基于特征价格模型的北京市租购群体需求探究

何睿

摘要：文章基于北京市住房租购群体数据，利用特征价格模型对租购房者需求进行研究，将影响住房单位面积售价或租金的因素分割为自身特征、地段特征和周边设施特征，运用主成分分析和回歸分析的方法探究了北京市不同地区的住房市场需求情况，并进行了实证分析。通过特征价格模型分析，得出在不同住房特征方面，租购群体存在不同的边际需求倾向。分析结论对政策制定和住房供给侧市场有一定的参考价值。

关键词：住房特征;住房价格;特征价格模型

一、引言

以美国为首的发达国家，房屋租赁市场在整体住房市场占有相当大的比例，通常占据40%～60%，而截止2018年，我国区域租赁人口占比仅为11.6%。大力发展“租购并举”，对于我国居民住房生活以及房地产行业的发展均至关重要。

从租购群体的需求方面，已有研究主要为以下几类：1.房屋设施需求。包括房屋面积，房屋设计，住房楼层，住房价格以及房屋朝向。Yulia Dewita等提出了数据包络分析（DEA），来衡量选择住房的影响因素。2.流动人口对不同城市住房的需求。杨巧等提出超大城市房价与流动人口住房选择呈现倒“U”型关系，大、中、小城市房价与流动人口住房选择呈现正“U”型关系。3.房屋距离公共设施的远近。巴曙松提出买房者更偏向于考虑周边公共设施是否全面，例如是否为学区房，是否毗邻医院，而租房者相对而言考虑更少。4.是否有投资需求。黄烈佳、张萌经过实证分析，得出具有投资需求的购房者会偏向于还未完全开发但有开发前景的地段，而租房者倾向于商圈等已开发较好的区域。

已有文献阐述了对住房选址、租赁方式，租房与购房群体的不同需求等问题进行了具体讨论，但是从实证角度而非国家统计数据角度将二者结合起来讨论的文献并分析其实际差异的较少。本文利用北京市相关住房及租房多维数据，从住房自身特征、住房地理特征及周边设施特征三方面综合探究租房与购房价格的主要影响因素以及租购群体的需求差异。

二、数据及模型构建

特征价格模型用于对具有不同特征的商品价格进行估计，以推测消费者对于其不同特征的需求程度。本文将影响住房价格的特征细分为住房自身特征、地段特征和周边设施特征。在数据搜集过程中，将二手房与租赁房交易数据中的单位面积价格或者租金设定为因变量。

（一）数据选取

本文数据来源于北京市链家房地产租售服务平台发布的二手房出售及租赁数据，在剔除部分缺损数据之后，共包含4342条二手房相关数据及4571条租赁房相关数据，并基于Arcgis构建北京市空间数据库，以获取住房区位与周边设施信息。在购房数据中选取二手房原因有：一为楼盘新房定价的影响因素较为狭窄，而二手房价格则主要由市场供求双方博弈导致，为供需相交所产生的均衡价格，受住房不同特征影响明显。二是租赁房通常并非新建房，与二手房设施的整体水平相近，对比更具科学性。

在对数据进行初步分析发现，在住房自身特征中的住房朝向变量中，控制小区区位因素，在同一小区中朝向南和南北的住房单位面积售价或租金相较于其余朝向存在较为明显的差异，而其余朝向之间差异不显著，故在朝向变量中只区分朝向南或南北与其他。

同时，数据中也包含一些并不在本文中被列为自变量但对于住房交易价格可能产生影响的因素，如住房的小区、交易时间和区域等，这三项因素均为分类变量，并包含较多类别。本文在处理过程中在不同的模型中将其设置为控制变量，以在控制这些因素不变的情况下，探究其余解释变量的影响程度大小及方向。在初步整理之后，得到的二手房与租赁房的变量描述如表1所示。

其中，自变量中存在部分分类变量。在自身特征中，住房的朝向包含两个水平，分为朝向南或南北以及其他;楼层包含五个水平，分为底层、低楼层、中楼层、高楼层和顶楼;是否具有电梯分为两个水平，分别为有电梯和无电梯;装修情况分为三个水平，分别为无装修、简装修和精装修;房龄具有三个水平，分为未满两年、二至五年和五年以上。

在住房所在地段因素中，城区包含11个水平，分别为西城区、东城区、海淀区、朝阳区、丰台区、石景山区、通州区、大兴区、昌平区、顺义区和房山区。同时，环数包含5个水平，分别为二环之内、二至三环、三至四环、四至五环和五至六环。

（二）模型构建

特征价格模型的表达式通常为线性函数形式，如式（1）所示：

其中，P为商品价格，a为模型常数项，Xi为商品的第i个特征，共n个特征，αi为第i个特征前的系数，ε为随机误差项。该表达式为最基本的线性关系，表示当自变量增加一个单位，因变量相应增加多少。除此之外，特征价格模型也包含半对数形式和对数形式，半对数形式为对因变量取对数形式，表示自变量增加一个单位，因变量的增长率为多少，对数形式则为自变量与因变量均取对数形式，表示弹性的含义。

考虑到单位面积住房售价或租金在不做任何变换时为右偏，对其进行对数变换并剔除异常值使其分布近似正态。又由于在不同的时间点，住房的售价或租金也会产生溢价，故在模型分析过程中加入时间控制变量，以剔除时点对因变量价格的影响，使模型更为准确。

在对住房自身特征进行分析时，考虑到在同一小区内，住房的装修程度、朝向等对于住房价格的影响较为明显，故加入小区固定效应和时间固定效应，得出住房单位面积售价或租金受自身特征影响的特征价格模型为：

ln（priceidt）=α0+α1Xi+γt+δd+εidt（2）

ln（rentidt）=β0+β1Xi+γt+δd+εidt（3）

式（2）为二手房单位面积售价的特征价格模型，式（3）为租赁房单位面积租金的特征价格模型。式中，X为住房自身特征，γ为时间固定效应，δ为小区固定效应;下标i，d和t分别表示住房成交的样本、所在的社区和住房的交易时间。

在对地段特征进行分析时，考虑到住房自身特征对于住房价格的影响，故加入自身特征固定效应和时间固定效应，得出住房单位面积售价或租金受地段特征影响的特征价格模型为：

其次分析租购群体偏好存在部分差异的解释变量。购房者偏好于附近有公园、综合医院、火车站等固定基础设施，租房者则并未具有此方面的需求。在学区房方面，小学、中学及高校附近的二手房均存在溢价行为;而在租赁房方面，高校周边的租赁房存在幅度较小的溢价;幼儿园、小学及中学附近则并不存在溢价，由此可知租房者对于基础教育学区的需求不如购房者高。

四、结语

通过特征价格模型分析可知在不同住房特征方面，租购群体存在不同的边际需求倾向。在住房自身设施方面，购房者偏向于房面积相对较大，住房楼层偏向于中楼层并配备电梯，住房朝南或南北通透的住房，而租房者偏向于住房面积较小、精装修且配备电梯，同时房龄也较短的住房;在住宅地段区域方面，租房者偏向于市中心毗邻商圈的住宅，而购房者关于市中心的边际需求倾向要低于租房者;在住宅周边设施方面，租房者偏好距离轨道枢纽站和餐饮、娱乐设施较近的住房，而购房者偏好公园、学区房和医院周边等长期生活设施便利地带。

参考文献：

[1]Dewita Y， Yen B T H， Burke M. The effect of transport cost on housing affordability：Experiences from the Bandung Metropolitan Area，Indonesia[J].Land use policy，2018（79）：507-519.

[2]杨巧，杨扬长.租房还是买房——什么影响了流动人口住房选择？[J].人口与经济，2018（06）：101-111.

[3]巴曙松.中国房地产市场的主要问题及解决对策[J].新金融，2017（11）：8-11.

[4]Van Doorn A， Dearnaley P. Housing and health-a shared history， a shared future[J].Housing，Care and Support，2018， 21（3/4）：78-89.

[5]黃烈佳，张萌.基于住宅消费行为的住宅郊区化影响因素研究——以武汉市为例[J].现代城市研究，2015（06）：39-44.

（作者单位：中央财经大学统计与数学学院）