[發明專利]一種沿街商鋪的租金指數統計方法

在審

• 申請號: 202310709516.2
• 申請日: 2023-06-14
• 公開（公告）號: CN116664186A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 孫翔;肖歷一
• 申請（專利權）人: 諾貝爾曼（上海）商業投資管理有限公司
• 主分類號: G06Q30/0203
• 分類號: G06Q30/0203;G06Q30/0204;G06Q50/26;G06Q10/0631
• 代理公司: 北京華清迪源知識產權代理有限公司 11577
• 代理人: 朱芳

1.一種沿街商鋪的租金指數統計方法，其特征在于，所述方法包括：

獲取統計區域路段，在所述統計區域路段內篩選目標路段；

通過專家意見法，確定所述目標路段內商鋪租金的微觀區位影響因素和實物因素，并根據所述微觀區位影響因素和實物因素確定特征數據，并制定特征數據的采集標準；所述特征數據包括：所述目標路段內商鋪使用面積、面寬進深比、層高、視覺效果、是否轉角、可否餐飲和相鄰關系；

根據所述特征數據的采集標準采集所述目標路段內商鋪特征數據；

統計所述目標路段內商鋪特征數據，設置標準商鋪，劃分商圈等級，制定案例修正系數；

根據案例修正系數，將所有案例的租金調整到標準商鋪條件下的租金，計算案例的標準租金；

合并所述目標路段內的均質路段，所述均質路段內，宏觀區位因素對租金的影響是趨同的；

計算均質路段中案例標準租金的平均值作為為均質路段標準租金；

根據統計區域行政區劃，以及商圈劃分，設計指數體系，并統計指數數據；

設置樣本權重，根據所述樣本權重計算相應范圍內路段標準租金的加權算術平均數。

2.根據權利要求1所述的方法，其特征在于，所述篩選目標路段包括：

以道路路口為切分點，將所有統計區域路段道路切分為單一路段，選取滿足預設條件的路段為所述目標路段；

所述預設條件為路段內商鋪門面寬度累計大于100米，或開間大于4米的門面房有12間或以上。

3.根據權利要求1所述的方法，其特征在于，所述根據所述特征數據的采集標準采集所述目標路段內商鋪特征數據包括：對所述目標路段進行現場案例調研，并記錄案例數據；

調研的商鋪最小應滿足如下條件：門面寬度大于3.5米，使用面積大于30平米的商鋪；若沒有滿足所述條件的商鋪，則可以放寬商鋪條件至：門面寬度大于2.5米，使用面積大于20平米的商鋪；

調研的商鋪最大應不超出如下條件：使用面積在500平米以下，樓層不超過2層；

每個目標路段的調研數據量要求：至少3個商鋪案例，或不少于路段內商鋪數量的10％。

4.根據權利要求1所述的方法，其特征在于，所述標準商鋪是通過計算所述目標路段內商鋪特征數據的使用面積、面寬進深比和層高是連續變量，采用聚類統計分析得到數值出現最為密集的數值段，再取該數值段中案例的平均值對應的商鋪作為標準商鋪；其中，所述視覺效果、是否轉角、可否餐飲和相鄰關系是分類變量，直接取占比最高的分類值即可。

5.根據權利要求1所述的方法，其特征在于，所述劃分商圈等級包括通過商鋪數據中的租金數據，進行聚類統計分析，按租金水平高低并結合行政區劃，對商鋪所處的商圈等級進行劃分；所述商圈的4個等級的劃分，從高到低依次為：市級商圈、區級商圈、社區級商圈以及一般社區商圈。

6.根據權利要求1所述的方法，其特征在于，所述制定案例修正系數包括：根據所述目標路段內商鋪特征數據得出特征因素對租金的影響程度，所述特征因素對租金的影響程度為特征因素的修正系數；利用多元回歸模型，提取各因素的回歸系數，即為該因素的修正系數，得到所述案例修正系數；

采用多元回歸和相關性分析，確定租金的影響因素；利用多元回歸模型，提取各因素的回歸系數，即為該因素的修正系數；

篩選相同商業等級路段的案例進行回歸分析，計算各因素的回歸系數；

采用多元線性回歸模型：P＝α0+∑αiZi+ε

其中，所述P為商鋪租金單價，α0為常數項，α為待定系數，Z為特征變量，ε為隨機變量，i為特征數量；所述特征變量有：使用面積、面寬進深比、層高、視覺效果、是否轉角、可否餐飲和相鄰關系；

基于不同等級商圈的回歸分析結果中，系數表現穩定的因素，取其均值作為該因素的修正系數；

基于上述不同等級商圈的回歸分析結果中，系統表現不穩定的，剔除離散程度大的案例數據后再做回歸，得到穩定系數，取其均值作為該因素的修正系數；

若系數波動仍然很大的，系數波動平均差與均值之比大于30％的，取各模型中的系數中位數為該因素的修正系數。