基于灰色关联北京市商品房空置影响因素分析.docVIP

基于灰色关联北京市商品房空置影响因素分析 　　[摘要] 北京市房地产市场在快速发展的同时，也出现了一些问题，比如商品房空置面积的居高不下，严重地困绕着北京房地产市场的发展。本文通过建立灰色关联分析模型，对影响北京地区商品房空置面积的各个因素进行了分析，并确定了各个因素的影响次序。 　　[关键词] 灰色关联分析 商品房 空置面积 　　 　　自从我国实行住房货币化政策之后，我国的房地产市场发展迅速，房地产业已成为国民经济的一个支柱产业，带动国民经济和地方经济的不断增长。但是在房地产市场发展势头良好的同时，也出现了一些问题，特别是商品房大量空置已成为房地产市场运行中最突出的问题之一。据统计，截止到2006年3月底，全国房屋空置面积是1.23亿平方米，同比增长了23.8%。其中，空置商品住宅6983万平方米，增长19.7%。在北京，2006年4月底的最后一个交易工作日，市建委公布了全市截至4月份的开发商真实销售状况。数据显示，北京期房项目中有10.9万套住宅未售，现房销售的项目中有17815套住宅未签约，共计约12.7万套住宅未售出，期房未售出面积达1541.39万平方米，现房未售出面积达289万平方米，约有65.69% 的房源未被售出。截至2007年末，北京市商品房空置面积为1136．2万平方米，同比增长9.3％。房地产空置量的高居不下, 严重地困扰着房地产业的发展, 使房地产企业经营效益下降, 资金周转困难, 不能形成良性循环，阻碍了房地产企业的再生产, 并且容易产生银行呆帐坏帐、社会资源大量浪费、房地产产品结构调整困难等不良后果。 　　如果希望改变商品房的空置状况，首先需要确定影响商品房空置的主要因素。本文筛选了若干个与商品房空置有直接影响的因素，建立了灰色关联分析模型并进行了计算，得到了各种因素对商品房空置的作用大小，并结合当前的宏观经济形式和房地产市场的运行状况，对这些因素的作用进行了分析，给出了一些合理性建议。 　　一、商品房空置的影响因素分析 　　商品房空置的影响因素很多，包括经济因素、社会因素、人口因素、环境因素、政策体制等多个方面，本文参考文献[1]~[5]中对各种影响因素的分析，同时考虑到指标可量化的程度，主要从宏观经济环境、房地产行业状况、市场需求三个方面选取了若干个指标进行分析。表1给出了选取的影响因素及其测度，表2给出了各个测度的具体量化值。 　　表1 影响因素及测度 　　表22000年～2007年北京地区各个测度的量化值 　　说明：表中除了2007年的数据来自于“北京市2007年国民经济和社会发展统计公报”外，其余数据均来自于《北京统计年鉴》和网上官方发布的数据。 　　二、灰色关联分析模型 　　灰色关联分析是灰色系统理论中的重要内容，灰色系统理论具有只需少量数据就可作系统分析、模型建立、未来预测、行为决策和过程控制的特点，解决了回归分析、主成分分析等系统分析方法的数据少，信息不确定而无法研究或难以研究的问题。目前该方法已经在工程控制、管理决策和社会经济等许多领域得到了广泛的应用，但在房地产领域的应用分析还刚刚起步。 　　灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统（或因素）之间的数值关系。因此，灰色关联度分析可以对一个系统的发展变化态势提供量化的度量，比较适合动态历程分析。 　　灰色关联分析的步骤是： 　　1.确定比较数列和参考数列 　　假设： 　　X0=｛X0(k)|k=1,2,…,n｝为参考数列(又称母数列)； 　　Xi=｛Xi(k)|k=1,2,…,n｝(i=1,2,…,m)为比较数列(又称子数列)； 　　根据表2中所提供的相应数据和上面的分析，本文以商品房空置面积为参考数列，记为X0，选择与商品房空置面积有关的因子作为比较数列Xi，具体为：商品房平均销售价格X1；北京地区生产总值X2；商品房竣工面积X3；房地产开发投资额X4；城镇居民家庭平均每人每年可支配收入X5；城镇人口总数X6；居民储蓄存款X7；城镇居民人均住宅使用面积X8。 　　2.求关联系数 　　灰色关联系数γ(X0(k)，Xi(k))体现了第i个子数列与母数列在第k时刻的关联情况，是第k时刻第i个子数列与母数列所对应的点的距离状态的反映。 　　3.求关联度 　　由计算得到m×n个灰色关联系数值，数值所体现的信息显然过于分散，不便于比较。必要用一个数值体现每一比较数列各个时刻的灰色关联系数情况，定义这个数值为灰色关联度，记为γ(X0，Xi)，简记为γi。 　　4.依关联度大小排序 　　得到每个子数列的灰色关联度后，即可对关联度从大