昆明市高爾夫球場對周邊住宅房價的影響——基于特征價格模型

曾 媛，張 洪

（云南財經(jīng)大學(xué)，昆明 650221）

引言

據(jù)報道，2011年我國高爾夫核心人口數(shù)量上升至35.8萬人，較2010年上升7.5%。高爾夫消費群體日漸擴(kuò)張，高爾夫運動已成為重要的休閑方式。高爾夫旅游被認(rèn)為是當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的“添加劑”、招商引資的“助推器”、形象提升的“揚聲器”。在如此強(qiáng)勢的趨勢下，結(jié)合高爾夫球場自身的綜合資源，使得各大房地產(chǎn)商將眼光瞄準(zhǔn)高爾夫地產(chǎn)開發(fā)。目前，國內(nèi)外大多是定性分析高爾夫球場對經(jīng)濟(jì)和房地產(chǎn)市場影響，缺少相關(guān)定量分析。昆明市擁有良好的氣候和景觀優(yōu)勢，適宜高爾夫球場開發(fā)，因此，本文以昆明市為區(qū)域用特征價格模型定量研究高爾夫球場對其周邊房價影響。

一、文獻(xiàn)綜述

房地產(chǎn)價格特征模型源于新消費者決策理論，即：商品的價格是由其組成的各個特征共同決定的，消費者需要的不是商品本身，而是源于這些商品所體現(xiàn)的特征要素。Tiebout把特征價格模型引入房地產(chǎn)與城市經(jīng)濟(jì)領(lǐng)域。在應(yīng)用領(lǐng)域，國外學(xué)者將空間計量經(jīng)濟(jì)模型應(yīng)用于特征價格模型研究。學(xué)者們分別研究了不同特征因素對住宅價格產(chǎn)生的影響，如軌道交通站點、主次街道的影響等。此外，特征價格模型也運用到房地產(chǎn)價格指數(shù)的編制。國內(nèi)關(guān)于特征價格模型的研究已經(jīng)有10年時間，最早是由中國人民大學(xué)蔣一軍利用特征價格方法提出了計算異質(zhì)商品價格指數(shù)的方法，并將其應(yīng)用于房地產(chǎn)價格指數(shù)的計算。華南理工大學(xué)彭新育介紹了特征價格理論的基本模型及函數(shù)的估計，并結(jié)合我國的具體情況，討論了特征價格方法應(yīng)用的可能性，指出特征價格方法可以成為城市地價評估的手段之一。我國自2003年起才有運用大量數(shù)據(jù)對國內(nèi)城市住宅市場建立特征價格模型的實證研究。

二、高爾夫球場與房地產(chǎn)市場

高爾夫球場與房地產(chǎn)物業(yè)相結(jié)合，兩者相互促進(jìn)提升物業(yè)價值，形成了高爾夫地產(chǎn)。促成高爾夫球場與房地產(chǎn)聯(lián)合開發(fā)的原因，除了社會經(jīng)濟(jì)發(fā)展和高爾夫運動推廣產(chǎn)生的動力外，最主要的還是與高爾夫關(guān)聯(lián)的相關(guān)物業(yè)開發(fā)帶來的巨大經(jīng)濟(jì)收益的利益驅(qū)動。具體可以分為3個方面：（1）增加地產(chǎn)的土地價值。最突出的案例為深圳觀瀾湖高爾夫球場推動其土地價值從2004年的2 600元/平方米的樓面地價上升到2009年的6 826元/平方米，并吸引了包括中航地產(chǎn)、城建地產(chǎn)和萬科在內(nèi)的多家知名發(fā)展商參與該區(qū)域的房地產(chǎn)開發(fā)，帶動了觀瀾湖區(qū)域的整體發(fā)展，說明了高爾夫充分發(fā)揮了提升地產(chǎn)價值的功能。（2）加快開發(fā)商資金的回籠。據(jù)統(tǒng)計，高爾夫球場能擴(kuò)大房地產(chǎn)市場的吸引力，從而能加快整體資金回籠的20%—30%，這為投資開發(fā)者轉(zhuǎn)化為更高的利潤。（3）房地產(chǎn)項目在其實際規(guī)劃中和現(xiàn)有的生態(tài)條件下，都需要高爾夫球場來容納雨水徑流，使得在濕地或其他環(huán)境敏感的地區(qū)里能與地產(chǎn)結(jié)合成為整體，從而增加其他生物多樣性。

三、基于特征價格模型對昆明市高爾夫球場對周邊住宅地價影響實證分析

（一）昆明市高爾夫球場及周邊住宅情況

本文主要選取了目前昆明市5家大型高爾夫球場且周邊有住宅開發(fā)的：（1）昆明萬達(dá)高爾夫球會，占地754畝，周邊住宅有滇池衛(wèi)城紫嶼、滇池衛(wèi)城藍(lán)灣、滇池衛(wèi)城悅湖郡、滇池衛(wèi)城尚城、滇池衛(wèi)城橡尚、藍(lán)域晴天。（2）陽光高爾夫球場，占地2 400畝，周邊住宅為溪麓·南郡、清水木華。（3）春城高爾夫球湖畔度假村，占地7 496畝，周邊住宅沁風(fēng)御庭。（4）滇池湖畔高爾夫球會，占地1 000畝，周邊住宅為滇池高爾夫別墅、東岸紫園。（5）云南昆明溫泉山谷高爾夫球會，占地1 180余畝，周邊住宅為溫泉山谷3期風(fēng)溪谷。

（二）選取的解釋變量和被解釋變量

1.解釋變量的選取

巴特勒1982年在hedonic模型應(yīng)用于住宅價格分析中就指出，三大影響住宅價格因素：建筑結(jié)構(gòu)、區(qū)位和鄰里關(guān)系。因此，本文將這三大影響因素作為解釋變量引入模型中。以所處環(huán)線（hx）描述區(qū)位，住宅所處昆明市環(huán)線位置賦值：位于 1環(huán)內(nèi)，取 1；1—2環(huán)，取 2；2—3環(huán)，取 3；3環(huán)外，取 4；綠化率（lh）和物業(yè)管理費（wg）描述鄰里關(guān)系，其中物業(yè)管理費越高，代表管理越好，居住環(huán)境越好；住宅距高爾夫球場的直線距離（jl）和高爾夫球場面積（qm）描述高爾夫特征；房屋建筑面積（m j）、房齡（fl）和房間個數(shù)（gs）描述建筑結(jié)構(gòu)特征。

2.被解釋變量的選取

參考大多數(shù)文獻(xiàn)，本文以住宅成交價格為被解釋變量。

3.構(gòu)建模型

采用 Hedonic模型基本形式：P=β0+β1mj+β2gs+β3qm+β4jl+β5hx+β6lh+β7wg+μ

由于昆明市高爾夫球場都位于三環(huán)外，因此與球場毗鄰的小區(qū)也都處于三環(huán)外，所以可將區(qū)位中環(huán)線因素剔除。修正后模型為：P=β0+β1mj+β2gs+β3qm+β4jl+β5hx+β6lh+β7wg+μ（1）

本文所用數(shù)據(jù)均來自2014年昆明市搜房網(wǎng)，該網(wǎng)站是昆明市最專業(yè)的網(wǎng)上房地產(chǎn)信息網(wǎng)，信息量大、全和準(zhǔn)確。將257個數(shù)據(jù)代入模型中，用Eviews軟件分析所得模型各解釋變量前的系數(shù)偏大，且對于房間個數(shù)、綠化和物管費的系數(shù)符號不符合常識。對于高爾夫球場面積和住房房齡的t統(tǒng)計量檢驗不通過，所以，高爾夫球場面積和房齡對于高爾夫球場周邊住宅房價影響不顯著。對于這一點可能的原因，一是因為昆明市高爾夫球場建立時間不長，周邊住宅也較新，各住宅房齡相差不大，所以房齡對房價的影響較小。二是人們更注重高爾夫球場提供的環(huán)境和其他因素，對它的面積大小不太在乎，所以高爾夫球場面積對房價影響也不大。擬合優(yōu)度R=0.8，可見擬合效果不是太好。

試算模型（2）：根據(jù)模型（1）進(jìn)行調(diào)整得到模型（2）。由于房價數(shù)值較大，所以，對該變量采取自然對數(shù)化形式會較符合線性模型要求。房齡和高爾夫球場的面積對高爾夫球場周邊住宅房價影響不顯著，所以剔除這兩個變量。修正后的模型為：

由模型2的統(tǒng)計的結(jié)果可得，模型各系數(shù)符號符合常識，且各解釋變量都通過置信度在0.1的t統(tǒng)計量顯著性檢驗，所以各解釋變量對房價的影響是顯著的。擬合優(yōu)度R=0.9，較模型1有了提高，可見方程的擬合程度較好。方程的整體顯著性F檢驗也通過，說明各解釋變量對被解釋變量的整體影響是顯著的。最后模型形式可寫為：LOG（P）=12.186+0.0038*MJ-0.00019*JL+0.1358*GS+1.216*LH+0.24275*WG

由于截面數(shù)據(jù)容易產(chǎn)生異方差，所以對模型2進(jìn)行異方差檢驗：采用懷特檢驗。由統(tǒng)計結(jié)果可得n=159.48大于0.05顯著性水平下、自由度為20的分布臨界值。所以，拒絕同方差假設(shè)。

下面對模型2采用加權(quán)最小二乘回歸進(jìn)行異方差的修正。修正后的模型擬合優(yōu)度R=0.999，可見方程的擬合程度非常好，各解釋變量的T統(tǒng)計值有了顯著性改善，可通過置信度為5%的顯著性檢驗。所以，修正后的模型（2）的最終結(jié)果為：

4.結(jié)果與分析

最終結(jié)果（3）式符合經(jīng)濟(jì)檢驗且通過了統(tǒng)計檢驗，表明高爾夫球場對周邊住宅的房價影響是顯著地，距離高爾夫球場越近，房價越高。具體數(shù)值為在其他因素不變的情況下，住宅每接近高爾夫球場1米，住宅價格上升0.017%。同時該模型也驗證了其他因素對房價的影響，如面積越大，房價越高；房間個數(shù)越多，房價越高；綠化率越高，房價越高；物業(yè)管理服務(wù)越好，房價越高。

5.模型的不足與局限

本模型存在的不足和局限之處，一是在收集和處理數(shù)據(jù)的過程中，由于各種因素的影響使得數(shù)據(jù)存在一定的誤差。二是樣本量太少，樣本數(shù)據(jù)不是在同一時間截面上，而模型中又未能反映時間對房價的影響，使得模型置信度有一定的削弱。三是模型的函數(shù)形式可能存在一定缺陷，僅用對數(shù)和線性形式只是對復(fù)雜的社會現(xiàn)實的粗糙擬合。最后，由于對房價的影響因素由很多，本文只是考慮了一部分，可能忽略了某些重要因素的影響。

[1]郁小平.高爾夫旅游的產(chǎn)生因素及有效作用分析[J].開放導(dǎo)報，2005，4（2）：108-109.

[2]王慶.淺析高爾夫綜合資源對高爾夫房地產(chǎn)影響——以深圳觀瀾湖高爾夫球會為例[J].特區(qū)經(jīng)濟(jì)，2012，（4）：287-289.

[3]梁菁菁.基于公眾感知的高爾夫旅游地產(chǎn)開發(fā)研究[J].江蘇商論，2011，（11）：106-109.