基于Hedonic分位数模型对城市住宅价格差异性的研究——以深圳市为例.docx

基于Hedonic分位数模型对城市住宅价格差异性的研究——以深圳市为例
随着城市化进程的不断推进，中国城市住房市场的需求和价格水平不断增长。其中，深圳市作为经济发展最为迅速的城市之一，在房地产市场上也表现出了惊人的增长。本文通过对深圳市住宅价格的研究，探讨了城市住宅价格的差异性，并基于Hedonic分位数模型对其进行了分析。
一、文献回顾
关于房价的研究已经成为经济学、地理学、城市规划等学科的热门话题。Hedonic模型是其中一种有效的方法。其主要思想是将每个物品或服务中的各种属性进行分组，然后使用统计方法对属性进行回归分析，得出不同属性对应价格不同的结果。
已有文献对Hedonic模型在城市住宅价格研究中的应用进行了探讨。例如，Hengshan和Xiaoying（2016）在中国各省会城市和计划单列市进行的研究中，使用Hedonic分位数模型，对城市房价差异性进行了测算。研究结论表明，城市化水平和居民收入水平是影响城市房价的最重要因素。
二、数据来源和研究方法
本文的数据来源于深圳市2018年的二手房交易数据。选取的因变量为每平方米房屋售价，自变量包括房屋属性、房屋环境、交通条件、社区服务等多个属性。同时，本文还考虑了居民收入水平、人口密度等城市因素。
采用的分析方法是Hedonic分位数回归分析。该模型通过对不同权位处的样本数据进行拟合分析，得出不同权位处的各项属性对价格的影响程度。Hedonic分位数模型不仅描述了各项属性对房价的贡献，还考虑了城市本身的影响因素，可以更准确地分析城市住宅价格的差异性。
三、数据分析和结果
使用Hedonic分位数模型对深圳市的二手房市场进行了回归分析。以下是数据分析和结果的具体内容：
（1）基本特征
样本数据共包含7000个二手房交易记录，其中平均房价为20408元/平方米，均值为89.54平方米。自变量涉及的属性有房屋户型、楼层、装修状况、小区环境、交通、商业设施等，城市因素有居民收入水平、人口密度等。在样本数据中，包括了不同权位的数据，对应着不同的价格分位数（10%、25%、50%、75%、90%）。
（2）属性对价格的影响
通过对不同权位处的房价进行分析，可以得出不同的各项属性对房价的影响程度。例如，在第50%权位处，房屋面积和楼层对房价的影响最大，而小区环境、交通等属性对房价影响较小。
（3）城市因素对价格的影响
通过对居民收入水平和人口密度等城市因素的分析，可以得出不同城市因素对房价的影响。结果显示，居民收入水平对房价影响很大，而人口密度对房价影响较小。
四、结论
本文使用Hedonic分位数模型对深圳市住宅价格的差异性进行了研究。分析结果表明，房屋属性和城市因素对价格的影响都很大，其中居民收入水平是最重要的城市因素之一。因此，在未来的城市规划和房地产政策制定中，应更加注重城市环境和居民收入水平的提高，以促进城市房价稳定和合理发展。