基于 技术下武汉市房产价格预测与分析

文/林进，何川，熊颖，向鑫，尤昊宇

（长沙理工大学建筑学院，湖南长沙 410000）

城市的宜居程度与区域环境、经济、文化密不可分，而普通人来首要考虑的是当地的房价。房价的平稳性、合理性关乎社会民生，它是政府有关部门关注的热点。

在此背景下，许多学者分析、研究了房价的影响因素，并且构建了房价预测模型。房价的影响因素主要包括人口、政策、人均GDP、居民消费能力、居民可支配收入、工业化影响、房产投资额等。其中，人口因素包括城镇化程度、人口密度与人口总量等；政策因素包括利率、税率、购房政策等。[1]本研究基于GIS技术和时间序列分析方法，分析了房产价格的影响因素，预测了后疫情时代武汉市房价。

1.研究概况与准备

1.1 区域概况

武汉市地处江汉平原东部、长江与汉水的交汇处。长江及其最长支流汉江横贯市区，将武汉市一分为三，形成了武昌、汉口、汉阳三镇隔江相望的格局。武汉市有“九省通衢”之称，是中国内陆最大的水陆空交通枢纽。截至2020年末，武汉市总面积8569.15km2，常住人口1232.65万人。2021年，武汉市GDP为1.77万亿元。

1.2 数据来源

随着大数据时代的到来，人们可以从互联网上获取房产交易市场的相关信息。笔者使用浏览器中自带的开发功能，分析了房产网页中爬虫的结构，从而为数据获取提供了依据。笔者使用Python的requests、bs4模块实现网络爬虫。requests模块主要用来发送、响应网络请求；bs4模块主要用来解析网页。[2]为便于研究分析，笔者利用pandas模块，将所获取的信息转换为csv文件。笔者从安居客官网上获取了3万多条房价数据，其中每条数据包括小区具体位置、名称、楼层高度、建筑朝向、面积、建成年代，以及单价、总价等信息。利用API数据端口批量处理信息，有利于保证地理位置信息的准确性。笔者在整理所得到的房价信息之后，筛除了异常、无效信息，并且量化了所有信息，以便后期模型分析。

2.房产价格的影响因素

每个城市的房价都有一个共有的特征—区域位置对于房价起到决定性作用。武汉市核心区域有着大量的优质资源，而分布不均的资源导致了中心区域的房价持续上涨，使得中心区域房价与郊区、开发区等区域房价之间存在较大的差异。武汉市湖泊、水域众多，中心区域的土地使用面积较少、人口众多，这些都是核心区域房产价格的影响因素。武汉市中心江河湖泊众多、交通便利、相关配套设施完善，导致该区域的房价持续上涨。在房价持续上涨的同时，该区域的供求关系也发生了改变，例如某些区域内的空房率呈上升趋势。受多方面因素的影响，城市核心区域的住房需求持续上升，核心区域的房价远远高于其他区域的房价（见图1）。

图1 武汉市房价空间分布图

笔者预处理了辅助数据，例如百度POIs数据等。笔者利用ArcGIS软件分析了基础路网、地理位置数据，最终生成了相应的核密度与距离信息。

笔者选取对武汉市房价影响较大的因素，例如教育资源、生活便捷程度以及医疗服务配套设施等。笔者从百度POIs中获取了房价相关信息，例如重点学校位置、商圈位置、轨道交通、江景、湖景以及生活服务设施等。另外，考虑到交通便捷程度的重要性，笔者将路网信息列为影响因素。笔者先利用Python工具得到了百度POI与OSM路网信息，再利用ArcGIS软件进行核密度分析，并且判断出最佳核密度分析半径，最后生成密度数据，并且将计算结果进行可视化。[2]

笔者选取了武汉市中心的武昌区房价信息，利用线性回归分析法，将房价作为因变量，将区域内的重点学校、商圈、地铁、江景、湖景等区域作为解释变量。笔者还利用ArcMap（普通最小二乘法）工具，开展线性回归建模工作。笔者根据OLS结果汇总表中的截距和各自变量的系数，得到的回归模型公示如下：

由此可见，该区域起步房价为16197元。地铁房、学区房、江景湖景房、商圈房价格依次提高了1185.6元、2806.9元、1536.3元、2597.5元。因此，重点学区对于房价的影响最大，其次是商圈、江景湖景、地铁。

3.时间序列分析预测模型

3.1 原理

一次平均滑动模型公式为：

模型公式的作用是：消除干扰；显示序列的趋势性变化；用于预测趋势。[2]

二次平均滑动模型公式为：

式（3）是指对经过一次滑动平均产生的序列，再进行一次滑动平均。

3.2 建立模型

笔者建立的模型公式为：

笔者整理和分析了武汉市13个区从2021年5至2022年1月（9个月）的房价，按区域位置分为繁华区、一般区、不繁华地区。

式中，t为月份，yt为房价，、分别为一次平均滑动值和二次平均滑动值。预测模型公式为：

式（5）与式（6）中：T为预测月份减去当前年份后的数值，at与bt通过式（5）和式（6）计算得出。由此可以得出繁华区2021年5至2022年1月的观测值与预测值（见表1）。从残差数据分布情况可以看出，A、B、C的残差都在2%以内，这说明采用时间序列法分析房价趋势是比较合理的。

表1 A繁华区、B一般区、C不繁华区的观测值与预测值（单位：万元/㎡）

3.3 研究结果

受新冠肺炎疫情影响，全球经济低迷。近期内，武汉市房价大幅上涨的概率较小。市场调研数据表明，受新冠肺炎疫情影响，购房者更加关注室内空气流通性、小区的人口密度、社区规模等因素，近半数的购房者倾向于居住条件好的远郊房源。相关数据显示，目前繁华区人口密度大。虽然繁华区有完善的交通以及服务设施，但是仍不能满足后疫情时代购房者的需求。笔者认为，城市中心繁华区的房价在2022年下半年将有小幅回落。一般区交通便利、空气质量好，但购房者的购房热情不高。笔者认为，一般区的房价在2022年下半年将有小幅上涨。一般区的房价上涨幅度不大，但其未来发展潜力较大。不繁华的远郊地区房源充足、空气质量好、人口密度小。笔者认为，不繁华区的房价将在2022年呈持续上涨趋势。不繁华区的房产价值提升空间大，目前适合人们投资购房。

4.结语

笔者通过预测与分析武汉市房价发现，目前武汉市房价趋于高位，下降趋势小，而上涨空间较大，这也是全国大部分城市的现状。笔者认为，想要提升人民的幸福感，我国必须首先解决住房问题。首先，相关部门应坚持“房住不炒”的原则，采取宏观调控措施，稳定房价，增加保障公益性住房投入，提高市场准入门槛，严厉打击炒房现象。其次，相关部门应评估市场刚需，加快区域规划与调控，提升居住品质。最后，相关部门应加强购房管控，优先满足刚需人群。另外，相关部门还应给予首套购房者一定的优惠补贴，而对于拥有多套住房者采取限购措施，从而促进武汉市房地产市场的稳定健康发展。