毕业设计（论文）-当前房价问题聚类分析.doc

本科生毕业论文（设计）当前房价问题聚类分析姓名学号20104110211专业统计学指导教师2014年5月25日摘 要 房价上涨是近年来社会广泛关注的一个热点问题，房价上涨的持续性以及房价过快上涨的危害是大家关注的重点。房价是否合理，是否已经超过了民众的购买能力，仅仅通过表面观察和凭空想象是不能回答这些问题的，要通过科学的研究方法才能得出合理的结论。本文首先用两组数据，引出房价上涨问题。然后，简单介绍以下聚类分析方法，包括聚类分析的概念、特征和一般步骤。再选取当前我国35个大城市为研究对象，选择一些与房价关系较密切的有代表性的经济指标，选择指标时要注意考虑到指标的合理性以及数据获得的可能性。最后运用SPSS统计软件对其进行聚类分析，并对聚类分析的结果进行分析，得出相应的对策并提出合理的建议。关键词：房价；指标；聚类分析IVAbstract The problem of house price is a hot and popular topic in recent years. Continuation of house price increase and its harm is the focus of public attention. Whether the house price is reasonable and whether it is too high to exceed the purchasing power of the people, cannot be answered just by surface observation and imagination. Firstly, with the two sets of data, this paper leads to the problem of house price increase. Then, this paper gives a brief introduction of the cluster analysis, including the concept, features and general steps of cluster analysis. Then this paper selects 35 cities for the study object, and selects some representative economic indicators that are relatively close with the house price considering the reasonableness and the possibility of obtaining data. Finally, using SPSS statistical software this paper analyzes the results of cluster analysis, obtains the corresponding countermeasures and puts forwards the reasonable suggestions.Key Words: house prices; indicator; cluster analysis目 录摘 要IAbstractII一、引 言1（一）房价上涨问题的提出1（二）研究思路和方法2二、聚类分析简介2（一）聚类分析的概念2（二）聚类分析应用范围2（三）聚类分析特点3（四）聚类分析的一般步骤3三、房价问题的聚类分析3（一）指标的选择41. GDP总量42. 居民人均可支配收入43. 房价收入比44. 人均GDP5（二）各城市房价问题聚类分析51. 数据的搜集和整理52. 数据标准化处理63. 解析聚类表73. 解析聚类分析树状图10（三）小结与感想12四、房地产价格的影响因素分析12（一）影响房屋需求变动的因素121. 人均可支配的提高122. 城镇家庭户数的增加123. 房产投资与投机134. 部分消费者不合理的消费观13（二）影响房屋供给的因素131. 土地取得成本132. 开发和管理成本14五、我国房价上涨的治理措施14（一）我国房价上涨的特点141. 住房绝对价格偏高142. 房地产价格倒挂143. 投资投机性购房比例升高144. 房价上涨具有时段性和区域性特点15（二）治理措施151. 增加住房有效供给152. 抑制不合理住房需求153. 加强市场监督管理15参考文献16致 谢181、 引 言（一）房价上涨问题的提出 居住是国民安居乐业和社会稳定的关键所在，也是社会发展水平的综合表现，历来都受到国家重视。当一个国家或城市区的经济水平发展到一定程度以后，房地产业就会赢来一段快速增长时期，并进一步刺激和带动整个国家的经济增长，促进社会的稳定和繁荣。然而，随着中国房地产市场的发展，各种矛盾也逐渐暴露，特别是高房价问题。过去的几年各省城市房价不断攀升，截止到2014年5月统计局房价指数连续上升，创下新高。不断走高的房地产价格，尤其在一些大城市，已远超大多数居民的购买能力，房地产价格的快速上涨已成为我国经济平稳运行中的突出问题。为了反映房价的变动情况，这里引出房屋销售价格指数，它是反映一定时期房屋销售价格变动程度和趋势的相对数，通过百分数的形式来反映房价在不同时期的涨跌幅度。通过房屋销售价格指数可以看出，房价一直在涨，见表1.1 （附：为更好地满足各方面的需要，国家统计局2011年发布的住宅销售价格统计调查方案增加了计算定基价格指数的内容，首轮基期确定为2010年。选择2010年作为对比基期，主要有三个方面的考虑：一是与国民经济和社会发展五年规划期保持一致。二是2010年的基础数据资料较为完整并且易于获取，可操作性强。三是与CPI、PPI定基价格指数的对比基期保持一致，方便数据分析和使用） 2014年4月70个大中城市住宅销售价格变动情况（简表取前十八个）表1.1 2014年4月新建住宅价格指数城市环比同比定基城市环比同比定基北京100.1108.9122.4唐山100.1101.2103.7天津100.1104.5113.2秦皇岛100.2104.7115.9石家庄100107.4121.5包头100.1104.2113.3太原100.1109.6116.4丹东100106.4118.2呼和浩特100108.6116锦州100108.8117.5沈阳100.1107.8121.3吉林100.1106.1115.6大连100.1106.8118.9牡丹江100.1103.4113.5长春100.2107.2114.8无锡100103107.4哈尔滨100106.1114.7扬州99.9106.5112.8 数据来源：国家统计局 2014 年5月18日发布2014年4月份70个大中城市房屋销售价格变动情况 与上月相比，70个大中城市价格下降的有8个，持平的有18个，上涨的有44个，与去年同月相比，价格下降的有1个，上涨的有69个。表1.2 2014年4月二手住房价格指数城市环比同比定基城市环比同比定基北京99.8110.2120.2唐山99.9101.3104.4天津100.5104.5108.5秦皇岛100100.9103.4石家庄100.1102.5101.6包头100.1102.5103.5太原100.3103.4116.6丹东100102.9106.3呼和浩特99.8102107.6锦州100.1102.4102.4沈阳100.1105110.8吉林99.8100.9105.1大连100101.1108.5牡丹江10099.1101.4长春99.9102.9106,2无锡99.9101.4107.6哈尔滨100.2103.8104.3扬州99.9102.2102.2 数据来源：国家统计局 2014 年5月18日发布2014年4月份70个大中城市房屋销售价格变动情况 与上月相比，二手房价格下降的有22个，持平13个，上涨的35个，与去年同月相比，下降的有2个，持平1个，上涨的67个。由此可以看出，中国近年的房价普遍上涨，下面，我们就用聚类分析法分析当前房价的合理性。（二）研究思路和方法本文主要选择聚类分析的方法进行研究分析。首先，要合理选择反映房价问题的几个指标，因为指标的选择对深入的探讨又有决定的意义。其次，用聚类分析的方法，对31个省市的房价问题聚类分析。然后，对聚类分析的结果进行分析，最后得出结论并提出一些合理的建议。论文中涉及到的分析数据，一部分来自历年的中国统计年鉴，还有一些来自报刊、杂志上的报导性数据。二、聚类分析简介（一）聚类分析的概念聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。（二）聚类分析应用范围聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。商业上，聚类分析是细分市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。生物学方面，聚类分析被用来动植物分类和对基因进行分类，获取对种群固有结构的认识。聚类分析在电子商务中网站建设数据挖掘中也是很重要的一个方面，通过分组聚类出具有相似浏览行为的客户，并分析客户的共同特征，可以更好的帮助电子商务的用户了解自己的客户，向客户提供更合适的服务。从统计学来看，聚类分析是通过数据建模简化数据的一种方法。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS。本文就是用SPSS对与房价关系密切的几个指标进行聚类分析，从而得出合理的分析结果。（三）聚类分析特点 首先，聚类分析简单直观。其次，它主要应用于探索性的研究，其分析的结果可以提供多个可能的解，选择最终的解需要研究者的主观判断和后续的分析。不管实际数据中是否真正存在不同的类别，利用聚类分析都能得到分成若干类别的解。最后，聚类分析的解完全依赖于研究者所选择的聚类变量，增加或删除一些变量对最终的解都可能产生实质性的影响，所以在研究过程中，对指标的选择要非常慎重。（四）聚类分析的一般步骤 1.搜集整理数据，录入Excel表格。 2.对整理的数据预处理，如果单位不同，则用SPSS首先对数据进行标准化处理。 3.用SPSS对标准化的数据进行聚类分析 4.对分析聚类分析结果。三、房价问题的聚类分析第一章已经说到，中国近几年的房价是普遍在上涨的，然而，住房价格上涨的同时，居民的收入也在增加。对于“中国当前的房价到底是否合理”，存在着很大争议。有人认为中国目前的房价是基本合理的，且当前房价水平是由于前几年房价过低的理性回升。主流的观点则是认为中国的房价不合理，存在着巨大泡沫。本章选用2013年全国35个大城市国民经济和社会发展统计公报的相关数据，利用国内生产总值(GDP)、居民家庭人均可支配收入、房价收入比、人均GDP四个指标对全国31个省市的房价问题进行聚类分析。（由于港、澳、台三地与大陆制度和发展水平差别较大，所以本文选择的数据不包括这三个地区，本文所选的35个大城市是按照国内各城市GDP排名取前三十五个）（一）指标的选择 对我国各地区的房价问题进行深层分析，指标的选择具有决定性意义，这里选取下面4个指标作为分析的依据。1.GDP总量GDP即英文（gross domestic product）的缩写，也就是国内生产总值。国内生产总值是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。进入21世纪以来，我国的房地产业出现了新一轮繁荣期，房价持续上升，这在相当大的程度上是国民经济发展的良好态势所带动的。房地产业与国民经济的关系是：一方面，国民经济的发展会带动或制约房地产业的发展；另一方面，房地产业的发展又起着促进或影响国民经济的增长。因此，本文在指标选择上将其作为考察的变量，力求反映各地区的经济增长对房价的拉动作用。2.居民人均可支配收入居民人均可支配收入是指居民家庭全部收入中，可用于支付生活费用的收入，人均可支配收入是按家庭全部人口计算的平均每人生活费收入，它被认为是消费开支的最重要的决定性因素。人们都能接受这样的概念：收入高的城市，房价相应也就高，就是说，房价应当相对于可支配收入进行比较。因为想买房子就得有钱，也就是要有可支配收入，可支配收入与购房关系紧密。因此，本人认为选择居民家庭可支配收入作为分析的变量是十分必要的。3.房价收入比 它是一项综合指标，根据联合国人类住区中心所发布的城市指标指南，“房价收入比”是指“居住单元的中等自由市场价格与中等家庭年收入之比”，国内学者大多将“房价收入比”这一概念定义为“居民收入和房价水平之间的比率”。概念上的不统一直接导致认识的混乱与统计的偏差。在此，本文采用我国现行的房价收入比的统计方法和标准。房价收入比从数值来看即是一套房子价格同家庭年收入的比值，比如一套售价为50万元的房子对于一个年收入10万元的家庭，其比值便为5：1。通过合理计算准确的房价收入比，不仅可以对市场的运行状况有个正确地认识，选择适当的入市时机，对于购房者而言，在了解自己的收入和房价之间准确的比值之后，有利于人们决定合理的房产消费方式。在房地产市场中“买”和“租”都是合理的消费形式，根据收入房价比来选择合理的消费形式才是真正意义上的理性消费。因此，本文选择房价收入比为考察的指标变量。 4.人均GDP 人均GDP 是一个考虑了人口因素的相对指标，如果我们只考虑国内生产总值GDP的总量，可能会因为没有考虑人口因素而缺乏一定的合理性。在此，同时选用人均GDP作为分析的对象，从而同时兼顾经济发展和社会人口发展，对研究我国各城市当前的房价问题是很有必要的。（2） 各城市房价问题聚类分析1. 数据的搜集和整理 为了进行研究，我先搜集了2013年35个大城市的上述几个指标制成表格，为了便于查看，它们是按照GDP的排名进行排序的。表2-1 2013年35个大城市相关数据序号城市GDP总量（亿元）人均可支配收入（元）房价收入比人均GDP(元)每平方米商品房平均房价（元/）1上海21602.124385127.3490748.81284822北京19500.604032137.1494237.66374693广州15420.144206617.58120104.84184064深圳14500.234465022.33137476.82239065天津14370.163265818.59101688.85145006苏州13015.704109610.33123382.09101447重庆12656.692515011.9742976.8875058成都9108.892996813.1364247.5694129武汉9051.272982112.0288932.81890010杭州8343.523931019.1394791.181941511无锡8070.18389998.06124819.12786812南京8011.783620017.8498171.551740013青岛8006.603522714.1290281.331210514大连7650.803011514.45114361.731076615沈阳7223.702934010.5387794.12779816长沙7153.13336627.82100091.37662217宁波7128.904165712.9793322.031382718佛山7010.17380408.5296534.88812219郑州6201.902660013.3768673.46893120唐山6121.20266479.5479090.33665621烟台5613.8732930 9.468039.54773022东莞5490.02465946.6766206.24777523济南5230.193564810.7175258.86946124泉州5218.00354309.0762943.31811925哈尔滨5141.502522211.6548340.54732526南通5038.893105910.6169051.43842427长春5003.172308912.1365129.61703328西安4884.10331008.5957104.96703429石家庄4863.602500012.7546828.42787830福州4678.503213017.5164353.511382931合肥4672.902798010.5661712.89720032徐州4435.822377011.4451795.52680133滩坊4420.70283865.5647967.14871434常州4360.93369468.0893047.97751635大庆4332.70285007.13149171.974800 数据来源：宜居城市研究室2013年中国城市GDP和人均GDP排名、2013大陆主要城市房价收入比排名、2013全国大城市房价排行2. 数据标准化处理数据进行标准化处理，是为了使具有不同量纲、不同数量级的数据能放在一起比较。对表2-1进行数据标准化处理，得到表2-2表2-2 数据标准化序号城市Z1Z2Z3Z4Z51上海3.061491.610052.272350.286192.46742北京2.584951.0633.836810.403643.763083广州1.659681.333420.714271.274481.014724深圳1.451091.733871.472561.859321.807675天津1.42159-0.124560.875510.654490.451586苏州1.114461.1831-0.443111.38481-0.176447重庆1.03305-1.2881-0.1813-1.32209-0.556918成都0.22856-0.541440.00388-0.606-0.281979武汉0.2155-0.56422-0.173320.22505-0.3557910杭州0.055010.906320.961710.422281.1601911无锡-0.006970.85812-0.805491.43319-0.5045812南京-0.020220.424350.755780.536080.8696813青岛-0.021390.273560.161920.270450.1062814大连-0.10207-0.518660.21461.08113-0.0867615沈阳-0.19892-0.63876-0.411180.18671-0.5146716长沙-0.214920.03103-0.843810.60071-0.6842117宁波-0.220411.27004-0.021670.372820.3545518佛山-0.247340.7095-0.732060.48098-0.4679619郑州-0.43062-1.063390.04219-0.457-0.3513220唐山-0.44892-1.05611-0.56923-0.1063-0.6793121烟台-0.56396-0.08241-0.582-2.49828-0.5244722东莞-0.592042.03514-1.02739-0.54006-0.5179823济南-0.650960.33881-0.38245-0.23529-0.2749124泉州-0.653720.30502-0.64426-0.64991-0.4683925哈尔滨-0.67107-1.27694-0.23239-1.14152-0.5828626南通-0.69434-0.37236-0.39841-0.44427-0.4244227长春-0.70244-1.6075-0.15576-0.5763-0.6249628西安-0.72944-0.05606-0.72088-0.84646-0.6248229石家庄-0.73409-1.31135-0.05679-1.19243-0.5031330福州-0.77606-0.206390.7031-0.602430.3548431合肥-0.77733-0.84953-0.4064-0.69133-0.6008832徐州-0.83109-1.50196-0.26591-1.02521-0.6584133滩坊-0.83452-0.78661-1.20459-1.15409-0.3826134常州-0.848070.53996-0.80230.36359-0.5553235大庆-0.85447-0.76894-0.953962.25305-0.9469注：Z1表示GDP总量的标准化值；Z2表示居民人均可支配收入的标准化值；Z3表示房价收入比的标准化值；Z4表示人均GDP的标准化值；Z5表示每平方米商品房房价的标准化值。3.解析聚类表 对表2中经过标准化处理后的35个城市的数据进行聚类分析，得出凝聚过程表(见表2.3)，下面解析表2.3。表2-3 聚类表阶群集组合系数首次出现阶群集下一阶群集 1群集 2群集 1群集 212529.04500222532.11910732428.2050094915.261001352631.327001161012.378001872527.391201481834.416001292324.5260321101920.6050011111926.62310514121618.63508161389.88804201419251.016117171513171.13800181611161.468012241719331.611140211810131.6726152519341.7500033208141.832130222119232.30417922228192.717202123238303.02122026246113.59401628255103.6570182826784.4750232927124.666003328564.741252430297215.51626031305226.7672803131577.0133029323253510.09831034331311.494271934341527.74433320 （l）阶（聚类步骤）。1到34表示聚类的先后顺序。 （2）群集组合，也叫个案合并。表示在某步中合并的个案，如第一步中个案25哈尔滨和个案29石家庄合并，合并以后用第一项的个案号表示生成的新类。 （3）相似系数（系数）。据聚类分析的基本原理，个案之间亲密程度即相似系数最接近于1的，最先合并，因此该列中的系数与第一列的聚类步骤相对应，系数值从小到大排列。 （4）首次出现阶群集，指新类首次出现的步骤。对应于各类步骤参与合并的两项中,如果有一个是新生成的类(即由两个或两个以上的个案合成的类），则对应列中显示出该新类在哪一步第一次生成。如第六步中该栏第一列显示值为1表示进行合并的两项中第一项是在第一步第一次生成的新类。如果值为0则表示对应项还是个案(不是新类)。 （5）下一阶，新类下次出现步骤。表示对应步骤生成的新类将在第几步与其他个案或新类合并，如第一行的值是2表示第一步聚类生成的新类将在第2步与其他个案或新类合并。 用SPSS完成以上运算步骤给出聚类分结果的聚类谱系图如图2-4所示。图2-4 聚类分析树状图3.解析聚类分析树状图图2-4清楚地反映了聚类分析的全过程，通过树状图对所选的35个城市进行分类，得到表2-5表2-5 35个大中城市房价问题分类所包括城市第一类上海、北京第二类广州、深圳第三类大庆第四类东莞第五类佛山、常州、长沙、无锡、苏州、杭州、南京、青岛、宁波、天津第六类哈尔滨、石家庄、徐州、长春、南通、合肥、郑州、唐山、滩坊、泉州、西安、济南、武汉、沈阳、成都、大连、福州、重庆、烟台通过比较表2-5与表2-1，我们可以得出以下结论：1、 上海、北京、广州、深圳可以分一类，这四个城市是我国的一线城市，无论从GDP、人均GDP还是人均可支配收入在全国都是名列前茅，但这四个地方的房价都比较高，除了广州的18406元/略低于20000元/，其他三个都高于20000元/，北京的甚至接近40000元/，他们的房价都过高，这几个城市的房屋收入比也都过高，远超出了一般民众的购买能力。2、大庆是个特殊的城市，大庆的GDP和人均GDP都很高但它的房价却很低，大庆的房价合理吗?答案是合理的。大庆是一个石油城市，它能年产石油4000万吨，占全国的40%，所以大庆的GDP较高，它的人口不多，人均GDP也高。但是，石油是属于国家的资源，而不是大庆人民私人所有，所以大庆的人均可支配收入28500元/并不高，它的房价收入比是7.1，基本符合合理的房价收入比区间6-7。所以说，大庆的房屋价格是合理的。3.哈尔滨、石家庄、徐州、长春、南通、合肥、郑州、唐山、滩坊、泉州、西安、济南、武汉、沈阳、成都、大连、福州、重庆、烟台这些城市无论在GDP 总量、人均GDP、房价收入比、还是在家庭人均可支配收入的指标上，大体上都处于中间位置，同时，这些城市的房价基本上也是如此。4、佛山、常州、长沙、无锡、苏州、杭州、南京、青岛、宁波、天津，这些城市在GDP 总量、人均GDP、房价收入比、家庭人均可支配收入指标上的排名都是比较靠前的，但是经济高速发展的同时，其房地产市场也存在着一些问题，致使这些城市的房价有些不合理。这些城市大都是沿海城市，相对来说环境较好，外来人口流入较多，可能这也是导致房价过高的一个因素。18（三）小结与感想使用聚类分析分析方法对35个大中城市的房价问题进行分析，我们可以很容易、更科学的对这些城市进行分类，从而找出它们的相似性，发现其中的规律。这也提示我在看待问题时，仅凭理性的思维还不够，还需要充分利用我们所学的统计学知识和技术，以及合理利用一些软件如Excel、SPSS等，这样，我们的论据和观点将更有说服性。通过本章的研究分析，可以发现我国当前房价确实存在这一些问题，下章我们将系统地分析影响房价的几个因素，从而提出一些合理的建议。4、 房地产价格的影响因素分析 房地产价格的形成具有众多的影响因素，房地产的价格是由这些因素交互影响汇聚而成的。这些因素都是从某种方面，首先影响到供给和需求，通过引发供给和需求的变动来发生作用的，进而引起房地产市场价格的变化。所以，本章从影响需求和影响供给两个方面来分析房地产价格的影响因素。（一）影响房屋需求变动的因素 影响我国房屋需求的因素有：(1)人均可支配收入的提高；(2)城镇人口的增加；(3)房产投资与投机(4)部分消费者不合理的消费观。下面就以上因素展开分析。1. 人均可支配的提高 居民人均可支配收入的提高大大地增强了居民的购房能力，购房需求得到释放。表4-1显示了近8年各年我国人均可支配收入情况。表4-1 2004-2013全国城镇居民人均可支配收入 单位：元年份20062007200820092010201120122013可支配收入1359814753154621607518346221262457526955 资料来源：中国统计年鉴 从该图可以看出我国人均可支配收入呈明显的历年递增的趋势。居民购房能力的增强直接导致购房需求增加，住房需求增加，房价上涨。2.城镇家庭户数的增加 新增城镇家庭户数是反映城镇房屋消费者住房消费愿望增加量的潜在指标。表4-2 2006-2012年我国城镇人口情况表 单位：万人年份城镇人口数比重（%）20065828844.3420076063345.8920086240346.9920096451248.3420106697849.9520116907951.2720127118252.57 数据来源：中国统计年鉴 2013 城市化进程加快导致少数农村人口变成了城镇人口；总的说来，我国城镇人口总数保持较快的增加。每年的城市新增人口都要组建新的家庭，都需要有一所住宅作为安身之处，从而使房屋需求增加。3.房产投资与投机 房产是一种特殊形态的财产，具有明显的增值性能。产生增值的主要原因是：(1)土地的稀缺性导致土地价格在未来城市发展中价格看涨，基于这个原因居民会因为变相地囤积土地而投资；(2)环境改善的外部性，基于百姓住好房的心理会将住宅房地产作为投资或投机的对象持有；(3)投资行为发生的条件是房价涨幅大于资金成本。当条件具备时，房价和投资资金相互促进，轮翻上涨。涨到一定程度以后，房价涨幅开始趋缓。当涨幅下降到资金成本水平时，投资者退出市场，导致房价暴跌。我国房价上涨，仍然处于投资者逐步进入市场的阶段，它一方面增加了房屋需求量，另一方面影响了需求曲线的斜率，两个渠道共同导致房屋需求曲线向右移动，推进房价上涨。4.部分消费者不合理的消费观 我国部分消费者不合理的消费价值观，导致人们普遍急于买房、买大房、买好房，从而形成对房地产市场的过高期望和强大压力。住房消费观念应该遵循“有房住-有住房-住好房”的转变，消费行为应该遵循“租小房 租中房 买小房 买大房”的过程，而许多消费者却想“一步到位”、“超前消费”，直接加入了购房大军，进一步推动住房需求增加。（二）影响房屋供给的因素 构成房屋商品成本的各个因素就是影响房屋供给的因素，房屋生产成本的构成可做如下划分：土地取得成本、开发和管理成本。1. 土地取得成本 土地出让金是指国家以国有土地所有者的身份将国有土地使用权在一定年限内让与土地使用者时，由土地使用者向国家支付的“对价”。土地出让金是国有土地使用权在经济上的实现形式。然而，土地出让金却成了一些地方政府财政收入的主要来源，大面积征用集体土地然后高价出让，几乎成了地方政府“经营城市”的主要业务，招标、拍卖、挂牌等出让方式使作为政府净收益的土地出让金连年大幅度上涨，开发商取得土地的代价也水涨船高，房价也随之上涨。2.开发和管理成本 住宅开发成本从理论上可将其划分为土地开发成本和建筑物建造成本。土地的开发成本是购买、征用土地后作为基础处理过程的后续费用，该部分成本基本不会随经济环境的变化引起较大的波动，从而对供给产生影响的作用非常微小。建筑物建造成本则主要由材料费、人工费、施工机械使用费，以及施工企业管理费、施工企业税金、利润等组成。其中材料费和机械使用费在建筑安装成本中约占 70%。因此材料价格和机械价格的波动将会引起房地产供给成本较大的波动，从而引起供给曲线较大的变动。管理费用是房地产企业在开发和组织管理过程中发生的间接成本和期间费用，主要包括开发企业的人员工资、办公费、差旅费、办公房屋与车辆折旧费等，在整个成本构成中也就是占 5%至 8%，由于其比例较小并且相对固定，对房价格的波动不会造成较大的影响。5、 我国房价上涨的治理措施（一）我国房价上涨的特点1.住房绝对价格偏高衡量一个国家住房绝对价格水平的高低，房价收入比是个很重要的指标。根据第二章对房价收入比的分析，我国房价收入比偏高，房屋绝对价格己经超出了城市居民的经济承受能力。2.房地产价格倒挂 一是“住商价格倒挂”。部分一线城市在住宅价格一路走高的同时，写字楼和商铺市场的售价及租金增长不温不火，甚至不少同一区域内的住宅价格要高于写字楼价格，出现了“住商价格倒挂”的现象。二是“房地价格倒挂”。部分城市新产生的“地王”楼面价格甚至高于周边在售楼盘的价格，“面粉比面包贵”现象重新出现。三是“二手房和新房价格倒挂”。二手房均价已经比年初上涨很多，部分区域甚至出现了翻番的上涨幅度，高于周边新房价格。3.投资投机性购房比例升高 据美联物业京沪深三地各取样2000个购房者需求分析显示，62%的登记购房者表示如果手上有剩余资金，房产将是首选投资目标(上海为 51%)。同时，二手房市场上的非自住买家已经超过五成。现房楼盘空置比也一直居高不下，很多交付两年以上的楼盘其空置率超过了30%，特别是近几年交付的楼盘中，很多楼盘的装修比例不足 50%。4.房价上涨具有时段性和区域性特点 近几年来，我国房价总体来说是快速上涨的，但是在不同的地区之间并不是同步的。一线城市和二线城市之间、沿海城市和内陆城市之间、大城市和中小城市之间呈现出轮番上涨的格局。我国现阶段的房价持续上涨，在带动经济增长的同时，也增加了城市居民的生活负担，诱发了投机行为，长期发展下去，很可能对国民经济造成负面影响。所以适当的控制房价涨幅，使之和国民经济的增长速度相适应，和人民群众的购买能力相适应，就成为我们治理房价上涨的基本目标。（二）治理措施 成本的上升导致房屋供给减少，需求的扩大导致房屋的需求增加，从而造成房地产价格快速上升。由此，对房价上涨的治理，就是要控制项目开发成本的增幅，增加住房有效供给，抑制不合理住房需求，以实现对房价涨幅的控制。1. 增加住房有效供给 房价上涨过快的城市，要增加居住用地的供应总量。要依法加快处置闲置房地产用地，对收回的闲置土地，要优先安排用于普通住房建设。抓好闲置土地的清理和利用，严格执行闲置土地的开发期限，打击开发商囤积土地的行为。(2)调整住房供应结构。适度