投影尋蹤動(dòng)態(tài)聚類模型在房地產(chǎn)投資環(huán)境評(píng)價(jià)中的應(yīng)用

2014-06-24 19:34:54周勇龔海東

經(jīng)濟(jì)數(shù)學(xué) 2014年1期

周勇++龔海東

摘要將投影尋蹤動(dòng)態(tài)聚類模型引入到房地產(chǎn)投資環(huán)境評(píng)價(jià)方法中.針對(duì)房地產(chǎn)投資環(huán)境評(píng)價(jià)所面臨的多因素高維復(fù)雜性問(wèn)題，該模型能夠完全根據(jù)樣本數(shù)據(jù)特性將高維數(shù)據(jù)通過(guò)投影向量投影到低維數(shù)據(jù)，同時(shí)實(shí)現(xiàn)對(duì)低維數(shù)據(jù)的排序和自動(dòng)聚類分析，進(jìn)而通過(guò)研究低維數(shù)據(jù)以實(shí)現(xiàn)對(duì)高維數(shù)據(jù)的研究.最后通過(guò)遼寧省工業(yè)地產(chǎn)投資環(huán)境評(píng)價(jià)實(shí)例驗(yàn)證了該模型在房地產(chǎn)投資環(huán)境評(píng)價(jià)中的適用性.

關(guān)鍵詞房地產(chǎn)投資環(huán)境；投影尋蹤；動(dòng)態(tài)聚類；加速遺傳算法

中圖分類號(hào) F293.3 文獻(xiàn)標(biāo)識(shí)碼 A

Environment Evaluation Using Projection Pursuit

Dynamic Cluster Model in the Real Estate Investment

ZHOU Yong， Gong Haidong

（Xi' an University of Architecture and Technology， School of Management， Xi' an，Shangxi 710055，China）

Abstract This paper introduces the applicationof Projection Pursuit Dynamic Cluster Model in the environment evaluation of real estate investment. The environment evaluation of real estate investment is a complex problem because it involves highdimensional factors， So this model provides some advantages by projecting highdimensional data to the lowdimensional data through the projection vector according to the sample data features completely.Furthermore， it can sort the lowdimensional data and cluster automatically. Using this method ， this model can study the highdimensional data through the lowdimensional data. Finally， taking the industrial real estate investment environment evaluation of Liaoning Province as an example， this paper verified the applicability of the model in the evaluation of real estate investment environment.

Key words the real estate investment environment evaluation； projection pursuit； dynamic cluster； accelerating genetic algorithm.

1 引言

房地產(chǎn)投資環(huán)境是指投資地對(duì)房地產(chǎn)投資活動(dòng)產(chǎn)生影響的經(jīng)濟(jì)、自然、管理、社會(huì)等各種條件和因素的總稱.加之房地產(chǎn)投資本身具有投資資金巨大、回收周期長(zhǎng)、位置固定、投資風(fēng)險(xiǎn)大等特點(diǎn)[1].因此房地產(chǎn)投資環(huán)境分析是一個(gè)復(fù)雜的、受多因素影響的系統(tǒng)過(guò)程.如何應(yīng)用科學(xué)的評(píng)價(jià)方法對(duì)房地產(chǎn)投資環(huán)境進(jìn)行客觀、公正的評(píng)價(jià)和分析將顯得至關(guān)重要.通過(guò)文獻(xiàn)閱讀，本文作者認(rèn)為對(duì)房地產(chǎn)投資環(huán)境分析需要解決兩大主要問(wèn)題：①如何在最充分的利用原始指標(biāo)信息的情況下，將評(píng)價(jià)房地產(chǎn)投資環(huán)境的眾多指標(biāo)信息進(jìn)行降維處理轉(zhuǎn)變?yōu)榈途S問(wèn)題，然后利用經(jīng)典的傳統(tǒng)方法進(jìn)行分析；②在評(píng)價(jià)中盡量減少人為干擾，更多或者完全利用指標(biāo)數(shù)據(jù)來(lái)進(jìn)行客觀的分析和評(píng)價(jià).投影尋蹤動(dòng)態(tài)聚類模型是投影尋蹤方法和動(dòng)態(tài)聚類方法的結(jié)合[2-4]，它綜合了投影尋蹤方法和動(dòng)態(tài)聚類方法的優(yōu)勢(shì)：投影尋蹤方法能夠通過(guò)投影向量將高維數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，然后通過(guò)分析低維空間的投影數(shù)據(jù)特性來(lái)研究高維數(shù)據(jù)特性[5]；動(dòng)態(tài)聚類方法能夠根據(jù)投影數(shù)據(jù)自身的特性自動(dòng)進(jìn)行聚類分析，克服了操作人員對(duì)投影尋蹤方法得到的投影數(shù)據(jù)要借助其他方法進(jìn)行再處理的問(wèn)題，同時(shí)通過(guò)動(dòng)態(tài)聚類思想構(gòu)建投影指標(biāo)來(lái)尋找投影向量，能夠克服要通過(guò)經(jīng)驗(yàn)確定密度窗寬參數(shù)的投影尋蹤方法得到的投影向量不是很客觀的弊端.鑒于此，本文將投影尋蹤動(dòng)態(tài)聚類模型應(yīng)用到房地產(chǎn)投資環(huán)境評(píng)價(jià)和分析中，并借助遼寧省工業(yè)地產(chǎn)投資環(huán)境分析實(shí)例對(duì)該方法進(jìn)行了初步驗(yàn)證，以期為房地產(chǎn)投資環(huán)境評(píng)價(jià)分析提供更多的方法借鑒.

2 房地產(chǎn)投資環(huán)境評(píng)價(jià)相關(guān)方法綜述

房地產(chǎn)投資環(huán)境屬于城市投資環(huán)境的子系統(tǒng)，縱觀國(guó)內(nèi)外學(xué)者建立的各種投資環(huán)境評(píng)價(jià)方法，現(xiàn)階段用的比較多的方法有：灰色關(guān)聯(lián)分析法（鄧聚龍，1988）[6]，層次分析法（SAA TY TL，1908）[7]，模糊評(píng)判法（CHU A TW，1979）[8]，人工神經(jīng)網(wǎng)絡(luò)法（HECHTNIELSENR，1987）[9]，物元分析法（蔡文，1994）[10]以及投影尋蹤法（Friedman J H， Tukey J W，1974）[5]等.其中灰色關(guān)聯(lián)分析法、模糊評(píng)判法、物元分析法是主觀分析方法，在此類方法的應(yīng)用中主要由人為的根據(jù)經(jīng)驗(yàn)確定各個(gè)指標(biāo)的權(quán)重，因此其評(píng)價(jià)結(jié)果具有一定的人為隨意性；人工神經(jīng)網(wǎng)絡(luò)方法能夠消除評(píng)價(jià)過(guò)程中的人為隨意性，但是其學(xué)習(xí)訓(xùn)練需要相當(dāng)多的樣本，況且還容易陷入局部極小點(diǎn)，因此不便于推廣應(yīng)用；投影尋蹤方法能夠?qū)⒏呔S數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，通過(guò)低維空間數(shù)據(jù)來(lái)分析高維空間數(shù)據(jù)，但是其中的密度半徑窗口參數(shù)需要根據(jù)經(jīng)驗(yàn)來(lái)確定，其評(píng)價(jià)結(jié)果仍然帶有一定的主觀性；當(dāng)然也有一些經(jīng)典的傳統(tǒng)降維方法能夠利用指標(biāo)數(shù)據(jù)信息對(duì)投資環(huán)境做出較客觀的評(píng)價(jià)，比如主成分分析法和因子分析法，但是此類方法是從眾多指標(biāo)中提取少量指標(biāo)來(lái)反應(yīng)樣本信息，使得樣本的信息損失量較大，同時(shí)對(duì)樣本數(shù)據(jù)也有嚴(yán)格的要求.投影尋蹤動(dòng)態(tài)聚類模型依據(jù)動(dòng)態(tài)聚類思想來(lái)構(gòu)建投影指標(biāo)，完全依靠樣本數(shù)據(jù)自身特性根據(jù)投影指標(biāo)來(lái)尋找投影向量，利用投影向量將高維樣本數(shù)據(jù)投影到低維數(shù)據(jù)，然后通過(guò)研究處理低維數(shù)據(jù)達(dá)到研究高維數(shù)據(jù)目的，同時(shí)實(shí)現(xiàn)樣本數(shù)據(jù)的排序和自動(dòng)聚類分析.投影尋蹤動(dòng)態(tài)聚類模型已經(jīng)在洪水災(zāi)害管理[2]、氣候分區(qū)[11]和區(qū)域水安全評(píng)價(jià)[12]等領(lǐng)域的多元數(shù)據(jù)分析中取得了一定的應(yīng)用.本文將投影尋蹤動(dòng)態(tài)聚類模型應(yīng)用到房地產(chǎn)投資環(huán)境評(píng)價(jià)中，以期為房地產(chǎn)投資環(huán)境評(píng)價(jià)提供更多的方法論.endprint

5 結(jié) 語(yǔ)

投影尋蹤動(dòng)態(tài)聚類模型通過(guò)投影方向向量將高維數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，發(fā)揮了投影尋蹤方法處理高維數(shù)據(jù)的優(yōu)勢(shì)；同時(shí)完全依靠樣本數(shù)據(jù)自身特性進(jìn)行聚類分析，使聚類結(jié)果具有客觀可靠的優(yōu)勢(shì)；再者借用動(dòng)態(tài)聚類思想構(gòu)建投影指標(biāo)函數(shù)并利用加速遺傳算法求解得出的最佳投影方向向量能夠避免人為確定指標(biāo)權(quán)重的弊端；另外此模型對(duì)樣本數(shù)據(jù)的容量沒(méi)有要求，與其他較客觀的評(píng)價(jià)方法（如人工神經(jīng)網(wǎng)絡(luò)）相比便于推廣應(yīng)用.因此投影尋蹤動(dòng)態(tài)聚類模型是房地產(chǎn)投資環(huán)境分析評(píng)價(jià)方法的一種較好的選擇.

參考文獻(xiàn)

[1] 俞明軒.房地產(chǎn)投資分析[M].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2004：98-101.

[2] 倪長(zhǎng)健，崔鵬.投影尋蹤動(dòng)態(tài)聚類模型[J].系統(tǒng)工程學(xué)報(bào)，2007，22（6）：634-638.

[3] BACHMANN C M， MUSMAN S A， LUONG D，et al. Unsupervised BCM projection pursuit algorithms for classification of simulated radar presentation[J].Neural Networks，1994，7（4）：709-728.

[4] FRIEDMAN J H， STUETZLE W. Projection pursuit regression [J]. Journal of the American Statistical Association，1981，76（376）：817-823.

[5] FRIEDMAN J H， TUKEY J W. A projection pursuit algorithm for exploratory data analysis.IEEE Trans on computer， 1974， 23（9）：881-890.

[6] 鄧聚龍.灰色系統(tǒng)基本方法[M].武漢：華中理工大學(xué)出版社，1988：1-59.

[7] SAATY T L. The analytic analytic hierarchy process[M].New York：McGrawHill，1980：3-8.

[8] CHU A T W. A comparison of two methods for determining the weights of belonging to fuzzy sets[J].Journal of Optimization theory and Applications，1979，27（5）：531-538.

[9] HECHTNIEL SENR. Komogrovs mapping neural network existence theorem[C]//Proceedings of the international conference on Neural Networks New York： IEEE Press，1987：11-13.

[10]蔡文. 物元模型及其應(yīng)用[M].北京：科學(xué)技術(shù)文獻(xiàn)出版社，1994.

[11]王順久，李躍清. 基于投影尋蹤原理的動(dòng)態(tài)聚類模型及其在氣候區(qū)劃中的應(yīng)用[J].應(yīng)用氣象學(xué)報(bào)，2007，5（18）：722-726.

[12]王順久，倪長(zhǎng)健. 投影尋蹤動(dòng)態(tài)聚類模型及其應(yīng)用[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2009，41（1）：178-180.

[13]任若恩，王惠文.多元統(tǒng)計(jì)數(shù)據(jù)分析——理論、方法、實(shí)例[M]. 北京：國(guó)防工業(yè)出版社，2000：148-151.

[14]金良菊，楊曉華，丁晶. 基于實(shí)數(shù)編碼的加速遺傳算法[J]. 四川大學(xué)學(xué)報(bào)：工程科學(xué)版，2000，32（4）：20-24.

[15]劉國(guó)華，包宏，李文超. 用MATLAB實(shí)現(xiàn)遺傳算法程序[J].計(jì)算機(jī)應(yīng)用研究，2001，17（8）：80-82.

[16]殷銘，張興華，戴先中. 基于MATLAB的遺傳算法實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用， 2000，25（1）：9-11.

[17]張軍濤，劉建國(guó). 遼寧省主要城市投資環(huán)境的實(shí)證研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì)，2008，27（8）：82-86.

[18]楊建喜，宋永發(fā). 基于PP-RAGA的工業(yè)地產(chǎn)投資環(huán)境評(píng)價(jià)的實(shí)證研究[J]. 工程管理學(xué)報(bào)， 2010，24（6）：664-668.

[19]張衛(wèi)國(guó)，何偉. 中國(guó)地級(jí)城市投資環(huán)境評(píng)價(jià)研究[J]. 管理學(xué)報(bào)，2006，3（2）：195-198.endprint