高校经营性用房租赁价格模型及价格影响因素权重确定

廖小凤 段雅馨

【摘要】本文通过市场调查，在分析客户对高校经营性用房选择偏好的基础上，找出影响高校经营性用房租赁价格的主要因素，依此设定“高校标准经营性用房”并量化不同价格影响因素的权重，建立高校经营性用房租赁价格模型，以使高校资产管理者能有效快速了解经营性用房租赁价格。同时可以使高校经营性资产管理者通过“高校标准经营性用房”来了解本校可出租经营性用房的差距并有所改进。

【关键词】经营性用房;租赁价格;选择偏好;价格模型;标准价调整法;权重

【Abstract】Based on the market investigation， this paper analyzes the preferences of the customers on the choice of the University's business premises， finds out the main factors that affect the rental price of the University's business premises， and then sets up the "standard business premises of the university" and quantifies the weights of different price influencing factors. The price model of management house is established in order to make the asset managers of universities know the management house lease price effectively and quickly. At the same time， it can make the management of the University's management assets understand the gap and improve through the "standard management of colleges and universities".

【Key words】Business premises;Lease price; price model; Standard Price Adjustment Method correction coefficient;weight

1. 前言

国内外对房地产价格影响因素的研究很多，发现了一些广为人知的因素，如人口、GDP、交通便利性、商业发达程度等[1-5]。如Seiler、Bond和Seiler分析了伊利湖景观对1172个湖滨和邻近地产的影响，统计结果表明，景观、房龄、内部空间布局、质量、面积、地下建筑等要素与价格有显著相关性[6-7]。周春山等认为区位、市场供需、宏观政策、人文环境等对商品房有显著影响[8];任超群等通过分析北京市八个城区的面板数据，认为房价是由人们的预期引起的[9]。

在对经营性用房价格影响因素上，李红波等以商业综合体内商铺为研究对象，得出影响商铺租赁的因素主要有品牌知名度、商城内部可见度、商铺面积、租约期限[10];张晓平等对办公用地投标租赁影响因素进行了研究，认为区位布局、向心集聚性、同业集聚性、区位便捷度与租赁空间分异关联密切[11]。

从价格模型上，聂冲等构建了位置特征、类型特征和租户特征三维度价格模型，结果表明购物中心非主力店对位置较敏感，非主力店的零售类型的异质性对购物中心的盈利有巨大贡献[12];孙玉梅等构建了灰色关联度模型，得出了生产总值、消费价格指数、投资额、人均居住面积、人口总数、人均可支配收入、城市化水平、房地产开发投资额等因素与价格的绝对关联度与相对关联度[13];刘勤等构建了租赁与投资内部收益率相互关系的财务模型，该研究显示，商业地产的投资回报与该地区的交通便利程度、居民人均消费能力呈现显著正相关[14]。

综述所述，国内外对房地产价格或租金的影响因素研究比较多，并建立了不同的价格模型。但对于高校经营性用房的价格或租金影响因素的研究较少。高校经营性用房有其自身的特点，在不考虑宏观因素的情况下，本文拟从微观角度入手，分析西安市内高校经营性用房的个体特征、区域特征。

首先采用公众调查的方法，找出租户对高校经营性用房选择偏好及对租赁价格影响因素，基于租户需求调查分析结果，确定符合西安市高校经营性用房租赁价格的主要影响因素。在此基础上，设定“高校标准经营性用房”，建立标准价调整租赁价格模型。

2. 租户对高校校园经营性用房选择偏好调查

从文献分析中发现，影响经营性用房租赁价格的因素众多，不同的地域、不同时期都有不同的因素与经营性用房租金有显著的相关性。为了提高研究效率，本文以网络调查和实地调查的方法，在西安市范围内，对公众特别是从商人员对高校经营性用房的偏好进行调查，以确认高校经营性用房哪些特征（属性）会受到租户的需求偏好，为租赁价格修正提供参考。

2.1 调查方案

本次调研要求在西安市多个高校的经营性用房的租户进行随机抽样调查，受访者年龄在20～60岁之间。询问他们高校的经营性用房吸引力特征以及对这些用房的描述或评论等，并统计被多次提及描述或评论要素，试图找出租户的偏爱与高校特征的关系，从而了解人们选择高校经营性用房所考量的因素。

调研采用问卷方式进行，问卷内容如下：

调研地点的位置如图1所示，范围覆盖了长安大学、西安交通大学、西北大学、西安电子科技大学、西北工业大學、建筑科技大学、西安音乐学院、西安科技大学、西北政法大学和西安财经大学等西安市内的文、理、工各类代表性高校。由于受城市规划影响，西安市的高校多位于雁塔区、碑林区等文化商业区集中的区域，调查结论可能无法完全消除受访者的地区偏见。

考虑到受访者不一定具备描述或评论经营性用房吸引力特征的能力，本文设计了一些关于表示经营性用房吸引力的特征的词汇或短语供受访者使用，如“校园周边环境好”、“服务对象学生多，素质高”、“交通便利”、“房屋结构好”等，但不代表调查人员的倾向，并且调查人员不能对受访者有任何干扰性提示，以保证结果的公正性。我们相信这些调研结果能够说明西安市的居民或者到西安市经商的人员对他们所租用的高校经营性用房的看法。除了询问从商人员对已有经营性用房的看法外，还要询问被访者心中最具吸引力的经营性用房的特征或属性描述，并记录下被访者的评论。因为我们无法事先了解被访问客户的基本情况，特别是租户的知识水平，因此，我们不能完全肯定所有的调查都会得到被访租户的评论。

2.2 调研结果分析

在2019年3月1日至3月5日，在上述地点连续进行了租户走访调查，共收集样本408份。图2是关于租户经营类型的统计结果，可以看出，高校周边租房客户主要从事餐饮和零售业务，两者占调查客户的75%。表1是租户对高校周边经营性用房与非高校周边经营性用房的比较。在租户看来，高校周边商铺与非高校周边商铺的最大的不同是“学生人多、聚集”和“人文环境好”，分别占调查客户的39%和21%。这可能也是他们选择高校周边做生意的主要原因。另外，本文在租户对高校周边经营性用房的评价中，一些人也表达了对高校周边经营性用房的负面评价，如“经营性用房經营范围受限太多”。这些数据反映在表1的“其他”一栏，共有30人，占7%以上。

在对租户心目中理想的经营性用房调查中，本文发现不管用于从事什么经营业务，一层商铺是租户心中最理想的选择，占92%。多数租户希望高校周边经营性用房位于繁华、临街面数多、交通便利（200m内有公交或地铁站）和通达性好的地段。但对经营性用房可使用面积、进深、面宽等方面要求，表现出多样性，没有明显的规律，这可能与租户所经营的业务类型有关，结果如图3所示。

2.3高校标准经营性用房的确定

从作者对租户和高校周边商铺调查的结果来看，高校周边的经营性用房都有很多共性特征，如临街情况、房屋结构、交通便利性、通达性和商业聚集度等状况十分相似。因此，在调查的基础上确定高校标准经营性用房，明确标准房的若干主要的内、外部特征。本文提出的高校标准经营性用房的量化和定性描述如表2所示。

3. 经营性用房租赁价格模型及修正系数确定

3.1经营性用房租赁价格模型的建立

标准价调整法是依据设定的标准房地产价格，通过利用有关调整系数将标准房地产价格调整为各宗待估房地产价格的一种方法，该方法适用于批量估价。

根据所设定的高校标准经营性用房，本文提出以下高校经营性用房租赁价格模型。

式中：P为待估对象价格（元）;P0为高校标准经营性用房价格（元），W1到W7为标准经营性用房价格影响因素的权重，到为待估对象与标准经营性用房差异的修正系数。

3.2 标准经营性用房价格影响因素权重的确定

层次分析法是著名运筹学家萨迪提出的一种用于处理多因素决策的方法，将影响目标的有关元素分解成若干层次，如目标层、准则层、方案层等，然后在分层的基础上进行定性和定量分析。

层次分析法的步骤具体如下：

（1）建立层次结构

根据调查高校周边商用房租金影响因素的结果，将因素划分为若干层次。上层元素对下一层的元素起支配作用。据此，我们建立如下租金影响因素层次结构

（2）构造判断矩阵

层次模型建立后，对同层之间因素进行两两比较，构造判断矩阵。依照专家意见和相关数据资料，采用传统的九标度法，按下表所示标度含义对影响因素两两对比，从而建立各层次的判断矩阵。

（3）计算各层因素权重

权重问题就是计算判断矩阵最大特征根及特征向量的问题。在实际应用中，可以用方根法来计算判断矩阵的最大特征根及特征向量。计算步骤如：①计算判断矩阵每行元素的乘积Mi，。②计算行元素乘积的n次方根得到向量。③将向量Wi*归一化处理，。④计算判断矩阵的最大特征根。⑤将与临界值表中数值比对，检验判断矩阵的一致性。通过引入一致性指标CI=（λmax-n）/（n-1），然后求取一致性比率CR=CI/RI，当CR<0.1时，即认为判断矩阵有满意的一致性。其中RI为平均随机一致性指标。1到9阶矩阵的RI值如下表所示。

我们通过向相关发调查函，根据9标度法对商用房租金影响因素评分。

二级因素对区域因素的判断矩阵：

最终得到租金价格影响因素的各自权重，如下：

4. 结语

4.1研究结论

通常情况下，商用房租金形成机制较复杂。对于租金的确定，不仅需要出租人对房地产估价有一定的了解，并且需要出租人对房地产租赁市场有充分的认识。以往在出租商用房的过程中，出租人要么通过选取多个交易实例与自己的商用房来进行比较来确定租金，要么通过找房地产估价机构进行咨询，这不仅劳动量大又浪费钱财。

本课题的研究有如下效果：①简单方便，应用型强。只需要将待出租房租金影响因素与标准经营性用房基准因素比较，就能快速锁定二者之间的差异，进而确定租金。②适应快速估价和批量估价，提高工作效率。

4.2  研究不足

由于市场的复杂性，任何一种方式方法都不能尽善尽美，都会产生一定误差。我们的目的是快速而不失公允地确定商用房租金价格。限于作者的研究水平，本文有几个不足方面：①基于市场是不断变动的，本文没有对标准经营性用房的租金价格进一步研究，这就需要高校经营性资产管理者时常了解租赁市场，按照所设定的标准经营性用房的特点去调查标准租金②限用作者掌握资料的情况，未对标准经营性用房与非标准经营性用房的差异产生的修正系数进行进一步研究。③因房地产市场是一直变化的，所以特定类型物业的标准经营性用房的特征也是变化的，这需要在房地产市场出现大变化时重新设定标准经营性用房。

参考文献：

1. John M. Clapp. A new test for equitable real estate tax assessment [J]. Journal of Real Estate Finance and Economics， 1990，3（3）：233-249.

2. Benson， E.， J. Hanson， The Influence of Canadian Investment on U.S. Residential Property Values [J]. Journal of Real Estate Research， 1997，13（3）：231-250.

3. Brown， G.， H. Pollakowski. Economic Value of Shoreline [J]. The Review of Economics and Statistics， 1977，59（3）：231-249.

4. Darling， A. Measuring Benefits Generated by Urban Water Parks [J]. Land Economics， 1973，49（1）：23-24.

5. Davies，Graham. An econometric analysis of residential amenity [J]. Urban Studies， 1974，11（2）：217-225.

6. Correll， M.， J. Lillydahl and L. Singell. The effects of greenbelts on residential property values： Some findings on the political economy of open space [J]. Land Economics， 1978，54：207-217.

7. Plattner， Robert H， Campbell， Thomas J. A Study of the Effect of Water View on Site Value [J]. The Appraisal Journal， 1978，46（1）：20-25.

8. 周春山，罗彦. 近10年广州市房地产价格的空间分布及其影响[J] .城市规划，2004，28（3）：52-56.Zhou Chunshan， Luo Yan. The spatial distribution of the real estate price in Guangzhou in last decade and its effect on urban restructuring [J]. City Planning Review， 2004，28（3）：52-56. （in Chinese）

9. 任超群，吴璟，邓永恒. 预期对租金房价比变化的影响作用研究——基于住房使用成本模型的分析[J].浙江大学学报（人文社会科学版），2013，43（1）：58-72. Ren Chaoqun， Wu Jing， Deng Yongheng. The effect of Market expectation on the chang of housing rent to price ratio： An analysis based on user cost mode [J]. Journal of Zhejiang University （Humanities and Social Sciences）， 2013，43（1）：58-72. （in Chinese）

10. 李紅波，郑晓英. 基于物元分析法商铺租金评估[J].江西科学， 2016，34（2）：262-265+280.Li Hongbo， Zheng Xiaoying. Appraising the stores rent based on the matter element analysis theory [J].Jiangxi Science，2016，34（2）：262-265+280. （in Chinese）

11. 张晓平，封强，李媛芳. 北京市办公用地投标租金空间分异与影响因素[J].经济地理，2013，33（3）：73-78+92.Zhang Xiaoping， Feng Qiang， Li Yuanfang. Spatial heterogeneity and locational determinants of bid-rent of office land in Beijing [J]. Economic Geography， 2013，33（3）：73-78+92. （in Chinese）

12. 聂冲，贾生华. 购物中心非主力店租金决定因素与租户组合实证研究[J].财贸经济，2010（8）：103-108.Nie Chong， Jia Shenghua. Empirical study on rent determinants and tenant portfolio of non-main shopping malls[J]. Finance & Trade Economics，2010（8）：103-108. （in Chinese）

13. 孙玉梅，武立广. 影响房地产市场价格因素的灰色关联度分析——以云南省昆明市为例[J].河南科学，2013，31（6）：899-903.Sun Yumei， Wu Liguang. Grey correlative degree analysis of factors affecting prices in the real estate market——The case of Kunming city， Yunnan Province[J]. Henan Science，2013，31（6）：899-903.（in Chinese）

14. 刘勤，郑亚苏. 零售商业地产投资回报与租金价格关系研究——以大型商业零售连锁企业为例[J].价格理论与实践，2007（7）：48-49.Liu Qin， Deng Yafang. Research on the relationship between return on investment and rent price of retail commercial real estate： A case study of large commercial retail chain enterprises [J]. Price： Theory & Practice，2007（7）：48-49.