基于特征价格模型的南宁市城市住宅特征价格研究毕业论文.doc

目录摘 要11 绪论21.1 选题背景和研究意义21.2文献综述21.3本文的研究思路与方法31.4主要内容与结构32 特征价格概念及理论分析32.1特征价格概念32.2研究的理论基础42.2.1新消费者决策理论42.2.2市场均衡理论42.2.3生产者决策理论42.4 特征价格模型应用中的优势及不足53 基于特征价格模型的住宅特征价格模型的构建53.1模型变量的选择53.2 模型的函数形式83.3模型的检验93.3.1 经济意义上的检验93.3.2统计检验94 南宁市住宅特征价格模型的实证分析94.1研究区域的选取94.1.1 数据采集94.2研究数据量化114.2.1 挂牌价格和成交价格转化114.2.2 住宅特征量的量化114.3特征价格模型的构建124.3.1 三种模型函数的初步检验124.3.2半对数模型的估计检验134.3.3 模型的经济意义165 总结及有待研究的问题165.1总结165.2有待进一步研究的问题17参考文献18附表18致谢23作者简介23声明23 基于特征价格模型的南宁市城市住宅特征价格研究 摘 要本文旨在探讨房地产特征因素与房价之间相互关系，并对南宁西乡塘区做出实证分析，为下一步南宁市提出征收个人房产征税税基出估价参考。本文将收集到数据与特征价格模型中的线性函数、半对数函数、对数函数回归分析，结果表明：在特征价格模型三个函数中，半对数函数最符合南宁市住宅特征价格价格模型。这将为提高征税效率性、公正性和防止“阴阳合同”作出了一定的现实意义。 关键词：住宅价格；特征价格模型；住宅特征 The hedonic price model based on the characteristics of Nanning city residential price researchLand Resources Management HUANG Chun-HuaAbstract : this paper aims to explore the relationship between real estate characteristic factors and housing price, and Empirical Analysis on the Nanning XiXiangTang District, for the next step of Nanning City proposed levying personal property tax base make the valuation reference. The collected data and the hedonic price model of linear function, semi logarithmic function, logarithmic function regression analysis. The results show that: in the hedonic price model function, semi logarithmic function with Nanning City Housing hedonic price model. This will improve the tax efficiency, fairness and prevent the Yin and yang contract has made certain practical significance. Key words: housing price; hedonic price model; housing characteristic1 绪论1.1 选题背景和研究意义2011年以来，房产税一直是业内外热议的焦点，先是4月17日新“国十条”公布后，接着5月31日，国务院批转国家发改委关于2010年深化经济体制改革重点工作意见的通知明确提出“逐步推进房产税改革”1，之后，上海、重庆率先先后成为征收个人房产税试点城市，同时各省市地税部门为开征存量房房产税做准备。到了2015年3月南宁市成为全国首批不动产登记试点城市，由此看来南宁市在不久的将来也将实行个人房地产征税改革，而对于房产征税税基标准与依据一直是人们的关注，同时在征税过程很多时候人们为了偷税避税产生“阴阳合同”。因此，关于城市住宅房价的讨论是政府、居民关注的热门。本文在前人的理论基础下应用到南宁市实践中，主要有以下研究意义：第一，当前没有学者对南宁市房地产市场以特征价格模型为基础的实证研究，因此当作个尝试补充。第二，为税基评估方法做参考。一方面可以应用到存量房批量评估方面，防止“阴阳合同”，另一方面可以假设当前南宁市落实不动产统一登记后，在今后也像上海和重庆一样实行缴纳个人房产税，所以在房地产税基方面可以做参考。1.2文献综述我国较早利用特征价格模型的是蒋一军、 袭江辉中房地产价格指数与Hedonic模型指出房地产因自然经济特征导致异质性，在价格指数上将和一般商品计算不一样，从而提出了特征价格模型计算房产价格指数的新思路，其假设房地产是由是否有保安服务、楼层和朝向这三种品质决定，对这三种参数进行多元回归，最后还提出了建立价格指数的建议2；对于特征价格模型研究得比较深入的有王旭育（2006）年基于Hedonic模型的上海住宅特征价格研究，文章将上海市住宅市场细分，收集了250个小区数据，将特征分类为住宅总价、区位、建筑结构、邻里环境和使用成本，建立了上海市特征价格模型2。国外学者在很久以前就已经开始了特征价格模型研究，特征价格模型最早产生可以追溯到1920年-1930年，并在多方面实证取得了丰厚的成果，有在汽车产业、环境、资源、房地产业等多方面实证。其中最早的是Waugh(1928)研究了蔬菜特征和价格之间的函数关系，接着Court(1939)又将特征价格模型研究了汽车的特征，如速度、重量、尺寸、等特征和汽车价格的函数关系。特征价格模型产生之处因计算机技术等原因并没有得到广泛应用，直到了60年代至70年代才被引入房地产领域。1.3本文的研究思路与方法本文借鉴特征价格的有关理论研究成果，在国内外学者对有关房地产因素实证研究中所用特征价格模型的函数形式基础上，结合南宁市情况，对南宁市住宅特征模型进行了分析，得出了在线性函数、对数函数和半对数函数三种函数中，半对数函数最切近南宁市房地产特征价格模型，并解释了函数的经济意义。文章主要采用理论分析与实证研究种两方法展开探讨研究。其中实证研究主要是通过前人通常选取的特征变量和函数形式基础下，进行适应性的修改变量特征，首先小量数据采集，利用spss进行分析回归，确定模型的可行性，在小数量的样本通过检验后，进一步收集更多的数据，对收集到的变量数据进行筛选出完整数据，然后对筛选出的数据量化回归，最后对模型做出分析。1.4主要内容与结构文章首先提出论文的选题背景和研究意义，接着对特征价格理论分析，并基于特征价格模型的住宅特征价格模型的构建，在以上基础上对南宁市西乡塘区住宅实证研究，最后做出总结及有待研究的地方。2 特征价格概念及理论分析2.1特征价格概念特征价格来自希腊词“hedoniklos”，即“享乐”意思，是消费者通过对消费品的各特征的效用中得到的愉乐，因此国内学者称之为“特征价格”。在住宅中，特征价格中主要包括配套设施、内部环境、交通环境、建筑面积、装修程度等，特征价格与一般价格的区别在于：特征价格将房地产商品不同特征所产生的效用大小分别估值，以此来确定其价格，而一般价格是对房地产商品整体效用的估值；特征价格侧重于考察和评估品质因素如何决定住宅价格，而一般价格侧重于考察和评估市场因素如何决定住宅价格。对房产开发商而言，更理智地给购买者提供住宅特征。因为房地产是由各种特征组成，因此可以通过收集数据，建立特征价格模型。2.2研究的理论基础2.2.1新消费者决策理论 新消费者决策理论是由美国学者兰开斯特提出的，他认为每种产品的价钱是由该产品的各种特征价格组成的，对于住宅而言，则主要是由住宅的区位特征、建筑特征和邻里特征组成，每一种特征对应着一种价格。住宅使用者可以根据个人喜好选择楼层、装修程度、建筑面积、房间数、内部环境等特征边际价格的组合。然后再在组合中调整每个住宅特征的边际价格，从而在实现效用的最大化。当住宅供求处于平衡状态下，购房者情愿对某住宅特征的边际支付刚好是该宅特征的边际价格2。2.2.2市场均衡理论市场均衡理论则由是美国学者卢森提出，他从个人效用最大化和厂商利润最大化作为出发点,从理论上分析了差异产品市场的短期均衡和长期均衡,为特征价格理论的建模、特征价格函数的估计奠定了基础3。由该理论,我们可以通过多元回归把住宅的区位特征、建筑特征、邻里特征等特征中隐含的特征价格分离出来,分析住宅特征的需求。2.2.3生产者决策理论对住宅市场的房地产商来说，住宅的建筑成本由住宅的建筑面积、容积率、装修程度、区位等各种特征。如果住宅的特征不同，则其生产成本也不同，所以不同的住宅的价格模型结果也不一样。那么厂商的利润=（特征价格特征成本）*数量，当一切处于均衡状态的厂商来说，所有住宅生产者的供给函数曲线(要价函数)都一定相切于住宅特征价格曲线，在切点处，每个住宅特征的边际成本与住宅特征价格均相等3。2.4 特征价格模型应用中的优势及不足 特征价格模型最大优势不言而喻就是具有效率性，能将区域内房价通过将房地产的特征输入模型自动评估出来，避免品质相同或相似的房地产因单独评估带来繁琐乃至于误差；其次就是模型将房子的总价划分为多个特征价，比如建筑特征价格、区位特征价格、邻里特征价格等如建筑特征价格又细分到房间数价格、房龄价格、车位价格等，而不是含糊的一个总价，让大众清晰明了房子的价格是由哪些部分组成，使得评估结果透明化；最后特征价格模型评估出的价格比较客观，可以避免了一些评估师主观不良行为给出来欠失客观的过低或者过高的报告。 特征价格的不足之处是当特征量选取不当或者获取数据不真实时会影响最终结果出现偏差，且需要极大的样本数据量，另外特征模型只能针对在特定的区域内具有普遍特征的房子做评估，一旦有独特的房子时按模型评估将产生严重偏差，需要做出及时调整。3 基于特征价格模型的住宅特征价格模型的构建3.1模型变量的选择根据王旭育（2006）、王娟（2008）关于特征价格的研究成果，特征价格模型选取主要有建筑特征、区位特征和邻里特征这三个主要特征。（1）建筑特征 建筑特征也就是用于区别不同的建筑的记号，从宏观的角度看则是区位特征，从微观的角度看则是建筑特征，其主要包括建筑面积、建筑结构、建筑类型、楼层、房间数、电梯、房龄、装修程度、朝向、车位等。楼层。大多学者都选取了楼层作为特征变量，且不同的学者有不同的量化方法，一种是直接表示住宅所在楼层，一种是将住宅楼层分为三段，即将楼层分为低中高三部分，然后低高部分赋予分值相等且小于中层部分。对于这两种量化方法笔者认为都是欠妥的，因为不同的类型建筑人们会喜爱不同的楼层，另外不同的人群会有不同的需求，还有一个就是人们认为9-12层是浮沉层，但也有人说这几层是最好的，故本文舍弃了楼层这主流特征变量。朝向。对于朝向我国南北理想方向不一样，且不同的学者有不同的量化方法，低层、中高层、高层量化方法也尽不同，故本文也舍弃该特征变量。（2）区位特征 在住宅中，区位是指某住宅所在位置和其他住宅或者事物在空间方位和距离上的联系。住宅房地产区位的条件，直接影响到住宅所有者或者使用者的经济收益、生活方式或者社会影响。所以，不同的区位房地产价格将不同，例如是位于市区或是在郊区，是校区房还是景观房 5。 区位特征通常是包括房屋离CBD、火车站、汽车站的直线距离、房屋周边公交站点和地铁站点等。商业中心距离。对于离CBD直线距离也是众多学者钟爱，但在本文笔者还是舍弃，主要原因有：第一，随着城市发展每个片区功能上几乎都可以替代市中心。第二，笔者认为直线距离也是欠妥的，如需增加这变量，量化时可以参考德高地图的导航距离。综上，笔者利用区位系数（片区楼面均价/区域平均楼面价）替代了CBD距离，具体系数见表3.1。 (3) 邻里特征 在我国邻里特征主要有公共服务和外部环境，如周边医院、 学校、菜市、超市、景观等，在我国通常离这些配套越近越受人喜欢，特别是名校，人们会认为这文化氛围会更浓，对于是全国前列名校附近的房子更加会认为是宝地。另一方面，人们也追求环境的品质，比如江湖景房，人们通常在经济条件允许情况下会宁愿支付更多的钱去换取江景的视线。基础设施。很多学者也把通水、电、天然气和暖气列入住宅特征中，但对于这些基础设施如今在南宁每个楼盘几乎都是覆盖的，再个对于南方人暖气有无并不是很重要，故这些特征变量也舍弃，但额外增添了幼儿园、超市、游泳池，因为幼儿园和超市的存在对人们生活带来了很大方便，再个就是游泳池，在南方人们夏天都比较喜爱游泳，有游泳场池的小区将成为一大卖点。最后，考虑到数据的获取性，以及对于特征量化时的能力局限和南宁的实际情况，本文在建筑特征中选取了房龄房间数、住宅面积、车位、装修程度；在区位特征选取了交通、区位系数；在邻里特征中选取了内部配套周边配套、物业管理费、绿化率、教育配套；额外增加品牌特征，即开发商的资质。最后经过调整修改选取了13个自变量，如下表3.2所示。表3.1区位系数表片区 级别 平均楼价区位系数衡阳东片区11751.1388衡阳西片区11051.0710新秀片区11521.1165中尧片区11491.1136鲁班片区11511.1155大学片区10901.0564相思湖东片区10841.0506秀灵南片区10841.0506动物园片区10581.0254高新片区10290.9973明秀片区9920.9614北湖明秀片区9520.9227相思湖西片区7810.7569北湖片区6430.6232表3.2特征变量汇总表特征分类特征变量特征变量含义区位特征交通住宅直径500米公交站点数量区位系数住宅所在片区平均楼面价/区域平均楼面价建筑特征房龄住宅建筑年份房间数住宅的房间数加大厅数住宅面积住宅的建筑面积车位住宅是否提供停车场装修程度毛坯、简装、中装、精装邻里特征内部配套小区内游泳池、超市、幼儿园周边配套小区500米内的超市、银行、菜市、医院物业管理费住宅小区单位面积物业费绿化率住宅小区绿化率教育配套住宅小区周边的幼儿园、小学、初中、大学开发商品牌开发商品牌开发商注册资质3.2 模型的函数形式通过现有文献回顾，当前学术界通用特征价格模型有线性函数、半对数函数、对数函数三种函数形式，具体如下：线性方程形式：P=B0+BjXj+ 式（ 3-1）半对数方程形式：lnP= B0+BjXj+ 式（ 3-2） 对数方程形式：lnP= B0+BjlnXj+ 式（ 3-3）其中p是城市住宅价格，B0是除特征变量外其他影响价格的常量之和，Bj是特征变量的特征价格，Xj是特征变量，是残差项。3.3模型的检验3.3.1 经济意义上的检验经济意义的检验主要是房地产特征系数大小及符号做检验，其大小表示影响程度，符号则是表示正负相关，通过系数大小及符号判定是否符合现实中的合理意义。3.3.2统计检验拟合优度检验，通常用测定系数R 2表示，即回归平方和比总平方和，其值越大拟合度越优。文中即是通过模型预测房价与实际房价之间的吻合度。回归参数的显著性检验，通常叫t值检验，其值即F值开方，其作用在于当其他自变量固定不变时,检验该回归系数对应的自变量对因变量是否有显著影响。在本文中即是当其他特征变量不变时，某个特征变量变化对于房价的影响是否显著。总体显著性检验,通常简称F检验,就是将全部自变量对因变量的共同影响是否显著进行检验。在文中也就是区位特征、建筑特征、邻里特征和开发商品牌中的特征变量的共同影响对房价的影响是否显著。4 南宁市住宅特征价格模型的实证分析4.1研究区域的选取本文选取南宁市西乡塘区作为研究对象，其在西乡塘区又被划分为衡阳东片区、衡阳西片区、新秀片区、中尧片区、鲁班片区、大学片区、相思湖东片区、秀灵南片区、动物园片区、高新片区、明秀片区、北湖明秀片区、相思湖西片区、北湖片区，故在收集数据时笔者在每个片区抽样收集。在过去的一年里，南宁市西乡塘区二手房均价呈下降趋势，具体如图4.1。4.1.1 数据采集 本文数据收集主要通过网上查阅和电话咨询获取数据。首先通过南宁市搜房网（）和居周刊获取，并由南宁市基准地价更新成果将西乡塘住宅成果分为14个片区，在每一个片区内都选择几个楼盘（如图4.2），然后在每一个楼盘都选择几套房，首先在搜房网上或取小区房子特征，再到百度地图（）搜索出各住宅周边配套设施。因为网上搜索到的房价都是挂牌的，而挂牌价通常和成交价稍微有出入，于是笔者再通过居周刊电话咨询业主对于挂牌价格能否更低，若业主表示出最低成交价，则以此为正式成交价，并将网上查阅到的挂牌价与业主交代的成交价做一元线性回归。 通过以上获取数据方法，统计得到180个样本数据，然后将这180个数据整理，排除信息不齐全样本，最终或许120个完整样本数据。图4.1 南宁市西乡塘二手房均价走势图图4.2 南宁市西乡塘楼盘分布图4.2研究数据量化4.2.1 挂牌价格和成交价格转化 因挂牌价与实际成交价有一定出入，故本文参考王旭育（2006）、赵琰（2009）和黄虎（2011）等学者将收集到的部分挂牌价与咨询到的成交价做一元线性回归，得到一元线性回归方程，再将所有挂牌价转化为成交价。通过一元线性回归，得出以下4.1系数表，从表中我们可以得到实际成交价=0.820+0.969*挂牌，且挂牌P值=00.01,说明假若不考虑样本数量过小的情况下，函数模型拟合度和解释力十分可靠。4.1表 系数a模型非标准化系数标准系数B标准 误差试用版tSig.1(常量).820.2633.121.004挂牌.969.0031.000316.105.000a. 因变量: 实际4.2.2 住宅特征量的量化国内学者在特征变量量化主要有定性量化和定量量化，在前人研究基础下本文定性量化变量有：区位系数、车位、装修程度、内部配套、周边配套、教育配套和开发商品牌；定量量化有：交通、房龄、房间数、住宅面积、绿化率和物业管理费。本文参考韩会（2014）中的特征量化，具体量化标准见表4.2所示，量化结果见附表4.3 。表4.2 特征变量量化特征分类特征变量特征变量的量化区位特征交通住宅周边500米公交站点数目区位系数住宅所在片区平均楼面价/区域平均楼面价建筑特征房龄2015-竣工年份房间数住宅的室加厅的总数目住宅面积一套住宅的建筑面（）车位有停车场赋值1，无0装修程度毛坯（0分）、简装（1分）、中装（2分）、精装（3分）邻里特征内部配套小区内是否有游泳池（2分）、超市（1分）、幼儿园（1分）周边配套小区500米内是否有超市、银行、菜市、医院，每项1分，共5分物业管理费住宅小区单位面积物业费（元/）绿化率住宅小区绿化率教育配套住宅1000米内是否有幼儿园、小学、初中、及500内是否有大学，各1分，共4分开发品牌开发商品牌资质等级为暂未定级、四级资质、三级资质、二级资质、一级资质,分别取1分、2分、3分、4分、5分4.3特征价格模型的构建4.3.1 三种模型函数的初步检验 为了检验当前学术界在特征价格模型中通用的三种函数形式哪个更适合南宁市房价特征价格模型，故将数据逐个函数进行多元回归。根据上文介绍的三种特征价格模型，利用spss 17.0统计软件进行多元线性逐步（stepwise）回归，其思路主要是，首先用单个自变量与因变量进行回归，找到一个回归效果最好的，如果该自变量的F值通过，则再引入F值第二高的自变量，如果第二高的F值通过，则构成二元线性回归，接着依次引入全部变量，各个变量F值满足则被引入，否则排除。从表4.4所知，在显著性0.189,故模型复相关系数检验通过,说明自变量和因变量它们之间有良好的线性关系。从表4.3得出半对数F值=24.899，由excel表格输入“=FINV(0.05,13,120-14)”得出F值临界值为1.814，F=24.8991.814，且F的伴随概率0.001，又得出F值检验通过，说明了回归方程的高度显著。接着对回归系数检验及共线检验，如表4.6所示，从表中可得出总共有7个变量进入了模型，且全部t值检验都小于0.05，从方差膨胀因子列可得出最大值才1.257，说明了不存在共线问题，从非标准系数中可以看出，只有房龄是负相关的，其它都是正相关，这个完全符合南宁客观事实。表4.5 模型汇总模型RR 方调整 R 方标准 估计的误差半对数.780g0.6090.5840.087527表4.6 回归系数及共线检验非标准化系数标准系数B标准 误差试用版tSig.共线性统计量(常量)8.0430.09386.7330容差VIF区位0.4030.0910.2934.42500.7981.254车位0.0590.0180.2173.370.0010.8421.188内部配套0.0250.0110.1592.3980.0180.7991.252房龄-0.0060.002-0.205-3.2820.0010.8971.114面积0.00100.1862.9520.0040.8761.141开发商0.020.0070.1872.8250.0060.7961.257装修0.020.0090.1382.1310.0350.8281.207最后对模型的残差的正态性检验和方差齐性检验，从图5.1残差的累积概率图可见，其分布接近于一条直线，说明了半对数模型符合残差正态分布。从图5.2 回归标准残差可知，大部分落在观测值在-22之间，故符合方差齐性检验。由表4.6可知有区位, 车位, 内部配套, 房龄, 面积, 开发商, 装修这7个变量进入了模型，而公交站点数、房间数、周边配套、物业管理、绿化率、教育配套没有被淘汰，对于房间数是因为该变量和面积存在了共性关系，而对于其它5个变量是因为研究区域比较小，每个片区之间没有很大区别，且很多配套设施和公共服务都是研究片区内的楼盘一起共享的，故不存在显著性。4.3.3 模型的经济意义根据以上的检验通过，从表4.6得出南宁市特征价格模型lnp=8.043+0.403*区位+0.059*车位+0.025*内部配套-0.006*房龄+0.001*面积+0.02*开发商+0.02*装修。即P=e8.043+0.403*区位+0.059*车位+0.025*内部配套-0.006*房龄+0.001*面积+0.02*开发商+0.02*装修。从回归模型可以算出，南宁西乡塘区二手房子基准价为3112（e8.043 ）元/平方米，最好的片区和最差的片区之间相差910（e8.043+0.403*1.138 - e8.043+0.403*0.6232 ）元/平方米，有车位的房子比无车位的房子贵189（e8.043 +0.059*1 - e8.043）元/每平方，内部配套设施拥有超市、幼儿园、游泳池中一类单价增加78（e8.043 +0.025 - e8.043）元/平方米，而房龄每增加1年房子单价降低18（e8.043 - e8.043 -0.006）元/平方米，住宅面积每增加1平方米，单价则提高3（e8.043 +0.001 - e8.043）元/平方米，开放商资质每增加一级单价提高62 （e8.043 +0.001 - e8.043 ）元/平方米，装修每提高一个等级单价也是提高62 （e8.043 +0.001 - e8.043 ）元/平方米。图5.1残差的累积概率图图5.2 回归标准残差图5 总结及有待研究的问题5.1总结本文主要是借鉴前人研究理论成果，通过南宁市实证研究，总结如下：通过阅读众多学者研究成果文献，整理汇总出各学者选取特征变量表，再根据个人与研究对象实际情况进修修正建立指标体系。将西乡塘区依据城镇基准地价更新成果建立区位系数表。通过居周刊获取大量西乡塘二手房源，进而电话咨询获取相对挂牌最低价，然后与挂牌价通过一元线性回归，得到实际成交价=0.820+0.969*挂牌，最终将从搜房网收集到的挂牌价转化为成交价。通过三种线性回归检验，最终得到南宁市西乡塘住宅特征价格模型：P=e8.043+0.403*区位+0.059*车位+0.025*内部配套-0.006*房龄+0.001*面积+0.02*开发商+0.02*装修。5.2有待进一步研究的问题 文章有待进一步研究的问题主要有以下几点：第一，在样本的总量方面。笔者收集到的虽有180个样本数据，但有三分之一因数据不齐全被排除。要是能进一步扩大样本数量相信得到的复相关系数会更大。第二，在特征变量及其量化方面。本文仅有13个变量，很多变量没有选取，比如自然景观、小区内部文化娱乐设施、体育设施等，这些在变量都是当代人的追求，其次就是对于自然景观这以变量的量化也需要有比较高的欣赏能力去量化。第三，在模型的选取及其回归的方法方面。本文所选取的三种只是比较主流的模型，其实这没有固定的模型，这就需要我们去不断的探索对比，还有在回归方法上，有参数、半参数、非参数等等这些还需要我们进一步去探索比较。参考文献:1 荆平. 我国房产税改革进程分析. 西南财经大学J.20132 蒋一军、 袭江辉.房地产价格指数与Hedonic模型J.中国统计.19963 王旭育.基于 Hedonic 模型的上海住宅特征价格研究D.上海:同济大学，20064 王娟.基于多种回归方法的成都市住宅Hedonic模型的实证研究D.成都：电子科技大学，20085 赵琰.基于Hedonic 模型的石家庄城市住宅特征价格研究D.河北：河北农业大学，200923附表表4.1 西乡塘区住宅特征量化结果汇总表样本价格成交价内部配套开发商面积公交站点数装修区位房龄车位房间数周边配套物业管理绿化率教育配套7,6937,87433130241.0710101540.700.347,5007,67423128241.0710101540.700.347,4007,5491496441.138831541.200.337,3877,5242285441.071091440.700.347,3687,5042385431.071081440.700.347,3347,49824120241.0710100440.700.347,3007,4472498441.056431241.200.347,2007,34622100441.138830631.200.447,1127,2452390231.056401541.200.347,1007,24622104431.025431540.700.346,9807,11921100331.138841440.700.346,8977,0312498331.0710101240.700.346,8667,00722107441.056411441.200.346,8507,00233126431.138071511.000.426,7256,85612100341.138871430.750.336,7006,83520107231.138860431.400.236,6806,81721111231.025441440.700.336,6326,7553295341.138861530.750.336,6206,7322285231.115561440.700.336,5306,6472292241.115550430.850.336,5006,6021280230.756951540.700.326,4836,5941488331.0710101240.700.346,4506,57342102241.138841541.500.336,4336,5404186341.056451440.800.246,4206,5211181341.0564120440.500.046,4006,53712125331.138871530.750.336,4006,53724125441.056430641.200.346,4006,52910111331.115561541.400.346,4006,5041284341.115550430.800.336,3966,5021086431.056431441.200.346,3406,4552296231.050661541.000.336,3206,43812100341.056461440.800.336,3166,4292295240.961420540.800.436,3006,42122105231.116531641.000.336,2676,3551475431.056451441.200.346,2006,3123298341.050641441.200.436,2006,32011108231.138861441.000.346,1746,2813293341.138871330.750.336,1186,2142185341.0506141