2016年我国流动人口规模为2.45亿,预计2020年我国仍有2亿以上的流动人口,流动人口数量及占比比较大的城市,住房租赁市场前景广阔。随着我国租房市场的日益发展,租房市场交易活动越来越广泛,租房市场涉及到的房产评估工作面临着如何探求更为科学有效的评估方法问题。常用房屋价格评估模型是特征价格模型,该模型依赖于较为严格的模型假定。显然,这种确定函数关系假设在回归估计时,易造成较大的误差,在实际应用场景中会有很大局限性。本文提出核密度-Lasso回归估计模型来对房产数据进行拟合。该估计对误差的分布没有假设,使得核密度线性回归估计有更高的拟合效果。本文发现核密度-Lasso模型拟合优度要优于普通最小二乘法,在与机器学习模型拟合效果接近的情况下,核密度-Lasso有更好的解释性。研究发现,租房市场租客在看房时,房屋信息高于商圈信息,商圈信息高于地铁信息,其中地铁线路的重要程度高于出租屋距离地铁距离,出租屋距离地铁的距离要高于出租屋附近的地铁站点;出租屋面积、出租屋平均面积、卧室数量、卧室面积占比则是租客看房时,为第一手因素。随后是出租屋高度、出租屋绝对高度、小区出租屋数量。商圈、小区、所在行政区、房屋朝向住宅特征居第三位。所以在实际租房过程,租房市场中的供给方可参考这套标准进行房租定价,需求方则可避免选到房租过高的出租房。