住宅特征价格分析——以广州为例

以广州二手交易的596个高层楼盘、3703个交易样本为研究基础,采用特征价格法测度了影响广州市住宅价格的主要因素,它们分别是与商业中心的距离、与山江公园的距离、与地铁的距离、噪音、户型间隔、装修档次、朝向、楼层、楼龄、阳台数量10项因素,并给出了影响因素的隐含价值。     

市场细分与城市住宅特征价格分析

从住宅特征价格的视角,提出检验和分析住宅细分市场的方法,并进行实证研究.通过收集杭州市2 473套住宅样本数据和290个住宅小区的实地调查资料,按照建筑类型和产权性质对住宅市场进行细分,选择18个住宅特征作为模型的自变量,建立杭州市整体市场和细分市场的特征价格模型.Chow检验表明细分市场模型在统计上存在显著差异,说明这两种市场细分方法是合理可行的.同时发现,不同细分市场的影响因素有所差异,住宅特征对住宅价格的影响程度有所不同;8个住宅特征对整体市场和细分市场均有显著影响,建筑面积和西湖距离对住宅价格有最重要的影响,CBD距离比西湖距离的影响程度更小.     

城市地铁项目建设对沿线住宅价格的影响研究——以西安市地铁2号线为例

随着我国城市化进程的不断加快,大、中型城市的交通拥堵问题越来越严重,而传统的公共交通方式已经不能满足居民日益增长的出行需求。目前,发展以常规公交和地铁交通为主体的公共交通体系是解决交通拥堵问题的有效途径。同时,地铁交通方式的出现又是沿线住宅价格的助推器。文章以正在建设中的西安地铁2号线为实证研究对象,对沿线住宅价格的变化进行定性和定量分析。     

大学对周边住宅价格影响研究——以浙江大学紫金港校区为例

大学以其良好的人文氛围,幽雅的自然环境及便利的生活设施吸引住宅购买者在其周边定居,房产开发商也将毗邻大学这种特殊的区位条件作为卖点进行宣传。本文以浙江大学紫金港校区周边住宅为研究对象,运用享乐价格模型进行分析,得出结论：大学作为重要的住宅属性之一,对其周边范围6500m以内的住宅价格影响非常明显,住宅距离大学越近,这种影响越显著。     

交通枢纽对周边商品住宅价格影响研究——以北京市东直门交通枢纽为例

交通枢纽是一种或多种交通工具和运输方式的交叉和衔接之处。由于交通枢纽的外部性作用,使其对周边住宅价格产生一定的影响。为了验证交通枢纽与住宅价格的关系,搜集北京市东直门交通枢纽周边的存量住宅交易价格数据,采用特征价格模型和统计分析软件测算了东直门交通枢纽对周边存量住宅价格的空间影响范围和程度。结论为:一是相比轨道交通的单一站点和轨道线路,交通枢纽对存量住宅价格的影响范围广而复杂;二是交通枢纽也会对周边住宅价格产生负面影响。     

住宅出售价格在城市居住环境评价中的应用方法研究

城市居住环境的定量评价一直是一个困扰学术界的难点问题。本文在对城市居住环境影响因素及传统的居住环境评价方法进行讨论的基础上,分析了住宅出售价格与城市居住环境间的关系,探讨了利用住宅出售价格来定量评价城市居住环境水平的思想和方法。该方法应用经典Hedonic模型并对其进行变换,将住宅价格中与住宅本身相关,而与居住环境不相关的因素所决定的那部分价格分离出来,从而达到评价城市居住环境水平的目的。最后针对此种方法提出了今后研究中几个可能的方向。此方法具有可操作性强和便于动态跟踪的特点。     

湖南省住宅价格变动因素的实证研究——以长沙市为例

分析长沙市住宅价格变动因素,可以发现,影响长沙市房地产市场价格变动的因素主要有：土地价格,城乡居民收入,经济的增长,物价水平.各级地方政府应从发挥政府政策主导影响、发挥市场调节机制作用、完善基础设施建设和加强产业发展引导等方面制定相配套的经济社会发展政策.     

二手学区房价格溢价研究——以重庆市沙坪坝区为例

为了探究小学质量特征以及其他房屋特征对学区内住宅价格的影响,选取重庆市沙坪坝区的16所小学,以及57个小区的1 158个住宅市场数据,利用价格特征模型进行研究.研究结果表明:在控制了房屋特征、楼盘特征和区位特征等的情况下,对数据进行稳健性回归分析,发现重点小学的学区房比普通小学的非学区房的出售价格高出8.3％.     

基于GWR的住宅价格影响因素研究——以合肥市为例

以2018年12月为时间截点,选取合肥市市辖区(包河区、瑶海区、庐阳区、蜀山区)为研究区,通过地理加权回归模型(GWR)、OLS模型等方法对研究区住宅价格及其影响因素、驱动机制进行研究。结果表明：合肥市房价具有显著空间聚集性,呈现由中心向四周衰减的趋势,聚集峰值中心为天鹅湖、滨湖新区和老城区;合肥市住宅价格受多方面的影响,具体表现为物业费用>超市数量>房龄>银行数量>绿化率>医院距离>地铁站距离>学校距离;GWR模型在合肥市住宅价格分析中具有更高的精确度,OLS模型校正R²为0.17,GWR模型校正R²为0.50,GWR模型比OLS模型对住宅价格的解释能力提高了33.30%,同时,从AICc值看GWR模型的拟合效果显著优于OLS模型。     

完善住宅特征价格数据的探讨——基于特征价格法

特征价格法是国际上普遍使用的分析异质品价格的主要方法,构建住宅特征价格指数和利用特征价格模型进行房产实证分析是我国未来房地产研究领域的必然趋势.本文以住宅特征价格法为依托,根据实地数据调研的经验,从数据需求、住宅特征变量选择和住宅特征数据收集的角度探讨如何获得并完善住宅价格数据的过程,并提出构建住宅价格数据库的设想.     

基于特征价格模型的土地价格微观影响分析的因变量选择——以烟台市牟平区为例

在构建牟平区土地特征价格模型过程中,分别采用总地价、单位地价、楼面地价3种不同的因变量建立特征价格模型,进行判定分析,发现因变量为土地总价的特征价格模型最能解释土地价格微观影响因素.     

住宅价格的长记忆波动率特性实证分析

运用FIGARCH模型,利用2000年第一季度至2009年第四季度的数据对商品住宅价格是否存在长记忆波动率的特性进行了实证分析.研究结果表明:我国商品住宅价格的波动存在长记忆性、聚集效应和异方差性.根据实证结果,对房地产调控及房价的研究提出了几点建议:对住宅价格的调控应当更加注重数量型工具,注重政策的稳定性和长期性,金融机构应当不定期地对房产信贷风险作出评估等.     

青岛市住宅价格微观影响因素研究

结合青岛市自身特点,建立青岛市住宅微观影响因素特征价格模型,利用逐步回归方法,逐步筛选出对青岛市住宅价格具有显著性影响的微观因素。研究结果认为,微观影响因素有楼盘建筑面积、容积率、绿化率、是否是海景房、是否有地铁线、所处的商圈等。微观影响因素对青岛市住宅价格影响显著,青岛市住宅价格总体平稳上升,不同区位住宅价格因海洋因素、所处商业圈的不同而有较大差别。在市南区、崂山区,高档房居多,房价较高,但波动趋于平稳,在城阳区、市北区、黄岛开发区,置信产业、中低档房居多,房价比较平稳。建议青岛市在金融监管、土地供给、廉租房建设等方面采取措施,根据居民消费水平和需求,合理确定住宅价格。     

基于灰色理论的城市商品住宅价格波动分析——以长沙市为例

以灰色系统理论为主要研究方法,对1999—2010年长沙市商品住宅价格波动情况进行分析。通过对长沙市商品住宅价格进行灰色关联分析,确定影响长沙市近年来商品住宅价格变动的主要因素,并将影响因素按程度的大小进行了排序,从而得到相应结论。     

我国住宅价格与投机研究

从20世纪90年代初的房地产(住宅)投机热潮到最近几年炒作的顶峰阶段,我国理论界始终把房地产价格作为房地产市场研究的重点,而与我们生活密切相关的住宅市场更是房地产市场研究的重中之重.本文首先分析了2010年至今中国住宅市场与投机现状,并得出结论,住宅市场仍然有泡沫,投机行为依然存在,其次找出了住宅市场产生投机的原因,最后提出了相关政策建议.     

我国住宅销量和价格的主要影响因素——住宅市场宏观调控政策效果分析

结合10年来国家住宅市场宏观调控政策,采用单位根检验、联立方程模型和三阶段最小二乘法(3SLS),对我国2001年1季度至2010年4季度的宏观经济、住宅市场、土地市场数据进行了分析。结果发现,住宅销量的主要影响因素依次是住宅价格、广义货币供应量、土地供应量、城镇居民人均可支配收入、住宅竣工面积;住宅价格的主要影响因素依次是GDP、住宅土地价格、二手房价格;CPI不是推高房价的主要因素;行政手段和财政政策对住宅价格的调控是有效的,但效果不强(弹性-0.011),而货币政策对住宅销量的调控效果很强(弹性2.965)。建议住宅市场调控政策以货币政策为主,目标定位为区域住宅价格和销量增长率与区域GDP增长率相适应。     

基于主成分分析的商品住宅价格预测研究——以西安市为例

近几年来,随着我国社会经济的不断发展以及城市化速度的加快,国内各大城市的商品住宅价格不断攀升,即便是在政府不断加强宏观调控力度的情况下,商品住宅的价格仍然呈走高趋势。针对这种现象,对房地产市场商品住宅价格的研究就显得十分必要。文章首先对西安市住宅房地产市场价格进行了分析;然后,在此基础上运用描述性统计分析方法有针对性的分析了影响西安市住宅价格的各个因素,并引入主成分分析方法进一步对影响西安市住宅价格的因素进行了实证研究,并得出结论。其次,基于主成分分析的结果,并结合计量经济学回归预测理论建立住宅价格预测模型,并得出西安市未来几年的住宅销售均价。最后,在预测结果的基础上并结合西安市住宅房地产市场的具体情况,对政府提出了使住宅市场健康稳定发展的政策建议。     

基于主成分分析的住宅特征价格模型的实证应用

在房地产行业中,由于特征价格法的定量分析能力较好,国际上应用较广。目前国内主要应用线性特征价格函数对住宅市场进行实证研究,其自变量之间存在一定相关性问题。基于线性Box-Cox特征模型变换的有效性和优越性,文中用主成分分析法对Box-Cox变换特征价格函数中的系数进行标准化处理,排除变量间的线性关系对特征价格模型所产生的误差。通过对西安市住宅市场实证研究,建立基于主成分分析的特征价格模型,用实际数据证明该方法的可行性。     

土地成本对住宅商品房价格的影响——以宁波市鄞州区为例

近几年,国内各家房地产企业纷纷出手竞购土地,楼面地价屡创新高。与此同时,国内房价大幅上涨,节节攀升。而土地成本却难以确认、计量和公开。通过对浙江省宁波市鄞州区近年来的研究,可以得出一个结论：以土地价格为主的成本上升是导致商品房价格不断走高的一个重要原因。