论文部分内容阅读
随着经济的快速发展和高速城镇化，土地资源相对而言更加稀缺。现阶段，一方面要满足“居者有其屋”;另一方面，随着人们居住观念向“居住优其屋”转变，住宅价格成为政府、开发商和居民关注的焦点。北京市住宅市场相对比较成熟;另外，2006年以来，房价一直攀升，居高不下，其普通住宅市场具有一定的代表性。本研究以北京市住宅市场为例，主要采用网上二手房住宅数据资料，运用相关分析、模糊聚类分析、多元回归分析，以及与GIS相结合，对北京市住宅市场进行类别划分，分析北京市住宅市场现状及其空间分布规律。进而为政府调控住宅市场价格，调整普通住宅供应结构和空间布局提供参考，为房地产市场细分提供一种理论方法。 本文研究的基础是网上住宅二手房数据，通过互联网主要收集建筑物自身的一些属性特征，如卧室数量、客厅数量、卫生间数量、楼体朝向、总楼层、楼龄、建筑年份、建筑面积、单价等。另外，根据研究需要将基准地价引入作为区位影响因素，文中也验证了这种做法的有效性。其中数据的基本整理、有效性和可靠性分析对后续分析至关重要;根据专业知识判断并借助统计软件的强大功能对数据进行处理，得到了良好的效果，提出了相应的数据分析流程。本文主要采用了描述性统计、直方图、散点图、相关关系表等方法，对数据进行描述统计分析和相关分析，一方面讨论特征变量之间的相关关系，以满足模糊聚类分析中各变量之间基本无相关性的要求，另一方面对特征变量进行筛选。 第四章主要是模糊聚类分析方法的应用，其中分类数的确定及隶属度的选取是本文讨论的重点，文中对分类结果进行了描述性统计，并结合北京市住宅市场的发展情况进行了相关分析。同时得出通过分类数的增加，可以得到与用最佳分类数划分时相似的结果，并且通过增加分类数或在初次聚类的基础上再聚类可以对住宅市场进行更深层次的细分。房地产市场细分中，利用模糊聚类分析如何划分合适的类别;细分结果对于住宅物业投资的选择，市场定位是否具有可参考性，还需要根据专业经验来判断，本文仅提供一种市场细分和进一步细分的方法。 第五章在模糊聚类分析的基础上采用基本统计分析、多元回归分析和GIS分析等方法，对模糊聚类结果中的一些特征变量及模糊聚类前后的多元回归模型进行对比分析。如果模糊聚类结果要为进一步的建立模型服务，应该根据专业知识对分类数和隶属度进行判断，若分类较多或隶属度过大，则每个类别的特征变量值将会趋于一致，没有进一步建立模型的必要，仅取平均值即可。其次将模糊聚类结果与图件资料相结合，运用ArcView软件进行了可视化分析及空间上的简单对比分析。第六章阐述了研究的结论、创新与不足之处。