下载文档原格式
基于Hedonic理论的住宅特征价格模型作者：刘璧婷李星野来源：《金融经济·学术版》2013年第06期摘要：本文将Hedonic理论应用于上海市住宅市场，从住宅具有的特征属性的隐含价格出发，取得住宅特征和住宅价格之间的数量关系，避免了评估人员因主观原因引起的评估偏差。
文中采用线性模型、对数模型、半对数模型等函数形式分别进行分析，分析得出半对数模型的解释能力最强。
通过运用半对数模型建立适用于上海市住宅市场的Hedonic模型，并分析影响住宅价格的因素及半弹性系数，同时进一步优化该Hedonic模型，以提高其精度及适用性。
关键词：Hedonic模型；住宅特征；量化分析；半对数模型1.引言城市的住宅价格不但与人民的生活水平息息相关，而且也是衡量一个城市或地区综合竞争力的重要指标。
近年来，我国房地产业飞速发展的同时，由于发展的不平衡，个别城市及地区房价增长尤为迅速，如北京、上海等地。
引起了人们对住宅价格问题的广泛关注，因此，对于城市住宅价格问题的讨论，比如哪些因素影响住房价格的高低，目前住宅价格的制定是否合理，房地产泡沫是否存在等问题，一直是政府、民众、开发商及购房者关注的焦点问题。
房地产商品是异质性的商品，具有地理位置的不可移动性，长期使用性，受环境影响等特点。
两套住宅在特征上均不可能会完全相同，如位置，朝向，层次，所在区域的交通环境等，造成不同的住宅商品之间无法加以比较，缺乏统一的价格标准。
国内关于城市住宅价格方面的研究很多，但大多是从城市居民收入水平与物价水平，房地产的成本构成，房地产市场的供求关系，房地产政策等方面进行定性的研究。
而国外普遍采用特征价格模型（Hedonic Price Model）对城市的住宅价格进行定量分析研究。
该模型充分包括了不同住宅特征的边际价格或者说隐含价格，能够比较好的解释住宅商品的异质性及消费者偏好等。
国内学者对于特征价格模型的研究是近十年才发展起来，而对住宅特征及价格之间进行数量关系的实证研究并不多。
关于二手房房价预测的分析研究摘要随着社会经济的迅猛发展，房地产开发建设的速度越来越快，二手房市场迅猛发展，对二手房房产价格评估的需求也随之增大。
因此，对二手房房价预测进行研究是必要的。
本文一方面就影响二手房房价的因素进行了深入研究，另一方面也对中国二手房市场房价预测的方法进行了研究和综合，近而得出更为合理科学的二手房市场预测模型，对二手房购房者和投资者了解二手房的价格区间，进行购房、投资有一定的引导意义。
关键词二手房；特征价格模型；房价；预测1 研究背景自改革开放以来，我国房地产业迅速发展，带动国民经济实现了快速持续的增长，因此被视为我国的支柱产业[1]。
目前，我国的房产交易市场以新盘和二手房市场为主导。
同时，中国房地产市场正处于从新房主导向二手房主导的转换阶段，未来十年中，二手房交易将持续上升[2]。
巨大的利益充斥于房地产市场并呈现出愈加激烈的形式，因此科学地，深入地对二手房地產进行分析，研究显得极为重要。
过去，我国较多地借鉴美国的房产估价理论，而现实中却主要凭借以往的经验进行住宅价格的评估[3]。
这导致了直接服务于买卖双方的专业评估机构房地产评估机构在目前的普通二手房交易过程中基本处于缺失状态，给买卖双方带来风险和损失。
近年来相关学者开始将多种新技术与方法，如神经网络[4]、随机森林模型、灰色系统方法等引入房产的评估中，这些方法虽然对于传统方法进行了有效的改进，但对于应用到实际情况中还有助于进一步提高。
2 房价预测方法2.1 传统方法房地产物业的估价原理和方法尚处在发展与完善阶段，市场比较法、成本估价法、收益还原法这三种方法都是实际操作中经常被采用的方法[5]。
市场比较法从经济学上的替代原理或替代原则来理解和评估房价的[5]。
市场比较法一般适用于房地产市场较为发达、活跃和完善的地区，如果在一些房地产市场尚不够发达的地区，很难采用这种估价方法进行估价；成本估价法是经济学中的生产费用价值理论来理解和评估房价的。
住宅价格的特征价格模型研究作者：潘祥来源：《经济视野》2015年第03期【摘要】笔者在文中对特征价格模型的特点对普通住宅价格进行了阐述，依据市场特点来阐述该模型中的住宅价格特征，供同行参考。
【关键词】住宅价格特征价格模型学区房地铁一、住宅特征价格模型的基本概念特征价格模型一般可以理解成：可以为人们带来有效参考的价格模型。
其核心主体是实际产品中能满足人们需求的各种特征价格总和。
我们所阐述的住宅价格模型特征是房屋内在的各种客观特征，因此排除了人为的主观评价。
其主要特征有如下几类：住宅的区位特征、周围环境特征与住宅本身特征三类。
我国住宅价格特征研究是近几年开展起来的，但是相对数据较为匮乏。
随着数据的逐渐完整，人们日益关注房地产价格，更多的专家开始研究该模式对下的住宅价格。
特征价格模型中涉及的主要指标有：住宅的区位特点、层数、绿化、车位、物业费用、装修水平、物业、通讯以及供水等方面。
这些因素中，区位与物业级装修是影响价格的重要指标。
二、模型的样本和数据1、住宅资深价格的重要指标主要有：面积、卧室数、客厅数、厕所数、住宅所属楼盘是否为高层/小高层/低层，所处楼层上部/中部/下部，住宅的建筑年龄，朝向及是否南北通透等方面。
此外，住宅建筑是低层、小高层或者高层也影响到住宅价格水平。
2、影响价格的住宅区位特征。
相关指标包括：与城市中心点的距离DT，通常该距离为直线距离。
与城市CBD的距离。
距离地铁站的直线距离DS。
该区域是否位于城市的核心区域。
一般国际上将距离CBD的距离作为反效应住宅价格的重要指标。
其确定依据是往返CBD与住宅之间的通勤成本。
3、住宅环境指标。
环境指标中的重要因素包括：治安、空气质量、教育及噪音等。
本文主要针对教育与环境进行阐述。
国内大中城市通常将学区房作为一个重要环境因素，但是这种影响因素缺乏较具体的量化指标。
一般会考虑城市重点小学是否与住宅之间的关系来衡量教育因素对其价格影响程度。
此外其他的环境因素一般选择湖泊与公园对住宅的影响，城市中的主要风景点，如：杭州西湖、北大未名湖等都会直接影响到住宅价格。
住宅价格的特征价格模型研究作者：潘祥来源：《居业》2015年第04期[摘要]笔者在文中对特征价格模型的特点对普通住宅价格进行了阐述，依据市场特点来阐述该模型中的住宅价格特征，供同行参考。
[关键词]住宅价格;特征价格模型;学区房文章编号：2095-4085（2015）02-0091-021 住宅特征价格模型的基本概念特征价格模型一般可以理解成：可以为人们带来有效参考的价格模型。
其核心主体是实际产品中能满足人们需求的各种特征价格总和。
我们所阐述的住宅价格模型特征是房屋内在的各种客观特征，因此排除了人为的主观评价。
其主要特征有如下几类：住宅的区位特征、周围环境特征与住宅本身特征三类。
我国住宅价格特征研究是近几年开展起来的，但是相对数据较为匮乏。
随着数据的逐渐完整，人们日益关注房地产价格，更多的专家开始研究该模式对下的住宅价格。
特征价格模型中涉及的主要指标有：住宅的区位特点、层数、绿化、车位、物业费用、装修水平、物业、通讯以及供水等方面。
这些因素中，区位与物业级装修是影响价格的重要指标。
该式中，因变量是Y，而X;则代表着住宅价格;经过Box-cox进行转换后的普通自变量;Z，则是未通过Box-cox转换的自变量;E属于误差项;β，α，p和A是模型需要估计的参数。
假设p与A为1，则2式属于多元线性模型;当其为0而为1时，则属半对数模型;如果都为0时，模型则属对数线性。
上述三种模型是以往常用的研究住宅价格的模型。
2 模型的样本和数据2.1 住宅资深价格的重要指标主要有：面积、卧室数、客厅数、厕所数、住宅所属楼盘是否为高层/小高层/低层，所处楼层上部/中部/下部，住宅的建筑年龄，朝向及是否南北通透等方面。
此外，住宅建筑是低层、小高层或者高层也影响到住宅价格水平。
2.2 影响价格的住宅区位特征（因变量）相关指标包括：DT代表与天安门之间的距离——以北京为例，通常该距离为直线距离。
与城市CBD的距离表示为DC。
距离地铁站的直线距离DS。
一、引言住房价格关系到人民群众的安居生活和社会的和谐。
伴随快速城市化进程，房地产市场进入快速发展阶段，大中城市房价持续高涨已成为舆论关注的焦点之一。
探讨房价影响因素可为相关部门规范房地产市场提供依据，是房地产经济理论研究的核心。
近年来国内外学者根据各自的研究重点，选取不同类型的影响因素，对城市房价从不同维度开展了广泛而深入的研究。
宏观角度主要从供给和需求两个方面探讨土地市场、土地制度、金融、税收、居民收入等因素对房价的影响；微观角度主要从建筑结构、区位、邻里等特征来解释房价的空间分异特征。
研究方法上，大部分学者使用基于普通最小二乘法(Ordinary Least Squares Linear Regression ，OLS)的特征价格模型（Hedonic 模型）。
该模型假设所有空间单元的房价与影响因素之间的关系不随空间位置变化，没城市住房价格影响因素及其空间规律研究———基于地理加权回归模型的实证分析刘贵文，王丽娟（重庆大学建设管理与房地产学院，重庆400045）收稿日期：2013-01-21基金项目：中央高校基本科研业务费科研专项项目（CDJKXB12002）。
作者简介：刘贵文（1974-），男，四川阆中人，教授，博士生导师，主要从事公共工程管理与价值管理、城市发展与管理研究；王丽娟（1984-），女，四川乐山人，博士研究生，研究方向：城市发展与管理。
摘要：针对普通最小二乘法(OLS)从空间全局角度分析的不足，运用地理加权回归模型(GWR)探索重庆市主城区各影响因素在不同空间位置对房价的作用机理。
结果表明，GWR 模型显著优于OLS 模型，是定量研究各因素在不同空间位置对房价经济贡献价值的有效方法；交通设施、商业集聚中心、公共服务设施、自然环境是影响房价的重要因素，各影响因素与房价的关系随空间位置而发生正负向变化，影响程度有显著的空间差异，说明只有因地制宜的分析房价成因，才能优化城市房价的空间结构，引导城市有序扩展。
什么是特征价格法特征价格法，又称Hedonic模型法和效用估价法，认为房地产由众多不同的特征组成，而房地产价格是由所有特征带给人们的效用决定的。
由于各特征的数量及组合方式不同，使得房地产的价格产生差异。
因此，如能将房地产的价格影响因素分解，求出各影响因素所隐含的价格，在控制地产的特征(或品质)数量固定不变时，就能将房地产价格变动的品质因素拆离，以反映纯粹价格的变化。
特征价格法的理论基础特征价格法的基本思路是：将房地产商品的价格分解，以显现出其各项特征的隐含价格，在保持房地产的特征不变的情况下，将房地产价格变动中的特征因素分解，从价格的总变动中逐项剔除特征变动的影响，剩下的便是纯粹由供求关系引起的价格变动。
特征价格法：该理论认为，一种多样性商品具有多方面的不同特征或品质(如房地产商品的面积、楼层、朝向和是否有保安服务等特征)，商品价格则是所有这些特征的综合反映和表现。
当商品某一方面的特征改变时，商品的价格也会随之改变。
当商品的某一方面的特征改变时，其价格也会随之发生改变。
对函数的各个特征变量分别求偏导数，就取得各特征的变动对商品价格的影响幅度，并假定这种影响的关系在一定的时间内固定不变。
这样，在缺乏同质商品的情况下，可以用非同质的房地产在基期与报告期之间进行比较，从价格的总变动中逐项剔除特征变动的影响，最后剩下的便是纯粹由供求关系引起的价格变动了，这样计算的价格指数便是基于特征价格法的房地产价格指数。
根据这一理论，房地产价格与各特征因素之间的关系可以表示为：式中：V：房价；：房屋的品质(特征)因素；：各房屋的品质与房价关系的系数；：房屋在j期售出的哑元变量，即在j期出售，则，否则=0：在j期售出的房屋的价格变动系数；e：随机误差变量。
通过回归分析，可以得出各期的r值，并编制出房地产价格指数。
特征价格模型的优缺点特征价格模型的优点是：容易取样，可以得到大量价格资料；模型的经济意义比较直观；计算相对简单。
特征价格模型在武汉市商品房定价中的应用研究的开题报告一、选题背景房地产业是我国国民经济的重要支柱产业之一，而商品房作为房地产市场的主流产品，其定价制度一直是一个备受关注的热点问题。
当前，随着住房消费需求的不断增加，房价不断攀升，开发商在定价时存在一定的凭经验定价、情理定价等非科学因素的盲目定价行为，从而造成了不少楼盘销售滞涨的现象；而消费者在购买商品房时也经常面临价格过高、不透明等问题，缺乏科学合理的定价方式，因此需要建立科学的商品房定价模型，以提高定价的合理性和公正性。
特征价格模型作为一种较为成熟的定价模型，不仅适用于经济学领域，也可以在房地产投资与开发领域中得到应用。
通过基于市场需求和供给等因素的特征价格模型，可以得出较为准确的商品房价格，并为业主提供更具有参考价值的标准。
因此，本文拟以特征价格模型在武汉市商品房定价中的应用研究为研究对象，旨在探究特征价格模型在武汉市商品房定价中的可行性和优越性，为武汉市商品房定价提供科学依据和理论支持。
二、研究目的1. 探究特征价格模型在武汉市商品房定价中的应用价值和作用机制；2. 分析武汉市商品房市场的特征因素及其对定价的影响；3. 建立适用于武汉市商品房定价的特征价格模型，并运用实证分析来验证其有效性和准确性。
三、研究内容和方法1.研究内容：（1）武汉市商品房市场的发展历程和现状分析；（2）特征价格模型的理论基础和定价方法研究；（3）武汉市商品房市场中特征价格模型适用性分析，包括特征因素的选取、模型构建和数据处理等；（4）基于武汉市商品房市场现状和特征价格模型构建的实证分析。
2.研究方法：（1）文献资料法：对特征价格模型的相关文献资料进行系统梳理和综合分析，总结和归纳其理论基础和应用方法。
（2）问卷调查法：对武汉市商品房市场中的房地产开发商和购房者进行调查，了解市场需求和供给等因素的影响程度。
（3）统计分析法：利用SPSS等统计软件对市场数据进行处理和分析，验证特征价格模型的效果和价值。
市场细分与城市住宅特征价格分析作者：温海珍贾生华来源：《浙江大学学报(人文社会科学版)》2006年第02期[摘要]从住宅特征价格的视角，提出检验和分析住宅细分市场的方法，并进行实证研究。
通过收集杭州市2473套住宅样本数据和290个住宅小区的实地调查资料，按照建筑类型和产权性质对住宅市场进行细分，选择18个住宅特征作为模型的自变量，建立杭州市整体市场和细分市场的特征价格模型。
Chow检验表明细分市场模型在统计上存在显著差异，说明这两种市场细分方法是合理可行的。
同时发现，不同细分市场的影响因素有所差异，住宅特征对住宅价格的影响程度有所不同；8个住宅特征对整体市场和细分市场均有显著影响，建筑面积和西湖距离对住宅价格有最重要的影响，CBD距离比西湖距离的影响程度更小。
[关键词]市场细分；住宅特征；特征价格模型[中图分类号]F290；TU976 [文献标志码]A [文章编号]1008—942X(2006)02—0155—07由于住宅产品的异质性特点，国外经常采用特征价格模型(hedonicpricemodel)估计住宅特征的隐含价格，揭示购房者的消费偏好，从而对城市住宅市场进行分析。
从理论上看，统一的住宅市场是应用特征价格模型的隐含前提条件。
但在现实世界中，由于消费者具有不同的需求结构，加上地域偏好和信息缺乏对消费者在住宅市场上的转移造成一定的障碍，整个城市范围内的住宅市场有可能会出现细分市场。
如果的确存在细分市场，则每个细分市场必须分别估计出各自的特征价格函数，此时若以整个城市范围作为单一市场得到的特征价格函数来分析细分市场，可能会提供一些有偏差的结果。
遗憾的是，对细分市场的定义、组成和结构，在以往的特征价格文献中研究得不多，但是已经引起国外众多研究者的重视，认为这是一个重要的实证研究的方向。
本文将从住宅特征的隐含价格出发定义细分市场，然后采用杭州市的住宅市场数据对细分市场的存在与否进行检验，并对不同细分市场的住宅特征价格进行比较分析。
房地产市13CHINA REAL ESTATE基于POI和交易数据的住宅特征价格分析----以无锡市为例张寅骆忠祥何蕙华恒祺袁庆锋陈晖摘要：以无锡市为例，选取2019年7月至2020年6月的商晶住宅交易数据和备案楼盘信息。
通过房屋代码匹配交易数据形成监测格网，并定位楼盘点。
结合POI数据，选取3类特征因素，21个特征因子，分区域构建楼盘住宅的特征价格线性模型。
在邻里特征因子的计算中引入特征统计距离，使用增量空间自相关工具测算。
回归分析中，在OLS和GWR回归基础上使用探索性回归工具，分析各区域有效因子的所有组合，得到变量显著性汇总数据。
研究可有效支持“一区一策”政策的制定。
关键词：住宅特征价格；POI;网签数据；探索性回归；一区一策中图分类号：F293.35文章编号：1001-9138-（2021）04-0035-43文献标识码：A收稿日期：2021-03-171引言2017年以来，中央多次强调，要坚持“房子是用来住的、不是用来炒的”定位，综合运用金融、土地等手段，加快建立促进房地产市场平稳健康发展的长效机制。
随着各地相继落实“一城一策、因地制宜”，监管部门迫切需要通过大数据应用，实时获取各城市市场交易情况、价格走势、风险预警等相关数据信息。
利用商品房合同网上备案制度，对房地产市场的交易进行全面管理，能够同时监测所有交易数据。
然而，这样的市场监测系统仅是对数据进行简单的整合与对比，对供求进行科学研判的深度分析不够。
在无锡市房屋交易管理中心（以下简称“交易中心”）的支持下，我们进行了相关尝试。
首先，以新增住宅面积数据为例，利用房产测绘数据结合房地产市场数据，以1:500房产分幅格网为基准，在空间上定位了房地产市场运行的数据指标，构建了分辨率适宜的空间统计框架；其次，在Mann-Kendall方法的支持下，对新增住宅面积的分布状况、时空变化趋势作了分析，验证空间统计框架的有效性。
借此，交易中心希望能够深化空间统计框架的应用，将监测数据在空间和时间维度上进行分析，为房产市场的调控监管提供作者简介：张寅，工程师，注册测绘师，无锡市曦晨测绘有限公司。
基于特征价格模型的上海市二手房住宅价格研究摘要：通过简要介绍特征价格法，构建特征价格模型用于实证研究上海市的住宅价格，进而从微观的角度得到住宅价格的影响因素，并应用SPSS软件进行回归分析，计算得出影响上海市二手房价的主要特征因素及其影响大小，并进行相关分析，最终获得上海市二手房住宅特征价格模型。
关键词：特征价格法上海市住宅价格一、特征价格法简要介绍（一）特征价格法基本原理特征价格法就是通过人们购买具有一定属性的商品的价格，来推断人们赋予各属性价值量大小的一种价值评估方法。
住宅特征，即住宅商品本身的特征。
对于住宅商品来说，消费者对住宅的需求，并不是基于住宅本身而是因为商品所含有的特征。
消费者可以选择不同的建筑类型、不同的小区环境以及不同的交通便利程度等来满足个人的置业偏好，以实现效用最大化（王德，黄万枢，2021）。
特征价格，英文为“hedonic price”，指的是住宅的每个特征都对应着一个价格，通过分析每增加一单位属性，消费者愿意额外支付的费用，就可以评估这种无法直接从市场上获得到的影响因素的隐含价格。
特征价格模型（Hedonic Price Model）是国外用来处理异质产品差异特征与产品价格之间关系时广泛使用的一个模型（温海珍，2021）。
（二）特征价格模型的基本原理巴特勒指出，特征住宅价格模型应当仅包括影响住宅价格的因素（Butler， R V，1982）。
通常影响住宅价格的因素有三大类：区位（Location）、建筑结构（Structure）、邻里环境（Neighborhood），因此，住宅价格P就可以用公式表达为：该方程称为Hedonic住宅价格模型。
通过回归分析获得模型的参数估计，就得到属性的特征价格。
二、特征价格模型——上海市住宅价格研究（一）特征变量的选择在利用特征价格理论构建模型时，选择合适的住宅特征因素是极为重要的。
因不同国家、地区和文化间存在着较大的差异，导致了房屋购买者对住宅的特征因素偏好存在差异。
住宅价格的特征价格模型研究摘要：本文利用特征价格模型对外部环境对北京市普通住宅的价格特征进行定量研究，构建了住宅估值的对数线性模型。
结果表明，根据市场特点合理构建指标体系，可以使价格特征模型很好的解释北京市普通住宅市场的内在价格特征。
10%的显著性检验结果与指标参数表明，在其它条件相同的情况下，位于重点小学学区的住宅比非学区房总价高约25%，位于北部的住宅比南部高约34%。
而地铁对周边住宅价格的影响则和住宅距离市中心的距离有关，在距离市中心8公里的半径范围内，距离地铁站点的距离对住宅价格并无显著影响，而在8公里以外，则影响较为显著。
关键词：特征价格模型；北京；住宅价格；学区房；地铁站点一、住宅特征价格模型特征价格模型的英文表达是Hedonic prices model。
Hedonic的英文本意为“享乐的”，这里取其“能够给人带来效用”之意，因此Hedonic prices model可以理解为“能够给人带来效用的东西的价格模型”。
它的核心思想即为商品的价格是由该商品所包含的一些能够满足人们需求的特征的价格之和。
Haas（1922）最早将这一思想用于分析农场土地的价格①。
此后，这一模型被广泛用于分析各种商品的价格特征，如蔬菜（Frederick, 1928）、汽车（Court，1939）等等。
到了20世纪60年代，Tiebout （1956），Lancaster （1966），Muth（1966）和Oates（1969）等人开始将其引入房地产和城市经济领域。
其中Lancaster在他的“新消费者理论”中指出商品的市场价格是由商品的属性而不是商品货物自身决定的，从而提供了微观经济学理论基础。
Rosen（1974）提出了具体的住宅特征价格模型，从此之后，特征价格分析法在住宅价格与居住环境的研究中得到了广泛应用。
在住宅特征价格模型中，住宅价格被认为是它所包含的一系列内在特征的回归函数（Kain and Quigley, 1970）。
这些特征应该是房屋固有的内在的客观特征（Butler，1982)，而非主观评价（如调查问卷得出的消费者偏好一般不应进入模型）。
这些内在特征可以归纳为三个大类：住宅的区位（Location characteristics）特征，住宅的邻里环境（Neighborhood characteristics）特征和住宅自身（Characteristics specific to the housing itself）的特征（Ridker，Henning，2001）。
因此，该模型可以表示为：方程（1）中的L代表区位特征，指就业、生活的便利性，包括到城市中心、最近的地铁站的距离等；S代表住宅自身特征，包括建筑面积、建筑年龄、房间数、楼层、室内设备如空调等；N代表邻里环境，包括景观、环境污染状况，学校质量等等。
但是，方程（1）只是特征价格模型的一般形式，对于该模型的具体形式，经济理论并未给出答案。
因此大部分研究都会尝试使用多种模型进行比较，并选择与经验数据结合得较好的一个。
在模型的选择过程中，一般会对变量进行Box-cox转换来寻找合适的函数形式。
经过Box-cox转换后的模型形式可以表示为如下格式：在（2）式中，Y是因变量，Xi代表住宅价格；是经过Box-cox转换后的自变量（普通变量）；Zj代表未经Box-cox转换的自变量（一般是虚变量）。
ε是误差项。
β，α，θ和λ是模型需要估计的参数。
显然，当θ和λ为1时，（2）式是一个多元线性模型；当为0而为1时，为半对数模型；当二者均为0时，为对数线性模型。
这也是在以往的住宅特征价格模型研究中使用最为广泛的三种模型形式。
但是，当θ和λ的取值不为1或0的时候，该模型就会变得比较复杂。
Box-cox 转换主要是将非正态分布的变量转化为接近正态分布的变量，微小的转换系数的误差对转换效果影响不大，Linneman（1988)认为主要应考虑住宅价格的转换而不是自变量。
因此，模型的简洁性和经济学意义上的可解释性相对于精确的转换系数而言更加重要(Maurer, Ptizer, Sebastian 2004)。
在实际运用中，往往是将Box-cox系数作为参考对因变量进行转换以判定函数形式。
在国内的研究中，王立宾（1995）最早在一篇论文中介绍了hedonic模型，但并未进行实证分析。
在随后的很长一段时间内,由于国内房地产价格数据的匮乏，相关的实证研究未能得到发展。
近几年，随着数据积累逐渐完成，以及房地产价格问题日益受到重视，不少学者开始使用这一模型对国内住宅价格进行实证研究。
Zan Yang（2000）在一篇英文论文中用hedonic模型对北京房地产市场进行了分析，主要是研究建筑质量的信息不对称对房价的影响。
王德、黄万枢（2004）和张冕、陈守明（2008）对上海住宅价格的分析，温海珍（2004）年对杭州住宅价格的分析，丁战、李晓燕（2007）对沈阳住宅价格的分析，周依静（2008）对武汉住宅价格的分析，孙宪华、刘振惠、张臣曦（2008）对天津住宅价格的分析等等。
在国内对北京房地产市场的研究中，马思新和李昂（2003）应用Hedonic模型对于北京市住宅价格形成机制的研究具有开创性，在研究中使用了区位、总层数、绿化率、物业管理费、车位租金、厨卫装修标准、供水、通讯和物业状态等9项指标，但最终模型拟合度较差，只有区位、物业管理费和厨卫装修这个指标对房价的影响较为显著，这个结论无论与国外的研究成果还是北京房地产市场的基本常识都相去甚远。
这主要应该是数据质量（过多使用了调查问卷的主观数据）和指标设计不够合理所致。
此外，何剑华和郑思齐（2004）用对13号线沿线的住宅价格进行过研究，张晓光和张红（2009）对北京地产市场交易信息成本的研究，李晟、王兰兰和王胜军（2010）对位置因素对北京住宅价格影响的研究，都是运用特征价格模型从不同的层面对北京住宅的价格特征进行实证分析。
龚江辉（2009）用价格特征模型对较多指标进行了综合分析但最终模型拟合度没有给出。
二、样本与数据本研究供获得635个有效样本数据，均来自于北京我爱我家房地产中介有限公司的公开市场报价。
所有的样本都搜集于2009年12月15日至12月30日之间，以避免因为整体市场价格波动而带来的影响。
所有样本均位于北京市八大主城区，均为普通公寓式住宅，不包括独栋别墅、花园洋房以及公共住宅（如限价房和经济适用房）。
对样本数据的的基本描述见表1。
在表1中，我们根据前人的研究和我们对北京房地产市场的初步判断，预测了各种指标与房价的正负向关系，没有符号的代表关系难以判断。
（一）反映住宅自身特征的指标反应住宅自身特征的指标包括：面积（S）, 卧室数（BR）, 客厅数（LR）, 厕所数（WR），住宅所属楼盘是否为高层（HB）/小高层（SHB）/低层（LB），是否位于楼层上部（U）/中部（M）/下部（L），建筑年龄（A），是否南北通透（NS）等。
建筑类型分为高层、小高层和低层是根据国内住宅市场常用的分类方法，1~6层的建筑为低层，7~11层的为小高层，12层及以上的为高层。
（二）反映住宅区位特征的指标反应住宅区位特征的指标包括：到天安门的距离DT（Distance from Tian’anmen），该距离被定义为从住宅所属的小区到天安门的空间直线距离；到CBD 的距离DC；到最近的地铁站的距离DS（Distance from subway station）；是否位于长安街以北NC（North of Chang’an street）。
由于天安门距离CBD中心国贸桥的距离只有3.28公里，因此可以预测DT 和DC这两个指标会存在共线性。
在国外的研究中，到CBD的距离是反应住宅区位的首要指标，其理论依据就是城市经济学中的“通勤成本”会资本化反应到房价中去，其假设前提则是CBD为单一的就业中心，往返于住宅和CBD之间的交通成本在通勤成本中占据了主导地位。
在北京这样的大都市，该假设能否经得起检验尚未可知。
考虑到北京作为国家首都的地位，政治力量对经济的影响较大，且天安门一直以来被视为北京的“市中心”。
因此，我们测量了DT和DC两个指标用于比较，如果二者存在共线性，则只选取解释力较好的一个进入模型。
长安街一直被视为北京市的南北分界线，北部经济较南部更为发达，一般也认为同等条件下，位于北部的住宅价格要高于南北。
我们设计这个指标以对北京房价的南北差异问题进行量化分析。
（三）反映住宅邻里环境的指标应邻里环境的指标在国外研究的比较多，包括空气质量、治安状况、教育状况、噪音状况等等。
由于数据的限制，大部分指标无法取得。
本文只分析两个比较重要的指标：教育和环境。
在北京住宅市场，“学区房”是一种很重要的概念，但对于什么是“学区房”，一直没有一个很准确的定义。
而对于“学区房”的概念对房价的影响，更缺乏较为准确的量化分析。
在网络上，可以很容易找到一份在家长中流传很广的“北京市重点小学排名状况”的名单，这份名单实际上包括了12所小学，即十所北京市重点小学（北京第二实验小学、中关村一小、北京市光明小学、中关村三小、北师大实验小学、景山学校（小学部）、北京小学、朝阳实验小学、育民小学、史家胡同小学）加上两所“公认的”好小学（人民大学附属小学和中关村二小）。
这份名单在家长中流传甚广、影响很大，在我们通过搜索获得的关于“学区房”的各种报道和讨论中，涉及到的小学均未超过这个名单的范围。
因此，我们采用“住宅是否属于十二所最有影响的重点小学学区”来衡量教育因素对住宅价格的影响。
环境因素我们选取了距离最近的河流或湖泊的距离DS来衡量。
这里的湖泊既包括公园里的湖泊，也包括很多大学校园内的水域，比如北大未名湖。
因为大学是开放的，附近的居民可以基本没有限制的享受其带来的福利。
除此之外，我们认为距离天安门的距离和是否位于长安街以北这两项指标实际上包含了一些邻里环境的因素，比如距离天安门较近的地区一般治安状况更好。
由于主要的火车站和长途汽车站都位于南部，这使得南部人口流动性大、人员成分比较复杂，长安街以北的地区不仅经济较为发达，政府机构和各大高校也都集中在北部，一般也认为北部的治安状况要好于南部。
三、模型分析（一）模型计算首先，对14个自变量进行带多重共线性诊断的线性回归。
DT和DC之间存在多重共线性，这一点在数据采集的预期之内。
我们分别讲DT和DC移除后进行回归，在使用逐步排除法进行的线性回归、半对数线性回归和对数线性回归模型中，移除DC后的模型的解释力均高于移除DT后的模型。
因此排除DC。
按照同样的方法，面积S和卧室数量BR和客厅数量LR之间存在多重共线性，排除BR和LR。
然后，对因变量P进行box-cox转换，计算结果表明=0.17，接近于0，因此应对因变量进行对数转换。
