特征价格模型，又称效用估价模型，是认为房地产由众多不同的特征组成，而房地产价格是由所有特征带给人们的效用决定的。产品特征价格包括产品特征价格函数和产品隐含价格函数。
特征价格模型的基本思路是：将房地产商品的价格分解，以显现出其各项特征的隐含价格。在保持房地产的特征不变的情况下，将房地产价格变动中的特征因素分解，从价格的总变动中逐项剔除特征变动的影响，剩下的便是纯粹由供求关系引起的价格变动。
本次实验的数据来源于链家中武汉洪山区二手房的各项数据，包括建筑类型、梯户比、所在楼层、地铁、物业收费、装修情况和容积率这八个变量。特征价格模型会因多重共线性等问题导致数据不理想，此时需要逐步剔除一些变量使得函数变得合理，此操作会在以后的实验中进行补充。
实验目的
实验内容
实验步骤
1、收集数据
从链家网中找到建筑类型、梯户比、单价等八个变量，并给各个变量附上规定的值，最后将各类数据所附的值录入Excel表格中。
赋值
2、导入SPSS
打开SPSS软件，执行“文件-打开-数据”，将Excel表导入到SPSS中。
图片发自简书App
3、定义标签和值
在变量视图中定义“建筑类型”等七个变量的标签和值。
执行“分析-回归-线性”操作，将“单价”选作因变量，将“建筑类型”、“梯户比”等七个变量作为自变量。
定义标签和值
图片发自简书App
图片发自简书App
4、依次点开“统计量”、“绘制”、“保存”和“选项”按钮，按照下图步骤勾选所需的操作。
统计量
绘制
保存
选项
实验结果
房地产特征价格函数结果表
模型形式:
P=1351.046+509.247X1+17.682X2
(0.325) (2.812) (-1.846)
+0.221X3+55.979X4+378.339X5+0.061X
(-0.406) (2.079) (5.632) (2.356)
6+215.746X7
(-2.061)
显著性:
由图表可知，X2,X3的sig值(显著性)大于0.05，说明这两个变量不够显著；而X1,X4,X5,X6,X7的sig值均小于0.05，所以它们都很显著。
经济意义:
X1,X2,X3,X4,X5,X6的系数均为正数，所以它们的数值越大，房价的单价越高；由于容积率应该越小越好，但它的系数却是正值，所以判断容积率的数据可能存在错误。
说明:X1,X2…X7分别代表建筑类型、梯户比等七个变量；由于本人收集的数据不够完整导致该实验的结果不是很理想，所以为了更好地帮助读者分析数据，本人将结果修改成上表所示，数据是虚拟的，不作学术讨论。
