位置对城市存量房价格的影响分析房屋本身特征对房价的影响有哪些？下面为建筑行业人士带来位置对城市存量房价格的影响分析及相关内容。1引言传统的单中心城市（MonocentricCity）理论是对复杂市格局的理论抽象，该理论假设城市居民在市中心工，居民在选择市中心的住宅或远离市中心的住宅时会虑往返于住处和工作场所的交通成本，随着住宅位置偏市中心，通勤的交通成本需要通过降低的房价来弥补，此市中心的房价和非市中心的房价差是由市民的通勤本，即房屋距离市中心的远近来决定的[1]。文献中常有于位置等各种因素对房价影响的研究，但究竟是哪些素影响力较大却没有定论。不同于单中心城市理论强调房产位置的重要性，目应用较多的特征价格模型（HedonicModel）通常将房本身的特征作为主要研究对象，并不强调房屋坐落位的影响[2]。特征价格模型要求研究者搜集每个样本房自身特征相关的大量细节信息[3]，研究者受此局限很扩大样本数量；相对而言，单中心城市模型并不要求样本的诸多细节[1]，因此数据相对易得。如果位置能很好地解释房价，意味着可用的数据资源将大大增加，将使房产数据匮乏城市的房产市场研究变得可行。在本文的研究中，将北京市作为研究对象，定量分析房屋位置对北京存量房价格的解释力。2模型及变量根据单中心城市理论，可以预测房屋位置信息能在较大程度上决定房价，在此提出第一条假设：假设1：单位房价与房屋距市中心的距离呈负相关关系，即模型中房屋与市中心距离的系数为负。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---为了验证假设1，采用线性回归模型来拟合距离变量与房价的关系。因为我们关注的主要是房产位置，因此设定模型如式（1）：Log（unit_price）=β-XLocation+ε（1）其中，因变量是取对数的房屋单位交易价格（unit_price）；自变量是房屋位置信息XLocation，包括核心变量房屋距市中心的距离和房屋方位。若假设1成立，则β值应为负。另外，所搜集的数据中包含房屋面积的信息，故可以考察房屋面积与房价的关系。房屋作为一种商品应当符合商品普遍适用的边际效用递减原理，如果将房屋面积看成是商品的数量，当房屋面积较小时，人们愿意支付较高的单位价格来购买；而当房屋面积较大时，人们愿意支付的单位价格将下降。Lin与Evans曾做过类似的研究，他们深入分析了土地价格与宅基地面积关系的凹凸特性[4]。在此基础上我们提出假设2：假设2：单位房价与房屋面积呈负相关关系，即模型中房屋面积的系数为负。模型（2）用于检验假设2，式中square_meter为房屋面积：Log（unit_price）=α1-square_meter+ε（2）根据原始数据中的位置信息，很容易得到第三类变量，即房屋交通信息，包括房屋距离环路和地铁的信息。掌握了这些交通信息，可以在控制房屋离市中心距离的前提下比较环路和地铁对房价的影响，比如与外环相比，内环对提升房价是否有更强的作用。为此设定的第三个模型是：Log（unit_price）=γ1-square_meter+γ2-square_meter2+γ-3XLocation+γ4-XTraffic+ε（3）其中，XTraffic为房屋交通信息变量。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---3北京市房屋位置对房价影响的实证分析3.1数据来源从北京市房管局网站搜集了2007年7月至2008年1月的18111条有效的存量房交易数据，包括存量房的交易代码、该房所属城区、房屋面积、成交总价以及交易日期等信息。3.2数据基本统计特征及描述性分析表1列出了北京市各区县存量房交易量的分布情况，其中朝阳区、海淀区和丰台区交易较活跃。图1和图2分别是存量房交易价格三维分布图和平面分布图，更直观地表现了数据集的特征。图1和图2中坐标点（0，0）处均为天安门，以此来代表城市中心。图2中的四个闭合线圈由内到外分别是北京市二环、三环、四环及五环路，五条粗线是北京市已开通的地铁1号线、八通线、2号线、5号线和十三号线。因为房产位置信息没有精确到街道，所以在绘图过程中将18111条纪录所在的82个地区进行了平均化处理。图2中以圆圈来代表数据库中二级片区所处的位置，圆圈的直径表征该片区所有存量房的平均交易单价，直径越...