论文部分内容阅读
作为一类特殊的商品,房子附加了现代人生活、教育等资源分配的属性,并且一套房子往往需要掏空几代人的积蓄。因此,在满足自身需求的前提下,如何选择升值空间较大的优质住宅是现代人资产配置的重要一课。在二线城市人口大量涌入的大背景下,房地产主战场开始由超大城市向二线城市转移,而二线城市的房地产开始逐步展现出区域性的差异化发展。本文分析并以合肥市为例验证了房价区域分化背后的主要因素,对住房及投资具有一定的参考意义。
一、引言
房子对于中国人而言有着不同于其他商品的特殊意义,自古以来安居就在乐业之前,房子不仅是不部分家庭中最大价格的资产,也承载了其他商品所无法赋予的各类属性和情感。购房对于中国家庭来说可以说是人生中最重要的投资之一,尤其在改革开放之后,伴随着社会经济情况的不断变化,房地产市场发生了翻天覆地的变化,房子已经成为国人固定资产和投资方式中不可回避的重要组成部分。
从历史时间轴上进行梳理,国内房地产市场大致可分为四个阶段,1.“计划”经济(1987-1997),房子以单位分配为主,市场上存在少量的商品房,人们对商品房投资和购买的意识还较弱;2.房产变革(1998-2008),自国务院颁发《国务院关于进一步深化城镇住房制度改革加快住房建设的通知》后,房地产市场经过几年的沉寂后开启了野蛮生长,人们也开始接受房子这一特殊的大额商品;3.全面复苏(2009-2020),大量资本涌入房地产市场,国内房地产市场一片欣欣向荣,虽然部分城市房价仍存在横盘现象或者有小幅回调,但房地产市场整体生长迅速,伴随着房地产市场的急剧扩张,也带个了一大批人因房致富的机会。4.两级分化(2020年-),自2016年中央提出“房住不炒”后,2021年住建部发文表示将在三年内完成房地产市场秩序明显好转,中央对房地产市场整治的态度异常坚决。通过2020年的统计数据也可以看出国内房市开始进入区域性分化阶段,中国的房地产俨然进入了一个全新的时代,房地产市场已经跨过了急剧扩张的阶段,变得更加理性。
在新的大背景下,如何分析房子价格背后的影响因素,在满足自住等生活需求的基础上实现财产保值成为了大多数人生活中最关心的话题。本文通过分析现阶段房价分化特性,为自住性或者投资性买房做出了一定的参考,也为政府在城市均衡发展策略制订时提供一些借鉴意义。
二、国内二线城市房价主要影响因素分析
(一)房地产下一个主战场
亚当·斯密认为供求关系决定住房价格,当市场上需求较为旺盛时房价自然而然就会进行上涨,供大于求时房价自然就会下降。从市场需求角度讲,房地产市场的需求主要受人口流向的影响,在一线城市面临饱和的大背景下政府在持续控制超大城市的规模和人口,导致这类城市的人口总数增速逐渐放缓。与此同时发改委表示要放宽除个别超大城市外的其他城市落户限制,加之2018来几乎各地都在搞“强省会”背景下的强“市”扩张,大量人口流入这类地区。
2019年4月发改委发布文件《2019年新型城镇化建设重点任务》,明确了中心城市和城市群是未来发展的重点方向。意味着平均主义逐渐被摒弃,更多资源将进一步向大型城市倾斜,伴随着“强省会”的虹吸效应,二线城市和三四线城市无论从人口还是经济实力方面的差距都将会进一步拉大。尤其是部分人口扩张迅速的“强省会”城市已经逐渐成长为房地产市场下一个主战场。而伴随着城市内部经济水平和人口的不均衡增长,二线城市的房地产市场在供求关系的不断变化下必然面临着区域性的房价差异性变化。二线城市的常住人口面临着固定资产配置的选择问题,而这类城市的政府部门也面临着调节市场的政策制定问题。基于此背景,本文重点阐述二线城市的房地产区域分化特征。
(二)房价影响因素分析
区别于普通商品,房子作为大价值的不动产,其承担的价值往往和其价格并不总是适配。对房价产生影响的因素繁多且多受人们主观印象和政策影响,目前很难有一个完全匹配模型去量化其变化趋势,因此本文认为定性的分析房价影响因素及其强弱关系是更为便捷并有效的。房子自身作为商品而言,影响房子价格的因素主要包括:房子质量、周边生活配套等;从房子附屬的额外属性而言,影响房子价格的因素主要为配套学区的优劣;从市场流通角度考虑,主要影响因素为房子的去化周期,即商品在市场上的流通性。此外,政府近些年为稳定房市出台的各项政策也是影响房价的主要因素之一,消费者心中对区域以及具体开发商主观的印象也会在一定程度上对房价产生影响。下面进行具体分析与介绍。
1.房子的自身因素
房子质量对房价的影响毋庸置疑,质量和口碑好的小区更受消费者喜欢,因此相对其他小区价格会高,但房子承载属性过多决定了这一因素对价格的影响能力有限。
周边配套可分为基础设施和公共设施,其中基础设施指水电气、通讯、绿化等,这些是房子作为商品所必备的功能,建设垄断在开发商手中且差异不会太大,因此这一因素对价格的影响有限。而公共设施指商场、公园等为消费者喜欢的公共建筑,当然还包含加油站、机场等对价格产生负面影响的公共配套,这些配套设施受规划限制会对不同区域的社会资源配置产生较大的影响。因此本文将商场、公园作为分析影响房价的重要影响因素。
2.房子的附属属性
除了居住以外,现阶段的房子还具有金融或者其他重要的附属属性。随着中国经济的腾飞,人们生活水平不断提升,对于子女的教育逐渐摆在了家庭的首位。因此房子对应的学区好坏也成为了近些年房价上涨幅度的重要因素。
3.房子的流通性
从市场交易的角度看,成交周期是房子作为商品的一个重要指标,理论上成交周期越短说明其需求关系越旺盛,对应房子的价格也会有一定程度的提升。
4.政府调控等其他因素
出于稳定房价或者其他考虑,政府会根据市场情况进行一定的政策调整,政府政策对房价的影响毋庸置疑,当限购、限贷等政策较严时,降低了市场活力从而拉低房价上涨速度甚至横盘或者小幅下调。当出现降息或者降准等政策时,大量热钱将会涌入房市从而拉高房价。 此外,随着股市的周期性变化,人们会将投资重心在股市和房市之间进行一定的选择和转移。因此国家宏观的经济水平发展和股市情况也会直接影响到房地产市场的价格水平。但政府的政策调控或者国家的宏观经济形势多是影响整体的房地产市场,且政策和国内经济形势具有一定的不确定性,而本文主要分析的是基于同一城市不同区域房价的分化的影响因素,因此本文内不进行进一步的分析。
三、实例分析——以合肥市为例
合肥市作为“强省会”背景下迅速发展的典型城市,近些年来人口增长迅速,产业建设、城市配套以及房地产市场都有了巨大变化,城市内不同区域的房价分化愈发明显,符合本文对活跃性二线城市房地产市场的设想,因此本文以合肥市为例进行对房价影响的主要因素进行分析验证。
(一)数据量化方式
提取上述分析中可能对房价产生重要影响的几类因素进行验证,为方便从数据角度去分析验证,现对公共设施配套情况、教育资源情况、去化周期等进行量化打分。
1.公共设施打分
通过查阅文献,国内研究人员多认为公共服务设施中大型公园对房价具有积极影响,而商场等对房价影响不大。为更为细致的分析公共设施的影响,将公共设施打分分为公园和商场两部分,均只考虑占地规模及人流量较大的公园和商场。具体处理方式如下:以步行最短距离为量化打分依据,以满分10分为基础,最短距离2km内的每增加100米扣除0.2分。根据步行可达性,2km以上的这类设施对人们的吸引力有一定程度的下降,因此考虑超过2km的每多增加100米扣除0.3分直至0分。
2.学区属性
合肥市升学率最高的高中联招采用以指标到校为主的方式进行,因此各学区对应指標到校的最低分数线在一定程度上反应了该学校的考学实力,且政府不允许公开统计并发布近些年的中考录用情况,因此考虑采用指标到校最低分数直接作为量化后指标。
3.流通性
流通性量化采用以区域划分、以月为单位的实际去化周期统计结果。因为合肥对房地产行业整顿,现难以取得各小区的历史成交结果,因此仅能根据公布的近半年的以区域为单元的去化周期作为参考,该方式能在一定程度上反应房子的市场流通性,可以基本达到本文的目的。
4.数据量化结果
基于链家网二手房数据统计,以及百度地图各小区与大型商业体及公园实际分布,现就政务、高新、经开、滨湖、瑶海、庐阳六类区域进行统计分析,这几类区域包含了典型的政务经济中心、高新产业集中地、老市区、重点学校、发展洼地等多类情况,每个区域按不同特点各找两个小区进行数据量化分析(房龄均为5到20年,房型为2室至3室,小区内部硬件均比较完善,且未选取网红盘等特殊小区),数据较为全面,且尽可能的排除了房屋自身原因以及炒作等因素对房价的影响。量化打分后的数据统计如下:
(二)灰色关联度计算
采用灰色关联度的方式计算各因素对房价的关联程度,当关联度计算结果越接近1则表征其关联程度越高,即该因素对房价的影响越显著。
步骤一:数据初始化。为去除数据量纲不同带来的非公度性,将所有数据进行无量纲化处理,即以第一列数据(均价)为基础,除以其他列数据得到初始化后数据(其中数据0视为0.01进行处理)。
步骤二:求序列差。即以A列为基础减去各列的绝对值作为新的列矩阵。
步骤三:计算关联系数。经过步骤一后生成的新的数据内查找最大绝对值△max和△min最小绝对值。则各列因素对应关联系数ε=(△min+ρ△max)/(△i+ρ△max)。其中△i代表该因素序列差列中对应的值,ρ为分辨系数,为提高差异显著性多取为0.5。通过查表3,可以看出最大绝对值△max为249,最小绝对值△min为0。求得关联系数对应结果如下表所示。
步骤四:计算关联度。各因素对应最终关联度为关联系数平均值即,式中n表示对应因素列中数值个数。
经过计算,结果如下:
由表中结果可看出:1.所选四个因素与房价的关联度均较高,说明本文选取四个因素均为房价影响的重要因素,与文本文的分析基本一致;2.公园对房价的影响要大于商场,学校和去化周期对房价影响程度基本相同。因此在现阶段购买房产时,根据自身需求要重点考虑公园配套、学区和去化周期、此外还需考虑大型商场的分布。
四、结语
根据统计数据可以看出,合肥市不同区域的房子价格差异化较为严重,在一定程度上反应了部分二线城市的楼市现状。接下来的几年内,随着人口向这类城市的不断涌入,需求会更加明显。在市场的刺激下,二线城市的房价发展会更加迅猛,区域分化程度会进一步拉大。对于购房者来说,选择到合适的房产不仅可以满足自身需求,在一定程度上也可以认为是实现了资产保值甚至增值。因此在二线城市进行房产购置时需要进行更多因素的比对和分析,由本文分析及验证结果来看,要格外注重步行可到范围内的公园等生活配套、房子对应学区的实力以及楼盘在市场上的流通性等因素。对于政府而言,为达到均衡全市房价、全面发展的目的,降低市场房价炒作热度,真正实现房住不炒的目标,要注重义务教育阶段资源的进一步均衡,同时加大老旧城区、工业聚集区的公共服务设施投入。
(作者单位:中国社会科学院研究生院)
一、引言
房子对于中国人而言有着不同于其他商品的特殊意义,自古以来安居就在乐业之前,房子不仅是不部分家庭中最大价格的资产,也承载了其他商品所无法赋予的各类属性和情感。购房对于中国家庭来说可以说是人生中最重要的投资之一,尤其在改革开放之后,伴随着社会经济情况的不断变化,房地产市场发生了翻天覆地的变化,房子已经成为国人固定资产和投资方式中不可回避的重要组成部分。
从历史时间轴上进行梳理,国内房地产市场大致可分为四个阶段,1.“计划”经济(1987-1997),房子以单位分配为主,市场上存在少量的商品房,人们对商品房投资和购买的意识还较弱;2.房产变革(1998-2008),自国务院颁发《国务院关于进一步深化城镇住房制度改革加快住房建设的通知》后,房地产市场经过几年的沉寂后开启了野蛮生长,人们也开始接受房子这一特殊的大额商品;3.全面复苏(2009-2020),大量资本涌入房地产市场,国内房地产市场一片欣欣向荣,虽然部分城市房价仍存在横盘现象或者有小幅回调,但房地产市场整体生长迅速,伴随着房地产市场的急剧扩张,也带个了一大批人因房致富的机会。4.两级分化(2020年-),自2016年中央提出“房住不炒”后,2021年住建部发文表示将在三年内完成房地产市场秩序明显好转,中央对房地产市场整治的态度异常坚决。通过2020年的统计数据也可以看出国内房市开始进入区域性分化阶段,中国的房地产俨然进入了一个全新的时代,房地产市场已经跨过了急剧扩张的阶段,变得更加理性。
在新的大背景下,如何分析房子价格背后的影响因素,在满足自住等生活需求的基础上实现财产保值成为了大多数人生活中最关心的话题。本文通过分析现阶段房价分化特性,为自住性或者投资性买房做出了一定的参考,也为政府在城市均衡发展策略制订时提供一些借鉴意义。
二、国内二线城市房价主要影响因素分析
(一)房地产下一个主战场
亚当·斯密认为供求关系决定住房价格,当市场上需求较为旺盛时房价自然而然就会进行上涨,供大于求时房价自然就会下降。从市场需求角度讲,房地产市场的需求主要受人口流向的影响,在一线城市面临饱和的大背景下政府在持续控制超大城市的规模和人口,导致这类城市的人口总数增速逐渐放缓。与此同时发改委表示要放宽除个别超大城市外的其他城市落户限制,加之2018来几乎各地都在搞“强省会”背景下的强“市”扩张,大量人口流入这类地区。
2019年4月发改委发布文件《2019年新型城镇化建设重点任务》,明确了中心城市和城市群是未来发展的重点方向。意味着平均主义逐渐被摒弃,更多资源将进一步向大型城市倾斜,伴随着“强省会”的虹吸效应,二线城市和三四线城市无论从人口还是经济实力方面的差距都将会进一步拉大。尤其是部分人口扩张迅速的“强省会”城市已经逐渐成长为房地产市场下一个主战场。而伴随着城市内部经济水平和人口的不均衡增长,二线城市的房地产市场在供求关系的不断变化下必然面临着区域性的房价差异性变化。二线城市的常住人口面临着固定资产配置的选择问题,而这类城市的政府部门也面临着调节市场的政策制定问题。基于此背景,本文重点阐述二线城市的房地产区域分化特征。
(二)房价影响因素分析
区别于普通商品,房子作为大价值的不动产,其承担的价值往往和其价格并不总是适配。对房价产生影响的因素繁多且多受人们主观印象和政策影响,目前很难有一个完全匹配模型去量化其变化趋势,因此本文认为定性的分析房价影响因素及其强弱关系是更为便捷并有效的。房子自身作为商品而言,影响房子价格的因素主要包括:房子质量、周边生活配套等;从房子附屬的额外属性而言,影响房子价格的因素主要为配套学区的优劣;从市场流通角度考虑,主要影响因素为房子的去化周期,即商品在市场上的流通性。此外,政府近些年为稳定房市出台的各项政策也是影响房价的主要因素之一,消费者心中对区域以及具体开发商主观的印象也会在一定程度上对房价产生影响。下面进行具体分析与介绍。
1.房子的自身因素
房子质量对房价的影响毋庸置疑,质量和口碑好的小区更受消费者喜欢,因此相对其他小区价格会高,但房子承载属性过多决定了这一因素对价格的影响能力有限。
周边配套可分为基础设施和公共设施,其中基础设施指水电气、通讯、绿化等,这些是房子作为商品所必备的功能,建设垄断在开发商手中且差异不会太大,因此这一因素对价格的影响有限。而公共设施指商场、公园等为消费者喜欢的公共建筑,当然还包含加油站、机场等对价格产生负面影响的公共配套,这些配套设施受规划限制会对不同区域的社会资源配置产生较大的影响。因此本文将商场、公园作为分析影响房价的重要影响因素。
2.房子的附属属性
除了居住以外,现阶段的房子还具有金融或者其他重要的附属属性。随着中国经济的腾飞,人们生活水平不断提升,对于子女的教育逐渐摆在了家庭的首位。因此房子对应的学区好坏也成为了近些年房价上涨幅度的重要因素。
3.房子的流通性
从市场交易的角度看,成交周期是房子作为商品的一个重要指标,理论上成交周期越短说明其需求关系越旺盛,对应房子的价格也会有一定程度的提升。
4.政府调控等其他因素
出于稳定房价或者其他考虑,政府会根据市场情况进行一定的政策调整,政府政策对房价的影响毋庸置疑,当限购、限贷等政策较严时,降低了市场活力从而拉低房价上涨速度甚至横盘或者小幅下调。当出现降息或者降准等政策时,大量热钱将会涌入房市从而拉高房价。 此外,随着股市的周期性变化,人们会将投资重心在股市和房市之间进行一定的选择和转移。因此国家宏观的经济水平发展和股市情况也会直接影响到房地产市场的价格水平。但政府的政策调控或者国家的宏观经济形势多是影响整体的房地产市场,且政策和国内经济形势具有一定的不确定性,而本文主要分析的是基于同一城市不同区域房价的分化的影响因素,因此本文内不进行进一步的分析。
三、实例分析——以合肥市为例
合肥市作为“强省会”背景下迅速发展的典型城市,近些年来人口增长迅速,产业建设、城市配套以及房地产市场都有了巨大变化,城市内不同区域的房价分化愈发明显,符合本文对活跃性二线城市房地产市场的设想,因此本文以合肥市为例进行对房价影响的主要因素进行分析验证。
(一)数据量化方式
提取上述分析中可能对房价产生重要影响的几类因素进行验证,为方便从数据角度去分析验证,现对公共设施配套情况、教育资源情况、去化周期等进行量化打分。
1.公共设施打分
通过查阅文献,国内研究人员多认为公共服务设施中大型公园对房价具有积极影响,而商场等对房价影响不大。为更为细致的分析公共设施的影响,将公共设施打分分为公园和商场两部分,均只考虑占地规模及人流量较大的公园和商场。具体处理方式如下:以步行最短距离为量化打分依据,以满分10分为基础,最短距离2km内的每增加100米扣除0.2分。根据步行可达性,2km以上的这类设施对人们的吸引力有一定程度的下降,因此考虑超过2km的每多增加100米扣除0.3分直至0分。
2.学区属性
合肥市升学率最高的高中联招采用以指标到校为主的方式进行,因此各学区对应指標到校的最低分数线在一定程度上反应了该学校的考学实力,且政府不允许公开统计并发布近些年的中考录用情况,因此考虑采用指标到校最低分数直接作为量化后指标。
3.流通性
流通性量化采用以区域划分、以月为单位的实际去化周期统计结果。因为合肥对房地产行业整顿,现难以取得各小区的历史成交结果,因此仅能根据公布的近半年的以区域为单元的去化周期作为参考,该方式能在一定程度上反应房子的市场流通性,可以基本达到本文的目的。
4.数据量化结果
基于链家网二手房数据统计,以及百度地图各小区与大型商业体及公园实际分布,现就政务、高新、经开、滨湖、瑶海、庐阳六类区域进行统计分析,这几类区域包含了典型的政务经济中心、高新产业集中地、老市区、重点学校、发展洼地等多类情况,每个区域按不同特点各找两个小区进行数据量化分析(房龄均为5到20年,房型为2室至3室,小区内部硬件均比较完善,且未选取网红盘等特殊小区),数据较为全面,且尽可能的排除了房屋自身原因以及炒作等因素对房价的影响。量化打分后的数据统计如下:
(二)灰色关联度计算
采用灰色关联度的方式计算各因素对房价的关联程度,当关联度计算结果越接近1则表征其关联程度越高,即该因素对房价的影响越显著。
步骤一:数据初始化。为去除数据量纲不同带来的非公度性,将所有数据进行无量纲化处理,即以第一列数据(均价)为基础,除以其他列数据得到初始化后数据(其中数据0视为0.01进行处理)。
步骤二:求序列差。即以A列为基础减去各列的绝对值作为新的列矩阵。
步骤三:计算关联系数。经过步骤一后生成的新的数据内查找最大绝对值△max和△min最小绝对值。则各列因素对应关联系数ε=(△min+ρ△max)/(△i+ρ△max)。其中△i代表该因素序列差列中对应的值,ρ为分辨系数,为提高差异显著性多取为0.5。通过查表3,可以看出最大绝对值△max为249,最小绝对值△min为0。求得关联系数对应结果如下表所示。
步骤四:计算关联度。各因素对应最终关联度为关联系数平均值即,式中n表示对应因素列中数值个数。
经过计算,结果如下:
由表中结果可看出:1.所选四个因素与房价的关联度均较高,说明本文选取四个因素均为房价影响的重要因素,与文本文的分析基本一致;2.公园对房价的影响要大于商场,学校和去化周期对房价影响程度基本相同。因此在现阶段购买房产时,根据自身需求要重点考虑公园配套、学区和去化周期、此外还需考虑大型商场的分布。
四、结语
根据统计数据可以看出,合肥市不同区域的房子价格差异化较为严重,在一定程度上反应了部分二线城市的楼市现状。接下来的几年内,随着人口向这类城市的不断涌入,需求会更加明显。在市场的刺激下,二线城市的房价发展会更加迅猛,区域分化程度会进一步拉大。对于购房者来说,选择到合适的房产不仅可以满足自身需求,在一定程度上也可以认为是实现了资产保值甚至增值。因此在二线城市进行房产购置时需要进行更多因素的比对和分析,由本文分析及验证结果来看,要格外注重步行可到范围内的公园等生活配套、房子对应学区的实力以及楼盘在市场上的流通性等因素。对于政府而言,为达到均衡全市房价、全面发展的目的,降低市场房价炒作热度,真正实现房住不炒的目标,要注重义务教育阶段资源的进一步均衡,同时加大老旧城区、工业聚集区的公共服务设施投入。
(作者单位:中国社会科学院研究生院)