唐朝光南寧市房價影響因素的灰色關聯(lián)度分析

1、南寧市房價影響因素的灰色關聯(lián)度分析摘要：以南寧市2000-2013年商品房價格、地價、居民人均可支配收入、GDP、房地產(chǎn)投資、貸款利率等相關數(shù)據(jù)為基礎，通過灰色關聯(lián)度分析指出：當前，居民人均可支配收入與地價是與南寧市房價關聯(lián)度最高的兩大要素，而GDP、房地產(chǎn)投資、貸款利率與南寧市房價關聯(lián)度較弱，其影響依次遞減?？梢詮奶嵘用袷杖牒秃侠砼渲猛恋刭Y源等途徑緩解當?shù)鼐用褚蚍績r過高而承愛的壓力。關鍵詞：南寧市；房價，影響因素；灰色關聯(lián)度析Grey Relational DegreeAnalysis on Influencing Factors of Housing Pricein NanningCit

2、yTANG Chao-guang(Guangxi EconomicManagement Cadre Institute, Nanning, Guangxi, 530007)Abstract：Taking the commercial housing prices, land prices, per capita disposable income, GDP, real estate investment, loan interest rates and other relevant data of Nanning City from 2000 to 2013 as the basic data

3、 , By using the grey Relational degree analysis，the author point out: at present, per capita disposable income and land prices aretwo highestrelational degree elements with the NanningCity,s housing prices .while GDP, real estate investment, loan interest rate have relatively weak correlation with t

4、hehouse pricesof Nanning City, Their effect on housing prices progressive decrease. We can alleviate the local residents higherhousing pricespressure by improving the residents' income and allocating rationally land resources, etc.Keywords: Nanning City, Housing price, Influencing Factors;Grey r

5、elational degreeanalysis一、引言自2004年以來，我國房價逐年大幅上升，房價調(diào)控成為常態(tài)并為世人關注焦點 。住房問題既是經(jīng)濟問題，更是影響社會穩(wěn)定的重大民生問題。因此，研究房價變動的影響因素具有重要現(xiàn)實意義。國內(nèi)外學者通過大量研究指出，房地產(chǎn)價格波動的影響因素包括：1供求因素。具體體現(xiàn)為剛需、投資及投機行為、區(qū)位、房產(chǎn)品牌和住房供給結構等；2.成本因素。如地價、原材料、稅費；3.經(jīng)濟因素。主要有收入、人均儲蓄、房產(chǎn)的投資等；4.人口因素。涉及人口數(shù)量、年齡結構、家庭結構等方面；5.金融環(huán)境。貸款利率、貨幣匯率、經(jīng)濟發(fā)展水平、居民金融資產(chǎn)規(guī)模等決定居民的住房支付水平；6.

6、心理因素。供需雙方對住宅價格的預期、居民提前消費等會在房價上有所體現(xiàn)；7.租賃因素。租金、空置率會間接影響房價。8.宏觀調(diào)控。國家的住房政策、土地政策、稅收政策是房價變動的關鍵因素。1,-3但是，目前對房價的研究存在兩大共性：一是定性和非實證分析較多，對各種影響因素的影響機理，影響程度等,較少有定量的分析研究。二是對宏觀區(qū)域的研究較多，而對微觀層面的研究略顯不足。本文以灰色關聯(lián)分析為研究方法，以2000-2013年南寧市與商品房價格相關數(shù)據(jù)為基礎，對房地產(chǎn)價格的各種影響因素進行相關度比較分析，從而找出影響房價變動的主要因素，為有效調(diào)控房價提供指導。二、灰色關聯(lián)分析的應用及基本步驟1.灰色關聯(lián)分

7、析的應用在多因素相關性分析中，灰色關聯(lián)分析是根據(jù)各因素變化曲線幾何形狀的相似程度，來判斷因素之間關聯(lián)程度的方法。此方法通過對動態(tài)過程發(fā)展態(tài)勢的量化分析，完成對系統(tǒng)內(nèi)時間序列有關統(tǒng)計數(shù)據(jù)幾何關系的比較，求出參考數(shù)列與各比較數(shù)列之間的灰色關聯(lián)度。與參考數(shù)列關聯(lián)度越大的比較數(shù)列，其發(fā)展方向和速率與參考數(shù)列越接近，與參考數(shù)列的關系越緊密?；疑P聯(lián)度的應用在社會經(jīng)濟領域，如國民經(jīng)濟各部門投資收益、區(qū)域經(jīng)濟優(yōu)勢分析、產(chǎn)業(yè)結構調(diào)整等方面，都取得較好的應用效果。4灰色關聯(lián)分析方法彌補了采用數(shù)理統(tǒng)計作系統(tǒng)分析所導致的缺憾。它對樣本量的多少和樣本有無規(guī)律都同樣適用, 而且計算量小, 十分方便, 更不會出現(xiàn)量化結果

8、與定性分析結果不符的情況。2. 灰色關聯(lián)分析法的基本步驟灰色關聯(lián)分析法的具體分析步驟如下:（1）確定分析數(shù)列。這里，反映系統(tǒng)行為特征的數(shù)據(jù)序列，稱為參考數(shù)列，是為應變量。影響系統(tǒng)行為的因素組成的數(shù)據(jù)序列，稱比較數(shù)列，是為自變量。 設參考數(shù)列為，比較數(shù)列為，類似參考序列的表示方法，比較數(shù)列為可記為等。（2）變量的無量綱化處理。因系統(tǒng)中各因素列中的數(shù)據(jù)大多量綱不同，不便比較或直接比較難以得到正確的結論。因此，作灰色關聯(lián)度分析一般都要進行數(shù)據(jù)的無量綱化處理。（3）計算關聯(lián)系數(shù)。x0(k)與xi(k)的關聯(lián)系數(shù)計算公式：本文為廣西哲學社會科學規(guī)劃2013年度研究課題“廣西房地產(chǎn)市場與城市經(jīng)濟協(xié)調(diào)發(fā)展研

9、究”階段性成果。課題批準文號：13CJY003. 以上稱為分辨系數(shù)。一般的取值區(qū)間為(0,1),具體取值可視情況而定。當0.5463時，分辨力最好，通常取 = 0.5。 計算關聯(lián)度。 因為關聯(lián)系數(shù)是比較數(shù)列與參考數(shù)列在各個時刻（即曲線中的各點）的關聯(lián)程度值，所以它是一個數(shù)列，而信息過于分散不便于進行整體性比較。因此有必要將各個時刻（即曲線中的各點）的關聯(lián)系數(shù)集中為一個值，關聯(lián)度ri公式： 。即求以上各數(shù)列平均值，作為比較數(shù)列與各參考數(shù)列間關聯(lián)程度的數(shù)量表示。進行關聯(lián)度排序。 關聯(lián)度按大小排序，例如，如果r1 < r2，則參考數(shù)列y與比較數(shù)列x2更相似。 在算出)序列與序列的關聯(lián)系數(shù)后，計

10、算各類關聯(lián)系數(shù)的平均值，平均值ri就稱為與的關聯(lián)度。5 三、南寧市商品房價格影響因素的灰色關聯(lián)分析1.分析指標的的選取與數(shù)據(jù)來源本文考察期為2000-2013年，選取的要素指標以南寧市為基礎，共有六個：1.（商品房成交均價/元）；2.（商品房地價/元）；3.（GDP收入/億元）；4.（城鎮(zhèn)居民人均可支配收入/元）；5.（房地產(chǎn)開發(fā)投資/億元）；6.（五年以上銀行貸款利率%）。各指標具體情況如下表：年度N20002105865294.30744838916.2120012229917304.90790655586.2120022375986356.00879623885.762003245810

11、55501.75916239485.76200427671153588.86806066045.85200527411153722.669203105116.12200629961153861.9410193139076.552007340412451062.9911877187467.422008410313931316.2114446199306.892009500215111492.3816254226735.942010632017231800.4318032317506.142011628418412211.5120005377167.052012681518402503.55225

12、61362736.552013792619572803.5424817416376.55表1 2000-2013南寧市房價及房價影響因素的年度數(shù)據(jù)統(tǒng)計表數(shù)據(jù)來源：上表2000-2013年房價數(shù)據(jù)來源于歷年南寧統(tǒng)計年鑒、廣西新聞網(wǎng)等。地價數(shù)據(jù)查詢中國土地勘測規(guī)劃網(wǎng)的中國城市地價動態(tài)監(jiān)測系統(tǒng)得來。城鎮(zhèn)居民人均可支配收入、房地產(chǎn)開發(fā)投資數(shù)據(jù)來源于歷年南寧市統(tǒng)計局南寧市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報。五貸款利率為中國人民銀行同期利率，少部分年份年內(nèi)有利率調(diào)整的，作了平均化處理，因此并不完全與銀行實際利率一致。2.數(shù)據(jù)灰色關聯(lián)分析（1）確定分析數(shù)列。根據(jù)表(1)，設參考數(shù)列為：（2） 對上述變量進行無量綱初

13、值化處理。目前常見的無量綱化處理方法有初值化、均值化、中值化、公值化和區(qū)間相對值化法等，最常用的為初值化和均值化法。初值化處理即把序列第一個數(shù)據(jù)除以該序列所有數(shù)據(jù),得到一個新數(shù)列。以上數(shù)據(jù)經(jīng)初值化處理（保留3位小數(shù)），得到如下簡化數(shù)據(jù)組：(1，0.944，0.863，0.856，0.266); =（1，0.943，0.877，0.442）; = (1，0.965，0.827，0.105)=（1，0.942，0.847，0.300）; =（1，0.700，1.629，,0.093）;=（1，1，1.078，0.948）（3）計算關聯(lián)系數(shù)：可分三步計算與的關聯(lián)系數(shù)。求差序列。各個時刻與的絕對差如下

14、表：序號123456789101112131400.0010.0140.0360.0110.0180.0470.0770.1080.1510.1690.1350.1610.17600.0210.0360.2690.2610.3610.3620.3410.2890.2240.1700.2020.1910.16100.0020.0160.0430.1630.0410.0280.0090.0030.0640.0800.0370.0210.03400.2440.7660.130.1720.3980.4230.410.3180.2500.2100.2320.2020.17300.0560.2150.22

15、20.3010.2470.2450.2190.3880.6240.6780.5450.6390.682表2 不同時序與的絕對差統(tǒng)計表求兩級最小差與最大差。由上表可求出，令，把K=1，2，314分別代入（4）式，可得到關聯(lián)系數(shù)在各個時刻的值的集合：同理可求得:;以上關聯(lián)系數(shù)數(shù)據(jù)多，信息過于分散，不便于比較，可將各個時刻關聯(lián)系數(shù)集中為一個值，根據(jù)公式（3）作平均值得：, 四結論1.一定時期，一定區(qū)域的房價影響因素是復雜多樣的，這些因素有些可以定量分析，但大多會因為資料的缺失或不可測量性只能進行定性分析。房價是多種因素綜合作用的結果。2.由于不同地區(qū)，不同時期的經(jīng)濟發(fā)展狀況不同，各地房價影響因素對房

16、價的影響程度排序可能是不同的。對南寧市房價而言，居民人均可支配收入、商品房地價與房價的關聯(lián)度分別為0.916和0.848，說明其與房價上漲的關聯(lián)性極強。也就是說，十幾年來，南寧市人均可支配收入的增長，增強了人們住房購買的支付能力。而長期以來，招拍掛的國有土地使用權有償出讓方式造成土地取得成本激增，客觀上導致房地產(chǎn)開發(fā)成本增加，進而推高了房價。以上兩個因素可以較大程度地解釋南寧市房價升高的原因。此外，GDP、房地產(chǎn)開發(fā)投資、貸款利率與南寧市房價關聯(lián)度較弱，其影響依次遞減。3. 基于經(jīng)濟的發(fā)展,未來南寧房商品房價格上升是大勢所趨,政府調(diào)控措施可以抑制房價上升幅度,但上漲趨勢不可避免。因此應加大政府以行政手段為主的調(diào)控力度,如適度增加土地供應量，緩解土供需矛盾，增加經(jīng)濟適用房的供應、提供政府廉租房、抑制商品房投機行為、提高房價透明度，防止房地產(chǎn)商的暴利等。當然，抓住南寧建設區(qū)域性國際金融中心的機遇，努力提升居民收入水平也是解決居民居住問題的重要途徑。參考文獻：1黃厚霞 侯