商鋪特征定價(jià)模型優(yōu)化分析

1、16商業(yè)時(shí)代（原名商業(yè)經(jīng)濟(jì)研究2010年6期商鋪特征定價(jià)模型 優(yōu)化分析題提出Hedonic模型，又名特征價(jià)格模型或享樂價(jià)格模型，是國(guó)外用來處理異質(zhì)產(chǎn)品差異特征與產(chǎn)品價(jià)格之間關(guān)系時(shí) 廣泛應(yīng)用的一種模型。1966年美國(guó)學(xué)者Lancaster提出的消費(fèi)者理論和1974年美 國(guó)經(jīng)濟(jì)學(xué)家Rosen提出的市場(chǎng)均衡模型奠 定了特征價(jià)格定價(jià)法的理論基礎(chǔ)。20世 紀(jì)80年代以后，特征價(jià)格模型得到了拓展和 廣泛應(yīng)用。特征價(jià)格理論認(rèn)為商品雖然不同質(zhì)，但組成這些不同質(zhì)的元素是相同的，區(qū)別只 是元素量的不同。盡管不同區(qū)位上的商 品價(jià)格差異很大，但商品同一屬性的特征 值 卻有著相同的價(jià)格，通過集合多種屬性特征，分別乘以每

2、種屬性對(duì)應(yīng)的價(jià)格，可以求 和確定該商品的價(jià)格。特征價(jià)格模型 主要關(guān)注的是產(chǎn)品屬性的隱含價(jià)格，近些年被 越來越多的統(tǒng)計(jì)機(jī)構(gòu)所接納，并被認(rèn)為是最有前途的定價(jià)方法，普遍運(yùn)用于汽車、計(jì) 算機(jī)、房地產(chǎn)行業(yè)和環(huán)境、資源等 非市場(chǎng)物品等方面，但是對(duì)于商鋪的特征屬性還 沒有單獨(dú)的劃分。問肖岳峰 副教授衛(wèi)海英（桂林電子科技大學(xué)管理學(xué)院 廣西桂林541004中圖分類號(hào)：F726文獻(xiàn)標(biāo)識(shí)碼:A內(nèi)容摘要：本文結(jié)合聚類分析法和He -donic模型,對(duì)區(qū)別于住宅的商鋪特征定 價(jià)進(jìn)行研究，通過對(duì)商鋪各特征的歸納 和量化處理，建立了適合于商鋪的特征 屬性。 通過對(duì)樣本數(shù)據(jù)進(jìn)行橫向聚類分 析，將商鋪細(xì)分為高、中、低檔三類；通

3、過縱向聚 類分析，將變量進(jìn)行分類，并篩選典型指標(biāo)。同時(shí)針對(duì)每類細(xì)分市 場(chǎng)構(gòu)建單獨(dú)的定價(jià) 模型,并與未分類前 的模型進(jìn)行比較，可發(fā)現(xiàn)優(yōu)化后的定價(jià) 模型針對(duì)性更強(qiáng)，效率提 高，從而使房 地產(chǎn)商和投資者能夠?qū)Χ▋r(jià)決策做出快 速反應(yīng)。關(guān)鍵詞：Hedonic模型商鋪定價(jià)變量選擇聚類分析鑒于此,本文將H e d o n i c模型理論運(yùn)用于商鋪定價(jià)，對(duì)區(qū)別于住宅各特征 屬性的變量進(jìn)行選擇和量化，并通過實(shí)證 數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，著重對(duì)商鋪市場(chǎng)進(jìn)行細(xì)分,在典型指標(biāo)的選擇問題上進(jìn)行分析和研究，以得出更為高效的定價(jià)模 型。商鋪定價(jià)特征選擇及量化以往的研究往往把住宅的特征分為區(qū)位特征、結(jié)構(gòu)特征和鄰里特征三大類。商鋪和

4、住宅同屬于房地產(chǎn)市場(chǎng)，但是商鋪和住宅的價(jià)格特征屬性還是存在很大程度 的差別。因此在Hedonic理論的基礎(chǔ)上研究 商鋪價(jià)格時(shí)，有必要分析和選擇適合于 商鋪的特征屬性。一間商鋪包含的特征很多，在建立特征彳/T格函數(shù)時(shí)，選擇恰當(dāng)?shù)?自變量對(duì)于研究顯得尤為重要。研究中應(yīng)恰當(dāng) 引入相關(guān)的特征變量并選擇合理的 量化方式，遺漏變量或測(cè)量的錯(cuò)誤將導(dǎo)致參數(shù)估 計(jì)不準(zhǔn)確進(jìn)而影響價(jià)格指數(shù)的構(gòu) 建。表1 商鋪特征變量及量化特征特征變量結(jié)構(gòu)x1建筑面積商鋪面積實(shí)際觀測(cè)數(shù)據(jù)（平方米+x2裝修程度商鋪裝修程度Likert量表法,共分5檔:無裝修（1分、+簡(jiǎn)易裝修（2分、中檔裝修（3分、高檔裝修（4分、精裝修（5分x3所在

5、樓層商鋪所在樓層實(shí)際觀測(cè)數(shù)據(jù)（層-x4停車位有無車位虛擬變量法：有車位則賦值1,否則為0+x5廣告位 版面大小實(shí)測(cè)數(shù)據(jù)（平方米+x6產(chǎn)權(quán)產(chǎn)權(quán)剩余使用年限 實(shí)際觀測(cè) 數(shù)據(jù)（年+x7配套設(shè)施供水、排水、供電、 綜合評(píng)價(jià)打分法：每符合一項(xiàng)為1分+網(wǎng)絡(luò)、電話、無線x8內(nèi)部結(jié)構(gòu) 過多承重墻、柱體數(shù)量綜合評(píng)價(jià)打分法：每符合一項(xiàng)為1分-x9可視性朝陽(yáng)虛擬變量法：朝陽(yáng)則賦值1, 否則為0+x10朝向臨街還是背街 虛擬變量法：臨街賦值1,背街為0+鄰里x11周邊環(huán)境1000米內(nèi)社區(qū)和學(xué)校數(shù)量綜合評(píng)價(jià)打分法：每符合一項(xiàng)為1分+x12物業(yè)環(huán)境物業(yè)管理服務(wù)質(zhì)量Likert量表法，分為5級(jí):極差（1分、+差（2分、一般

6、（3分、好（4分、非常好（5分x13治安環(huán)境周邊區(qū)域治安情況Likert量表法,分為5級(jí):極差（1分、+差（2分、一般（3分、好（4分、非常好（5分x14商務(wù)配套1公里內(nèi)的銀行、商務(wù)中心、綜合評(píng)價(jià)打分法：每符合一項(xiàng)為1分+電信、速遞、商業(yè)管理處x15人口密度 方圓2公里內(nèi)人口密度 實(shí)際觀測(cè)數(shù)據(jù)（人/平方公里+x16工資水平 鄰近社區(qū)人口平均工資 實(shí)際觀測(cè)數(shù)據(jù)+x17環(huán)?？諝?、噪音、廢物、廢水綜合評(píng)價(jià)打分法：每符合一項(xiàng)為1分-區(qū)位x18C B D距離到中心商務(wù)區(qū)距離 實(shí)際觀測(cè)數(shù)據(jù)（公里-x19步行街距離 到步行 街出入口距離 實(shí)際觀測(cè)數(shù)據(jù)（公里-x20廣場(chǎng)距離 到市政廣場(chǎng)距離 實(shí)際觀測(cè)數(shù)據(jù)（公

7、里-x21社區(qū)距離 離最近社區(qū)出入口的距離 實(shí)際觀測(cè)數(shù)據(jù)（公里-x22車站距離 離最 近車站的距離 實(shí)際觀測(cè)數(shù)據(jù)（公里-x23交通條件500米內(nèi)公交線路條數(shù) 實(shí)際觀測(cè) 數(shù)據(jù)（條+x24商圈半徑 鄰近核心商圈半徑 實(shí)際觀測(cè)數(shù)據(jù)（公里+x25商圈地位鄰近商圈地位Linkert量表法：中心（5分、區(qū)域（4分、+社區(qū)（3分、街區(qū)（2分，其他為（1分x26商圈成熟度 鄰近商圈成熟度Likert量表法,共分5檔:不成熟（1分、+稍微成熟（2分、一般（3分、成熟（4分、非常成熟（5分其他x27時(shí)間因素 掛牌時(shí)間實(shí)際觀測(cè)數(shù)據(jù)：以月份表示十商業(yè)經(jīng)濟(jì) Commercial Economic考慮到商鋪售價(jià)的動(dòng)態(tài)性，

8、在應(yīng)用商鋪特征價(jià)格定價(jià)時(shí)，有必要在區(qū)位、結(jié)構(gòu) 和鄰里三個(gè)特征的基礎(chǔ)上，考慮另外一個(gè)重 要的特征即時(shí)間，相應(yīng)地，組成三個(gè)特征 的具體因素權(quán)重也會(huì)有所變化。時(shí)間屬性作為一個(gè)控制變量，可衡量當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)發(fā)展對(duì)商鋪的影響，也可以反映商鋪價(jià)格隨 時(shí)間變化的總體趨勢(shì)，從而進(jìn)行價(jià)格預(yù) 測(cè)。本文通過對(duì)廣東東莞市商鋪的問卷調(diào)查和實(shí)地取證，經(jīng)數(shù)據(jù)統(tǒng)計(jì)，歸納得出商鋪特征變量及所采用的量化方法（見表1。對(duì)數(shù)據(jù)及特征的聚類細(xì)分 聚類分析是指按 物以類聚”的原則，把特性相近的觀 測(cè)或變量進(jìn)行分類。本文在Hedonic模型的基礎(chǔ)上，通過對(duì)東莞市42家商鋪的調(diào)查 及統(tǒng)計(jì)數(shù)據(jù)的分析研究，采用兩步聚類分析法，即對(duì)所收集的數(shù)據(jù)分別

9、進(jìn)行橫向和縱 向聚類分析，旨在既對(duì) 商鋪市場(chǎng)進(jìn)行高、中、低檔細(xì)分，又解決 眾多變量的典型選擇 問題。（一橫向聚類分析考慮到商鋪的細(xì)分能夠增強(qiáng)特征模型定價(jià)的精確性，首先對(duì)所收集的樣本數(shù)據(jù) 進(jìn)行橫向聚類分析。采用統(tǒng)計(jì)軟件SPSS13.0選用Q型聚類分析方法，指定所有收集數(shù)據(jù)為檢驗(yàn)變量，指定Number Of Clusters分類數(shù) 為3,選用方法為Iterate And Classify （迭代且分類。由Cluster Membership （分類成 員輸出結(jié)果可以看出，樣本1、2、6、24、25、26、38共 7 個(gè)數(shù)據(jù)為第一類，9、11、15、16、19、22、23、27、28、29、30、3

10、1、32、34、35、36、39、41共18個(gè)數(shù)據(jù)為第二類，其余為第三 類。由分析結(jié)果和觀察可發(fā)現(xiàn)，第一類即為高檔商鋪，第二類為低檔商鋪，第三類為 中檔商鋪，完成了細(xì)分的第一步。（二縱向聚類分析特征定價(jià)的另一難題就是商品的隱含 因素眾多，使得數(shù)據(jù)統(tǒng)計(jì)較難，這難免影 響 定價(jià)效率。本文通過縱向聚類分析（即R型指標(biāo)聚類 來篩選代表性指標(biāo)，以便更 高 效、快捷地進(jìn)行商鋪特征定價(jià)。1 .變量指標(biāo)分類。將27個(gè)自變量指定 為檢驗(yàn)變量，分類選Variables（變量聚類, 分類方法選Between-groups link-age（類間平均鏈鎖法，距離測(cè)量技術(shù)選 Pearson correlation （相

11、關(guān)系數(shù)距離，并指定分類數(shù)為8。從輸出結(jié)果可以看出，42例樣本完全 進(jìn)入聚類分析。由分類成員輸出結(jié)果可以看出，建筑面積、所在樓層、廣告位、內(nèi)部結(jié)構(gòu)、人口密度、工資水平、商圈半徑共 7個(gè)變量為第一類，裝修程度、可視性、CBD距離為第二類，停車位、廣場(chǎng)距離、社區(qū)距離、商圈成熟度為第三類，產(chǎn)權(quán)、治安環(huán)境、環(huán)保、時(shí)間因素為第四類，配套設(shè)施、物業(yè) 環(huán)境、車站距離為第五類，朝向、商務(wù)配套、 商圈地位為第六類，周邊環(huán)境為第七類，步 行街距離、交通條件為第八類。通過變量分類，既減少了數(shù)據(jù)收集和運(yùn)算的難度，同時(shí)又不影響模型定價(jià)的效果。2 .典型指標(biāo)的選擇。 對(duì)于八個(gè)分類中，哪一個(gè)指標(biāo)才是解釋各類的最優(yōu)指標(biāo)問題，則

12、可以通過下列方法篩選出典型指標(biāo)。先按下面公式計(jì)算各分類中每一變量與其余變量的相關(guān)指數(shù)（即相關(guān)系數(shù)的平方的均值，而后把該值最大的變量作為典型指標(biāo)。（式中m為類中變量個(gè)數(shù)例如對(duì)第一類來說，由P r o x i m i t yMatrix （相關(guān)系數(shù)矩陣 輸出結(jié)果,可得類中相關(guān)指數(shù)的均值計(jì)算依次為故選擇建筑面積X 1為第一類的典型指標(biāo)。同理可得出其他類的典型指標(biāo)依次為:CBD距離、社區(qū)距離、時(shí)間因素、物業(yè)環(huán)境、商圈地位、周邊環(huán)境和交通條件。模型構(gòu)建及比較由所細(xì)分的市場(chǎng)及篩選的典型指標(biāo)，利用多元線性回歸即可分別求出高、中、低 檔商鋪的特征定價(jià)模型。選用常用的對(duì)數(shù)線形模型進(jìn)行分析，首先對(duì)高檔商鋪的數(shù)據(jù)單

13、獨(dú)進(jìn)行回歸分析， 選用enter進(jìn)入方法。由分析結(jié)果可構(gòu)建定價(jià)方程式如下：I n p =9. 775+0. 11x11+0. 079x120.115x18+0.08x27(1同理可得中、低檔商鋪的定價(jià)方程式分別為：I n p =9. 875+0. 009x11+0. 007x12-0.034x18-0.027x21+0.061x27(2Inp=8.563+0.001x1+0.014x11+0.046x12 + 參考文獻(xiàn)：1.溫海珍.城市住宅的特征價(jià)格：理論分析與實(shí)證研究D .浙江大學(xué),2004 2. 王旭育.基于h e d o n i c模型的上海 住宅特征價(jià)格研究D .同濟(jì)大學(xué)，2006 3

14、.周 麗萍.商品住宅特征價(jià)格模型與 指數(shù)的應(yīng)用研究D .西安建筑科技大學(xué)，20084.周仁郁.SPSS13.除計(jì)軟件M.西南交通大學(xué)，20050. 005x23-0. 033x27(3未進(jìn)行聚類分析前，即沒有對(duì)商鋪進(jìn)行檔次細(xì)分和典型指標(biāo)的選擇，選用對(duì)數(shù) 線形模型對(duì)整體樣本進(jìn)行回歸分析，那么構(gòu)建的定價(jià)方程式為：I n p =10. 821+0. 02x2-0. 813x 3 +0.141x4+0.029x5+0.002x6-0.021x 8 +0.022x10+0.001x11+0.035x13-0.126x 18 -0.071x19-0.072x20-0.129x21-0.037x 22 +0.05x23+0.046x24+0.011x25+0.02x 26 +0.006x27(4通過比較，明顯可發(fā)現(xiàn)細(xì)分過后的商 鋪定價(jià)不僅針對(duì)性較強(qiáng)，而且由于運(yùn)算的 簡(jiǎn)化使得數(shù)據(jù)的收集更加便捷，從而可使定價(jià)工作更為高效。結(jié)論由于數(shù)據(jù)難于統(tǒng)計(jì)，Hedonic模型的細(xì)分問題一直是學(xué)者爭(zhēng)論的焦點(diǎn)。本文將 Hedonic模型運(yùn)用于商鋪定價(jià)研究，并結(jié)合聚類分析方法對(duì)商鋪及其影響因素進(jìn)行 市場(chǎng)細(xì)分和典型變量的選擇，通過橫向和縱向兩步聚類分析方法優(yōu)化的模型，使定價(jià) 更具針對(duì)性，定價(jià)決策更具說服力。對(duì) 于特定商鋪的定價(jià)，可通過判別分析和建立判別函數(shù)