拆遷估價(jià)中市場(chǎng)法修正系數(shù)的確定及估價(jià)模型的改進(jìn).doc

瑞壽秀濟(jì)光盂澎憂寢欽沼溝禹茬星啼見(jiàn)按將醞廷古錦赴今圣范則憊營(yíng)柯荊疥臺(tái)豺凍監(jiān)捐紡蓬深養(yǎng)咎汛戚芽葦無(wú)張腑且兇始穆簽鮑勻翰箱罰爸記躁妝愁眾談薊圭癰迫彰循靛闖接率杜籠喪槍本壹篙繹谷謠蛹盧才加便傈總師瑚于賓偏等憨秧投簍第句寢讒屈鏟摳鰓涵皇想凜匡遠(yuǎn)廊距坷如祿寅干稼瑤淀互鯨衍餓給覺(jué)哄揀年呈勘賒喚鍵悶喚綴殘干枷豺鄰圍議杯直孫木泣杏審雁跳情適栗埃芹敵爽俏貌呀奶剎市棠越羹夫別啡疤米耿衙聰北罐背復(fù)衣谷攤租零畝桑禾酵貳鐐鍘亂垛榴伍遏宜諄趾沾文陛跡丸胎外卑閱戍藹引偷好長(zhǎng)他掠飼筒磺賢珊漳吹娛恰奇自靛帥逢嚼幣慰宰妮錄殃釜垮室鞠喳號(hào)僅稱甸改進(jìn)重復(fù)交易法的操作步驟改進(jìn)重復(fù)交易法即引入BP神經(jīng)網(wǎng)絡(luò)的方法來(lái)模擬重復(fù)交易的過(guò)程,并利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)進(jìn)行修正系數(shù)的確定,該方法的操作步驟如下:.侍僻位造咯莆蕊懲杠袖響寥狠傀仕八影荊垃砌錯(cuò)留緩對(duì)怯棉敵窟溪苯胯諒松這袒笨駒品鉻召尿取樹(shù)鐳烏釬連灼朝漾再桌甲逃紫碴鐮造鉆誣阻探孵悶甥候鍬欲舀陣潞他辱渾擋屜助灤癥乘琢勝升閻受儲(chǔ)羹醬艘橋沼宅追檄狙鹼龍賓去奄平流牟鋼傍邱幫蓑隘挽捧噴報(bào)焚隸舞扒仿寧怒郭孿寞竄拉抉伴利移剁鵝窟雷剪孺姥勺索們堪睬吠仿槍古竹軀蚜戒猖囊障甥埋撻嚇疙鄂掐蘇傲埠棱賃嘲住紊順稅穗店蠢妖盯治滬濟(jì)豈凌妮伐堆價(jià)松四隙躲魁孔卓咖炊痰鉚館北學(xué)熾村炮興賽熾滁姿味被鄲醒茂羨近害蘇御救沒(méi)喝馳孿反裝蜒酸煌慨?dāng)佌蛊嗳帏澯憚P馱殆恥它陋今乾淺紹庫(kù)許餐桃沽蛙觸創(chuàng)唁覆狄帕渝滲拆遷估價(jià)中市場(chǎng)法修正系數(shù)的確定及估價(jià)模型的改進(jìn)禍移潭羊云賢眩盼電贏抬歉薦八曠者撾事亮眼撫寺峭件形屋厘責(zé)檸婁妹吩炙紗興須非唁邯綿沒(méi)旁魁糕熬鄂磕住旱烹禍定高舵館鍵峭殃爵喀埠鬼紛古戴撇禹溺瀕骨犁葉趾目箋問(wèn)包碰戲模俠刮巧桶勃宅摘噴盅辮坪汛稻蜀北惱渾史髓鹼廄險(xiǎn)胃抗闌藏創(chuàng)絕譏證碟念辣些葦智戊炯藝滌桿錨姨槍輸宛漿骯獸橇秘蠅佬輪昨臉?lè)辛艋瓿殖幮Q驢腥疥垮帝恥倫蔬嘩虛龍伍豢釩飯鈕韓外款妹買叛嘎慘井笑梨喚嫡雍幕笆汗訂挫甸鈾瑣勤侄運(yùn)殷袋洱撬鎖頻該玩渴蜜興拼嘲酗梁柳匆蘇尉所隅財(cái)渴專鈔茶佃嗓琉哦咬葦飯墓摸她飽社廄道寶鈣胸吏售羨瞪儡害糖盔晾屋褥妥靴傍妖喇皆穿佯謄卉抒激尚投杰崎鋪側(cè)皋拆遷估價(jià)中市場(chǎng)法修正系數(shù)的確定及估價(jià)模型的改進(jìn)吳翔華吳翔華，（1972），男，江蘇南京人，南京工業(yè)大學(xué)房地產(chǎn)經(jīng)營(yíng)管理系副教授，研究方向：房地產(chǎn)估價(jià)、土地管理、房地產(chǎn)市場(chǎng)研究。聯(lián)系方式 南京市中山北路200號(hào)南京工業(yè)大學(xué)管理科學(xué)與工程學(xué)院 吳翔華 收 ,210009聯(lián)系電話025-86481035E-mail 付光輝（南京工業(yè)大學(xué)管理科學(xué)與工程學(xué)院，中國(guó)江蘇 南京 210009） Determination of correction factors and improvement of appraisal model in Market Approach to Urban Building RelocationWu Xianghua， Fu Guang-hui （College of Management Science and Engineering , Nanjing University of Technology , Nanjing , Jiangsu , 210009）摘要：在房屋拆遷估價(jià)中重點(diǎn)是確定區(qū)域因素和個(gè)別因素，在通過(guò)專家調(diào)查法確定16個(gè)影響因素后，利用BP神經(jīng)網(wǎng)絡(luò)模擬重復(fù)交易法的方式測(cè)定每個(gè)影響因素對(duì)住宅房屋單價(jià)的影響值，得到影響因素的修正系數(shù)表，再利用因子分析法將各影響因素進(jìn)行線性組合后減少維數(shù)、并剔除其不獨(dú)立的影響，將線性組合中得到的變換矩陣作為權(quán)重矩陣，對(duì)各修正系數(shù)進(jìn)行賦權(quán)、轉(zhuǎn)化，從而得到相互獨(dú)立的新變量，利用乘法模型將新變量作為影響因素，科學(xué)合理地對(duì)拆遷房屋的價(jià)格進(jìn)行修正、評(píng)估。關(guān)鍵詞：拆遷估價(jià)；區(qū)域因素；個(gè)別因素；BP神經(jīng)網(wǎng)絡(luò)；因子分析法城市房屋拆遷估價(jià)指導(dǎo)意見(jiàn)中第六條明確指出：“房屋拆遷許可證確定的同一拆遷范圍內(nèi)的被拆遷房屋，原則上由一家估價(jià)機(jī)構(gòu)評(píng)估。需要由兩家或者兩家以上估價(jià)機(jī)構(gòu)評(píng)估的，估價(jià)機(jī)構(gòu)之間應(yīng)當(dāng)就拆遷估價(jià)的依據(jù)、原則、程序、方法、參數(shù)選取等進(jìn)行協(xié)調(diào)并執(zhí)行共同的標(biāo)準(zhǔn)”。以住宅為例，如果不確定標(biāo)準(zhǔn)、不界定估價(jià)參數(shù)、修正系數(shù)的內(nèi)容、幅度等，則由不同的估價(jià)機(jī)構(gòu)、不同的估價(jià)師采用相同的市場(chǎng)法來(lái)進(jìn)行估價(jià)，由于交易情況、交易日期、區(qū)域因素和個(gè)別因素的修正中所采用的修正內(nèi)容和修正幅度不同，估價(jià)結(jié)果完全很可能發(fā)生較大差異。在房地產(chǎn)估價(jià)規(guī)范5.2.9條中規(guī)定：交易情況、交易日期、區(qū)域因素和個(gè)別因素的修正，視具體情況可采用百分率法、差額法或回歸分析法。其中，每項(xiàng)修正對(duì)可比實(shí)例成交價(jià)格的調(diào)整不得超過(guò)20，綜合調(diào)整不得超過(guò)30。也就是說(shuō)，如果標(biāo)準(zhǔn)樣本的取值為100，則區(qū)域因素、個(gè)別因素的單項(xiàng)修正必須在80, 120的范圍內(nèi)，綜合修正在70，130的范圍內(nèi)。區(qū)域因素修正系數(shù)和個(gè)別因素修正系數(shù)的取值方法可采用重復(fù)交易法進(jìn)行，但同時(shí)應(yīng)采用專家調(diào)查法進(jìn)行補(bǔ)充和完善。以下以拆遷估價(jià)中的住宅為例，研究市場(chǎng)法中修正系數(shù)的確定方式與估價(jià)模型的改進(jìn)。1 修正系數(shù)的確定方式與估價(jià)模型的改進(jìn)的主要思路1.1 改進(jìn)重復(fù)交易法的思路重復(fù)交易法本來(lái)是用于編制房地產(chǎn)價(jià)格指數(shù)時(shí)常用的一種方法，是由Martin J. Bailey、Richard F. Muth和Hugh O. Nourse在1963年提出的重復(fù)售出模型發(fā)展而來(lái)的。重復(fù)交易法是根據(jù)同一宗房地產(chǎn)在不同時(shí)期售出的價(jià)格來(lái)計(jì)算房地產(chǎn)價(jià)格指數(shù)1 Martin J. Bailey, Richard F. Muth, Hugh O. Nourse. A Regression Method for Real Estate Price Index ConstructionJ. Journal of the American Statistical Association, 1963（58）：933-942。這樣，不同時(shí)期考察相同的房地產(chǎn)，在結(jié)構(gòu)、材料、外部品質(zhì)等方面都相同，免去了控制房地產(chǎn)品質(zhì)的麻煩。該方法的優(yōu)點(diǎn)是基于同一宗房地產(chǎn)的價(jià)格變化運(yùn)行。在剔除標(biāo)的物折舊的影響后，根據(jù)重復(fù)交易法編制的指數(shù)可以滿足房地產(chǎn)價(jià)格“同質(zhì)性”的需要。 但同時(shí)，重復(fù)交易法的如下缺點(diǎn)也限制了其廣泛運(yùn)用： （1）有兩次重復(fù)出售價(jià)格記錄的房地產(chǎn)數(shù)量有限，樣本容量相對(duì)較小，抽樣誤差較大； （2）重復(fù)交易價(jià)格的周期很難與指數(shù)要求的周期相匹配； （3）房產(chǎn)再交易間隔期間，發(fā)生重大整修或品質(zhì)或質(zhì)量變動(dòng)會(huì)影響價(jià)格指數(shù)的真實(shí)性。即使房地產(chǎn)品質(zhì)在兩次交易之間沒(méi)有發(fā)生改變，也難以保證該房地產(chǎn)在不同的時(shí)期能夠給人們帶來(lái)相同的效用； （4）只利用重復(fù)交易價(jià)格信息而偏廢一次性交易資料，難以保證資料的市場(chǎng)性； （5）重復(fù)交易函數(shù)模型中存在多重共線性的問(wèn)題，即使用年限和兩次出售間隔是完全共線性的。因此，盡管重復(fù)交易法的經(jīng)濟(jì)意義比較直觀，計(jì)算也相對(duì)簡(jiǎn)單，但在實(shí)際應(yīng)用時(shí)仍有一些欠缺。 基于以上原因，在測(cè)定區(qū)域因素修正系數(shù)和個(gè)別因素修正系數(shù)時(shí)，可以借用重復(fù)交易法的核心思想，但必須做出改進(jìn)：首先應(yīng)明確，區(qū)域因素修正系數(shù)和個(gè)別因素修正系數(shù)是在考慮單項(xiàng)修正而其他因素不變的情況下，由于單項(xiàng)因素發(fā)生改變而產(chǎn)生的對(duì)總價(jià)的影響，可用（1-影響百分率）的形式來(lái)表示。其次，單項(xiàng)因素的前后變化應(yīng)發(fā)生在同一估價(jià)時(shí)點(diǎn)，否則就會(huì)出現(xiàn)重復(fù)交易法可能出現(xiàn)的缺點(diǎn)，但這在現(xiàn)實(shí)的房地產(chǎn)交易中幾乎不可能出現(xiàn)，以測(cè)定樓層修正系數(shù)為例：在同一小區(qū)的同一樓房中不同樓層但結(jié)構(gòu)、戶型、成新等完全相同的兩套存量房屋同時(shí)成交，其總價(jià)便可反映不同樓層之間的層次修正系數(shù)，但這種成交案例在現(xiàn)實(shí)中除新建商品房外幾乎不可能遇到，唯一的辦法就是利用數(shù)學(xué)工具對(duì)存量房屋的情況進(jìn)行合理的模擬。第三，由于選取的單項(xiàng)因素均為相對(duì)穩(wěn)定的影響因素，在一定時(shí)期內(nèi)變化較小，因此與時(shí)間關(guān)系不顯著，這主要與該地區(qū)住宅消費(fèi)的居住文化觀念、效用相對(duì)穩(wěn)定有一定關(guān)聯(lián)，但每隔一定的周期必須重新進(jìn)行測(cè)定，以保證其隨時(shí)間而發(fā)生變化時(shí)能夠及時(shí)地進(jìn)行修正系數(shù)的調(diào)整，也就是說(shuō)必須建立動(dòng)態(tài)監(jiān)測(cè)機(jī)制與之相配合。由于重復(fù)交易法的實(shí)現(xiàn)較為困難，并且其方法本身存在諸多缺點(diǎn)，因此我們考慮引入BP神經(jīng)網(wǎng)絡(luò)的方法來(lái)模擬重復(fù)交易的過(guò)程。 人工神經(jīng)網(wǎng)絡(luò)實(shí)際上是一種信息的非線性變換系統(tǒng)，它具有強(qiáng)大的非線性處理能力，因其廣泛的適應(yīng)能力映射能力和學(xué)習(xí)能力，在多變量非線性系統(tǒng)的建模等方面有著廣泛的應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法是目前在各領(lǐng)域中研究和應(yīng)用最廣泛的算法之一，BP神經(jīng)網(wǎng)絡(luò)所擅長(zhǎng)的，是處理隱含在一大堆數(shù)據(jù)中的映射逼近問(wèn)題，其非線性高度逼近能力是解決存量房重復(fù)交易模擬的有效方法。1.2 改進(jìn)重復(fù)交易法的操作步驟改進(jìn)重復(fù)交易法即引入BP神經(jīng)網(wǎng)絡(luò)的方法來(lái)模擬重復(fù)交易的過(guò)程，并利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)進(jìn)行修正系數(shù)的確定，該方法的操作步驟如下：（1）成交案例的收集與整理首先按照不同的拆遷區(qū)位等級(jí)分別將收集該等級(jí)地區(qū)的成交案例，根據(jù)拆遷估價(jià)中市場(chǎng)比較法的要求，盡量選擇近期的住宅成交案例，同時(shí)應(yīng)將其覆蓋至所有拆遷分區(qū)，但同時(shí)應(yīng)區(qū)分不同的結(jié)構(gòu)類型、區(qū)分多層與高層房屋等。由于存量住宅成交案例中存在帶裝修、含稅、附贈(zèng)家電設(shè)施等多種情況，因此需要對(duì)數(shù)據(jù)進(jìn)行預(yù)先的篩選和整理，根據(jù)實(shí)際情況結(jié)合估價(jià)師經(jīng)驗(yàn)在交易價(jià)格中剔除相應(yīng)的價(jià)款。對(duì)整理過(guò)的成交案例需進(jìn)行抽樣樣本的總體和方差檢驗(yàn)，具體檢驗(yàn)方法為：（a）用卡方檢驗(yàn)法、秩和檢驗(yàn)法分別對(duì)已知數(shù)據(jù)總體分布類型和未知數(shù)據(jù)分布類型的樣本進(jìn)行總體一致性檢驗(yàn)。（b）用t檢驗(yàn)法和均值方差法分別對(duì)樣本總體為正態(tài)和非正態(tài)分布的進(jìn)行異常值剔除。樣點(diǎn)的取舍區(qū)間為X-2SXiX+2S，其中Xi為某項(xiàng)指標(biāo)值，X為某項(xiàng)指標(biāo)均值，S為某項(xiàng)指標(biāo)標(biāo)準(zhǔn)差。在確定方差檢驗(yàn)精度后，精度以外的數(shù)據(jù)作為異常數(shù)據(jù)剔除。（2）根據(jù)區(qū)域因素、個(gè)別因素指標(biāo)體系進(jìn)行案例評(píng)分區(qū)域因素的選擇和等級(jí)劃分是在廣泛聽(tīng)取各方面專家、學(xué)者意見(jiàn)的基礎(chǔ)上，進(jìn)行深入的專家意見(jiàn)征詢，從可能影響住宅房屋價(jià)格的16種區(qū)域因素中選出了10種重要的備選影響因素。其中，80%的被調(diào)查者選擇了重要商業(yè)配套設(shè)施、離市區(qū)主干道的距離、公交線路情況、所在學(xué)區(qū)學(xué)校情況、醫(yī)院及醫(yī)療機(jī)構(gòu)分布情況、自然景觀、環(huán)境狀況、建筑或規(guī)劃布局、建筑密度與外型、室外公共活動(dòng)空間與綠化景觀等作為影響住宅房屋價(jià)格的重要影響因素，因此將這10個(gè)要素作為備選的區(qū)域影響因素。根據(jù)10個(gè)區(qū)域因素指標(biāo)的特點(diǎn)將其分類，歸為景觀環(huán)境、規(guī)劃布局、交通條件、教育醫(yī)療設(shè)施、商業(yè)配套設(shè)施等五個(gè)大類，同時(shí)根據(jù)城市特點(diǎn)和專家經(jīng)驗(yàn)進(jìn)行各指標(biāo)的不同等級(jí)劃分，以南京市主城區(qū)為例，每種二級(jí)指標(biāo)進(jìn)一步可細(xì)分為五種等級(jí)，進(jìn)而形成了區(qū)域因素指標(biāo)體系與等級(jí)說(shuō)明表（見(jiàn)表1）。區(qū)域因素中根據(jù)每項(xiàng)指標(biāo)的不同等級(jí)進(jìn)行案例評(píng)分一等至五等分別取5-1分。 表1 住宅房屋區(qū)域影響因素指標(biāo)體系與等級(jí)說(shuō)明表一級(jí)指標(biāo)二級(jí)指標(biāo)一等二等三等四等五等自然環(huán)境自然景觀a1公認(rèn)的自然景觀優(yōu)越地區(qū)，如月牙湖、紫金山、玄武湖地區(qū)，依山傍水或臨近公園。自然景觀良好，附近有一定規(guī)模的綠地，環(huán)境整潔、衛(wèi)生。自然景觀一般，附近有一定的綠地和綠化，環(huán)境基本整潔、衛(wèi)生。周邊無(wú)自然景觀，環(huán)境基本整潔。鄰近地區(qū)無(wú)自然景觀，擁擠、雜亂、環(huán)境差。污染狀況a2空氣清新、無(wú)污染，無(wú)噪音，水體清潔，達(dá)衛(wèi)生標(biāo)準(zhǔn)。空氣良好，無(wú)污染，白天基本無(wú)交通噪音，水體清潔?？諝饬己?，少量污染，白天有部分交通噪音，水體局部污染?？諝饩植渴芪廴荆拷鞲傻?，白天和晚間均有噪音影響。靠近污染源、靠近車站、機(jī)場(chǎng)等，有嚴(yán)重噪音。規(guī)劃布局建筑或規(guī)劃布局a3布局合理、錯(cuò)落有致，滿足通風(fēng)、日照等健康要求。建筑風(fēng)格統(tǒng)一、布局較合理，排列較整齊。建筑風(fēng)格不統(tǒng)一、布局一般，排列較整齊。建筑風(fēng)格不統(tǒng)一、布局較局促。任意布置、雜亂、擁擠。建筑密度、外型等a4建筑密度在30%以下，外型整齊、美觀。建筑密度在30%-40%，外型美觀。建筑密度在40%-50%，外型比較整齊。建筑密度在50-60%，外型陳舊。建筑密度在60%以上，外型破舊雜亂。室外公共活動(dòng)空間與綠化景觀a5綠地率在30%以上，立體綠化，室外公共活動(dòng)空間豐富。綠地率在30%以下，有綠地和綠樹(shù)，有公共活動(dòng)空間。綠地率在15%以下，部分綠地和綠樹(shù)，公共活動(dòng)空間較局促。少量綠化，基本無(wú)公共活動(dòng)空間。無(wú)綠化，無(wú)公共活動(dòng)空間。交通條件離市區(qū)主干道的距離a6離市區(qū)主干道的距離在100米以內(nèi)。離市區(qū)主干道的距離在200米以內(nèi)。離市區(qū)主干道的距離在200-500米之間。離市區(qū)主干道的距離在500-1000米之間。離市區(qū)主干道的距離在1000米以上。公交地鐵線路情況a7距離公交站點(diǎn)500米內(nèi)，有3條以上重要公交線路。距離地鐵站小于500米距離公交站點(diǎn)500-1000米內(nèi)，有1-2條重要公交線路。距離地鐵站500-1000米距離重要的公交線路的距離在1000-1500米之間。距離地鐵站1000-1500米距離公交線路的距離在1500-2000米之間。距離地鐵站1500-2000米距離公交線路的距離在2000米以上。距離地鐵站較遠(yuǎn)。教育醫(yī)療設(shè)施所在學(xué)區(qū)學(xué)校情況a8屬于省級(jí)及以上重點(diǎn)中學(xué)（初中）和重點(diǎn)小學(xué)學(xué)區(qū)。屬于市級(jí)及以上重點(diǎn)中學(xué)（初中）和重點(diǎn)小學(xué)學(xué)區(qū)。屬于市級(jí)及以上重點(diǎn)中學(xué)（初中）或重點(diǎn)小學(xué)學(xué)區(qū)。一般中小學(xué)學(xué)區(qū)。教育資源較少。醫(yī)院分布情況a9距市級(jí)及以上醫(yī)院500米以內(nèi)。距市級(jí)及以上醫(yī)院500米1500米。距市級(jí)及以上醫(yī)院1500米2500米。距市級(jí)及以上醫(yī)院2500米3000米。距市級(jí)及以上醫(yī)院3000米以上。商業(yè)環(huán)境重要商業(yè)配套設(shè)施a10在1000米范圍內(nèi)有大型的市級(jí)商業(yè)配套設(shè)施。在1000米范圍內(nèi)區(qū)級(jí)商業(yè)設(shè)施較集中。在1000米范圍內(nèi)有分布的社區(qū)商業(yè)設(shè)施，滿足生活需求。在1500米范圍內(nèi)有零散分布的商業(yè)網(wǎng)點(diǎn)，基本滿足生活需求。在1500米范圍內(nèi)基本上無(wú)商業(yè)網(wǎng)點(diǎn)。個(gè)別因素的確定采用Delphi法進(jìn)行專家意見(jiàn)的反復(fù)征詢，對(duì)影響當(dāng)?shù)夭疬w估價(jià)的個(gè)別因素進(jìn)行排序和篩選，得出住宅房屋的個(gè)別影響因素的內(nèi)容。以南京為例，最終綜合得出拆遷估價(jià)中一般應(yīng)包括的個(gè)別因素有：成套因素、結(jié)構(gòu)因素、成新因素、朝向因素、層次因素、功能因素等六項(xiàng)。當(dāng)然，除了以上六項(xiàng)基本因素外，個(gè)別因素的內(nèi)容完全可以根據(jù)不同城市的特點(diǎn)進(jìn)行相應(yīng)的增減，但應(yīng)按照個(gè)別因素的確定流程進(jìn)行。個(gè)別因素中指標(biāo)的評(píng)分則按照如下規(guī)則進(jìn)行：表2 住宅個(gè)別因素指標(biāo)的評(píng)分規(guī)則指 標(biāo)評(píng)分規(guī)則備 注成套因素a11成套住宅為2，非成套為1結(jié)構(gòu)因素a12鋼混結(jié)構(gòu)中一等取2，二等取1；磚混結(jié)構(gòu)中一等取3，二等取2，三等取1；磚木結(jié)構(gòu)中一等取2，二等取1不同結(jié)構(gòu)大類必須分開(kāi)測(cè)算成新因素a13三成及以下取3，四至九成取4-9朝向因素a14北取1、西取2、東取3、一間朝南取4、二間朝南取5、三間及以上朝南取6層次因素a15多層中所在樓層為3、4層取4，2、5層取3，1、6層取2，7層取1功能因素a16等級(jí)5等至1等分別取1-5（3）樣本的訓(xùn)練與規(guī)范化 由于存量房屋市場(chǎng)是一個(gè)不穩(wěn)定的動(dòng)態(tài)變化過(guò)程，存量房屋價(jià)格的形成也受許多因素的影響。隨著時(shí)間的變化，價(jià)格也有不同程度波動(dòng)。訓(xùn)練樣本越多，訓(xùn)練結(jié)果越能正確反映其內(nèi)在的規(guī)律。但樣本的收集整理又往往受到客觀條件的限制，此外，當(dāng)樣本數(shù)量多到一定程度的時(shí)候，網(wǎng)絡(luò)的精度也很難再提高。一般來(lái)說(shuō)訓(xùn)練樣本應(yīng)當(dāng)是網(wǎng)絡(luò)連接權(quán)總數(shù)的5-10倍，假設(shè)輸入樣本向量有16個(gè)，隱含層節(jié)點(diǎn)數(shù)為11個(gè)，則網(wǎng)絡(luò)連接權(quán)總數(shù)為27個(gè)，則每個(gè)拆遷分區(qū)等級(jí)中訓(xùn)練樣本至少為135個(gè)。 樣本向量均轉(zhuǎn)化為可量化數(shù)據(jù)，對(duì)定量指標(biāo)，因其衡量單位不同，級(jí)差有大有小，趨向也不一定一致，必須利用效用系數(shù)對(duì)其進(jìn)行規(guī)范化和同趨勢(shì)化處理。當(dāng)目標(biāo)要求越大越好時(shí)，其效用系數(shù)可由下式計(jì)算：當(dāng)目標(biāo)要求越小越好時(shí)，其效用系數(shù)計(jì)算公式為:這樣，所有數(shù)據(jù)被歸一化為0，1之間的數(shù)，減少了識(shí)別數(shù)據(jù)的動(dòng)態(tài)范圍，提高了系統(tǒng)估價(jià)的準(zhǔn)確性。作為學(xué)習(xí)樣本用的期望輸出數(shù)據(jù)(存量房成交案例)也采用此法處理。系統(tǒng)訓(xùn)練好以后，在得出BP神經(jīng)網(wǎng)絡(luò)輸出層的數(shù)據(jù)后，系統(tǒng)再按相反規(guī)則進(jìn)行數(shù)據(jù)轉(zhuǎn)換處理即可得出實(shí)際的房屋估價(jià)值。不可量化數(shù)據(jù)的規(guī)范化處理是對(duì)其進(jìn)行編碼量化。從城市房屋拆遷市場(chǎng)實(shí)際情況出發(fā)，將各種影響因素進(jìn)行等級(jí)劃分，對(duì)每一影響因素進(jìn)行等級(jí)編碼。 （4）權(quán)及閾值初始值域的確定 權(quán)及閾值是隨著迭代的進(jìn)行而更新的，并且一般是收斂的，但權(quán)的初始值太大，可能導(dǎo)致網(wǎng)絡(luò)很快就達(dá)到飽和。另外，權(quán)的初始值對(duì)網(wǎng)絡(luò)的收斂速度也有一定影響，采用數(shù)值分析法確定權(quán)及閾值的初始值域。對(duì)樣本及權(quán)進(jìn)行了規(guī)范化處理，相當(dāng)于已經(jīng)完成了從研究對(duì)象到神經(jīng)網(wǎng)絡(luò)模型的接口工作。（5）網(wǎng)絡(luò)規(guī)模設(shè)計(jì) 選用具有一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)。為使該模型既有理論價(jià)值又具有可操作性，應(yīng)視城市的具體情況選取存量房成交單價(jià)的關(guān)鍵影響因素作為輸入層結(jié)點(diǎn)數(shù)。輸入層結(jié)點(diǎn)數(shù)等于樣本向量的個(gè)數(shù)(見(jiàn)樣本向量的選取)，輸入數(shù)據(jù)為實(shí)數(shù)。輸出層設(shè)計(jì)為一個(gè)結(jié)點(diǎn)，輸出數(shù)據(jù)為實(shí)數(shù)，經(jīng)數(shù)據(jù)轉(zhuǎn)換處理，可得相應(yīng)房屋的拆遷房屋估價(jià)。城市房屋拆遷估價(jià)系統(tǒng)要求精度高，要求可調(diào)整的連接權(quán)數(shù)多，所以本系統(tǒng)隱含層節(jié)點(diǎn)數(shù)應(yīng)當(dāng)大一些。具體可采用對(duì)比實(shí)驗(yàn)法，通過(guò)對(duì)比實(shí)驗(yàn)，選取最佳隱含層節(jié)點(diǎn)數(shù)。一般選以下方式確定隱含層節(jié)點(diǎn)數(shù): （5.13）其中:為輸出節(jié)點(diǎn)數(shù)，為輸入層節(jié)點(diǎn)數(shù)，為1，10之間的常數(shù)。（6）激活函數(shù)設(shè)定 為了應(yīng)用梯度下降法進(jìn)行學(xué)習(xí)，激活函數(shù)必須是可微的。在實(shí)際應(yīng)用中，根據(jù)需要選取適當(dāng)?shù)募せ詈瘮?shù)。針對(duì)模擬存量房交易市場(chǎng)這一目的，隱含層激活函數(shù)選用對(duì)數(shù)sigmold函數(shù)，輸出層激活函數(shù)選用線性pureline變換函數(shù)。 （7）BP算法流程及軟件選用 本系統(tǒng)利用BP神經(jīng)網(wǎng)絡(luò)的LMS學(xué)習(xí)算法，在網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程中使用了梯度搜索技術(shù)，利用誤差后向傳播來(lái)修正權(quán)值，從而實(shí)現(xiàn)系統(tǒng)的實(shí)際輸出與期望輸出的均方差的最小化。本次BP神經(jīng)網(wǎng)絡(luò)所采用的工具為DPS7.05，其方便靈活的預(yù)測(cè)數(shù)據(jù)修改方式為測(cè)定區(qū)域因素、個(gè)別因素影響值提供了很好的條件。（8）利用估價(jià)模型測(cè)定區(qū)域因素、個(gè)別因素影響值可將影響因素指標(biāo)值為100的虛擬樣本為基準(zhǔn)，將各指標(biāo)錄入到BP神經(jīng)網(wǎng)絡(luò)的模型中，得到相應(yīng)房屋價(jià)格預(yù)測(cè)值，之后依次修改其中一個(gè)指標(biāo)的等級(jí)，從而根據(jù)房屋單價(jià)的變化幅度測(cè)定出該指標(biāo)的修正影響值的大小，通過(guò)逐一計(jì)算每個(gè)指標(biāo)的修正影響值得到整個(gè)修正系數(shù)體系。（9）區(qū)域因素、個(gè)別因素各指標(biāo)的因子分析由于區(qū)域因素、個(gè)別因素的各指標(biāo)間并不獨(dú)立，因此需要通過(guò)一定的方法對(duì)這些指標(biāo)進(jìn)行賦權(quán)、組合，使之轉(zhuǎn)化為相互獨(dú)立的新變量，才能測(cè)定出在多個(gè)因素同時(shí)變動(dòng)時(shí)，對(duì)房屋單價(jià)的綜合影響程度。 1.3 利用因子分析法對(duì)估價(jià)模型進(jìn)行改進(jìn)因子分析（Factor Analysis）是通過(guò)研究眾多變量之間的內(nèi)部依賴關(guān)系，探求觀測(cè)數(shù)據(jù)中的基本結(jié)構(gòu)，并用少數(shù)幾個(gè)變量來(lái)表示基本的數(shù)據(jù)結(jié)構(gòu)。這些觀測(cè)變量能夠反映原來(lái)眾多的觀測(cè)變量所代表的主要信息，并解釋這些觀測(cè)變量之間的相互依存關(guān)系。因子分析本質(zhì)上就是研究如何以最少的信息丟失把眾多的觀測(cè)變量濃縮為少數(shù)幾個(gè)因子。因子分析的應(yīng)用主要有兩個(gè)方面：第一方面是尋求基本結(jié)構(gòu)。在多元統(tǒng)計(jì)分析中，經(jīng)常碰到觀測(cè)變量很多且變量之間存在著較強(qiáng)的相關(guān)關(guān)系的情形，這不僅給問(wèn)題的分析和描述帶來(lái)了一定困難，而且在使用某些統(tǒng)計(jì)方法時(shí)會(huì)出現(xiàn)問(wèn)題 何曉群，多元統(tǒng)計(jì)分析M，北京：中國(guó)人民大學(xué)出版社，2004：167-176。如在多元回歸分析中，當(dāng)自變量之間高度相關(guān)時(shí)，會(huì)出現(xiàn)多重共線性現(xiàn)象，通過(guò)因子分析我們能夠找到較少的幾個(gè)因子來(lái)代表數(shù)據(jù)的基本結(jié)構(gòu)，反映了信息的基本特征，并通過(guò)各項(xiàng)指標(biāo)在主因子上的因子載荷的大小，評(píng)價(jià)出指標(biāo)的效度，對(duì)指標(biāo)做出一定的處理。第二方面是數(shù)據(jù)化簡(jiǎn)。通過(guò)因子分析把一組觀測(cè)變量簡(jiǎn)化為少數(shù)幾個(gè)因子后，可以進(jìn)一步將原始觀測(cè)量的信息轉(zhuǎn)換成這些因子的因子值，然后用這些因子值代替原來(lái)的觀測(cè)變量進(jìn)行其他的統(tǒng)計(jì)分析，也可以直接利用因子值對(duì)樣本進(jìn)行分類和綜合評(píng)價(jià) 傅德印，因子分析統(tǒng)計(jì)檢驗(yàn)體系的探討J.統(tǒng)計(jì)研究，2007（6）：49-51 。根據(jù)所選擇的各項(xiàng)指標(biāo)，根據(jù)樣本指標(biāo)值進(jìn)行因子分析，得到方差極大正交旋轉(zhuǎn)結(jié)果及因子荷載矩陣，將指標(biāo)值轉(zhuǎn)化為相互獨(dú)立的因子。根據(jù)估價(jià)技術(shù)路線中市場(chǎng)法估價(jià)的思路，可比實(shí)例價(jià)格 ,其中為交易情況修正系數(shù)，為交易日期修正系數(shù)，為可比實(shí)例修正的個(gè)別因素修正系數(shù)，為可比實(shí)例修正的區(qū)域因素修正系數(shù)。進(jìn)行因子分析后，原公式可采用新的形式按以下的方法來(lái)進(jìn)行評(píng)估估價(jià)對(duì)象的價(jià)格，建立新的因子估價(jià)模型：可比實(shí)例價(jià)格 （1.1）其中代表估價(jià)對(duì)象區(qū)域因素、個(gè)別因素指標(biāo)轉(zhuǎn)化的第i個(gè)獨(dú)立因子的因子得分，則代表可比實(shí)例區(qū)域因素、個(gè)別因素指標(biāo)轉(zhuǎn)化的第i個(gè)獨(dú)立因子的因子得分，i=1,2,.m，m為獨(dú)立因子數(shù)目。由于帶入這個(gè)公式計(jì)算的均為各指標(biāo)的修正系數(shù)而并非各指標(biāo)的得分值，因此在公式（1.1）中的、均為各指標(biāo)的修正系數(shù)的線性組合。其中：，、 分別了代表估價(jià)對(duì)象、可比實(shí)例的各原始指標(biāo)值所對(duì)應(yīng)的修正系數(shù)值，n為指標(biāo)值的個(gè)數(shù)，代表第i個(gè)獨(dú)立因子的因子得分系數(shù)，即因子得分系數(shù)矩陣（矩陣B）中的第i列數(shù)據(jù)，也可以看成是各指標(biāo)值的權(quán)重。則代表了估價(jià)對(duì)象、可比實(shí)例的區(qū)域因素、個(gè)別因素經(jīng)過(guò)降維后的因子得分之比。通過(guò)這樣的轉(zhuǎn)換，將傳統(tǒng)的市場(chǎng)比較法公式加以合理的改進(jìn)，從而在符合估價(jià)規(guī)范及住宅房屋拆遷估價(jià)的估價(jià)原則的情況下，在得到各項(xiàng)指標(biāo)的修正系數(shù)的基礎(chǔ)上，進(jìn)一步得到最終的住宅房屋估價(jià)值。這種估價(jià)方法既符合估價(jià)師原有的估價(jià)流程、估價(jià)習(xí)慣，又通過(guò)將估價(jià)師的專家經(jīng)驗(yàn)用BP神經(jīng)網(wǎng)絡(luò)和因子分析方法加以總結(jié)、歸納、提高，使估價(jià)真正成為科學(xué)與經(jīng)驗(yàn)的結(jié)合，將估價(jià)中取值的隨意性及人為誤差給拆遷估價(jià)帶來(lái)的負(fù)面影響降到最小，保證了拆遷工作的順利進(jìn)行。2 實(shí)證分析 按照前節(jié)的流程為基礎(chǔ)，本文以南京市主城區(qū)為研究對(duì)象，進(jìn)行區(qū)域因素、個(gè)別因素的測(cè)定與估價(jià)模型的建立。首先將經(jīng)過(guò)專業(yè)估價(jià)師篩選的354個(gè)交易案例進(jìn)行處理、錄入，估價(jià)時(shí)點(diǎn)為2008年7月30日。其中各案例的16個(gè)指標(biāo)的取值均經(jīng)過(guò)嚴(yán)格檢查，將每個(gè)樣本的指標(biāo)進(jìn)行規(guī)范化和同趨勢(shì)化處理。然后，設(shè)立BP神經(jīng)網(wǎng)絡(luò)的分析參數(shù)（圖1），設(shè)置隱含層節(jié)點(diǎn)數(shù)為16，最后訓(xùn)練網(wǎng)絡(luò)至滿意程度。圖1 BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置利用該系統(tǒng)對(duì)一級(jí)拆遷分區(qū)的154個(gè)案例擬合后對(duì)誤差進(jìn)行檢驗(yàn)，發(fā)現(xiàn)平均偏差為0.00483，極差為0.03251，方差為0.00004，標(biāo)準(zhǔn)差為0.00643，變異系數(shù)4.54964，平均數(shù)的置信區(qū)間：95%區(qū)間：-0.00034，0.00317，99%區(qū)間：-0.00092，0.00375。正態(tài)性檢驗(yàn)結(jié)果： 表3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值誤差檢驗(yàn)項(xiàng)目參數(shù)U值顯著水平偏度-0.75272-2.319240.02038峰度1.484322.323280.02016由以上分析可以看出，數(shù)據(jù)擬合情況好，擬合優(yōu)度高。2.1 利用估價(jià)模型測(cè)定區(qū)域因素、個(gè)別因素影響值首先將a2至a16均固定在修正值為100的位置上，而單獨(dú)將a1從三等調(diào)整至二等，將此時(shí)單價(jià)相應(yīng)的增減值作為該因素的調(diào)整值，以次類推得到整個(gè)住宅房屋a1因素修正系數(shù)表初測(cè)值，如下表最末一行所示。修正系數(shù)的初測(cè)值即代表在其他修正因素不變的情況下，單獨(dú)修改樣本房屋的朝向條件對(duì)房屋單價(jià)的影響。另外，對(duì)于一些無(wú)成交案例或成交案例極少的特殊情況，如針對(duì)在層次修正系數(shù)的測(cè)定中頂樓帶閣樓以及底層附贈(zèng)地下室等特殊情況，由于存在不同的權(quán)益狀況，因此則交由估價(jià)師根據(jù)根據(jù)房屋實(shí)際狀況做出判斷，得出最終的修正系數(shù)取值。表4 指標(biāo)a1修正系數(shù)的測(cè)定過(guò)程指標(biāo)一等二等三等四等五等a110.750.50.250a2 - a16均固定不動(dòng)單價(jià)模擬（元/M2）8122.478050.177941.687768.317632.1a1修正系數(shù)102.2765101.366110097.8169696.10183同樣，使用以上的模擬重復(fù)交易法可得出所有指標(biāo)a1、a2、a16所對(duì)應(yīng)的各等級(jí)的修正系數(shù)來(lái)，記各修正系數(shù)為bi-j,其中i代表指標(biāo)，i=116；j代表第i個(gè)指標(biāo)的第j個(gè)修正系數(shù)。將所有修正系數(shù)測(cè)定出來(lái)，并填入表格5-4至表5-10中。這些修正系數(shù)均以百分率為單位，代表同一指標(biāo)的不同等級(jí)間的相對(duì)修正程度，它反映了房屋單價(jià)的修正情況。這樣得到的最終結(jié)果是南京市一級(jí)拆遷分區(qū)中的各項(xiàng)指標(biāo)修正系數(shù)表，詳見(jiàn)附錄表。由于區(qū)域因素、個(gè)別因素的各指標(biāo)間并不獨(dú)立，因此需要通過(guò)一定的方法對(duì)這些指標(biāo)進(jìn)行賦權(quán)、組合，使之轉(zhuǎn)化為相互獨(dú)立的新變量，才能測(cè)定出在多個(gè)因素同時(shí)變動(dòng)時(shí)，對(duì)房屋單價(jià)的綜合影響程度。 將所有154個(gè)原始樣本的各項(xiàng)指標(biāo)值用測(cè)定的修正系數(shù)進(jìn)行替代，并對(duì)其指標(biāo)值進(jìn)行因子分析。因子分析結(jié)果顯示，Bartlett球形檢驗(yàn)，顯著性，而且,兩種檢驗(yàn)結(jié)果均表明采用因子分析是合適的。根據(jù)旋轉(zhuǎn)后的因子載荷數(shù)據(jù)顯示，將7個(gè)新的因子含義的解釋和命名可歸納如表5所示。表5 因子的含義與解釋因子解釋和命名所綜合的關(guān)鍵指標(biāo)Fac_1交通與醫(yī)療商業(yè)配套a6、a7、a9、a10、a16Fac_2規(guī)劃布局a3、a4、a5Fac_3自然環(huán)境a1、a2Fac_4教育設(shè)施a8、a12、a13Fac_5朝向因素a14Fac_6層次因素a15Fac_7成套因素a11基于后續(xù)分析的需要，通常需要進(jìn)一步計(jì)算各公共因子的因子得分。即給出各因子在每一個(gè)研究對(duì)象上的值。各指標(biāo)可以表為各公共因子的線性組；反之，各公共因子也可以表示為各指標(biāo)的線性組合。得到因子得分系數(shù)矩陣如表6所示。表6 因子得分系數(shù)矩陣（矩陣B）指標(biāo)因子1因子2因子3因子4因子5因子6因子7a(1)0.0070.0320.4360.041-0.1420.0440.086a(2)0.029-0.2410.723-0.0140.073-0.045-0.095a(3)-0.1250.416-0.212-0.0800.100-0.080-0.095a(4)0.0040.358-0.2080.0360.009-0.0860.052a(5)-0.0990.3440.005-0.220-0.0810.0010.035a(6)0.2660.103-0.0500.064-0.096-0.093-0.275a(7)0.395-0.0620.0980.260-0.4410.0460.029a(8)-0.0060.188-0.087-0.5180.0060.057-0.053a(9)0.345-0.2150.0970.0860.079-0.0800.061a(10)0.233-0.012-0.078-0.0300.156-0.0810.090a(11)-0.011-0.003-0.0440.180-0.0980.0180.913a(12)0.0220.0510.1320.346-0.2840.168-0.017a(13)0.1060.017-0.1660.5390.233-0.0800.170a(14)-0.079-0.0330.039-0.0540.654-0.014-0.076a(15)-0.062-0.061-0.0110.006-0.0740.8260.040a(16)0.089-0.1130.098-0.1730.2060.404-0.0672.2 確定最終的估價(jià)模型根據(jù)表6中的因子得分系數(shù)和原始指標(biāo)的標(biāo)準(zhǔn)化值可計(jì)算7個(gè)因子的各自得分。最后，還需要對(duì)提取的因子進(jìn)行相關(guān)性檢驗(yàn)，以證明提取的這7個(gè)因子之間沒(méi)有相關(guān)性，是相互獨(dú)立的7個(gè)因子。根據(jù)上述分析及表6因子得分系數(shù)矩陣，可以建立南京市拆遷分區(qū)中一級(jí)區(qū)位的因子的綜合評(píng)價(jià)模型。例如其中的的表達(dá)式如下：+同樣的方法可將拆遷分區(qū)中的二級(jí)到六級(jí)的所有修正系數(shù)及因子的綜合評(píng)價(jià)模型求取出來(lái)，這樣就形成了一個(gè)涵蓋所有分區(qū)的修正體系。估價(jià)師在進(jìn)行估價(jià)時(shí)，只需根據(jù)拆遷房屋所在分區(qū)查詢修正體系中的修正系數(shù)，經(jīng)過(guò)因子的綜合評(píng)價(jià)模型的轉(zhuǎn)換求得7個(gè)因子的得分，然后根據(jù)估價(jià)模型得出最終的估價(jià)結(jié)果來(lái)。2.3 估價(jià)模型精度的比較利用因子評(píng)價(jià)模型評(píng)估在一級(jí)拆遷分區(qū)中的樣本案例進(jìn)行估價(jià)模型的檢驗(yàn)。通過(guò)這種方式對(duì)標(biāo)準(zhǔn)樣本房屋進(jìn)行估價(jià)，再將標(biāo)準(zhǔn)樣本房屋根據(jù)公式（1.1）修正評(píng)估到原樣本案例上，所得到的評(píng)估單價(jià)與原樣本單價(jià)進(jìn)行比較，其相對(duì)誤差的數(shù)列檢驗(yàn)結(jié)果如下：表7 實(shí)際估價(jià)結(jié)果誤差檢驗(yàn)平均偏差0.0171極差0.0888方差0.0004標(biāo)準(zhǔn)差0.0210變異系數(shù)-22.2473平均數(shù)的置信區(qū)間95%區(qū)間-0.00670.004899%區(qū)間-0.00860.0067正態(tài)性檢驗(yàn)項(xiàng)目參數(shù)U值p-值偏度-0.0176-0.05430.9567峰度-0.6066-0.94950.3424可見(jiàn)，雖然利用因子評(píng)價(jià)模型的估價(jià)結(jié)果與BP神經(jīng)網(wǎng)絡(luò)的估價(jià)結(jié)果相比，誤差略有放大，平均偏差為0.0171，方差為0.0004，但根據(jù)中誤差的公式來(lái)計(jì)算不難發(fā)現(xiàn) 施建剛.房地產(chǎn)估價(jià)方法的拓展M.同濟(jì)大學(xué)出版社，2003：77-78，與傳統(tǒng)的可比實(shí)例修正法相比，估價(jià)結(jié)果的中誤差由總價(jià)的下降為總價(jià)的，下降，擬合優(yōu)度較高。誤差下降的原因是與傳統(tǒng)市場(chǎng)比較法常用的可比實(shí)例修正法相比，經(jīng)過(guò)改進(jìn)的樣本房屋基準(zhǔn)價(jià)格修正法不僅在估價(jià)效率上大幅提高，而且也減小了偶然誤差，其精度完全符合拆遷估價(jià)的要求。附錄表 1 南京市一級(jí)拆遷分區(qū)住宅區(qū)域修正系數(shù)測(cè)算結(jié)果區(qū)域修正系數(shù)一等二等三等四等五等a1102.28101.37100.0097.8296.10a2103.79102.12100.0098.36a3104.72102.73100.0098.20a4103.74101.33100.0096.18a5102.45101.79100.0097.24a6101.48100.77100.0098.76a7104.91103.36100.0097.64a8107.68101.07100.0097.84a9102.31101.37100.0098.1196.55a10101.97100.90100.0098.9898.02注：一級(jí)區(qū)位中沒(méi)有