房地产市场研究热点问题的统计分析.doc

南京财经大学本科毕业论文（设计）房地产市场研究热点问题的统计分析摘要：房地产市场研究分析工作可为房地产各项活动提供决策和实施的依据，不科学的市场 . 这里面还包含要得出三个分析的侧重点，即营销建议、售价和租金预测、预测吸纳量及 .关键词：房地产市场,房地产,市场,营销类别：市场营销来源：牛档搜索（Niudown.COM）本文系牛档搜索（Niudown.COM）根据用户的指令自动搜索的结果，文中内涉及到的资料均来自互联网，用于学习交流经验，作品其著作权归原作者所有。不代表牛档搜索（Niudown.COM）赞成本文的内容或立场，牛档搜索（Niudown.COM）不对其付相应的法律责任！15目 录中文摘要1英文摘要1一、房地产市场及其研究概述2（一）房地产业的支柱产业地位2（二）房地产市场研究现状31.房地产市场研究与分析介绍32.房地产市场研究动态3二、房地产市场热点问题的统计分析5（一）统计分析方法概述5（二）房地产市场热点问题的统计分析51.因子分析52.回归分析10（三）建议131.注重国家宏观调控政策及宏观经济数据的走向132.顺应市场及时调整开发策略13三结束语13参考文献14房地产市场热点问题的统计分析中文摘要摘 要：我国房地产业从1997年被国家列为拉动经济和内需增长重点产业，2003又被明确列为支柱产业，而且房地产业还能带动建筑、建材、装修等几十个行业的发展；房地产市场研究分析工作可为房地产各项活动提供决策和实施的依据，不科学的市场分析将导致不切实际的市场预期及错误的需求判断，从而引发房地产活动中的风险。因此，作为国家经济支柱的房地产业，其市场研究工作也显得尤为重要，本文将对房地产市场研究与分析这项工作进行详细阐述，并就其热点问题结合统计分析方法进行分析。关键词：房地产市场研究，因子分析，回归分析 英文摘要Abstract：In our country ,the real estate business was be played as moving economy and domesticing needs increasings priority estate since 1997, in 2003,it was be played cornerstone industry clearly , and, real estate business can drive the development of several tens industry ,such as building , building material , fitting up and so on; Real estate marketing studies and analysis working can provides the basis of making policy and being put into effect in every activities of real eatate, The wrong market analysis will lead to the moot marketplace and reach the wrong need judgement, thereby,will lead to the unsafety of real estate activity. Therefore, as the country pillar of the economy ,real estate marketing studies and analysis working also become very important,in this paper, will carry out with the job studying and analysing this item to real estate market expounding detailedly, whose hot spot problem carries out analysis combining with counting analysis method right away.Key words：Real estate marketing studies， Factor ananlys，Multivariable linear regression一、房地产市场及其研究概述（一）房地产业的支柱产业地位支柱产业是西方产业经济学中的一个比喻性概念，中国支柱产业振兴方略中解释：支柱产业是指在一定时期内能够支撑国民经济与社会发展在一定水平上增长，或社会经济上新台阶时期能够稳定地成为经济增长点的产业。支柱产业具有四个特征：一是高产业比重，它必须是在一定时期内的国民经济中占有比较重.要地位，具有增长能力强、增长率高、贡献率大的特征；二是高产业关联度，支柱产业必须具有较强的产业关联度，能通过产业之间的联系产生巨大的带动力，直接和间接地带动其他产业部门的发展；三是高市场需求，支柱产业的主要产品必须具有广阔的市场前景和旺盛的社会需求，并能在相当长的时期内保持持续增长稳定发展的势头；四是高科技含量，科学技术是生产力，支柱产业必须拥有先进的科学技术和良好的科技创新机制，依靠这种机制，保持产业可持续发展的优势地位。房地产业发展对经济增长的贡献份额大，在发达国家和地区中已普遍成为国民经济的支柱产业。在未来20年我国经济增长过程中，房地产业发展将对经济增长做出巨大贡献。房地产业对相关产业的拉动作用是全方位、多角度的，它从生产、流通、消费三个环节上拉动经济增长。从生产环节来看，它直接形成固定资产投资。根据上海市投入产出模型测算，每增加1亿元固定资产投资，可引发2.21亿元的总产出增量和0.61亿元的增加值增量。同时，它可以直接带动建筑、建材等行业的发展。从流通环节来看，房地产业为金融业发展提供较大空间，同时，它还带动了当地产中介服务业的发展。从消费环节来看，房地产业大大促进了社会消费增长。据测算，商品住宅销售对其他商品消费的带动系数为1.34。房地产业还为家庭装饰业发展提供了商机，根据测算，每增加1平方米商品住宅销售，可带动家庭装饰业400万元的增量。我国房地产业经过20多年的发展终于获得了应有的地位。2003年8月，国务院印发的国务院关于促进房地产市场持续健康发展的通知（国发200318号）明确指出：“房地产业关联度高，带动力强，已经成为国民经济的支柱产业。”（二）房地产市场研究现状1.房地产市场研究与分析介绍房地产市场研究分析工作可为房地产各项活动提供决策和实施的依据，不科学的市场分析将导致不切实际的市场预期及错误的需求判断，从而引发房地产活动中的风险。从房地产市场研究分析的层次上来看，可分为区域房地产市场分析、专业房地产市场分析和项目房地产市场分析，进一步细分，也就是房地产市场分析的内容，在区域房地产市场分析中包括地区经济分析、区位分析和市场概况分析等内容，其中地区经济分析是研究地区的经济环境，它包含地区经济的基本趋势分析和地区基础产业的发展趋势分析；区位分析是某地点的最佳用途分析，它是进行投资决策时的主要分析内容；市场概况分析包含对地区房地产各类市场总的未来趋势分析、考察某个地区的地位和状况，分析人口、公共政策、经济、法律是否支持某个项目等。在专业市场分析方面，主要包含根据潜在需求的来源地及竞争物业的所在地，确定市场研究区域、细分市场，进行产品细分及消费者细分，找出某一消费群体所对应的房地产产品子市场、分析各子市场的供需关系，求出各子市场的供需缺口、将供需缺口最大的子市场确定为目标子市场，具体求出目标子市场供求缺口量（即未满足的需求量）。而项目房地产市场分析方面，主要包含分析目标物业的法律、经济、地点、及地点的可达性等特征、根据目标物业的特征选择、调查竞争物业、进行竞争评价，确定目标物业的竞争特点，预测一定价格和特征下项目的销售率及市场占有率（市场份额）。这里面还包含要得出三个分析的侧重点，即营销建议、售价和租金预测、预测吸纳量及吸纳量计划。2.房地产市场研究动态房地产市场的研究,是土地经济学、城市经济学、管理学以及进一步衍生的房地产经济学等多门学科所共同关注的一个学术领域。尽管各门学科从不同的学科角度分析和研究了房地产市场的发展情况, 但最终的目的是为了了解房地产市场的运行机制,从而为房地产市场的不断发展以及房地产业的不断进步,提供重要的理论指导。国外对房地产业的发展研究起步较早,从17 世纪末至今经历了300 多年的历史。17 世纪末,配第第一次提出了级差地租的概念,并初步阐述了级差地租、土地价格等问题。此后至19 世纪初的一百多年,斯密(Smith) 、李嘉图(Ricardo) 、马克思(Marks) 等人分别对土地经济问题、住房问题进行了各自的研究,形成了现代资本主义土地经济理论和马克思主义土地经济理论。国内方面，新中国建立30多年里，由于计划经济体制的影响，我国关于房地产经济理论以及房地产市场发展方面的探索基本处于停滞状态，直到1979年，有关土地有偿使用和房屋商品化的理论研究成为重点以及热点，进入21世纪至今，我国学者的研究大多数都集中在对房地产市场内部运行规律及外部影响因素等方面的研究,主要集中在以下几个方面：(1) 房地产市场建设。我国房地产市场化程度很低,结构失衡与服务滞后造成销售呆滞,二、三级市场不活跃,通过激活二、三级房地产市场,促进房地产市场的繁荣发展。(2) 宏观调控。如果房地产市场缺乏宏观调控机制,房地产开发规模就会过大,市场功能机制不完善,因此必须加强房地产市场的宏观调控,促进房地产业的健康持续发展。当前可的运用宏观调控的各种手段有:财政政策调控、行政调控、产业政策调控和金融政策调控等直接调控房地产业。(3) 政府行为。发展房地产业不仅要提高企业以市场为导向的经营决策水平,更要规范政府行为,发展房地金融。可根据各个时期经济社会发展速度以及结合区域土地资源特点,制订合理的地价,调节引导房地产开发。(4) 房地产市场周期。房地产周期或房地产周期波动,包括四个阶段:房地产市场周期的谷底、增长超过平衡点,需求继续增长阶段、供求转折点之后供给增长速度高于需求增长速度阶段、市场运行到平衡点水平之下,供给高增长,需求低增长或负增长阶段。(5) 房地产市场预测。运用各种数学模型分析房地产市场的供需以预测房地产市场，比如通过建立回归模型、影响因素分析模型、灰色聚类决策模型、可变参数模型和类比分析方法和模糊聚类分析模型对房地产市场需求、供给进行了动态的定量分析,为房地产市场的投资、决策、销售、预测等提供更为科学、可靠的依据。二、房地产市场热点问题的统计分析（一）统计分析方法概述统计分析,是根据统计研究的任务和要求,以马克思主义的世界观和方法论为指导,以统计资料和客观事实为依据,运用各种统计分析方法和技术,对社会、经济现象在一定时间、地点、条件下的总体数量特征及数量关系进行分析,以探索事物的性质、特点、内在联系及发展规律的工作过程。统计法中明确规定:统计的基本任务是对国民经济和社会发展情况进行统计调查,统计分析,提供统计资料,实行统计监督。在我国社会主义市场经济发展和经济运行机制进一步深化改革的今天,统计分析的作用越来越显得重要。企业在转换经营机制中,也要依靠各种信息的收集、整理、吸收和运用。企业通过统计分析才能了解企业在市场经济运行中的各种数量关系和数量界限,研究其形成的内在原因,进而进行企业经济发展的预测和决策。（二）房地产市场热点问题的统计分析房地产业的发展不仅关系到国家的经济命脉，同时也与百姓的生活息息相关，房地产市场的一些热点问题逐渐成为了百姓极为关注的热点话题，比如2007年以来，全国房屋价格飞速攀升，而在08年初，“拐点论”的热吵又造成了房地产市场浓郁的观望气氛，因此，房价的走向引起很多业内人士的研究；在房价的带动下，房屋销售量、销售面积也会随之变化，因此对影响房屋销售的各种因素进行分析也是必不可少的，另外，市场供需情况、投资投机情况、居民购买力分析等等都是当前房地产市场的热点问题，本文我主要针对影响房屋销售的因素和影响房地产价格的宏观因素结合统计方法进行分析。1.因子分析在进行调查研究时，经常需要同时调查或分析许多变量，这些变量可能归为几类，而每一类均具有相同的本质，常被成为因子。因此，因子分析是一种用来决定某些变量的本质及其分类的一种统计方法。因子分析的主要应用有两个方面：一方面是寻求基本结构，简化观测系统，即构造一个因子模型，确定模型中的参数，然后根据分析结果进行因子解释；另一方面是对变量或样本进行分类，对公共因子进行估计，并进一步分析。例如，调查青年对婚姻家庭的态度，抽取了n个青年回答了p=50个问题的答案，这些问题可归纳为如下几个方面：对相貌的重视、对孩子的观点、对老人的态度等等，这也就是一个因子分析的模型，每一个方面就是一个因子。用SPSS软件进行因子分析十分简便，下面我会结合一个房地产市场调查问卷结果演示因子分析的过程。某房地产开发商为了进一步了解影响房屋销售量的因素，进行了一次为期一年的市场调查，随机抽取了该开发商开发楼盘小区的n=100户住户，分别就住户所重视的小区不同因素进行调查，每个月进行结果的汇总分析，并总结出了以下六大因素是住户的重视程度最高的六个。这六个因素分别是：地段为X1 ,小区的商品房价值为X2 , 小区绿化建设为X3 , 交通安全设施为X4 , 供热取暖为X5 ,信誉度为X6。下表表示了每个月的调查问卷情况，表中数据代表了该个因素在当月调查中在所有因素中所占的比例。表1 影响商品住宅销售因素序号地段X1小区的商品房价值X2小区绿化建设X3交通安全设施X4供热取暖X5信誉度X6120.8466.530.600.9312.011.20220.5066.210.600.9371.901.22320.8865.670.550.9131.951.23421.0665.750.440.9222.041.18520.9665.810.430.9121.961.26621.0565.740.460.9101.991.22720.8466.170.340.9212.021.23821.3964.750.880.8772.081.24920.8364.570.360.9052.031.161020.9565.070.680.9172.051.111120.7164.620.730.8991.961.241221.0364.930.700.9011.991.19注：数据来源于参考文献4将以上数据输入SPSS中，依次单击“Analyza”“Data Reduction”“Factor”,将6个变量通过箭头输入到分析变量框。得出因子载荷矩阵如下：Component Matrix(a) Component123456x1.808-.063.520.140-.230.023x2-.780-.069.471.404.005-.052x3.564.388-.412.601.035.005x4-.899-.361-.032.233-.010.071x5.726-.556.307.083.249.009x6-.165.869.443-.076.124.031Extraction Method: Principal Component Analysis.a 6 components extracted.X1=0.808f1-0.063f2+0.520f3+0.140f4-0.230f5+0.023f6X2=-0.780f1-0.069f2+0.471f3+0.404f4+0.005f5-0.052f6X3=0.564f1+0.388f2-0.412f3+0.601f4+0.+0.035f5+0.005f6X4=-0.899f1-0.361f2-0.032f3+0.233f4-0.010f5+0.071f6X5=0.726f1-0.556f2+0.307f3+0.803f4+0.249f5+0.009f6X6=-0.165f1+0.869f2+0.443f3-0.076f4+0.124f5+0.031f6其中f1、f2、f3、f4、f5和f6分别为公共因子，从个因子模型中可以看出，第一因子主要由变量x1、x3和x5所决定，它们作用在第一个因子上的荷载分别是0.808、0.564和0.726；第二因子主要由变量x3和x6所决定，它们作用在第二个因子上的荷载分别是0.388和0.869在以上设置的基础上，单击“Extraction”按钮，从“Extract”中选择“Eigenvalues over”单选项，并在气候文本框输入“1.0”；单击“Rotation”按钮，从方法“Method”选项区中选择方差极大法“Varimax”,从显示格式“Display”上选择旋转求解“Rotated solution”;单击“Scores”按钮，在变量存储“Xave as variables”选项中选择回归方法“Regression”,显示因子得分系数矩阵“Display factor score coefficient matrix”。运行该过程，又可产生如下结果：分别有单变量描述性表、相关系数矩阵表等等，其中最重要的是正交旋转后因子载荷矩阵表，如下：Rotated Component Matrix(a) Component12x1.729-.354x2-.751.220x3.666.156x4-.969-.008x5.473-.783x6.164.869Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a Rotation converged in 3 iterations.按绝对值来看，X4、X2和X1在第一公共因子的载荷值较高，故第一公共因子可以反映X4（交通安全设施）、X2（小区的商品房价值）和X1（小区地段）的公共特性，可以认为第一公共因子代表小区的硬件条件；而X6和X5在第二公共因子的载荷值较高，故第二公共因子可以反映X6（信誉度）和X5（供热取暖）的公共特性，可以认为第二公共因子代表开发商的服务等软件环境，这种公共因子的解释完全是一种主管的判断，结论往往因人而异，但对于房地产开发商制定营销策略有重要的参考价值。2.回归分析回归分析方法是多元统计分析的各种方法中应用最广泛的一种，它是处理多个变量间相互依赖关系的一种数理统计方法，变量间的相互依赖关系在实际问题中是大量存在的，回归分析是研究这种相互依赖关系的有效数学方法，从众多影响自变量变化的因素中筛选出最重要的有限个因素作为自变量,并组成回归方程,此回归方程一般称为最优方程，这就是回归分析的主要思路。前面提到房地产是我国的支柱产业，因此，其价格的变化必然受到宏观经济因素的影响，影响我国房地产价格波动的宏观经济因素主要包括: 国内生产总值、国民收入水平、货币发行状况、土地价格、房地产投资状况和房地产消费状况等。根据主要的宏观影响因素，我选取了六大指标，分别是国内生产总值（x1）、城镇居民家庭人均可支配收入（x2）、货币供应量（x3）、全国土地交易价格指数（x4）、全国房地产开发投资额（x5）和商品房销售额（x6）。表2 2000年至2005年我国房地产价格及其宏观经济影响因素序号时间（年.季）全国房屋销售价格指数（%）国内生产总值（亿元）城镇居民家庭人均可支配收入（元）货币供应量M2（亿元）全国土地交易价格指数（%）全国房地产开发投资额（亿元）商品房销售额（亿元）12000.1100.7 18172.7 584.2 365384.1 99.2 534.5 296.0 22000.2101.1 21318.7 485.2 374780.5 100.2 1088.1 548.9 32000.3101.5 22632.5 503.5 384588.0 100.9 1238.0 615.8 42000.4101.2 27279.6 506.8 395126.7 100.5 2024.1 2111.3 52001.1102.6 19894.9 615.3 412498.3 100.6 677.2 440.7 62001.2103.6 23047.1 526.0 426775.6 100.6 1445.3 740.5 72001.3104.2 24284.9 561.4 450990.7 102.0 1636.3 817.1 82001.4103.0 28706.4 569.0 463896.5 104.6 2486.7 2627.4 92002.1103.9 21192.6 2125.0 484668.8 108.5 922.4 514.0 102002.2106.5 24796.2 1816.9 500232.8 106.0 1898.9 931.2 112002.3108.4 26378.1 1850.6 521084.4 108.3 2041.1 1190.2 122002.4106.6 32805.4 1909.8 542037.8 112.8 2873.7 3085.8 132003.1108.9 23733.2 2354.5 574784.0 117.7 1285.1 784.7 142003.2111.8 27107.9 1946.4 600566.7 113.5 2531.7 1317.1 152003.3112.8 29257.7 2046.0 630352.1 117.8 2678.2 1634.6 162003.4112.0 37153.1 2125.3 652043.9 122.8 3611.1 2924.5 172004.1117.3 27127.6 2638.8 683807.2 126.5 1820.4 1143.3 182004.2123.4 31660.5 2175.8 706897.8 126.6 3103.3 1830.2 192004.3124.0 34356.3 2257.4 721613.1 131.5 3433.1 2020.4 202004.4124.1 43380.7 2349.6 744083.6 135.1 4801.5 5321.8 212005.1128.8 31319.0 2937.8 781697.8 136.4 2323.6 1559.3 222005.2133.3 36103.1 2436.0 812018.7 140.1 3869.5 2168.0 232005.3131.6 44802.8 2527.9 845692.8 144.4 4184.6 7586.0 242005.4132.2 57536.3 2591.3 878697.5 145.8 5381.6 6767.0 注：数据来源于参考文献8将数据输入SPSS后，选择“Analyza”“Regression”“Linear”,就可打开“Linear Regression”对话框，将左侧源变量选项框中的y作为因变量进入右侧“Dependent”选项框中，同时其他多个变量作为自变量进入“Independent”选项框内，接着在“Method”下拉列表内选择“stepwise”逐步回归，得出结果如下：Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.977(a).955.9532.42369a Predictors: (Constant), x4Coefficients(a)ModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1 (Constant)30.6013.817 8.016.000X4.703.032.97721.675.000a Dependent Variable: yExcluded Variables(b)ModelBeta IntSig.Partial CorrelationCollinearity StatisticsTolerance1 x1-.082(a)-.975.340-.208.288X2-.129(a)-1.515.145-.314.266X3.358(a)49.022X5-.020(a)-.245.809-.053.308X6-.088(a)-1.381.182-.289.482a Predictors in the Model: (Constant), x4b Dependent Variable: y接下来对常数项及自变量系数进行检验：根据表Coefficients(a)看出常数项和自变量X4的 Sig.值均为0.0000.05，通过检验；根据表Excluded Variables(b)看出自变量x1、x2、x3、x5和x6的Sig.值均0.05，为通过检验。检验之后，我们可以得到多元线性回归方程为：y=30.601+0.703x4 我们所得到的回归方程通过了显著性检验，但是还需要进行实证检验，我们将2005年第四季度的数据x4=145.8带入方程，得y=133.1,与实际值132.2相比，相差了0.9个点，SPSS输出的平均预测误差为2.42，也就是说我们预测结果在误差允许的范围之内，回归方程成立。综上所述，该方程可以用来预测我国房地产价格的变化趋势，在知道未来某一时期城镇居民家庭人均可支配收入和全国房地产开发投资额的情况下，我们就可以大体预测该时期的房地产价格，可以为政府调控部门、房地产相关部门、房地产开发商或经纪公司以及有需求购房置业的居民提供参考