特征价格模型在房产税税基评估中应用.docVIP

特征价格模型在房产税税基评估中应用 　　摘要：本文通过对税基评估的批量评估方法的研究，欲建立特征价格模型与统计分析方法的有机连接，对所采集的二手商品住宅的税基计算进行模拟分析评价，最后得出具有一定范围适用性的估算房产税税基的回归方程。基于此，本文还推断，完备的GIS系统和自动评估技术在不动产税基评估中的应用，将会对提升特征价格模型的可用性和可靠性产生更佳效果。 　　关键词：房产税；税基评估；特征价格模型 　　一、引言 　　当前，对个人住房征收房产税问题已日益引起社会的关注，2003年“物业税”第一次出现在政府工作报告中，其后的7年里，我国陆续采用批量评估技术对十多个试点省市的物业税实施了模拟“空转”运行。2011年1月，国务院常务会议决定在上海和重庆两市进行对个人住房征收房产税改革试点，两市相继出台了相应的《暂行办法》和《实施细则》，我国房产税改革就此拉开了序幕。 　　二、房产税税基的批量评估及其适用性 　　批量评估的基本原理是在利用某种模型方法对批量资产进行模拟评估后，应用一系列统计、计量、计算机技术对上述模拟评估进行检验和修正，直至评估结果能够在可接受的偏差范围内较大程度地接近被评估资产的实际价值。 　　基于房产税税基评估工作所涉及的评估对象数量多、差异因素日益多样化、评估工作量大等特点，传统的三大评估方法（成本法、收益法、市场法）各自存在固有局限性，已难以满足房产税税基评估需要。故此，目前多数征收不动产税的西方国家在进行房产税基评估时，普遍采用批量评估技术来予以实现。而本文利用的特征价格模型正是实现批量评估的一种技术方法。 　　相关理论及事实已证明，建立在完备的GIS系统和自动评估技术支持下的批量评估方法在不动产税税基评估方面的综合适用性较强、可操作性高、偏差具有技术可控性。 　　三、基于批量评估的Hedonic特征价格模型及其应用 　　从实用、便利、准确性角度考虑，基于批量评估的自动评估技术（AVM）日益迅猛发展，而自动评估技术根据其模型所采用的数学方程的不同，可分为特征价格模型和按时间趋势变动的模型两类。本文拟采用特征价格模型对所采集的石家庄市裕华区二手房挂牌交易数据进行模拟分析，以进一步验证其可用性。 　　（一）特征价格模型的函数形式 　　Hedonic特征价格模型的一般形式为：P=f（x1，x2，…，xn），其中xi表示商品的第i种特征，P为商品价格。理论上，特征价格模型中常用的函数形式有四种，分别为（1）线性形式：P=β0+∑βixi+ε；（2）半对数形式：lnP=β0+∑βixi+ε；（3）对数形式：lnP=β0+∑βilnxi+ε；（4）逆对数形式：P=β0+∑βilnxi+ε。 　　（二）特征价格模型数据变量的定位 　　本文数据来源：考虑到批量评估的内涵及其对样本的要求，本文数据样本系通过对http：///石家庄裕华区644套二手房的网上挂牌信息的查询和对相关机构人员的咨询调查而得。 　　1.因变量的选取。由于房产税税基主要涉及相应房产的总价值量，而房产的均方单价正是对其总价值量的反应；并且有相关研究表明，房产的交易价格与其挂牌价格之间存在较稳定的线性关系，例如，“通过对杭州市房产的成交价格及其挂牌价格的研究即得出：成交价格=-11960+0.930*挂牌价格”[4]，因此本文选取各调查样本挂牌数据的平均单平方米价格p作为因变量。 　　2.自变量的选取。首先，由于本文所采集的挂牌数据集中于2013年4月25日至5月25日内，其挂牌价格期日调整的空间甚小，因此模型的实现过程忽略了对价格的期日调整。 　　特征价格模型是一种基于区位特征、建筑特征、和邻里环境特征三方面的差异来估测不动产价值量的方法，因此，本文从上述三个方面的主要影响因素来选取自变量的。对于区位特征，本文选取繁华程度、交通情况、基础设施3个主要因素；对于建筑特征，选取建筑面积、房间数、卧室数、客厅数、主房间朝向、装修程度、楼层、建筑类型、楼龄共9个因素；对于邻里环境特征，选取物业管理、生活配套、教育配套和环境配套4个因素进行分析。 　　对上述16个变量依次以x1（CBD距离）、x2（公交站数）、x3（基础配套）、x4（建筑面积）、x5（房间数）、x6（卧室数）、x7（客厅数）、x8（建筑朝向）、x9（装修程度）、x10（所处楼层）、x11（建筑类型）、x12（建筑楼龄）、x13（物业管理）、x14（生活配套）、x15（教育配套）、x16（环境配套）来表示。 　　（三）模型的建立及实现 　　本文应用多元回归分析方法来对相应的自变量单方价格p及选取的16个描述性变量间关系进行综合分析评价，并期望得到具有一般适用性的回归方程。应用SPSS19.0对数据进行处理。 　　1.因变量和自变量的回归分析 　　（1）