论文部分内容阅读
[摘 要] 商务楼已经成为商业地产的重要组成部分,商务楼租金的影响因素也成为关注的重点。但是在以往的研究中基本都是定性分析,缺少系统、客观的定量分析,本文运用特征价格模型对重庆市商务楼的租金价格进行了实证研究。结果表明,模型的解释能力较好,影响商务楼租金的主要因素有级别、内部装修、商务配套、区位等。
[关键词] 商务楼 特征价格模型 租金 重庆
一、研究背景
商务楼作为商业地产的主角,已经逐渐成为房地产开发和投资的重点,商务楼租金的影响因素也成为关注的重点。以往对商务楼租金的分析基本上都是定性分析,可以分为宏观经济因素与微观经济因素两大类。宏观经济影响因素主要包括经济发展状况、政府的对外开放政策、外商投资规模及结构、第三产业发展情况、汇率及利率水平、城市基础设施建设等;微观经济影响因素包括市场供给状况、企业付租能力及对租金的敏感程度、企业形象要求、对客户及上下游资源供应商的依赖程度、员工数量及组织结构、员工居住地与办公场所的通勤成本等等。本文将采用定量分析的方法,借助特征价格模型对重庆市的商务楼租金情况进行研究,使研究更客观、更严密。重庆市作为西部惟一的直辖市,近几年商业地产的快速发展,大规模商务楼的建设,为本文的研究提供了足够的数据支撑。因此,本文的研究以重庆市为例。
二、研究方法
1.基本原理
特征价格模型(Hedonic price model)是国外用于分析处理异质商品差异特征与商品价格关系的模型,美国学者Lancaster(1966)提出的消费者理论与美国经济学家Rosen(1974)提出的供求均衡模型构成了特征价格模型的理论基础。房地产属于典型的异质产品,可将其看成由一系列内在特征(characteristics)构成的集合,人们购置的正是这一能够体验到的特征集合。房地产产品内在特征的质与量,确定了人们使用效用的大小。因此,人们购买房地产产品所愿支付的价格,也应该由与该产品特征的质与量相对应的多种价格组成。这些反映房地产内在属性的一系列价格,被称之为房地产的特征价格。
房地产特征价格模型,是通过采集房地产样本的价格与特征因素数据,对选定的特征价格方程进行多元回归分析,从而对房地产所有特征进行隐含定价,最终确定房地产的特征价格函数,并根据特征价格函数进行定价与分析。
假设消费者的消费偏好和收入水平类似,则市场的房地产价格是这些属性的函数,将此函数设置为:
其中,为房地产属性,n为房地产属性的隐含价格,为房地产价格。
以往对房地产特征价格模型的研究,主要集中在住宅房地产方面,通过建立住宅特征价格模型来对影响住宅价格的因素进行分析。在国内,运用该模型对商务楼租金价格进行研究的还没有,而影响商务楼租金价格的因素与住宅房地产有很大的区别,比如医院、学校对住宅的价格影响较大,但对商务楼租金价格影响就不大。因此,在建立商务楼租金特征价格模型时,需要考虑商务楼自身的特点及影响因素。
2.模型选择
特征价格法揭示了商品的各项属性与价格之间的关系,但至今没有一个统一的适合特征价格法的函数模型。以往的研究中有线性模型、半对数模型、对数模型和其他非线性模型形式。其中,对数模型要求变量的值不能为0,而本文在设置变量是采用了很多(0,1)的二元虚拟变量,因此本章采用特征价格模型的线性形式和半对数形式分别进行估计,采用拟合度较好的模型进行详细分析。考察各变量对商务楼租金价格的效应。
(1)线性模型: (2)
(2)半对数模型: (3)
其中,线性形式用于考察各特征变量的隐含价格的绝对数值;半对数形式用于考察特征变量每变动一个单位时,商务楼租金价格随之变动的增长率。另外,由于半对数形式缩小了被解释变量的尺度,所以相对于线性形式来说可改善异方差性。
3.变量选取
笔者在进行变量选择时,对相关政府部门、科研院校、房地产开发公司、建筑设计单位、房地产咨询公司和房地产中介公司的主要负责人或者是对当地房地产市场熟悉并有深入研究的高学历人士进行访谈,结合商务楼不同于住宅的自身特点,最终选取20个变量,分为区位特征、建筑结构特征、邻里环境特征三类,具体见表1。
三、样本和数据
1.数据和数据收集
本文数据主要来源于网站挂牌数据、笔者的调查数据和图行天下公司提供的GIS电子地图数据,为了避免时间的影响,采用了2009年1月的截面数据。本研究一共选取了重庆市主城区的112个商务楼盘的2743组数据进行分析。
2.变量的量化
变量的量化主要采取三种方式:直接采用商务楼特征变量的实际数值,或者是仅仅对原始数值进行简单的变换;采用分等级赋值的形式,将特征变量的数值分为几个等级,对每个等级进行打分;采用二元虚拟变量进行量化。具体的量化方式见表1:
四、回归分析
1.模型的比较与试算
在模型的估计和检验之前,对线性模型和半对数模型进行初步的比较和试算,从而选择一个较优的模型进行详细的检验和分析。运用spss软件对样本进行回归分析,在5%显著性水平下得到两个模型的方差分析表和回归分析表,具体数值见表2。从表2中可知,两个回归方程方差分析的显著性检验值均小于0.001,说明各方程是高度显著的,表明进入方程的商务楼特征与租金价格P(或者LnP)之间的线性关系是非常密切的。从判定系数R2可知,半对数模型对因变量的解释能力为82%,比线性模型的拟合程度78.3%高。从修正R2来看,也是半对数模型的拟合程度高,因此,选用半对数模型进行详细研究。
2.模型的估计和检验
(1)显著性检验和方差分析。从表2中可知,半对数模型的复相关系数R=0.907,与1非常接近,说明自变量和因变量之间的线性关系很强。从判定系数R2(0.823)和经调整的R2(0.820)来看,模型所能解释因变量差异的百分比约为82%,说明模型的拟合程度较好,具有良好的解释能力。回归方程方差分析的显著性检验值为0.000,即小于0.001,说明方程是高度显著的,拒绝全部系数均为0的原假设。表明进入方程的商务楼特征与商务楼租金之间的线性关系能够成立。由表3可知,绝大多数回归系数的T检验显著性水平均小于5%,说明回归方程中相应的偏回归系数具有显著性。通过显著性水平的检验,说明模型对样本数据的拟合在统计上是有意义的,回归方程是有效的。
(2)共线性检验。表3表明,所有变量中VIF值最小的为,最大的为3.293,远远小于10,从而可以拒绝变量之间的共线性假设,可以认为自变量之间共线性不是很严重。
(3)方差齐次性检验。从图1因变量预测值与模型残差的散点图,可以看出绝大部分观测量随机落在水平直线正负2之间,基本满足方差齐性的假设。
(4)D-W值检验。从表2中可知,半对数模型的D-W值为1.141<2,说明相邻两点的残差为正相关,但是其数值接近于2,因此,可以认为模型中的误差项基本上是独立的。同时结合上图,可以判断基本不存在异方差问题。
(5)残差的正态性检验。从残差的直方图(图2)可以看出,残差的分布近似于正态分布。
总之,模型基本满足正态性假设、等方差性假设和独立性假设,具有良好的拟合度和较高的解释能力,在统计上是有意义的。因此,可以用来分析和解释商务楼特征对商务楼租金价格的影响。
3.计算结果分析
在半对数模型中,因变量采用对数形式,自变量采用了线性形式,因此方程的未标准化回归系数对应着相应住宅特征价格的半弹性系数。各回归系数及其T检验显著性水平如表3所示。
从表3回归系数分析表中可观察到,在5%的显著性水平下,18个自变量中有14个进入了模型,包括装修1、装修2、酒店、空调、商务、电梯、物管、外部环境、交通、距离2、客运站、轻轨站、火车站和车场。在这14个变量中除交通和车场外显著性水平小于1%。同时有4个变量的显著性水平均大于5%,分别是楼层、使用面积、距离1和竣工时间,从统计意义来看,其回归系数与零没有差异,即这些变量没有进入到该模型。
(1)特征价格的经济意义分析。本文主要是分析参数估计量符号的现实经济意义的合理性。计入模型的14个特征变量中,装修1、装修2、酒店、空调、商务、电梯、物管、外部环境、交通、火车站、车场变量的符号与预期符号完全一样,除距离2、客运站和轻轨站对租金价格有负的影响外,其他变量对租金价格有正的影响;而轻轨站和客运站跟预期的符合相反,对租金有负的影响。重庆客运站的位置,导致附近噪声增大、交通拥挤,因此出现了跟预期符号不一致的现象。
重庆轻轨2号线(较新线)是目前惟一开通的轨道交通,起自重庆商业中心教场口,西至钢铁基地新山村,线路贯穿于长江和嘉陵江间狭长的渝中半岛,穿行于中梁山至真武山之间的低丘地带,横跨渝中、九龙坡和大渡口三个行政区,共设18个站点。在这18个站点中除较场口、临江门和杨家坪站点区位处于商业中心外,大多区位条件较差,故不理想的站点区位对应的商务办公环境对租金无影响力,甚至出现负面影响。
(2)特征的影响程度分析。表4是特征影响程度排序和分类,从该表中可看出,对单租金价格影响程度最大的是装修1和装修2;其次是商务、物管和酒店;最弱的是交通、车场和电梯等。与总租金为解释变量的特征影响程度有一些差异。
(3)特征价格的半弹性分析。在半对数模型中,未标准化的回归系数对应着住宅特征的价格半弹性系数,由于自变量不是连续变量,不能直接采用回归系数的数值,需要进行变换,计算式为:半弹性系数=100(e回归系数-1),具体数值见表5。
从表5中可以看出,半弹性系数和回归系数存在一定差异,但差异不大,这主要是因为模型中得到的回归系数较小,否则,半弹性系数及两者之间的差异也随之扩大。通过表格中的半弹性系数可以看到,对于采用原始数据的变量,如距离2的半弹性系数为-0.0011,表示在其他变量不变的情况下,距离2每增加1000米,租金单价将下降1.1个百分点;物业管理费的半弹性系数为0.035,表示物业管理费每增加1元,租金单价将上升3.56个百分点;交通条件的半弹性系数为0.6,表示公交线路每增加一条其租金单价将上升0.6个百分点。对于两元虚拟变量,如火车站的半弹性系数为9.97,表示在其他变量不变的情况下,靠近火车站的商务办公楼租金单价将上升9.97个百分点;车场的半弹性系数为2.74,表示拥有车场的办公楼租金单价要上升2.74个百分点。对于取值为自然数的有序变量,如装修1分为三个等级,半弹性系数为14.25,表示在其他变量不变的情况下,装修1每增加一个级别,租金单价将上升14.25个百分点;装修2分为四个等级,半弹性系数为16.3,表示在其他变量不变的情况下,装修2每增加一个级别,租金单价将上升16.3个百分点。其余变量可做类似解释。
(4)特征价格的边际价格分析。由于各变量系数表示的含义不同,各特征对租金价格的影响无法采用标准化后的回归系数进行直接的比较。再次采用标准商务办公楼的概念,结合对数模型得到的价格弹性(半弹性)系数,可以进行特征的边际价格分析,即对于标准商务办公楼而言,其特征增加一个单位,评价标准商务办公楼单价将增加多少。
从表6中可以看出,对于标准商务办公楼而言,离该行政区商业中心距离增加1000米,租金单价将减少0.515元;位于客运站500米以内的商务办公楼,其租金单价将减少2.2245元;交通线路每增加一条,其租金单价将增加0.2066元;出租单元内部装修上升一个等级,其租金单价将增加5.5952元;商务配套设施提高一级,租金单价将增加2.9707元;设置集中空调,租金单价将增加2.2321元;500米范围内星级酒店数量增加一个,租金单价将增加0.6934元。其他变量可做类似的解释。
五、结论
本文运用特征价格模型对重庆市的商务楼租金价格差异进行了分析,结果表明特征价格模型用来解释商务楼的租金特征是合理的、有效地,实现了商务楼租金影响因素分析的定量化计算。通过模型的运算,可以得到影响商务楼租金价格的主要因素,从而为开发商的前期策划与定价,消费者的比较选择具有有效的指导意义。另外,在今后的研究中,可以从以下几个方面进行展望:变量的设置上选用更多的变量;在模型的设计上加以变换,使之解释能力更好;以商务楼的办公单元为研究对象。
参考文献:
[1]MILLS E S. Office rent determinants in the Chicago area[J].Journal of the American Real Estate and Urhan Economics Association, 1992,20(1):273-287
[2]OVEVA.PEKDEMIR D.Office rent determinants utilizing factors analysis:a case study for Istanbul[J].Journal of Real Estate Finance and Economics, 2006,33(3)51-73
[3]LAYERNE R J,WINSON-GEIDEMAN K. The influence of trees and landscaping on rental rates at office buildings[J]. Tournal of Arboriculture,2003,29(5):281-290
[4]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, 26(6):31-35
[5]周刚华:城市土地价格微观区位因素及其实证研究[D].浙江大学,2004
[6]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(09)
[关键词] 商务楼 特征价格模型 租金 重庆
一、研究背景
商务楼作为商业地产的主角,已经逐渐成为房地产开发和投资的重点,商务楼租金的影响因素也成为关注的重点。以往对商务楼租金的分析基本上都是定性分析,可以分为宏观经济因素与微观经济因素两大类。宏观经济影响因素主要包括经济发展状况、政府的对外开放政策、外商投资规模及结构、第三产业发展情况、汇率及利率水平、城市基础设施建设等;微观经济影响因素包括市场供给状况、企业付租能力及对租金的敏感程度、企业形象要求、对客户及上下游资源供应商的依赖程度、员工数量及组织结构、员工居住地与办公场所的通勤成本等等。本文将采用定量分析的方法,借助特征价格模型对重庆市的商务楼租金情况进行研究,使研究更客观、更严密。重庆市作为西部惟一的直辖市,近几年商业地产的快速发展,大规模商务楼的建设,为本文的研究提供了足够的数据支撑。因此,本文的研究以重庆市为例。
二、研究方法
1.基本原理
特征价格模型(Hedonic price model)是国外用于分析处理异质商品差异特征与商品价格关系的模型,美国学者Lancaster(1966)提出的消费者理论与美国经济学家Rosen(1974)提出的供求均衡模型构成了特征价格模型的理论基础。房地产属于典型的异质产品,可将其看成由一系列内在特征(characteristics)构成的集合,人们购置的正是这一能够体验到的特征集合。房地产产品内在特征的质与量,确定了人们使用效用的大小。因此,人们购买房地产产品所愿支付的价格,也应该由与该产品特征的质与量相对应的多种价格组成。这些反映房地产内在属性的一系列价格,被称之为房地产的特征价格。
房地产特征价格模型,是通过采集房地产样本的价格与特征因素数据,对选定的特征价格方程进行多元回归分析,从而对房地产所有特征进行隐含定价,最终确定房地产的特征价格函数,并根据特征价格函数进行定价与分析。
假设消费者的消费偏好和收入水平类似,则市场的房地产价格是这些属性的函数,将此函数设置为:
其中,为房地产属性,n为房地产属性的隐含价格,为房地产价格。
以往对房地产特征价格模型的研究,主要集中在住宅房地产方面,通过建立住宅特征价格模型来对影响住宅价格的因素进行分析。在国内,运用该模型对商务楼租金价格进行研究的还没有,而影响商务楼租金价格的因素与住宅房地产有很大的区别,比如医院、学校对住宅的价格影响较大,但对商务楼租金价格影响就不大。因此,在建立商务楼租金特征价格模型时,需要考虑商务楼自身的特点及影响因素。
2.模型选择
特征价格法揭示了商品的各项属性与价格之间的关系,但至今没有一个统一的适合特征价格法的函数模型。以往的研究中有线性模型、半对数模型、对数模型和其他非线性模型形式。其中,对数模型要求变量的值不能为0,而本文在设置变量是采用了很多(0,1)的二元虚拟变量,因此本章采用特征价格模型的线性形式和半对数形式分别进行估计,采用拟合度较好的模型进行详细分析。考察各变量对商务楼租金价格的效应。
(1)线性模型: (2)
(2)半对数模型: (3)
其中,线性形式用于考察各特征变量的隐含价格的绝对数值;半对数形式用于考察特征变量每变动一个单位时,商务楼租金价格随之变动的增长率。另外,由于半对数形式缩小了被解释变量的尺度,所以相对于线性形式来说可改善异方差性。
3.变量选取
笔者在进行变量选择时,对相关政府部门、科研院校、房地产开发公司、建筑设计单位、房地产咨询公司和房地产中介公司的主要负责人或者是对当地房地产市场熟悉并有深入研究的高学历人士进行访谈,结合商务楼不同于住宅的自身特点,最终选取20个变量,分为区位特征、建筑结构特征、邻里环境特征三类,具体见表1。
三、样本和数据
1.数据和数据收集
本文数据主要来源于网站挂牌数据、笔者的调查数据和图行天下公司提供的GIS电子地图数据,为了避免时间的影响,采用了2009年1月的截面数据。本研究一共选取了重庆市主城区的112个商务楼盘的2743组数据进行分析。
2.变量的量化
变量的量化主要采取三种方式:直接采用商务楼特征变量的实际数值,或者是仅仅对原始数值进行简单的变换;采用分等级赋值的形式,将特征变量的数值分为几个等级,对每个等级进行打分;采用二元虚拟变量进行量化。具体的量化方式见表1:
四、回归分析
1.模型的比较与试算
在模型的估计和检验之前,对线性模型和半对数模型进行初步的比较和试算,从而选择一个较优的模型进行详细的检验和分析。运用spss软件对样本进行回归分析,在5%显著性水平下得到两个模型的方差分析表和回归分析表,具体数值见表2。从表2中可知,两个回归方程方差分析的显著性检验值均小于0.001,说明各方程是高度显著的,表明进入方程的商务楼特征与租金价格P(或者LnP)之间的线性关系是非常密切的。从判定系数R2可知,半对数模型对因变量的解释能力为82%,比线性模型的拟合程度78.3%高。从修正R2来看,也是半对数模型的拟合程度高,因此,选用半对数模型进行详细研究。
2.模型的估计和检验
(1)显著性检验和方差分析。从表2中可知,半对数模型的复相关系数R=0.907,与1非常接近,说明自变量和因变量之间的线性关系很强。从判定系数R2(0.823)和经调整的R2(0.820)来看,模型所能解释因变量差异的百分比约为82%,说明模型的拟合程度较好,具有良好的解释能力。回归方程方差分析的显著性检验值为0.000,即小于0.001,说明方程是高度显著的,拒绝全部系数均为0的原假设。表明进入方程的商务楼特征与商务楼租金之间的线性关系能够成立。由表3可知,绝大多数回归系数的T检验显著性水平均小于5%,说明回归方程中相应的偏回归系数具有显著性。通过显著性水平的检验,说明模型对样本数据的拟合在统计上是有意义的,回归方程是有效的。
(2)共线性检验。表3表明,所有变量中VIF值最小的为,最大的为3.293,远远小于10,从而可以拒绝变量之间的共线性假设,可以认为自变量之间共线性不是很严重。
(3)方差齐次性检验。从图1因变量预测值与模型残差的散点图,可以看出绝大部分观测量随机落在水平直线正负2之间,基本满足方差齐性的假设。
(4)D-W值检验。从表2中可知,半对数模型的D-W值为1.141<2,说明相邻两点的残差为正相关,但是其数值接近于2,因此,可以认为模型中的误差项基本上是独立的。同时结合上图,可以判断基本不存在异方差问题。
(5)残差的正态性检验。从残差的直方图(图2)可以看出,残差的分布近似于正态分布。
总之,模型基本满足正态性假设、等方差性假设和独立性假设,具有良好的拟合度和较高的解释能力,在统计上是有意义的。因此,可以用来分析和解释商务楼特征对商务楼租金价格的影响。
3.计算结果分析
在半对数模型中,因变量采用对数形式,自变量采用了线性形式,因此方程的未标准化回归系数对应着相应住宅特征价格的半弹性系数。各回归系数及其T检验显著性水平如表3所示。
从表3回归系数分析表中可观察到,在5%的显著性水平下,18个自变量中有14个进入了模型,包括装修1、装修2、酒店、空调、商务、电梯、物管、外部环境、交通、距离2、客运站、轻轨站、火车站和车场。在这14个变量中除交通和车场外显著性水平小于1%。同时有4个变量的显著性水平均大于5%,分别是楼层、使用面积、距离1和竣工时间,从统计意义来看,其回归系数与零没有差异,即这些变量没有进入到该模型。
(1)特征价格的经济意义分析。本文主要是分析参数估计量符号的现实经济意义的合理性。计入模型的14个特征变量中,装修1、装修2、酒店、空调、商务、电梯、物管、外部环境、交通、火车站、车场变量的符号与预期符号完全一样,除距离2、客运站和轻轨站对租金价格有负的影响外,其他变量对租金价格有正的影响;而轻轨站和客运站跟预期的符合相反,对租金有负的影响。重庆客运站的位置,导致附近噪声增大、交通拥挤,因此出现了跟预期符号不一致的现象。
重庆轻轨2号线(较新线)是目前惟一开通的轨道交通,起自重庆商业中心教场口,西至钢铁基地新山村,线路贯穿于长江和嘉陵江间狭长的渝中半岛,穿行于中梁山至真武山之间的低丘地带,横跨渝中、九龙坡和大渡口三个行政区,共设18个站点。在这18个站点中除较场口、临江门和杨家坪站点区位处于商业中心外,大多区位条件较差,故不理想的站点区位对应的商务办公环境对租金无影响力,甚至出现负面影响。
(2)特征的影响程度分析。表4是特征影响程度排序和分类,从该表中可看出,对单租金价格影响程度最大的是装修1和装修2;其次是商务、物管和酒店;最弱的是交通、车场和电梯等。与总租金为解释变量的特征影响程度有一些差异。
(3)特征价格的半弹性分析。在半对数模型中,未标准化的回归系数对应着住宅特征的价格半弹性系数,由于自变量不是连续变量,不能直接采用回归系数的数值,需要进行变换,计算式为:半弹性系数=100(e回归系数-1),具体数值见表5。
从表5中可以看出,半弹性系数和回归系数存在一定差异,但差异不大,这主要是因为模型中得到的回归系数较小,否则,半弹性系数及两者之间的差异也随之扩大。通过表格中的半弹性系数可以看到,对于采用原始数据的变量,如距离2的半弹性系数为-0.0011,表示在其他变量不变的情况下,距离2每增加1000米,租金单价将下降1.1个百分点;物业管理费的半弹性系数为0.035,表示物业管理费每增加1元,租金单价将上升3.56个百分点;交通条件的半弹性系数为0.6,表示公交线路每增加一条其租金单价将上升0.6个百分点。对于两元虚拟变量,如火车站的半弹性系数为9.97,表示在其他变量不变的情况下,靠近火车站的商务办公楼租金单价将上升9.97个百分点;车场的半弹性系数为2.74,表示拥有车场的办公楼租金单价要上升2.74个百分点。对于取值为自然数的有序变量,如装修1分为三个等级,半弹性系数为14.25,表示在其他变量不变的情况下,装修1每增加一个级别,租金单价将上升14.25个百分点;装修2分为四个等级,半弹性系数为16.3,表示在其他变量不变的情况下,装修2每增加一个级别,租金单价将上升16.3个百分点。其余变量可做类似解释。
(4)特征价格的边际价格分析。由于各变量系数表示的含义不同,各特征对租金价格的影响无法采用标准化后的回归系数进行直接的比较。再次采用标准商务办公楼的概念,结合对数模型得到的价格弹性(半弹性)系数,可以进行特征的边际价格分析,即对于标准商务办公楼而言,其特征增加一个单位,评价标准商务办公楼单价将增加多少。
从表6中可以看出,对于标准商务办公楼而言,离该行政区商业中心距离增加1000米,租金单价将减少0.515元;位于客运站500米以内的商务办公楼,其租金单价将减少2.2245元;交通线路每增加一条,其租金单价将增加0.2066元;出租单元内部装修上升一个等级,其租金单价将增加5.5952元;商务配套设施提高一级,租金单价将增加2.9707元;设置集中空调,租金单价将增加2.2321元;500米范围内星级酒店数量增加一个,租金单价将增加0.6934元。其他变量可做类似的解释。
五、结论
本文运用特征价格模型对重庆市的商务楼租金价格差异进行了分析,结果表明特征价格模型用来解释商务楼的租金特征是合理的、有效地,实现了商务楼租金影响因素分析的定量化计算。通过模型的运算,可以得到影响商务楼租金价格的主要因素,从而为开发商的前期策划与定价,消费者的比较选择具有有效的指导意义。另外,在今后的研究中,可以从以下几个方面进行展望:变量的设置上选用更多的变量;在模型的设计上加以变换,使之解释能力更好;以商务楼的办公单元为研究对象。
参考文献:
[1]MILLS E S. Office rent determinants in the Chicago area[J].Journal of the American Real Estate and Urhan Economics Association, 1992,20(1):273-287
[2]OVEVA.PEKDEMIR D.Office rent determinants utilizing factors analysis:a case study for Istanbul[J].Journal of Real Estate Finance and Economics, 2006,33(3)51-73
[3]LAYERNE R J,WINSON-GEIDEMAN K. The influence of trees and landscaping on rental rates at office buildings[J]. Tournal of Arboriculture,2003,29(5):281-290
[4]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, 26(6):31-35
[5]周刚华:城市土地价格微观区位因素及其实证研究[D].浙江大学,2004
[6]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(09)