房地产业是进行房地产类投资、开发、经营、管理和服务的行业,属于第三产业。主要包括:土地开发、房屋的建设、转让、租赁、维修、管理以及由此形成的市场。房地产业是我国支柱性产业,是具有基础性和先导性的产业。
不论在贫穷或富裕国家和地区,居民住宅房地产都在家庭财富中占有重要比例,房地产市场价格的变化往往体现了家庭财富的变化。从国家角度来看,住房问题是重要的民生问题,直接关系到人民生活水平的提高和生活质量的改善,是关系国计民生、发展生产、改善人民生活水平的一件大事。
本文将国家统计局每月发布的70个大中城市新建和二手住宅房地产价格指数自动抓取、整理、转换为Web Service数据服务接口如下:
URL:http://data.galaxystatistics.com:8888/?token=xxxxxx&type=11&var_name=oIndex&city_code=1101,1201,1301&start_time=2011.01&end_time=2016.12&mark=1
en_names = ['city_code','city_name','chainid','anid','fixedid','timeseries']
ch_names = ['城市码表','城市名称','同比','环比','定基','日期']
# 标识解释
chainid 环比
anid 同比
fixedid 定基
mark=2 新建住宅价格指数
mark=3 二手住宅价格指数
利用70个大中城市新建和二手住宅房地产价格指数Web Service数据服务接口,我们聚合、展示分类以下指数:
国家统计局每月定期发布我国70个大中城市住宅房地产价格指数,通过百分数的形式来反映房价在不同时期的涨跌幅度,反映一定时期房屋销售价格变动程度和趋势。
70个大中城市列表如下:
环比: 本月统计数据与上月比较,例如2014年7月份与2014年6月份相比较; 反映本期比上期增长或下降了多少,表明现象逐期的发展变化情况。 同比: 与历史同时期数据比较(或本月和上年同月比较),例如2014年7月份与2013年7月份相比; 同比发展速度主要是为了消除季节变动的影响,用以说明本期发展水平与去年同期发展水平对比而达到的相对发展速度。 定基: 与历史某一固定时期数据比较,例如所有数据与2015年10月份相比; 定基有时称为定比,说明现象在较长时期内的发展变化情况。
国家统计局公布70个大中城市房价指数包括:
一二三线城市划分:
年份:
环比为本期统计数据与上期比较,例如2016年11月份与2016年10月份房地产价格相比较。反映本期比上期增长或下降了多少,反映出房地产市场的最新变化情况,为敏感的市场变动风向指标。
环比涨跌城市数量和涨跌系数从整体上反映我国住宅房地产变动趋势,缺点是所有70个城市等权重处理,没体现出一线中心城市的突出作用,可进一步对不同城市环比指数进行加权处理,并分别统计一、二、三线城市分类涨跌系数。
计算公式:涨跌系数(REFC)=(上涨城市数量-下跌城市数量)/70 REFC值域:[-1,1] 基本功能:按月反映我国住宅房地产市场上涨或下降水平,属于短线变动指标
当指数为100时,不涨不跌,为平盘。当指数为120和100.01都为上涨,但两者涨幅相差很大,如果设置平盘临界值为0.5,则涨跌幅绝对值在闭区间[100+0.5,100-0.5]范围内为平盘,这样环比为100.01被判断为平盘。根据国家统计局每月公布数据的统计惯例,平盘临界值为0。实际使用中环比平盘临界值可以考虑设置在0 - 0.5,、同比平盘临界值可以考虑设置在1 - 5范围内
从宏观上来看,影响房价的因素分为房地产自身因素和房地产外部因素。自身因素主要为区位因素,外部因素为人口因素、经济因素、制度政策。根据这些影响房地产价格的主要特征因素,我们整理出特征因素表(70个大中城市房价特征因素表)如下:
排序: 房价 收入 GDP 人口 收入房价比
注:表中人口、收入和GDP数据来源与国家统计局网站,房价信息摘自安居客网站,权重主要根据城市划分等级确定;收入房价比=房价\(\div\)年收入,如收入房价比为2,表示一年收入可以买2\(m^2\)住房,或者说100\(m^2\)的住房需要50年工资收入;个别城市数据缺失、有待补齐在70个大中城市房价特征因素表中,由于个别城市数据缺失,我们将该表浓缩为全国主要大城市房价特征因素表如下:
注:表中添加了苏州和拉萨两个城市表中设房价为因变量\(Y\),权重、人口、GDP和收入分别为自变量\(X_1\)、\(X_2\)、\(X_3\)和\(X_4\),因变量和个自变量之间的散点图和回归趋势线如下:
图中自变量\(X_{2-人口}\) 和因变量\(Y\)-房价不显著相关,\(X_{1-权重}\) 和\(X_{3-GDP}\) 及\(X_{4-收入}\) 存在自相关,所以选择自变量\(X_3\)和\(X_4\)建立房价回归模型,结果如下:
即,\(\hat{Y}=-17459.46+0.72X_3+0.35X_4\),根据各城市GDP和人均年收入,运用该模型预测计算各城市房价,并进行误差分析如下表:
模型中,解释系数\(R^2=0.64\),说明GDP和人均年收入这两个指标对房价进行解释略显不足。这里,可以把房价回归模型看做基本价格面模型,实际价格和回归预测价格之差反映了各城市房价低于或高于基本价的程度。误差为负值时,表明房价偏低;反之,偏高。
Copyright © 2019 哈尔滨商业大学银河统计工作室