[论文解读] Real estate appraisal of land lots using GAMLSS models

Lutemberg de Araújo Florencio, Francisco Cribari‐Neto+1 more|arXiv (Cornell University)|Feb 10, 2011

Housing Market and Economics参考文献 16被引用 12

一句话总结

本文提出使用广义加法模型（GAMLSS）来改进巴西阿拉卡茹市城市地块的房地产估价，通过使用平滑样条的半参数预测器，灵活建模地价的均值和方差。GAMLSS模型获得了0.817的高伪R²，显著优于传统线性模型和广义线性模型的拟合优度与预测准确性。

ABSTRACT

The valuation of real estates (e.g., house, land, among others) is of extreme importance for decision making. Their singular characteristics make valuation through hedonic pricing methods dificult since the theory does not specify the correct regression functional form nor which explanatory variables should be included in the hedonic equation. In this article we perform real estate appraisal using a class of regression models proposed by Rigby & Stasinopoulos (2005): generalized additive models for location, scale and shape (GAMLSS). Our empirical analysis shows that these models seem to be more appropriate for estimation of the hedonic prices function than the regression models currently used to that end.

研究动机与目标

• 解决经典线性模型和广义线性模型在房地产估价中的局限性，这些模型通常假设分布形式和函数形式固定。
• 通过允许对协变量效应在位置参数和尺度参数上的灵活、非参数建模，改进享乐价格函数的估计。
• 评估GAMLSS模型在捕捉地块价格数据中复杂非线性关系方面的表现。
• 证明GAMLSS在处理非正态性、异方差性和空间效应方面优于标准模型，提供更优的拟合效果。
• 提供一个稳健且灵活的框架，用于城市地块批量估价，支持多种响应分布和半参数平滑方法。

提出的方法

• 采用GAMLSS框架，使用伽马分布对地块单位价格（UP）进行建模，参数包括位置（μ）和尺度（σ）。
• 使用非参数平滑样条（指定自由度的样条）对空间坐标（LAT、LON）、地块面积（log(AR)）及其他协变量在位置和尺度子模型中进行建模。
• 对分类变量和连续变量（如STR1、STR2、SI、PA、TO、NIO、NIT、YR06、YR07和SZ）包含参数项。
• 尺度参数σ通过非参数立方样条建模为ST和log(AR)的函数，允许地块间异方差性。
• 基于信息准则（AIC、BIC）、偏差（GD）以及诊断工具（如蠕虫图和残差分析）进行模型选择。
• 最终模型（Model 3.6）包含位置和尺度子模型，均采用加法预测器，实现对享乐价格函数的灵活、数据驱动估计。

实验结果

研究问题

• RQ1 GAMLSS模型能否在城市地块享乐估价中提供优于经典线性模型和广义线性模型的拟合优度？
• RQ2 与纯参数模型相比，非参数平滑样条如何改善地价函数的估计？
• RQ3 建模可变离散度（尺度参数）对整体模型拟合优度和预测准确性有何影响？
• RQ4 哪些协变量在阿拉卡茹地块价格的位置和尺度上具有显著影响？
• RQ5 GAMLSS框架在多大程度上能够适应复杂数据特征，如非正态性、异方差性和空间相关性？

主要发现

• 最终的GAMLSS模型（Model 3.6）获得了0.817的伪R²，表明模型解释了地价变异的极高水平。
• 与简单模型相比，AIC（18,607）、BIC（19,065）和偏差（18,445）均有显著降低，表明拟合优度更优。
• Model 3.6的蠕虫图显示残差行为更优，残差紧密遵循预期的分位数-分位数模式，表明模型校准良好。
• 尺度子模型包含两个显著预测变量：ST（社会经济社区指标）具有负系数，log(AR)（地块面积的对数）具有正的非参数效应，表明大块地价的离散度更高。
• 最终模型中所有解释变量在1%显著性水平下均显著，这在大型横截面房地产分析中极为罕见。
• 观测值与预测值散点图与45°线高度一致，证实了模型出色的预测性能和可靠性。