住房价格及住房价格指数是反映住房市场状况的最重要的指标之一,真实、准确、及时地把握住房价格的变化趋势,是房地产市场监测、分析和研究的重要基础。由于住房是一种非常典型的异质性商品,在住房价格指数编制的过程中应当剔除住房属性和质量的差异,进行同质化处理。特征价格模型是一种广泛使用的同质化住房价格指数编制工具。在实践中,通常采用参数化建模和普通最小二乘法估计,往往存在遗漏变量、函数设定误差等问题,导致指数编制结果不准确。此外,参数化模型无法有效捕捉住房价格复杂的空间分布和该分布随时间的动态变化,导致传统的住房价格指数缺乏对空间维度差异的考量,无法反映城市内部不同位置价格变化的异质性。本文使用半参数特征价格模型来缓解上述问题。具体地,将住房的区位价值直接表征为地理坐标的非线性函数并设定为非参数形式,以此替换传统特征价格模型中的区位变量;同时将其他住房属性变量保留为参数形式,从而控制住房质量的差异。模型非参数部分的估计结果就是空间维度的同质化价格指数。进一步将时间维度也引入模型的非参数部分,就可以得到同质化的住房时空价格指数,能够同时在时间和空间维度上衡量和比较住房价格。利用北京市2011至2015年间119,745条二手房成交数据进行实证分析,结果显示半参数特征价格模型相比传统参数化模型在样本内拟合效果、样本外预测能力、参数估计的一致性和有效性以及对住房价格空间依赖性的捕捉能力等方面都表现出明显优势。同质化空间价格指数有效捕捉了住房价格的空间分布,直观地显示了住房价格水平在空间上的差异。同质化时空价格指数则进一步显示了该分布随时间的动态变化,揭示了住房价格增长在空间上的异质性,具体表现为不同位置处的局部住房价格变化的差异。将住房时空价格指数应用到北京城市空间结构的研究中,可以发现北京市同质化住房价格呈现一个主要中心加一个次要中心的格局,同时分布着若干个局部房价高点。进一步进行聚类分析后发现北京仍呈现向心型空间结构,且西北区域和东南区域存在严重的不均衡。在批量评估方面,住房时空价格指数可以在更微观层面上提供区位因素和交易时期修正的参数,从而实现对市场比较法的改进,提高价格评估的准确度。