基于主成分分析的房地产周期研究.docVIP

基于主成分分析的房地产周期研究 　　【摘要】 研究天津市房地产周期对政府部门政策制定有重要的作用，本文运用主成分分析方法对天津市1991―2011年的房地产发展情况做出综合评价，发现天津市房地产发展周期受国家政策影响较大。 　　【关键词】 房地产周期 主成分分析 天津市 　　一、引言 　　房地产与周期两者是分不开的，房地产周期波动是房地产业在经济运行过程中的扩张与收缩这两个阶段形成的复苏、繁荣、衰退和萧条四个环节的循环往复，是房地产经济水平起伏波动、循环的经济现象。由于受到经济因素、社会因素、政治因素等多重因素以及房地产业本身运动规律的制约，房地产业在发展过程中表现出周期性的高峰和低谷。 　　Homer Hoyt（1933）是研究房地产周期的鼻祖，他在出版的《One Hundred Years of Land Values in Chicago》（《百年来芝加哥地区土地价值》）中对芝加哥长达100年的土地价格分析中，首先发现了长度为18年的地价周期。房地产周期理论在西方国家中有几十年的研究历史，但因为我国大陆地区房地产市场是在住房体制改革之后开放的，因此对房地产周期的研究还处于探索阶段。近年来由于房地产业的影响力在整个经济体逐渐增长，与经济周期相似，也显示了周期性波动，薛敬孝（1987）的关于建设循环周期是国内房地产周期的最早研究之一。 　　天津市作为我国的四大直辖市之一，是中国北方最大的沿海开放城市。其土地资源极为丰富，刚性需求较大，房地产业在近年发展迅速，2012年全年房地产开发投资1260亿元，同比增长16.7%，占全年全社会固定资产投资14.20%。天津市的房地产业在1998年住房制度改革前发展较慢，开放后发展迅速。虽然发展历史较短，但仍然表现出波动的现象。 　　本文从实证角度，运用主成分分析法，选取影响房地产业较大的8个指标，研究天津市房地产周期波动规律。本文对天津市房地产周期的研究，在理论和实践上都有一定的指导意义。 　　二、模型介绍 　　主成分分析是以降维的方法反映尽可能多的原始变量的主要信息，从而实现简化的目的。 　　第一步：假设有n个样本，每个样本含有p项变量（指标），用X1，X2，…Xp表示构成的主成分分析矩阵。 　　X=x11 x12 … x1px21 x22 … x2p… … … …xn1 xn2 … xnp 　　第二步：对原始数据进行标准化。 　　样本数据X的均值和协方差的计算： 　　均值X=（x1，x2，…，xp） xj=■■xij （j=1，2，…，p） 　　协差S=（sij）p×p sij=■■（xki-xi）（xkj-xj） （i，j=1，2，…，p） 　　标准化公式： 　　xki=■ （i=1，2，…，p；k=1，2，…，n） 　　第三步：对标准化后计算的样本数据相关系数矩阵。 　　第四步：计算相关系数矩阵R的特征值。 　　第五步：计算主成分的贡献率及累计贡献率。 　　第六步：确定主成分个数。 　　第七步：求R的特征根？姿1，？姿2，？姿3，…，？姿p及相应的单位特征根向量，并且？姿1？叟？姿2？叟…？叟？姿p？叟0。其中， 　　？坠1=（a11，a21，…，ap1）T 　　？坠2=（a12，a22，…，ap2）T 　　…………………… 　　？坠p=（a1p，a2p，…，app）T 　　第八步：写出主成分表达式。 　　Fi=a1ix1+a2ix2+…+apixp，i=1，2…，p 　　三、实证分析 　　1、样本和指标体系的选取 　　根据1991―2011年《中国统计年鉴》、《天津市统计年鉴》相关数据，采用主成分分析法，提取天津市房地产经济周期波动的规律。选择对房地产周期影响较大的因素，构造组成由8个指标来建立天津市房地产周期波动的指标体系，分别是房地产年生产总值增长率（X1）、房地产开发投资增长率（X2）、住宅投资增长率（X3）、商品房施工面积增长率（X4）、商品房竣工面积增长率（X5）、商品房销售面积增长率（X6）、房地产开发企业国内贷款增长率（X7）、商品房实际销售平均价格增长率（X8）。 　　2、相关系数矩阵的特征值及贡献率 　　为避免方差较大的变量和量纲差异影响因子负荷的确定，首先采用Z-score法将数据标准化，建立数据的相关系数矩阵（见表1），以规范数据。 　　计算相关系数矩阵的特征根和累积贡献率，结果见表2。根据特征值大于1的标准，运用主成分分析法来提取因子，共提取了3个因素（见表2），变量的相关系数矩阵具有三个特征根，即：3.200，1.721，1.161，第一、第二和第三个因子所描述方差占原有变量总方差的比例分别为40.003%、21.515%和14.507%，三者的累计方差贡献率为76.024%，