论文部分内容阅读
摘 要：房地产市场是一个受很多复杂因素影响的市场，而房地产本身的特点决定了房地产市场的特性，其中之一就是房地产市场是一个区域性市场，因此房地产市场的区域分类是进行房地产微观市场分析和宏观市场研究的基础，只有对房地产市场进行合理的区域分类才能对房地产市场行为有清晰的把握和认识，以便为房地产行业的商家与消费者提供具有指导性的新思路。本文基于聚类分析的方法，对房地产市场进行分类，以便对房地产可持续发展提供依据。
关键词：房地产市场；区域分类；聚类分析
0 引言
房地产市场是一个受很多复杂因素影响的市场，而房地产本身的特点决定了房地产市场的特性，其中之一就是房地产市场是一个区域性市场，对房地产市场进行区域分类是房地产微观市场分析和宏观市场研究的重要基础。但目前关于房地产市场区域分类究竟应该以什么作为分类标准，国内外学者提出不同观点。
1 国内学者的研究
1.1以区域划分房地产市场
陈伟通过因子分析法，选取的20个指标聚为城市经济和房地产市场规模、城市经济和房地产价格水平、写字楼和零售物业、市场规模增长、吸纳水平、房地产价格增长6个因子，利用SPSS软件将35个城市总共被聚为8类，聚类的结果比较理想，市场特征相近的城市基本在同一组内。但是没有指出各个市场在面对以后房地产市场变化的情况下应该采取何种策略来稳定房地产市場，还需要进一步通过模拟来拟定各类市场采取那种具体措施保证房地产市场稳定发展。
郑大川等人将多元数理统计方法运用到实际操作中，选取反映房地产市场发展状况的重要指标，在31个行政区划分的基础上，采用聚类分析方法对31个地区进行深入分析，整合区域划分范围，分析区域的房地产微观市场行为，有针对性地对不同区域进行宏观调控。采用聚类方法根据房地产行业的各项指标进行距离计算，合理地对全国房地产市场重新整合分类。但是这种区域分类方法不是一劳永逸的。如果在若干年限间隔（比如三年）就进行一次系统的聚类分析，还能使得我们对全国各地市场的发展变化有更直观的了解。另外利用聚类分析对房地产市场进行区域划分，但是在其采用的指标体系中所涉及的仅仅只有直接指标，间接指标没有被考虑进去，因此指标体系不全面。目前聚类分析只能对单个时点的若干指标或单个指标的时间序列进行分析，显然具有一定的片面性。关于多个指标的时间序列聚类分析问题，仍然需要进一步的探索和研究。
彭向，胡跃红对中国房地产经济发展区域分布不均衡现象运用聚类分析方法就1999-2003年的中国房地产业分年度进行了经济区划，并运用相关的比较分析方法对这五年的经济区划结果进行了动态分析。发现房地产在这五年里的发展呈现出以下几个特点和趋势：（1）各年的房地产发展水平的区域分布结构有变动，但变动不大，总体来看，呈现出由头轻脚重（发达区太少而较落后区太多）向均衡的方向发展的趋势。上海、广东在1999-2002年一直雄居榜首，而在这四年内落后地区所占比重有增无减，直到2003年北京、江苏、山东、浙江才进入发达地区行列，较落后地区所占比重也开始下降，整体开始呈现出向均衡方向发展的趋势。（2）一直到2003年为止，房地产总体发展呈上升趋势但较落后地区一直占有相当大的比重。比较1999-2003年的我国30个省市地区的聚类结果汇总表我们发现，较落后区所包含的省市地区个数一直占有最大比重，而且一直到2003年为止，这种状况都没有本质的改变。这说明我国较落后地区房地产业的发展虽然总体上是处于上升趋势，但是发展速度还要加快，这也是改变我国房地产业地区发展极不均衡现象的重要一环。但是，该文对中国房地产经济区划的分析和动态研究在时间上比较滞后，可选择的指标体系有待进一步系统化和科学化。
张勇，包婷婷在国内外学者研究的基础之上，将研究对象范围缩小到中等尺度层面上，综合考虑影响房地产市场价格的供给和需求的若干因素，根据房地产市场供求，选取影响区域房地产市场价格的相关指标，运用多元统计分析方法中的系统聚类法，对安徽省16个地级市房地产市场价格进行区域分类研究，共划分为A、B、C、D、E、F 一共6个地区，并分析各个地区房地产市场发展的优势、劣势、机遇、挑战（SWOT）的基础之上，深入分析影响房地产市场价格水平的综合因素、家庭因素、企业因素，并据此结合各地区社会经济发展战略及目标，以求为优化安徽省房地产市场分布格局、促进地区房地产市场可持续发展以及提升房地产业竞争力提供有力支撑。张勇等人使用传统的系统聚类分析方法，聚类标准采用的是“硬隶属度”，这种非1即0的标准无法充分地刻画隶属程度，另外选取的都是2007之前年的数据，不是房地产市场的最新数据。
孙东雪，宋荣荣通过构建房地产市场的指标体系（分为直接指标与间接指标），并通过中国统计年鉴查找了12年最新的数据。在模糊聚类建模中，依次采用了夹角余弦法、欧氏距离法和算术平均最小法求模糊相似矩阵，最后通过计算F统计量得出最优分类。该方法对现有的模型进行了补充与改进，采用多种方法求相似矩阵，使结果更加真实可靠。且解决了传统聚类分析不能具体刻画隶属程度的缺陷，值得一提的是，首次采用经济区这一概念对市场分类，让商家和消费者先从大区域上对市场有个划分，然后可以采用其他学者的模型从省市的层面上对市场进行细化分析。
1.2 以宏观调控为目标的房地产市场分类
熊方军，邓长荣，马永开等人以宏观调控为目标对房地产市场进行分类，从总量均衡和结构均衡2个方面构建了基于宏观凋控的房地产市场分类指标体系，运用层次聚类方法把我国30个“省市区”房地产市场分为6个类别。根据6类房地产市场的特征分析，第1类、第2类和第3类足我囝房地产宏观调控的重点区域，而第5类和第6类的房地产市场发展水平比较低，这2类区域的房地产市场不存在过热问题，是应该得到政府扶持的区域。从而得出，对每一类房地产区域，在总量均衡和结构均衡方面具有不同的发展特点，政府应该分别根据其特点，实施有针对性的宏规调控政策，做到有的放矢，才能取得较好的宏观调控效果。但是文章只是描述性的说明哪类地区需要进行宏观调控，没有进一步指出如何对分类市场进行宏观调控，没有提出具体的措施。 吴进红，邱位芳，周敏通过对我国房地产业的宏观调控现状以及存在问题的分析。认为政府调控不可“一刀切”，提出以房地产综台发展水平为依据的分类调控标准。构建了房地产综台发展水平评价指标体系，通过对2008年我国31个省、直辖市自治区的房地产相关数据的描述性统计分析验证了分类调控的必要性：运用主成分分析计算得出各省市的房地产主成得分。根据得分对各省市进行粗略分类。继而运用系统聚类分析方法进行科学细致的分类，最终得出将我国房地产市场划分为四类进行分类调控的结论并给出相应政策建议。
2 国外学者的研究
Michael White和Cath Jackson通过对传统的房地产市场划分方法进行矫正，检验了英国的两种分类方法，根据研究需要，用聚类分析法根据租金变化情况对全国市场进行了归类——租金的变化是影响投资回报的关键因素。将聚类分析结果与英国传统的基于地域因素的市场分类方法进行了比较。比较结果显示，在零售业方地产市场上，地域划分方式不能反映市场的实际聚类情况，市场聚类分析结果与地域划分的不一致性，也表明了非地域因素在租金变化中起到的重要作用。从中可以得出一个结论，即零售业房地产市场并非简单的受地域因素决定，根据地域划分对市场进行分类，只能提供一个比较粗糙的参考依据。用同樣的研究思路和方法来考察写字楼市场的租金变化规律，得到的结果是有点令人诧异的。根据所处市场周期阶段不同，写字楼市场可以按照租金变化规律划分为三个小组类别— 这也是符合理论的。将聚类分析结果与两种传统的分类方法相对比，可以发现，行政区域划分同样能够较好的反应市场聚类情况，而区域更加广泛的 IPD划分方法效果过则更好。但是，有两点值得注意的问题：首先，相对较好并不代表完全准确——本文根据租金变化对市场聚类分析得到的小组当中，没有一个是与 IPD 划分的某个地域完全吻合的；其次，同一个地域内的市场从未全部集聚成为一个单独的组。表明，传统上广为应用的两种基于地理区域的市场划分方法，可能无法很好的反应市场聚类情况，无法作为衡量和控制风险的参考依据。
William N.Goetzmann 和Susan M.Wachter对美国写字楼租金市场进行了聚类分析，发现租金市场具有显著性的区域特征。聚类是房地产多元化分析一个重要方法，其他研究人员模拟表明，优化了分类数据可能会导致多元化差，并导致收益虚高的期望和对投资组合风险的不合理的低预期。我们的分析表明，估计误差的均值的负面影响可以通过聚类的应用被最小化，以减少优化问题的维数。迭代重定位算法，K均值是非常适合于识别与像装置资产序列的统计问题。它是选择城市分组的投资组合多样化的有用工具。我们的算法的应用同意大致由其他研究人员所指定的组。但我们的结论的主要区别是，无论是否集群应用到租金或空缺，我们发现城市之间的关系bicoastal是强有力的证据。租金及职位空缺只是供给和需求的潜在力量的思考。而在有效租金的变动是由于为代理价值变动，和投资者的资本增值回报有用，聚类分析是不是为了跨区域经济差异调查的替代品。在K-均值算法可以用于此基础研究提供一个工具，因为它也可以适用于变量如就业部门，人口增长，教育水平以及可能被链接到当地的经济条件的任何其它变量。
3 总结
上述国内外学者主要是运用聚类分析的方法从不同的角度对房地产市场区域分类的依据进行研究，对房地产市场分类研究做出了一定的贡献，但随着随着我国房地产经济的发展和指标体系的进一步完善和健全，今后还可以结合判别分析、主成分分析等多元统计方法对房地产市场区域分类进行更深入的研究和探索，找出影响房地产市场分类主要影响因素，进一步对房地产市场未来发展变化做一定的预测，并且针对不同的房地产市场类型，提出具体的调控政策，保证我国房地产市场的稳健的向前发展。
参考文献
[1]陈伟.35个大中城市房地产市场聚类分析[J]-城市开发2006（1）
[2]郑大川，尹晓波.对中国房地产区域分类的探索—基于聚类分析的实证研究[J].华东经济管理，2008， 22（2）
[3]彭向，胡跃红.中国房地产经济区划的聚类分析[J].统计决策，2006（2）.
[4]张勇、包婷婷：基于系统聚类分析的房地产市场区域划分——以安徽省为例Ⅱ.池州学院学报，2013（2）.
[5]孙东雪，宋荣荣.基于模糊聚类分析的房地产市场区域划分---以八大经济区域为研究对象。当代经济。2014（20）
[6]熊方军，邓长荣.马永开。基于宏观调控的我国房地产市场聚类研究。管理学报。2007（6）
[7]吴进红，邱位芳，周敏.我国房地产业分类调控依据及政策建议.商业经济研究。2011（10）
[8]Michael White， Cath Jackson.Challenging Traditional Real Estate Market Classifications for Investment Diversification[J].Journal of Real Estate Portfolio Management，Vol.2005，11（3）
[9]William N.Goetzmann，Susan M.Wachter.Clustering Methods for Real Estate Portfolios.[J].Real Estate Economics，1995，23（3）
（作者单位：山东建筑大学）
关键词：房地产市场；区域分类；聚类分析
0 引言
房地产市场是一个受很多复杂因素影响的市场，而房地产本身的特点决定了房地产市场的特性，其中之一就是房地产市场是一个区域性市场，对房地产市场进行区域分类是房地产微观市场分析和宏观市场研究的重要基础。但目前关于房地产市场区域分类究竟应该以什么作为分类标准，国内外学者提出不同观点。
1 国内学者的研究
1.1以区域划分房地产市场
陈伟通过因子分析法，选取的20个指标聚为城市经济和房地产市场规模、城市经济和房地产价格水平、写字楼和零售物业、市场规模增长、吸纳水平、房地产价格增长6个因子，利用SPSS软件将35个城市总共被聚为8类，聚类的结果比较理想，市场特征相近的城市基本在同一组内。但是没有指出各个市场在面对以后房地产市场变化的情况下应该采取何种策略来稳定房地产市場，还需要进一步通过模拟来拟定各类市场采取那种具体措施保证房地产市场稳定发展。
郑大川等人将多元数理统计方法运用到实际操作中，选取反映房地产市场发展状况的重要指标，在31个行政区划分的基础上，采用聚类分析方法对31个地区进行深入分析，整合区域划分范围，分析区域的房地产微观市场行为，有针对性地对不同区域进行宏观调控。采用聚类方法根据房地产行业的各项指标进行距离计算，合理地对全国房地产市场重新整合分类。但是这种区域分类方法不是一劳永逸的。如果在若干年限间隔（比如三年）就进行一次系统的聚类分析，还能使得我们对全国各地市场的发展变化有更直观的了解。另外利用聚类分析对房地产市场进行区域划分，但是在其采用的指标体系中所涉及的仅仅只有直接指标，间接指标没有被考虑进去，因此指标体系不全面。目前聚类分析只能对单个时点的若干指标或单个指标的时间序列进行分析，显然具有一定的片面性。关于多个指标的时间序列聚类分析问题，仍然需要进一步的探索和研究。
彭向，胡跃红对中国房地产经济发展区域分布不均衡现象运用聚类分析方法就1999-2003年的中国房地产业分年度进行了经济区划，并运用相关的比较分析方法对这五年的经济区划结果进行了动态分析。发现房地产在这五年里的发展呈现出以下几个特点和趋势：（1）各年的房地产发展水平的区域分布结构有变动，但变动不大，总体来看，呈现出由头轻脚重（发达区太少而较落后区太多）向均衡的方向发展的趋势。上海、广东在1999-2002年一直雄居榜首，而在这四年内落后地区所占比重有增无减，直到2003年北京、江苏、山东、浙江才进入发达地区行列，较落后地区所占比重也开始下降，整体开始呈现出向均衡方向发展的趋势。（2）一直到2003年为止，房地产总体发展呈上升趋势但较落后地区一直占有相当大的比重。比较1999-2003年的我国30个省市地区的聚类结果汇总表我们发现，较落后区所包含的省市地区个数一直占有最大比重，而且一直到2003年为止，这种状况都没有本质的改变。这说明我国较落后地区房地产业的发展虽然总体上是处于上升趋势，但是发展速度还要加快，这也是改变我国房地产业地区发展极不均衡现象的重要一环。但是，该文对中国房地产经济区划的分析和动态研究在时间上比较滞后，可选择的指标体系有待进一步系统化和科学化。
张勇，包婷婷在国内外学者研究的基础之上，将研究对象范围缩小到中等尺度层面上，综合考虑影响房地产市场价格的供给和需求的若干因素，根据房地产市场供求，选取影响区域房地产市场价格的相关指标，运用多元统计分析方法中的系统聚类法，对安徽省16个地级市房地产市场价格进行区域分类研究，共划分为A、B、C、D、E、F 一共6个地区，并分析各个地区房地产市场发展的优势、劣势、机遇、挑战（SWOT）的基础之上，深入分析影响房地产市场价格水平的综合因素、家庭因素、企业因素，并据此结合各地区社会经济发展战略及目标，以求为优化安徽省房地产市场分布格局、促进地区房地产市场可持续发展以及提升房地产业竞争力提供有力支撑。张勇等人使用传统的系统聚类分析方法，聚类标准采用的是“硬隶属度”，这种非1即0的标准无法充分地刻画隶属程度，另外选取的都是2007之前年的数据，不是房地产市场的最新数据。
孙东雪，宋荣荣通过构建房地产市场的指标体系（分为直接指标与间接指标），并通过中国统计年鉴查找了12年最新的数据。在模糊聚类建模中，依次采用了夹角余弦法、欧氏距离法和算术平均最小法求模糊相似矩阵，最后通过计算F统计量得出最优分类。该方法对现有的模型进行了补充与改进，采用多种方法求相似矩阵，使结果更加真实可靠。且解决了传统聚类分析不能具体刻画隶属程度的缺陷，值得一提的是，首次采用经济区这一概念对市场分类，让商家和消费者先从大区域上对市场有个划分，然后可以采用其他学者的模型从省市的层面上对市场进行细化分析。
1.2 以宏观调控为目标的房地产市场分类
熊方军，邓长荣，马永开等人以宏观调控为目标对房地产市场进行分类，从总量均衡和结构均衡2个方面构建了基于宏观凋控的房地产市场分类指标体系，运用层次聚类方法把我国30个“省市区”房地产市场分为6个类别。根据6类房地产市场的特征分析，第1类、第2类和第3类足我囝房地产宏观调控的重点区域，而第5类和第6类的房地产市场发展水平比较低，这2类区域的房地产市场不存在过热问题，是应该得到政府扶持的区域。从而得出，对每一类房地产区域，在总量均衡和结构均衡方面具有不同的发展特点，政府应该分别根据其特点，实施有针对性的宏规调控政策，做到有的放矢，才能取得较好的宏观调控效果。但是文章只是描述性的说明哪类地区需要进行宏观调控，没有进一步指出如何对分类市场进行宏观调控，没有提出具体的措施。 吴进红，邱位芳，周敏通过对我国房地产业的宏观调控现状以及存在问题的分析。认为政府调控不可“一刀切”，提出以房地产综台发展水平为依据的分类调控标准。构建了房地产综台发展水平评价指标体系，通过对2008年我国31个省、直辖市自治区的房地产相关数据的描述性统计分析验证了分类调控的必要性：运用主成分分析计算得出各省市的房地产主成得分。根据得分对各省市进行粗略分类。继而运用系统聚类分析方法进行科学细致的分类，最终得出将我国房地产市场划分为四类进行分类调控的结论并给出相应政策建议。
2 国外学者的研究
Michael White和Cath Jackson通过对传统的房地产市场划分方法进行矫正，检验了英国的两种分类方法，根据研究需要，用聚类分析法根据租金变化情况对全国市场进行了归类——租金的变化是影响投资回报的关键因素。将聚类分析结果与英国传统的基于地域因素的市场分类方法进行了比较。比较结果显示，在零售业方地产市场上，地域划分方式不能反映市场的实际聚类情况，市场聚类分析结果与地域划分的不一致性，也表明了非地域因素在租金变化中起到的重要作用。从中可以得出一个结论，即零售业房地产市场并非简单的受地域因素决定，根据地域划分对市场进行分类，只能提供一个比较粗糙的参考依据。用同樣的研究思路和方法来考察写字楼市场的租金变化规律，得到的结果是有点令人诧异的。根据所处市场周期阶段不同，写字楼市场可以按照租金变化规律划分为三个小组类别— 这也是符合理论的。将聚类分析结果与两种传统的分类方法相对比，可以发现，行政区域划分同样能够较好的反应市场聚类情况，而区域更加广泛的 IPD划分方法效果过则更好。但是，有两点值得注意的问题：首先，相对较好并不代表完全准确——本文根据租金变化对市场聚类分析得到的小组当中，没有一个是与 IPD 划分的某个地域完全吻合的；其次，同一个地域内的市场从未全部集聚成为一个单独的组。表明，传统上广为应用的两种基于地理区域的市场划分方法，可能无法很好的反应市场聚类情况，无法作为衡量和控制风险的参考依据。
William N.Goetzmann 和Susan M.Wachter对美国写字楼租金市场进行了聚类分析，发现租金市场具有显著性的区域特征。聚类是房地产多元化分析一个重要方法，其他研究人员模拟表明，优化了分类数据可能会导致多元化差，并导致收益虚高的期望和对投资组合风险的不合理的低预期。我们的分析表明，估计误差的均值的负面影响可以通过聚类的应用被最小化，以减少优化问题的维数。迭代重定位算法，K均值是非常适合于识别与像装置资产序列的统计问题。它是选择城市分组的投资组合多样化的有用工具。我们的算法的应用同意大致由其他研究人员所指定的组。但我们的结论的主要区别是，无论是否集群应用到租金或空缺，我们发现城市之间的关系bicoastal是强有力的证据。租金及职位空缺只是供给和需求的潜在力量的思考。而在有效租金的变动是由于为代理价值变动，和投资者的资本增值回报有用，聚类分析是不是为了跨区域经济差异调查的替代品。在K-均值算法可以用于此基础研究提供一个工具，因为它也可以适用于变量如就业部门，人口增长，教育水平以及可能被链接到当地的经济条件的任何其它变量。
3 总结
上述国内外学者主要是运用聚类分析的方法从不同的角度对房地产市场区域分类的依据进行研究，对房地产市场分类研究做出了一定的贡献，但随着随着我国房地产经济的发展和指标体系的进一步完善和健全，今后还可以结合判别分析、主成分分析等多元统计方法对房地产市场区域分类进行更深入的研究和探索，找出影响房地产市场分类主要影响因素，进一步对房地产市场未来发展变化做一定的预测，并且针对不同的房地产市场类型，提出具体的调控政策，保证我国房地产市场的稳健的向前发展。
参考文献
[1]陈伟.35个大中城市房地产市场聚类分析[J]-城市开发2006（1）
[2]郑大川，尹晓波.对中国房地产区域分类的探索—基于聚类分析的实证研究[J].华东经济管理，2008， 22（2）
[3]彭向，胡跃红.中国房地产经济区划的聚类分析[J].统计决策，2006（2）.
[4]张勇、包婷婷：基于系统聚类分析的房地产市场区域划分——以安徽省为例Ⅱ.池州学院学报，2013（2）.
[5]孙东雪，宋荣荣.基于模糊聚类分析的房地产市场区域划分---以八大经济区域为研究对象。当代经济。2014（20）
[6]熊方军，邓长荣.马永开。基于宏观调控的我国房地产市场聚类研究。管理学报。2007（6）
[7]吴进红，邱位芳，周敏.我国房地产业分类调控依据及政策建议.商业经济研究。2011（10）
[8]Michael White， Cath Jackson.Challenging Traditional Real Estate Market Classifications for Investment Diversification[J].Journal of Real Estate Portfolio Management，Vol.2005，11（3）
[9]William N.Goetzmann，Susan M.Wachter.Clustering Methods for Real Estate Portfolios.[J].Real Estate Economics，1995，23（3）
（作者单位：山东建筑大学）