一種面向房產(chǎn)稅的住宅批量估價(jià)方法
相關(guān)鏈接： 上海安全網(wǎng) 上海質(zhì)量網(wǎng) 上海論文網(wǎng) 上海資訊網(wǎng)
面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析
一、引言
為了優(yōu)化地方財(cái)政收入結(jié)構(gòu)和抑制住房投機(jī)需求，重慶和上海兩地在2011年1月成為全國(guó)首批試點(diǎn)城市，對(duì)居民開始征收房產(chǎn)稅。當(dāng)前這兩個(gè)試點(diǎn)城市主要針對(duì)增量房征稅，以市場(chǎng)交易價(jià)格為征稅依據(jù)。目前，房地產(chǎn)最基本的估價(jià)方法有市場(chǎng)比較法、收益法和成本法。由于市場(chǎng)比較法的估價(jià)原理能更好的體現(xiàn)房地產(chǎn)市場(chǎng)情況，所評(píng)估的指標(biāo)參數(shù)能夠通過交易市場(chǎng)直接獲得，且評(píng)估結(jié)果更加的科學(xué)準(zhǔn)確，因此它成為最重要、最常用的房地產(chǎn)估價(jià)方法之一，也成為房地產(chǎn)批量估價(jià)方法的基礎(chǔ)。本文對(duì)以市場(chǎng)比較法為基礎(chǔ)的幾種常用住宅批量估價(jià)方法進(jìn)行研究，比較其優(yōu)缺點(diǎn)，為我國(guó)建立和完善住宅批量估價(jià)系統(tǒng)提供參考。
二、基于模糊數(shù)學(xué)的住宅批量估價(jià)方法
（一）估價(jià)原理。自然界中，精確數(shù)學(xué)無法描述廣泛存在的模糊現(xiàn)象。而人類能夠通過模糊的思維和語言進(jìn)行信息的表達(dá)，再通過大腦進(jìn)行理論的分析和推導(dǎo)，最終做出決策。模糊數(shù)學(xué)就是模仿人類思維的過程，運(yùn)用數(shù)學(xué)方法對(duì)模糊現(xiàn)象進(jìn)行研究和處理�；谀：龜�(shù)學(xué)的住宅評(píng)量估價(jià)方法，通過運(yùn)用模糊數(shù)學(xué)理論來解決可比實(shí)例的選擇問題。它以貼近度為依據(jù)，從若干個(gè)交易實(shí)例中選擇貼近度大，即與待估房地產(chǎn)最相似的交易實(shí)例作為可比實(shí)例。
�。ǘ┕纼r(jià)步驟
（1）提取估價(jià)對(duì)象的特征因素。在影響房地產(chǎn)價(jià)格的眾多因素中，各因素對(duì)估價(jià)目的不同的房地產(chǎn)的影響有一定的差別，結(jié)合專家意見對(duì)主要的特征因素進(jìn)行提取。
�。�2）確定特征因素隸屬函數(shù)值。隸屬函數(shù)是表示某些因素隸屬于某種特征的函數(shù)，其取值在0和1之間。當(dāng)函數(shù)值越近似于1，則說明隸屬度越大，反之隸屬度較低。特征因素主要有兩類：一類是難以量化的模糊指標(biāo)（如交通狀況等）；第二類則是容易得到的確切量化指標(biāo)（如面積等）。軟指標(biāo)隸屬函數(shù)值的確定可用類比法建立隸屬函數(shù)，并通過實(shí)地考查勘測(cè)來確定。
�。�3）計(jì)算貼近度。貼近度是描述兩模糊子集之間彼此相近程度的概念，取值范圍在[0，1]區(qū)間。同樣，當(dāng)貼近度越近似于1，則說明兩模糊子集越相近，反之貼近度較低。設(shè)A與B為論域U的模糊子集，則
A○B(yǎng)=（A（）∧B（））=（A（）∧B（））（公式1）
公式1稱為A與B的內(nèi)積。
A⊕B=（A（）∨B（））=（A（）∨B（））（公式2）
公式2稱為A與B的外積。
σ（A，B）=（1/2）[A○B(yǎng)+（1-A⊕B）]（公式3）
公式3稱為A與B的貼近度。
按式（公式1）～（公式3）計(jì)算待估房地產(chǎn)與可比實(shí)例貼近度。
�。�4）計(jì)算待估房地產(chǎn)價(jià)值。先計(jì)算各交易實(shí)例特征因素的隸屬函數(shù)值，提取特征因素，再通過計(jì)算待估房地產(chǎn)與各交易實(shí)例的本文由畢業(yè)論文網(wǎng)http://m.78375555.com收集整理貼近度得出待估房地產(chǎn)的估價(jià)結(jié)果。
（三）優(yōu)缺點(diǎn)分析
1、優(yōu)點(diǎn)分析
�。�1）實(shí)例選擇和權(quán)重確定更加客觀�；谀：龜�(shù)學(xué)的住宅批量評(píng)估方法引入貼近度概念來選取可比實(shí)例，并將待估房地產(chǎn)與可比實(shí)例的貼近度轉(zhuǎn)化成權(quán)重，減少了個(gè)人情感色彩對(duì)可比實(shí)例選擇和權(quán)重確定產(chǎn)生的影響。這種方法對(duì)可比實(shí)例的選擇和權(quán)重的確定比傳統(tǒng)方法更加客觀，科學(xué)。
�。�2）能更好地評(píng)價(jià)定性因素。定性因素難以量化，具有模糊性，基于模糊數(shù)學(xué)的住宅批量評(píng)估方法在處理這類具有“模糊”性質(zhì)的因素時(shí)，通過類比法建立隸屬函數(shù)，使其量化成統(tǒng)一標(biāo)準(zhǔn)數(shù)字描述，是解決這類問題的最有效方法。
2、缺點(diǎn)分析
（1）特征因素的確定受人為因素影響。特征因素較多，估價(jià)人員在進(jìn)行主要特征因素的選取時(shí)往往是參照估價(jià)條例及經(jīng)驗(yàn)進(jìn)行主觀判斷。同時(shí)對(duì)于難以量化的軟指標(biāo)，雖能通過類比法建立隸屬函數(shù)，但其隸屬函數(shù)值的最終確定仍受估價(jià)人員的人為影響。
�。�2）模型對(duì)可比實(shí)例要求高。本方法需要有大量具體的實(shí)例以供選擇，并且原則上要求所選取的實(shí)例與待估對(duì)象的交易時(shí)間越近越好，這樣才能保證估價(jià)結(jié)果的精確度。但我國(guó)目前在房地產(chǎn)交易信息統(tǒng)計(jì)以及公開方面還有所欠缺，房地產(chǎn)市場(chǎng)管理體系不夠完善，房地產(chǎn)交易登記常出現(xiàn)陰陽合同等，導(dǎo)致選取的符合要求的可比實(shí)例數(shù)量有限，進(jìn)而可能影響估價(jià)結(jié)果的精確度。
三、基于神經(jīng)網(wǎng)絡(luò)的住宅批量估價(jià)方法
�。ㄒ唬┕纼r(jià)原理。人工神經(jīng)網(wǎng)絡(luò)是一種通過模擬動(dòng)物神經(jīng)功能和結(jié)構(gòu)特征，進(jìn)行分布式并行信息處理的數(shù)學(xué)模型。尤其適合需要同時(shí)處理多因素和不精確的信息問題。而房地產(chǎn)價(jià)格受許多因素的印象，同時(shí)某些特征因素和房地產(chǎn)價(jià)格之間著非線性問題。因此，人工神經(jīng)網(wǎng)絡(luò)運(yùn)用到房地產(chǎn)估價(jià)當(dāng)中是科學(xué)合理的。
�。ǘ┕纼r(jià)步驟
�。�1）輸入待估房地產(chǎn)信息。選取與估價(jià)相關(guān)的房地產(chǎn)信息，例如小區(qū)名稱、位置、面積等。（2）對(duì)主要的特征因素進(jìn)行量化。通過建立指標(biāo)體系選取主要影響因素，并咨詢專家進(jìn)行量化打分，將主要的特征影響因素進(jìn)行輸入。（3）確定樣本。選取一定數(shù)目與待估房地產(chǎn)相類似交易可比實(shí)例。其中70%作為訓(xùn)練樣本，剩下的樣本用于檢測(cè)。為了有利于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，待樣本確定后，按照一定的規(guī)則，將樣本的輸入、輸出轉(zhuǎn)化為0到1區(qū)間的值。（4）建立模型。確定模型的基本參數(shù)。（5）模型訓(xùn)練。即網(wǎng)絡(luò)的學(xué)習(xí)過程。首先設(shè)置訓(xùn)練參數(shù)，再用選取的訓(xùn)練樣本對(duì)建立好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。（6）模型檢測(cè)。通過測(cè)試樣本得到樣本檢測(cè)誤差，判斷模型是否滿足要求。如不滿足，應(yīng)從新訓(xùn)練，直到符合要求。（7）估價(jià)。輸入待估對(duì)象的影響因素值，得到它的評(píng)估價(jià)格。
（三）優(yōu)缺點(diǎn)分析
1、優(yōu)點(diǎn)分析�；谏窠�(jīng)網(wǎng)絡(luò)的住宅批量評(píng)估方法的最大優(yōu)點(diǎn)在于權(quán)重確定更加客觀。網(wǎng)絡(luò)通過樣本學(xué)習(xí)，系統(tǒng)將自動(dòng)得出各特征因素與房地產(chǎn)價(jià)格之間關(guān)系的權(quán)數(shù)，從而克服了人工確定權(quán)重的主觀隨意性。
2、缺點(diǎn)分析
�。�1）模型對(duì)樣本要求高。構(gòu)建房地產(chǎn)估價(jià)的神經(jīng)網(wǎng)絡(luò)模型其訓(xùn)練需要大量樣本數(shù)據(jù)，對(duì)房地產(chǎn)市場(chǎng)的要求高，需要該地區(qū)房地產(chǎn)交易信息管理相當(dāng)完善，并能收集足夠的有效的交易案例，否則模型的精準(zhǔn)度難以保證。
（2）人為主觀影響因素較大。由于特征因素的量化的前提是特征因素的提取，而特征因素構(gòu)建的價(jià)格指標(biāo)體系采用評(píng)估人員經(jīng)驗(yàn)選取以及專家打分等方法進(jìn)行的，這個(gè)過程有較強(qiáng)的主觀性，從而影響估價(jià)結(jié)果的科學(xué)性和準(zhǔn)確性。
�。�3）估價(jià)結(jié)果的時(shí)點(diǎn)效應(yīng)需進(jìn)一步修正。由于房地產(chǎn)估價(jià)具有較強(qiáng)的時(shí)效性，而神經(jīng)網(wǎng)絡(luò)估價(jià)方法無法對(duì)時(shí)點(diǎn)進(jìn)行修正，還需參照一般的市場(chǎng)比較法進(jìn)行二次修正。
�。�4）應(yīng)用神經(jīng)網(wǎng)絡(luò)方法收斂速度太慢。影響房地產(chǎn)價(jià)值的因素眾多，其中很多因素有較強(qiáng)的時(shí)效性，因此在市場(chǎng)交易環(huán)境發(fā)生變化時(shí)，模型的更新需要大量的訓(xùn)練時(shí)間，對(duì)于把握市場(chǎng)變化的效率不高。
四、基于多元回歸模型的住宅批量估價(jià)方法
�。ㄒ唬┕纼r(jià)原理。多元回歸分析是目前在國(guó)外批量評(píng)估中占主流的校準(zhǔn)技術(shù)。其基本原理是：在大量樣本的基礎(chǔ)上，通過對(duì)變量、誤差的假定，依靠最小二乘法來擬合因變量與自變量關(guān)系，從而建立數(shù)學(xué)模型。線性回歸模型的代表是效用函數(shù)（Hedonic Model）。
P=βo+∑βiXi+ε（公式4）
式中：P—住宅價(jià)格；
βo—回歸常數(shù)項(xiàng)，即除住宅特征變量外其他影響商品住宅價(jià)格的常量之和；
βi—回歸系數(shù)，即特征變量的特征價(jià)格；
Xi—特征變量，如區(qū)域、面積、樓層、結(jié)構(gòu)等；
ε—隨機(jī)誤差，一般隨機(jī)誤差不具有經(jīng)濟(jì)意義。
�。ǘ┕纼r(jià)步驟
�。�1）確定估價(jià)對(duì)象。批量估價(jià)的房地產(chǎn)應(yīng)是具有相同或相似特點(diǎn)的，對(duì)區(qū)域內(nèi)存在個(gè)別差異的特殊房地產(chǎn)應(yīng)對(duì)其進(jìn)行個(gè)案估價(jià)。
�。�2）市場(chǎng)區(qū)域的劃分。區(qū)位因素對(duì)房地產(chǎn)估價(jià)的影響較為突出，合理地劃分市場(chǎng)區(qū)域是批量估價(jià)的重點(diǎn)工作，不但提高了房地產(chǎn)的相似程度，提高估價(jià)的準(zhǔn)確度，同時(shí)也簡(jiǎn)化了估價(jià)難度。
�。�3）確定特征因素。對(duì)于房地產(chǎn)批量估價(jià)而言，特征因素的選取最為關(guān)鍵，選取共同的、相關(guān)的特征因素對(duì)提高模型準(zhǔn)確度至關(guān)重要，對(duì)于個(gè)別的特征因素可以進(jìn)行單獨(dú)估價(jià)。
�。�4）模型設(shè)定。本文以住宅為研究對(duì)象設(shè)定模型，將住宅的價(jià)格作為因變量，將影響住宅價(jià)格的各個(gè)特征因素作為自變量。使用多元回歸模型，借助計(jì)算機(jī)技術(shù)輔助完成模型的建立。
�。�5）模型校準(zhǔn)。特征因素對(duì)房地產(chǎn)價(jià)格的影響程度即模型中的自變量系數(shù)，對(duì)模型中不符合估價(jià)要求的自變量系數(shù)進(jìn)行剔除并對(duì)模型進(jìn)行校準(zhǔn)。
（6）模型應(yīng)用。將評(píng)估對(duì)象特征因素量化后的值輸入函數(shù)模型，得到估價(jià)結(jié)果。
�。�7）檢測(cè)批量評(píng)估結(jié)果。通過評(píng)估價(jià)值和市場(chǎng)價(jià)值的實(shí)際比對(duì)得出批量估價(jià)的質(zhì)量，即評(píng)估水平。
（三）優(yōu)缺點(diǎn)分析
1、優(yōu)點(diǎn)分析
�。�1）房地產(chǎn)的批量評(píng)估快速精準(zhǔn)。多元回歸模型的優(yōu)勢(shì)在于其使用最小二乘法原理，通過多重共線性及各回歸參數(shù)的檢驗(yàn)和剔除，得出擬合優(yōu)度最高的線性模型，從而提高估價(jià)模型的精度，能夠滿足大批量房地產(chǎn)的快速精準(zhǔn)評(píng)估。
�。�2）模型的經(jīng)濟(jì)解釋力強(qiáng)。由于每一個(gè)回歸系數(shù)能夠體現(xiàn)各特征因素對(duì)房地產(chǎn)價(jià)值的影響，并對(duì)不顯著變量進(jìn)行剔除，有利于決策者根據(jù)不同參數(shù)把握市場(chǎng)情況，進(jìn)行相關(guān)調(diào)控（比如規(guī)劃、需求刺激/抑制等），同時(shí)模型參數(shù)對(duì)于樓盤開發(fā)、城市發(fā)展等方面，也具有重要參考意義。
2、缺點(diǎn)分析
（1）模型的精度受研究基本單位影響大。雖然優(yōu)勢(shì)中提到了模型的擬合精度較高，但這種精度的要求卻是依賴于模型研究的基本單位，比如樓幢、小區(qū)、片區(qū)、行政區(qū)等�；締挝环秶叫�，模型的擬合精度也越高，反之越低。如果基本單位范圍越小，時(shí)間成本、人力成本和對(duì)樣本的質(zhì)量要求會(huì)比較高。如果基本單位范圍越廣，對(duì)于樣本的參數(shù)要求就越高，調(diào)查成本也越高。
（2）模型更新頻繁。該方法是建立在各種因素的基礎(chǔ)上，參數(shù)則需要進(jìn)行修改。該模型適合于交易活躍的城市。對(duì)于交易不活躍的城市，參數(shù)修改的參考實(shí)例不足，導(dǎo)致方法的局限性很大。
五、結(jié)束語
通過上述分析，可以看出現(xiàn)有的三種住宅批量估價(jià)方法各有利弊，且適用的范圍及對(duì)象有所區(qū)別，不能相互完全替代，因此有必要對(duì)這些方法進(jìn)行改進(jìn)并進(jìn)行組合運(yùn)用，從而提高其估價(jià)的準(zhǔn)確度。
