论文部分内容阅读
摘要：随着我国经济水平飞速增长，城市间人口流动日益频繁，房屋租赁市场日趋繁荣，房屋的租金也受到越来越多的关注。而由于互联网的发展，房东与租户通常会在网络上发布并获取信息，因此租房网站中包含丰富的租房信息。本文结合计算机网络爬虫方法从主流租房网站中获取房屋租赁价格，并提取租金及房屋特征，包括所在区域、楼层、配套设备等；然后利用房屋租金作为被解释变量，房屋特征作为解释变量，建立特征价格模型，从微观角度分析北京住房租金的影响因素，考察在北京市房屋租赁市场目前发展水平下，租金的微观决定机制及消费者的偏好。
关键词：房屋租赁；微观因素；广义线性模型
中图分类号：F49；F822 文献识别码：A 文章编号：1001-828X（2017）009-0-03
Micro Determinants of Apartment Rent： Evidence Based on the Online Apartment Advertising in Bejiing
Fan Ya-jing， Lu Shou-dong
School of Information and Statistics， Guangxi University of Finance and Economics， Nanning， Guangxi， 530003
Abstract： With the rapid growth of China’s economic， the inter-city population is becoming more and more frequent. Thus the rental market is becoming more and more prosperous and the rent of the house is receiving more and more attention. Because of the development of the Internet， landlords and tenants usually publish or read rental information on the network. The websites contains lots of rental information. This paper makes use of the web crawling method to get the house rental information from main rental website and extracts the house features， including the size， floor， auxiliary equipment etc. Then we construction hedonic pricing model to analyze the micro determinants of apartment rent price and examine the micro-decision mechanism and the preferences of consumers in the current rental housing market in Beijing.
Keywords： Apartment rent； Micro determinants； General linear model
一、引言
近年來我国房价一直持续增长，使得购房价格、租房价格成为人们经常谈论的话题。对于作为房价最高的城市之一——北京，还承载着全国各地移民，因此，租房也成为了大部分人解决住房问题的主要途径。而租房价格，通常会收到很多因素的影响，如地理位置、配套设施甚至楼层，因此在研究住房价格时，需要更多考虑与生活相关的因素。当前，许多学者已经开始了对房地产价格的研究。对于住房租金，大多数学者只是从宏观的角度，研究宏观经济与租赁价格的关系。而对于微观影响因素的研究大多集中在写字楼的租赁价格当中。这主要是因为，写字楼是公共场所，其特征容易通过研究者现场观察获得，但对于私人住宅，研究者很难获取大量的住宅特征数据。
本文的研究恰好弥补了住房租金微观影响因素的空白。随着互联网的发展，许多房东以及租房者纷纷选择在网上发布、获取信息的方式交流租房信息，因此，许多租房网站包含了丰富的租房信息。本文利用计算机网络爬虫技术，获取北京市租房信息，并利用这些信息建立价格特征模型，分析北京市住房租金的微观影响因素。
二、模型理论
本文将利用特征价格模型对北京市住房租赁价格微观影响因素进行分析。特征价格模型来源于特征价格理论。A.T.Court（1939）首次对汽车价格进行了研究，构建了汽车价格指数。随后，Lancaster（1966）提出消費者偏好理论，认为消费者购买一个产品，是由于产品的特征符合消费者的需求。Rosen（1974）则完善了Lancaster偏好理论，理论上构建了特征价格供需特征模型，为特征价格模型奠定了基础。随后，特征价格模型开始广泛的应用于住房、写字楼价格研究领域，学者们主要研究住房微观特征，例如住房属性、结构、地理位置、房龄等对房屋价格的影响。
特征价格模型的构建主要通过回归模型实现。对于如何正确选择特征价格模型中的函数形式，从而使得模型能够正确表达自变量和因变量之间的关系，理论上还没有一种明确的检验方法，因此，大多数研究者都是凭经验初步设定函数形式，然后不断地尝试和修正，直到认为函数形式能够解释样本数据的差异，并使得模型对样本数据的拟合满足要求。在过去的研究中，特征价格模型主要有线形函数、对数函数、半对数函数和对数线形函数四种基本函数形式，其模型结构如下： ①线性形式：
②對数形式：
③对数线性形式：
④半对数形式：
过去，学者大多选用一般线性回归模型，应选用最小二乘法作为估计方法。在本文中，作者拟采用广义线性回归模型进行特征价格模型的构建。广义线性模型（generalized linear model）由Nelder
关键词：房屋租赁；微观因素；广义线性模型
中图分类号：F49；F822 文献识别码：A 文章编号：1001-828X（2017）009-0-03
Micro Determinants of Apartment Rent： Evidence Based on the Online Apartment Advertising in Bejiing
Fan Ya-jing， Lu Shou-dong
School of Information and Statistics， Guangxi University of Finance and Economics， Nanning， Guangxi， 530003
Abstract： With the rapid growth of China’s economic， the inter-city population is becoming more and more frequent. Thus the rental market is becoming more and more prosperous and the rent of the house is receiving more and more attention. Because of the development of the Internet， landlords and tenants usually publish or read rental information on the network. The websites contains lots of rental information. This paper makes use of the web crawling method to get the house rental information from main rental website and extracts the house features， including the size， floor， auxiliary equipment etc. Then we construction hedonic pricing model to analyze the micro determinants of apartment rent price and examine the micro-decision mechanism and the preferences of consumers in the current rental housing market in Beijing.
Keywords： Apartment rent； Micro determinants； General linear model
一、引言
近年來我国房价一直持续增长，使得购房价格、租房价格成为人们经常谈论的话题。对于作为房价最高的城市之一——北京，还承载着全国各地移民，因此，租房也成为了大部分人解决住房问题的主要途径。而租房价格，通常会收到很多因素的影响，如地理位置、配套设施甚至楼层，因此在研究住房价格时，需要更多考虑与生活相关的因素。当前，许多学者已经开始了对房地产价格的研究。对于住房租金，大多数学者只是从宏观的角度，研究宏观经济与租赁价格的关系。而对于微观影响因素的研究大多集中在写字楼的租赁价格当中。这主要是因为，写字楼是公共场所，其特征容易通过研究者现场观察获得，但对于私人住宅，研究者很难获取大量的住宅特征数据。
本文的研究恰好弥补了住房租金微观影响因素的空白。随着互联网的发展，许多房东以及租房者纷纷选择在网上发布、获取信息的方式交流租房信息，因此，许多租房网站包含了丰富的租房信息。本文利用计算机网络爬虫技术，获取北京市租房信息，并利用这些信息建立价格特征模型，分析北京市住房租金的微观影响因素。
二、模型理论
本文将利用特征价格模型对北京市住房租赁价格微观影响因素进行分析。特征价格模型来源于特征价格理论。A.T.Court（1939）首次对汽车价格进行了研究，构建了汽车价格指数。随后，Lancaster（1966）提出消費者偏好理论，认为消费者购买一个产品，是由于产品的特征符合消费者的需求。Rosen（1974）则完善了Lancaster偏好理论，理论上构建了特征价格供需特征模型，为特征价格模型奠定了基础。随后，特征价格模型开始广泛的应用于住房、写字楼价格研究领域，学者们主要研究住房微观特征，例如住房属性、结构、地理位置、房龄等对房屋价格的影响。
特征价格模型的构建主要通过回归模型实现。对于如何正确选择特征价格模型中的函数形式，从而使得模型能够正确表达自变量和因变量之间的关系，理论上还没有一种明确的检验方法，因此，大多数研究者都是凭经验初步设定函数形式，然后不断地尝试和修正，直到认为函数形式能够解释样本数据的差异，并使得模型对样本数据的拟合满足要求。在过去的研究中，特征价格模型主要有线形函数、对数函数、半对数函数和对数线形函数四种基本函数形式，其模型结构如下： ①线性形式：
②對数形式：
③对数线性形式：
④半对数形式：
过去，学者大多选用一般线性回归模型，应选用最小二乘法作为估计方法。在本文中，作者拟采用广义线性回归模型进行特征价格模型的构建。广义线性模型（generalized linear model）由Nelder