乌市商品房价格影响因素分析

马军

[提要] 根据2002～2015年乌鲁木齐市商品房统计数据，对影响商品房价格的因素量化分析，主要应用灰色关联分析方法，建立模型，计算出影响商品房价格因素的关联度大小。结果表明：首先城镇居民可支配收入关联度是0.8，对商品房价格影响最大；其次住宅销售面积关联度是0.76。城镇居民人口数、人均GDP、房地产开发投资、居民消费价格总指数、商品房竣工面积这些因素关联度都在0.7左右，对商品房价格也有很大的影响。

关键词：灰色关联分析；商品房价格；灰色关联度

中图分类号：F293.3 文献标识码：A

原标题：基于灰色关联度分析乌鲁木齐市的商品房价影响因素分析

收录日期：2017年1月22日

一、乌鲁木齐市商品房现状

房地产业是发展国民经济和改善人民生活的基础性产业之一。由于其关联度高，带动性强，已经成为国民经济的支柱产业。1998年房改以来，城镇居民住房自购，房价逐渐成为热门话题。居民住房开始步入市场动作轨道。住房作为一种消费品，其价格如同其他商品一样受到多方面因素的影响，住房除了是一种一般性质上的消费品外，它是一种资产，是一种投资保值增值的理财产品，影响其价格自然要复杂得多。

随着国家去库存政策的实施，全国各个城市都面临首压力，在《2015年度35城商品房供求关系专题研究》报告中认为，2015年至2016年去库存压力最大的城市就有乌鲁木齐市。乌鲁木齐市房地产市场突出的特点是：房地产开发企业日益增长、开发投资也在平稳增加、居民对房产的需求不断增加、商品房销售市场是住宅供应重要部分、房屋销售价格稳定增长。

由于房价问题会引起一系列经济问题，许多学者对房价的影响因素进行了广泛的研究。如重庆工商大学管理学院的王林生、梅洪常以重庆市为例实证分析影响商品房价格因素，分析了城市住房价格的主要影响因素，指出住房价格和影响住房供求的标量之间的长期均衡关系；中国管理科学叶阿忠基于省际面板数据对房价的影响因素对我国房价影响因素做了定量分析，表明房价是由供求和需求决定的。本文综合各种研究成果，选取合适的影响因素，利用灰色关联度分析，探究不同因素的重要性。

从这两年房地产的现状来观察，2014年对房地产开发投资额达到了359.44亿元，这比2013年增长了32.4%；而且商品房施工面积和竣工面积都分别增长了29.1%、71.3%；但是，商品房销售面积要比2013年下降了11.2%，商品房销售额比2013年下降了7.6%。在2015年，房地产开发完成投资，持续在上涨，但由于国家去库存政策的原因，商品房施工面积与竣工面积分别下降了12.1%和47.2%，商品房销售面积和商品房销售额大幅度地增长，都在10%以上。从2014年至2015年房地产数据可以看出商品房的施工面积在减少，而且销售面积在增加，证明乌鲁木齐市在慢慢减少商品房库存。

本文根据14年的商品房市场相关数据，分析乌鲁木齐市商品房市场的现状，为在宏观经济调控形势下怎样使得房地产市场健康稳定地发展提供参考。

二、乌鲁木齐市商品房价格影响因素分析

（一）影响乌鲁木齐市房地产主要因素的选取。影响房价的因素很多，就目前的研究而言，它主要分为自然因素、社会因素、经济因素和行政因素。但是，基于近些年来在社会政治、经济发展上较为平稳，所以认为房价主要受一些基本的经济因素影响。

（二）影響房价的相关因素分析

1、城镇居民家庭人均可支配收入。消费者对商品的需求是以实际购买能力为基础，而消费者收入水平体现了居民实际购买能力，人均可支配收入的提高必然会增加房地产市场的有限需求。

2、城镇人口总数。理论上，城镇居民的总使用面积=城镇人数总数×城镇居民人均住宅使用面积，因而即使在人均使用面积不变的情况下，人口的增加会增大对使用面积的需求。

3、人均GDP。人均国内生产总值，也称作“人均GDP”，通常作为发展经济学经济发展状况的指标，也是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。将一个国家核算期内（通常是一年）实现的国内生产总值与这个国家的常住人口（前使用户籍人口）相比进行计算，得到人均国内生产总值。这是衡量各国人民生活水平的一个标准，为了更加客观地衡量，经常与购买力平价结合较高的国民经济发展水平会带动社会各行业对房地产的需求，还会提高居民对未来房价的预期，从而增加房地产的需求。

4、住宅的销售面积。住宅房销售面积是房地产市场需求的直观体现。

5、房地产开发投资。指房地产开发公司、商品房建设公司及其他房地产开发法人单位和附属于其他法人单位实际从事房地产开发或经营的活动单位统一开发的包括统筹待建、拆迁还建的住宅、厂房、仓库、饭店、宾馆、度假村、写字楼、办公楼等房屋建筑物和配套的服务设施，土地开发工程（如道路、给水、排水、供电、供热、通讯、平整场地等基础设施工程）的投资；不包括单纯的土地交易活动、房地产投资对象是不动产、土地及其地上建筑物都具有固定性和不可移动性。不仅地球上的位置是固定的，而且土地上的建筑物及其某些附属物一旦形成，也不能移动。这一特点给房地产供给和需求带来重大影响。

6、居民价格总指数。该指数反映一定时期内城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数。是综合了城市居民消费价格指数和农民消费价格指数计算取得。利用居民消费价格指数，可以观察和分析消费品的零售价格和服务价格变动对城乡居民实际生活费支出的影响程度。反映与居民生活相关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。而通货膨胀对房价的影响主要是通过生产成本（如劳动成本等）的上升和房地产投机需求的扩大来推动房价上涨。

7、住宅竣工面积。房屋竣工面积是房地产市场供给的主要体现。

本文以乌鲁木齐市2002～2015年房地产业相关资料为依据，主要选取乌鲁木齐市商品房平均价格（X0）作为主要的研究对象，选择以下7个因素作为影响商品房价格的关联因子：即X1代表城镇居民可支配收入（单位：元），X2代表常住人口数（单位：人），X3代表人均GDP（单位：元），X4代表商品房销售面积（单位：万平方米），X5代表房地产完成投资额（单位：亿元），X6代表居民消费价格总指数，X7代表商品房竣工面积（单位：万平方米）。本文数据主要来源于《乌鲁木齐市统计年鉴》。

三、模型实际应用和结果分析

（一）模型设计。先假设反映系统特征行为的数据序列X0（也称为系统的参考序列），设定了系统特征行为，对系统其他问题或变量定性分析得到系统相关因素序列Xi（也称为比较序列）。最后做关联分析。具体步骤如下：

1、求比较序列和参考序列的差序列。对参考序列和比较序列进行比较，即：xi（k）-xi（1） （k=1，2，…，n；i=1，2，…，m）。

2、本文采用原始数据初值化对参考序列和比较序列进行无量化纲处理，即：xi（k）/xi（1） （k=1，2，…，n；i=1，2，…，m）。

3、求绝对关联度？着0i。

4、求相对关联度？酌0i。

5、计算综合关联度：？籽0i=？兹？着0i+（1-？兹）？酌0i，（i=1，2，…，m）。

根据关联度大小，判断出比较序列与参考序列的相关程度，因此得出影响商品房价格的因素。

（二）模型应用与结果分析。计算出参考序列和比较序列的差序列，再根据差序列求出绝对关联度；再对原始数据做无量纲化处理算出相对关联度；最后计算出综合关联度。（表1）

四、结果分析

由？籽01>？籽04>？籽02>？籽03>？籽05>？籽07>？籽06可知：X1>X4>X5>X3>X2>X6>X7。

可見，X1为最优因素，也就是说居民可支配收入对房价的影响最大，即人们的可支配收入的提高很大程度地影响了房价的上升。近几年，家庭总收入扣除交纳的个人所得税、个人交纳的社会保障费及调查户的记账补贴后的收入。家庭总收入包括所有家庭成员在调查期得到的工薪收入、经营净收入、财产性收入、转移性收入的总和上幅度的增加比较大。居民可支配收入的增长成为了房价上涨的重要因素之一，客观上造成了房价上扬；X4住宅销售面积次之，住宅的销售面积的增加说明对土地资源开发增加，对城市的占用面积增加，但城市的可利用面积是一定的，销售面积的增加，就是说可利用的面积减小，城市可利用面积是不可再生资源，只会越来越少，房价自然就上升了。居民可支配收入和住宅销售面积与房价的关联度都在0.8左右，说明与房价上涨的关系比较密切，后面依次是房地产开发投资、人均GDP、城镇人口数、消费价格总指数、住宅竣工面积与房价的关联度都在0.7左右，说明对房价有一定的影响。

五、结论

居民对房价的预期，认为房价会持续上涨，因此人们将闲钱投入房地产业中，这导致了大量资金涌入房地产市场，使得房价上涨，因此出台针对性政策限制房地产资金的增加，例如限制居民购买数量。从供求角度来看，房价上涨的原因是供给和需求失衡，由于居民盲目的跟风大量购房，给予房地产市场供给不及需求的假象，使得房价上涨。对居民正确引导，使其合理购房，成为迫在眉睫事情。政府应该通过宣传让居民真正认识到房地产的现状和制定合理的政策，如增加市场有效供给，抑制不合理需求，防止物价过快上涨等。商品房竣工面积同属供给因素，但是对房价的影响不大，这说明在当前政策、市场环境下是供小于需求的，这也是导致房价上涨的直接原因，因此国家加大调控措施并且主要是立足于行政手段上，如增加经济适用房的供应、提供政府廉租房、限制商品房投机行为、抑制房地产商的暴利等。房价关系着国计民生、关系着和谐社会的建立，仅依靠市场手段来调节是远远不够的。

主要参考文献：

[1]陈晓妍，杨骏孝，韩芳.乌鲁木齐市保障性住房规模影响因素实证分析——基于灰色关联度分析[J].特区经济，2012.11.

[2]孙玉刚.灰色关联分析及及其应用的研究[D].南京航空航天大学研究院经济与管理学院，2007.

[3]叶阿忠.房价的影响因素分析——基于省际面板数据的实证研究[D].中国管理科学，2011.19.