后疫情時(shí)代二手房?jī)r(jià)格變動(dòng)調(diào)查研究

陳億隆?吳彥山?江逸?馮江龍?韓錦洋?劉璋

摘要：本文通過對(duì)選取烏魯木齊沙依巴克區(qū)的典型片區(qū)二手房房?jī)r(jià)數(shù)據(jù)進(jìn)行系統(tǒng)的梳理，結(jié)合現(xiàn)有的研究方法與對(duì)策，對(duì)烏魯木齊沙依巴克區(qū)二手房房?jī)r(jià)受疫情影響的變動(dòng)做出系統(tǒng)化研究，對(duì)比現(xiàn)狀進(jìn)行預(yù)測(cè)，研究得出：得出友好路片區(qū)、西山片區(qū)、阿勒泰路片區(qū)、倉(cāng)房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價(jià)格受疫情影響的影響程度分別為8.3%、9.6%、-4.3%、10.4%、15.1%、13.4%。結(jié)合灰色關(guān)聯(lián)分析法得到影響因素的關(guān)聯(lián)程度，提出減緩疫情對(duì)房地產(chǎn)市場(chǎng)的影響的對(duì)策。

關(guān)鍵詞：二手房;灰色關(guān)聯(lián)分析法;疫情

1 緒論

1.1研究背景及研究意義

房地產(chǎn)行業(yè)是組成我國(guó)經(jīng)濟(jì)的重要組成部分，房地產(chǎn)市場(chǎng)的變化也會(huì)對(duì)整個(gè)的經(jīng)濟(jì)市場(chǎng)有重大的影響，尤其是在疫情這個(gè)大環(huán)境下，顯得更加重要。對(duì)于房地產(chǎn)企業(yè)來說疫情的壓抑下消費(fèi)者可能會(huì)出現(xiàn)“補(bǔ)償性”的增長(zhǎng)，促進(jìn)增長(zhǎng)，也有可能因?yàn)橐咔橄碌腻X包緊縮而放棄對(duì)房地產(chǎn)這種大宗大額物品的購(gòu)買欲望，在這些條件下，研究二手房房?jī)r(jià)變動(dòng)情況方面能夠更好的分析房地產(chǎn)市場(chǎng)及相關(guān)影響因素，在未來的發(fā)展過程中通過這些研究制定出相應(yīng)的對(duì)策。目前房地產(chǎn)市場(chǎng)發(fā)展依舊蓬勃，二手房涉及的主體也比較多，交易數(shù)量多，交易頻率高，此研究能使二手房市場(chǎng)建設(shè)的更加完善。

1.2片區(qū)選取說明

本文在研究選取了六個(gè)典型的片區(qū)為代表來分析烏魯木齊沙依巴克區(qū)的二手房市場(chǎng)，分別為友好路片區(qū)、西山片區(qū)、黃河路片區(qū)、阿勒泰路片區(qū)、倉(cāng)房溝片區(qū)、烏魯木齊火車站片區(qū)，這幾個(gè)片區(qū)基本能夠覆蓋沙依巴克區(qū)，在一定程度上也能夠具備一定的代表性，因此，通過研究這幾個(gè)片區(qū)可以推測(cè)出沙依巴克區(qū)的二手房房?jī)r(jià)的變動(dòng)情況。

2 現(xiàn)狀分析

2.1 背景介紹

沙依巴克區(qū)已經(jīng)形成了擁有五大商業(yè)旺圈、完整教育體系、高端醫(yī)療資源、高效便利交通的核心區(qū)域。通過對(duì)沙依巴克區(qū)各個(gè)片區(qū)疫情前后房?jī)r(jià)做對(duì)比可以了解到沙依巴克區(qū)各片區(qū)房?jī)r(jià)受疫情的影響程度。

2.2 沙依巴克區(qū)各片區(qū)的現(xiàn)狀統(tǒng)計(jì)分析

本文基于安居客網(wǎng)站和中國(guó)房?jī)r(jià)行情網(wǎng)站的烏魯木齊沙依巴克區(qū)的二手房平均價(jià)格數(shù)據(jù)對(duì)沙依巴克區(qū)各個(gè)典型片區(qū)疫情前和疫情后的數(shù)據(jù)進(jìn)行現(xiàn)狀統(tǒng)計(jì)分析，選取的時(shí)間范圍為2016.1-2019.12。分析如下：

友好路片區(qū)房?jī)r(jià)現(xiàn)狀：疫情前2019年在售套數(shù)1099套，疫情之后2021年沙依巴克區(qū)友好路片區(qū)現(xiàn)在售套數(shù)515套，供給量減少了584套。疫情前2019年友好路片區(qū)均價(jià)是7645元/㎡，較前2016年增長(zhǎng)了1022元/㎡，增長(zhǎng)的比例為15.43%，疫情后2021年均價(jià)是8241元/㎡，較2019年增長(zhǎng)了596元/㎡，增長(zhǎng)的比例為7.8%，較2019年的增長(zhǎng)比例下降了7.63%。

西山路片區(qū)房?jī)r(jià)現(xiàn)狀：以2019年和2021年為例，疫情前后二手房在售套數(shù)分別為611套和362套，供給量減少了249套。西山路片區(qū)疫情前后的房?jī)r(jià)分別為6671元/㎡以及6766元/㎡，疫情前2019年較2016年增長(zhǎng)了840元/㎡，增長(zhǎng)比例為14.43%。疫情后2021年較2019年增長(zhǎng)了96元/㎡，增長(zhǎng)比例為1.44%。

黃河路片區(qū)房?jī)r(jià)現(xiàn)狀：疫情前2019年在售套數(shù)482套，疫情之后2021年沙依巴克區(qū)黃河路片區(qū)現(xiàn)在售套數(shù)225套，供給量減少了257套。疫情前2019年黃河路片區(qū)均價(jià)是7636元/㎡，較2016年增長(zhǎng)了614元/㎡，增長(zhǎng)的比例為8.74%，疫情后2021年均價(jià)是8843元/㎡，較2019年增長(zhǎng)了1207元/㎡，增長(zhǎng)的比例為15.8%，較2019年的增長(zhǎng)比例上升了7.06%。

阿勒泰路片區(qū)房?jī)r(jià)現(xiàn)狀：以2019年和2021年為例，疫情前后二手房在售套數(shù)分別為4620套和2246套，供給量減少了2016套。疫情前后阿勒泰路片區(qū)二手房均價(jià)分別為7464元/㎡和7802元/㎡，疫情前2019年，2016年增長(zhǎng)了614元/㎡，增長(zhǎng)比例為8.74%。疫情后。2021年叫2019年增長(zhǎng)了1207元/㎡，增長(zhǎng)比例為15.8%。

倉(cāng)房溝路片區(qū)房?jī)r(jià)現(xiàn)狀：疫情前2019年在售套數(shù)1958套，疫情之后2021年沙依巴克區(qū)倉(cāng)房溝路片區(qū)現(xiàn)在售套數(shù)1436套，供給量減少了522套。疫情前2019年倉(cāng)房溝路片區(qū)均價(jià)是7438元/㎡，較前2016年增長(zhǎng)了1354元/㎡，增長(zhǎng)的比例為22.3%，疫情后2021年均價(jià)是7545元/㎡，較2019年增長(zhǎng)了107元/㎡，增長(zhǎng)的比例為1.4%，較2019年的增長(zhǎng)比例下降了20.9%。

烏魯木齊火車站片區(qū)房?jī)r(jià)現(xiàn)狀：以2019年和2021年為例，請(qǐng)前后二手房在售套數(shù)分別為315套和201套，供給量減少了114套。疫情前后烏魯木齊火車站片區(qū)房?jī)r(jià)分別為6460元/㎡和6799元/㎡，疫情前2019年較2016年增長(zhǎng)了1455元/㎡，增長(zhǎng)比例為29%，疫情后2021年較2019年增長(zhǎng)了339元/㎡，增長(zhǎng)比率為5.2%。

2.3 研究現(xiàn)狀總結(jié)

從供給量方面來講各個(gè)片區(qū)的在售套數(shù)在疫情的影響下的供給量都大幅下降，說明在疫情的影響下，沙依巴克區(qū)的二手房市場(chǎng)的活力被削減。從房?jī)r(jià)方面來說各個(gè)片區(qū)疫情后的價(jià)格都高于疫情前的價(jià)格，但各片區(qū)的2016年至2019年的房?jī)r(jià)增長(zhǎng)比例大部分都高于2019年至2021年的增長(zhǎng)比例，說明新冠疫情對(duì)沙依巴克區(qū)的二手房房?jī)r(jià)變動(dòng)，確實(shí)帶來了負(fù)面影響。

3 疫情后二手房預(yù)測(cè)價(jià)格與實(shí)際價(jià)格對(duì)比

3.1構(gòu)建預(yù)測(cè)模型

基于安居客網(wǎng)站的烏魯木齊市沙依巴克區(qū)二手房平均住宅價(jià)格數(shù)據(jù)，選取的時(shí)間范圍為2016.1-2019.12。依據(jù)沙依巴克區(qū)友好路片區(qū)、西山片區(qū)、阿勒泰路片區(qū)、倉(cāng)房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價(jià)格數(shù)據(jù)，利用數(shù)學(xué)曲線擬合法預(yù)測(cè)五個(gè)片區(qū)不受疫情影響的二手房?jī)r(jià)格，對(duì)比現(xiàn)狀與預(yù)測(cè)，具體如下：

令2016年1月份為第一期，每月對(duì)應(yīng)的期數(shù)為自變量x，每月的二手房平均住宅價(jià)格為因變量y，建立一元線性回歸模型：y=a+bx，a，b是線性模型待定參數(shù)。通過SPSS軟件分析得出各線性回歸模型的擬合優(yōu)度R?，都接近1，說明擬合程度較好，可以對(duì)2020年1月份之后的二手房平均住宅價(jià)格進(jìn)行預(yù)測(cè)。根據(jù)SPSS進(jìn)行計(jì)算后得到：友好路片區(qū)、西山片區(qū)、黃河路片區(qū)、阿勒泰路片區(qū)、倉(cāng)房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價(jià)格與期數(shù)的線性方程分別為：5533.2+28.6x、6630.4+27.7x、5717.1+43.9x、5839.9+43.1x 、4759.6+44.7x。根據(jù)實(shí)際數(shù)據(jù)以及數(shù)學(xué)擬合曲線，作出對(duì)比圖，見圖一。

3.2主要結(jié)論

從圖分析可知，除黃河路外，預(yù)測(cè)房?jī)r(jià)是均高于實(shí)際房?jī)r(jià)的，其中倉(cāng)房溝和烏魯木齊火車站最為明顯，因此，房?jī)r(jià)總趨勢(shì)是增長(zhǎng)的，但是受疫情影響增長(zhǎng)的幅度有所減小，說明疫情對(duì)房?jī)r(jià)存在負(fù)面影響。根據(jù)（預(yù)測(cè)價(jià)格-實(shí)際價(jià)格）÷實(shí)際價(jià)格這個(gè)公式來將疫情對(duì)各片區(qū)的二手房房?jī)r(jià)的影響量化，得出友好路片區(qū)、西山片區(qū)、阿勒泰路片區(qū)、倉(cāng)房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價(jià)格受疫情影響的影響程度分別為8.3%、9.6%、-4.3%、10.4%、15.1%、13.4%。

4 沙依巴克區(qū)二手房?jī)r(jià)波動(dòng)影響因素的實(shí)證分析

4.1灰色關(guān)聯(lián)模型介紹

通過前文分析可以發(fā)現(xiàn)，疫情確實(shí)給房?jī)r(jià)波動(dòng)帶來影響。因此進(jìn)一步分析影響沙依巴克區(qū)的主要因素對(duì)房地產(chǎn)市場(chǎng)的研判具有一定的參考價(jià)值。本文將使用灰色關(guān)聯(lián)分析法分析烏魯木齊市沙依巴克區(qū)各片區(qū)，二手房?jī)r(jià)格受疫情影響的因素，各影響因素與價(jià)格變動(dòng)的關(guān)聯(lián)程度。

灰色關(guān)聯(lián)分析方法是根據(jù)各因素變化曲線幾何形狀相似程度，來判斷因素之間關(guān)聯(lián)程度的方法，曲線越接近，相應(yīng)序列之間的關(guān)聯(lián)度就越大，反之就越小。計(jì)算關(guān)聯(lián)系數(shù)、關(guān)聯(lián)度以及根據(jù)關(guān)聯(lián)度大小對(duì)指標(biāo)排序。本文通過數(shù)理統(tǒng)計(jì)中的回歸分析、方差分析的方法，來因素?cái)?shù)據(jù)與系統(tǒng)特征數(shù)據(jù)之間的關(guān)聯(lián)性系數(shù)。PS：分辨系數(shù)ρ∈（0，∞），ρ越小，分辨力越大，一般ρ的取值區(qū)間為（0，1），具體取值可視情況而定。當(dāng)ρ≤0.5463時(shí)，分辨力最好，通常取ρ=0.5。

4.2指標(biāo)的選取及數(shù)據(jù)來源說明

利用灰色關(guān)聯(lián)分析研究沙依巴克區(qū)房?jī)r(jià)影響因素，選擇沙依巴克區(qū)各片區(qū)二手房房?jī)r(jià)月均價(jià)作為特征序列。選取的時(shí)間范圍為2019.8-2021.2。主要從沙依巴克區(qū)房地產(chǎn)開發(fā)住宅投資額、沙依巴克區(qū)個(gè)人住房貸款加權(quán)平均利率、沙依巴克區(qū)土地面積成交面積、沙依巴克區(qū)GDP、沙依巴克區(qū)家庭人均可支配收入、沙依巴克區(qū)年平均總?cè)丝谒膫€(gè)因素，對(duì)影響住房銷售價(jià)格的諸多因素進(jìn)行分析。

4.3實(shí)證結(jié)果分析

從模型估計(jì)結(jié)果來看（表1）：各影響因素與住宅商品房平均銷售價(jià)格之間的關(guān)聯(lián)度在0.646到0.859之間，關(guān)聯(lián)度數(shù)值比較大.說明所選的因素對(duì)沙依巴克區(qū)房地產(chǎn)價(jià)格的影響較大，具有較強(qiáng)的關(guān)聯(lián)關(guān)系。其中，房地產(chǎn)開發(fā)住宅投資額、沙依巴克區(qū)GDP、家庭人均可支配收入是影響沙依巴克區(qū)二手房房?jī)r(jià)的主要因素。

第一，影響二手房?jī)r(jià)格最大的因素是沙依巴克區(qū)GDP，其對(duì)房?jī)r(jià)的關(guān)聯(lián)度是0.859，說明經(jīng)濟(jì)社會(huì)的生產(chǎn)力，帶來了居民生活水平，消費(fèi)能力得的提高，對(duì)于房子的需求擴(kuò)大。

第二，家庭人均可支配收入是0.845的關(guān)聯(lián)度影響房?jī)r(jià)，說明隨著居民可支配收入水平得到改善和提高，居民為了居住環(huán)境改善，居民對(duì)購(gòu)買房子的消費(fèi)支出占總支出的比重增大，增加商品房的需求，使得房?jī)r(jià)繼續(xù)保持著上漲的趨勢(shì)。

第三，房地產(chǎn)開發(fā)住宅投資額對(duì)二手房房?jī)r(jià)的關(guān)聯(lián)度是0.781，是影響房?jī)r(jià)的次要因素，說明開發(fā)商為了不虧損而且盡最大可能盈利的情況下，房地產(chǎn)開發(fā)投資金額越多，房地產(chǎn)價(jià)格越高。

5 減緩疫情對(duì)房地產(chǎn)市場(chǎng)影響的對(duì)策建議

5.1適度發(fā)揮房地產(chǎn)投資穩(wěn)定經(jīng)濟(jì)的作用提升GDP

新冠疫情導(dǎo)致個(gè)人收入受到影響，個(gè)人購(gòu)房貸款潛在違約風(fēng)險(xiǎn)加大。銀行應(yīng)根據(jù)客戶實(shí)際困難向個(gè)人房屋按揭貸款進(jìn)行寬限期調(diào)整。建議在LPR利率的基礎(chǔ)上，少加點(diǎn)或者不加點(diǎn)，對(duì)存量貸款和新增貸款進(jìn)行利率調(diào)整，盡量減輕購(gòu)房者的利息負(fù)擔(dān)。

5.2促進(jìn)房地產(chǎn)開發(fā)商投資

建議在“房住不炒”的前提下，穩(wěn)定房地產(chǎn)投資和銷售，支持房地產(chǎn)業(yè)合理融資需求，允許部分受疫情影響較大的房地產(chǎn)企業(yè)延期還貸，加快貸款展期辦理，為企業(yè)調(diào)整還款計(jì)劃，不盲目抽貸、斷貸、壓貸，以緩解近期銷售萎縮對(duì)房企資金鏈的沖擊。在合法合規(guī)和控制風(fēng)險(xiǎn)的前提下，適當(dāng)增加房地產(chǎn)企業(yè)的融資渠道，包括商業(yè)銀行的表內(nèi)和表外融資。金融政策的放松勢(shì)在必行，通過投放一部分資金來推動(dòng)經(jīng)濟(jì)的發(fā)展，讓消費(fèi)和投資保持一定的活躍度，用空間換時(shí)間，這在當(dāng)前的經(jīng)濟(jì)形勢(shì)下是十分必要的。

5.3提高居民可支配收入

新冠疫情導(dǎo)致部分行業(yè)被迫停業(yè)，居民可支配收入受到影響，個(gè)人購(gòu)房貸款潛在違約風(fēng)險(xiǎn)加大。首先需要通過復(fù)工復(fù)產(chǎn)穩(wěn)定居民就業(yè)，將居民可支配收入穩(wěn)定至疫情前的水平，盡快恢復(fù)經(jīng)濟(jì)運(yùn)轉(zhuǎn)秩序。加大政策力度對(duì)中小企業(yè)進(jìn)行扶持，保障職工薪水提供保障。由于疫情影響失業(yè)率較高，特別是旅游業(yè)和娛樂業(yè)受影響最大時(shí)間最長(zhǎng)，銀行應(yīng)根據(jù)客戶實(shí)際困難向個(gè)人房屋按揭貸款進(jìn)行寬限期調(diào)整，盡量減輕購(gòu)房者的利息負(fù)擔(dān)。

參考文獻(xiàn)：

[1]武以敏，李壯壯，朱翔.基于VAR模型的安徽省房地產(chǎn)價(jià)格影響因素實(shí)證分析[J].宿州學(xué)院學(xué)報(bào)，2015，30（05）：38-41.

[2]孫鈺，史學(xué)飛，崔寅.天津市房地產(chǎn)價(jià)格影響因素研究——基于改進(jìn)熵權(quán)-灰色關(guān)聯(lián)模型視角[J].價(jià)格月刊，2017（12）：1-5.

[3]宋丁.疫情沖擊下的中國(guó)房地產(chǎn)走勢(shì)和動(dòng)向分析[J].特區(qū)經(jīng)濟(jì)，2020（04）：37-38.

[4]盛松成，宋紅衛(wèi)，汪恒.新冠疫情對(duì)房地產(chǎn)市場(chǎng)的沖擊與對(duì)策建議[J].中國(guó)房地產(chǎn)，2020（08）：10-12.

[5]趙冬梅.新冠疫情對(duì)我國(guó)房地產(chǎn)的影響及走勢(shì)分析[J].中國(guó)房地產(chǎn)，2020（12）：29-31.