《基于自组织数据挖掘的住宅空置影响因素分析.docx》由会员分享，可在线阅读，更多相关《基于自组织数据挖掘的住宅空置影响因素分析.docx（4页珍藏版）》请在金锄头文库上搜索。
1、基于自组织数据挖掘的住宅空置影响因素分析【摘要】空置是反映房地产市场状况的一个重要因素。本文运用自组织数据挖掘方法来分析中国住宅空置面积的影响因素，我们发现，在所有的因素中，人均住宅面积是影响空置面积的最重要的因素，其中也有其他因素的较小的相关影响。【关键词】自组织数据挖掘方法 住宅空置面积一、研究综述近几年，许多学者对于房地产空置问题做了很多研究工作，这些研究大体可分为两类：一是关于空置率的研究，例如中国房地产及住宅研究会常务副会长包宗华的我国的住房空置率是否过高；谢昌浩 阮平的对房地产市场中空置率问题的界定及衡量；二是关于房地产空置现象的研究，如郭峰和任宏中国商品房空置问题研究王家庭在中国
2、商品住宅空置率过高的原因及对策都对高空置现象进行了分析并提出对策.但是，空置率在我国现在还是一个含糊不清的概念，空置率在计算方法也存在许多问题和争论。为此本文没有研究空置率，而是运用自组织数据挖掘的方法着重对空置的影响因素进行了分析。二、自组织数据挖掘理论与方法简介自组织数据挖掘建模是基于生物进化的思想：从对系统有影响的因素样本出发，其利用GMDH核心技术从观测数据样本自动的产生许多数学模型，并且根据某个外部准则（即筛选准则），逐步地从模型集合中选出一个相对的最优复杂度模型。这种建模方法强烈的体现了由简单到复杂的复杂事物演化过程。自组织建模的方法基于如下假设：所有关于对象的重要变量的相互关联的
3、信息都包含在变量的观察数据样本中，因而建模的目的就是要从数据样本中挖掘出这些信息。在建模时把样本数据分为训练集和检测集两部分，训练集的数据用于建模，检测集的数据在建模时不被使用，仅用于选择最优复杂度模型。这是区别于其他建模方法的一个优势。三、模型建立在参考了专家、学者的意见之后，结合要解决的问题，笔者筛选出以下6个指标来研究住宅空置面积的因素：住宅空置面积X1（万平方米）；住宅平均销售价格X2（元/平方米）；人均住宅建筑面积X3（平方米/人）；住宅销售面积X4（万平方米）；就业人员数X5（万人）；城乡居民人民币储蓄存款X6（亿元）；地区GDP X7（亿元）。另外像税收、家庭人口构成状况、消费观
4、念等对空置量的影响很微弱，不把其列为指标范围。1、建立模型我们选取了2003年全国22个省份和地区7个指标的数据（数据来源于中国统计年鉴）作为样本，并将样本1-17作为训练集，用来建立自组织模型；将样本18-22作为检测集，进行模型的预测检验借助于Knowledge Miner软件，经过多次的建模筛选，最终产生的具有最优复杂度的模型为一线性模型，方程如下：X1=3.16-1.99X3+ 1.53X6-0.74X5+ 0.49X4-0.35X7-0.34X2模型效果的几个参数值：Prediction Error Sum Of Squares (PESS): 0.1171Mean Absolute
5、 Percentage Error: 3.80 %Approximation Error Variance: 0.0926Coefficient Of Determination (R-squared): 0.9074模型拟和效果图：可见模型大体上反映了一个真实有效的关系。该模型对样本数据的描述能力为75%，即模型基本上描述出了这些样本数据之间的关系。2、模型检测我们用样本18-22来检验这一模型，以验证它的推广能力，即已建立的模型在对未在建模过程中出现（但具有同一规律性）的样本做出正确反映的能力。用这四个样本产生的预测值与实际值列表如下：检测结果，进一步证明系统建立的模型能正确反映变量之间的
6、关系。 3、结果从方程X1=3.16-1.99X3+ 1.53X6-0.74X5+ 0.49X4-0.35X7-0.34X2，可以明显的看出住宅空置面积的影响因素由强到弱依次为：X3、X6、X5、X4、X7、X2，我们依据模型中变量系数的绝对值来判断该自变量对因变量贡献率的大小。X3(人均住宅建筑面积) 、X6(城乡居民人民币储蓄存款)是影响住宅空置面积的最主要的因素。四、结论分析及对策1、住宅空置面积影响因素分析（1）指标X6(城乡居民人民币储蓄存款)描述的是居民家庭收入状况对房地产空置的影响情况，其前面的系数为1.53，是住宅空置面积的重要影响因素。因为居民储蓄存款的高低直接决定了各类家庭
7、能够用于房地产购置或租用的资金数额，是购买力的决定性要素。由当前的房价收入比来看,商品房是一种奢侈品,存款的上升将带来需求的增加，它会促使家庭考虑购买住房或者购买更好的房子以改善自己的居住条件或者增加他们在固定资产上的投资等。由于系数为正值，说明存款的增加会导致住宅空置面积的增加，存款额对房地产的需求具有正效应，但对空置面积则具有负效应。所以刺激消费是减少空置面积的有效措施。为了更深入分析研究这两个重要变量，我们建立了一个新的模型：以X6为目标变量，其余几个变量（X2、X3、X4、X5、X7）为自变量，建立模型。从产生的方程:X6=-1.16+0.38X2+0.74X7+0.19X4+0.05
8、X5来看X6在很大程度上还受到X7的影响，由此可见：1）X6（人均储蓄）对于空置面积的影响，其中有一部分是变量X7（GDP）间接影响的结果。2）虽然X7对于空置面积没有太大的直接影响（系数为），但它还会通过影响x6间接地对空置面积产生影响。这双方面的作用使我们有理由相信x7也是一个不可忽略的重要变量。人均国民生产总值的增加，会扩大人们的购买力，从而房地产的有效购买力增加，并且购买力会经过两个渠道得到增加：一是GDP的增加会直接地影响到房地产市场，减少住宅的空置量；另一方面，GDP的增加，导致储蓄存款的增加，进而间接的导致空置量的减少；（2）指标X3(人均住宅建筑面积)，是对地区居民住房情况的量
9、化描述，一定程度上反映当地人民的生活水平，其前面的系数为-1.99，可见人均住宅建筑面积与地区住宅空置面积之间存在很大的关系，并且二者之间是反向关系。人均住宅水平的增加或减少都会使空置面积会反方向双倍变动。所以，如果要减少地区的空置面积，提高当地人民的居住水平是一条有效的手段。（3）指标X5（就业人员数）反映就业人数对于空置的影响，其系数为-0.74，其影响力显然远远低于前两个指标，但也不可忽视。因为住宅是人类生存的基本必需品，人口的数量越大，就业的状况越好，对住宅的需求量必然越大。并且就业人数对空置面积具有负效应，所以就业人数的增加也有助于消化存量住房。2、对策与建议根据模型的结果结合上述分
10、析，提出几点消化存量房的几点对策（1）相关部门可以通过一些财政手段，调节地区的住宅存量。当空置面积过大时，采用积极的财政政策，刺激消费，扩大需求，减少储蓄；反之应抑制消费，减少需求。这是调节房屋存量的一个有效的措施。（2）存量房面积过大时，通过调节就业人数的手段也有助于房地产空置量的减少。相关部门如果能增加工作岗位，为更多的人提供工作条件，提高就业人数，也会有效抑制空置面积的增加。（3）努力发展当地经济，提高地区GDP。其实地区政府可以通过加大基本建设的投资，进而刺激居民消费的方式减少当地过高的存量房。消化空置商品住宅、降低商品住宅空置率问题是一项综合性的系统工程。上述措施都只能暂时性的调节住
11、宅存量，不能解决根本问题。要保持一个合理的空置量，必须采取一系列综合性的长远对策，比如：完善我国目前的住房金融体系；建立一套有效的监督和防范空置面积的预警系统；加强对土地利用的监管,抑制土地投机等，这些都是保持适量空置房的必要手段。【参考文献】1 贺昌政：自组织数据挖掘与经济预测，科技出版社.2005,(05)2包宗华：我国的住房空置率是否过高.理论探索与争鸣.2004，（05）3 谢昌浩、阮平的： 对房地产市场中空置率问题的界定及衡量.中国青年政治学院学报.2002，（03）4 郭 峰、任宏：中国商品房空置问题研究.华中科技大学学报(城市科学版).2004，（12）5 王家庭：中国商品住宅空置率过高的原因及对策. 经济评论.2002，（01） 毕业论文搜集整理：
