[房屋租赁管理对策问题现状影响及法律效应论文（共7篇）]房屋租赁现状

房屋租赁管理对策问题现状影响及法律效应论文（共7篇）

本文的研究恰好弥补了住房租金微观影响因素的空白。随着互联网的 发展，许多房东以及租房者纷纷选择在网上发布、获取信息的方式交流租房信息， 因此，许多租房网站包含了丰富的租房信息。本文利用计算机网络爬虫技术，获 取北京市租房信息，并利用这些信息建立价格特征模型，分析北京市住房租金的 微观影响因素。

二、模型理论 本文将利用特征价格模型对北京市住房租赁价格微观影响因素进行 分析。特征价格模型来源于特征价格理论。A.T.Court（1939）首次对汽车价格进 行了研究，构建了汽车价格指数。随后，Lancaster（1966）提出消费者偏好理论， 认为消费者购买一个产品，是由于产品的特征符合消费者的需求。Rosen（1974） 则完善了Lancaster偏好理论，理论上构建了特征价格供需特征模型，为特征价格 模型奠定了基础。随后，特征价格模型开始广泛的应用于住房、写字楼价格研究 领域，学者们主要研究住房微观特征，例如住房属性、结构、地理位置、房龄等 对房屋价格的影响。

特征价格模型的构建主要通过回归模型实现。对于如何正确选择特征 价格模型中的函数形式，从而使得模型能够正确表达自变量和因变量之间的关系，理论上还没有一种明确的检验方法，因此，大多数研究者都是凭经验初步设定函 数形式，然后不断地尝试和修正，直到认为函数形式能够解释样本数据的差异， 并使得模型对样本数据的拟合满足要求。在过去的研究中，特征价格模型主要有 线形函数、对数函数、半对数函数和对数线形函数四种基本函数形式，其模型结 构如下：
①线性形式：
②对数形式：
③对数线性形式：
④半对数形式：
过去，学者大多选用一般线性回归模型，应选用最小二乘法作为估计 方法。在本文中，作者拟采用广义线性回归模型进行特征价格模型的构建。广义 线性模型（generalizedlinearmodel）由NelderWedderburn（1972）首先提出，是一 般线性模型的直接推广，它使因变量的总体均值通过一个非线性连接函数 （linkfunction）而依赖于线性预测值，同时还允许响应概率分布為指数分布族中 的任何一员。连接函数解释了线性预测子与分布期望值的关系，函数形式的选择 可视情形而定，通常只要符合链接函数的值域有包含分布期望值的条件即可。本 文在进行多次尝试后，根据模型拟合优度，最终使用伽马分布，并以倒数形式作 为连接函数。

三、实证分析 1.数据来源及数据预处理 本文所使用的数据来源于56同城网站。58同城（http：//58.com）是国 内第一中文分类信息网站与免费信息发布网站，内含海量的房产信息，包括全国 各主要城市的房屋出租信息。对于每一条租房信息，其主要项目有发布日期（时 间）、所在城市、房源名称、租金、面积、户型、类型、楼层、配置以及所在的 小区与地址等。在分析该网站及相关网页结构的基础上，基于.Net框架，采用C# 语言，自行设计了一个颇具通用性与灵活性的租房信息采集程序，并通过 Windows系统中的“任务计划程序”，每天按指定的时间与间隔启动之，依据所设 定的采集方案与规则，成功地实现了各有关城市一定数量的租房信息的自动采集， 同时将所采集到租房数据持续地添加到SQLServer数据库中。本文主要选取了2015年11月4日-2015年12月6日期间发布的北京市住 房信息，并将租金、面积、楼层、装修程度、配置以及所在城区作为模型变量。

在缺失值删除、异常值删除之后，得到1459个样本。其中，由于网站租房信息发 布的特殊性，对个别变量作如下处理：（1）在租房信息中，出租者通常只给出 楼层范围，为将其转换为数值型变量，本文对楼层范围计算出平均数，作为实际 楼层；
（2）装修程度通常分为简单装修、中等装修、精装修与豪华装修，本文 将这四类装修用分数表示，分值为1-4分。

2.价格影响因素选择 结合以往文献对住宅价格模型的研究，并基于数据可得性，笔者构建 了北京市房屋租金的特征价格模型：
租金=f（区位、楼层、配套设施、装修程度） 笔者认为，住在租赁价格主要收到区位特征、楼层、配套设施、装修 程度四个因素的影响。其中区位特征以所在城区表示，北京现辖16市辖区。其中 地处北京二环路以内的东城、西城两个区是传统上的中心城区。规划中北京市城 区的范围由大约北京四环路以内的中心城区和十个四环外围城区组成。不同城区 的区位功能以及距离中心城区、CBD的距离远近等因素，决定了该城区居住适宜 程度，也进而决定了该区域租金价格范围。本研究中数据样本涵盖北京市除延庆 区之外的15个城区。其次，房屋楼层也是人们在选择住宅是重点考虑的因素。不 同楼层均存在不同的优势和缺陷，将楼层纳入到特征价格模型中，可以观察租房 者对不同楼层的喜好。此外，配套设施及装修程度影响了租房者的居住环境、住 房感受，也决定了租房者在入住之后是否需要二次消费，因此将该因素纳入特征 价格模型中。

3.北京租房价格特征 其每平方米单位价格如下图所示：
其余定量变量描述统计结果如下表所示：
通过观察原始数据可以看出，随着出租房屋配套设施数量的增加，单 位面积价格升高；
此外，单位面积价格还会随着楼层的增加、装修程度的提升而 提高。根据地段不同，单位房租价格也有很大差异，其中占据北京市中心的东城区、西城区价格最高，其次是朝阳区、崇文区、海淀区以及宣武区。

4.特征价格模型分析 如前文描述，特征价格模型的形式有多重，而如何正确选择特征价格 模型函数形式的问题，过去的文献并未提出统一的标准。通过对不同模型的多次 尝试，笔者设定如下模型：
RENT=f（DIST，FL，AC，DEC） 其中RENT为单位面积租金（元/平方米），DIST为城区，FL为楼层， AC为配套设施个数，DEC为装修程度。由于区位为定性变量，因此将其转换为 哑变量，则共有14个哑变量。根据模型效果，本研究最终采用Gamma分布并以 倒数作为链接函数的广义线性回归模型，模型表示如下：
在模型建立过程中，原装修程度分为1-4级，分别代表简单装修、中 等装修、精装修与豪华装修，而模型结果显示前三个装修水平，即简单装修、中 等装修与精装修不显著，因此将这三个水平合并为普通装修，最后一个等级保留 为豪华装修，最终装修程度分为两个级别。对变量做出调整后，最终模型结果如 下：
由模型结果可以看出，其中楼层、装修程度以及配套设施均为显著变 量，而区位中除朝阳区、崇文区及海淀区外，其他水平均显著。由于该广义线性 回归模型采用了倒数函数作为链接函数，因此系数越小表示随着该变量的增加， 单位价格也会增加。由上表可知，随着楼层的增加，单位价格也随之增加。同理， 装修风格上，豪华装修比普通装修价格更高。而在配套设置的个数上，随着个数 的增加，单位价格会有所降低，这与平时感知不符。这可能是由于配套设置的价 格差异导致的，有的房屋只有少数配套设施，但价格较为昂贵，这也是租金价格 较高的原因。对于不同城区的价格差别，其结果也和感知相符。其中，朝阳区、 崇文区、东城区、海淀区和西城区高于平均价格，且东城西城区居首，宣武区单 位价格为平均水平，而其余城区房租价格则低于平均水平。

四、结语 近年来房地产市场持续升温，越来越多闲置住房投入租赁市场，同时 也有越来越多人选择租房作为居住方式。本文研究了房屋租赁价格的微观影响因 素，解释了租金变化规律，研究结论极具应用价值，有助于房东和租客合理评估房屋租金，便于定价。

作者：范雅静等 第2篇：浅析房产税对房屋租赁市场的影响 一、前言 根据国家的相关政策可知，2011年上海和重庆两地开始实行房产税， 不动产登记暂行条例于2015年在全国范围内开始实行。该条例要求国土资源部分 和相关部门建立健全统一的不动产登记信息管理基础平台，这有利于为相关部门 对不动产进行管理，同时有利于确保各级单位对不动产登记信息进行实时共享。

以便提高信息的使用效率。2015年实行的不动产登记暂行条例有助于政府完善不 动产管理制度，优化不动产管理工作机制，有助于了解我国居民的资产构成情况 和社会财富聚集状况，同时有助于为房产税在全国范围内的征收工作提供基础条 件和保障。

房地产市场是我国国民经济的重要组成部分，对经济的发展和社会民 生工作有着重要作用，随着近几年来我国强化了对房地产市场的管理力度，房地 产市场正在向规范化和健康化的方向发展，促进我国城市化进行的顺利推进。