后疫情時代二手房價格變動調查研究

陳億隆?吳彥山?江逸?馮江龍?韓錦洋?劉璋

摘要：本文通過對選取烏魯木齊沙依巴克區(qū)的典型片區(qū)二手房房價數據進行系統的梳理，結合現有的研究方法與對策，對烏魯木齊沙依巴克區(qū)二手房房價受疫情影響的變動做出系統化研究，對比現狀進行預測，研究得出：得出友好路片區(qū)、西山片區(qū)、阿勒泰路片區(qū)、倉房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價格受疫情影響的影響程度分別為8.3%、9.6%、-4.3%、10.4%、15.1%、13.4%。結合灰色關聯分析法得到影響因素的關聯程度，提出減緩疫情對房地產市場的影響的對策。

關鍵詞：二手房;灰色關聯分析法;疫情

1 緒論

1.1研究背景及研究意義

房地產行業(yè)是組成我國經濟的重要組成部分，房地產市場的變化也會對整個的經濟市場有重大的影響，尤其是在疫情這個大環(huán)境下，顯得更加重要。對于房地產企業(yè)來說疫情的壓抑下消費者可能會出現“補償性”的增長，促進增長，也有可能因為疫情下的錢包緊縮而放棄對房地產這種大宗大額物品的購買欲望，在這些條件下，研究二手房房價變動情況方面能夠更好的分析房地產市場及相關影響因素，在未來的發(fā)展過程中通過這些研究制定出相應的對策。目前房地產市場發(fā)展依舊蓬勃，二手房涉及的主體也比較多，交易數量多，交易頻率高，此研究能使二手房市場建設的更加完善。

1.2片區(qū)選取說明

本文在研究選取了六個典型的片區(qū)為代表來分析烏魯木齊沙依巴克區(qū)的二手房市場，分別為友好路片區(qū)、西山片區(qū)、黃河路片區(qū)、阿勒泰路片區(qū)、倉房溝片區(qū)、烏魯木齊火車站片區(qū)，這幾個片區(qū)基本能夠覆蓋沙依巴克區(qū)，在一定程度上也能夠具備一定的代表性，因此，通過研究這幾個片區(qū)可以推測出沙依巴克區(qū)的二手房房價的變動情況。

2 現狀分析

2.1 背景介紹

沙依巴克區(qū)已經形成了擁有五大商業(yè)旺圈、完整教育體系、高端醫(yī)療資源、高效便利交通的核心區(qū)域。通過對沙依巴克區(qū)各個片區(qū)疫情前后房價做對比可以了解到沙依巴克區(qū)各片區(qū)房價受疫情的影響程度。

2.2 沙依巴克區(qū)各片區(qū)的現狀統計分析

本文基于安居客網站和中國房價行情網站的烏魯木齊沙依巴克區(qū)的二手房平均價格數據對沙依巴克區(qū)各個典型片區(qū)疫情前和疫情后的數據進行現狀統計分析，選取的時間范圍為2016.1-2019.12。分析如下：

友好路片區(qū)房價現狀：疫情前2019年在售套數1099套，疫情之后2021年沙依巴克區(qū)友好路片區(qū)現在售套數515套，供給量減少了584套。疫情前2019年友好路片區(qū)均價是7645元/㎡，較前2016年增長了1022元/㎡，增長的比例為15.43%，疫情后2021年均價是8241元/㎡，較2019年增長了596元/㎡，增長的比例為7.8%，較2019年的增長比例下降了7.63%。

西山路片區(qū)房價現狀：以2019年和2021年為例，疫情前后二手房在售套數分別為611套和362套，供給量減少了249套。西山路片區(qū)疫情前后的房價分別為6671元/㎡以及6766元/㎡，疫情前2019年較2016年增長了840元/㎡，增長比例為14.43%。疫情后2021年較2019年增長了96元/㎡，增長比例為1.44%。

黃河路片區(qū)房價現狀：疫情前2019年在售套數482套，疫情之后2021年沙依巴克區(qū)黃河路片區(qū)現在售套數225套，供給量減少了257套。疫情前2019年黃河路片區(qū)均價是7636元/㎡，較2016年增長了614元/㎡，增長的比例為8.74%，疫情后2021年均價是8843元/㎡，較2019年增長了1207元/㎡，增長的比例為15.8%，較2019年的增長比例上升了7.06%。

阿勒泰路片區(qū)房價現狀：以2019年和2021年為例，疫情前后二手房在售套數分別為4620套和2246套，供給量減少了2016套。疫情前后阿勒泰路片區(qū)二手房均價分別為7464元/㎡和7802元/㎡，疫情前2019年，2016年增長了614元/㎡，增長比例為8.74%。疫情后。2021年叫2019年增長了1207元/㎡，增長比例為15.8%。

倉房溝路片區(qū)房價現狀：疫情前2019年在售套數1958套，疫情之后2021年沙依巴克區(qū)倉房溝路片區(qū)現在售套數1436套，供給量減少了522套。疫情前2019年倉房溝路片區(qū)均價是7438元/㎡，較前2016年增長了1354元/㎡，增長的比例為22.3%，疫情后2021年均價是7545元/㎡，較2019年增長了107元/㎡，增長的比例為1.4%，較2019年的增長比例下降了20.9%。

烏魯木齊火車站片區(qū)房價現狀：以2019年和2021年為例，請前后二手房在售套數分別為315套和201套，供給量減少了114套。疫情前后烏魯木齊火車站片區(qū)房價分別為6460元/㎡和6799元/㎡，疫情前2019年較2016年增長了1455元/㎡，增長比例為29%，疫情后2021年較2019年增長了339元/㎡，增長比率為5.2%。

2.3 研究現狀總結

從供給量方面來講各個片區(qū)的在售套數在疫情的影響下的供給量都大幅下降，說明在疫情的影響下，沙依巴克區(qū)的二手房市場的活力被削減。從房價方面來說各個片區(qū)疫情后的價格都高于疫情前的價格，但各片區(qū)的2016年至2019年的房價增長比例大部分都高于2019年至2021年的增長比例，說明新冠疫情對沙依巴克區(qū)的二手房房價變動，確實帶來了負面影響。

3 疫情后二手房預測價格與實際價格對比

3.1構建預測模型

基于安居客網站的烏魯木齊市沙依巴克區(qū)二手房平均住宅價格數據，選取的時間范圍為2016.1-2019.12。依據沙依巴克區(qū)友好路片區(qū)、西山片區(qū)、阿勒泰路片區(qū)、倉房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價格數據，利用數學曲線擬合法預測五個片區(qū)不受疫情影響的二手房價格，對比現狀與預測，具體如下：

令2016年1月份為第一期，每月對應的期數為自變量x，每月的二手房平均住宅價格為因變量y，建立一元線性回歸模型：y=a+bx，a，b是線性模型待定參數。通過SPSS軟件分析得出各線性回歸模型的擬合優(yōu)度R?，都接近1，說明擬合程度較好，可以對2020年1月份之后的二手房平均住宅價格進行預測。根據SPSS進行計算后得到：友好路片區(qū)、西山片區(qū)、黃河路片區(qū)、阿勒泰路片區(qū)、倉房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價格與期數的線性方程分別為：5533.2+28.6x、6630.4+27.7x、5717.1+43.9x、5839.9+43.1x 、4759.6+44.7x。根據實際數據以及數學擬合曲線，作出對比圖，見圖一。

3.2主要結論

從圖分析可知，除黃河路外，預測房價是均高于實際房價的，其中倉房溝和烏魯木齊火車站最為明顯，因此，房價總趨勢是增長的，但是受疫情影響增長的幅度有所減小，說明疫情對房價存在負面影響。根據（預測價格-實際價格）÷實際價格這個公式來將疫情對各片區(qū)的二手房房價的影響量化，得出友好路片區(qū)、西山片區(qū)、阿勒泰路片區(qū)、倉房溝路片區(qū)、烏魯木齊火車站片區(qū)的二手房平均住宅價格受疫情影響的影響程度分別為8.3%、9.6%、-4.3%、10.4%、15.1%、13.4%。

4 沙依巴克區(qū)二手房價波動影響因素的實證分析

4.1灰色關聯模型介紹

通過前文分析可以發(fā)現，疫情確實給房價波動帶來影響。因此進一步分析影響沙依巴克區(qū)的主要因素對房地產市場的研判具有一定的參考價值。本文將使用灰色關聯分析法分析烏魯木齊市沙依巴克區(qū)各片區(qū)，二手房價格受疫情影響的因素，各影響因素與價格變動的關聯程度。

灰色關聯分析方法是根據各因素變化曲線幾何形狀相似程度，來判斷因素之間關聯程度的方法，曲線越接近，相應序列之間的關聯度就越大，反之就越小。計算關聯系數、關聯度以及根據關聯度大小對指標排序。本文通過數理統計中的回歸分析、方差分析的方法，來因素數據與系統特征數據之間的關聯性系數。PS：分辨系數ρ∈（0，∞），ρ越小，分辨力越大，一般ρ的取值區(qū)間為（0，1），具體取值可視情況而定。當ρ≤0.5463時，分辨力最好，通常取ρ=0.5。

4.2指標的選取及數據來源說明

利用灰色關聯分析研究沙依巴克區(qū)房價影響因素，選擇沙依巴克區(qū)各片區(qū)二手房房價月均價作為特征序列。選取的時間范圍為2019.8-2021.2。主要從沙依巴克區(qū)房地產開發(fā)住宅投資額、沙依巴克區(qū)個人住房貸款加權平均利率、沙依巴克區(qū)土地面積成交面積、沙依巴克區(qū)GDP、沙依巴克區(qū)家庭人均可支配收入、沙依巴克區(qū)年平均總人口四個因素，對影響住房銷售價格的諸多因素進行分析。

4.3實證結果分析

從模型估計結果來看（表1）：各影響因素與住宅商品房平均銷售價格之間的關聯度在0.646到0.859之間，關聯度數值比較大.說明所選的因素對沙依巴克區(qū)房地產價格的影響較大，具有較強的關聯關系。其中，房地產開發(fā)住宅投資額、沙依巴克區(qū)GDP、家庭人均可支配收入是影響沙依巴克區(qū)二手房房價的主要因素。

第一，影響二手房價格最大的因素是沙依巴克區(qū)GDP，其對房價的關聯度是0.859，說明經濟社會的生產力，帶來了居民生活水平，消費能力得的提高，對于房子的需求擴大。

第二，家庭人均可支配收入是0.845的關聯度影響房價，說明隨著居民可支配收入水平得到改善和提高，居民為了居住環(huán)境改善，居民對購買房子的消費支出占總支出的比重增大，增加商品房的需求，使得房價繼續(xù)保持著上漲的趨勢。

第三，房地產開發(fā)住宅投資額對二手房房價的關聯度是0.781，是影響房價的次要因素，說明開發(fā)商為了不虧損而且盡最大可能盈利的情況下，房地產開發(fā)投資金額越多，房地產價格越高。

5 減緩疫情對房地產市場影響的對策建議

5.1適度發(fā)揮房地產投資穩(wěn)定經濟的作用提升GDP

新冠疫情導致個人收入受到影響，個人購房貸款潛在違約風險加大。銀行應根據客戶實際困難向個人房屋按揭貸款進行寬限期調整。建議在LPR利率的基礎上，少加點或者不加點，對存量貸款和新增貸款進行利率調整，盡量減輕購房者的利息負擔。

5.2促進房地產開發(fā)商投資

建議在“房住不炒”的前提下，穩(wěn)定房地產投資和銷售，支持房地產業(yè)合理融資需求，允許部分受疫情影響較大的房地產企業(yè)延期還貸，加快貸款展期辦理，為企業(yè)調整還款計劃，不盲目抽貸、斷貸、壓貸，以緩解近期銷售萎縮對房企資金鏈的沖擊。在合法合規(guī)和控制風險的前提下，適當增加房地產企業(yè)的融資渠道，包括商業(yè)銀行的表內和表外融資。金融政策的放松勢在必行，通過投放一部分資金來推動經濟的發(fā)展，讓消費和投資保持一定的活躍度，用空間換時間，這在當前的經濟形勢下是十分必要的。

5.3提高居民可支配收入

新冠疫情導致部分行業(yè)被迫停業(yè)，居民可支配收入受到影響，個人購房貸款潛在違約風險加大。首先需要通過復工復產穩(wěn)定居民就業(yè)，將居民可支配收入穩(wěn)定至疫情前的水平，盡快恢復經濟運轉秩序。加大政策力度對中小企業(yè)進行扶持，保障職工薪水提供保障。由于疫情影響失業(yè)率較高，特別是旅游業(yè)和娛樂業(yè)受影響最大時間最長，銀行應根據客戶實際困難向個人房屋按揭貸款進行寬限期調整，盡量減輕購房者的利息負擔。

參考文獻：

[1]武以敏，李壯壯，朱翔.基于VAR模型的安徽省房地產價格影響因素實證分析[J].宿州學院學報，2015，30（05）：38-41.

[2]孫鈺，史學飛，崔寅.天津市房地產價格影響因素研究——基于改進熵權-灰色關聯模型視角[J].價格月刊，2017（12）：1-5.

[3]宋丁.疫情沖擊下的中國房地產走勢和動向分析[J].特區(qū)經濟，2020（04）：37-38.

[4]盛松成，宋紅衛(wèi)，汪恒.新冠疫情對房地產市場的沖擊與對策建議[J].中國房地產，2020（08）：10-12.

[5]趙冬梅.新冠疫情對我國房地產的影響及走勢分析[J].中國房地產，2020（12）：29-31.