住宅价格的特征价格模型研究
基于Hedonic理论的住宅特征价格模型
基于Hedonic理论的住宅特征价格模型作者：刘璧婷李星野来源：《金融经济·学术版》2013年第06期摘要：本文将Hedonic理论应用于上海市住宅市场，从住宅具有的特征属性的隐含价格出发，取得住宅特征和住宅价格之间的数量关系，避免了评估人员因主观原因引起的评估偏差。
文中采用线性模型、对数模型、半对数模型等函数形式分别进行分析，分析得出半对数模型的解释能力最强。
通过运用半对数模型建立适用于上海市住宅市场的Hedonic模型，并分析影响住宅价格的因素及半弹性系数，同时进一步优化该Hedonic模型，以提高其精度及适用性。
关键词：Hedonic模型；住宅特征；量化分析；半对数模型1.引言城市的住宅价格不但与人民的生活水平息息相关，而且也是衡量一个城市或地区综合竞争力的重要指标。
近年来，我国房地产业飞速发展的同时，由于发展的不平衡，个别城市及地区房价增长尤为迅速，如北京、上海等地。
引起了人们对住宅价格问题的广泛关注，因此，对于城市住宅价格问题的讨论，比如哪些因素影响住房价格的高低，目前住宅价格的制定是否合理，房地产泡沫是否存在等问题，一直是政府、民众、开发商及购房者关注的焦点问题。
房地产商品是异质性的商品，具有地理位置的不可移动性，长期使用性，受环境影响等特点。
两套住宅在特征上均不可能会完全相同，如位置，朝向，层次，所在区域的交通环境等，造成不同的住宅商品之间无法加以比较，缺乏统一的价格标准。
国内关于城市住宅价格方面的研究很多，但大多是从城市居民收入水平与物价水平，房地产的成本构成，房地产市场的供求关系，房地产政策等方面进行定性的研究。
而国外普遍采用特征价格模型（Hedonic Price Model）对城市的住宅价格进行定量分析研究。
该模型充分包括了不同住宅特征的边际价格或者说隐含价格，能够比较好的解释住宅商品的异质性及消费者偏好等。
国内学者对于特征价格模型的研究是近十年才发展起来，而对住宅特征及价格之间进行数量关系的实证研究并不多。
关于二手房房价预测的分析研究
关于二手房房价预测的分析研究摘要随着社会经济的迅猛发展，房地产开发建设的速度越来越快，二手房市场迅猛发展，对二手房房产价格评估的需求也随之增大。
因此，对二手房房价预测进行研究是必要的。
本文一方面就影响二手房房价的因素进行了深入研究，另一方面也对中国二手房市场房价预测的方法进行了研究和综合，近而得出更为合理科学的二手房市场预测模型，对二手房购房者和投资者了解二手房的价格区间，进行购房、投资有一定的引导意义。
关键词二手房；特征价格模型；房价；预测1 研究背景自改革开放以来，我国房地产业迅速发展，带动国民经济实现了快速持续的增长，因此被视为我国的支柱产业[1]。
目前，我国的房产交易市场以新盘和二手房市场为主导。
同时，中国房地产市场正处于从新房主导向二手房主导的转换阶段，未来十年中，二手房交易将持续上升[2]。
巨大的利益充斥于房地产市场并呈现出愈加激烈的形式，因此科学地，深入地对二手房地產进行分析，研究显得极为重要。
过去，我国较多地借鉴美国的房产估价理论，而现实中却主要凭借以往的经验进行住宅价格的评估[3]。
这导致了直接服务于买卖双方的专业评估机构房地产评估机构在目前的普通二手房交易过程中基本处于缺失状态，给买卖双方带来风险和损失。
近年来相关学者开始将多种新技术与方法，如神经网络[4]、随机森林模型、灰色系统方法等引入房产的评估中，这些方法虽然对于传统方法进行了有效的改进，但对于应用到实际情况中还有助于进一步提高。
2 房价预测方法2.1 传统方法房地产物业的估价原理和方法尚处在发展与完善阶段，市场比较法、成本估价法、收益还原法这三种方法都是实际操作中经常被采用的方法[5]。
市场比较法从经济学上的替代原理或替代原则来理解和评估房价的[5]。
市场比较法一般适用于房地产市场较为发达、活跃和完善的地区，如果在一些房地产市场尚不够发达的地区，很难采用这种估价方法进行估价；成本估价法是经济学中的生产费用价值理论来理解和评估房价的。
上海市房地产价格波动特征分析——基于EARCH模型
上海 市 房 地 产 价 格 波 动 特 征 分 析
ｒ ‘ Ｌ
— —
ｈ
＝
ａ
基 于 Ｅ Ｒ Ｈ 型 Ａ Ｃ模
斗
、 ， ，
李 雷武
张 翔
上 海 大 学管 理 学 院
上海 ２ ０４ ０ ４４
摘要 ： 本文利 用１ ９ — Ｏ １ ８ ２ １ 年的 中房上海住房指数 的时间序列数据 ， ９ 建立Ｅ Ｒ Ｈ 型进行 实证分析 ， 究结果表明 中房 Ａ ｃ模 研 上海住房指 数具有显著 的Ｅ Ｉ Ｈ Ａ Ｃ 效应 ， ｇ 并且波动具有非对称性和杠杆效应 ， 好消息会 导致 比坏 消息更大波动性 。 关键 词 ： 价 波 动 ；Ａ￣Ｈ 型 ； 对 称 性 ； 杆 效 应 房 ＥＰ 模 Ｃ 非 杠
策划思路和 创： ［１ １吴寿仁 ， 李 湛 ， 王 荣 ． 世 界 企业孵 化 器发展 的 沿革 、 现 状 与趋 势研 究［］ Ｊ．外 国经 济 与管理 ，２ ０ （ ２ ． ０ ２１ ） ２Ｐ ｓａ ａ ｋ ． Ｂ ｓ ｏ ｋ Ｐａｔ ｅ ’ ｎ ｓ ｅｓ ｃｂｔ ｎ ｃ Ｂ ｎ Ｉ ｏ 失败 ” 的优 秀文化 ， 使学 生在 实践 中大 胆创 新 ， 在 团队合 作 【］ ｕｔｍ Ｌ ｌａ ａ ‘ｅｔ ｒｃｉ ｓ ｉ ｕｉ ｓ ｎｕａｉ ： 并 Ｌ ｏ ｓ （ ｅ ｔ ｂ） Ｌ ａｎｄ Ｅ ｐａ Ｕ ｉｎ — Ｂ ｌｉｎ ｅｓ ｎ ｙ ｔ ｏ ｅ ｓ ｅ ｅ ． ｕｏ ｅ ｎ ｎｏ ｒ ｒ ｅｇａ 中， 达到个体发展力和群体创造力 的良性整合 。 Ｐｒ ｓ ｄ ｎ ｙ Ｉ ｔ ｒ ａ ｉ ｎ ｌ Ｃｏ ｆ ｒ ｎ ｅ ｎ Ｂｕ ｉ ｅ ｓ ｅ ｉ ｅ ｃ ｎ ｅ ｎ ｔ ｏ ａ ｎ ｅ ｅ ｃ ｏ ｓｎ ｓ Ｃｅ ｔ ｒ Ａｃ ｏ ｓ ｎ ｅ ｓ． ｔ ｒ （ ） 二 发挥政 府 的引导 作用 ， 做好 外部 的催 化 ｏ ｏ ｍｉ ｏ ａ 政府 要充分 做 到 “ 弛有度 ” ， 张 在适 当参 与孵化 器运作 的 ｆ ｒ Ｅｃ ｎｏ ｃ ＆ Ｓ ｃｉ Ｎｏ ｅ ｅ ２００１． ｖ ｍｂ ｒ 同时 ， 给予其一 定的独立发展 空间 ， 并通 过与外部企业 的有 机结 【 Ｊａ ｇ Ｓ ｋ ｅ ｎ Ｊｒ ｍ ｓ Ｏ ｔ ｒ ｏ ｎ ． Ａ ｏ ｐ ｒ ｏ ｆ ３ Ｓ ｎ ｕ Ｌ ｅ ｄ ｅｏ ｅ ． ｓｅｙ ｕｇ ａ Ｃ ｍ ａｉ ｎ ｓ ｏ 合， 建立有效 的创新 网络 ， 从而不断 强化 孵化器 自身 的市 场性及 Ｃｒｔ ｃ ｌ Ｓｕ ｃ ｓ Ｆａ ｔ ｒ ｆ ｒ Ｅｆ ｅ ｔ ｖ Ｏｐ ｒ ｔ ｏ ｓ ｏ Ｕｎｖｅ ｓ ｔ ｉ ｉａ ｃｅｓ ｃ ｏ ｓ ｏ ｆ ｃ ｉｅ ｅ ａ ｉｎ ｆ ｉ ｒｉｙ 创新性 。此外 ， 政府应不 断强化其外部支持 与间接引导作用 ， 在 Ｂ ｓ ｅｓ ｎｕａｏｓ ｎ ｈ ｎ ｅ Ｓａｅ ｎ ｏｅ［］ Ｊｕｎｌ ｕｉ ｓ ｃｂｔｒ ｔｅ ｉ ｄ ｔｔｓ ｄ ｒａＪ． ｏｒａ ｎ Ｉ ｉ Ｕ ｔ ａ Ｋ 加强孵 化器硬件条件 建设 ， 化企 业的 同时， 孵 制定相 关的优惠政 ｏ ｍ ｌ Ｂ ｓ ｅｓＭ ｎ ｇｍ ｎ ０ ４ ４ （）４ ４ ６ ｆ Ｓ ａ ｕｉ ｓ ａａ ｅ ｅｔ ２ ０ ２４ ： ｌ ｎ １ ８ ２． 策， 为新创企业 的成 长壮大提供便 利条件 。 【】 斌 ， 孙 莉 ， 侯 天 伟 ． 国 内 外 大 学科 技 园 发 展 模 式 比 较 ４曹 （ ） 三 发挥 孵 化器 的载体 作用 ， 营造 良好 的 孵化环 境 研 究【】 Ｊ ．科 技 管 理 研 究 ， ２ ０ （） ． ０ ３５ １ 、在 孵化器 内部实 现孵 化对象之 间的交叉 催化 。处于孵 【］ 寿 仁 ， 李 湛 ， 王 荣 ． 中 、 美 、 法 、 韩 四 国 企 业 孵 化 器 ５吴 化器 内部的孵化 对象 依托外部 的孵化 条件实 现 自我 催化 ， 同时 的 比 较 研 究 ［】上 海 经 济 研 究 ， ０ ５２ ． Ｊ． ２ ０ （） 它们之 间又通 过协同合作 ， 发生 了交叉 催化的作用 ， 加速 了孵化 ［】 俊 杰 ． 海 企 业 孵 化 器 发 展 现 状 的 实 例 研 究［】 上 海 经 ６唐 上 Ｊ． 系统 内部 的物质 、能量 和信息 的交换 ，７从 而实现智 力资产 和 济 研 究 ， ２ ０ （ ２ ． ［】 ０ ６１） 信 息资产 的共 享和互补 。这种 竞争与合作 的关系大大促进 了创 【 】 黎 明 ， 朱 禾申 ， 付春 满 ． ７赵 科技 企业孵 化 器 发展 探 讨 ［］ Ｊ． 业团 队以及 内部成员 的快速 成长 ， 高了其适 应环境 变革 的能 天 津大 学学报（ 提 社会科 学版） ０ ９ Ｉ ． ，２ ０ （） 力， 并在竞争 与合作 中感悟必备的创业技能 。 ［】 灵 机 ， 黄 亲 国 ， 周 建 设 ， 余 鑫 ． 高 校 创 业 孵 化 器 与 创 ８肖 ２ 、高素质 的管理 团队。 除了提供 一般 性管理咨询服务 以 业 精神 教 育研 究［】 南 昌航 空工 业 学 院 学报 （ 会 科 学版） Ｊ． 社 ， 外 ， 国创 业孵化器 应当不断 的扩 大专家库 ， 我 提高管理 队伍 的素 ２ ０ （ ） ０ ５４ ． 质， 一方面满足孵化对象 的专业需求 ， 另一方面 ， 使创业者在专家 （ 企业 家、咨询师、创业投资家等 ） 的评定指导下学 习锻炼 ， 启发 作 者 简 介 ： 思路 ， 不断提 高 自身的管理 咨询 ， 分析 决策 以及融投 资等创业能 杜 蕾（ ９ ６ ）女 ， 南焦作 ， 族 ， 海 大 学管理 学 院 企业 管 １ ８一 ， 河 汉 上 力。专家可 以通过有针对性的提炼一些成功的案例 ， 剖析成果的 理 专 ＿ ２ １ 级在 读硕 士 ， 究方 向 ： 力资 源 管理 。 ， Ｏ Ｅ Ｏ 研 人
空间可达性、住宅特征与房产价格之间的关系检验
空间可达性、住宅特征与房产价格之间的关系检验
王佳煜;贾梦圆;陈天
【期刊名称】《东南大学学报:英文版》
【年(卷),期】2022(38)3
【摘要】为明确空间可达性、房产特征与房产之间的关系,提出了基于空间可达性的新特征模型,使传统的平面特征模型从二维尺度转向三维尺度.通过空间句法与QGIS平台构建了三维特征模型,对天津市市中心174个居住区的分析结果验证了三维空面特征对房产价格的影响关系.结果表明,市级尺度的空间可达性与房价呈正相关,但公共交通带来的噪音与空间污染可能会产生负外部性.在行政区划尺度,房产价格受到城市功能、历史背景与街道布局的影响较为显著,如卧室数量与房价之间呈现的负相关关系分别体现出和平区房产市场的高投资价值与红桥区、河东区对中小型住宅的高需求.研究结果可为改善住宅设计、社区规划以及城市发展战略提供决策依据,促进社会、经济与空间的平衡发展.
【总页数】6页(P309-314)
【作者】王佳煜;贾梦圆;陈天
【作者单位】天津大学建筑学院;北京建筑大学建筑与城市规划学院
【正文语种】中文
【中图分类】TU984
【相关文献】
1.基于GIS和特征价格的住宅房产价格评估
2.上海市住宅两级市场之间价格关系的检验分析
3.到CBD距离、交通可达性与上海住宅价格的地理空间差异
4.城市轨道交通可达性提高和住宅价格增值关系
5.基于房产网站数据的商品住宅价格空间分布研究--以成都市为例
因版权原因，仅展示原文概要，查看原文内容请购买。
住宅价格的特征价格模型研究——以北京市为例
ｌ ０。这 些特征 应该是房屋固有的 内在的客观特征 ９ ） ７ （ ｕｅ，１ ２ Ｂｔｒ ９ ） ｌ ８ ，而非主 观评 价 （ 如调查问卷 得出的消 特 征 价 格 模 型 的 英 文 表 达 是 Ｈ ｄ ｎ ｒｅ ｅ ｏ ｉ ｐｉ ｓ ｃ ｃ ｍ ｄ ｌ ｅ ｏ ｉ的英 文本意 为 “ ｏｅ 。Ｈ ｄ ｎ ｃ 享乐 的 ” ，这 里取 其“ 能够给人带来效用 ”之意 ，因此 Ｈ ｄ ｎ ｒｅ ｅ ｏ ｉ ｐｉ ｓ ｃ ｃ ｍｏ ｅ 可 以理 解为 “ 够给人带 来效 用的 东西的 价 ｄｌ 能
在 （ ）式中 ，Ｙ是因变量 ，ｘ ２ 代表住 宅价格 ； 是 经过 Ｂ ｘ ＣＸ转 换后 的 自变 量 （ 通变 量 ） ； ｏ —Ｏ 普 ；Ｚ
５ ８城 乡经 济
中国市场 第４期 总 第６３ ２ ５期
以北京市为例 水
李晓鹏 Ｅｉ ｂ ｔ． Ｓｌ 傅帅雄 ｌａ ｅｅＡ． ｉａ ｓ ｖ
摘要 ： 文利 用特征价格模型对外部环境对北京市普通住宅的价格特征进 行定量研究 ，构 本 建了住宅估值的对数线性模型。结果表明 ，根据市场特点合理构建指标体系，可以使价格 特征模 型很好 的解释北京 市普 通住 宅市场 的内在价格特征 。１％的显著性 检验结果与指标 ０ 参数表明，在其它条件相同的情况下，位于重点小学学区的住宅比非学区房总价高约 ２％， ５ 位于北部 的住宅比南部高约 ３％。而地铁对周边住宅价格 的影响则和住宅距离市 中心的距 ４ 离有关， 在距离市中心 ８ 公里的半径范围内， 距离地铁站点的距离对住宅价格并无显著影响 ， 而在 ８ 公里以外，则影响较为显著。 关键词： 特征价格模型 ； 北京； 住宅价格； 学区房 ； 地铁站点
基于特征价格模型的住宅需求价格弹性分析——深圳住宅市场实证研究
成 部分 ， 而第二 部分 是 满 足居 住 必需 之 后 的额外 部
分 即“ 资” 投 组成 部分 。 外部 因素会 对 ｈ ｄ ｎｃ 衡 价格 产 生影 响 。例 ｅｏ ｉ 均 如， 如果 开征 物 业税 （ 房 产税 ） 预 期 将 对 住 宅 价 或 ，
Ｐｌｏ ａ ｎ和 Ｓ ｉ （ ９ ８ 通过采 用税 收 资本 化方 法来 ｍ ｍｔ １９ ） ｈ 估计 ｈ ｄｎｃ模型 中房地 产 税 对住 宅 价 格 的影 响程 ｅｏｉ 度 。Ｌ ｕ ｇ Ｌ ｏ ｇ和 Ｗｏ ｇ ２ ０ ） ｅｎ ， ｅｎ ｎ （ ０ ６ 尝试 采用 香港高层 住宅 交易样 本进 行 了实证 研究 。 本文 采用 深 圳 福 田 和龙 岗两 区 的住 宅交 易样 本来 估计 住 宅 购 买 者 效 用 函数 中 的 各 重 要 特 征 度 量 。该 样本 数据 时间跨度 为 ２ ０ ０ ４年 ８月至 ２ ０ ０ ６年
１月 。每 条 交 易 记 录 均 包 含 交 易 时 间 ， 以 通 过 实 可
衡 价格 随着 住 宅 的重 要 特 征 变 量 一 一 面 积 变 化 的
趋 势 。考 虑一个 １０ 的住 宅样 本 ， 设 实证 研 究 ０ｍ 假 发 现前 ６ ｍ ０ 的均衡 价格 曲线显 示 每单 位 面 积增 加
证分 析来 跟 踪 和 比较 样 本期 间深 圳 经 济 特 区 内外
房 价的逐 月变动 情况 。 第 １ 部分 将 简要讨论 深圳住 房 的发展情 况 。第 ２部 分讨论 ｈ ｄ ｎｃ ｅ ｏ ｉ 均衡 理论 以及住宅 需求 中的 “ 住 所 ” 投资 ” 和“ 两个组 成部 分 。第 ３ 分讨论 ｈ ｄｎｃ 部 ｅ ｏｉ 回归模 型 。第 ４部 分讨论 样本数 据 和实证 结果 。第
基于回归的房价预测模型研究
基于回归的房价预测模型研究作者：王景行来源：《全国流通经济》2020年第19期摘要：本文关注房价的影响因素，从79个影响特征中选择重要的特征，并且使用特征处理方案来得到更优特征，用以训练多个回归模型，包括Lasso回归模型，以及XGBoost回归模型，最终使用Stacking模型融合方案来预测房价。
在测试数据集中的表现模型融合优于单模型结果，所以最终使用模型融合方案来对房价做预测。
通过此次房价预测，旨在发现房屋价格的影响因素以及得到房屋预测模型用以将来迁移学习其他地域的房屋价格预测。
关键词：模型融合;线性回归;房价预测;建模分析中图分类号：F299.23;文献识别码：A;文章编号：2096-3157（2020）19-0120-03一、研究背景随着大数据时代的到来，具备大数据思想至关重要，人工智能技术在各行各业的应用已是随处可见。
在生产制造业，人工智能技术可以极大地提高生产效率，节省劳动成本，提升产品质量;在服务业，可以优化行业现有产品和服务，提升其质量和劳动生产率;金融、医疗等领域，也因人工智能技术的加入而愈发繁荣，人们的生活也因为其更加便利。
房屋作为每个公民的必需品，在生活中的地位非常重要，买房已成为人们谈论较多的话题，如何在合适的时间买房卖房也成为了人们关注焦点，因此在这样的背景下，产生了本次的房价预测相关问题。
目前在房价预测领域主要体现在两个问题上：一是选择合适的数学模型来预测房价走向，用以评估房价的变化;二是寻找引起房价变化的原因，国家可借此来帮助市场协调房价变化，公民可以根据时事来判断入手时机。
本文主要分析第一个问题，即选择合适的数学模型来帮助预测房价。
本文将从波士顿的房价数据为着手点，以该市的房屋的相关属性来作为特征，筛选重要信息，并且将一些信息做适当处理，最终用以预测该市的其他房屋价格。
二、研究方法1.线性回归算法简介（1）算法思想在统计学中，线性回归[2]（Linear Regression）是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析[3][4]。
基于GIS的普通住宅价格空间分布及影响因素分析
基于GIS的普通住宅价格空间分布及影响因素分析近年来，随着城市化进程的加速和经济水平的不断提高，普通住宅市场成为了人们关注的焦点之一。
随之而来的问题是，普通住宅的价格空间分布如何？又有哪些主要的影响因素呢？为了更好地了解这些问题，本文将基于地理信息系统（GIS）技术，对普通住宅价格空间分布及其影响因素进行分析。
一、普通住宅价格空间分布通过GIS技术，我们可以对城市的普通住宅价格进行空间分布的分析，从而得出不同区域的价格特征。
在分析过程中，我们可以综合考虑多种因素，例如地理位置、交通便利程度、教育资源、商业配套等，从而得出较为客观的分析结论。
在许多城市中，普通住宅的价格分布呈现明显的特征。
一般来说，城市中心区域的普通住宅价格较高，这主要受到其便利的交通和丰富的商业、教育资源的影响。
而远离城市中心的郊区地区，其普通住宅价格则相对较低。
不同城市之间也存在明显的差异，例如一线城市的价格普遍较高，而三四线城市的价格则相对较低。
1. 地理位置地理位置是影响普通住宅价格的重要因素。
一般来说，距离城市中心越近的地方，其普通住宅价格往往越高。
这是因为城市中心区域拥有更多的商业、教育资源以及便利的交通，吸引了大量人口聚集，从而推高了住宅价格。
地理环境优越的地方，如靠近河流、湖泊、山脉等，也往往会带来更高的住宅价格。
2. 交通便利程度交通便利程度是影响普通住宅价格的重要因素之一。
在城市中，交通便利的地方通常具有更高的活力和更广阔的发展空间，因此其住宅价格也相应较高。
地铁沿线的住宅价格往往明显高于非地铁沿线的住宅。
3. 教育资源教育资源是影响普通住宅价格的重要因素之一。
热门的学区房价格往往高于一般的房价，因为家长们都希望子女接受更好的教育资源。
在一些城市中，优质的教育资源会直接推高周边住宅的价格。
4. 商业配套商业配套是影响普通住宅价格的重要因素之一。
在商业繁华的地方，周边的普通住宅价格往往也会相应较高。
这是因为人们在购物、娱乐、就餐等方面更加便利，因此愿意为此支付更高的居住成本。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
住宅价格的特征价格模型研究
作者：潘祥
来源：《居业》2015年第04期
[摘要]笔者在文中对特征价格模型的特点对普通住宅价格进行了阐述，依据市场特点来阐述该模型中的住宅价格特征，供同行参考。
[关键词]住宅价格;特征价格模型;学区房
文章编号：2095-4085（2015）02-0091-02
1 住宅特征价格模型的基本概念
特征价格模型一般可以理解成：可以为人们带来有效参考的价格模型。
其核心主体是实际产品中能满足人们需求的各种特征价格总和。
我们所阐述的住宅价格模型特征是房屋内在的各种客观特征，因此排除了人为的主观评价。
其主要特征有如下几类：住宅的区位特征、周围环境特征与住宅本身特征三类。
我国住宅价格特征研究是近几年开展起来的，但是相对数据较为匮乏。
随着数据的逐渐完整，人们日益关注房地产价格，更多的专家开始研究该模式对下的住宅价格。
特征价格模型中涉及的主要指标有：住宅的区位特点、层数、绿化、车位、物业费用、装修水平、物业、通讯以及供水等方面。
这些因素中，区位与物业级装修是影响价格的重要指标。
该式中，因变量是Y，而X;则代表着住宅价格;经过Box-cox进行转换后的普通自变
量;Z，则是未通过Box-cox转换的自变量;E属于误差项;β，α，p和A是模型需要估计的参数。
假设p与A为1，则2式属于多元线性模型;当其为0而为1时，则属半对数模型;如果都为0时，模型则属对数线性。
上述三种模型是以往常用的研究住宅价格的模型。
2 模型的样本和数据
2.1 住宅资深价格的重要指标
主要有：面积、卧室数、客厅数、厕所数、住宅所属楼盘是否为高层/小高层/低层，所处楼层上部/中部/下部，住宅的建筑年龄，朝向及是否南北通透等方面。
此外，住宅建筑是低层、小高层或者高层也影响到住宅价格水平。
2.2 影响价格的住宅区位特征（因变量）
相关指标包括：DT代表与天安门之间的距离——以北京为例，通常该距离为直线距离。
与城市CBD的距离表示为DC。
距离地铁站的直线距离DS。
以此确定该区域是否位于城市的核心区域。
一般国际上将距离CBD的距离作为反效应住宅价格的重要指标。
其确定依据是往返CBD 与住宅之间的通勤成本。
2.3 住宅环境指标
环境指标中的重要因素包括：治安、空气质量、教育及噪音等。
本文主要针对教育与环境进行阐述。
国内大中城市通常将学区房作为一个重要环境因素，但是这种影响因素缺乏较具体的量化指标。
一般会考虑城市重点小学是否与住宅之间的关系来衡量教育因素对其价格影响程度。
此外其他的环境因素一般选择湖泊与公园对住宅的影响，城市中的主要风景点，如：杭州西湖、北大未名湖等都会直接影响到住宅价格。
3 特征价格模型研究
3.1 模型的主要计算方式
第一，各种自变量的共线性回归分析。
由于DT与DC之间有多重共线性，分别把DT和DC移除，然后进行回归，然后使用逐步排除的办法进行半对数线性回归、线性回归以及对数线回归到模型当中。
依照该方法对住宅的面积与卧室数量及客厅数量确定共线性并进行排除。
第二，对各种因变量进行转换，当数值接近0的时候对因变量进行对数转换。
3.2 价格特征模型的解释
通过对模型调整可以解释住宅总价变量的88.4%左右。
计算表明接近市中心或者靠近湖泊的住宅相对价格更高些，而年代较长的价格价格则偏低。
同时，住宅面积、客厅卧室数量以及是否是学区、是否通透、房屋层数等都会直接影响到住宅价格。
以下就主要变量进行分析：
3.2.1 面积（S）变量
当变量系数达到0.931时，住宅面积如增加1%，其总价会增加0.931%左右。
这就证明，随着住宅面积的增加，购房者的购买力对当前价格水准影响偏弱。
3.2.2 是否位于学区范围内（E）的变量
当变量系数达到0.221，学区住宅价格会远高于其他区域住宅价格，通常超出其他区域24.7%左右。
3.2.3 是否位于经济发达区域（NC）的变量
通过计算，如果住宅所在区域经济较好会与之较差的高出34.4%左右。
这种数字差异反映出该因素对住宅价格的直接影响。
3.2.4 距离最近的河流或湖泊的距离（DR）的变量
实际证明，住宅距离湖泊等距离的增加会直接影响房屋总价，通常，每增加1%总价会降低0.018%左右。
因此，一般普通住宅价格对周围生活环境敏感度不高。
3.2.5 变量NS，房屋是否南北通透
转换数据证明，同等条件下，如果南北通透，其价格会高出非通透住宅的4.1%左右。
4 城市轨道交通对沿线住宅的影响
4.1 轨道交通影响住宅价格的理论基础
4.1.1 区位因素
该理论因素是城市核心经济理论之一，住宅价格与交通成本之间有关系密切，因此，轨道交通因素就成为特征模型中的重要构成。
轨道交通是否便捷也直接反映出住宅区域位置的区位优势是否明显。
因此，该因素直接影响着土地价格与住宅价格。
4.1.2 地租地价因素
由于土地的更急不同，直接造成了地租的级差。
轨道交通可在某种程度上提升城市的价值，因此属于租Ⅱ。
4.1.3 城市土地的增值因素
由于城市政府部门不断加大公共设施的投入，造成土地收益率的逐渐增加。
因此，轨道交通大大提升了土地的利用价值。
4.1.4 房地产价值因素
住宅价格究其本质反映的是房地产的价值，进而以买卖的成交价和租金的形式体现出来。
所以，我们研究住宅价值变化依据的是价格的增幅。
4.2 城市轨道交通影响住宅价格的主要研究方法
城市轨道交通附近区域住宅价值影响分析主要有：交通成本模型、特征价格模型以及地价函数法。
研究表明，轨道交通直接产生住宅生产溢价，并且随着与主城区距离的由近及远直接造成价格的上浮。
因此，相对偏远的区域对轨道交通的依赖性更强。
主城区由于交通方式较多，依赖程度反而会有所弱化。
随着与轨道交通站点距离的增加和出行时间的增加，其影响程度也会逐渐弱化。
5 结语
综上所述，我国住宅价格的特征价格模型影响因素众多，住宅所在区域、学区房、城市轨道交通等成为影响价格的主要指标。
由于该项研究在我国刚刚起步，需要我们逐渐深入的研究才能更好的以数字化指标反映出最终的住宅价格。
参考文献：
[1]王德，黄万枢.外部环境对住宅价格影响的Hedonic法研究[J].住区规划研究，2007，31（9）.
[2]龚江辉，北京市住宅价格决定因素分析与政策思考[J]. 北京社会科学，2009（1）.
[3]张晓光，张红，基于Hedonic模型的北京住房市场交易信息成本[J].清华大学学报（自然科学版，2009，49（3）.。