基于特征價格模型的房屋比價系數構建-以?？谑泻倗H小區(qū)為例 摘要土地資源的稀缺性使城市新建商品房開發(fā)空間受限，由此存量商品房市場逐步發(fā)展起來。但由于二手房交易“陰陽合同”存在、真實交易價格的缺失等問題的存在，使得政府無法掌握二手房價格的真實交易數據，造成稅收流失，不利于存量商品房市場管理。另一方面，二手房定價模糊、買賣雙方信息的不對稱導致人們在二手房交易時購房選擇的盲目。因此，對存量商品房的價格評估尤為重要。批量評估是房地產計稅實施的技術基礎，而房地產比價系數的構建則是批量評估技術的先決。基于此，本研究以?？谑泻倗H小區(qū)為例，選取噪音程度、景觀、面積和朝向為影響因素建立特征價格模型，模型通過共線性、正態(tài)性、均方差以及F檢驗，擬合度為85%?；诖藰嫿ê倗H小區(qū)384套房屋的比價系數。通過采集小區(qū)的真實成交價格結合比價系數，測算該小區(qū)全樣本的房屋均價及漲幅。結果發(fā)現其漲幅趨勢符合?？谑邢鄳獣r期二手住宅漲幅趨勢。本文的研究結果對投資置業(yè)、政府管理提供了一定的參考價值；同時，也為?？谌械姆康禺a批量評估推廣確立技術基礎。關鍵詞比價系數；特征價格因素；回歸分析 AbstractThescarcityoflandresourcesrestrictsthedevelopmentspaceofnewlybuiltcommercialhousingincities,andthestockcommercialhousingmarkethasgraduallydeveloped.However,duetotheexistenceof"yinandyangcontracts"insecond-handhousingtransactionsandthelackofrealtransactionprices,thegovernmentcannotgrasptherealtransactiondataofsecond-handhousingprices,resultinginthelossoftaxrevenue,whichisnotconducivetothemanagementofthestockcommodityhousingmarket.Ontheotherhand,theambiguityofsecond-handhousepricingandtheasymmetricinformationbetweenbuyersandsellershaveledpeopletoblindlychoosetobuyahouseduringsecond-handhousetransactions.So,itisimportanttoassessthepriceofstockroom.Massassessmentisthetechnicalbasisfortheimplementationofrealestatetaxcalculation,andtheconstructionofrealestateparitycoefficientistheprerequisiteformassassessmenttechnology.Basedonthis,thisstudytakesHaikouInternationalCommunityinHaikouasanexample,selectsthenoiselevel,landscape,areaandorientationastheinfluencetoestablishacharacteristicpricemodel.AfterF-testjudgment,collinearitytest,normalitytestandmeansquareerrortest,itisfoundTheregressionresultsareavailable.TheR-squaretestfoundthatthemodelcanexplainabout85%ofthechangesintheoriginaldata.Thefitisgoodandcanbeusednormally.Finally,thecalculationandcalculationofthepriceratiocoefficientof384housesintheHaiyueInternationalCommunityofthecommunityarecalculated.Asaresult,theincreasetrendwassamewiththeincreasetrendofsecond-handhousingduringtheperiodinHaikouCity.Theresearchofthisarticleprovideacertainreferencevalueforinvestmentpropertypurchaseandgovernmentmanagement;atthesametime,italsoestablishesatechnicalfoundationfortherealestatebatchevaluationandpromotionofHaikoucity.Keywords：CoefficientofparityCharacteristicpricefactorRegressionanalysis 目錄TOC\o"1-3"\h\u一、緒論 一、緒論(一）研究背景土地資源的稀缺性使城市新建商品房的開發(fā)空間受限，由此存量商品房市場也逐步發(fā)展起來。但由于二手房市場中房屋價格的模糊，買賣雙方信息的不對稱和二手房交易時“陰陽合同”等問題的存在造成了政府大量的稅收流失[1-2]。因此，對存量商品房的價格評估尤為重要。批量評估是房地產計稅實施的技術基礎，而房地產比價系數的構建則是批量評估技術的先決。因此本文基于特征價格模型研究某小區(qū)二手房房屋間價格關聯，建立模型，分析比價系數的構建測算結果，進而推廣到區(qū)域范圍內的樓房比價關系，為二手房的交易、計稅確定數據基礎。（二）研究意義構建房屋比價系數是房地產整體估價、二手房計稅依據以及建立二手住房價格指數的基礎。掌握存量房市場的情況，無論是對于政府，還是房地產開發(fā)商抑或是購房者來說都具有重要意義。房屋比價系數的構建是房屋比價關系的一種量化，這種量化有助于政府進行房屋整體估價和批量估價。因此政府而言不僅可以在房地產存量交易稅收核價環(huán)節(jié)形成一大助力，更為其在維護房地產市場秩序和科學調控房地產價格時提供了理論基礎。房地產開發(fā)商可以根據市場信息，合理選擇配置開發(fā)投資的區(qū)域；而購房者可以根據相關信息，消除購房過程中的信息不對稱，理性選擇購房。本文經過實證研究可得到該小區(qū)房屋之間的比價關系，研究結果可推廣到更廣區(qū)域范圍內的樓房比價關系測算，為批量評估及計稅提供技術基礎。（三）研究內容、方法和思路1.研究內容本文以海南省美蘭區(qū)海悅國際小區(qū)全部住宅房屋為研究對象，通過數據收集和實地調研確立特征價格屬性，基于屬性特征對樣本數據進行量化。以房屋均價為因變量，特征價格屬性值為自變量，建立多元線性回歸模型?；谀Ｐ蜏y算出小區(qū)的房屋比價系數并進行實證分析。2.研究方法本文采取文獻研究和實證分析相結合的研究方法。首先閱讀特征價格模型相關文獻；其次學習多元回歸模型建模及檢驗；最終通過數據收集和實地調查的方法，多方收集樣本數據，量化特征價格屬性，建立回歸模型并測算海悅國際小區(qū)的房屋比價系數。3.技術路線將海悅國際小區(qū)作為本課題的研究對象，技術路線（圖1）為采取文獻研究、理論分析、數據獲取以及預處理、實證分析并進行總結展望。圖1技術路線二、國內外研究概述（一）國外研究現狀對于特征價格模型的研究及應用最早起源于20世紀30年代左右，Court被許多學者認為是最早提出了特征價格方法的概念的人，且運用了此方法建立了汽車價格指數[3]。隨后，特征價格模型的理論及運用不斷被完善。20世紀60年代Lancaster(1966)首次將特征價格模型用于房地產經濟領域[4]，在效用函數之中他認為除了需要考慮商品數量外，還需要對商品相關的特征價格因素進行思考，因為在消費者考量之中帶有差異性的商品影響性較大。Rosen(1974)[5]則基于市場均衡理論和假設條件，進一步對特征價格模型的技術框架深層研究，為在各領域中特征價格模型的應用奠定了較好的理論基礎[3]。20世紀80年代以來，學者們從計量經濟學的角度進行了較為深入的研究，改進發(fā)展了半參數、非參數估計方法和非線性回歸技術[6]；其后，特征價格模型被愈來愈多的人們用于建立住宅價格指數。隨著對特征價格模型的深入研究和討論，該模型的函數和實現方法不斷被改進完善。該模型目前被廣泛應用于房地產價值的批量評估，非市場項目的細分以及房地產價格指數的編制。目前已有不少國家包括美國、法國、英國等國家官方運用特征價格法進行房地產價格指數的編制，Chesire(1995)，Boyle(2001)，Din(2000)等運用其對于非市場物品-環(huán)境質量對于居民生活的質量等進行評估分析[3]。國內研究現狀我國對于特征價格模型的研究相對較晚。并且與西方國家相比，我國房地產市場起步較晚，在我國住房數據中存在許多缺失值和數據不完整的情況，國內的住房價格研究更傾向于定性分析，蔣一軍、龔江輝(1996)[6]國內最先引入了HPM模型，并且編制了相應的房地產價格指數。隨后王力賓(1999)[7]、張宏斌(2000)[8]、庫志美(2005)[9]闡述了HPM模型原理，并且編制了其相對的房地產價格指數，但是這些研究主要還是停留在理論研究。郭文剛、崔新明、溫海珍(2006)實地考察后選取了14個特征，通過搜集杭州市290個小區(qū)2473個住宅數據，分析后按影響因素程度進行排序[10]，較早在中國對住宅的特征價格模型進行了實證分析。李妮(2009)[11]以西安市普通商品住宅為研究對象，研究發(fā)現西安市普通商晶住宅整體價格比例，東西方向、南北方向空間差異減小。竺榮梁(2011)對杭州住宅數據嘗試運用Box-Cox變換的Hedonic模型編制特征價格指數，發(fā)現效果好于線性函數和對數函數變換[12]。李妍（2017）[13]采用了用特征價格模型進行樓棟比價關系的確定，以時間修正價格為自變量，以樓層變量、戶型虛擬變量為因變量進行多元回歸分析，運用線性模型回歸分析之后，根據回歸結果計算出文章中對應案例樓棟的每套房屋的價格，選取標準房后，求得樓棟中每套房屋與標準房之間的比價關系系數。理論基礎及研究方法本文中采取了文獻研究和實證分析相結合的研究方法，基于特征價格模型和多元回歸分析對房屋比價系數進行構建測算。（一）特征價格模型20世紀三十年代左右人們開始進行對特征價格模型的研究，該特征價格模型的基本理論圍繞以下思想展開，即消費者樂意購買一件商品的價格取決于他從所購買商品的各種屬性特征中得到的效用水平。簡而言之就是商品具有不同的特質，而其價值大致是由組成該商品的不同特征或品質(如房地產商品的面積、樓層、朝向、裝修程度和景觀等特征)的效用的綜合。當其中的某種特征發(fā)生改變時，商品的價格也會隨之改變。我們把商品的價格由該商品的特征的函數與隨機干擾項的和來表示，即：（公式3.1）（公式3.2）如上式所示，P表示住宅商品的價格，Xi(i=1，2，3，…，n)表代表所研究商品的n個特征變量，ε是隨機干擾項特征價格模型也就是構建房價和特征房價屬性之間的函數關系。特征價格模型的表達形式一般來講主要有三種：線性特征價格模型、半對數特征價格模型、全對數特征價格模型。線性模型：（公式3.3）半對數線性模型:（公式3.4）全對數模型：（公式3.5）（二）多元回歸分析多元回歸分析(MultipleRegressionAnalysis)是指在相關變量中將一個變量作為因變量，其他一個或多個變量視為自變量，建立多個變量之間的相關關系，這種關系可能是線性的也可能是非線性的。在本文中我們所建立的是房價與多個特征價格屬性的線性關系，因此以下我們主要介紹多元線性回歸：設因變量為Y，影響因變量的k個自變量分別為X1、X2……Xk，假設每一個自變量對因變量Y的影響都是線性的，也就是說，在其他自變量不變的情況下，Y的均值隨著自變量Xi的變化均勻變化，這時把Y=β0+β1X1+β2X2+…+βkXk+∈稱為總體回歸模型，把稱為β回歸參數?；貧w分析的基本任務是使用樣本數據估計模型參數，測試模型參數的假設以及使用回歸模型預測因變量。為了確保預測值與實際值的擬合狀況，需要整體回歸模型和數據滿足以下基本假定。假定1：解釋變量是非隨機的或固定的，且互不相關，假定2：隨機誤差項具有零均值、同方差及不序列相關。假定3：隨機誤差項不存在自相關，假定4：解釋變量與隨機項不相關。在模型和數據通過一系列檢驗保證滿足前文所述的基本假定的前提下，參數估計可以通過最小二乘估計來得到?，F如今回歸參數大都可以運用軟件得到，因此在本文中使用spss軟件來進行回歸分析。四、數據的獲取及預處理（一）研究小區(qū)本文研究小區(qū)為海南省美蘭區(qū)海悅國際小區(qū)，該小區(qū)位于海南省?？谑忻捞m區(qū)海甸五西路31號，東面是海南大學北門，西面是別墅區(qū)，南面與海南大學校園相鄰，小區(qū)規(guī)模為三棟樓高19層樓，小區(qū)總占地面積為8304.37m2，容積率為3.86，共有住宅384套，停車位137個。位于海甸五西路以南，交通頗為便利，1公里內有三所中學，3公里內有海南口腔醫(yī)院和海口市人民醫(yī)院，教育資源和醫(yī)療設施配套良好。圖2海悅國際地理位置(來源：百度地圖)圖3樓盤實景（二）數據的采集本文數據采集分為兩個階段，第一個階段通過網絡搜尋海悅國際相關房屋特征屬性，了解其周邊環(huán)境，查詢其房屋價格，初步確立房屋特征屬性指標體系，第二個階段采取實地調查的方法到小區(qū)物業(yè)處詢問房屋實際戶型，面積，樓層等屬性具體情況再進行實地查看，確定具體研究指標。房屋存量價格及房屋相關特征屬性信息主要來源于安居客、鏈家以及58同城，少量信息通過詢問物業(yè)管理處和入戶調查完善。圖4網絡數據采集信息圖5實地考察圖圖6戶型圖（三）數據預處理構建比價系數所選取的因素可以分為平面價格差異因素及垂直價格差異因素。平面價格差異因素是指在樓棟內部，相同樓層下不同特征因素造成的價格差異；垂直價格差異因素則是指在高層住宅中價格隨著樓層上升逐步增大的變化規(guī)律[14]。在選取特征價格因素時不能單單考慮某種或者說是幾種因素對于房屋價格的影響，還要考慮到實際中有沒有其他有關聯的特征屬性被忽視了的。在本文中選擇特征是基于兩條標準，首先是哪些特征是造成研究樓盤中不同住宅間價格差異的根本因素，其次是哪些特征是可獲取的數據。因此我們在確立房屋特征屬性指標體系時結合實際情況選取了朝向、面積、景觀、和噪音程度屬性，采取評價打分和虛擬變量量化的方法將朝向和景觀打分,對噪音程度進行量化并收集面積變量的實際數據。小區(qū)住宅朝向共有五種分別為南北、東南向、西南向、東北向、西北向。根據采光和通風條件將其評為五級，依次是南北、東南、西南、東北和西北。安靜程度評分依據為樓盤北側為海甸五西路較為嘈雜，南側緊鄰學校較為安靜，將房屋樓層3-5樓、6-9樓、11-14樓,15-18樓劃分為四組，靠近五西路的一側的房屋從低樓層組（3-5樓）到高樓層組（15-18樓）用虛擬值0、1、2、3表示，西面和東面靠里的房屋和南面靠近海南大學的房屋按低樓層組到高樓層組依次用虛擬值1、2、3、3表示。表1二手房住宅特征因素的量化特征價格因素劃分方法變量變化朝向評價打分南北：5分東南：4分西南：3分東北：2分西北：1分景觀評價打分四種突出景觀評分：可看到海景以及世紀大橋：4分可看到海景以及街景：3分可看到世紀大橋:2分只能看到街景：1分噪音程度虛擬變量嘈雜：3較嘈雜：2較安靜：1安靜：0面積實測值按搜集的數據值填寫數據主要來源于安居客、鏈家以及58同城，少量信息通過詢問物業(yè)管理處和入戶調查完善。通過以上量化表對獲取的47個樣本數據量化后如下表所示：表2樣本數據表房屋樣本朝向噪音程度景觀面積（m2）房屋均價（萬/m2）X1132821.6163X2522821.6245X351277.981.6543X451277.981.6543X551277.981.6497X651277.981.6532X751277.981.6532X851277.981.6414X952277.981.6231X1011477.981.6108X1151277.981.6030X1251277.981.6030X1352277.981.5905X1422276.91.6145X1522176.91.6004X1623176.91.5923X1711176.91.6396X1811476.91.6645X1911276.91.6435X2011476.91.6625X2111176.91.6352X2211376.91.6543X2322276.91.5997X2421376.91.6302X2521476.91.6423X2621476.91.6423X2722176.91.5995X2822176.91.5995X2921476.91.6445X3022176.91.5995X3121376.91.6302X3222176.91.5879X3312176.91.5795X3412276.91.5897X3511476.91.6352X3612176.91.5815X3711376.91.6345X3821359.561.6585X3912159.561.6095X40221551.6195X41502251.7325X42302251.7145X4330223.831.6924X44312221.7015X45302221.7423X4632221.831.6395X4742221.831.6458五、房屋比價系數的構建及測算（一）房屋比價系數的構建房屋比價系數是房屋價格和房屋成交均價的比值，本文利用特征價格模型構建房屋特征同房屋價格之間的關系式，選擇標準房房價作為房屋成交均值，將不同房屋的特征價格屬性值代入關系式得到對應房屋的房屋價格后，與選取的標準房價作比后可得到對應的房屋比價系數。特征價格模型主要有三種：線性模型、半對數線性模型和全對數線性模型，在選擇何種模型來解釋房屋價格和房屋特征屬性關系式，可以根據其結果的擬合程度，標準誤差值和顯著性檢驗來判斷應選擇哪一種模型形式，在本文的實證研究中由于虛擬變量的存在排除了全對數線性模型，為了后續(xù)的房屋比價系數測算，本文采取了擬合度良好的線性模型進行分析。（二）實證研究在本文研究過程中以海悅國際二手房價格（單位：萬元/m2）為因變量，以房屋面積、噪音程度、朝向和景觀作為自變量，運用spss軟件其進行多元線性回歸。首先通過相關性檢驗排除混雜干擾，將與因變量之間呈現極弱相關的變量排除，其次通過F檢驗判斷、共線性檢驗、正態(tài)性檢驗和均方差性檢驗來檢驗其線性回歸模型的是否可以正常使用，運用R2擬合優(yōu)度檢驗判斷模型對于因變量解釋的充分程度。1.相關性分析與模型檢驗在回歸分析前首先將每個自變量和因變量之間做相關性分析也就是單因素分析，排除混雜干擾，通過皮爾遜檢驗如果發(fā)現某一特征變量和房屋均價之間的皮爾遜系數小于0.3呈現極弱相關，那么可以將此特征變量排出模型，皮爾遜檢驗結果見表3。表3皮爾遜檢驗結果房屋均價（萬/m2）朝向噪音程度景觀面積（m2）房屋均價（萬/m2）皮爾森(Pearson)相關1.522**-.814**.377**-.494**顯著性（雙尾）.000.000.009.000N4747474747根據相關性分析結果將房屋均價作為因變量以房屋面積、噪音程度、朝向和景觀作為自變量，運用spss軟件其進行多元線性回歸。表4變量輸入情況模型變量已輸入變量已移除方法1面積（m2）,景觀,朝向,噪音程度b.Entera.應變數:房屋均價（萬/m2）b.已輸入所有要求的變量。一般用調整后R2來判斷模型和數據的擬合優(yōu)度，調整R2∈[0,1]，當調整后R2越接近于1時，模型的擬合效果越好，如表5所示調整后R方為0.849，這說明該線性模型可以解釋原數據約85%的變化，擬合程度良好，并且其標準估算的誤差為0.0174833，誤差較小可忽略不計。表5R2情況模型RR平方調整后R平方標準偏斜度錯誤Durbin-Watson1.929a.862.849.0174833.852a.預測值：（常數），面積（m2）,景觀,朝向,噪音程度b.應變數:房屋均價（萬/m2）F檢驗是為了檢驗其所有特征屬性對房屋均價具有顯著的共同影響。表6表示F檢驗結果，可以發(fā)現F檢驗中其F值對應的sig值小于0.05，拒絕了原假設，且其sig值為0.000時，說明其自變量和因變量之間存在明顯的線性關系，這說明本文的回歸結果是可用的。表6F檢驗結果模型平方和df平均值平方Fsig1回歸.0804.02065.764.000b殘差.01342.000總計.09346a.應變數:房屋均價（萬/m2）b.預測值：（常數），面積（m2）,景觀,朝向,噪音程度模型的允差值（容忍度）和vif值（方差膨脹因子）是檢驗模型共線性的重要指標，通常認為允差值大于0.1時，模型中的任一變量不能被其他變量精確的解釋，即為不存在多重共線性，而當vif值大于10時，則認為共線性嚴重，從下表結果顯示，所有允差值都大于0.1，vif值都小于10，判斷該模型中自變量之間不存在多重共線性。表7共線性檢驗表共線性統(tǒng)計量允差VIF朝向0.8981.114噪音程度0.6131.63景觀0.7061.417面積（m2）0.7961.257對該模型進行殘差正態(tài)性檢驗和均方差性檢驗，根據圖6顯示模型基本符合殘差的直線型要求，表明該模型中的隨機誤差不存在異方差，圖7發(fā)現其觀測點在水平方向隨機分布于（-2，2）之間，表明該樣本數據均出自于同一樣本，其回歸分析是有意義的。圖6標準化殘差累計概率圖7標準化殘差散點圖2.回歸模型建立表8線性模型系數表模型非標準化系數標準化系數T顯著性共線性統(tǒng)計資料B標準錯誤Beta允差VIF1（常數）1.678.014119.479.000朝向.011.002.3986.593.000.8981.114噪音程度-.035.005-.544-7.443.000.6131.630景觀.010.003.2223.264.002.7061.417面積（m2）-.001.000-.258-4.025.000.7961.257a.應變數\:房屋均價（萬/m2）根據回歸結果可以得到其為:P=0.011朝向-0.035噪音程度+0.01景觀-0.001面積+1.678（公式5.1）從公式5.1得知，對房屋均價呈負向影響的是噪音與面積因素。對房屋價格負向影響較大的是噪音因素，當噪音每增加一級時，房屋均價下降350元/平米；面積雖然對房價也是負向影響，但影響甚微，即面積每增加一平米房屋均價僅下降10元/平米。朝向和景觀因素則與其房屋價格之間呈正向關系。朝向增加一個級別時房屋均價上升110元/平米；景觀增加一個級別時，房屋均價則上升100元/平米。模型說明該小區(qū)特性即該小區(qū)的安靜程度需求最高，另外對小區(qū)的景觀及朝向的需求適中，由于該小區(qū)戶型基本上都是中小戶型，但小戶型更受歡迎。從以上回歸結果來看，在特征價格因素中，朝向、景觀與房屋均價呈正相關，噪音程度、面積與房屋均價呈負相關。且其噪音程度的系數絕對值相對較大，說明對該小區(qū)而言噪音程度對房屋均價影響較為明顯。表明模型選取的4個變量特點符合經濟規(guī)律，通過了經濟檢驗。3.比價系數實證標準房的選取，參考單一變量的中間值所對應所有房型中價格較為居中的房型作為標準房[14]。本文選取噪音程度為中間值的所對應的所有房型中均價較為居中的B807作為標準房，其后將每套房屋的屬性代入回歸方程5.1后，獲得整個小區(qū)的房屋比價系數（表9）表9海悅國際小區(qū)房屋比價系數本文以一套1室1廳、成交均價為1.909萬/平米、成交時間為2019年8月的住宅B1401，與一套2房2廳、成交均價為1.689萬元/平方米、成交時間為2019年11月的住宅B1306的兩套中介實際成交數據，利用上述測算比價系數表，得出2019年8月和2019年11月海悅國際小區(qū)房屋銷售均價分別為1.835萬/平方米和1.623萬/平米，此小區(qū)2019年8月至11月的漲幅為-11.5%。其后利用國家統(tǒng)計局中2019年8月至2019年11月的?？诙肿≌N售價格指數（上月=100）環(huán)比計算出此時期海口市二手住宅銷售價格漲幅為-0.89%通過對比發(fā)現，2019年8-11月小區(qū)與?？谑卸址孔》績r格均呈下跌趨勢，但小區(qū)的跌幅（-11.5%）遠大于全市跌幅（-0.89%）。因小區(qū)僅作為?？谑卸肿≌囊粋€樣本點，其漲幅與海口市二手住宅價格總體漲幅必然存在一定差距，但其漲幅有一定的參考依據。后續(xù)可以將其房屋比價系數的構建測算方法推廣至?？谑衅溆喽肿≌?，應用于其余類似房地產集合的比價系數測算，為二手房的交易、計稅確定數據基礎。六、結論與展望本研究以?？谑泻倗H小區(qū)為例，選取噪音程度、景觀、面積和朝向為影響因素，構建了特征價格模型。模型通過F檢驗和共線性檢驗發(fā)現房價與所選因素之間存在明顯的線性關系且4個影響因素之間不存在多重共線性，通過殘差正態(tài)性和均方差性檢驗結果表明模型中的隨機誤差不存在異方差以及該樣本數據均出自于同一樣本，其模型擬合度為85%，可正常使用。通過回歸模型發(fā)現噪音對房價的負向影響最大，面積與房價雖呈負相關，但影響甚小，朝向和景觀則對房價產生一定程度的正向影響?；诨貧w模型測算海悅國際小區(qū)全部房屋的比價系數，結合兩套真實成交的房屋價格實現小區(qū)全部房屋價格的獲取及更新，測算的價格漲幅對投資置業(yè)、政府管理提供了一定的參考價值。后續(xù)可以將其房屋比價系數的構建測算方法推廣至?？谑衅溆喽肿≌?，應用于其余類似房地產集合的比價系數測算，為二手房的交易、計稅確定數據基礎。本研究存在一些不足之處，如特征價格因素僅選取了噪音程度、景觀、面積和朝向，沒有將樓層、裝修程度等其余變量考慮至模型中去。其次，由于特征指標量化時具有一定的主觀性，同時，實際交易信息獲取較為困難，樣本量過小對模型的測算及結果造成一定影響。第三，本研究僅針對于海口市海悅國際小區(qū)進行研究，其普適性還需要進一步研究分析。這些都需要在今后研究中進一步完善。致謝在本次論文設計中，從擬題到開題、初稿到中期檢查到定稿經歷了許多時光，在論文完成之際在此感謝給予我關心和幫助的人。首先要感謝我的導師韓念龍老師，不僅要感謝老師在學業(yè)上的悉心指導，還有老師在生活中的關心，感謝在這個過程老師嚴苛謹慎的態(tài)度讓我的論文一遍遍變得更好；在這里也要感謝論文小組的同學們，大家一起加油，互相鼓勵，曾在論文完成中指點迷津的學姐；其次感謝一直在我身邊關心支持我的家人們，正是因為有你們，才讓我的論文一步步改善、一遍遍進步。再次，我要感謝土管系的各學科老師的諄諄教誨，感謝陪伴我成長的好友，感謝海南大學，讓我在大學這四年的時光中過得充實快樂。