论文部分内容阅读
随着我国房产税改革的推进,房产税计税基础的评估要求也在不断提高,目前税基评估的核心方法是基于自动评估(AVM)模型的批量评估方法,随着估计模型的复杂化,评估对所需房产特征数据的要求越来越苛刻,而我国房产数据库尚处于建立的初级阶段,基础数据不充分,限制了模型的应用。本文首先论述了我国房产税税基评估工作的现状及税基批量评估技术的应用前景,针对目前评估中出现的问题提出在其他领域小样本研究中应用广泛的粒子群优化(WCPSO)算法来对小范围房产进行评估,该算法的实现依托于计算机的智能寻优过程,将其得到的房产估价与传统多元回归(MRA)方法进行比较分析,将有利于模型评估精度的提高与经济解释性的改善。为了比较这两种税基评估方法,本文搜集了 2015年厦门市共计800个有效的存量房成交价数据和房屋特征数据,通过k均值聚类方法将样本数据分为低档、中档和高档三个数据类别,分别运用MRA和WCPSO算法对全部数据样本和分类别的三个小数据样本进行估计,运用评估比率分析指标、评估公平性检验模型和RMSE、MAE、RRSE、RAE等评估误差度量指标,比较两种模型在各类房产数据中的评估能力,结果表明,在应用整体数据的评估情形下,MRA评估的各指标数值略优于WCPSO算法,在针对聚类后分类别的小范围房产数据的评估情形下,WCPSO算法的评估效果更佳,符合预期。因此本文认为,(1)在应对大量异质性强的房产数据时,可以采用多元回归方法以及更为复杂的计量方法进行评估,但这需要我国房产数据库的进一步完善,而在完备的房产数据库建立前,利用粒子群优化算法等人工智能方法对房产进行小范围的集中评估,可以得到更加高效和精确可靠的评估结果。(2)相较于以往仅使用单一方法评估,多种评估方法的比较并结合使用有助于优化房产税税基评估从数据的采集到模型的建立整个过程,从而保障房产税征收征管效率,顺利开展评估征税工作。