. Introduction The published real e

. Introduction
The published real estate literature
has put forth a
number of housing
characteristics to explain house prices. Hedonic
regression analysis is
typically used to
identify the marginal effect on house price
of each of these housing characteristics.
Sirmans, Macpherson and Zietz (2005) examin
e hedonic pricing models for more than
125 empirical studies and find that studies
often disagree on both the magnitude and
direction of the effect of certain characteristic
s. For example, their analysis shows that,
of forty empirical studies examining the numb
er of bedrooms, twenty-one studies find
that bedrooms have a positive impact on house price, nine studies identify a negative
relationship, and 10 studies report no signifi
cant relationship between house price and the
number of bedrooms.
Different estimation results for a given vari
able, in particular disagreement on the
direction of the effect, can be
confusing to market participan
ts. In addition, there may be
reason to believe that housing characteristics
are not valued the
same across a given
distribution of house prices.
Malpezzi, Ozanne and Thi
bodeau (1980) acknowledge the
problem in valuing individual house features
and note that the impact on price of
individual features cannot be
easily quantified. Malp
ezzi (2003) also notes that different
consumers may value housing characteristics
differently. To alleviate some of the
confusion, this study examines the extent to wh
ich conflicting results may be attributed to
differences in the effect of housing characteri
stics across the distribut
ion of house prices.
For example, if a particular housing characteri
stic is priced differently for houses in the
upper-price range as compared to houses in
the lower-price range, the typical OLS
2
regression may not provide useful information
for either price range since it is based on
the mean of the entire
price distribution.
As an alternative to OLS regression, this
study uses quantile regression to identify
the implicit prices of housing characteristics
for different points in the distribution of
house prices. This explicitly allows higher-p
riced houses to have a different implicit
price for a housing characteristi
c than lower-priced houses.
Since quantile
regression
uses the entire sample, the problem of tr
uncation is avoided (Heckman, 1979). This will
eliminate the problem of biased estimates that
is created when OLS is applied to house
price sub-samples (e.g., Newsome and Zietz, 1992)

Kết quả (Việt) 1:

. Introduction The published real estate literature has put forth a number of housing characteristics to explain house prices. Hedonic regression analysis is typically used to identify the marginal effect on house price of each of these housing characteristics. Sirmans, Macpherson and Zietz (2005) examine hedonic pricing models for more than 125 empirical studies and find that studies often disagree on both the magnitude and direction of the effect of certain characteristics. For example, their analysis shows that, of forty empirical studies examining the number of bedrooms, twenty-one studies find that bedrooms have a positive impact on house price, nine studies identify a negative relationship, and 10 studies report no significant relationship between house price and the number of bedrooms. Different estimation results for a given variable, in particular disagreement on the direction of the effect, can be confusing to market participants. In addition, there may be reason to believe that housing characteristics are not valued the same across a given distribution of house prices. Malpezzi, Ozanne and Thibodeau (1980) acknowledge the problem in valuing individual house features and note that the impact on price of individual features cannot be easily quantified. Malpezzi (2003) also notes that different consumers may value housing characteristics differently. To alleviate some of the sự nhầm lẫn, nghiên cứu này kiểm tra mức độ whIch kết quả mâu thuẫn có thể được quy cho sự khác biệt trong hiệu quả của nhà characteristics trên distributION của giá nhà. Ví dụ, nếu một characteri nhà ở đặc biệtStic có giá khác nhau cho các ngôi nhà trong các Upper-tầm giá so với nhà ở phạm vi giá thấp hơn, điển hình OLS 2hồi quy có thể không cung cấp thông tin hữu ích Đối với một trong hai mức giá kể từ khi nó được dựa trên có nghĩa là toàn bộ phân phối giá. Như là một thay thế cho hồi quy OLS, điều này nghiên cứu sử dụng hồi qui quantile để xác định Các mức giá tiềm ẩn của nhà ở đặc điểm cho các điểm khác nhau trong việc phân phối giá nhà. Điều này rõ ràng cho phép cao hơn pngôi nhà có một khác nhau riced tiềm ẩn giá cho một nhà ở characteristic so với nhà ở thấp hơn giá. Từ quantile hồi quy sử dụng các mẫu toàn bộ, các vấn đề của truncation tránh (Heckman, 1979). Điều này sẽ loại bỏ các vấn đề của thành kiến ước tính rằng được tạo ra khi OLS được áp dụng cho ngôi nhà giá phụ mẫu (ví dụ: Newsome và Zietz, 1992)

Kết quả (Việt) 2:

. Giới thiệu
Tài liệu bất động sản công bố
đã đưa ra một
số nhà ở
đặc điểm để giải thích giá nhà. Hưởng thụ
phân tích hồi quy được
thường được sử dụng để
xác định các tác động bên lề về giá nhà
của mỗi của các đặc điểm nhà ở.
Sirmans, Macpherson và Zietz (2005) examin
e mô hình giá cả hưởng thụ hơn
125 nghiên cứu thực nghiệm và thấy rằng những nghiên cứu
thường bất đồng trên cả biên độ và
hướng về hiệu quả của một số đặc trưng
của. Ví dụ, phân tích của họ cho thấy,
bốn mươi nghiên cứu thực nghiệm kiểm tra tê
er phòng ngủ, hai mươi mốt nghiên cứu tìm thấy
rằng phòng ngủ có một tác động tích cực đến giá nhà, chín nghiên cứu xác định một tiêu cực
mối quan hệ, và 10 nghiên cứu báo cáo không signifi
mối quan hệ không thể giữa giá nhà và
số phòng ngủ.
kết quả ước lượng khác nhau cho một vari cho
có thể, bất đồng đặc biệt về các
chỉ đạo của hiệu ứng, có thể là
khó hiểu đối với thị trường participan
ts. Ngoài ra, có thể có
lý do để tin rằng đặc điểm nhà ở
không được coi trọng
như nhau trên một định
phân phối của giá nhà.
Malpezzi, Ozanne và Thị
bodeau (1980) ghi nhận những
vấn đề trong việc định giá tính năng nhà biệt
và lưu ý rằng tác động về giá
các tính năng cá nhân có thể không được
dễ dàng định lượng. Malp
ezzi (2003) cũng lưu ý rằng khác
người tiêu dùng có thể đánh giá đặc điểm nhà ở
khác nhau. Để giảm bớt một số
nhầm lẫn, nghiên cứu này xem xét mức độ wh
ich kết quả trái ngược nhau có thể là do
sự khác biệt về hiệu quả của characteri nhà
stics trên distribut
ion của giá nhà.
Ví dụ, nếu một characteri nhà ở đặc biệt
stic có giá khác nhau cho nhà ở trong
phạm vi trên giá so với nhà trong
phạm vi giá thấp hơn, các OLS điển hình
2
hồi quy có thể không cung cấp thông tin hữu ích
cho một trong hai mức giá kể từ khi nó được dựa trên
giá trị trung bình của toàn bộ
phân phối giá.
để thay thế cho phương pháp OLS hồi quy, điều này
nghiên cứu sử dụng hồi quy quantile để xác định
giá ngầm về đặc điểm nhà ở
cho các điểm khác nhau trong việc phân phối của
giá nhà. Điều này rõ ràng cho phép-p cao hơn
nhà riced để có một tiềm ẩn khác nhau
giá cho một characteristi nhà
c hơn nhà giá thấp.
Từ quantile
hồi quy
sử dụng toàn bộ mẫu, các vấn đề của tr
uncation là tránh (Heckman, 1979). Điều này sẽ
loại bỏ các vấn đề dự kiến mà
được tạo ra khi OLS được áp dụng cho nhà
giá phụ mẫu (ví dụ, Newsome và Zietz, 1992)