- 相關(guān)推薦
面向房產(chǎn)稅的住宅批量估價方法及其優(yōu)缺點分析
雖然優(yōu)勢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，以下是小編J.L為大家分享的關(guān)于面向房產(chǎn)稅的住宅批量估價方法及其優(yōu)缺點之論文范文。
一、引言
為了優(yōu)化地方財政收入結(jié)構(gòu)和抑制住房投機需求，重慶和上海兩地在2011年1月成為全國首批試點城市，對居民開始征收房產(chǎn)稅。當(dāng)前這兩個試點城市主要針對增量房征稅，以市場交易價格為征稅依據(jù)。目前，房地產(chǎn)最基本的估價方法有市場比較法、收益法和成本法。由于市場比較法的估價原理能更好的體現(xiàn)房地產(chǎn)市場情況，所評估的指標(biāo)參數(shù)能夠通過交易市場直接獲得，且評估結(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)估價方法之一，也成為房地產(chǎn)批量估價方法的基礎(chǔ)。本文對以市場比較法為基礎(chǔ)的幾種常用住宅批量估價方法進(jìn)行研究，比較其優(yōu)缺點，為我國建立和完善住宅批量估價系統(tǒng)提供參考。
二、基于模糊數(shù)學(xué)的住宅批量估價方法
(一)估價原理。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，運用數(shù)學(xué)方法對模糊現(xiàn)象進(jìn)行研究和處理�；谀：龜�(shù)學(xué)的住宅評量估價方法，通過運用模糊數(shù)學(xué)理論來解決可比實例的選擇問題。它以貼近度為依據(jù)，從若干個交易實例中選擇貼近度大，即與待估房地產(chǎn)最相似的交易實例作為可比實例。
(二)估價步驟
(1)提取估價對象的特征因素。在影響房地產(chǎn)價格的眾多因素中，各因素對估價目的不同的房地產(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)，并通過實地考查勘測來確定。
(3)計算貼近度。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)計算待估房地產(chǎn)與可比實例貼近度。
(4)計算待估房地產(chǎn)價值。先計算各交易實例特征因素的隸屬函數(shù)值，提取特征因素，再通過計算待估房地產(chǎn)與各交易實例的貼近度得出待估房地產(chǎn)的估價結(jié)果。
(三)優(yōu)缺點分析
1、優(yōu)點分析
(1)實例選擇和權(quán)重確定更加客觀�；谀：龜�(shù)學(xué)的住宅批量評估方法引入貼近度概念來選取可比實例，并將待估房地產(chǎn)與可比實例的貼近度轉(zhuǎn)化成權(quán)重，減少了個人情感色彩對可比實例選擇和權(quán)重確定產(chǎn)生的影響。這種方法對可比實例的選擇和權(quán)重的確定比傳統(tǒng)方法更加客觀，科學(xué)。
(2)能更好地評價定性因素。定性因素難以量化，具有模糊性，基于模糊數(shù)學(xué)的住宅批量評估方法在處理這類具有“模糊”性質(zhì)的因素時，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，估價人員在進(jìn)行主要特征因素的選取時往往是參照估價條例及經(jīng)驗進(jìn)行主觀判斷。同時對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人員的人為影響。
(2)模型對可比實例要求高。本方法需要有大量具體的實例以供選擇，并且原則上要求所選取的實例與待估對象的交易時間越近越好，這樣才能保證估價結(jié)果的精確度。但我國目前在房地產(chǎn)交易信息統(tǒng)計以及公開方面還有所欠缺，房地產(chǎn)市場管理體系不夠完善，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例數(shù)量有限，進(jìn)而可能影響估價結(jié)果的精確度。
三、基于神經(jīng)網(wǎng)絡(luò)的住宅批量估價方法
(一)估價原理。人工神經(jīng)網(wǎng)絡(luò)是一種通過模擬動物神經(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。尤其適合需要同時處理多因素和不精確的信息問題。而房地產(chǎn)價格受許多因素的印象，同時某些特征因素和房地產(chǎn)價格之間著非線性問題。因此，人工神經(jīng)網(wǎng)絡(luò)運用到房地產(chǎn)估價當(dāng)中是科學(xué)合理的。
(二)估價步驟
(1)輸入待估房地產(chǎn)信息。選取與估價相關(guān)的房地產(chǎn)信息，例如小區(qū)名稱、位置、面積等。(2)對主要的特征因素進(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)相類似交易可比實例。其中70%作為訓(xùn)練樣本，剩下的樣本用于檢測。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)練樣本對建立好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。(6)模型檢測。通過測試樣本得到樣本檢測誤差，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。輸入待估對象的影響因素值，得到它的評估價格。
(三)優(yōu)缺點分析
1、優(yōu)點分析。基于神經(jīng)網(wǎng)絡(luò)的住宅批量評估方法的最大優(yōu)點在于權(quán)重確定更加客觀。網(wǎng)絡(luò)通過樣本學(xué)習(xí)，系統(tǒng)將自動得出各特征因素與房地產(chǎn)價格之間關(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、缺點分析
(1)模型對樣本要求高。構(gòu)建房地產(chǎn)估價的神經(jīng)網(wǎng)絡(luò)模型其訓(xùn)練需要大量樣本數(shù)據(jù)，對房地產(chǎn)市場的要求高，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)建的價格指標(biāo)體系采用評估人員經(jīng)驗選取以及專家打分等方法進(jìn)行的，這個過程有較強的主觀性，從而影響估價結(jié)果的科學(xué)性和準(zhǔn)確性。
(3)估價結(jié)果的時點效應(yīng)需進(jìn)一步修正。由于房地產(chǎn)估價具有較強的時效性，而神經(jīng)網(wǎng)絡(luò)估價方法無法對時點進(jìn)行修正，還需參照一般的市場比較法進(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)價值的因素眾多，其中很多因素有較強的時效性，因此在市場交易環(huán)境發(fā)生變化時，模型的更新需要大量的訓(xùn)練時間，對于把握市場變化的效率不高。
四、基于多元回歸模型的住宅批量估價方法
(一)估價原理。多元回歸分析是目前在國外批量評估中占主流的校準(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—住宅價格;
βo—回歸常數(shù)項，即除住宅特征變量外其他影響商品住宅價格的常量之和;
βi—回歸系數(shù)，即特征變量的特征價格;
Xi—特征變量，如區(qū)域、面積、樓層、結(jié)構(gòu)等;
ε—隨機誤差，一般隨機誤差不具有經(jīng)濟意義。
(二)估價步驟
(1)確定估價對象。批量估價的房地產(chǎn)應(yīng)是具有相同或相似特點的，對區(qū)域內(nèi)存在個別差異的特殊房地產(chǎn)應(yīng)對其進(jìn)行個案估價。
(2)市場區(qū)域的劃分。區(qū)位因素對房地產(chǎn)估價的影響較為突出，合理地劃分市場區(qū)域是批量估價的重點工作，不但提高了房地產(chǎn)的相似程度，提高估價的準(zhǔn)確度，同時也簡化了估價難度。
(3)確定特征因素。對于房地產(chǎn)批量估價而言，特征因素的選取最為關(guān)鍵，選取共同的、相關(guān)的特征因素對提高模型準(zhǔn)確度至關(guān)重要，對于個別的特征因素可以進(jìn)行單獨估價。
(4)模型設(shè)定。本文以住宅為研究對象設(shè)定模型，將住宅的價格作為因變量，將影響住宅價格的各個特征因素作為自變量。使用多元回歸模型，借助計算機技術(shù)輔助完成模型的建立。
(5)模型校準(zhǔn)。特征因素對房地產(chǎn)價格的影響程度即模型中的自變量系數(shù)，對模型中不符合估價要求的自變量系數(shù)進(jìn)行剔除并對模型進(jìn)行校準(zhǔn)。
(6)模型應(yīng)用。將評估對象特征因素量化后的值輸入函數(shù)模型，得到估價結(jié)果。
(7)檢測批量評估結(jié)果。通過評估價值和市場價值的實際比對得出批量估價的質(zhì)量，即評估水平。
(三)優(yōu)缺點分析
1、優(yōu)點分析
(1)房地產(chǎn)的批量評估快速精準(zhǔn)。多元回歸模型的優(yōu)勢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)的檢驗和剔除，得出擬合優(yōu)度最高的線性模型，從而提高估價模型的精度，能夠滿足大批量房地產(chǎn)的快速精準(zhǔn)評估。
(2)模型的經(jīng)濟解釋力強。由于每一個回歸系數(shù)能夠體現(xiàn)各特征因素對房地產(chǎn)價值的影響，并對不顯著變量進(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)，同時模型參數(shù)對于樓盤開發(fā)、城市發(fā)展等方面，也具有重要參考意義。
2、缺點分析
(1)模型的精度受研究基本單位影響大。雖然優(yōu)勢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。Ｐ偷臄M合精度也越高，反之越低。如果基本單位范圍越小，時間成本、人力成本和對樣本的質(zhì)量要求會比較高。如果基本單位范圍越廣，對于樣本的參數(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。對于交易不活躍的城市，參數(shù)修改的參考實例不足，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方法各有利弊，且適用的范圍及對象有所區(qū)別，不能相互完全替代，因此有必要對這些方法進(jìn)行改進(jìn)并進(jìn)行組合運用，從而提高其估價的準(zhǔn)確度。
【面向房產(chǎn)稅的住宅批量估價方法及其優(yōu)缺點分析】相關(guān)文章：
網(wǎng)絡(luò)信息資源組織方法的比較分析及其應(yīng)用探析論文09-19
試論法律漏洞及其補充方法08-07
院內(nèi)感染常見細(xì)菌分布及其藥敏試驗分析08-29
論述大學(xué)生課堂問題行為的表現(xiàn)及其原因分析08-24
高校田徑課程教學(xué)方法分析06-10
高校舞蹈教育現(xiàn)狀及其對策分析的論文（通用11篇）08-18
分析高校音樂教育存在的問題及其措施論文（精選11篇）05-24
城市燃?xì)夤艿栏g原因的分析及其防治的措施論文08-13
高考“作用題”答題方法分析和比較04-12
開題報告的分析思路、研究方法怎么寫08-01