數字偏好與住宅價格

李曉靖 賈士軍 崔文君

摘要：基于廣州市二手房交易數據，采用特征價格法，從總體樣本、購房者身份特征與購房目的子市場兩個層面研究了樓層數字尾號為8和4對住宅價格的影響。結果表明：（1）在總樣本模型中，樓層尾號4和8均對住宅價格影響顯著。其中，樓層尾號4的住宅價格比一般樓層的價格低0.8%，樓層尾號8的房價比一般樓層的價格高0.9%;（2）在子市場中，樓層數字對不同購房群體的影響存在差異。年齡處于25-65歲的購房者、廣東戶籍的購房者以及以改善為目的的購房者更偏好樓層尾號數字為8的住宅，女性購房者和66歲及以上購房者更避諱樓層尾號數字為4的住宅。此外，實證表明，廣州市在2013-2016年間的住宅價格處于逐年上升的趨勢。

關鍵詞：數字偏好;住宅價格;特征價格法

中圖分類號：F293.3 文獻標識碼：A

文章編號：1001-9138-（2019）03-0019-28 收稿日期：2018-12-29

生活中，大家都有這樣的經歷：買了個手機，需要選擇電話號碼，一般人們會選擇尾數為8的號碼，而尾數為4的號碼無人問津;商家在商品定價時，我們經常看到尾數為8、很少看到尾數為4的定價策略;即使是在股票市場，一些學者的實證研究也證實股票投資者更傾向于購買尾號為8的股票代碼，導致股市“8多4少”的現象;于是我們想，當消費者購買住房時，如果面對尾數為4、8的樓層時，他（她）的選擇是什么？他（她）愿意為尾數為8的樓層住房支付較高的價格嗎？尾數為4的樓層住房是不是價格就應當便宜一些？

眾所周知，從漢語語言角度，8與“發”、4與“死”諧音，于是人們對數字有好惡、偏好之分，由此反映出數字文化對經濟生活的影響。

通過有關文獻檢索，一些實證研究表明，吉利數字對住宅價格有顯著的正向影響，不吉利數字對住宅價格有顯著的負向影響。以西方文化為例，在俄羅斯房地產市場中，樓層13對公寓的需求有顯著的負面影響，樓層7對公寓有顯著的正向影響;在東西方文化的交融與對比研究上，在新西蘭奧克蘭的房地產市場中，華人與非華人購房者存在不同的數字偏好，但隨著時間推移，奧克蘭的華人可能受到本土文化的影響，對吉利數字8的偏好有逐步減弱的傾向;在中國臺灣地區，所在樓層為4的住宅價格比一般樓層住宅價格低;而在中國香港地區，港人多信風水與運勢，因此住房位于8、18、28和38的樓層蘊含“幸運”，而位于4、14、24和34被認為“不幸運”;在中國大陸，有學者發現成都二手公寓尾號為8的樓層銷售速度較其它樓層較快，且價格較高。由于房地產市場是地方性市場，中國文化具有多元性，因此，僅有成都數字偏好與房價的實證研究不足以反映全國情況;同時，從國外和國內文獻來看，以往研究都是將一個國家或地區的住房市場作為一個整體來研究，但并未區分購房人是男還是女、年齡是中年還是老年、籍貫來自何方、買房是剛需還是改善型需求，因此數字偏好之于住房價格尚需更為充分的研究。

本研究擬采用廣州市H房地產中介公司二手房交易數據，基于特征價格理論與模型，從總體市場和性別、年齡、戶籍和購房目的子市場兩個層面探討數字偏好對住宅價格的影響。

1數據與模型擬定

1.1研究區域和數據來源

作為中國一線城市，廣州市住宅市場化程度較高，發展成熟。本文研究的范圍是廣州市荔灣、越秀、海珠、天河、白云以及番禺區六個區域。H中介公司為廣州市著名中介公司，在廣州總共有200余個網點，分布在廣州的各個區域。

研究數據時間跨度為2013年1月1日-2016年4月30日，均為H公司二手實際交易數據。為保持數據的統一性，選用的數據均為電梯樓數據，數據共計6031條。數據信息分為住宅具體特征以及購房者特征兩部分，含有房屋地址、房屋性質、產權、景觀以及購房者的性別、出生年份、戶籍以及購房目的等基本信息。為了得到更豐富的特征價格變量，我們還采用GIS技術測量住宅到最近地鐵站距離、最近公交車站點距離、最近三甲醫院距離和最近商業中心的距離。

1.2購房者特征描述統計

根據現有購房者的性別、年齡、戶籍和購房目的進行分類的描述統計情況如表1所示。

對于表1中，有關說明和購房者所呈現的特征如下：

在性別方面，房地產權證載明事項中一般會出現單男、單女以及男女共同出現的情形，并且對于后者還會出現男前女后或女前男后兩種情況。這兩種情況是否意味著前者在購房決策中所起的作用更大并伴隨數字偏好因素？為此我們劃分為男性、女性、男女、女男四個類別進行研究。由表1可以看出，男性和女性購房者的數量基本均等，在四類別中女性購買者比男性購房者僅多2.7%。但就男女和女男進行對比，后者明顯高于前者，女男比男女高6.1%。這一現象挺有意思，可能的解釋一是在購房決策中女性偏于強勢，另一原因是女性的主觀風險意識更強或男性更為尊重女性。

在年齡方面，26-45歲的購房者人數最多，占樣本總數的77.7%，45-65歲購房者占比11.9%，而66歲及以上的購房者人數最少，占比2.3%。從房屋總價看，45-65歲的購房者購買住宅的總價均值最高，這部分購房者購買力最強。

在戶籍方面，購房者以廣東戶籍為主，占樣本人數的66.1%。從住宅總價看，廣東戶籍購房者購買的住宅總價均值比非廣東戶籍購房均值高17.71%。

在購房目的方面，自住安家型需求最大，投資型最少。自住安家型的購房者占總購房人數的56.9%，改善住房型購房者占比38.8%，投資型購房僅占4.3%。

1.3變量選擇與量化

特征價格理論的基礎主要由Lancaster的偏好理論和Rosen的特征市場均衡模型兩部分構成，進而構建特征價格模型。根據特征價格理論與方法，影響房價的因素主要分為建筑特征、鄰里特征和區位特征三大類。沿用此分析框架，結合廣州市實際及中介交易數據，選擇了13個住宅特征作為模型自變量，并加入時間控制和區域控制變量，因變量采用住宅總價。變量的具體賦值如表2所示。

1.4函數形式和估計方法

在特征價格模型中，通常采用的函數形式主要有線性形式、對數形式、半對數形式三種。在實際應用中，應根據具體情況進行選擇，本文依據現有數據確定研究的具體模型形式為：

2總體樣本模型的檢驗與結果

根據交易數據，按照模型公式，以住宅總價作為解釋變量進行估計。由于所在樓層與所在樓層平方存在共線性問題，繼而剔除所在樓層變量，將其余12個特征變量并加入時間控制變量和區域控制變量進入模型，得到擬合結果如表3所示。

從模型結果來看，四個模型的整體擬合效果均較好。調整后的擬合優度值均大于或等于0.795，說明住宅總價變化的79.5%以上都能夠用所選影響因素的變化來解釋。但這四個模型又有所不同。在這四個模型中，模型（1）和（2）都未加入樓層尾號變量，其中模型（2）較模型（1）增加了區域控制變量;模型（3）和（4）都加入了樓層尾號變量，其中模型（4）較模型（3）增加了區域控制變量。

從模型（1）、（3）與模型（2）、（4）對比可以看出：第一，加入區域控制變量后的擬合優度均超過80%，明顯比未加入區域控制變量的擬合結果的解釋度更高;第二，對比模型（4）和模型（2）看出，引入了樓層尾號變量后模型的各項特征變量顯著性無明顯變化，且非標準化系數差距不大，說明模型穩健性較強。從擬合結果中看出：

（1）樓層尾號4和尾號8對住宅總價的影響均顯著且符合預期符號。樓層尾數為4對住宅總價有顯著的負向影響，且比一般樓層住宅總價低0.8%;樓層尾號為8對住宅總價有顯著的正向影響，且比一般樓層住宅總價高0.9%。由此說明高層住宅價格與樓層數字有顯著關系，樓層尾號數字是人們購房考慮的因素之一。

（2）建筑特征、鄰里特征以及區位特征的顯著性均在95%及以上，且符合預期符號。住宅總價隨著面積的增加而增加，南北通風的住宅比一般住宅總價高，所在樓層平方顯著，說明住宅價格隨著樓層的增加呈現出非線性的特征;有綠化景觀以及水景的住宅比其他住宅總價高，臨近有地鐵和公交站對住宅總價有顯著正向影響，且1000m內有地鐵的住宅比一般住宅總價高5%，1000m內有公交站的住宅總價比一般住宅高1.3%;住宅距離公園，商業中心和醫院越遠，住宅總價越低，且三項區位設施對住宅總價的影響程度差距不大。

（3）從時間變量上看，時間變量均顯著且預期符號均為正的。以2013年為基準，2016年對比2013年住宅價格高7.6%，2015年比2013年住宅價格高4.8%，而2014年住宅價格比2013年高3.5%。從結果中可以看出在2013年-2016年時間，廣州市的住宅價格總體呈現上升趨勢。

3子市場研究結果

當購房者的性別、年齡、戶籍與購房目的不同時，其對數字偏好是否存在差異性？我們想進一步深入探討此問題。

3.1性別子市場

依據前文對購房市場描述統計下分類分析，本研究將性別子市場劃分為四種類型。得到最終模型擬合結果如表4所示。

觀察表4，四個模型的解釋力度均超過80%，所選特征變量無多重共線性，且變量之間的VIF值均小于10，模型穩健性較強。從結果中我們得到：

（1）各性別子市場模型擬合結果中樓層尾號8變量均不顯著，樓層尾號4變量僅在女性市場中顯著。具體來說，樓層尾號數字并不會影響到男性的購房決策，而女性購房者會盡量避免選擇尾號數字為4的樓層。當一個住宅單位同時有兩位購房決策者的情況下，不管男性是第一戶主還是女性是第一戶主，樓層數字4或者樓層數字8均不顯著。這種結果可能的解釋是：在個人購房決策中，女性購房者更為謹慎，對本身可能產生不利的購房因素更為敏感，對數字4帶來的心理效果反映更大;男性整體上比女性更為強勢，進行購房選擇更多考慮有利因素;兩人共同購房時，進行購房決策過程中兩人相互商量，購房中更為看重區位、鄰里和建筑本身等本質因素，對樓層數字并不在意，購房更趨于理性。

（2）四類購房市場中，影響購房者的因素存在異同。其中，在四類購房市場中，住宅總價隨著面積的增加而增加，所在樓層平方均顯著，綠化景觀對各類型購房市場的住宅總價均存在顯著的正向影響。由于篇幅有限，本文不在此進行四類購房群體影響因素的差別進行過多的分析。

3.2年齡子市場

不同年齡的消費者在購房決策時是否存在數字偏好？為此我們進行子市場研究。此研究的難點是如何劃分不同年齡層次的子市場。通過查閱相關文獻，參考相關學者對住宅市場中購房年齡結構的研究，并對不同分類進行模型擬合嘗試，最終按照穩定程度最好的擬合結果，將購房者年齡分為四個階段：25歲及以下、26-45歲、46-65歲、66歲及以上，最終得到模型擬合結果如表5所示。

通過觀察表5可以發現，各子市場調整后的擬合優度值均大于78%，且四個模型的共線性值均小于10%，模型擬合穩健性較強。通過模型擬合結果看出：

（1）在數字偏好方面，25歲及以下購房者對數字沒有明顯的偏好，而25-45歲、46-65歲的購房者偏好樓層尾號8的住宅，66歲及以上的購房者避諱樓層尾號4的住宅。其中，在26-45歲購房者市場中，樓層尾號8對住宅總價有顯著的正向影響，影響系數為0.9%;在46-65歲購房者市場中，樓層尾號8的住宅比一般樓層尾號住宅總價高2.5%，這一系數明顯比26-45歲購房市場的影響程度更大，說明46-65歲的購房者更偏好樓層尾號8的住宅;從66歲及以上的購房市場中發現，樓層尾號4對住宅總價有顯著的負面影響，比一般住宅總價低7%。這一實證結果產生的原因可能是因為：處在25-65歲這個年齡階段的購房者，是事業的上升階段，是人生的奮斗期，因此對自身有較高的要求，這種要求體現在個人的消費行為中，產生消費偏好;處在66歲及以上年齡階段的購房者，這個階段的購房者臨近人生的最后階段，對不好的事物的態度可能是負面的，因此對“不吉利”的數字4有較強的避諱心理。

（2）在購房決策的一般影響因素方面，相較于25歲及以下、46-65歲、66歲及以上的購房者，26-45歲購房者考慮的影響因素最多、最全面;25歲及以下的購房人群主要看中地鐵、面積等因素，而對南北朝向、綠化景觀、水景等并不關注，由此發現25歲及以下購房者務實的購房特征。

3.3籍子市場

中國幅員遼闊，在中華文化之下有不同的亞文化，例如南方與北方、西北與東南等。即使是在南方，也存在吳越文化、嶺南文化、瀟湘文化等亞文化。地域文化不同，是否會反映在數字與房價的關系上？這也是我們本次研究關注的問題之一。

根據購房者戶籍信息數據我們做了多種分類嘗試，最終按照廣東戶籍和非廣東戶籍方式進行子市場研究，結果如表6所示。

從表6可以看到，廣東戶籍和非廣東戶籍子市場模型中，調整后的擬合優度均大于82%，各項變量之間的VIF值均小于10，經多次模型擬合嘗試，模型穩健。從結果中我們發現：

（1）樓層尾號8在廣東戶籍市場中顯著，樓層尾號4在兩個戶籍子市場中均不顯著。其中，樓層尾數8對廣東戶籍子市場中的住宅總價有顯著的正向影響，樓層尾號8的住宅比一般住宅總價高1%，這就說明廣東戶籍的購房者，更偏好樓層尾號為8的住宅;樓層尾號4在兩個市場中均不顯著，表明廣東和非廣東戶籍的購房者均沒有對樓層數字4的避諱心理。這一結果產生的原因可能是由于嶺南文化有獨特的信仰特質，傳統的廣東人在平常的生活中有講究“意頭”的習慣，追求意念中的“好彩”和“運數”，因此廣東戶籍人口的可能受到傳統嶺南文化的影響，喜歡吉利數字或者寓意中有吉利的語言。

（2）戶籍購房者分類的模型擬合結果總體解釋力度較強。在廣東戶籍購房者市場中，建筑特征、鄰里特征和區位特征三類變量的模型擬合結果均顯著，這就表明廣東戶籍的購房者進行購房決策時考慮的因素更多。對比非廣東戶籍的購房者，廣東戶籍購房者更注重綠化景觀和水景。

3.4購房目的子市場

根據已有的數據結構和分類，本研究對購房者的購房目的細分為3類：自住安家型、改善住房型以及投資型。最終得到回歸擬合結果如表7所示。

觀察表7，發現3個子市場模型中改善住房型模型解釋力度最強，調整后R2為84.4%，自住安家型為80.8%，投資型為80.7%，投資型解釋力度略低，各模型都通過了變量間的共線性檢驗，3個模型擬合結果穩健。從結果中分析可以發現：

（1）樓層尾號4和樓層尾號8在3類購房動機市場中呈現出不同特點。其中，樓層尾號4在3類購房動機市場中的影響均不顯著;樓層尾號8僅在改善型市場中對住宅總價有顯著的正向影響，且比一般樓層的住宅總價高1.7%。由此表明基于改善住房型需求的購房者更偏好樓層尾號8的住宅，而自住型需求和投資型需求的購房者對樓層尾號數字沒有明顯的偏好。這一結果可能的解釋是：自住安家型購房者更關注本身的資金是否能夠買到交通更為便利、景觀更好的住宅;投資型購房者更關注住宅的溢價能力，往往與區位因素有較為緊密的關系，而不是住宅特征;對于改善住房型消費者而言，購房者經濟相對比較寬裕，比自住型和投資型購房者考慮需要更好的區位、更便捷的交通條件還有更好的樓層等因素。

（2）不同購房動機中，影響購房者決策的因素有所不同。出于自住需求的購房者，更偏好南北朝向、有綠化景觀、水景的、臨近地鐵站或者公交站、臨近公園和醫院的住宅;改善型需求型與自住需求型購房者不同的是，改善住房型購房者更偏好臨近商業中心的住宅;對于投資需求的購房者而言，更偏好購買具有綠化景觀，臨近地鐵和公園的住宅。

4結論

通過總模型和購房者子市場進行分析，我們有如下結論：

（1）總樣本中，樓層尾號4和尾號8對住宅總價的影響均顯著。樓層尾數為4對住宅總價有顯著的負向影響，比一般樓層住宅總價低0.8%;樓層尾號為8對住宅總價有顯著的正向影響，比一般樓層住宅總價高0.9%。與國內外購房者相比，廣州地區消費者在購房時同樣存在數字偏好。

（2）從子市場分類擬合結果來看，樓層數字對不同購房群體的影響存在差異。在性別子市場中，樓層尾號4對女性市場存在負面影響，對男性、男女、女男子市場影響不顯著。同時，樓層尾號8對男性、女性、男女、女男子市場均不顯著;在年齡子市場中，樓層尾號4對年齡處于66歲及以上的購房者有顯著負面影響，對66歲及以下購房者無顯著影響。同時，樓層尾號8對處于26-45、46-65歲年齡階段的購房者有正向影響，對66歲及以上和25歲及以下的購房者無顯著影響;在戶籍子市場中，樓層尾號4對廣東戶籍子市場和非廣東戶籍市場均沒有顯著的影響。同時，廣東戶籍購房者對樓層尾號數字8存在偏好;在購房目的子市場中，樓層尾號4對自住安家型、改善住房型和投資型購房者的影響均不顯著，樓層尾號8在改善住房型子市場存在顯著性。

（3）廣州市在2013-2016年間的住宅價格逐年上升。無論是總樣本模型，還是子市場研究，2013-2016年4年間回歸系數逐年增大，說明住宅價格逐年上升。

（4）建筑特征、區位特征和鄰里特征對住宅價格的影響均顯著且都符合預期。建筑特征、鄰里特征以及區位特征的顯著性均在95%及以上，且符合預期符號，其中：住宅總價隨著面積的增加而增加，南北通風的住宅比一般住宅總價高，所在樓層平方顯著，住宅價格隨著樓層的增加呈現出非線性的特征;有綠化景觀以及水景的住宅比其他住宅總價高，臨近有地鐵和公交站對住宅總價有顯著正向影響;住宅距離公園、商業中心和醫院越遠，住宅總價越低，且三項區位設施對住宅總價的影響程度差距不大。