商铺特征定价模型优化分析

1、16商业时代(原名商业经济研究2010年6期商铺特征定价模型优化分析题提出Hedonic 模型,又名特征价格模型或享乐价格模型,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应用的一种模型。1966年美国学者Lancaster 提出的消费者理论和1974年美国经济学家Rosen 提出的市场均衡模型奠定了特征价格定价法的理论基础。20世纪80年代以后,特征价格模型得到了拓展和广泛应用。特征价格理论认为商品虽然不同质,但组成这些不同质的元素是相同的,区别只是元素量的不同。尽管不同区位上的商品价格差异很大,但商品同一属性的特征值却有着相同的价格,通过集合多种属性特征,分别乘以每种属性对应的价

2、格,可以求和确定该商品的价格。特征价格模型主要关注的是产品属性的隐含价格,近些年被越来越多的统计机构所接纳,并被认为是最有前途的定价方法,普遍运用于汽车、计算机、房地产行业和环境、资源等非市场物品等方面,但是对于商铺的特征属性还没有单独的划分。问肖岳峰副教授卫海英(桂林电子科技大学管理学院 广西桂林541004中图分类号:F726 文献标识码:A内容摘要:本文结合聚类分析法和He -donic 模型,对区别于住宅的商铺特征定价进行研究,通过对商铺各特征的归纳和量化处理,建立了适合于商铺的特征属性。通过对样本数据进行横向聚类分析,将商铺细分为高、中、低档三类;通过纵向聚类分析,将变量进行分类,并

3、筛选典型指标。同时针对每类细分市场构建单独的定价模型,并与未分类前的模型进行比较,可发现优化后的定价模型针对性更强,效率提高,从而使房地产商和投资者能够对定价决策做出快速反应。关键词:Hedonic 模型 商铺定价 变量选择 聚类分析鉴于此,本文将H e d o n i c 模型理论运用于商铺定价,对区别于住宅各特征属性的变量进行选择和量化,并通过实证数据进行统计分析,着重对商铺市场进行细分,在典型指标的选择问题上进行分析和研究,以得出更为高效的定价模型。商铺定价特征选择及量化以往的研究往往把住宅的特征分为区位特征、结构特征和邻里特征三大类。商铺和住宅同属于房地产市场,但是商铺和住宅的价格特征

4、属性还是存在很大程度的差别。因此在Hedonic 理论的基础上研究商铺价格时,有必要分析和选择适合于商铺的特征属性。一间商铺包含的特征很多,在建立特征价格函数时,选择恰当的自变量对于研究显得尤为重要。研究中应恰当引入相关的特征变量并选择合理的量化方式,遗漏变量或测量的错误将导致参数估计不准确进而影响价格指数的构建。表1商铺特征变量及量化特征特征变量变量含义变量的量化预期符号结构x1建筑面积商铺面积实际观测数据(平方米+x2装修程度商铺装修程度Likert 量表法,共分5档:无装修(1分、+简易装修(2分、中档装修(3分、高档装修(4分、精装修(5分x3所在楼层商铺所在楼层实际观测数据(层-x4

5、停车位有无车位虚拟变量法:有车位则赋值1,否则为0+x5广告位版面大小实测数据(平方米+x6产权产权剩余使用年限实际观测数据(年+x7配套设施供水、排水、供电、综合评价打分法:每符合一项为1分+网络、电话、无线x8内部结构过多承重墙、柱体数量综合评价打分法:每符合一项为1分-x9可视性朝阳虚拟变量法:朝阳则赋值1,否则为0+x10朝向临街还是背街虚拟变量法:临街赋值1,背街为0+邻里x11周边环境1000米内社区和学校数量综合评价打分法:每符合一项为1分+x12物业环境物业管理服务质量Likert 量表法,分为5级:极差(1分、+差(2分、一般(3分、好(4分、非常好(5分x13治安环境周边区

6、域治安情况Likert 量表法,分为5级:极差(1分、+差(2分、一般(3分、好(4分、非常好(5分x14商务配套1公里内的银行、商务中心、综合评价打分法:每符合一项为1分+电信、速递、商业管理处x15人口密度方圆2公里内人口密度实际观测数据(人/平方公里+x16工资水平邻近社区人口平均工资实际观测数据+x17环保空气、噪音、废物、废水综合评价打分法:每符合一项为1分-区位x18C B D 距离到中心商务区距离实际观测数据(公里-x19步行街距离到步行街出入口距离实际观测数据(公里-x20广场距离到市政广场距离实际观测数据(公里-x21社区距离离最近社区出入口的距离实际观测数据(公里-x22车

7、站距离离最近车站的距离实际观测数据(公里-x23交通条件500米内公交线路条数实际观测数据(条+x24商圈半径邻近核心商圈半径实际观测数据(公里+x25商圈地位邻近商圈地位Linkert 量表法:中心(5分、区域(4分、+社区(3分、街区(2分,其他为(1分x26商圈成熟度邻近商圈成熟度Likert 量表法,共分5档:不成熟(1分、+稍微成熟(2分、一般(3分、成熟(4分、非常成熟(5分其他x27时间因素挂牌时间实际观测数据:以月份表示+商业经济Commercial Economic 全国贸易经济类核心期刊17考虑到商铺售价的动态性,在应用商铺特征价格定价时,有必要在区位、结构和邻里三个特征的

8、基础上,考虑另外一个重要的特征即时间,相应地,组成三个特征的具体因素权重也会有所变化。时间属性作为一个控制变量,可衡量当地社会经济发展对商铺的影响,也可以反映商铺价格随时间变化的总体趋势,从而进行价格预测。本文通过对广东东莞市商铺的问卷调查和实地取证,经数据统计,归纳得出商铺特征变量及所采用的量化方法(见表1。对数据及特征的聚类细分聚类分析是指按“物以类聚”的原则,把特性相近的观测或变量进行分类。本文在Hedonic 模型的基础上,通过对东莞市42家商铺的调查及统计数据的分析研究,采用两步聚类分析法,即对所收集的数据分别进行横向和纵向聚类分析,旨在既对商铺市场进行高、中、低档细分,又解决众多变

9、量的典型选择问题。(一横向聚类分析考虑到商铺的细分能够增强特征模型定价的精确性,首先对所收集的样本数据进行横向聚类分析。采用统计软件SPSS13.0,选用Q 型聚类分析方法,指定所有收集数据为检验变量,指定NumberOfClusters (分类数为3,选用方法为IterateAndClassify (迭代且分类。由ClusterMembership (分类成员输出结果可以看出,样本1、2、6、24、25、26、38共7个数据为第一类,9、11、15、16、19、22、23、27、28、29、30、31、32、34、35、36、39、41共18个数据为第二类,其余为第三类。由分析结果和观察可发

10、现,第一类即为高档商铺,第二类为低档商铺,第三类为中档商铺,完成了细分的第一步。(二纵向聚类分析特征定价的另一难题就是商品的隐含因素众多,使得数据统计较难,这难免影响定价效率。本文通过纵向聚类分析(即R 型指标聚类来筛选代表性指标,以便更高效、快捷地进行商铺特征定价。1.变量指标分类。将27个自变量指定为检验变量,分类选Variables(变量聚类,分类方法选Between-groupslink-age(类间平均链锁法,距离测量技术选Pearsoncorrelation (相关系数距离,并指定分类数为8。从输出结果可以看出,42例样本完全进入聚类分析。由分类成员输出结果可以看出,建筑面积、所在

11、楼层、广告位、内部结构、人口密度、工资水平、商圈半径共7个变量为第一类,装修程度、可视性、CBD 距离为第二类,停车位、广场距离、社区距离、商圈成熟度为第三类,产权、治安环境、环保、时间因素为第四类,配套设施、物业环境、车站距离为第五类,朝向、商务配套、商圈地位为第六类,周边环境为第七类,步行街距离、交通条件为第八类。通过变量分类,既减少了数据收集和运算的难度,同时又不影响模型定价的效果。2.典型指标的选择。对于八个分类中,哪一个指标才是解释各类的最优指标问题,则可以通过下列方法筛选出典型指标。先按下面公式计算各分类中每一变量与其余变量的相关指数(即相关系数的平方的均值,而后把该值最大的变量作

12、为典型指标。(式中m 为类中变量个数例如对第一类来说,由P r o x i m i t y Matrix (相关系数矩阵输出结果,可得类中相关指数的均值计算依次为:,故选择建筑面积X 1为第一类的典型指标。同理可得出其他类的典型指标依次为:CBD 距离、社区距离、时间因素、物业环境、商圈地位、周边环境和交通条件。模型构建及比较由所细分的市场及筛选的典型指标,利用多元线性回归即可分别求出高、中、低档商铺的特征定价模型。选用常用的对数线形模型进行分析,首先对高档商铺的数据单独进行回归分析,选用enter进入方法。由分析结果可构建定价方程式如下:I n p =9.775+0.11x 11+0.079

13、x 12-0.115x 18+0.08x 27(1同理可得中、低档商铺的定价方程式分别为:I n p =9.875+0.009x 11+0.007x 12-0.034x 18-0.027x 21+0.061x 27(2Inp=8.563+0.001x 1+0.014x 11+0.046x 12+参考文献:1.温海珍.城市住宅的特征价格:理论分析与实证研究D .浙江大学,20042.王旭育.基于h e d o n i c 模型的上海住宅特征价格研究D .同济大学,20063.周丽萍.商品住宅特征价格模型与指数的应用研究D .西安建筑科技大学,20084.周仁郁.SPSS13.0统计软件M.西南交

14、通大学,20050.005x 23-0.033x 27(3未进行聚类分析前,即没有对商铺进行档次细分和典型指标的选择,选用对数线形模型对整体样本进行回归分析,那么构建的定价方程式为:I n p =10.821+0.02x 2-0.813x 3+0.141x 4+0.029x 5+0.002x 6-0.021x 8+0.022x 10+0.001x 11+0.035x 13-0.126x 18-0.071x 19-0.072x 20-0.129x 21-0.037x 22+0.05x 23+0.046x 24+0.011x 25+0.02x 26+0.006x 27(4通过比较,明显可发现细分过后的商铺定价不仅针对性较强,而且由于运算的简化使得数据的收集更加便捷,从而可使定价工作更为高效。结论由于数据难于统计,Hedonic 模型的细分问题一直是学者争论的焦点。本文将Hedonic 模型运用于商铺定价研究,并结合聚类分析方法对商铺及其影响因素进行市场细分和典型变量的选择,通过横向和纵向两步聚类分析方法优化的模型,使定价更具针对性,定价决策更具说服力。对于特定商铺的定