我正在做香港房地产市场学的作业，概念参考ppt第15-23页

要求如下：利用Stata软件

使用显示偏好方法（Revealed Preference Method）估计出不直接在市场上交易的产品的市场价值。

(根据数据集文件“Dataset_for_Assignments.xlsx”中变量，给出详细代码）

（不直接在市场上交易的产品的市场价值：我的理解是——不能直接购买的附加市场价值，比如，学区房、地铁站距离、游泳池、小区里面有没有会所club等等。

“该房屋所属的校网（数据集变量为school，建议做这个？如果dataset有别的变量也可以用）”“地铁站与房屋之间距离（数据缺失，不要做这个）”、“游泳池swimmingpool（数据集有，也可以做）”）

应用显示偏好法通过将个人的支付意愿与住房交易价格分开来估计个人的支付意愿。

该报告应包括对所选研究产品的介绍、用于估计的经验模型以及对结果的解释。该产品应适合使用显示偏好法来估计其市场价值。

产品的测量可以从数据集文件“Dataset_for_Assignments.xlsx”中随时可用的变量中得出，或者鼓励学生收集其他变量并将其与该数据集合并。后一种情况，需要提交数据集。 （我这里建议能用“Dataset_for_Assignments.xlsx”里面的数据集就用这个，不用多找其他数据，避免其他工作负担）

一些潜在的数据源包括通用空间数据基础设施（CSDI）门户网站（https://www.csdi.gov.hk/）和香港政府统计处。 （可忽略）

学生可以探索不同的实证方法，以全面了解为此作业选择的产品。例如，学生可以检查各种识别策略，选择数据集的子样本以提供更准确的估计，或调查产品市场价值的异质模式。

字数限制：最多 2,000 字（包括正文、图、表、参考文献和附录）。

在dataset里，我有留意到“school”这一变量，代表的是学区编号，香港一般学区编号越小，代表越“市中心”（学校的教育质量也比较好），所以跑回归结果里面，系数为负数。

PPT

➢ 显示偏好法分析个人在现实世界中做出的选择。这种方法基于对实际购买决策的观察，而不是消费者所说的在假设场景中会做什么。中心思想是，个人的偏好可以通过他们的行为和选择来“揭示”，假设这些选择反映了他们潜在的偏好和约束。

GPT对相关概念的参考

***显示偏好法（Revealed Preference Method）

显示偏好法是通过观察人们实际的选择和行为来推测他们的偏好。这种方法不依赖于假设情境，而是通过分析消费者在现实世界中的实际购买决策，来揭示他们的真实偏好。

简化理解：

你通过观察消费者做出的选择（比如购买某种房产、租赁某种物业），来推测他们的需求和偏好。

举例来说，如果一个消费者选择了拥有大阳台的房屋，而不是同样价格但没有阳台的房屋，那么你可以推断消费者更喜欢阳台。

案例： 假设一个城市有多个住宅小区，你通过分析这些小区的销售数据，发现有些小区的居民特别偏好带花园的房子，而其他小区的居民偏好公寓楼。这种偏好的显示可以帮助开发商了解市场需求，比如哪些房产特性会提升售价或租金。

在房地产经济学中，显示偏好法（Revealed Preference Method）和特征定价模型（Hedonic Pricing Model）都是用来估算不直接交易的产品或服务（如住宅或地产的特定特征）市场价值的常用方法。它们有一些相似之处，但在应用和理论基础上有所区别：

1. 显示偏好法（Revealed Preference Method）

基本原理：显示偏好法基于实际市场行为，即通过观察消费者的选择或购买决策来推断他们对某些特征或属性的偏好和价值。在房地产领域，显示偏好法通过分析买家或租户的购买行为，推测某些房地产特征（如位置、面积、周边设施等）的市场价值。

应用：这种方法通常依赖于实际市场交易数据，尤其是二手房市场中的交易记录。通过分析不同交易中价格与房屋特征的关系，可以估计出特定特征（如地理位置、房间数等）的隐含价值。

优势：这种方法基于实际市场行为，较为客观，能够反映出消费者在现实市场中的实际选择和支付意愿。

局限性：此方法需要大量实际交易数据，而且通常只适用于已经交易的商品或服务，对于那些无法直接交易的商品（如环境因素）较难应用。

2. 特征定价模型（Hedonic Pricing Model）（已经做好了）

基本原理：特征定价模型基于假设商品的价格是由多个特征（或属性）组成的。房地产市场中，每一处房产的价格是由其各种可观察到的特征（如面积、楼层、房间数、距离交通站点的距离等）共同决定的。通过回归分析等方法，特征定价模型能够拆解每个特征对房价的贡献。

应用：通过建立回归模型，将房产价格作为因变量，房产的各项特征（如地段、建筑面积、装修水平、邻近公共设施等）作为自变量，估计各个特征的价格影响。在实际操作中，这种方法往往依赖较为详尽的市场数据，且可以处理多重特征的综合影响。

优势：能够系统地量化每个特征对房价的贡献，能够更好地识别各个因素如何影响市场价格。适用于房屋的不同特征复杂相互作用的情况。

局限性：特征定价模型假设市场完全竞争，忽略了市场可能的非理性因素或外部影响。在特定情况下，模型可能会过于简化复杂的市场关系。

区别总结：

数据来源：显示偏好法通常依赖于消费者的实际购买行为或市场交易记录，而特征定价模型则通过回归分析拆解不同特征的价格影响。

理论基础：显示偏好法强调“通过市场行为揭示消费者偏好”，而特征定价模型更侧重于对各个特征的定量分析，试图揭示每个特征对价格的影响。

应用领域：显示偏好法通常用来评估无法直接观察的消费者偏好或市场价值，而特征定价模型更适合对房产中多个明确特征进行量化分析。

总结来说，显示偏好法是一种基于消费者实际选择的隐性偏好的推断方法，而特征定价模型则是通过对房地产特征的量化分析来估算其对房价的影响。两者在房地产经济学中互为补充，常常结合使用来全面评估房地产市场价值。