2022年12月第25卷第24期
中国管理信息化
China Management Informationization
Dec.,2022
Vol.25,No.24
——以济南市和青岛市为例进行比较分析
高 滢
（山东大学经济学院，济南250100）
［摘 要］当前，房地产市场持续升温，早在2015年中央经济工作会议时就提出多主体供给、多渠道保障和租购并举的制度安排，这一举措不仅可以遏制房地产泡沫，也有助于解决房地产市场供需不均衡的问题，更有利于推动住房租赁市场的发展。文章利用网络爬取技术收集2022年2月山东省济南市、青岛市所
有实时挂牌信息，基于特征价格模型，将所有特征因素分成3类，分别是建筑方面特征、地理区域特征和邻里环境特征；利用统计软件分析模型的正确性、适用性以及显著性，并进一步用标准化回归系数分析各特征对因变量月租金的影响方向和程度，通过对济南、青岛的比较分析，得出相关结论，更好地为政府、平台、出租方和承租方提供决策信息服务依据和建议。
［关键词］特征价格模型；网络爬虫；住房租赁
doi：10.3969/j.issn.1673 - 0194.2022.24.026
［中图分类号］F299.23 ［文献标识码］A ［文章编号］1673-0194（2022）24-0082-05
1 研究背景
近年来，随着“租购并举”住房制度的建立，发展保障性租赁住房是关乎我国未来住房发展的重大改革和重大转型。根据有关资料总结我国住房租赁市场的发展，可以分为以下3个阶段。①2014年以前，发展起步阶段：受住房分配制度、人口流动性较低、经济发展水平有限等因素影响，早期我国住房租赁市场发展缓慢，政策重点以廉租房和公租房这类政策性租赁住房为主，关注解决低收入家庭的住房问题。②2015—2019年，快速发展阶段：随着城镇化进程不断推进，流动人口规模持续扩大，我国住房租赁市场快速发展，相关政策不断出台，“租购并举”的住房制度逐步确立。③2020年至今，高质量发展阶段：
流动人口规模空前庞大，带动城市住房租赁需求快速增长，租赁市场供求结构性矛盾逐渐凸显，政策以保障性租赁住房为抓手，重点解决住房租赁市场结构性问题。
综合上述分析内容，住房租赁市场发展前景广阔，将迎来蓬勃发展期，重点城市、核心城市的人口流动吸引力更强，住房需求更多，保障性租赁住房、长租公寓等住房租赁细分领域也将成为今后企业更加关注和转型发展的探索方向。
大力发展住房租赁市场，不仅可以有效遏制房地产市场泡沫，也有助于缓解我国住房居民供需不均衡的问题，稳定市场发展。因此，本文研究住房租赁市场对响应国家政策、缓解住房压力来说尤为重要。
2 文献综述
国内外针对住房租赁市场更侧重质化的研究。国际上对于住房租赁的研究主要集中在社会租赁及私营
［收稿日期］2022-06-02
中国储运,2021(6):52-55.
［6］徐明春.央企供应链数字化问题及应对［J］.全国流通 经济,2021(9):65-67.
［7］吴树贵.供应链数字化转型初探［J］.信息技术与网络安全,2020(1):1-5.［8］王会艳，蒋北辰，王子文，等.进口跨境电商供应链数字化转型研究：从扎根理论视角［J］.河南财政税务高等专科学校学报,2021(4):47-54.
［9］申正.数字人民币发展及影响分析［J］.太原城市职业技术学院学报,2022(1):204-207.
数字经济
租赁的国别比较上，微观研究较少。例如，安布罗斯（Ambrose）和迪奥普·穆萨（Diop Moussa）［1］探讨了信息不对称和法规对租赁市场均衡结果的作用，认为致使弱势低收入租户受益的房东法规可能最终会限制这部分人获得出租房屋的机会。我国关于住房租赁的研究则更看重从宏观方面的定性评价。赵宁［2］通过问卷调查的方式，发现建行某分行存在产品种类单一、营销策略滞后、业务运营管理能力弱等问题，并从完善住房租赁金融产品、优化产品营销策略、提升平台使用体验等方面提出改进建议。
而在微观方面，学者大多采用特征价格模型。特征价格模型起初被应用于定价的研究，后来被越来越多地应用于房地产领域。随着研究的不断深入，后期便逐渐拓展延伸到住房租赁市场。综合现有的文献来看，学者关于特征因素对住房租金价格影响的研究主要集中在建筑方面特征、地理区域特征与邻里环境特征3个方面。
建筑方面特征是指住房建筑自身特有的性质，如建筑面积、建筑户型、装修年限、房间朝向等。罗西尔（Rosiers）和特里奥（Theriault）［3］研究了魁北克地区的5个租赁子市场，发现各个细分市场之间存在隐含价格的显著差异，其中住宅的结构特征，包括房屋年龄、房屋数量、地下室位置，是影响租金变化差异最显著的要素。
地理区域特征是指住房建筑周围整个环境方面的特点，如交通便利情况等。张蕾［4］以深圳市福田区城中村出租屋为例，在对租金进行研究时，选取交通条件、距中央商务区（Central Business District，CBD）的距离、商圈发达程度作为区位特征因素，发现影响租金的显著性要素依次是交通条件、商圈发达程度和与商圈的距离。
邻里环境特征是指住房建筑周围基础配套设施、娱乐休闲设施等情况。韦旭明［5］选择对学校、医院、购物商城的配套情况等进行分析。
本文从微观角度出发，采用特征价格模型研究方法研究影响山东省济南市、青岛市租赁价格的微观因素，并进一步比较分析各因素对租金的影响方向及程度，最终提出对租房市场的建议。
3 数据和模型
3.1 数据的获取
本文通过python爬虫技术，采集房天下网站提供的租房信息作为样本数据，爬取了济南、青岛的所有房天下数据，由于房天下是显示实时信息（2022年2月份挂牌数据），本文采集出7 036条数据。3.2 变量的筛选与量化
3.2.1 特征因素的采集
根据以上文献综述，可将影响住房租金价格的因素概括为3个方面，分别是建筑方面特征、地理区域特征、邻里环境特征，分别包括出租方式、住宅户型、建筑面积、房屋朝向、楼层、总楼层、装修、交通方式、教育配套、医疗配套、休闲场所等14项特征因素。
3.2.2 特征因素的量化
对于本文的特征因素，笔者主要采用实际观测数据、分等级赋值、虚拟变量3种量化方式，下面作简要说明。第一种采用实际观测数据的方式，直接使用观测数据将其作为研究变量，或将观测数据作简单处理。本文采用该方式处理的特征变量有月租金、住宅户型、建筑面积、楼层总数、公交车站、火车站、长途汽车站、地铁站、购物商城、学校和医院。其中，住宅户型参考杨舒文［6］的计算方法：以卫生间数/（室总数+厅总数）代表户型类型。对于公交车站、火车站、长途汽车站、地铁站、购物商城、学校和医院，则以其方圆 3 km为界，考察该范围内包含的个数作为交通、教育、医疗、休闲条件便捷程度的度量。
第二种采用Likert量表分级的方式，将变量顺序分等级，如极差、差、一般、好、极好，并为其赋1～5分。赋分越高，则说明其对因变量的贡献越大，通常与因变量呈正相关。在本文中采取该方式的特征变量有住宅朝向、装修程度。其中，住宅朝向参照叶琦［7］的分级标准，将朝南方向赋4分，南北方向赋3分，东 南/西南方向赋2分，其他方向赋1分。而装修程度则按照毛坯、简单、中等、精装修、豪华装修的顺序分别赋1～5分。
第三种采用虚拟变量的方式。本文中的出租方式采用这种方法，整租赋值为1，合租赋值为0，以分别研究是否整租对租金的影响方向和程度。采用虚拟变量能够使问题研究变得更加简单易懂。
3.3 模型的建立与选取
经查阅，特征价格理论模型有4种函数形式，分别是线性形式、半对数形式、对数形式、对数线性形式。在本文特征变量的量化过程中，部分变量采用虚拟变量方式量化，因此不可采用半对数和对数线性形式。在线性形式与对数形式中选择，两种形式分别为
ε
α
α
ε
α
α
+
+
=
+
+
=
∑
∑
=
=
i
n
i
i
i
n
i
i
Z
P
Z
P
1
1
ln
对数线性形式：
线性形式：
数字经济
其中，P是被解释变量住房租金，α0是模型中的截距项，Z i是影响房租的各解释变量，αi为偏回归系数（数学形式上定义为被解释变量与各解释变量的比值），ε为模型随机误差项。
确定了可选择的两种模型形式，需要进一步比较分析，最终确定唯一可用函数模型形式。本文主要通过STATA 15.0软件进行统计分析。经计算，分别得到济南、青岛两个城市模型拟合的结果，如表1所示。
从表1中可以看出，两个城市的R值均大于0.7，说明线性和对数线性形式对于因变量的解释均显著，即自变量与因变量之间呈现高度相关性。而对两座城市来说，对数线性的拟合性均高于线性形式，且估计标准误小，则应选择对数线性模型作为本文研究模型。4 模型结果分析
4.1 显著性和符号分析
济南、青岛模型的回归结果如表2、表3所示。
对于建筑方面的特征，济南、青岛两城市在出租方式、住宅户型、建筑面积、朝向、总楼层与装修程度
特征因素对于月租金均有相同的影响方向。例如，整租相对于合租，更容易抬高租金价格。人们生活质量在不断提高，他们更愿意用较高的价格租到更加舒适的住房，因此出租方式与月租金呈正相关的关系，即整租更容易导致租金增加，济南相对于青岛，受到的影响更大［8］。
对住宅户型来说，定义新的变量——卫生间数/（室总数+厅总数）——对于月租金有正向反馈，因为这个比值可以衡量住宅的建筑品质。一般来说，比值越大，房子的品质越高，对应的月租金越高。另外，建筑面积与租金呈正相关、朝南或南北朝向对租金有正向影响；总楼层越高，租金普遍越高；装修程度
越好，对应月租金越高，且在模型中均是显著的，这些方面与人们平常的认知和回归预期都是一致的［9］。
对于地理区域特征，长途汽车站在两个城市的模型中均不显著，所以暂不考虑。公交车站和火车站的个数对于房价来说有正向影响，数目越多，说明交通越发达，越可能增加租金价格。在房源周围3 km范围
表1 特征价格模型显著性分析
城市模型形式R R²调整后R²
估计标准误
济南
线性0.724 80.525 40.522 3 3 643.2对数线性0.908 00.824 50.823 30.3
青岛
线性0.847 20.717 70.716 4 6 219.3对数线性0.849 50.721 60.720 30.4
注：R为复相关系数，R²为决定系数，均为衡量自变量解释因变量程度的方式
表2 济南市特征向量模型回归系数结果
特征因素系数标准误t P值
95%系数区间估计
显著性下限上限
出租方式0.9690.03032.7000.0000.911 1.027***住宅户型0.1340.053-2.5400.011-0.237-0.030**建筑面积0.0060.00059.4700.0000.0060.006***朝向0.0150.008 2.0500.0400.0010.03**总楼层0.0010.001-0.0010.000-0.0020.001***装修0.0220.007 3.0400.0020.0080.037***公交车站0.0010.000 4.0200.0000.0010.002***火车站0.2350.020-11.5400.000-0.275-0.195***长途汽车站-0.0110.013-0.8500.396-0.0370.014—地铁站-0.0040.002-1.9300.054-0.0080.000*购物中心0.0360.00310.4200.0000.0300.043***学校0.0030.001 3.0100.0030.0010.004***医院-0.0030.000-6.0400.000-0.004-0.002***常数项 6.0470.06297.9800.000 5.926 6.168***注：***代表p＜0.01，**代表p＜0.05，*代表p＜0.1，下同
数字经济
福田汽车站内，每多增加1个公交车站，在济南的月租金平均增加0.1%，而在青岛平均增加0.3%。地铁站的数目对
于因变量月租金的影响在两个城市间产生差异。青岛市区内地铁线路较为发达，因此，房源周围地铁站越多说明周围交通条件越便利，对月租金有正相关影响。而对济南这座泉城来说，由于地下泉水较多、分布较广，市区内不能建造过多的地铁站，所以济南地铁站越多的地方反而越偏僻，周围各种设施都不太完善，租金反而不高，使得在济南的特征价格模型中，地铁站的特征变量与因变量月租金是负相关的关系［10］。
对于邻里环境特征，房源周围的购物中心、学校以及医院的数量对于月租金的影响方向在济南和青岛的模型中是一样的。购物中心和学校与因变量呈正相关，说明周围休闲娱乐与教育资源越丰富，租金越高。而对医院等医疗配套资源来说，其与因变量是负向的影响关系。对当前社会的租房体来说，大多是年轻人，他们会认为医院附近的病气过重，而且在医院周围居住，人流量较大，救护车警笛声等噪声大，不利于休息和身心健康，从而可能影响到日常生活工作的效率。因此，这会对附近租金水平产生负向影响。
4.2 影响程度分析
对特征因素进行影响程度分析时，可以采用标准化后的回归系数即β系数来比较。就是将所有的变量标准化以后重新排列，即可得到每一个变量的影响程度排序。经过统计软件计算以后，系数结果与排序如表4所示。其中，建筑面积、交通条件以及周围配套条件是租客首要考虑的要素。对于交通便捷的考虑，济南更偏重公交车，青岛更偏重公交车与地铁。
4.3 特征价格模型
根据上述分析及表2、3回归系数分析中的非标准回归系数，得到两个城市的特征价格模型如下。
济南：ln租金=6.047+0.006×建筑面积+0.969×出租方式+0.035×购物中心-0.003×医院+0.235×火车站+0.003×学校+0.001×公交车站+0.022×装修+0.134×住宅户型-0.004×地铁站+0.015×朝向+0.001×总楼层
青岛：ln租金=5.585+0.007×建筑面积+0.020×学校+0.003×公交车站-0.005×医院+0.035×购物商城+0.888×出租方式+0.022×地铁站+0.007×总楼层+0.107×装修+0.104×火车站+0.176×住宅户型+0.011×朝向
5 研究结论与建议
本文从微观角度研究住房租赁市场中租金的影响因素，通过建立对数线性形式的特征价格模型，进一步比较分析作为山东省两大“双子星”城市的济南和青岛，讨论各特征因素对租金的影响方向与影响程度的显著性。本文从房天下中用数据爬取技术获得月租金以及相关影响因素，将所有因素分为3个方面，分别是建筑方面特征、地理区域特征、邻里环境特征［11］。通过上述分析和检验，进一步验证了模型的正确性、适用性以及显著性，得出了以下结论：济南和青岛作为山东省最大的两座城市，租客仍将建
表3 青岛市特征向量模型回归系数结果
特征因素系数标准误t P值
95%系数区间估计
显著性下限上限
出租方式0.8880.07112.5200.0000.748 1.027***住宅户型0.1760.062 2.8500.0040.0550.297***建筑面积0.0070.00071.4200.0000.0070.007***
朝向0.0110.0110.9700.330-0.0110.034—
总楼层0.0070.0019.1300.0000.0050.008***
装修0.1070.0129.2200.0000.0840.129***公交车站0.0030.001-6.4200.000-0.005-0.002***
火车站0.1040.022-4.6200.000-0.148-0.060***长途汽车站-0.0080.018-0.4300.666-0.0430.028—
地铁站0.0220.005 4.6000.0000.0130.032***购物中心0.0350.00311.5700.0000.0290.041***
学校0.0200.00210.2800.0000.0160.023***
医院-0.0050.001-5.9900.000-0.007-0.004***
常数项 5.5850.10155.0400.000 5.386 5.784***注：表格呈现以对数租金为因变量，各特征因素对因变量影响程度的回归结果，其中对数租金是指对因变量租金作对数处理，满足对数线性模型形式
数字经济
筑面积、交通条件以及周围配套条件作为首要考虑因素，结合时间和金钱成本，货比三家，获得性价较高的房源。而对于医院这种在传统观念里比较排斥的地方，则出现了对租金负影响的现象。交通条件方面，受到地形的影响，济南更偏重的交通方式为公交车，青岛则是对公交车与地铁各有偏好。由于火车高铁动车的全面普及，人们对长途汽车的选择少之又少，所以在影响租金的特征因素中，长途汽车站的数量不是首要考虑因素，且在模型中其系数也不显著。在济南模型中，出租方式是租客比较重视的一个因素。相较于青岛，济南城区内大学数量更多，面对本地大学生或是刚毕业来本地就业的大学生租客体，除了建筑面积，出租方式是否整租也是租客较为关注的。对大学生租客来说，校外租房只是提供了另一种其可选择的住宅环境，因此，房间朝向、装修条件等显得不那么 重要。
综上，可将特征价格模型应用在租金价格的分析与预测中，可以小区为单位推算各楼盘的月租金或是房价影响因素。这不仅为房地产开发商、房产出租者和定价者提供了参考依据，也为租客提供了决策依据。
主要参考文献
［1］Ambrose B,Diop M.Information Asymmetry,Regulations and Equilibrium Outcomes:Theory and Evidence from the Housing
Rental Market［J］.Real Estate Economics,2018(3):5-6.［2］赵宁.J银行T分行住房租赁业务发展问题研究［D］.郑 州：郑州大学,2020.
［3］Rosiers F D,Lagana A,Theriault M, et al.Shopping Centres and House Values:an Empirical Investigation［J］.Journal of Property Valuation & Investment,1996(4):41-62.
［4］张蕾，幸华.基于特征价格模型的城中村出租屋租金影响因素研究：以深圳市福田区为例［J］.价格月刊,2018(4):29-34.
［5］韦旭明.基于特征价格模型的租赁住宅价格机制研究 ［D］.广州：暨南大学,2019.
［6］杨舒文.基于特征价格模型的房价研究［D］.杭州：浙江大学,2017.
［7］叶琦.地铁站点周边住宅的特征价格模型研究［D］.北 京：首都经济贸易大学,2018.
［8］熊琼兵.基于特征价格模型的贵阳市住宅价格影响因素研究［J］.中国集体经济,2018(10):81-83.
［9］崔娜娜，崔丹，肖亮.城市住房租金价格影响因素的空间计量分析：基于GWR模型对北京市数据的分析［J］.价格理论与实践,2020(5):45-48,132.
［10］张英婕，王洪强，徐愉.一线城市房屋租赁价格影响因素研究：以上海市中心城区为例［J］.价格理论与实践,2020(11):72-75.
［11］彭迪.房地产价格影响因素研究［J］.现代商业,2019(26):18-20.
表4 特征价格模型标准化回归系数及排序结果
分类别特征因素济南青岛
特征类别特征变量|β|排序|β|排序
建筑方面特征出租方式0.374 020.124 76住宅户型0.024 090.028 311建筑面积0.602 210.734 21朝向0.020 1110.009 812总楼层0.001 4130.097 48装修0.028 880.090 69
地理区域特征
公交车站0.083 670.208 23火车站0.132 550.055 310长途汽车站0.011 8120.006 313地铁站0.020 6100.114 97
邻里环境特征购物中心0.228 430.139 25学校0.085 660.352 92医院0.191 240.148 84
注：|β|为标准化后的回归系数，即β系数，就是将所有的变量标准化以后得到的各个变量的系数
发布评论