基于大数据背景下住宅价格指数编制方法探讨.PDFVIP

基于大数据背景下的住宅价格指数的编制方法探讨 国家统计局陕西调查总队 畅通、李东涛、王艳 摘 要 本文旨在探索如何有效利用住宅交易大数据，最大限度地消除住宅异质性对 于价格指数编制的影响，从而为住宅价格指数的编制寻求一种新的思路和方法。 通过多渠道并借助“网络爬虫技术”，获得结构复杂、类型多样的某市2013 年1 月－2014 年2 月新建住宅销售网签数据和大量的相关网络搜索数据。经过数据 整理和挖掘，分别使用两种不同的直接Hedonic 法—— 时间哑元法和分月特征价 格指数法，来构建Hedonic 模型并编制住宅价格指数。在模型构建过程中，经反 复测算，时间哑元法选用了拟合优度表现较好的半对数链式更新模型，分月特征 价格指数法通过五折交叉验证选用了随机森林和SVM 模型，分别进行指数编制， 并对两种编制方法进行了优劣比较与评估。 关键词：大数据 住宅价格指数 Hedonic 模型 链式指数法 随机森林 目 录 一、问题的提出 1 二、研究背景 1 三、研究思路及创新点 3 （一）研究思路 3 （二）创新点 3 四、数据来源和预处理 4 （一）数据背景及来源 4 （二）数据质量考察与预处理 5 五、数据描述与特征分析 7 （一）特征因素的量化 7 （二）数据特征分析 8 1.交易量与价格变化特征 8 2.宅价格变化特征 8 3.邻里环境与住宅价格变化特征 11 4.条件与住宅价格变化特征 11 （三）发现与结论 12 六、模型构建与分析 12 （一）时间哑元法 13 1.选取模型形式 13 2.基于某市2013 年住宅交易数据的模型估计 14 3.基准期月度特征价格指数的计算 16 4.考察期（2014 年1-2 月）月度特征价格指数的链式更新计算 18 （二）分月特征价格指数法 19 1.选取模型形式 19 2.模型参数选择 20 3.预测住宅价格 20 4.指数编制 21 （三）模型结果比较 22 七、模型的评价、改进和展望 23 （一）模型优点 23 （二）模型的局限 23 （三）前景展望 24 八、结论及建议 24 参考文献 25 附录 错误！未定义书签。 1．网络爬虫主程序 错误！未定义书签。 2 ．保障性住宅和商业住宅价格散点图 错误！未定义书签。 3 ．R 程序 错误！未定义书签。 一、问题的提出 房地产是国民经济的重要支柱产业，2013 年全国房地产开发投资占GDP 的 15%，拉动上游钢铁、建材，下游家用电器、纺织等50 多个行业发展，对于促 进经济增长、扩大就业、提高财政收入发挥了重要作用。住宅价格指数作为反映 房地产市场变化的“风向标”，备受社会各界关注。如何获得准确反映房地产市 场需求变化的住宅价格指数，对于指导房地产开发企业的投资行为和社会公众的 购买行为，为政府宏观决策提供科学依据，具有重大意义。 现行的住宅价格指数编制方法—加权平均法，我们认为存在两个值得商榷的 地方：一是由于未考虑样本的异质性特征，难以完全满足建立价格指数时“同质 可比”的要求；二是仅以住宅销售面积和销售额双加权计算价格指数，没有考察 住宅涵盖的环境、区位、交通、教育、商贸、医疗等大量特征因素，无法体现住 宅品质对价格的影响，计算的住宅价格指数难免会有偏差。探索新的住宅价格指 数编制方法势在必行。为此，本文采用以消除商品“异质性”为目标的Hedonic 法计算住宅价格指数，具有同质化程度高、经济意义明确等优点，能够充分利用 住宅所涵盖的大量特征因素，计算精度高，是目前较为理想的住宅价格指数编制 方法。 本文以消除住宅商品“异质性”、加入大量住宅特征因素为切入点，以网签 数据为基础，同时加入住宅环境、区位、交通、教育、商贸、医疗等大量特征因 素，并利用 “网络爬虫技术”获取这些特征因素数据，形成住宅价格统计“大数 据”库。在大数据背景下，运用Hedonic 法编制住宅价格指数，对于优化和改进