- 相關推薦
面向房產稅的住宅批量估價方法及其優缺點分析
雖然優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為大家分享的關于面向房產稅的住宅批量估價方法及其優缺點之論文范文。
一、引言
為了優化地方財政收入結構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稅。當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。目前，房地產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房地產市場情況，所評估的指標參數能夠通過交易市場直接獲得，且評估結果更加的科學準確，因此它成為最重要、最常用的房地產估價方法之一，也成為房地產批量估價方法的基礎。本文對以市場比較法為基礎的幾種常用住宅批量估價方法進行研究，比較其優缺點，為我國建立和完善住宅批量估價系統提供參考。
二、基于模糊數學的住宅批量估價方法
(一)估價原理。自然界中，精確數學無法描述廣泛存在的模糊現象。而人類能夠通過模糊的思維和語言進行信息的表達，再通過大腦進行理論的分析和推導，最終做出決策。模糊數學就是模仿人類思維的過程，運用數學方法對模糊現象進行研究和處理�；谀：龜祵W的住宅評量估價方法，通過運用模糊數學理論來解決可比實例的選擇問題。它以貼近度為依據，從若干個交易實例中選擇貼近度大，即與待估房地產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。在影響房地產價格的眾多因素中，各因素對估價目的不同的房地產的影響有一定的差別，結合專家意見對主要的特征因素進行提取。
(2)確定特征因素隸屬函數值。隸屬函數是表示某些因素隸屬于某種特征的函數，其取值在0和1之間。當函數值越近似于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(如交通狀況等);第二類則是容易得到的確切量化指標(如面積等)。軟指標隸屬函數值的確定可用類比法建立隸屬函數，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]區間。同樣，當貼近度越近似于1，則說明兩模糊子集越相近，反之貼近度較低。設A與B為論域U的模糊子集，則
A○B=(A()∧B())=(A()∧B())(公式1)
公式1稱為A與B的內積。
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+(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)計算待估房地產與可比實例貼近度。
(4)計算待估房地產價值。先計算各交易實例特征因素的隸屬函數值，提取特征因素，再通過計算待估房地產與各交易實例的貼近度得出待估房地產的估價結果。
(三)優缺點分析
1、優點分析
(1)實例選擇和權重確定更加客觀�；谀：龜祵W的住宅批量評估方法引入貼近度概念來選取可比實例，并將待估房地產與可比實例的貼近度轉化成權重，減少了個人情感色彩對可比實例選擇和權重確定產生的影響。這種方法對可比實例的選擇和權重的確定比傳統方法更加客觀，科學。
(2)能更好地評價定性因素。定性因素難以量化，具有模糊性，基于模糊數學的住宅批量評估方法在處理這類具有“模糊”性質的因素時，通過類比法建立隸屬函數，使其量化成統一標準數字描述，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，估價人員在進行主要特征因素的選取時往往是參照估價條例及經驗進行主觀判斷。同時對于難以量化的軟指標，雖能通過類比法建立隸屬函數，但其隸屬函數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果的精確度。但我國目前在房地產交易信息統計以及公開方面還有所欠缺，房地產市場管理體系不夠完善，房地產交易登記常出現陰陽合同等，導致選取的符合要求的可比實例數量有限，進而可能影響估價結果的精確度。
三、基于神經網絡的住宅批量估價方法
(一)估價原理。人工神經網絡是一種通過模擬動物神經功能和結構特征，進行分布式并行信息處理的數學模型。尤其適合需要同時處理多因素和不精確的信息問題。而房地產價格受許多因素的印象，同時某些特征因素和房地產價格之間著非線性問題。因此，人工神經網絡運用到房地產估價當中是科學合理的。
(二)估價步驟
(1)輸入待估房地產信息。選取與估價相關的房地產信息，例如小區名稱、位置、面積等。(2)對主要的特征因素進行量化。通過建立指標體系選取主要影響因素，并咨詢專家進行量化打分，將主要的特征影響因素進行輸入。(3)確定樣本。選取一定數目與待估房地產相類似交易可比實例。其中70%作為訓練樣本，剩下的樣本用于檢測。為了有利于神經網絡訓練，待樣本確定后，按照一定的規則，將樣本的輸入、輸出轉化為0到1區間的值。(4)建立模型。確定模型的基本參數。(5)模型訓練。即網絡的學習過程。首先設置訓練參數，再用選取的訓練樣本對建立好的神經網絡模型進行訓練。(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，應從新訓練，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)優缺點分析
1、優點分析�；谏窠浘W絡的住宅批量評估方法的最大優點在于權重確定更加客觀。網絡通過樣本學習，系統將自動得出各特征因素與房地產價格之間關系的權數，從而克服了人工確定權重的主觀隨意性。
2、缺點分析
(1)模型對樣本要求高。構建房地產估價的神經網絡模型其訓練需要大量樣本數據，對房地產市場的要求高，需要該地區房地產交易信息管理相當完善，并能收集足夠的有效的交易案例，否則模型的精準度難以保證。
(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，而特征因素構建的價格指標體系采用評估人員經驗選取以及專家打分等方法進行的，這個過程有較強的主觀性，從而影響估價結果的科學性和準確性。
(3)估價結果的時點效應需進一步修正。由于房地產估價具有較強的時效性，而神經網絡估價方法無法對時點進行修正，還需參照一般的市場比較法進行二次修正。
(4)應用神經網絡方法收斂速度太慢。影響房地產價值的因素眾多，其中很多因素有較強的時效性，因此在市場交易環境發生變化時，模型的更新需要大量的訓練時間，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技術。其基本原理是：在大量樣本的基礎上，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系，從而建立數學模型。線性回歸模型的代表是效用函數(Hedonic Model)。
P=βo+∑βiXi+ε(公式4)
式中：P—住宅價格;
βo—回歸常數項，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，即特征變量的特征價格;
Xi—特征變量，如區域、面積、樓層、結構等;
ε—隨機誤差，一般隨機誤差不具有經濟意義。
(二)估價步驟
(1)確定估價對象。批量估價的房地產應是具有相同或相似特點的，對區域內存在個別差異的特殊房地產應對其進行個案估價。
(2)市場區域的劃分。區位因素對房地產估價的影響較為突出，合理地劃分市場區域是批量估價的重點工作，不但提高了房地產的相似程度，提高估價的準確度，同時也簡化了估價難度。
(3)確定特征因素。對于房地產批量估價而言，特征因素的選取最為關鍵，選取共同的、相關的特征因素對提高模型準確度至關重要，對于個別的特征因素可以進行單獨估價。
(4)模型設定。本文以住宅為研究對象設定模型，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，借助計算機技術輔助完成模型的建立。
(5)模型校準。特征因素對房地產價格的影響程度即模型中的自變量系數，對模型中不符合估價要求的自變量系數進行剔除并對模型進行校準。
(6)模型應用。將評估對象特征因素量化后的值輸入函數模型，得到估價結果。
(7)檢測批量評估結果。通過評估價值和市場價值的實際比對得出批量估價的質量，即評估水平。
(三)優缺點分析
1、優點分析
(1)房地產的批量評估快速精準。多元回歸模型的優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的檢驗和剔除，得出擬合優度最高的線性模型，從而提高估價模型的精度，能夠滿足大批量房地產的快速精準評估。
(2)模型的經濟解釋力強。由于每一個回歸系數能夠體現各特征因素對房地產價值的影響，并對不顯著變量進行剔除，有利于決策者根據不同參數把握市場情況，進行相關調控(比如規劃、需求刺激/抑制等)，同時模型參數對于樓盤開發、城市發展等方面，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、片區、行政區等�；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量要求會比較高。如果基本單位范圍越廣，對于樣本的參數要求就越高，調查成本也越高。
(2)模型更新頻繁。該方法是建立在各種因素的基礎上，參數則需要進行修改。該模型適合于交易活躍的城市。對于交易不活躍的城市，參數修改的參考實例不足，導致方法的局限性很大。
五、結束語
通過上述分析，可以看出現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別，不能相互完全替代，因此有必要對這些方法進行改進并進行組合運用，從而提高其估價的準確度。
【面向房產稅的住宅批量估價方法及其優缺點分析】相關文章：
試論法律漏洞及其補充方法08-07
院內感染常見細菌分布及其藥敏試驗分析08-29
論述大學生課堂問題行為的表現及其原因分析08-24
高校田徑課程教學方法分析06-10
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
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