《學(xué)區(qū)房評估方法分析綜述》2700字

學(xué)區(qū)房評估方法分析綜述目錄TOC\o"1-2"\h\u1050（一）學(xué)區(qū)房相關(guān)理論 15391.學(xué)區(qū)房的概念 1100482.學(xué)區(qū)房的形成因素 123947（二）傳統(tǒng)評估方法的弊端 2327441.市場法的弊端 2260512.收益法的弊端 2141563.成本法的弊端 315251（三）隨機(jī)森林理論 3321421.隨機(jī)森林算法流程 3269472.決策樹的建立 495453.特征變量的重要性排序 545404.隨機(jī)森林模型的優(yōu)點 5學(xué)區(qū)房相關(guān)理論學(xué)區(qū)房的概念學(xué)區(qū)房指的是有著高質(zhì)量教育資源的住宅房地產(chǎn)[9]，是根據(jù)當(dāng)?shù)亟逃块T有關(guān)規(guī)定的，依據(jù)劃片入學(xué)原則，將各學(xué)校招生范圍進(jìn)行限制，在被限制的區(qū)域內(nèi)的學(xué)生可以免去入學(xué)考試這一環(huán)節(jié)直接試進(jìn)入規(guī)定的學(xué)校就讀并且享受為期九年的義務(wù)教育。這樣區(qū)域內(nèi)的房產(chǎn)便是我們所說的“學(xué)區(qū)房”。本文以南平市延平區(qū)重點小學(xué)劃片住宅為本次實證研究的研究對象。學(xué)區(qū)房的形成因素1962年教育部出臺規(guī)定，各地選定一批重點中小學(xué)，加強(qiáng)師資教育和教育資金的投入。因這一歷史原因使得重點學(xué)校教育資源長期處于優(yōu)勢地位，從而引起了重點學(xué)校片區(qū)內(nèi)房產(chǎn)價格居高不下。學(xué)區(qū)房擁有重點學(xué)校的入學(xué)名額，能夠給予孩子更為優(yōu)越的教育環(huán)境；因為學(xué)區(qū)房具有“教育”的特殊屬性，在孩子畢業(yè)后，可以將學(xué)區(qū)房在二手房市場上出售，因貨幣的貶值以及近幾年家長對孩子的教育越來越重視，出售價格往往會接近甚至高于當(dāng)初的購買價格。（二）傳統(tǒng)評估方法的弊端傳統(tǒng)評估方法中，市場法是指基于替代理論，通過近期房地產(chǎn)市場成交的類似案例，并調(diào)整選取的各個交易案例的系數(shù)（樓幢位置、朝向、居住聚集度、房屋新舊程度、小區(qū)規(guī)模、小區(qū)檔次等），以求出被評估房地產(chǎn)的價值的一種方法。收益法是指通過收集房地產(chǎn)相關(guān)數(shù)據(jù)（房屋建成年限、房屋已使用年限、土地標(biāo)準(zhǔn)使用年限、土地剩余使用年限、房屋月租金等）、選取測試參數(shù)（轉(zhuǎn)售費(fèi)率、未來價格上漲率、投資風(fēng)險補(bǔ)償率等）從而求取被評估住宅房地產(chǎn)價格的一種方法。成本法則是指通過估算被評估房地產(chǎn)的重置成本，計算被評估房地產(chǎn)的各項貶值，并將其從重置成本中扣除而得到被評估住宅房地產(chǎn)價格的一種方法。雖然當(dāng)前傳統(tǒng)的評估方法一直在進(jìn)行著不斷完善，但對于學(xué)區(qū)房的估價來說，仍然存在諸多弊端。市場法的弊端房地產(chǎn)價格影響因素判定主要來源于評估人員的經(jīng)驗判斷，自主性較強(qiáng)，難以體現(xiàn)估價結(jié)果的客觀性。（2）市場法通常是指在一般情況下，將過去成交的市場實際案例與被評估房地產(chǎn)價格進(jìn)行對比分析，但由于價值時點之前的交易案例僅代表過去時點的市場價格。而隨時間的改變與政策導(dǎo)向的變化，房地產(chǎn)的價格也較易產(chǎn)生重大差異。收益法的弊端不同類型的收益性房地產(chǎn)的獲利方式有所差別，房價漲跌會影響收益。（2）在實際評估作業(yè)中，多以估價師的主觀印象進(jìn)行報酬率的確定，并沒有標(biāo)準(zhǔn)的報酬率的確定方法。成本法的弊端（1）房地產(chǎn)估價市場的平衡性作為成本法使用的前提，大大增加了成本法在實際應(yīng)用中的局限性。許多時候住宅房地產(chǎn)估價市場變化較快，房地產(chǎn)的成本與其價值由供求關(guān)系而決定，此時若使用成本法進(jìn)行住宅房地產(chǎn)價格的評估，易造成成本法的準(zhǔn)確性大大降低。（2）成本法僅僅只考慮到有形價值對住宅房地產(chǎn)價格的影響，而卻忽略了無形價值對房地產(chǎn)價格的影響。例如一些地區(qū)靠近景區(qū)的房產(chǎn)景觀資源較為豐富，靠近地鐵、公交站點的房產(chǎn)交通資源比較豐富，劃片學(xué)區(qū)的房產(chǎn)教育資源較為豐富等，這些無形價值對價格的影響都可能比較巨大。因此忽略無形價值對房產(chǎn)價格的影響，從而增加誤差率。（三）隨機(jī)森林理論隨機(jī)森林（RF）理論是BreimanL[10]在本世紀(jì)初提出的，它是一種采用多棵決策樹運(yùn)算的一種分類器，能夠通過對樣本集的訓(xùn)練進(jìn)行回歸以及分類。方匡南等[11]闡述了和隨機(jī)森林相關(guān)的理論、性質(zhì)以及應(yīng)用，帶動了國內(nèi)學(xué)者對于隨機(jī)森林模型理論、方法研究的一波新的浪潮。有關(guān)隨機(jī)森林模型的長處在一些文獻(xiàn)中已經(jīng)有所體現(xiàn)：BiauG[12]覺得隨機(jī)森林模型具有平穩(wěn)性且適用于計算少量數(shù)據(jù)集的特點，同時它的收斂速率只是由強(qiáng)特征數(shù)來決定而非由噪聲變量數(shù)來決定。BiauG等[13]總結(jié)概括了隨機(jī)森林的理論以及方法。1.隨機(jī)森林算法流程（1）采用bootstrap方法，在已經(jīng)收集的50個樣本數(shù)據(jù)中，按照樣本集：測試集=9：1的比例隨機(jī)的抽取45個樣本構(gòu)成樣本集，再所得到的樣本集構(gòu)建出決策樹，每次抽樣剩下的樣本成為測試集，作為隨機(jī)森林模型的測試樣本。（2）根據(jù)參考的文獻(xiàn)以及收集的資料，假設(shè)所收集的因素特征有有學(xué)校屬性、小學(xué)就讀名額、室、廳、衛(wèi)、朝向、裝修情況、建筑面積、所在樓層、距小學(xué)最短步行距離、商業(yè)指數(shù)、交通指數(shù)、醫(yī)療指數(shù)、建成年代、綠化率、總樓層、學(xué)區(qū)房掛牌價格、建筑結(jié)構(gòu)這17種變量特征，對每棵樹的每個結(jié)點處都隨機(jī)抽取mtry個變量，mtry為節(jié)點值所對應(yīng)的最小節(jié)點數(shù)，把mtry=2作為備選的變量，依靠分支優(yōu)度的準(zhǔn)則從中選取最優(yōu)的分支。（3）每棵回歸樹按照自上而下的輪回方式對齊進(jìn)行分裂，設(shè)房地產(chǎn)的屬性和特征可能出現(xiàn)的行為結(jié)果最少個數(shù)為2,并將其作為回歸樹停止分裂的規(guī)定。（4）重復(fù)上述步驟，直至模型建立完成。（5）最后，將測試集的17個變量特征屬性輸入至已經(jīng)構(gòu)造的隨機(jī)森林模型當(dāng)中，便可以得到學(xué)區(qū)房的估價結(jié)果。本文將以以上述思路為基礎(chǔ)并借助Python，搭建并計算隨機(jī)森林模型。過程如下圖所示：圖3-1隨機(jī)森林建模過程2.決策樹的建立決策樹是指在已經(jīng)知道的各類可能發(fā)生的情況的概率基礎(chǔ)之上，通過構(gòu)造決策樹用以求出凈現(xiàn)值中的期望值大于或者等于零的概率的一種方法。完整的決策樹包含著一個根節(jié)點，諸多的內(nèi)節(jié)點以及諸多的葉節(jié)點；其中，根節(jié)點是唯一的、起始的節(jié)點。內(nèi)部節(jié)點表示房地產(chǎn)的屬性和特征的集合。即：小學(xué)就讀名額、室、廳、衛(wèi)、朝向、裝修情況、學(xué)校屬性、建筑面積、所在樓層、距小學(xué)最短步行距離、商業(yè)指數(shù)、交通指數(shù)、醫(yī)療指數(shù)、建成年代、綠化率、總樓層、學(xué)區(qū)房掛牌價格、建筑結(jié)構(gòu)，這17種變量特征的集合；葉節(jié)點則對應(yīng)每一個可能會出現(xiàn)的行為結(jié)果。3.特征變量的重要性排序隨機(jī)森林模型中對樣本數(shù)據(jù)重要性的排列方法主要有袋外數(shù)據(jù)（OOB）和基尼系數(shù)（Gini）兩種方法，本文采用基尼系數(shù)（Gini）對采集到的樣本中的17種特征變量因素的集合中，隨機(jī)性的抽取一個子項，計算其被錯分到其他組和之中的概率，這個概率，便稱為基尼不純度，基尼不純度與變量特征之間呈反向關(guān)系。具體公式如下：（3-1）其中，Px為某特征變量發(fā)生的概率；y為總的特征變量數(shù)，即y=17；Gini（p）為基尼不純度。隨機(jī)森林模型的優(yōu)點（1）隨著信息技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)被不斷推廣，隨機(jī)森林在個行業(yè)的應(yīng)用中也愈發(fā)廣泛。隨機(jī)森林不僅可以對預(yù)測離散值同時也還可以預(yù)測連續(xù)值。在數(shù)據(jù)處