计算机辅助批量评估论文

计算机辅助批量评估论文（共7篇）

计算机辅助批量评估论文 篇1

模糊数学是一门比较新的学科,它的形成与发展不是放弃数学的严格性与准确性,而是使客观存在的一些模糊性的事物和现象能够用数学方法研究研究和处理.所谓的“模糊”是指客观事物中的不分明性和不确定性,其根源在于客观事物的差异之间存在着中介过渡.比如“老人”是个模糊概念,70岁的肯定属于老人,它的从属程度是1,40岁的人肯定不算老人,它的从属程度为0,按照模糊数学创始人查德认为,指明各个元素的隶属集合,就等于指定了一个集合。把普通集合中的绝对隶属关系加以扩充,使“元素”对“集合”的隶属只能取0和1这两个值,推广到可以取单位区间[0,1]中任意一个数值.如上述问题中55岁属于“老”的程度为0.5,即“半老”,60岁属于“老”的程度0.8。以模糊界定的方式从而实现定量地刻画模糊性的事物,这里模糊度的选择是处理问题的关键.

1 模糊数学实现“计算机辅助教学评估系统”

假如某学校对4个的教师水平进行考核。以往对教师的教学质量评估大多是定性分析,或者是单因素的定量评价,这往往带有主观片面性,不够准确、全面。然而借助模糊数学的方法,综合考虑多种因素,却可更好地模拟人们的模糊判断,从而有效的对教学质量这种复杂的涉及到多种因素的事物进行综合评估。下面说明整个计算机上的评估信息系统的构成及应用过程。

1.1 确定评价因素集

在模糊数学中这4个教师分别为u1,u2,u3,u4,设论域U={u1,u2,u3,u4}.现分别对每个人的教学水平高低按百分制打分,然后均除以100,于是U上的每一个元素Ui(i=1,2,3,4)都对应[0,1]之间的一个数值,即折合成隶属度.设他们的成绩如下:

甲:85分记为:μA~(u1)=0.85;乙:75分记为:μA~(u2)=0.90;

丙:90分记为:μA~(u3)=1;丁:100分记为:μA~(u4)=1.

这样就确定了一个模糊子集A~,它表示该教师对“教学水平高”,这个模糊概念的隶属程度.其模糊子集A~表示为:

现在要了解这4个教师那个“水平高”(90分以上);那个水平“较高”(80分以上);那个水平“一般”.于是:

“技术水平高的”人员组成的普通集合为:A0.9={u3,u4};

“技术水平较高的”人员组成的普通集合为:A0.8={u1,u3,u4};

“技术水平一般的”人员组成的普通集合为;A0.7={u1,u2,u3,u4};

这里A0.9,A0.8,A0.7即是λ=0.9.λ=0.8,λ=0.7时A~的水平截集λ-的Aλ的(置信水平)或阈值.

1.2 确定权重,评语集和等级评语向量

一般情况下,各因素对评价对象的影响是不一致的,因此必须确定各因素的权重,因素的权重分配集是U上的模糊集合,一般可记为A~=(a1,a2,…,an),其中ai表示第i个因素ui的权重,它们必须满足归一化条件:.为了得到相对比较公正的权重分配可采用列表法计算,如对二级指标中u11“教师讲课观点正确,内容丰富”,就可以分别给出权重如下:0.35,0.3,0.25,0.3,0.1,0.3,0.4,0.4就可利用列表法计算u11的权重.

评语分为很好、好、一般、差,分别以vk(K=1,2,3,4)表示,则评语集为V={v1,v2,v3,v4},评语等级向量为D=(100,85,75,60).

1.3 模糊运算

首先,得到考查数据50份,将结果统计好记录到评估汇总表中,由评估表得U1的单因素评价矩阵

其中rij表示就j个评判等级vj而言同学对第i个因素ui作出的评价,相应的权数矩阵为:A11=(0.31,0.33,0.30,0.16).

1.4 模糊综合评判结果的确定

这里用普通矩阵乘法规则,即取对应元素之积之各作乘积的元素.所以S′=0.27×100+0.27×85+0.25×75+0.21×60=81.3分即可得到该教师的综合评分为81.3分。

1.5 系统主要模块设计

如图1所示。

2 结束语

随着科学技术的发展,需要广泛的借助于计算机这个有力的工具,这就要求计算进一步模拟人脑的思维和方法,去处理复杂多变是的事件。模糊数学就是使计算机具备人脑识别和模糊识别的特点,可以使计算机更“智能”化。在教师评价系统中引入模糊数学,使得该评价方法更客观、公正,能为教学质量提供理论依据。

参考文献

[1]吴万锋.模煳数学与计算机应用[M].北京:电子工业出版社,2008.

[2]杨炘.中国国际石油投资模糊数学综合评价方法[J].清华大学学报:自然科学版,2006(6).

[3]宋晓秋.模糊数学原理与方法[M].徐州:中国矿业大学出版社,2004.

[4]段立群.建立在模糊数学基础上的综合评估方法[J].煤炭技术,2008(10):138-140.

[5]魏永义.模糊数学法在学生成绩评价中的应用[J].卫生职业教育,2011,29(8):40-41.

[6]孟广武.模糊数学的基本理论及其应用[J].聊城师范学院:自然科学版,2011(15).

[7]胡继才.应用模糊数学[M].武汉:武汉科技大学出版社,2010(8).

[8]李希灿.模糊数学方法在中国土地资源评价中的应用进展[J].地理科学进展,2009(5).

[9]吕晓军,罗林涛.模糊数学在土地开发整理新增耕地质量评价中的应用[J].西安科技学院学报,2004,24(1).

计算机辅助批量评估论文 篇2

急性淋巴细胞白血病ALL(Acute Lymphoblastic Leukemia)占儿童白血病的75%左右。随着科学技术和医疗水平的发展,如今,ALL已经不再是不治之症了,15岁以下患者的治愈率已经达到了75%左右。尽管取得了如此大的成绩,但是目前仍有25%左右患者还在遭受着ALL的折磨;同时,尽管有些患者只需小剂量药物及适当化疗就可以康复,但在他们的治疗方案中所用的药物剂量却很大,化疗的次数也过多,这些都可能对患者产生极大的副作用。因此,如何有效地治疗ALL患者的一个重要问题就是要找到合适的方法来评估每个患者的具体情况并据此预计每个患者的预后(指对疾病结局的预先估计)[1]。

本文将详细介绍由美国奥克拉荷马大学生物医学中心和电子与计算机工程系的研究人员研究出的一种计算机辅助评估ALL预后的新方法,对其原理及实现步骤进行详细阐述和分析。

1原理介绍

与ALL患者的治疗结果有关的特征有许多,其中DI(DNA Index,定义为白血病细胞的DNA容量和正常人类倍数染色体数或核子数的比率)在评价治疗结果方面是具有统计意义的指标和最强有力的预后因素。ALL患者可以分为以下四类[2]:第Ⅰ类定义为染色体数目多于47同时DI大于1.0(占35-45%);第Ⅱ类定义为DI等于1.0同时结构或数字异常的染色体数目等于46(占40%左右);第Ⅲ类定义为染色体数目等于46同时DI等于1.0(占8%左右);第Ⅳ类定义为染色体数目少于46同时DI小于1.0(占8%左右)。通常,DI在1.16到1.6之间的ALL患者比DI小于1.16的ALL患者具有更好的预后。特别地,那些染色体数目大于50或者DI>1.16的“高”第Ⅰ类患者具有非常好的预后。此外,第Ⅱ类或第Ⅳ类患者(DI<1.16)的预后都不太好。

2方法实现

本方法可以自动检测由数字显微图像描述的中期染色体,统计每个中期细胞所包含染色体的数目,并计算其DI值,并以该DI值来估计该患者的预后。

2.1图像预处理

首先使用可变阈值法来分割疑似“染色体”,并删除图片中混入的杂质和背景噪声。然后,用一个3X3的开滤波器来删除小物体和与开始时检测到的“染色体”相连的小孔,同时去除背景噪声和其他物体,该滤波器还可以分割一些部分粘连的染色体。

2.2标号算法

经过预处理后得到了没有噪声的二值图片,接下来使用4邻域标号算法来统计图片中物体的数目[3]。算法开始时令标号L=0,然后自左向右、自上向下地扫描图像,对于值为1的点(背景为0,目标为1)做下述操作:

(1) 若f(i-1,j)=f(i,j-1)=0,则认为当前点为一新区域的起点,赋予它一个新的标号:L=L+1,L(i,j)=L。

(2) 若f(i-1,j)=0,f(i,j-1)=1,则L(i,j)=L(i,j-1)。

(3) 若f(i-1,j)=1,f(i,j-1)=0,则L(i,j)=L(i-1,j)。

(4) 若f(i-1,j)=1,f(i,j-1)=1,且L(i-1,j)=L(i,j-1),则L(i,j)=L(i-1,j)。

(5) 若f(i-1,j)=f(i,j-1)=1但L(i-1,j)≠L(i,j-1),则令当前点的标号等于其中较小的那个标号,并且记下这一事实点(i-1,j)的标号L(i-1,j)必须等于(i,j-1)的标号L(i,j-1)。

2.3特征提取

通过标号法的处理,所有分离的物体都已经被检测到了。现在计算以下特征:每个标号区域的大小;每个标号区域的环状;每个物体的平均灰度值;所有物体的最小平均灰度值;每个物体到细胞中心的距离(半径);每个物体的周长;所有物体的平均周长。

2.4删除非染色体物体

通过特征提取得到了七个特征,根据这七个特征以及一系列规则可以删除图片中的“非染色体”物体。这些规则包括(为了取得最理想的结果,需要循环使用上述规则扫描图片,一直到没有物体被删除时停止):

(1) 当一个物体的大小大于S1并且环状大于C(S1是图片中所有物体平均大小的6倍,C等于0.9)时,该物体需要删除。

(2) 当一个物体的大小大于S1并且该物体的灰度值小于或等于图片中所有物体的最小平均灰度值时,该物体需要删除。

(3) 当一个物体的大小大于S1并且它距离图片重力中心过远,同时它的半径大于R(R等于图片中所有物体的最大半径减去所有物体的标准背离半径)时,该物体需要删除。

(4) 当一个物体的大小小于S2(S2等于90像素或图片中所有物体平均大小的1/10)时,该物体需要删除。

2.5统计染色体数目并计算DI

由于染色体普遍存在粘连现象,因此在直接统计通过上述处理的图片中染色体的数目时,就会出现比实际染色体数目少的情况。为了修正这个错误,在方法中使用以下准则来确定一个或多个染色体是否粘连在一起:若一个物体的面积大于所有物体平均面积的2倍,并且该物体的周长大于所有物体平均周长的2倍,就可以认为该物体包含有粘连的染色体,因此需要对原来的统计结果进行修改。通过以上处理就得到了图片中所包含的染色体数目,由于正常人类中期细胞所包含的染色体数目是46,因此根据前面的定义就可以计算出每个患者的DI值,这个DI值可以用来估计该患者的预后。

3结论与展望

经实验检验得到以下结果[1]:患者I的平均染色体数是45.8(接近46),DI值是0.99(45.8/46);患者Ⅱ的平均染色体数是41.4,DI值是0.90(41.4/46);患者Ⅲ的平均染色体数是56.5,DI值是1.22(56.5/46)。通过对比,这些结果与医务人员得出的结论是相同的,证明该方法是可行的。

尽管该方法取得了一定的成功,但是如果一些可识别的中期染色体和其他不规则的细胞粘连在一起,这些染色体就会被认为是杂质而被删除,这也是造成一些中期细胞的染色体数目小于46的主要原因。因此,在以后的工作中,需要研究出更有效的算法,并将它们应用于更多不同年龄、不同性别患者的图片处理中,以找到最佳的能识别粘连染色体并对统计结果进行正确补偿的算法。

摘要：介绍一种计算机辅助评估儿童急性淋巴细胞白血病预后的新方法,并对该方法的原理及主要步骤进行了详细阐述和分析。通过检验,所得结果与医务人员的结论一致,证明了该方法的可行性。

关键词：急性淋巴细胞白血病,中期染色体,预后

参考文献

[1]Wang Xingwei,Li Shibo,Liu Hong,et al.AComputer-Aided Method toExpedite the Evaluation of Prognosis for Childhood Acute Lymphoblas-tic Leukemia[J].Technology in Cancer Research and Treatment,2006,5(4):1-8.

[2]Conter V,Rizzari C,Sala A,et al.Acute Lymphoblastic Leukemia[OL].http://www.orpha.net/data/patho/GB/uk-ALL.pdf.(2004-12)[2006-10].

房地产批量评估技术的应用分析 篇3

1 以人工为主的技术方法之标准价调整法

1.1 标准价调整法的概念

标准价调整法,作为市场比较法派生出来的一种方法,类似于城市动拆迁评估中的基准价格修正法和香港的指标估价法,但又有其自身的特点。标准价调整法可定义为:一种批量估价方法,在一定区域范围内进行估价分区,在每个估价分区内设定标准房地产并求其价值,利用房地产价格调整系数将标准房地产价格调整为各宗房地产的价值。标准价调整法适用于估价对象物业属性和估价特性较为近似的物业,尤其适用于小范围且价格影响因素少的楼栋批量评估。

1.2 标准价调整法在不同物业类型中的应用

标准价调整法的实施涉及到:估价分区的划分、标准房的设定、价格修正系数的设定以及标准房价格的评估。无论应用于哪种物业类型,这四个步骤必不可少,差异在于各步骤的具体实施方法不尽相同。

在住宅物业的评估中,往往以小区作为估价分区的划分,在一个小区内根据一定规则设定一个标准房,再由有经验的估价师根据实地调研情况设置标准房与其他房屋之间的价格差异系数。最后仍由估价师定期对标准房进行估价,并通过已设定的系数求得所有物业的价格。

在办公物业的评估中,差异在于分区是以楼栋或项目来划分,后续步骤和住宅一致。

在集中型商业物业或工业物业中,都可以借鉴上述方法来进行操作。但在沿街零售型物业中,由于沿街零售性物业分布广泛,没有明显的集中趋势,并且价格影响因素的差异较大,导致标准价调整法的应用也与其他物业类型有较大不同,主要表现在估价分区的划分和价格修正系数的设定这两个环节。现有的技术方案一般采集两级调整的方案。按商圈(或类似因素)将城市区域划分成诸多估价分区,在每个分区中设定一个标准商铺,称为区域基准商铺。之后在分区内再进行一次估价分区的划分,这一划分以路段为分区,在每个路段中设定一个标准商铺,称为路段基准商铺。估价人员经过现场调研后,需设置两级修正系数,即区域基准商铺与路段基准商铺的价格调整系数,以及路段基准商铺与路段内其他商铺的价格修正系数。最后经估价师定期对区域基准商铺进行估价,并通过两级系数的修正求得所有商铺的价格。

1.3 标准价调整法的优点

①在规模较小的城市中,可以实现绝大部分物业的批量评估需求,具有较强的实用性。

②可以达到较高的批量评估覆盖率。

③估价准确性较好,并具有较好的质量可控性。

④除建设初期投入的人员成本和时间成本较大,后续维护的成本适中。

1.4 标准价调整法的缺点

①由于人工作业的工作量太大,不适用大、中型城市。

②对估价人员的经验要求较高,尤其是系数设置与标准房的价格评估等环节对质量的要求很高。团队运作时,需要具备较高的质量管理能力。

③不同物业间的系数关系可能受到市场、规划等因素的影响而改变,需要定期进行监控和维护,有一定的难度或容易疏忽和遗漏。

2 以人工为主的技术方法之多元线性回归模型

2.1 多元线性回归模型简述

多元回归分析是目前在国外批量评估中占主流的校准技术,包括线性回归分析和非线性回归分析。其基本原理是:在大量样本的基础上,通过对变量、误差的假定,依靠最小二乘法来拟合因变量与自变量关系,从而建立数学模型。

多元线性回归方程模型为:

其中:β0是常数项,是各自变量都等于0时,因变量的估计值。β0,β1,…,βp是偏回归系数,其统计学意义是在其他所有自变量不变的情况下,某一自变量每变化一个单位,因变量平均变化的单位数。ei是残差。

多元回归是统计学方法,运用时要和经济学理论结合,实践中对多元回归模型的应用是基于特征价格理论。国内关于运用特征价格理论来进行房地产价格批量评估也有较多的研究和学术论文,但绝大多数还处于理论研究阶段。

2.2 多元回归分析的主要步骤

多元回归既可以用来预测售价,也可以用来预测租金,甚至可以用来统计其他中间参数。在步骤上不同类型的物业没有明显区别,只是在变量的选择与量化上有所不同。为便于表述,下面以预测办公物业价格为例来进行阐述。

①选取样本:为了训练预测办公物业价格的模型方程,在目标范围内选取一定数量的样本,调研其价格信息和基础信息。这里的重点是样本对总体的代表性以及样本数据采集的准确性。

②构建办公物业价格影响因素体系:通过调研分析以及房产专家意见调查,归纳出可能影响办公物业价格的特征变量,并进行赋值量化。

③模型拟合:观察、分析特征变量的变动规律,采用统计分析软件进行分析,对模型和特征变量赋值不断地尝试和修正,找出合理的价格和各特征变量之间的定量关系。

④模型检验:最终得到的模型是否成功,取决于经济意义检验、统计检验、计量经济学检验以及模型预测检验。其中统计检验包括了拟合优度检验和显著性检验;计量经济学检验包括多重共线性检验及异方差检验等。但凡通过上述所有的检验,即可认为模型已成功建立。

⑤模型应用:对办公物业的特征变量进行赋值,代入最终的模型进行自动计算,即可评估办公物业的价格。

2.3 多元线性回归模型的优点

①多元回归方法所涉及的工作量主要在于特征变量的数量以及特征变量的赋值容易程度,受城市规模的影响较小,因此可以适用于大中型及以上城市。

②多元回归方法通过拟合因变量与自变量关系从而建立数学模型,这个过程与何种物业类型无关,因此理论上多元回归方法适合各类型物业的批量评估建模。

③通过“调整R方”和“标准误差”两项指标,基本可以判断和掌握模型价格估计的准确度,并且可以对模型进行持续改进,从而保证批量评估的准确性。

④在市场稳定时期,由于自变量与因变量的关系也较为稳定,因此模型更新维护的成本较低,从而价格更新的成本也较低。

2.4 多元线性回归模型的缺点

①在不同区域或不同市场,价格的影响因素不尽相同,建立的回归模型也不相同。因此对每个城市每个物业类型的市场需要分别建立回归模型。

②多元回归的建模研究过程中,在理论假设、建模方法、数据采集等各环节中,需要综合的知识、经验和技能要求。除了房地产估价师所需具备的估价理论知识、实务经验、调研及价格判断能力外,还需要统计学、经济学等多学科知识。对人员和团队的综合能力要求很高,而这往往是传统估价机构所欠缺的。

③对样本数据的准确性要求较高。如果没有准确的样本数据,建立科学的经济学模型则为空中楼阁。而要获得准确的样本数据,长久以来一直是一个难题,其中有人为的因素(如交易避税),也有客观的因素(如商业物业的交易活跃度低)。

④在市场波动大的时候,原有模型可能失效或者预测能力大幅下降,而模型的迭代或维护周期较长,可能无法及时调整。

3 以计算机技术为主的技术方法

房地产批量评估领域中以计算机技术为主的技术方法主要是基于大数据的数据挖掘。这一技术的应用最早开始于房地产互联网企业,如搜房、安居客等房地产房源网站,后来逐步被引入到房地产批量评估的技术或产品研发中来。

3.1 数据挖掘的方法和原理

首先,数据挖掘的前提需要有大量的数据可供挖掘。随着互联网在各行各业的不断渗透,房地产中介行业中出现了大量房源网站,并逐步成为了房地产经纪人发布房源招揽客户的主要渠道。一个房源网站中可以搜索的房源数量多达数十万甚至上百万条,并且每天都有数万条以上的数据更新。这样的网站有好几家,为房地产的数据挖掘提供了可行的前提。

其次,结构化的数据为数据的采集提供了便利。在房源网站中,房源已经按小区进行了分类,经纪人发布哪个小区的房源,则该房源将展现在该小区的搜索项下。至于面积、房型、价格、楼层以及装修等参数,也都以格式化的方式来展现。因此,利用互联网爬虫等抓取技术,可以方便的将这些网站的房源抓取下来,并建立房源案例数据库。

最后,是数据挖掘工作。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。根据上述定义和描述可以发现,数据挖掘的核心是算法,而这个算法在不同的批量评估系数或产品中都不相同,算法的优劣也决定了不同系统或产品的优劣。

3.2 数据挖掘方法的优点

①高效无疑是数据挖掘方法的最大优点。一旦完成对算法的研究,价格估算的工作都可以交由计算机来完成。

②对整体市场价格运行的反映具有较高的准确度。

3.3 数据挖掘方法的缺点

①对微观市场价格运行的反映可能存在较大偏差。微观市场中,例如一个住宅小区,其挂牌房源的数量就很有限了,即使规模最大的小区,也就是几百的数量级。这样大数据挖掘的数据数量前提已不满足,从而影响了对微观市场的价格估计。

②批量评估的覆盖面不完整。互联网数据虽然总量巨大,但并非面面俱到。以住宅小区为例,一些体量较小的小区,或者一些远郊区域,可能无法在互联网上被搜索到。因此,基于互联网数据挖掘的批量评估势必在覆盖面上存在缺陷。

4 以人工与计算机技术相结合的技术方法

房地产批量评估,尤其是涉税的批量评估对评估系统的要求主要有:全面覆盖所有物业、估价结果准确以及系统维护成本适中。根据前文对各方法的论述,单一方法很难实现上述要求。如标准价调整法若在大型或超大型城市中应用,将面临很高的运营成本;多元回归建模的更新维护周期较长,当市场出现快速波动时可能无法及时调整;基于大数据的数据挖掘在估价精度与覆盖面上都有所欠缺。总之,无论从技术上论证还是从实施效果来看,多种方法的有效结合是较为理想的,也是房地产批量评估技术的发展趋势。

实践中各方法的结合已有普遍应用,并且各有巧妙,方法不尽相同。下面就几种简单的组合方式进行讨论。

4.1 标准价调整法与大数据挖掘技术的组合

大数据挖掘可以满足一些活跃小区的价格估算,因为活跃小区的挂牌房源较多,能满足算法所要求的数据量前提,而不活跃的小区则无法为算法提供足够的“原材料”,因此不适用数据挖掘的方法。这时就可以运用标准价调整法来弥补。按照标准价调整法的原理,在不活跃小区的临近或相似区域内设置一个标准房,经人工调研后设置标准房与不活跃小区价格的调整系数。这样在算法得出活跃小区价格的同时,可以利用预先设置好的系数一并计算不活跃小区的价格。

此外,在算法可以计算的活跃小区的价格中,也有可能存在价格偏差。这时也可以应用标准价调整法的思路,设置活跃小区间的价格调整系数,来检验算法所得结果的合理性。

这一组合的应用前提主要是看大数据挖掘的应用前提是否存在,即是否存在大量数据可供挖掘,因此适合房地产市场规模较大,“互联网+”比较发达的城市和地区。此外,在结合了大数据挖掘技术后,标准价调整法可以应用到大中型及以上城市,克服了其原有的一大弊端。

4.2 多元回归模型与大数据挖掘技术的组合

除了对人员的能力要求以及对样本数据的质量要求较高以外,多元回归模型最大的弱点在于迭代问题。市场不断变化,模型不可能一成不变,当市场发生变化并导致变量之间的关系也发生改变时,原有模型的价格预计精度必然下降,此时必须对模型进行重新构建。

问题在于市场价格变化未必会导致变量间的关系也发生变化(或变化很小),或者当变量间关系发生变化时,人员主观上可能无法及时发现。当主观能够感受到变量间的关系出现变化时,往往已经有了很大的变化。此时再进行模型的迭代就已近晚了,之前的价格估算可能已经出现了错误。

大数据挖掘技术可以很好地弥补上述的缺陷。大数据挖掘不仅可以直接计算某些具体变量,任何数据内在的规律和关联都可能应用大数据挖掘的方式进行探索和发现,并且能对极为细小的数值波动进行反应。利用数据挖掘的这一特性,可以建立对变量的波动监控,当波动超过一定的预设阀值即可启动模型的迭代更新。

这一组合的应用前提同样取决于大数据挖掘的应用前提,除了城市规模等情况限制外,如商业物业、工业厂房等物业市场也不适用。

4.3 标准价调整法与多元回归模型的组合

标准价调整法往往适用于特性相近的物业,如在一个小区中设定一个标准房,再设定标准房与其他房屋的价格修正系数。在价格更新时,求取标准房价格后,即可得到小区内所有房屋的价格。但当城市规模很大时,也就是有很多小区时,必须要求取所有小区的标准房价格,如仅以人工来评估得出的话,成本非常高。此时在求取小区标准房价格方面,采用多元回归模型的方法可以极大地减少人工和时间成本。

由于标准价调整法和多元回归模型都属于以人工为主的技术方法,因此理论上的应用几乎不受限制。在结合多元回归模型后,标准价调整法也可扩展应用到大中及以上城市。

从上述三个组合中可以看到,原单一技术的某些弊端可以被克服,整体技术方案的适用范围和效果可获得较大提升和改进。实际研究和应用中可能有更多种的技术组合,且并不限于本文论述的主流技术方法。多种技术组合应用是房地产批量评估技术探索和创新的主要方向。

5 房地产批量评估技术的选用

无论是单一技术还是多种技术方法的结合应用,房地产批量评估技术的选用依据主要是数据状况、结果的质量状况以及运行成本。

数据状况主要指数据的数量和质量。就技术方案来说,侧重点有所不同。例如在多元回归模型中,对于样本案例的参数质量要求是所有技术方案中最高的;而大数据挖掘技术则对数据的数量要求最高。现实中不太会碰到数量又多质量又好的数据状况,因此在技术选用时首先需要考虑是否可以稳定获得所需要的数据。

至于结果的质量状况和运行成本,很难设定一个标准线。只能根据不同的需求目的来设定质量目标,以及根据组织的投入产出效益来选择可行的技术方案。以上海城市房地产估价有限公司开发的VISS系统的运行情况来看,其在住宅物业批量评估方案中采用了标准价调整法与大数据挖掘相结合的方法,使其系统的评估精度基本控制在正负6% 的误差范围,极端误差范围为正负10%。对于上海12000多个住宅小区,其价格更新周期为每月,其数据维护人员仅8-10人,每次价格更新的工作周期仅为两周。在其新研发的办公物业批量评估方案中,更是结合了标准价调整法、多元回归模型以及大数据挖掘三种方法,使其系统的评估精度可以控制在正负10% 的误差范围,极端误差范围为正负15%。对于上海3000 多栋写字楼物业,可以实现3 个月的价格更新周期,而数据维护人员仅3人。

因此,在选用何种技术方案时,主要有四个评价因素。一是技术方案所需的数据是否可以稳定获得;二是批量评估的价格精度是否满足目标需求;三是批量评估的物业覆盖面是否完整;四是批量评估的运行维护成本企业(或组织)是否可以承受。以此为标准,运用多方法结合的思路进行技术的研发和创新才是房地产批量评估技术发展的正确道路。

6 结语

计算机辅助批量评估论文 篇4

从2003年5月开始,北京、江苏、辽宁、深圳、宁夏、重庆6个省区率先开展了房地产模拟评税的试点工作。2007年,国家税务总局和财政部再次批准安徽、福建、河南和天津四省市为房地产模拟评税试点地区,物业税“空转”城市已经超过十个这些试点地区工作的稳步推进,为我国物业税的开征积累了大量的数据资料及实践经验

据了解,北京早在2008年就制订了物业税开征方案,但由于奥运会以及之后的金融危机等原因而被暂时搁浅。2009年8月,深圳市将开征物业税写进了《深圳市综合配套改革三年(2009-2011年)实施方案工作安排表》,成为首个将开征物业税提上官方日程的城市。该《安排表》提出简化现行房地产税制,适当探索开征物业税,制定物业税税基评估的技术标准,建立税基评估系统,积极推进深圳地区开征物业税的试点工作。物业税“空转”最重要的结论是,房地产税收比现在的税收大幅度增加。中国人民大学物业税制度设计与城市管理模式研究组认为,物业税征收将在以下5个方面带来利好:整治房地产领域的乱收费现象;有利于控制房价上涨过快的趋势;在一定程度上抑制房地产投资;筹集城市发展资金;以税收手段调节不同人群的收入水平。然而,物业税的开征并非简单的税费改革,涉及到土地使用制度、市场调控手段、住宅建设方式等诸多方面,且背后隐藏了各方利益的博弈,其开征必然面临诸多难点。

二、科学确定物业税税基价值的必要性

我国实行土地批租制度,房地产开发前期需一次性支付高额的土地出让金,同时房地产税费重复征收,占据房价的较大比例。此外,我国的房地产税制存在着“重流通,轻保有”的问题,造成了土地资源配置的低效率,以及财政收入的流失。因此,我国急需房地产税制改革。尽管我国已在部分省市进行了物业税模拟实践试点工作长达六年之久,仍没有转为“实转”,这其中涉及到的税制设计及征收等各个环节都没有被国家立法予以规范。我国提出物业税改革的初衷是完善我国的房地产税制结构,使其成为地方政府的主体税种,提高土地资源配置的效率,抑制房地产市场的投机行为。然而现阶段,物业税已成为公众争论的热点,在呼声不断高涨的同时,也有人怀疑物业税到底能不能降低房价。

顺利开征物业税的重要前提之一是科学确定物业税税基的价值。由于房价经常处于较大幅度的变动之中,采用历史成本作为财产税计税依据容易造成税收流失和税负的严重不公。世界上财产税制较为完善的国家和地区大多以经评估确定的房地产税基价值作为房地产税的重要计税依据,例如美、英、德和立陶宛等国家采用批量评估方法,在建立完善的税基评估制度与体系的基础上,通过设立独立的评估机构和专业的评估人员,使用计算机辅助手段对房地产税基进行评估。但由于国情不同,各个国家的评估制度与体系都是不同的。因此,我国应在充分借鉴国际成功经验的基础上,建立具有适合我国国情的房地产税基评估框架体系。

我国的物业税征收工作仍没有付诸实践的原因是多方面的,这与我国的特殊国情息息相关。而且,顺利开征物业税的重要前提之一是科学确定物业税的计税依据即确定物业税税基的价值。而在我国现阶段,从物业税税制设计,征收前的准备工作,税基的确定到如何征收,及后续的争议解决制度都没有达成共识。因此,构建我国的物业税税基评估体系迫在眉睫。

三、资产评估技术方法的比较

资产评估三种基本方法:市场比较法、收益法和重置成本法依据不同的原理,即使对于同一房地产,采用这三种方法评估所得到的结果也相差甚远。重置成本法是从供给角度出发,收益法是从需求的角度出发,而市场比较法从供需平衡的角度出发,供求双方达成交易的条件是使房地产使用带来的收益要大于或至少等于房地产的供给成本,因此收益法的评估结果大于重置成本法的评估结果,市场比较法的评估结果介于收益法和重置成本法之间。此外,三种评估方法在实际应用过程中各有利弊。

市场比较法充分考虑了市场因素,能够反映出市场价值变动的趋势,但需要有完善的房地产交易资料,不适用于较少在市场上交易的房地产,而且在进行系数调整时受主观因素影响较大。收益法考虑了货币的时间价值因素,但是对于房地产未来纯收益和折现率的确定难度系数较大,易受主观判断及企业经营管理水平的影响。重置成本法的适用范围比较广泛,对于无法取得资产未来收益,以及不具有活跃市场交易的资产的评估均可以使用此法。但是房地产的价格取决于效用,而不是所花费的成本,成本的增加并不一定增加其价值,反之,成本低也不一定等于价值低;并且采用重置成本法计算复杂,各种贬值因素难以把握。

国际上以评估值作为房地产税计税依据的国家通常区分不同情况,例如市场情况、待估房地产的特点以及所需数据资料的可获得性来选择评估方法。

四、批量评估技术方法引入

目前,在为征收房地产税而进行税基评估的过程中,多数国家引入了批量评估(Mass Appraisal)方法。1983年,国际估税官协会就已经颁布了有关三种基本方法在批量评估方法体系中的评估应用准则。国际评估准则2005对批量评估的定义为:应用系统的、统一的、考虑到统计检验和结果分析的评估方法和技术评估多项财产确定日期价值的活动。从评估原理来看,批量评估是运用价值评估的基本方法,依据财产特征或财产价值随时间变化的趋势,结合多元回归分析等数理统计技术、计算机技术和地理信息系统等的评估方法。在税基评估理论和实践发展比较成熟的国家,批量评估已经发展成为完整的体系,这一体系包括批量评估的数据管理体系、技术体系、表现分析、申诉体系等。

随着批量评估理论体系日趋完善,技术不断更新,国外的房地产批量评估已经形成了一些公认的程序化步骤,具体为:

1.鉴定所评估财产的特征。批量评估适用于一系列具有相近特征的房地产,如果在某一区域中,有个别房地产的特征与其他房地产的差异较大,这些特殊房地产就不适用于批量评估,而应采用个案评估方法。

2.确定市场区域。根据某个区域内房地产交易等方面的市场特征,将评估区域划分成不同的市场区域。在同一市场区域内,影响房地产交易的供求方面的因素应是相同的。

3.确定影响价值形成的因素。影响房地产价值形成的因素通常包括经济环境、房地产所处区域的特征及房地产自身的特征。经济环境包括经济周期、通货膨胀等因素的影响。对于住宅而言,房地产所处区域的特征体现为社区配套设施的完善程度、绿化、交通情况等。通常,周边有医院、学校、大型超市或公园,交通便利的社区,房价一般比较高。对于商业性房地产,影响价值形成的区域因素则体现为交通便利程度、人流量以及周边人群的消费水平等。房地产自身的特征包括占地面积、居住面积、建筑等级、楼龄、朝向、装修情况等等。在确定上述影响房地产价值形成的因素的同时,我们需要事先根据常识及经验,判断出这些因素是如何影响价值的,是正相关还是负相关关系,以此作为后续模型校准阶段的基础。

4.建立模型。在批量评估系统中,自动评估模型(AVM,Automated Valuation Model)是关键技术。该模型应用统计软件,利用房地产市场的历史数据,如近期交易价格、影响房地产价值形成的特征等,形成批量房地产的个体价值。在评估实践中,往往需要借助计算机作为辅助工具,即使用计算机辅助批量评估方法。

根据影响房地产价值形成的属性数据,建立如下模型:

模型中,V为房地产的价值变量,f1,f2……fn为房地产的属性变量,即影响房地产价值形成的特征变量。

不同评估方法下,方程中价值变量和属性变量的确定是不同的:(1)市场比较法是利用与待估房地产相似的可比房地产的市场价格,对待估房地产进行价值评估。因此,市场比较法下,价值变量可直接选为市场价格。(2)收益法下,价值变量应该选为收益和资本化率两个变量,需分别为这两个变量建立模型,进行统计分析。(3)重置成本法下,房地产价值主要由被评估资产的重置成本和各种贬值额决定,价值变量可以选为市场价格,属性变量为重置成本和各种贬值因素。

5.模型校准。基于不同方法的批量评估模型,需要建立不同的校准过程:基于市场比较法的评估模型,通常使用的是销售比较法,即用历史销售数据进行校准,这一过程,就是确定上述多元回归方程中β0、β1、β2…βn的过程。对于收益法下的评估模型,校准模型的关键是确定模型中的毛收益乘数和总资本化率。基于成本法的评估模型,校准程序主要是确定其重置成本。

6.应用评估模型进行推论判断。经过较准的批量评估模型,其系数能够反映出房地产价值影响因素对其价值的影响程度,将所收集到的同一评估区域内的其他房地产的特征值代入模型,获得这些房地产的评估值。

7.检测批量评估结果。得到房地产的评估值后,还需要对结果进行检验,一般采用比率研究(Ratio Study),即将同一个财产的评估价值与其实际价值(如销售价格)相比较的一种方法。

以上步骤只是批量评估最基本的步骤,评估师应用批量评估方法评估目标财产时,还需要根据评估的目的和目标财产的性质,确定批量评估的具体步骤。例如在以从价税为目的的房地产批量评估体系中,具体的评估程序可以概括为:税基评估师根据地理信息、所有权凭证等资料确认目标财产与所有者、财产特征和被评估资产在评估基准日的权属特征。然后限定假设条件与限制环境,确定房地产样本并划分区域,再根据不同的市场区域的特点进行模型的校正。一般需要对被评估资产进行比率研究,事先设定一个合理的比率区间,以80%-85%为例,在得到目标财产的价值估计后,评估师要将得出的估计值与目标财产自身或相似资产的价值作比较以检验价值估计的合理性与一致性,若比率值在事先设定的区间内,说明模型是相对科学的;反之,若无法通过一致性的复核,评估师需要对被评估资产重新估值或对模型做出调整。

计算机辅助批量评估论文 篇5

关键词：不动产,征税,批量评估,区段划分,基准物业,修正体系

0 引言

物业税是向土地、房屋等不动产的所有者或承租人定期征收的一种财产税。对于物业税的税率、税目、收入划分等问题，目前各界仍存在一些争议，但对计税要素的认识基本一致，即计税依据为评估价值，纳税人为不动产的产权人，征收环节为房地产保有环节。[1]

世界各国不动产财产税的计税依据大致有3几种，即：不动产的租赁收入；不动产的账面价值；不动产的评估价值。由于保有环节的房地产不发生实际交易，其价值一般只能通过参照、对比等方法获得；而账面原值方法不反映其随市场变化的真实价值，且如果逐年折旧，税基将逐年递减，这样形成的税收收入也是递减的，不具备税收弹性，更无法保证公共支出增长的需求。因此，在物业税的研究中，采用不动产的评估价值作为计税依据是较为可行的。

目前我国国内的房地产价值评估体系并不完善，完全依靠当前的房地产价值评估体系来评估物业税的税基是不合适的。因此，根据我国物业税税基评估工作面广、量大、类多、具有周期性的特点来构建一套相对独立的物业税税基评估体系和更新方案，是物业税开征前所必须解决的关键问题。[2]

1 评估体系构建的原则

(1）高效率低成本。物业税征收的涉及面广、工作量大，税基评估若不能满足高效率和低成本，将直接影响物业税征收工作的正常开展。

(2）统一估价标准。在不动产评估中，不同的评估方法、参数选取评出的房地产价值往往具有较大的差别，而且不同评估人员在评估房地产价值时通常也带有一定的主观性，因此，物业税税基评估应当采用统一的评估标准，这样既保证了评估工作的效率性，又能体现评估工作的公平性。

(3）分区域分类型评估。不同区域、不同类型的房地产价格相差很大，为了满足税基评估的精度要求，应当分区域、分类型分别评估，同时应注意房地产价格横向比较的合理性。

(4）动态更新。房地产评估价值随市场变化而波动，故物业税的税基评估具有周期性。评估体系构建时，应考虑动态更新的便捷性和时效性，在重新评估时，需要修改的仅仅是一些最新的房价、各类参数指标值和因素修正调整的幅度等基本数据，便可以得出新的税基评估结果。[3]

2 批量评估体系的思路

物业税税基评估覆盖面广，评估数量巨大，评估时点具有一致性，若对纳税物业进行逐一评估，需要耗费巨额的成本和大量的时间，这在理论和现实中均是不可行的，必须引入批量评估（Mass Appraisal）方法。

批量评估是指一次性评估大批量房地产的方法，在批量评估方法的实践中，往往需要计算机作为辅助工具，因此，实际操作中所使用的批量评估方法一般都是“计算机辅助批量评估法”（Computer-Assisted Mass Appraisal,CAMA）。物业税税基的批量评估模型是建立在房地产价值理论评估方法和特征价格理论（Hedonic Pricing）思想的基础上的。[4]

影响房地产价值的因素是多方面的，包括一般因素、区域因素及个别因素，而在既定的经济条件和市场环境下，区域因素和个别因素成为决定房地产价值的两个重要方面。这两方面的因素在影响房地产价值的作用上是有层次的：区域因素定位区域内房地产平均价格水平；个别因素确定具体物业的评估价值。[5]在此基础上，我们采用了“区段+基准+修正”的批量评估体系，极大地提高了税基批量评估的精度和合理性。本文以居住类物业为例，说明批量评估体系的构建方法。

2.1 区段的划分

为便于计算机批量处理，在GIS平台下将评税区域打上格网，格网密度视该区域房地产市场活跃程度而定，较活跃区域采用密度大的格网，如50m*50m，不活跃区域采用密度小的格网，如100m*100m。对于居住类物业，选取商业繁华程度、路网密度、公共汽车站点、医院、中学、自然环境等因素作为区段划分依据，将各个因素进行量化，并将分值按相应的衰减模型赋给各个网格，每个网格分值是由各因素得分组成的一组向量a1=（a11,a12，…a1m）,a2=（a21,a22，…a2m），…；通常有两种方法衡量网格的分值差异：

(1)确定各个因素的权重，用格网的加权总分代表格网分值，权重确定的方法有德尔菲法、层次分析法、因素成对比较法等。将位置相邻且总分值接近的网格进行合并，合并后的区段考虑自然界限（如道路、河流、山川等）进行边界修正，形成评税区段。

(2)采用欧式距离衡量相邻网格的分值差异：

通过以上公式，比较任意一个网格与其相邻网格的差异值，根据区域的市场发展情况，调整同一区段允许的差异值，将相邻且差异值在允许范围内的网格划入同一区段，同时考虑自然界限的因素。

2.2 基准价格的确定

(1)归纳分析各区段代表性房地产及物业特性，并结合均质分区评价，选择确定各区段的主导因素，构建各区段内的影响因素权重模型。

(2)在评税区域均匀选择有代表性的土地、房产或房地产作为评估典型样点，详细记录样点的物业特征值，围绕评估样点采集整理房地产市场资料。

(3)根据所掌握资料，在每个区段内选择具有代表性、稳定性、中庸性、易辨性样点为该区段基准物业。

(4)根据估价规程，采用最适宜的估价方法确定基准物业的价格，并作为区段的基准价格。

2.3 修正体系的构建

通过分析各因素影响对房地产价值的影响方式和影响程度，将修正体系的模型分为两部分：

(1)同一区段内格网之间的修正。在同一区段内，根据格网间的分值向量进行修正，如由a0修正到ai。

式中：P0为基准物业价格；Pi为待估物业设定条件下的价格；fi,i=1,2，…m为权重；

a0=（a01,a02，…，a0m）———格网a0的分值；

ai=（ai1,ai2，…，aim）———格网ai的分值。

(2)设定条件下价格———现状条件下价格的修正。居住类物业由于朝向、楼层、物业管理、景观、建筑年代等个别因素的影响，会造成价值的差异，修正模型的第二部分即针对个别因素进行修正。

式中：为现状条件下价格；tr为修正幅度；r=1,2，…n1;Ks为修正额；s=1,2，…n2。

2.4 评估体系的更新

(1)区段的更新。区段的划分具有稳定性，一般只需对部分格网重新赋值，若区段内某些重要因素发生重大变化，则需要考虑是否需要重新调整区段。

(2)基准物业及其价格的更新。进行再评估时，应当考虑基准物业是否仍然满足要求，同时评估出基准物业在新基准日下的价格。

(3)修正体系的更新。检验模型对市场数据的拟合性，考虑是否需要更新相关参数或替换修正模型。

3 结论

由于物业税税基评估的特点，传统的逐个评估方法已不再适用，构建税基的批量评估体系就十分重要。建立“区段+基准+修正”的批量评估体系构建方法，将区域因素和个别因素有层次地纳入评估模型中，评估精度较以往的批量评估体系有很大的提高。

参考文献

[1]李旭红、孙力强:《物业税税基评估方法及其相关问题的解决》[J];《涉外税务》2008(1):25-34。

[2]纪益成:《再论税基评估的有关问题》[J];《中国资产评估》2005(7):5-7。

[3]纪益成、傅传瑞:《批量评估:从价税的税基评估方法》[J];《中国资产评估》2005(11):5-9。

[4]周叔敏:《不动产税征收中的税基评估方法》[J];《中国资产评估》2005(7):8-11。

计算机辅助批量评估论文 篇6

1 汶川地震后的救援情况

2008年5月12日四川省阿坝州汶川县突然发生8.0级地震,灾害规模非常大,至5月14日医疗分队先后救治了伤病员14 414名,我院一天多时间内接收了550多名伤病员。

2 地震灾害医疗救护的难点

2.1 灾害发生的突然性和严重性

在现有地震预报水平较低的条件下,地震的发生一般都出其不意,而造成的损失非常巨大[1]。给医疗救护带来了很大的困难。比如:①外伤多,伤情重。由于灾情非常严重,地震造成道路塌方,泥石流造成山体滑坡,交通及通讯几乎处于瘫痪状态,大批量的伤病员需要救护,当有条件将伤病员往医院转送时,就会出现伤病员的数量成批量,病情较重。②骨折发病率高,由于地震导致倒塌物及冲击物使病人四肢长骨骨折居多。③心理精神症状较突出。本次地震造成的人员伤亡重大,部分病人出现较明显的意识恍惚、情绪低落、抑郁等精神症状。

2.2 短时间内大批量的伤病员需要救治,抢救时机紧迫

由于灾害的严重,导致伤亡人数的骤增,当大批量的伤病员需要救治时,由于平时的工作模式及人手的匮乏,往往出现辅助检查时伤病员得不到合理和及时的救助。目前,急诊X线、CT是救治伤员时确诊病情的首选检查方法[2]。

2.3 灾害伤情复杂多变,辅助检查过程中急救药品、器材难以满足需要

平常在辅助检查科室一般只是小规模地备用一些抢救物品及器材,当批量伤病员送至辅助科室做检查时,往往缺乏必要的急救应对机制。

3 对策

3.1 建立有效的管理机制,提高快速反应能力

当值班人员接到120急救电话时,启动院内或科内应急预案。由护理部门统一安排。在等待检查时间比较长的辅助检查相关科室,特别是放射科和CT室,配备2名左右护士和1名工人协助医生给伤病员做检查,同时配备必要的急救药品和器材,最好备有急救车。当伤病员转运至辅助科室时,护士立即对伤病员进行快速验伤分类,按照先重后轻的原则,监测血压、呼吸并将其值记录在纸张上并张贴于胸部醒目处,便于医生在给伤病员作检查时对疾病变化的判断。对流血较多或病情较重者立即建立静脉通道,输入等渗液体,快速补液扩容。

3.2 心理护理

在灾难事件中,医疗资源的限制,病人的急救和转运观念不同于平时,不能在现场进行更多的救治,只能稳定病情,为以后的治疗创造条件[3]。伤病员到辅助科室时,很多都表现出恐惧焦虑情绪,护士在做治疗时尽可能地减轻伤病员的负性情绪,鼓励他们树立战胜疾病的信心,配合医生,接受进一步治疗。

3.3 安全搬运

由于运送平床与影像设备之间的来回搬动是做检查时不可缺少的一个环节,为了预防搬运时造成的继发性损伤。搬运方法采用护理学基础中的四人搬运法[4]。同时根据受伤部位和病情的严重性,搬运时注意:①对颅脑外伤病人去枕平卧,头偏向一侧,保持呼吸道通畅。②颈椎骨折病人搬动时保持脊柱在同一轴上。③对髋部和下肢的骨折病人,以自主移动为主,辅以动作一致的平托搬运。

4 体会

在这次地震灾害的整个紧急救护过程中,我院积极响应胡锦涛主席的号召“有力有序有效进行”抗震救灾活动。对伤病员在医院做辅助检查时的治疗和观察都不忽视,做细每一个环节,尊重每一个生命,在积极规范伤病员接受辅助检查时的管理方面也取得了一定的成绩。

摘要：通过对5月12日汶川发生8.0级地震灾害后造成的大批量伤病人在医院做辅助检查时的护理实践与护理管理,对提高护理队伍在批量伤病员做辅助检查时的应急能力及与辅助科室医生的配合进行探讨,为今后应对突发灾害伤病人在医院行辅助检查时的护理模式奠定基础。

关键词：地震,灾害医疗,批量外伤,辅助检查

参考文献

[1]张庆江.地震灾害紧急医疗救援的难点及对策探讨[J].武警医学,2006,17(10):788-789.

[2]秦民益,朱斌,胡安宁,等.搬运外伤病人时滑板的应用及继发性损伤的预防[J].医疗卫生装备,2008,29(2):86-87.

[3]高歌.海啸救援中的护理安全管理[J].中华护理杂志,2005,40(4):266-267.

计算机辅助批量评估论文 篇7

集体林权制度改革后，林农以户为单位的经营面积一般不会太大、小班个数亦较少，当要对大量林农散户及小班进行评估时，如采用一般的森林资源资产评估方法，评估工作量将非常之大，计算繁琐，从而耗费大量人力、物力且效率低。批量评估能够实现低成本、高效率地完成大规模目标资产的价值评估任务，为森林资源资产评估提供了新思路和新方法。

2、多元线性回归分析理论

2.1 多元线性回归数学模型

多元线性回归的数学模型为：

式（1）是一个p元线性回归模型，其中有p个自变量。ε, β0, β1，…，βp都是模型中的未知参数，分别称为回归常数和偏回归系数，ε称为随机误差，它服从均值为0，方差为σ2的正态分布。

多元线性回归模型的假设理论：

零均值假设。随机误差εi的数学期望为零。

等方差性假设。所有的随机误差εi都有相同的方差σ2ㄢ

序列独立性假设。任何一对随机误差之间相互独立。

正态性假设。所有的随机误差εi服从均值为0，方差为σ2的正态分布。

2.2 残差分析与模型错误补救方法

2.2.1 残差分析

所谓残差e是指由回归方程计算所得的预测值与实际样本值之间的差距，它是回归模型中ε的估计值。在回归分析中，一般很难得到总体误差项的真实值，而是用样本回归直线的残差项来近似地估计总体误差值，这种对残差项进行的分析叫做残差分析。SPSS软件提供了进行残差分析的图形分析和数值分析两种有效工具。

2.2.2 模型错误补救方法

如果进行残差分析时，发现有违背基本假设情况，应该考虑修改模型、进行适当的变换。例如，常用对数变换、平方根变换或倒数变换来补救偏离正态或偏离线性模型的问题。违背基本假设是一个比较复杂的问题，可能要反复试用多种方法并反复进行残差分析，最终才能找到比较合适的模型。

3、基于多元回归分析的森林资源资产批量评估模型

3.1 数据收集与数据分析

3.1.1 研究相关假设

对森林资源资产进行评估是一个比较复杂的问题，为了简化问题，使研究能顺利进行，作如下假设：

假设1:考虑林种为用材林，只考虑有杉木、马尾松、阔叶树三种树种的情形；

假设2:本研究中的各树种起源为人工林（天然林研究相类似）；

假设3:本研究收集的数据龄组是成熟林。

3.1.2 特征因素分析与数据收集

通过分析小班数据及经济技术指标、参考相关书籍和咨询评估专家，进一步研究得出影响成熟林单位评估值的主要因素有：平均胸径、平均树高、亩蓄积、销售价格、出材率（可由胸径、树高决定）、树种、木材经营成本（含税费）。分树种收集，一共收集了85条小班数据（数据来自永安林业股份有限公司），采用不同的销售价格（原木销售价格：400元/M3～1000元/M3，综合材销售价格：200元/M3～800元/M3），对小班数据进行重新评估，得到成熟林样本数据，共255条。

3.1.3 数据分析

在深入讨论多元回归模型建立之前，必须先检验多元回归分析所具备的正态性和线性关系的前提条件是否满足。

1) 正态性检验

利用SPSS软件进行正态性检验可知:亩蓄积v的变化范围为2.20立方米～28.90立方米，然而其均值为9.8855立方米，偏度系数为1.823。这个变量分布具有较大的偏度系数。对其作变量变换：lv=ln (v) 。

2) 线性检验

用SPSS生成的散点图如图1所示，从图中最后一行可以判断，单位评估值与销售价格price1、price2的线性关系很明显，而与其他自变量的线性关系不明显，在模型建立时，需进一步分析自变量与因变量之间的关系。

3.2 回归模型建立与假设检验

3.2.1 成熟林批量评估模型建立

由第一节对有关多元回归分析讨论可以知道，森林资源资产成熟林批量估算模型的可以写成如下形式：

其中：lv是亩蓄积的自然对数，变量V6、V7是引入表示树种的哑变量：

V6=0, V7=0，表示树种为杉木；

V6=0, V7=1，表示树种为马尾松；

V6=1, V7=0，表示树种为阔叶树。

采用逐步回归法筛选变量，并反复进行残差分析，得出当对销售价格取平方根时 (sqp1=sqrt (price1) , sqp2=sqrt (price2) ) ，模型满足假设条件。

得到回归模型如下：

杉木的多元批量评估模型为：

马尾松的多元批量评估模型：

阔叶树的多元批量评估模型：

3.2.2 成熟林批量评估模型假设检验

第一步，进行残差正态性检验。利用SPSS进行的残差K-S检验。可以得到：Sig.等于0.147，大于0.05，正态性假设成立。

第二步，检验零均值与等方差性。

从图2看出，点随机落在如图的（-2, 2）带域内，而且没有任何趋势，均值为0，等方差性的假设成立。

第三步，检验序列独立性

在K-S检验中可知DW值为1.834，偏离2不会太远，满足独立性要求。

经检验，所建立的模型满足假设，该多元回归模型成立。

4、模型有效性确认

模型建立完成后，从森林资源数据中选择具有代表性的数据，进行重新评估，得到检验样本。表1是成熟林测试数据表。

经计算得到相应的单位评估值的预测值，将预测值与实际值进行对比，比较结果如表2所示：

从上表2可以看出，成熟林批量估算模型对检验数据的吻合性很高，相对误差绝对值都小于5%。

5、结论

应用多元回归分析的思想和方法，建立批量评估模型来估算森林资源资产的单位评估值，经检验认为模型是准确有效的。

参考文献

[1].全国注册资产评估师考试用书编写组编.资产评估[M].北京:中国财政经济出版社, 2006.

[2].纪益成, 王诚军, 傅传锐.国外AVM技术在批量评估中的应用[J].税基评估.2006, 13-17.

[3].罗江滨, 陈平留, 陈新兴.森林资源资产评估[M].北京:中国林业出版社.2002.

[4].东方人华主编.统计基础和SPSS11.0入门与提高[M].北京:清华大学出版社, 2004.