摘要：采集了2202条二手房样本数据，选取房屋面积等九个特征变量，应用Hedonic模型对广州市二手房价格影响因素进行研究。结果表明，“是否近地铁"对广州市二手房价格的影响最大，其次是房屋装修状况和房本年限因素。

关键词：Hedonic模型，二手房价格，影响因素，广州市

广州市住房与城乡建设局统计数据显示，2017年广州市二手房成交134957套，是一手房成交套数的1.53倍。2018—2019年，房地产市场降温，广州市住宅成交套数持续下滑，但二手房成交套数仍超过一手房，二手房成为广州市住房消费市场的主导。本文运用Hedonic模型对二手房价格影响因素进行研究，以期为房地产交易双方提供更科学的决策支持。

Hedonic模型法即特征价格模型法，是异质性商品估价的常用方法，在房地产领域得到了广泛的应用。早在1967年，Ridker和Henning就以美国圣路易斯市为研究对象，通过建立特征价格模型研究出水、空气的质量对周围住宅价格有显著的影响[1]。此后，多位学者运用该模型对其所在国家或城市住宅价格进行分析[2，3]。国内房地产市场相较西方起步较晚，但近年来相关研究也日趋丰富，诸多学者针对杭州、西安、上海、北京等地房屋住宅价格影响因素进行分析[4-8]，认为区位、楼龄、户型、绿化等众多因素对房屋价格会产生影响。

一、数据来源及模型构建

（一）数据来源及变量选择

综合考虑二手房服务网站房源信息的真实性、完整性以及丰富度，本文最终选取链家网展示的广州市二手房源作为目标数据，运用网络爬虫技术采集了链家网站2020年2月29日展示的共3000条房源信息，将有明显错误或缺失的数据进行剔除或修正调整，最终留下2202条样本。

通过研究国内外文献关于二手房价格影响因素选取的大体情况，并结合广州市二手房各个特征因素信息来源的可获取性，本文选取了住宅特征中的房屋朝向、面积、房龄、相对楼层、装修状况、大厅数量、房间数量、是否近地铁和房本年限这九个因素作为影响广州市二手房价格的特征变量，对这些特征变量的量化，具体如表1所示。

（二）模型的构建

特征价格模型的基本模型可表示为：P=F（X1，X2，X3，…，Xn），其中，P为商品的价格，X1，X2，X3，…，Xn为影响商品价格的各个特征变量。借助统计分析软件Stata，本文对量化处理过的二手房特征变量用Hedonic模型常用的线性函数、半对数函数、对数函数进行了回归分析，发现采用半对数函数对广州市二手房价格进行分析时有最多的显著性因素且值最大，表明其拟合度更好，故本文采用了半对数函数模型，具体模型如下：

其中，P为住宅的价格，β0为常数项，βi为特征变量的影响系数，Zi为特征变量，ε为误差项。

二、模型的回归分析结果

半对数模型的整个方程检验的显著性P值为0.000，说明方程式整体显著，R2=0.5725，调整后得为0.5708，模型对数据的拟合效果较好。具体回归结果如表2。可以看出，九个影响因素中有七个因素t检验的P值是0.000，表明这些变量对模型具有显著影响，综合整理可得半对数模型的方程式为：

lnP=4.061429+0.0112053X1-0.0388394X2+0.088934 9X3-0.038604X4-0.0001894X5+0.3097338X6+0.061732 3X7+0.0337076X8+0.0258754X9

其中，P为总价，X1为面积，X2为房屋朝向，X3为装修状况，X4为相对楼层，X5为房龄，X8为是否近地铁，X7为房本年限，X8为房间数量，X9为大厅数量。

其中，面积（P=0.000）、房屋朝向（P=0.000）、装修状况（P=0.000）、相对楼层（P=0.000）、是否近地铁（P=0.000）、房本年限（P=0.000）、房间数量（P=0.033）、大厅数量（P=0.000）的P值均小于0.05，在该模型中是影响二手房房价的显著因素；房龄的P值为0.303大于0.05，证明房龄在半对数回归模型中不显著。

是否近地铁是影响广州市二手房价格最显著的因素，其系数达到0.3097338；是否临近地铁在较大程度上反映了住宅的区位，临近地铁交通更加便利，对二手房价格有正向影响。装修状况这一特征变量的系数为0.0889349，是对二手房价格影响力排名第二的因素，装修越好，价格越高。房本年限对广州市二手房价格也是正向影响，当二手房的房本年限满两年或五年，买家需要交的税费更少，因此达到这种条件的二手房价格更高。在各个特征变量中，房屋朝向、相对楼层的符号为负，与预期不同。一方面，在链家网站展示的数据中房屋处于高中低楼层都是相对于房屋所在楼栋而言的，两千多个样本住宅所在的楼栋并非总层数都一样；另一方面，可能是因为某些解释变量间存在某种近似的线性关系使多元回归模型产生误差。面积越大，厅室数量越多，二手房的价格也越高。

三、结论与展望

本文采集链家网站展示的三千条广州市二手房源信息，进行处理后运用Hedonic模型的半对数函数模型进行回归分析。从回归分析的结果来看，本文选取的九个特征变量中，除了房龄不是显著影响因素外，面积、房屋朝向、装修状况、相对楼层、是否近地铁、房本年限、房间数量、大厅数量这八个特征变量都是影响二手房价格的显著因素。其中，影响广州市二手房价格最明显的因素是是否近地铁、装修状况和房本年限，这三个因素对二手房的价格都是正向影响，表明近地铁、装修好、房本年限满五年或两年的二手房价格更高。基于数据的局限性，本文未选取周围重点学校、商业氛围、绿化配套等因素从更多层面进行更为细致的研究，研究有待于进一步深入。

参考文献：

[1]Ridker R G，Henning J A. The Determinants of Residential Property Values with Special Reference to Air Pollution[J].Review of Economics & Statistics，1967，49（2）：246-257.

[2]Luttik J. The value of trees，water and open space as reflected by house prices in the Netherlands[J].Landscape and Urban Planning，2000，48（3-4）：161-167.

[3]Limsombunchai V. House Price Prediction：Hedonic Price Model vs. Artificial Neural Network. The 2004 NZARES Conference[R]，Blenheim Country Hotel，Blenheim，New Zealand. June 25-26，2004.

[4]郭文刚，崔新明，温海珍.城市住宅特征价格分析：对杭州市的实证研究[J].经济地理，2006，（S1）：172-175，187.

[5]黄鑫，陈英，张仁陟.基于Hedonic模型构建西部农村小城镇二手房特征价格分析[J].黑龙江农业科学，2011，（6）：112-115.

[6]张萌娜，贾德铮.基于Hedonic模型价格影响因素的研究——以上海市五角场二手房为例[J].现代商业，2018，（8）：189-190.

[7]张羽鹤.基于GWR模型的北京市二手房价格空间分异及影响因素研究[D].北京：中国地质大学（北京），2018.

[8]王旭育.基于Hedonic模型的上海住宅特征价格[M].上海：同济大学出版社，2012.

作者简介：程芳菲（1997-），女，广东阳春人，学生，从事经贸研究；通讯作者：杨蕾（1985-），女，江西吉水人，副教授，从事区域发展研究。