房屋租赁管理对策问题现状影响及法律效应论文(共7篇) .pdfVIP

房屋租赁管理对策问题现状影响及法律效应论文（共7篇）

第1篇：基于互联网房屋租赁信息的住房租金微观影响因素研究

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）提出消费者偏好理论，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对数形式：

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

（generalizedlinearmodel）由NelderWedderburn（1972）首先提出，是一般线性模型的直

接推广，它使因变量的总体均值通过一个非线性连接函数（linkfunction）而依赖于线性预测

值，同时还允许响应概率分布為指数分布族中的任何一员。连接函数解释了线性预测子与分

布期望值的关系，函数形式的选择可视情形而定，通常只要符合链接函数的值域有包含分布

期望值的条件即可。本文在进行多次尝试后，根据模型拟合优度，最终使用伽马分布，并以

倒数形式作为连接函数。

三、实证分析

1.数据来源及数据预处理

本文所使用的数据来源于56同城网站。58同城（http：//58.com）是国内第一中文分

类信息网站与免费信息发布网站，内含海量的房产信息，包括全国各主要城市的房屋出租信

息。对于每一条租房信息，其主要项目有发布日期（时间）、所在城市、房源名称、租金、

面积、户型、类型、楼层、配置以及所在的小区与地址等。在分析该网站及相关网页结构的

基础上，基于.Net框架，采用C#语言，自行设计了一个颇具通用性与灵活性的租房信息采

集程序，并通过Windows系统中的任“务计划程序”，每天按指定的时间与间隔启动之，依

据所设定的采集方案与规则，成功地实现了各有关城市一定数量的租房信息的自动采集，同

时将所采集到租房数据持续地添加到SQLServer数据库中。

本文主要选取了2015年11月4日-2015年12月6日期间发布的北京市住房信息，并

将租金、面积、楼层、装修程度、配置以及所在城区作为模型变量。在缺失值删除、异常值

删除之后，得到1459