论文部分内容阅读
旅游地产作为旅游业与房地产业联姻的一种新式产业,其潜在的利益诱惑掀起了地产业一股狂热的投资潮,关于旅游地产价格受到哪些因素影响这一问题的研究对防止旅游地产价格泡沫化,促进旅游地产良性发展具有重要意义。目前学术界运用Hedonic模型对传统住宅价格影响因素进行实证分析的研究成果比比皆是,但关于旅游住宅地产的价格特征分析却寥寥无几。而且,当前旅游地产市场上不乏有假借旅游开发之名、行售房之实的房地产开发商,仅仅追求房产销售所带来的短期快速回报,忽视旅游资源带来的环境效益,最终导致投入的资金没有得到长远的经济回报。因此,从价格影响因素的角度去探讨旅游地产这一热门行业不论从理论上还是实践上都是有必要的。本文基于Hedonic模型的理论知识,结合聚龙小镇旅游住宅地产的实际情况,对影响旅游住宅地产价格的因素进行深入地探索和研究。主要的研究内容有以下几个方面:首先,通过梳理总结国内外关于特征价格模型理论分析及应用现状的文献资料,借鉴优秀学者们丰富成熟的实证分析经验,为本文构建旅游住宅地产的特征价格模型奠定扎实的研究基础:其次,综合考虑传统住宅地产的特征和旅游地产的特殊性,确定影响旅游住宅价格的主要因素,构建旅游住宅地产价格特征的指标体系;再次,确定最符合旅游住宅地产特征价格模型的函数形式,并借助该函数模型,以泉州聚龙小镇为例进行实证研究,构建旅游住宅地产的特征价格模型;最后,对模型的结果进行验证和评价,分析旅游住宅价格特征的影响方向和影响程度,并确定影响旅游住宅价格的显著性因素,发现旅游住宅价格与影响因素之间的关联程度。本文运用统计工具SPSS18.0对旅游住宅地产特征价格模型进行实证研究,确定了影响旅游住宅地产价格的显著性因素,最终得出以下结论:第一,共筛选出13个特征变量进入旅游住宅地产特征价格模型,它们分别是是否临近城市主干道、至高速路口距离、公交线路数、建筑面积、装修程度、楼层、房龄、朝向、容积率、配套设施、景观视线、至核心旅游资源距离、绿化率;第二,确定采用对数形式对旅游住宅地产特征价格模型进行多元回归分析;第三,根据多元回归分析结果最终确定共有8个特征变量进入模型,得出了旅游住宅地产特征价格的对数模型:ln住宅总价=9.008+(1.022*ln建筑面积)+(0.042*装修程度)-(0.031*房龄)+(0.004*楼层)-(0.228*ln容积率)+(0.076*景观视线)-(0.046*ln至核心旅游资源距离)+(0.340*ln绿化率);第四,根据模型得出了各个特征变量对旅游住宅价格的影响方向和影响程度。影响程度由大到小排序分别是:建筑面积、绿化率、容积率、景观视线、至核心旅游资源距离、装修程度、房龄、楼层。第五,计算出了进入模型的8个特征变量的价格弹性/半弹性,得出对旅游住宅价格贡献率最高的因素是景观视线,达到了 7.896%,绿化率、至核心旅游资源距离、容积率等与景观相关的因素对住宅价格的影响也是显著的,说明旅游景观资源的维护和景观环境的改善,对提升旅游住宅地产的价值具有重要意义。本文的创新点:在研究方法上运用了特征价格法对旅游地产价格进行定量的探讨,填补旅游地产在特征价格应用领域的空缺。