| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-18页 |
| 1.1 选题背景和研究意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 文献综述 | 第10-15页 |
| 1.2.1 国外批量评估研究综述 | 第10-11页 |
| 1.2.2 国内批量评估研究综述 | 第11-12页 |
| 1.2.3 自动评估模型的国内外研究综述 | 第12-13页 |
| 1.2.4 特征价格模型的国内外研究综述 | 第13-15页 |
| 1.3 传统批量评估方法存在的不足 | 第15页 |
| 1.4 研究内容和思路 | 第15-17页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 研究思路 | 第16-17页 |
| 1.5 可能的创新点和不足 | 第17页 |
| 1.6 本章小结 | 第17-18页 |
| 第二章 房产税税基批量评估相关理论基础 | 第18-24页 |
| 2.1 房产税税基评估相关理论 | 第18-19页 |
| 2.1.1 区位理论 | 第18页 |
| 2.1.2 空间理论 | 第18-19页 |
| 2.1.3 市场供需理论 | 第19页 |
| 2.2 房产税税基评估的内涵 | 第19-21页 |
| 2.2.1 房地产价格形成 | 第20页 |
| 2.2.2 房地产估价方法 | 第20-21页 |
| 2.2.3 我国房产税税基的确定 | 第21页 |
| 2.3 房产税税基批量评估方法及步骤 | 第21-23页 |
| 2.3.1 批量评估方法的内涵 | 第21-22页 |
| 2.3.2 批量评估方法的步骤 | 第22-23页 |
| 2.4 小结 | 第23-24页 |
| 第三章 中美欧房产税评估实践比较与借鉴 | 第24-31页 |
| 3.1 我国房产税评估实践 | 第24-25页 |
| 3.2 美国房产税评估实践 | 第25-27页 |
| 3.3 德国房产税评估实践 | 第27-28页 |
| 3.4 英国房产税评估实践 | 第28-29页 |
| 3.5 评估方法比较与启示 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 我国房产税税基批量评估方法适用性分析与设计 | 第31-41页 |
| 4.1 我国房产税税基批量评估方法适用性分析 | 第31-33页 |
| 4.2 自动评估模型的内涵 | 第33-37页 |
| 4.2.1 人工神经网络模型 | 第34-36页 |
| 4.2.2 神经网络模型的改进 | 第36-37页 |
| 4.3 特征价格模型 | 第37-39页 |
| 4.4 特征价格模型的改进 | 第39-40页 |
| 4.5 小结 | 第40-41页 |
| 第五章 我国房产税税基批量评估改进模型的构建 | 第41-46页 |
| 5.1 决策树神经网络(Mod-AVM-BPANN)模型构建 | 第41-42页 |
| 5.2 基于主成分分析法特征价格模型(HPM-MRA)构建 | 第42-45页 |
| 5.2.1 主成分分析法 | 第42-43页 |
| 5.2.2 改进模型构建 | 第43-45页 |
| 5.3 本章小结 | 第45-46页 |
| 第六章 改进模型适用性实证分析—以福州市为例 | 第46-65页 |
| 6.1 评税区选择及数据来源 | 第46页 |
| 6.2 指标的量化 | 第46-48页 |
| 6.3 决策树神经网络模型实证研究 | 第48-57页 |
| 6.3.1 数据的离散化 | 第48-50页 |
| 6.3.2 神经网络模型训练和验证 | 第50-57页 |
| 6.4 基于主成分分析特征价格多元回归模型实证研究 | 第57-62页 |
| 6.4.1 特征变量的主成分分析 | 第57-59页 |
| 6.4.2 基于主成分分析特征价格函数的参数估计及检验 | 第59-62页 |
| 6.5 评估效果的比对分析 | 第62-64页 |
| 6.5.1 评估效果衡量 | 第62-63页 |
| 6.5.2 模型评估效果对比适用性分析 | 第63-64页 |
| 6.6 本章小结 | 第64-65页 |
| 结论、不足及建议 | 第65-70页 |
| 一、结论 | 第65-66页 |
| 二、不足及展望 | 第66-67页 |
| 三、建议 | 第67-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第74页 |
