1、基礎技術研發部工作方案一、國際相關規范準則介紹1 .批量評估準則(StandardonMassAppraisal)國際財產征稅評估人員聯合會(InternationalAsso-ciationofAssessingOfficers,簡稱IAAO,下同)于2002制定的批量評估準則，其批量評估的定義為，批量評估是指在給定時間，使用標準方法，采用共同的數據，并考慮統計檢驗的對一系列房地產進行評估的過程。國際評估準則IVSC(2005)定義為“應用系統的、統一的、考慮到統計檢驗結果和結果分析的評估方法和技術評估多項財產確定日期價值的活動。”以及USPAP(2006沖對批量評估也有類似的表述。批量評估

2、一個重要的特性在于它將大量的計量、統計檢驗等數學工具納入評估過程。在應用計量工具(特別是多元回歸)的時候，批量評估方法認為所要評估的不動產(財產)的價值受到眾多的因素的影響，這些因素包括房屋的面積、朝向、建筑結構等不一而足，而通過對已有房屋特征數據及價值數據的分析，可以計算出每一個特征對房屋價值的貢獻程度(對應于批量評估計量模型中的各個變量的系數值)。在得到計量模型中的各個變量的系數之后，就可以將需要評估的不動產的各個特征輸入模型中，從而在一次評估中對多個不動產的價值進行評估。2 .自動評估模型規范(StandardonAutomatedVluationModels)IAAO在2003年頒布的

3、自動評估模型規范對自動評估模型定義為：自動評估模型是一個建立在數學基礎之上的計算機程序，它可以基于對事先已分別收集的有關位置、市場條件、以及不動產的特征等信息進行的市場分析并得到一個市場價值的估計值。二、相關名詞解釋(一)單宗財產評估(SingleAppraisal單宗財產評估，是指“在同一時間評估一個財產"(IAAO,MassAppraisalofRealProperty,2005),即在一次評估中對一個(或一個單位的)應稅財產的稅基價值進行評估確定，在一次評估中，其評估對象是單一的這一點上，它與一般資產評估實踐是相同的，其評估方法也主要依據市場途徑、成本途徑以及收益途徑這三種資產

4、評估的基本方法。而批量評估與單宗財產評估的最根本區別在于：其一次評估的對象是一批或一組不動產。正是這樣一個根本性的差異，導致批量評估與單宗財產評估在評估指導思想、具體方法、手段、步驟、程序等方面存在較為顯著的區別。目前，從各國的不動產稅基評估實踐來看，批量評估已經成為主流，只有在受到各種因素影響（例如，評估區域中的財產類型差異過大等），導致批量評估效果不佳的時候，才會采取單宗財產評估。（二）計算機輔助的批量評估（Computer-AssistedMassAppraisal簡稱CAMA）在批量評估中，根據其是否有計算機輔助可以分為手工批量評估和計算機輔助的批量評估。隨著科學技術的進步以及計算機應

5、用的普及，可以說目前在運作的稅基批量評估系統均為CAMA系統。批量評估技術隨著近年來計算機技術的飛速進步而得到了迅猛的發展，并且在實踐中逐步與地理信息系統（GIS）,人工神經網絡（ArtficialNeutralNetwork）等技術相結合，顯示出與其他學科和技術相融合的趨勢。尤其是GIS已經在批量評估中得到了廣泛的應用，并且取得了良好的效果，大大節約了稅基評估成本，提升了批量評估系統的效率。可以說，GIS與CAMA系統的融合已經成為不可阻擋的趨勢。就技術本質而言，用于CAMA系統中的AVM與用于私人部門的AVM從其創建原理、技術方法、創建過程等來說都是大體相同的，只是在日常的慣例中，通常用C

6、AMA來表示稅基評估中的計算機化的評量評估系統，而用AAAVM來指代在各私人部門中所使用的自動化的批量評估實踐。（三）自動評估模型AVM（AutomatedValuationModel）AVM（自動評估模型）產生于上世紀七十年代，是批量評估方法體系的關鍵技術，它將批量評估的各個步驟整合到一個計算機評估程序中去，建立一個自動評估模型（AVM）,實際上一個程序化的批量評估過程，是批量評估程序的自動化。AVM的一個與眾不同的特征在于它是通過數據建模而獲得市場價值的估計值。AVM可以應用于動產、不動產甚至是無形資產的價值評估。目前，應用AVM最多的還是不動產評估領域，其中住宅是最早應用AVM的財產類型

7、。AVM技術本質就是批量評估的原理與技術，包括各種數理統計方法（如多元回歸、概率統計等卜評估的三大基本方法、各種批量評估的技術與方法（如AEP等）等在AVM中都有具體的體現。AVM可以用于私人部門，也可以用于公共部門。在用于稅基評估的時候，通常將AVM嵌入到CAMA系統中，用于不動產的稅基評估。而在用于私人部門的時候，例如用于銀行、房地產經紀等機構的時候，AVM可以嵌入到各種不同的系統中，為實現各種不同的目的而服務。就技術本質而言，用于CAMA系統中的AVM與用于私人部門的AVM從其創建原理、技術方法、創建過程等來說都是大體相同的，只是在日常的慣例中，通常用CAMA來表示稅基評估中的計算機化的

8、評量評估系統，而用AVM來指代在各私人部門中所使用的自動化的批量評估實踐。（四）AVM報告在AVME用前，評估師還必須利用測試樣本對校準后的模型進行效果檢驗。最后，評估師必須提供論證報告、使用報告與CAMA/AAAVM告等三種不同類型的AVM報告。CAMA報告和AAAV服告是批量評估結果的報告類型，CAMA艮告主要用于公共領域的財產類稅基批量評估目的，而AAAVMS告用于私人領域的各種商業性活動。（五）地理信息系統GIS（GeographicInforma-tionSystem）國際GIS字典中的定義，”GIS是采集，管理，整合，處理，分析以及顯示有關地球空間信息數據的計算機系統”IAAO的批

9、量評估準則中對地理信息系統（GIS）的定義為：（1）用于存儲，檢索，控制和顯示空間信息的數據庫管理系統。（2）一種計算機化的地圖系統，能夠將不同層次的基礎地圖的空間數據（土地信息）和特征數據綜合起來2005年IVSC的批量評估準則中在4.0數據收集和系統記錄中的4.1中提到“數據記錄方式已經從手工的數據記錄演變為方便CAMA的復雜的數據庫，并且通常包括GIS”。評估師可以借助地理信息系統GIS來獲取各種與評估相關的資料。在不動產從價稅的稅基評估中，還可以使用GIS來檢驗數據。GIS能使正常樣本與異常樣本將通過不同的顏色在計算機屏幕中得到顯示，從而使評估師輕松找到那些不合理的數據。獨立淪GISr

10、jCAMA系統與一擰整仆.'i：日勺。J能-1.-.I.典型的要求GIS功能G1S典型的功能集包拈：廿詢與可視區域分析覆蓋分析制作地圖CAMA功能數據庫管理評估功能管理功能整合后的功能實時與CAMA數據連結以便查看與傳詢 從GIS中升級CAMA數據 顯示評估結果 顯示可比不動產及區域 顯示待評估的不動產（六）時間趨勢分析時間趨勢分析是在有關財產特征變量信息較難獲得的情況下所采用的預測技術。IAAO于2003界定了四種AVM時間趨勢分析工具，即單位價值分析、重復銷售分析、銷售價格/評估價值趨勢分析以及在銷售比較模型中加入時間變量等四種。時間趨勢分析根據以往的財產評估價值或財產的銷售價格推

11、算財產評估基準日的評估價值。而單位價值分析是跟蹤每單位價格的變化，銷售價格/評估價值趨勢分析是跟蹤同一日期銷售價格與評估價值的變動。這兩種方法都能通過圖形體現價值變動趨勢。重復銷售分析是將銷售價格間的差異轉化為月變動率，并從中計算平均（中位）變動率，這種方法的可靠性依賴于銷售的樣本多少。而在銷售比較模型中加入時間變量的方式可以認為是對多元回歸分析的一個轉化。這一方式被認為是有著較高精確度的時間趨勢分析法。從統計學原理上看，前三種時間趨勢分析工具是獲取一個關于價值隨時間變動的指數，而第四種分析工具則是假定價值存在某種運動趨勢，并通過時間變量來反映這種趨勢。運用時間趨勢分析估計財產價值，必須注意到

12、隨著推算日期的拉長，預測的精確度將會降低。（七）適應估計技術（AEP或稱為“反饋”）適應性估計又稱為回饋技術，自20世紀80年代開始被應用于不動產評估，是AVM中的一種校準程序，它可以根據新的評估結果、新的數據等，對模型進行自動化的估計與校準，這一過程貫通整個批量評估。其實現方式是不斷利用新的銷售信息來調整不動產的價值。適應估計技術是將初始模型得出的價值與銷售價格進行不斷對比，直到得出AVM中最小誤差的系數為止。適應估計技術依賴評估師對模型中能衡量當地市場環境的特征變量的設定能力。目前，通常利用適應估計技術來處理混合模型。（八）人工神經網絡技術（ArtficialNeuralNetwork,簡

13、稱ANN）20世紀90年代以來，人工神經網絡技術開始被應用于AVM。由于神經網絡具有超強的適應能力和學習能力，評估師可在采用直接市場法模型時，利用財產特征變量組成的人工神經網絡能提供更加準確、快速的評估服務。人工神經網絡是基于模仿大腦神經網絡結構和功能而建立的一種信息處理系統，是理論化的人腦神經網絡的數學模型。實際上，它是由大量簡單元件相互連接而成的復雜網絡，具有高度的非線性，能夠進行復雜的邏輯操作和非線性關系實現。由于房地產的區域因素及個別因素對房地產的影響具有一定的整體性，即使是經驗豐富的估價人員也很難判斷哪個因素更重要，要確定其重要性（即權重）的大小更是困難。而神經網絡的大規模并行、分布

14、式存儲和處理、自組織、自適應和自學習能力，使它能夠適用于處理需要同時考慮多因素和條件、不精確和模糊的信息處理問題。顯然，估價人員的經驗越豐富，其對數據、資料處理的能力就越強，評估結果就越準確。這種專家大腦的思維方法與神經網絡工程的研究正好吻合。根據市場比較法神經網絡理論的特點，將人工神經網絡應用于市場比較法中并結合兩者的優勢，將會產生較好的應用前景。（九）BP神經網絡BP網絡是反向傳播（BackPropagation）。它是一種具有教師信號的多層前向網絡，在多層神經網絡模型的基礎上提出了多層神經網絡模型的反向傳播學習算法，采用最小均方差學習方式，這是一種最廣泛應用的網絡。它含有輸入層、輸出層以

15、及處于輸入輸出層之間的中間層。中間層有單層或多層，由于它們和外界沒有直接的聯系，故也稱為隱層。在隱層中的神經元也稱隱層單元。隱層雖然和外界不連接，但是，它們的狀態卻影響輸入輸出之間的關不成功產本訓練不合格模型檢前二房地產價格評估估價結果分析B-P神經網絡評估房地產價格程序XiX；Y輸出層輸入層隱含層圖2基于B-P神經網絡的房地產估價模型的網絡結構應用神經網絡方法進行房地產估價，可改善傳統評估方法的隨意性和不確定性，避免估價過程摻雜過多的人為因素，減少主觀臆斷。該技術方法也存在一定的缺陷，對于其估價特點總結如下：1)神經網絡應用于房地產估價，具適用范圍很廣。對于某類房地產，只要能夠在市場上找到該

16、類型一定數量的成交案例，就可以使用此方法。2)采用該方法進行房地產估價是通過對樣本案例的學習，尋找房地產價格與其影響因素之間存在的客觀規律。可以肯定的是,這種規律是非線性的，所以采用該方法進行估價，可以不用事先假設它們之間服從某種數學關系，一定程度上增強了估價客觀性。在采用該方法進行估價時，需要在分析相關影響因素的基礎上構建相應類型的價格評估指標體系，并對這些指標按提供的量化標準進行量化，將房地產的實際狀況轉化為一系列量化指標。3)訓練樣本的選擇、網絡拓撲結構的設計以及網絡參數的設定對應用神經網絡方法進行房地產估價有非常重要的作用，而當某種類型房地產估價的神經網絡模型一旦訓練成功，就可以對大批

17、量的類似房地產進行快速、準確地估價。(十)愿望模型(HedonicModel)是利用財產特征變量與財產市場價值間存在的因果關系而建立的模型。按模型結構中所采用數學方程的不同劃分，AVM大致可以分為兩大類：一類為Hedoni模型，另一類模型僅包括時間因素，通常是在財產特征信息不足的情況下，通過跟蹤特定時間段內財產價值的變動規律,根據目標財產的過去價值或銷售價格外推算其評估基準日的價值Hedoni模型又可以按照其采用變量的組合形式劃分為，加成模型(AdditiveModel)>乘數模型(MultiplicativeModel)與混合模型(HybridModel)。加成模型就是統計學上的線性回

18、歸方程，乘數模型和混合模型屬于非線性方程，其形式如下：加成模型:MV=Ac+A,XXXz+AnXXn乘數模型：MV=AoXXx11XXiI=XXXn”或MV=A*XXJXA?XXXn”4-Xn'""其中:MV表示目混合模型:MV=A.+A1XX*+XJXA/=+標財產的市場價值，Xi表示自變量，Ai為自變量的系數，i=0,1,2,n三、AVM技術的主要步驟先看批量評估的主要步驟。USPAP準則6批量評估(Standard6-MassAppraisal,2006)中規定批量評估應包括如下七個步驟1、確認要評估的財產；2、根據適用于財產的一貫行為定義市場區域；3、確認影

19、響價值形成的特征；4、建立模型；5、校準模7、檢查批量評估結果型；6、將模型中所反映出來的結論應用于被評估財產的特征中;IVSC(2006)中對批量評估步驟的表述也基本上大同小異。IAAO的自動評估模型準則認為創建與應用AVM的步驟包括如下：A、確認不動產：確認AVM模型所要評估的不動產的各種情況，例如類型、用途等。B、假設：確定創建AVM的各種假設，例如不動產的最高最有效使用等。C、數據管理與質量分析。D、模型描述。E、模型校準。F、模型檢驗與質量保證。G、模型應用與檢查評估值。H、分層次：將不動產按照不同的類型進行劃分，用于建模與分析。這一步驟中通常還包括劃分市場區域。I、對AVM所得的評

20、估值進行辯護。對照批量評估的各個步驟，我們可以清楚地看出AVM是自動化的批量評估程序這一本質特性。AVM需要一個包含大量數據信息的數據庫(數據的類型根據AVM的應用目的、所采用的方法等有密切的聯系。核心步驟如下：(一)確定不動產樣本的經濟域EconomicAear,也稱為市場域(MarketAear)所謂經濟域是指具有相似特征財產所構成的群體。在不動產從價稅稅基評估中，這一步驟稱為分層(Stratfication),分層包括功能區分和區域區分。1、功能區分建議將所有物業分為住宅、商業用房和工業用房三大類，每一種大類再進行細分。以下內容其進行詳細闡述。(1)住宅住宅建議分為非完全商品住房(即，包

21、括政策性住房、居民城鎮自建只有房)、普通住宅、高檔住宅和別墅。政策性住房，凡是按國家的房改政策建設、銷售的住房，統稱為政策性住房，具體包括：按照房改政策向職工出售的公有住房；按照房改政策開發建設的經濟適用住房、集資合作建房、公務員小區的住房等。“政策性住房”具有以下特點：一是在價格上要比商品住宅低30%以上；二是在銷售對象上，購房群體一般限定在一個企業內部職工之間進行，而商品房沒有這項規定；三是在面積控制標準上有限定，而商品住宅沒有限定；四是辦理交易發證手續取費上，往往減、免有關稅費，而商品住宅沒有這些優惠政策。高檔住宅是介于普通住宅和別墅之間的住宅，一般是指小區內部環境、內部配套明顯高于區域

22、周邊樓盤，價格約比周邊均價高30%以上的花園洋房、高檔公寓。別墅分為獨棟別墅、組合別墅，組合別墅包括雙評、聯排及其他非獨棟的組合別墅。（2）商業用房商業用房建議分為臨街商鋪、專業批發市場、辦公用房、臨時居住物業和娛樂健身休閑用房。商鋪又分為商業區的沿街商鋪，商圈范圍較大，租賃收入較高。住宅小區沿街商鋪如小區配商業設施，商圈范圍較小，租賃收入相對較低。辦公用房又分為寫字樓（分甲級、乙級、普通級別）、公共性服務用房如郵局等。臨時居住物業包括招待所、酒店（分星級）和私立醫院等。娛樂設施包括建設中心、高爾夫球場等。（3）工業用房工業用房包括制造加工用房、倉儲物流、功能物業（儲物罐、電話交換站、廣播電視

23、發送設施等）。功能分類住宅非完全商品房普通住宅豪華住房組合別墅獨棟別墅商業臨街商業專業批發市場辦公物業臨時居住物業一娛樂健身休閑工業制造加工倉儲物流功能物業該功能分區如果不能達到檢測要求還可進行三級細分。2.地域區分即無論評估模型是基于哪一種評估基本方法，都需要根據不同的區域進行劃分，才能得到比較精確的模型。按統一供需圈范圍劃分，以標的房價格區域影響因素差別不大為原則，可以考慮按當地土地級別或行政區劃或通過模糊數學分群，相鄰區域應該有明顯的地物區分標志，并且運用不同區域的AVM得出的結果有較明顯的差異。劃分可以考慮城市的布局特點，單中心式的成都、西安、北京可劃分類別較小，多中心的重慶、武漢、南

24、京等城市需劃分類別多，特殊類單獨劃分如重慶的臨江房可以單獨作為濱江區域。市場區域的劃分是一項結合了評估師的技術、經驗、以及判斷能力的工作，在客觀數據的基礎上，評估師更多地還需要結合自身的技術和經驗進行劃分，通常，還需要進行多次的試驗，才能得到比較滿意的評估區域劃分。當地域分區不能達到檢測要求還可進行進一步細分，直至達到檢測要求。評估師應結合模型檢驗結果，綜合決定功能分層和區域分層，提高批量評估的效果和效率。（二）建模、校準、測試主要流程示意圖估算放據收集與挑選來一3保留樣本的檢赳L檢素11.I叼第綸批聯評估數據昨數據陣他q地理信總系統確認財產、I假設、分二、I檢驗數據I模型iij當校準后的模型

25、無法通過相關的統訃黑將性檢驗或測試樣本的測試時，必須成新進行模綽!的設定、校準流科!按照從本i平仙理論過止的-找介道的校準技術模型利川測試樣木測試校準的模型模型測試痂聯保證I利川自動評I估校不進"I價俗估幻.IMBAl價做發核并提供報看（二）主要數學模型數學模型的設定是采用AVM技術進行價值評估的核心環節。這是整個批量評估過程中非常關鍵的一個步驟，模型的質量主要取決于兩個方面：所收集的數據的豐富程度與質量；構造模型時所使用的各種技術是否合理、有效，處理是否科學。模型的設定依據有評估三大基本方法的原理、財產特征以及跟蹤財產價值隨時間變化趨勢的時間系列法等。根據目標財產的類型、評估假設和

26、可獲得的數據，確定AVM的結構以及所應用的變量。模型的結構反映了因變量指標（如銷售價格，租金或者資本化率等）與其相關自變量之間的因果關系，各種自變量對評估價值的貢獻或消極影響通過相關校準系數表現。而要獲得正確的系數，就要應用能符合模型結構要求的校準技術。1.按模型結構中所采用數學方程的不同劃分，AVM大致可以分為兩大類Hedoni模型和時間趨勢模型。Hedoni模型是批量評估主要模型，包括以下三種計量模型：加法模型、乘法模型、以及混合模型。這三種模型的基本形式如下：I加法模型：y=q+4區+&&+.+4為其中，Y是因變量（即不動產的稅基評估價值）是自變量（對應于上一步驟中所確定

27、的影響不動產價值的因素，p是自變量的數量，即這些因素的數量），b0是常“AbP數項，通常沒有實際的意義，''是自變量的系數（即各個因素對不動產的價值的影響程度）on乘法模型在乘法模型中，變量不是與系數相乘，它們或者作為幕（指數），或者作為模型中出現的系數的幕，在確定各個變量與系數的關系之后，計算依據這些關系所得的結果，然后再將它們進行相乘。下面是一個簡單的乘法模型：Sp二綿XSQMhxQUAlXYEAIxb4R1xb5L2其中，SQM表示不動產的面積，QUAL表示不動產的質量，YEAR表示不動產已建成的年份，R1和L2均表示影響不動產價值的區域的情況。田混合模型混合模型是一種同

28、時包含加法和乘法部分的模型，例如，MP=bo+伽xSQAf)+伽xQU4L)-(b3xAGE)bQTE1乂加皿門其中，b0是常數項，通常沒有實際的意義，b1,b2,b5是分別對應于自變量SQM(不動產的面積)、QUAL(不動產的質量)、AGE(不動產已建成的年份卜REMOTE1(距某個參照點的距離)、以及LAKE2(位于湖邊2這個區域內)的系數。2,按照模型所立足的三大基本評估方法劃分按照模型所立足的三大基本評估方法劃分，AVM還可以分為成本法模型，市場比較法模型和收益法模型。(1)成本法模型，是根據成本法的評估原理設定的模型。評估師在選擇該模型對不動產評估時，采用成本法分別評估建筑和土地的價

29、值，然后將它們加總得到不動產整體價值。其采用的數學公式為：MVQ)xKC/V+九n其中：冗GQ表示影響建筑和土地價值的一般的質量變量，如位置和時間；BQ表示建筑物折舊因子；RCN為建筑物重置更新成本；LV為土地的評估價值。盡管按照成本法的原理，其適用于任何面積，質量，屋齡和類型的不動產評估，但從評估結果的精確角度考慮，成本法顯然更適合于那些不存在大額折舊，并能夠從最近的土地銷售中獲取土地價值信息資料的較新不動產的評估。(2)市場比較法模型市場比較法的AVM又分為兩種具體的模型，其一是可比銷售法(間接評估模型)。它通過兩個步驟實現：先建立一個確認可比銷售樣本的模型；然后再根據可比銷售財產樣本與目

30、標財產之間的差異進行調整。其模型表達式為：MV=IADJC其中：SPc表示可比銷售財產的銷售價格；ADJc表示對可比銷售財產的調整。傳統的可比銷售法的調整原理，采用的是非統計校準的樣本分析，即在模型中設定兩個銷售樣本的特征在其它方面都相同，根據兩個銷售樣本中某一特征的差異反映銷售價格的差距。這種方法較為原始，可靠性不足。因此，可比銷售法雖然構造簡單，易于被使用者和法庭所接受，但其精確度難以與直接市場法媲美。其二是目前在批量評估中應用最為廣泛的直接市場法(DirectMarketMethod)。直接市場法模型通常是采用了統計校準技術的愿望模型。而目前改進的可比銷售法模型的處理手段，也是先利用直接

31、市場法獲得調整量，然后再建立進行差異調整的可比銷售模型。（3）收益法模型在收益法模型中，評估師一般是利用所收集的經過質量檢驗的收入、成本數據，應用資本化公式（乂丫=凈收入+資本化率）或收入乘數公式（MV=凈收入X收入乘數）進行折現。這樣的模型似乎形式很簡單，但事實上，在確定（凈）收入、資本化率、收入乘數、費用等變量時，還都要建立相應的子模型，即以（凈）收入、資本化率、收入乘數、費用等項目分別作為子模型中的因變量。如進行的是不動產評估，則以影響不動產價值的位置、屋齡、條件、福利設施、用途等項目作為自變量。在得到這些子模型中因變量的結果后，再代入收益法模型的總公式（即資本化公式和收入乘數公式），最

32、后得到收益法下的目標財產的價值估計。（三）模型校準技術在確定了基本的模型形式后，評估師必須要選擇能夠確定這些模型中相應系數的校準技術。一旦模型中各個系數的值能夠確定，就意味著各個系數所對應的因素對待評估不動產的價值的影響也就確定了下來。值得注意的是，模型的校準并不是一次、兩次的回歸統計后就能確定下來的，通常的情況是需要經過反復的計算與校準。在目前的AVM技術應用中，直接市場法模型采用了多種校準技術。如多元回歸分析、時間趨勢分析、適應估計技術以及人工神經網絡等。由于先進的校準技術的采用，直接市場模型的精確度不斷得到提高。從某種程度上說，AVM技術的發展即是統計學技術與計算機技術中校準軟件技術的發

33、展。除了直接市場法模型所應用的校準技術得到了相當的發展之外，其它AVM模型的校準技術也得到了發展，如為反映當前成本，利用了時間趨勢分析更新成本校準技術。多元回歸分析是目前在國外批量評估中占主流地位的校準技術，具包括了線性回歸分析和非線性回歸分析。其基本原理是通過對變量、誤差的假定，依靠最小二乘法，來擬合因變量與自變量的線性或非線性的關系，從而建立數學模型。由于目標財產的特征變量與評估價值之間通常存在的是非線性函數關系，所以，一般認為非線性回歸分析比線性回歸分析能更好地反映目標財產的價值變動規律。但在采取多元回歸校準技術時，必須注意預測樣本的解釋變量均值應盡可能接近估計樣本的解釋變量均值，這樣才

34、能實現預測誤差的最小化。多元回歸分析的優勢在于應用歷史悠久，掌握多元回歸技術的評估師人數較多；同時,多元回歸分析能為各個變量確定有明確經濟涵義的系數，回歸模型的診斷工具也很豐富。在大多數AVM中，多元回歸分析就可以滿足要求。時間趨勢分析實際上就是指數分析，原理簡單，能快速得出評估結果，也易于被評估師掌握，但缺點是可靠性和精確度都不如多元回歸分析，一般在財產特征信息不足于應用多元回歸分析時才采用。適應估計技術的突出優點是可以分別評估土地和建筑的價值，而其不足在于缺乏標準的計算方法，可應用的軟件較少，而且無統計結果的診斷工具。近年來，評估師們開始采用非線性回歸分析來實現適應估計。人工神經網絡技術的評估精確度高，但目前其應用困難是：該軟件系統只能給出得到解釋的變量，而不能得出財產特征變量的系數，從而其模型的解釋能力不如多元回歸分析。而且，人工神經網絡技術不論是在理論分析還是在編程技術上，都比多元回歸模型復雜與困難，從而對評估師的知識和技術能力都有著較高的要求。(四)模型檢測技術指標系統該系統負責對不動產稅稅基評