近年来，伴随着中国经济的高速发展和城市化进程的加快，房地产价格呈现快速上涨的态势,为了遏制房价过快上涨，政府推出了一系列的宏观调控政策，这些调控政策目前来说已经初步成效，但难掩其“一刀切”的劣势。之所以宏观调控政策会误伤一部分刚性需求的主要原因在于不同收入人群的支付能力是不同，导致其对房屋的户型、地理位置等需求也不一样，因此，对住宅的价格、居民收入以及住房支付能力的分类研究显得尤为重要。　　本文通过对过往文献的综述，分别探讨了比率法和收入法各自的优缺点，同时提出了对高维数据的聚类分析相似性函数的可以改进的地方，使其更具有经济学意义。　　本文通过建立四维数据（地区、收入和价格指标、时间以及收入分层），构建发展水平、发展速度、指标协调以及综合指标的相似性函数，对目前我国各省份的住宅价格、居民收入以及住房支付能力进行聚类分析，将全国31个省市分为四大类。本文的主要结论如下:　　1、根据聚类的分析图谱将全国31个省市从收入、房价以及住房支付能力三个角度分为四大类，四大类地区的各个指标的绝对水平、发展水平、指标协调水平都表现出相似的特征，既同一类地区的绝对值相差不大，同时其波动水平也保持一致。　　2、根据上述分类结果，提出了相应的政策性建议。对高档住宅以及发达地区房地产市场使用税收政策进行调控，维持普通商品住宅限购限贷政策，并同时继续建设保障性住房，以实现人人有房住的政策目标。　　本文有如下几点创新:　　1、使用了高维数据的聚类分析。在过往的研究中，学者大部分使用面板数据聚类分析，从而忽略了部分关键的变量。在研究住房支付能力相关问题时，不同收入层次的人对购买房屋的偏好不一样，导致其支付能力差别巨大，因此本文从地区、收入和价格指标、时间以及收入分层四个维度进行了聚类分析。　　2、对过往聚类分析相似性函数的完善。国内在关于聚类分析时，提出的部分相似性函数缺乏经济学意义，仅能从统计学上解释。本文提出了在任何一个经济系统中，都存在一个指标反映整个经济系统是否正常运行，并且可以用其它指标偏离该指标的表征值进行聚类。