批量評估技術在居民住宅稅基評估中的應用研究

[摘 要]批量評估技術通過使用統一的模型和標準，能在短時間內對大批量的房產進行準確的評估，是房地產稅稅基評估的有效方式。本文以四川省成都市的樣本數據為例，采用批量評估技術對居民住宅房地產稅基評估過程進行了闡述，為我國居民住宅房地產的批量評估提供理論依據和方法指導。

[關鍵詞]批量評估；稅基評估；房地產稅

1 引言

房地產稅開征是近五年來關注度較高的話題。盡管房地產稅征收問題飽受爭議，但無論是從完善稅制的角度，還是穩定房價的角度，房地產稅開征是勢在必行。目前，重慶、上海已于2011年正式試點開征房地產稅，2015年8月全國人大將房地產稅法列入立法規劃。此外，最新調整過的十二屆全國人大常委會立法規劃向社會公布，包括房地產稅法在內的34項立法任務進入其中，這意味著備受關注的房地產稅法已正式列入中國立法規劃。

在不斷推進房地產稅立法工作的過程中，房地產稅基評估作為其中重要一環，急需選取一種高效快捷的稅基評估模式，這也是房地產稅開征的必要前期準備。而隨著計算機技術、地理信息系統的發展，以及房產登記數據庫的建立和完備，批量評估技術正成為房地產稅基評估的重要方法。早在20世紀50年代，美國就已經開始應用批量評估技術，其征稅部門最早將批量評估方法廣泛應用于財產類從價稅的稅基評估中。John D. Benjamin（2004）為征收財產稅將多元線性回歸分析運用于房地產評估，為批量評估模型的建立奠定了一定基礎。

與國外研究相比，我國專家學者對稅基評估的研究始于2003年北京開展房產稅空轉試點之后。研究初期，大多數學者的研究重心主要集中在對國外相關文獻的理論梳理，和國外稅基評估實踐情況的分析，從而加以借鑒并應用于國內房地產稅基評估實踐當中。2008年以后，側重點逐漸轉向批量評估方法的研究，而不再局限于對稅基評估基本理論與基本方法的研究。尤其關注計算機輔助的批量評估技術，地理信息系統的構建等，并且將這些技術應用于實證研究中。

總體而言，由于我國不動產登記工作還未全面完成，沒能形成較為完備的房地產管理信息體系，國內相關數據的收集就比較困難，因此應用先進的評估技術及評估模型來進行批量評估的研究相對較少，實證分析也比較少。本文將結合成都市房地產市場的特點，選取恰當模型進行批量評估技術的模擬應用，為構建成都市房地產稅基評估方法體系提供一定的借鑒。

2 批量評估技術的模擬應用

在房地產稅基評估中，批量評估技術的基本原理和思路是：根據數理統計分析的相關原理，初步分析影響稅基價值的因素并進行分類和測定，以及相關數據的收集；建立恰當的模型并進行回歸分析，該模型通過各項檢驗及相應調整后可確定出一個回歸方程；最后還須對所建立的回歸方程進行有效分析、判斷，才能最終形成一個可靠的稅基價值模型。

本文以成都市青羊區二手房交易市場為例，對批量評估技術在房地產稅稅基評估中的應用進行實證分析。

2.1數據來源及變量選取

本文選取的樣本數據主要來自第三方的專業的房地產網站（http：//cd.centanet.com/chengjiao/qingyang/s4g1/）。從2015年7月15日截至2016年1月31日99宗二手房交易的相關市場信息，收集整理的數據內容包括：交易價格（price）、建筑面積（vol）、樓層位置（floor）、總樓層（af）、交易時間（time）、朝向（sn）、裝修程度（dec）、住宅樓齡（age）、客廳數、臥室數、衛生間數（room）等信息數據。首先隨機抽取被評估區域內不同小區的房屋信息和交易價格，并保證樣本數據的隨機性和分散性，令其幾乎涵蓋被評估區塊內所有小區的大部分戶型，并且在區塊內不過于集中，使得出的模型更具有推廣性。

根據相關的實證研究，本文選取二手房交易總價格作為模型的因變量。自變量主要包括三大類，住宅質量包含建筑面積、樓層位置、總層數和居室數量四個變量，個人偏好包含朝向、裝修程度和住宅樓齡三個變量，以及第三大類時間因素——交易時間。從前期搜集的數據來看，預期建筑面積、居室數量、裝修程度與市場價值成正相關關系，而住宅樓齡、交易時間與市場價值成負相關關系，但總層數和樓層位置對市場價格的影響不能肯定。

2.2建立回歸模型

本次搜集的數據為成都市青羊區2015年7月15日至2016年1月31日共99宗二手房交易數據，建立回歸模型的主要目的在于，分析影響交易價格的主要因素以及影響程度，最終得到回歸方程，以便后續批量評估房地產稅稅基，故建立多元線性回歸模型如下：

2.3參數估計

本文選擇EViews6.0分析軟件，對選定的成都市居民住宅房地產批量評估模型進行參數估計，回歸結果如表1所示。

在模型一中，所有選定的變量均進入模型進行回歸。根據回歸結果，調整后的R2為0.8554，說明模型的擬合程度較好，有較強的解釋能力。模型一的回歸結果顯示，各變量預期符號與回歸結果一中各系數符號一致，在7個自變量中有3個通過了顯著性檢驗，分別是建筑面積、住宅樓齡和裝修程度，其余4個自變量總層數、樓層位置、交易時間和南北朝向回歸系數的檢驗顯著水平大于5%，需要進一步調整。

故模型二剔除第一次回歸中回歸系數不顯著的變量，將通過顯著性檢驗的解釋變量留下。根據回歸結果可知，建筑面積的估計系數為1.2936，說明建筑面積與市場價格成正相關關系，每增加一單位建筑面積，則增加1.2936單位的市場價格；房屋面積越大，可使用面積就越大，且相對應的土地價值也高，因此房地產的價格越高，符合實際情況。并且，二手房交易中房屋價格是與建筑面積直接掛鉤。住宅樓齡的估計系數為-2.7149，說明住宅樓齡對市場價格具有負的影響，每增加一單位住宅樓齡，則減少2.7149單位的市場價格；房屋建造時間越久，可使用年限也越短，價格越低。裝修狀況的估計系數為5.0675，說明裝修狀況對市場價值的影響為正，每增加一單位裝修狀況，則增加5.0675單位的市場價值；裝修程度越高，人們省去了自行裝修的部分成本，房價就越高。

3 結束語

本文收集成都市青羊區2015年7月15日到2016年1月31日共99宗普通住宅二手房交易數據，選取7個自變量建立多元線性回歸模型，結果表明：建筑面積、住宅樓齡、裝修狀況3個自變量對房地產市場價值有較為顯著的影響，樓層位置、總層數、交易時間、朝向對總價格的影響不顯著。剔除不顯著因素后，建立第二個回歸模型，得到最終的批量評估模型。從青羊區批量評估回歸模型建立，一直到檢驗成功得出有效結論，說明基于多元線性回歸分析的批量評估法，可以為成都市青羊區近2～3年的稅基評估計算房地產市場價值提供參考。

但是，在青羊區房地產稅基批量評估過程中也遇到了一些問題：來源于中介機構網站的數據信息并不完整，某些交易完成的二手房基本信息部分缺失，例如裝修情況、朝向、樓層位置等因素無法查詢，且不能保證數據來源的真實性和可靠性。這些問題可能是造成本文模型中較多因素不顯著的重要原因。相關細節和對模型的完善有待進一步研究。

參考文獻：

[1]John D. Benjamin， Randall S. Guttery， C. F. Stirmans. Mass Appraisal： An Introduction to Multiple Regression Analysis for Real Estate Valuation [J]， Journal of Real Estate Practice and Education， 2004， 7.

[2]Marco Aurelio， Stumpf Gonzalez， Carlos Torres Formoso. Mass Appraisal with Genetic Fuzzy Rule-based System， 2006， 24.

[3]喬志敏，李德峰等.基于財產稅征收的不動產價值評估——對北京市4個內城區的實證分析[J].城市發展研究，2009，3：81～86.

[4]郭慶，尉京紅.關于分區構建我國物業稅稅基評估模型的設計思路[J].財會研究，2010，6：27～28.

作者簡介：

周敏（1992—），女，漢族，云南玉溪，資產評估碩士，四川大學經濟學院，研究方向：企業價值評估。