基于灰色關(guān)聯(lián)度的河北省房價(jià)影響因素分析

張樂樂+高孝偉

摘要：基于灰色關(guān)聯(lián)度模型，分別從供給、需求和環(huán)境3個(gè)角度選取若干房價(jià)影響因素，對2008-2015年《河北經(jīng)濟(jì)年鑒》中的相關(guān)數(shù)據(jù)進(jìn)行了分析，結(jié)果表明：居民收入水平和地區(qū)經(jīng)濟(jì)發(fā)展水平對河北省房價(jià)的影響最為顯著，同時(shí)竣工房屋造價(jià)、房地產(chǎn)投資規(guī)模等因素也對房價(jià)有較強(qiáng)影響，京津冀一體化重大戰(zhàn)略及其相關(guān)政策將對河北省房價(jià)產(chǎn)生直接影響。

關(guān)鍵詞：房價(jià)； 影響因素； 灰色關(guān)聯(lián)度； 京津冀一體化

中圖分類號(hào)：F293.3

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：16749944（2017）10026304

1 引言

住房問題關(guān)系國計(jì)民生。近年來，隨著社會(huì)、經(jīng)濟(jì)不斷發(fā)展以及房地產(chǎn)行業(yè)的迅速崛起，國內(nèi)各大城市房價(jià)持續(xù)走高，居民購房壓力日趨沉重，因此對房價(jià)影響因素的研究具有重要的現(xiàn)實(shí)意義。

學(xué)術(shù)界對房價(jià)影響因素已有大量研究。肖磊利用30個(gè)省會(huì)城市的截面數(shù)據(jù)對房價(jià)影響因素進(jìn)行定量分析，發(fā)現(xiàn)供給和需求是影響房價(jià)的最主要因素[1]。羅玉波利用分位數(shù)回歸方法分析得出不同房屋屬性對于房價(jià)的影響隨所考察的分位數(shù)不同而變化，從而得到不同屬性對于房價(jià)影響更為全面的描述[2]。劉闖利用國內(nèi)1997～2009年房地產(chǎn)市場相關(guān)數(shù)據(jù)資料，通過計(jì)量經(jīng)濟(jì)學(xué)方法，構(gòu)建出我國房價(jià)影響因素的聯(lián)立方程模型[3]，且該模型具有有效性。金克鎮(zhèn)通過回歸分析得出常住人口數(shù)量、CPI、調(diào)控政策是影響房價(jià)指數(shù)的主要因素[4]。范允奇通過二階段局部動(dòng)態(tài)調(diào)整模型對存在市場摩擦和投機(jī)時(shí)的房價(jià)運(yùn)行特征進(jìn)行分析，并利用動(dòng)態(tài)面板數(shù)據(jù)模型和遞歸分析方法分析了房價(jià)影響因素的區(qū)域差異和時(shí)序變化[5]。蔡鷺斌通過構(gòu)建基于DPSIR模型的房地產(chǎn)調(diào)控政策對房價(jià)影響的評價(jià)體系，分析得出房價(jià)對調(diào)控政策反應(yīng)敏感但同時(shí)具有一定的滯后性[6]。彭乃弛利用2012年北京、天津等31個(gè)省市相關(guān)指標(biāo)的橫截面數(shù)據(jù)，通過最優(yōu)模型分析得出人均可支配收入與失業(yè)率是短期內(nèi)影響房價(jià)的主要因素[7]。陳新峰通過VAR模型分析得出國內(nèi)生產(chǎn)總值、貨幣與準(zhǔn)貨幣供應(yīng)量、城鎮(zhèn)居民人均可支配收入、土地價(jià)格、房地產(chǎn)開發(fā)中外資利用額等變量之間存在長期的穩(wěn)定關(guān)系[8]。

以上對房價(jià)影響因素的研究分別基于不同角度，各有側(cè)重；在對房價(jià)影響因素進(jìn)行分析時(shí)所采用的方法各有優(yōu)勢與不足；對于我國不同省份而言，其人口狀況與經(jīng)濟(jì)發(fā)展水平參差不齊，房價(jià)影響因素的重要性排序也有所不同。筆者從供給、需求、環(huán)境等角度選取若干對房價(jià)有重要影響的因素，對河北省2008-2015年的相關(guān)數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)度分析，得出各個(gè)因素對河北省房價(jià)的影響程度，為有效調(diào)控房價(jià)提供指導(dǎo)。

2 房價(jià)影響因素模型構(gòu)建

房價(jià)影響因素涉及諸多方面且內(nèi)容復(fù)雜。擬從需求、供給、環(huán)境以及其他因素四個(gè)角度分析影響房價(jià)變動(dòng)的主要因素。

（1） 需求因素。在其他因素一定的前提下，對商品房的需求越旺盛，房價(jià)越高漲。因?yàn)槿丝诤唾徺I力是決定市場需求的最為重要的因素，所以在此選取居民可支配收入和年末常住人口來反映需求因素。人口是房地產(chǎn)業(yè)發(fā)展的基礎(chǔ)要素，一般情況下，人口與市場需求之間存在正相關(guān)關(guān)系。而居民的可支配收入決定著購買力水平，收入水平越高，支付能力越強(qiáng)，從而刺激商品房的需求，導(dǎo)致房價(jià)上漲。

（2） 供給因素。根據(jù)經(jīng)濟(jì)學(xué)一般理論，在其他因素一定的前提下，商品房的供給量越多，房價(jià)越低。在此選取了房地產(chǎn)投資、施工房屋面積、竣工房屋面積和竣工房屋造價(jià)來反映供給因素。其中房地產(chǎn)投資、施工房屋面積、竣工房屋面積與房價(jià)之間往往存在負(fù)相關(guān)。而竣工房屋造價(jià)與房價(jià)之間存在正相關(guān)。

（3） 環(huán)境因素。環(huán)境因素主要通過影響商品房的需求和供給進(jìn)而影響房價(jià)。選取地區(qū)生產(chǎn)總值、居民消費(fèi)價(jià)格指數(shù)和城鎮(zhèn)化水平來反映環(huán)境因素。地區(qū)生產(chǎn)總值反應(yīng)了地方經(jīng)濟(jì)發(fā)展水平，而經(jīng)濟(jì)發(fā)展水平的提高在帶動(dòng)居民收入水平上升的同時(shí)，也會(huì)刺激房地產(chǎn)商加大投資力度，抬高房價(jià)。物價(jià)水平上漲會(huì)增加商品房的建設(shè)成本，影響其供給；同時(shí)通貨膨脹情況下，人們更傾向于持有實(shí)物資產(chǎn)從而加劇購房需求。城市化水平反應(yīng)了人口由農(nóng)村向城市聚集的程度，城市化水平的提高促進(jìn)了住房需求的擴(kuò)大，導(dǎo)致房價(jià)上漲。

（4）其他因素?？紤]到人民幣貸款利率對房地產(chǎn)需求的影響，所以附加了這一其他因素。因?yàn)槿嗣駧刨J款利率同時(shí)影響房地產(chǎn)商與購房者的資金成本，進(jìn)而影響房地產(chǎn)市場的供給與需求，最終對房價(jià)產(chǎn)生影響。

3 灰色關(guān)聯(lián)度模型介紹

灰色關(guān)聯(lián)度分析（Grey Relational Analysis）是一種多因素對比分析法，通過分析系統(tǒng)中主行為因子與相關(guān)行為因子的關(guān)系密切程度，進(jìn)而判斷引起該系統(tǒng)發(fā)展的主要因素和次要因素。它以系統(tǒng)內(nèi)各因子間的關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度作為依據(jù)，通過比較關(guān)聯(lián)度的大小來確定主要因素和次要因素。

灰色關(guān)聯(lián)度的計(jì)算步驟如下。

（1） 確定主行為因子序列和行為因子序列。設(shè)主行為因子序列為X0（k），行為因子序列為Xi（k）（i=1，2，3，…，m，k=1，2，3，…，n）。

（2） 無量綱化處理。通常情況下，系統(tǒng)中各因素的量綱或數(shù)量級并不相同，為了保證分析結(jié)果的可靠性，需要對原始數(shù)據(jù)進(jìn)行無量綱化處理。對時(shí)間序列一般采用均值化處理。

（3） 計(jì)算關(guān)聯(lián)系數(shù)。X0（k）與Xi（k）之間的關(guān)聯(lián)系數(shù)計(jì)算公式如下：

式（1）中MiniMink|x0（k）-xi（k）|為兩級最小差，即|x0（k）-xi（k）|計(jì)算所得到的最小值；MaxiMaxk|x0（k）-xi（k）|為兩級最大差，即|x0（k）-xi（k）|計(jì)算時(shí)所得到的最大值；ρ為分辨系數(shù)，其取值區(qū)間為（0，1），具體取值可視情況而定。當(dāng)ρ≤0.5436時(shí)，分辨率最好，通常取ρ=0.5。

（4） 計(jì)算關(guān)聯(lián)度。關(guān)聯(lián)度ri的計(jì)算公式為：

將關(guān)聯(lián)度按大小排序并據(jù)此進(jìn)行后續(xù)分析。

4 河北省房價(jià)影響因素的灰色關(guān)聯(lián)度分析

（1） 數(shù)據(jù)的選取。根據(jù)前文分析，選取河北省商品房均價(jià)為主行為因子，記為X0；行為因子包括：年末常住人口、居民可支配收入、房地產(chǎn)投資、施工房屋面積、竣工房屋面積、竣工房屋造價(jià)、地區(qū)生產(chǎn)總值、居民消費(fèi)價(jià)格指數(shù)、城鎮(zhèn)化水平和人民幣貸款利率（5年以上），分別記為Xi（i=1，2，…，10）。文章的數(shù)據(jù)來源包括《河北省經(jīng)濟(jì)年鑒》以及中國人們銀行網(wǎng)站，由于2016年的統(tǒng)計(jì)數(shù)據(jù)尚未發(fā)布，因此采集的時(shí)間序列為2008～2015年的數(shù)據(jù)，如表1所示。

（2） 初始數(shù)據(jù)無量綱化處理。本文采用均值化的方法對原始數(shù)據(jù)進(jìn)行了無量綱化處理，結(jié)果如表2所示。

（3）計(jì)算關(guān)聯(lián)度。計(jì)算過程數(shù)據(jù)（差序列）如表3所示。

（4）結(jié)果分析。根據(jù)計(jì)算結(jié)果，上述房價(jià)影響因素的關(guān)聯(lián)度均在0.5以上，說明其對河北省房價(jià)均有不同程度的影響。關(guān)聯(lián)度大于0.85的因素有居民可支配收入和地區(qū)生產(chǎn)總值，說明這二者對房價(jià)的影響極為顯著；關(guān)聯(lián)度大于0.6小于0.85的因素有竣工房屋造價(jià)、房地產(chǎn)投資、城鎮(zhèn)化水平、施工房屋面積和年末常住人口，說明這五個(gè)因素對房價(jià)有較大的影響；關(guān)聯(lián)度在0.5～0.6之間的因素有人民幣貸款利率、竣工房屋面積和居民消費(fèi)價(jià)格指數(shù)，說明這三個(gè)因素對房價(jià)也具有一定影響。

5 結(jié)論與討論

根據(jù)上文分析，居民收入和地區(qū)經(jīng)濟(jì)發(fā)展水平對河北省房價(jià)的影響程度最為顯著，因此大力發(fā)展經(jīng)濟(jì)，提高居民收入水平是穩(wěn)定房價(jià)，緩解居民購房壓力的主要途徑。同時(shí)，房地產(chǎn)供給方面的因素，如竣工房屋造價(jià)、房地產(chǎn)投資規(guī)模等因素也對房價(jià)產(chǎn)生較強(qiáng)的影響，因此應(yīng)強(qiáng)化房地產(chǎn)市場秩序，加強(qiáng)土地監(jiān)管職能，并通過貸款利息、貸款規(guī)模等手段調(diào)控房地產(chǎn)投資規(guī)模，抑制房地產(chǎn)市場非理性擴(kuò)張和房價(jià)持續(xù)上漲。此外，城市化率、人民幣貸款利率和居民消費(fèi)價(jià)格指數(shù)的排序較為落后，說明城鎮(zhèn)化水平、物價(jià)水平等環(huán)境因素以及銀行信貸政策對房價(jià)的影響力度弱于需求因素和供給因素。

2015年中共中央政治局審議通過了《京津冀協(xié)同發(fā)展規(guī)劃綱要》，將推動(dòng)京津冀協(xié)同發(fā)展上升為重大國家戰(zhàn)略。京津冀一體化對河北省既是機(jī)遇又是挑戰(zhàn)。在這一戰(zhàn)略中，河北省將在疏解北京人口壓力，承接北京部分功能和產(chǎn)業(yè)轉(zhuǎn)移方面扮演重要角色。2017年兩會(huì)期間，京津冀協(xié)同發(fā)展再度成為社會(huì)關(guān)注焦點(diǎn)，其相關(guān)議題涉及交通、就業(yè)、醫(yī)療等多方面信息，特別是京津冀協(xié)同發(fā)展在交通領(lǐng)域的大力推進(jìn)，將成為河北省環(huán)首都地區(qū)房價(jià)上漲的重要催化劑。此外，2022年冬奧會(huì)申辦成功后，河北張家口地區(qū)房地產(chǎn)市場也已迎來繁榮時(shí)期。京津冀協(xié)同發(fā)展、冬奧會(huì)等因素對河北省房地產(chǎn)市場的作用是一個(gè)長期過程，其中人口遷入量、新增住房數(shù)量以及區(qū)域產(chǎn)業(yè)布局是否完善等因素都將直接影響房價(jià)走勢[9]。

結(jié)合灰色關(guān)聯(lián)度模型對房價(jià)影響因素進(jìn)行了分析，其結(jié)果表明，來自商品房需求與供給方面的因素較之于環(huán)境等因素對河北省房價(jià)有更為顯著的影響作用，這與現(xiàn)實(shí)情況及供求價(jià)格理論相吻合，從而驗(yàn)證了利用灰色關(guān)聯(lián)度模型分析房價(jià)影響因素的合理性。此外，在研究過程中尚有不足之處：首先，在構(gòu)建河北省房價(jià)影響因素模型時(shí)，只選取了10個(gè)相關(guān)因素，并不能完全涵蓋所有房價(jià)影響因素；其次，在數(shù)據(jù)選取上，主要以《河北省經(jīng)濟(jì)年鑒》為數(shù)據(jù)來源，而官方統(tǒng)計(jì)數(shù)據(jù)和商業(yè)數(shù)據(jù)必定各有側(cè)重，因而單一的以官方數(shù)據(jù)進(jìn)行計(jì)算和分析，勢必會(huì)影響實(shí)證分析的準(zhǔn)確性。因此，為了更客觀地分析房價(jià)影響因素，有效克服上述缺陷將是后續(xù)研究的重點(diǎn)內(nèi)容。

參考文獻(xiàn)：

[1]

肖 磊.房價(jià)影響因素與地區(qū)房價(jià)差異分析[J].經(jīng)濟(jì)研究導(dǎo)刊，2011，（35）：103-105

[2]羅玉波.房價(jià)影響因素分析：分位數(shù)回歸方法[J].統(tǒng)計(jì)與決策， 2011（6）：158～159.

[3]劉 闖，俞秋婷，高琴琴.基于聯(lián)立方程模型的我國房價(jià)影響因素研究[J].武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2012，34（1）： 123～126.

[4]金克鎮(zhèn).關(guān)于房價(jià)影響因素的理論分析與實(shí)證研究：以天津市為例[D].天津：天津師范大學(xué)，2013.

[5]范允奇，王藝明.中國房價(jià)影響因素的區(qū)域差異與時(shí)序變化研究[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2014 （1）： 62～67.

[6]蔡鷺斌.基于DPSIR模型的宏觀調(diào)控政策對房價(jià)影響研究[J].沈陽工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014，7（2）：145～151.

[7]彭乃弛.短期影響中國商品房房價(jià)因素的計(jì)量分析[J].經(jīng)濟(jì)研究導(dǎo)刊，2015（4）：138～140.

[8]陳新峰，王子柱.房地產(chǎn)價(jià)格影響因素實(shí)證分析[J].現(xiàn)代物業(yè)·新建設(shè)，2015，14（1）：82～87.

[9]張 婷.河北省在京津冀一體化發(fā)展中的對策研究[D].長春：吉林大學(xué)，2015.