浅谈大数据下的中国房价波动分析

文/杨金萍，对外经济贸易大学统计学院在职人员高级课程研修班学员

1 引言

我国有13亿人口，人口众多，根于中国传统文化-安土重迁，中国人对房子的关注度自古就有着很深的情结，有房子，才有家，才是归宿。随着中国经济的飞速发展，人们生活水平的提高，对于物质、精神生活的要求越来越高。人们不在止步于几间茅草屋，遮风避雨，足以。对房子的大小、装修、水电基础设备、楼层、朝向、开发商信誉、位置都有着比较严苛的要求。然而日益上涨的房价，使很多漂泊在外的游子，安土重迁的愿望难以实现。有人放弃买房的想法，选择过租房更为轻松的人生；有人倾尽洪荒之力付了首付，成为20年或者30年的房奴。本文基于房价上涨现状，分析影响房价波动因素。

2 中国快速的城市化进程

2.1 中国正处于快速的城市化阶段，农村人口以其惊人的速度向城市聚集，农民进城之后就有住房需求，人口急剧增加，就会导致部分三线城市房价快速增长。一二线城市本身就是人才聚集地，每年大量的毕业生都会涌向一二线城市，人才的聚集，城市住房有限，同样会导致房价快速上涨。依然记得2010年高考，全国考生达到90万，而今年更是刷新了新高，超过了100万的大关。

2018年据官方出具报告：根据登记户籍来看，当前的城镇化率仅仅只有40%左右；而从人口调查统计的结果来看，城镇化率则是达到了约50%；如果采用样本分析统计法对在城镇中居住满六个月的人口数量来进行统计，那么城镇化率则是达到了57%。这些结果代表了有很多的农民在逐步地想城市进行迁徙，这些人可能是已经在城市中找到了工作，只是还没有在城市中安家落户。当前，中国仍然是处于城市化进程的快速发展时期，未来这一因素仍然是影响房价走向的一个原因之一。通过运用大数据分析技术，政府可以更为值观的感受到中国城市化进程的程度，查漏补缺，及时调整车头，根据不同阶段的情况制定出契合实际的策略。中国正在进行轰轰烈烈的城市化，每一个政策的制定都对中国的未来影响深远，所以根据实时数据制定实时策略则显得尤为重要。

3 房地产市场属性-投资型市场

3.1 根据西南财经大学的一份报告显示，从2018年第三季度全国城镇家庭购房的目的来分析，其中改善型购房需求占26.7%，而投资性购房需求占58.2%，首套刚需购房需求占比只有15.1%。从数据上可以一目了然看清楼市实际现状。一个国家的房地产市场已经逐渐的沦为成一个投资性市场，那么住房供应量和需求的确是无法达到平衡的，因为房产相当是资本的一个筹码，人们拿着这个筹码就可以等价交换货币，但是它又比货币更加具有保值和增值性，有钱人都把货币获取置换成房产，而没钱的人也希望自己能够尽早拥有这种筹码。

习总书记在十九大报告中再次强调“房子是用来住的,不是用来炒的”，强调，要将房子是来住的、不是用来抄的定位坚持到底。一城一策、因城施策以及城市政府主体责任等相关的长效调控机制都必须要有效地进行落实。

3.2 各级政府已经意识到房地产市场这一不健康属性-投资性市场，并做出一系列调控政策：

自然资源部2018年6月16日发布消息称，全国统一的不动产登记信息管理基础平台已经实现了全国联网，并已经全面运行。全国联网会让楼市变得更加的透明，可以帮助各级决策部门对楼市有更加准确、清晰的认识，即使是对于炒房客也可以很快地进行统计。在互联网大数据的浪潮下，房地产市场变成了一组组可见的数字以及更为直观的图表，不单单使楼市变得更加直观透明，民众更易理解，更重要的是为各级政府制定切实有效的房地产市场政策提供数据支撑，这是大数据时代给我们带来的福利，使一切都可以量化。

根据大数据提供的实时数据，政府为了有效遏制投资投机性购房，促进本市房地产市场平稳健康发展，一二线城市相继出台限购政策，以上海为例：非沪籍家庭限购一套上海住宅,但是夫妻双方必须至少有一人社保或者个税,且自购房之日前必须连续缴纳满5年及以上，才能满足购房资格，。

4 便利地段-高房价聚集区

4.1 交通便利、配套齐全、保价增值是购房者考虑的首要条件。一般情况下，老人会选择医院附近，活动场所多，购物方便，空气清新，比那与就医和消遣的地区，一般距离医院近的地方，房价会高于周边其他地区。而有经济能力的青年人一般会选择公司附近，娱乐设施丰富，人员集中，上下班方便，黄金地段的房价一直是正是城市鹤立鸡群的一个。有孩子上学需求的家庭，一般会选择学校附近，方便孩子就近入学，而学区房一直是房地产市场比较热门的话题之一，一度也推动者学校周边房价上涨的重要因素。

4.2 根据2019年链家网实时大数据，我们依然可以洞察房价与热门区域的关系。数据基于python技术对链家网公开房产数据进行统计。

通过对上海房产数据分析我们可以得出如下结论：

a.高房价区域为：静安、长宁、闸北、徐汇、杨浦、浦东、普陀、黄浦、虹口，这些区有高新技术开发区、历史租界经济带、商场写字楼经济带

b.根据新房、二手房、租房的三份数据可以看出，价格呈现一个‘同涨同落’的趋势，基本成正比关系。

链家网是大数据统计做的很不错的网站之一，进入首页你可以直观第看到3块统计图表：单价图、面积图、房型图，高级搜索条件丰富。链家网通过多房产大数据的信息整合，联通了房产买卖双方、租赁双方，满足客户的很多需求：房源急速对比、业主对房产评价、地图找房、地铁找房、VR看房。链家网从不同维度对数据进行整合，满足了用户对不同层面数据的需求。大数据在生活中的运用还远不止于此。

5 过去10年经济发展与房地产

5.1 过去10年，中国经济的飞速发展离不开房地产的支撑，换句话说，房地产近10年的飞速飙升是与中国经济相辅相成、密不可分的。许多地方政府的业绩，也很多是靠招商引资房地产企业而获得了短期内的飞速发展，很多在这10年内上台的各级官员，也致力于发展本省市的房地产市场，业绩见效快，升迁迅速。这种捆绑式的单一发展同时带来了很多弊端，房价升温能过快，居民收入与房价差距拉大，炒房团兴起，房价过高带来的焦虑促使人们盲目将钱投入房地产市场，普通刚需居民成为了最后高房价的接盘侠。

5.2 对于二、三、四线城市来说，特别是三、四线城市，产业基础较为薄弱，缺乏良好的城市造血功能，往往只有利用房地产来推动地方经济的发展。让房地产的开发成为了主导城市发展的引领者。房地产成为了地方支柱产业，其几乎带动了地方所有行业的发展，这就导致了在中央调控的时候，地方政府并不积极配合。

5.3 新闻数据指出，世界各国的房价收入比离散系数很大，通常认为6倍左右就较为合理。然而中国的房价收入比一直较高，在201 7年的时候达到了8倍多。而一线城市以及一些较为热门的二线城市，房价收入比甚至是十几倍，和国际平均水平相比，明显高出很多。房价房租比（或租售比价），租金与房价有着密切的关系。市场条件下有什么样的房价就有什么样的房租，房租在一定程度上反映了房价。一般情况下出租房作为一种经营或投资，年房租收入一般会占到房价的5%-7%，而我们现在的住宅房租收入仅占房价的1%-2%左右，低于银行存款利率。根据大数据统计出来的这是数字，我们能看到一个很明显的问题，对于一个发展中国家来说，这种高于正常水平的数字恰恰也反映了中国房地产市场存在的弊端，政府可以根据这些异常数据出台相应的政策，来调控优化房地产市场。大数据对于促进房地产转型起到了很重要的作用。中国政府也清晰的意识到了这些问题。中国的经济转型必须要向高房价开刀，这是一个国际公认的共识，从日本九十年代的高房价泡沫的经济转型可以吸取更多的经验和教训，中国如果任由房价这样发展下去，对中国经济是灾难。转型的阵痛必定伴随着一部分人的利益收到损益。对于涉及到的房地产相关领域的整顿已经开始，而对于房子来说，最大的两项政策还在酝酿中，一是取消房子预售制，实行现房交易；二是房地产税的实施。

6 结语

本文以数据为基础从4个方面，简单分析了影响中国房价波动的因素。中国高速的城市化进程，促使大量劳动力涌向城市，人口的增加带来了住房需求，以及每年涌向一二线城市的毕业生，都促使城市房价快速上涨。中国房地产市场，投资型属性的存在，涌现出一批又一批的炒房客，通过非法操作手段，短时间内促使部分地区房价飙升。一二线城市，本身就是高科技人才聚集地，每年又有大量的毕业生涌入，安居乐业之刚需，推动了交通便利地区的房价上涨，这是人们本能的选择。中国的经济发展离不开房地产市场的繁荣，但是通过数据各级政府也看到了单一经济支柱带来的房价升温过快的弊端，房价收入比离散系数高于正常水平，并在2017年达到8倍的极端值。近年国家频繁出台房地产调控政策，成效显著，并积极推进房地产经济转型，期望各级政府经济发展支柱实现百花齐放的场面，避免因经济支柱单一，带来的断崖式经济波动。大数据不仅给我们生活带来了很多便宜，也为各级政府制定正确的政策提供数据支持。