湛東升 周家樂 楊添涵 孟斌

［摘要］特征價(jià)格模型方法是房地產(chǎn)市場價(jià)格評估、預(yù)測及影響因素分析研究中經(jīng)典且常用的工具，通過梳理特征價(jià)格模型的理論基礎(chǔ)，運(yùn)用文獻(xiàn)計(jì)量方法全面分析其研究現(xiàn)狀。研究發(fā)現(xiàn)：1）新消費(fèi)者理論和市場均衡理論是特征價(jià)格模型的理論基礎(chǔ)；2）特征價(jià)格模型已成為應(yīng)用經(jīng)濟(jì)學(xué)、人文地理學(xué)和城市規(guī)劃等多學(xué)科領(lǐng)域使用的重要方法；3）特征價(jià)格模型包括普通多元回歸模型、空間回歸模型、多層次模型和機(jī)器學(xué)習(xí)等方法；4）特征價(jià)格模型的解釋變量主要由結(jié)構(gòu)特征、鄰里特征和區(qū)位特征3大維度構(gòu)成，其他環(huán)境特征也逐漸受到關(guān)注，但特征變量的測度方法不同可能導(dǎo)致研究結(jié)論的差異；5）未來的特征價(jià)格模型應(yīng)用研究應(yīng)從完善理論分析框架、選擇合適的模型方法、準(zhǔn)確測度特征變量內(nèi)涵和提升研究結(jié)論的普適性等方面進(jìn)行改進(jìn)。

［關(guān)鍵詞］特征價(jià)格模型；房地產(chǎn)市場價(jià)格；文獻(xiàn)計(jì)量；研究進(jìn)展

［中圖分類號］F 224［文獻(xiàn)標(biāo)志碼］A［文章編號］10050310（2024）03004311

Research Progress and Prospects of the Application of

Hedonic Price Model

ZHAN? Dongsheng1， ZHOU? Jiale1， YANG? Tianhan1， MENG? Bin2

（1.School of Management/China Academy of Housing & Real Estate， Zhejiang University of Technology，

Hangzhou 310023，

China； 2.College of Applied Arts and Science， Beijing Union University， Beijing 100191， China）

Abstract：? The hedonic price model is a classic and frequently used method in the real estate market price evaluation， prediction and its influencing factors research. Based on the summary of the theoretical basis of hedonic price model， this paper analyzes the literature research situation of hedonic price model using bibliometrics method. Results show that： 1） The new consumer theory and the market equilibrium theory are the theoretical basis of hedonic price model; 2） The hedonic price model has become an important method in such multidisciplinary fields as applied economics， human geography and urban planning; 3） Hedonic price model includes multivariate liner regression model， spatial regression model， multilevel model， machine learning and etc.; 4） The explanatory variables of the hedonic price model are composed of three dimensions， namely， structural characteritics， neighborhood characteritics and location characteritics， but different definitions of explanatory variables may lead to varied conclusions; 5） Future research of hedonic price model application should be further improved from the aspects of perfecting the theoretical analysis framework， selecting suitable model methods， accurately measuring the connotation of explanatory variables and improving the generalization of research conclusions.

Keywords： hedonic price model；real estate market price；bibliometrics；research progress

0引言

住房是由一系列“特征束”構(gòu)成的典型異質(zhì)性商品，承載著廣大市民的美好生活愿望，與城市居民身心健康、生活品質(zhì)和家庭財(cái)富積累等人類福祉密切相關(guān)［1］。長期以來，房地產(chǎn)市場價(jià)格研究是國內(nèi)外住房研究領(lǐng)域的核心議題，特征價(jià)格模型方法則是探討房地產(chǎn)市場價(jià)格變動(dòng)特征和影響因素的重要工具。自Lancaster和Rosen提出特征價(jià)格理論以來，應(yīng)用研究得到長足發(fā)展，這對繼續(xù)完善特征價(jià)格模型理論研究內(nèi)容和科學(xué)指導(dǎo)房地產(chǎn)市場健康持續(xù)發(fā)展的地方實(shí)踐均作出了重要貢獻(xiàn)［23］。

特征價(jià)格模型的實(shí)質(zhì)是將住宅產(chǎn)品價(jià)格分解為各類特征的隱含價(jià)格，測度消費(fèi)者為每一個(gè)新增加的特征所額外支付的最高費(fèi)用，即住房消費(fèi)者的邊際支付意愿。從研究內(nèi)容來看，特征價(jià)格模型方法已在房地產(chǎn)市場價(jià)格評估、預(yù)測和影響因素研究中得到廣泛應(yīng)用，如編制城市房地產(chǎn)價(jià)格指數(shù)［4］、解析房地產(chǎn)市場價(jià)格影響因素［5］、評估各類特征變量的資本化效應(yīng)等［6］。從研究方法來看，特征價(jià)格模型方法逐漸向多元回歸模型、空間回歸模型和多層次模型共同主導(dǎo)的多元化方法應(yīng)用轉(zhuǎn)變［7］。但仍有學(xué)者認(rèn)為，當(dāng)前特征價(jià)格模型的應(yīng)用研究存在理論分析框架不完善、模型方法誤設(shè)、特征變量測度方法偏頗等問題［8］。

在大數(shù)據(jù)時(shí)代，隨著房地產(chǎn)數(shù)據(jù)的快速普及和特征價(jià)格拓展模型的不斷演替，我們有必要對特征價(jià)格模型方法的應(yīng)用研究成果進(jìn)行理論總結(jié)，并促進(jìn)其規(guī)范化使用，提出未來特征價(jià)格模型應(yīng)用研究的優(yōu)化改進(jìn)方向，為科學(xué)編制城市房地產(chǎn)市場價(jià)格指數(shù)、解析房地產(chǎn)市場價(jià)格影響因素和度量各類特征變量的資本化效應(yīng)等提供更有效的理論與方法支撐。

1特征價(jià)格模型的理論基礎(chǔ)

1.1新消費(fèi)者理論

傳統(tǒng)的消費(fèi)者理論認(rèn)為，消費(fèi)者消費(fèi)商品是為了獲得效用。Lancaster最早提出新消費(fèi)者理論，他認(rèn)為不是商品本身而是其個(gè)體特征創(chuàng)造了效用［2］。根據(jù)新消費(fèi)者理論可知，消費(fèi)者在不相同商品間作出選擇，是根據(jù)自身消費(fèi)屬性偏好對不同商品客觀屬性的差異化反映。新消費(fèi)者理論為房地產(chǎn)經(jīng)濟(jì)學(xué)發(fā)展奠定了堅(jiān)實(shí)的理論基礎(chǔ)。在房地產(chǎn)經(jīng)濟(jì)研究領(lǐng)域，消費(fèi)者的住房消費(fèi)行為一般遵循效用價(jià)格比最大化原則，住房價(jià)格主要由房屋的建筑特征、鄰里特征和區(qū)位特征等一系列滿足居民住房需求的特征變量所決定，可通過顯示偏好法來估計(jì)商品需求或商品特征的隱含價(jià)格。

1.2市場均衡理論

特征價(jià)格模型反映某一特征在市場均衡狀況下，差異化產(chǎn)品的隱含價(jià)格，特征變量系數(shù)代表邊際支付意愿。Rosen分析了買方和賣方的選擇以及市場長期均衡和短期均衡在特征價(jià)格模型中的作用，指出有效的特征價(jià)格分析框架是建立在嚴(yán)格的假設(shè)基礎(chǔ)上，包括完全競爭、產(chǎn)品連續(xù)、市場均衡和全面觀測產(chǎn)品特征等基本假設(shè)，但在現(xiàn)實(shí)情況中這些理想假設(shè)條件很難得到滿足［3］。Rosen還提出產(chǎn)品特征市場供需均衡模型，如通過多元線性回歸將產(chǎn)品特征的隱含價(jià)格分離出來，分析消費(fèi)者對產(chǎn)品特征的需求和邊際支付意愿，這為特征價(jià)格模型的快速發(fā)展和廣泛應(yīng)用提供了重要的理論支撐［9］。

2特征價(jià)格模型應(yīng)用研究的文獻(xiàn)計(jì)量分析

本文采用VOSviewer文獻(xiàn)計(jì)量工具，對特征價(jià)格模型的研究進(jìn)行作者共被引、關(guān)鍵詞聚類和關(guān)聯(lián)強(qiáng)度分析；采用CiteSpace軟件進(jìn)行時(shí)間線圖譜和關(guān)鍵詞突變分析。在國外，特征價(jià)格模型方法通常被表述為“hedonic price theory”或“hedonic price model”。在我國，這一方法被表述為“特征價(jià)格法”或“特征價(jià)格模型”。為了獲取全面的文獻(xiàn)數(shù)據(jù)，本文在Web of Science核心合集數(shù)據(jù)庫中，以“hedonic price”為檢索主題，截至2024年3月18日，共檢索到3 620篇相關(guān)文獻(xiàn)；在中國知網(wǎng)（CNKI）中，以“特征價(jià)格”為檢索主題，截至2024年3月18日，共檢索到882篇相關(guān)文獻(xiàn)。

2.1特征價(jià)格模型應(yīng)用研究的期刊來源和作者共被引分析

本文對國內(nèi)外特征價(jià)格模型文獻(xiàn)的期刊來源進(jìn)行統(tǒng)計(jì)分析（見圖1）發(fā)現(xiàn)，國外研究主要發(fā)表在Sustainability、Journal of Real Estate Finance and Economics、Land Use Policy、Regional Science and Urban Economics和Land Economics等學(xué)術(shù)期刊上，國內(nèi)研究主要發(fā)表在《價(jià)格理論與實(shí)踐》《中國房地產(chǎn)》《統(tǒng)計(jì)與決策》《建筑經(jīng)濟(jì)》《價(jià)格月刊》等學(xué)術(shù)期刊上，說明特征價(jià)格模型方法已被廣泛應(yīng)用于城市經(jīng)濟(jì)學(xué)、區(qū)域經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)等學(xué)科研究中。通過作者共被引分析發(fā)現(xiàn)，國外特征價(jià)格模型方法應(yīng)用的研究以Zhang、Wen、Shimizu和Polyakov等學(xué)者為主；國內(nèi)研究以溫海珍、鄭思齊、沈體雁和石薇等學(xué)者為主，他們的研究成果具有較強(qiáng)的影響力。

2.2特征價(jià)格模型應(yīng)用研究的關(guān)鍵詞聚類分析

本文采用VOSviewer對國內(nèi)外特征價(jià)格模型相關(guān)研究的關(guān)鍵詞進(jìn)行聚類分析（見圖2），同一顏色的關(guān)鍵詞代表一個(gè)主題聚類。在國外的研究中，特征價(jià)格模型主題被劃分為5個(gè)聚類。其中：第1個(gè)聚類以影響因子為重點(diǎn)，關(guān)鍵詞包括影響、價(jià)值、設(shè)施、可達(dá)性、交通和開放空間等；第2個(gè)聚類與消費(fèi)相關(guān)，關(guān)鍵詞包括消費(fèi)、感知、服務(wù)、意愿、品牌和信息技術(shù)等；第3個(gè)聚類聚焦市場方面，關(guān)鍵詞包括質(zhì)量、市場、屬性、效率和聲譽(yù)等；第4個(gè)聚類關(guān)注模型改進(jìn)方面，關(guān)鍵詞為享樂模型、空間權(quán)重回歸、動(dòng)態(tài)和回歸等；第5個(gè)聚類涉及風(fēng)險(xiǎn)、重要性和成本方面的研究。

國內(nèi)有關(guān)特征價(jià)格模型的研究主題也形成了5個(gè)聚類。其中：第1個(gè)聚類的研究重點(diǎn)是應(yīng)用領(lǐng)域，關(guān)鍵詞包括特征價(jià)格模型、房地產(chǎn)、土地價(jià)格、商品住宅、學(xué)區(qū)房溢價(jià)和租金等；第2個(gè)聚類是以特征價(jià)格法為核心的定價(jià)方法，關(guān)鍵詞包括房地產(chǎn)價(jià)格指數(shù)、房價(jià)指數(shù)、住房價(jià)格指數(shù)和BoxCox變換等；第3個(gè)聚類關(guān)注影響效應(yīng)，關(guān)鍵詞為鄰避效應(yīng)、影響范圍、時(shí)空效應(yīng)和異質(zhì)性等；第4個(gè)聚類涉及空間效應(yīng)，關(guān)鍵詞包括空間分異、空間分布、空間異質(zhì)性、可達(dá)性和區(qū)位特征等；第5個(gè)聚類關(guān)注模型改進(jìn)，關(guān)鍵詞有多元線性回歸、多元回歸分析、空間誤差模型、GIS和批量評估等。

對比國內(nèi)外關(guān)于特征價(jià)格模型研究的關(guān)鍵詞聚類情況后，本文發(fā)現(xiàn)國內(nèi)外都注重對特征價(jià)格模型改進(jìn)方面的研究。不同的是，國外研究更關(guān)注消費(fèi)偏好、市場和影響因子，只有少數(shù)研究涉及風(fēng)險(xiǎn)控制；國內(nèi)研究則更注重應(yīng)用領(lǐng)域、定價(jià)方法和影響效應(yīng)，且重點(diǎn)關(guān)注空間效應(yīng)。

2.3特征價(jià)格模型應(yīng)用研究的關(guān)鍵詞時(shí)間線圖譜

本文對特征價(jià)格模型應(yīng)用研究的關(guān)鍵詞進(jìn)行時(shí)間線圖譜分析后發(fā)現(xiàn)：國外關(guān)于特征價(jià)格模型的研究從大到小共生成六大聚類：整合型技術(shù)接受與使用理論模型（utaut2）、享樂回歸（hedonic regression）、住宅價(jià)格（housing price）、財(cái)產(chǎn)價(jià)值（property values）、愛彼迎（Airbnb）、住宅市場（housing market）和需求（demand）。國內(nèi)研究共生成七大聚類：住宅價(jià)格、房地產(chǎn)、特征價(jià)格、學(xué)區(qū)房、軌道交通、房價(jià)、影響因素和農(nóng)產(chǎn)品。從關(guān)鍵詞聚類來看，雖然國內(nèi)外的應(yīng)用研究主要圍繞住宅價(jià)格展開，但側(cè)重點(diǎn)略有不同。國外研究側(cè)重住宅市場和需求，強(qiáng)調(diào)理論模型的融合，而國內(nèi)研究更關(guān)注對住宅價(jià)格的影響因素，還將特征價(jià)格模型的應(yīng)用擴(kuò)展至學(xué)區(qū)房和農(nóng)產(chǎn)品領(lǐng)域。

2.4特征價(jià)格模型應(yīng)用研究的關(guān)鍵詞突變分析

本文對特征價(jià)格模型應(yīng)用研究的關(guān)鍵詞進(jìn)行了突變分析，圖3直觀地展示了國內(nèi)外特征價(jià)格模型相關(guān)研究關(guān)鍵詞的突變過程、突現(xiàn)強(qiáng)度和持續(xù)時(shí)間。

從突變過程來看，國外研究大致分為3個(gè)階段：第一階段（2000—2003年）關(guān)注構(gòu)建特征價(jià)格函數(shù)，該階段突現(xiàn)的關(guān)鍵詞有需求（demand）、函數(shù)形式（functional form）、享樂價(jià)格（hedonic prices）、指數(shù)（index）、選擇（choice）和價(jià)格指數(shù)（price index）；第二階段（2004—2018年）重點(diǎn)關(guān)注價(jià)值評估，突現(xiàn)的關(guān)鍵詞有質(zhì)量（quality）、利益（benefits）、條件估值（contingent valuation）、偏好（preferences）和住房價(jià)值（housing value）等；第三階段（2019—2022年）重點(diǎn)研究數(shù)字經(jīng)濟(jì)，突現(xiàn)的關(guān)鍵詞涉及共享經(jīng)濟(jì)（sharing economy）、信息技術(shù)（information technology）、統(tǒng)一理論（unified theory）、用戶接受（user acceptance）和機(jī)器學(xué)習(xí)（machine learning）等。國內(nèi)研究同樣分為3個(gè)階段：第一階段（2000—2011年）為特征價(jià)格的應(yīng)用領(lǐng)域，突現(xiàn)的關(guān)鍵詞包括價(jià)格指數(shù)、住宅特征、特征價(jià)格、寫字樓、商品房和房地產(chǎn)等；第二階段（2012—2017年）重點(diǎn)關(guān)注居住要素的資本化效應(yīng)，突現(xiàn)的關(guān)鍵詞有土地價(jià)格、軌道交通、學(xué)區(qū)房、地鐵、影響因素、資本化和溢價(jià)等；第三階段（2018—2021年）以空間特征和價(jià)值評估為研究重點(diǎn)，可達(dá)性、空間分異、批量評估和價(jià)值評估等都是該階段突現(xiàn)的關(guān)鍵詞。

從突現(xiàn)強(qiáng)度來看，國外研究中，需求（demand）一詞的突現(xiàn)強(qiáng)度最高，為25.10；其次是函數(shù)形式（functional form）和享樂價(jià)格（hedonic prices），分別為18.26和15.86；指數(shù)（index）、統(tǒng)一理論（unified theory）、采用（adoption）和選擇（choice）等關(guān)鍵詞的突現(xiàn)強(qiáng)度也相對較高，均超過12。相比之下，國內(nèi)研究的關(guān)鍵詞突現(xiàn)強(qiáng)度相對較低。最高的特征價(jià)格僅為5.49；影響因素、學(xué)區(qū)房和空間分異的突現(xiàn)強(qiáng)度分別為4.93、4.14和3.41；價(jià)格指數(shù)、土地價(jià)格、軌道交通、房價(jià)和民宿價(jià)格等關(guān)鍵詞的突現(xiàn)強(qiáng)度達(dá)到2以上。

從持續(xù)時(shí)間來看，國外研究圍繞享樂價(jià)格（hedonic prices）和函數(shù)形式（functional form）的前沿研究持續(xù)時(shí)間最長，分別達(dá)到14年和13年；對需求（demand）和價(jià)格指數(shù)（price index）的前沿研究持續(xù)時(shí)間都超過了10年。對比之下，國內(nèi)前沿研究的持續(xù)時(shí)間相對較短，有關(guān)價(jià)格指數(shù)的前沿研究從2003年持續(xù)至2012年；有關(guān)影響因素、特征價(jià)格、房價(jià)和鄰避設(shè)施等的前沿研究，僅持續(xù)了4～5年。

3特征價(jià)格模型的拓展

根據(jù)上述分析可知，特征價(jià)格模型的改進(jìn)已成為國內(nèi)外學(xué)者共同關(guān)注的焦點(diǎn)，也是該模型未來重要的研究方向。本文重點(diǎn)分析該模型的拓展情況，在總結(jié)已有研究成果的基礎(chǔ)上，將特征價(jià)格模型的拓展概括為普通多元回歸模型、空間回歸模型、多層次模型、機(jī)器學(xué)習(xí)4個(gè)主要階段（見表1），表1概括了各種特征價(jià)格模型的適用條件和模型優(yōu)勢。

3.1普通多元回歸模型

基于最小二乘（ordinary least squares，OLS）估計(jì)方法的普通多元回歸模型及其延伸變化模型是特征價(jià)格模型應(yīng)用研究中最常用的回歸方程形式，主要包括線性模型、對數(shù)模型、BoxCox變換模型和雙重差分模型等。普通多元回歸模型適用于樣本獨(dú)立且正態(tài)分布的情況，其函數(shù)形式簡單，結(jié)果易于解釋，但由于城市房地產(chǎn)市場價(jià)格不完全符合正態(tài)分布，常會(huì)違背多元回歸建模的基本假設(shè)，在實(shí)際研究分析中對數(shù)模型更為常用。BoxCox變換模型有助于改進(jìn)數(shù)據(jù)的正態(tài)性、對稱性和方差齊性，進(jìn)而改變模型結(jié)構(gòu)，提高擬合度。當(dāng)實(shí)驗(yàn)組和對照組在干預(yù)前變化趨勢相近，干預(yù)后存在顯著差異的情況下，雙重差分模型能有效捕捉事件帶來的影響，可以有效克服遺漏變量導(dǎo)致的內(nèi)生性問題。

3.2空間回歸模型

隨著空間計(jì)量方法在各個(gè)領(lǐng)域的應(yīng)用，有研究發(fā)現(xiàn)房地產(chǎn)市場價(jià)格存在明顯的空間效應(yīng)，即空間依賴性和空間異質(zhì)性。因此，眾多學(xué)者開始運(yùn)用空間回歸模型探討城市房地產(chǎn)價(jià)格的影響因素［5，7，10.11］。空間特征參數(shù)是該階段特征價(jià)格模型改進(jìn)的最大特點(diǎn)，采用空間特征價(jià)格模型估計(jì)所得到的特征參數(shù)隱含價(jià)格更為精準(zhǔn)，且模型的擬合優(yōu)度更高。在處理空間依賴性方面，常用的空間回歸模型包括空間滯后模型（spatial lag model，SLM）、空間誤差模型（spatial error model，SEM）、空間杜賓模型（spatial durbin model，SDM）等。SLM模型能夠有效處理被解釋變量的空間溢出效應(yīng)；SEM模型能夠解決誤差項(xiàng)存在空間關(guān)聯(lián)性的問題；SDM模型在解釋變量和被解釋變量中均存在空間溢出效應(yīng)，顯得更為適用。在解決空間異質(zhì)性方面，常用的空間回歸模型包括地理加權(quán)回歸模型（geographical weighted regression，GWR）、多尺度地理加權(quán)回歸模型（multiscale geographically weighted regression，MGWR）、時(shí)空地理加權(quán)回歸模型（geographical and temporal weighted regression，GTWR）等。GWR模型能揭示特征因素的空間異質(zhì)性影響，MGWR模型在此基礎(chǔ)上還能考慮不同影響因素的作用尺度差異; GTWR模型能同時(shí)識別影響因素的空間異質(zhì)性和時(shí)間異質(zhì)性。

3.3多層次模型

研究發(fā)現(xiàn)住房市場的房價(jià)研究在數(shù)據(jù)結(jié)構(gòu)上常常表現(xiàn)為多尺度結(jié)構(gòu)嵌套關(guān)系，高層次變量的存在或變化會(huì)影響低層次變量，普通多元回歸模型和空間回歸模型無法有效分離不同層級變量的影響差異。為解決這一問題，研究者引入了多層次模型（multilevel model，MLM）［12］。MLM是專門處理多空間尺度嵌套結(jié)構(gòu)數(shù)據(jù)的回歸模型，該模型可以避免同一空間單元內(nèi)部房價(jià)由于樣本不獨(dú)立而造成參數(shù)估計(jì)結(jié)果偏誤［1314］。MLM還可以與空間回歸模型相結(jié)合，進(jìn)一步拓展為空間多層次模型（spatial multilevel model，SMLM），這樣既考慮了多層次數(shù)據(jù)結(jié)構(gòu)嵌套特征，又解決了地理單元背景效應(yīng)的空間依賴性問題［15］，更準(zhǔn)確地測度不同層級解釋變量對房地產(chǎn)市場價(jià)格的影響。

3.4機(jī)器學(xué)習(xí)

隨著大數(shù)據(jù)時(shí)代的到來，大數(shù)據(jù)在房地產(chǎn)市場中的應(yīng)用備受關(guān)注。海量的房地產(chǎn)交易數(shù)據(jù)和價(jià)格評估中涉及的多種特征變量，以及變量與房價(jià)之間的復(fù)雜非線性關(guān)系，給傳統(tǒng)的房地產(chǎn)價(jià)格評估技術(shù)帶來了新的挑戰(zhàn)［16］。有學(xué)者將以隨機(jī)森林模型（random forest，RF）和神經(jīng)網(wǎng)絡(luò)模型（neural network，NN）為代表的機(jī)器學(xué)習(xí)方法引入房地產(chǎn)價(jià)格評估領(lǐng)域，有效克服了上述局限［1718］。機(jī)器學(xué)習(xí)是一種通過先驗(yàn)信息提升模型能力的方式，可以更高效地探索變量之間的關(guān)系，并進(jìn)行更精準(zhǔn)的預(yù)測［19］。其中，RF能夠處理大量非獨(dú)立或非線性預(yù)測因子，且對多元共線性不敏感，預(yù)測結(jié)果具有較高的準(zhǔn)確性和穩(wěn)健性。NN可對非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練，能夠并行分布處理、存儲(chǔ)及學(xué)習(xí)，做到充分逼近復(fù)雜的非線性關(guān)系，其結(jié)果具有高度的穩(wěn)健性和容錯(cuò)能力。

4特征價(jià)格模型的解釋變量選取與測度

4.1解釋變量選取

特征價(jià)格模型的傳統(tǒng)解釋變量主要由結(jié)構(gòu)特征、鄰里特征和區(qū)位特征三大維度構(gòu)成［2］，還有研究在此基礎(chǔ)上引入了其他目標(biāo)對象的可達(dá)性或環(huán)境特征，如就業(yè)可達(dá)性［33］、土地混合利用度［34］、環(huán)境污染［35］等。

4.1.1結(jié)構(gòu)特征

結(jié)構(gòu)特征如房屋內(nèi)部結(jié)構(gòu)、功能或品質(zhì)等建筑屬性都影響著房地產(chǎn)市場價(jià)格。隨著人民居住環(huán)境和生活條件的不斷改善，學(xué)者對影響住房價(jià)格的研究從傳統(tǒng)的住宅面積、臥室和衛(wèi)生間數(shù)量、地下室或車庫、供暖和熱水系統(tǒng)、朝向、樓層、容積率、房齡和建筑質(zhì)量等基本結(jié)構(gòu)特征，逐漸轉(zhuǎn)向裝修質(zhì)量和開發(fā)商品牌等特征。一套擁有寬敞空間、完備設(shè)施、良好裝修和知名品牌等特征屬性的住宅，其價(jià)格通常較高［36］。但是，也有研究顯示，住宅面積和樓層等特征變量對房地產(chǎn)市場價(jià)格的影響往往是非線性或不確定的［7］。

4.1.2鄰里特征

鄰里特征是指對房地產(chǎn)市場價(jià)格產(chǎn)生影響的住宅鄰里附近的物理環(huán)境和社會(huì)環(huán)境等特征。從研究趨勢來看，居民選擇住房時(shí)從注重公共服務(wù)設(shè)施和經(jīng)營性設(shè)施等物理環(huán)境的可達(dá)性，

逐漸轉(zhuǎn)向自然景觀和鄰里社會(huì)特征。常見的公共服務(wù)設(shè)施變量包括醫(yī)療、教育、文化、養(yǎng)老和宗教等，經(jīng)營性設(shè)施包括餐飲、金融和休閑娛樂等。相關(guān)研究發(fā)現(xiàn)，良好的公共服務(wù)設(shè)施或經(jīng)營性設(shè)施有利于提高住宅的銷售價(jià)格或租金［37］。此外，還有學(xué)者發(fā)現(xiàn)鄰里社會(huì)環(huán)境與區(qū)域房價(jià)之間也存在一定的關(guān)聯(lián)。鄰里社會(huì)環(huán)境一般是指個(gè)體或集體在鄰里交往和鄰里空間中獲取社會(huì)資源的狀態(tài)［38］。較低的鄰里犯罪率和較高的鄰里社會(huì)經(jīng)濟(jì)地位都與高房價(jià)有關(guān)［14］。較高人口密度和就業(yè)密度可能帶來更多的居住需求和就業(yè)機(jī)會(huì)，同樣有可能提高當(dāng)?shù)胤績r(jià)［25］。隨著現(xiàn)代都市人對自然景觀重視程度的大幅提升［12，17］，園林綠化和濱水景觀更符合城市居民對安全、健康、宜居環(huán)境的要求和對美好生活的向往［39］。因此，街景綠化、垂直綠化、濱水空間等自然景觀都成為推動(dòng)房價(jià)的關(guān)鍵因素［36，40］。

4.1.3區(qū)位特征

區(qū)位特征經(jīng)常被認(rèn)為是影響房地產(chǎn)市場價(jià)格的關(guān)鍵因素，它反映了住宅地理位置的優(yōu)劣對住房價(jià)格的影響。這些特征包括距離市中心的遠(yuǎn)近、公共交通的可達(dá)性、與高速公路或主干道的接近度，以及與火車站或機(jī)場的距離等。諸多研究顯示，到市中心的距離和公共交通可達(dá)性的改善對房地產(chǎn)市場價(jià)格會(huì)產(chǎn)生積極影響［4142］，而對與高速公路或主干道的接近度、到達(dá)火車站或機(jī)場的距離等大型城際交通基礎(chǔ)設(shè)施的影響尚不明確［37，43］，這些基礎(chǔ)設(shè)施的影響效果取決于它們對當(dāng)?shù)鼐用癞a(chǎn)生的正負(fù)向綜合外部性效應(yīng)以及最終的凈效用。隨著低碳綠色和健康出行等理念的普及，步行體驗(yàn)日益成為城市居民日常生活的重要組成部分，對居住環(huán)境可步行性的評價(jià)變得愈發(fā)重要［44］。因此，相關(guān)研究發(fā)現(xiàn)居民從重視公共服務(wù)設(shè)施的可達(dá)性逐漸轉(zhuǎn)向街區(qū)的可步行性［42］。社區(qū)內(nèi)日常服務(wù)設(shè)施的多樣性和空間布局的優(yōu)化有助于改善步行出行的便捷性和舒適性?？刹叫行圆粌H反映了社區(qū)設(shè)施的服務(wù)水平，而且良好的可步行性意味著社區(qū)服務(wù)設(shè)施完善，有助于改善人居環(huán)境，提高房價(jià)［42，44］。

4.1.4其他特征

除了上述常見的三大維度特征解釋變量外，房地產(chǎn)市場價(jià)格也會(huì)受到其他目標(biāo)對象可達(dá)性或環(huán)境特征變量的影響。例如，部分學(xué)者運(yùn)用特征價(jià)格模型方法，探討了環(huán)境污染（空氣和噪聲污染）［35］、鄰避設(shè)施（核電站、垃圾填埋場）［45］、洪澇災(zāi)害［46］、地區(qū)創(chuàng)新活力［47］、多中心空間結(jié)構(gòu)［48］、就業(yè)可達(dá)性［33］、土地利用混合度［34］、社交媒體大數(shù)據(jù)［49］等特征因素與房地產(chǎn)市場價(jià)格的關(guān)系。研究表明，環(huán)境污染、鄰避設(shè)施和洪澇災(zāi)害等負(fù)外部性因素容易對住宅價(jià)格產(chǎn)生顯著的負(fù)面影響；相反，創(chuàng)新活力、城市次中心、就業(yè)可達(dá)性、土地混合利用、社交媒體情感評價(jià)等有利條件可顯著提升住宅價(jià)格。

綜合來看，影響城市房地產(chǎn)市場價(jià)格的特征因素種類較多，不同實(shí)證研究發(fā)現(xiàn)的房價(jià)或租金影響因素各異，甚至同一特征變量對不同城市或同一城市內(nèi)部不同地區(qū)房價(jià)和租金的影響強(qiáng)度和方向也可能存在差異。這與不同特征價(jià)格模型應(yīng)用研究中的研究區(qū)域和研究空間尺度選擇、數(shù)據(jù)來源、模型方法的選取以及特征變量的定義與測度方法等存在差異有關(guān)。

4.2特征變量測度方法

在研究住宅市場產(chǎn)品差異的過程中發(fā)現(xiàn)，對不同特征變量內(nèi)涵理解的差異直接影響其測度方法，特征變量的常用定義或測度方式包括以下3個(gè)方面（見表2）：1）特征有無。主要表示住宅市場產(chǎn)品有無某項(xiàng)特征屬性，如廚衛(wèi)設(shè)施、車庫、山景、湖景、1公里范圍內(nèi)是否有學(xué)校或公共交通站點(diǎn)等。該類特征變量主要用虛擬變量表示。2）特征數(shù)量。主要反映住房市場產(chǎn)品擁有某項(xiàng)特征的量綱大小，如樓層、居住面積、人口和就業(yè)密度、人口結(jié)構(gòu)、空氣和噪聲污染、土地利用混合度等。該類特征變量更適合采用連續(xù)變量進(jìn)行直接度量。3）特征可達(dá)性。主要測度鄰里設(shè)施或區(qū)位特征的可達(dá)性，如公共服務(wù)設(shè)施可達(dá)性、到市中心的距離、到火車站或飛機(jī)場的距離等。可達(dá)性的測度方法較為多樣，包括最短距離可達(dá)性、累計(jì)機(jī)會(huì)可達(dá)性、緩沖區(qū)分析和核密度分析等不同方法，主要以連續(xù)變量形式進(jìn)行度量。部分研究在可達(dá)性測度的基礎(chǔ)上進(jìn)行等級賦分處理，使其變?yōu)榈燃売行蜃兞浚?0］。

5研究展望

5.1完善特征價(jià)格模型研究的理論框架

新消費(fèi)者理論和市場均衡理論是特征價(jià)格模型方法應(yīng)用研究的重要理論基礎(chǔ)，但有不少研究忽略了房地產(chǎn)市場供需均衡的基本假設(shè)前提，研究過程和使用方法不夠規(guī)范和嚴(yán)謹(jǐn)。從研究對象來看，現(xiàn)有的特征價(jià)格模型應(yīng)用研究主要考慮房屋的結(jié)構(gòu)特征、鄰里特征和區(qū)位特征等傳統(tǒng)因素，對于舊城改造、學(xué)區(qū)調(diào)整、城市空間結(jié)構(gòu)、鄰里社會(huì)經(jīng)濟(jì)活力、鄰里社會(huì)文化環(huán)境等新興環(huán)境特征和政策因素的研究相對較少，這些新興因素對房地產(chǎn)市場價(jià)格的資本化效應(yīng)研究較為缺乏。未來的研究應(yīng)重點(diǎn)關(guān)注這些新興環(huán)境因素或政策實(shí)驗(yàn)沖擊對房地產(chǎn)市場價(jià)格的潛在影響，不斷深化特征價(jià)格模型應(yīng)用研究的理論內(nèi)容。同時(shí)，加強(qiáng)居民對不同特征變量的邊際支付意愿分析，為掌握城市房地產(chǎn)市場價(jià)格動(dòng)態(tài)變化，以及合理估算各類特征變量的市場化價(jià)值提供科學(xué)依據(jù)。

5.2選擇合適的特征價(jià)格模型方法

縱觀過去的特征價(jià)格模型應(yīng)用研究，由于原始數(shù)據(jù)的特征和研究目標(biāo)等不同，學(xué)者采用了各式各樣的特征價(jià)格模型方程，但缺乏統(tǒng)一固定的研究方法，導(dǎo)致同一研究區(qū)域的研究結(jié)論可能大相徑庭。因此，未來的研究還應(yīng)結(jié)合樣本數(shù)據(jù)特征，選擇最合適的特征價(jià)格模型方程，以提高模型估計(jì)結(jié)果的精確性。如果房地產(chǎn)市場價(jià)格原始數(shù)據(jù)存在非正態(tài)分布或異方差等特征，應(yīng)優(yōu)先選擇對數(shù)模型或BoxCox變換模型；如果房地產(chǎn)市場價(jià)格存在空間溢出效應(yīng)，應(yīng)選擇能夠處理空間依賴性或空間異質(zhì)性的空間特征價(jià)格模型方程；如果研究對象的住房子市場分化比較明顯，抑或房地產(chǎn)市場價(jià)格數(shù)據(jù)存在典型的嵌套結(jié)構(gòu)，以多層次模型或空間多層次模型為基礎(chǔ)的特征價(jià)格模型方程為首選方法；如果影響因子存在非獨(dú)立性、非線性或多元共線性的情況，機(jī)器學(xué)習(xí)則為較優(yōu)選。鑒于房地產(chǎn)市場價(jià)格在不同空間尺度均存在顯著的空間依賴性和空間異質(zhì)性等空間效應(yīng)，未來的研究應(yīng)加強(qiáng)空間特征價(jià)格模型，尤其是空間特征模型和多層次模型相結(jié)合的應(yīng)用和推廣。此外，面對數(shù)據(jù)量龐大、影響因子多樣的情況，還可采用隨機(jī)森林或神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法提高預(yù)測結(jié)果的準(zhǔn)確性和穩(wěn)健性。

5.3規(guī)范特征變量的測度方法

特征變量的內(nèi)涵界定和測度方法不同，是導(dǎo)致特征價(jià)格模型方法應(yīng)用研究結(jié)果差異的重要潛在因素之一。對于結(jié)構(gòu)特征解釋變量的內(nèi)涵界定和測度方法通常較為明晰，主要采用虛擬變量或連續(xù)變量直接計(jì)數(shù)等方式進(jìn)行度量。但是，度量公共服務(wù)設(shè)施等鄰里特征可達(dá)性的測度方法較多，包括最短距離可達(dá)性、累計(jì)機(jī)會(huì)可達(dá)性、緩沖區(qū)分析、重力模型和兩步移動(dòng)搜索可達(dá)性等

。因此，關(guān)于公共服務(wù)設(shè)施等鄰里特征可達(dá)性測度方法的合理性爭議最大。現(xiàn)有的特征價(jià)格模型應(yīng)用研究主要以最短距離可達(dá)性或累計(jì)機(jī)會(huì)可達(dá)性等簡易測度方法為主，較少考慮設(shè)施供給和需求競爭對公共服務(wù)設(shè)施可達(dá)性服務(wù)品質(zhì)帶來的潛在影響。未來的研究應(yīng)該考慮設(shè)施供給需求競爭以及不同類型或等級公共服務(wù)設(shè)施實(shí)際服務(wù)半徑的影響，從而更精準(zhǔn)地測度公共服務(wù)設(shè)施可達(dá)性對房地產(chǎn)市場價(jià)格的影響。同時(shí)，加強(qiáng)不同可達(dá)性測度方法對房地產(chǎn)市場價(jià)格影響的敏感性分析，得到更科學(xué)合理的參數(shù)估計(jì)值。

5.4提高研究結(jié)論的普適性

住宅產(chǎn)品是一種具有典型異質(zhì)性特征的商品，不同地區(qū)居民對住宅消費(fèi)的偏好存在差異性，導(dǎo)致同一特征解釋變量對不同地區(qū)房地產(chǎn)市場價(jià)格的影響強(qiáng)度和方向均存在一定程度的差異。但現(xiàn)有研究大部分只關(guān)注住宅銷售價(jià)格評估和影響因素分析，對住房租賃市場價(jià)格評估及其影響因素的研究相對不足，尤其是針對住房銷售價(jià)格和住宅租賃價(jià)格影響因素的對比研究和影響機(jī)制分析較為欠缺。因此，未來不僅需要加強(qiáng)特征價(jià)格模型在中國住房租賃市場上的應(yīng)用，尤其是在長租公寓中的應(yīng)用，并加強(qiáng)對租購市場影響因素的對比分析。同時(shí)，還應(yīng)加強(qiáng)特征變量與國內(nèi)外研究結(jié)果的對比分析，深入分析各地特征變量對房地產(chǎn)市場價(jià)格的影響機(jī)制，進(jìn)一步提升實(shí)證研究的理論貢獻(xiàn)。此外，采用元分析方法來探討各類特征變量對房地產(chǎn)市場價(jià)格的影響效應(yīng)大小，以獲得特征變量對各類房地產(chǎn)市場價(jià)格影響的一般化效應(yīng)，從而提升特征變量研究結(jié)論的普適性。

［參考文獻(xiàn)］

［1］ZHANG F，ZHANG C Y，HUDSON J.Housing conditions and life satisfaction in urban China［J］.Cities，2018（81）：35-44.

［2］LANCASTER K J.A new approach to consumer theory［J］.The Journal of Political Economy，1966，74（2）：132-157.

［3］ROSEN S. Hedonic prices and implicit markets：product differentiation in pure competitions［J］.Journal of Political Economy，1974（72）：34-55.

［4］石薇，王洪衛(wèi)，谷卿德.運(yùn)用分位回歸特征價(jià)格模型構(gòu)建住房價(jià)格指數(shù)［J］.統(tǒng)計(jì)與決策，2015（4）：9-12.

［5］沈體雁，于瀚辰，周麟，等.北京市二手住宅價(jià)格影響機(jī)制——基于多尺度地理加權(quán)回歸模型（MGWR）的研究［J］.經(jīng)濟(jì)地理，2020，40（3）：75-83.

［6］溫海珍，李旭寧，張凌.城市景觀對住宅價(jià)格的影響——以杭州市為例［J］.地理研究，2012，31（10）：1806-1814.

［7］古恒宇，沈體雁，周麟，等.基于GWR和sDNA模型的廣州市路網(wǎng)形態(tài)對住宅價(jià)格影響的時(shí)空分析［J］.經(jīng)濟(jì)地理，2018，38（3）：82-91.

［8］KANG C D.Effects of spatial access to neighborhood landuse density on housing prices：evidence from a multilevel hedonic analysis in Seoul， South Korea［J］.Environment and Planning Burban Analytics and City Science，2019，46（4）：603-625.

［9］郭文剛，崔新明，溫海珍.城市住宅特征價(jià)格分析：對杭州市的實(shí)證研究 ［J］.經(jīng)濟(jì)地理，2006（S1）：172-175.

［10］BOENNEC L R，BULTEAU J，F(xiàn)EUILLET T.The role of commuter rail accessibility in the formation of residential land values： exploring spatial heterogeneity in periurban and remote areas ［J］.Annals of Regional Science，2022，69（1）：163-186.

［11］HUANG B，WU B，BARRY M.Geographically and temporally

weighted regression for modeling spatiotemporal variation in house prices［J］.International Journal of Geographical Information Science，2010，24（3）：383-401.

［12］GLAESENER M L，CARUSO G.Neighborhood green and services diversity effects on land prices： evidence from a multilevel hedonic analysis in Luxembourg［J］.Landscape and Urban Planning，2015（143）：100-111.

［13］DUNCAN C，JONES K，MOON G.Context，composition and heterogeneity： using multilevel models in health research［J］.Social Science & Medicine，1998，46（1）：97-117.

［14］GUO B Y，LI K N，F(xiàn)U C.Utilizing multilevel modeling to measure neighborhood dynamics and their impact on house prices［J］.Applied SciencesBasel，2023，13（8）：5180.

［15］DONG G P，MA J，HARRIS R， et al.Spatial random slope multilevel modeling using multivariate conditional autoregressive models： a case study of subjective travel satisfaction in Beijing［J］.Annals of the American Association of Geographers，2016，106（1）：19-35.

［16］陳詩沁，王洪偉.基于機(jī)器學(xué)習(xí)的房地產(chǎn)批量評估模型［J］.統(tǒng)計(jì)與決策，2020，36（9）：181-185.

［17］宋偉軒，王捷凱，金荷仙，等.城市景觀紳士化社會(huì)空間特征、機(jī)制與效應(yīng)——以南京為例［J］.經(jīng)濟(jì)地理，2023，43（11）：104-114.

［18］XU X J，ZHANG Y.Residential housing price index forecasting via neural networks［J］.Neural Computing & Applications，2022，34（17）：14763-14776.

［19］石榮，張?zhí)?，楊國?計(jì)量經(jīng)濟(jì)學(xué)中的機(jī)器學(xué)習(xí)方法：回顧與展望［J］.統(tǒng)計(jì)與決策，2024，40（1）：52-56.

［20］CZEMBROWSKI P，KRONENBERG J.Hedonic pricing and different urban green space types and sizes：insights into the discussion on valuing ecosystem services［J］.Landscape and Urban Planning，2016（146）：11-19.

［21］YANG L C，CHU X L，GOU Z H，et al.Accessibility and proximity effects of bus rapid transit on housing prices：heterogeneity across price quantiles and space［J］.Journal of Transport Geography，2020（88）：102850.

［22］羅琳，楊喜平，李繼園.西安市二手房價(jià)格的影響因素及空間異質(zhì)性［J］.地域研究與開發(fā)，2023，42（4）：57-63.

［23］YANG L C，LIANG Y，HE B J， et al.COVID19 effects on property markets： the pandemic decreases the implicit price of metro accessibility［J］.Tunnelling and Underground Space Technology，2022（125）：104528.

［24］祁煒.城市住宅價(jià)格指數(shù)編制方法探討［J］.統(tǒng)計(jì)與決策，2018，34（7）：37-40.

［25］YANG L C，WANG B，ZHOU J P，et al.Walking accessibility and property prices［J］.Transportation Research Part DTransport and Environment，2018（62）：551-562.

［26］黃曉燕，譚瑋寶，康晨晨，等.“租購?fù)瑱?quán)”政策對學(xué)區(qū)房溢價(jià)的影響研究——基于空間特征價(jià)格模型的廣州實(shí)證［J］.人文地理，2022，37（5）：42-52.

［27］ZHANG Y，ZHANG D C，MILLER E J.Spatial autoregressive analysis and modeling of housing prices in city of Toronto［J］.Journal of Urban Planning and Development，2021，147（1）：05021003.

［28］溫海珍，張之禮，張凌.基于空間計(jì)量模型的住宅價(jià)格空間效應(yīng)實(shí)證分析：以杭州市為例［J］.系統(tǒng)工程理論與實(shí)踐，2011，31（9）：1661-1667.

［29］趙偉，鐘滿.城中村對周邊商品住房租金的影響及空間效應(yīng)［J］.城市問題，2023（8）：54-62.

［30］EFTHYMIOU D ANTONIOU C.How do transport infrastructure and policies affect house prices and rents？ Evidence from Athens， Greece［J］.Transportation Research Part Apolicy and Practice， 2013（52）：1-22.

［31］LIU J P，YANG Y，XU S H，et al.A geographically temporal weighted regression approach with travel distance for house price estimation［J］.Entropy，2016，18（8）：303.

［32］LI X，CHEN W Y，CHO F H T，et al.Bringing the vertical dimension into a planar multilevel autoregressive model：a citylevel hedonic analysis of homebuyers utilities and urban river attributes［J］.Science of the Total Environment，2021（772）：145547.

［33］ATUESTA L H，IBARRAOLIVO J E，LOZANOGRACIA N，et al.Access to employment and property values in Mexico［J］.Regional Science and Urban Economics，2018（70）：142-154.

［34］KOSTER H R A，ROUWENDAL J.The impact of mixed land use on residential property values［J］.Journal of Regional Science，2012，52（5）：733-761.

［35］BOENNEC L R，SALLADARRE F.The impact of air pollution and noise on the real estate market.The case of the 2013 European green capital： Nantes， France［J］.Ecological Economics，2017（138）：82-89.

［36］YAMAGATA Y，MURAKAMI D，YOSHIDA T，et al.Value of urban views in a bay city：hedonic analysis with the spatial multilevel additive regression （SMAR） model［J］.Landscape and Urban Planning，2016（151）：89-102.

［37］LI H，CHEN P J，GRANT R.Built environment，special economic zone， and housing prices in Shenzhen，China［J］.Applied Geography，2021（129）：102429.

［38］康雷，張文忠.鄰里社會(huì)環(huán)境對居民幸福感的影響——以北京典型低收入社區(qū)為例［J］.地域研究與開發(fā)，2021，40（3）：50-5.

［39］冷紅，陳天，何寶杰，等.氣候適應(yīng)性與空間品質(zhì)提升［J］.城市規(guī)劃，2023，47（11）：46-50.

［40］溫海珍，卜曉慶，秦中伏.城市湖景對住宅價(jià)格的空間影響——以杭州西湖為例［J］.經(jīng)濟(jì)地理，2012，32（11）：58-64.

［41］馮友建，陳天一.基于SEM模型的軌道交通對住宅價(jià)格的空間效應(yīng)——以杭州市為例［J］.浙江大學(xué)學(xué)報(bào)（理學(xué)版），2020，47（1）：115-122.

［42］楊林川，張銜春，洪世鍵，等.公共服務(wù)設(shè)施步行可達(dá)性對住宅價(jià)格的影響——基于累積機(jī)會(huì)的可達(dá)性度量方法［J］.南方經(jīng)濟(jì)，2016（1）：57-70.

［43］SEO K，GOLUB A，KUBY M.Combined impacts of highways and light rail transit on residential property values：a spatial hedonic price model for

phoenix， Arizona［J］.Journal of Transport Geography，2014（41）：53-62.

［44］孫光華.基于多源大數(shù)據(jù)的城市街道可步行性評價(jià)研究——以南京市中心城區(qū)為例［J］.現(xiàn)代城市研究，2020（11）：34-41.

［45］HITE D，CHERN W，HITZHUSEN F，et al.Propertyvalue impacts of an environmental disamenity：the case of landfills［J］.Journal of Real Estate Finance and Economics，2001，22（2-3）：185-202.

［46］ZHANG L，LEONARD T.Flood hazards impact on neighborhood house prices［J］.Journal of Real Estate Finance and Economics，2019， 58（4）：656-674.

［47］WU K M， WANG Y，ZHANG H O，et al.On innovation capitalization：

empirical evidence from Guangzhou， China［J］.Habitat International，2021（109）：102323.

［48］WEN H Z， TAO Y L.Polycentric urban structure and housing price in the transitional China： evidence from Hangzhou［J］.Habitat International，2015（46）：138-146.

［49］TAN M J，GUAN C H.Are people happier in locations of high property value？ Spatial temporal analytics of activity frequency， public sentiment and housing price using twitter data［J］.Applied Geography，2021（132）：102474.

［50］賈生華，溫海珍.房地產(chǎn)特征價(jià)格模型的理論發(fā)展及其應(yīng)用［J］.外國經(jīng)濟(jì)與管理，2004（5）：42-44.