《聚类分析的房地产市场区域规划-精品文档.docx》由会员分享，可在线阅读，更多相关《聚类分析的房地产市场区域规划-精品文档.docx（10页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、聚类分析的房地产市场区域规划1指标选取及讲明1.1指标选取某个特定区域房地产市场价格影响因素较多，涉及到社会、经济、政策、法律制度等多方面。但从经济学角度分析，影响区域房地产市场价格最主要的因素能够概括为区域房地产市场供应和需求水平。因而，本文根据（安徽省2012年统计年鉴）和2011年安徽省各城市国民经济和社会发展统计公报数据，选取2011年安徽省16个地级市24个与房地产市场相关数据，分别是：房地产开发企业情况、房地产开发投资总额、房地产开发企业个数、房地产开发建设房屋建筑面积、商品房销售面积、商品房销售额、商品房平均销售价格、住宅销售平均价格、施工房屋面积、完工房屋面积、本年新开工面积、
2、本年完成开发土地面积、地区GDP、人均GDP、城镇居民人均住房建筑面积、家庭年总收入水平、城镇居民人均可支配收入、家庭消费总支出、人均消费性支出、CPI指数、平均工资水平、城镇居民家庭恩格尔系数、城镇化水平、年末城镇总人口数。在上述24个指标中，根据房地产市场价格由供应和需求决定加以挑选，经过挑选后，留下13个用于系统聚类分析的指标，详细包括：人均GDP、商品房平均销售价格、城镇居民人均住房建筑面积、城镇居民家庭可支配收入、人均消费性支出、CPI指数、平均工资水平、城镇居民家庭恩格尔系数、城镇化水平、商品房销售面积、房地产开发投资总额、住宅投资和商品住宅销售面积。1.2选取指标的讲明X1人均G
3、DP元/人：反映了一个地区经济发展水平、经济实力和社会富有程度。GDP经常被看成显示一个国家或地区经济状况的一个重要指标，较高的人均GDP反映出一个国家或地区具有较高的经济发展水安然平静经济实力，也往往是人口比拟聚集的地区，对于住房的需求也比拟大。同时，房地产业、房地产市场和地区国民经济有很强的相关性，人均GDP也是房地产业和房地产市场发展状况的反响。因而，人均GDP是影响地区房价水平的一个重要因素。X2商品房平均销售价格元/m2：是对房地产市场进行归类的最重要指标，本文主要是根据不同城市商品房价格平均价格水平的差异程度进行聚类，找出同类内部的共同之处，不同类之间的差异。因而商品房价格水平是分
4、类的一个重要指标。本文中商品房价格水平指标采用的是各个城市商品房平均价格水平。X3城镇居民人均住房建筑面积m2/人：是城镇居民家庭已经投入使用的寓居总面积除以常住居民总人数，反映了家庭常住居民对消费性住房产品的需求量大小，直接影响到城市住宅房地产市场的需求。X4城镇居民人均可支配收入(元/人)：能够反映一个地区城镇居民的购买力和对区域房地产市场价格承受能力，也反映出居民消费房地产商品的购买能力。人们都能接受这样的概念：收入水平高的城市，房地产市场活跃度较高。因而，选择城镇居民家庭可支配收入作为分析的变量非常有必要。X5人均消费性支出(元/人)：反映了一个地区的生活成本，人们首先必须生存，知足基
5、本的生活需要才可能考虑购买住房和投资需求，因而人均消费支出对于影响房地产市场的需求也是一个重要的因素。X6CPI指数%：反映居民家庭购买的消费品及服务价格水平的变动情况。CPI指数反映一个地区的价格变化情况，当然其中也包含房地产市场价格变化，所以在进行房地产市场分类时需要考虑CPI指数。X7平均工资水平(元/人)：反映了一个地区的劳动报酬率大小，能够与房地产价格水平相比拟，用以反映房地产价格和收入的偏离程度，能够影响区域房地产市场需求。X8城镇居民家庭恩格尔系数%：是居民家庭食品消费支出占家庭消费总支出的比重，能够反映出居民家庭消费构造，恩格尔系数高低可以以体现出居民家庭对房地产商品需求大小，
6、所以划分房地产市场需要考虑到恩格尔系数。X9城镇化水平%：反映的是人口向城镇聚集的经过和聚集程度，用城镇人口占全部人口的百分比表示，是区域经济社会发展进步的主要反映和重要标志，间接反映了城镇人口增加对房地产商品的需求量大小，也会影响房地产市场的供应和需求。X10商品房销售面积m2：包括住宅、办公楼、营业用房和其他房屋的销售面积。X11房地产开发投资总额亿元：反映区域房地产投资水安然平静供应能力，直接决定了区域房地产市场供应。X12住宅投资亿元：反映区域房地产市场当年住宅投资的水安然平静供应量，直接决定了住宅房地产供应水平。X13商品住宅销售面积万m2：当年销售的房屋中所销售的商品住宅面积。将上
7、述挑选后确定的13个指标归类如表1。2数据来源本文所用数据主要是根据（安徽省2012年统计年鉴）及2011年安徽省各城市国民经济和社会发展统计公报上公布数据，经过作者适当计算得到。指标选取时参考了于洪芹、陈伟、彭向、郑大川、徐琍、王宁等学者使用的房地产市场分类分析指标体系。3系统聚类分析及结果3.1系统聚类分析原理系统聚类分析也称为分层聚类法HierarchicalCluster，是聚类分析中应用最广泛的一种方法。其基本原理是：开场将样品或变量各视为一类，根据类与类之间的距离或类似程度将最相近的类加以合并，再计算新类与其他类之间的类似程度，并选择最类似的类加以合并，这样每合并一次就减少一类，不
8、断继续这一经过，直到所有样品或变量合并为一类为止。系统聚类分析的前提条件是没有事先设定样品或变量的分类标准，而它的关键在于计算样品或变量之间的“亲疏程度，也就是样品或变量之间的差异程度，这能够通过计算距离来实现。假设共有n个样品或变量，第一步将每个样品或变量单独聚成一类，共有n类，第二步根据所确定的样品或变量“距离公式，把距离较近的两个样品或变量聚合为一类，其他的样品或变量仍各自聚为一类，共聚成n1类，第三步将“距离近期的两个类进一步聚成一类。为了直观地反映上述的系统聚类经过，能够把整个分类系统绘成一张谱系图来体现。本文中聚类分析距离的计算采用的是平方欧式距离SquaredEuclideanD
9、istance计算个体之间的距离，用组间平均链锁Betweengroupslinkages距离来计算个体与小类及小类之间的距离。平方欧式距离是两个个体x,y之间所有指标变量之差的平方和，数学定义为：其中，xi代表个体x第i个变量的值；yi代表个体y第i个变量的值；k代表所有的变量数目。组间平均链锁距离是指该个体与小类中各个个体距离的平均值，数学定义为：其中，是小类外的个体；Y代表小类，其中包含k个个体；Yi代表小类中第i个个体。3.2系统聚类分析结果运用SPSS19.0统计分析软件中的系统聚类分析对安徽省16个地级市的房地产市场价格分类进行聚类分析，得到系统聚类分析树状图图1、聚类解表2。由图
10、1和表2能够分析出，3类、4类、5类群集解间距较大，结合安徽省16个地级市房地产市场实际情况，笔者以为安徽省16个地市房地产市场合理的区域聚类解取6群集解较为合理，进而得到区域分类结果表3。4结果分析由表5，结合安徽省16个地级市房地产业及房地产市场发展的实际情况加以分析，可得到下面结论：4.1A类地区包括合肥市和芜湖市。合肥市和芜湖市作为安徽省经济发展的核心增长极，是皖江城市带承接产业转移示范区的“双核，是承接长三角地区产业转移的主要地区，在综合经济实力、市场优势、投资规模等方面都占有绝对优势，同时作为安徽省推进城镇化的重点区域，一直以来在省内其房地产业和房地产市场发展较为发达，地区房地产市
11、场价格水平也高于其他地区。其中，省会城市合肥市是皖江城市带承接产业转移示范区、合芜蚌自主创新综合试验区、合肥经济圈的中心城市，加之近年来合肥市积极融入长三角经济圈，上述一系列有利外部环境均为合肥市房地产业加快发展、房地产市场进一步繁荣博得了得天独厚的机遇。被誉为“长江十大港口之一的芜湖市，是皖江城市带上的核心城市，同时又是皖南区域经济贸易中心，一直以来综合经济实力较强，在对外开放程度、产业效益、城市规模等方面优势明显，该市房地产市场繁荣程度一直在省内处于较高水平，加之近年来随着芜湖市作为安徽省重点旅游、商贸城市的进一步开发、开放，该市房地产市场需求量较大，进一步刺激了该市房地产市场的发展。4.
12、2B类地区铜陵市。该市属于安徽省重要的资源型城市，区域集聚和辐射能力较强，人口密度较大，加之优越的沿江地理位置，积极吸引各种经济要素在空间上流动，为该地区房地产业的发展创造了优越条件，促进了该市房地产市场的繁荣，使得该地区房地产市场价格水平一直比拟高。4.3C类地区。包括沿江的马鞍山、安庆市、池州市，淮河以北的的淮南市、蚌埠市、淮北市和皖南的黄山市和宣城市。该地区在空间布局上自南到北分布贯穿了整个安徽省，房地产市场发展水平相对来讲处于同一层次。其中，马鞍山、安庆市、池州市、黄山市、宣城市是皖江城市带承接产业转移示范区重要的组成部分，加之2011年由黄山市、池州市、宣城市及安庆市的部分地区组成的
13、皖南国际旅游文化示范区正式设立，为该类地区房地产业和房地产市场的发展带来了机遇。自2010年以来，随着皖江城市带承接产业转移示范区建设的推进、皖南国际旅游文化示范区建设获得积极成效，促进了上述地区房地产产业规模不断扩大、房地产市场主体逐步壮大、房地产项目建设不断加快、房地产市场发展环境不断优化的良好现状，房地产市场价格水平总体而言稳中有升。另外，淮北市、淮南市和蚌埠市是安徽省“两淮一蚌城市经济群的重要组成部分，近年来随着该区域基础设施建设不断加快，产业布局不断优化、产业集聚大力推进及城镇化步伐不断加快，该地区房地产业发展态势良好，房地产市场价格表现出“小步上扬趋势。4.4D类地区滁州市。该地区
14、地处安徽省最东部，紧邻长三角，属于南京一小时都市圈城市群，是安徽东向发展的“最前沿区域，地理位置极其优越。近年来，该市优越的地理位置有力地促进了房地产业发展，房地产开发投资逐年增加，有力推动了该地区房地产市场整体发展速度和水平，房地产市场呈现“产销两旺的局面。另外，滁州市自2008年以来启动了“大滁城建设，城镇化水平不断加快，大批农村人口将涌入城市，加之近年来的“返乡置业潮都直接增加了房地产市场的需求，为该市房地产业带来宏大市场潜力，房地产市场价格水平在全省处于中上档次水平。4.5E类地区包括阜阳市、亳州市和六安市。该类地区城镇化水平较低，区域经济综合实力相对较弱较弱,主要是由于在全省的地理位
15、置上不占优势，导致该区域房地产业发展速度较慢，房地产市场生产要素缺乏,房地产投资能力有限，市场需求较为冷淡,加之金融业支撑缺乏,直接影响了该地区房地产市场投资、开发与供应,导致房地产投资额少、供应少、需求缺乏，造成整个房地产市场投资自信心缺乏、发展相对落后，房地产市场价格水平整体表现较低。4.6F类地区宿州市。该地区在地理位置上位于安徽省最北部，本地区经济实力较弱，人均生产总值和基础设施水平均比拟低，加之一直以来缺乏房地产市场生产要素，供应少、需求缺乏，房地产业发展缺乏提升的动力，进而直接影响了房地产业吸引资源集聚的能力和房地产市场发展的水平，导致房地产市场价格水平在安徽省处于最低档次。5结论
16、本文采用多元统计分析中的系统聚类分析方法，对安徽省16个地级市房地产市场进行区域划分归类，共划分为6个地区。划分的结果与安徽省各个市房地产市场发展的实际情况基本相吻合。根据该分析结果，能够针对不同地区房地产业和房地产市场发展的现状，在分析该地区房地产市场发展的优势、劣势、机遇、挑战SWOT的基础之上，深化分析影响房地产市场价格水平的综合因素、家庭因素、企业因素，并据此结合各地区社会经济发展战略及目的，采取促进各区域房地产业及房地产市场发展的有效措施与对策，进而为各地区房地产业的宏观调控、促进房地产市场可持续发展提供根据。但本文采用系统聚类分析方法对区域房地产市场进行分类也有缺乏之处，表如今只能对单个时点的若干指标或单个指标的时间序列进行分析，具有一定的片面性，关于多个指标的时间序列进行分析仍然需要进一步加以研究。另外，今后随着我国房地产经济的发展和指标体系的进一步完善和健全，今后还能够结合判别分析、主成分分析等多元统计方法对房地产市场区划进行更深化的研究和探索。