近年来,房价逐渐成为诠释一个地区经济与社会发展程度的代表性指标。一方面,房价的增长会带动其它多个产业的发展;另一方面,房价太高、增速太快带来了许多弊端和问题,甚至影响了经济正常发展和社会稳定。可以说房价问题关乎民生,对房价影响因素进行研究具有重要的现实意义。本文以最能体现房价水平的住宅价格为研究对象,从经济、人口、房地产三个领域范畴中选取了 10个与住宅价格相关的代表性变量,收集了我国31个省级行政区的年度数据,时间跨度为2005至2015年。基于这些数据,通过变量选择与参数估计提取出影响力较大的变量指标,拟合模型进行研究与分析。本文首先通过k-means聚类将我国3L个地区分成了 4组:贫困地区、普通地区、中等发达地区和发达地区。实证表明4组地区基本符合现实意义,一定程度上削减了地区差异所造成的误差。然后对4组地区依次通过弹性网络(Elastic-Net)算法拟合模型,并与Lasso和岭回归的拟合结果进行对比。实验结果验证了弹性网络是对Lasso和岭回归的折中与改善,可以拟合出合理、解释性强的模型。最后对4组弹性网络最终模型进行解释分析。实证表明经济发展水平不同的地区拥有不同的影响因素组合,且各自的影响程度及表现形式也均不相同。具体结果如下:(1)对于贫困地区(比如西藏、贵州等),与住宅价格正相关的变量有人均GDP、城镇人均可支配收入、土地购置面积以及城市化水平,负相关的有人口密度、年末总人口以及自然增长率;(2)对于普通地区(比如湖南、河北等),在所选变量中,所有变量与住宅价格是正相关的,分别是人均GDP、房地产投资金额、人口密度、城镇人均可支配收入和城市化水平,没有负相关的变量;(3)对于中等发达地区(比如广东、浙江等),与住宅价格正相关的变量有房地产投资金额、人口密度、城镇人均可支配收入、城市化水平及自然增长率,负相关的有地区GDP、人均GDP及城镇消费水平;(4)对于发达地区(比如北京、上海等),与住宅价格正相关的变量有年末总人口以及房地产投资金额,负相关的为城市化水平。