房地產(chǎn)預(yù)警警源指標(biāo)選擇方法探析

■ 張 斌 Zhang Bin

0 引言

房地產(chǎn)預(yù)警屬于經(jīng)濟(jì)預(yù)警研究領(lǐng)域的重要分支。近年來隨著我國房地產(chǎn)市場的發(fā)展，房地產(chǎn)預(yù)警受到社會(huì)各界越來越多的關(guān)注與重視。國內(nèi)學(xué)者從各自專業(yè)領(lǐng)域出發(fā)，采用定性與定量研究方式對(duì)于房地產(chǎn)預(yù)警進(jìn)行了大量有益的研究與探索，其中最為核心的部分便是房地產(chǎn)預(yù)警指標(biāo)體系的研究[1-2]。

指標(biāo)是綜合反映社會(huì)現(xiàn)象某一方面情況的絕對(duì)數(shù)、相對(duì)數(shù)和平均數(shù)。房地產(chǎn)預(yù)警系統(tǒng)借用這一術(shù)語來表示以警情為中心，將反映警情的各種因素分解成為一些具體的、可操作的因素，即通過探索有關(guān)警源、警素、警兆等來反映警情的整體特征。目前，國內(nèi)房地產(chǎn)預(yù)警和其他預(yù)警理論學(xué)者從不同的角度建立了多套房地產(chǎn)預(yù)警系統(tǒng)指標(biāo)體系。大體上可歸納為：生產(chǎn)類預(yù)警指標(biāo)、交易狀況類預(yù)警指標(biāo)、消費(fèi)狀況類預(yù)警指標(biāo)、金融類預(yù)警指標(biāo)。從具體研究來看，丁烈云等[3-6]從景氣指數(shù)法、第一主成分法、灰色關(guān)聯(lián)分析、聚類分析和非參數(shù)檢驗(yàn)等方法對(duì)預(yù)警指標(biāo)體系的建立進(jìn)行了研究。

通過對(duì)這些文獻(xiàn)的總結(jié)，我們可以發(fā)現(xiàn)國內(nèi)學(xué)者對(duì)于房地產(chǎn)預(yù)警指標(biāo)體系的研究呈現(xiàn)如下趨勢：由定性研究轉(zhuǎn)向定量研究；由于前期數(shù)據(jù)的大量累積，研究方法由景氣分析等方法逐漸轉(zhuǎn)向統(tǒng)計(jì)學(xué)分析方法；越來越多針對(duì)特定城市的實(shí)證研究。這些趨勢表明了對(duì)于房地產(chǎn)預(yù)警，國內(nèi)學(xué)術(shù)界經(jīng)過這些年的積累，對(duì)于原始數(shù)據(jù)的準(zhǔn)備和方法技術(shù)的積累，其研究逐漸發(fā)展到大樣本、針對(duì)特定城市的縱向數(shù)據(jù)的定量實(shí)證研究，具備了越來越高的信度、效度和實(shí)用價(jià)值。

房地產(chǎn)預(yù)警指標(biāo)體系的組成要素包括警情、警源、警素、警兆、警限和警度。但從目前現(xiàn)有的研究來看，學(xué)者們關(guān)注的往往是警兆的選擇方法。在確定警情指標(biāo)的基礎(chǔ)上，對(duì)于警源指標(biāo)的選擇，學(xué)者們往往采用列舉或者經(jīng)驗(yàn)選擇的定性研究方法[3][6][7]，定量分析較少，此外定量方法選擇較為主觀，缺乏有效檢驗(yàn)。這里基于多屬性不確定性決策（uncertain multiple attribute decision making）的方法，對(duì)房地產(chǎn)預(yù)警警源選擇加以探討,并對(duì)上海市房地產(chǎn)市場進(jìn)行實(shí)證分析,以驗(yàn)證此預(yù)警指標(biāo)體系的有效性。

1 所基于的算法原理

多屬性決策時(shí)利用已有的決策信息，通過一定的方法對(duì)一組（有限個(gè)）備選方案進(jìn)行排序并擇優(yōu)。對(duì)于房地產(chǎn)預(yù)警的警源指標(biāo)選擇而言，會(huì)存在大量的備選指標(biāo)可以選擇，這些指標(biāo)對(duì)于警情分析而言，各自有著一定的影響能力（相關(guān)系數(shù)）。然而不同警情指標(biāo)的重要性往往是完全未知的，需要我們賦予一定的權(quán)值，而在屬性權(quán)重信息完全未知且屬性值為實(shí)數(shù)的情況下，需要構(gòu)建信息集結(jié)算子對(duì)其進(jìn)行決策。

令 M={1,2,…,m},N={1,2,…n}

設(shè)OWA：Rn→R；若其中w=(w1…wn)是與函數(shù)OWA相關(guān)聯(lián)的加權(quán)向量，且bj是一組數(shù)據(jù)中(a1…an)第j大的元素，R為實(shí)數(shù)集，則稱函數(shù)OWA是有序加權(quán)平均算子，也稱OWA算子。

1.2 CWAA算子

設(shè)WAA：Rn→R；若其中w=(w1…wn)是一組數(shù)據(jù)(a1…an)的加權(quán)向量，則稱函數(shù)WWA是有序加權(quán)平均算子，也稱WWA算子。

設(shè)CWAA：Rn→R；若其中 w=(w1…wn)是與CWAA相關(guān)聯(lián)的加權(quán)向量，且bj是一組加權(quán)數(shù)據(jù)(nw1a1…nwnan)第j大的元素，這w=(w1…wn)是數(shù)據(jù)組(a1…an)的加權(quán)向量，n是平衡因子，則稱函數(shù)CWWA是有序加權(quán)平均算子，也稱CWWA算子。

2 警源指標(biāo)決策方法

2.1 選定決策集

對(duì)于房地產(chǎn)預(yù)警警源選擇的多屬性決策問題，設(shè)警情指標(biāo)為屬性集U，警源指標(biāo)為方案集X。屬性權(quán)重權(quán)重完全未知，但是存在決策群體D=(d1…dn)，他們的權(quán)重向量為U=E(e1…en)，其中設(shè)決策者給出警源指標(biāo)在屬性下的屬性值從而構(gòu)成決策矩陣Ak，若Ak中元素的物理量綱不同，則需要對(duì)其進(jìn)行規(guī)范化處理，規(guī)范化處理后得到規(guī)范化矩陣

2.2 OWA算子集結(jié)

利用OWA算子對(duì)決策矩陣Rk中第i行的屬性值進(jìn)行集結(jié)，得到?jīng)Q策者dk所給出的方案xi綜合屬性值：N,k=1,2…t)，其中 w= (w1…wn)是 OWA算子的加權(quán)向量，wj=1，且是中第j大的元素。

2.3 CWAA算子集結(jié)

利用CWAA算子對(duì)t位決策者給出的方案xi的綜合屬性值進(jìn)行集結(jié)，得出方案xi的群體綜合屬性值zi2…t)，其中 w’=(w1’…wn’)，是CWAA算子的加權(quán)向量，是一組加權(quán)數(shù)據(jù)中第k大的元素，t是平衡因子。

2.4 排序與擇優(yōu)

采用的決策方法是：首先利用OWA算子對(duì)單一決策者給出的某一方案的書友屬性值進(jìn)行縱向集結(jié)，然后利用CWAA算子對(duì)不同決策者得到的同一方案綜合屬性值進(jìn)行集結(jié)。對(duì)于常規(guī)的房地產(chǎn)預(yù)警警情指標(biāo)選擇的決策過程中，往往會(huì)出現(xiàn)個(gè)別決策者受到個(gè)人情感等主觀因素的影響，對(duì)于某些方案作出過高或過低的評(píng)價(jià)，因而導(dǎo)致不合理的決策結(jié)果，CWAA算子不僅能充分考慮決策者自身重要程度，而且盡可能地消除這些不公正因素的影響，并增加中間值的作用，從而增強(qiáng)警情決策結(jié)果的合理性。

3 實(shí)證分析

經(jīng)過專家咨詢和前期的數(shù)據(jù)收集,現(xiàn)建立22個(gè)備選警源指標(biāo)原始數(shù)據(jù)庫如下：

國內(nèi)生產(chǎn)總值(X1)、房地產(chǎn)行業(yè)增加值(X2)、房地產(chǎn)開發(fā)投資額(X3)、全社會(huì)固定資產(chǎn)投資額(X4)、市區(qū)人均居住面積(X5)、人均可支配收入(X6)、固定資產(chǎn)價(jià)格指數(shù)(X7)、消費(fèi)價(jià)格指數(shù)(X8)、非農(nóng)業(yè)人口比重(X9)、房地產(chǎn)開發(fā)自有資金(X10)、新增土地可建面積(X11)、房地產(chǎn)從業(yè)人員(X12)、商品房新開工面積(X13)、商品房施工面積(X14)、商品房竣工面積(X15)、商品房出租面積(X16)、商品房批準(zhǔn)預(yù)售面積(X17)、商品房銷售面積(X18)、商品住宅銷售價(jià)格(X19)、商品房銷售率(X20)、住房換手率(X21)、存量房成交面積(X22)。對(duì)最近十年的備選警源數(shù)據(jù)進(jìn)行歸一化(表1)，是部分指標(biāo)數(shù)據(jù)的列舉。

采用4位決策者的數(shù)據(jù)算例，建立決策矩陣R1-R4(表2)。

利用OWA算子中的方法確定OWA算子的加權(quán)向量為：W=(0.093,0.051,0.051,0.072,0.082,0.082,0.03,0.03,0.021.0.031,0.082,0.02,0.01,0.041,0.041,0.072,0.072,0.072,0.041,0.041,0.072,0.041)，對(duì)決策矩陣Rk中第i行的屬性值進(jìn)行集結(jié)，得到?jīng)Q策者dk所給出的警情屬性xi綜合屬性值：

類似的可得：

表1 警源指標(biāo)歸一化數(shù)據(jù)

表2 決策矩陣R1

利用CWAA算子，對(duì)4位決策者提出的警情屬性Xi的綜合屬性值2…4)進(jìn)行后集結(jié)，首先利用λ，t以及求解可求警情屬性Xi的群體綜合屬性值為：

利用對(duì)22種警情指標(biāo)進(jìn)行排序，結(jié)果為：

實(shí)際應(yīng)用中可根據(jù)需求選擇排名前N位的警源指標(biāo)進(jìn)行使用。

4 結(jié)論

作為房地產(chǎn)預(yù)警體系建立的重要環(huán)節(jié)，針對(duì)特定警情的警源指標(biāo)選擇的研究往往是被人忽略的，而采用完全定性的方式進(jìn)行警情指標(biāo)的選擇難以保證警情指標(biāo)的合理性和可靠性。而現(xiàn)實(shí)研究中，對(duì)于警源指標(biāo)的研究往往存在著警情權(quán)重未知，需要人為賦權(quán)的問題，這里所采用的多屬性不確定性決策方法能夠有效地解決這一問題。

由此,基于多屬性不確定性決策方法所獲得的警源預(yù)警指標(biāo)，可以客觀地度量當(dāng)前房地產(chǎn)市場的發(fā)展態(tài)勢，從而也證明，通過多屬性不確定性決策方法進(jìn)行房地產(chǎn)預(yù)警的警源指標(biāo)選擇是有效的。

[1]Gourié roux C, Laferrè re A. Managing Hedonic Housing Price Indexes： The French experience[ J]. Journal of Housing Economics,2009, 18(3)： 206-213.

[2]Seiders D F. Trend and cycles in housing production. Business Economics, 1997, (7)：12 16.

[3]丁烈云.房地產(chǎn)周期波動(dòng)成因分析[J].華中科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版).2Q03(2)：19-25.

[4]李崇明，丁烈云.基于系統(tǒng)核與核度理論的房地產(chǎn)預(yù)警系統(tǒng)指標(biāo)體系選取方法[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，200535(11)：44-52.

[5]趙黎明,賈永飛.房地產(chǎn)預(yù)警系統(tǒng)研究[J].天津大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),1999,(12)： 277 280.

[6]李斌，丁烈云，葉艷兵.城市房地產(chǎn)市場綜合景氣指數(shù)的構(gòu)造與分析[J].華中科技大學(xué)學(xué)報(bào)(城市科學(xué)版).2003.20(1)：9-13.

[7]楊佃輝，陳軼等.基于聚類分析和非參數(shù)檢驗(yàn)的房地產(chǎn)預(yù)警指標(biāo)體系選擇[J].東華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2006，32( 2)： 59-62.