JP6852015B2

JP6852015B2 - 空室率推計装置及び方法並びにコンピュータプログラム

Info

Publication number: JP6852015B2
Application number: JP2018089197A
Authority: JP
Inventors: 義久浅田; 健太朗石井
Original assignee: 株式会社タス
Priority date: 2018-05-07
Filing date: 2018-05-07
Publication date: 2021-03-31
Anticipated expiration: 2038-05-07
Also published as: JP2019197252A

Description

本発明は、賃貸不動産の空室率を推計する空室率推計装置及び方法並びにコンピュータプログラムに関する。

賃貸不動産の空室率は、ある期間において入居者がいない期間、則ち家主が賃貸収入を得られない期間の割合である。空室率は、収益率の算定または評価に決定的な役割を果たす（例えば、特許文献１参照）。従って、空室率を精度良く推計出来ることが、不動産の収益評価の精度に直結する。

特許文献１には、賃貸不動産募集データから月次募集戸数と月次募集棟数を抽出し、月次募集棟数から推定する総戸数で当該月次募集戸数を除算し月次で平均化することで、空室率を推計する技術が記載されている。

特許第６２７０５８９号公報

賃貸不動産の収益評価は、棟単位となる場合、棟単位で空室率を評価出来ればよい。特許文献１に記載される技術で得られる空室率は都道府県や市区町村単位の地域毎の指標であって、棟単位の空室率ではない。従って、特許文献１に記載される手法では、棟単位の収益評価には不十分である。

また、例えば、３月及び９月等の引越し時期では瞬間的に募集が増加するが、この引越し時期とこれ以外の平常期とでは、特許文献１に記載される手法で推計した空室率は、平均化処理がなされるにしても変動が激しく、従って、収益評価に使いづらい。

本発明は、棟単位での空室率を精度良く推計出来る空室率推計装置及び方法並びにコンピュータプログラムを提示することを目的とする。

本発明に係る空室率推計装置は、評価対象棟に関する物件特性データを入力する入力手段と、賃貸住宅募集データベースを参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析手段と、当該分析手段の分析結果に当該評価対象棟の当該物件特性データを適用することで、当該評価対象棟の棟単位の募集確率及び市場滞留期間を計算する募集確率・滞留期間計算手段と、当該評価対象棟の当該募集確率に当該評価対象棟の当該市場滞留期間を乗算して当該評価対象棟の空室率を算出する空室率算出手段とを有することを特徴とする。

本発明に係る空室率推計装置は、評価対象棟に関する物件特性データと所在地情報を入力する入力手段と、賃貸住宅募集データベースを参照して、当該評価対象棟の所在地を含むエリアで賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析手段と、当該分析手段の分析結果に当該評価対象棟の当該物件特性データを適用することで、当該評価対象棟の棟単位の募集確率及び市場滞留期間を計算する募集確率・滞留期間計算手段と、当該評価対象棟の当該募集確率に当該評価対象棟の当該市場滞留期間を乗算して当該評価対象棟の空室率を算出する空室率算出手段とを有することを特徴とする。

本発明に係る空室率推計方法は、評価対象棟に関する物件特性データをコンピュータに入力する入力ステップと、当該コンピュータが、賃貸住宅募集データベースを参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析ステップと、当該コンピュータが、当該分析ステップの分析結果に当該評価対象棟の当該物件特性データを適用することで、当該評価対象棟の棟単位の募集確率及び市場滞留期間を計算する募集確率・滞留期間計算ステップと、当該コンピュータが、当該評価対象棟の当該募集確率に当該評価対象棟の当該市場滞留期間Ｔ（Ｘ）を乗算して当該評価対象棟の空室率を算出する空室率算出ステップとを有することを特徴とする。

本発明に係る空室率推計方法は、評価対象棟に関する物件特性データと所在地情報をコンピュータに入力する入力ステップと、当該コンピュータが、賃貸住宅募集データベースを参照して、当該評価対象棟の所在地を含むエリアで賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析ステップと、当該コンピュータが、当該分析ステップの分析結果に当該評価対象棟の当該物件特性データを適用することで、当該評価対象棟の棟単位の募集確率及び市場滞留期間を計算する募集確率・滞留期間計算ステップと、当該コンピュータが、当該評価対象棟の当該募集確率に当該評価対象棟の当該市場滞留期間を乗算して当該評価対象棟の空室率を算出する空室率算出ステップとを有することを特徴とする。

本発明に係るコンピュータプログラムは、コンピュータに、賃貸住宅募集データベースを参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析機能と、当該分析機能の分析結果に評価対象棟に関する物件特性データを適用することで、当該評価対象棟の棟単位の募集確率及び市場滞留期間を計算する募集確率・滞留期間計算機能と、当該評価対象棟の当該募集確率に当該評価対象棟の当該市場滞留期間を乗算して当該評価対象棟の空室率を算出する空室率算出機能とを実現させるためのコンピュータプログラムである。

本発明に係るコンピュータプログラムは、コンピュータに、賃貸住宅募集データベースを参照して、評価対象棟の所在地を含むエリアで賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析機能と、当該分析機能の分析結果に当該評価対象棟の物件特性データを適用することで、当該評価対象棟の棟単位の募集確率及び市場滞留期間を計算する募集確率・滞留期間計算機能と、当該評価対象棟の当該募集確率に当該評価対象棟の当該市場滞留期間を乗算して当該評価対象棟の空室率を算出する空室率算出機能とを実現させるためのコンピュータプログラムである。

本発明によれば、定量的に推計された棟単位での募集確率と市場滞留期間（空室となる期間）を乗算することで、棟単位の空室率を計算するので、従来方法に比べて精度良く空室率を推計出来る。

本発明の実施例１の概略構成ブロック図である。解約募集とこれに伴う空室期間の説明図である。回帰分析の説明変数の表である。本発明の実施例２の概略構成ブロック図である。本発明の実施例３の概略構成ブロック図である。

以下、図面を参照して、本発明の実施例を詳細に説明する。

図１は、本発明の一実施例の概略構成ブロック図を示す。本実施例は、単一または互いに連係動作する複数のコンピュータ装置上で動作する空室率推計プログラムにより実現されるが、もちろん、専用装置として実現することも可能である。

図１に示す空室率推計装置１０はコンピュータからなり、ＣＰＵ１２、ＲＯＭ１４、ＲＡＭ１６、キーボード１８、モニタ２０、ＨＤＤ（またはＳＳＤ）２２及び通信装置２４が、バス２６に接続する。通信装置２４は、ネットワークを介して賃貸住宅募集データベース２８に接続可能である。詳細は後述するが、空室率推計のために、ＣＰＵ１２は、通信装置２４を介して賃貸住宅募集データベース２８にアクセス可能である。

ＣＰＵ１２は、ＨＤＤ２２に格納される空室推計プログラム３０をＲＡＭ１６に読み込んで実行することにより、回帰分析機能４０、募集確率・滞留期間計算機能４２及び空室率算出機能４４を実現する。ＨＤＤ２２には、回帰分析機能４０の回帰分析結果３２（回帰モデル式の係数値）も、格納される。

図２は、ある棟αの３つの部屋Ａ，Ｂ，Ｃについての空室発生状況例を示す。図２に示す例では、部屋Ａ，Ｃで解約募集があり、空室期間が発生している。図２では、１ヶ月単位で例示しているが、この期間は例示目的である。

図２に示す例では、空室率推計の単位期間（１ヶ月）に、棟αの部屋Ａと部屋Ｃで解約募集が発生している。解約募集から成約入居までの期間（市場滞留期間または滞留期間）が、賃貸収入を得られない空室相当の期間である。募集が公開されている期間に一定期間を加えた期間が空室期間となるような募集データベースに対しては、募集公開期間にその一定期間を加算した期間を市場滞留期間Ｔとする。市場滞留期間Ｔは、棟αの物件特性データＸに依存する。物件特性データＸは例えば、賃料、最寄り駅からの距離、専有面積、最寄駅までの距離、部屋数及び躯体構造等の要素からなる。部屋数は例えば、当該建物の総階数から推定され得る。他方、棟αで空部屋（図２に示す例では部屋Ａ，Ｃ）になり借り手を募集する確率、則ち、募集確率も、物件特性Ｘに依存する。

このような考察に基づき、空室率推計装置１０では、回帰分析により、募集確率と募集の市場滞留期間を棟単位で推定し、得られた募集確率と市場滞留期間とから空室率を推計する。すなわち、重回帰分析によって推定した一ヶ月あたりの部屋ごとの市場滞留期間（日数）をＴ（Ｘ）とし、ロジスティック回帰分析によって推定した棟ごとの募集確率をＰ（Ｘ）としたとき、当該棟の１ヶ月当たりの空室率Ｖｒを、
Ｖｒ＝Ｐ（Ｘ）×Ｔ（Ｘ）／３０
とする。

不動産賃貸募集データベース（ＤＢ）２８は、不動産情報サイトで公開されるデータベース、または、この公開データベースから生成されたものであり、回帰分析用に個々の不動産の物件特性データとして一般的に以下の情報を含む。すなわち、賃料単価（管理費・共益費込みの平米単価）、新築情報（新地の場合に１、新築でない場合に０）、築年数、専有面積、総階数、所在階、駅時間（最寄り駅までの所要時間）、バス利用情報（バス利用の場合に１、それ以外は０）、都心までの時間（最寄り駅から中心業務地区の駅までの時間）、建物構造情報（ＲＣ，ＳＲＣ，鉄骨造またはこれら以外）、アパート／マンション分類情報（アパートかマンションか）及び所在地情報等を含む。新築か否かは、築年数から判定しても良い。

回帰分析機能４０は、不動産賃貸募集ＤＢ２８を参照し、棟単位の募集確率と市場滞留期間に関する回帰モデルの回帰係数を決定する。回帰分析機能４０は例えば、全国を分ける２１エリア別、及びアパート・マンション別で回帰分析を実行する。もちろん、回帰分析機能４０は、評価対象棟の所在するエリアについて、アパートかマンションかの対応する家屋分離で、回帰分析を実行しても良い。回帰分析機能４０は、エリア別及びアパート・マンション別の分析結果（回帰モデル式の係数値）３２をハードディスク２２に格納する。

回帰分析機能４０の回帰モデルは、

で一般的に表現され得る。説明変数Ｘ，ＬＤ，ＴＤの詳細を図３に示す。説明変数ＬＤは、立地による個別性（例えば、東京都で言えば、渋谷区と中央区の政策の違い）を排除するために導入される。説明変数ＴＤは、時間による個別性（例えば、２０１３年と２０１７年の物価の違い）を排除するために導入される。目的変数（被説明変数）は、募集確率（式（１））に対しては棟ごとの募集確率Ｐ（Ｘ）（月単位）であり、市場滞留期間（式（２））に対しては、募集日数（募集公開から成約までの日数）の自然対数である。

上記式（１）、（２）は一例であり、種々の変更が可能である。例えば、変数の表現に対数形式でなくべき乗形式に採用するように変更することもありうるし、的変数に対する影響度の大きさ等を考慮し、エリアごとに回帰分析モデル式を異らせることもある。

また、図３に示す説明変数群は一例であり、別の説明変数を追加しても良いし、一部の変数を他の変数に変更してもよい。例えば、式（１）、（２）に対し、同じ市区町村内でも最寄り駅の沿線の違いによる個別性を排除する説明変数（沿線を示す説明変数ＥＤ）を追加しても良い。説明変数ＥＤは例えば、東京都中央区における東京駅までのアクセスの容易さ（京葉線では東京駅まで乗り換え不要であるのに対し、有楽町線では乗り換えが必要になる）を反映する。

ＣＰＵ１２上で動作する空室率推計プログラム３０は、モニタ２０の画面上に、空室率を評価したい棟（評価対象棟）の物件情報データ（Ｘ，ＬＤ，ＴＤに対応するデータ）の入力画面を表示する。オペレータは、この入力画面にキーボード１８を使って評価対象棟の物件情報データを入力する。ＣＰＵ１２上の空室率推計プログラム３０は、入力されたデータを募集確率・滞留期間計算機能４２に入力する。募集確率・滞留期間計算機能４２は、評価対象棟の所在地を含むエリアの分析結果を回帰分析結果３２から読み出し、評価対象棟の物件情報データを適用して、評価対象棟の月ごとの空室率Ｐ（Ｘ）と市場滞留期間（募集開始から成約までの募集日数）Ｔ（Ｘ）を算出し、空室率算出機能４４に供給する。

空室率算出機能４４は、募集確率・滞留期間計算機能４２からの空室率Ｐ（Ｘ）と市場滞留期間Ｔ（Ｘ）に対し、評価対象棟の１ヶ月辺りの空室率Ｖｒを、
Ｖｒ＝Ｐ（Ｘ）×Ｔ（Ｘ）／３０
により、算出する。

本実施例では、棟ごとの募集確率及び市場滞留期間を回帰分析により推定し、これらに基づき棟辺りの空室率を算定しているので、実態に即した空室率を推計出来る。すなわち、推計に用いる物件の個別性のみならず評価対象棟の個別性をも排除でき、空室率として客観的な値を得ることができる。

賃貸住宅募集データベースから空室を見込む単位期間を１ヶ月としたが、これは、一般的に、賃貸市場の空室率の動きを把握するのが１ヶ月単位だからであり、その他の期間、例えば、４半期とか６ヶ月であってもよい。

賃貸住宅募集データベース２８により参照出来るデータが十分に多い場合、いわゆる教師ありの機械学習によっても、募集確率及び滞留期間と、物件特性データ等との関係を定量的に決定出来る。すなわち、回帰分析機能４０における重回帰分析及びロジスティック回帰は、教師あり機械学習による分析に置換可能である。

実施例１と同様の機能をサーバ／クライアントモデルで構成できる。図４は、その概略構成ブロック図を示す。クライアント１１０に、募集確率・滞留期間計算機能４２に相当する募集確率・滞留期間計算機能１４２と、空室率算出機能４４に相当する空室率算出機能１４４を残し、サーバ１５０には回帰分析機能４０に対応する回帰分析機能１４０を配置する。賃貸住宅募集データベース１２８は、賃貸住宅募集データベース２８と同様の構成からなる。

サーバ１５０の回帰分析機能１４０は、定期的または間欠的に賃貸住宅募集データベース１２８にアクセスして、実施例１と同様の回帰モデル式の下で、棟単位の募集確率のロジスティック回帰分析と市場滞留期間の重回帰分析を実行し、回帰分析結果１５６を、サーバ１５０に付属するＨＤＤ１５４に格納する。すなわち、回帰分析機能１４０は、通信装置１５２により賃貸住宅募集データベース１２８にアクセスし、回帰分析機能４０と同様に、全国を分ける２０エリア別、及びアパート・マンション別で、棟単位の募集確率と市場滞留期間の回帰分析を実行する。回帰分析機能１４０は、エリア別及びアパート・マンション別の分析結果（回帰モデル式の係数値）１５６をハードディスク１５４に格納する。

クライアント１１０では、ＣＰＵ１１２上で動作する空室率推計プログラム（クライアント部分）は、モニタ１２０の画面上に、空室率を評価したい棟（評価対象棟）の物件情報データ（Ｘ，ＬＤ，ＴＤに対応するデータ）の入力画面を表示する。オペレータは、この入力画面にキーボード１１８を使って評価対象棟の物件情報データを入力する。ＣＰＵ１１２上の空室率推計プログラムは、入力されたデータを募集確率・滞留期間計算機能１４２に入力する。ＣＰＵ１１２上の空室率推計プログラムはまた、サーバ１５０の回帰分析結果１５６から評価対象棟の所在地を含むエリアの回帰分析結果を読み込み、募集確率・滞留期間計算機能１４２に入力する。

募集確率・滞留期間計算機能１４２は募集確率・滞留期間計算機能４２と同様に、評価対象棟の所在地を含むエリアの分析結果に評価対象棟の物件情報データを適用して、評価対象棟の月ごとの空室率Ｐ（Ｘ）と市場滞留期間Ｔ（Ｘ）を算出し、空室率算出機能１４４に供給する。

空室率算出機能１４４は空室率算出機能４４と同様に、募集確率・滞留期間計算機能１４２からの空室率Ｐ（Ｘ）と市場滞留期間Ｔ（Ｘ）から、評価対象棟の１ヶ月辺りの空室率Ｖｒを、
Ｖｒ＝Ｐ（Ｘ）×Ｔ（Ｘ）／３０
により、算出する。

回帰分析を評価対象棟の所在地を含むエリアに対して必要時に実行するようにしてもよい。図５は、図１に示す実施例をそのように変更した構成の概略構成ブロック図を示す。図１に示す構成と同様の構成要素には同じ符号を付してある。

図５に示す空室率推計装置２１０のＣＰＵ２１２上で動作する空室率推計プログラム２３０は、モニタ２０の画面上に、空室率を評価したい棟（評価対象棟）の所在地と物件情報データ（Ｘ，ＬＤ，ＴＤに対応するデータ）の入力画面を表示する。オペレータは、この入力画面にキーボード１８を使って評価対象棟の所在地と物件情報データを入力する。ＣＰＵ２１２上の空室率推計プログラム２３０は、入力された所在地（及び必要によりアパート・マンション別）を回帰分析機能２４０に入力し、入力された物件情報データを募集確率・滞留期間計算機能４２に入力する。

回帰分析機能２４０は、通信装置２４により賃貸住宅募集データベース２８にアクセスし、評価対象棟の所在地を含むエリアでアパート・マンション別に、棟単位の募集確率のロジスティック回帰分析と滞留期間の重回帰分析を実行する。回帰分析機能２４０は、分析結果（回帰モデル式の係数値）を募集確率・滞留期間計算機能２４２に供給する。

募集確率・滞留期間計算機能２４２は、募集確率・滞留期間計算機能４２と同様に、評価対象棟の所在地を含むエリアの分析結果に評価対象棟の物件情報データを適用して、評価対象棟の月ごとの空室率Ｐ（Ｘ）と市場滞留期間Ｔ（Ｘ）を算出する。空室率算出機能２４４は、空室率算出機能４４と同様の演算式に従い、募集確率・滞留期間計算機能２４２からの空室率Ｐ（Ｘ）と市場滞留期間Ｔ（Ｘ）から空室率Ｖｒを算出する。

この実施例では、必要なエリアについてのみ演算を実行するので、小さな処理能力でも、比較的短時間に所望の結果を得ることが可能になる。

上述した各実施例において、参照出来る公開データが多い場合、回帰分析機能４０，１４０，２４０における重回帰分析及びロジスティック回帰を、教師ありの機械学習に置換できる。すなわち、回帰分析機能４０，１４０，２４０は、物件特性と、募集期間及び滞留期間との定量的な関係を教師ありの機械学習により決定する分析機能に置換できる。

特定の説明用の実施例を参照して本発明を説明したが、特許請求の範囲に規定される本発明の技術的範囲を逸脱しないで、上述の実施例に種々の変更・修整を施しうることは、本発明の属する分野の技術者にとって自明であり、このような変更・修整も本発明の技術的範囲に含まれる。

１０：空室率推計装置
１２：ＣＰＵ
１４：ＲＯＭ
１６：ＲＡＭ
１８：キーボード
２０：モニタ
２２：ＨＤＤ（またはＳＳＤ）
２４：通信装置
２６：バス
２８：賃貸住宅募集データベース（ＤＢ）
３０：空室率推計プログラム
３２：回帰分析結果
４０：回帰分析機能
４２：募集確率・滞留期間計算機能
４４：空室率算出機能
１１０：クライアント
１１２：ＣＰＵ
１１８：キーボード
１２０：モニタ
１２４：通信装置
１２８：賃貸住宅募集データベース（ＤＢ）
１４０：回帰分析機能
１４２：募集確率・滞留期間計算機能
１４４：空室率算出機能
１５０：サーバ
１５２：通信装置
１５４：ＨＤＤ
１５６：回帰分析結果
２１０：空室率推計装置
２１２：ＣＰＵ
２３０：空室率推計プログラム
２４０：回帰分析機能
２４２：募集確率・滞留期間計算機能
２４４：空室率算出機能

Claims

評価対象棟に関する物件特性データ（Ｘ）を入力する入力手段と、
賃貸住宅募集データベース（２８、１２８）を参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析手段（４０、１４０）と、
当該分析手段の分析結果（３２、１５６）に当該評価対象棟の当該物件特性データ（Ｘ）を適用することで、当該評価対象棟の棟単位の募集確率Ｐ（Ｘ）及び市場滞留期間Ｔ（Ｘ）を計算する募集確率・滞留期間計算手段（４２、１４２）と、
当該評価対象棟の当該募集確率Ｐ（Ｘ）に当該評価対象棟の当該市場滞留期間Ｔ（Ｘ）を乗算して当該評価対象棟の空室率を算出する空室率算出手段（４４、１４４）
とを有することを特徴とする空室率推計装置。
当該分析手段（１４０）がサーバ（１５０）に配置され、
当該募集確率・滞留期間計算手段（１４２）及び当該空室率算出手段（１４４）が、当該サーバに接続可能なクライアント（１１０）に配置される
ことを特徴とする請求項１に記載の空室率推計装置。
当該分析手段（４０，１４０）は、賃貸住宅の棟単位の当該募集確率及び当該市場滞留期間を複数のエリアのそれぞれについて回帰分析し、
当該募集確率・滞留期間計算手段（４２，１４２）は、当該複数のエリアのうちの、当該評価対象棟が位置するエリアについての当該分析手段の分析結果（３２）に当該評価対象棟の当該物件特性データ（Ｘ）を適用する
ことを特徴とする請求項１または２に記載の空室率推計装置。
評価対象棟に関する物件特性データ（Ｘ）と所在地情報を入力する入力手段と、
賃貸住宅募集データベース（２８）を参照して、当該評価対象棟の所在地を含むエリアで賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析手段（２４０）と、
当該分析手段の分析結果に当該評価対象棟の当該物件特性データ（Ｘ）を適用することで、当該評価対象棟の棟単位の募集確率Ｐ（Ｘ）及び市場滞留期間Ｔ（Ｘ）を計算する募集確率・滞留期間計算手段（２４２）と、
当該評価対象棟の当該募集確率Ｐ（Ｘ）に当該評価対象棟の当該市場滞留期間Ｔ（Ｘ）を乗算して当該評価対象棟の空室率を算出する空室率算出手段（２４４）
とを有することを特徴とする空室率推計装置。
当該分析手段は、所定の回帰モデル式に基づき、当該賃貸住宅募集データベース（２８、１２８）を参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を回帰分析する回帰分析手段（４０、１４０、２４０）であることを特徴とする請求項１から４のいずれか１項に記載の空室率推計装置。
当該所定の回帰モデル式は、立地に関する説明変数（ＬＤ）及び時点に関する説明変数（ＴＤ）を含むことを特徴とする請求項５に記載の空室率推計装置。
評価対象棟に関する物件特性データ（Ｘ）をコンピュータに入力する入力ステップと、
当該コンピュータが、賃貸住宅募集データベース（２８、１２８）を参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析ステップ（４０、１４０）と、
当該コンピュータが、当該分析ステップの分析結果（３２、１５６）に当該評価対象棟の当該物件特性データ（Ｘ）を適用することで、当該評価対象棟の棟単位の募集確率Ｐ（Ｘ）及び市場滞留期間Ｔ（Ｘ）を計算する募集確率・滞留期間計算ステップ（４２、１４２）と、
当該コンピュータが、当該評価対象棟の当該募集確率Ｐ（Ｘ）に当該評価対象棟の当該市場滞留期間Ｔ（Ｘ）を乗算して当該評価対象棟の空室率を算出する空室率算出ステップ（４４、１４４）
とを有することを特徴とする空室率推計方法。
サーバ（１５０）が、当該分析ステップ（１４０）を実行し、
当該サーバに接続可能なクライアント（１４２）が、当該募集確率・滞留期間計算ステップ（１４２）及び当該空室率算出ステップ（１４４）を実行する
ことを特徴とする請求項７に記載の空室率推計方法。
当該分析ステップ（４０，１４０）は、賃貸住宅の棟単位の当該募集確率及び当該市場滞留期間を複数のエリアのそれぞれについて回帰分析し、
当該募集確率・滞留期間計算ステップ（４２，１４２）は、当該複数のエリアのうちの、当該評価対象棟が位置するエリアについての当該分析ステップの分析結果（３２）に当該評価対象棟の当該物件特性データ（Ｘ）を適用する
ことを特徴とする請求項７または８に記載の空室率推計方法。
評価対象棟に関する物件特性データ（Ｘ）と所在地情報をコンピュータに入力する入力ステップと、
当該コンピュータが、賃貸住宅募集データベース（２８）を参照して、当該評価対象棟の所在地を含むエリアで賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析ステップ（２４０）と、
当該コンピュータが、当該分析ステップの分析結果に当該評価対象棟の当該物件特性データ（Ｘ）を適用することで、当該評価対象棟の棟単位の募集確率Ｐ（Ｘ）及び市場滞留期間Ｔ（Ｘ）を計算する募集確率・滞留期間計算ステップ（２４２）と、
当該コンピュータが、当該評価対象棟の当該募集確率Ｐ（Ｘ）に当該評価対象棟の当該市場滞留期間Ｔ（Ｘ）を乗算して当該評価対象棟の空室率を算出する空室率算出ステップ（２４４）
とを有することを特徴とする空室率推計方法。
当該分析ステップは、所定の回帰モデル式に基づき、当該賃貸住宅募集データベース（２８、１２８）を参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を回帰分析するステップ（４０、１４０、２４０）であることを特徴とする請求項７から１０のいずれか１項に記載の空室率推計方法。
当該所定の回帰モデル式は、立地に関する説明変数（ＬＤ）及び時点に関する説明変数（ＴＤ）を含むことを特徴とする請求項１１に記載の空室率推計方法。
コンピュータに、
賃貸住宅募集データベース（２８、１２８）を参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析機能（４０、１４０）と、
当該分析機能の分析結果（３２、１５６）に評価対象棟に関する物件特性データ（Ｘ）を適用することで、当該評価対象棟の棟単位の募集確率Ｐ（Ｘ）及び市場滞留期間Ｔ（Ｘ）を計算する募集確率・滞留期間計算機能（４２、１４２）と、
当該評価対象棟の当該募集確率Ｐ（Ｘ）に当該評価対象棟の当該市場滞留期間Ｔ（Ｘ）を乗算して当該評価対象棟の空室率を算出する空室率算出機能（４４、１４４）
とを実現させるためのコンピュータプログラム。
サーバ（１５０）に当該分析機能を実現させるプログラムと、
当該サーバに接続可能なクライアントに、当該募集確率・滞留期間計算機能（１４２）及び当該空室率算出機能（１４４）を実現させるプログラム
とからなることを特徴とする請求項１３に記載のコンピュータプログラム。
当該分析機能（４０，１４０）は、賃貸住宅の棟単位の当該募集確率及び当該市場滞留期間を複数のエリアのそれぞれについて回帰分析し、
当該募集確率・滞留期間計算機能（４２，１４２）は、当該複数のエリアのうちの、当該評価対象棟が位置するエリアについての当該分析手段の分析結果（３２）に当該評価対象棟の当該物件特性データ（Ｘ）を適用する
ことを特徴とする請求項１３または１４に記載のコンピュータプログラム。
コンピュータに、
賃貸住宅募集データベース（２８）を参照して、評価対象棟の所在地を含むエリアで賃貸住宅の棟単位の募集確率及び市場滞留期間を分析する分析機能（２４０）と、
当該分析機能の分析結果に当該評価対象棟の物件特性データ（Ｘ）を適用することで、当該評価対象棟の棟単位の募集確率Ｐ（Ｘ）及び市場滞留期間Ｔ（Ｘ）を計算する募集確率・滞留期間計算機能（２４２）と、
当該評価対象棟の当該募集確率Ｐ（Ｘ）に当該評価対象棟の当該市場滞留期間Ｔ（Ｘ）を乗算して当該評価対象棟の空室率を算出する空室率算出機能（２４４）
とを実現させるためのコンピュータプログラム。
当該分析機能は、所定の回帰モデル式に基づき、当該賃貸住宅募集データベース（２８、１２８）を参照して賃貸住宅の棟単位の募集確率及び市場滞留期間を回帰分析する回帰分析機能（４０、１４０、２４０）であることを特徴とする請求項１３から１６のいずれか１項に記載のコンピュータプログラム。
当該所定の回帰モデル式は、立地に関する説明変数（ＬＤ）及び時点に関する説明変数（ＴＤ）を含むことを特徴とする請求項１７に記載のコンピュータプログラム。