宋佳润
(山东科技大学,山东青岛271019)
［摘要］合理的房地产价格是保持社会和谐和保障民生的关键。影响房地产价格的因素也是众说纷纭,本文贴近实际,从消费者角度出发,通过实际调查得出消费者在选房时所考虑的16种因素。在这16种因素中本文通过灰色关联度分析和因子分析的方法得出真正影响房地产价格的四种因素：交通情况、商业情况、教育情况和医疗情况。
［教育期刊网 http://www.jyqkw.com
关键词 ］房地产价格；影响因素；数据分析
［DOI］10?13939/j?cnki?zgsc?2015?09?124
消费者在购房时往往瞻前顾后,考虑过多,正是这样才给了房地产商投机的缝隙。本文通过调查得知消费者购房时主要考虑的因素主要有十六种：规划户数、交通情况、商业情况、教育设施情况、医疗情况、物业费、产权年限、容积率、外观设计、区域位置、最低首付、月供、住宅安全、物业态度和绿化率。这是十六种因素中,真正能够影响房价的因素并不多,房地产往往会抓住非主要因素,大肆宣传哄抬房价,最终受害的还是消费者,本文对上述数据进行合理分析找出影响房价的主要影响因素。
首先,本文用灰色关联度分析法对这十六个因素与楼盘价格之间作关联度分析。
所谓灰色关联度分析法,就是对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。在系统发展过程中,若两个因素变化的趋势具有一致性,即二者关联程度较高；反之,则关联度较低。因此,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来衡量因素间关联程度的一种方法。
本文在做灰色关联度分析之前首先进行数据处理：对于楼房周围商业情况,本文以楼房一公里范围内的超市、银行和餐厅这三种公共场所数量来衡量,一天中出入银行、餐厅、超市的人流大致相等,因而本文将三者数量加和,以此衡量商业情况；对于楼房周围的教育情况,由于能够影响消费者购房选择的主要是幼儿园、小学和中学,本文以楼房周围各类学校数量乘以其教育年限后加和,以此衡量该楼房周围的教育情况；对于医疗情况,本文以三公里内医院的个数为衡量标准；外观设计以所统计楼盘的客户满意度为衡量标准；交通情况以一公里内公交站点的个数为衡量标准；楼房的区域位置本是分类变量,本文为进行数据分析对其进行量化处理,李沧区为1,城阳区为2,黄岛为3,莱西为4,平度为5,崂山区为6,市北区为7,胶南为8,胶州为9；住宅安全、物业态度、物业费及绿化率均以所统计楼盘的实地调查情况为衡量标准。在确定所有衡量标准后,本文对所有因素评价指标数据进行无量纲化处理。避免了系统中各因素的物理意义不同,导致数据的量纲也不相同,不便于比较,或在比较时难以得到正确的结论的问题。
所谓关联程度,实质上是曲线间几何形状的差别程度。因此曲线间差值大小,可作为关联程度的衡量尺度。
ρ为分辨系数,一般在0~1之间,通常取0?5。σmin是第二级最小差,σmax是第二级最大差。σoi(k)为各比较数列xi曲线上的每一个点与参考数列x0曲线上的每一个点的绝对差值。
因为关联系数是比较数列与参考数列在各个时刻(即曲线中的各点)的关联程度值,所以它的数不止一个,而信息过于分散不便于进行整体性比较。因此有必要将各个时刻(即曲线中的各点)的关联系数集中为一个值,即求其平均值,作为比较数列与参考数列间关联程度的数量表示,关联度ri公式如下：
ri是比较数列xi对参考数列x0的灰色关联度,ri值越接近1,说明相关性越好。
本文以楼房售价为参考数列x0,以规划户数、交通情况、商业情况、教育设施情况、医疗情况、物业费、产权年限、容积率、外观设计、区域位置、最低首付、月供、住宅安全、物业态度和绿化率这十六种影响楼盘价格的因素为比较数列ri进行灰色关联分析,按照上述算法将其通过Matlab软件编程实现,得出各影响因素相对于楼房售价的灰色关联度：
规划户数、产权年限、区域位置这三种因素与楼房售价的关联度很小,本文在分析楼房售价的主要影响因素时可以将其忽略。另外,最低首付和月供两种因素与楼房价格的关联度接近于1,关联度很高,经过进一步查阅资料,了解房地产运行机制得出,月供和最低首付是受楼房售价影响的,即楼房售价决定最低首付和月供,因而这两种因素不能作为影响楼房售价的因素,本文在此将其剔除。
在经过灰色关联度分析之后,为了进一步得出影响楼房售价的主要影响因素,本文对剩下的十一种因素运用因子分析法找出影响楼房售价的主要成分,在主要成分中找到因子载荷比较高的因素即为影响房地产价格的主要因素。
因子分析是指研究从变量群中提取共性因子的统计技术。设有p个原始变量,它们可能相关也可能独立,将xi标准化得到新变量zi,则可以建立因子分析模型如下：
zi=ai1F1+ai2F2+…+aimFm+Ui(i=1,2,…,p)
其中Fj(j=1,2,…,m)出现在每个变量的表达式中,称为公共因子,Ui(i=1,2,…,p)仅与变量Zi有关,称为特殊因子,系数aij(i=1,2,…,p,j=1,2,…,m)称为因子载荷,A=(aij)称为载荷矩阵。
通常在最初因素抽取后,对有些因素无法作有效的解释。适当的因子旋转,可以使变换后新的因子具有可解释性。本文采用方差最大的正交转换方法将各因子旋转到某个位置使其变量在因子轴上的投影向最大、最小两极分化,即每个主成分中的高载荷因子只这种在几种因素上,从而得出主要的影响因素。
本文继续对剩下的十一种影响因素数据进行因子分析,得出三个主要影响楼房售价的主成分。
我们可以看出这三个主成分可以解释楼房售价变化的63%,符合我们的寻求标准,在这三个主成分中各因素经过因子旋转后的因子载荷分布。
我们可以看出在这三个主成分中,交通、商业、教育、医疗四种因素的因子载荷很高,所以影响房价的主要因素为交通情况、商业环境、教育设施、医疗条件。
房地产投机行为的盛行已严重影响到中国经济的健康发展,那么消费者如何提高自己选房的能力,选中满意程度最高的房子日益成为人们关注的焦点。一般情况下,购买者在选房时,他们大约会考虑到大约16种因素,但是在本文进行数据分析以后主要影响房价的因素只有4种,即：交通情况、商业情况、教育情况、医疗情况,除这4种因素之外,其余只需稍加考虑即可。
教育期刊网 http://www.jyqkw.com
参考文献：
［1］柳冬,王雯珺,谢海滨,等?我国房地产价格影响要素分析与趋势预测［J］?管理评论,2010(5)?
［2］余华义?经济基本面还是房地产政策在影响中国的房价［J］?财贸经济,2010(3)?
［3］赵昕东?中国房地产价格波动与宏观经济——基于SVAR模型的研究［J］?经济评论,2010(1)?
［4］吴江,韩鑫韬?房地产价格与货币供应量的波动溢出效应［J］?财贸研究,2009(5)?
［5］孔行,刘治国,李国平,等?我国房地产市场的价格波动与宏观调控效应分析［J］?西安交通大学学报(社会科学版),2009(5)?
［6］陈石清,黄蔚?中国房地产价格与城市化水平实证分析［J］?财经理论与实践,2007(2)?
［7］宋勃,高波?房价与地价关系的因果检验:1998—2006［J］?当代经济科学,2007(1)?
［作者简介］宋佳润(1995—）,男,山东临沂人,在校本科生。研究方向：过程装备与控制工程。