房地产价格相关问题

房地产价格相关问题（精选6篇）

房地产价格相关问题 篇1

摘要：本文利用2000—2011年的年度数据, 运用SPSS软件进行回归分析, 对房地产价格与通货膨胀之间的关系进行了实证检验。研究结果发现, 我国房地产价格和居民消费价格 (CPI) 之间存在明显的正相关关系, 同时也存在一种长期均衡关系。

关键词：房地产价格,通货膨胀,实证研究

加强对房地产价格的监测和进行对房价未来走势的准确判断, 有利于降低当前通货膨胀, 有效抑制未来通货膨胀, 这无疑将推动我们关于对金融经济和实体经济关系方面的研究。本文根据拟合优度检验、回归性检验对房地产价格和消费价格指数 (CPI) 之间的关系进行了实证研究。

一、房地产价格和通货膨胀的基本走势

1、房地产价格的基本走势

全国房价的基本走势呈上升态势 (见图1) , 具体可分为以下几个阶段。

2000年到2003年是房地产市场探索发展阶段。有统计资料显示, 住宅均价继续保持上升的态势, 商品房的均价由2000年的2112元到2001的2170元再到2002年的2259元/平方米, 2003年达到2359元/平方米, 比2000年的2112元上涨16.9%比, 2002年2259元也上涨了4.4%。

2004年到2005年, 涨势迅猛的房价变得平静甚至低迷。据当时统计数据显示, 2004年四季度, 全国35个大中城市房屋销售价格继续快速上涨, 同比涨幅为10.8%。全国2004年商品房平均销售价格为2713元/平方米。2005年, 上海、北京、深圳等大城市的房地产市场价格随着国家政策的出台而应声下跌, 许多地方出现了成交量数月低迷的现象, 上涨速度很慢为4.3%。

2006年到2007年, 艰难求上的房价。2006年的各省市仍然延续了2005年的调控主题, 无论是房价还是成交量都相对稳定。而2006年年底的房价却出现了快速上扬的势头, 为2007年的疯狂奏响了序曲。按照国家有关部门公布的房地产交易信息, 该年度商品房均价上升10.2%, 平均上涨700元。2007年达到均价3885元/平方米。

2008年至2010年, 市场价格稳步上扬。2008年以来由美国次贷危机所导致的金融危机寒潮席卷全球。2009年从市场总体看1至3月分价格基本保持不变, 从4月开始, 价格开始出现上升的趋势, 而下半年价格较去年同期上升了17.8%, 均价由08年的4000涨到4695元左右。2010年房价继续稳步上扬, 由4695元上升到6500元左右。在高端项目的推动下, 在第四季度全年均价上升为7950元/平方米, 比去年同期增长22.3%。

2011年全国房价首次大幅下降。有关数据显示:2011年全国房价平均下降5.3%, 由2010年的7950元降到7528.65元/平方米。这次降价与国家调控密不可分, 预计2012年房价还会下降。

2、通货膨胀的基本走势

通货膨胀是衡量经济发展是否健康的重要指标、宏观调控的重要指标。消费物价指数城市与农村有所区别, 从2002年后农村的指数较城市来说偏高, 但差别不大 (见表1) , 消费价格指数重点是全国居民的消费指数CPI。

3、房地产价格与通货膨胀关系判定

由上文对历年房地产价格的分析及历年房地产价格走势, 历年CPI的分析及历年CPI走势 (图2) 可以清楚地看到:房地产价格与通货膨胀率都成递增趋势, 因此初步判断房地产价格与通货膨胀之间存在相关性, 且为正相关关系。如图3、图4所示。

二、房地产价格和通货膨胀关系的实证分析

1、数据选取及处理

选取的2000年—2011年房地产均价数据及全国CPI数据分别来自国家统计年鉴及新浪网经济数据。具体如表2所示。

2、实证过程

(1) 利用SPSS软件对以上数据进行实证研究。设房地产价格为自变量X, 居民消费价格指数 (CPI) 为因变量Y。首先画两者之间的散点图, 见图5。通过散点图5, 可以看出房地产价格与全国CPI指数呈带状分布而且分布比较集中, 以下进行两者的相关性检验。

(2) 对这两者进行显著性分析, 回归性分析, 相关性分析及拟合度分析。通过表3可以看出两者的相关性系数R为0.924, 显著性水平非常高, 说明两者存有高度的相关性。下面再对两者进行一下回归分析。

表4可以看出全国CPI指数的均值为103.6667, 其标准偏差为3.40703, 全国房地产价格的均值为3801.5, 其标准偏差为2011.27357。

通过表5可以看出房地产价格与CPI指数相关性系数R为0.924, 相关性系数平方为0.854的, 标准估计的误差为1.36358。

通过表6的数据显示, 回归平方和为109.093, 残差平方和为18.593。回归平方和为109.093, 又由于109.093>>18.593, 说明模型的拟合度较好。

从表7可以得出回归系数和回归方程, 回归常系数为97.714, 变量系数为0.002。回归方程为Y=97.714+0.002X。例如2000年的房地产价格为X=2212, 居民消费指数Y=0.002*2212+97.714=100.4。

3、实证结果及分析

本文通过SPSS软件进行散点图、显著性检验、拟合优度检验、回归性检验, 证明了通过普通最小二乘法得到的回归模型能够较好的模拟房地产价格与消费价格指数 (CPI) 之间的数量关系。我国房地产价格和CPI之间存在明显的正相关关系, 同时也存在一种长期均衡关系。该模型能够较好的拟合CPI的走势。所以可以采用得到的模型简单预测未来CPI的走势。同时知道CPI也可以预测当年的房地产价格。

三、结论

通过对历年房地产数据及通货膨胀数据的研究, 探讨我国房地产价格与通货膨胀之间的关系。研究发现我国房地产价格与通货膨胀之间呈现高度相关关系, 且是高度正相关, 即房地产价格上升会引起当期和未来价格水平的上升。鉴于此, 要更好地应对通货膨胀问题, 我国应从抑制房价的过快上涨、保持房地产市场的平稳发展入手。有序进行适当的整顿和规范, 并规范开发商。

参考文献

[1]Levin, A.T.and J.M.Piger.Is inflation persistence Intrinsic inindustrial economies[Z].ECB Working Paper, 2004.

[2]苏多永等:房价收入比研究现状及发展改进——基于上海房地产市场的经验分析[J].中国房地产估价与经纪, 2009 (1) .

[3]骆方、刘红云、黄崑:SPSS数据统计与分析[M].清华大学出版社, 2011.

房地产价格相关问题 篇2

1． 房地产经纪公司的名称：企业名称应以“房地产经纪”作为行业特征（依据见相关法规6）

2． 房地产经纪公司的性质: 组织性质可以是企业法人或合伙制企业(依据见相关法规6)

3． 房地产经纪公司设立的程序:

(1)向当地工商行政管理机关办理注册登记手续。

(2)自取得营业执照之日起30日内，应到所在区县国土房管局办理备案手续，由市国土房管局审核后颁发《北京市房地产经纪机构备案证书》。（依据见相关法规3）

4．办理房地产经纪公司备案时应具备的条件：

（一）房地产经纪机构应当有4名以上（含）房地产经纪人员，其中至少含1名房地产经纪人；分支机构有2名以上（含）房地产经纪人员。

（二）房地产经纪机构主要负责人（即法定代表人或总经理）和分支机构负责人应当具有房地产经纪人员职业资格或注册证书。

（三）外埠房地产经纪机构在北京首次设立分支机构的，应当持当地营业执照和资质备案证明到分支机构所在地的区县房屋行政管理部门进行机构备案，分支机构的备案依照我市房地产经纪机构设立的条件和程序办理备案。”

5．申请办理相关备案所应提交的材料及注意事项：

（一）房地产经纪机构申请办理初始备案应提交下列材料：

1、《北京市房地产经纪机构备案登记表》；

2、营业执照副本；

3、企业主要负责人的房地产经纪人员职业资格或注册证书；

4、其他房地产经纪人员的房地产经纪人员职业资格或注册证书；

5、法定代表人、股东、房地产经纪人员身份证件。

（二）申请办理相关备案的房地产经纪机构或分支机构所提交的材料应符合下列要求：

1．所有申报材料要求统一使用A4纸；

2．申报材料凡未注明原件的，均须交验原件后留存复印件。第二代身份证要复印正反面；

3．外省市人须交验暂住证；台湾同胞须交验台胞证；外籍人须交验护照；企业股东须交验营业执照副本及法定代表人身份证件；事业单位股东须交验单位组织机构代码证。

【法规依据】

1．《中华人民共和国城市房地产管理法》（1994年7月5日第八届全国人民代表大会常务委员会第八次会议通过 根据2007年8月30日第十届全国人民代表大会常务委员会第二十九次会议《关于修改〈中华人民共和国城市房地产管理法〉的决定》修正）第57条规定：“房地产中介服务机构包括房地产咨询机构、房地产价格评估机构、房地产经纪机构等。”

2．《房地产经纪管理办法》（2010年10月27日住房和城乡建设部第65次部常务会议审议通过，并经国家发展和改革委员会、人力资源和社会保障部同意，现予发布，自2011年4月1日起施行）第3条规定：“本办法所称房地产经纪，是指房地产经纪机构和房地产经纪人员为促成房地产交易，向委托人提供房地产居间、代理等服务并收取佣金的行为。”第7条规定：“本办法所称房地产经纪机构，是指依法设立，从事房地产经纪活动的中介服务机构。”第8条规定：“设立房地产经纪机构和分支机构，应当具有足够数量的房地产经纪人员。本办法所称房地产经纪人员，是指从事房地产经纪活动的房地产经纪人和房地产经纪人协理。”第11条规定：“房地产经纪机构及其分支机构应当自领取营业执照之日起30日内，到所在直辖市、市、县人民政府建设（房地产）主管部门备案。”

3．《北京市住房和城乡建设委员会关于加强北京市房地产经纪机构备案管理的通知》（京建交〔2009〕369号）第1条规定：“凡在本市从事房地产经纪业务的机构，注册登记经营范围包括“房地产经纪”项目的，在取得营业执照之日起30日内，应当向所在地的区县房屋行政管理部门申请办理房地产经纪机构或分支机构备案，办理备案时应具备下列条件：

（一）房地产经纪机构应当有4名以上（含）房地产经纪人员，其中至少含1名房地产经纪人；分支机构有2名以上（含）房地产经纪人员。

（二）房地产经纪机构主要负责人（即法定代表人或总经理）和分支机构负责人应当具有房地产经纪人员职业资格或注册证书。

房地产价格相关问题 篇3

关键词：城市资本存量,永续盘存法,房地产价格

1 相关理论基础

1998年我国正式取消福利分房制度, 标志着我国房地产业进入了真正市场化发展阶段。根据相关统计数据, 在市场化近20年的进程中, 房地产成交面积增长6倍, 成交金额增长16倍, 且一线城市的房价增幅更为夸张。为了维护宏观经济运行和人民生活水平的稳定, 我国政府近年来连年出台调控政策, 意在抑制投机, 稳定房价, 使房价回归到正常轨道中。

自2004年至今, 我国房地产业经历了多轮宏观调控, 但房价整体走向依然在与调控的多次博弈中不断攀升。诸多研究者逐渐认识到影响房地产价格的因素不止一个, 房价通常反映的是受货币供应、银行信贷、消费者预期、土地等复杂因素影响后的综合结果。因此多数研究者构建相关性分析的计量模型, 从不同角度对影响房价的种种因素进行了有说服力的研究。

城市资本存量是指经济社会在一定时点上所积存的实物资本的总量, 是将历年不变价的固定资本形成加总, 并从中扣除已经退役的资本品价值。作为严格意义上的资本存量———物质资本存量定义则更为具体, 它是指“在一定时期内积累起来用于生产其他消费资料或生产资料的耐用品, 是体现在厂房、设备、原材料、燃料和半成品等有形的物质形态”。在对城市资本存量估算研究中, 众多学者采用永续盘存法作为估算模型, 即:

式中:Kt表示当年的城市资本存量, It表示当年投资数据, PIFt表示当年投资价格指数, Dt表示综合折旧率。城市资本存量反映的是凝结在土地上的历年资本投入, 既非当年投资情况的简单体现, 也不是历年投资额的简单加总, 而是在经过折旧率、价格指数等因素调整后体现的资本投入之和。目前我国在这方面的研究主要聚焦于对全国、各省区或者某个行业或产业的资本存量进行测度, 但至今尚无研究者从城市资本存量的角度, 对其和房价的相关性进行深入研究。

2 城市资本存量对房地产价格影响的理论分析

城市资本存量反映的是凝结在土地上的历年资本投入, 土地是一种特殊商品。根据马克思主义地租理论, 土地的自然资源价值给土地所有者带来的地租和土地资本 (马克思把固定在土地上的物化劳动和活劳动称为土地资本, 属于固定资本范畴) 为其带来的利息和折旧都构成土地所有者收入的来源, 都决定着土地价格。具体而言, 在最初期土地还未被人类投入劳动和生产资料时, 土地使用者需向土地所有者缴纳费用从而获益, 土地价格体现在其自然资源价值上;随后, 大量的资本、劳动被逐渐投入到土地中 (尤其是用于生活工作基础设施的建设资本投入以及相关的人类劳动投入) , 土地经过这些物化劳动和活劳动的加工, 产出不断增加, 也使得土地价格持续上涨。

在现实生活中, 开发商通过对土地本身的资本投入, 对地块进行施工开发, 将生产资料、固定资产建设等资本投入到土地上, 使得原本荒秃的土地变得平整, 地块拥有良好的公共设施设备, 能够有效抵抗灾害, 同时地块交通程度得到提高, 出行更加便利。且地块通过投资形成了集聚人口的商业便民环境、教育环境等, 吸引更多的人口前来工作、居住、投资等。土地经过这样的投资过程, 其条件得到极大改善, 不断有新的人口迁入该地块, 从而推动土地不断升值。因此, 作为反映历年土地资本投入基本情况的城市资本存量, 对土地价格影响巨大。

在地价和房价相关性方面, 相关文献显示房价构成要素中有超过一半的比重是地价, 因此诸多学者认为房屋价格的上涨多基于房屋下面土地的升值。虽然各界对于地价是否是房价上涨的“元凶”仍有不同意见, 但不可否认作为重要成本构成的地价对房价有不可忽视的重要影响。

因此, 城市资本存量对房地产价格影响路径如图1。

3 上海市城市资本存量与房地产价格的相关性分析

3.1 总体分析

本节采用回归分析、格兰杰因果关系检验两种实证方法以及数据标准化方法, 对上海市整体城市资本存量和房地产价格进行实证分析, 以得到两者更为准确的相关程度。

3.1.1 数据选择

在上海房地产价格数据选择方面, 根据上海市统计局历年公布的统计年报, 选取“全年商品房销售额”与“全年商品房销售面积”两项指标相除得上海市该年商品房销售均价。由于城市资本存量是以1995年为基期对各年存量数据进行调整, 因此房价需做相应调整。

在上海城市资本存量估算方面, 本文沿用永续盘存法模型。综合考虑数据实际公布情况, 在投资数据方面, 本文采用固定资本形成总额数据;在折旧率方面, 采用张军等 (2004) 计算折旧率的方法 (假定资本品相对效率几何式递减, 再根据建筑安装工程、设备工器具购置、其他费用三类资产的寿命、资本品权重进行加权计算) 得到综合折旧率为9.6%;在基年资本存量方面, 采用K0=I0 (1+g) / (g+D0) 计算可得基期资本存量为5003.23亿元;在投资价格指数方面, 采用上海统计年鉴公布的固定资产投资价格指数。由此有上海城市资本存量如表1。

考虑到直接采用原始数值进行分析, 可能会凸显数值较高的指标在分析中的作用, 削弱数值较低指标的作用, 从而使实证结果产生偏差。因此采用数据标准化手段, 对原始数据进行数据标准化处理如表2。

3.1.2 实证结果分析

通过Eviews5.0对上述两列数据进行回归分析, 显示上海市城市资本存量每提升1%, 会使上海市房地产价格提升0.97%。虽然由于房价受多个因素影响, 房价实际变动结果可能有所偏差, 但房价仍受到资本存量正方向上0.97%的影响。再次利用Eviews软件对城市资本存量和房地产价格的年增长率两列数据进行回归分析, 显示城市资本存量年增长率每变动10%, 房价年增长率即变动4.1%。

经过平稳性检验和协整检验, 本文对两者进行格兰杰因果关系检验, 结果显示当滞后3期时, 在1%的置信度水平上证实, 城市资本存量年增长率与房价年增长率存在因果关系, 前者是后者的格兰杰原因, 但后者并非前者的格兰杰结果。由此可以发现上海城市资本存量的变化很大程度上可以引起房价潜在的变化, 并存在滞后。但由于房价同时受到多重因素影响, 因此资本存量的变化与房价的变化并不一定完全一致。

3.2 上海市市区与郊区的差别性分析

相关数据显示, 上海市拥有6340.5km2的土地面积和超过2000万人的常住人口, 下辖16个行政区及1个郊县 (崇明县) 。由于各行政区域发展策略、优势产业、文化背景等因素均有差异, 从严格意义上来讲各行政区的经济形势并不完全一致。因此, 在分析城市资本存量对房地产价格影响时, 有必要针对不同类型的区域分别分析。限于各行政区各年度公布的数据较为匮乏, 在计算资本存量时多数区域难以构成时间足够长、数据足够完整的序列, 因此本文选择数据相对较为齐全的徐汇区和闵行区作为上海市区和郊区的样本进行对比分析。

3.2.1 数据选择

在房地产价格数据方面, 选取2004~2012年徐汇区、闵行区统计局公布的房地产预售交易、存量房交易、商品房交易相关数据, 将成交金额之和除以成交面积之和得到两行政区房地产综合销售均价。

在资本存量估算方面, 仍然沿用永续盘存法分别对两行政区的资本存量进行估算。限于行政区公布数据的局限性, 采用2004~2012年徐汇区、闵行区统计公报中全社会固定资产投资额作为投资数据指标, 由于其他相关数据在两行政区年鉴中均未体现, 因此沿用上海市折旧率和固定资产投资价格指数来估算行政区资本存量。

3.2.2 实证结果分析

通过Eviews5.0分别对徐汇区、闵行区数据进行回归分析, 结果显示徐汇区资本存量每提升1%, 会使徐汇区房地产价格提升0.99%;闵行区资本存量每提升1%, 会使闵行区房地产价格提升0.93%。可见上海市市区回归拟合程度要优于郊区拟合程度, 且上海市整体拟合程度介于市区和郊区之间。因此, 以上实证结果说明市区资本存量与房价的关系相较于郊区更为紧密, 其主要原因如以下两点。

(1) 相对而言市区较郊区人口密集, 经济发达, 各项产业对城市乃至国家的政策、投资等反映更为敏感和强烈, 所以一旦资本投入有风吹草动, 该区域房价即尾随变动。而郊区则易呈现滞后性, 例如一块土地被开发, 在逐渐完善地面上下的公共设施建设、建造商业区居住区等开发过程中, 资本投入是在源源不断进行着, 但郊区地块并不能像市区地块一样在很短时间内吸引大批人口前来购房, 而是造成一个项目, 吸引一部分人群过来考察甚至置业, 达到了基本可居住条件, 又有一批置业者跟随而来, 待该区域建设逐渐完工, 人口被逐渐迁移到该区域内。因此郊区的房地产购置速度显然无法与已有大批人口聚集的市区相匹敌, 一旦开盘即在短时间内销售完毕。这种滞后效应、台阶效应使得郊区的资本存量与房价的拟合优度与市区的拟合优度存在差距。

(2) 郊区房价变动更易受个别因素影响。如区域内某地落成重点学校, 或形成有人文历史意义的建筑风景区, 或有大型企业进驻短时间内产生大批职工住宅需求, 则周边房屋易受到追捧, 导致该地块房价被突然拉升, 对整体房价可能造成与资本投入产出市场影响无关的变动。

4 相关政策建议

由上述实证结果可知, 城市资本存量是传统影响房价的观点 (如宏观经济、货币供应等) 之外对房价又一重要的影响因素。城市资本存量对房价有不容忽视的影响力, 尤其城市资本存量的变化能够带动房地产价格的变化。因此, 政策制定者应多加关注城市的资本存量, 控制城市每年的资本流量, 将其维持在一个合理的水平和发展速度上, 并将城市资本存量这一工具与先前调控常用的市场手段、行政手段配合使用, 对房地产市场的调控产生真正的积极作用。

在区域差异研究中, 发现经济水平不尽相同的地区, 其房地产价格对区域资本存量的反应程度也有所差别。因此, 从上海市的角度出发, 可以考虑根据市区和郊区各自现行发展状况, 更有针对性地进行固定资产投入, 合理控制区域资本存量的规模, 以对区域房价产生指导性变动。从全国的角度来讲, 可以根据不同省份、不同城市经济发展情况, 分别制定不同的资本投入政策, 以对当地房价产生积极调控影响。

需要指出的是目前我国还没有城市资本存量的官方数据, 研究者想通过资本存量这一工具进行应用分析, 只能依靠自行估算。由于各研究者选取的变量不尽相同, 统计部门公布的数据也不够完善, 导致估算结果常与实际出入过大, 使研究结果不能令人信服。因此, 尽快补充完善相关数据, 并建立官方资本存量数据库, 定期公布更新数据, 无论对政策制定还是学术研究, 都有着不可或缺的意义。

参考文献

[1]王翠.经济增长中物质资本与人力资本的协调发展研究[D].济南:济南大学, 2010.

[2]向娟.中国城市固定资本存量估算[D].长沙:湖南大学, 2011.

[3]王稳琴, 王成军, 刘亚虹, 等.中国城市物质资本、人力资本和社会资本估算[J].经济问题探索, 2011 (2) :12~17.

[4]柯善咨, 向娟.1996—2009年中国城市固定资本存量估算[J].统计研究, 2012 (7) :19~24.

[5]张军, 吴桂英, 张吉鹏.中国省际物质资本存量估算:1952—2000[J].经济研究, 2004 (10) :35~44.

[6]陈贻娟, 李兴绪, 冀小明.云南省公共资本存量的估算及对经济增长的效应分析[J].西南民族大学学报:自然科学版, 2010 (6) :949~955.

房地产价格相关问题 篇4

房地产营销就是围绕房地产目标消费群体，采取的一系列经营管理的服务过程，房地产销售的是房地产项目的技术、建筑质量之外，更多的是销售房地产服务的过程，甚至引导居住环境新理念的产业等。房地产的成功与否和其营销有着重要关系，所以我们必须高度重视房地产业营销活动。当前我国房地产营销活动存在着一些问题，下面笔者对其存在的四点问题作出分析，并提出四项举措，希望能够对房地产营销活动取得成功和最大效益发挥作用。

一、存在的问题及其分析

1.房地产营销在各环节缺乏足够的科学性

房地产营销在房地产策划前的可行性研究阶段就可介入，贯穿房地产开发的始末，为最终目标客户群体服务。房地产开发的最终目的就是为了销售，销售应该体现在房地产业经营活动的全过程中，它是由前期的深入调查、前景的预测、最佳目标、合理定价、如何推广、迅速交易、优质的销售服务等环节共同完成的。目前，我国的房地产营销在很多环节上还缺乏足够的科学性，如深入调查的力度不够、前景的预测不准、市场营销的策划和设计没有创意、目标和定位不合理、促销手段没有吸引力、销售服务水平不合理、管理工作不科学，以及管理骨干队伍素质参差不齐等。

2.目标市场不明确，开发结构不合理

衣食住行一直是人们正常生活的物质必需品，尤其是在1.当前社会中，其中住房更为重要。随着我国经济的飞速发展，老百姓的生活水平也在迅速提高，同时对房产的要求也变的越来越高。但是，当前我国房地产开发商对市场的认识还不够，居民的收入层次不一，对住房的需求也有很大的差异，目前市场对中档和低档的需求比较大，主要是适应中低收入人群的需求，同时很多社会上层、经济条件好的人群对住房的需求，则有着更高的要求，如高档别墅、景点房等。可是有些地区有些房地产开发商并没有认识到这种差异性的市场需求和居民的经济实力及承受能力，甚至不考虑自身的资源条件，盲目兴建高档别墅、豪华办公楼和顶端商业用房，最终导致这些楼盘滞销，而中低收入家庭愿意购买的住房又短缺不足。

2.住宅的室内外环境缺乏系统统一设计

有些项目出现建筑外观与小区景观不相协调的情况。目前，许多房地产商为了节约成本，没有考虑房屋的室内外环境的协调和统_，导致了建筑内外空间秩序的杂乱无章。不同的风格的建筑内部空间几乎完全一样，同一建筑内部又变化万千，错综复杂，显得很凌乱。如出现外观中式、景观欧式、会所韩式等极不搭配的滑稽现象。而且，在住宅室内外环境的设计阶段，由于缺乏专业技术设计公司或工作人员的参与，有些外行的设计师在室内外空间设计中没有设计的统一，不能设计出满意的环境作品来，进而不能满足当代客户的实际需求，大大影响了房地产营销的效益和效率。

3.房产营销没有形成品牌效应

企业的发展壮大首先就要打造良好的品牌。我国房地产企业经过了二三十年的市场化运作历程，虽然有碧桂园、万达、保利、万科、绿地等知名品牌，但是仍然缺少全国性的、甚至世界性的知名品牌。要真正彻底解决广大人民的住房需求，是各级政府和城市需要思考的问题，仅靠几个全国性的知名品牌是不能够覆盖全国各地的。尽管各地都有很多的地方房地产企业，也开发了不少楼盘，但是这些地方房地产企业都是没有雄厚的资本作为支撑，没有建立良好的品牌形象。

二、举措和对策

1.要敢于创新

(1)营销组织的创新。传统的意义上的房地产营销组织结构一般都是直线型的，权利高度集中在组织的顶端，这种营销方式弊端很多，如不利于内部和外部信息的沟通和交流。因此，建议采用矩阵式的组织结构，它是房地产开发企业中最为多见的一种模式，也就是项目管理组织形式，它为房地产营销策略的科学、合理实施提供了良好基础。

(2)营销产品的创新。产品创新主要指产品开发、换代、更新速度及质量。房地产企业商应该根据自身企业的发展实际情况及市场的最新要求对商品进行全方位的改革和创新。建议房地产企业把房产设计为普通型、高科技型、环保型、综合型、保障型等几个类型，进而不断地对其进行变革、完善、修正。

(3)营销服务的创新。房地产开发商要加强在服务类型、内容、项目和提高服务质量方面的创新力度，以便能够理性的驾驭整个市场。尤其应该加强小区的物业管理，一方面可以提高房产的品位，大大提升房地产企业的形象，另一方面也可以更大程度地提高和改善业主的生活品位和居住质量。

2.要注重房地产营销中的产品质量

产品的质量是产品的生命，而且产品质量会直接影响房产企业的生存，所以，房地产企业一定要高度重视房屋的质量。房屋是一种特殊的.商品，不等同于普通消费品。因为房屋的销售价格远远高于普通消费品，其使用周期长于普通消费品，而且使用频率高，所以客户除了关心房屋价格外，还对房屋的建筑质量和内外环境、物业服务等方面都会有综合的考虑。因此，房产商在房产开发时要高度重视房屋质量，质量好才能确保房产销售的正常进行。如果房产质量较差，往往就会导致后期的营销失败和房产商的信誉下降。

3.完善房地产营销中的品牌销售

(1)长期的品牌策略。品牌是需要通过一个过程树立起来的，是需要慢慢培养起来的，不能够朝令夕改，只有长期的品牌策略才能更好地培养消费者长久的忠诚度。

(2)实施整体互动的品牌宣传。房地产企业要通过各类媒体加强宣传，提高企业在消费者心中的印象。房地产商的广告宣传要明确宣传自身产品的优势和产品的特色，树立出自身的核心品牌。同时，还要加强品牌的推广与促销活动，可以经常性地开展各类公益活动、社会竞赛活动等，运用企业文化的推广活动来提高企业品牌的亲和力，进而加深顾客的印象。

4.加强客户在房地产营销中的自身体验

加强和消费者的沟通与交流。房地产商要从顾客的心理需求出发，要深入市场调研，调查客户的心理需求，密切揣摩客户的奢求和欲望，并将其贯穿于房产开发的全过程，让自身在市场竞争中占据有利的地位。体验还要从空间的设计、生活小区的环境、居室内部的装修来规划和设计。例如，可以利用电脑绘图软件和各项数据制作出假想的住房内部画面，让顾客好像在身临其境的氛围中体验住房的感觉，从而吸引顾客的注意力，提高满意度和忠诚度。

房地产价格问题的讨论 篇5

合适价格对社会稳定、对房地产业及整个国民经济发展都起促进作用。本文试分析1998～2006年度房地产销售价格, 运用灰色预测方法, 对经济适用房和商品房不同价格情况, 以各年房地产价格时间序列作为综合灰色量来寻找和揭示房地产价格内在规律;利用Matlab编程, 建立预测房地产销售价格的房地产价格预测模型, 得出房地产价格规律。再建立模型先解决下列具体问题:一是收集有效数据对房价形成、演化机理和房地产投资进行深入细致分析;二是分析确定影响商品房销售价格重要因素;三是分析国家政策影响, 并给出相应政策建议。

二、建立模型前的问题分析

(一) 房地产价格影响因素

假定影响房地产价格主要因素:一是居民全年实际收入。二是土地价格交易指数。三是房地产开发投资额。四是房地产开发投资贷款。

(二) 国家政策变动影响的分析

从我国相关房地产政策中可看出, 政府态度在1998到2002年7月都是鼓励性政策。但在2002年8月份开始政府认为局部投资增幅过大, 开始加强房地产市场宏观调控, 强化土地供应管理, 严控土地供应总量。这时开始抑制房地产价格暴涨。经一系列措施, 到2008年9、10月央行才下调贷款利率, 放松对经济宏观调控。从1998到2007年度居民提取贷款支出额中来分析国家政策对贷款额影响。

据分析, 国家政策对居民贷款额有直接影响。2002年8月政府执行抑制措施以来居民贷款热度有减缓的势头, 到2004年明显看出, 居民贷款热度有下降趋势。

(三) 对问题所需数据的收集和分析

对2002～2006年中国统计年鉴、中宏教研支持系统、中经网统计数据库等统计量进行数据预处理分析后, 发现房地产销售价格在各地区呈现差异性。为保证使用数据都真实准确, 因而建模只对整个国家房地产销售价格的预测有意义。对个别地区需要进行专门性计算、讨论、归纳。

1. 房地产价格的总体情况。

近十年, 随我国房地面积迅速增长, 房地产价格不断提高, 2006年商品房达到3367元/平方米, 经济适用房达到1729元/平方米 (见下表) , 1998～2006年期间房地产价格逐年递增。由此导致我国商品房销售额从1989年的25133027元提高到2006年208259631元, 提高了近七倍。

2. 房地产价格在不同类别房屋中存在差异。

从不同属性房屋来看, 2006年商品房价格 (3367元/平方米) 是经济适用房价格 (1729元/平方米) 的近两倍, 可见, 商品房价格和经济适用房价格存在巨大差异。

从不同地区价格来看, 商品房价格、经济适用房价格地区差异都很大。2006年商品房价格最高的北京 (8280元/平方米) 是最低的江西 (1708元/平方米) 高出近五倍, 经济适用房最高的天津 (3204元/平方米) 是最低的江西 (810元/平方米) 高出4倍。

三、模型假设

一是假设所使用的数据都真实准确;二是假设房地产销售类型只有商品房和经济适用房;三是假设在预测期间国家的政策不变;四是假设被分析的地区近段时间不会发生大的经济变动和突发性灾难;五是假设每栋房子的质量都是合格。

四、模型的建立与证实结果

建模总思路:首先根据近几年房地产销售价格及相关数据用灰色预测的方法建立能够反映当前房地产价格规律房地产价格预测模型, 然后再建立能够反应商品房价格所受影响因素的散点图多元回归模型, 并对近几年国家政策进行总结、归纳、分析, 建立BP神经网络模型。

(一) 模型Ⅰ—房地产价格预测模型的建立与证实结果

为找到当前房地产销售价格的制定规律, 运用灰色预测方法建立房地产价格预测模型。灰色数学研究对象就“小样本”, “贫信息”不确定信息, 对数据及其分布限制要求小, 一般利用时间序列数据, 通过GM (1, 1) 模型进行预测。该方法不但预测精度高, 而且可进行长期预测, 用累加生成拟合微分方程, 符合能量系统变化规律。注意:因商品房和经济适用房数据比教齐全且具代表性, 所以只对商品房和经济适用房进行预测分析。GM (1, 1) 模型是最常用灰色预测模型:

模型的结果得知, 在目前中国国情下, 房地产价格逐年上升, 老百姓普遍认为太贵是情理之中。房价高企主要归纳以下几方面。

1. 基本成本上涨是推动房价上涨基本因素。

基本成本主要包括人力、土地、建筑材料等成本。建材价格上扬, 土地公开交易及土地稀缺导致上涨, 消费者日益追求住房品质意愿使开发商加大楼盘配套设施和环境建设等投入, 导致房产开发成本上升并推动房价上涨。

2. 政府调控和相关法律政策对房价涨跌也极具影响。

政府为调控房地产市场而颁发相关法律政策, 对商品房的供给和需求及消费者心理预期都产生影响, 导致房价格波动因素。为测度我国颁发相关政策是否对房价有重大影响, 引入虚拟变量LDV。对重大影响时取1, 否则取0, 据分析, LDV (1998) =1, LDV (1999) =1, LDV (2000) =1, LDV (2001) =1, LDV (2003) =1, LDV (2005) =1, LDV (2007) =1, 其余年份LDV虚拟变量均为0。

3. 低利率现实和汇率升值预期带动房价上升。

我国低利率降低购房者抵押贷款成本, 提高居民实际购买力和刺激对房子需求, 推动房价上升, 同时人民币升值预期加房产高涨态势, 使海外资金进入我国主要投资得益于投资房产。

(二) 模型Ⅱ—散点图多元回归模型的建立与证实结果

房地产具有消费和投资的两重性, 它的价格由价值规律和供求规律决定;而作为投资品, 与股票价格相似, 其价格又有自我实现的特点, 从而具有泡沫性。综合国内外的有关文献和历史经验, 本文认为, 影响房地产价格的因素主要有以下几个方面:土地价格, 信贷规模, 居民的平均收入, 开发商的投资额。经分析发现, 随着开发商的投资额的增多, 居民收入的增长, 房产贷款的增多, 商品房价格不断升高, 两者之间具有极强的相关性;土地价格的增长与商品房的价格没有太多的相关性, 可以判断土地交易指数并不是影响商品房价格的主要因素, 根据其他因素与商品房价格的很强的相关性, 建立以下的多元线性回归模型:其中y为商品房价格, x2t为第t年的开发商投资额, x3t为第t年开发商贷款投资额, x4t为第t年居民收入水平该模型除房地产开发投资额, 居民全年实际收入, 开发商投资贷款外, 其他影响因素都包括在随机误差εt中, 这里假设εt (对t) 相互独立, 且服从均值为零的正态分布, t=1, 2, 3, …, n。

模型的结果得知, 开发商贷款投资额, 居民平均收入水平, 开发商投资额是商品房价高的重要影响因素。由于政府控制两大核心权利———土地开发权和银行信贷权, 其中开发商的贷款投资额可以归类为国家政策的因素, 那么影响商品房价格主要因素就是国家政策, 开发商的投资额, 居民收入水平三个方面。

(三) 模型Ⅲ—BP神经网络模型的建立与证实结果

为体现对国家政策影响的分析, 建立BP神经网络模型。据1998-2008年我国相关房地产政策。国家在初期为房地产市场建立做准备, 引入、鼓励开发商造房, 满足低层次消费需求。到中期加强房地产市场宏观调控, 抑制过热, 持警惕态度。到现在, 用调整贷款利率来放松紧缩性政策, 加大保障性住房建设力度。总体来说, 国家政策对房地产态度由支持到抑制, 放松。

根据模型Ⅱ可知国家政策影响房地产销售价格主要体现在房地产贷款额, 现只拿一年的贷款年利率进行分析。数据见表3:

从贷款年利率随时间的变化状态可看出, 贷款年利率变化曲线符合国家对房地产政策的变动规律。所以将认为贷款年利率与房地产贷款年利率有着正相关性。即把贷款年利率作为政府政策对房地产价格影响的重要因素。

在神经网络设计———网络拓扑结构中, 需要三个确定和网络参数选取:输入/输出变量确定、网络层数确定、隐层单元数确定;初试权值选取、期望误差选取、训练次数选取。

为避免神经网络输入较大时造成网络不能收敛, 在此将神经网络输入进行预处理, 有利于提高神经网络的训练速度。具体算法是:

式中:X是所收集的一组数据, Xmax, Xmin分别是这组数据最大值和最小值, X’映射后数据。神经网络的房地产估价模型输出模块即输出神经网络计算的值并将网络输出转化为实际估价结果。即:式中:Y是训练样本集输出向量的一组数据, Ymax, Ymin分别是这组数据最大值和最小值, Y’是神经网络输出数据。

五、相应的政策建议

合适价格对社会稳定、对房地产业乃整个国民经济发展都起促进作用。基于前文分析, 可从几方面采取措施降低房市风险, 保持房价平稳增长, 促进房市可持续发展。

一是增加市场供给总量, 完善市场供给结构;抑制投机需求。

二是多渠道降低商品房基本成本。政府可通过土地划拨并逐步减少建设和消费过程中的行政事业性收费项目, 规范钢铁等建材市场, 尽可能降低开发商成本, 开发商也应提高资金使用效应, 通过兼并、重组、联合、收购和利用外资, 优化资源配置, 实现规模经济, 降低基本成本, 使房价平稳增长甚至回落。

三是加强市场监管, 整顿市场秩序, 完善配套法律建设。如对高价房收取较高税率, 对投资性购房者与自住房购买者征收差别契税政策等。

四是政府主管部门应充分利用大众媒体定期发布房市消息, 引导开发商和消费者进行正确投资决策。

五是采取多种措施化解人民币升值压力, 维护汇率基本稳定, 通过金融工具促进房地产良性发展, 多引进房地产基金等直接投资。同时政府要明确态度, 坚持消除人民币升值预算, 让游资知难而退, 这是必然战略选择。

摘要：根据房地产销售价格预测和国家政策影响实际需要, 在对相关数据进行收集和用数据挖掘的知识对数据进行分析的基础上, 在充分合理假设之下, 建立四个模型。首先建立房地产价格预测模型找到当前房地产销售价格制定标准, 然后专门针对商品房销售价格建立散点图多元回归模型确定影响商品房销售价格重要因素, 判断出房价的走势, 最后建立BP神经网络模型对国家政策的影响进一步分析。

关键词：数据挖掘,灰色预测,线性回归,BP人工神经网络

参考文献

[1]陈祥光, 裴旭东.人工神经网络技术及应用[M].北京:中国电力出版社, 2003.

[2]王洪卫.房地产估价[M.]大连:东北财经大学出版社, 1994.

房地产价格相关问题 篇6

房地产市场作为宏观经济的重要组成部分, 成为百姓生活中离不开的话题, 受到高度重视。一方面, 房地产业是我国的基础产业、主导产业和支柱产业, 房地产市场通过上下游产业直接影响着建筑业、重工业、金融业等多个国民经济领域, 房地产行业一旦出现问题, 会给多个行业带来巨大冲击, 其稳定、持续健康成长是我国国民经济增长的保证。另一方面, 房地产也是关乎国计民生的首要问题, 房价的变动对市民购房置业, 投资计划都有巨大的影响。

随着全社会对住房价格问题关注程度的不断提高, 我国住房价格统计领域的理论研究和统计实践也处于快速发展的过程中。房地产价格指数的编制有几个方面的意义:

首先, 反映市场的走势。通过城市综合指数来反映城市房地产市场整体行情的变化, 分物业指数反映不同物业类型的变化情况。这样通过指数的变动可以清楚地了解房地产市场发展变化的过程, 并可以以此预测未来的变动趋势。

其次, 指导有关决策主体的行为。政府及有关部门可以通过房地产指数了解本地房地产市场的行情, 在制定本地区土地供应计划及指导投资项目方面起到重要的参考作用;房地产投资商、开发商可以通过房地产指数了解该地区房地产市场供需状况, 更好地把握其走势, 使投资决策更加合理, 减少风险;房地产中介机构可利用房地产指数为消费购房等活动提供有用的信息。

最后, 为经济运行分析提供依据。房地产市场在一国或地区的经济中具有非常重要的地位, 对房地产市场发展状况的把握, 可以帮助我们更好地分析经济运行情况。如利用分类指数中的商业指数, 可以间接地把握该地区商贸活动情况。

目前国内编制的房地产指数最为强调的就是对市场走势的反映, 也就是对房地产市场交易价格走势的反映, 还很难反映房地产市场供求关系的变化, 这也是房地产指数没有被充分重视和开发利用的原因。

二、房地产指数编制的主要理论及方法

房地产与工业品和农产品不同, 任何一栋商品房都具有特殊性、惟一性和不完全可比性, 这就使商品房价格由于地区、地段、楼层、朝向或类型的差异而千差万别。所以, 做房地产价格指数的核算就必须考虑影响价格形成的各种因素, 使得价格时间序列数据具有可比性。

房地产指数分析的目的是希望尽可能在同质可比的基础上考察宏观环境、供求变化等市场因素引发的住房价格的“纯粹变化”。而要实现这一目的, 就要求在编制过程中剔除不同样本之间质量的差异。这就使得如何实现同质可比成为住房价格指数编制的核心环节。因此, 后面对指数编制方法的研究主要根据对房地产非同质因素的是否调整, 及调整的程度进行分类的。

1. 完全不考虑质量差异的指数法

早期住房价格指数编制中经常采用的一种思路是, 将住房视为同质性商品, 从而直接套用简单计算公式得到指数结果, 而不进行任何形式的质量调整。这类方法被统称为简单方法, 又称为非同质方法。根据使用的计算公式的不同, 其中又包括算术平均值法、中位数法、简单加权平均法等。

2. 样本匹配价格指数法

样本匹配法是普通商品价格统计中常见的一种质量调整方法, 其基本思路是严格控制考察样本在各报告期内是否一致, 以满足同质可比的要求。例如, 在CPI测算中, 通常选定一系列代表性商品, 利用其各报告期价格的直接对比计算得到价格指数;再如, 计算汽车、家用电器等异质性商品的价格指数时, 通常采用拉氏公式、帕氏公式或费氏公式, 以保证不同型号产品在各期的权重一致。

对房地产, 特别是住宅而言, 很难找到绝对匹配的样本, 因此该方法往往需要确定“近似匹配”的标准, 或者通过房地产估价方法计算出匹配样本的假设交易价格。样本匹配价格指数由于其编制简便, 对数据要求低等特点, 是我国现今编制房地产价格指数的主要方法, 如“70个大中城市房屋销售价格指数”就属于这类指数。

3. 同质可比价格指数法

同质可比价格指数法的共同点在于都以特征价格模型作为理论基础, 特征价格法、重复交易法和混合模型法被称为真正意义上的“同质方法”, 主要通过普通最小二乘法等计量工具进行计算, 能够在很高程度上满足同质性要求。

3.1分组统计法

其基本思路是, 根据一定标准 (例如地域、档次等) 将目标市场划分为若干细分组, 以此作为匹配样本。对于每一个细分组, 在各报告期内分别计算其平均交易价格, 进而利用样本匹配法进行指数计算。分组统计法是样本匹配法中目前应用最多的一种形式, 如英国的“OPDM指数”“Hometrack指数”等都采用了该方法, 国内的应用实例如深圳市的“深房指数”等。

3.2重复出售模型法

重复出售模型最初是由Bailey、Muth和Nourse提出的, 即为根据同一房屋多次重复出售所记录的价格来编制的, 其基本原理是根据所有重复出售的房屋样本的价格变化, 以回归模型估计出每一期房价水平的变化率。这样在两个时期考察相同的房屋, 在面积、楼层、朝向等房屋品质方面均可以保持相同, 保证了基期和报告期样本的同质性, 使价格指数能够反映出房地产市场由纯粹供求关系所产生的变化。在房地产二级市场活跃、住宅换手率较高的地区, 采用重复出售模型法编制房地产价格指数具有一定的可行性, 但房屋需保证无修缮等条件以满足同质性要求。实际使用中的重复出售模型经常采用双对数形式:

其中, P为两期的售出价格, X为房地产的各种品质因素, α为品质因素对房地产价格的影响因素, t为时间哑元变量 (若房屋售出则取1, 反之则取0) , p为纯粹由供求关系决定的房地产价格, ε为误差项。由于重复出售模型的误差项的方差会随着房屋两次出售时间间隔的拉长而扩大, 所以Case和Shiller (1987) 提出了加权重复出售模型, 并采用广义最小二乘法 (GSL) 对模型进行估计。

重复出售价格指数在房地产二级市场发达的国家应用较为广泛, 如美国联邦房地产企业监管委员会公布的房地产价格指数、标准普尔公司发布的Case&Shiller指数均是使用重复出售模型法编制的。

3.3特征价格法

特征价格法泛指任何利用特征价格模型进行质量调整的指数编制方法。特征价格指数法是基于效用论, 即商品价格取决于商品各方面属性给予消费者的满足而成的模型。主要方法是建立一个Hedonic函数[1-5], 利用回归分析方法将影响房产价格的各种属性的隐含价格从总价格中分离出来, 得到各属性的单位价格, 再把各特征的影响逐一剔除即可得到由纯供求关系影响的价格, 进而编制价格指数。

(1) 简单特征价格指数法

简单特征价格指数法即分别对基期和标准期的特征价格模型进行回归, 估计出参数的值, 再使用两个时期商品的特征价格的简单价格比计算出价格指数。特征价格指数模型在实际运用中主要有四种函数形式, 即线性形式、指数形式、半对数形式和双对数形式。霍尔沃森和波拉科斯基曾提出应该用数据选择最适合的函数形式, 即BOX-COX转换函数来确定函数形式。但在特征价格指数模型的实际运用中常使用双对数形式:

其中, xik表示房屋i的第k种品质特征, βk为第k个品质特征的边际价格, ε为误差项, Pi为房屋的交易价格。在s时期和t时期分别选取一组房屋作为样本, 利用其交易价格和品质特征资料对两个时期的特征价格指数模型进行回归, 再将不同时期的特征均值带入回归方程即可求出房屋的特征价格, 再按拉氏或帕氏指数编制方法编制出价格指数即可。

(2) 具有时间哑元的特征价格指数法

其基本思路是, 利用基期和多个报告期的样本建立统一的特征价格模型, 并在模型中以时间哑元变量标识样本所属的报告期, 即:

其中, dt为时间哑元变量 (在第t期等于1, 其他期等于0) , αt为时间哑元变量系数, 其他符号定义同式 (1) 。

时间哑元变量的系数等价于报告期与基期样本价格几何平均值的比值, 并利用特征X1...Xn进行质量调整。因此, 可以直接根据时间哑元变量系数的估计值进行指数编制。

该方法是目前各国进行异质性商品价格统计的主要方法之一。以美国为例, 其官方统计体系中利用该方法编制价格指数的商品价值总额已经占到GDP的18%。而在住房领域, 典型应用实例如美国新建独立式住房价格指数、英国的“Halifax指数”等, 我国“中房指数”体系也已经于2005年推出了基于特征价格法编制的“Hedonic住宅价格指数”。

(3) 混合模型

鉴于Hedonic模型和重复售出模型都存在一定的缺陷, 很多学者提出了混合模型法, 该方法将特征价格变量、折旧系数和时间哑元变量同时作为模型待估参数, 并利用广义最小二乘法或最大似然法进行估计, 再以时间哑元变量的系数估计值为基础进行指数编制。混合模型法综合了特征价格法和重复交易法的优点, 具有数据利用充分、选择性偏误较低、计算精度较高等优点。

Case和Quigley[6]在1991年提出了一种混合的房地产价格指数模型, 并利用广义最小二乘法 (GLS) 分析随机误差变量的方差。1997年Hill, Knight和Sirmans[7]对PooleddGLS模型的缺陷进行分析后, 提出基于最大似然估计法 (MLE) 的另一种混合模型。

三、需要解决的主要问题分析

目前来看, 房地产价格指数不仅仅是要用来反映市场走势, 有关决策主体还希望在进行决策时利用房地产价格指数提供的有关信息, 如政府及有关部门可以通过房地产指数了解本地房地产市场的行情, 在制定本地区土地供应计划及指导投资项目方面作为重要的参考信息;房地产投资商、开发商可以通过房地产指数了解该地区房地产市场的供需状况, 更好地把握其走势, 使投资决策更加合理, 减少投资风险等等, 这就要求房地产价格指数能真正反映房地产市场供求关系的变化。

从理论上来讲, 应用特征价格法编制的房地产价格指数能较好地反映房地产供求关系的变化。但是应用这种方法会面临几个难题:首先, 影响房地产价格的品质因素难以确定, 与房地产市场专业人士的讨论来看, 对影响房地产价格的品质因素没有统一的看法;其次, 房地产价格与品质因素之间的关系难以确定, 研究人员一般采用对数线性模型, 但它们之间到底是什么关系还难以确定。

目前国内编制房地产指数时, 大体有两种思路:一是对于前后期样本不要求同一, 只是要将报告期有交易的样本和基期有交易的样本进行对比, 以此来刻画出房地产市场价格走势, 但这样的指数因包含了品质变化因素的影响很难明晰地反映房地产市场供求关系。二是考虑前后期样本的同一, 但因为房地产商品本身的特殊性, 我们获得相应的数据难度较大, 当没有重复交易的数据时, 只能近似地估价。因此, 需要解决的问题主要有:

1) 样本可比性

从理论上来讲, 样本的可比性包含两方面的内容:一是从指数的本意来讲, 要求前后期进行对比的样本要保持一致, 对房地产指数而言, 就是要对同一房地产商品的前后期价格进行跟踪调查;二是要保持房地产商品品质前后期的同一性, 只有这样, 计算出来的指数才不受房地产商品品质变化带来的影响。显然在实际计算房地产指数的时候, 我们无法完全做到上述两点。对于样本的一致性而言, 一方面, 房地产商品重复交易的机率不高, 而且重复交易的周期也难与指数计算的周期相一致, 另一方面, 与一般商品不同, 由于不可移动性, 不同房地产商品之间具有明显的异质性, 因此不容易替代样本。对于样本品质同一性而言, 同一房地产商品在不同时期品质一定是会发生变化的 (如存在折旧等) , 而且在不同时期人们对于房地产商品品质的效用发生变化也意味着品质同一性无法实现。

2) 价格评估

由于房地产商品具有异质性, 可以说每一个房地产商品都是独一无二的, 如果房地产商品在报告期没有交易, 我们就需要对它进行估价。目前国内的房地产估价更多的是凭经验而缺乏从理论到实际的完整体系, 特征价格理论无疑充实了房地产估价理论。

四、结论

国内房地产价格指数的产生, 首先是一些房地产中介公司为满足自身业务的需要编制了指数, 如深圳中联地产指数就是针对住宅租赁市场, 戴德梁行指数更偏重于写字楼租赁市场, 这些指数主要是为了能够反映自己所关注的房地产市场的价格走势;政府部门编制的指数注重综合性, 基本上要涵盖房地产一级市场、二级市场和三级市场, 在方法上借鉴了各中介公司的编制方法, 因此所编制出的指数也是注重反映市场走势。这种市场价格走势最明显的表示就是将报告期有成交的房地产项目与基期项目进行比较, 在这种情况下, 对房地产商品与一般商品的不同特点考虑不多。

通过本文的分析, 可以看到住房价格统计具有异质性强、样本代表性弱数据采集渠道多的特征。为适应这些统计特点, 住房价格指数发展出了多种技术方案。我国目前采用样本匹配法和特征价格法编制的住房价格指数较为普遍, 但二者都面临各自的技术障碍, 制约着指数编制水平的提升。在这些难点中, 有的已经得到了学者的关注与研究, 出现了应对方案;有的属于方法本身的特性 (弊端) , 需要人们给予足够的认识。