论文部分内容阅读
【摘 要】广西壮族自治区的房价受到社会各层面的关注，2015年商品房屋平均售价（住宅）呈现平稳增长。在众多的影响因素中，文章运用灰色关联法研究发现，房地产开发投资（住宅）对广西住宅商品房屋平均售价（住宅）的影响最大，其次是房屋施工面积（住宅），它们都属于强相关范畴；商品房销售面积（住宅）、房地产开发企业本年资金来源、商品房销售额（住宅）关联强度中等；房屋新开工面积（住宅）、房屋竣工面积（住宅）关联度较弱。
【关键词】房价；灰色关联法；影响因素
【中图分类号】F293.3；F224【文献标识码】A 【文章编号】1674-0688（2016）02-0060-04
1 调查研究背景
广西壮族自治区作为连接中国与东盟的“桥头堡”，房价的高低自然成为政府部门及普通百姓关注的焦点。就政府而言，房价与城市规模的扩大、城市环境的承受能力、城乡的人口流动与城镇化进程等一系列问题息息相关，也会给南宁市财政收入带来客观的收益，并促进制造业、商业的繁荣，投资与消费的增长；就普通百姓而言，能否承受当前的房价，为自己及子女留存一套舒适的住房，是家庭开支的一个重点，合理的房价与良好的周边环境也是居民们关切的话题。总之，房价的波动不仅关系到多条产业链的发展，也牵涉千千万万家庭的生活水平，可谓牵一发而动全身。
根据广西壮族自治区统计局的资料显示，2015年广西区房地产各项指标互有增减，房地产开发投资共1 909.09亿元，比2014年增长3.8%，其中住宅投資为1 407.75亿元，增长8.9%。住宅新开工面积为2 793.57万m2，较2014年下降5.6%。商品房住宅销售面积为3 181.51万m2，比2014年增长10.9%。商品房住宅销售额为1 459.43亿元，增长14.5%。房地产开发企业本年到位资金为2 339.29亿元，比2014年下降3.0%。本文利用灰色关联法，结合广西壮族自治区统计局提供的数据，分析广西区房价与其他因素的关联度。
2 前人的研究成果
对于影响房价增减的因素，不少学者进行了分析和探究。一方面，受到国际政策影响，中国—东盟自由贸易区由“黄金十年”升级为“钻石十年”，边境贸易量急速增加；另一方面，国内“两区一带”“双核驱动”等政策利好的优势逐渐体现，经济的发展带动了房价的上涨。钟小敏以南宁市为例，分析房价上涨的原因有4个，分别是城市价值的提升、投资性需求的推动、返乡置业潮的影响和自住型住房需求的拉动；梁晓音提出房价的上涨除上述部分原因以外，还有国家层面和地方政府的救市政策及人们对通胀预期的担忧。
灰色系统理论是邓聚龙教授在1982年提出的一门新兴理论，该理论用于分析信息不完全的系统，利用已知的信息揭示未知的信息。灰色关联法则是基于灰色系统理论的一种多因素分析方法，该方法是通过计算分析对象中因素的序列曲线的相似度来判断其关联程度，若曲线越相似，则关联度越大，反之越小。自该理论提出以来，学者们对灰色关联法的研究硕果累累，其中邓聚龙的邓氏关联度探究了点点之间的距离远近对关联度的影响，唐五湘的T型关联度注重时间序列曲线的相对变化势态的接近程度，党耀国、曹明霞则对灰色绝对关联度模型、灰色斜率关联度的模型进行了改进。
3 灰色关联法
商品房屋平均售价（住宅）变动可视为受各种外界因素而波动的变量，以商品房屋月平均售价（住宅）为参考序列，外界多种因素为比较序列，分析各因素影响商品房屋平均售价（住宅）的重要程度，并对其进行排列。
灰色关联法作为一种可以有效地分析得出事物关联性的方法，将其引入影响商品房屋平均售价（住宅）分析中，其主要分析思路如下：首先，选取数个影响商品房屋平均售价（住宅）的因素，组成影响因素数据序列；其次，将各影响因素进行无量纲化处理，分别选出每个影响因素的最优值组成待评估因素数据序列；再次，运用灰色关联法计算各因素与商品房屋平均售价（住宅）的关联度；最后，对关联度进行排列，若关联度数值越大，则此因素对商品房屋平均售价（住宅）的影响越大。
具体步骤如下。
3.1 数列的构造
设商品房屋月平均售价（住宅）为X0（k），各因素为Xi（k），（i=1，2，…，α；k=1，2，…，β），即
X0（k）={X0（1），X0（2），…，X0（β）}
Xi（k）={Xi（1），Xi（2），…，Xi（β）}
3.2 数列的无量纲化处理
由于各因素的原始数据存在量纲的差异，需要进行无量纲化处理，即
Xi’（k）=■，aver（k）=■■Xi（k）
其中，■为各项因素无量纲化后的数据序列，aver（k）为各因素均值化后的数据序列。
3.3 关联系数的计算
依据邓聚龙教授关于灰色关联空间的相关定理，计算关联系数ξ0 i（k），即
ξ0 i（k）=■
其中，△i（k）为因素指标Xi（k）与X0（k）之差的绝对值，即△i（k）=|Xi（k）-X0（k）|；△max，△min分别为各项因素指标之差的绝对值中的最大值与最小值；ξ为分辨系数，通常取值0.5。
3.4 关联度的计算
R（i）=■■ξ0 i（k）
3.5 关联度的排列
依据本文“3.4”的计算结果，对求出的各项关联度进行排序，找出影响商品房屋月平均售价（住宅）的因素。
4 应用实例分析
本文搜集了2015年广西壮族自治区区房地产开发与销售数值（见表1、表2、表3、表4）。
关联度排序：R（1）>R（2）>R（5）>R（7）>R（6）>R（3）>R（4）。
由上述计算可知，商品房屋平均售价（住宅）与房地产开发投资（住宅）关系最为密切，位居第二的是房屋施工面积（住宅），商品房销售面积（住宅）、房地产开发企业本年资金来源、商品房销售额（住宅）、房屋新开工面积（住宅）、房屋竣工面积（住宅）分别位列第三、第四、第五、第六及第七位。
5 结论
本文以灰色关联法为研究手段，探讨并分析了广西区住宅商品房屋月平均售价（住宅）与各因素的关联程度。研究发现，一是商品房屋平均售价（住宅）与房地产开发投资（住宅）、房屋施工面积（住宅）处于强相关范畴；二是商品房销售面积（住宅）、房地产开发企业本年资金来源、商品房销售额（住宅）关联强度中等；三是房屋新开工面积（住宅）、房屋竣工面积（住宅）关联度较弱。以上结论揭示了房价与其他各因素的关联程度，为政府部门制定政策提供参考。
参 考 文 献
[1]广西壮族自治区统计局.广西房地产开发业实现大发展——广西第三次全国经济普查分析之二十[EB/OL].http：//www.gxtj.gov.cn/tjxx/yjbg/qq_267/201507/t20150719_55808.html，2015-07-19.
[2]广西壮族自治区统计局，国家统计局广西调查总队.2015年广西经济运行总体平稳、稳中有进[EB/OL].http：//www.gxtj.gov.cn/tjxx/xwfb/201601/t20160121_121025.html，2016-01-21.
[3]邓聚龙.灰色系统理论教程[M].武汉：华中理工大学出版社，1990：122-141.
[4]钟小敏.新房贷政策下的南宁市房地产市场探索[J].中国经贸导刊，2011（11）.
[5]梁晓音.北部湾经济区契机下的南宁房地产价格发展趋势[J].特区经济，2010（7）.
[6]曹明霞.灰色关联分析模型及其应用的研究[D].南京：南京航空航天大学，2007.
[7]胡海华，王孟孟，潘镇镇，等.灰关联分析法优选空调冷热源系统在Excel中的实现[J].湖南工业大学学报，2014（5）.
[责任编辑：陈泽琦]
【关键词】房价；灰色关联法；影响因素
【中图分类号】F293.3；F224【文献标识码】A 【文章编号】1674-0688（2016）02-0060-04
1 调查研究背景
广西壮族自治区作为连接中国与东盟的“桥头堡”，房价的高低自然成为政府部门及普通百姓关注的焦点。就政府而言，房价与城市规模的扩大、城市环境的承受能力、城乡的人口流动与城镇化进程等一系列问题息息相关，也会给南宁市财政收入带来客观的收益，并促进制造业、商业的繁荣，投资与消费的增长；就普通百姓而言，能否承受当前的房价，为自己及子女留存一套舒适的住房，是家庭开支的一个重点，合理的房价与良好的周边环境也是居民们关切的话题。总之，房价的波动不仅关系到多条产业链的发展，也牵涉千千万万家庭的生活水平，可谓牵一发而动全身。
根据广西壮族自治区统计局的资料显示，2015年广西区房地产各项指标互有增减，房地产开发投资共1 909.09亿元，比2014年增长3.8%，其中住宅投資为1 407.75亿元，增长8.9%。住宅新开工面积为2 793.57万m2，较2014年下降5.6%。商品房住宅销售面积为3 181.51万m2，比2014年增长10.9%。商品房住宅销售额为1 459.43亿元，增长14.5%。房地产开发企业本年到位资金为2 339.29亿元，比2014年下降3.0%。本文利用灰色关联法，结合广西壮族自治区统计局提供的数据，分析广西区房价与其他因素的关联度。
2 前人的研究成果
对于影响房价增减的因素，不少学者进行了分析和探究。一方面，受到国际政策影响，中国—东盟自由贸易区由“黄金十年”升级为“钻石十年”，边境贸易量急速增加；另一方面，国内“两区一带”“双核驱动”等政策利好的优势逐渐体现，经济的发展带动了房价的上涨。钟小敏以南宁市为例，分析房价上涨的原因有4个，分别是城市价值的提升、投资性需求的推动、返乡置业潮的影响和自住型住房需求的拉动；梁晓音提出房价的上涨除上述部分原因以外，还有国家层面和地方政府的救市政策及人们对通胀预期的担忧。
灰色系统理论是邓聚龙教授在1982年提出的一门新兴理论，该理论用于分析信息不完全的系统，利用已知的信息揭示未知的信息。灰色关联法则是基于灰色系统理论的一种多因素分析方法，该方法是通过计算分析对象中因素的序列曲线的相似度来判断其关联程度，若曲线越相似，则关联度越大，反之越小。自该理论提出以来，学者们对灰色关联法的研究硕果累累，其中邓聚龙的邓氏关联度探究了点点之间的距离远近对关联度的影响，唐五湘的T型关联度注重时间序列曲线的相对变化势态的接近程度，党耀国、曹明霞则对灰色绝对关联度模型、灰色斜率关联度的模型进行了改进。
3 灰色关联法
商品房屋平均售价（住宅）变动可视为受各种外界因素而波动的变量，以商品房屋月平均售价（住宅）为参考序列，外界多种因素为比较序列，分析各因素影响商品房屋平均售价（住宅）的重要程度，并对其进行排列。
灰色关联法作为一种可以有效地分析得出事物关联性的方法，将其引入影响商品房屋平均售价（住宅）分析中，其主要分析思路如下：首先，选取数个影响商品房屋平均售价（住宅）的因素，组成影响因素数据序列；其次，将各影响因素进行无量纲化处理，分别选出每个影响因素的最优值组成待评估因素数据序列；再次，运用灰色关联法计算各因素与商品房屋平均售价（住宅）的关联度；最后，对关联度进行排列，若关联度数值越大，则此因素对商品房屋平均售价（住宅）的影响越大。
具体步骤如下。
3.1 数列的构造
设商品房屋月平均售价（住宅）为X0（k），各因素为Xi（k），（i=1，2，…，α；k=1，2，…，β），即
X0（k）={X0（1），X0（2），…，X0（β）}
Xi（k）={Xi（1），Xi（2），…，Xi（β）}
3.2 数列的无量纲化处理
由于各因素的原始数据存在量纲的差异，需要进行无量纲化处理，即
Xi’（k）=■，aver（k）=■■Xi（k）
其中，■为各项因素无量纲化后的数据序列，aver（k）为各因素均值化后的数据序列。
3.3 关联系数的计算
依据邓聚龙教授关于灰色关联空间的相关定理，计算关联系数ξ0 i（k），即
ξ0 i（k）=■
其中，△i（k）为因素指标Xi（k）与X0（k）之差的绝对值，即△i（k）=|Xi（k）-X0（k）|；△max，△min分别为各项因素指标之差的绝对值中的最大值与最小值；ξ为分辨系数，通常取值0.5。
3.4 关联度的计算
R（i）=■■ξ0 i（k）
3.5 关联度的排列
依据本文“3.4”的计算结果，对求出的各项关联度进行排序，找出影响商品房屋月平均售价（住宅）的因素。
4 应用实例分析
本文搜集了2015年广西壮族自治区区房地产开发与销售数值（见表1、表2、表3、表4）。
关联度排序：R（1）>R（2）>R（5）>R（7）>R（6）>R（3）>R（4）。
由上述计算可知，商品房屋平均售价（住宅）与房地产开发投资（住宅）关系最为密切，位居第二的是房屋施工面积（住宅），商品房销售面积（住宅）、房地产开发企业本年资金来源、商品房销售额（住宅）、房屋新开工面积（住宅）、房屋竣工面积（住宅）分别位列第三、第四、第五、第六及第七位。
5 结论
本文以灰色关联法为研究手段，探讨并分析了广西区住宅商品房屋月平均售价（住宅）与各因素的关联程度。研究发现，一是商品房屋平均售价（住宅）与房地产开发投资（住宅）、房屋施工面积（住宅）处于强相关范畴；二是商品房销售面积（住宅）、房地产开发企业本年资金来源、商品房销售额（住宅）关联强度中等；三是房屋新开工面积（住宅）、房屋竣工面积（住宅）关联度较弱。以上结论揭示了房价与其他各因素的关联程度，为政府部门制定政策提供参考。
参 考 文 献
[1]广西壮族自治区统计局.广西房地产开发业实现大发展——广西第三次全国经济普查分析之二十[EB/OL].http：//www.gxtj.gov.cn/tjxx/yjbg/qq_267/201507/t20150719_55808.html，2015-07-19.
[2]广西壮族自治区统计局，国家统计局广西调查总队.2015年广西经济运行总体平稳、稳中有进[EB/OL].http：//www.gxtj.gov.cn/tjxx/xwfb/201601/t20160121_121025.html，2016-01-21.
[3]邓聚龙.灰色系统理论教程[M].武汉：华中理工大学出版社，1990：122-141.
[4]钟小敏.新房贷政策下的南宁市房地产市场探索[J].中国经贸导刊，2011（11）.
[5]梁晓音.北部湾经济区契机下的南宁房地产价格发展趋势[J].特区经济，2010（7）.
[6]曹明霞.灰色关联分析模型及其应用的研究[D].南京：南京航空航天大学，2007.
[7]胡海华，王孟孟，潘镇镇，等.灰关联分析法优选空调冷热源系统在Excel中的实现[J].湖南工业大学学报，2014（5）.
[责任编辑：陈泽琦]