住宅投资模型

住宅投资模型（精选七篇）

住宅投资模型 篇1

住宅投资包括单独一户的建筑与多户居住的公寓, 我们简称其为住宅。住宅由于其年限长, 故称之为资产, 住宅的资产价格是一个样板的房屋或公寓的价格。世界各国, 每年住宅投资往往占现有住宅存量很小的比重。住宅的资产价格是由既定时间的住宅存量需求与既定的现存住宅存量供给决定的。我们构建一个住宅价格模型, 来分析住宅价格是如何形成, 以及影响住宅价格的因素, 从而揭示出隐藏在模型背后的政策启示。该模型用图形来表示: (见图1、2) 。

2模型分析和政策启示

住宅价格Ph越低, 需求量越大。需求曲线本身的位置取决于一些变量, 这些变量也是影响住宅价格的因素。通过对住宅投资模型的分析, 我们至少可以从抑制过分房产投资需求和扩大房产供给角度获得两类政策启示。

首先是富有的人们愿意拥有更多的住宅。因此, 财富增加将使需求曲线D0转向D1。政策启示:加大对富人征收个人所得税, 让富人的收入减少一些, 从而抑制其过分投资。

其次, 作为资产的住宅需求, 取决于其他资产的真实收益。如果持有其他形式的财富的收益-像债券之类的-很低, 那么, 住宅看来像是相对有吸引力的持有财富形式。其他资产像债券或普通股的收益下降, 则需求曲线由D0转向D1。政策启示:当前股票市场处于弱势格局, 股票平均收益下降, 可以下调证券交易印花税和研究制定部分股息可以抵减公司所得税, 通过增加股票市场预期收益的措施, 吸引过剩资本进入股市。

第三, 住宅存量需求取决于拥有住宅所获得的净真实收益。总收益-考虑成本之前的收益-包括出租住宅的租金, 或者是房主居住所获得的隐含收益, 以及住宅价值增加所产生的资本收益。而拥有住宅的成本, 则包含利息成本, 通常是抵押贷款利率, 加上任何不动产税与折旧。这些成本从总收益中减去, 并进行税负调整后, 构成净收益。例如由于抵押贷款利率下降, 住宅净收益增加, 使得住宅成为拥有更有吸引力的财富形式, 并使住宅需求曲线由D0转向D1。住宅价格确定于该项需求与住宅存量供给的交点。存量供给在任何时候都是固定不变的———既定的住宅存量不可能迅速变动。因此, 住宅存量供给曲线是图1中的S曲线。均衡的住宅资产价格Ph0决定于供求曲线的交点。在任何时候, 住宅存量市场确定住宅的资产价格。政策启示:对拥有多套住宅或过大面积家庭, 研究开征物业税和房产税;对二套及以上的住宅抵押贷款利率上浮;适量增加二手房交易的营业税。

第四, 住宅投资率如何确定。图2中NS曲线代表作为住宅价格函数的新住宅供给。这条曲线与任何产业的正规供给曲线一样, 供给曲线表明在每一价格下, 一种商品的供应者愿意出售的量。建筑业中使用的生产要素的成本, 与影响建筑成本的技术因素, 都影响NS曲线的位置。NS曲线又被称作流量供给曲线, 因为它代表在既定时期里, 流向市场的新住宅。相对照的是存量供给曲线S, 代表在一个时点上, 市场中的住宅总数量。

资产市场上, 假定住宅价格为Ph0, 建筑承包商在该价格下供给的新住宅量为Qh0, 资产价格越高, 新住宅的供给越大。因此, 新住宅的供给不外是总住宅投资-住宅存量的总增加量。影响现有住宅存量需求的任何因素, 将会影响住宅的资产价格, 因而也影响住宅投资率。任何使流量供给曲线NS移动的因素也同样影响投资率。假设利率-潜在房主投资于别处所能得到的利率-上涨, 那么, 住宅资产需求下降, 从而住宅价格也下降:它转过来导致新住宅生产率下降, 或者是住宅投资下降。或者假设抵押贷款利率提高, 住宅资产价格与建造率再一次下降。因为相对于住宅投资率的现有住宅存量是那样的大, 从而我们可以忽略现期新住宅供给对短期住宅价格的影响。但是, 在整个时期中, 当建筑物增加住宅存量时, 它使得图1中的S曲线向右移动。住宅存量的恒定性, 要求总投资等于折旧, 或者净投资等于0。住宅的资产价格必须确定于建造率恰恰等于现有住宅存量折旧率的长期均衡水平。如果人口或收入与财富, 以固定比率增长, 长期均衡将是建造率正好足以弥补折旧与稳定增长的存量需求的一个均衡。

政策启示:控制通货膨胀到一个近似与充分就业失业率相适应的水平, 因为建筑业所使用的生产要素大多是工业原材料, 通货膨胀控制得当, 原材料价格下降;推广和普及减少建筑成本的技术使用;政府按照维克里密封拍卖 (出价最高的人将获得商品, 但只需要支付第二高的出价) 进行土地出让;以上三个政策目的是降低建造成本, 引导建筑商住宅投资的热情, 按照人口增长和折旧的预期建造住房, 在保持建筑商正常利润下, 降低现有售价。政府加大保障性住房的供给力度, 满足低收入家庭住房需要。

摘要：当前我国房价波动过大, 对经济的扰动是持续性的, 因此必须采用多种政策工具的组合予以调控。本文通过构造住宅投资模型, 运用模型对影响住宅价格的因素进行理论分析, 进而揭示出隐藏在模型背后的政策启示。

商品住宅投资控制与风险分析 篇2

随着我国经济的高速平稳发展商品住宅市场已经逐渐成熟。商品住宅行业经过几十年的发展历程, 住宅产业已经逐步标准化, 产业化。但是在我国房地产行业受政策的影响很大, 在今年4月14日, 国务院总理温家宝指出, 坚决抑制商品住宅的价格过快上涨等政策的出台, 又一次打压了房地产行业的信心。所以在我国当前的经济和政治背景下, 分析商品住宅的投资控制和风险, 并有效地进行风险规避是势在必行的。下面本文将从投资控制与风险分析两个方面进行论述。

1 投资控制

针对商品住宅的管理模式, 以及工程的施工阶段, 可分为招投标, 图纸审查, 施工环节。三个方面展开论述。

1.1 招投标是招标人和投标人之间、投标人之间进行的多方博

弈, 通过招投标活动, 招标人可择优选择勘察设计单位、施工企业和设备材料供应商, 达到缩短建设周期、节约工程投资、提高投资效益的效果。招投标对投资控制有积极作用, 但当招标, 投标受权力活动影响时或流于形式, 招投标形成对投资控制起到掩盖作用。建设单位在专业人员和经验较少的情况下, 建设单位很难掌握工程成本的实际情况, 建设单位只有在承包商报价后。对工艺和材料价格可以从定额和信息中查取。建设单位能否有效的获取信息就要决定于市场价格的透明度。为了获取高额的利润, 供应商经常会采取对真实价格保密的手段。业主通过招投标的方法召集很多供应商或承建商进行择优选择, 使业主对市场有真实的了解, 承建商会给出合理的价格期待在竞争中获胜, 正是投资者为自己考虑, 产生了相互的竞争。通过市场这双“看不见的手”维护了价格体系, 使工程价格趋于合理。

1.2 通过图纸会审可以使各参建单位特别是施工单位熟悉设

计图纸、领会设计意图、掌握工程特点及难点, 找出需要解决的技术难题并拟定解决方案, 从而将因设计缺陷而存在的问题消灭在施工之前。对于商品住宅开发商来说图纸会审应坚持先重点后, 先大后小的一般的基本原则。即始终围绕着减少施工难度、提高我方经济效益、降低生产成本、提高生产效率、有利于工程质量、确保施工安全, 加快施工进度的各项目标而展开。在确保工程质量的前提下, 尽量采用成本较低的建筑材料, 减少施工难度。因为建筑材料和施工难度直接影响着施工工程中的人员配备, 机械使用等。当然对于开发商来说图纸会审还有许多注意事项, 这里仅就投资成本方面做出论述。

1.3 施工阶段的投资控制是建设项目投资控制的一个重要阶

段, 在此阶段正确处理质量、进度、投资三方面的关系, 实施主动控制, 对于节约成本, 降低工程投资有重要意义。该阶段的主要环节应包括:合理安排工程开工和竣工时间, 严格控制材料选用, 控制工程量计量等方面。实践证明, 做好各环节的控制工作, 就可以实现对施工阶段投资的有效控制。 (1) 合理安排工程开工和竣工时间。工程施工应该尽量避开冬季和雨季, 这样可以节约很多成本。一般来说, 住宅工程如果选择在冬季或雨季就要提高成本8%左右, 而合理安排好开、竣工时间可有效的使投资成本降低10%左右。 (2) 严格控制材料选用。建材在住宅工程投资中占很重要的比重, 一般占到整个工程的60%-70%。把好材料关是投资控制很有效的方法。但是由于建材种类多, 价格变化大等特点, 使照价在一定程度上有弹性, 增加了控制的难度。所以做好计价工作, 为日后的结算工作打好基础。 (3) 控制工程量计量。在施工过程中要事先把工程量算清楚, 不能有剩余。对工程进度款的拨付要通过监理工程师的逐一审核, 以避免工程款超付现象的发生。

有效的投资控制可以为建设单位节约资金, 也可以使住宅投资商提高自身管理水平, 是“双赢”的事情。所以有必要对工程投资进行有效地控制管理。

以上就是对商品住宅投资控制的论述, 在投资中如何规避风险也是非常重要的。

2 风险分析

首先商品住宅的供求变化、国际经济环境, 国内宏观经济状况, 相关政策的调整、人民币汇率及利率的变动等系统风险和消费者的喜好、收益现金流、资本价值、机会成本等个别风险, 这些风险都会对商品住宅投资者的收益产生直接影响。但是, 有些风险因素是不可避免的, 把每个风险因素都加以考虑, 则会导致问题的复杂化, 是不现实的, 同时也是不恰当的。所以本文下面就对住宅开发企业影响较大的三个方面 (时机风险, 区位风险, 融资风险) 进行分析。

2.1 时机风险

从宏观角度来说, 当世界经济处于活跃增长期时, 市场处在上升态势, 百姓购房欲望强烈, 这时推出的商品住宅会获得较好的收益。反之, 当经济不景气甚至衰退的时候, 失业率上升, 百姓收入下降, 导致商品住宅需求下降, 供大于求, 直接导致住宅价格下降, 资金回笼时间增长。一旦经济不能在短时期内复苏, 就会给投资者带来不可估量的损失。所以投资者要掌握经济发展规律, 选择恰当的时机进行投资。另一方面, 从微观角度讲, 一般在8, 9月份的住宅销售量大。所以投资者可以把销售期控制在8, 9月份, 以获得良好的需求时期。

2.2 区位风险

由于购房者在购买商品住宅时十分关注住宅周围的相关配套服务设施, 比如商场, 超市, 交通, 学校, 医院, 公园等, 由此产生了区位风险。而社会, 经济, 地域差异, 邻区影响等因素的变化更是加剧了区位的差异, 使得在同一市场环境下, 不同区域的单位土地价格有明显的不同。因此商品住宅投资者必须掌握政府对城市的长期发展规划, 选择合理的投资环境。从个人经验来说, 学校周边的发展潜力很大, 很购房者的亲睐, 建议有条件的投资者可以适当考虑, 有效规避风险。

2.3 融资风险

商品住宅项目融资风险是指融资方式和条件发生变化对商品住宅生产者和经营者带来损失的可能性。商品住宅投资在资金运用方面有其自身特点, 表现为资金运用量大、资金运用周期长、非自有资金比重大等特点。开发商筹措资金的来源一般有自由资金、银行贷款、发售股票、吸收投资、工程垫资款等。开发商拥有的自由资金数额越大, 则投资的风险就越小。如果开发商自有资金很少, 不足10%~35%, 则投资该项房地产的风险就很大。

3 结语

回顾中国改革开放的30多年来, 中国经济以平均每年10%的速度增长, 这一部分应得益于房地产行业, 危机总是短暂的, 我们要在产业发展上不断创新, 与时俱进, 开创商品住宅行业更加美好的明天。

参考文献

[1]郭刚.房地产投资风险管理, 新西部.2008年4期.

[2]李善依.刍论我国房地产投资风险管理.现代经济信息, 2009年22期.

[3]徐晓音.房地产投资风险与防范对策研究, 商业研究, 2002年18期.

城市住宅需求预测模型研究 篇3

有利于居民住房问题的解决。政府根据城市居民在一定价格水平下的住房需求, 合理供地, 确保居者有其屋。

促进房地产业的健康发展。提高房地产企业市场分析的能力, 科学预测, 有效供给, 减少房屋空置, 提高房地产企业的资金利用效率, 促进其健康发展。

提高土地资源的利用效率。对住宅用地需求准确预测, 可以为土地利用总体规划、土地年度利用计划的制定提供重要依据, 合理供地, 在满足居民住房需求的同时, 减少房屋空置, 减少土地闲置、浪费现象的出现, 以提高土地利用效率。

一、住宅需求预测

1. 国外研究。

Mankiw及Well提出的住宅需求总量预测模型为:D=h (R) *N。在该式中:D为住宅需求总量;h (R) 为平均每人的住宅需求量函数 (居住水平函数) ;R为租金;N为人口数量。该模型是针对欧美国家成熟的住宅市场提出的, 住宅问题基本解决, 住宅需求与租金水平和人口数量密切相关。

Dowell和Myers1987年提出了基于人口的住宅市场潜在需求预测方法:商品住宅潜在市场容量=现有人口未来住宅消费增长量+未来新增人口住宅消费量+未来期内现有住宅淘汰量。

Paul Cheshire和Stepen Sheppard1998年提出了利用房价收入比预测住宅需求, 预测流程如下:

房价 (套) =家庭年收入×房价收入比

家庭年收入=人均年收入×平均每户人数

住房总消费支出额=总人口家庭年消费支出额×住房消费支出比

住房有效需求总量=住房总消费支出额/每套房价。

2. 国内研究。

香港谢贤程博士在Mankiw及Well住宅需求总量模型的基础上, 考虑了收入这一变量, 将住宅需求方程改进为:D=h (R*Y) *N, 式中:D为住宅需求总量;h (R*Y) 为平均每人的住宅需求量函数 (居住水平函数) ;R为租金;N为人口数量;Y为国内生产总值 (GDP) 。大陆学者认为谢贤程提出的住宅需求方程中的R仅代表租金水平, 不足以反映住宅价格的全部, 提出了以下的模型:D=h (P*Y) *N, 式中:P为住宅的价格 (即租金) 综合水平。

成思危在其主编的《中国城镇住房制度改革》一书中, 选用了部分亚洲国家首都的人均GDP的截面数据, 采用回归拟合的方法研究得出:1997年到2000年中国的人均住宅需求量的经验公式 (居住水平函数) 为:y=6.1976x0.3789, R2=0.6201, F=15.6885, 式中:x为人均GDP;y为人均居住面积。在这里, GDP综合反应住宅价格、租金、人均可支配收入、利率等因素对住宅需求的影响。

二、城市住宅需求预测模型的改进

为了科学预测城市住宅需求, 必须在对现有需求预测模型分析的基础上进行改进。

1. 预测模型改进的总体思路。

针对现有住宅需求预测方法的不足之处, 在预测模型中考虑住房贷款对住宅需求的影响, 针对不同的需求类型分别加以预测, 并充分考虑影响因素的不确定性对需求预测的影响。

2. 住房贷款对居民支付能力指标的影响。

随着金融市场的发展和居民消费意识的提高, 住房贷款已经逐渐为居民所接受, 并且贷款往往占购房款很大的比例, 这时, 家庭购房有两个资金来源:储蓄和贷款。通常利用部分储蓄来支付购房的首付款。贷款的偿还由家庭收入来负担。在这种情况下, 住房价格对住房需求的影响在一定程度上仅仅是一个主观的评价, 此时更加明显地表现为贷款偿还对住宅需求的影响。在住宅支付能力的定义中, 用a Y≥C (或a≥C/Y) 来判断该家庭是否对此住房具有支付能力。在考虑住房贷款的情况下, 应将贷款购买住宅家庭的年 (月) 需还款额与其平均年 (月) 家庭收入中可用于偿还住房贷款的金额进行比较, 用于衡量购买住宅家庭的还款能力, 即住房支付能力。

3. 城市住宅需求预测模型的改进。

大陆学者认为谢贤程博士提出的住宅需求方程:D=h (R*Y) *N, 其中的租金水平R不足以反应住宅价格的全部, 将其改进为:D=h (P*Y) *N。价格P为住宅价格。但是笔者认为用直接利用住宅价格P来衡量住宅需求只适合于金融市场不发达, 居民只能使用自己的财富积累来购买住房的情况下。在住房贷款逐渐为居民接受的情况下, 用年 (月) 可负担还贷额和住宅单位建筑面积年 (月) 所需承担还贷额来衡量住宅需求更加直观, 可以用来预测住宅需求。由于a Y≥C中住房消费比例a通常是由C决定的, 或者说我们这里的a Y是用来满足实际的住宅需求的, 所以我们可以取a Y=C, C为住宅单位建筑面积所需的月 (或年) 支出与建筑面积的乘积, 在已知a Y和住宅单位建筑面积所需的月 (或年) 支出的情况下, 就可以计算出住宅需求。可负担还款额由家庭稳定收入、未来住房消费倾向来决定, 单位住宅建筑面积需承担还款额由住宅价格、贷款比例、贷款期限和住房贷款利率确定。根据中国人民银行的规定, 可以采用等额本息还款法和等额本金还款法 (利随本清还款法) , 两种还款方式的偿还总额相同。在此, 我们按照等额本息还款法计算家庭还款额。这时就可以将住房需求模型改进为:

其中, La (I, ηh) :年可负担还贷额;Ln (P, ηl, Nt, i) :住宅单位建筑面积年需承担还贷额;I:收入, ηh:住房消费倾向, P:住宅价格, i为贷款利率, ηl为贷款比例, Ni为贷款年限, Np人口 (家庭) 数量。

三、人口机械增长引起的住房需求影响因素分析

人口机械增长引起的住房需求与城市人口机械增长数量和人均住房支出有关, 城市人口机械增长产生住房需要, 人均住房支出代表购买力。假设住房的首付款的支付可以通过自己收入的积累和父母的赞助来承担。人均住房支出是用来偿还贷款, 贷款的偿还采用等额本息偿还方式。人均住房支出是由平均的消费支出和住房支出比决定。消费支出与人均收入呈正相关关系。住房支出比的确定可以在恩格尔系数确定的条件下, 参照恩格尔系数与住房支出比对照表来确定。根据恩格尔定律, 随着收入的增加, 恩格尔系数呈下降趋势, 建立恩格尔系数与收入的负相关关系式。

1.收入分布的研究。机械增长人口进入城市为了有更好的工作、较高的收入水平, 从而享受物质文化生活。户籍制度的限制也要求迁移人口一般应有一个稳定的接收单位, 然而由于迁移人口自身素质、能力的差异, 以及不同单位对引进人员要求的差异, 对引进人员数量的限制, 从而造成机械增长人口在不同行业中的分布。在此, 假设机械增长人口在城市各行业中的分布符合原有城市人口在城市各行业的分布。虽然机械增长人口有较高的学历或技能, 应该有较高的收入, 但由于刚进入单位, 一般职位较低, 所以不可能有太高的收入, 所以我们可以假设机械增长人口的工资水平相当于行业的平均工资水平, 用行业工资的分布来表示新增人口的工资分布。

2.恩格尔系数与收入的关系研究。恩格尔系数有两种常用的计算口径。一种是由德国统计学家厄恩斯特·恩格尔在19世纪中叶提出的, 指食品支出占全部生活消费支出的比重, 即:恩格尔系数=食品支出/全部生活消费支出×100%。恩格尔研究发现, 随着收入的增加, 恩格尔系数将不断降低。这一规律被称为恩格尔定律。西方经济学界普遍接受了这一定律, 并加以引申。比较著名的是美国经济学家保洛.萨缪尔森在其《经济学》教科书中提出的萨氏恩格尔系数, 即:萨氏恩格尔系数= (食品支出/全部支出) ×100%。在该公式中, 分母不仅包括消费, 还含有储蓄支出, 这使得按这一方法计算的系数通常小于恩氏系数。而且由于储蓄受到利率等因素影响, 使萨氏系数的复杂性增加。本文选用恩氏系数为计算口径。

随着收入的增加, 恩格尔系数将不断降低。因此, 在收入的增加与恩格尔系数的变化之间应该存在着负向关系。从恩格尔系数与城镇居民人均收入的时间序列总体变化关系上看, 城镇居民人均收入随时间推移而增长, 而恩格尔系数则随时间推移而下降, 因此在收入增长与恩格尔系数之间存在着反向变动关系。

复旦大学陆小斌通过中国与韩国居民恩格尔系数变动比较得出以下结论:一是市场机制完善的社会, 恩格尔系数变化较稳定, 它不会受价格控制的影响;二是社会经济发展到一定程度之后, 恩格尔系数会呈现较稳定的下降趋势。正如钱纳里等人提出的, 一国人均GDP达到200美元之后, 恩格尔系数就会大幅度下降, 中国在1992年人均GDP达到了200美元;三是居民的平均消费倾向不会成为影响恩格尔系数的主导因素, 也意味着居民收入水平达到一定高度之后, 收入成为影响恩格尔系数的主导因素。

从以上对我国城镇居民收入和恩格尔系数的对比分析以及中韩恩格尔系数变动对比结论可以做出判断, 在今后的一段时间内, 随着我国城镇居民收入的提高, 恩格尔系数将呈稳定的下降趋势。

3.住房支出比的确定。一般地说, 住房消费支出比的确定与两个因素有关。一是与人均国民收入水平有关。人均国民收入水平被视为生产力发展水平的衡量标志, 即生产力发展到一定的水平时, 居民住房支出比应达到一定的数值范围。二是与居民生活水平有关。就是说, 当居民生活达到一定水平时, 居民住房支出比应达到一定的数值范围。恩格尔系数是衡量生活水平的常用指标。刘岐在《当代中国住宅经济》一书中通过按恩格尔系数分组, 取住房支出比的平均值得表1。

表1只列举了恩格尔系数在20%~59%范围内所对应的平均住房支出比, 因为在计算中可能出现恩格尔系数小于20%或大于59%的情况, 所以我们需要对该情况做出假设。恩格尔系数大于59%时, 还未解决温饱问题, 所以不可能有购买住房的能力, 所以我们假设平均住房支出为0。恩格尔系数小于20%时, 假设住房支出比不会再提高, 仍为30%。为了计算的方便, 我们假设恩格尔系数在20%~39%时, 住房支出比均匀分布。从而得出如下住房支出比—恩格尔系数对照图。

4.消费支出的预测。英国著名经济学家凯恩斯 (Keynesian) (1883-1946) 在《就业、利息和货币通论》中认为, 消费支出与实际收入之间保持着稳定的函数关系, 消费支出主要决定于人们的现期可支配收入, 随着收入的增加, 消费将增加, 但消费的增加量小于收入的增加量, 即边际消费倾向递减。数学公式为:

这被称为“基本心理学定理”。在这一理论假设下, 凯恩斯的绝对收入函数表示为:

其中, C:消费支出;Y:收入;α、β:待估计参数, α:自发性消费, β:消费倾向;α>0, 0<β<1;ε:随即扰动项。

利用消费支出和可支配收入的历史数据我们可以对上式进行线形回归, 就可以根据可支配收入计算消费支出。

5.人均可支配收入的预测。利用人均可支配收入的历史数据进行时间序列分析, 从而确定时间序列方程。以进行人均可支配收入的预测。

6. 住宅单位面积所需支出。随着住房价格的持续走高, 以及居民消费观念的改变, 越来越多的人接受贷款买房的方式。住宅消费贷款包括住房公积金贷款和商业贷款两种方式。

建设部发布《2006年全国住房公积金缴存和使用情况》中提到:依法扩大住房公积金制度覆盖范围, 有针对性地采取措施, 突出重点, 全面推进归集扩面工作, 使制度覆盖范围逐步扩大到包括在城市有固定工作的农民工在内的城镇各类就业。稳步提高住房公积金使用率, 加大对中低收入职工住房消费的支持力度。进一步完善住房公积金提取和贷款政策, 增强服务意识, 便捷贷款程序, 合理降低费用, 提高办事效率, 有针对性地解决影响资金使用效率的问题。可以看出, 随着住房价格的持续走高, 房价问题已经对居民住房问题的解决造成一定程度的影响, 国家从解决民生问题的角度出发, 将会进一步扩大住房公积金的覆盖面, 进一步提高住房公积金使用效率。所以本文中的住房消费贷款采用公积金贷款方式, 贷款期限15年 (央行2006年一季度《中国货币政策执行报告》中个人房贷全部住房贷款平均期限为17年) , 贷款的偿还采用等额本息偿还方式。贷款比例为房款的80%。年利率为4.77% (2007年3月18后) 。在以上假设条件下, 可以利用公式 (4) 计算在一定房价水平上单位建筑面积所需支出。

其中A:单位建筑面积年所需支出;P:住宅单位建筑面积价格;i:公积金贷款利率;T:贷款年限。

四、展望

如何使城市住宅用地需求预测更科学、合理, 笔者认为仍需继续在以下几个方面做进一步研究:

1. 居民住房支出的预测方面。

在收入和价格一定的情况下, 居民住房支出比直接决定其住房支付能力。如果能通过对我国居民消费结构的分析建立适合我国居民的恩格尔系数—住房收入比对应关系, 对住宅需求预测科学性的提高产生重要影响。

2. 居民住房需求类型方面。

建立居民收入与廉租房、经济实用房、商品住房需求的对应关系, 以及居民收入与住宅价格或房价的对应关系, 可以使住宅需求预测变得更加方便、科学。

3. 研究住宅需求的空间分布。

在住房需求空间分布的基础上, 就可以利用不同地区的容积率将住宅需求转化为住宅用地需求。

摘要：通过对现有住宅需求预测方法及住房贷款支付能力对住宅需求的影响分析, 文章提出了住宅需求预测模型改进的思路, 建立了以居民住房支出和单位住宅建筑面积年需偿还贷款额来预测住房需求的改进模型。并对不同类型住宅需求的影响因素以及人均可支配收入、恩格尔系数、住房支出等因素之间关系进行分析和建模, 形成了一套较为完整的分类型住宅需求预测的具体方法。

关键词：住宅需求,预测模型,因素分析

参考文献

[1] .谢贤程.香港房地产市场.香港:商务印书馆 (香港) 有限公司, 1995

[2] .Dowell.Myers.Extend Predictions of housing demand in metropolitan areas:the coming Downturn.The appraisal journal, 1987.4:11-12

[3] .Paul Cheshire, stepen sheppard.Estimating the demand for housing, land, and neighbourhood characteristics.oxford bulletin of economics ands tatistics, 1998.60.3:21-22

[4] .Wang H.C., Deng Z.M, Tam C.M.Housing demand for the medium and low income in China.International Journal for Housing Science and Its Applications, 2001.25.2:111-112

[5] .成思危.中国城镇住房制度改革.北京:民主与建设出版社, 1999

[6] .孟宪海.合理确定住宅有效需求.清华大学学报 (哲学社会科学版) , 2005 (15)

[7] .顾严.我国城镇居民恩格尔系数分析.中国物价, 2003 (11)

[8] .陆小斌, 资树荣.中韩居民恩格尔系数变动比较.开放导报, 2005

政策利好下的住宅投资回暖 篇4

2015年5月房地产投资价值百城指数(Reivi100指数)为217.38,上涨了1.34,涨幅依旧高于上个月的涨幅。经过了2个月的回暖之后,楼市的热度依旧居高不下。如图1所示,尽管全国指数走势的增幅不如2月显著,但是依旧保持着上升的趋势。对过去5年历史数据进行回归学习和预测分析后,如图2所示,预期未来3个月指数的平均走势依旧呈平缓升温的状态。

随着酷暑高温的来袭,进入2015年5月的住宅年平均收益率也在加温。自2014年12月以来 , 一年平均收益率继续维持在负区间,年平均收益率终于在2015年5月突破“零点”,反负为正,达到0.02%。不同于之前的低于定存收益的城市数持续增加,2015年5月低于定存收益的城市数量终于有所下降,减少了7个,降至89个城市,占总调查城市个数(116)的77%。截至2015年5月,一年平均收益率升至0.02%,相较于4月上涨了0.87个百分点,回升速度远超前两个月。

这与国家政策的改变不无关系,根据最新的央行公告,中国人民银行决定,自2015年5月11日起下调金融机构人民币贷款和存款基准利率。金融机构一年期贷款基准利率下调0.25个百分点至5.1% ;一年期存款基准利率下调0.25个百分点至2.25%。同时,结合推进利率市场化改革,将金融机构存款利率浮动区间的上限由存款基准利率的1.3倍调整为1.5倍。尽管降息的施行为楼市暖上加暖,但是否5月份的各项数值将成为一个峰值还有待后续观察。

其中,四大一线城市2015年5月的环比指数结果均呈现上升趋势(见图3),分别为北京2.28%、广州0.23%、上海1.45、深圳6.18%。其主因可归结为四大一线城市2015年5月指数相对于4月均有所上涨,其中深圳的涨幅最高。

从表1的数据统计结果上看,国家推行利好催化剂诸如房贷新政、银行降息、下调存贷比和公积金额度等已过去了两个月,房地产的状况也已趋于一个平稳上升状态,四个一线城市中有2个城市,即深圳、广州,进入前十榜单,且名次较为靠前。排名后十城市的住宅投资收益由2015年4月的均值-9.25%升至 -8.47%,仍旧保持上升趋势且涨幅明显。与此同时数据显示排名前十城市的住宅投资收益由2015年4月的均值7.63%升至10.39%,经过了4月份的一个骤降之后,仅一个月便开始回温。结合其他指标,比如环比下跌的城市数和同比下跌的城市数双双减少,以及住宅投资收益率前十和后十城市的5月份排名,全国的住宅房价将呈现一个平稳上升的趋势。

住宅投资模型 篇5

一、景区住宅的特点

随着居民生活水平的提高, 物质生活的丰富, 人们已经不再仅仅满足于城市的喧嚣生活, 而是更多地追求一种自然状态下的生存, 渴望改善居住环境。于是越来越多的人们选择了郊外空气清新、风景优美、交通便捷的环境。尤其是法定假日天数的增加, 使人们对周末或节假日休闲度假越来越重视。在这种需求的催生下, 越来越多的楼盘开始借助名胜风景区和城市周边的山、水、园、林作为开发的卖点, 景区住宅应运而生。作为一种新兴的住宅形式, 景区住宅具备一些区别于普通住宅项目的特质。

1、优雅的环境资源。景区住宅的开发多选择在风景名胜区, 风光秀丽、气候宜人不论是作为第一居所还是第二居所, 景区住宅都能够使人们充分享受大自然的气息和休闲娱乐设施。而普通房地产项目选址多考虑距市中心的距离、生活便利性等, 对自然环境及休闲娱乐的要求往往不是很高。

2、定位较高。普通住宅虽有档次之分, 但都是为了满足消费者日常基本的居住需求而建的。而景区住宅已脱离生活必需品的行列, 不以满足人们的基本居住为目的, 而是作为住宅中的奢侈品为人们的居住或休闲提供更大的选择范围。因此, 景区住宅多以高端大盘的形式出现, 通常被冠以豪宅的称谓。景区住宅的客户定位也多是针对城市的高收入阶层, 他们经济状况良好, 希望拥有较高品位的住宿条件和休闲娱乐环境, 传统的住宅项目已不能满足他们的需求。

3、人性化内涵。与普通房地产住宅项目相比较, 景区住宅具有高度的人性化内涵。景区住宅以景观环境和居住舒适为卖点, 处处为消费者的需求考虑, 倡导心情的释放与自然属性的回归, 使得人本主义思想也成为景观住宅的核心价值观。

4、先进的规划理念。景区住宅开发的重要思想就是让消费者能够舒适、便利地享用周围的旅游景观资源。因此, 住宅区的规划也要围绕这一开发主旨, 使小区环境与周围的景区环境相协调, 成为旅游景观的延伸。目前, 多数有实力的开发商在进行景区住宅规划的阶段都会请国际知名的园林绿化公司进行实地考察, 对小区内的环境进行设计。

二、景区住宅定价模型构建及检验

从以上方面看来景区住宅虽属于住宅产品的子类, 但它与普通住宅又有着许多差别, 因此, 对景区住宅的定价方法应区别于普通住宅。本文采用he-donic定价模型对景区住宅进行定价。

(一) 资料收集。

本论文所选样本的区域范围为西安市曲江新区。西安曲江新区原名西安曲江旅游度假区, 以闻名中外的大雁塔和曲江皇家园林遗址为中心, 是西北唯一的旅游度假区, 国家级文化产业示范基地, 不仅是陕西省和西安市振兴旅游的重大工程, 也是未来西安城市发展的重点区域。本文中的58个样本数据一部分来源于网络, 包括西安房地产信息网、焦点房地产网、搜房网, 其余为实地调研结果。

(二) hedoni c模型。

根据以往的hedonic住宅定价模型以及对景区住宅类房地产项目的价格影响因素的分析, 下文对景区住宅的特征变量归结为以下几点:配套设施、区域规划、房龄、容积率、建筑类型、户型朝向、装修程度、景观环境, 具体内容如表1所示。 (表1)

1、模型回归。

将收集的样本数据应用SPSS软件进行回归分析, 采用Stepwise方法, 对比线性模型、对数模型和半对数模型的拟合结果, 发现半对数模型的R和R2最高, 拟合度最好。最终选用半对数模型对特征变量进行F和T检验, 进入模型的有配套设施、房龄、建筑类型、朝向、景观环境五个特征变量, 得到特征价格模型为:lnP=7.092+0.039×配套设施-0.046×房龄+0.497×建筑类型+0.056×朝向+0.041×景观环境。 (表2)

2、回归结果分析。

从回归结果可以看出, 配套设施增加一项, 单位面积的住宅均价的对数增加0.039;房龄每增加一年, 单位面积的住宅均价的对数增加0.046;建筑类型高层、小高层相对于多层, 使单位面积的住宅均价的对数增加0.497, 别墅相对于高层、小高层, 使单位面积的住宅均价的对数增加0.497;依次类推。由模型拟合结果可以看到, 进入模型的各个特征变量的符号均与预期符号一致。

三、总结

住宅投资模型 篇6

2013年初, 国务院办公厅转发了国家发展与改革委员会、住房和城乡建设部《绿色建筑行动方案》的通知, 为了提高资料利用效率实现节能减排, 并且建设资源节约型和环境友好型社会, 充分提高生态文明水平以提高人们的生活质量, 必须大量发展绿色建筑切实转变城乡建设模式和建筑业的发展方式[1]。由此可见, 发展绿色建筑行动已经上升为国家战略, 研究价值工程在绿色住宅投资决策中的应用, 对改变人们的思维观念和推动绿色住宅的开发与建设具有重要的现实意义。

1 应用的可行性分析

绿色建筑能够在建筑的全寿命周期内最大限度的节约资源、保护环境并且减少污染, 与传统住宅最大的区别就是能够为人类提供健康、使用和高效的使用空间, 是可持续发展并且与自然和谐共生的建筑[2]。在其投资决策中应用价值工程的可行性体现在:

1.1 绿色住宅和价值工程的内涵一致

绿色住宅的开发是“发现节能减排的部位, 分析节能减排的部位, 解决节能减排的部位”的过程, 与价值工程活动中的发现问题、分析问题以及解决问题的过程相一致。提高研究对象的价值是价值工程活动的目的, 价值工程能够促进投资者的费用发挥最大的效用, 这不仅是消费者的需求, 更是投资者和经营者追寻的目标。而绿色住宅兼顾了企业、消费者、社会以及环境的效益, 符合发展低碳经济时代对建筑的要求, 能够节约资源并且能够活动最大的社会以及经济效益, 这与价值工程的核心思想是一致的。

1.2 绿色住宅建设的关键时刻和价值工程发挥作用的最佳时机是投资决策阶段

在生活中往往存在很多建筑物“买得起, 用不起”的现象, 这主要是人们往往重视建筑物的建造费用而忽视了使用过程中的维护、运行管理费用等。我们知识, 建筑物的建造费用是短时间内集中支出的, 并且这些费用往往以售价或租金的形成体现, 因此, 人们容易重建造费用;而使用维护费用是在使用过程中发生的, 并且都是分散的支出, 并不是一次性大量支出的, 往往会被人们忽略, 但是维护、运行管理费用等往往是建造费用的数倍, 因此就造成了这种现象。下图[3]形象的借助冰山效应说明了这个问题:可研、勘察、设计、施工等建造费用是显而易见的, 其余部分潜藏着。如果“管理的航船”不明白冰山的实际情况, 则会造成巨大的损失。绿色住宅虽然投入较高, 但却换来了运行费用的大幅度降低。

目前阻碍我国绿色住宅发展的主要原因是绿色住宅的建造成本较高, 人们在选择建造方案时由于传统的住宅建造成本较低而追求眼前利益, 往往不会选择绿色住宅方案。而价值工程侧重于应用到产品的研发设计以及方案选择的阶段, 应用价值工程的阶段越早经济效益也就越明显。因此, 在绿色住宅投资阶段应用价值工程可以实现价值工程的“最大价值”。

1.3 将价值工程应用到绿色住宅中有利于提高社会的经济效益

绿色住宅的目的就是通过可持续发展的角度来引领工程建设, 它是建筑行业应用可持续发展的理念而形成的建设理念。随着群众环保意识的不断提高, 提倡绿色住宅能够有效的填补现代建筑对环境造成的缺失, 可以有利的扭转现代建筑与环境之间不和谐的关系。绿色住宅倡导在为人类提供健康、舒适以及适用的生活空间的同时尽量减少对地球生态环境的影响和破坏, 同时减少自然资源的消耗。目前虽然有很多投资决策的方法, 但是由于价值工程重点侧重于建筑产品的功能以及成本的分析同时投入最少的资源而获得必要的功能, 因此, 价值工程是一种行之有效的科学的方法。提高研究对象的价值是价值工程追求的目标, 而以适量的资源消耗获得必要的经济效果是价值工程的实质。价值工程可以以最低的成本增加来实现绿色住宅的必要功能来提高绿色住宅的价值, 从而提高了整个社会的经济效益。

2 应用的基本流程

2.1 确定绿色住宅的设计方案

为了实现绿色建筑物从前期规划、设计、施工以及使用直到报废为止的全寿命周期的低碳化, 绿色住宅的设计方案应当采用节能技术、新型低碳材料、良好的规划设计以及合理的开发强度等措施。

2.2 计算方案功能系数FIi

为了明确评价指标应当首先分析研究对象的功能, 然后借助层次分析法计算出各个评价指标的权重, 然后利用模糊综合评价法得到各方案的功能评价值, 对其量化处理后, 根据公式计算出各方案的功能系数FIi。由于绿色住宅主要是在建筑的全寿命周期以低能耗、低排放以及低污染为基础的为人们提供舒适的居住环境的建筑, 因此, 从低能耗、低污染以及低排放和室内环境质量几个评价指标来分析绿色住宅的功能。

2.2.1 低能耗

(1) 利用可再生能源。以尊重当地自然、人文以及气候条件因地制宜为原则建设绿色住宅。为了降低资源的能耗应当根据环境条件和建筑的使用特点选择合理的可再生资源, 如太阳能、地热能、风能以及生物质能等可再生能用。例如:城市高层建筑和郊区风力资源比较丰富时可以利用风力发电;更加日照时间以及强度考虑利用太阳能等。有关资料表明建筑光伏发电一体化及太阳能光热利用节能潜力都在5%以上[4]。 (2) 设计外围结构。门窗、外墙以及屋顶是建筑的主要维护结构, 由于窗户的传热系数大于同朝向、等面积的外墙的传热系数, 因此, 在采光和通风条件允许的情况下应当严格控制窗墙比并且增加玻璃的保温隔热效果。在整个建筑的外围结构中占据的比例最大的就是外墙, 因此, 外墙对建筑能够的影响也是最大的。50%的建筑节能中大约有25%是通过建筑维护结构的外墙的保温隔热性能来实现的。屋顶所占的外围护结构面积虽较小, 但能耗约占总能耗的8%~10%, 所以加强屋顶保温对总造价影响不大, 但节能效果很明显。 (3) 运用节水措施。为了实现节水目的, 应当合理设置热水循环系统、控制超压出流、采用新型节水给水配件和卫生器具、减少使用中的无效冷水、有效利用杂排水和雨水、减少隐形水量流失、发展建筑中水系统、采用优质管材以减少管道流失量和加强管理等措施。

2.2.2 低污染

(1) 降低光污染:国际上将光污染分为白亮污染、人工白昼和采光污染三类, 它是一种新型的环境污染, 主要危害人类的视觉环境、生存环境以及影响天文观察等, 因此控制光污染必须从源头进行控制。目前都是通过降低光污染的措施有以下几种:第一, 控制玻璃幕墙的使用, 如果必须使用时一定要在使用前论证使用玻璃幕墙的必要性, 并且尽量减少使用面积;第二, 加强绿化, 以高大阔叶乔木为主, 以起到阻挡作用;第三, 采用新型反射小的玻璃或不反射的材料;第四, 控制夜间照明, 选用合适的照明灯具, 通过合理的设计尽量减少光线直接进入天空, 及在夜间关闭不必要的灯;第五, 制定相关规范对城市室外照明亮度进行约束等。 (2) 建筑垃圾的处理:建筑垃圾主要包括建筑物使用时产生的生活垃圾、施工建造时产生的垃圾以及拆除建筑物时产生的废弃垃圾。施工中要控制建筑垃圾的产生, 使用中应建立垃圾收集处理链, 从单户收集到垃圾收集站保证垃圾分类回收率达到90%, 若自设处理设施, 无害化处理率应达到100%。最大量地将垃圾变废为宝, 循环利用。

2.2.3 低排放

(1) 监控二氧化碳的排放情况。安装二氧化碳监控器设备, 并且做到分户计量和智能化。 (2) 综合利用并管理雨污水。建筑物排放的污水主要有冷却、沐浴、厨房、洗衣以及厨房等废水。为了有效利用这些废水应当建立雨水收集系统和污水处理系统, 对这些废水通过处理系统就地处理后作为中水回用, 如用来冲厕所、冲洗车辆以及浇洒道路等。 (3) 消除暖通空调设备使用氟利昂。

2.2.4 室内环境质量

(1) 热舒适性。热舒适性主要包括气流速度、周围表面稳定、热辐射、空气温度以及空气相对湿度五方面指标, 热舒适在美国供暖制冷空调工程师学会的标准中是对热环境表示满意的意识状态。 (2) 提高通风效率。新风涉及两个方面的问题, 即新风量和新风清洁度。为了保证室内空气的品质应当综合考虑新风量和新风清洁度来进行通风设计。 (3) 根据国家强制标准JC518-93, 建材A类产品为首选, 因此应当使用环保材料进行装修, 选用无污染的家具以及装饰品。为了减少电磁辐射的伤害应当选用节能型低辐射静音的家用电器。为了防止有害气体进入居室应当加强室内空气净化处理的措施, 如厨房的抽油烟机以及燃气热水器等应当具备良好的排烟能力。

2.3 估算项目全寿命周期成本, 计算各设计方案的成本系数CIi

对提出的绿色住宅项目设计方案, 可以根据近年来工程特征相似的绿色住宅项目资料, 运用一定的数学工具, 对拟建项目的全寿命周期成本进行估算, 然后根据公式计算出各建设方案的成本系数CIi。式中Ci表示各个方案的全寿命周期成本。

2.4 计算价值系数VIi

根据上面计算出的FIi和Ci, 按照公式计算出各方案的价值系数。

2.5 决策分析。

根据以上的计算可以得出传统住宅与绿色住宅的价值系数, 然后根据价值系数的大小进行决策分析。优选方案是价值系数较大的那个方案, 然后根据优选方案进行工程建设。

3 结语

为了促进我国经济社会的可持续发展以及建设资源节约型社会和环境友好型社会, 大力发展并且建设绿色住宅是必经之路。但是人们对基于价值工程的绿色住宅功能的成本分析的实践还不够, 这是目前在我国推广绿色住宅的主要障碍之一。因为, 为了大力在我国推广绿色住宅, 迫切的需要分析和研究绿色住宅和非绿色住宅的综合效益, 从而提供政策性的借鉴以及正确的舆论导向。

摘要：发展绿色建筑行动已经上升为国家战略, 大力发展绿色住宅是我国建设资源节约型和环境友好型社会的必然选择, 论文从分析价值工程和绿色住宅的内涵入手, 研究价值工程在绿色住宅投资决策中的应用, 论证了价值工程理论在绿色住宅投资决策中应用的可行性, 并对其应用流程作了具体分析, 特别是对绿色住宅的功能分析, 从低能耗、低污染、低排放和室内环境质量等四个方面建立了评价指标体系。这对绿色住宅的建设进行基于价值工程的投资决策方法具有重要的理论价值与实践指导意义。

关键词：价值工程,绿色住宅,投资决策

参考文献

[1]国务院办公厅.关于转发发展改革委住房和城乡建设部绿色建筑行动方案的通知, 2013.

[2]王恩茂, 刘永辉, 鲍学英, 刘永强.基于全寿命周期费用节能住宅投资决策研究[J].建筑经济, 2010 (5) :31-33.

[3]王恩茂.基于全寿命周期费用的节能住宅投资决策研究[D].西安:西安建筑科技大学, 2008.

住宅投资模型 篇7

住宅性价比的研究在消费者住宅选择问题上具有极高的应用价值, 值得市场各方关注。然而, 对性价比的研究长期以来仅停留在定性阶段, 本文则找到影响性价比的主要因素, 通过定性与定量相结合, 得到更加科学的性价比模型;对住宅性能的评价, 相关研究在运用层次分析法时, 确定各性能指标的权重基本都是在客观、固定的条件下进行的, 而没有根据个人关注点的不同采取个性化的解决方案, 由于住宅市场中需求方的多元化, 不同的人对同一住宅的各指标的偏好不同, 满意度也因人而异, 本文在运用层次分析法时, 将客观与主观结合综合分析, 在一定的指标体系基础上结合消费者对各指标的主观关注程度, 对各指标赋予相应权重, 建立基于消费者主观评价的住宅性能评价模型;最后, 把此性能评价模型代入到之前建立的性价比模型中去, 两者相结合即可得到基于消费者主观评价的住宅性价比模型, 在住宅性价比研究领域中具有一定的创新意义, 是评定住宅性价比的可行方法之一。

2.住宅性价比模型

将住宅性价比量化, 通过比值高低来判断基于消费者偏好的住宅优劣。住宅性价比是住宅性能与价格之比, 根据住宅性价比的定义, 可得到性价比模型[2]:B=PF, 其中, B为性价比, F为住宅性能, P为住宅价格。一套住宅的价格是确定的, 若要了解此套住宅在消费者自己关注偏好的基础上的性价比的数值, 就需从住宅性能入手进行研究。

3. 基于消费者主观评价的住宅性能评价模型

3.1 性能指标

为引导居民正确客观评定和购买住宅, 国家已借鉴发达国家的经验, 颁布了《商品住宅性能评定方法和指标体系》 (以下简称《体系》) 及其管理办法。本文依据此《体系》的《住宅性能评定技术标准》划分住宅性能评价指标, 并选择前三层指标构成指标体系, 如表1所示。

3.2 性能评价模型

以上住宅性能的评价指标都是定性的, 直接利用定量计算模型对其评价不可行, 因此, 需要有一种将定性评价量化的工具, 如本文将要采用的层次分析法。此法是由美国运筹学家T.L.Saat y于20世纪70年代提出的一种新的系统分析方法, 是一种定性与定量相结合的决策分析方法, 它紧密联系决策者的主观判断和推理分析, 对决策者的推理过程进行量化的描述。

运用层次分析法一般有一下几个步骤:

3.2.1 建立层次结构

将问题条理化、层次化, 构造出一个有层次的结构模型。层次最上面为目标层, 最下面为方案层, 中间是准则层或指标层。

3.2.2 构造判断矩阵

设某层有n个因素, 要比较它们对上一层同一目标的影响程度, 确定在目标中相对于某一准则所占的比重。

上述比较是两两因素之间进行的比较, 利用1-9尺度求出它们对于同一个目标的重要性。用aij表示第i个因素相对于第j个因素的比较结果, 得到两两比较判断矩阵, 且

其中A称为成对比较矩阵。当成对比较矩阵A= (aij) nxn满足以下性质: (1) aij>0; (2) aij=a1ij; (3) aij=1则称为正互反阵。

3.2.3 层次单排序及一致性检验

层次单排序:确定下层各因素对上层某因素影响程度的过程。用权值表示影响程度, 先从一个简单的例子看如何确定权值。例如一块石头重量记为1, 打碎分成个小块, 各块的重量分别记为:w1, w2, …, wn, 则可得成对比较矩阵

在正互反矩阵A中, 若aik·akj=aij, 则称A为一致阵。

若成对比较矩阵是一致阵, 则我们自然会取对应于最大特征根的归一化特征向量{w1, w2, …, wn}, 且, 其中wi表示下层第i个因素对上层某因素影响程度的权值。若成对比较矩阵不是一致阵, Saat y等人建议用其最大特征根对应的归一化特征向量作为权向量W, 则

AW=λW, W={w1, w2, …, wn}, 由于λ连续的依赖于aij, 则λ比n大的越多, A的不一致性越严重。用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量, 其不一致程度越大, 引起的判断误差越大。因而可以用λ-n数值的大小来衡量A的不一致程度。

定义一致性指标, 其中n为A的对角线元素之和, 也为A的特征根之和。

定义随机一致性指标RI, 随机构造个成对比较矩阵, 则有:

随机一致性指标RI的数值:

一致性检验:当一致性比率时, 认为A的不一致程度在容许范围之内, 可用其归一化特征向量作为权向量, 否则要重新构造成对比较矩阵, 对A加以调整。

3.2.4 层次总排序及其一致性检验

确定某层所有因素对于总目标相对重要性的排序权值过程, 称为层次总排序。

计算最下层对最上层总排序的权向量。利用总排序一致性比率:

进行检验, 若通过, 则可按照总排序权向量表示的结果进行决策, 否则需要重新考虑模型或重新构造那些一致性比率CR较大的成对比较矩阵。

3.3 消费者主观评价

判断矩阵的构造, 需要将同一层次的各指标两两比较其相对重要性, 而各指标的相对重要性因人而异[5], 由消费者根据自己对住宅的关注点和要求给出。计算得到消费者对各指标的偏好 (权重) 之后, 将其与消费者对各住宅各指标的满意度wi (权重系数) 加权求和, 即得到基于消费者主观评价的住宅性能F=蒡wisi。

4. 基于消费者主观评价的住宅性价比模型

当住宅的综合性能由上面计算得到之后, 将其表达式带入到前面建立的住宅性价比模型中, 把住宅性价比模型与住宅性能评价模型相结合, 得到基于消费者主观评价的住宅性价比模型:

其中, B为住宅性价比, P为住宅价格, Wi为消费者对各指标的偏好 (权重) , si为消费者对各住宅各指标的满意度 (权重系数) 。此模型结合了定性与定量、客观与主观, 为消费者购房提供更加科学、实际的依据。

5. 结论及建议

对住宅性价比的研究是值得市场各方关注的问题, 本文在长期以来仅停留在定性阶段的性价比研究基础上定性与定量相结合, 得到更加科学的性价比模型;并运用层次分析法建立了基于消费者主观评价的住宅性能评价模型, 根据个人关注点的不同采取个性化的解决方案, 将客观与主观相结合综合分析;最后, 把之前建立的性价比模型与此性能评价模型结合起来, 得到基于消费者主观评价的住宅性价比模型, 为消费者购房提供更加科学、实际的依据。

推而广之, 可以编写通用程序, 消费者只需提供对住宅各性能指标的主观偏好程度, 及各套住宅各指标的满意度, 房地产公司或服务机构即可根据消费者的关注需求, 个性化确定性能评价指标的权重, 方便计算得到各住宅性价比数值, 从而为购买商品房提供参考。

参考文献

[1]于春田, 李法朝.运筹学[M].北京:科学出版社, 2006.

[2]张爱婷, 周旭.房地产业中商品住宅性价比的量化分析[J].统计与决策, 2005 (10) .

[3]《住宅性能评定技术标准》编制组.住宅性能评定技术标准实施指南[M].北京:中国建筑工业出版社, 2006.

[4]许树柏.层次分析法原理[M].天津:天津大学出版, 1988.