基于灰色关联度房价影响因素修正分析.docVIP

基于灰色关联度房价影响因素修正分析 　　摘 要：从房地产行业和经济人口角度总结以往房价影响因素指标中存在的信息冗杂、代表性不强的问题，对以往的房地产行业和经济人口影响因素指标进行了修正和补充，以11个新一线城市的房价为例，建立新的指标体系，用灰色关联分析法分析了影响房价的因素及其与房价的关联程度。结果表明：影响房价的因素影响程度由大到小依次为城镇人均可支配收入、人均GDP、城镇新增就业人口、住宅开发投资额、住宅销售面积、住宅待售面积、住宅新开工面积、住宅竣工面积、住宅施工面积、居民消费价格指数；经济人口的需求因素对房价的关联度大于房地产行业的供应因素；人口因素对房价的关联程度低于区域经济因素。 　　关键词：房价；影响因素；灰色关联度；新一线城市 　　中图分类号：F224.0 文献标志码：A 文章编号：1671-6248（2015）04-0059-05 　　近年来，中国房价出现增长速度高于其他消费品的趋势，其持续走高已经成为影响国民生活质量的重要因素，作为经济发展中的一部，房价对政府行为、百姓生活等有着重要影响[1]。国务院和各级政府也不断出台各种政策调控房价，主要方式为限制非刚需和扩大供给。国内已有大量学者从供给和需求的角度研究影响因素与房价之间的关系，公认的影响房价因素主要包括经济因素、人口因素、社会因素、环境因素和政治与行政因素等。但是诸多研究中均存在选取因素指标的代表性不强的问题，一方面体现在所选房地产方面指标包含信息冗杂，如郭斌等[2]、刘闯等[3]和潘璐[4]选取了商品房的投资额、销售面积等作为影响房价的指标，而在现实中，商品房按用途分为住宅、办公楼、商业营业用房和其他方面的房屋，而住宅只是所有商品房中的一部分；另一方面表现为人口因素指标忽视了对实际需求住宅人群的甄选，如姚翠友[5]、宋川[6]和蒋烨[7]等选取了城镇总人口数、非农家庭总户数等因素，而这部分人中有相当数量的人口对住宅并没有刚需、投资或者投机等方面的需求，并不能准确代表对房价有实际影响的人群。张传勇等[8]认为高校扩招在短期集中释放大量毕业生产生刚性住房需求会引起房价上涨，徐建炜等[9]和陈国进等[10]论证了中国的人口结构同房价有密切的联系，因此在人口因素的选取中应选择对住房有直接需求的部分人群。本文从房地产行业的供应和经济人口需求角度对影响房价的因素指标进行修正和补充，选取在近年各项指标变化关联性显著的新一线城市为研究对象，以期建立更加科学合理评价体系，探究对房价有更加直接影响和更有代表性的因素。 　　一、模型的建立和指标的选取 　　（一）灰色关联度模型建立 　　与其他国家相比，中国的房地产市场形成相对较晚，所需要的数据时间序列较短，运用灰色关联分析避开了回归分析等方法对原始数据样本量要求较高的限制，做到了在一定的参考系下相关因素之间关联程度的整体比较，可以从整体上分析关联和接近程度，使得分析结果更为成熟和可靠[11]。 　　灰色关联度分析是一种用灰色关联度顺序来描述因素间关系的强弱、大小、次序等的方法，其基本思想是：以因素的数据列为依据，用数学的方法研究因素间的几何对应关系[12]。具体来说，是通过因素间时间序列的比较来确定哪些因素是对参考数列影响较大的动态研究过程，如果两个因素变化的态势是一致或相似，则可以判定两因素间存在较大关联度；反之，则关联度较小。“灰色”主要针对信息不完全的数据分析，本文中的 “灰色”主要表现为：灰色关联度模型允许独立考察某方面的信息，本文重在研究房地产业的供给和经济人口的需求因素对房价的影响，而没有考虑心理因素、租赁因素以及宏观调控等其他因素。主要计算过程如下： 　　（二）指标的选取 　　本文从筛选更加切合住宅因素的数据，以及甄选短期对住宅价格有刺激行为的群体角度出发，选取了房地产行业的供应和经济人口的需求方面对房价有影响的十个因素指标。房地产行业因素主要选取住宅开发过程不同阶段的指标，包括住宅开发投资额X1，住宅施工面积X2，住宅新开工面积X3，住宅竣工面积X4，住宅待售面积X5，住宅销售面积X6，经济人口因素主要包括人均GDPX7，城镇人均可支配收入X8，居民价格消费指数X9，城镇新增就业人口X10。 　　（三）数据来源 　　本文中住宅平均销售价格（X0）、住宅开发投资额（X1）、住宅施工面积（X2）、住宅新开工面积（X3）、住宅竣工面积（X4）、住宅待售面积（X5）、住宅销售面积（X6）中数据来源于历年《中国房地产统计年鉴》；人均GDP（X7）、城镇人均可支配收入（X8）和居民消费价格指数（X9）来源于各市《统计年鉴》；城镇新增就业人口（X10）来源于历年各市国民经济和社会发展统计公报。由于部分新一线城市的部分数据无法获得较为准确的值，因此选取了数据较为齐全和精确的11个新一线城市作为分