南京市住宅特征价格的分析——应用Hedonic模型

Hedonic价格模型是一种分析产品特征价格的计量经济学方法,在实际应用中可以用来分析住宅各种特征对价格的贡献程度,并通过构建Hedonic价格模型来研究住宅的特征与住宅价格的关系。应用Hedonic模型分析南京市住宅特征价格是在选取南京市3800个住宅样本的基础上,运用SPSS软件进行模型估计并对Hedonic价格模型的几种形式进行试算,选择最优模型形式,然后建立南京市住宅特征价格模型并用所选择的模型对南京市住宅价格进行回归分析,得到住宅特征的隐含价格,从而分析住宅特征对其价格的影响,在此基础上分析运用过程中应注意的问题并提出一些建议。     

基于商品自然属性价格模型的住宅价格分析

如何准确对住宅定价,已经成为社会关注的热点.从商品的自然属性着手,基于效用理论,消费者偏好理论与市场供需均衡理论,提出住宅属性价格概念模型,并构建了住宅属性价格计算模型.通过收集天津市中心城区453套住宅的交易资料,选择16个住宅属性,构建了属性价格计算模型,采用SPSS13.0软件对数据进行处理.对模型的统计学检验与经济分析表明,该计算模型高度有效,可以解释天津市住宅价格与自然属性的关系,可以揭示当地购房者的消费偏好,也可以为居民购房提供决策依据.同时,该模型也可以作为住宅的定价参考.     

城市住宅自然属性价格模型实验分析

基于效用论理论、消费者偏好理论与市场供需均衡理论,提出城市住宅自然属性价格概念模型,并构建了城市住宅自然属性价格计算模型.针对城市住宅自然属性价格模型构建中的函数选择问题,通过收集天津市2806套住宅的交易资料,选择16个城市住宅自然属性,采用SPSS13.0软件对3种模型函数进行处理并进行了实验对比分析.理论与实验结果分析均表明,复合模型高度有效,能更好解释天津市住宅价格与自然属性的关系.该模型也可以作为城市住宅的定价参考.     

主成分分析法在住宅特征价格模型中的应用

线性函数以计算简便、结果精确而广泛应用于特征价格模型中.但考虑线性函数中自变量数目较多并且存在一定相关性的问题,本文提出应用主成分分析法,对特征价格函数中的系数进行标准化处理,排除了变量间的线性关系对特征价格模型所产生的误差.同时,对西安市住宅市场进行实证研究,建立基于主成分分析的特征价格模型,并与线性函数的参数估计结果进行比较,以实际数据证实主成分分析法的可行性和有效性.     

西安市城市轨道交通对沿线住宅价格的影响研究

城市轨道交通的建设促进了沿线房地产的增值.根据特征价格理论,选用半对数模型,以各楼盘的销售均价作为因变量,以楼盘与最近地铁站的距离、与城市CBD的距离、建筑面积等8个因素作为自变量,建立了特征价格模型,并推导出地铁对住宅价值增值的计算公式.选取西安市地铁2号线沿线的50个住宅楼盘作为样本,进行实证研究和定量分析.计算结果表明,西安市地铁2号线的建设会给沿线住宅带来明显的增值,且与实际基本相符,说明特征价格法可以较精确地定量计算城市轨道交通对沿线住宅的价值影响,从而为确定城市轨道交通外部效益回收、扩展其建设投融资渠道等提供了理论依据和数据支持.     

主成分分析法在住宅特征价格模型中的应用

线性函数以计算简便、结果精确而广泛应用于特征价格模型中。但考虑线性函数中自变量数目较多并且存在一定相关性的问题,本文提出应用主成分分析法,对特征价格函数中的系数进行标准化处理,排除了变量间的线性关系对特征价格模型所产生的误差。同时,对西安市住宅市场进行实证研究,建立基于主成分分析的特征价格模型,并与线性函数的参数估计结果进行比较,以实际数据证实主成分分析法的可行性和有效性。     

城市住宅自然属性价格模型实验分析

基于效用论理论、消费者偏好理论与市场供需均衡理论,提出城市住宅自然属性价格概念模型,并构建了城市住宅自然属性价格计算模型．针对城市住宅自然属性价格模型构建中的函数选择问题,通过收集天津市2806套住宅的交易资料,选择16个城市住宅自然属性,采用SPSS13．0软件对3种模型函数进行处理并进行了实验对比分析．理论与实验结果分析均表明,复合模型高度有效,能更好解释天津市住宅价格与自然属性的关系．该模型也可以作为城市住宅的定价参考．     

基于结构方程模型的住宅价格波动影响因素

运用供需理论来分析住宅价格波动机理,定性分析住宅价格波动影响因素并构建结构方程模型。通过实证分析和假设检验优化了该结构方程模型。利用二阶因子模型进一步研究和评价近年来国内住宅市场房价波动,得出了影响市场供需的主次因素。     

长三角地区重点城市的商品住宅价格波动扩散机理研究

基于住宅价格波动的"波纹效应"理论,构建空间计量经济模型并选取以上海、南京、杭州为代表的长三角地区10个重点城市2003—2012年住宅价格的面板数据,采用Moran’s I指数检验了样本城市间住宅价格的空间效应,支持了波纹效应的存在.并通过空间滞后模型进一步对样本城市间住宅价格扩散机理进行研究.结果表明,样本城市间住宅价格存在显著的空间相关性,且上海、南京、杭州对区域内其他城市住宅价格具有显著影响.     

城市住宅市场调控的离散型最大值原理模型

从城市住宅市场库存管理的角度,结合城市住宅市场供求平衡的动态特性,以调控城市住宅市场供求,保证市场供需失衡损失最小化为目的,利用经济控制论的库存理论,建立了城市住宅市场库存调控的离散型最大值原理模型.该模型可在分析期内各年市场需求量已知的情况下,以市场损失为最小地给出分析期内各年的住宅最优供给量和最优库存量.利用模型对全国城市住宅市场进行了实例分析.经验证,该模型对于合理规划城市住宅市场在分析期内各年的供给和库存,从而达到市场最优有重要的应用价值.     

BP神经网络在商品住宅定价中的应用——以杭州市为例

商品住宅的合理定价问题是开发商开盘前面临的重大课题。文章运用BP神经网络非线性的学习能力,通过商品住宅定价的流程设计,运用商品住宅特征价格理论,分析商品住宅价格的影响因素,并采用大量样本数据进行模拟训练与验证,模型结果显示交易样本输出值与实际值相对误差在10%以内,达到精度要求。文章探索将BP神经网络引入到商品住宅定价中,避免了传统定价方法主观性较强的弱点,同时还为批量定价或估价提供了一种新思路。     

房价增长时期商品房需求调控模型研究

需求是影响商品房价格的关键因素之一,有效的调控住房需求是宏观调控商品房价格,抑制房价上涨的重要手段和途径.分析了影响房价增长的需求影响因素及其结构关系,建立了影响房价增长的需求反馈模型,分时段构建了商品房需求与房价(期望)、可支配收入、储蓄和利率等因素的商品房需求调控模型,对模型进行了回归分析和检验.结果表明,2003年以前,可支配收入和储蓄是决定需求的关键,2003年以后,价格预期和利率对需求变动影响较以前变得更为重要.研究结果和近期我国实施的宏观调控政策与商品房需求关系相吻合.     

基于预期理论的商品住宅价格模型的应用研究

针对我国房地产市场的准理性预期特性,从供给和需求分析人手,建立了商品住宅价格的预期模型.采用Eviews软件对武汉市商品住宅市场进行了实证分析研究,验证了所建立模型的准确性,分析结果表明:适应性预期在消费者的价格预期中占据主导地位,消费者在很大程度上借助于先前的价格走势对未来进行预测,尤其是前期住房价格的涨跌幅度大小及持续时间长短对消费者的影响效果明显,市场理性程度不足,从而导致价格脱离实际,波动性增强;其次,预防通货膨胀和追逐资本利得的需求叠加,导致房地产市场中的投资性需求旺盛,对房价的推动作用高于土地价格水平、金融信贷供给量等.     

城市居民住房购租选择弹性的实证研究——以江苏南通为例

购买和租赁构成了我国城市商品住房市场的两大基本需求。当住房价格或家庭收入发生变化时,消费者对住房的购买或租赁选择做出变化的概率会产生变动,这对于分析家庭住房消费的倾向、把握市场需求规律具有十分重要的意义。以江苏南通市区居民为研究对象,通过调查统计进行实证分析,居民购租选择价格弹性、房价租金比弹性的绝对值都大于收入弹性绝对值,因此,政府应稳定住房价格并大力发展住房租赁市场。     

西安市经济适用住房价格分析

分析了经济适用住房的价格构成,以及西安市经济适用住房的现状和存在的问题,得出的结论是西安市经济适用住房价格过高,与普通商品房不能区分,中低收入者买不起;在分析的基础上提出降低经济适用住房价格的建议。     

城市居民租购住房偏好差异及其影响因素——以杭州市为例的实证研究

购买和租赁是居民实现住房消费的两种主要手段。目前杭州住房市场的显著特征是购房需求过旺而租赁需求相对不足,居民住房租购选择偏好于购房。在中国特殊的国情下,住房租购选择的影响因素比西方国家更为复杂。通过对杭州市居民住房租购偏好的分析,得到影响杭州居民租购偏好的主要因素为心理因素、权利因素和租赁市场的完善程度。     

基于在险值的杭州市房地产市场风险分析

把房地产业增加值作为市场风险的考察对象,选择GDP、建筑业增加值、房地产开发投资、居民消费价格指数作为市场风险的影响因子,构建房地产市场风险测量模型.通过收集1991－2003年杭州市房地产业发展数据,应用SPSS和Matlab软件进行回归分析和蒙特卡洛仿真,计算出在置信水平为90%、95%、99%时,杭州市房地产市场的在险值（VaR）分别为16.891、27.182、51.315亿元.实证研究发现,杭州市房地产市场潜在的波动性较强,市场风险的累积水平较高.VaR方法可以应用于中国房地产市场的风险管理,能够为政府控制市场风险提供有效的参考指标.     

基于改进狮群算法和BP神经网络模型的房价预测

将狮群算法(lion swarm optimization, LSO)与海鸥算法的迁徙机制和螺旋搜索机制结合,增强算法的局部搜索能力;同时增加监督机制,提高算法的全局搜索能力。与粒子群算法和狮群算法对比,在常用的测试函数上验证改进狮群算法的优越性。采用改进后的狮群算法优化BP神经网络模型,对房屋价格预测问题进行研究,通过房屋的户型、面积等相关指标有效地对青岛市的二手房价格进行预测。改进后的狮群算法对BP神经网络的权值和偏置进行优化,提高BP神经网络的收敛速度和训练精度。试验结果表明,提出的螺旋搜索狮群和BP结合算法(spiral search lion swarm optimization-BP, SLSO-BP)模型在房价预测问题上预测效果更好。