行业聚焦房地产世界2023/0425北京市二手房价格影响因素研究杨杰邵欣怡彭子君阿斯木古丽·艾麦提江房地产经济是我国国民经济中的重要组成部分,其在很大程度上支持着建筑、机械、建材、金融等行业的发展。近年来,房地产市场一直保持着较高的活跃度,房地产业是支撑中国经济增长的重要动力之一。过去几年,北京的房地产市场持续繁荣,二手房交易量也一直保持在较高水平。二手房价格的影响因素可以通过对二手房价格的统计和分析来得到。例如,黄明宇、夏典利用多元线性回归模型分析了合肥市二手房交易数据[1],胡夷等人利用半对数模型研究了上海市房地产价格的影响因素。[2]以上研究结果表明,分析房地产价格影响因素,能够为当地的房地产交易提供较为合理的定价参考。1数据处理笔者从链家网获取2021年6月至2022年6月的北京市二手房交易数据,通过缺失值处理、归类等操作,最终得到有效数据10800条。笔者以单位面积房地产价格为因变量,有无电梯（有、无）、楼层情况（低楼层、中楼层、高楼层）、装修方式（毛坯、简装、精装）、行政区划（东城区、西城区、朝阳区、海淀区、丰台区、石景山区、通州区、昌平区、大兴区）为自变量。北京市二手房交易数据如表1所示。由表1可知,从电梯分布来看,样本大部分为“有”,共有5756个,占比为66.83%。还有33.17%的样本为“无”。“中楼层”的占比为47.10%。在装修方面,“精装”占比最大,为55.63%,“简装”样本的占比为42.64%。行政区划中各区域的占比较为均匀,基本在10%左右。2模型建立2.1模型概述多元线性回归模型是一种统计分析方法,用于研究两种或两种以上变量之间的关系。其中,一个变量被称为自变量,另一个变量被称为因变量。应用多元线性回归模型的目的是建立自变量与因变量之间的数学关系式,以便预测因变量的值。多元线性回归模型公式如下：y=b0+b1x1+b2x2+…+bnxn（1）式（1）中,y是因变量,x1、x2…xn是自变量,b0、b1、b2…bn是系数。笔者通过观察数据,用最小二乘法等方法估计出这些系数的值,从而得到多元线性回归模型。2.2回归分析本文将上述数据输入SPSS软件进行回归分析。回归分析结果如表2所示。由表2可知模型F检验结果,F值为1655.979,对应的P值为0.000,说明模型的线性关系显著。拟合度R2为0.755,说明因变量的变化中有75.5%可以由自变量的线性变化来解释；拟合度R2较高,说明模型拟合效果良好。下面,笔者对模型进行共线性检验。共线性检验结果如表3所示。由表3可知,模型的平均方差膨胀系数小于10,这说明模型的共线性...
