基于自组织数据挖掘的住宅空置影响因素分析

《基于自组织数据挖掘的住宅空置影响因素分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于自组织数据挖掘的住宅空置影响因素分析【摘要】空置是反映房地产市场状况的一个重要因素。本文运用自组织数据挖掘方法来分析中国住宅空置面积的影响因素，我们发现，在所有的因素中，人均住宅面积是影响空置面积的最重要的因素，其中也有其他因素的较小的相关影响。　　【关键词】自组织数据挖掘方法住宅空置面积　　　　一、研究综述　　　　近几年，许多学者对于房地产空置问题做了很多研究工作，这些研究大体可分为两类：　　一是关于空置率的研究，例如中国房地产及住宅研究会常务副会长包宗华的《我国的住房空置率是否过高》；谢昌浩阮平的《对房地产市场中空置率问题的界定及衡量》；　　二是关于房地产空

2、置现象的研究，如郭峰和任宏《中国商品房空置问题研究》王家庭在《中国商品住宅空置率过高的原因及对策》都对高空置现象进行了分析并提出对策.　　但是，空置率在我国现在还是一个含糊不清的概念，空置率在计算方法也存在许多问题和争论。为此本文没有研究空置率，而是运用自组织数据挖掘的方法着重对空置的影响因素进行了分析。　　　　二、自组织数据挖掘理论与方法简介　　　　自组织数据挖掘建模是基于生物进化的思想：从对系统有影响的因素样本出发，其利用GMDH核心技术从观测数据样本自动的产生许多数学模型，并且根据某个外部准则（即筛选准则），逐步地从模型集合中选出一个相对的最优复杂度模型。这种

3、建模方法强烈的体现了由简单到复杂的复杂事物演化过程。　　自组织建模的方法基于如下假设：所有关于对象的重要变量的相互关联的信息都包含在变量的观察数据样本中，因而建模的目的就是要从数据样本中挖掘出这些信息。在建模时把样本数据分为训练集和检测集两部分，训练集的数据用于建模，检测集的数据在建模时不被使用，仅用于选择最优复杂度模型。这是区别于其他建模方法的一个优势。　　　　三、模型建立　　　　在参考了专家、学者的意见之后，结合要解决的问题，笔者筛选出以下6个指标来研究住宅空置面积的因素：住宅空置面积X1（万平方米）；住宅平均销售价格X2（元/平方米）；人均住宅建筑面积X3（平

4、方米/人）；住宅销售面积X4（万平方米）；就业人员数X5（万人）；城乡居民人民币储蓄存款X6（亿元）；地区GDPX7（亿元）。　　另外像税收、家庭人口构成状况、消费观念等对空置量的影响很微弱，不把其列为指标范围。　　1、建立模型　　我们选取了2003年全国22个省份和地区7个指标的数据（数据来源于《中国统计年鉴》）作为样本，并将样本1-17作为训练集，用来建立自组织模型；将样本18-22作为检测集，进行模型的预测检验　　借助于KnoOfSquares(PESS):……0.1171　　MeanAbsolutePercentageError:………………3.80%　　A

5、pproximationErrorVariance:…………………0.0926　　CoefficientOfDetermination(R-squared):……0.9074　　模型拟和效果图：　　　　　　可见模型大体上反映了一个真实有效的关系。该模型对样本数据的描述能力为75%，即模型基本上描述出了这些样本数据之间的关系。　　2、模型检测　　我们用样本18-22来检验这一模型，以验证它的推广能力，即已建立的模型在对未在建模过程中出现（但具有同一规律性）的样本做出正确反映的能力。用这四个样本产生的预测值与实际值列表如下：　　　　　　检测结果，进一步证明系统建立的模型

6、能正确反映变量之间的关系。　　3、结果　　从方程X1=3.16-1.99X3+1.53X6-0.74X5+0.49X4-0.35X7-0.34X2，可以明显的看出住宅空置面积的影响因素由强到弱依次为：X3、X6、X5、X4、X7、X2，我们依据模型中变量系数的绝对值来判断该自变量对因变量贡献率的大小。　　X3(人均住宅建筑面积)、X6(城乡居民人民币储蓄存款)是影响住宅空置面积的最主要的因素。　　　　四、结论分析及对策　　　　1、住宅空置面积影响因素分析　　（1）指标X6(城乡居民人民币储蓄存款)描述的是居民家庭收入状况对房地产空置的影响情况，其前面的系数为1.53

7、，是住宅空置面积的重要影响因素。因为居民储蓄存款的高低直接决定了各类家庭能够用于房地产购置或租用的资金数额，是购买力的决定性要素。由当前的房价收入比来看,商品房是一种奢侈品,存款的上升将带来需求的增加，它会促使家庭考虑购买住房或者购买更好的房子以改善自己的居住条件或者增加他们在固定资产上的投资等。由于系数为正值，说明存款的增加会导致住宅空置面积的增加，存款额对房地产的需求具有正效应，但对空置面积则具有负效应。所以刺激消费是减少空置面积的有效措施。　　为了更深入分析研究这两个重要变量，我们建立了一个新的模型：　　以X6为目标变量，其余几个变量（X2、X3、X4、X