《统计软件及应用》课程论文
班级 学号 姓名 评分
学院
我国房地产业发展水平区域差异分析
一、提出问题
房地产的发展具有明显的区域性，其产品具有区位性。不同地区经济发展水平不同，不同地区的房地产业的发展水平也不尽相同。因此在分析一个国家或区域房地产业的发展状况时，不但要从总体上分析其总量水平，还要分析房地产的空间区域差异性。目前我国房地产业空间差明显，比如沿海与内地、东部与西部等，为了更全面地把握我国房地产业的发展，制定科学合理的房地产发展战略，促进房地产产业积极稳妥的发展，就必须加强对房地产业的区域差异分析。
二、数据收集
为了分析我国省际层面房地产业的发展差异，这里选择与房地产发展水平和实力相关的11个评价指标，它们分别代表房地产发展的总量方面、投资方面、房地产开发、房地产市场、房地产开发企业状况及其经营等方面。具体而言，总量方面包括房地产增加值x1（亿元）；投资方面包括本年度完成投资额x2(万元)、房地产投资资金来源x3 (万元)两项；房地产开发方面包括土地开发面积x4(万平方米)、房屋施工面积x5(万平方米)、竣工房屋造价x6(百万元)三项；房地产市场方面包括房屋销售面积x7(万平方米)、商品房销售价格x8(元/平方米)两项；房地产企业方面包括房地产企业职工平均工资x9（元）、房地产企业平均从业人数x10(万人)、房地产企业经营收入x11(亿元)三项。
这些指标基本上可以从房地产统计年鉴、中国统计年鉴上取得，且反应了房地产业发展的规模和水平，其原始数据如表1 。
表1 房地产业发展水平的原始数据 地区 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 北 5526218 5053 27675 京 天 2639165 4072990 2492781 3115 21545 津 河 992051 3158980 3414710 1605 12022 北 山 580712 1257891 1501765 1803 10349 西 内蒙 627004 1113775 1049877 1401 12438 古 辽 7011192 8047109 2417812 2412 14659 宁 吉 534146 1599314 1539718 1880 12518 林 黑龙 2140702 2120957 1028423 1939 12693 江 上 5855 33570 海 江 4893539 2651 19033 苏 浙 4849211 3108 24985 江 安 3502733 4137613 1649797 1782 11609 徽 福 4777941 6774411 1778061 2560 17542 建 江 885712 2428351 2586804 1325 10196 西 山 7647864 8560042 2797890 2045 15818 东 河 2588214 3215054 1009398 1573 11324 南 湖 3372808 4464587 1646044 1672 12232 北 湖 3348655 3706899 1335734 1511 13986 南 广 6167473 3482 23977 东 广 835891 1923476 2392766 2083 13887 西 海 559917 670142 684 201173 2405 13942 南 重 6160 3930919 5314445 1547167 1766 13518 庆 四 5100803 6261544 1979784 1572 13583 川 贵 599877 1216603 1493706 1385 9503 州 云 496494 1499305 2004638 1978 13789 南 西 53934 60166 13360 2748 19082 藏 陕 708387 2311719 2401051 1731 13048 西 甘 720818 799711 386734 1754 9078 肃 青 262394 265320 173896 1583 12978 海 宁 671912 683037 397845 1880 12390 夏 新 623047 1047001 1133614 1585 14060 疆 数据来源：中国统计年鉴2005、中国房地产统计年鉴2005
三、数据统计处理
(一)因子分析
用SPSS11软件进行分析，得到特征值、方差贡献率和累积贡献率(表2)，可见提取前两个因子，方差贡献率达%>85%。因此前两个因子足以反映房地产业的发展水平。
表2 特征值及方差贡献率 Extraction Sums of Initial Eigenvalues Squared Loadings ComponTota% of CumulatiTota% of Cumulatient l Variance ve % l Variance ve % 1 2 初始因子载荷矩阵为表3，由表3可以计算两个因子F1、F2的表达式。表达式中的各变量是标准化后的变量，表达式中的系数为因子系数除以相应特征值开平方根后所得到的单位特征向量。
表3 因子系数矩阵 aComponent Matrix房本房本施竣商房职平房地产年投地产年完工面工价品房屋平工平均从地产业资投成积值销均均业企增完资土加值成额资金来源地开发面积售价工人业面积格资数经营收入Component12.901-.248.972-.006.956.105.784-.505.951-.213.947.230.968-.187.760.632.826.516.805-.445.962.147Extraction Method: Principal Component Analysis.a. 2 components extracted.F1=++++++++++/Sqrt
F1=由F1和F2，以及方差贡献率，还可计算因子的总得分值 F=+
表4给出了各地区房地产业发展水平的因子得分及总得分值
表4. 房地产发展水平的因子得分 地区 F1 F2 F 地区 F1 F2 F 地区 F1 F2 上 湖 新 海 北 疆 广 安 内蒙 东 徽 古 北 湖 山 京 南 西 浙 河 西 江 南 藏 江 河 贵 苏 北 州 山 广 海 东 西 南 辽 江 宁 宁 西 夏 四 黑龙 甘 川 江 肃 F
福建 天津 重庆 陕 西 云 南 吉 林 青 海
为了直观反映房地产业的发展水平，可用图示来表示（图1）。
通过图示可以看出，(1)房地产业发展水平的前十位省市依次是上海、广东 、北京、浙江、江苏、山东、辽宁、四川、福建、天津。(2)排在中间的十个省市分别为重庆、湖北、安徽、湖南、河南、河北、广西、江西、黑龙江和陕西。(3)从图示中还可以看出，房地产业发展水平的最后十一位是云南、吉林、新疆、内蒙古、山西、西藏、贵州、海南、宁夏、甘肃、青海。
76543210-1-2-3 上 海 广 东 北 京 浙 江 江 苏 山 东 辽 宁 四 川 福 建 天 津 重 庆 湖 北 安 徽 湖 南 河 南 河 北 广 西 江 西 黑龙江 陕 西 云 南 吉 林 新 疆 内蒙古 山 西 西 藏 贵 州 海 南 宁 夏 甘 肃 青 海图1 房地产发展水平的柱形图
(二)聚类分析
为了对房地产业发展水平作进一步的分析，这里用系统聚类方法对原始指标进行聚类（为消除量纲影响，用Z-score方法对原始指标进行了标准化）。聚类的方法用Ward’s method，距离选用Customed distance。图2给出了我国省际层面31个地区的聚类谱系图。
由图2可以看出，从大的方面来说，我国省际层面房地产发展程度分3类较为合理，表5给出分3类时的结果。
Dendrogram using Ward Method Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 山西 4 甘肃 28 贵州 24 内蒙古 5 新疆 31 吉林 7 云南 25 黑龙江 8 陕西 27 河北 3 广西 20 青海 29 宁夏 30 海南 21 西藏 26 山东 15 四川 23 江西 14 河南 16 安徽 12 湖南 18 湖北 17 重庆 22 辽宁 6 福建 13 天津 2 北京 1 上海 9 江苏 10 浙江 11 广东 19 图2. 31个省市区房地产业发展水平的聚类谱系图
第一类是上海、广东、北京、浙江和江苏，这是全国房地产发展最活跃的地区，房地产业吸收资金能力很强，房地产市场的发育很成熟。从主成份分析中也可以看出，这5个地区房地产业发展程度要远高于其它地区，可称之为领先地区。
第二类是山东、四川、辽宁、天津、福建、湖北、湖南、河南、安徽、江西、重庆。在这一类中，东部地区有4个（山东、辽宁、福建和天津），中部地区有5个（湖北、湖南、河南、安徽、江西），西部地区有2个（四川和重庆）。综合聚类图和主成份分析图，可以看出，第二类还可以进一步细分为二个亚类，山东、四川、辽宁、福建和天津为一亚类，这一类具有沿海地域优势，在全国处于先进水平，这里称之为先进地区；湖北、湖南、河南、安徽、江西、重庆又可归为一亚类，这一类主要位于中部，有超赶的能力，这里称之为赶超地区。这种分类与前面主成份分析的结果大体一致，总的说来，这一类地区房地产业发展水平还很有发展潜力，有较高的发展程度。
第三类包括我国东部的河北、海南，中部的吉林、黑龙江和西部的山西、甘肃、贵州、内蒙、新疆、云南、陕西、广西、青海、宁夏、西藏。这一类以西部地区的地区为主，房地产的发展潜力有待于进一步的提高。综合聚类图和主成份分析图，这一类也可以分为两个亚类：第一个亚类可称之为后发地区，包括河北、吉林、黑龙江、山西、甘肃、贵州、内蒙、新疆、云南、陕西、广西，具备发展的后进；还有一个亚类可称之为后进地区，包括海南、青海、宁夏和西藏，房地产发展的总量和实力较弱。第三类地区房地产业的发展较为落后，其发展水平有待于进一步提高。
(三)对聚类结果的单因素方差分析
一般来说，聚类的结果由于采用不同的聚类方法和选择不同的聚类距离，其结果会有差异，甚至有时相反，因此有必要检验分类的合理性，这里用单因素方差分析来检验。
单因素方差分析是只考虑一个影响因素的条件下，对现象不同水平差异的显着性检验。根据方差分析的原理及假设，我们可以认为某个影响因素的条件下不同水平组数据的方差相等，只要检验各组均值是否相等，即可判断在这个因素下不同水平组的分类是否对研究变量产生显着影响。在这里，四个类别可当成四个组，聚类的类别可当作自变量，因子得分可看作因变量，下面由SPSS中的单因素方差分析模块直接给出分析的结果（表6）。
通过表6可以看出，(1)在Levene方差齐性检验中，F统计量为，对应的p值为，可认为各组所代表方差齐。(2)在组间组内检验（离差平方和分析）中，F统计量为，对应的p=，小于临界值，可认为各类别中因子得分的均值有显着的差异。(3)在各组均值两两比较的显着性检验中（LSD方法），在显着性水平上各组均值差异显着。(4)在SNK两两比较的结果中，可清楚看出三个类别各为一组。
表6 单因素方差分析结果
Test of Homogeneity of Variances主成份得分LeveneStatistic2.250df12df228Sig..290主成份得分Sum ofSquares158.22414.584172.808df22830Mean Square79.112.521F151.890Sig..000ANOVABetween GroupsWithin GroupsTotal Multiple ComparisonsDependent Variable: 主成份得分MeanDifference(I-J)Std. Error4.8297571*.38925596.4953722*.3726841-4.8297571*.38925591.6656151*.2864846-6.4953722*.3726841-1.6656151*.2864846主成份得分Student-Newman-Keuls分类321Sig.N15115a,b LSD(I) 分类123(J) 分类231312Sig..000.000.000.000.000.00095% Confidence IntervalLower BoundUpper Bound4.0324035.6271125.7319637.258781-5.627112-4.0324031.0787782.252452-7.258781-5.731963-2.252452-1.078778Subset for alpha = .05123-1.638665.0269504.8567071.0001.0001.000Means for groups in homogeneous subsets are displayed.a. Uses Harmonic Mean Sample Size = 8.390.b. The group sizes are unequal. The harmonic meanof the group sizes is used. Type I error levels arenot guaranteed.*. The mean difference is significant at the .05 level. 因此，可以认为，在进行聚类的三个结果中，各类的因子得分的确存在显着差别，这种差别正是反映了31个省区市房地产发展水平存在差异。
四、结果分析及对策建议 (一)结果分析
用划分的5个亚类各项指标的平均值与全国平均值作一个比较，可以知道各地区在全国的地位。图3反映了5个亚类和全国的11个指标平均值折线图，由图示可以看出，这5种类型的房地产的指标值很不一样（全国平均值用平滑虚线表示）：
2000.00领先地区1800.00先进地区后进地区赶超地区全国平均后发地区1600.001400.001200.001000.00800.00600.00400.00200.000.00））））））））））元元元米米元元米元人（亿（（（万万（（万（源值额十十格资（值数来加成（（价工积价人金增完积积均均面工业资业资面面平平发竣从资产投工售屋工开均投地年施销房职地平产房本土房地成品房年完商房地产企业经营收入(亿亿亿亿平平十百平百元)图3.房地产各项指标的平均值折线图
(1)代表全国房地产发展水平领先地区的上海、广东、北京、江苏和浙江，各项指标平均值要远远大于其它地区，同时也高于全国平均水平。比较突出的是房地产的投资资金来源、本年完成的开发投资额巨大，房地产开发企业经营收入也十分大，这说明这类地区房地产有很高的投资前景和巨大的吸引力，其开发收益也相当可观。
(2)代表全国房地产发展水平先进地区的山东、辽宁、天津、福建和四川，各项指标的平均值要高于全国平均值，除个别指标（如本年完成土地开发面积）与赶超地区接近处，其它指标要高于赶超地区，同时也体现了房地产业的发展水平在很大程度上与经济发展实力紧密相关。
(3) 代表全国房地产业发展水平赶超地区的湖北、湖南、河南、安徽、江西和重庆，各项指标的平均值与全国平均值基本持平，有的要高于全国平均值（如本年完成土地开发面积），有的要低于全国平均值（如房地产业地加值）。与先进地区相比，大部分指标差距不是太大，如果地区房地产政策适当，走一条可持续房地产发的道路，赶超的可能性很大。
(4) 代表全国房地产发展水平后发地区的河北、吉林、黑龙江、山西、甘肃、贵州、内蒙、新疆、云南、陕西和广西，各项指标均落后于全国平均值，这些地区的房地产业有较大增长潜力，应发挥其后发优势。
(5) 代表全国房地产发展水平的后进地区的海南、青海、宁夏和西藏，各项指标平均值处于全国最低值，房地产业发展水平有待于进一步提高。
(二)对策建议
结合我国房地产业发展实际，对不同类型的地区，应采用不同的房地产政策： 领先地区的房地产市场较为成熟，房地产业吸引力大，投资收益较高，可以考虑把房地产业建设成地区经济发展的支柱产业。要稳定房地产业的发展，警惕两种房地产过热现象。第一种是盲目性过热，比如盲目投资，盲目扩大开发量，而使得市场供给远远大于需求量，空置率上升；第二种是泡沫性过热，房地产的市场远远高于成本价，一旦经济发展减缓，房地产业将受到重创。
先进地区具有良好的地缘优势和较佳的投资环境，房地产业的发展还可以进一步做大做强，在提高房地产的效益方面还有进一步拓展的空间。由于发展速度较快，可
本以采用严格的房地产用地供应政策，使房地产市场保持平稳、稳定发展，使供求总量基本平衡，房地产价格基本平稳。
赶超地区基本上位于我国中部地区，可借助“中部崛起”的有利政策，采取优惠措施加快房地产业的发展。在吸收资金方面，应大力吸收外资或民间资本进军房地产业；在大规模城区化进程中，搞好拆迁与开发的关系，积极探索社会保障机制；加强管理，规范房地产企业的市场行为；建立健全的住房供应体系，尽快解决房地产业的结构性矛盾，合理配置住房与非住房，高档住房与低价位住房的结构和比例。
后发地区应加速房地产业的发展，提高房地产业的增加值，提高房地产开发企业的效率，可把房地产作为基础产业，增强后发优势。在加快住宅产业的现代化进程，促进房地产业总量保持增长和住宅建设质量全面提高；积极改善投资环境，很抓招商引资工作，努力拓宽融资渠道；加大经济适用房的开发力度，搞活房地产二、三级市场；加强监管，整顿和规范房地产市场秩序。从投资环境来看，先进地区和领先地区是房地产投资的主要选择，但后发地区的前景也较被看好，如果政策得当，有望得到进一步大发展。
后进地区由于受历史和自然条件的影响，房地产业的发展水平相对较低，无论从房地产的总量、规模，还是投资上，都有待于进一步提高。后进地区可以在国家西部大开发的背景下，可以把房地产作为先导产业，带动地区经济的发展。在加大土地开发面积的同时，要稳定房地产价格，使房价与居民收入水平相称，促进房地产业健康有序地发展，
参考文献
[] 张二勋. 我国房地产业发展的区域差异分析[J].中国土地,1995,(4):37-40 [2] 丰雷. 我国房地产经济区域初步研究：聚类分析方法的一个应用[J]. 经济研究参考,2000,(20):15-19
[3] 陈浮, 王良健. 中国房地产市场化区域差异与发展战略研究[J]. 财经理论与实践,2000,21(3):104-107
[4] 蔡穗声, 王幼松. 长江三角洲与珠江三角洲比较研究中国房地产市场地区差异分析[J].房地产市场,2005,(5)：36-38
[5] 林海明,林敏子. 主成份分析与因子分析法应用辨析[J].数量经济与技术经济研究,2004,(9):158-159
[6] 卢纹岱. SPSS for Windows [M].Beijing: Publishing House of Electronics Industry, 2000:340-343.
[7] 张文彤, 董伟. SPSS统计分析高级教程[M]. 北京：高等教育出版社,2004,9 [8] 沈学桢. 现代数据分析技术[M]. 上海：立信会计出版社,2005:145
因篇幅问题不能全部显示，请点此查看更多更全内容