设施、教育配套等因素影响，而奢侈性二手房价格则主要受环境等因素影响。实证结果反映了住房市场的过滤效应存在，投资者应根据自身收入等审慎决策，政府也应适时适地进行差异化调控。

关键词：二手房 价格 影响因素 市场细分 特征价格模型

中图分类号：F293.3 文献标识码：A

文章编号：1004-4914（2017）10-052-03

一、引言

过去20多年，我国房地产业迅猛发展，住房价格不断攀升。深入了解市场细分下的住房价格影响因素，既有助于制定和实施差异化的税收、金融等政策以提高宏观调控效果，也有助于投资者理性决策。

现有关于特征价格法下的住房价格影响因素的研究较为丰富，如：温海珍、贾生华（2004），郝前进、陈杰（2007），赵琰、刘晓君、程亚鹏（2010），张立新、姜吉坤、温海珍（2010），张旺锋、闫星羽、董瑞娜（2012）等。但基于市场细分下的二手房价格影响因素的比较研究很少。相较以往将住宅市场按照空间（Adair 等（1996）、Kauko等（2002））、建筑类型和产权性质（温海珍、贾生华（2006））、或者房龄（郝前进、陈杰（2012））等进行细分的研究，本文的创新性在于：一是基于人口特征将上海二手商品住房市场按消费者需求差异分为生存型、改善型和奢侈型需求，并进一步将上海市二手房细分为面积在90平方米以下能满足生存型需求的住房，面积在90～140平方米能满足改善型需求的住房，面积在140平方米以上的能满足奢侈型需求的住房，进行了市场细分下不同类型二手房价格主要影响因素的比较分析；二是提出，市场细分下不同类型二手房价格影响因素的差异是住房过滤效应的体现，且反映出上海的住房市场仍处于过滤转换过程中，应尊重市场规律，对不同的住房需求群体进行区别化分析，有助于客观定价、理性购房及差别化调控。

二、基于上海人口特征和住房需求的二手房市场细分

（一）基于上海人口特征的住房需求分析

人口的变化影响住房需求。从国际经验看，一个国家（地区）住房市场的供求状况、价格变动，无不与其人口总量、家庭规模、空间结构等因素密切相关。

1.上海人口规模与住房需求。人口规模的变化会对基本住房需求产生影响。上海人口数量呈现出上升趋势。截至2015年末，上海市的常住人口已经达到2415万人。第六次全国人口普查（以下简称“六普”）资料显示，2010年上海家庭户户数为825.33万户。常住人口数量的增长以及家庭户数的增长，表明上海住房需求主体是持续上升的。

2.上海人口增长率与住房需求。“六普”资料显示，上海20～29岁育龄妇女为253.23万，比2000年增加124.35万，增幅为96.5%，人口自然增长率从2010年的-1.9‰转为“六普”的1.98‰，并进一步上升到2014年的3.14‰。这意味着居民购置婚房、由于孩子出生购买住房或置换较大住房的需求有所上升。

3.上海家庭规模与住房需求。家庭规模和结构对住房总量、住房面积和户型等居住模式都有影响。人口总量不断扩张、家庭规模小型化趋势使得家庭户数增加，由此产生的住房需求可能对市场造成较大压力。“六普”资料显示，上海市家庭規模小型化。2010年上海家庭户平均人数为2.5人，比2000年减少0.3人。2010年家庭户中1人户、2人户、3人户合计占家庭户总数的79.5%，其中2人户、3人户占家庭户总数的62.3%，成为家庭户的主要类型。家庭户代际构成中，一代户和二代户是主体。2010年一代户、二代户和三代户占上海家庭户的比重分别为49.9%、39.6%和10.2%。受这些变化的影响，中等面积的两居室、三居室的住房需求增多。未来一段时间，中小面积的住房仍有较大需求，但因二胎政策等对大面积住房的需求也会上升。

4.上海人口年龄结构与住房需求。不同年龄的居民购房能力及其住房面积、房型等需求有差异。2014年，上海户籍人口中，18～59岁人群占比略超60%。处于婚姻阶段的年轻人具有购买中小面积婚房的需求，而中年富裕人群会倾向于大面积享受型住房消费。《2015中国高净值人群寿险市场白皮书》提出，上海可投资资产1000万元以上的高净值人数已达13.2万人，平均年龄为43岁，且超过84%的高净值人集中在30～59岁这个年龄段。

5.上海人口空间结构与住房需求。上海城市基础设施建设和郊区新城建设及城市布局优化和产业结构调整等一系列因素，带动了大量外来新增就业人口，也导致中心城区居住人口向郊区迁移。数据显示，“五普”到“六普”期间，上海市中心城区（黄浦区、卢湾区、静安区、虹口区、长宁区）的人口有所下降，而郊区（闵行区、浦东新区（包括原南汇区）、松江区、嘉定区、宝山区等）人口增长很快。上海人口空间结构的变动对住房的交通便利性、住房周围环境和配套等需求产生了较大影响。

（二）上海二手房市场的细分

1.上海人均住房状况。2010年上海常住人口人均住房建筑面积27.25平方米，比“五普”提高3.25平方米；自有房屋比例为57.9%。2015年，上海人均住房面积35平方米。结合家庭户人均数2.5人，可知平均住房面积约90平方米。而1人户、2人户家庭占比超过1/3，低于90平方米的住房需求较大。如前所述，随着孩子的出生、二胎政策的实施，家庭户人数的增加，对面积超过90平方米的3室以上的住房需求将增大。endprint

2.上海二手房市场的需求状况。搜房统计的二手房面积搜索占比，表明了上海二手房需求主要集中在面积90平方米以下的住房，约为61%。但住房面积90～150平方米及超过150平方米的二手房需求同样存在，分别为27%和12%。

3.基于住房需求的上海二手房市场细分。如前所述，1人户、2人户家庭占比超过1/3，面积低于90平方米的住房需求较大。但是，育龄人口的增加、自然增长率的增长、二胎政策的实施、家庭户人数的增加、人均住房面积的提高等都表明了对面积超过90平方米的3室及以上的住房需求将增大，改善型需求将逐渐成为住房消费群体的主力。此外，高收入高净值人口的增加，也将推动大面积住房的消费。

根据上海市人口特征及住房状况，可将上海住房需求划分为三类：生存型、改善型、奢侈型。相对应的，上海二手房可划分为：（1）生存型：家庭人口少或者受经济条件限制，需要满足基本的居住要求，一般会选择小户型住房。按照上海市户均人数2.5，人均面积35平方米计算，总面积为87.5平方米，可近似把面积90平方米以下的住房定为生存型需求住房。事实上，上海也规定：家庭购买首套住房且面积在90平方米以下，可享受契税税率为1%的优惠。（2）奢侈型：上海市普通住房标准是单套面积在140平方米以下。事实上，面积140平方米以上的大户型住房多见于高品质小区的商品房，往往单价、总价都高。故可将单套面积在140平方米以上住房划分为少数人奢侈型需求的选择。（3）改善型：其余面积在90～140平方米的住房则可划分为改善型需求的选择，这类住房一般有2～3个卧室外加客厅餐厅，能满足核心家庭的较高质量的居住要求。

三、数据与描述性統计

（一）数据的选取与量化处理

1.数据的选取。本文将上海市区范围内的黄浦区、静安区、徐汇区、浦东新区、长宁区、虹口区、杨浦区、闵行区、普陀区、闸北区等10个区作为研究区域。如附表1所示，本文选取了2013年共40个不同价位、共性和差异性并存的住宅小区作为采样数据进行研究。

2.数据的来源。本文采用的数据主要有三类：住房成交数据、住宅小区调查数据、上海市电子地图数据。其中，住房成交数据使用某银行住房按揭贷款的内部数据，包括贷款申请时间、住房地址、总价、单价、面积等信息。为了避免由于交易双方为了避税等原因造成的合同价格与实际价格不符，本文把住房的单价与同时期中介网统计的历史交易均价进行比较，选取单价差值在20%以内的数据进行取样。住宅小区调查数据部分来自于中介网站的挂牌资料，还使用实地观测法对小区内的自然环境、物业管理情况等作了调查。上海市地图数据是使用百度提供的GIS地图系统，对住宅小区的调查进行了补充，并采用GIS地图系统测量各住宅小区到上海市人民广场的直线距离作为距离变量。

3.影响因素的选取。住房价格受到经济社会自然物理心理等诸多因素影响。在运用特征价格模型进行住房价格影响因素分析时，一般选取三类因素：区位（包括距离CBD的可达性、交通的便利度等因素）、建筑特征（主要包括建筑面积、房龄、建造结构、房间数量、浴室数量、容积率、施工质量等因素）、邻里环境（一般包括景观、小区配套设施、周边的教育配置、生活便利程度、邻居的社会层次等因素）。根据上海市的实际情况，结合变量对价格的影响和差异显著性，本文选取了11个影响因素，如表1所示：

4.数据的量化（如表2所示）。

（二）上海二手房价格影响因素的基本统计分析

1.描述性统计分析。如表3所示。其中，总体的样本量为1000个，生存型的样本量为339个，改善型的样本量为443个，奢侈型的样本量为218个；全样本下上海二手住房价格的平均值exp（15.0231）为334.541万元，生存型二手房价格的平均值exp（14.5721）为213.099万元，改善型二手房价格的平均值exp（15.1120）为368.581万元，奢侈型二手房价格的平均值exp（15.5471）为564.963万元。

2.自变量的相关性分析。自变量的相关系数矩阵如附表2、3、4、5所示。根据自变量的相关性检验，可基本判断变量之间不存在高度共线性。

四、模型选择与实证结果分析

（一）特征价格模型的选择

本文以半对数形式的特征价格模型进行上海市区二手房价格影响因素的分析。其表达式如下：1np=α0+α1C1+α2C2…αnCn+ε；其中，αi表示住房价格对各种影响因素的弹性。

（二）上海二手房特征价格模型估计与检验

模型的估计方法为最常用的最小二乘法（OLS）。使用软件SPSS17.0对因变量和自变量进行回归，各项指标分析如下：

1.显著性检验与方差分析。根据附表6可知，模型具有一定的解释能力。由附表7可知，模型整体上显著，即回归方程是有效的。

2.共线性检验。根据附表8中的共线性分析结果可知，自变量之间共线性很弱，基本可以忽略，即不需要对模型进行调整。

3.残差正态性检验。由附图1、2、3、4可知残差的分布近似于正态分布。

综上可知，模型通过了相关检验，具有良好的拟合度和一定的解释能力，在统计上是有意义的。因此，可以用来分析和解释各因素对住房价格的影响。

（三）结果分析

根据相关模型的回归系数对应的特征变量，可得特征价格模型回归结果为：

1.总体（全样本）住房价格=-14.974+0.008×面积-0.044×房龄+0.176×小区环境+0.011×轨道交通可达性+0.153×公共交通可达性+0.187×文体设施+0.051×教育配套+0.117×生活配套-0.032×和CBD的距离+0.041×自然景观+0.007×商业便利性。

2.生存型二手房价格=15.552+0.014×面积-0.035×房龄+0.137×小区环境+0.239×轨道交通可达性+0.026×公共交通可达性+0.057×文体设施+0.074×教育配套+0.197×生活配套-0.093×和CBD的距离-0.083×自然景观+0.184×商业便利性。endprint

3.改善型二手房价格=15.560+0.006×面积-0.043×房龄+0.283×小区环境+0.045×轨道交通可达性+0.261×公共交通可达性+0.273×文体设施+0.114×教育配套+0.075×生活配套-0.033×和CBD的距离+0.129×自然景观-0.093×商业便利性。

4.奢侈型二手房价格=15.599+0.005×面积-0.059×房龄+0.170×小区环境+0.168×轨道交通可达性+0.221×公共交通可达性+0.088×文体设施+0.056×教育配套+0.038×生活配套-0.022×和CBD的距离+0.022×自然景观+0.112×商业便利性。

此外，由相关数据可知：

5.对全样本模型而言，在10%的显著性水平下，11个特征变量中有6个变量通过显著性检验，即面积、小区环境、文体设施、生活配套等4个因素对住房价格有正的显著性影响，房龄、和CBD的距离对住房价格有负的显著性影响。

6.对生存型二手房而言，在10%的显著性水平下，11个因素中有7个通过显著性检验，即面积、轨道交通可达性、教育设施、生活配套、商业便利性等对住房价格有正的显著性影响，房龄、和CBD的距离对住房价格有负的显著性影响。其中，轨道交通的可达性、生活配套、商业便利性的影响较大。

7.对改善型二手房而言，在10%的显著性水平下，11个因素中有6个通过显著性检验，即面积、文体设施、小区环境、轨道交通可达性等对住房价格有正的显著性影响；房龄、和CBD的距离对住房价格有负的显著性影响。其中，小区环境、文体设施的影响较大。

8.对奢侈型二手房而言，在10%的显著性水平下，11个因素中有5个通过显著性检验，即面积、小区环境、文体设施、教育配套、和CBD的距离对住房价格有正显著性影响。其中，奢侈型二手房的平均建筑面积为174平方米，平均房龄为9.8年，面积较大、房龄较新、小区环境较好。

五、结论与建议

本文的研究表明，上海二手商品住房价格显著性受面积、房龄、小区环境、文体设施、生活配套、到CBD的距离等因素的影响。但按照消费者需求进行市场细分后，各个子市场的住房价格影响因素存在差异，生存型住房受轨道交通的可达性、生活配套、商业便利性的影响较大，改善型住房受小区环境、文体设施、教育配套的影响较大，奢侈型住房受面积、环境的影响较大。这体现出住房市场的过滤效应存在：即居民选择住房时，最初关注的是其基本居住功能及交通的便利性，然后是配套的完善性，隨着收入水平提高，对住房的舒适性、安全性等关注度上升，并通过置换等方式改善居住条件。

因此，购房者应了解住房价格的主要影响因素，再结合自身收入水平及需求，做出明智决策。同理，房地产开发企业应合理选址并针对目标群体的特征偏好进行项目策划，使商品住房更切合消费者需求。而政府也应适时适地运用税收、金融、住房保障等手段进行差别化的住房市场调控，以促进住房市场在过滤效应下的有效有序更替。

参考文献：

[1] 温海珍，贾生华.住宅的特征与特征的价格——基于特征价格模型的分析[J].浙江大学学报（工学版），2004，38（10）：1338-1349

[2] 郝前进，陈杰.到CBD距离、交通可达性与上海住宅价格的地理空间差异[J].世界经济文汇，2007（1）：22-35

[3] 赵琰，刘晓君，程亚鹏.城市二手住房特征价格研究——以石家庄市为例[J].经济数学，2010，27（3）：35-40

[4] 张立新，姜吉坤，温海珍.基于特征价格模型的商品住宅价格评估方法应用[J].统计与决策，2010（21）：157-159

[5] 张旺锋，闫星羽，董瑞娜.基于Hedonic模型的兰州市二手房住宅特征价格研究[J].价值工程，2012（19）：180-182

[6] A. S. Adair， J. N. Berry， & W. S. McGreal. Hedonic Modeling， Housing Submarkets and Residential Valuation [J]. Journal of Property Research，1996，13（1）：67-83

[7] T. Kauko ， P. Hooimeijer & J. Hakfoort. Capturing House Market Segmentation， an Alternative Approach Based on Neural Network Modling [J]. Housing Studies， 2002，17（6）： 875-894

[8] 温海珍，贾生华.市场细分与城市住宅特征价格分析[J].浙江大学学报（人文社会科学版），2006，36（2）：155-161

[9] 郝前进，陈杰.房龄、折旧率与住房价格——基于上海数据的实证研究[J].世界经济文汇，2012（6）：64-77

[10] 2013年上海二手房市场数据分析年报.房天下上海二手房网，2014年1月10日

（作者单位，1.上海财经大学 上海 200000，2.山西省社会科学院 山西太原 030006）

[作者简介：周沁（1983—），女，上海人，上海财经大学公共经济与管理学院硕士研究生，研究方向为房地产经济；郭江涛（1977—），女，山西文水人，山西省社会科学院副研究员，研究方向为经济学；高晓晖（1971—），女，陕西榆林人，上海财经大学公共经济与管理学院副教授，硕士生导师，博士，研究方向为房地产经济。]

（责编：赵毅）endprint