1、对福州市商品房价格的影响因素的应用分析【摘要】商品房价格一直是社会关注的焦点问题。影响商品房价格的因素很多，既有宏观因素，也有微观因素。文章在商品房价格影响因素分析的基础上， 通过灰色关联分析模型和灰色 GM（1，1）预测模型，建立了福州市商品房价格的分析模型和预测模型，并对福州市未来商品房价格进行模拟预测，得出预测区间 13618.87，14136.77 元/m2。 【关键词】商品房 价格 影响因素 关联分析 灰色预测 随着海峡西岸经济区建设的深入推进，福建省省委省政府作出打好重点项目建设、新增长区域发展、城市建设、小城镇改革发展、民生工程等“五大战役” 。作为海峡西岸经济区重要中心城市，福
2、州市政府积极响应号召，大力推动重点项目建设，大福州战略得以迅速拉开帷幕，福州城市发展战略规划的蓝图将能够更快实施，随着三环、绕城高速等项目的完工并迅速投入运营。福州不仅仅是交通半径的简单扩大，在不久的将来，城市的内涵和外延将全面扩容。 因此，房地产作为新的经济增长点之一，商品房市场得到了持续高速的发展，供给量与需求量呈现快速增长的局面。然而，经过多年的历史积累，商品房市场也存在不少问题。近年来，我国城市房价，尤其是大城市房价持续走高，购房和居住成本不断提升，房价问题成为社会各界持续关注的焦点。 灰色关联分析模型和灰色 GM（1，1）预测模型是目前国际上应用最为广泛的分析定量技术之一，本文将采用
3、这几张模型对福州市房价的影响因素进行分析，并对未来的房价价格进行模拟预测。 一、国内外研究现状 商品住房是人们生活的必需品，随着住宅房商品化的发展，商品房价格也越来越受到人们的重视，商品房价格的影响因素分析一直是学者们研究的热门领域，研究并分析其影响因素，从而找出适合中国房地产发展的可持续发展道路。 国内外有关房价变化的影响因素分析的方法大体分为两类，一类为定性分析方法，如判断分析法，评估法等；另一类是定量分析方法，如时间序列分析法，回归分析法、状态转移法、经济计量模型分析法和灰色分析模型等。此外还有多元回归、ARMA 模型、ARIMA 模型、灰色序列分析、BP 网络分析、模糊神经网络、马尔科
4、夫分析等方法。 （一）国外研究现状 Nellis 和 Longbottom（2005）通过分析英国的数据试图解释英国商品住宅价格的决定因素。作者将住宅的需求定义为人口数量、社区中抵押贷款的资产存量、平均的商品住宅价格、个人收入、消费品价格和抵押贷款利率的真实函数， 将供给定义为住宅价格和住宅存量的函数。根据供给和需求相等的原理， 得到一个关于平均商品住宅价格的简化公式，从而推导出商品住宅的价格。计量经济学的结论显示：收入是影响住宅价格的最重要因素，其次是抵押贷款利率和社区中抵押贷款的资产存量。MinHwang 和 JohnM.Quigley 利用美国 74 个大城市 1997-2009 年的数
5、据，建立了一个需求和供给模型。需求作为住宅价格、收入和人口特性的函数，住宅供给作为利润率和地方政府限制建筑的规定的函数。得出结论：过去住宅较高的空置率会使房价下跌，当去年房屋的空置率较高时， 房主会预测今年房价会下跌。从总的来说，住宅租金和住宅价格是具有一定相关性的。 （二）国内研究现状 罗玉波（2011）利用分位数回归方法研究了各种房屋属性对于其售价的影响，结果表明不同属性对于房屋售价的影响随着所考察的分位数不同而变化，得到不同属性对于房屋销售价格影响更全面的描述。童长锜、杨和礼（2010）从理论上分析了房地产价格的影响因素， 认为各因素是通过改变房地产的供求关系，进而影响房地产价格的。并且
6、基于灰色系统理论对房地产价格的各因素和房地产价格进行关联度分析。梁云芳、高铁梅（2007）使用多变量时间序列方差分量分析模型（MultivarateTime Series Variance Component Model 模型）通过对不同地区不同用途商品房价格变动的比较，认为我国目前房地产市场中商业用房和办公用房的价格波动比较稳定，而市场的不稳定主要是由于住宅价格的波动引起的。同时对影响住宅价格的需求、供给以及资本的可获得性等因素进行了分析，得出结论：在各类供给因素中，土地交易价格的变动，对住宅价格的变动有较大的同向影响。楼江和李静（2010）提出近年来房地产价格过快上涨原因有城市化、城市改造
7、、心理预期、拥有型消费观和成本因素。杨建荣和孙斌艺（2004）利用博弈论方法对政府、开发商和消费者进行分析，认为预期不准导致房价不均衡， 提出政策因素决定房地产业的基本走向。余华义（2010） 利用面板数据，发现房价和基本面缺乏稳定的对应关系，而与房地产政策有密切联系，认为 2002 年的房地产宏观调控以及其他干预政策是导致房价持续上升的原因。陈志勇和陈莉莉（2009）分析了 2008 年以来地方政府在楼市危机中的托市行为，认为背后的根源就是土地财政， 并分析了这种情况继续下去可能导致的严重后果。 二、研究思路与原理 本文首先介绍文章的主要研究内容和思路；其次介绍实证分析的方法，即灰色关联分析
8、模型和 GM（1，1）预测模型的基本原理及思路；再次利用关联分析方法对商品房的价格影响因素进行分析，之后再进行预测分析，出预测精度相当高的预测模型。结合预测模型对销售均价进行预测分析；并得出结论和建议。研究具体路线见图 1： 图 1 具体路线 三、方法与原理 （一）灰色关联分析模型 灰色关联分析（Grey Correlative Analysis）是一种多因素分析方法，它是以各因素的样本数据为依据，用灰色关联度来描述因素间关系的强弱、大小和次序的。灰色关联度是两个系统或系统内的各因素随时间变化时，其变化方向和速度的关联程度，在系统发展过程中，哪些因素是主要影响因子可以用关联度的排序来分析。如果
9、样本数据反映出两因素变化的发展态势基本一致，则它们之间的关联度就大，表明该因素是影响系统发展主要影响因子；反之，关联度就小，说明系统发展不受或少受此因素的影响。通过关联度分析，便于分清主导因素和潜在因素，分清优势和劣势，为分析评价系统发展提供相关的信息。 （二）GM（1，1）预测模型 基于累加生成的 GM（1，1）模型又称为灰色预测法（Grey prediction method） ，属于一阶、单变量的微分方程型模型，是对某一指标的发展变化情况所作的预测，基本任务是对原始数据序列进行累加，用指数曲线对累加生成的数据序列进行拟合并建立模型，预测的结果是该指标在未来各个时刻的具体数值。 四、福州市
10、区商品房影响因素的关联分析 一般来说，在分析商品房市场问题时，通常局限于某一个区域来研究，文章主要研究福州的商品房市场从微观上进行分析，商品房市场是一个非常复杂的复合系统。它受到各种宏观和微观因素方面的影响，宏观方面，例如政府的政策措施、金融状况等因素会极大地影响甚至是改变一个区域的商品房运行状态；微观方面，一个区域的 GDP、收入状况、人口数量、价格水平等因素都是决定商品房市场能否健康运行的重要依据。某个地区的商品房市场的运行无法用精确的函数来衡量，但这并不能说明这些影响商品房市场的因素都是同等效力的，恰恰相反，在实际的市场运行中，这些因素的影响效力是完全不同的，影响作用有大有小。具体数据如
11、表 1： （一）数据处理 首先，确定分析序列参考序列 x0（t）为福州商品房平均价格。比较序列为上述选定的与福州商品房市场密切相关的 4 个因素，分别为房地产开发投资额 xl（t） 、人均 GDPx2（t） 、城镇居民人均可支配收入x3（t） 、全市常住人口 x4（t） 。 （二）计算结果 利用 DPS 数据处理软件，得出具体数据如表 2、3、4： （三）结果分析 从灰色关联分析结果的表格中可以看出，在福州市商品房市场的主要影响因素中，其影响因素的重要性排序为：城镇居民人均可支配收入影响最大，其次是房地产开发投资额，排序第三位的是全市人均 GDP，排序第四位的是全市常住人口总数。这样的关联度排
12、序结果和福州市商品房市场的发展状况以及其他学者的有关研究成果均比较吻合。 五、福州市商品房 2013 年销售价格的灰色预测 以福州市 2007 年以来的商品房平均销售价格为建模原数据系列，见表 5。 六、结论与建议 通过灰色关联分析模型，对福州市商品房价格的影响因素进行灰色关联度计算并分析，得出影响价格的重要因素。并根据 GM（1，1）模型对其价格趋势进行预测，从实证预测结果来看，福州市未来商品房价格将保持上升趋势。自 2010 年以来，从中央到地方所出台的房地产调控实施政策，虽然从某种程度上抑制了全国各大城市房价疯涨的局面，成交量也大幅下跌，但部分二线城市的房价却呈现出坚挺的一面。 因此对于
13、福州商品房市场来说，要保证商品房价格的健康增长，保障商品房市场的稳定持续发展，除了营造一个良好的宏观政策环境之外。应主要致力于保障城镇居民收入水平的稳步持续增长，使得商品房价格和居民收入水平的比例处一个合理的范围之内，始终保证刚性需求是处于一种激活有效的状态，这样才能从根本上缓解商品房市场的支撑问题。而房地产开发投资虽然从分析的结果看，与商品房市场关联度较大，但它完全是一种市场行为。可以通过市场化来获取资金，政府只要做好投资的引导，对房地产开发进行有效的管理就能达到满意的效果。此外，人口问题是商品房市场健康发展难以回避的问题，只有加强规划引导通过多种渠道解决住房问题，才能从根本上缓解城市化进程带来的人口数量变化的冲击。 参考文献： 1漆渝航.商品房价格的影响因素分析-以广东省为例J.社会发展，2010， （01）.
