房地产预警警源指标选择方法探析

■ 张 斌 Zhang Bin

0 引言

房地产预警属于经济预警研究领域的重要分支。近年来随着我国房地产市场的发展，房地产预警受到社会各界越来越多的关注与重视。国内学者从各自专业领域出发，采用定性与定量研究方式对于房地产预警进行了大量有益的研究与探索，其中最为核心的部分便是房地产预警指标体系的研究[1-2]。

指标是综合反映社会现象某一方面情况的绝对数、相对数和平均数。房地产预警系统借用这一术语来表示以警情为中心，将反映警情的各种因素分解成为一些具体的、可操作的因素，即通过探索有关警源、警素、警兆等来反映警情的整体特征。目前，国内房地产预警和其他预警理论学者从不同的角度建立了多套房地产预警系统指标体系。大体上可归纳为：生产类预警指标、交易状况类预警指标、消费状况类预警指标、金融类预警指标。从具体研究来看，丁烈云等[3-6]从景气指数法、第一主成分法、灰色关联分析、聚类分析和非参数检验等方法对预警指标体系的建立进行了研究。

通过对这些文献的总结，我们可以发现国内学者对于房地产预警指标体系的研究呈现如下趋势：由定性研究转向定量研究；由于前期数据的大量累积，研究方法由景气分析等方法逐渐转向统计学分析方法；越来越多针对特定城市的实证研究。这些趋势表明了对于房地产预警，国内学术界经过这些年的积累，对于原始数据的准备和方法技术的积累，其研究逐渐发展到大样本、针对特定城市的纵向数据的定量实证研究，具备了越来越高的信度、效度和实用价值。

房地产预警指标体系的组成要素包括警情、警源、警素、警兆、警限和警度。但从目前现有的研究来看，学者们关注的往往是警兆的选择方法。在确定警情指标的基础上，对于警源指标的选择，学者们往往采用列举或者经验选择的定性研究方法[3][6][7]，定量分析较少，此外定量方法选择较为主观，缺乏有效检验。这里基于多属性不确定性决策（uncertain multiple attribute decision making）的方法，对房地产预警警源选择加以探讨,并对上海市房地产市场进行实证分析,以验证此预警指标体系的有效性。

1 所基于的算法原理

多属性决策时利用已有的决策信息，通过一定的方法对一组（有限个）备选方案进行排序并择优。对于房地产预警的警源指标选择而言，会存在大量的备选指标可以选择，这些指标对于警情分析而言，各自有着一定的影响能力（相关系数）。然而不同警情指标的重要性往往是完全未知的，需要我们赋予一定的权值，而在属性权重信息完全未知且属性值为实数的情况下，需要构建信息集结算子对其进行决策。

令 M={1,2,…,m},N={1,2,…n}

设OWA：Rn→R；若其中w=(w1…wn)是与函数OWA相关联的加权向量，且bj是一组数据中(a1…an)第j大的元素，R为实数集，则称函数OWA是有序加权平均算子，也称OWA算子。

1.2 CWAA算子

设WAA：Rn→R；若其中w=(w1…wn)是一组数据(a1…an)的加权向量，则称函数WWA是有序加权平均算子，也称WWA算子。

设CWAA：Rn→R；若其中 w=(w1…wn)是与CWAA相关联的加权向量，且bj是一组加权数据(nw1a1…nwnan)第j大的元素，这w=(w1…wn)是数据组(a1…an)的加权向量，n是平衡因子，则称函数CWWA是有序加权平均算子，也称CWWA算子。

2 警源指标决策方法

2.1 选定决策集

对于房地产预警警源选择的多属性决策问题，设警情指标为属性集U，警源指标为方案集X。属性权重权重完全未知，但是存在决策群体D=(d1…dn)，他们的权重向量为U=E(e1…en)，其中设决策者给出警源指标在属性下的属性值从而构成决策矩阵Ak，若Ak中元素的物理量纲不同，则需要对其进行规范化处理，规范化处理后得到规范化矩阵

2.2 OWA算子集结

利用OWA算子对决策矩阵Rk中第i行的属性值进行集结，得到决策者dk所给出的方案xi综合属性值：N,k=1,2…t)，其中 w= (w1…wn)是 OWA算子的加权向量，wj=1，且是中第j大的元素。

2.3 CWAA算子集结

利用CWAA算子对t位决策者给出的方案xi的综合属性值进行集结，得出方案xi的群体综合属性值zi2…t)，其中 w’=(w1’…wn’)，是CWAA算子的加权向量，是一组加权数据中第k大的元素，t是平衡因子。

2.4 排序与择优

采用的决策方法是：首先利用OWA算子对单一决策者给出的某一方案的书友属性值进行纵向集结，然后利用CWAA算子对不同决策者得到的同一方案综合属性值进行集结。对于常规的房地产预警警情指标选择的决策过程中，往往会出现个别决策者受到个人情感等主观因素的影响，对于某些方案作出过高或过低的评价，因而导致不合理的决策结果，CWAA算子不仅能充分考虑决策者自身重要程度，而且尽可能地消除这些不公正因素的影响，并增加中间值的作用，从而增强警情决策结果的合理性。

3 实证分析

经过专家咨询和前期的数据收集,现建立22个备选警源指标原始数据库如下：

国内生产总值(X1)、房地产行业增加值(X2)、房地产开发投资额(X3)、全社会固定资产投资额(X4)、市区人均居住面积(X5)、人均可支配收入(X6)、固定资产价格指数(X7)、消费价格指数(X8)、非农业人口比重(X9)、房地产开发自有资金(X10)、新增土地可建面积(X11)、房地产从业人员(X12)、商品房新开工面积(X13)、商品房施工面积(X14)、商品房竣工面积(X15)、商品房出租面积(X16)、商品房批准预售面积(X17)、商品房销售面积(X18)、商品住宅销售价格(X19)、商品房销售率(X20)、住房换手率(X21)、存量房成交面积(X22)。对最近十年的备选警源数据进行归一化(表1)，是部分指标数据的列举。

采用4位决策者的数据算例，建立决策矩阵R1-R4(表2)。

利用OWA算子中的方法确定OWA算子的加权向量为：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)，对决策矩阵Rk中第i行的属性值进行集结，得到决策者dk所给出的警情属性xi综合属性值：

类似的可得：

表1 警源指标归一化数据

表2 决策矩阵R1

利用CWAA算子，对4位决策者提出的警情属性Xi的综合属性值2…4)进行后集结，首先利用λ，t以及求解可求警情属性Xi的群体综合属性值为：

利用对22种警情指标进行排序，结果为：

实际应用中可根据需求选择排名前N位的警源指标进行使用。

4 结论

作为房地产预警体系建立的重要环节，针对特定警情的警源指标选择的研究往往是被人忽略的，而采用完全定性的方式进行警情指标的选择难以保证警情指标的合理性和可靠性。而现实研究中，对于警源指标的研究往往存在着警情权重未知，需要人为赋权的问题，这里所采用的多属性不确定性决策方法能够有效地解决这一问题。

由此,基于多属性不确定性决策方法所获得的警源预警指标，可以客观地度量当前房地产市场的发展态势，从而也证明，通过多属性不确定性决策方法进行房地产预警的警源指标选择是有效的。

[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.房地产周期波动成因分析[J].华中科技大学学报(社会科学版).2Q03(2)：19-25.

[4]李崇明，丁烈云.基于系统核与核度理论的房地产预警系统指标体系选取方法[J].数学的实践与认识，200535(11)：44-52.

[5]赵黎明,贾永飞.房地产预警系统研究[J].天津大学学报(社会科学版),1999,(12)： 277 280.

[6]李斌，丁烈云，叶艳兵.城市房地产市场综合景气指数的构造与分析[J].华中科技大学学报(城市科学版).2003.20(1)：9-13.

[7]杨佃辉，陈轶等.基于聚类分析和非参数检验的房地产预警指标体系选择[J].东华大学学报(自然科学版)，2006，32( 2)： 59-62.