四川省房价走势预测及其影响因素研究

李凤至

〔摘要〕 随着主要城市房价的不断上升，买房难成为热门话题，房价走势预测和影响因素的分析就显得尤为重要。本文以四川省为例，根据灰色系统理论，采用GM（1，1）模型对房价走势进行预测，结果显示未来房价依旧可能呈上涨态势，并运用灰色关联分析法对四川省商品房价格的影响因素进行探究，发现城镇人均可支配收入和竣工房屋造价对房价的影响最为显著，地区生产总值、竣工房屋面积和土地购置费用等因素对房价也有较强的影响。

〔关键词〕 商品房价格 走势预测 灰色关联分析 GM（1，1）模型

〔中图分类号〕F293.3 〔文献标识码〕A 〔文章编号〕1008—0694（2018）05—0117—08

一、引言

近年来，随着经济不断发展，房地产行业迅速崛起，在“炒房一族”的“掺和下"，各大城市房价持续走高，买房难成为当前最受关注的话题之一。住房不仅是商品、投资品，更是与民生问题息息相关，房价的飞涨不仅关系到房地产行业的安危，同时深刻影响着其他行业的平稳健康发展。因此，对房价走势进行预测并分析其影响因素具有重要的现实意义。

对房价走势预测及影响因素的分析中，学者们主要通过构建有效的模型进行预测，当前房价走势预测研究中主流模型主要有：VAR模型预测、随机时间序列模型，即线性时间序列模型（如AR-MA、ARIMA）和非线性双重时间序列模型（如AR（1）-MA（0））、多元线性回归分析、神经网络预测、马尔柯夫预测、GM（1，1）等。

其中，神经网络预测模型存在一定的天生缺陷，需要大量的先验参数；VAR和ARMA等时间序列模型均要求数据是平稳序列，否则无法进行分析；多元线性回归分析不仅要求样本量要足夠大并且要服从典型的概率分布。从整体上来讲，这些模型对数据质量的要求都很高，但房地产市场的准确数据却不容易获得，因此，阻碍了这些模型的正常应用。

相比上述模型，邓聚创立的灰色系统理论中的GM（1，1）预测模型，不仅要求的样本数据相对较少，而且预测精度相对高，计算简便，检验方便，能够较好地解决上述模型存在的局限。郭培俊等（2011）、任文娟等（2012）、闫鹏飞等（2013）、李敏等（2013）、孟洁等（2014）、王莹等（2017）、刘琼芳（2018）等应用GM（1，1）模型分别对温州市、昆明市、郑州市、成都市、北京市、淮安市、福州市的商品房房价进行预测，并取得了较好的预测效果，有力证明了该模型具有可行性和精确性，也说明该模型在我国房价预测中广泛的应用。但通过检索现有应用GM（1，1）模型预测商品房价格方面的研究，主要都应用于市级层面商品房价格预测，少有对省级层面商品房价格走势进行研究的，所以，有必要运用该理论补充完善省级层面关于房价预测的研究。本文采用GM（1，1）灰色预测对四川省房价进行预测，并根据预测结果分析影响房价的因素，试图能对房地产市场的健康持续发展起到一定指导作用。

当前对商品房价格的影响因素的分析主要包括：VAR模型、协整分析与误差修正模型、多元线性回归模型、动态面板数据模型等。这些方法对数据质量要求也相对较高，通常需要数据都是平稳序列或者服从某种特殊分布的要求。而灰色关联分析对数据并没有这些要求，克服了其他方法的不足。本文采用灰色关联分析方法，运用四川省2005年至2016年的相关数据，从需求因素，供给因素，其他因素三个层次构建指标体系，识别商品房价格影响因素并得出相关结论。

二、四川省商品房价格的GM（1，1）预测模型

1.模型介绍及数据来源

GM（1，1）模型的优势主要体现在：所需要的样本数量相对较小；对样本的规律性分布无特殊要求，即样本数据可呈现一定的随机性；模型所需要的计算工作量比较小，减少了出现错误的机会；有利于研究者以占有的“最少信息”实现相对较高精度的预测，解决了以往由于数据质量差而引起的研究难题。

本文采用四川省商品房销售价格的月度数据。由于2016年、2017年1月份数据缺失，所以本文采用线性插值法补充1月的数据（详见表1）。

2.模型建立及计算结果

（1）GM（1，1）模型计算步骤