长租公寓租赁价格特征因素及其重要性研究
长租公寓租赁价格特征因素及其重要性研究——以深圳市600家长租公寓为例
□喻 燕
（广东海洋大学 管理学院，广东 湛江 524000）
[摘 要] 长租公寓在解决新市民居住问题中发挥着积极作用，揭示长租公寓租金中隐含的特征因素，是政府制定租金指导价的重要基础。运用特征价格理论，构建半对数特征价格模型对深圳市10个行政区600家长租公寓租金中隐含13个特征因素及其对租金影响的相对重要性进行研究。结果表明：长租公寓租金变化与特征因素呈非线性关系，11个特征因素对租金产生显著影响，相对重要性依次为：区商品房均价、配套家电、区人均GDP、邻近医院、装修效果、生活配套、区就业率、区常住人口增长率、商业繁华度、租金支付规定、交通便捷度。基于研究结论，提出制定租金指导标准、建立租赁价格监管机制、推行住房租赁网格化管理、推动行业标准化建设等建议。
[关键词]特征价格模型；租赁价格；相对重要性；长租公寓
2016 年6 月，国务院发布《关于加快培育和发展住房租赁市场的若干意见》（国办发〔2016〕39号）以来，各地先后出台了“商业用房改租赁住房”“厂房改公寓”“城中村房源规模化租赁”“租赁落户”“租购同权”等政策促进住房租赁市场发展。长租公寓因装修时尚、配套齐全、拎包入住，退租方便等优势受到市场青睐，在解决新市民居住，改善住房供应结构中发挥了积极作用。因市场监管滞后，长租公寓运营中存在垄断房源、哄抬房租、“高进低出(支付房东的租金高于收取租户的租金)”“长收短付（收取租户租金周期长于给付房东租金周期）”、骗取租赁贷款、强制驱逐承租人等乱象，严重影响了“租购并举”住房政策推进。
2019 年12 月，住房和城乡建设部等六部委出台了《关于整顿规范住房租赁市场秩序的意见》（建房规〔2019〕10 号）提出严格租赁登记备案管理、动态监管房源发布、管控租赁金融业务等十四条要求，以促进租赁市场规范发展。科学制定长租公寓租赁价格对于推进租赁市场供给侧改革，加速人口城市化进程具有重要意义。本研究旨在运用特征价格理论，揭示长租公寓租金中隐含的特征因素及其对租金影响的相对重要性，以期为政府制定区域性租金指导价提供参考。
一、相关研究评述
效用价值论认为商品价值源于其满足人们欲望的能力，商品价格由商品带给人们的效用所决定。特征价格理论认为异质性商品具有多方面的不同特征，商品价格是这些不同特征的综合反映及表现。
特征价格法又称Hedonic模型法，作为一种有效揭示消费偏好与估计商品异质性的研究方法，在房价影响因素、房价时空分异、房价空间溢出效益等研究中得以广泛应用。赖德（Rider）首次将特征价格理论用于住宅价格评估，测算出不同空气污染因素对住宅价值的隐性影响(p228)。罗森（Rosen）指出消费者从住房中获得的效用取决于住房的结构特征、社区特征及环境特征的差异化(p35)。索勒（Soler）和吉马尔（Gemar）运用地理加权回归特征价格模型研究证明马拉加57家酒店客房服务特征变量对房费具有显著影响(p127)。米塔尔（Mittal）和拜阿胡特（Byahut）使用特征价格法研究住宅景观及其视觉可达性对房屋溢价的影响，发现位于风景名胜区内房屋价格平均溢价3.4%(p67)。尼泊尔（Nepal，et al）等使用特征价格法评估低收入国家中清洁社区的价值，发现相比普通社区，清洁社区房价溢价达到25%—57%(p131)。埃万杰利斯塔（Evangelis⁃ta，et al）等运用特征价格模型研究了能源效率对住宅物业交易价格的影响，发现在葡萄牙256 000套公寓中具有能源效率的公寓交易溢价达到13%(p86)。金镇元（Jinwon Kim，et al）等使用地理加权空间特征价格模型对美国佛罗里达州杰克逊维尔海滩的152处房产的游憩价值进行评估，发现海滩游憩价值对房产溢价效应的存在性及空间异质性(p119)。
我国学者运用特征价格模型结合地理信息技术，对上海（汪佳莉等，2016(p73)）、深圳（黄彩珠，2018(p22）)、厦门（黄丽君，2018(p131)）、北京(庞宇翔、刘洪玉，2019(p19)）、杭州（王瑞，2019）、成都（熊建，2019、石家庄（都沁军、王卫秀，2019(p94)）、南京（沈奕成，2019(p158)）、合肥（刘军航、马晓雪，2019(p169）)、昆明（侯学英，2020(p131）)等城市房价及租金的影响因素进行了多维度研究，证明除房屋实体特征、房屋质量、房屋开发与维护成本等显性因素影响外，房价及房租的高低与房屋所在区域的人口吸引力、市场供求、医疗资源、就业可达性、教育配套、公园景观、空气质量、轨道交通车站距离(p2)、承租人收入水平(p104)、通货膨胀率与货币供应量等隐性因素相关。
近年来，学者们构建地理加权回归模型及空间计量全局模型，运用社交媒体数据、机器学习算法(p658)、随机森林、神经网络以及KNN 等数据挖掘技术(p20)有效克服了特征价格法在数据来源、变量选择、模型估计等方面不足，特征价格模型在房地产领域的研究得到进一步拓展。鲜有研究将区域经济因素作为房租的特征变量，以市级行政区划为尺度，研究长租公寓租金的分区划、多层次影响因素及其相对重要性。
二、研究方法与数据
（一）研究方法
长租公寓作为一种住房异质商品，需要满足承租人对于居住安全、品质及服务等差异化需求，吻合特征价格理论中产品异质性的前提条件。根据特征价格理论，影响长租公寓租金的每个特征都有各自隐含的价格，租金可视为每个特征因素的隐含价格之和。长租公寓特征价格模型可采用线性、半对数及对数三种形式，模型形式的选择取决于评估目标及研究数据的可得性。
（1）线性模型
pagenumber_ebook=74,pagenumber_book=74
式（1）中P为长租公寓租赁价格；a0为常数项；ai 为待估参数，表示第i个特征变量Z的价格；Zi代表因变量，即第i个特征变量；ε 为随机扰动项。
（2）半对数模型
pagenumber_ebook=75,pagenumber_book=75
式（2）中ai 为待估参数，表示特征变量Z 的单位绝对变化量导致P的相对变化量。
（3）对数形式
pagenumber_ebook=75,pagenumber_book=75
式（3）中ai 为待估参数，表示P 对特征变量Z的价格弹性。
（二）变量选取
运用特征价格模型分析长租公寓租赁价格与其特征因素之间的函数关系，因变量为长租公寓每平方米月租金，表示为P。自变量为长租公寓租金所隐含的特征因素，主要取建筑特征、区位特征、租约特征、区域经济特征四大类，共13 个特征变量，分别表示为Z1、Z2……Z13。
1.建筑特征。根据《房地产估价规范》（GB/T 50291—2015），建筑物实体特征包括建筑规模与结构、设施设备、装饰装修、空间布局、建筑外观、新旧程度等方面。研究中以装修效果（Z1）、配套家电（Z2）、共享空间（Z3）3个指标作为建筑特征变量，其中共享空间指长租公寓中专设为满足租客社交、娱乐、健身、生活服务等多元化需求公共空间。
2.区位特征。房地产价格的区位影响因素主要包括繁华程度、环境、配套设施、临路状况等因素。研究中以生活配套（Z4）、交通便捷度（Z5）、邻近医院（Z6）、邻近公园（Z7）、商业繁华度（Z8）5个指标作为区位特征变量。
3.租约特征。《中华人民共和国城市房地产管理法》第五十四条规定，出租人和承租人应当签订书面租赁合同并向房产管理部门登记备案。租金的确定受到租赁期限、付租间隔期、保证金数额、转租及提前退租等因素影响。研究中以租金支付规定（Z9）作为租约特征变量。
4.区域经济特征。由于区位基础条件、资源禀赋、发展规划、经济水平、产业结构等方面制约，区域住宅价格存在显著的空间分异与行政等级性差异分化(p34)。研究中以各行政区人均GDP（Z10）、区常住人口增长率（Z11）、区商品房均价（Z12）、区就业率（Z13）4个指标作为区域经济特征变量。
（三）研究区域与数据来源
深圳市位于广东省中南沿海地区，是国务院批复确定的经济特区、经济中心城市及国际化城市。2017年7月，深圳市被批准为我国首批租赁试点城市并于2019年7月列入中央财政支持住房租赁市场发展试点城市。2018 年以来，深圳市先后发布《深化住房制度改革加快建立多主体供给多渠道保障租购并举的住房供应与保障体系的意见》等政策，提出大力发展住房租赁市场，增加租赁性质用地供应，以住房租赁经营机构为主，提供各类长租公寓。2019年，深圳市长租公寓房源数量约8.1万间，平均月租金达到69.51元/M2，全国排名第三。
十三五期间，深圳市年均新增人口达53.32万以上，非户籍常住人口及年轻人占比高、人口流动性大，住房资源供需结构性矛盾日益突出。2019年，深圳市人均居住支出占消费支出的29.2%，房价高企、房租负担过重等居住问题已成为制约其高质量发展的重要因素。研究深圳市长租公寓租赁价格特征，合理确定住房租赁价格，对于促进全国住房租赁市场发展具有示范作用。
2020年3月1日至3月30日间，课题组采取典型抽样方法，在深圳市福田区、罗湖区、盐田区等10个行政区选取租赁方式为“整租”、房型为“一居室”的600 个长租公寓为研究样本，样本区域分布详见表1。样本数据主要来源：（1）在线租房网（链家网、贝壳租房网）挂牌数据：公寓名称、地址、月租金、建筑面积、装修效果图、配套家电（电视、冰箱、洗衣机、空调、宽带、衣柜等）、共享空间（共享厨房、书吧、休闲区、休闲吧台及健身房等）、租金支付规定、区平均房价数据。（2）百度地图数据：长租公寓具体位置与最近公交站点、医院、公园、区级繁华商圈的距离，以公里为计量单位。（3）《深圳市2019年国民经济和社会发展统计公报》与《深圳市2019 年统计年鉴》数据：各行政区GDP、常住人口比上年末增长率、就业人口与在岗职工人数。此外，课题组还进行了部分长租公寓实地踏勘，以验证在线租房网站对于装修效果、共享区域等信息描述的真实性。各变量赋值及描述性统计详见表2。
表1 ：长租公寓样本区域分布表
pagenumber_ebook=75,pagenumber_book=75
表2 ：变量赋值及描述性统计
pagenumber_ebook=76,pagenumber_book=76
三、研究结果分析
（一）模型选择
运用SPSS20.0软件，采用方差膨胀因子（VIF）做自变量共线性判断，结果表明13 个自变量中VIF 数值最小为1.044，最大为2.077，均值为1.34。根据方差膨胀因子判断准则（VIF小于5）可知，自变量间不存在多重共线性。
表3 ：线性模型与半对数模型参数对比
pagenumber_ebook=76,pagenumber_book=76
研究中部分因变量取值为0，无法使用对数模型（式3），所以分别采用线性模型（式1）与半对数模型（式2）对样本数据进行回归分析，结果详见表3。线性模型与半对数模型的D.W 统计量数值均趋近于2，证明模型残差不存在一阶自相关且服从正态分布。半对数模型的拟合优度、估计标准误差均优于线性模型，故采用半对数模型分析结果来解释因变量对租金的影响。
（二）回归结果分析
运用SPSS20.0 统计软件，采取逐步回归法进行变量选择及模型估计。逐步回归运行到第11步终止，最终有11 个变量进入模型，而共享空间、邻近公园2个变量对租金影响不显著，被排除在模型之外，回归结果详见表4。
表4 ：逐步回归结果表
pagenumber_ebook=77,pagenumber_book=77
从表4分析可知，在5%的显著性水平下，11个变量对租金影响显著且系数具有经济学意义。（1）区商品房均价、配套家电、区级人均GDP、装修效果、生活配套、区就业率、租金支付规定7个变量系数为正数，与租金具有正相关性。在控制其他条件不变的情况下，区商品房均价每上涨1 万元，租金上涨3.6%；配套家电每增加1 项，租金上涨7.4%；区级人均GDP 每提高1 万元，租金上涨1.7%；装修效果提高一个级别，租金上涨4.1%；生活配套每增加一项内容，租金上涨1.8%；区就业率提高1%，租金上涨1.7%；租金支付每提高一个档次，租金上涨10%。（2）邻近医院、交通便捷度、商业繁华度、区级常住人口增长率4个变量系数为负数，与租金呈负相关性。在控制其他条件不变的情况下，长租公寓离医院、公交站点、区级繁华商圈的距离每增加1 公里、租金分别降低4%、3.8%、1.5%。区级常住人口增长率每增加1%，租金降低4.2%。2019年，深圳市常住人口最多的南山区、宝安区两个区因房价与房租上涨过高，非户籍人口增长比率出现负增长（南山区-2.3%，宝安区-1.1%），说明高租金对非户籍人口具有挤出效应。
（三）特征变量相对重要性
采用相对重要性分析方法，比较特征变量对租金解释程度的相对重要性，记为RI（Relation Im⁃portance）(p50)。用各特征变量标准化回归系数的绝对值加总求和，计算出各特征变量标准化权重并视为RI。RI 越大，说明该特征对模型预测结果的影响越大，11 个特征变量相对重要性排序详见表5。
表5 ：11个特征变量对租金影响相对重要性排序
pagenumber_ebook=77,pagenumber_book=77
从表5分析可知，区域经济特征、区位特征、建筑特征、租约特征四大类特征对租金的解释能力分别为42%、28%、24%、6%。各特征变量相对重要性程度依次为：区商品房均价＞配套家电＞区人均GDP＞邻近医院＞装修效果＞生活配套＞区就业率＞区常住人口增长率＞商业繁华度＞租金支付规定＞交通便捷度。
四、结论与建议
本文运用特征价格理论，从区域经济特征、区位特征、建筑特征、租约特征四个维度选取13个因素构建特征价格模型对深圳市10个行政区600家长租公寓租金特征进行研究。研究证明：（1）相比线性特征价格模型，半对数特征价格模型能更优拟合长租公寓租金特征因素与租金之间的非线性关系。（2）特征因素对长租公寓租金具有正、负两个方向的影响。区商品房均价、配套家电、区级人均GDP、装修效果、生活配套、区就业率、租金支付规定7 个变量正向影响租金水平，而邻近医院、交通便捷度、商业繁华度、区级常住人口增长率4 个变量负向影响租金水平。（3）区域经济特征是影响长租公寓租金水平的最重要因素，其次为区位特征、建筑特征、租约特征。各特征变量对租金影响的相对重要性排序为：区商品房均价、配套家电、区人均GDP、邻近医院、装修效果、生活配套、区就业率、区常住人口增长率、商业繁华度、租金支付规定、交通便捷度。
深圳市应该抓住粤港澳大湾区建设、中国特色社会主义先行示范区建设等重大发展战略机遇，构建“租购并举”住房长效机制，着力推进“稳房价、稳租金、稳预期”工作，促进区域经济与住房租赁市场协调发展。（1）制定市场租金指导标准，实行分区管理。增强核心区域引擎功能，缩小坪山区、光明区、大鹏新区等区域在基础设施、产业发展、公共服务等方面的差距，平衡市场供求，防止高房价向高租金传导，高租金对非户籍人口的“挤出效应”。（2）建立租赁价格监管机制，维持市场秩序。健全住房租赁交易服务平台，设立租金及押金监管账户，规范租赁中介机构行为，加强租赁合同备案与租金动态管理。（3）推行住房租赁网格化，加强租赁房屋的治安与安全管理，维护承租人享受公共服务权益，增加政策性租赁住房供给、稳定租赁关系，提升城市持续吸引力。（4）推动标准化建设，促进长租公寓行业高质量发展。按照《长租公寓室内环境评价通则》（标准编号：T/CAS 407-2020）、《长租公寓服务规范标准》开展长租公寓装修及运营服务评价，规范行业发展。在税收、金融、供地等方面出台优惠政策，形成多元供应主体，支持企业机构化、品牌化建设，推动租住品质提升及租房消费升级。
参考文献：
Rider，R.G.，Henning，J.A.The determinants of residential property values with special reference to air pollution.The Review of Economics and Statis⁃tics，1967.
Rosen，S.Hedonic prices and implicit markets:Product differentiation in pure competition.Journal of Political Economy，1974，82（1）.
Ismael P.Soler，German Gemar.Hedonic price models with geographically weighted regression: An application to hospitality.Journal of Destination Marketing&Management，2018（9）.
Jay Mittal，Sweta Byahut.Scenic landscapes，visual accessibility and premium values in a single family housing market:A spatial hedonic approach.Environment and Planning B:Urban Analytics and City Science，2019，46（1）.
Mani Nepal，Rajesh K.Rai，Madan S.Khadayat，E.Somanathan.Value of cleaner neighborhoods: Appli⁃cation of hedonic price model in low income context.World Development，2020.
Rui Evangelista，Esmeralda A.Ramalho，Joao Andrade Silva.On the use of hedonic regression models to measure the effect of energy efficiency on residential property transaction prices:Evidence for Portugal and selected data issues.Energy Economics，2020.
Jinwon Kim，Sukjoon Yoon，Eunjung Yang，Brijesh Thapa.Valuing Recreational Beaches:A Spatial Hedonic Pricing Approach.Coastal Management，2020，48（2）.
汪佳莉，季民河，邓中伟.基于地理加权特征价格法的上海外环内住宅租金分布成因分析.地域研究与开发，2016，35（5）.
黄彩珠.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.广州大学学报（自然科学版），2018，17（6）.
黄丽君.基于Hedonic 模型的长租公寓租金影响因素的实证研究：以厦门市为例.南昌：江西师范大学，2018.
庞宇翔，刘洪玉.分散式长租公寓的租金水平更高吗?.中国房地产，2019（15）.
王瑞.基于特征价格模型的杭州市集中式长租公寓租金影响因素分析.杭州：浙江大学，2019.
熊建.成都市长租公寓租金价格波动金融因素研究.杨凌：西北农林科技大学，2019.
都沁军，王卫秀.城市地铁建设对沿线住宅价格的影响分析.国土资源科技管理，2019，36（4）.
沈奕成.南京玄武湖公园对周边住宅价格的影响.农村经济与科技，2019，30（12）.
刘军航，马晓雪.空气质量对住房价格影响研究：基于合肥市空气价值估计的分析.价格理论与实践，2019（6）.
侯学英.昆明市主城区低价住区租金影响因素分析.现代城市研究，2020（2）.
Linchuan Yang，Yang Chen，Nenglai Xu，Rui Zhao，K.W.Chau，Shijian Hong.Place-varying im⁃pacts of urban rail transit on property prices in Shen⁃zhen，China: Insights for value capture.Sustainable Cities and Society，2020（58）.
李在军，尹上岗，张晓奇，秦兴方.中国城市流动人口房租收入比时空格局及驱动因素.地理科学，2020，40（1）.
Lirong Hu，Shenjing He，Zixuan Han，He Xiao，Shiliang Su，Min Weng，Zhongliang Cai.Moni⁃toring housing rental prices based on social media:An integrated approach of machine-learning algorithms and hedonic modeling to inform equitable housing policies.Land Use Policy，2019（82）.
陈万成，戴浩然，金映含.基于数据挖掘方法的HEDONIC 房屋价格评估模型：以美国城市西雅图为例.数据分析与知识发现，2019，3（5）.
王洋，王德利，等.中国城市住宅价格的空间分化及其土地市场影响.中国土地科学，2015，29（06）.
杨慧，李超.中国城市房价影响因素及贡献度研究：基于R2的相对重要性分解.经济问题探索，2019（11）.
10.14180/j.cnki.1004-0544.2020.10.009
[中图分类号]F293.357
[文献标识码]A
[文章编号]1004-0544（2020）10-0073-07
基金项目：广东省哲学社会科学规划项目“农业转移家庭住房贫困多维识别与代际传递阻断研究”（GD19CGL10）；湛江市非资助科技攻关计划项目“农业转移人口住房贫困代际传递阻断机制研究”(2019B01084)；广东海洋大学人文社会科学研究项目“政府购买公租房运营管理服务研究（C1908）”。
作者简介：喻燕（1976—），女，湖北武汉人，管理学博士，广东海洋大学管理学院高级工程师。
责任编辑 梅瑞祥
页:
[1]