基于灰色预测系统的西宁商品房用地供需研究

邱甘全

摘 要 本文从西宁市商品房市场的实际出发，根据数据可获取性等原则，对影响西安市商品房需求与供给的七个因素进行初步筛选，并在其基础上根据2005年～2013年9年间西宁市社会经济的统计资料和商品房供求的相关数据，分别利用相关分析模型与灰色关联度模型进一步筛选，得到与西宁市商品房需求与供给具有相关关系的影响因子。对于相关影响因子，采用灰色系统GM（1，1）模型或非线性预测模型对其进行动态预测，得到各个相关影响因子2016年～2020年的预测值。根据各个相关影响因子的预测值，结合多元线性回归模型与BP神经网络模型对2016年～2020年西宁市商品房需求量与供给量进行预测，得到“十三五”期间的预测值。

关键词 灰色预测系统 西宁商品房

一、引言

自改革开放以来，我国经济不断发展，城市化和工业化进程不断加快，房地产业取得了长足的发展。而作为房地产市场中重要一环的住宅市场，由于受土地使用制度与住房制度改革的不断深化，以及国家对住宅产业的各种鼓励和支持措施，使住宅市场化程度不断提高，住宅建设成为新的经济增长点，并且购买商品住宅已成为我国当前城镇居民解决住房问题的主要途径。住宅作为人类生存最基本的物质条件之一，以及家庭消费的重要的组成部分，住宅市场发展的好坏直接关系着整个房地产业乃至经济、社会的发展，因此对于住宅各个方面的研究就显得尤为重要。

二、影响因子体系

住宅市场需求影响因素包括宏观和微观两个层面，涉及政策、社会、经济以及环境等多个方面。由于政策、环境等方面的因素，定性指标多且难以量化，加之获取较困难，不利于客观性的预测，因此本文在选取影响因子时，只选取经济与社会方面的因素。经济与社会方面的因素，由于可以直接从历年统计资料中获取，且资料比较完整，可以直接定量分析，便于实现客观、准确的预测。因此，现选取有关社会和经济方面的并对住宅需求量产生影响的因素，构建出住宅需求量影响因子体系，作为客观、科学、准确预测住宅需求量（住宅用地需求量）的前提。利用DPS7.05软件对数据取分辨系数，然后得到灰色关联分析，结果如表1。

从中选取最高值的七个影响因素建立模型并预测。

三、城镇建设用地灰色预测模型建立

灰色GM（1，1）预测模型：所谓灰色系统是对黑色系统和白色系统而言的，由于某些信息系统的随机性较强、规律性不够明显，信息之间又是内在联系的，这样的系统就称之为“灰色系统”。而灰色系统分析就是对原始信息进行处理，弱化信息的不确定性、强化规律性，将原来具有随机性的数据转化为规律性强的信息，使原来波动变化明显的数列变成单调上升的生成数列，从而建立连续函数微分方程预测模型。与传统预测模型相比，灰色预测模型由于计算简便、无须典型的概率分布、减少时间序列的随机性、计算精度高等优点，因此可用于对各项影响因子进行预测。本文利用灰色系统中的GM（1，1）对各项影响因素进行预测，可以减少系统内部噪音的污染，使预测结果更加准确。

对七个关键因子构造的模型的各项参数（如表2）。

对以上预测出的七个因子建立模型预测其在2016～2020年的值，结果如表3。

再通过BP神经网络得到的西宁市非住宅类商品房需求量预测值（如表4）。

根据公式

计算出商品房建设用地需求总量，结果如表5所示。

四、预测结果对比分析

通过上述预测我们可以看到，西宁市再2016年～2020年的土地供应中，西宁市的土地用地量与需求量均稳步增长；用地量的平均增长速度约为4000平方米，需求量增长速度约为每年5000平方公里；平均每年的用地供应量比需求量要少接近25万平方米。约占用地量的16%，需求量的14%。但是总体水平趋于平缓。因此，在未来的住房用地越来越紧缩的情况下，肯定会因为用地供应量跟不上需求量。在此基础上，政府可以考虑适当放宽土地的供给。

随着西宁城市人口的快速增长，新增城市用地尤其是居住用地一定要在满足需求的情况下严格控制土地滥用的现象。经济、社会、生态环境发展的协调度和城市土地的用地效益要能达到统一。

西宁作为典型的和孤星城市，在用地量的调控时除了要考虑到一些内在的动力、政策和制度引导还特别要注意地形地貌的保持和完整，以及水资源的利用分配。

综上分析表明，随着西宁居民生活水平的提高、人口的增长、交通的改善以及西宁作为省会城市的重要性，会主导驱动西宁的商品房建设用地的需求上涨，而提供的土地目前与需求量大约存在百分之十左右的缺口。

（作者单位为青海民族大学公共管理学院）