广州市天河区二手商品房价格影响因素分析报告

1、广州市天河区二手商品房价格影响因素分析报告（应用统计专业2012级，黄石，1230194028）目录内容摘要2关键词2一、引言2二、数据来源和相关说明2三、描述性分析3四、计量经济分析61. 研究方法62. 全模型分析63. 模型选择84. 模型检验95. 模型分析10五、 结论与建议11内容摘要：本报告利用搜房网各个经济公司给出的二手房挂牌价数据，确定影响二手房销售价格的各个因素，并量化这些因素对销售价格的影响。从分析结果得知，影响二手房价格的因素有所在区域，房龄，是否地铁沿线，是否高层电梯房，是否临江，装修程度，房屋面积，是否是公寓房，楼层高低。本报告可以为消费者购买二手房提供一个较为科学

2、的价格，也可以为相关机构提供合理价值评估的依据。再利用时间序列模型对广州二手房均价进行预测，对不同时期的房价有个大体预测。关键词：二手房，天河区，价格，多元线性模型一、引言广州是中国房地长发展较为成熟的城市之一，而天河区则代表了广州的新兴行政区，天河区资本市场发达，是广州“区域金融中心之核”，随着天河CBD经国务院批准成为三大CBD之后，以珠江新城为核心，涵盖天河北及员村延伸区，总面积约18平方公里，在这里集中了近50家世界500强企业，以及广州市70%的金融机构，广州市大部分的企业总部和高端服务业也聚集于此。最近10年，房地产价格节节攀升，二手房交易量也在逐年飞升，在楼市的交易量占比也越来越

3、高，二手房市场发展一方面有利于现有资源的优化配置和有效利用，扩大了资源配置的空间范围，改善了资源配置的手段和方式，实现居民住房的梯度消费；另一方面有利于促进住房一级市场繁荣，有助于健全整个房地产市场体系，对保证房地产市场的持续健康稳定发展都具有重要意义。不同的住房有着不同的特征，这些特征共同影响着住房的价格。通常可以分为三大类:建筑特征，比如建筑面积、建造时间、建筑材料；区位特征，在单中心城市可以用某处住房距离CBD的距离，或者在不同商业区不同分析。周边环境特征，周边环境品质，周边环境居民状况、公共服务设施等表示。二、数据来源和相关说明 本文所使用的属于来源于搜房网（）,按不同区域随机抽取了不

4、同的二手楼盘的不同数据。经过筛选，得到了335个可以使用的数据样本。基于这样的一个公开的数据，建立一个合适的关于二手房价的模型，从数量上刻划不同因素对房价影响的关系。我们的数据包括以下内容： 二手房均价（price，连续型变量）：每平方米的房价。 区域（area，离散型变量）：把天河区分为不同区域，分类讨论其房价。将天河区分为，珠江新城西，珠江新城中，珠江新城东，岗顶，天河南，天河北，龙口，华景新城，天河公园，员村，车陂，东圃，粤垦，沙河，龙洞，这14个区域进行分析。 是否公寓（wuye，离散型变量）：是否是小面积公寓房。 楼龄（year，连续型变量）：楼房从建成都2012年的楼龄。 是否近地

5、铁（subway，离散型变量）：否在地铁出口直径500米以内。 是否高层电梯房（Type，离散型变量）：此房是否是高层有电梯。 装修程度（fittment，离散型变量）：将二手房划分为简装修和精装修两种分类。 是否临江（river,离散型变量）：二手房屋是否临近珠江。 楼层（floor，连续型变量）：二手房的楼层。 建筑面积（sqmeter,连续型变量）：二手房的建筑面积。 是否是大面积住房（big,离散型变量）：大于180平方米的二手住宅。楼龄、建筑面积、楼层、是否大面积住房、装修、是否公寓、电梯就是属于建筑特征。区域、是否临江则代表区域特征。而是否近地铁则是周边环境特征。根据以上数据，我们

6、将把二手房均价作为我们因变量，其他的所有变量作为自变量，研究不同变量如何解释我们的因变量-二手房均价。三、描述性分析 在所有连续变量中，经验告诉我们房龄是影响二手房价最大的因素，我们利用一个散点图来寻找二手房价和房龄之间的关系。如图1。图1 二手房价和房龄之间的散点图 通过散点图可以发现，随着房龄的上升，房价有下降趋势。最贵的几间房子都是5年内的新房子。这也是非常符合情理的，随着房子建成的时间越长，房间老化等因素直接影响了房子的价格。也可以从散点图中发现，楼龄在10年左右的二手房是市场上最多的二手房。 图2和图3是二手房价和楼层之间还有二手房价和建筑面积的散点图。图2 二手房价和建筑面积之间的

7、散点图图2 二手房价和建筑面积之间的散点图图3 二手房价和楼层之间的散点图从散点图中并不能看的出两个变量之间明确的相关关系，只能看出大多数二手房集中在10楼左右，还有90平米左右在售的二手房最多。建筑面积超过200平方米的房价通常均价相当高，这也很容易理解，200平米以上的豪宅，面向的消费者也是相对富裕的群体，自然而然配套房价也就会比其他的高一些。为了从直观上获得各个离散型变量与因变量之间关系的初步认识，我们利用盒装图对数据进行简单的处理和描述性分析，得到图4、图5。图4二手房价和不同区域的盒装图分析图5基于盒装图的描述性分析 由图4得知，天河区不同区域的房价是明显不同的。作为城市CBD的中心

8、，珠江新城的房价显然高于其他区域。 是否是公寓并不能显著看出来影响到房间的价格，说明可能公寓对房价的影响甚微。 靠近地铁的房价平均来说要比远离地铁的房价贵，但也有些许例外。这是因为有些江景豪宅并不靠近地铁，但它们房价却很贵。 更靠近江边的房价也普遍较高，消费者比较偏好靠近珠江的房间。 在天河区，大于180平方米的房间，普遍都可以称为豪宅，这样的房间面向的消费者不同，所以可以看出大房间每平方米均价略高。 显而易见，人们更偏好有电梯的高层楼房，所以高层的房价更高。 人们在买房时，愿意为精装修的房间出更高的价格。四、计量经济分析1. 研究方法本文采用含有定性和定量回归元的回归：ANCNOVA模型。模

9、型的基本形式如下：Yi=1+2D2i+3D3i+Xi+i（1）但在很多情况下，两个定性变量D2和D3之间可能是相互影响的。所以他们对Y均值的影响可能不像方程（1）那样单纯的是相加形式的，也有可能像如下方程（2）是乘积形式的Yi=1+2D2i+3D3i+4D2iD3i+Xi+i（2） 其中Di表示区域等离散变量。Xi表示楼龄，面积等连续型变量。2. 全模型分析通过上一节的分析，我们可以看出，自变量和因变量确实存在相关性。考虑到楼层高度和是否高层之间、大面积住宅和是否靠江、是否是公寓和建筑面积有交互作用的影响，所以我们考虑其之间的相互作用建模。利用所有数据带入方程（2）进行分析，我们得到了模型的估

10、计结果，结果如表1.1，表1.2。方差分析列表相应变量: price 变量名 Df SumSq MeanSq Fvalue Pr(>F) year 1 4035875865 4035875865 724.4130 <2.2e-16 *floor 1 609424691 609424691 109.3877 <2.2e-16 *as.factor(Type) 1 31010980 31010980 5.5663 0.0189337 * as.factor(subway) 1 981916419 981916419 176.2475 <2.2e-16 *as.factor(

11、area) 14 3631795146 259413939 46.5631 <2.2e-16 *sqmeter 1 94145863 94145863 16.8986 5.062e-05 *as.factor(wuye) 1 22509816 22509816 4.0404 0.0452959 * as.factor(fittment) 1 201872420 201872420 36.2348 4.968e-09 *as.factor(river) 1 359357349 359357349 64.5023 2.063e-14 *as.factor(big) 1 65531638 65

12、531638 11.7625 0.0006867 *floor:as.factor(Type) 1 34848152 34848152 6.2550 0.0129033 * sqmeter:as.factor(wuye) 1 16314915 16314915 2.9284 0.0880394 . as.factor(river):as.factor(big) 1 130630278 130630278 23.4473 2.036e-06 Residuals 308 1715940621 5571236 表1.1方程回归分析Coefficients:变量名 估算值 标准差 t值 P值 (Int

13、ercept) 18832.641 1415.174 13.308 <2e-16 *year -486.871 38.780 -12.555 <2e-16 *floor -324.325 158.709 -2.044 0.041851 * as.factor(Type)是 -2251.511 939.743 -2.396 0.017177 * as.factor(subway)是 1686.050 418.164 4.032 6.98e-05 *as.factor(area)东圃 1086.662 884.215 1.229 0.220026 as.factor(area)岗顶 3

14、360.496 943.595 3.561 0.000427 *as.factor(area)华景新城 5346.547 1009.352 5.297 2.25e-07 *as.factor(area)龙洞 612.196 1055.145 0.580 0.562203 as.factor(area)龙口 5379.670 752.605 7.148 6.42e-12 *as.factor(area)沙河 409.224 1012.455 0.404 0.686354 as.factor(area)天河北 6379.916 792.052 8.055 1.76e-14 *as.factor(a

15、rea)天河公园 5484.836 915.462 5.991 5.80e-09 *as.factor(area)天河南 5193.734 1078.571 4.815 2.31e-06 *as.factor(area)新城东 9225.926 897.199 10.283 <2e-16 *as.factor(area)新城西 9766.057 805.929 12.118 <2e-16 *as.factor(area)新城中 9469.149 908.296 10.425 <2e-16 *as.factor(area)员村 4916.090 838.403 5.864 1.

16、17e-08 *as.factor(area)粤垦 886.614 844.693 1.050 0.294712 sqmeter -2.434 5.758 -0.423 0.672792 as.factor(wuye)是 3091.686 1958.927 1.578 0.115534 as.factor(fittment)精装修 2273.831 391.599 5.807 1.59e-08 *as.factor(river)是 3753.634 671.423 5.591 4.99e-08 *as.factor(big)是 1107.632 1008.850 1.098 0.273099

17、floor:as.factor(Type)是 374.211 159.301 2.349 0.019451 * sqmeter:as.factor(wuye)是 -68.777 42.845 -1.605 0.109462 as.factor(river)是:as.factor(big)是 7045.604 1455.030 4.842 2.04e-06 * 判决系数（R-squared）: 0.8562, 调整后判决系数: 0.844 模型F检验P值 < 2.2e-16表1.2从上述结果可以看出，整个模型的判决系数达到了85.62%，F检验的的P值也非常非常的小，这都从数据上说明了自变

18、量和因变量之间有一定的解释能力。通过对所对应不用变量的t检验的p值的考察，在0.05的显著水平下，1. 我们可以断定区域、是否高层电梯房、楼龄、是否近地铁、装修程度、是否临江、楼层、是否是大面积住房都是影响二手房价的重要因素。2. 变量建筑面积和变量是否公寓对二手房的价格影响很小。上面分析的几个重要因素，区域、是否高层电梯房、楼龄、是否近地铁、装修程度、是否临江、楼层、是否是大面积住房会影响二手房的价格也普遍和购房者的直觉相一致。地段好的房价会贵一些，楼房当然是越新的越好，是电梯高楼和离地铁较近，都为我们的出行带来了极大的便利，而一下楼两分钟就走到珠江边，或者在家里一开窗就望到珠江的房间肯定会

19、让房价更高。3. 模型选择我们从上述对全模型的分析结果中可以发现，有8个自变量都是对最终评分有着显著的影响，我们利用这8个变量建立起了一个有效的模型，但是我们也不能完全排除其他变量也有预测能力的可能。所以，我们用两种最常用的模型选择变量的方法，即AIC和BIC，来选择模型中的变量。事实证明，通过这两个方法，我们得到的模型和先前我们建立的模型是一样的，也是包括了这8个自变量的模型。因此，我们将我们模型的结果表示如下。方程为lm(formula = price year + floor * as.factor(Type) + as.factor(subway) + as.factor(area)

20、+ as.factor(fittment) + as.factor(river) * as.factor(big)模型参数估计如下表1.3 系数估计值 标准差 t值 P值 截距项 18594.67 1335.59 13.922 <2e-16 *楼龄 -477.93 38.14 -12.531 <2e-16 *楼层 -316.60 158.22 -2.001 0.046268 * 是否为高层 -2236.27 935.31 -2.391 0.017400 * 是否靠近地铁 1578.95 411.72 3.835 0.000152 *区域类别：东圃 825.54 870.19 0.9

21、49 0.343519 区域类别：岗顶 3223.04 932.19 3.457 0.000621 *区域类别：华景新城 5147.15 994.66 5.175 4.10e-07 *区域类别：龙洞 474.42 1036.58 0.458 0.647506 区域类别：龙口 5336.85 749.56 7.120 7.52e-12 *区域类别：沙河 260.11 997.55 0.261 0.794457 区域类别：天河北 6328.02 781.44 8.098 1.28e-14 *区域类别：天河公园 5330.69 898.39 5.934 7.90e-09 *区域类别：天河南 5130

22、.37 1072.66 4.783 2.67e-06 *区域类别：珠江新城东 9107.39 878.85 10.363 <2e-16 *区域类别：珠江新城西 9748.42 804.28 12.121 <2e-16 *区域类别：珠江新城中 9422.74 896.59 10.509 <2e-16 *区域类别：员村 4871.45 837.33 5.818 1.48e-08 *区域类别：粤垦 893.39 838.36 1.066 0.287418 是否精装修 2383.74 384.97 6.192 1.88e-09 *是否靠江 3677.37 663.57 5.542 6

23、.39e-08 *是否大户型 837.83 802.73 1.044 0.297425 楼层*是否高层 364.48 158.93 2.293 0.022492 * 是否靠江*是否大户型 7041.23 1451.36 4.851 1.94e-06 *R系数： 0.8546, Adjusted R系数: 0.8438 F值: 79.48 on 23 and 311 DF, p值: < 2.2e-16表1.3星号代表： 0 * 0.001 * 0.01 * 0.05 . 0.1 1 4. 模型检验 为了确保模型分析结果的可靠性，我们对模型的独立性，正态性及同方差性进行了检验， 从QQ图中看

24、的出散点图近似成一条直线，从而说明该模型基本满足正态性假设。从残差图则可以看出有大量的残差分布的杂乱无章，所以我们可以判断该模型不存在严重的异方差性。5. 模型分析根据上列条件，我们可以获得以下重要结论。 不同区域的二手房价有明显的区别，以珠江新城为最贵，距离珠江新城越近的房价越贵，越远的则越便宜。 随着楼龄的变大，房价明显下降，每增加一年的楼龄，每平方米均价大约会下降477元。 楼层和高层的交互作用。当楼层不是高层时，随着楼层的增高房价越来越便宜。但当楼层是高层时，随着楼层的增高房价则越来越贵。 对于二手房，装修越好，房价会卖的越贵。 当房间大于180平米时，平均均价就会贵上一点。临近江边的

25、房子也会比不靠江边的贵一点。但是当，房间又大又临近江边，每平米房价就又要额外多加8000元。通常这样的住宅都是望江豪宅，所以非常的昂贵。 最后随机抽取了14个样本来进行预测，通过预测得到的预测值和实际值可得知模型的偏差不超过10%，可以证明预测的结果是较为准确的。201 15597 天河南 否 16 是 是 简装修 否 12 95 否 -441.39606202 16843 天河南 否 15 是 否 精装修 否 3 95 否 -2636.00755203 23158 天河北 否 12 是 是 精装修 否 8 95 否 1911.65077204 13684 天河北 否 15 否 是 简装修 否

26、 16 95 否 -2540.93971205 14316 车陂 否 14 是 是 精装修 否 10 95 否 323.53652206 13747 龙洞 否 14 否 否 精装修 否 2 95 否 -275.61540207 17500 龙口 否 16 是 是 精装修 否 19 96 否 -1344.92724208 17708 龙口 否 17 是 是 简装修 否 24 96 否 1374.34704209 18542 员村 否 14 否 是 精装修 否 26 96 否 523.76455210 20625 龙洞 否 2 否 是 精装修 否 3 96 否 2215.57622211 2659

27、8 新城东 否 6 否 是 精装修 否 25 97 否 427.28361212 18577 华景新城 否 14 否 是 精装修 否 5 97 否 1178.33419213 13609 龙洞 否 14 否 否 简装修 否 3 97 否 2189.40825五、 结论与建议 从上述分析结果可知，影响广州市天河区二手房均价的主要因素有区域、是否高层电梯房、楼龄、是否近地铁、装修程度、是否临江、楼层、是否是大面积住房。而且，是否大面积住房和是否临江、楼层和是否高层有着相互影响。二手房购房者可以从本报告得到的模型，对于天河区二手房价有更好的预测，为自己购房的决策提供帮助。中介公司或者资产评估机构也可

28、以利用本模型参考得到住房的资产评估。本报告还有很多影响房价的因素没有办法得到具体数据而得到量化，例如小区物业费、小区业主的主观评价，小区周边的环境因素，如果将这些因素通通考虑纳入模型，就会得到一个更好更贴切现实的模型。参考文献刘丽，刘爱松 广州市二手房价格变动影响因素研究 本刊专论石忆邵，李木秀 上海市住房价格梯度及其影响因素分析 地理学报 2006.6附录:R程序rm(list=ls() #清空内存空间 a=read.csv("price2.csv",header=T) #读取在工作空间的数据 attach(a) plot(price,year) #做变量楼龄和价格之间的

29、散点图 plot(price,floor) #做变量楼龄和楼层之间的散点图 plot(price,sqmeter) #做变量建筑面积和楼层之间的散点图 par(mfrow=c(3,1) #一次性在一张图上面做三个图 boxplot(priceceiling(year/4),main="楼龄") #按4年一分看不同楼龄房间均价的的柱状图 boxplot(priceceiling(floor/5),main="楼层") #按5层楼一个阶段看不同楼层段之间房间均价的柱状图 boxplot(priceceiling(sqmeter/50),main="

30、面积") #按50平米一分看不同建筑面积之间房间均价的柱状图 table(ceiling(year/4) #按列表的方式显示楼龄，楼层，建筑面积的分布情况 table(ceiling(floor/5)table(ceiling(sqmeter/50)boxplot(pricearea,main="位置")par(mfrow=c(3,2) #对不同的离散变量做柱形图，来做描述性分析 boxplot(pricewuye,main="是否公寓")boxplot(pricesubway,main="是否靠近地铁")boxplot(priceType,main="是否高层")boxpl