第30卷第12期统计研究Vol. 30, 2013年12月Statistical Research Dec. 2013 类重复交易房价指数编制方法与应用郑思齐孔鹏郭晓肠内容提要:本文结合我国城市住房市场的实际特点，基于经典特征价格指数和重复交易指数理论，提出了一种新的、具有更高计算精确度和有效性的房价指数编制方法，即类重复交易法。该方法避免了重复交易法在我国城市住房市场应用的局限性，同时极大地降低了特征价格法中遗漏变量问题所导致的指数计算偏误。在此基础上，利用某城市新建住房市场长时间段网签交易数据和其他5个城市短时间段网签交易数据的试算结果表明，相对于特征价格指数和中位数指数，类重复指数的趋势更平稳、波动更低、综合质量更高。关键词:房价指数;变量遗漏;样本匹配;混合指数中图分类号:C813文献标识码:A文章编号:1002 -4565 (2013) 12 -0041 -07 Method and Application of Pseudo Repeat Sale Housing Price Index Zheng Siqi Kong Peng Guo Xiaoyang Abstract: In this paper, comhined with the actual characteristics of China ’s urhan housing market, hased on the classical theory of hedonic price index and the repeat sale index, it provided a new approach of housing price index construction, the pseudo repeat sale model, with higher accuracy and efficiency, according to the hackground of China’ s urhan housing market. The pseudo repeat sale model can avoid the limitation of the application of the classic repeat sale model in China, while sharply reduce the hias induced hy the omitting variahles issue of the hedonic model. Based on the long蛐perioddata of the new sales from a certain city’ s housing market and the short-period data from the other 5 cities’ , the ca,lculating results demonstrated that the pseudo repeat sale model hehaved with a more stahle trend, a less volatility and generally a hetter quality, comparing with the classic hedonic index and the median price index. Key words: Housing Price Index; Variahle Omitting; Sample Matching; Hyhrid Index (pseudo repeat sales approach) ，并利用某城市新建一、引言住房市场交易长时间段网签数据和其他5个城市的住房价格指数(以下简称房价指数)是统计指短时间段网签数据进行了试算。实证结果表明，类数中的一种，具有重要的理论和现实意义。一方面，重复交易指数表现出比特征价格指数和中位数指数房价指数反映了住房市场的价格变动程度和变动趋更好的综合质量。势，是监测住房市场运行状况的重要工具，是反映宏二、房价指数编制方法文献综述观经济运行和房地产市场景况的"晴雨表另一方面，房价指数能够综合反映市场整体信息，是市场参房价指数有多种分类方法。根据编制房价指数与者进行市场决策的重要依据，也是进一步分析和的数据基础划分，可以分为基于交易价格的房价指研究住房市场相关经济规律和政策问题的基础。数(transactionbased index)和基于评估价值的房价然而，快速城市化背景下我国城市空间的演变宿本文受到国家自然科学基金(70973065、71273154、71322307); 特点和住房市场的发展特点，使得我国城市住房特教育部新世纪人才支持计划(NCET-12-0313)、清华大学自主科研计征度量和观测的难度更大，指数编制方法运用的局划的资助。限性也更大，这就给我国城市房价指数的编制带来① 本课题研究是与麻省理工学院(MIT)房地产中心研究主任更大的挑战。本文给出一种具有更高计算精确度和David Geltner教授和清华大学恒隆房地产研究中心主任刘洪玉教授有效性的房价指数编制新方法一一类重复交易法合作完成的。
.42. 统计研究2013年12月指数(appraisalbased index)两类。根据编制房价指特征的特征价格来编制房价指数，具有良好的同质数的技术路线划分，可以分为非同质化房价指数性，是应用最广泛的一种房价指数方法。特征价格(non-homogeneous index)和同质化房价指数法，最早由Cou此提出，他首次将商品价格视为不同(homogeneous index)两类。Bokhari和Geltner认为，特征的函数，建立特征价格模型对汽车这一异质性在合适的方法下，基于交易价格数据和基于评估价商品进行研究，标志着特征价格模型领域研究的正式起步[4]此后，Rosen[5]等学者不断对模型进行值数据所计算的房价指数结果不会存在明显的差别，而不同技术路线下的房价指数结果则可能存在完善，逐渐形成了较为稳定和成熟的特征价格模型较明显的优劣[IJ。通常，人们习惯于按照编制房价理论框架。此后的研究逐渐转向技术层面，包括模指数的不同技术路线对房价指数进行分类和命名。型中函数形式和变量的选择以及估计方法的确定根据现有研究，房价指数按具体技术路线大致等。特征价格模型在异质性商品的研究中得到广泛可分为:平均数指数、样本匹配指数、特征价格指数、使用，特别是在房地产行业中应用最为广泛，利用特重复交易指数和强合型指数。其中，平均数指数是征价格模型分析城市房地产市场特点以及编制房地非同质化房价指数，其余4种是同质化房价指数。产价格指数成为其中最重要的两类应用。{一)平均数指数理论上，特征价格指数可以充分调整样本观测平均数指数是最简单的一种房价指数，通过计值的异质性，且通过计量回归手段评价指数计算结算一段时期内的房地产市场价格平均数或加权平均果的精确度和有效性。但是Case，Pollakowski和数，来反映房地产市场的整体运行情况。当市场价Wachter等学者也指出，在实际操作中，由于无法做格的分布存在比较极端的情况时，往往采用价格的到对全部房地产特征的度量和观测，特征价格指数中位数来代替平均数或加权平均数。平均数指数的在计量回归模型中始终存在一定的估计偏误，降低好处是计算方法简单、可操作性强，对指数计算的环了特征价格指数的准确程度[6J。在实际应用中，英境条件(如数据情况、计算条件等)要求较低。但国的Halifax指数和Nationwide指数、中国的城房指是，无论是平均数还是中位数，均为非同质化的房价数等均为特征价格指数。指数方法，无法克服房地产市场中天然存在的异质(囚)重复交易指数性。Marshall和Mcsweeny也指出，平均数指数在反重复交易法最早由Ba白，Muth和Nourse于映住房市场价格变化时存在一定误差，只能作为描1963年提出[7J经Case和Shiller的→系列重要工述市场运行的直观工具[2J美国的IAS360指数和作而得以在房地产领域迅速推广[8J。重复交易指英国的DCLG指数均为平均数/指数。数利用同一样本在不同时期发生的多次交易数据来(二)样本匹配指数计算房价指数，同样是一种被广泛应用的房价指数De吨，Mcmillen和Sing对样本匹配指数的发展方法。与特征价格法不同，由于采用了差分模型，且起到了重要的推动作用[3J。所谓样本匹配指数，是假设住房特征和其特征价格不随时间发生变化，重通过将基础观测样本按照一定的规则条件进行匹复交易法仅通过观察每一个住房样本在两次交易中配，并在此基础上进一步进行统计运算而得到的一的价格变化情况来计算住房市场的平均价格变化，种房价指数。样本匹配法对数据规模的要求较低，而不必观察住房的各种特征变量。比较适用于交易频度较低的住房市场，同时可以保但是，由于重复交易指数的计算只依赖于发生证房价指数在不同时期的同质可比[3J。但样本匹多次交易的样本，而发生多次交易的样本在全部房配指数对典型性样本的选择具有较高要求，不恰当地产市场交易中所占的比例往往较低，因此重复交的选择可能破坏样本的代表性，出现样本选择性偏易指数的计算存在十分明显的样本选择性偏误[8]O误。同时，不同时期房地产市场的交易结构可能发美国的FHFA指数和S&P/Case-Shiller指数、英国的生明显的变化，静态的典型性样本可能会进一步扩HM土地登记指数、加拿大的国家银行指数等均为大样本选择性偏误[3J。重复交易指数。(三)特征价格指数(五)混合型指数特征价格指数通过测量房地产物理特征和区位随着对特征价格指数和重复交易指数优势和劣
.43. 第30卷第12期郑思齐等:类重复交易房价指数编制方法与应用势认识的加深，Quigley等学者提出了能够调和两种市中多种住房产权形式的存在，包括公房和经济适指数缺陷的复杂指数，即泪合型指数[9]。混合型指用住房等类型在内的住房均为部分产权住房，住户数综合了特征价格指数和重复交易指数的优点，既仅拥有有限产权，只能有条件地上市进行交易，这也降低了指数计算过程中的变量遗漏误差，也降低了在很大程度上影响了存量住房市场的交易量(根据样本选择性偏误，是目前方法上最为完善的一种房2010年国家统计局大样本调查，房改房、公房和经价指数技术路线[9]。但是，由于其计算过程十分复济适用住房占城市住房存量的113以上[叫)。杂，在实际中尚没有具体的应用，仅出现于学术科研最后，我国城市中住房市场以"小区"形式的集领域。本研究团队提出的"pseudorepeat sale"住房中供应为主，住房供给的局部同质性很高。我国城价格指数编制方法[叫，其本质也是-种吸取特征价市住房小区一般由单一开发主体开发，包含若干具格指数和重复交易指数各自优点的混合型指数，并有相似特征的楼栋。一般来说，同一小区内的住房在一个中国城市进行了试算，但该方法在不同城市单元在周边区位环境、建筑设计风格、建筑结构和建中的适用性仍有待检验。本文提出的方法就是在此设质量甚至部分室内结构等主要方面均具有高度的基础上发展而来的，并且在多个城市中进行了试算同质性，而仅仅在朝向、楼层、面积和装修条件等细和验证。节特征上存在差异。{二)传统方法面临的问题三、我国城市住房市场特点以上住房市场特征对经典住房市场平均价格测{一)指数编制角度下我国城市住房市场特点量方法提出了挑战。我国城市的快速扩张和城市空房价指数的应用必须要与实际住房市场的特征间结构的快速变迁，使得本来就难以准确度量和全相吻合，各国各地区所采用的不同指数方法也都与部观测的住房特征价格变量的可获得性更差。在以其市场特征或者数据特征相符合。为了精确测量我特征价格法计算房价指数时，会进一步降低指数的国城市住房市场平均价格的变动，同样需要认清我有效性。国住房市场的一般特征。存量住房交易数量较少将导致重复交易法的失从指数测量的角度出发，我国城市住房市场目效。重复交易法依赖于发生过两次以上交易的同一前主要存在三点特征。住房的重复交易数据，存量住房市场不发达、存量住首先，近30年来，伴随着城市土地制度改革和房数据的缺乏将在重复交易法的计算过程中产生样住房制度改革的不断推进，我国城市普遍出现快速本选择性偏误，从而降低房价指数的估计精度。扩张情况，城市空间结构迅速变化[1\]。自新中国成Fisher, Gatzlaff, Geltner和Haurin[川的研究已经指立至20世纪80年代初，我国城市-直实行住房的出，样本选择性偏误在数学上等价于遗漏变量问题，福利分配制度，住房不是商品，不存在住房市场。80本质上均产生于用于指数计算的原始数据信息年代开始，公房私有化过程启动，商品住房市场逐渐不足。形成。直至20世纪90年代末期，住房福利分配制综上所述，经典特征价格法和重复交易法在我度完全终止，住房市场进入大繁荣阶段，城市建成区国城市住房市场条件下均会导致比较严重的偏误，面积加速扩大，城市内部空间结构加速变迁，市政公降低计算结果的精确度和有效性。但是，以小区形共品质量和居民的偏好也迅速变化。式集中供应的住房市场特征，恰恰提供了一种准合其次，在快速城市化过程中，新建住房市场交易型指数思想的改进思路。由于同一小区内的住房存占住房市场全部交易的主要部分，存量住房市场交在高度同质性，同一小区内的不同住房之间存在一易仅居次要位置。在美国等发达国家，住房市场发部分相同的特征属性，也存在一部分不同的特征属展相对成熟，人口变化连续、缓慢，住房需求主要依性，通过一定的数学手段，消除相同的特征属性，同靠存量市场供给解决。而在我国城市中，城市化进时控制不同的特征属性，即可更为精确地测量住房程导致的大量人口从农村向城镇的迁移，决定了大价格的变化。因此，基于这一思路，充分利用经典方部分城市的住房供给总量不足，依然需要依靠扩大法中的有利因素，可以构造一种结合特征价格法和增量来解决城市住房问题。另一方面，由于我国城重复交易法优点、更好地克服原有方法中可能存在
.44. 统计研究2013年12月的问题的房价指数计算方法。Dj = ~ -1 ,j == (3) s 四、类重复交易法的原理和方法lQ ，j手t,j OF s (一)基于经典方法的理论基础通过上式估计得到的系数序列β，即为住房价特征价格理论认为，异质性商品具有多方面的不格中时间因素的固定性影响O同特征或属性，消费者对异质性商品的需求并不在于特征价格法和重复交易法在数学本质上是一致商品本身，而是商品可分解的各种特征。消费者所获的。式(2)可以通过对式(1)进行差分而获得。当得的效用水平的高低依赖于商品所包含的特征要素然，两种模型的一致性也是有前提的，即样本的选择的数量。商品价格是所有这些特征和属性的综合反完全随机，同时系数值要求与时间无关。在实际操映和表现，各种属性具有各自的隐含价格，这些隐含作中，样本选择很难完全随机，尤其在重复交易法价格合成为异质性商品的价格，当某一特征发生改变中，由于发生两次以上交易的样本相对于仅发生一次交易的样本来说少很多，因此样本的选择性偏误时，商品的价格也会随之变化。在城市住房市场中也十分明显。是如此。居民通过享受住房的各方面特征(属性)所(二)类重复交易法的原理和步骤带来的服务和便利以获得效用，效用的大小取决于其类重复交易法的思路直接源自特征价格法和重各个特征的数量，包括建筑物理特征、区位条件和邻复交易法。其基本原理为，通过选取某种合适的里环境等。住房价格可表示成各个特征数量与其价"空间范围使得该空间内所有住房样本可以通过格乘积的总和，即特征价格方程，如式(1): 差分将绝大部分该空间范围以外的不可观测或者较lnPι=;二αkXk，ι+;二β，D"ι+Bi (1 ) 难观测的特征属性消除，仅余下少量方便观测的特其中，P为样本交易价格，X为不同住房特征，征属性加以控制，从而提高模型时间固定效应的估kαk为各个特征所对应的特征价格。为了估计住房价计精确性和有效性。格随时间的变化情况，往往在特征价格模型中加入类重复交易法的计算方法分为三个步骤。首先时间哑元变量，用以分离住房价格的时间固定效应。是样本匹配空间的选择，即根据某些条件选择一个D，为时间哑元变量，βt为反映住房价格中时间固定具有明确范围的样本匹配空间，在该空间内部的样影响的系数。对βt进行适当的指数化，即可得到元本之间进行相互匹配，在该空间以外的样本不与空量纲的、仅反映住房市场平均价格变动轨迹的房价间内样本进行匹配。由于匹配空间的选择越精细，样本之间的同质性往往越高(不可观测的异质性主指数。E为随机误差项。对特征价格模型进行差分即可得到经典的重复要来自于区位特征)，因此匹配空间很大程度上决定了类重复交易指数的计算精度。交易模型。由于发生多次交易的样本几乎不会在两事实上，类重复交易法可以简单理解为一种扩次交易期间发生重大的物理和区位特征变化，因此展的样本匹配法，其匹配原则为"一定空间范围内重复交易指数可以不必观测房地产特征变量。具体不同样本之间的匹配其强调的是"空间"这-属而言，重复交易法首先将每一个住房样本的任意两性，也就说用于样本匹配的空间范围的选择十分关次交易价格之差(通常为对数差的形式)，对交易时键。基于前文分析的我国住房市场特征，以小区形间哑元变量进行回归，最后同样以时间哑元变量的式集中供应的住房样本具有局部高同质性。因此，系数计算住房价格指数。其模型的具体形式如式当空间范围选择为小区甚至楼栋时，在该范围内的(2)所示:住房样本将具有绝大部分相似的特征属性，而仅有(2) lnP, -lnP, =二战Dj+ B", 面积、楼层、朝向等少量微观差异。在选定了空间范其中，P为样本的交易价格，s和t分别为样本围后，即可对同一空间范围内的所有交易样本按照前后两次的交易时间，矶的取值满足式(3)。由于交易发生的时间构造有序样本对，从而获得新的主要考虑时间维度的变化，式(2)省略了样本标识"匹配样本"。脚标io第二步是样本匹配，采用"单间隔"匹配原则，
.45 第30卷第12期郑思齐等:类重复交易房价指鲸编制方法与应用即在同一匹配空间内的所有样本，按时间排序后，将区"匹配空间更精细。样本匹配空间精细度最高的且仅将任意两个相邻时间上的样本进行匹配，构成是"楼栋即将每一栋住宅楼栋作为独立的样本匹一个样本对。若第n期没有交易发生，则将第(n-配空间，每一个"小区"、每)个"销售批次"都可能1 )期样本直接与"单间隔"的第(n+ 1)期样本进行包含多个"楼栋"。毫无疑问，来自于同一楼栋中的配对。样本匹配步骤使得类重复交易法具有了另一住房样本具有最为接近的区位属性和物理属性，在个优势，即样本量的"扩容"。在数理统计中，样本"楼栋"层面上进行的差分模型估计可以减轻遗漏量决定了模型估计的精确度，大样本量能够更好地变量对模型估计结果的影响。满足大数定律和中心极限定理的前提假设，提高模原始数据共包含样本444596份，在"小区"层型估计结果的有效性。匹配样本之所以"扩容是面的配对样本数量为31636652份，在"销售批次"因为匹配过程进行的是两两配对，因此样本量以二层面的配对样本数量为22281758份，在"楼栋"层次方级的速度增加。面的配对样本数量为14394461份。表l显示了利最后是差分模型的估计。在获得匹配样本后，用某城市数据在以上3种不同样本匹配空间下类重即可通过差分方程估计时间固定效应，即住房价格复交易指数的估计结果，以及传统特征价格模型的随时间的变化情况。根据式(1)和式(2)可以推导估计结果。图1显示了上述4个指数的试算结果对差分方程的具体形式，如式(4)所示:比情况。官在商事ElnPb",j -风rj=ZIαk(Xb"，j，k-Xa",j,k) -一一一一类重复交易指数(以小区配对)-----类重复交易指数(以销售批次配对)产←…工-工士，类事复去易理费~-~引壁.格~.~ì(4) +立β，D，+ e""b,a,j 特征价格指数4 其中，Pb;"j和尺，时是一个样本对中的两个价格/ 变量，分别为原样本b发生在s时刻的住房交易价格和原样本α发生在r时刻的住房交易价格，共同构成了新的样本对j，且有s>r。其他参数的含义与式(2)和式(3)相同。根据式(4)估计得到的βs序 2006年l月2007年l月2008年1月2009年1月2010年1月2011列即为反映住房价格中时间固定效应的系数向量。图1类重复交易指数试算结果以及与五、指数试算结果和质量检验特征价格指数的比较利用某城市2005年1月至2010年12月的长(二)指数试算结果的直观比较时间段新建住房市场交易网签数据，对本文提出的表1的结果显示，各控制变量系数在不同模型类重复交易法进行试算，并与传统特征价格法计算中的估计结果比较相近，说明模型估计结果具有较的特征价格指数进行比较。好的稳健性。同时，类重复交易模型的估计效果好(-)三种样本E配空间的选择于特征价格模型，一方面表现在系数估计结果的显为了详细说明类重复交易法中"匹配空间"的著性上，另一方面表现在模型的整体拟合优度上。作用以及现有数据条件下传统特征价格指数中存在随着模型对变量遗漏问题解决能力的逐渐提高(从的显著偏误，本文分别选择了"小区"、"销售批次"特征价格模型到小区层面、销售批次层面以及楼栋和"楼栋"三个层级的样本匹配空间进行试算。"小层面的类重复交易模型)，模型拟合优度也逐步区"是以一个完整的住宅小区边界划定样本匹配空上升。间，在该空间内对样本进行"单间隔"匹配"销售批图1显示的4个指数估计结果的对比情况更能次"是以住房销售许可证文号划定样本匹配空间，直观地说明问题。首先，特征价格指数的波动较为两个来自于同一"小区"的样本未必属于同一个"销明显，而3个类重复交易指数则较为平滑。其次，售批次"。同一"销售批次"内的住房在建造时间和"小区"层面类重复交易指数与特征价格指数比较建造过程方面具有更高的同质性，因此相对于"小"接近结合前述理论分析易知，该样本条件T特
.46. 统计研究2013年12月表1指鲸试算的模型估计结果表2类重复交易法计算效果检验类重复交易模型(差分变量)特征价格检验方法按小区配对类重复交易法特征价格法中位数法变量模型楼栋层面销售批次层面小区层面Vol 。.080O. 238 1. 066 AC(1 ) -0、 面积。‘599(’ ) ( 6794. 254 ’ ) (事)(’ ) SSD 楼层(’ ) (’ ) (391. 100咿)(’ ) (四)5城市短时间窗口指鼓计算结果分析 卧室数(’ ) (事)(’ ) (川')为了进一步检验类重复交易法编制住房价格指时间固定效应Yes Yes Yes Yes 数在不同城市中的适用性，我们也应用该方法对全区位固定效应Yes 国不同区域若干城市(牡丹江、青岛、上海、杭州和 常数项乌鲁木齐)的住房价格指数进行计算。受到数据可(忡')调整的R' 得性的限制，仅在较短的时间窗口(2011年1月至样本量14394461 22281758 31636652 444596 2012年10月)对这5个城市的类重复交易指数计注:表示在1%置信水平下显著。算。表3列出了上述5个城市类重复交易住房价格征价格模型对样本区位特征的控制程度不超过"小指数的相关统计量。区"这→层面，即特征价格模型可以在一定程度上表3各城市类重复指数计算结果比较控制"小区"维度的样本空间特征遗漏变量问题。检验方法|牡丹江|青岛| 上海| 杭州!乌鲁木齐最后，随着类重复交易模型匹配空间从"小区"到Vol 1 0、0261 1 1 1 "销售批次"再到"楼栋"的不断精细化，类重复交易AC(l) I I I I I 指数与传统特征价格指数的偏离也愈发明显。由于SSD 1 1 1 1 1 类重复交易模型发展于特征价格模型和重复交易模从表3可以看出，不同城市住房价格变化呈现型，具有坚实的理论基础，因此可以认为"楼栋"层不同特点。相比而言，乌鲁木齐、上海和青岛的波动面类重复交易指数和特征价格指数之间的差异，揭性(Vol值)较低，自相关系数(AC(I )值)较高，说明示了特征价格指数由于遗漏变量问题所产生的指数这些城市住房价格波动幅度较低，趋势性较明显:而估计偏差，这就证明了理论分析中提到的类重复交牡丹江和杭州的房价指数波动性较高，趋势性较低，易法的优势，印证了样本匹配空间对指数估计精度对短期内的供需冲击较为敏感。的调节作用O此外，表3所列出的这些统计量也反映出类重{三)指数试算结果的定量比较复交易法在不同城市住房价格指数计算中具有较好为了进一步验证类重复交易指数的优势，本的适用性。反映房价指数波动性、趋势性的Vol和节对类重复交易指数进行多维度检验，并将之与AC( 1)指标，以及反映指数趋势离散性的SSD指标，特征价格指数和中位数指数的计算结果进行均处于同→数量级，且计算结果符合指数质量检验比较。的基本逻辑关系。SSD指标还进一步说明，尽管各根据指数质量检验的国际前沿研究[叫[川，选城市的样本数量和住房市场发展情况各有不同，指择三种常用检验方法，分别是价格一阶差分序列的数趋势的离散程度均可保持很低的水平(始终低于一阶自相关系数(AC(I))、价格一阶差分序列的波特征价格法的SSD指标结果，见表2)0动率(Vol)以及价格一阶差分序列与其HP滤波(Hodrick & Prescott filter)趋势序列的离差平方和六、结论(SSD)。利用三种检验方法分别计算类重复交易指房价指数的不同计算方法对于估计偏误的处理数、特征价格指数和中位数指数的相关指标，得到比能力不同，指数计算结果的精确度和有效性也不同O较结果如表2所示。其中，类重复交易指数以"楼类重复交易指数以经典特征价格模型和重复交易模栋"作为样本匹配空间。计算结果清楚地表明，类重复交易指数无论在趋势平稳性(AC(I))、波动性型为基础，既是一种混合型指数方法(含有特征控( Vol)还是相对趋势的整体离散程度(SDD)方面，均制变量的差分模型)，又是一种拓展的样本匹配法具有最高的计算质量。(样本匹配空间的选择)。类重复指数方法包括样
.47. 第30卷第12期郑思齐等:类重复交易房价指做编制方法与应用[ 3 ] Deng Y, Mcmillen D P, Sing T F. Private residential price indices 本匹配空间的选择、样本匹配和差分模型估计三个in Singapore: A matching approach [ J ] Regional Science and 步骤。通过以实际数据进行试算，并与传统特征价Urban Economics, 2012,42(3): 485 -494 格指数和中位数指数计算结果进行比较的结果表[ 4 ] Goodman A C. Andrew C urt and the invention of hedonic price 明，类重复交易指数的估计具有更高的精确度和有analysis[J]. Joumal of Urban Economics, 1998,44(2): 291 -298. 效性，指数趋势性更为明显，波动率更低，综合质量[ 5 ] Rosen S. Hedonic prices and implicit markels: producl dωdif，fe岛renttat更高。同时也应注意，在现实应用中，样本匹配空间economy, 1974,82(1): 34 -55. 应根据样本数据的实际情况进行选择。数据质量越[ 6 ] Case B, Pollakowski H 0, Wachter S M. On choosing among house 好，样本匹配空间的选择应该越精细，从而更好地解price index methodologies [ 1]. Real estate economics, 1991, 19 决遗漏变量所导致的指数估计偏误。( 3 ) : 286 -307. 尽管我国官方统计口径下尚无利用特征价格法[ 7 ] Bailey M J, Mu th R F, No urse H O. A regression method for real estate price index construct on [ J]. Joumal of the American 和重复交易法等计量回归手段编制的房价指数，但Statistical Association, 1963, 58 (304) : 933 -942 国家统计局自2011年1月起所采用的加权平均指[ 8 ] Case K E, Shiller R J. The efficiency of the market for single-family 数，一方面直接采用地方房管部门真实交易数据作homes[M]. 1989. 为数据基础，另一方面通过楼盘的"空间分组"方式[ 9 ] Quigley J M. A simple hybrid model for estimating real estate price 体现了样本匹配法思想，提高了指数的同质性程度，indexes [1]. Joumal of Housing Economics, 1995, 4 (1 ) : 1 -12. [ 10] Guo X J, Zheng S Q, Geltner D, Liu H Y. A New Approach for 是我国房价指数编制工作中的重大进步。类重复交Constructing Home Price Indices in China: The Pseudo Repeat 易法同样运用了样本匹配原则，同时又结合了特征Sales Model[ J]. Working paper, Tsinghua University. 2013 价格法和重复交易法的优点，是一种混合型指数。[11 J郑思齐，张文忠.住房成本与通勤成本的空间互动关系[JJ. 相对于传统方法而言，类重复交易指数的优势地理科学进展，2007, 26 ( 2) : 35 -43 在于对基础数据的更强适应性，类重复交易法与目[12]刘洪玉，郭晓场，姜沛言.房产税制度改革中的税负公平性问题前国家统计局采用的基于样本匹配思想的加权平均[1].清华大学学报:哲学社会科学版，2012，27(6):18 -26. [ 13] Fisher J, Geltner D, Pollakowski H. A quarterly transactions-based 指数一样对我国住房市场特点和数据情况(新房为index of institutional real estale investment performance and 主、难以完全采集所有特征变量信息)具有很好的movemenls in supply and demand [ 1 J. The 10umal of Real Eslale 适应性。Finance and Economics, 2007 , 34 ( 1 ) : 5 -33. 相对于目前国家统计局采用的指数计算方案而[ 14 J Bokhari S, Geltner D. Estimating real eslate price movements for high frequency tradable indexes in a scarce data environment [ 1 J 言，类重复交易指数的优势有两点:其一是指数的同The Joumal of Real Estate Finance and Economics, 2012: 1 -22. 质性大大提高，能够更加准确地反映房价的时序变[ 15] Pedersen T M. The Hodrick -Prescott filter, Ihe Slutzky effect, and 化和空间差异;其二是计算自动化程度大大提高，the distortionary effect of filters. Joumal of Economic Dynamics and "匹配空间"的引人使得指数计算过程完全可以通Control, 2001, 25(8): 1081-1101. 过编程自动实现，有利于节省指数编制工作的人力物力成本。作者简介郑思齐，女，36岁，天津市人，2005年毕业于清华大学，总之，类重复交易指数的应用条件与目前官方获管理科学与工程博士学位，现为清华大学建设管理系房地采用的房价指数编制方法相同，仅要求基础数据具产研究所、清华大学恒隆房地产研究中心副教授、副系主任，有空间维度的特征标识，同时有助于提高指数计算博士生导师。研究方向为城市经济学和住房市场。的精度和效率。;J'L鹏，男，34岁，辽宁省人，2002年毕业于北京化工大学，获经济学学士学位，现为国家统计局城市司服务业价格参考文献处副处长。研究方向为房地产市场经济与价格指数。[ 1 ] Bokhari S, Geltner D. Estimati吨realestate price movements for 郭晓肠，男，27岁，辽宁省人，2013年毕业于清华大学，high frequency tradable indexes in a scarce data environment [ J] . 获管理科学与工程博士学位，现任职于中国建筑股份有限公The Joumal of Real Estate Finance and Economics, 2012: 1 -22. 司。研究方向为城市经济学、房地产金融。[ 2 ] Marshall K L, Mcsweeny S M, Villacorta A. METHOD AND SYSTEM FOR PROVIDING A HOME DATA INDEX MODEL[ M]. 2013. (责任编辑:程唏)
