一种沿街商铺的租金指数统计方法与流程

1.本技术涉及沿街商铺的租金指数统计技术领域，特别是涉及一种沿街商铺的租金指数统计方法。


背景技术：

2.目前，房地产的价格指数，主要集中在居住物业和办公物业的买卖价格和租金领域，具有相对成熟的实践应用。可以用来反映供求关系导致的市场价格地变化情况。但商业物业的相关价格指数，无论是租金还是买卖价格，目前没有一个完整、完善的指数体系。然而区域规划、城市更新、商业规划与监测等领域，又亟需相应的数据与指数产品，用以监测区域商业的发展趋势和发展水平，为制定经济政策和区域发展规划提供有力的客观数据支持。在外资咨询公司的研究报告中，为了反映商业物业市场的租金情况，其统计了高档商场首层商铺的平均租金水平及其走势。作为一种市场价格指数，需要反映的是供求关系影响的客观市场价格波动情况，而不是结构因素引起的价格变动。因此需要对同一样本进行价格的波动监测。住宅物业的指数编制方法，是通过监测固定样本的市场价格数据，进行指数的编制和统计。但相关技术在商业物业中难以实现。
3.首先，在交易活跃度上，商业物业远不及住宅物业。一个中等规模的住宅小区，几乎每个月都会有买卖和租赁发生，容易采集到市场交易数据。而一个选定的商铺样点，可能数年都没有交易发生。
4.其次，交易价格受个别因素影响程度不同。住宅小区内部不同单元的房屋价格水平接近，房屋之间的价格差异，已经有成熟的因素修正体系，如对楼层、朝向、面积、户型及景观等因素的修正。因此，即便选定的样点单元没有发生交易，也可以通过同小区的交易数据来进行价格判断。而在同一商业街的商铺之间，受个别因素影响，租金也会有很大的差异。如面积、门面宽度、层高、可否餐饮、视觉遮挡、建筑形态等，且这些差异并没有像住宅那样的成熟修正体系。
5.第三，交易价格受微观区位因素的影响程度不同。住宅小区内，临马路和不临马路等微观区位导致的价格差异，范围不大，且有市场公认的修正经验。而在同一商业街内部，微观区位的差异依然很大，如靠近小区出入口或、车站附近、临近大型超市的商铺等，商业街内部的租金并不均衡。
6.第四，交易因素对租金的影响程度也不同。住宅物业以满足居住需求为主，需求上的差异很小，不会因为买家不同而导致价格有很大的差异。而商业物业租金受交易双方自身情况的影响很大。例如同一商铺可做餐饮和不可做餐饮，租金就会不同。有些业态对租金不敏感，当其计划在某商业街布局开店时，由于需要完成年度开店计划，其可接受远高于市场的租金。而有些商业街从整体经营角度考虑，通过低租金来吸进主力店的入驻。上述这些因素，都使得实际成交的租金并不能反映客观市场的租金水平。
7.综上所述，编制和统计用于反映客观市场租金水平的商铺物业的租金指数存在巨大的数据和技术难点。相对而言，外资公司统计高档商场首层商铺租金走势，符合指数反映
客观市场走势的要求。但其只覆盖少数市级商业中心，且只反映了高档商场的租金水平，应用范围过小。其次，当商场出现内部调整或变动时，其租金变化并不能反映客观市场的变化。因此，只能服务外资公司，对中国市场进行一个大致的了解，无法满足区域规划、商业规划和市场监测应用。


技术实现要素：

8.基于此，针对上述技术问题，提供一种沿街商铺的租金指数统计方法以解决现有的房地产的价格指数统计无法满足区域规划、商业规划和市场监测应用的问题。
9.一种沿街商铺的租金指数统计方法，所述方法包括：
10.获取统计区域路段，在所述统计区域路段内筛选目标路段；
11.通过专家意见法，确定所述目标路段内商铺租金的微观区位影响因素和实物因素，并根据所述微观区位影响因素和实物因素确定特征数据，并制定特征数据的采集标准；所述特征数据包括：所述目标路段内商铺使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；
12.根据所述特征数据的采集标准采集所述目标路段内商铺特征数据；
13.统计所述目标路段内商铺特征数据，设置标准商铺，划分商圈等级，制定案例修正系数；
14.根据案例修正系数，将所有案例的租金调整到标准商铺条件下的租金，计算案例的标准租金；
15.合并所述目标路段内的均质路段，所述均质路段内，宏观区位因素对租金的影响是趋同的；
16.计算均质路段中案例标准租金的平均值作为为均质路段标准租金；
17.根据统计区域行政区划，以及商圈划分，设计指数体系，并统计指数数据
18.设置样本权重，根据所述样本权重计算相应范围内路段标准租金的加权算术平均数。
19.上述方案中，可选地，所述筛选目标路段包括：
20.以道路路口为切分点，将所有统计区域路段道路切分为单一路段，选取满足预设条件的路段为所述目标路段；
21.所述预设条件为路段内商铺门面宽度累计大于100米，或开间大于4米的门面房有12间或以上。
22.上述方案中，进一步可选地，所述根据所述特征数据的采集标准采集所述目标路段内商铺特征数据包括：对所述目标路段进行现场案例调研，并记录案例数据；
23.调研的商铺最小应满足如下条件：门面宽度大于3.5米，使用面积大于30平米的商铺；若没有满足所述条件的商铺，则可以放宽商铺条件至：门面宽度于2.5米，使用面积大于20平米的商铺。
24.调研的商铺最大应不超出如下条件：使用面积在500平米以下，楼层不超过2层；
25.每个目标路段的调研数据量要求：至少3个商铺案例，或不少于路段内商铺数量的10％。
26.上述方案中，进一步可选地，所述标准商铺是通过计算所述目标路段内商铺特征
数据的使用面积、面宽进深比和层高是连续变量，采用聚类统计分析得到数值出现最为密集的数值段，再取该数值段中案例的平均值对应的商铺作为标准商铺；其中，所述视觉效果、是否转角、可否餐饮和相邻关系是分类变量，直接取占比最高的分类值即可。
27.上述方案中，进一步可选地，所述划分商圈等级包括通过商铺数据中的租金数据，进行聚类统计分析，按租金水平高低并结合行政区划，对商铺所处的商圈等级进行划分；所述商圈的4个等级的划分，从高到低依次为：市级商圈、区级商圈、社区级商圈以及一般社区商圈。
28.上述方案中，进一步可选地，所述制定案例修正系数包括：根据所述目标路段内商铺特征数据得出特征因素对租金的影响程度，所述特征因素对租金的影响程度为特征因素的修正系数；利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数，得到所述案例修正系数；
29.采用多元回归和相关性分析，确定租金的影响因素；利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数；
30.筛选相同商业等级路段的案例进行回归分析，计算各因素的回归系数；
31.采用多元线性回归模型：p＝α0+∑αizi+ε
32.其中，所述p为商铺租金单价，α0为常数项，α为待定系数，z为特征变量，ε为随机变量，i为特征数量；所述特征变量有：使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；
33.基于不同等级商圈的回归分析结果中，系数表现稳定的因素，取其均值作为该因素的修正系数；
34.基于上述不同等级商圈的回归分析结果中，系统表现不稳定的，剔除离散程度大的案例数据后再做回归，得到稳定系数，取其均值作为该因素的修正系数；
35.经过上述步骤后，系数波动仍然很大的，系数波动平均差与均值之比大于30％的，取各模型中的系数中位数为该因素的修正系数。
36.上述方案中，进一步可选地，所述合并所述目标路段内的均质路段，所述均质路段内所有店铺的特征因素都相同，则租金差距小于预设值均质路段内，宏观区位因素对租金的影响是趋同的包括：
37.比较相连的两个单一路段的标准租金，若租金差异与均值的比值小于10％，则两个路段合并为一个均质路段；并计算该均质路段中所有案例的标准租金平均值，作为该均质路段的标准租金；若还有单一路段与该均质路段相连，则比较两者的标准租金，若租金差异与均值的比值小于10％，则该单一路段与所述均质路段再合并；重复上述操作，直至不再有单一路段满足合并的条件。
38.上述方案中，进一步可选地，所述均质路段标准租金为租金指数计算的样本租金数据。
39.上述方案中，进一步可选地，所述根据统计区域行政区划，以及商圈划分，设计指数体系包括：
40.指数体系按范围从大到小依次为：全市指数、区县指数、街道指数、商圈指数、路段指数；
41.最小一级的指数是路段指数，所有路段指数又构成上一级的分类指数。
42.上述方案中，进一步可选地，在根据所述样本权重计算相应范围内路段标准租金的加权算术平均数之后，还包括：若商圈等级发生变化，当期指数按变化后的商圈等级进行赋权，所述指数采用帕式价格指数进行编制。
43.本发明至少具有以下有益效果：
44.本发明基于对现有技术问题的进一步分析和研究，认识到现有的房地产的价格指数统计无法满足区域规划、商业规划和市场监测应用的问题，本发明通过案例租金标准化、均质路段划分以及商圈等级划分技术手段，实现了样本数据同质可比的技术难题，从而使得指数可以反映基于供求关系下的租金变化规律。并能从全市、环线、区县、商圈、路段等多层级、多角度的进行市场的跟踪和监测。一是案例数据的标准化。通过对租金影响因素的判断和识别，对个别因素进行标准化设置；通过客观案例数据的分析统计，得出影响因素的一套修正系数。案例数据标准化，主要用于剔除个别因素的影响，以便观察不同区位对租金的影响，从而为编制指数提供符合原理的基础数据。一是均质路段划分。均质路段的划分，使相似区位因素的沿街商铺可以形成一个集合，以此形成指数编制的样本点的数据基础。解决了沿街商铺分散，样本点难以采集的难题。一是路段的商圈等级划分。基于案例数据为基础的前提下，通过设置数据规则，相对客观地对商圈等级进行了有效地划分。使指数体系的层级更为丰富，可以更好地从不同层级反映商铺租金的市场变现，为监测市场提供有效地指数体系。
附图说明
45.图1为本发明一个实施例提供的沿街商铺的租金指数统计方法的流程示意图；
46.图2为本发明一个实施例提供的沿街商铺的租金指数统计装置的模块架构框图。
具体实施方式
47.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
48.本技术提供的沿街商铺的租金指数统计方法，如图1所示，包括以下步骤：
49.获取统计区域路段，在所述统计区域路段内筛选目标路段；
50.通过专家意见法，确定所述目标路段内商铺租金的微观区位影响因素和实物因素，并根据所述微观区位影响因素和实物因素确定特征数据，并制定特征数据的采集标准；所述特征数据包括：所述目标路段内商铺使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；
51.根据所述特征数据的采集标准采集所述目标路段内商铺特征数据；
52.统计所述目标路段内商铺特征数据，设置标准商铺，划分商圈等级，制定案例修正系数；
53.根据案例修正系数，将所有案例的租金调整到标准商铺条件下的租金，计算案例的标准租金；
54.合并所述目标路段内的均质路段，所述均质路段内，宏观区位因素对租金的影响是趋同的；
55.计算均质路段中案例标准租金的平均值作为为均质路段标准租金；
56.根据统计区域行政区划，以及商圈划分，设计指数体系，并统计指数数据
57.设置样本权重，根据所述样本权重计算相应范围内路段标准租金的加权算术平均数。
58.在一个实施例中，所述筛选目标路段包括：
59.以道路路口为切分点，将所有统计区域路段道路切分为单一路段，选取满足预设条件的路段为所述目标路段；
60.所述预设条件为路段内商铺门面宽度累计大于100米，或开间大于4米的门面房有12间或以上。
61.在一个实施例中，所述根据所述特征数据的采集标准采集所述目标路段内商铺特征数据包括：对所述目标路段进行现场案例调研，并记录案例数据；
62.调研的商铺最小应满足如下条件：门面宽度大于3.5米，使用面积大于30平米的商铺；若没有满足所述条件的商铺，则可以放宽商铺条件至：门面宽度于2.5米，使用面积大于20平米的商铺。
63.调研的商铺最大应不超出如下条件：使用面积在500平米以下，楼层不超过2层；
64.每个目标路段的调研数据量要求：至少3个商铺案例，或不少于路段内商铺数量的10％。
65.在一个实施例中，所述标准商铺是通过计算所述目标路段内商铺特征数据的使用面积、面宽进深比和层高是连续变量，采用聚类统计分析得到数值出现最为密集的数值段，再取该数值段中案例的平均值对应的商铺作为标准商铺；其中，所述视觉效果、是否转角、可否餐饮和相邻关系是分类变量，直接取占比最高的分类值即可。
66.在一个实施例中，所述划分商圈等级包括通过商铺数据中的租金数据，进行聚类统计分析，按租金水平高低并结合行政区划，对商铺所处的商圈等级进行划分；所述商圈的4个等级的划分，从高到低依次为：市级商圈、区级商圈、社区级商圈以及一般社区商圈。
67.在一个实施例中，所述制定案例修正系数包括：根据所述目标路段内商铺特征数据得出特征因素对租金的影响程度，所述特征因素对租金的影响程度为特征因素的修正系数；利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数，得到所述案例修正系数；
68.采用多元回归和相关性分析，确定租金的影响因素；利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数；
69.筛选相同商业等级路段的案例进行回归分析，计算各因素的回归系数；
70.采用多元线性回归模型：p＝α0+∑αizi+ε
71.其中，所述p为商铺租金单价，α0为常数项，α为待定系数，z为特征变量，ε为随机变量，i为特征数量；所述特征变量有：使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；
72.基于不同等级商圈的回归分析结果中，系数表现稳定的因素，取其均值作为该因素的修正系数；
73.基于上述不同等级商圈的回归分析结果中，系统表现不稳定的，剔除离散程度大的案例数据后再做回归，得到稳定系数，取其均值作为该因素的修正系数；
74.经过上述步骤后，系数波动仍然很大的，系数波动平均差与均值之比大于30％的，取各模型中的系数中位数为该因素的修正系数。
75.在一个实施例中，所述合并所述目标路段内的均质路段，所述均质路段内，宏观区位因素对租金的影响是趋同的包括：
76.比较相连的两个单一路段的标准租金，若租金差异与均值的比值小于10％，则两个路段合并为一个均质路段；并计算该均质路段中所有案例的标准租金平均值，作为该均质路段的标准租金；若还有单一路段与该均质路段相连，则比较两者的标准租金，若租金差异与均值的比值小于10％，则该单一路段与所述均质路段再合并，重复上述操作，直至不再有单一路段满足合并的条件。
77.在一个实施例中，所述均质路段标准租金为租金指数计算的样本租金数据。
78.在一个实施例中，所述根据统计区域行政区划，以及商圈划分，设计指数体系包括：
79.指数体系按范围从大到小依次为：全市指数、区县指数、街道指数、商圈指数、路段指数；
80.最小一级的指数是路段指数，所有路段指数又构成上一级的分类指数。
81.在一个实施例中，在根据所述样本权重计算相应范围内路段标准租金的加权算术平均数之后，还包括：若商圈等级发生变化，当期指数按变化后的商圈等级进行赋权，所述指数采用帕式价格指数进行编制。
82.在一个实施例中，本实施例包括：筛选路段——制定案例数据标准——采集案例数据——设定标准商铺——制定案例修正系数——求取标准商铺租金——合并均质路段——计算路段基准租金(样本)——设计指数体系——统计指数数据；包括：
83.s10：筛选路段
84.以道路路口为切分点，将所有道路切分为单一路段(即路段内不再有交叉路口)。选取如下条件的路段为数据采集的对象：路段内商铺门面宽度累计大于100米，或开间大于4米的门面房有12间或以上。若是大型商场或商业体，有沿街开店的，也纳入计算范围；若是大型商场或商业体，没有开设沿街门店的，则不纳入计算范围。
85.s20：制定案例数据标准
86.通过专家意见法，确定沿街商铺租金的微观区位影响因素(即同一路段内导致租金差异的区位因素)和实物因素(即商铺本身建筑物的因素)，并以此确定案例采集需要的特征数据，并根据后续数据的应用需求制定相应特征数据的采集标准(即案例的数据标准)。案例的特征数据，用于同一路段内案例之间的租金比较和分析使用。经过案例数据的统计分析，
87.案例特征因素有：使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系等。
88.s30：采集案例数据
89.即商铺的数据调研。基于数据标准的要求，对上述筛选后的路段进行现场案例调研，并记录案例数据。经整理后导入案例录入系统。调研的商铺最小应满足如下条件：门面宽度大于3.5米，使用面积大于30平米的商铺。
90.如果路段符合筛选条件，但商铺条件不能满足上述要求的，可以放宽商铺条件至：
门面宽度大于2.5米，使用面积大于20平米的商铺。调研的商铺最大应不超出如下条件：使用面积在500平米以下。楼层不超过2层。一个路段的调研数据量要求：至少3个商铺案例，或不少于路段内商铺数量的10％。
91.s40：统计案例数据，设置标准商铺
92.为了使租金指数能够反映供求关系导致的租金变化，在租金指数统计时，必须使各时点的样本物业是同一的。为此，需要设置一个虚拟的标准商铺。该标准商铺的主要特征因素，对实际的沿街商铺的特征具有代表性，或是实际商铺的平均水平。在本专利中已确定的特征因素中，视觉效果、是否转角、可否餐饮和相邻关系是分类变量，直接取占比最高的分类值即可。使用面积、面宽进深比和层高是连续变量，采用聚类统计分析得到数值出现最为密集的数值段，再取该数值段中案例的平均值即可。
93.s50：统计案例数据，划分商圈等级
94.对于商铺物业而言，其所处商圈的等级是一个核心指标。商圈租金指数是租金指数中最为重要的分类指数。传统商圈的4个等级的划分，从高到低依次为：市级商圈、区级商圈、社区级商圈以及一般社区商圈。本专利通过案例数据中的租金数据，进行聚类统计分析，按租金水平高低并结合行政区划，对案例所处的商圈等级进行划分。
95.s60：统计案例数据，制定案例修正系数
96.为了实现租金指数的同质可比，所有案例的租金都需要转换为标准商铺下的租金。因此，采用对案例数据进行统计分析的方式，得出特征因素对租金的影响程度(即特征因素的修正系数)。采用多元回归和相关性分析，确定租金的影响因素。利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数。实际操作细分如下：
97.s61：筛选相同商业等级路段的案例进行回归分析，计算各因素的回归系数。
98.采用多元线性回归模型：p＝α0+∑αizi+ε
99.式中：p为商铺租金单价(单位：元/平米/月)，α0为常数项，α为待定系数，z为特征变量，ε为随机变量，i为特征数量。方案中保留的特征变量有：使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系等。
100.s63：基于上述不同等级商圈的回归分析结果中，系数表现稳定的因素，取其均值作为该因素的修正系数。
101.s64：基于上述不同等级商圈的回归分析结果中，系统表现不稳定的，剔除离散程度大的案例数据后再做回归。得到稳定系数后，取其均值作为该因素的修正系数。离散度大的数据为异常数据，会影响计算结果的准确性，所以剔除后再做回归分析。
102.s65：经过上述步骤后，系数波动仍然很大的(即平均差与均值之比大于30％的)，则取各模型中的系数中位数为该因素的修正系数。
103.s66：后续数据更新，仍需进行上述步骤操作。使之符合当前市场表现，以及减少数据波动所导致的影响。
104.s70：求取案例标准租金
105.根据案例修正系数，将所有案例的租金调整到标准商铺条件下的租金，即计算案例的标准租金。
106.s80：合并均质路段
107.所谓均质路段，即在该路段上，假设所有店铺的个别因素都相同，那么他们的租金
水平是基本接近的，即区位因素是均质的或接近的。原路段筛选后得到的是单一路段，计算路段中案例的标准租金的平均值，作为单一路段的标准租金。比较相连的两个单一路段的标准租金，若租金差异与均值的比值小于10％，则两个路段合并为一个均质路段。并计算该均质路段中所有案例的标准租金平均值，作为该均质路段的标准租金。此时如果还有单一路段与该均质路段相连，则比较两者的标准租金，若租金差异与均值的比值小于10％，则该单一路段与该均质路段再合并。重复上述操作，直至不再有单一路段满足合并的条件。
108.s90：计算均质路段标准租金
109.通过合并得到了指数计算所需要的均质路段。计算均质路段中案例标准租金的平均值，即为均质路段标准租金。均质路段标准租金，即为租金指数计算的样本租金数据。
110.s100：设计指数体系
111.根据城市的行政区划，以及商圈划分，指数体系按范围从大到小依次为：全市指数、区县指数、街道指数、商圈指数、路段指数。根据城市的情况，还可以有环线指数。最小一级的指数是路段指数，所有路段指数又构成上一级的分类指数。
112.s110：统计指数数据
113.s111：设置样本权重。根据路段所属的商圈等级，进行权重的设置，如下：市级商圈为5，区级商圈为2，社区级商圈为1，一般居住区商圈为0.5。
114.s112：计算相应范围内路段标准租金的加权算术平均数。
115.s113：商圈等级会因城市的发展和规划而变迁，当商圈等级发生变化后，当期指数按变化后的商圈等级进行赋权。本指数采用帕式价格指数进行编制。
116.本实施例指数的编制要满足同质可比并以此反映基于供求关系下的租金变化规律。由于沿街商铺的分散特征，以及沿街商铺的个别因素和交易因素影响的复杂性，要满足上述的指数编制要求，一直以来都是行业的一个难题，也是为什么至今没有一个成熟的商用物业的价格指数的原因。本发明通过案例租金标准化、均质路段划分以及商圈等级划分等技术手段，实现了样本数据同质可比的技术难题，从而使得指数可以反映基于供求关系下的租金变化规律。并能从全市、环线、区县、商圈、路段等多层级、多角度的进行市场的跟踪和监测。一是案例数据的标准化。通过对租金影响因素的判断和识别，对个别因素进行标准化设置；通过客观案例数据的分析统计，得出影响因素的一套修正系数。案例数据标准化，主要用于剔除个别因素的影响，以便观察不同区位对租金的影响，从而为编制指数提供符合原理的基础数据。一是均质路段划分。均质路段的划分，使相似区位因素的沿街商铺可以形成一个集合，以此形成指数编制的样本点的数据基础。解决了沿街商铺分散，样本点难以采集的难题。一是路段的商圈等级划分。基于案例数据为基础的前提下，通过设置数据规则，相对客观地对商圈等级进行了有效地划分。使指数体系的层级更为丰富，可以更好地从不同层级反映商铺租金的市场变现，为监测市场提供有效地指数体系。
117.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
118.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护
范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种沿街商铺的租金指数统计方法，其特征在于，所述方法包括：获取统计区域路段，在所述统计区域路段内筛选目标路段；通过专家意见法，确定所述目标路段内商铺租金的微观区位影响因素和实物因素，并根据所述微观区位影响因素和实物因素确定特征数据，并制定特征数据的采集标准；所述特征数据包括：所述目标路段内商铺使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；根据所述特征数据的采集标准采集所述目标路段内商铺特征数据；统计所述目标路段内商铺特征数据，设置标准商铺，划分商圈等级，制定案例修正系数；根据案例修正系数，将所有案例的租金调整到标准商铺条件下的租金，计算案例的标准租金；合并所述目标路段内的均质路段，所述均质路段内，宏观区位因素对租金的影响是趋同的；计算均质路段中案例标准租金的平均值作为为均质路段标准租金；根据统计区域行政区划，以及商圈划分，设计指数体系，并统计指数数据；设置样本权重，根据所述样本权重计算相应范围内路段标准租金的加权算术平均数。2.根据权利要求1所述的方法，其特征在于，所述筛选目标路段包括：以道路路口为切分点，将所有统计区域路段道路切分为单一路段，选取满足预设条件的路段为所述目标路段；所述预设条件为路段内商铺门面宽度累计大于100米，或开间大于4米的门面房有12间或以上。3.根据权利要求1所述的方法，其特征在于，所述根据所述特征数据的采集标准采集所述目标路段内商铺特征数据包括：对所述目标路段进行现场案例调研，并记录案例数据；调研的商铺最小应满足如下条件：门面宽度大于3.5米，使用面积大于30平米的商铺；若没有满足所述条件的商铺，则可以放宽商铺条件至：门面宽度大于2.5米，使用面积大于20平米的商铺；调研的商铺最大应不超出如下条件：使用面积在500平米以下，楼层不超过2层；每个目标路段的调研数据量要求：至少3个商铺案例，或不少于路段内商铺数量的10％。4.根据权利要求1所述的方法，其特征在于，所述标准商铺是通过计算所述目标路段内商铺特征数据的使用面积、面宽进深比和层高是连续变量，采用聚类统计分析得到数值出现最为密集的数值段，再取该数值段中案例的平均值对应的商铺作为标准商铺；其中，所述视觉效果、是否转角、可否餐饮和相邻关系是分类变量，直接取占比最高的分类值即可。5.根据权利要求1所述的方法，其特征在于，所述划分商圈等级包括通过商铺数据中的租金数据，进行聚类统计分析，按租金水平高低并结合行政区划，对商铺所处的商圈等级进行划分；所述商圈的4个等级的划分，从高到低依次为：市级商圈、区级商圈、社区级商圈以及一般社区商圈。6.根据权利要求1所述的方法，其特征在于，所述制定案例修正系数包括：根据所述目标路段内商铺特征数据得出特征因素对租金的影响程度，所述特征因素对租金的影响程度
为特征因素的修正系数；利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数，得到所述案例修正系数；采用多元回归和相关性分析，确定租金的影响因素；利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数；筛选相同商业等级路段的案例进行回归分析，计算各因素的回归系数；采用多元线性回归模型：p＝α0+∑αizi+ε其中，所述p为商铺租金单价，α0为常数项，α为待定系数，z为特征变量，ε为随机变量，i为特征数量；所述特征变量有：使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；基于不同等级商圈的回归分析结果中，系数表现稳定的因素，取其均值作为该因素的修正系数；基于上述不同等级商圈的回归分析结果中，系统表现不稳定的，剔除离散程度大的案例数据后再做回归，得到稳定系数，取其均值作为该因素的修正系数；若系数波动仍然很大的，系数波动平均差与均值之比大于30％的，取各模型中的系数中位数为该因素的修正系数。7.根据权利要求1所述的方法，其特征在于，所述合并所述目标路段内的均质路段，所述均质路段内，宏观区位因素对租金的影响是趋同的包括：比较相连的两个单一路段的标准租金，若租金差异与均值的比值小于10％，则两个路段合并为一个均质路段；并计算该均质路段中所有案例的标准租金平均值，作为该均质路段的标准租金
，
若还有单一路段与该均质路段相连，则比较两者的标准租金，若租金差异与均值的比值小于10％，则该单一路段与所述均质路段再合并；重复比较相连的两个路段的标准租金，直至不再有单一路段满足合并的条件。8.根据权利要求1所述的方法，其特征在于，所述均质路段标准租金为租金指数计算的样本租金数据。9.根据权利要求1所述的方法，其特征在于，所述根据统计区域行政区划，以及商圈划分，设计指数体系包括：指数体系按范围从大到小依次为：全市指数、区县指数、街道指数、商圈指数、路段指数；最小一级的指数是路段指数，所有路段指数又构成上一级的分类指数。10.根据权利要求1所述的方法，其特征在于，在根据所述样本权重计算相应范围内路段标准租金的加权算术平均数之后，还包括：若商圈等级发生变化，当期指数按变化后的商圈等级进行赋权，所述指数采用帕式价格指数进行编制。

技术总结
本发明公开了一种沿街商铺的租金指数统计方法，通过案例租金标准化、均质路段划分以及商圈等级划分等技术手段，实现了样本数据同质可比的技术难题，从而使得指数可以反映基于供求关系下的租金变化规律。案例数据标准化，主要用于剔除个别因素的影响，以便观察不同区位对租金的影响，从而为编制指数提供符合原理的基础数据。均质路段划分解决了沿街商铺分散，样本点难以采集的难题。一是路段的商圈等级划分。基于案例数据为基础的前提下，通过设置数据规则，相对客观地对商圈等级进行了有效地划分。使指数体系的层级更为丰富，可以更好地从不同层级反映商铺租金的市场变现，为监测市场提供有效地指数体系。市场提供有效地指数体系。市场提供有效地指数体系。


技术研发人员：孙翔 肖历一
受保护的技术使用者：诺贝尔曼（上海）商业投资管理有限公司
技术研发日：2023.06.14
技术公布日：2023/8/31