2026-09-20 10:25:27 
系列介绍：
经济统计著作系列推文将深入浅出地解读国际上具有影响力的经济统计著作。除出版社出版的经济统计著作以外，也包括国际组织（OECD、UN、World Bank、IMF、EU等）出版的部分经济统计方法论手册和专题论文集，经济统计学主题的博士论文，经济研究机构的部分Working Paper（工作论文）。
著作信息：
Wentland, Scott, Cornwall, Gary, and Moulton, Jeremy G. 2024. For What It’s Worth: Measuring Land Value in the Era of Big Data and Machine Learning. BEA Working Papers.
土地是国民经济中最具基础性的非金融资产。自亚当・斯密将地租与工资、利润并列为收入的三大根本源泉以来，经济学家始终承认土地既是生产的关键投入，也是家庭和企业资产负债表的重要组成部分。有研究表明，2007年至2009年大衰退期间的房地产波动，在更精确的意义上是 "土地的繁荣与萧条"，因为住宅物业价值的变化主要归因于底层土地价格。从政策角度看，土地税自亨利・乔治时代起被视为高效税种。美国2020年财产税收入达6150亿美元，超过同期企业所得税。然而，尽管土地具有如此重要的经济意义，绝大多数国家的官方国民账户中却几乎没有关于土地本身总价值的系统性统计，这构成了国民经济核算领域中一处明显空白。
2023年6月，美国经济分析局的Scott Wentland、Gary Cornwall与北卡罗来纳大学教堂山分校的Jeremy Moulton发表工作论文，直面一个经典问题：土地究竟价值几何？更具体地说，在大数据和机器学习迅速发展的背景下，现代方法能否利用全美微观交易数据，在土地估值方面显著优于传统方法？作者并未将此简单处理为预测精度的技术提升，而是置于国民账户体系（System of National Accounts，SNA）的估值原则之下审视——SNA强调尽可能使用可观测的市场交易价格，而传统成本法（残值法）依赖建筑成本数据和完全竞争假设，不仅在实践中曾产生 "负土地价值" 等荒谬结果，在概念上也与市场价格等价物原则存在距离。
论文首先梳理了土地估值的方法论谱系。利用市场数据估值有两条路径：直接法通过观察无建筑物土地的成交价汇总价值，但受限于并非所有土地都进入交易、样本不具代表性以及土地异质性等问题，在绝大多数场景下难以独立成立；间接法则利用额外信息从房产总价值中推断土地价值，主要包括残值法、土地—结构比率法和特征价格法。所有方法共享一个基本框架：房产价值等于结构价值与土地价值之和，差异在于如何将二者分离。
在概念层面，论文从SNA估值原则出发论证了特征价格法的优越性。SNA有两个关键立场：一是市场价格不可观测时应使用类似物品的市场价格并做质量调整；二是市场价格不等同于自由市场价格，交易可能发生在任何市场结构之中。传统残值法建立在完全竞争和最高最佳使用假设之上，但实证研究表明美国各区域建筑成本和竞争环境差异巨大，这些假设的最强形式难以成立。丹麦的经验尤为典型：1980年代末衰退中房地产价格下跌而新建筑价格上升，残值法计算出的土地价值竟变为负数。特征价格法则直接以市场实际成交价为因变量，回归到各项房产特征之上估计边际价值，是一种"显示性偏好方法"，对市场结构保持不可知论，因而在概念上与SNA原则最为契合。
论文建立了精细特征价格基准模型和英国国家统计局（Office for National Statistics，ONS）近似特征价格基准模型用于比较。精细模型按三年滚动窗口估计，包含结构特征、普查区固定效应、建筑面积和地块面积与区位的交互项以及年份固定效应；ONS近似模型则使用更有限的协变量，代表粗粒度实践。然而特征价格法面临 "薄单元格问题"，即固定效应越细，每组交易越少，过拟合风险越高。论文设定普查区需有超过30笔交易方可使用，否则上移至县级，并对预测值做异常值剔除。这些阈值选择本质上是任意的，构成传统方法的内在缺陷，也为后文引入数据驱动的机器学习方法埋下伏笔。
2002年至2015年ZTRAX数据集在美国本土的销售价格覆盖情况
论文使用Zillow交易与评估数据集（Zillow Transaction and Assessment Dataset，ZTRAX），最初包含3.74亿条交易记录，覆盖超过2750个县（占美国县数的 91.5%），包含销售价格、抵押贷款信息以及建筑面积、地块面积、房间数、经纬度等详细房产特征。主要局限是13个州不要求披露售价（含德州），另有数州数据缺失严重，论文将其剔除并假定同分区邻近州可作代表。样本限定为2002年至2015年，涵盖房地产繁荣、萧条和复苏的完整周期。
数据经过严格清洗，剔除止赎和非公平交易，对价格、建筑面积、建造年份等做多维度分位缩尾，对房间数、卧室数等设定上限，删除缺失率过高的变量。最终按普查区分层划分为80%训练集（2641万条）和20%测试集（661万条），所有模型共用训练集估计、测试集评判。此外，ZTRAX中超过100万笔空置土地交易不参与估计，仅作样本外验证。论文还使用国家土地利用数据库（National Land Use Database，NLUD）2010年快照提供的各类型土地面积，将价格与数量相乘构建总量账户。
俄亥俄州汉密尔顿县（辛辛那提所在地）聚类方法图示
k-means聚类的提出源于土地估值中的未观测异质性难题，模型只能利用建筑面积、卧室数量等可观测特征，但屋顶质量、装修水平、平面布局等大量影响房价的信息模型则无法获取。论文借鉴分组固定效应思路，假设具有相似可观测特征的房屋其未观测特征分布也相对稳定，作者使用k-means算法对接近全部住房存量的评估数据进行聚类，聚类维度包括经纬度、卧室数、浴室数、总房间数、门廊、地下室、车库、楼层数和建造年份，在每个聚类内部最小化这些维度上的方差。
这一方法具有双重优势。其一，它为城市经济学中著名的 "薄单元格问题" 提供了系统性替代：传统普查区固定效应面临粒度越细每组交易越少的困境，而k-means聚类可生成规模更大但特征更同质的组别——以俄亥俄州为例，聚类平均包含7142套住房（普查区仅913套），但聚类内卧室数标准差仅为普查区的40%。其二，聚类可以跨越普查区等行政边界，正如评估师在附近可比房产不足时会跨越学区或邮政编码寻找更匹配的对象，论文通过实例展示了聚类如何跨越以道路为界的普查区边界，而道路两侧的房屋在评估师眼中显然具有可比性。聚类作为一种降维手段而非关于不可观测变量的实质性假设，在大数据时代具有超越土地估值的广泛应用潜力。
三种估值方法的样本外预测精度比较
在k-means聚类生成数据驱动的固定效应之后，论文第二阶段采用梯度提升树（Gradient Boosted Trees,GBT）尽可能精确地预测房价。梯度提升是一种集成学习算法，通过迭代构建决策树，每一棵新树都以损失函数的负梯度为目标，修正前序树的残差，最终将所有树的预测加权求和；论文选择L2损失函数，每棵树交互深度设为4以限制过拟合，学习率设为0.1。对每个州—年份组合，GBT模型以经纬度、建筑面积、地块面积、聚类编号和建造年份为输入预测销售价格，其中经纬度提供连续空间效应，聚类提供基于可观测特征的分组固定效应，建造年份同时作为结构折旧和未观测土地设施的代理。土地价值通过 "视为空置" 思路提取：将结构建筑面积置零后用训练好的模型重新预测价格，并引入聚类内修正项弥补树算法对零面积不敏感的缺陷，最终得到宗地层面的土地价值估计，再投影到接近全部住房存量的评估数据上，实现从交易样本到住房存量的外推。
论文对ONS模型、线性特征价格模型和GBT模型的样本外预测性能进行了系统比较，发现GBT在绝大多数州—年份组合中优于特征价格模型，但并非全域占优——在加利福尼亚等数据极为丰富、普查区内部同质性较高的州，线性特征价格模型的表现反而更好，说明当市场拥有充裕交易流量时传统方法已能表现良好，而机器学习在薄市场中更具优势。既然没有单一模型在所有情境下都最优，论文借鉴预测组合文献，采用模型堆叠构建复合方法：利用20%测试集上的观测价格对两种模型的预测进行回归，获取州—年份特定的权重和偏差修正项，权重无需之和为1也无需均为正，其经济含义是哪种模型在该情境下预测更准确就赋予更大权重。结果显示复合方法在所有州—年份组合中的平均绝对误差均低于ONS模型，也低于任一单一模型，从而成为论文报告最终结果的默认方法，土地价值的复合估计按同样权重组合。
尽管论文的土地价值估计完全基于已开发房产的交易数据，ZTRAX中包含的超过100万笔空置土地交易为独立的样本外验证提供了可能。论文指出，空置土地交易存在选择偏差问题——空置地块可能面积更小、形状更不规则，或在地理和环境上更不理想（如地势最低、最易受洪水影响），因此不能简单等同于已开发土地的价值。但在两种条件下，空置土地的选择偏差应有所缓解：一是比较紧邻区域的空置土地与已开发土地，二是在开发活动活跃、空置土地交易量较大的时期，空置土地更能代表附近已开发土地的价值。
基于这一逻辑，论文构建了"环形匹配"方法：以每笔空置土地交易的地理位置为中心，绘制半径0.10英里的圆，并排除中心0.01英里范围以避免同年开发后的地块销售，形成一个约0.03平方英里（19英亩）的环形区域。在该区域内识别评估数据集中的已开发房产，取其土地价值估计的中位数与空置土地的实际成交价格进行比较。经过匹配，共获得超过50万笔空置土地交易，每笔平均匹配到约40宗附近已开发房产。
描述性统计显示，已开发地块的中位数面积略小于空置地块，中位数价格略高于空置地块，因而已开发土地的每亩价格高于空置土地，这与选择偏差的预期一致。但总体而言，两者处于同一数量级，表明模型估计并未与土地单独交易的市场价格产生根本性偏离。更重要的是时间序列模式中所有模型的预测误差在2004年至2006年间最小，其中2005年达到最佳吻合，而这恰好是美国新屋开工的全国峰值时期。预测误差与新屋开工数呈显著负相关——在建设高峰期，空置土地市场最为活跃，选择偏差最小，模型预测与空置土地价格最为接近；在建设萧条期，空置土地选择偏差增大，预测误差也相应扩大。这一与经济直觉高度一致的周期模式，为模型的有效性提供了有力的样本外证据。复合方法和GBT在空置土地市场活跃时的表现最为接近市场价格，进一步验证了复合方法作为默认估值方法的合理性。
这篇论文的核心贡献在于展示了大数据和机器学习时代国民资产估值范式更新的可能性。作者将土地估值从技术预测问题放回到SNA估值原则和经济测度的宏观框架中，搭建了从微观宗地数据到宏观国民账户的贯通路径，连接起特征价格估值、机器学习预测、国民账户核算和环境经济核算四条相对分离的学术脉络。
方法论贡献有三重：k-means聚类替代地理固定效应，将评估师的 "可比房产"逻辑算法化并解决了薄单元格问题；梯度提升树在多数情境下显著优于线性特征价格模型；模型堆叠表明传统方法与机器学习并非互斥，数据驱动的加权组合可优于任一单一方法。从国民账户角度看，论文为填补土地这一非生产性非金融资产的核算空白提供了可操作路径，方法基于公开数据、代码可复用，有助于提高国民账户的透明度和国际可比性。
论文也坦诚讨论了局限：非披露州数据缺失、国家土地利用数据库（NLUD）仅为单年快照、不含夏威夷和阿拉斯加、公共土地未纳入、商业和工业用地特征数据较粗糙等，意味着当前结果仍是概念验证而非官方统计。美国经济分析局（Bureau of Economic Analysis,BEA）已购买补充数据，美国地质调查局（United States Geological Survey,USGS）的土地监测项目也有望提供更定期的土地利用产品，为未来构建正式全国土地账户奠定基础。
站在当下回望这篇论文，其意义随着大数据在官方统计中的应用深化而愈发凸显。当各国统计机构日益重视利用微观数据提升国民账户质量时，土地估值提供了一个典型案例：微观数据的丰富和机器学习方法的成熟，使得过去因数据限制而依赖成本法的领域，现在有可能回归SNA倡导的市场价格估值原则。论文留给经济统计研究最重要的启示，并非某个具体数字，而是一种方法论视角。在大数据时代，国民账户的估值方法不应被传统路径锁定，而应主动拥抱新的数据来源和方法工具，在保持概念严谨性的前提下，让宏观统计尽可能建立在可观测的市场交易之上。
作者简介
Scott Wentland
Scott Wentland任职于美国经济分析局（BEA），长期从事国民经济核算与房地产经济学研究。他在土地估值、住房价格指数和宏观经济测量领域持续耕耘，是BEA内部推动将微观交易数据和数据科学方法引入官方统计生产的核心研究者之一，与学术界保持密切合作，共同探索大数据环境下非金融资产核算的新路径。Wentland在土地估值和国民账户领域发表了多项有影响力的研究成果。除本篇BEA工作论文外，他此前合作发表的《Accounting for Land in the United States: Integrating Physical Land Cover, Land Use, and Monetary Valuation》已成为美国土地估值研究的重要参考文献，被后续文献广泛引用。他的研究将大规模微观房产数据与计量方法相结合，为BEA探索编制正式土地账户、填补国民资产负债表中土地这一非生产性非金融资产的核算空白提供了关键的方法论基础和实证证据。
Gary Cornwall
Gary Cornwall任职于美国经济分析局（BEA），专注于国民资产负债表、非金融资产计量和宏观经济统计研究。他在BEA内部参与房地产相关统计和资产估值工作，与Wentland长期合作，共同致力于改进非金融资产的核算方法，推动官方统计在数据来源和技术手段上的更新。Cornwall在土地估值方法研究方面与Wentland合作紧密，本篇工作论文是其重要研究成果之一。他的研究聚焦于如何在国民账户框架下更准确地度量土地等非金融资产的市场价值，为BEA在大数据时代改进资产负债表编制、探索土地账户的官方化生产提供了实证支撑和方法参考。
Jeremy G. Moulton
Jeremy Moulton现为北卡罗来纳大学教堂山分校（UNC Chapel Hill）副教授，主要研究领域为城市经济学、房地产经济学和公共财政。他在住房市场、土地估值和地方公共财政方面有深入研究，曾与BEA研究者合作，将微观数据和计量方法应用于土地价值的大规模估计，在学术研究与官方统计之间搭建合作桥梁。Moulton在城市经济学和房地产经济学领域发表了多篇研究成果，关注住房市场的空间异质性、财产税基评估以及土地利用政策的经济影响。他与BEA团队合作的土地估值研究，将学术界的前沿计量方法（如k-means聚类和梯度提升树）引入国民经济核算实践，为从微观宗地数据到宏观土地账户的贯通提供了方法创新，其研究对城市经济学中薄单元格问题的处理也具有方法论推广价值。
图片来源：
https://publicpolicy.unc.edu/person/moulton-jeremy-grant/
https://www.bea.gov/research/meet-the-researchers/scott-wentland
extension://bfdogplmndidlpjfhoijckpakkdjkkil/pdf/viewer.html?file=https%3A%2F%2Fwww.bea.gov%2Fsites%2Fdefault%2Ffiles%2Fpapers%2FBEA-WP2023-4.pdf