毕业论文当前房价问题分析.docx
《毕业论文当前房价问题分析.docx》由会员分享,可在线阅读,更多相关《毕业论文当前房价问题分析.docx(20页珍藏版)》请在冰豆网上搜索。
毕业论文当前房价问题分析
本科生毕业论文(设计)
当前房价问题分析
姓 名
学 号
专 业
统计学
指导教师
摘要
房价上涨是近年来社会广泛关注的一个热点问题,房价上涨的持续性以及房价过快上涨的危害是大家关注的重点。
房价是否合理,是否已经超过了民众的购买能力,仅仅通过表面观察和凭空想象是不能回答这些问题的,要通过科学的研究方法才能得出合理的结论。
本文首先用两组数据,引出房价上涨问题。
然后,简单介绍以下聚类分析方法,包括聚类分析的概念、特征和一般步骤。
再选取当前我国35个大城市为研究对象,选择一些与房价关系较密切的有代表性的经济指标,选择指标时要注意考虑到指标的合理性以及数据获得的可能性。
最后运用SPSS统计软件对其进行聚类分析,并对聚类分析的结果进行分析,得出相应的对策并提出合理的建议。
关键词:
房价;指标;聚类分析
Abstract
Theproblemofhousepriceisahotandpopulartopicinrecentyears.Continuationofhousepriceincreaseanditsharmisthefocusofpublicattention.Whetherthehousepriceisreasonableandwhetheritistoohightoexceedthepurchasingpowerofthepeople,cannotbeansweredjustbysurfaceobservationandimagination.Firstly,withthetwosetsofdata,thispaperleadstotheproblemofhousepriceincrease.Then,thispapergivesabriefintroductionoftheclusteranalysis,includingtheconcept,featuresandgeneralstepsofclusteranalysis.Thenthispaperselects35citiesforthestudyobject,andselectssomerepresentativeeconomicindicatorsthatarerelativelyclosewiththehousepriceconsideringthereasonablenessandthepossibilityofobtainingdata.Finally,usingSPSSstatisticalsoftwarethispaperanalyzestheresultsofclusteranalysis,obtainsthecorrespondingcountermeasuresandputsforwardsthereasonablesuggestions.
KeyWords:
houseprices;indicator;clusteranalysis
一、引言
(一)房价上涨问题的提出
居住是国民安居乐业和社会稳定的关键所在,也是社会发展水平的综合表现,历来都受到国家重视。
当一个国家或城市区的经济水平发展到一定程度以后,房地产业就会赢来一段快速增长时期,并进一步刺激和带动整个国家的经济增长,促进社会的稳定和繁荣。
然而,随着中国房地产市场的发展,各种矛盾也逐渐暴露,特别是高房价问题。
过去的几年各省城市房价不断攀升,截止到2014年5月统计局房价指数连续上升,创下新高。
不断走高的房地产价格,尤其在一些大城市,已远超大多数居民的购买能力,房地产价格的快速上涨已成为我国经济平稳运行中的突出问题。
为了反映房价的变动情况,这里引出房屋销售价格指数,它是反映一定时期房屋销售价格变动程度和趋势的相对数,通过百分数的形式来反映房价在不同时期的涨跌幅度。
通过房屋销售价格指数可以看出,房价一直在涨,见表1-1
(附:
为更好地满足各方面的需要,国家统计局2011年发布的《住宅销售价格统计调查方案》增加了计算定基价格指数的内容,首轮基期确定为2010年。
选择2010年作为对比基期,主要有三个方面的考虑:
一是与国民经济和社会发展五年规划期保持一致。
二是2010年的基础数据资料较为完整并且易于获取,可操作性强。
三是与CPI、PPI定基价格指数的对比基期保持一致,方便数据分析和使用)
2014年4月70个大中城市住宅销售价格变动情况(简表取前十八个)
表1-12014年4月新建住宅价格指数
城市
环比
同比
定基
城市
环比
同比
定基
北京
100.1
108.9
122.4
唐山
100.1
101.2
103.7
天津
100.1
104.5
113.2
秦皇岛
100.2
104.7
115.9
石家庄
100
107.4
121.5
包头
100.1
104.2
113.3
太原
100.1
109.6
116.4
丹东
100
106.4
118.2
呼和浩特
100
108.6
116
锦州
100
108.8
117.5
沈阳
100.1
107.8
121.3
吉林
100.1
106.1
115.6
大连
100.1
106.8
118.9
牡丹江
100.1
103.4
113.5
长春
100.2
107.2
114.8
无锡
100
103
107.4
哈尔滨
100
106.1
114.7
扬州
99.9
106.5
112.8
数据来源:
国家统计局2014年5月18日发布《2014年4月份70个大中城市房屋销售价格变动情况》
与上月相比,70个大中城市价格下降的有8个,持平的有18个,上涨的有44个,与去年同月相比,价格下降的有1个,上涨的有69个。
表1-22014年4月二手住房价格指数
城市
环比
同比
定基
城市
环比
同比
定基
北京
99.8
110.2
120.2
唐山
99.9
101.3
104.4
天津
100.5
104.5
108.5
秦皇岛
100
100.9
103.4
石家庄
100.1
102.5
101.6
包头
100.1
102.5
103.5
太原
100.3
103.4
116.6
丹东
100
102.9
106.3
呼和浩特
99.8
102
107.6
锦州
100.1
102.4
102.4
沈阳
100.1
105
110.8
吉林
99.8
100.9
105.1
大连
100
101.1
108.5
牡丹江
100
99.1
101.4
长春
99.9
102.9
106,2
无锡
99.9
101.4
107.6
哈尔滨
100.2
103.8
104.3
扬州
99.9
102.2
102.2
数据来源:
国家统计局2014年5月18日发布《2014年4月份70个大中城市房屋销售价格变动情况》
与上月相比,二手房价格下降的有22个,持平13个,上涨的35个,与去年同月相比,下降的有2个,持平1个,上涨的67个。
由此可以看出,中国近年的房价普遍上涨,下面,我们就用聚类分析法分析当前房价的合理性。
(二)研究思路和方法
本文主要选择聚类分析的方法进行研究分析。
首先,要合理选择反映房价问题的几个指标,因为指标的选择对深入的探讨又有决定的意义。
其次,用聚类分析的方法,对31个省市的房价问题聚类分析。
然后,对聚类分析的结果进行分析,最后得出结论并提出一些合理的建议。
论文中涉及到的分析数据,一部分来自历年的中国统计年鉴,还有一些来自报刊、杂志上的报导性数据。
二、聚类分析简介
(一)聚类分析的概念
聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。
它是一种重要的人类行为。
聚类分析的目标就是在相似的基础上收集数据来分类。
(二)聚类分析应用范围
聚类源于很多领域,包括数学,计算机科学,统计学,生物学和经济学。
在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。
聚类是将数据分类到不同的类或者簇这样的一个过程,所以同一个簇中的对象有很大的相似性,而不同簇间的对象有很大的相异性。
商业上,聚类分析是细分市场的有效工具,同时也可用于研究消费者行为,寻找新的潜在市场、选择实验的市场,并作为多元分析的预处理。
生物学方面,聚类分析被用来动植物分类和对基因进行分类,获取对种群固有结构的认识。
聚类分析在电子商务中网站建设数据挖掘中也是很重要的一个方面,通过分组聚类出具有相似浏览行为的客户,并分析客户的共同特征,可以更好的帮助电子商务的用户了解自己的客户,向客户提供更合适的服务。
从统计学来看,聚类分析是通过数据建模简化数据的一种方法。
传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。
采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中,如SPSS。
本文就是用SPSS对与房价关系密切的几个指标进行聚类分析,从而得出合理的分析结果。
(三)聚类分析特点
首先,聚类分析简单直观。
其次,它主要应用于探索性的研究,其分析的结果可以提供多个可能的解,选择最终的解需要研究者的主观判断和后续的分析。
不管实际数据中是否真正存在不同的类别,利用聚类分析都能得到分成若干类别的解。
最后,聚类分析的解完全依赖于研究者所选择的聚类变量,增加或删除一些变量对最终的解都可能产生实质性的影响,所以在研究过程中,对指标的选择要非常慎重。
(四)聚类分析的一般步骤
1.搜集整理数据,录入Excel表格。
2.对整理的数据预处理,如果单位不同,则用SPSS首先对数据进行标准化处理。
3.用SPSS对标准化的数据进行聚类分析
4.对分析聚类分析结果。
三、房价问题的聚类分析
第一章已经说到,中国近几年的房价是普遍在上涨的,然而,住房价格上涨的同时,居民的收入也在增加。
对于“中国当前的房价到底是否合理”,存在着很大争议。
有人认为中国目前的房价是基本合理的,且当前房价水平是由于前几年房价过低的理性回升。
主流的观点则是认为中国的房价不合理,存在着巨大泡沫。
本章选用2013年全国35个大城市国民经济和社会发展统计公报的相关数据,利用国内生产总值(GDP)、居民家庭人均可支配收入、房价收入比、人均GDP四个指标对全国31个省市的房价问题进行聚类分析。
(由于港、澳、台三地与大陆制度和发展水平差别较大,所以本文选择的数据不包括这三个地区,本文所选的35个大城市是按照国内各城市GDP排名取前三十五个)
(一)指标的选择
对我国各地区的房价问题进行深层分析,指标的选择具有决定性意义,这里选取下面4个指标作为分析的依据。
1.GDP总量
GDP即英文(grossdomesticproduct)的缩写,也就是国内生产总值。
国内生产总值是指在一定时期内(一个季度或一年),一个国家或地区的经济中所生产出的全部最终产品和劳务的价值,常被公认为衡量国家经济状况的最佳指标。
它不但可反映一个国家的经济表现,还可以反映一国的国力与财富。
进入21世纪以来,我国的房地产业出现了新一轮繁荣期,房价持续上升,这在相当大的程度上是国民经济发展的良好态势所带动的。
房地产业与国民经济的关系是:
一方面,国民经济的发展会带动或制约房地产业的发展;另一方面,房地产业的发展又起着促进或影响国民经济的增长。
因此,本文在指标选择上将其作为考察的变量,力求反映各地区的经济增长对房价的拉动作用。
2.居民人均可支配收入
居民人均可支配收入是指居民家庭全部收入中,可用于支付生活费用的收入,人均可支配收入是按家庭全部人口计算的平均每人生活费收入,它被认为是消费开支的最重要的决定性因素。
人们都能接受这样的概念:
收入高的城市,房价相应也就高,就是说,房价应当相对于可支配收入进行比较。
因为想买房子就得有钱,也就是要有可支配收入,可支配收入与购房关系紧密。
因此,本人认为选择居民家庭可支配收入作为分析的变量是十分必要的。
3.房价收入比
它是一项综合指标,根据联合国人类住区中心所发布的《城市指标指南》,“房价收入比”是指“居住单元的中等自由市场价格与中等家庭年收入之比”,国内学者大多将“房价收入比”这一概念定义为“居民收入和房价水平之间的比率”。
概念上的不统一直接导致认识的混乱与统计的偏差。
在此,本文采用我国现行的房价收入比的统计方法和标准。
房价收入比从数值来看即是一套房子价格同家庭年收入的比值,比如一套售价为50万元的房子对于一个年收入10万元的家庭,其比值便为5:
1。
通过合理计算准确的房价收入比,不仅可以对市场的运行状况有个正确地认识,选择适当的入市时机,对于购房者而言,在了解自己的收入和房价之间准确的比值之后,有利于人们决定合理的房产消费方式。
在房地产市场中“买”和“租”都是合理的消费形式,根据收入房价比来选择合理的消费形式才是真正意义上的理性消费。
因此,本文选择房价收入比为考察的指标变量。
4.人均GDP
人均GDP是一个考虑了人口因素的相对指标,如果我们只考虑国内生产总值GDP的总量,可能会因为没有考虑人口因素而缺乏一定的合理性。
在此,同时选用人均GDP作为分析的对象,从而同时兼顾经济发展和社会人口发展,对研究我国各城市当前的房价问题是很有必要的。
(二)各城市房价问题聚类分析
1.数据的搜集和整理
为了进行研究,我先搜集了2013年35个大城市的上述几个指标制成表格,为了便于查看,它们是按照GDP的排名进行排序的。
表3-12013年35个大城市相关数据
序号
城市
GDP总量(亿元)
人均可支配收入(元)
房价收入比
人均GDP(元)
每平方米商品房平均房价(元/㎡)
1
上海
21602.12
43851
27.34
90748.81
28482
2
北京
19500.60
40321
37.14
94237.66
37469
3
广州
15420.14
42066
17.58
120104.84
18406
4
深圳
14500.23
44650
22.33
137476.82
23906
5
天津
14370.16
32658
18.59
101688.85
14500
6
苏州
13015.70
41096
10.33
123382.09
10144
7
重庆
12656.69
25150
11.97
42976.88
7505
8
成都
9108.89
29968
13.13
64247.56
9412
9
武汉
9051.27
29821
12.02
88932.81
8900
10
杭州
8343.52
39310
19.13
94791.18
19415
11
无锡
8070.18
38999
8.06
124819.12
7868
12
南京
8011.78
36200
17.84
98171.55
17400
13
青岛
8006.60
35227
14.12
90281.33
12105
14
大连
7650.80
30115
14.45
114361.73
10766
15
沈阳
7223.70
29340
10.53
87794.12
7798
16
长沙
7153.13
33662
7.82
100091.37
6622
17
宁波
7128.90
41657
12.97
93322.03
13827
18
佛山
7010.17
38040
8.52
96534.88
8122
19
郑州
6201.90
26600
13.37
68673.46
8931
20
唐山
6121.20
26647
9.54
79090.33
6656
21
烟台
5613.87
32930
9.46
8039.54
7730
22
东莞
5490.02
46594
6.67
66206.24
7775
23
济南
5230.19
35648
10.71
75258.86
9461
24
泉州
5218.00
35430
9.07
62943.31
8119
25
哈尔滨
5141.50
25222
11.65
48340.54
7325
26
南通
5038.89
31059
10.61
69051.43
8424
27
长春
5003.17
23089
12.13
65129.61
7033
28
西安
4884.10
33100
8.59
57104.96
7034
29
石家庄
4863.60
25000
12.75
46828.42
7878
30
福州
4678.50
32130
17.51
64353.51
13829
31
合肥
4672.90
27980
10.56
61712.89
7200
32
徐州
4435.82
23770
11.44
51795.52
6801
33
滩坊
4420.70
28386
5.56
47967.14
8714
34
常州
4360.93
36946
8.08
93047.97
7516
35
大庆
4332.70
28500
7.13
149171.97
4800
数据来源:
宜居城市研究室《2013年中国城市GDP和人均GDP排名》、《2013大陆主要城市房价收入比排名》、《2013全国大城市房价排行》
2.数据标准化处理
数据进行标准化处理,是为了使具有不同量纲、不同数量级的数据能放在一起比较。
对表3-1进行数据标准化处理,得到表3-2
表3-2数据标准化
序号
城市
Z1
Z2
Z3
Z4
Z5
1
上海
3.06149
1.61005
2.27235
0.28619
2.4674
2
北京
2.58495
1.063
3.83681
0.40364
3.76308
3
广州
1.65968
1.33342
0.71427
1.27448
1.01472
4
深圳
1.45109
1.73387
1.47256
1.85932
1.80767
5
天津
1.42159
-0.12456
0.87551
0.65449
0.45158
6
苏州
1.11446
1.1831
-0.44311
1.38481
-0.17644
7
重庆
1.03305
-1.2881
-0.1813
-1.32209
-0.55691
8
成都
0.22856
-0.54144
0.00388
-0.606
-0.28197
9
武汉
0.2155
-0.56422
-0.17332
0.22505
-0.35579
10
杭州
0.05501
0.90632
0.96171
0.42228
1.16019
11
无锡
-0.00697
0.85812
-0.80549
1.43319
-0.50458
12
南京
-0.02022
0.42435
0.75578
0.53608
0.86968
13
青岛
-0.02139
0.27356
0.16192
0.27045
0.10628
14
大连
-0.10207
-0.51866
0.2146
1.08113
-0.08676
15
沈阳
-0.19892
-0.63876
-0.41118
0.18671
-0.51467
16
长沙
-0.21492
0.03103
-0.84381
0.60071
-0.68421
17
宁波
-0.22041
1.27004
-0.02167
0.37282
0.35455
18
佛山
-0.24734
0.7095
-0.73206
0.48098
-0.46796
19
郑州
-0.43062
-1.06339
0.04219
-0.457
-0.35132
20
唐山
-0.44892
-1.05611
-0.56923
-0.1063
-0.67931
21
烟台
-0.56396
-0.08241
-0.582
-2.49828
-0.52447
22
东莞
-0.59204
2.03514
-1.02739
-0.54006
-0.51798
23
济南
-0.65096
0.33881
-0.38245
-0.23529
-0.27491
24
泉州
-0.65372
0.30502
-0.64426
-0.64991
-0.46839
25
哈尔滨
-0.67107
-1.27694
-0.23239
-1.14152
-0.58286
26
南通
-0.69434
-0.37236
-0.39841
-0.44427
-0.42442
27
长春
-0.70244
-1.6075
-0.15576
-0.5763
-0.62496
28
西安
-0.72944
-0.05606
-0.72088
-0.84646
-0.62482
29
石家庄
-0.73409
-1.31135
-0.05679
-1.19243
-0.50313
30
福州
-0.77606
-0.20639
0.7031
-0.60243
0.35484
31
合肥
-0.77733
-0.84953
-0.4064
-0.69133
-0.60088
32
徐州
-0.83109
-1.50196
-0.26591
-1.02521
-0.65841
33
滩坊
-0.83452
-0.78661
-1.20459
-1.15409
-0.38261
34
常州
-0.84807
0.53996
-0.8023
0.36359
-0.55532
35
大庆
-0.85447
-0.76894
-0.95396
2.25305
-0.9469
注:
Z1表示GDP总量的标准化值;Z2表示居民人均可支配收入的标准化值;Z3表示房价收入比的标准化值;Z4表