税基批量评估模型.doc

税基批量评估模型运用数理统计的原理，应用回归分析技术建立模型评估税基批量资产，在方法上可行，技术上可靠；有利于保持资产评估师客观、公正的工作原则；能提高资产评估师的社会信誉、执业质量和工作效率在资产评估实践中，往往存在大批量的资产，如何对大批量资产的价值快速而准确地估价，是资产评估师提高工作效率、保证执业质量、提高经济效益必须解决的问题。同时也有利于提高资产评估师的社会信誉。国际评估准则2005（Interna-tional Valuation Standard）对批量资产的解释是，“应用系统的、统一的、考虑到统计检验结果和结果分析的评估方法和技术评估多项财产确定日期价值的活动。”批量资产的资产类型一般为机械设备、房地产、管道管线、电子设备、应收账款、存货、车辆等。在企业价值评估的成本法、资产抵押价值评估中常常遇到这些批量资产。对于税基资产的批量评估，目前我国正在兴起。十六届三中全会中共中央关于完善社会主义市场经济体制若干问题决定中要求：为达到“简税制、宽税基、低税率、严征管”的目标，“实施城镇建设税费改革，条件具备时对不动产开征统一规范的物业税，相应取消有关税费。”中央的这个决定，充分揭示了不动产税赋改革在经济改革中的重要地位。财政部楼继伟副部长在分步实施税收制度改革一文中明确指出：不动产税改革的方向是合并城市房地产税、房产税与城镇土地使用税，建立统一的物业税。物业税将按评估价值征税，这样将能比较客观地反映房地产的价值与纳税人的承受能力，并有利于解决现行税收制度中存在的计税依据不合理的问题。下面以某城市商品房税基价值模型的建立过程为例，探索批量评估的操作方法。一、税基批量资产评估的原理批量资产数量多，不可能对其进行一一分别估价。但怎样对批量资产快速而准确地进行估价，尚需从理论和实践上进行探索。现实世界各种现象之间往往相互联系、相互依存、相互制约，某些现象变化时另一现象也随之变化，这些变化有些是遵循函数关系，有些则遵循相关关系。回归分析技术就是分析这些相关关系的统计分析技术。该技术已经广泛应用于企业管理、商业决策、金融分析和自然、社会科学等许多领域中。回归分析技术用于资产评估在评估方法上来讲属于市场法，运用得好，其有比较高的可信度。利用回归分析评估批量税基价值，就是根据数理统计分析的原理，对影响税基价值的相关关系进行数量变化规律的测定，确立一个回归方程，并对所建立的回归方程进行有效分析、判断，形成可靠的税基价值模型。二、税基批量评估基本程序（一）确定税基评估的价值类型所谓税基，即政府征税的价值基础和价值前提，也就是对什么价值征税。这就要求国家有关部门对税基价值有确切的定义；（二）确定评估对象和范围税基的评估对象一般为不动产。在城市规模比较大的税基资产为商品房、商铺、车库、写字楼及其他商业楼宇；（三）收集市场信息并建立样本既然批量评估利用了数理统计的原理，所以必须选取样本。在实际应用中，样本的建立主要采取抽样方式。抽样方法主要有两种：概率抽样和非概率抽样。概率抽样是根据一个已知的概率选取可能被估价的资产，无需估价人员在选样中判断或抽选。从理论上讲，概率抽样是最科学、最理想的抽样方法，它能保证样本数据对总体参数的代表性，而且它能够将抽样误差限制在一定范围之内。但相对于非概率抽样来说，概率抽样也是花费较大的抽样方法。非概率抽样，不是完全按随机原则选取样本的抽样方法。非概率抽样利用的好，同样起到很好的效果。资产评估人员有比较高的专业判断能力，税基批量资产的评估可以采用非概率抽样的方法选取样本，由估价人员从已成交的案例中选取能代表批量资产整体特征的样本；（四）分析调整样本市场上的交易案例的价值类型有可能和税基的价值类型不同，必须对选取的案例进行价值调整，使其符合税基评估的价值前提；（五）建立税基评估的价值模型因为影响税基的因素比较多，所以其价值模型为多元回归模型。可以采用多元一次回归模型，有些情况下，也可采用多元多次回归模型。多元一次回归模型的一般表达式为：Y=0+1X1+2X2+3X3+.+kXk+其中，Y=税基价值； 0=回归常数； 1=自变量1的偏回归系数； 2=自变量2的偏回归系数；3=自变量3的偏回归系数；k=自变量k的偏回归系数；X1=自变量1；X2=自变量2；X3=自变量3；Xk=自变量k；=预测误差；k=自变量个数；（六）对税基价值回归模型进行检验，并分析回归模型的合理性；（七）利用经检验通过的回归方程对批量资产进行估价。三、税基批量评估实践以下是某城市整体商品房税基价值模型的建立过程，评估方法为市场法。步骤如下：（一）对该城市的商品房划分为四大区域（并非唯一）划分区域的原则是地理条件、人文环境、房屋总体结构、价位大致相似的为一个区域；（二）对各区域的近期商品房销售价进行调查商品房销售价格的调查通过城市房地产交易主管部门或房地产交易中介公司、资产评估机构等进行；（三）分析影响城市商品房的相关因素城市房地产的价格受许多因素影响。一般为（但不限于）基础设施完善度、公共设施完备度、交通便捷度、小区适舒度、结构、层高、户型、装修、朝向、楼层、新旧程度、有无车库等。为了回归模型以后还能继续使用，还必须统计各区域的商品房销售平均价格；（四）对影响商品房税基价值的相关信息进行如下定义表一解释变量虚拟变量X1区域均价(元/m2)X2基础设施完备度完善1较完善2一般完善3较差4差5X3公共设施完善度完善1较完善2一般完善3较差4差5X4交通便捷度方便1较方便2一般方便3较差4差5X5小区适舒度适舒1较适舒2一般适舒3较差4差5X6结构框剪1框架2砖混3X7层高（米）X8户型四房两厅1三房两厅2三房一厅3两房两厅4两房一厅5一房一厅6单间(配套)7X9装修高档1中高档2中档3低档4X10朝向东1南2西3北4X11楼层底层1二至三层2四至六层3七至九层4十至十五层5十五层以上6顶层1X12建成年度（年）X13车库有1无2这些解释变量，只有区域平均单价、层高、建成年度能直接量化，其他的变量，要通过虚拟变量来表示。在实际操作中，还必须对虚拟变量进一步定义，才能准确比较样本之间的数量影响关系。例如，“交通便捷度”的五个虚拟变量可以这样（非唯一）定义：表二交通便捷度300米内公交车站点数16个以上24-5个32-3个41个50（五）实地调查成交案例的价值影响因素，并把成交案例的价值类型调整为税基价值类型成交案例为市场价值，我们把其扣除了销售税金、交易费用后作为税基价值。调整后四个区域的税基均价分别3526元/平方米、3018元/平方米、2511元/平方米、2009元/平方米，房屋面积选用“套内使用面积”。48个样本对象的调查结果如下表：表三样本序号区域均价(元/m2)基础设施完善度公共设施完备度交通便捷度小区适舒度结构层高(m)户型装修朝向楼层建设年度车库税基单价(元/m2)X1X2X3X4X5X6X7X8X9X10X11X12X138111119952528323526222222.9222219962404833526333333333319971332343526444412.8444419981284853526111122.9511519992643763526222233622620002546673526333313.1733120011478683526444423.2244520021331193526111133.22216200327814103526222222.933212004141131135263333232233200525161123526444432.81345200513191133018123132.82322199813415143018212222.942151996241921530183451335324199712654163018434232.933361995127471730185432232341199912285183018453333.112232000134971930182431232331200322682203018134232.911242002240912130183211333432200113301223018232422.822252004243552330185343336333200512671243018453222.97246200114094252511433132.922342005230222625113452233343199812188272511252132.81232199512411282511524432.924211999113392925111235234115199714523302511211332.951111998227723125113221333232200023013322511431222.84333200112788332511232233.16326200323212342511543132.974452002217073525111242233243200423469362511323322.92224200523809372009425232.913232003119453820095442232232200212116392009354132.932312003117814020093422234344200412702412009234532.9521120012134042200914222363452000221554320093223337426200422448442009453332.923322003114974520093422334415200212377462009543133.14123200313040472009234232.922322004223244820093321234123200523821（六）建立税基价值回归模型1、把调查所得的表三数据输入计算机进行回归分析，模型的输出结果如下：表四SUMMARY OUTPUT回归统计Multiple R0.973139676R Square0.947000829Adjusted R Square0.926736441标准误差352.6049827观测值48方差分析dfSSMSFSignificance F回归分析1375533062581023646.73226718.10859E-18残差344227229124330总计4779760292Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept-201685.452439697.82-5.08051.35072E-05-282361.1293-121009.776-282361.1293-121010X Variable 11.2541774860.10889711.51712.78157E-131.0328714611.4754835111.0328714611.475484X Variable 2-157.441188755.12366-2.85610.007261876-269.4659373-45.4164401-269.4659373-45.4164X Variable 3-191.444389765.94969-2.90290.006448913-325.4702855-57.4184939-325.4702855-57.4185X Variable 4-187.872990657.4613-3.26960.002470018-304.6483963-71.097585-304.6483963-71.0976X Variable 5-147.667165552.32719-2.8220.007915514-254.0088057-41.3255253-254.0088057-41.3255X Variable 6-362.407401899.5496-3.64050.0008953-564.7165224-160.098281-564.7165224-160.098X Variable 72141.762665559.78083.826070.0005315091004.1512383279.3740921004.1512383279.374X Variable 8-31.5568849833.04829-0.95490.346382607-98.7190833635.6053134-98.7190833635.60531X Variable 9-498.957038872.28768-6.90245.94649E-08-645.8632851-352.050792-645.8632851-352.051X Variable 10-162.588501979.9846-2.03270.049946442-325.1367715-0.04023236-325.1367715-0.04023X Variable 11228.674808434.663396.597011.46028E-07158.2303271299.1192897158.2303271299.1193X Variable 1299.7781199420.069394.971661.86932E-0558.99222099140.564018958.99222099140.564X Variable 13-460.2724412147.7985-3.11420.003731142-760.6351847-159.909698-760.6351847-159.912、回归模型的检验（1）模型的整体显著性检验回归模型的F值为46.73，p值为8.10859E-18，在显著性水平=0.001下，整体显著；（2）回归系数的显著性检验（t检验）从表四中知道，解释变量X 8（户型）的p值为0.346，在显著性水平=0.05下不显著，说明“户型”对房产的价值影响不大，其它的12个解释变量均显著，常数项也显著；3、去掉不显著的解释变量X8(户型)，重新分析，回归分析结果如下：表五SUMMARY OUTPUT回归统计Multiple R0.972409146R Square0.945579546Adjusted R Square0.926921105标准误差352.1603225观测值48方差分析dfSSMSFSignificance F回归分析1275419700.42628497550.678378541.71993E-18残差354340591.245124016.89总计4779760291.67Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept-207009.182739254.79281-5.2734757.01006E-06-286700.6483-127317.7171-286700.648-127317.72X Variable 11.2799279220.1053723512.1467154.14569E-141.066010681.4938451641.066010681.49384516X Variable 2-162.841232854.7636492-2.9735280.005301095-274.0173505-51.66511511-274.017351-51.665115X Variable 3-190.71353865.86208725-2.895650.006479224-324.4206827-57.00639333-324.420683-57.006393X Variable 4-178.304057456.50935902-3.1553010.003288513-293.0241544-63.58396031-293.024154-63.58396X Variable 5-150.395128552.18325178-2.8820570.006708515-256.332761-44.45749603-256.332761-44.457496X Variable 6-348.026639498.27969817-3.5411850.001149556-547.5450326-148.5082462-547.545033-148.50825X Variable 72037.830053548.40444083.71592550.000703976924.50985653151.150249924.50985653151.15025X Variable 9-511.352666971.02284527-7.1998342.11363E-08-655.5367073-367.1686265-655.536707-367.16863X Variable 10-162.942054879.88288085-2.0397620.048978104-325.1129235-0.771186071-325.112924-0.7711861X Variable 11218.168756832.829413976.6455271.10081E-07151.5215036284.8160099151.5215036284.81601X Variable 12102.528223919.836609825.16863649.63241E-0662.25776529142.798682562.25776529142.798683X Variable 13-478.526416146.3721922-3.2692440.002423181-775.677762-181.3750701-775.677762-181.37507表六RESIDUAL OUTPUT观测值预测 Y残差15310.114582-27.114582424130.019251-82.019250633428.450335-105.45033542681.085905166.914094756448.658871-11.65887165268.563539197.436460974302.062001483.937999183776.472939-465.47293996828.910233985.0897672104699.250034-586.250034114629.529016531.4709837123432.251618-241.251618133235.168722179.8312776144487.977729-295.977729152912.826366-258.826366162833.163606-86.163606172366.049594-81.0495942183419.6410477.35895973193099.496956-417.496956204310.168331-219.168331213306.950332-5.95033205224259.26112795.7388725233094.486219-423.486219243941.647182152.3528177253134.710312-112.710312262020.009778167.9902217272070.393417340.60658328882.1806973456.8193027294477.88283745.11716306303362.67065-590.67065312921.37351291.62648784322824.059029-36.0590289333778.73817-566.73817341506.092237200.9077626353553.418972-84.4189716363698.44352110.5564802371882.78738962.21261092382096.34641419.65358622391714.26029266.73970762402745.736234-43.7362338411299.24933340.75066713422400.948145-245.948145432401.08408246.915918441135.74895361.2510502452388.295401-11.2954008463275.793668-235.793668471950.304037373.6959627483841.267395-20.2673948图一图二（1）去掉解释变量X8（户型）后，回归模型的检验1多元决定系数（R2）从表五中知道，R2=0.946，表示回归模型税基价值Y的方差中有94.6%能被解释变量所解释；2模型整体显著性检验模型的F值为50.68，p值为1.71993E-18，在显著性水平=0.001下显著，模型的零假设被拒绝，至少有一个解释变量能对税基价值进行合理解释；3回归系数的显著性检验从表五中知道，12个解释变量和常数项的p值均小于显著性水平=0.05,所以12个解释变量和常数项的t检验均获得通过，12个变量能对税基价值进行合理解释；4残差、预测标准差分析预测标准差Se=352元/m2，根据表六的残差值表明有39/48=81%的点落在这个范围。而根据经验法则，大约有68%的预测会落在1Se=352元/m2内，根据检验法则，大约有95%的预测会落在2Se=704元/m2内。分析人员可根据预测标准差和经验法则范围来检验回归模型的误差是否足够小而决定模型是否可用；从残差柱状图一看出，图中分四个区域，除掉异常点，每个区域的残差基本符合正态分布，说明可能没有违背误差项呈正态分布的假设；从残差散点图二可以看出，误差项方差基本相同，说明没有违背回归分析应存在同性方差的假设。3、确定税基的价值模型根据以上分析，从表五中的模型输出结果可知道，该城市商品房税基价值模型为：Y=-207009+1.2799X1-162.84X2-190.71X3-178.30X4-150.40X5-348.03X6+2037.83X7-511.35X9-162.94X10+218.17X11+102.53 X12-478.53X13模型常数项为-207009，是方程在Y