多方機制下二手房市場價格影響因素與發展趨勢研究
——基于成都市二手房市場交易數據

祝瑾 熊楊

（四川鐵道職業學院會計金融系，四川 成都 610037）

一、引言

房價問題一直都是民眾討論的熱點話題之一，房地產行業近二十年來發展迅猛，房價一路攀升。房價的飛漲和“炒房熱”日益成為大眾關注和憂慮的社會問題。

自2016年10月全國限購政策頒布以來，成都政府也相繼出臺了一系列的限購令，并在2017年、2018年和2019年進行細化和升級。面對限購令，很多民眾將目光轉向二手房，加之二手房供應較充足、即買即住、配套較完善等優點導致二手房市場在2016年10月以后發展迅猛，交易量和價格迅速上漲，成都房地產市場一度出現一二手房房價“倒掛”現象。

在二手房市場上，民眾最關心的是價格問題。但由于二手房各具有不同的特征屬性，因此其價格存在較大的差異。二手房的價格不但會因為一手房而產生變化，更與自身的特性、所處區位等因素有密切聯系，因此二手房價格的確定更為復雜。本研究在多元回歸分析法的前提下通過特征價格模型將房價分為多個特征價格來分析房價的影響要素與影響水平，為確保結果的精準性，防范變量間存在多重共線性，在本次分析中進行了逐步回歸的方法，并以理論分析為依據預測2020年成都二手房的發展趨勢。

二、特征價格模型構建

（一）變量與數據選取

二手房的價格高低取決于位置、室廳、面積、樓齡、樓層等功能屬性。二手房的各特征不同，購房者愿意額外支付的費用也不同，此類隱含價格便展現出相關特征變量對二手房價格的影響水平。

建立回歸函數是特征價格模型分析的重中之重。因此，本文選取樓況、戶型、主朝向、樓層分布、裝修程度、面積（平方米）、建成年份（代表的是樓齡）、總樓層和是否近地鐵等9個變量構建回歸函數進行特征價格模型分析。在函數形式的配置過程中，最普遍的函數形式包括線性形式與對數形式兩類，計算公式分別為：

其中 P 是特征價格，Zi是住房的特征變量，Xi是常數項，ε是隨機干擾項。

對數模型的特色是它服從了二手房特征邊際效用遞減的原理，也就是房屋價格盡管會因為某一原因而出現上升，然而上升速度會開始變緩，通過對數模型可以相對精準地體現出二手房價格和所挑選的相關特征變量間的函數關系。

另外使用最小二乘法可以讓所有樣本值的殘差平方和(R)的結果最小。公式為：

（二）變量的量化

二手房的特征變量分為定性變量和定量變量兩種。這兩種變量的量化方式不同，定性變量采用虛擬變量量化法，定量變量直接采用實際數值量化，如表1和表2。

表1 定性變量量化

表2 定量變量量化

數據選取2016.1-2019.7成都市五大主城區（錦江區、金牛區、青羊、成華區、武侯區）二手房交易掛牌數據123694個予以分析，數據來源于鏈家網發布的歷年五大城區二手房價走勢表。

三、實證研究

（一）實驗數據說明

本文選取的二手房交易掛牌數據123694個。剔除缺失值后，通過對數據的統計分析，刪除不符合常理的數據記錄后，分別作各個自變量與因變量的箱線圖，箱線圖利用數據中的5個統計量:最小值、第一四分位數、中位數、第三四分位數與最大值來描述、判斷數據異常值，從中鑒別出離群值和極端值。描繪個案偏離箱體邊緣(上端、下端)的距離是箱體的幾倍，然后進行異常值剔除后，最后采用的樣本數為71226個。

（二）擬合分析與自相關DW檢驗

當選取的9個特征變量全部進入模型時擬合效果最好，多元回歸分析結果如表3所示，R2越接近于1，方程的擬合度越高。

線性模型與對數線性模型的復相關系數分別為0.541，0.548。當給模型增加自變量時，復決定系數也隨之逐步增大，當自變量足夠多時會得到模型擬合良好，而實際卻可能并非如此，于是考慮對R2進行調整，稱調整R2，分別為0.292，0.300。自變量和因變量間存在線性關系，但線性模型的標準估計誤差遠遠高于對數模型，且對數模型的解釋力度更強，對數線性模型具有更好的解釋力。

更改后的F檢驗值分別為2661.162、2761.387，sig顯著性水平都為0.000，小于0.05，則F檢驗通過，表示統計量顯著，方程中自變量因變量間線性關系能夠成立，模型對樣本數據的擬合在統計上有意義。多元線性回歸分析的一個假定是誤差項的相互獨立性，要驗證在誤差之間是否存在自相關連系效應，避免導致線性回歸分析出現嚴重的偏誤，所以用較為精確的自相關檢驗方法-相關DW檢驗來考察，兩個回歸方程的DW檢驗值，分別為1.509和1.521，接近2，認為兩個模型中的誤差項基本上是獨立的，基本不存在異方差問題，如表3所示：

表3 多元回歸分析結果的擬合優度表

（三）多重共線性檢驗與回歸方程分析

多元系數回歸如表4所示。經對比可見，線性模型中的標準誤差大于對數模型，說明對數模型二手房價格回歸方程房價預測可靠性較好。

標準化回歸系數的絕對值的大小直接反映了Xi對Y的影響程度。VIF為方差膨脹因子，用于檢驗自變量的多重共線性，標準為10，超過10即表明自變量間存在較嚴重的多重共線性，表中VIF最大為1.897，遠遠小于10，可認為自變量間不存在顯著的多重共線性，如表4所示。

表4 多元系數回歸表

由上述多元線性回歸分析回歸系數表可知，最終的回歸方程為:

1、線性模型多元回歸方程：

P=40.282+0.051X1-12.118X2+0.595X3-0.196X4-4.367X5+0.206X6+2.375X7 +0.007 X8+0.440 X9

2、對數模型多元回歸

LnP=4.138+0.001X1-0.204X2+0.010X3-0.003X4-0.073X5+0.003X6+0.038X7-（9.627E-005）X8+0.007 X9

以上兩式是多元線性回歸分析最終得到的回歸方程，其中，P代表二手房價格，X1、X2、X3…X9分別代表樓況、戶型、主朝向、樓層分布、是否靠近地鐵、總樓層、裝修程度、建成年份（代表的是樓齡）、面積（平方米）。在比較后發現，線性模型中相關標準的誤差較大，也許是由于定量變量面積的數值較大，進而造成了數值不大的定性變量的回歸參數的不正常變化。對數模型相關回歸參數的標準誤差比線性模型要小很多，在某個層面上體現了對數模型擁有更好的解釋水平。

（四）殘差分析與模型應用

1、殘差分析

在模型假定的前提下設立判定系數的核算與顯著性檢測，必須考量模型假定前提的客觀性問題。若模型的假定不客觀，那么模型的適用性便會被質疑，殘差分析是證明模型假定客觀性的一種有效方式，兩個模型的大部分標準化殘差隨機在-2到2的范圍內，符合方差齊次性的假設，能夠視為兩個模型的假定均是科學的。

2、特征變量影響程度的區域分析

每個二手房特征價格的量綱不一致，所以要使用標準化回歸系數(不考慮量綱)來評估自變量的地位，可將自變量對因變量的相對影響程度大小進行排序。經過對數模型下成都市及各區標準化回歸系數及特征影響程度分析，影響程度從大到小的排序為面積〉裝修程度〉總樓層〉主朝向〉樓況〉建成年份〉樓層分布〉是否有地鐵〉戶型。

3、實例驗證分析

任意挑選成都市某一二手房案例來開展參數回代反算二手房價格，線性模型回歸方程案例核算得到的二手房總價差價是5.15萬元，二手房每平方米的價格差價為504.7元。對數模型回歸方程案例核算得到的二手房總差價是0.56萬元，二手房每平方米價格差價是54.9元，這說明該案例的擬合效果是不錯的。從綜合方面而言，線性模型每平方米的價格差價均值為2784元，對數模型的每平方米價格均值為2408元，通過差價頻率分布直方圖我們可以了解到，每平方米差價基本上置于三千元以內。

三、實證結論與未來二手房房價預測

（一）實證結論

1、全方位考慮購房需求，剔除家庭不必要的房屋特征因素，降低購房成本。例如地鐵因素，截至2019年7月底成都開通的地鐵線路有5條，其附近的房價要高于遠離地鐵的二手房。但是目前成都除地鐵外的其他公共交通也非常便捷，因此如非必要可以選擇距離地鐵稍遠的二手房。

2、住宅面積、裝修程度和總樓層是對二手房價影響最大的三大因素。面積越大、裝修程度越高、總樓層低的二手房價格越高。因此對于預算有限的購房者，可以選擇面積較小的住宅。由于裝修成本被計算在房價內，因此對于時間比較充?；蛘邔ρb修有特殊要求的購房需求者而言，可以選擇毛坯房或者簡裝房。另外樓房建成年份對價格影響并沒有很大，購房者應將關注點轉向樓房建造質量，同時如果對樓層無特殊偏好，那么在預算適當的前提下，建議選擇高層樓盤的高層房屋。

（二）未來二手房房價預測

通過對二手房市場的調查發現，二手房屋的面積、裝修、容積率、主朝向等對房價影響較大。因此本文最終選擇 9個變量對單位面積房價的影響進行比較。但現實生活中，影響房價的因素眾多且復雜，各因素之間還存在著交互作用，這些都會引起房價市場波動。

2019年以來，中心城區新房供應不多，拿證和開盤的多數項目單價都比較高，面積也多為大戶型，可供剛需選擇的項目非常少，所以許多剛需購房人士將視線轉移至二手房市場。根據理論模型，再加上以下原因都會導致二手房房價上漲：

1、目前入市新房價格大多控制住每平方米兩萬以內，這除了新房價格被限價政策限制外，更重要的是大多數樓盤都是2017年前拿的相對低價土地。新房買價低對應的二手房價格也不會太高。但是，2018年開始土地拍賣加大幅上漲，對應的樓盤價格大多都在兩萬以上，因此相應的二手房價格也會上漲。

2、限購政策不斷細化，成都樓市從最初的限購逐步升級到“限購、限貸、限價、限售、限商”等，政策升級的目的是增加炒房成本，盡可能把投資客擠出樓市，但無形中也限制了剛需。

3、隨著購房熱，很多開發商要求全款買房或者不支持組合貸，加上新入市的樓盤以大戶型為主，迫使大量剛需者轉向二手房市場，將不少資金不足的人擠向了二手房市場。

4、一手房捂盤現象嚴重。因新房受到政府限價的影響，導致很多開發商不愿按政府指導價辦理預售證，而政府很明確，開發商不接受指導價那就別想辦預售證。這種開發商與政府博弈的結果就形成了變相捂盤的結果。供應量少了而需求還很旺盛的情況下，二手房市場迅速發展。

5、除以上因素外，還有諸如消費者搶到就是賺到的心理、中介和開發商的宣傳造成消費者搶購心理、央行降準信貸規模增大等因素都會在一定程度上造成二手房房價上漲。

但隨著調控政策的深入、嚴控消費貸使得資金進入樓市的路子越來越窄以及租賃住房、人才公寓的大量上市等會使二手房房價暴漲的趨勢慢慢放緩，成都將會迎來一個兩年左右的房價平穩期，平穩期之后根據調控目標來看應該是一個長期緩慢增長的過程。