特征价格指数

特征价格指数（共10篇）

特征价格指数 篇1

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Xi则代表着住宅价格;经过Box-cox进行转换后的普通自变量;Zj则是未通过Box-cox转换的自变量;Ε属于误差项;β, α, θ和λ是模型需要估计的参数。假设θ与λ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) .

特征价格指数 篇2

通心粉鼠是沙鼠的一种，喜欢挖洞，所以饲主最好能在鼠笼里铺上厚厚的木削。它们最大的特征就是有一条粉红色肥肥短短的尾巴，它的功能就像骆驼的驼峰一样，可以储存养分及水分，而尾巴通常也成为通心粉鼠的健康指标。价格从100-200元不等。

最大的特征就是有一条粉红色肥肥短短的尾巴，它的功能就像骆驼的驼峰一样，可以储存养份及水分，而尾巴通常也成为通心粉鼠的健康指标。

它们很爱干净，每天会用很多时间洗脸刷毛，也常常需要砂浴，饲主别忘了常常帮它们更换沐浴砂。另外，通心粉鼠很少尿尿，尿液也没有刺鼻的味道，所以整体算来它们是相当适合在家养育的宠物鼠类型。

★ 吃胡萝卜的注意事项

★ 如何挑选花生？吃花生的注意事项

★ 第一次煮面条

★ 煮小米粥应该怎么煮？

★ 煮汤圆作文

★ 关于煮汤圆作文合集

★ 煮鸡蛋日记

★ 过年煮饺子作文

★ 煮汤圆作文350字

特征价格指数 篇3

国际黄金市场背景

在布雷顿森林体系解体前，黄金以商品价值的尺度、交易的媒介和社會财富的代表，为社会公众普遍接受，黄金价格也稳定保持在35美元/盎司的水平。而自1973年布雷顿森林体系崩溃后，美元（以及其他主要货币）与黄金的绑定关系转变为自由浮动，黄金开始失去货币本位的职能。如今，世界经济一体化程度逐渐加深，黄金显示出日益明显的金融核心化倾向，黄金价格不仅与供求关系紧密相关，还深受国际期货市场状况的影响。在由经济商品化向金融证券化转型的过程中，其“商品金融化”的特点显著反映了出来。

中国黄金期货市场特征

（一）市场构成

黄金市场在由市场最基本的供需关系构建的同时，其市场结构又显示出与其他市场迥异的复杂形势。既有基本的黄金供应商与需求企业、个人参与其中，又有国家性质的央行、商业银行以及各种投资机构的介入，甚至还不鲜存在专门从事交易黄金及代理业务的代理商和经纪商推动市场氛围。

（二）交易规定

我国的黄金期货市场规定：合约基本设计为1000克/手，交易中0.01元/克是最小的变动单位，涨跌幅在每个交易日的限制为5%，交易保证金最低为合约价值的7%，一般情况下含金量不低于99.95%的经机构检验勘定的金锭才可符合交割品级进行交割，将合约交割月的15日规定为最后交易期限，最后交易日后连续5个交易日为交割日期，保证金的收取比例将随着交割月的临近增高，并根据不同的时期分别确立不同的持仓限额以及持仓比例，还规定自然人被禁止进入交割月或进行实物交割。

（三）流动性

流动性是市场认可程度的标识，是市场得以存在并运行的前提，良好的流动

性是期货市场发挥价格发现职能的前提以及套期保值的功能的保障。中国银监会正式批准商业银行作为自营会员从事期货交易以改善黄金期货市场的流动性。商业银行的加入将伴随大笔的增量资金的流入，这不仅会使黄金期货市场的流动性大幅提高，也将使投资者以及交易所的会员结构进一步完善。然而，尽管黄金期货的价格在单方面的一路高升，中国黄金期货市场的流动性依然未能达到预期。

（四）市场发现功能

黄金期货市场状态通常与美元等外币汇率、证券市场、黄金供需等多个因素的浮动表现的关系非常密切，但在中国黄金期货市场的实际表现显示两者之间并未明显反映出长期稳固的均衡联系。这种现象从非市场内部影响因素的观点出发有力验证了：中国黄金期货市场表现符合非线性市场的分形特征，而并非高度有效的市场特征。尽管如此，黄金期货的出现仍然提供了高效率回避风险的展示机会，这让大量的黄金供应商和黄金需求企业参与其中并成为交易的主力军的同时，也使得我国期货市场的品种结构更加趋于完善。

黄金期货市场影响因素分析

（一）黄金供求关系

黄金供求关系是影响黄金期货市场的主要因素。

有关数据表明，世界范围内已经开采并利用的黄金约15万吨，除去在各个领域的应用，单是各国央行和企业、个人作为储备资源的黄金就约有7万吨。可以看出，正是因为黄金的世界储备功能使得黄金官方储备相对拥有较大的比例，而黄金作为具有长期储备价值的资产更是被广泛应用于公共及私人资产的储备中。

近年来，由于世界范围内对黄金抛售量已达成高度共识，主要西方国家就此问题共同签署了《央行售金协议》，作出如下规定：“协议成员每年售金量不超过400吨，对投放市场的黄金总量设定了上限，同时还有一些国家特别是亚洲国家在调整它们的外汇储备——增加黄金在外汇储备中的比例。”因此，国际黄金官方储备量的变化能带动供需关系的变化，进而带动世界黄金价格的变化。

（二）其他因素

1.石油供求关系

由于世界主要石油现货与期货市场的价格大多数以美元标价，而石油价格的涨跌在反映世界石油供求关系的同时，又反映出美元汇率以及世界通货膨胀率的变化。因此，石油价格间接影响黄金价格，而黄金价格同样作用于石油价格。

2.世界主要货币汇率

黄金市场中价格广泛以美元标价，因此黄金价格下跌往往是由于美元的升值所造成，反之，美元的贬值则又推动黄金价格的涨势。美元的强势弱势会在黄金价格方面产生非常重大的影响。因此通常情况下，美元汇率是影响金价波动的重要因素之一。不过在某些特殊情况下，尤其是黄金独立走势体现得非常强或非常弱的时期，黄金价格也会在此期间摆脱美元影响。

3.战争、世界政局动荡

黄金价格会因受世界上重大的政治、战争事件的发生而波动。地缘经济政治局势紧张尤其会对国际金融环境变化产生影响，这个时候黄金的保值功能就表现得更加明显。因此，国家政府为战争或为维持国内经济的平稳增长而大量支出时或者政局动荡大量投资者转向黄金保值投资等情况，都会扩大黄金的需求，刺激黄金价格的上涨。

另外，除了以上因素外，本国和地区的中央金融机构相应的政策法规、世界金融组织的干预活动等因素也会对世界黄金价格的走势产生重大的影响。

总结

总而言之，中国黄金期货市场还处于金融资本市场的新兴地位，市场具体参与还相对较少，与成熟的证券资本市场相比参与者的热情比较低，套期保值者等参与主体还不够广泛，虽然投资意识已经初步推广，但市场的投机者众多，尚未形成理性投资的市场环境。因此，中国黄金期货市场就目前而言未形成一个完全有效的市场，其价格发现功能还无法全面体现出来。

但是，中国黄金期货市场的推出让中国登上了国际金融市场的大舞台，在增加中国金融影响力的同时进一步打破以伦敦和纽约为国际黄金战略中心的稳固格局，甚至将中国赶超全球首席期货交易所——纽约商品期货交易所目前保持的黄金期货交易量、跻身成为具有世界黄金定价权地位的这一构想能够化为现实，为我国谋求黄金定价话语权奠定了基础。

（作者单位：安徽财经大学统计与应用数学学院）

特征价格指数 篇4

商品住宅价格的形成受到多种因素影响。基于人们主观感受进行评价的H edonic模型定价能够较为有效地避免常用估价方法的普遍问题, 为商品住宅定价提供一条很好的途径。因此, 本文结合了城市住宅市场的发展及影响其价格构成的因素, 筛选出了影响比较大的几个因素, 又借鉴了现有的H edonic特征价格模型, 尝试构建了城市住宅价格的H edonic模型。并以“中指指数数据库”提供的关于金科股份和嘉凯城两个企业的相关数据为基础, 对模型进行了拟合分析, 得出了可供实际使用的计量经济学模型。同时, 该模型的经济意义也与一般的经济理论保持一致, 使得模型具有普遍适用性, 对研究其他类型房地产的定价问题具有一定的指导意义。

二、城市住宅价格的特征价格模型

(一) 模型构建

H edonic模型定价的核心内容是要分析物业的各种属性, 通过必要的数据收集和处理, 回归得到其价格。模型的一般形式为:

P=f (x1, x2…xn) 其中, xi表示商品的属性。

根据微观经济学理论, 商品的价格与其属性之间存在边际效用递减规律, 所以假设函数的具体形式为:

再对其进行显性化处理就得到了H edonic模型的对数形式模型:

此外, 还有半对数形式:

上两式中μ为随机误差项。

经过试算, 我们选择了对数模型的形式。

(二) 变量选择及其赋值

结合从“中指指数数据库”获得的有关数据, 经过分析, 本文从中选择了以下几个影响住宅价格的变量, 按照理论和现实需要对个各个变量进行赋值: (1) 成交价格 (y) 根据实际每月成交均价计入; (2) 城市类别 (x1) 分别将一线城市赋值为3, 二线城市赋值为2, 三、四线城市赋值为1, 预期符号为正; (3) 预售期 (x2) 根据入住时间和楼盘开盘时间之间的月份间隔计入, 预期符号为负; (4) 项目总建筑面积 (x3) 的预期符号为负; (5) 物业类别 (x4) 分别将别墅赋值为3, 豪华住宅赋值为2, 普通住宅赋值为1, 预期符号为正; (6) 建筑类型 (x5) 分别将独栋赋值为3, 板楼赋值为2, 塔楼赋值为1, 预期符号为正; (7) 装修情况 (x7) 分别将精装修赋值为3, 全装修赋值为2, 毛坯赋值为1, 预期符号为正; (8) 容积率 (x8) 的预期符号为负; (9) 绿化率 (x9) 的预期符号为正; (10) 土地成本 (x10) 根据土地成交价除以土地总面积计入, 预期符号为正; (11) 成交套数 (x11) 根据每月成交套数计入, 预期符号为负。

(三) 回归过程说明

1. 初步拟合。

根据最初选择的因变量和11个解释变量, 通过计量经济学ST A T A软件利用全样本数据进行初步拟合, 根据拟合结果发现, 预售期的系数符号为正, 项目特色、装修情况和绿化率三个变量的系数为负值, 不满足模型的经济假设检验, 城市类别、装修情况和绿化率的T统计量和P值都不理想, 所以将其从模型中剔除。经过筛选, 最终剩下六个显著性最强且符合经济学解释的变量为项目总建筑面积、物业类别、建筑类型、容积率、土地成本和成交套数。

2. 根据剩下的六个解释变量再次进行拟合得到的结果如下1所示:

再次拟合后的R 2为0.6837, P值为0.0000, 方程和各解释变量的系数均显著, 同时, 系数符号也符合预期, 继而对其进行经济意义检验。

(四) 经济意义检验

把各变量的系数带入对数模型并变形, 得到如下方程式:

房价=8.876601·项目总建筑面积-0.1976895·物业类别0.1338656·建筑类型0.1306256·容积率-0.3513809·土地成本0.370711·成交套数-0.0349483

从中可以看出, 项目总建筑面积、物业类别、建筑类型、容积率、土地成本及每月成交套数即销量对住宅价格的影响最大。

方程前面的8.876601集中体现了市场环境的变化和系统误差对价格的影响。各变量指数上的系数反映了该变量对住宅价格的影子价格, 即该变量每增加一个单位, 消费者愿意为其支出的额外价格, 它在一定程度上反映了该项因素对价格的决定程度。

三、结论

本文运用特征价格模型, 结合从“中指指数数据库”获取的关于金科股份和嘉凯城两个房地产企业的相关数据, 构建了城市住宅特征价格模型, 利用计量经济学Stata软件进行了多元回归分析, 得出了对城市住宅价格影响较大的六个因素, 分别是项目总建筑面积、物业类别、建筑类型、容积率、土地成本及每月成交套数。

摘要：本文借鉴现有的Hedonic特征价格模型, 尝试构建了城市住宅价格的Hedonic模型。并以“中指指数数据库”提供的相关数据为基础, 对模型进行了拟合分析, 得出了可供实际使用的计量经济学模型, 对研究其他类型房地产的定价问题具有一定的指导意义。

关键词：Hedonic模型,城市住宅市场,住宅价格,影响因素

参考文献

[1]陈强:《高级计量经济学及Stata应用》[M].北京:高等教育出版社, 2010.

[2]温海珍、贾生华:住宅的特征与特征的价格-基于特征价格模型的分析[J].浙江大学学报 (工学报) , 2004, 38 (10) :1138-1149.

[3]马思新、李昂:基于Hedonic模型的北京住宅价格影响因素分析[J].土木工程学报, 2003 (9) :59-62.

特征价格指数 篇5

关键词：中运河；夏季浮游植物；生物量；群落特征；指数分析；水质评价

中图分类号：X172 文献标志码： A文章编号：1002-1302（2015）09-0403-04

通信作者：姜爱兰。E-mail：jiangjing925@yahoo.com.cn。京杭大运河宿迁段属于运河中段，称为中运河，素有苏北的“黄金水道”之称。中运河宿迁段长112 km，流经宿迁市东部，连接老城区与宿豫区。两岸文化底蕴深厚，有乾隆行宫、项王故居等遗迹。现今宿迁京杭运河仍肩负着来往通航、行洪的历史使命，更应担任体现宿迁滨水城市特色的新使命[1]。同时也是宿迁市重要的交通和生活饮用水命脉，宿迁市沿河生活饮用水的90%来自运河[2-3]。

宿迁国电码头位于宿迁市洋北镇，主要承载电厂煤炭装卸。宿迁市近年来大力发展运河文化，加强运河环境建设，在改善运河水质条件，禁止企业未经处理的污水直接排入运河，加强运河沿线码头粉尘、油污等泄露，减少城市生活用水和污水的排放方面做了大量的工作，运河水质得到了大大的改善，但其水质问题仍备受市民的关注。关于中运河段水生生物的调查较少，仅见潘立勇对徐州段报道[4]，而宿迁段尚未有系统的水生生物资源调查记录。因此，结合江苏省自主创新资金实施地（位于中运河宿迁国电下游2 km左右位置）的水质监测工作，于2013年8月首次开展了水生生物资源调查，旨在通过对大运河宿迁国电段浮游植物的种类组成、生物量及浮游植物的群落特征调查研究，结合污水生物系统指标判断标准，对调查段的大运河水质作出评价，为保护和治理大运河提供参考依据，为生活生产用水提供安全保障。

1研究方法

1.1采样点布设

根据文献[5-6]，本调查在码头上游1 km、码头中心位置、码头下游界点、码头下游750、2 000 m共布置了5个断面，每个断面在河中心、河两端距离岸边10 m处布点，共计15个水生生物采样点，具体见图1和表1。

1.2水样采集与处理

1.2.1水样的采集本研究于2013年8月1—19日每隔 3 d 进行1次（共7次）浮游植物采样。（1）定性水样采集。按监测断面的采样点设置，在每个采样点使用25号浮游植物网，在水面下0.5 m处作“∞”形回环运动，2 min左右过滤至30 mL，保存于广口玻璃瓶中用于活体的观察。（2）定量水样采集。由于浮游植物多在水面下0.5 m，因此直接在每个采样点水下0.5 m处采水，采水样1 000 mL，加入10～15 mL鲁哥氏液固定。

1.2.2水样的处理将采回的水样在实验室静置24 h以上，抽去上清液，将余下的沉淀（一般约20 mL）转入30 mL定量瓶中，并用上清液少许冲洗沉淀器3次，冲洗液仍倒入定量瓶中，定容至30 mL后，贴上标签保存、待检。

1.3物种鉴定与计数

标本鉴定主要依据文献[5，7-9]等资料。将浓缩定量后的水样摇匀，吸出0.1 mL置于0.1 mL计数框内，在10×20倍显微镜下观察并分种计数，采用目镜视野法随机选取20个视野计数，每个样品重复2次（结果误差在“±0.5”以内），取其平均值并计算出1 L水样中浮游植物的数量。

1.4数据处理

1.4.1生物量的计算根据浮游植物的体形按最相似的几何形状测量计算。如球形种类，则是测量其半径，2.3中运河宿迁国电段浮游植物的群落特征

从表4可见，各监测点之间的群落特征指数无明显差异。根据各监测点数据统计分析可知，调查水域的多样性指数均值为3.33，变动范围为2.83～3.73；均匀度均值0.84，变动范围为0.69～0.92；丰富度均值为0.87，变动范围为0.59～118；单纯度均值为0.14，变动范围为0.10～0.23。

2.4多样度与均匀度、丰富度和单纯度之间的相关分析

对各采样点浮游植物的多样度与均匀度、丰富度和单纯度通过SPSS[13]软件参照文献[14]进行Pearson相关系数分析，结果表明，中运河宿迁国电码头段浮游植物多样度与均匀度和丰富度相关系数分别为r=0.623 和r=0.622，均有显著意义，说明浮游植物多样度与均匀度和丰富度变化趋势均呈显著正相关；多样度与单纯度相关系数r=-0.915，有极显著意义，说明浮游植物多样度与单纯度变化趋势呈极显著负相关。

3结论与讨论

3.1浮游植物的种类组成及密度和生物量

中运河宿迁国电码头段浮游植物，以硅藻门和绿藻门为主，硅藻门中的直链藻、双菱藻和舟形藻为优势种（优势度≥0.02），绿藻门中的栅藻、新月藻、小球藻为优势种（优势度≥0.02）。其中，硅藻门的舟形藻、双菱藻、小环藻和脆杆藻，绿藻门的小球藻和栅藻在各采样点均有出现，出现率近100%。根据浮游植物的水体污染指示标准，说明此河段属于寡污带至β-中污带种类[15]。硅藻门和绿藻门的数量占整个调查河段的70.6%，生物量占整个河段的79.9%，这一结果与国内许多河流的的浮游植物调查结果[16-17]相同。其中，硅藻门的生物量达51.6%，这与海河[18]、长江[19]的调查结果基本接近。浮游植物总数量为13.9万～21.0万个/L，平均密度为16.6万个/L，根据贾晓平等提出的饵料生物（浮游植物）水平

分级评价标准[20]可知，本调查河段浮游植物数量处于最丰富水平。浮游植物的总生物量在0.127 6～0.155 2 mg/L 之间，平均生物量为0.126 8 mg/L，根据何志辉的营养分类标准[21]可知，本调查河段属于贫营养型水体。

3.2浮游植物群落特征及Pearson相关系数的评价

生物多样性指数不仅可以反映生物多样性丰富程度，还可以反映生物栖息环境的优劣和受污染程度。本研究物种多样性采用Shannon-wiener指数表示，该指数通常多用于反映群落结构的复杂程度。越复杂的群落对环境的反馈功能越强，从而使群落结构得到较大的缓冲，趋于稳定[22]。均匀度则是实际多样性指数与理论上最大多样性指数的比值，是一个相对值，其数值范围在0～1之间，用它来评价浮游植物的多样性更直观、清晰。在实践应用中，当均匀度大于0.3时，浮游植物的多样性较好，以此作为评价其多样性优劣的标准符合客观实际[23-24]。本调查结果显示，水域的多样性指数均值为3.33，变动范围为2.83～3.73；均匀度均值为0.84，变动范围为0.69～0.92，按照陈清潮等提出的生物多样性阈值评价标准[25]可知，本调查河段的浮游植物多样性处于丰富与非常丰富之间，说明本调查段浮游植物生物多样性和均匀度很好，浮游植物群落结构处非常完整和稳定的状态。

中运河宿迁国电码头段浮游植物多样度与均匀度和丰富度变化趋势均呈显著正相关；多样度与单纯度变化趋势呈极显著负相关。说明本调查水域浮游植物多样度、丰富度、均匀度和单纯度4种指数均能较好地表达浮游植物多样性。

综上所述，根据浮游生物的种类组成、密度和生物量及浮游植物群落特征的综合评定及相关性分析结果可知，中运河宿迁国电码头段浮游植物数量非常丰富，生物多样性处于丰富与非常丰富之间，因此得出此段水体生境质量处于优良清洁的等级。这一结果也证明了近年来宿迁市对运河治理的效果非常明显。

参考文献：

[1]沈惠新. 城市滨水区景观优化设计研究——以宿迁市京杭大运河为例[J]. 安徽农业科学，2012，40（14）：8199-8201.

[2]杨士建，嵇跃同，陆上岭，等. 中运河宿迁段水体氮污染特征分析[J]. 环境科学与技术，2005，28（4）：42-43.

[3]邰学东，陈勇，崔宝义，等. 城市滨水区开发与空间形态塑造的规划探讨——以宿迁市市区运河沿线空间形态设计为例[J]. 城市规划，2010（2）：93-96.

[4]潘立勇，粟多寿. 京杭运河徐州段底栖动物与水质的关系[J]. 环境科学技术，1992，4（1）：1-5.

[5]张觉民，何志辉. 内陆水域渔业自然资源调查手册[M]. 北京：农业出版社，1991：12-122.

[6]SL 219—1998水环境监测规范[S]. 北京：中国水利水电出版社，2013：4-10.

[7]周凤霞，陈剑虹. 淡水微型生物图谱[M]. 北京：化学工业出版社，2005.

[8]胡鸿钧，魏印心. 中国淡水藻类：系统、分类及生态[M]. 北京：科学出版社，2006.

[9]何志辉. 淡水生态学[M]. 北京：中国农业出版社，2000.

[10]Margale F R.Perspective in ecological theory[M]. Chicago：University of Chicago Press，1968.

[11]Shannon C E，Weaver W.The mathematical theory of communication[M]. Urbana：University of Illinois Press，1949.

[12]Pielou E C. Ecological diversity[M]. New York：Wiley Inters，1975.

[13]卢纹岱. SPSS for Windows统计分析[M]. 北京：电子工业出版社，2002.

[14]李文荣，田家怡，徐天和，等. 环境监测统计学[M]. 济南：山东大学出版社，1990：198-207.

[15]芦晏生. 松花江污染对浮游生物、着生藻类影响的初步研究[J]. 环境科学，1985（1）：33-39.

[16]洪松，陈静生. 中国河流水生生物群落结构特征探讨[J]. 水生生物学报，2002，26（3）：295-305.

[17]张军燕，张建军，杨兴中，等. 黄河上游玛曲段春季浮游生物群落结构特征[J]. 生态学杂志，2009，28（5）：983-987.

[18]商玉荣. 京津地区主要河流浮游植物群落结构特征与河流质量的研究[J]. 中国环境科学，1992（3）：208.

[19]曾祥琮. 长江水系渔业资源调查协作组全国渔业资源调查和区划专集——长江水系渔业资源[M]. 北京：海洋出版杜，1990.

[20]贾晓平，杜飞雁，林钦，等. 海洋渔场生态环境质量状况综合评价方法探讨[J]. 中国水产科学，2003，10（2）：160-164.

[21]何志辉.中国湖泊和水库的营养分类[J]. 大连水产学院学报，1987（1）：1-10.

[22]慕建东，董玮，陈碧鹃，等. 桑沟湾浮游植物生态特征[J]. 渔业科学进展，2009，30（3）：91-96.

[23]马建新，郑振虎，李云平，等. 莱州湾浮游植物分布特征[J]. 海洋湖沼通报，2002（4）：63-67.

[24]王志忠，巩俊霞，陈述江，等. 东平湖水域浮游植物群落组成与生物量研究[J]. 长江大学学报：自然科学版，2011，8（5）：235-240.

特征价格指数 篇6

作为城市重要的基础设施, 地铁以其运量大、速度快、安全准时、节能环保等特点, 受到全国许多城市的关注并大力发展地铁建设, 以减缓城市的拥堵, 提升城市的整体功能, 提高人们的出行效率。

国内学者对北京、上海、西安、深圳等地的地铁进行了一系列的研究, 发现地铁作为一种公益性很强的城市基础设施, 在提高地铁沿线区域的交通便利程度的同时, 给沿线的房地产带来了显著的外部效应, 具体表现为住宅价格的变化。昆明市地铁1、2号线首期工程于2014年4月30日全线贯通, 在相当大程度上解决了交通阻塞问题, 降低了居民的交通成本的同时, 已有学者对其给沿线住宅项目价格带来的影响进行研究。有学者在研究中, 采用住宅到最近地铁站的距离大小来定量研究地铁区位因素。本文则将住宅项目与最近地铁站的距离划分范围区段, 采用哑元变量形式进行细化研究, 探求出地铁站周围不同距离范围内的住宅价格变化幅度, 为地铁建设方的投资、政府对地铁沿线土地定价、房地产开发商的投资等各方决策提供更为细化的参考。

2 特征价格模型及其构建

特征价格法, 又称Hedonic模型法和效用估价法, 认为房地产由众多不同的特征组成, 而房地产价格是由所有特征带给人们的效用决定的。消费者在追求效用最大化的过程中, 每增加一个单位某种特征的消费所愿意支付的费用。特征是无法在市场上直接观察到的, 因此, 特征价格是隐含价格。特征价格模型的实质是从产品的异质性出发, 把产品价格分解为特征价格, 并通过市场交易数据估计出产品特征的隐含价格。

2.1 特征变量的选泽

现有研究通常把房地产特征因素分为结构特征、邻里特征以及区位特征三大类。影响住宅价格的特征变量较多, 一个模型中包含所有特征变量几乎不可能, 只能从中选取影响较大的特征变量。根据昆明当地的实际情况, 围绕这三个方面的特征, 综合考虑数据资料的可得性, 选取以下特征变量构建特征价格模型。

2.1.1 区位特征变量

交通的可达性是影响房地产价格的重要区位特征, 本文重点研究这一特征变量对地铁周边住宅价格的影响。国内外对轨道交通影响半径的设定不同, 包括1~3英里、0.5英里, 以及1公里等, 参考上述研究的设定, 结合中国的计量习惯, 将昆明市地铁站点的影响半径设为1公里。为了识别出地铁建设对不同距离的房地产价值的影响程度, 采用哑元变量进行分析, 即地铁站距离以100米为区间, 设表示住宅单元所在的小区到最近站点的距离的变量为D1、D2、D3、D4、D5、D6、D7、D8, 分别表示住宅单元所在的小区到最近站点的距离在0~100米、100~200米、200~300米、300~400米、400~500米、500~600米、600~700米、700~800米 (以距离站点800~1000米作为参照类) , 以得出800米半径内不同距离区段内住宅项目价格相对于800~1000米住宅价格的变化幅度。

其次, 到CBD的距离也是一项重要的区位特征因素, 设到CBD的距离为变量CBDJL, 采用绝对值形式, 单位是公里。结合昆明的实际情况, CBD主要是指正义路与南屏街交叉区域。此外, 项目住宅所在区域的公共交通的便利程度对住宅的价格存在很大程度上的影响, 结合对人们心理能接受的到公交站点的步行距离的考虑, 以住宅小区附近1公里范围内公交线路的条数为变量GJXL。

2.1.2 邻里特征变量

名校资源 (即重点中小学) 是影响房价的重要因素。名校资源变量采用综合指标进行测量, 设名校资源变量为MXZY, 具体的量化方法是, 是否有将周边住宅项目纳为学区房的重点小学及中学, 有一项计1分, 共计2分。此外, 医院也是一项邻里因素, 结合已有学者的研究设定, 小区内或附近1km内是否有医院为变量为YY, 采用哑元变量的形式。

2.1.3 结构特征变量

容积率直接关系到居住的舒适程度, 设容积率变量为RJL。绿化率是居住空间质量的重要标志, 设绿化率变量为LHL。住宅项目的物业费设为变量WYF, 采用绝对值形式, 单位为元/m2。设变量DC、XGC分别表示住宅单元所属的楼型为多层 (4~6层) 小高层 (8~12、13层;高层为参照类) 。二者均采用哑元变量的形式。

特征变量汇总及预期符号如表1所示。

2.2 函数形式的选择

常用的特征价格模型的函数形式有线性、半对数、半对数形式三种, 经试算, 半对数形式的模型的回归效果较好, 根据以上分析, 构建模型的形式如下:

Ln P为住宅项目每平米均价的自然对数, α为常数项, Xi表示第i种特征变量, βi为第i种特征变量的系数。

采用最小二乘法 (OLS) 作为模型的估计方法, 建立全变量对数线性回归模型, 将17个变量全部纳入SPSS 23软件进行回归拟合。

3 样本选择与数据收集

本文采用的主要为多层及小高层二手房交易数据, 新建住宅项目所占比例较小。数据主要来源为搜房网 (http://km.fang.com/) 、楼盘网 (http://km.loupan.com/) 及昆明市电子地图 (http://map.baidu.com/) 。样本中因变量价格主要为2016年2月~3月间住宅项目均价。由于昆明房地产市场别墅的成交量所占比例较小, 且别墅的价格与特征与其他住宅市场相差较大, 把别墅纳入模型分析可能会引起过大的误差, 因此本研究剔除别墅的住宅项目。最终获得昆明市地铁1号线及2号线 (一期) 沿线距离最近站点1km范围内276个住宅项目样本, 其中0~100米范围内有3个, 100~200米范围内有18个, 200~300米范围内有23个, 300~400米范围内有34个, 400~500米范围内有35个, 500~600米范围内有50个, 600~700米范围内有54个, 700~800米范围内有59个 (以距离站点800~1000米作为参照类) 。

4 实证分析

4.1 模型的检验

将样本数据输入SPSS软件强制回归。模型的实证结果如表2所示 (绿化率变量与医院变量因回归系数符号与预期不符而被移出模型) 。半对数模型拟合结果较为理想, 复相关系数R=0.784, 调整后的R2为0.591。F值为25.859, 其伴随概率小于0.001, 拒绝自变量的系数均为0的原假设, 全部自变量对因变量的共同影响有显著性, 该回归方程有效。进入特征价格模型的绝大多数自变量显著 (在1%、5%、10%水平下) , 且方差膨胀因子 (VIF) 的最大值为2.027, 共线性不严重。

4.2 特征价格模型变量系数的分析

住宅项目距离CBD的距离是影响价格的重要因素。由CDBJL的系数可知, 距离CBD的距离每减少1km, 住宅项目每平米均价上涨1.5%。其次, 公交线路对价格的影响也较为显著, 住宅项目周围1km范围内, 每增加一条公交线路, 能给房价带来0.2%的涨幅。此外, 名校资源也是影响价格的一个重要因素, 由MXZY的系数可知, 成为一所重点中小学的学区房给房价带来上涨的幅度高达7.9%。以高层楼型为参照, 多层每平米价格的涨幅为11.7%, 而小高层相对于高层房价的涨幅并不显著, 原因可能为昆明处在地震带, 建筑高度这一因素给购房者带来的影响不显著。

绿化率变量与医院变量符号相反而退出模型。容积率变量未通过显著性检验, 表明昆明地区住宅项目的容积率并不是购房者选择时主要考虑的因素。物业费变量同样未通过显著性检验, 原因可能是物业费虽代表业主能享受到的物业管理水平, 但由于购房者在购房时往往不能获知物业管理的具体内容, 在竞价中物业管理质量所起到的作用微乎其微。

4.3 地铁对沿线住宅价格影响分析

由表2可知, D1、D2、D3、D4、D5、D6、D7、D8的系数分别为-0.040、0.038、0.063、0.082、0.063、0.036、0.025、0.024。以距离最近地铁站800~1000米半径范围为参照, 距离范围为0~100米的住宅项目每平米均价下跌幅度为4%。将对数线性方程等式两边取以e为底的对数, 得P2∶P3∶P4∶P5∶P6∶P7∶P8=e0.038:e0.063:e0.082:e0.063:e0.036:e0.025:e0.024=1.039∶1.065∶1.085∶1.065∶1.037∶1.025∶1.024。距离范围为100~400米的住宅项目随距离增加, 增值幅度逐渐加大, 平均增幅达到6.3%。400~700米范围内的住宅项目随距离增加, 增值幅度逐渐减小, 平均增幅为3.8%。D4的系数最大, 表明增值效果最明显的是距离地铁站300~400米半径范围内, 与距离地铁站800~1000米半径范围内的住宅项目相比, 其房价的增值幅度达到8.5%。

地铁在建成期给站点周围住宅价格的影响分为正负两方面:交通可达性以及由此促进商业带来正向影响 (增值效应) , 距离地铁站越近, 住宅价格越高;而站点周边人流密集、噪音过大、社会治安等问题带来负向影响, 距离地铁站越近, 住宅价格反而降低。由定量分析可得, 地铁站半径100米范围内, 地铁所带来的负向影响占主导, 变量系数为负;100~400米范围内, 变量系数变为正, 负向影响随距离增加逐渐减弱, 正向影响所占比例逐渐增大, 增值效应随住宅项目到地铁站距离增加而逐渐表现明显, 但负向影响仍为主导;400~700米范围内, 负向影响基本消失, 正向影响占主导。

注:***表示在1%水平下显著, **表示在5%水平下显著, *表示在10%水平下显著。

5 结语

由实证结果可知, 就房地产开发的效益讲, 住宅项目建设在距离最近地铁站点100米半径内, 不能表现出地铁为房价带来的增值效应, 而住宅项目建设在地铁站100~800米范围可以体现出增值效应, 尤其在300~400米半径范围内, 增值效应最为显著。实证结果也为政府确定地铁沿线土地出让价格提供了参考依据, 政府合理制定土地出让价格, 可以有效补偿城市轨道交通的建设投资和运营成本, 实现地铁建设与周边房地产开发的良性循环。

摘要：作为减缓城市拥堵压力的一种重要交通方式, 地铁给沿线住宅价格带来了显著的影响。以昆明地铁1号线及2号线 (一期) 为研究对象, 运用SPSS软件对地铁沿线住宅项目样本数据进行回归分析, 构建对数线性形式的特征价格模型, 量化轨道交通对沿线住宅价格的影响程度。

关键词：地铁建设,住宅价格,特征价格模型,区位特征

参考文献

[1]孙玉环.房地产特征价格指数编制方法与应用研究[M].北京:中国社会科学出版社, 2009.

[2]张沈生, 张卫, 张文芳.地铁对沿线住房价格的空间性影响及建议——以沈阳地铁一号线为例[J].建筑经济, 2013 (8) :83-85.

[3]聂冲, 温海珍.城市轨道交通对房地产增值的时空效应[J].地理研究, 2010 (5) :801-809.

[4]严建峰.地铁上盖物业“合作开发+BT建设”模式研究——以深圳地铁为例[J].建筑经济, 2015 (10) :25-29.

[5]何剑华.用hedonic模型研究北京地铁13号线对住宅价格的效应[D].北京:清华大学, 2004

[6]王琳.城市轨道交通对住宅价格的影响研究[J].地域研究与开发, 2009 (2) :59-61.

[7]王德起, 于素涌.城市轨道交通对沿线周边住宅价格的影响分析——以北京地铁四号线为例[J].城市经济, 2012 (4) :82-87.

[8]刘红萍, 李剑锋, 邓宏乾.武汉市轨道交通一号线对沿线住宅价格影响的分市场效应分析[J].华南师范大学学报 (自然科学版) , 2015 (4) :128-134.

[9]张巍, 孙毅楠, 汤鸿飞.城市地铁站点周边房地产开发模式研究[J].建筑经济, 2014 (8) :92-96.

城市住宅特征价格定价法探讨 篇7

关键词：商品房,定价方法,特征价格

1 问题的提出

随着我国城市的高速发展, 城市化进程进入加速期, 房地产业成为了许多地济发展的支柱产业, 极大的促进和带动了其他相关产业的发展。对于城市住宅价格问题的讨论, 如房价是否合理, 是否存在房地产泡沫等, 近年来一直备受政府部门、房地产学术界和实务界关注。

城市商品住宅价格形成的理论依据主要是地租地价理论和区位理论, 成本投入法、市场比较法和收益还原法是评估城市商品住宅价格的传统方法[1], 这三种方法分别从不同的角度揭示了城市商品住宅价格形成的过程。成本投入法立足于房地产的产品属性;市场比较法侧重的是房地产的商品属性;收益还原法从房地产的收益出发, 体现了房地产的投资品属性。这些传统评估城市商品价格的方法运用比较广泛, 但存在很大的局限性, 我们应该寻找新的理论和方法来弥补传统方法的局限性, 使我们对城市商品住宅价格的研究更加深入。

2 特征价格理论分析

特征价格理论的研究基础是认为住宅产品具有耐久性、空间固定性等特点, 是一种异质性商品, 产品之间在构成使用价值的各个特征之间有明显的差异。特征价格模型的思路是消费者决策理论, 认为消费者愿意为一件商品支付的价格取决于他能够从商品的各种属性中获得何种程度的享受。国外普遍采用该理论模型来反映住宅价格的影响因素, 揭示住宅价格空间差异形成的原因。相对于成本投入法、市场比较法和收益还原法等传统方法, 特征价格理论对于各种属性因素的权重的确定完全从市场数据得到, 更为客观。

特征价格理论认为商品住房虽然不同质, 但组成这些不同质的“元素”是相同的, 区别只是“元素”量的不同。尽管不同区位上的住宅价格差异很大, 但住宅的同一“数量”同一属性的特征值却有着相同的价格, 通过多种属性特征的集合, 乘以每种属性对应的价格, 求和确定该商品的价格。

假设整个城市构成统一的住房市场, 每个消费者可以充分获取信息, 自由选择不同区位上的住房;可以消费不同的商品, 并为不同商品支付不同的价格[2]。

其中:U表示消费者效用函数, Z表示商品的特征向量 (Z中包含n个特征) , Y表示除商品以外的附和商品, P=P (Z) 表示产品的特征价格函数, M表示消费者的收入。

构造拉格朗日方程:

其中:Pj指商品特征Zj的特征价格, 函数P (Z) 就是特征价格函数。

上式给出了住宅特征束的边际价格, 表示在其它特征未变时, 该特征改变导致住宅价格的变化量。在住宅市场中, 住宅使用者可以选择一系列住宅特征边际价格的组合。住宅使用者将会调整每个住宅特征的边际价格, 从而在某一点上达到效用的最大化。通过确定单个属性的价格, 对住宅属性进行系统的量化, 不同属性按照不同的计量方式、计量单位进行确定, 从而求得的一个单位的属性价格, 得到某处住宅所对应的该属性的价格, 最后将各属性束求和, 得到商品房的整体价值[3]。

3 特征价格理论运用

特征价格定价方法近些年越来越多的被许多统计机构所接纳, 并被认为是最有前途的定价方法。

目前特征价格模型在具体应用过程中通常采用的函数形式包括三种:

(1) 线性函数P=C0+ΣCiXi+ε

线性函数中自变量和因变量均以线性形式进入模型, 回归系数对应着特征的隐含价格, 此时是一常数。

(2) 对数函数ln P=C0+ΣCiln Xi+ε

对数函数自变量和因变量均以对数形式进入模型, 回归系数对应着特征的价格弹性, 此时是一个常数。

(3) 半对数函数ln P=C0+ΣCiXi+ε

函数自变量采用线性形式, 因变量采用对数形式, 回归系数对应的是特征变量每变动一个单位时, 特征价格随之变动的增长率。

特征价格模型中:P为城市住宅价格, C0为除特征变量外其他影响价格的常量之和, Ci (i>0) 为特征变量的特征价格, Xi为特征变量, ε为误差项。

具体应用时, 选择哪一种函数形式应通过统计分析和假设检验确定, 且进入模型的变量应符合统计显著性、符号与假设一致性等原则[4]。一般来说, 大多数研究者都是凭经验初步设定函数形式, 然后不断地尝试和修正, 直到认为函数形式能够解释样本数据的差异, 并使得模型对样本数据的拟合满足要求。

4 应用价值

通过对特征价格理论的研究与应用, 可以在各个方面找到平衡:

第一, 可以为政府部门制定相关政策和评价提供依据。

第二, 房地产开发商或房地产评估公司可以通过住宅的特征价格来进行产品的定价, 从住宅的建筑面积、生活配套等特征因素进行综合考虑, 合理定价。

第三, 消费者选择购房时, 可以运用住宅的特征价格来进行产品的估价, 避免了从众心理, 为消费者提供了决策依据, 有助于消费者合理置业和投资决策。

第四, 特征价格理论对判断城市房地产业发展状况带来了新的理论依据。目前, 房地产业发展状况的判断依据主要是通过以下几个指标:投资额、商品房的空置率、房地产业的贷款占银行的贷款余额比例、商品房的售价增幅以及商品房总价与居民年收入的比例等。这些从商品住宅供给的角度出发, 没有从商品住宅需求角度研究。特征价格理论的分析方法通过结合消费者偏好、房屋特征的价格分析、城市的总体开发和规划对属性供给的影响以及房屋属性内部间的相互关联和作用, 可以对城市商品住宅市场进行全面分析。

参考文献

[1]温海珍, 贾生华.基于特征价格的房地产评估新方法[J].外国经济与管理, 2004 (6) :31-35.

[2]温海珍.城市住宅的特征价格:理论与实证研究[M].北京:经济科学出版社, 2005.

[3]蒋一军, 龚江辉.房地产价格指数与Hedonic模型[J].中国资产评估, 1996 (3) :30-32.

特征价格指数 篇8

一、我国现行房地产价格指数编制方法述评

相对国外较为完善的房地产价格指数编制实践,我国房地产市场起步晚、发育不完善,一定程度上影响了房地产价格指数编制实践的发展。我国最早研究并公布的房地产价格指数是于1995年1月投入试运行的中房指数。中国目前公布的房地产价格指数有十余种,其中,全国性的房地产价格指数主要有中国房地产指数系统(ChinaReal Estate Index System,简称中房指数)、国房景气指数(House Prosperity Index)、城房指数(City Real Estate Index)(暂未公布)、全国70个大中城市房地产价格指数和戴德梁行指数;地方性的房地产价格指数主要有伟业指数、中原城市指数、西安40指数、大连今朝价格指数等。总体来看,现行房地产价格指数的局限性主要表现在编制方法和数据来源两个方面。

1. 编制方法上存在的不足。

在国内现行的房地产价格指数中,中房指数和70个大中城市房地产价格指数仍主要采用拉氏加权指数法,即仍采用一般商品价格指数的计算方法来进行计算。但由于房地产商品具有不可移动性和单一性,在报告期很难找到地理位置、楼层、朝向等特征与基期一样的替代样本。因而,在使用加权指数法编制房地产价格指数的实际操作中,前后期所选用的样本常常是不同的,或者说缺乏可比性,由此得到的价格指数也就很难反映城市房地产市场的真实供求关系。另外,在房地产市场发展迅速、结构变化较快的情况下,反映基期市场结构的权数,也会逐渐与现期市场结构脱节,这样虽然还能够在纵向上反映市场房价的变化趋势,但与城市房地产市场的实际运行情况存在一定的差距,降低了指数在城市之间的横向可比性。

城房指数中已经开始应用特征价格法,能够在同质可比的基础上,综合考察供求关系等市场因素决定的价格变动,消除了住宅物理特征、区位特征的影响和干扰,但其编制范围在目前也仅限于完全市场化的商品住宅,并没有把二手房、别墅等物业类型包括进来。具体操作时,各城市基本上是直接套用住房和城乡建设部统一下发的编制过程,特征变量的选择及模型形式的选择,缺乏对各城市房地产市场有针对性的考虑和设计。

2. 数据来源上存在的不足。

房地产交易数据是编制房地产价格指数的基础,也是保证指数科学性和准确性的关键。我国编制房地产价格指数取得数据的渠道,主要有市场调查和市场实际交易案例两种。

中房指数和70个大中城市房地产价格指数在测算时,主要依据抽样调查得来的数据。实际中,调查数据往往存在以下问题:(1)调查数据的可靠性不足。这主要是由于抽样调查单位通常都是在指标设计好后,将表格下发到相关房地产开发公司,由后者填写后进行上报。房地产开发公司出于各种顾虑,或由于对编制房地产价格指数的意义认识不足,很难完全客观、准确地填报数据。(2)调查数据的代表性不足。由于时间和人力的限制,在编制房地产价格指数时,调查单位不可能调查所有的城市房地产价格信息,只能选择一些样本点进行调查,具体操作时,一般选择具有一定规模的房地产开发公司或楼盘进行调查,而这样得到的价格信息,难以代表整个城市的房地产市场价格水平。(3)调查数据的内容也不够全面。如中房指数调查的对象是房地产开发项目,调查的价格是项目的基准价,这个价格不考虑各房屋在楼层、朝向、内部结构等方面的差异,只是针对整个项目给出一个总体价格,而无法得到记录房屋品质特征方面的信息。

一些区域性房地产价格指数,比如大连今朝指数,在编制时采用的是市场实际交易数据。与调查数据相比,实际交易数据更真实,记录的信息更全面。但从实际交易数据的来源看,实际交易数据也存在一定的问题。获得房地产实际交易数据的渠道主要有两个:一是房地产中介公司,绝大多数二手房交易都是通过房地产中介公司完成的,中介公司拥有大量的二手房交易数据,但这些样本数据在各区域和类型上的分布并不均匀,涵盖的范围也不全面,以此计算的价格指数可能会存在一定的偏差;二是各城市房屋交易中心,由于所有房屋的买卖合同都需要到房屋交易中心登记备案,所以从房屋交易中心可以了解到所有发生交易的房屋的信息,包括房屋的交易价格和房屋的主要品质特征等。但是通过房屋交易中心得到的数据,存在一定的滞后性,尤其是新建商品房数据。这主要是因为商品房合同的备案一般由开发商办理,而开发商为了省事常常是等到合同积攒到一定数量后集中到房屋交易中心办理,这样一来,商品房的实际购买时间与其登记备案时间存在一定的间隔,尤其在未建成之前就开始销售的期房楼盘,滞后的时间可能会更长。

二、特征价格法应成为我国未来房地产价格指数实践的主流方法

随着我国房地产市场的不断健全和规范,充分利用房地产市场的实际交易信息,构建能全面反映各城市自身特点的特征价格模型及编制特征价格指数,将是各城市编制房地产价格指数的一个较好选择,也将是房地产价格指数编制实践的发展方向。

1. 特征价格法能够满足房地产价格指数编制实践发展的要求。

由于房地产商品的特殊性,使房地产价格指数的计算方法有别于其他商品的价格指数计算方法。一个优良的房地产价格指数计算方法应满足以下条件:(1)能够剔除区位、环境、质量等品质因素对房地产价格的影响,使计算出的价格指数,能够较准确地反映市场供求关系的变化;(2)数据易于收集,有较大的样本容量,从而有助于减少采样误差;(3)计算方法能够满足统计学的要求,如估计量满足一致性或渐近一致性的要求等等,以提高价格指数的准确性;(4)易于计算,便于掌握,最好能利用现有的统计或计量经济学软件包较方便地计算,从而提高计算方法的可操作性,保证指数的及时编制和公布。

综合国内房地产价格编制的实践来看,只要能够具备大量的房地产交易案例,特征价格法基本可以满足上述条件,因此,编制房地产指数时引入特征价格法,可以相对准确地反映房地产市场的供求状况,能够满足房地产价格指数实践发展的要求。另外,虽然混合模型法以及最近有学者所尝试的主成分方法、神经网络方法等房地产价格指数编制方法,似乎更具有方法上的科学性,但由于这些方法的计算过程复杂,前后期对比缺乏连贯性和系统性,可能并不适用于目前中国房地产价格指数的编制实践。

2. 由中国房地产市场的结构特点决定。

从理论与实践的效果看,特征价格法和重复交易法的准确程度高、实用性强,为发达国家普遍采用的房地产价格指数编制方法。但由于重复交易法需要大量的房地产重复交易案例,一般来说,房地产市场发展比较成熟的国家更适合使用这种方法,因为在这些国家中,三级市场发生的交易占整个房屋交易的比重最大。以美国为例,美国房地产市场上有80%左右的交易是二手房交易,只有20%的交易是新房交易,这些大量的二手房交易资料,为应用重复交易法提供了前提条件。而我国房地产市场还处于发展时期,情况正好相反,二级市场占主要地位,三级市场的交易份额并不高。由于重复交易法适用于以二手房销售为主体的房地产市场,所以相对来说,特征价格法更适用于以商品住宅为主体的中国市场。

3. 是进行经济意义分析的需要。

编制特征价格指数的基础是构建特征价格模型,通过构建特征价格模型,可以对房地产现象进行比较直观的经济意义分析,比如分析住宅特征的特征价格、住宅特征对住宅价格的影响程度、价格弹性及边际价格等等,甚至还可以应用于房地产估价领域。

4. 房地产交易管理信息系统的日趋完善,为特征价格法的应用提供了可能。

缺乏完善的基础数据支持,是一直以来影响特征价格法应用于国内指数编制实践的主要障碍。虽然目前我国房地产交易管理信息系统尚不够完善,但随着我国房地产市场的不断健全和规范,市场交易案例逐步增多,已经初步具备了应用特征价格法的现实可行性,也使对房地产各项特征因素与房地产价格关系的测算成为可能。尤其是自2004年1月建设部等七部委《关于加强协作共同做好房地产市场信息系统和预警预报体系有关工作的通知》等文件发布以来,房地产市场信息系统在全国各主要城市正陆续建立,以较小成本采集应用特征价格法所需要信息的条件正逐步形成。

三、构建房地产特征价格指数所需要的制度规范与保证

构建房地产特征价格指数是一项庞大的系统工程,不仅需要技术人员对模型的建立过程充分研究和反复尝试,还需要有相关行业管理部门从制度上进行规范管理,从而为获取高质量的交易数据提供制度上的保证。

1. 编制主体应由房地产管理部门与统计部门联合承担。

从一般意义上讲,房地产特征价格指数应由国土房屋局管理部门负责。房屋管理部门具有一套自下而上完整的信息系统,能够保证数据来源的稳定性、完整性和及时性。但在现行行政部门的职能划分上,除个别特殊部门外,价格指数均由统计部门负责编制,由统计部门和发展改革部门共同发布,作为官方权威数据供社会使用。其它部门编制的价格指数,只能作为行业内部参考,这也是住宅和城乡建设部所研究并试编制的城房指数,始终没有被广泛认可的主要原因。而统计部门的工作人员,虽然具有丰富的统计工作经验和专业的统计知识,但往往由于缺乏对房地产运行情况和管理情况的了解,在选择价格指数计算方法、评判房地产价格的可靠性方面难免会出现偏差,从而影响到所编制房地产价格指数的准确性。

因此,为保证住宅特征价格指数编制的科学性和规范化,提高我国房地产价格指数数据的编制质量,建议编制主体由各城市国土资源和房屋局及调查队联合担任,具体工作可由国土资源和房屋局指定机构负责。同时行业职能部门也应积极开展与房地产企业的合作,发挥房地产中介代理机构或咨询公司等民办机构的优势,这是补充房地产特征变量信息的最有效途径。

2. 完善房地产交易所的房地产登记备案制度。

获取真实、全面的交易信息,是运用特征价格法编制房地产指数的必备条件,编制房地产价格指数的基础数据来源只能是房地产市场信息系统。但现实情况是,在房地产交易所备案的合同中,所登记的住宅特征信息还不全面,使得研究人员不得不为编制特征价格指数进行额外的大量调查工作,这样不仅会导致指数的编制周期延长,还容易出现登记性误差。因此,为了保障交易登记资料的准确性和时效性,应从法规政策上严格规定开发商所签署销售合同的备案时间和备案内容,建立健全房地产特征信息库,以大大降低后期数据整理的工作量,提高编制特征价格指数的质量和时间效率。

3. 整合并规范主城区和卫星城房地产交易信息模式。

随着房地产市场的不断完善,居民改善居住条件等的需要,我国各大中城市居民对住房的需求量不断增加。在一些主要城市,主城区的房地产市场与周边卫星城的房地产市场已经开始融为一体,卫星城对主城区住宅市场的分流作用日益明显。特别是随着各主城区建设用地的紧缺和城市快速交通的开通,为居民在内城工作、在外城居住创造了条件,卫星城住宅价格迅速上涨,有些卫星城市已经达到或接近主城区的房地产价格。但由于历史行政管理问题的遗留,与这种相互融合现象不协调的是,目前各大中城市的主城区与卫星城区的房地产交易信息模式和管理往往存在很大差异,无法支持各城市特征价格指数的统一编制。因此,从长远的发展角度来看,应统一主城区和卫星城房地产交易信息模式,为各城市编制全部城区商品住宅特征价格指数奠定基础。

摘要：笔者结合近年来参与房地产调查实践和房地产价格指数编制工作的体会,在对我国现行房地产价格指数编制方法进行简单述评的基础上,分析特征价格法应用于我国房地产价格指数编制实践的必要性和可行性,并提出编制房地产特征价格指数所需要的制度规范和保证。

关键词：特征价格法,房地产价格,指数

参考文献

[1]统计局长在深圳调研房地产价格统计并主持座谈会,[J/OL]。http://www.gov.cn/gzdt/2010-03/03/ content_1546295.htm。

[2]陈杰:应以特征法计算房地产价格指数, [J/OL].http://news.fudan.edu.c n/2010/0407/24084.html。

[3]中国指数研究院.中国房地产指数系统理论与实践[M].第2版.北京:经济管理出版社,2005年。

[4]温海珍.城市住宅的特征价格:理论与实证研究[M].第1版.北京:经济科学出版社,2005年。

牛肉价格波动特征及原因分析 篇9

1 畜产品价格研究现状

近年来, 对畜产品价格方面的研究已经取得了丰硕的成果。唐江桥等[1]运用ARCH类模型对我国主要畜产品的价格波动率进行了分析, 结果表明:牛肉、羊肉和鸡肉的价格波动具有显著的波动积聚性。韩星焕等[2]采用X12季节调整法和HP滤波法对活鸡价格的波动进行研究, 从中总结出活鸡价格波动的主要成因是饲料价格的上涨。陈迪钦等[3]通过建立多元线性模型和1阶AR (1) 模型测度各主要因素对生猪价格的影响程度, 结果表明:生猪价格与仔猪价格、玉米价格、鸡肉价格呈正相关, 与生产者预期、疫情呈负相关, 其中玉米价格的波动对生猪价格影响最大。周晓媛[4]运用X12季节调整法对我国生猪价格波动特征进行了分析, 结果表明:饲料、仔猪价格、猪肉产量和滞后一期的猪肉价格是影响猪肉价格的主要因素。田露等[5]认为在牛肉产业内存在长期的协整关系, 玉米价格是影响牛肉市场价格的最重要因素。本研究在借鉴上述研究成果的基础上, 通过计量经济模型对2000—2012年吉林省牛肉价格变动特征进行分析, 找出价格波动的真正原因, 并提出稳定牛肉价格的对策建议, 为培育健康、良性发展的牛肉市场建言献策。

2 分析方法

研究将采用X12季节调整模型中的加法模型Y=T+S+C+I进行季节调整, 将季节要素和不规则因素分离出来, 得出周期序列, 其中长期趋势变动 (T) 、季节波动 (S) 、循环变动 (C) 、不规则因素 (I) 是影响价格波动的四大因素;再用HP滤波法将周期序列和趋势序列进行分解。

2.1 X12季节调整法

X12季节调整模型中加法模型的3个阶段[2]。

第1阶段:季节调整的初始估计。

1) 通过中心化12项移动平均计算趋势循环要素的初始估计:

2) 通过3×3移动平均计算季节因子S的初始估计:

3) 季节调整结果的初始估计:

第2阶段:计算暂定的趋势循环要素和最终的季节因子。

1) 利用Henderson移动平均公式计算暂定的趋势循环要素:

2) 计算暂定的SI:

3) 计算最终的季节因子:

第3阶段:计算最终的趋势循环要素和最终的不规则要素。

1) 利用Henderson移动平均公式计算最终的趋势循环要素:

2) 计算最终的不规则要素:

2.2 HP滤波趋势分解模型的计算方法[2]

设Yt是包含趋势成分和波动成分的经济时间序列, YtT是序列中含有的趋势成分, YtC是序列中含有的波动成分, 则:

时间序列Yt中的可观测部分趋势YtT常被定义为下面最小化问题的解:

其中c (L) 是延迟算子多项式, 如下:

将式 (3) 带入式 (2) , 则HP滤波的问题就是使下面损失函数最小, 即:

3 数据来源与说明

研究分析吉林省牛肉价格波动特征所运用的价格数据来源于中国畜牧业信息网, 采用的数据为月度数据。选择的时间范围为2000—2012年, 主要是由于2000年以前吉林省牛肉价格比较稳定, 2000年以后开始缓慢上升, 直至2007年开始快速上升, 波动幅度较大。2000—2012年吉林省牛肉价格波动情况见表1, 为了减少物价变化的干扰, 牛肉价格按吉林省居民消费价格指数平减。

4 实证分析

采用Eview6.0软件, 对吉林省2000—2012年牛肉价格月度数据进行X12季节调整和HP滤波分析, 结果如图1~6所示。从图1牛肉价格原序列可以看出, 吉林省牛肉价格在2003年、2007年、2011年和2012年这4年里变动幅度比较明显, 这一趋势与图2牛肉价格不规则要素分量序列的变动趋势基本相同, 说明吉林省牛肉价格在这4年里的大幅度变动是由不规则要素引起的, 而不规则要素影响了季节性波动。

由图2、图4可见, 从季节因素来看, 2000—2012年间吉林省牛肉价格季节性波动比较明显, 呈现出“W”型态势, 2000—2006年, 每年的2月到次年的2月为1个波动周期, 上半个周期和下半个周期波动的幅度差距不大, 季节波动规律基本一致, 分别会在每年的3, 4月份和8, 9月份产生一次低谷, 主要是由于每年的2月份正值春节期间, 牛肉消费需求上升, 牛肉价格随之上涨, 而到了3, 4月份气温开始上升, 大量的应季蔬菜开始上市, 牛肉需求量下降, 价格也随之下降。吉林省10月份开始转冷, 冬季饲养肉牛不易增重, 育肥效果差, 养殖户会选择8, 9月份出售肉牛, 故8, 9月份正是肉牛出栏的旺盛时期, 这就会导致牛肉价格的下降。2007—2012年, 牛肉价格季节波动的上半个周期比下半个周期表现得明显, 同样会在每年的3, 4月份出现1次波谷。

由图6可见, 从牛肉价格趋势循环序列的HP滤波结果来看, 图上方逐渐上升的平滑曲线代表趋势线, 2000—2012年吉林省牛肉价格总体上呈现上升趋势, 2000—2006年价格上升比较平稳, 2007—2012年价格上升速度较快, 从图6最下方曲线来看, 跨年度的波动周期主要有3个, 分别呈现出“∩”型、“U”型和“W”型的波动特征。“∩”型波动周期从2002年5月份到2003年4月份, 周期长度为12个月;“U”型波动周期从2006年4月份到2008年2月份, 周期长度为23个月;“W”型波动周期从2008年3月份到2012年12月份, 周期长度为58个月。

2000—2012年牛肉价格波动是由诸多因素引起的, 2003年肉价价格由年初的16.4元/kg下降到年末的15.7元/kg, 主要是由于2002年国际上普遍爆发的疯牛病对消费者的购买意愿产生了一定程度的影响, 居民减少了牛肉的消费量, 牛肉需求量略有下降, 导致价格的小幅度下降。而2007年牛肉价格大幅上涨的原因一方面是玉米价格、仔畜价格上涨导致生产成本的快速升高, 2007年1月份吉林省玉米和豆粕价格分别为1.23元/kg和2.64元/kg, 持续上涨到2012年12月份的2.32元/kg和4.12元/kg, 上涨幅度分别为88.62%和56.06%;1头400 kg重的架子牛由2007年的4 100元上涨到2012年的9 200元左右。每头肉牛生产成本由2006年的845.47元上涨到2007年的1 410.78元, 上涨了66.86%。另一方面是牛源紧缺, 且肉牛饲养周期长, 居民牛肉消费需求持续增长, 人均牛肉消费量由2003年的2.0kg增长到2011年的4.1 kg, 导致供不应求。2011年和2012年牛肉价格再次大幅上涨的最主要原因还是生产成本的升高, 分别由2010年的6 830元上涨到9 492元和12 093元, 全国肉牛养殖比较效益下降, 散养肉牛成本利润率由2007年的36.63%下降到2011年的28.57%, 直接造成肉牛养殖户积极性下降, 2010年吉林省肉牛年末存栏量为455.7万头, 2011年末存栏量下降为423.7万头, 这一期间全国肉牛存栏下降了266万头, 肉牛生产能力下降, 供给不足。另外, 2010年末全国能繁母牛3.42万头, 到2011年末则下降到3.1万头, 造成2012年牛肉供给紧缩, 给牛肉市场带来巨大的冲击。

4 结论与建议

运用X12季节调整法和HP滤波法对2000—2012年吉林省牛肉价格波动特征进行分析, 结果表明, 吉林省牛肉价格呈现上升趋势, 波动的主要原因来自季节因素和不规则因素, 在剔除季节因素和不规则因素的影响之后, 吉林省牛肉价格周期波动先后呈现出明显的“∩”型、“U”型和“W”型。牛肉价格上涨的主要原因有:肉牛养殖成本升高;养殖户比较效益降低, 积极性不高;消费需求快速增长;肉牛存栏降低, 能繁母牛减少, 供给能力下降。

稳定牛肉价格不仅能够满足消费者的需求, 稳定牛肉市场秩序, 促进牛肉市场良性循环, 也有利于促进肉牛产业的健康发展, 对此针对导致牛肉价格波动的主要原因提出以下几点建议:1) 稳定玉米、豆粕等饲料价格, 适时增加饲料储备并保证饲料的安全供应, 抑制饲料价格的大幅波动, 降低养殖户生产成本, 提高养殖意愿, 从生产成本上减缓牛肉价格的波动。2) 鼓励饲养母牛, 扩大能繁母牛的饲养规模, 通过对饲养母牛的农户按照饲养规模不同给予不同的资金补贴, 来调动农户饲养母牛的积极性。母牛数量增加, 必然会使得犊牛数量增加, 就会降低犊牛市场流通的价格, 从而降低饲养成本, 增加供给量, 抑制牛肉价格大幅波动。3) 促进肉牛良种繁育体系的建设, 培育产肉量高、肉质好的肉牛品种, 提高牛肉总体产量, 增加牛肉供给量, 弥补牛源紧缺导致牛肉产量供不应求而造成的价格波动, 培育健康稳定的牛肉市场。

参考文献

[1]唐江桥, 雷娜, 徐学荣.我国畜产品价格波动分析:基于ARCH累模型[J].技术经济, 2011 (4) :86-91.

[2]韩星焕, 姜天龙.我国活鸡价格波动成因分析:以2000—2011年为例[J].中国畜牧杂志, 2012, 48 (12) :46-49.

[3]陈迪钦, 漆雁斌.中国生猪价格波动影响因素的实证分析[J].湖北农业科学, 2013, 52 (4) :959-963.

[4]周晓媛.我国猪肉价格波动影响因素及影响效应研究[D].重庆:重庆工商大学, 2012.

我国蔬菜价格特征、问题及对策 篇10

1 我国蔬菜产业概况

1.1 蔬菜面积和产量稳定增长

近30 a来中国蔬菜产业得到长足的发展。中国蔬菜总面积由1978年的3 331×103hm2增长至2013年的20 899×103hm2,增幅约527.4%,年均增长7.3%。中国蔬菜总产量由1996年的30 516万t增长至2013年的73 512万t,增幅约为134.1%,年均增长5.31%。蔬菜总面积除2004年和2006年略有下降外,其他年份均呈上升趋势。蔬菜总产量除2006年外,其他年份一直处于增长趋势。

蔬菜是除粮食作物外的国内第二大农作物,且蔬菜播种面积占中国农作物总播种面积的比重呈上升趋势。2013年,粮食作物、油料作物、棉花、麻类、糖料、烟叶、药材、蔬菜的播种面积分别占总面积的68.01%、8.52%、2.64%、0.06%、1.21%、0.99%、1.11%和12.70%。由此可知,蔬菜播种面积在中国农作物总播种面积中的比重排第二位。不仅如此,粮食作物、油料作物、棉花、麻类、糖类、烟叶、药材和其他农作物的播种面积在总面积中的比重呈下降趋势,而蔬菜播种面积在总面积中呈上升趋势。2000年,蔬菜播种面积在农作物总播种面积中的比重为9.75%,2013年该比重上升至12.70%。

1.2 蔬菜生产逐渐向优势区域集中

近年来蔬菜生产逐渐向华南与西南热区冬春蔬菜、长江流域冬春蔬菜、黄淮海与环渤海设施蔬菜等优势区域集中。2013年全国蔬菜播种面积最多的10省为山东(1 832.9×103hm2)、河南(1 745.8×103hm2)、江苏(1 354.9×103hm2)、广东(1 306.9×103hm2)、湖南(1 283.7×103hm2)、四川(1 276.0×103hm2)、河北(1 220.4×103hm2)、湖北(1 145×103hm2)、广西(1 104.6×103hm2)、云南(900.8×103hm2)。除江苏外,其他9省均位于华南与西南热区冬春蔬菜、长江流域冬春蔬菜、黄淮海与环渤海设施蔬菜三个蔬菜生产优势区。10省的蔬菜播种面积之和占全国蔬菜总播种面积的63.1%,10省的蔬菜产量之和占全国蔬菜总产量的65.6%。蔬菜生产优势区的形成有如下原因[1,2]:自然优势、市场需求拉动、政府政策推动和交通条件改善。蔬菜生产优势区的形成有利于蔬菜品种互补、上市档期错开、区域协调发展,能够有效解决蔬菜供给区域不平衡的矛盾。

1.3 蔬菜流通体系渐趋完善

蔬菜大市场、大流通格局初步形成。自1984年山东寿光建立全国第一家蔬菜批发市场,蔬菜市场建设得到快速发展。2010年,经营蔬菜的农产品批发市场2000余家,农贸市场2万余家,覆盖全国城乡的市场体系基本形成[3]。各地创建了一大批年交易额在10亿元以上的蔬菜(农副产品)批发交易市场,比如北京新发地、山东农产品物流园、南京白云亭、常州凌家塘、深圳布吉等。据统计,70%的蔬菜经蔬菜批发市场批发,80%的蔬菜在零售环节经农贸市场销售,15%的蔬菜在大城市经超市销售[3]。蔬菜大市场、大流通格局的初步形成,在保障市场供应、促进农民增收和引导生产发展等方面发挥了重要作用。

1.4 蔬菜出口迅速增长

据海关统计数据,1995-2014年,中国蔬菜出口量和出口额由215万t和21.6亿美元上升到976.1万t和124.9亿美元,年均增幅分别为8.32%和9.67%。2014年蔬菜出口额仅次于水产品的125.1亿美元,创造了119.8亿美元的贸易顺差。中国蔬菜出口市场主要有东北亚市场、东盟市场、欧盟市场、北美市场和俄罗斯市场五大市场,其中以东北亚市场最大。2014年我国蔬菜出口额排名前十位的国家或地区依次是日本(22.9亿美元)、越南(13.1亿美元)、中国香港(9.6亿美元)、韩国(8.8亿美元)、马来西亚(8.4亿美元)、美国(8.2亿美元)、泰国(5.9亿美元)、俄罗斯(5.8亿美元)、印度尼西亚(4.2亿美元)和德国(2.5亿美元)。中国出口蔬菜主要有鲜冷冻蔬菜、加工保藏蔬菜、干蔬菜和蔬菜种子4类,其中鲜冷冻蔬菜和加工保藏蔬菜占出口蔬菜3/4以上。

2 我国蔬菜价格特征

2.1 长期来看,蔬菜价格呈上升趋势

1978-2013年,我国蔬菜零售价格指数上升了28倍,尤其在1993年之后,蔬菜价格指数以年均46.9%的增长率上涨,见图1。大宗蔬菜产业体系经济研究团队对我国25种主要蔬菜价格自2000年以来的长期趋势进行了分析,发现全年均价从2000年的1.66元/kg,上升至2010年的3.17元/kg,涨幅为91%,其中2010年的全年均价为2005年的1.71倍[4]。居民蔬菜零售价格上升主要受蔬菜生产成本上升推动[5]。我国蔬菜市场接近完全竞争市场。经济学基本原理是,在一个竞争市场上,能够长期维持的价格只能是等于供给成本的价格[6]。大中城市蔬菜种植成本由1998年的平均1 257元/667m2增长至2013年的4 050元/667m2,年均增长率为8.11%。随着蔬菜种植成本的上升,蔬菜价格随之而上升。

资料来源:中国价格统计年鉴。

2.2 蔬菜价格具有季节性波动特征

蔬菜生产和供给具有季节性特点,蔬菜价格随着季节的轮换而呈现出规律性变动。图2为2001年1月-2015年5月蔬菜月度零售价格指数。如图2所示,居民蔬菜零售价格在每年1-3月上升,6-7月价格下跌,形成一个具有峰顶和谷底的波动周期。2001-2015年共形成15个峰顶和15个谷底。蔬菜价格呈现周期为一年的周期性波动,是因为蔬菜生产受自然条件制约。每年1-3月我国气温较低,不适合大多数蔬菜生长,大多数露地蔬菜进入休耕期,市场上这些蔬菜供不应求,从而价格上扬;每年6-8月大多数蔬菜进入收获期,短期内大量蔬菜上市,市场上这些蔬菜供过于求,从而价格下跌。

资料来源:中国经济社会发展统计数据库。

2.3 蔬菜生产价、批发价和零售价波动较为同步

图3为2011年1月至2014年8月大白菜生产价、批发价和零售价三种价格的走势图。首先,蔬菜生产价是批发价和零售价的基础。从蔬菜流通来看,批发价和零售价的定价必须在蔬菜生产价基础上加层。蔬菜生产价加上流通成本,再加上代收户和批发商利润,构成批发价。批发价加上流通成本,加上销地批发商利润,再加上零售商利润,构成零售价。其次,无论是在波动频率还是在波动幅度上,生产价、批发价和零售价的波动都较为同步。大白菜生产价、批发价和零售价在每年6-8月份达到波峰,12月-次年2月份降至波谷。大白菜每年6-8月处于淡季,生产供给不足,市场上大白菜供不应求,价格上升。每年12月-次年2月份大白菜集中上市,市场上大白菜供过于求,价格下跌。

3 我国蔬菜价格存在的问题

3.1 蔬菜价格波动频繁且剧烈

我国蔬菜产业是高度市场化的产业,蔬菜价格受蔬菜供求关系决定,而蔬菜供求关系受生产成本、流通成本、自然灾害、生产布局、城乡人口、收入水平、替代品价格、货币供应量、政府政策等影响,因此,在市场经济中,蔬菜价格波动较为频繁。如表1所示,2001年1月至2015年4月期间,城市居民消费价格分类指数(鲜菜)环比价格上涨或下跌幅度不小于5%、10%和15%的月份分别有102个、48个和22个,分别占样本总数的59.3%、27.9%和12.79%,足见我国蔬菜价格波动频繁。另外,我国蔬菜价格波动幅度较大。据统计,2002年1月至2015年5月期间主要大宗蔬菜品种诸如大白菜、四季豆和黄瓜的最高价格分别为3.31元/kg、11.83元/kg和8.17元/kg,最低价格分别为0.53元/kg、1.37元/kg和0.89元/kg,最高价分别是最低价的6.25倍、8.67倍和9.17倍。

资料来源:大白菜生产价来源于山东寿光农产品物流园信息中心;大白菜批发价来源于商务部市场运转司网站;大白菜零售价来源于国务院发展研究中心信息网。

资料来源:根据国家统计局网站公布数据整理。

蔬菜价格频繁剧烈的波动将会导致一系列负面影响:一是增加蔬菜生产者的市场风险。我国蔬菜生产者存在信息获取能力弱、市场反应速度慢等局限性[7]。蔬菜价格高时盲目扩大蔬菜种植面积,一哄而上导致蔬菜收获季节价格走低。菜农只能低价甚至亏本销售蔬菜。二是损害了消费者利益。消费者将承担蔬菜价格暴涨时的额外费用,增加了蔬菜消费者的消费支出。2010年起“蒜你狠”、“姜你军”、“辣翻天”、“菜奴”等有关蔬菜网络词汇的出现不仅折射出消费者对蔬菜价格迅速上涨的不满,更显现出菜价波动问题的社会性。三是危害宏观经济稳定。蔬菜价格占CPI总权重的7%[8],蔬菜价格上涨已成为推高国内通货膨胀的主要因素之一[9],因此,蔬菜价格暴涨暴跌将对宏观经济稳定带来负面影响。

3.2 蔬菜生产者难以从价格上涨中获利

图4为1998-2013年我国蔬菜生产价、成本和净利润变化趋势图。1998-2013年蔬菜生产者的利润在0.38元/kg-0.74元/kg之间变化,平均利润约0.5元/kg。1998-2013年蔬菜生产价增长了126%,蔬菜成本增长了153%,而蔬菜生产净利润仅增长97%,由此可知,我国蔬菜生产价和蔬菜生产成本呈同步上升,但我国蔬菜生产者的利润并没有随着蔬菜生产价的上涨而上升。我国蔬菜收购市场是完全竞争市场,蔬菜生产者只能获得行业平均利润[10]。蔬菜生产者的净利润等于蔬菜生产价减去蔬菜生产成本。难以从蔬菜价格上涨中获利的现象将影响蔬菜生产者增收致富,将降低蔬菜生产者种植蔬菜的积极性,不利于蔬菜产业发展。

资料来源:历年《全国农产品成本收益统计资料汇编》。

3.3 蔬菜产销差价拉大,出现“两头跳,中间笑”现象

图5是以1978年为基期的1978-2013年蔬菜生产者价格指数与零售价格指数走势图。1995年之前,蔬菜生产者价格和零售价格之间的差距较小,自1995年蔬菜价格大幅上涨之后,蔬菜生产者价格与零售价格间的差距越来越大,2013年两类价格指数差约为1 174。蔬菜产销价差扩大一方面反映蔬菜生产者卖菜难,另一方面反映蔬菜消费者买菜贵[11]。蔬菜产销价差扩大挫伤了蔬菜种植者的积极性,也增加了城镇居民的生活成本,成为广受关注的社会问题。

资料来源:历年《中国统计年鉴》。

4 引起问题的原因分析

4.1 蔬菜价格暴涨暴跌的主要原因

4.11异常天气加剧蔬菜价格波动

蔬菜价格的异常波动大多与干旱、雨雪、冰冻、暖冬等异常气候有关。自然灾害一般作用于局部地区蔬菜供给,短期内影响巨大,会致使供给迅速变化,从而导致蔬菜价格异常波动。恶劣气候条件会加剧蔬菜供给的区域性矛盾。例如2008年1月10日起中国南方发生大范围低温、雨雪、冰冻等自然灾害。全国20多个省市受不同程度影响。据统计,2008年1月10日至2月24日,全国农作物受灾面积达11 866×103hm2,其中安徽、江西、湖北、湖南、广西、四川和贵州7省受灾最为严重。严重的低温雨雪天气导致蔬菜受冻,市场上蔬菜供不应求,蔬菜价格上升。图6为雪灾期间湖北省大白菜和圆白菜价格走势。由图6可知,湖北省大白菜和圆白菜价格在雪灾期间约上升了0.15元/kg。减少蔬菜价格的异常波动,根本上是加强蔬菜主产区基础设施建设,提高蔬菜生产应对气候变化的能力,降低气候灾害对蔬菜生产和蔬菜价格波动的负面影响。

4.1.2 近郊菜地减少增加了蔬菜价格波动的不确定性

近年来,随着工业化和城镇化建设步伐加快,城市周边地租不断上涨,土地用于工业开发区建设、房地产开发等的收益远超种植蔬菜的收益[12]。这导致我国城市周边大量的蔬菜生产基地被征用以实现城市的扩张。尽管不少城市制定了菜地占补平衡政策,但占补不平衡、先占后补、占多补少、补后又占、征占不补的现象依然存在。比如,湖北省黄冈市加快建设“两区四园”,近两年内城区蔬菜基地面积减少了400 hm2左右,蔬菜供应能力降低了1/3,这使得黄冈市蔬菜消费逐渐依赖外地调入,一旦外地蔬菜供应不足,该市蔬菜价格将快速上涨。我国大中城市蔬菜生产格局逐渐由“近郊为主、远郊为辅、农区补充”向“农区为主,郊区为辅”转变。蔬菜主产区突发的自然灾害、病虫害等将直接影响城市蔬菜供应,加剧城市蔬菜价格的波动。类似研究支持该结论,比如,Stage和Mc Granahan[13]认为城市化和工业化从两方面影响农产品价格:一方面城镇化和工业化使得农产品生产者转为农产品消费者,增加了城镇农产品消费需求,二是城镇化和工业化使得农业用地减少、食品库存成本提高等,进而导致农产品供应成本增加。

资料来源:中国价格信息网。

4.1.3 信息不对称加剧蔬菜供需的时空不均衡

市场参与者获得完全充分的市场信息是形成均衡价格的必要条件。由于缺乏精准、权威的公共信息平台,以及蔬菜种植者、蔬菜从业人员、蔬菜消费者获取信息的能力有限,我国蔬菜市场上信息并不充分。信息不对称至少有如下危害:一是导致“盲目种植”、“跟风种植”。在信息方面处于弱势地位的单个蔬菜种植者无法获取准确的信息来判断未来蔬菜市场行情,有限的生产决策能力使得“盲目种植”、“跟风种植”现象普遍[14]。二是导致同一种蔬菜价格在不同区域的“贵贱两重天”。蔬菜从业人员的信息不充分使得不同区域的蔬菜供需矛盾不能及时调和。类似研究支持这一观点。朱信凯等[15]认为信息对蔬菜价格波动的影响显著,这些蔬菜品种包括大白菜、番茄、胡萝卜、黄瓜、姜、茄子、芹菜、青椒、蒜、土豆、莴笋、香菇、葱等13类,而且在13类蔬菜品种中,84.62%的蔬菜价格受信息非对称性影响,其中负向信息影响大于正向信息影响的蔬菜占54.55%。

4.2 蔬菜生产者难以分享价格上涨收益的原因

4.2.1 蔬菜生产成本上升挤压蔬菜生产者利润空间

蔬菜生产成本是蔬菜生产者价格的重要组成部分,蔬菜生产成本与蔬菜生产者价格的比较决定了蔬菜生产者能否收回成本和获得多大利润。我国蔬菜生产成本在1998-2013年间呈上升趋势。大中城市蔬菜生产成本由1998年的18 855元/hm2增长至2013年的60 750元/hm2,年均增长率为8.11%。物质服务费和人工成本是蔬菜生产成本中涨幅较大的两项。由图7可知,物质与服务费用由1998年的10 695元/hm2增长至2013年的21 330元/hm2,年均增长率为4.7%,人工成本由1998年的7 305元/hm2增长至2013年的34 155元/hm2,年均增长率为10.7%。蔬菜生产者的净利润等于蔬菜生产价减去蔬菜生产成本。由图7可知我国蔬菜生产成本与蔬菜生产者价格走势较为同步,使得我国蔬菜生产者的净利润上升空间不大。

资料来源:历年《全国农产品成本收益资料汇编》。

4.2.2 蔬菜生产者在蔬菜交易过程中没有定价权

目前我国蔬菜产业存在“大市场,小农户”的行业特征。相较于信息渠道广、市场力量强大的蔬菜经销商,蔬菜生产者较为分散和单一。单个蔬菜生产者具有信息不对称、实力弱小、标准化程度低等缺陷,导致蔬菜生产者在蔬菜收购市场上谈判能力弱、缺乏定价权。蔬菜价格上升时,蔬菜经销商获取大部分利润,蔬菜生产者只能获得少量增额利润。张合成[16]认为由于我国农产品生产者在农产品交易过程中缺乏定价权,我国农产品生产者所得占最终卖出价格的14%,这一数字比发达国家低16%。类似研究支持上述分析。高扬[17]认为我国蔬菜生产者市场接近于完全竞争市场,特征是蔬菜生产者众多、蔬菜产品基本无差异、进入市场无壁垒等,在该市场中,蔬菜生产者缺乏竞争力和价格谈判力,是蔬菜价格接受者。处于蔬菜产业链底端的单一蔬菜生产者难以分享价格上涨的收益,但需要承担价格下跌损失。4.2.3蔬菜产能过剩损害蔬菜生产者的利益1990-2013年我国蔬菜供求总体状况为供给略大于需求。我国蔬菜总供给主要由国内蔬菜生产和国外蔬菜进口两部分组成,而以国内蔬菜生产为主。我国蔬菜总需求由国外出口、国内食品消费、损耗和饲料共四部分构成。图8为1990-2013年我国蔬菜供需走势。1990年我国蔬菜总供给量为11 660.21万t,蔬菜需求量为10 534.30万t,供给量比需求量多1 224.91万t。1990-1999年期间我国蔬菜剩余供给稳定在2 800万t以内。2000年以后,随着政府对农业和蔬菜产业的高度重视,蔬菜生产发展较快,国内蔬菜产量大幅提升。该时期国内蔬菜需求与蔬菜供给间的差额增大。2013年我国蔬菜总供给量为50 815.42万t,蔬菜需求量为42 685.04万t,蔬菜供给量比蔬菜需求量多8 130.38万t。由此看来,我国蔬菜产业的产能在逐渐过剩,蔬菜产业产能过剩将会损害单个蔬菜生产者利益,也会造成蔬菜产业的资源浪费。

资料来源:根据FAO历年Food balance sheet整理。

4.3 蔬菜产销价差拉大的原因

4.3.1 蔬菜产销分离和蔬菜跨区流通导致流通成本上升

我国蔬菜生产逐步向优势区域集中,形成华南与西南热区冬春蔬菜、长江流域冬春蔬菜、黄土高原夏秋蔬菜、云贵高原夏秋蔬菜、北部高纬度夏秋蔬菜、黄淮海与环渤海设施蔬菜等六大优势区域。蔬菜生产向优势区域集聚一方面缓解了淡季蔬菜供求矛盾,另一方面导致蔬菜产销分离和蔬菜跨区流通。蔬菜产销分离是指蔬菜生产中心远离其消费中心。蔬菜产销分离客观上增加了蔬菜的运输距离,导致流通成本上升,进而助推了蔬菜价格的上涨。需要指出的是,由于主销地的蔬菜价格中流通成本所占比重远高于主产地,因此产销分离和跨区流通对主销地蔬菜价格上涨带来的压力要远大于主产地。

4.3.2 传统流通模式下中间流通环节过多,导致流通成本上升

传统流通模式是指经过农产品批发市场而到达零售市场的流通模式[18]。农产品批发市场在我国农产品流通中发挥主导作用,承担着约70%的农产品流通任务。据国家大宗蔬菜产业体系经济研究室调研,在传统流通模式下,山东寿光蔬菜从农户地头流通到北京消费者餐桌需经历13-15道程序,约产生流通费用0.4元/kg-0.5元/kg。这些流通费用包括产地的代收费、小车费、交易费、包装物费用、包装费、装车费、运输费、摊位费,到销地批发市场后的进门费、卸车费,到销地零售市场的摊位费、油费等。传统流通模式下蔬菜流通环节过多,所产生的流通费用最终转嫁到零售价格上,导致蔬菜零售价格走高,出现“两头跳,中间笑”现象。

5 对策建议

5.1 发挥政府职能,稳定蔬菜价格

5.1.1 加强蔬菜主产区基础设施建设,提高蔬菜生产的抗灾减灾能力

加强以水利设施和温室、大棚为重点的菜地基础设施建设。加强建设路面硬化的田间主干道和支道,配备生产用电设施。加强水源及配套渠道工程建设,提高灌排能力。逐步建成能排能灌、土壤肥沃、通行便利、抗灾能力强的高产稳产蔬菜生产基地,切实提高蔬菜综合生产能力。5.1.2加大城郊蔬菜基地保护力度,大力发展设施蔬菜城郊蔬菜基地是稳定城市蔬菜价格的“压舱石”。建设稳固高效的城郊蔬菜基地能够保障城市蔬菜供应。应按照科学规划、分步实施的原则,建立高标准的蔬菜基地。另外,应大力发展设施蔬菜。“春提早、夏遮阳、秋延后、冬保温”的设施蔬菜能够降低蔬菜种植对自然环境的依赖,满足人们“冬吃夏菜”、“夏吃冬菜”的愿望,减缓蔬菜供需的季节性矛盾,缓解淡季市场供应压力,降低蔬菜价格季节性波动幅度。

5.1.3 建立蔬菜市场价格信息平台,加强蔬菜价格的监测预警

建立覆盖全国各地区的蔬菜产销信息公共服务平台,规范信息采集标准,健全信息交流发布机制,加强采集点、信息通道、网络中心相关基础设施建设,定期收集并发布蔬菜生产、供求、质量、价格等信息。让信息引导蔬菜种植户,减少“盲目种植”、“跟风种植”等现象,促使蔬菜市场供需趋于均衡。加强对蔬菜价格的监测预警力度,及时、准确的获取蔬菜监测数据,认真分析蔬菜市场动态,准确把握蔬菜市场价格形势,引导蔬菜种植户理性种植,也为政府进行宏观调控、稳定市场价格提供参考依据。

5.2 降低蔬菜生产成本,提高蔬菜种植者获利能力

5.2.1运用科技力量降低蔬菜生产成本

降低蔬菜生产成本必须发挥科技的作用。一是增加对蔬菜科研的投入。加快节能、高效、实用栽培技术研究和耐弱光、耐低温、抗逆性强、高产优质蔬菜新品种培育。积极开展设施蔬菜、贮藏保鲜、加工等相关技术研究。二是培养新型农民。加强实用技术培训,提高菜农科技素质和技术到田率。三是提高蔬菜产业技术装备水平。大力开发和推广蔬菜机械化播种、耕作和采收设备,温室和大棚机械化作业设备,产前种子加工及包衣、种苗集约工厂化生产、幼苗机械化嫁接设备,蔬菜产品采后商品化流水线处理设备、冷藏贮运设施和精深加工设备,着力提升蔬菜产业的技术装备条件。

5.2.2 提高蔬菜生产者在蔬菜交易过程中的定价权

缺乏定价权使得蔬菜生产者难以分享蔬菜价格上涨的利润。应采取以下对策来提高定价能力:一是提高蔬菜种植者的规模化和组织化程度。成立蔬菜专业合作社等集体经营组织,把蔬菜生产者集中起来,提高规模化和组织化程度,让蔬菜专业合作社等集体组织代表农户去谈判;二是提高蔬菜种植者的综合素质。比如提高蔬菜储存能力和直销配送能力,提高蔬菜种植者的信息获取能力和品牌创制能力等。

5.2.3 调控蔬菜生产规模和蔬菜产业结构

科学预测蔬菜需求,合理调控蔬菜生产规模,以达到供需基本平衡的状态。根据居民膳食结构和营养需求调控蔬菜产业结构,发展优质蔬菜品种,发展蔬菜深加工,增加蔬菜产品的附加值,推动蔬菜产业由数量增长转向质量增长。另外,积极开拓海外市场也是降低由蔬菜产能过剩导致的负面影响的重要途径。

5.3 降低蔬菜流通成本,缩小产销价差

5.3.1 重视销地蔬菜的本地化生产

蔬菜产销分离、跨区流通是蔬菜产销价差拉大的重要原因,未来应适当增加销地蔬菜生产规模,稳定销地蔬菜自给能力,缓解蔬菜价格持续上涨的压力。在大城市郊区建设蔬菜生产基地,可种植生长周期短、保鲜期短的叶菜等生鲜蔬菜。在农用土地资源不足的城市可着力于在邻近地区建设生产基地。可将周边省市蔬菜合作基地纳入“菜篮子市长负责制”考核指标。

5.3.2 创新流通模式,推进产销衔接,减少中间环节