本技术涉及沿街商铺的租金指数统计，特别是涉及一种沿街商铺的租金指数统计方法。
背景技术：
2、首先，在交易活跃度上，商业物业远不及住宅物业。一个中等规模的住宅小区，几乎每个月都会有买卖和租赁发生，容易采集到市场交易数据。而一个选定的商铺样点，可能数年都没有交易发生。
3、其次，交易价格受个别因素影响程度不同。住宅小区内部不同单元的房屋价格水平接近，房屋之间的价格差异，已经有成熟的因素修正体系，如对楼层、朝向、面积、户型及景观等因素的修正。因此，即便选定的样点单元没有发生交易，也可以通过同小区的交易数据来进行价格判断。而在同一商业街的商铺之间，受个别因素影响，租金也会有很大的差异。如面积、门面宽度、层高、可否餐饮、视觉遮挡、建筑形态等，且这些差异并没有像住宅那样的成熟修正体系。
4、第三，交易价格受微观区位因素的影响程度不同。住宅小区内，临马路和不临马路等微观区位导致的价格差异，范围不大，且有市场公认的修正经验。而在同一商业街内部，微观区位的差异依然很大，如靠近小区出入口或、车站附近、临近大型超市的商铺等，商业街内部的租金并不均衡。
5、第四，交易因素对租金的影响程度也不同。住宅物业以满足居住需求为主，需求上的差异很小，不会因为买家不同而导致价格有很大的差异。而商业物业租金受交易双方自身情况的影响很大。例如同一商铺可做餐饮和不可做餐饮，租金就会不同。有些业态对租金不敏感，当其计划在某商业街布局开店时，由于需要完成年度开店计划，其可接受远高于市场的租金。而有些商业街从整体经营角度考虑，通过低租金来吸进主力店的入驻。上述这些因素，都使得实际成交的租金并不能反映客观市场的租金水平。
6、综上所述，编制和统计用于反映客观市场租金水平的商铺物业的租金指数存在巨大的数据和技术难点。相对而言，外资公司统计高档商场首层商铺租金走势，符合指数反映客观市场走势的要求。但其只覆盖少数市级商业中心，且只反映了高档商场的租金水平，应用范围过小。其次，当商场出现内部调整或变动时，其租金变化并不能反映客观市场的变化。因此，只能服务外资公司，对中国市场进行一个大致的了解，无法满足区域规划、商业规划和市场监测应用。
技术实现思路
1、基于此，针对上述技术问题，提供一种沿街商铺的租金指数统计方法以解决现有的房地产的价格指数统计无法满足区域规划、商业规划和市场监测应用的问题。
2、一种沿街商铺的租金指数统计方法，所述方法包括：
3、获取统计区域路段，在所述统计区域路段内筛选目标路段；
4、通过专家意见法，确定所述目标路段内商铺租金的微观区位影响因素和实物因素，并根据所述微观区位影响因素和实物因素确定特征数据，并制定特征数据的采集标准；所述特征数据包括：所述目标路段内商铺使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；
5、根据所述特征数据的采集标准采集所述目标路段内商铺特征数据；
6、统计所述目标路段内商铺特征数据，设置标准商铺，划分商圈等级，制定案例修正系数；
7、根据案例修正系数，将所有案例的租金调整到标准商铺条件下的租金，计算案例的标准租金；
8、合并所述目标路段内的均质路段，所述均质路段内，宏观区位因素对租金的影响是趋同的；
9、计算均质路段中案例标准租金的平均值作为为均质路段标准租金；
10、根据统计区域行政区划，以及商圈划分，设计指数体系，并统计指数数据
11、设置样本权重，根据所述样本权重计算相应范围内路段标准租金的加权算术平均数。
12、上述方案中，可选地，所述筛选目标路段包括：
13、以道路路口为切分点，将所有统计区域路段道路切分为单一路段，选取满足预设条件的路段为所述目标路段；
14、所述预设条件为路段内商铺门面宽度累计大于100米，或开间大于4米的门面房有12间或以上。
15、上述方案中，进一步可选地，所述根据所述特征数据的采集标准采集所述目标路段内商铺特征数据包括：对所述目标路段进行现场案例调研，并记录案例数据；
16、调研的商铺最小应满足如下条件：门面宽度大于3.5米，使用面积大于30平米的商铺；若没有满足所述条件的商铺，则可以放宽商铺条件至：门面宽度于2.5米，使用面积大于20平米的商铺。
17、调研的商铺最大应不超出如下条件：使用面积在500平米以下，楼层不超过2层；
18、每个目标路段的调研数据量要求：至少3个商铺案例，或不少于路段内商铺数量的10％。
19、上述方案中，进一步可选地，所述标准商铺是通过计算所述目标路段内商铺特征数据的使用面积、面宽进深比和层高是连续变量，采用聚类统计分析得到数值出现最为密集的数值段，再取该数值段中案例的平均值对应的商铺作为标准商铺；其中，所述视觉效果、是否转角、可否餐饮和相邻关系是分类变量，直接取占比最高的分类值即可。
20、上述方案中，进一步可选地，所述划分商圈等级包括通过商铺数据中的租金数据，进行聚类统计分析，按租金水平高低并结合行政区划，对商铺所处的商圈等级进行划分；所述商圈的4个等级的划分，从高到低依次为：市级商圈、区级商圈、社区级商圈以及一般社区商圈。
21、上述方案中，进一步可选地，所述制定案例修正系数包括：根据所述目标路段内商铺特征数据得出特征因素对租金的影响程度，所述特征因素对租金的影响程度为特征因素的修正系数；利用多元回归模型，提取各因素的回归系数，即为该因素的修正系数，得到所述案例修正系数；
23、筛选相同商业等级路段的案例进行回归分析，计算各因素的回归系数；
24、采用多元线性回归模型：p＝α0+∑αizi+ε
25、其中，所述p为商铺租金单价，α0为常数项，α为待定系数，z为特征变量，ε为随机变量，i为特征数量；所述特征变量有：使用面积、面宽进深比、层高、视觉效果、是否转角、可否餐饮和相邻关系；
26、基于不同等级商圈的回归分析结果中，系数表现稳定的因素，取其均值作为该因素的修正系数；
27、基于上述不同等级商圈的回归分析结果中，系统表现不稳定的，剔除离散程度大的案例数据后再做回归，得到稳定系数，取其均值作为该因素的修正系数；
28、经过上述步骤后，系数波动仍然很大的，系数波动平均差与均值之比大于30％的，取各模型中的系数中位数为该因素的修正系数。
29、上述方案中，进一步可选地，所述合并所述目标路段内的均质路段，所述均质路段内所有店铺的特征因素都相同，则租金差距小于预设值均质路段内，宏观区位因素对租金的影响是趋同的包括：
30、比较相连的两个单一路段的标准租金，若租金差异与均值的比值小于10％，则两个路段合并为一个均质路段；并计算该均质路段中所有案例的标准租金平均值，作为该均质路段的标准租金；若还有单一路段与该均质路段相连，则比较两者的标准租金，若租金差异与均值的比值小于10％，则该单一路段与所述均质路段再合并；重复上述操作，直至不再有单一路段满足合并的条件。
31、上述方案中，进一步可选地，所述均质路段标准租金为租金指数计算的样本租金数据。
32、上述方案中，进一步可选地，所述根据统计区域行政区划，以及商圈划分，设计指数体系包括：
33、指数体系按范围从大到小依次为：全市指数、区县指数、街道指数、商圈指数、路段指数；
34、最小一级的指数是路段指数，所有路段指数又构成上一级的分类指数。
35、上述方案中，进一步可选地，在根据所述样本权重计算相应范围内路段标准租金的加权算术平均数之后，还包括：若商圈等级发生变化，当期指数按变化后的商圈等级进行赋权，所述指数采用帕式价格指数进行编制。
36、本发明至少具有以下有益效果：
37、本发明基于对现有技术问题的进一步分析和研究，认识到现有的房地产的价格指数统计无法满足区域规划、商业规划和市场监测应用的问题，本发明通过案例租金标准化、均质路段划分以及商圈等级划分技术手段，实现了样本数据同质可比的技术难题，从而使得指数可以反映基于供求关系下的租金变化规律。并能从全市、环线、区县、商圈、路段等多层级、多角度的进行市场的跟踪和监测。一是案例数据的标准化。通过对租金影响因素的判断和识别，对个别因素进行标准化设置；通过客观案例数据的分析统计，得出影响因素的一套修正系数。案例数据标准化，主要用于剔除个别因素的影响，以便观察不同区位对租金的影响，从而为编制指数提供符合原理的基础数据。一是均质路段划分。均质路段的划分，使相似区位因素的沿街商铺可以形成一个集合，以此形成指数编制的样本点的数据基础。解决了沿街商铺分散，样本点难以采集的难题。一是路段的商圈等级划分。基于案例数据为基础的前提下，通过设置数据规则，相对客观地对商圈等级进行了有效地划分。使指数体系的层级更为丰富，可以更好地从不同层级反映商铺租金的市场变现，为监测市场提供有效地指数体系。