上海地區(qū)房屋的價(jià)格影響因素

吉宇恒+賈德錚

摘要：隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展，房?jī)r(jià)尤其是以一線城市為代表也隨之有了飛速的抬升，以上海為例，過(guò)去的二十年內(nèi)上海市的房?jī)r(jià)幾乎是以翻倍的速度增長(zhǎng)，時(shí)至今日也絲毫沒有停止增長(zhǎng)的態(tài)勢(shì)。而本文就將對(duì)上海地區(qū)房屋價(jià)格影響因素進(jìn)行分析。本文隨機(jī)抽取了40間房屋的樣本數(shù)據(jù)，從面積，地段，年限等十四個(gè)變量進(jìn)行分析，使用eviwes軟件對(duì)數(shù)據(jù)進(jìn)行整理得出多元線性回歸模型，并對(duì)其賦予經(jīng)濟(jì)意義。

關(guān)鍵詞：房屋價(jià)格橫截面數(shù)據(jù)多重線性回歸

Research on impact of Shanghai Districts housing price

Abstract： With the rapid development of China's economy，especially in the first-tier cities as the representative also has a rapid uplift.Taking Shanghai as example，in the past twenty years，the price of house have almost doubled，and still keeping increasing today.In this article， we randomly selected 40 samples.By analying 14 different variables like house area，location，floor life and so on，useing the eviwes softwore to organie the data and get the multivariate regression model.And give the model economic significance.

Key words：housing price； multiple linear regression； cross-sectional data

1.文獻(xiàn)綜述

在過(guò)去的近十年內(nèi)，隨著中國(guó)經(jīng)濟(jì)的飛速發(fā)展，中國(guó)一線城市的的房?jī)r(jià)也同樣處于飛速發(fā)展的態(tài)勢(shì)。而其中最具有代表性的城市無(wú)疑是上海了。在過(guò)去2005年到2015年間，上海的房?jī)r(jià)每年都在以震蕩式的速度增加，從2005年的平均每平米8164元，到2014年平均每平米26980元，十年間增長(zhǎng)了3倍多，造成這一現(xiàn)象的直接原因是上海住房資源處于嚴(yán)重的供不應(yīng)求狀態(tài)。國(guó)家頒布了建設(shè)用地紅線，在2020年之前上海建設(shè)用地不得超過(guò)3185平方公里，但是在2016年就已經(jīng)達(dá)到了3124平方公里，僅剩61平方公里。這意味著在未來(lái)的幾年內(nèi)上海幾乎不會(huì)再有新的土地供應(yīng)，只能依靠城市拆遷改造獲得新的土地資源，這無(wú)疑增加了原本就十分高昂的土地成本。所以房?jī)r(jià)還會(huì)繼續(xù)上漲。對(duì)于大多數(shù)人而言，新房的性價(jià)比顯然不高。就是在房?jī)r(jià)這飛速發(fā)展的近十幾年內(nèi)，盡管二手房起步較晚，但是發(fā)展卻非常的迅速。因此本次筆者的調(diào)查選取的數(shù)據(jù)都是采用的上海地區(qū)的二手房的數(shù)據(jù)。本文在此并未考慮影響二手房?jī)r(jià)格的宏觀因素，而是建立在特征模型的基礎(chǔ)之上，僅僅把房屋看成一種商品，考察房屋自身的屬性對(duì)于其價(jià)格的影響。對(duì)房屋的單價(jià)進(jìn)行多元線性回歸，并對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。除此之外我們將得出影響二手房?jī)r(jià)格的主要因素，讓消費(fèi)者的選擇更加具有目的性。鑒于我們分析的對(duì)象是二手房，在鏈家網(wǎng)掛牌的上海地區(qū)二手房有將近9萬(wàn)套，適合作為統(tǒng)計(jì)總體。

高文林[1]（2012）在《二手價(jià)格評(píng)估的影響因素及方法選擇》一文中將二手房的評(píng)估因素分為四類，區(qū)位因素，建筑因素，房屋征收因素以及經(jīng)濟(jì)環(huán)境因素。其中將區(qū)位因素以及建筑因素認(rèn)為是影響二手房房屋價(jià)格的最重要的因素。除此之外則是宏觀調(diào)控和大環(huán)境等因素對(duì)二手房?jī)r(jià)格產(chǎn)生波動(dòng)。

丁戰(zhàn)、孫國(guó)慶[2]（2007）在《剖析選購(gòu)二手房的影響因素》一文中，在不考慮宏觀經(jīng)濟(jì)因素的條件下，單獨(dú)分析二手房的特征。將影響因素分成了房屋自身，周邊環(huán)境以及中介三個(gè)方面。利用判斷矩陣對(duì)于所有得到的數(shù)據(jù)進(jìn)行排序，認(rèn)為方便的地段會(huì)便于年輕人日常工作和休閑出行。

朱壽佳、甄封。秦蕭、何伊伊[3]（2015在）《基于核密度估計(jì)的南京二手房活躍度特征及影響機(jī)制研究》一文中提及到，未來(lái)研究居住空間熱點(diǎn)主要集中在居住空間社會(huì)視角，住宅郊區(qū)與土地資源及居民住宅區(qū)位選擇的微觀機(jī)制方面，其中，居民選擇新房、二手房、租房的住房類型行為則較為復(fù)雜。因而，單從一種住房類型（如二手房）下手，能較為深入研究住房選擇行為。選取數(shù)據(jù)時(shí)，通過(guò)網(wǎng)絡(luò)數(shù)據(jù)研究二手房更能反映住房市場(chǎng)狀況。

2.變量的選擇

我們?cè)阪溂揖W(wǎng)上隨機(jī)選取了40組二手房的數(shù)據(jù)，而收集到的關(guān)于價(jià)格影響因素的變量大致分為以下幾種。

2.1第一類為房屋的地段

根據(jù)前文提到的參考文獻(xiàn)，人們選擇房屋的時(shí)候首要考慮的因素是房屋地段，一個(gè)優(yōu)良的地段往往能給房屋帶來(lái)很高的增值。而我們重點(diǎn)關(guān)注的與地段相關(guān)的因素主要分為以下幾個(gè)方面：（1）第一是房屋所處地到達(dá)市中心的距離。這里使用南京東路作為市中心，因?yàn)檫@個(gè)地段被認(rèn)為是上海地區(qū)最為繁榮的地段。房屋距離市中心越近人們出行會(huì)方便許多，出行時(shí)間也會(huì)相應(yīng)的縮短。（2）第二是房屋所處環(huán)線，在上海地區(qū)，環(huán)線將城市分為了幾個(gè)部分。內(nèi)環(huán)以內(nèi)屬于市中心城區(qū)，中環(huán)以內(nèi)屬于城市快速通道，外環(huán)的是屬于免費(fèi)通行的高速公路。同樣是可以確認(rèn)的是環(huán)線越內(nèi)出行越方便，出行花費(fèi)的時(shí)間越少。（3）作為一線大都市，上海市最為重要的交通工具非地鐵莫屬。有句話說(shuō)到好，‘上海地區(qū)地鐵停運(yùn)一個(gè)白天，整個(gè)上海完全陷入癱瘓狀態(tài)。在這樣的大環(huán)境下產(chǎn)生地鐵房這一特殊的房屋類型，同樣區(qū)段的房屋，與地鐵站距離越近的，出行會(huì)方便很多。

2.2房屋的自身因素

第一個(gè)大類中的因素主要是人們根據(jù)自身的出行需要對(duì)房屋的要求，這些因素是房屋所處地段所帶來(lái)的外界因素，并不屬于房屋本身的因素。而除此之外最重要的因素則是房屋本身所具備的屬性，即房屋的建筑性因素。我們搜集到的數(shù)據(jù)主要將房屋的建筑性因素分為以下幾類：（1）第一類因素是房屋的面積，衡量一間房屋自身的因素最為重要的便是房屋的面積。根據(jù)邊際效用遞減理論，當(dāng)人們對(duì)于房屋面積的需求沒那么緊迫時(shí)，更大的面積帶來(lái)的效用偏低，因此當(dāng)人們不需要那么大的面積時(shí)，往往會(huì)更偏向于選擇較小的房屋。（2）第二類因素是房屋的戶型，房屋的戶型主要是以房屋的客廳數(shù)目與臥室數(shù)目進(jìn)行衡量，該因素與房屋的面積有很大程度上的掛鉤。因此我們?cè)谡頂?shù)據(jù)時(shí)，都使用的是臥室的數(shù)目來(lái)衡量戶型這一變量。（3）第三類因素是房屋所在樓層的高度，這一屬性對(duì)房屋價(jià)格的影響毋庸置疑，房屋所處的樓層偏高，對(duì)于人們的日常出行會(huì)造成諸多的不便，且這種情況在沒有電梯的樓層將會(huì)更加的顯著。而除了日常出行之外，在人們?cè)庥鲆馔馐鹿驶蛘邽?zāi)難比如火災(zāi)或者地震時(shí)，較低樓層的住戶肯定比較高樓層的住戶更容易逃生，遭受的經(jīng)濟(jì)損失通常也更少。因此我們幾乎可以預(yù)見較低樓層的房屋價(jià)格會(huì)高于較高樓層的房屋價(jià)格。（4）第四類因素是房屋的朝向，在我們可以搜集到的數(shù)據(jù)中，房屋朝向一共分為東西南北和南北通五個(gè)大類，其中南北通類房屋因?yàn)槠洳晒饬己?，通風(fēng)流暢，在同等條件下會(huì)優(yōu)于前四種類型。（5）第五類因素是房屋的年限，一棟樓層它的使用年限越久，樓層中出現(xiàn)各種問(wèn)題的可能性就會(huì)增加，同樣的我們還需要更多的花費(fèi)進(jìn)行維護(hù)。因此在同等條件下，人們會(huì)更傾向于選擇一棟年限較短的房屋。（6）鑒于我們搜集的數(shù)據(jù)全部來(lái)源于二手房，因此數(shù)據(jù)中會(huì)存在一些新房不具備的屬性，第六類因素是二手房的裝修程度。眾所周知，一棟房屋必須是要經(jīng)過(guò)裝修才能入住，勢(shì)必是裝修程度越好，房屋價(jià)格越高。

2.3第三類為房屋的附加屬性

第二個(gè)大類中的屬性是所有房產(chǎn)幾乎都通用的特性。而第三大類中包含了房子一些附加的屬性。（1）房屋使用年限。當(dāng)我們選擇二手房時(shí)，滿二和滿五經(jīng)常出現(xiàn)在房屋的特性中，滿五即房屋使用滿五年，滿二同理。滿五的房屋可以減免營(yíng)業(yè)稅（后改為增值稅）和個(gè)人所得稅，而滿二則只減免營(yíng)業(yè)稅，個(gè)人所得稅依舊需要上交。（2）有無(wú)電梯，根據(jù)前文提到的房屋樓層對(duì)于住戶的影響，對(duì)于樓層較低的住戶而言有無(wú)電梯影響較小，但是對(duì)于樓層較高的用戶電梯會(huì)顯得十分重要。（3）有無(wú)鑰匙，該條件主要是涉及到房屋的安全防盜問(wèn)題。（4）是否有陽(yáng)臺(tái)，陽(yáng)臺(tái)一般會(huì)使房屋采光較好，且有許多其他方便的功能。

3.數(shù)據(jù)的整理以及模型的建立。

根據(jù)上文的描述，我們對(duì)變量進(jìn)行了整理，如表1

對(duì)于定量變量我們都直接采用了鏈家網(wǎng)上面給定的數(shù)據(jù)，而對(duì)于定性變量，我們將其根據(jù)不同的水平進(jìn)行評(píng)級(jí)打分進(jìn)而將其量化。比如房屋裝修水平我們分為01234五個(gè)水平進(jìn)行評(píng)級(jí)，而房屋戶型我們則直接以臥室的數(shù)量進(jìn)行衡量。而房屋朝向我們則以南北通為3分，朝南為2分，朝其他方位為1分進(jìn)行評(píng)判。我們選取的數(shù)據(jù)中一共存在有十四組變量，因此最終的模型中會(huì)存在明顯的多重共線性，我們?cè)诓扇×酥鸩交貧w的方法之后一共剩余了房屋樓層，房屋所在環(huán)線，房屋與市中心距離，裝修程度，樓層年限5個(gè)變量。5個(gè)變量的描述統(tǒng)計(jì)結(jié)果如表2。

我們利用eviews軟件對(duì)數(shù)據(jù)進(jìn)行回歸分析（設(shè)定顯著性水平為10%），在此選擇了簡(jiǎn)單線性回歸模型，半對(duì)數(shù)回歸模型和雙對(duì)數(shù)回歸模型三種，比較判斷后選擇了擬合優(yōu)度較高的半對(duì)數(shù)回歸模型。接著我們對(duì)得到的模型進(jìn)行懷特檢驗(yàn)，懷特R2統(tǒng)計(jì)量P值等于0.4191，遠(yuǎn)大于顯著性水平的0.1，因此模型不存在異方差。最后對(duì)模型進(jìn)行DW檢驗(yàn)，結(jié)果DW統(tǒng)計(jì)量為1.754006，查閱DW統(tǒng)計(jì)量臨界值表，k=5，N=40時(shí)，dL=0.997，dU=1.652。1.754006>1.652，因此模型不存在誤差序列相關(guān)性。最終模型的回歸結(jié)果如下：

經(jīng)過(guò)了數(shù)據(jù)分析之后我們發(fā)現(xiàn)方程的決定系數(shù)R2等于0.772，調(diào)整系數(shù)為0.738，模型擬合度較為良好。所有變量的p值均小于顯著性水平的10%，各個(gè)變量的t檢驗(yàn)通過(guò)，F(xiàn)統(tǒng)計(jì)量p值遠(yuǎn)小于10%，說(shuō)明模型的設(shè)立和變量的選擇均具有較高的準(zhǔn)確性。最終結(jié)果進(jìn)入模型的變量有：樓層區(qū)間，房屋到市中心距離，房屋所處環(huán)線，裝修程度和樓層年限。得出的回歸方程為：Y=110837.1-2812.009Z3-601.7194X1-9477.875X3+1627.385Z6-5437.188lnZ5

4.對(duì)模型以及變量的解釋

4.1 房屋地段

在回歸模型中我們可以發(fā)現(xiàn)，我們得到的結(jié)果中房屋到市中心的距離以及房屋所處的環(huán)線這兩個(gè)因素的相關(guān)性較高。但是房屋到地鐵站的距離這一因素卻相關(guān)性很低。造成這一現(xiàn)象的原因可能是，我們使用的數(shù)據(jù)房屋到達(dá)地鐵站的距離，但是同等條件下距離地鐵站距離相近的同等類型房屋之間區(qū)別度很小，而地鐵房與非地鐵房之間區(qū)別度又很大，因此最終我們進(jìn)行線性回歸時(shí)到地鐵站距離這一項(xiàng)的相關(guān)性十分低，最終從模型中剔除。我們從模型中可以看出，房屋到市中心的距離每增加一公里，房屋的價(jià)格會(huì)減少約601元每平方米。而環(huán)線這一因素我們搜集到的數(shù)據(jù)一共有四種類型，分別是內(nèi)環(huán)內(nèi)，內(nèi)中環(huán)，中外環(huán)，外環(huán)外。我們將四個(gè)類型分成四個(gè)級(jí)別按照1234進(jìn)行打分評(píng)級(jí)，回歸結(jié)果顯示，房屋地段每往外延伸一個(gè)環(huán)線級(jí)別，房屋的價(jià)格會(huì)減少9477每平方米。從上述結(jié)果我們可以看出，房屋地段對(duì)于房屋價(jià)格具有非常顯著的影響，與參考文獻(xiàn)中提到的區(qū)位因素作為影響房?jī)r(jià)最為重要的因素相符合。造成該現(xiàn)象的原因筆者認(rèn)為主要有以下幾點(diǎn)：一、首先上海作為國(guó)際大都市，整個(gè)上海的面積是十分巨大的，因此通暢的交通對(duì)于人們而言非常的重要，當(dāng)然出行的花費(fèi)也同樣的因?yàn)榘l(fā)達(dá)的交通而水漲船高。舉一個(gè)最簡(jiǎn)單的例子，在這樣的條件下，越靠近市中心的房屋日常交通開銷會(huì)越少，自然會(huì)因此對(duì)房?jī)r(jià)產(chǎn)生很大的影響。二、即便上海市的交通系統(tǒng)已經(jīng)到達(dá)了非常發(fā)達(dá)的地步了，但是由于其本身土地面積較大的緣故，導(dǎo)致地域間跨度十分大。例如地鐵9號(hào)線，該站的起點(diǎn)站到終點(diǎn)站之間需要花費(fèi)兩個(gè)小時(shí)左右的車程，如果存在換乘可能還會(huì)花費(fèi)更長(zhǎng)的時(shí)間。而地鐵已經(jīng)是作為最方便的交通出行工具了，如果換成其他的交通工具那么還將會(huì)花費(fèi)更多的時(shí)間。即越遠(yuǎn)離市中心的地區(qū)，出行所花費(fèi)的時(shí)間會(huì)越長(zhǎng)。三、同樣也是因?yàn)榻煌ǖ木壒?，盡管地鐵系統(tǒng)已經(jīng)非常的發(fā)達(dá)，可以做到覆蓋很大一部分市區(qū)，但是還有更大一部分地區(qū)處在地鐵無(wú)法覆蓋的地區(qū)，這些地方除了私家車之外最主要的交通工具就是公交車。這些地區(qū)的交通會(huì)因?yàn)闆]有地鐵顯得十分的擁堵，私家車出行也經(jīng)常會(huì)受阻，而公交車也因?yàn)槌鲂腥藬?shù)過(guò)大，在早晚高峰期會(huì)非常的擁擠，便利性遠(yuǎn)遠(yuǎn)比不上地鐵?？偠灾?，在越遠(yuǎn)離市中心的地區(qū)，出行的難度也會(huì)隨之直線上升。因此最終我們得出的結(jié)論是，同樣的房屋條件下，房屋距離市中心越近，房屋越靠近內(nèi)環(huán)，勢(shì)必房屋的價(jià)格會(huì)上升的越厲害。而對(duì)于地鐵房這一特殊類型，地鐵房自然會(huì)比非地鐵房?jī)r(jià)格高出一大截，但是同等區(qū)位條件下的，即同為地鐵房或同為非地鐵房時(shí)，與地鐵站的距離并不能對(duì)房屋的價(jià)格造成多大的影響。

4.2 房屋的基本屬性

我們?cè)谒鸭瘮?shù)據(jù)時(shí)，尋找了戶型，面積，樓層年限，裝修程度，樓層高度以及房屋朝向6組變量，而最終得出的方程中，樓層高度，樓層年限以及裝修程度的相關(guān)性較高。我們現(xiàn)在對(duì)這六組變量進(jìn)行分析。首先是通過(guò)檢驗(yàn)的變量（1）關(guān)于樓層年限，房屋的基礎(chǔ)屬性當(dāng)中，樓層年限是影響程度最高的變量。我們最終的模型中得出的數(shù)據(jù)是，樓層年限每增加百分之一，房屋價(jià)格下降約5437元每平方米。采用對(duì)數(shù)模型的原因是由于相近年限下的房屋價(jià)格差異過(guò)小。大數(shù)據(jù)表明，房屋年限在大于二十年之后會(huì)存在明顯的貶值，而我們搜尋的數(shù)據(jù)中價(jià)格較高的房屋樓層年限幾乎都是在二十年以下的。房屋年限增加，樓層基礎(chǔ)設(shè)施勢(shì)必會(huì)存在老化的問(wèn)題，維護(hù)費(fèi)用將是一筆不小的數(shù)目，但是還遠(yuǎn)不及此，有的基礎(chǔ)設(shè)施容易維護(hù)，比如墻壁電燈水管，但是有的基礎(chǔ)設(shè)施維護(hù)難度較大，比如電路。維護(hù)難度較大的設(shè)施使用年限過(guò)長(zhǎng)的話肯定會(huì)導(dǎo)致安全性下降，所以多數(shù)人都更加中意年限較短的。另一方面，城市規(guī)劃往往是偏離較老的城區(qū)的，即樓層年限較長(zhǎng)的房屋多數(shù)會(huì)更遠(yuǎn)離新建設(shè)開發(fā)的地區(qū)，導(dǎo)致地段偏差。在這里不采用簡(jiǎn)單線性回歸的重要原因是滿二與滿五這一特殊因素的存在，該因素雖然最終沒有進(jìn)入回歸方程，但是肯定會(huì)影響房屋價(jià)格，并該影響的趨勢(shì)是年限越長(zhǎng)價(jià)格越高，與樓層年限的影響趨勢(shì)恰好相反。因此最終選擇半對(duì)數(shù)模型。（2）房屋樓層這一因素由于不同的樓層高度不同，因此如果直接采用具體樓層數(shù)目作為原始數(shù)據(jù)進(jìn)行回歸顯然不合理。所以我們并沒有直接將樓層的高度作為原始數(shù)據(jù)，而是最后將樓層數(shù)據(jù)按低區(qū)中區(qū)高區(qū)三個(gè)區(qū)段按照一級(jí)二級(jí)三級(jí)進(jìn)行評(píng)級(jí)。回歸結(jié)果顯示，樓層每上升一個(gè)區(qū)段，房屋價(jià)格下降約2812元每平方米。這一結(jié)果顯然在情理之中，無(wú)論是日常起居，購(gòu)置家電，以至于搬家等活動(dòng)，樓層越高，上述行為操作起來(lái)的難度就會(huì)越大，這種現(xiàn)象特別是存在于沒有電梯的樓房，操作難度更是直線攀升。同樣的還有之前提到的意外事故發(fā)生時(shí)，較低的樓層往往更容易脫離危險(xiǎn)，且遭受的經(jīng)濟(jì)損失往往也比較高樓層的住戶更少。（3）結(jié)果顯示裝修程度越高，房屋價(jià)格越低，我們使用01234五個(gè)等級(jí)對(duì)于房屋裝修程度進(jìn)行評(píng)級(jí)，結(jié)果數(shù)據(jù)表明，評(píng)級(jí)每上升一個(gè)等級(jí)，房屋價(jià)格上升約1627元每平方米，原因可想而知，裝修是房屋入住的基本條件，而裝修程度越高，入住后相應(yīng)的裝修花費(fèi)就會(huì)越少，甚至于不用裝修即可入住。所以房屋的價(jià)格也隨著裝修程度的提高而提高。。再來(lái)是我們剔除的變量進(jìn)行分析（1）房屋面積作為房屋最為重要的屬性，在前文的分析中，看似理應(yīng)成為重要的解釋變量之一，但是我們選取的數(shù)據(jù)在上海地區(qū)，存在一個(gè)很重要的影響因素。在上海地區(qū)的房?jī)r(jià)毋庸置疑是全國(guó)最高的，且多數(shù)地段的價(jià)格也已經(jīng)遠(yuǎn)遠(yuǎn)高出了很多非上海本地人可以接受的程度，最為直觀的數(shù)據(jù)就是，在我們搜集的40組數(shù)據(jù)當(dāng)中，最便宜一套房產(chǎn)的價(jià)格也達(dá)到了36674元每平方米，較之于一般的中小型城市每平米幾千元的價(jià)格也是遠(yuǎn)遠(yuǎn)超出。因此房?jī)r(jià)過(guò)高必然會(huì)導(dǎo)致房貸壓力重，最直接的影響就是人們購(gòu)房是多數(shù)會(huì)選擇較小的戶型，我們搜集到的數(shù)據(jù)中最后得到的平均面積也只有不到80平米。同樣的，在綜述中提到的上海市土地建設(shè)用地紅線，僅剩的61平方公里幾乎無(wú)法利用，土地資源已經(jīng)到達(dá)了極為緊張的地步，因此多數(shù)房屋都是屬于小戶型房屋。我們?cè)阪溂揖W(wǎng)上可以尋找到掛牌的近9萬(wàn)套二手房產(chǎn)里面，小于90平米的房屋占據(jù)了一半以上。同樣的我們選取的40組數(shù)據(jù)也是多數(shù)在小于90平米。而小于90平米的房屋對(duì)于一般的三口之家而言只能算是夠用而不是充裕，則不會(huì)存在前文數(shù)據(jù)搜集中筆者提到的由于房屋面積偏大而產(chǎn)生的邊際效益遞減現(xiàn)象。因此我們最終得到的結(jié)果里面不同數(shù)據(jù)之間區(qū)分度較小，導(dǎo)致最終的模型中房屋面積這一項(xiàng)的相關(guān)性較低，因此將該變量剔除。（2）我們研究戶型時(shí)采用的是用房間數(shù)目對(duì)于這一變量進(jìn)行衡量。毫無(wú)疑問(wèn)戶型該變量與房屋面積具有很高的相關(guān)性，而最終結(jié)果這一變量和房屋面積一樣相關(guān)性較低。因?yàn)橥瑯拥脑?，我們搜集到的平均面積在80平米左右的房屋，多數(shù)的數(shù)據(jù)都是兩室一廳，因此最終該變量也同樣的因?yàn)椴煌瑪?shù)據(jù)之間區(qū)分度過(guò)低剔除。（3房屋朝向這一因素最終沒有進(jìn)入我們的回歸模型當(dāng)中，同樣是因?yàn)椴煌瑪?shù)據(jù)之間區(qū)分度過(guò)小的原因，鏈家網(wǎng)上近9萬(wàn)所房產(chǎn)，朝南和南北通的房屋分別是3.4萬(wàn)與3.8萬(wàn)，同樣也反應(yīng)在我們的數(shù)據(jù)當(dāng)中，我們選擇的數(shù)據(jù)也幾乎沒有朝東西北的房屋，因此最終剔除該變量。

4.3 房屋的附加屬性

在我們最終得到的模型中，該大類并沒有數(shù)據(jù)進(jìn)入回歸方程內(nèi)。主要原因是，在我們找到的40組數(shù)據(jù)當(dāng)中，幾乎都是滿五的房屋。因此在我們的樣本之中很難界定出滿五滿二對(duì)于房屋價(jià)格的影響。同樣的現(xiàn)象還發(fā)生在另外幾個(gè)附加屬性上，多數(shù)房產(chǎn)都有鑰匙，多數(shù)房產(chǎn)都有陽(yáng)臺(tái)。而關(guān)于有無(wú)電梯該變量，該變量對(duì)最終結(jié)果有一定程度上的影響，但是最終由于T檢驗(yàn)不合格剔除。造成該現(xiàn)象的原因筆者認(rèn)為主要是不同高度樓層的住戶對(duì)于電梯的需求度有很大的不同。誠(chéng)然對(duì)于高層住戶而言電梯是生活必備條件，但是對(duì)于多數(shù)低區(qū)住戶而言，電梯的有無(wú)對(duì)于生活的影響微乎其微。因此最終該變量盡管對(duì)被解釋變量有一定程度的影響，但是由于內(nèi)部條件存在一定的矛盾使得結(jié)果誤差偏離較大，導(dǎo)致最終的T檢驗(yàn)未通過(guò)，因此從模型中剔除。

5.結(jié)語(yǔ)

本文基于特征分析方法以及多元線性回歸模型分析了影響上海地區(qū)房屋價(jià)格的因素，總結(jié)為以下幾點(diǎn)：

首先是房屋的地段，從模型中我們可以看出，房屋地段類因素對(duì)價(jià)格影響最大。而其中影響程度最高的是房屋所在環(huán)線。即現(xiàn)代人對(duì)房屋的需求開始轉(zhuǎn)變，即日常生活以及休閑出行。

其次是房屋自身的基本屬性，樓層高度和樓層年限占主要影響因素，在除了房屋的區(qū)位因素之外，可以看出人們選擇房屋更偏向于房屋的安全性和便利性。除此之外因?yàn)槭嵌址?，所有裝修程度不可避免的成為了重要影響因素之一。而關(guān)于房屋朝向等影響人們?nèi)粘Ｉ钍孢m性的因素在如今快節(jié)奏的生活背景下開始顯得沒有那么重要。

關(guān)于房屋的一系列附加因素，這些因素或許會(huì)對(duì)房屋價(jià)格有一定的影響，因?yàn)檫@些附加因素多數(shù)房屋都涵蓋了，并不能成為優(yōu)勢(shì)因素存在。以及電梯這一因素，由于自身存在一定的矛盾性因此也沒有成為決定性因素。

參考文獻(xiàn)：

[1]高文林.二手房?jī)r(jià)格評(píng)估的影響因素及方法選擇[J]中國(guó)房地產(chǎn)2012.08

[2]丁戰(zhàn)、孫國(guó)慶.剖析選購(gòu)二手房的影響因素[J]經(jīng)濟(jì)論壇2007.02

[3]朱壽佳、甄封。秦蕭、何伊伊.基于核密度估計(jì)的南京二手房活躍度特征及影響機(jī)制研究[J]地球信息科學(xué)報(bào)2015.06

[4]繆格、李英冰、袁菲.基于多元回歸法的武漢市二手房?jī)r(jià)格影響因素的研究[J]城市勘測(cè)2017.01