基于灰色关联度的河北省房价影响因素分析

张乐乐+高孝伟

摘要：基于灰色关联度模型，分别从供给、需求和环境3个角度选取若干房价影响因素，对2008-2015年《河北经济年鉴》中的相关数据进行了分析，结果表明：居民收入水平和地区经济发展水平对河北省房价的影响最为显著，同时竣工房屋造价、房地产投资规模等因素也对房价有较强影响，京津冀一体化重大战略及其相关政策将对河北省房价产生直接影响。

关键词：房价； 影响因素； 灰色关联度； 京津冀一体化

中图分类号：F293.3

文献标识码：A 文章编号：16749944（2017）10026304

1 引言

住房问题关系国计民生。近年来，随着社会、经济不断发展以及房地產行业的迅速崛起，国内各大城市房价持续走高，居民购房压力日趋沉重，因此对房价影响因素的研究具有重要的现实意义。

学术界对房价影响因素已有大量研究。肖磊利用30个省会城市的截面数据对房价影响因素进行定量分析，发现供给和需求是影响房价的最主要因素[1]。罗玉波利用分位数回归方法分析得出不同房屋属性对于房价的影响随所考察的分位数不同而变化，从而得到不同属性对于房价影响更为全面的描述[2]。刘闯利用国内1997～2009年房地产市场相关数据资料，通过计量经济学方法，构建出我国房价影响因素的联立方程模型[3]，且该模型具有有效性。金克镇通过回归分析得出常住人口数量、CPI、调控政策是影响房价指数的主要因素[4]。范允奇通过二阶段局部动态调整模型对存在市场摩擦和投机时的房价运行特征进行分析，并利用动态面板数据模型和递归分析方法分析了房价影响因素的区域差异和时序变化[5]。蔡鹭斌通过构建基于DPSIR模型的房地产调控政策对房价影响的评价体系，分析得出房价对调控政策反应敏感但同时具有一定的滞后性[6]。彭乃弛利用2012年北京、天津等31个省市相关指标的横截面数据，通过最优模型分析得出人均可支配收入与失业率是短期内影响房价的主要因素[7]。陈新峰通过VAR模型分析得出国内生产总值、货币与准货币供应量、城镇居民人均可支配收入、土地价格、房地产开发中外资利用额等变量之间存在长期的稳定关系[8]。

以上对房价影响因素的研究分别基于不同角度，各有侧重；在对房价影响因素进行分析时所采用的方法各有优势与不足；对于我国不同省份而言，其人口状况与经济发展水平参差不齐，房价影响因素的重要性排序也有所不同。笔者从供给、需求、环境等角度选取若干对房价有重要影响的因素，对河北省2008-2015年的相关数据进行灰色关联度分析，得出各个因素对河北省房价的影响程度，为有效调控房价提供指导。

2 房价影响因素模型构建

房价影响因素涉及诸多方面且内容复杂。拟从需求、供给、环境以及其他因素四个角度分析影响房价变动的主要因素。

（1） 需求因素。在其他因素一定的前提下，对商品房的需求越旺盛，房价越高涨。因为人口和购买力是决定市场需求的最为重要的因素，所以在此选取居民可支配收入和年末常住人口来反映需求因素。人口是房地产业发展的基础要素，一般情况下，人口与市场需求之间存在正相关关系。而居民的可支配收入决定着购买力水平，收入水平越高，支付能力越强，从而刺激商品房的需求，导致房价上涨。

（2） 供给因素。根据经济学一般理论，在其他因素一定的前提下，商品房的供给量越多，房价越低。在此选取了房地产投资、施工房屋面积、竣工房屋面积和竣工房屋造价来反映供给因素。其中房地产投资、施工房屋面积、竣工房屋面积与房价之间往往存在负相关。而竣工房屋造价与房价之间存在正相关。

（3） 环境因素。环境因素主要通过影响商品房的需求和供给进而影响房价。选取地区生产总值、居民消费价格指数和城镇化水平来反映环境因素。地区生产总值反应了地方经济发展水平，而经济发展水平的提高在带动居民收入水平上升的同时，也会刺激房地产商加大投资力度，抬高房价。物价水平上涨会增加商品房的建设成本，影响其供给；同时通货膨胀情况下，人们更倾向于持有实物资产从而加剧购房需求。城市化水平反应了人口由农村向城市聚集的程度，城市化水平的提高促进了住房需求的扩大，导致房价上涨。

（4）其他因素。考虑到人民币贷款利率对房地产需求的影响，所以附加了这一其他因素。因为人民币贷款利率同时影响房地产商与购房者的资金成本，进而影响房地产市场的供给与需求，最终对房价产生影响。

3 灰色关联度模型介绍

灰色关联度分析（Grey Relational Analysis）是一种多因素对比分析法，通过分析系统中主行为因子与相关行为因子的关系密切程度，进而判断引起该系统发展的主要因素和次要因素。它以系统内各因子间的关联系数和关联度作为依据，通过比较关联度的大小来确定主要因素和次要因素。

灰色关联度的计算步骤如下。

（1） 确定主行为因子序列和行为因子序列。设主行为因子序列为X0（k），行为因子序列为Xi（k）（i=1，2，3，…，m，k=1，2，3，…，n）。

（2） 无量纲化处理。通常情况下，系统中各因素的量纲或数量级并不相同，为了保证分析结果的可靠性，需要对原始数据进行无量纲化处理。对时间序列一般采用均值化处理。

（3） 计算关联系数。X0（k）与Xi（k）之间的关联系数计算公式如下：

式（1）中MiniMink|x0（k）-xi（k）|为两级最小差，即|x0（k）-xi（k）|计算所得到的最小值；MaxiMaxk|x0（k）-xi（k）|为两级最大差，即|x0（k）-xi（k）|计算时所得到的最大值；ρ为分辨系数，其取值区间为（0，1），具体取值可视情况而定。当ρ≤0.5436时，分辨率最好，通常取ρ=0.5。

（4） 计算关联度。关联度ri的计算公式为：

将关联度按大小排序并据此进行后续分析。

4 河北省房价影响因素的灰色关联度分析

（1） 数据的选取。根据前文分析，选取河北省商品房均价为主行为因子，记为X0；行为因子包括：年末常住人口、居民可支配收入、房地产投资、施工房屋面积、竣工房屋面积、竣工房屋造价、地区生产总值、居民消费价格指数、城镇化水平和人民币贷款利率（5年以上），分别记为Xi（i=1，2，…，10）。文章的数据来源包括《河北省经济年鉴》以及中国人们银行网站，由于2016年的统计数据尚未发布，因此采集的时间序列为2008～2015年的数据，如表1所示。

（2） 初始数据无量纲化处理。本文采用均值化的方法对原始数据进行了无量纲化处理，结果如表2所示。

（3）计算关联度。计算过程数据（差序列）如表3所示。

（4）结果分析。根据计算结果，上述房价影响因素的关联度均在0.5以上，说明其对河北省房价均有不同程度的影响。关联度大于0.85的因素有居民可支配收入和地区生产总值，说明这二者对房价的影响极为显著；关联度大于0.6小于0.85的因素有竣工房屋造价、房地产投资、城镇化水平、施工房屋面积和年末常住人口，说明这五个因素对房价有较大的影响；关联度在0.5～0.6之间的因素有人民币贷款利率、竣工房屋面积和居民消费价格指数，说明这三个因素对房价也具有一定影响。

5 结论与讨论

根据上文分析，居民收入和地区经济发展水平对河北省房价的影响程度最为显著，因此大力发展经济，提高居民收入水平是稳定房价，缓解居民购房压力的主要途径。同时，房地产供给方面的因素，如竣工房屋造价、房地产投资规模等因素也对房价产生较强的影响，因此应强化房地产市场秩序，加强土地监管职能，并通过贷款利息、贷款规模等手段调控房地产投资规模，抑制房地产市场非理性扩张和房价持续上涨。此外，城市化率、人民币贷款利率和居民消费价格指数的排序较为落后，说明城镇化水平、物价水平等环境因素以及银行信贷政策对房价的影响力度弱于需求因素和供给因素。

2015年中共中央政治局审议通过了《京津冀协同发展规划纲要》，将推动京津冀协同发展上升为重大国家战略。京津冀一体化对河北省既是机遇又是挑战。在这一战略中，河北省将在疏解北京人口压力，承接北京部分功能和产业转移方面扮演重要角色。2017年两会期间，京津冀协同发展再度成为社会关注焦点，其相关议题涉及交通、就业、医疗等多方面信息，特别是京津冀协同发展在交通领域的大力推进，将成为河北省环首都地区房价上涨的重要催化剂。此外，2022年冬奥会申办成功后，河北张家口地区房地产市场也已迎来繁荣时期。京津冀協同发展、冬奥会等因素对河北省房地产市场的作用是一个长期过程，其中人口迁入量、新增住房数量以及区域产业布局是否完善等因素都将直接影响房价走势[9]。

结合灰色关联度模型对房价影响因素进行了分析，其结果表明，来自商品房需求与供给方面的因素较之于环境等因素对河北省房价有更为显著的影响作用，这与现实情况及供求价格理论相吻合，从而验证了利用灰色关联度模型分析房价影响因素的合理性。此外，在研究过程中尚有不足之处：首先，在构建河北省房价影响因素模型时，只选取了10个相关因素，并不能完全涵盖所有房价影响因素；其次，在数据选取上，主要以《河北省经济年鉴》为数据来源，而官方统计数据和商业数据必定各有侧重，因而单一的以官方数据进行计算和分析，势必会影响实证分析的准确性。因此，为了更客观地分析房价影响因素，有效克服上述缺陷将是后续研究的重点内容。

参考文献：

[1]

肖 磊.房价影响因素与地区房价差异分析[J].经济研究导刊，2011，（35）：103-105

[2]罗玉波.房价影响因素分析：分位数回归方法[J].统计与决策， 2011（6）：158～159.

[3]刘 闯，俞秋婷，高琴琴.基于联立方程模型的我国房价影响因素研究[J].武汉理工大学学报（信息与管理工程版），2012，34（1）： 123～126.

[4]金克镇.关于房价影响因素的理论分析与实证研究：以天津市为例[D].天津：天津师范大学，2013.

[5]范允奇，王艺明.中国房价影响因素的区域差异与时序变化研究[J].贵州财经大学学报， 2014 （1）： 62～67.

[6]蔡鹭斌.基于DPSIR模型的宏观调控政策对房价影响研究[J].沈阳工业大学学报（社会科学版），2014，7（2）：145～151.

[7]彭乃弛.短期影响中国商品房房价因素的计量分析[J].经济研究导刊，2015（4）：138～140.

[8]陈新峰，王子柱.房地产价格影响因素实证分析[J].现代物业·新建设，2015，14（1）：82～87.

[9]张 婷.河北省在京津冀一体化发展中的对策研究[D].长春：吉林大学，2015.