房地产发展论文：基于因子与聚类分析的中国大城市房地产业发展评价.docx

《房地产发展论文：基于因子与聚类分析的中国大城市房地产业发展评价.docx》由会员分享，可在线阅读，更多相关《房地产发展论文：基于因子与聚类分析的中国大城市房地产业发展评价.docx（13页珍藏版）》请在第一文库网上搜索。

1、房地产发展论文:基于因子与聚类分析的中国大城市房地产业发展评价摘 要：房地产业是我国经济发展的重要推动产业，在经济发展中起着不可忽视的作用.基于目的性、科学性、完整性和可操作性的原则,构建了房地产业经济效益发展水平的评价指标体系，运用因子分析法和聚类分析法，使用s P S S统计软件，对全国3 5个大型城市的房地产发展情况进行了区分，然后根据因子的得分，将全国大城市房地产发展情况分为四类，并且对3 5个大型城市的房地产发展状况进行了排序，最后对分类原因的结果进行了分析.关键词：房地产业；因子分析；聚类分析；大型城市；发展评价房地产业是我国经济发展的重要推动产业，它可以带动涵盖从事土地和房屋的开

2、发、建设、经营、管理和服务的经济活动，具有极高的产业联系度(1 i n k a g e ),在经济发展中起着不可忽视的作用.近年来，虽然我国的房地产业总体发展速度很快，但是由于我国各地区宏观经济区位的差异、原有经济水平以及房地产业发展起步时间的不同，都使得各地区房地产业发展的速度、规模有所不同、房地产市场的活跃程度在各地区表现出明显的区域差异.本文通过研究相关文献，结合现实国情，建立了房地产业经济效益发展水平评价指标体系，并在此基础上，使用因子分析法和聚类分析法对全国3 5个大型城市的房地产发展情况进行了区分，这对研究我国房地产业发展的空间分布特征，国家制定相应的房地产业发展政策，进行国民经济

3、的宏观调控以及房地产投资者选择适当的投资区域，采取相应的投资策略等均有重要的意义.1评价指标的确定本文根据目的性、科学性、完整性和可操作性的原则，参考有关研究成果，侧重从房地产业经济效益发展水平角度出发设计评价指标体系(见表1).该指标体系分为三个层次：总体层，状态层，变量层.总体层包含1个总体指标，反映各个状态层的总体状况；状态层包含5个指标，是房地产经济效益发展水平的5个侧面；变量层为基础指标，共由1 7个指标组成.2 基本原理2. 1因子分析因子分析(Factor Analysis)是从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析

4、方法.因子分析的基本思想是根据相关性大小把变量分组，使得同组内的变量之间相关性较高，而不同组的变量相关性较低.每组变量代表一个基本结表1评价指标体系TM 1 Evaluation index yu*m总体层状态乂变量层指标名称单位资金状况产业规模房地产业经济效益发展水平土地开发购置面积商品房开发而积商品厉川.信仰本年完成投资额X,商品房建设投资x2本昨资金来源小计X上年末W余资金X,企业个数X5从此人数X6人企业合计X；万元负债合计X8万元开发面积X.平方米购置而枳X.0平方米俺工房屋面枳Xn平方米新开工房屋面积x12平方米竣工房屋而枳Xu平方米空置房屋面枳Xm平方米销售面积X-平方米销仰额X

5、-万元出租面积X 17平方米构，这个基本结构称为公共因子.对于所研究的问题就可试图用最少个数的不可测的公共因子的线型函数与特殊因子之和来描述原来观测的每一分量2 .因子分析的核心是用较少的相互独立的因子反映原有变量的绝大部分信息.可以将这一思想用数学模型来表示.设原有P个变量XI, X 2 , X3,，XP且每个变量(或经标准化处理后)的均值为0 ,标注差均为1.现将每个原有变量用K (K 0 . 9，非常适合；0. 9 KMO 0 . 8 ,适合；0. 8 KMO 0 . 7 , 一般；0. 7KMO0. 6,不太适合；KM 0 0 . 5不适合，故KM。检验通过.同时，相伴概率为0 . 0

6、 0 0 ,小于显著水平0.05,表明B a r t 1 e t t球形检验通过.所以本文所选的变量适合做因子分析.3. 2因子分析过程及结果因子分析过程中，以特征值大于1为标准提取因子，采用方差极大化方法对因子荷载矩阵进行旋转，可得到旋转后的因子特征值和贡献率（见表3）以及旋转后的因子载荷矩阵（见表4）.表2 KMO检验结果和Banku球形检验结果Tub. 2 KMO tent roults and iiartlctl tent renultj*Kaisc-r Mvyvr ()1 kin M*asur- ofSampling Ade(|uacy.0.876Approx, (hi S(|iia

7、re1531.863Bartletts Test of1r(lf136SphericitySig.0.000i 8 5 %以所提取公因子有效.可以认为原来的1 7个指标可以综合成两个主因子：F 1和F 2 .根据因子分析原理，两个主因子之间不具有相关性，而每个因子与其所包含的变量之间具有高度相关性，而表3正是表示了每个主因子与它所包含的原始指标之间的相关性系数.由表4可以看出：第一公因子F 1在本年完成投资额（X 1 ）、商品房建设投资（X 2）、本年资金来源小计（X 3）、上年末节余资金（X4 ）、企业个数（X 5 ）、从业人数（X 6 ）、资产合计（X 7 ）、负债合计（X 8 ）、施工房

8、屋面积（XII）、新开工房屋面积（X 1 2 ）、竣工房屋面积（XI 3 ）、空置房屋面积（XI 4 ）、销售面积（X 1 5 ）、销售额（X 1 6）、出租面积（X 1 7）上有较大载荷，这1 5个指标从总体上反映了各城市房地产业的资金状况、产业规模、开发销售房屋面积，因此可以命名为总体因子；而第二公因子F 2在土地开发面积（X 9 ）和土地购置面积（X 1 0 ）上有较大载荷，这两个指标反映了各城市房地产业的土地储备和开发情况，因此命名为土地因子.由此，可以用两个公共因子总量因子（F 1 ）以及土地因子（F2）来代表原始指标对各地区房地产业的经济效益发展水平进行分析与评价.使用S PS S

9、软件，我们可以对3 5个大城市评价及打分，并以各主因子的贡献率为权数进行线性加权平均求和，计算出公共因子的综合得分和总名次（见表5）.其综合得分计算公式如下:F= 0 . 8 2 91 1 F 1 + 0 . 0 9 07 2 F 24聚类分析过程及结果将因子分析得到的我国3 5个大型城市的总量因子以及土地因子得分作为自变量进行聚类分析，聚类方法选择N e a r e s t ne i g h b o r （最近相邻法），距离测度采用欧氏距离，利用S Ps S的系统聚类法（Q型聚类）进行聚类分析生成聚类谱系图（见图1）,分类情况见表5.特 齐滨洛1木京海州圳洋阳沙汉都京岛州明阳昌春南宁原尔波和连肥州安家川口鲁宁州门州庆北上广深天沈长武成南吉福昆贵南氏济南太哈丁呼大合郑西石银海乌西二度杭甲.-4f1-F1FFTTbrFf-4-Tfl-nFr-4-i-t-r-bTTTTfTFL.rAaI1ioaeiiitiia1tiiei(iiaIiiIIieieaeieiieeaeiIeI256313211409ig.图1聚类谱系图1 Cluster genealogy chartInb. 5 Enctorresult mid duster nnnlyiof 35 Inrgc