房地產(chǎn)批量評(píng)估一直以來(lái)都是房地產(chǎn)評(píng)估界關(guān)注的重點(diǎn)。與現(xiàn)行評(píng)估所使用的傳統(tǒng)評(píng)估的方法相比,批量評(píng)估是一種科學(xué)且高效并能夠迅速地確認(rèn)房地產(chǎn)價(jià)值的技術(shù)。但現(xiàn)行評(píng)估一般著眼于有形因素的評(píng)估,未將品牌等無(wú)形因素納入其中。故本文將品牌納入房地產(chǎn)批量評(píng)估中,探索品牌對(duì)批量評(píng)估的意義。在品牌評(píng)估方面,本文選擇TBCI模型。在房地產(chǎn)進(jìn)行批量評(píng)估方面,目前采用較多的是特征價(jià)格法進(jìn)行多元回歸分析。但是,特征價(jià)格法并未考慮到空間依賴(lài)性,因此本文引入空間特征法,并進(jìn)行兩種方法的對(duì)比分析。本文選擇濟(jì)南市高新區(qū)200個(gè)二手房住宅小區(qū)成交價(jià)格數(shù)據(jù)作變量實(shí)證樣本,并收集了各住宅小區(qū)17個(gè)特征作為控制變量,在此基礎(chǔ)上引入品牌評(píng)估值為自變量,對(duì)高新區(qū)二手住宅房地產(chǎn)價(jià)格進(jìn)行批量評(píng)估。首先,使用百度地圖對(duì)濟(jì)南市高新區(qū)所選樣本住宅的地理坐標(biāo)、建筑特征、區(qū)位特征和鄰里特征、其他特征因素進(jìn)行收集并量化處理。同時(shí)利用TBCI模型對(duì)樣本涉及房地產(chǎn)企業(yè)品牌進(jìn)行評(píng)估,獲取其品牌信用指數(shù)。其次,構(gòu)建傳統(tǒng)特征價(jià)格模型對(duì)房地產(chǎn)價(jià)格進(jìn)行最小二乘估計(jì),比較品牌在該種方法下對(duì)評(píng)估值的影響及評(píng)估精度。接著,在傳統(tǒng)特征價(jià)格模型的基礎(chǔ)上引入空間因素對(duì)住房?jī)r(jià)格... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖４．丨融創(chuàng)舊標(biāo)?圖４．２融創(chuàng)新標(biāo)??注冊(cè)商標(biāo)“融創(chuàng)”只有一個(gè)含義，與在位者商標(biāo)完全不同

?山東大學(xué)碩士學(xué)位論文???ＩｆｏｒＷｓ?ｈ?０二５７?；空＿｜１２．中＿５有舊呈的對(duì)象己梭鍾＿??Ｓ?Ｉ?？??ＣＯ??ＩＳ－??Ｉ?ｓ－?Ａ°?＼?°??°?ｙ：０〇°?Ｉ??；｜?，?１?，，，??＾３．７０?－２．３０?－０．?ＳＯ?０．?Ｂ０?１．９０?３．３０??ＰＲＩＣＥ??圖５．１莫蘭散點(diǎn)圖??首先由莫蘭指數(shù)Ｍｏｒａｌｅｓ?１＝０．７５７可知，樣本呈現(xiàn)正空間自相關(guān)。其次，由??二維Ｍｏｒａｎ＇ｓ?Ｉ散點(diǎn)圖的性質(zhì)可知，二手房房住宅小區(qū)的房?jī)r(jià)在空間上并未呈現(xiàn)??出隨機(jī)分布的特征，進(jìn)一步佐證了確實(shí)存在空間效應(yīng)。由上述分析可知，地理空??間因素是房地產(chǎn)價(jià)格評(píng)估研究中不可忽視的特征因素，有必要將空間因素納入模??型中。??５．２＿３空間依賴(lài)性診斷??前文已經(jīng)通過(guò)莫蘭指數(shù)確定，模型存在空間自相關(guān)性。在選擇使用空間滯后??模型和空間誤差模型選擇之前，首先需要對(duì)ＯＬＳ結(jié)果進(jìn)行空間依賴(lài)性診斷，以??此作為判斷結(jié)果。具體結(jié)果如表所示。??表５．６?空間依賴(lài)性檢驗(yàn)???ＴＥＳＴ?ＭＩ／ＤＦ?ＶＡＬＵＥ?ＰＲＯＢ??Ｍｏｒａｎ＇ｓ?Ｉ?（ｅｒｒｏｒ）?０．４６２０?９．１３３４?０？０００＊＊＊??Ｌａｇｒａｎｇｅ?Ｍｕｌｔｉｐｌｉｅｒ?（ｌａｇ）?１?３７．１３５３?０．０００＊＊＊??Ｒｏｂｕｓｔ?ＬＭ?（ｌａｇ）?１?１４．５９８８?０．０００＊＊＊??Ｌａｇｒａｎｇｅ?Ｍｕｌｔｉｐｌｉｅｒ?（ｅｒｒｏｒ）?１?４９．９１７４?０．０００＊＊＊??Ｒｏｂｕｓｔ?ＬＭ?（ｅｒｒｏｒ）?１?２７．３８０８?０．０００＊＊＊??注：＊＊＊、＊＊和＊分別表示１


本文編號(hào)：3412687