基于重庆市二手房价格影响因素的灰色关联度分析蒋沁宏周蕾[摘要]近期重庆房价有显著的上升，并成为焦点讨论话题，但是房价上升的原因却非常模糊，不同时期影响房价的因素也不尽相同。文章通过对居民消费价格指数、金融机构人民币贷款余额、房地产开发投资所占比重等指标进行了灰色关联度分析显示，由于2016年和2017年相应影响因素排名的变动，推测重庆二手房的上升存在很大的投机行为。[关键词]二手房价格；灰色关联度；影响因素[DOI]1013939/jcnkizgsc2017340711研究的背景至2017年1月起，重庆主城区的房价有了很大的提升，特别是渝北区和江北区，其中照母山片区的楼盘更是紧俏，不少市民纷纷讨论为何重庆的房价会突然表现出如此强劲的增长态势，其中很多人坚持认为是政府新的政策，温州炒房团的投机炒作是导致房价突然暴增的原因，但是这些都是人们推断的言辞，可信度并不高。笔者通过对2016年和2017年2-4月份的二手房价格的相关数据进行分析，利用灰色关联度分析找出影响房屋价格的真正的原因，望读者注意，---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---此处我们讨论的二手房价格并不是某处房屋的评估价格，我们讨论的是整个重庆市的二手房的价格的差异，这跟二手房的评估不能一概而论。2指标的选取房地产价格的变动主要受房产市场供求关系的影响，可将影响因素分为供给和需求两种。[1]针对房价影响因素的多样性和复杂性，综合考虑到数据资料的真实性和可靠性，选用的指标为：城市居民消费价格指数，钢材产量，税收收入，金融机构人民币中长期贷款余额，房地产开发投资占固定资产投资比重，商品住宅新开工面积，住宅商品房销售面积，住宅商品房销售额，二手房价格。这些数据均为月数据且都可以在重庆统计局官方网站找到。将对这些数据以二手房价格为中心进行灰色关联度分析，进一步得出影响二手房价格的具体因素，并对影响因素的程度进行对比。3灰色关联度模型的计算和结果31灰色关联度分析的简介灰色关联度，指的是两个系统或两个因素之间关联性大小的量度。目的，是在于寻求系统中各因素之间的主要关系，找出影响目标值的重要因素，从而掌握事物的主要特征，促进和引导系统迅速有效地发展。灰色关联度的主要操作流程：首先对数据进行归一化，然后计算灰色关联矩阵，最后对矩阵的单项进行加权平均得出单项的影响系数。计算关联系数的公式为：Pj（k）=minminCnk-Cjk+ρmaxmaxCnk-CjkCnk-Cjk+ρmaxmaxCnk-Cjk其中P为关联系数，j为对应的年份，n为对应的母项，k为对应的项目，minmin为所有值的最小，maxmax为所有值的最大，||为取绝对值，其中ρ取05。32数据的收集与加工以下是从重庆统计局和相关网站搜集到的数据。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---据表2可以看出，在2016年和2017年的对比下相对应的影响指标的程度有所改变，在2016年里，城市居民消费价格指数排在第一位，金融机构中长期贷款余额排第二位，接着是房地产开发投资比例，住房销售面积。总的来讲在2016年里，城市居民的消费水平跟房价有很强的相关性，金融机构的借贷也对房价有较强的影响。房地产方面的投资也影响到了房屋的价格。在2017年里，金融机构人民币中长期贷款排在第一位，城市居民消费价格指数排在第二位，房地产投资比例排在第三位，其次是钢材产量，商品房新开工面积等。通过以上对比我们不难发现，城市居民消费价格指数和金融机构人民币中长期贷款余额对房地产的价格有重要的影响，房地产的投资比例也对房地产的价格具有影响。但就第一位和第二位的比较而言，在2016年居民消费对房地产价格的相关度更高，而在2017年金融机构的中长期贷款和房地产的价格相关程度更高。（1）重庆二手房价格的影响因素中，城市居民消费价格指数、金融机构借贷、房地产开发投资所占比例有着比较显著的相关性。2016—2017年，金融机构贷款指标的上升取代了居民消费价格指数的第一位。居民消费价格指数能够很好地反映某一国家或地区的通货膨胀情况。[2]这也侧面地推测出贷款数额的增大伴随着房价的上涨。如今购房多为按揭付款，这也导致房贷的...