本文關(guān)鍵詞： 住宅價格 批量評估模型 建立 應(yīng)用　出處：《沈陽農(nóng)業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來,隨著經(jīng)濟(jì)的迅猛發(fā)展,人們的生活水平也有了逐步的提高,房地產(chǎn)作為國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)涉及的各類經(jīng)濟(jì)活動也越來越頻繁,其中住宅的房地產(chǎn)市場尤為活躍,如房地產(chǎn)的購買、稅收、征收、抵押等,又因?yàn)樽》肯M(fèi)在居民消費(fèi)總額中所在的比例居于首位,故準(zhǔn)確、高效的評估房地產(chǎn)的價值就得到了越來越多的部門和個人關(guān)注。傳統(tǒng)的估價模式,不僅耗費(fèi)大量的人力、物力、財力,而且評估效率相對較低,不能在同一時間對數(shù)量龐大的房地產(chǎn)進(jìn)行評估,所以會被批量評估逐步的取代。通過學(xué)習(xí)借鑒國內(nèi)外關(guān)于批量評估模型的建立與應(yīng)用成功案例的經(jīng)驗(yàn),本文詳細(xì)的介紹了新民住宅價格的批量評估模型的建立與應(yīng)用的過程。研究采用的方法有文獻(xiàn)分析法、實(shí)地調(diào)查法、ArcGIS地理技術(shù)分析法和SPSS多元回歸分析法等。首先,大量的收集和閱讀國內(nèi)外參考文獻(xiàn),了解國內(nèi)外關(guān)于批量評估模型的建立與應(yīng)用的研究現(xiàn)狀,以及相關(guān)成功案例,掌握與批量評估模型有關(guān)的概念及批量評估建立與應(yīng)用的發(fā)展過程,同時對比它與傳統(tǒng)評估模式的差異及優(yōu)勢所在,熟悉批量評估模型建立的核心工作內(nèi)容及工作程序,探索出本研究的模型建立方法與途徑。其次,以新民市的市區(qū)內(nèi)住宅作為數(shù)據(jù)基礎(chǔ),詳細(xì)介紹批量評估模型的建立過程。首先進(jìn)行劃分區(qū)片,按照預(yù)先準(zhǔn)備的調(diào)查表格現(xiàn)場調(diào)查住宅基礎(chǔ)信息;通過網(wǎng)上調(diào)查案例價格以及現(xiàn)場走訪售樓中心等方式搜集案例數(shù)據(jù);設(shè)置標(biāo)準(zhǔn)房,通過市場提取法、德爾菲法等建立朝向、戶型、樓層、側(cè)端房、期日等因素的修正體系(B類因素修正體系);將信息歸類、整理,同時通過ArcGIS地理信息系統(tǒng)的導(dǎo)出與地理位置及距離相關(guān)的信息數(shù)據(jù);將標(biāo)準(zhǔn)房價格與Arc GIS導(dǎo)出的量化的各項(xiàng)因素數(shù)值等共同導(dǎo)入到SPSS統(tǒng)計分析軟件中,進(jìn)行模型的建立,同時對模型進(jìn)行反復(fù)的校準(zhǔn)及相關(guān)的檢驗(yàn),最終模型通過各項(xiàng)檢驗(yàn),得到新民市的住宅價格批量評估模型:Y=2788.476+85.141×樓盤檔次修正系數(shù)+51.407×土地級別修正系數(shù)+1599.514×樓齡修正系數(shù)+16.521×中學(xué)修正系數(shù)+34.908×小學(xué)修正系數(shù)-160.613×棚戶區(qū)修正系數(shù),并通過應(yīng)用實(shí)例驗(yàn)證模型建立的經(jīng)濟(jì)意義與實(shí)際意義。最后,對目前批量評估模型的建立與應(yīng)用中需要改進(jìn)與提高的地方進(jìn)行歸納與總結(jié),并對其應(yīng)用的范圍給予了合理的規(guī)劃與展望,完整的批量評估模型的建立,配合后期信息數(shù)據(jù)的實(shí)時更新,該研究結(jié)果將對新民市住宅在購買、稅收、征收、抵押以及開發(fā)商決策等各個環(huán)節(jié)都很有幫助,本研究邁出了遼寧省內(nèi)中小型城市在批量評估方面研究的第一步。該研究成果將為遼寧省內(nèi)其他類似城市做批量評估模型的研究提供參考和借鑒,同時也方便了很多部門高效、快捷、低成本的開展相應(yīng)的工作。
[Abstract]:In recent years, with the rapid development of the economy, people's living standards have been gradually improved, real estate as a pillar industry of the national economy involved in various economic activities are more and more frequent. Residential real estate market is particularly active, such as the purchase of real estate, taxation, collection, mortgage and so on, and because the proportion of housing consumption in the total consumption of residents occupies the first place, so accurate. More and more departments and individuals pay more and more attention to evaluating the value of real estate efficiently. The traditional valuation model not only consumes a lot of human, material and financial resources, but also the evaluation efficiency is relatively low. We can not evaluate a large number of real estate at the same time, so it will be replaced by batch evaluation step by step. Through learning from domestic and foreign experience on the establishment and application of batch evaluation model successful cases. This paper introduces the process of establishing and applying the batch evaluation model of Xinmin housing price in detail. The methods used in the research are literature analysis method and field investigation method. ArcGIS geographic technology analysis and SPSS multiple regression analysis. Firstly, a large number of domestic and foreign references are collected and read. To understand the domestic and foreign research on the establishment and application of batch evaluation model, as well as related successful cases, grasp the concepts related to batch evaluation model and the development process of batch evaluation establishment and application. At the same time, compared with the traditional evaluation model, we are familiar with the core work content and working procedure of batch evaluation model, and explore the method and approach of this study. Secondly. Based on the data of residential buildings in Xinmin city, the establishment process of batch evaluation model is introduced in detail. Firstly, the housing basic information is investigated on the spot according to the investigation form prepared in advance. Through the online investigation of case prices and on-site visits to the sales center and other ways to collect case data; Set up standard room, through the market extraction method, Delphi method to establish the orientation, household, floor, side end room, date and other factors of the correction system B type correction system; Categorize and organize the information, and at the same time, export the information data related to the geographical location and distance through the ArcGIS GIS. The standard house price and the quantitative factor value derived by Arc GIS are imported into the SPSS statistical analysis software to establish the model. At the same time, the model was repeatedly calibrated and tested, and finally the model passed each test. A batch evaluation model of residential price in Xinmin city is obtained. The scale correction coefficient of real estate is 51.407 脳 land grade correction coefficient:: Yan 2788.476 85.141 脳 real estate grade correction coefficient. 1599.514 脳 building age correction coefficient 16.521 脳 middle school correction coefficient 34.908 脳 primary school correction coefficient -160.613 脳 shantytown correction coefficient. And through the application of examples to verify the economic and practical significance of the establishment of the model. Finally, the establishment and application of the current batch evaluation model needs to be improved and summarized. And the scope of its application to give a reasonable planning and outlook, the establishment of a complete batch evaluation model, with the real-time update of information data, the results of the study will be in Xinmin City in the purchase, taxation, collection. Mortgages and developer decisions are all helpful. This study takes the first step in batch evaluation of small and medium-sized cities in Liaoning Province. The research results will provide a reference for other similar cities in Liaoning Province to do batch evaluation model research. At the same time, it is convenient for many departments to carry out the corresponding work efficiently, quickly and at low cost.
【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F299.23

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王子祥;上海典型住宅價格指數(shù)系統(tǒng)出臺[J];中外房地產(chǎn)導(dǎo)報;2001年06期

2 常亞濱,張迎麗;我市住宅價格上漲因素剖析[J];克山師專學(xué)報;2004年01期

3 王秋石;加息對我國住宅價格影響的經(jīng)濟(jì)學(xué)分析[J];審計與理財;2004年11期

4 張海旺;范寶虹;;全國普通住宅價格增長加速的背后[J];數(shù)據(jù);2007年10期

5 潘石屹;;兩三年后住宅價格一定降[J];21世紀(jì)建筑材料居業(yè);2011年10期

6 叢亞軍;現(xiàn)有住宅價格應(yīng)重新核定[J];當(dāng)代法學(xué);1996年06期

7 劉福垣;如何把住宅價格降下來[J];中國土地;1998年07期

8 ;住宅價格分為四類三檔[J];特區(qū)與港澳經(jīng)濟(jì);1998年05期

9 ;我國住宅價格將定為四類三檔[J];中國保險;1998年06期

10 王愛華;影響住宅價格的因素[J];住宅科技;1999年06期

相關(guān)會議論文 前6條

1 馮長春;劉�？�;;住宅價格對城市軌道交通的空間響應(yīng)過程分析——以深圳地鐵1號線為例[A];中國地理學(xué)會2006年學(xué)術(shù)年會論文摘要集[C];2006年

2 王向成;;住宅價格、償債風(fēng)險與系統(tǒng)危機(jī)和措施[A];建設(shè)經(jīng)濟(jì)文化強(qiáng)省：挑戰(zhàn)·機(jī)遇·對策——山東省社會科學(xué)界2009年學(xué)術(shù)年會文集（2）[C];2009年

3 徐大偉;段姍姍;王佳宏;;北京市城市住宅價格環(huán)境影響特征因素的實(shí)證研究[A];2010中國可持續(xù)發(fā)展論壇2010年�？ǘC];2010年

4 曹振良;;促進(jìn)住宅銷售市場的形成和發(fā)育[A];當(dāng)今中國經(jīng)濟(jì)學(xué)八大理論熱點(diǎn)[C];1994年

5 王東;劉小明;趙子云;;不同波段深圳住宅價格外部影響因素的比較分析[A];第三屆（2008）中國管理學(xué)年會——會計分會場論文集[C];2008年

6 劉鉞;;基于GIS的城市住宅價格空間分異研究[A];中國地理信息系統(tǒng)協(xié)會第八屆年會論文集[C];2004年

相關(guān)重要報紙文章 前10條

1 逢佳;英國3月住宅價格月升0.4%[N];上海證券報;2007年

2 記者　 魯揚(yáng) 通訊員　 王軒;六城市住宅價格漲勢不減[N];中華建筑報;2006年

3 固原;新建住宅價格首現(xiàn)負(fù)增長[N];揚(yáng)州日報;2011年

4 記者 梁倩 高偉;百城住宅價格連續(xù)5月上漲[N];經(jīng)濟(jì)參考報;2012年

5 記者 陳瑋 實(shí)習(xí)生 周麗瑤;蘭州住宅價格同經(jīng)下跌0.1%[N];蘭州日報;2012年

6 本報記者 姚軒杰;十大城市住宅價格指數(shù)七連漲[N];中國證券報;2013年

7 記者 陳瑋;蘭州新建住宅價格同比上漲7.3%[N];蘭州日報;2013年

8 記者 于祥明;百城住宅價格連漲17個月[N];上海證券報;2013年

9 記者 小言;三季度新建住宅價格同比上漲[N];西寧晚報;2013年

10 中金標(biāo)準(zhǔn)數(shù)據(jù)研究總監(jiān) 高邃;連跌三個月 百城住宅價格同比下降首超半數(shù)[N];中國房地產(chǎn)報;2014年

相關(guān)博士學(xué)位論文 前10條

1 安勇;財政分權(quán)對我國城市住宅價格的影響研究[D];山西財經(jīng)大學(xué);2017年

2 楊冬寧;住宅價格的多因素動態(tài)分析研究[D];復(fù)旦大學(xué);2009年

3 崔新明;城市住宅價格的動力因素及其實(shí)證研究[D];浙江大學(xué);2003年

4 孔煜;城市住宅價格變動的影響因素研究[D];重慶大學(xué);2006年

5 曾暉;城市住宅價格時空分布規(guī)律研究[D];南京林業(yè)大學(xué);2012年

6 郝前進(jìn);特征價格法與上海住宅價格的決定機(jī)制研究[D];復(fù)旦大學(xué);2007年

7 徐迎軍;我國住宅價格波動與效應(yīng)研究[D];南京航空航天大學(xué);2011年

8 郭貴海;城市住宅價格演變規(guī)律空間影響因子相關(guān)性研究[D];中國礦業(yè)大學(xué)(北京);2012年

9 孫璐璐;近期我國城市住宅價格波動與政府宏觀調(diào)控[D];西南財經(jīng)大學(xué);2006年

10 張娟鋒;住宅價格與土地價格的城市間差異及其決定因素研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 呂寧;我國八大經(jīng)濟(jì)區(qū)域和典型行政區(qū)域住宅價格變動的比較、分析及預(yù)測[D];東北財經(jīng)大學(xué);2005年

2 李琦;城市軌道交通對沿線住宅價格的影響研究[D];華中農(nóng)業(yè)大學(xué);2012年

3 關(guān)s，

本文編號：1450963