四川省房價走勢預測及其影響因素研究

李鳳至

〔摘要〕 隨著主要城市房價的不斷上升，買房難成為熱門話題，房價走勢預測和影響因素的分析就顯得尤為重要。本文以四川省為例，根據灰色系統理論，采用GM（1，1）模型對房價走勢進行預測，結果顯示未來房價依舊可能呈上漲態勢，并運用灰色關聯分析法對四川省商品房價格的影響因素進行探究，發現城鎮人均可支配收入和竣工房屋造價對房價的影響最為顯著，地區生產總值、竣工房屋面積和土地購置費用等因素對房價也有較強的影響。

〔關鍵詞〕 商品房價格 走勢預測 灰色關聯分析 GM（1，1）模型

〔中圖分類號〕F293.3 〔文獻標識碼〕A 〔文章編號〕1008—0694（2018）05—0117—08

一、引言

近年來，隨著經濟不斷發展，房地產行業迅速崛起，在“炒房一族”的“摻和下"，各大城市房價持續走高，買房難成為當前最受關注的話題之一。住房不僅是商品、投資品，更是與民生問題息息相關，房價的飛漲不僅關系到房地產行業的安危，同時深刻影響著其他行業的平穩健康發展。因此，對房價走勢進行預測并分析其影響因素具有重要的現實意義。

對房價走勢預測及影響因素的分析中，學者們主要通過構建有效的模型進行預測，當前房價走勢預測研究中主流模型主要有：VAR模型預測、隨機時間序列模型，即線性時間序列模型（如AR-MA、ARIMA）和非線性雙重時間序列模型（如AR（1）-MA（0））、多元線性回歸分析、神經網絡預測、馬爾柯夫預測、GM（1，1）等。

其中，神經網絡預測模型存在一定的天生缺陷，需要大量的先驗參數；VAR和ARMA等時間序列模型均要求數據是平穩序列，否則無法進行分析；多元線性回歸分析不僅要求樣本量要足夠大并且要服從典型的概率分布。從整體上來講，這些模型對數據質量的要求都很高，但房地產市場的準確數據卻不容易獲得，因此，阻礙了這些模型的正常應用。

相比上述模型，鄧聚創立的灰色系統理論中的GM（1，1）預測模型，不僅要求的樣本數據相對較少，而且預測精度相對高，計算簡便，檢驗方便，能夠較好地解決上述模型存在的局限。郭培俊等（2011）、任文娟等（2012）、閆鵬飛等（2013）、李敏等（2013）、孟潔等（2014）、王瑩等（2017）、劉瓊芳（2018）等應用GM（1，1）模型分別對溫州市、昆明市、鄭州市、成都市、北京市、淮安市、福州市的商品房房價進行預測，并取得了較好的預測效果，有力證明了該模型具有可行性和精確性，也說明該模型在我國房價預測中廣泛的應用。但通過檢索現有應用GM（1，1）模型預測商品房價格方面的研究，主要都應用于市級層面商品房價格預測，少有對省級層面商品房價格走勢進行研究的，所以，有必要運用該理論補充完善省級層面關于房價預測的研究。本文采用GM（1，1）灰色預測對四川省房價進行預測，并根據預測結果分析影響房價的因素，試圖能對房地產市場的健康持續發展起到一定指導作用。

當前對商品房價格的影響因素的分析主要包括：VAR模型、協整分析與誤差修正模型、多元線性回歸模型、動態面板數據模型等。這些方法對數據質量要求也相對較高，通常需要數據都是平穩序列或者服從某種特殊分布的要求。而灰色關聯分析對數據并沒有這些要求，克服了其他方法的不足。本文采用灰色關聯分析方法，運用四川省2005年至2016年的相關數據，從需求因素，供給因素，其他因素三個層次構建指標體系，識別商品房價格影響因素并得出相關結論。

二、四川省商品房價格的GM（1，1）預測模型

1.模型介紹及數據來源

GM（1，1）模型的優勢主要體現在：所需要的樣本數量相對較??；對樣本的規律性分布無特殊要求，即樣本數據可呈現一定的隨機性；模型所需要的計算工作量比較小，減少了出現錯誤的機會；有利于研究者以占有的“最少信息”實現相對較高精度的預測，解決了以往由于數據質量差而引起的研究難題。

本文采用四川省商品房銷售價格的月度數據。由于2016年、2017年1月份數據缺失，所以本文采用線性插值法補充1月的數據（詳見表1）。

2.模型建立及計算結果

（1）GM（1，1）模型計算步驟