估价师继续教育地方课时-房地产批量评估技术与应用.ppt

特征价格模型(HPM)的构建选择模型变量因变量：房地产价格或单位价格。自变量：影响房地产价格的各种特征变量。注意：避免遗漏重要的特征变量或引入不重要的特征变量；避免出现共线性问题。国外的研究将影响房地产价格的特征变量分为建筑特征、邻里特征和区位特征三大类。※建筑特征包括：建筑类型、建筑质量、建筑外观、建筑面积、建筑品牌、住宅年龄、户型布局、房间数目、朝向情况、装修程度、所在楼层、有无阁楼、有无车位等。邻里特征包括：自然环境、小区环境、治安环境、物业管理、文体设施、生活配套、教育配套、是否邻近大学、文化娱乐、体育休闲等。区位特征包括：交通条件、离市中心(或CBD)距离等。研究我国房地产价格还应该增加权益特征和时间因素等。权益特征包括土地年限、容积率等，时间因素是指不同时期的交易实例处于不同的市场状况。※量化模型变量常见的模型自变量量化方法有四种：方法一：直接采用变量的实际数值或仅仅对原始数值进行简单的变换。这类特征变量有：建筑面积、住宅年龄、楼层、距市中心(或CBD)距离、交通条件、房间数目、时间因素、土地剩余年限、容积率等。方法二：采用五点Likert(李克特)量表法将特征变量分为极差、差、一般、好、非常好五个等级，各个等级对应的得分分别为1、2、3、4、5分。这类特征变量有：装修程度、自然环境、小区环境、物业管理、治安环境。※方法三：综合指标打分法。根据变量所包含的二级特征指标数量进行打分(比如生活配套包括小区内或附近1000米内有无超市、菜场、银行、邮局以及医院，每增加一项加1分，共计5分)。这类特征变量有：文体设旅、生活配套、教育配套、生活设施。文体设施、教育配套等。方法四：采用虚拟变量进行量化。这类特征变量有：朝向情况、有无车位、有无阁楼、是否邻近大学，比如朝南的得1，其他为0，有车位的得1，其他为0。模型因变量为房地产实际成交价格。但实际成交价格通常很难直接得到，可以通过建立挂牌价格和成交价格的关系，进一步推算出房地产的实际成交价格。※样本数据处理样本数据处理主要包括两个方面:奇异值和影响点的查找；删除具有奇异值和影响点的样本。奇异值是指标准化残差过大的观测量(残差是指实际观察值与回归估计值的差)。影响点的通常采用协方差比(CovarianceRatio)指标进行衡量。通常采用统计软件(常见的有SPSS、Eviews等)中默认的判据(比如标准化残差绝对值大于3)。※1检验模型变量2分析各个特征变量之间的相关系数，找出相关性较强的各对特征变量，保留更重要的特征变量，删除另一个相对次要的变量，以减少共线性问题。3比如“建筑面积”和“房间数”之间的相关性较强，通常采用“建筑面积”而删除“房间数”变量。4共线性：回归模型中自变量之间由于存在相关关系而使模型估计失真或难以估计准确。消除共线性的方法：删除不重要的变量、选择新样本、重新设定模型、进行变量变换。但共线性是程度问题而不是有无的问题。※模型参数估计参数估计是在已知模型结构的前提下，利用模型的自变量和因变量数据来计算模型参数的过程。最常用的模型参数估计方法是最小二乘法(OLS)。最小二乘法通过最小化误差(实际值与预测值之差)的平方和来寻找数据的最佳函数匹配。举例：假设Y表示房地产价格，X表示房地产特征变量，Y=a+bX，a、b为待估参数。若能获得一组X和Y的实测值，则根据下式可确定参数a、b，从而确定回归模型。a=(∑Y-b*∑X)/N；b=(N*∑XY-∑X*∑Y)/[N*∑X2-(∑X)2]※模型检验1模型检验包括经济意义上的检验以及显著性检验(值Sig.和T)、共线性诊断(方差膨胀因子VIF)、拟合优度判定(判定系数R2)、方差齐性检验(残差散点图)、D-W检验(D-W值)、残差正态性检验(残差直方图)等统计检验。2在实际估价中还可采用预测值与观测值的比率、纳税人对估价结果的认可程度(投诉率)来衡量模型的精度。3特征价格模型举例：杭州市住宅价格(万元)=0.594×建筑面积(平方米)+0.269×楼层(层)+6.101×车库(个)+5.528×阁楼(个)+1.212×装修程度(等级)+1.758×自然环境(等级)+1.963×小区环境(等级)+0.924×物业管理(等级)+1.613×文体设施(等级)+0.506×交通条件(条)-3.624×离西湖距离(公里)-1.122×离CBD距离(公里)-1.328×临近大学(等级)+0.520×时间因素(月)※43.非参数模型方法**非参数模型是指不预先设定确定的模型和参数，而是由数据本身和计算机自动形成回归模型的方法，主要有人工神经网络(Artifieia