【正文】 3 廣州 4 深圳 5 天津 6 蘇州 7 重慶 8 成都 9 武漢 10 杭州 11 無錫 12 南京 13 青島 7 14 大連 15 沈陽 16 長沙 17 寧波 18 佛山 19 鄭州 20 唐山 21 煙臺 22 東莞 23 濟(jì)南 24 泉州 25 哈爾濱 26 南通 27 長春 28 西安 29 石家莊 30 福州 31 合肥 32 徐州 33 灘坊 34 常州 35 大慶 注： Z1 表示 GDP 總量的標(biāo)準(zhǔn)化值； Z2 表示居民人均可支配收入的標(biāo)準(zhǔn)化值；Z3 表示房價收入比的標(biāo)準(zhǔn)化值； Z4 表示人均 GDP 的標(biāo)準(zhǔn)化值； Z5 表示每平方米商品房房價的標(biāo)準(zhǔn)化值。 （二） 各城市房價問題聚類分析 為了進(jìn)行研究，我先搜集了 20xx 年 35 個大城市的上述幾個指標(biāo)制成表格，為了便于查看，它們是按照 GDP 的排名進(jìn)行排序的。 GDP 人均 GDP 是一個考慮了人口因素的相對指標(biāo)，如果我們只考慮國內(nèi)生產(chǎn)總值 GDP 的總量，可能會因為沒有考慮人口因素而缺乏一定的合理性。在房地產(chǎn)市場中“買”和“租”都是合理的消費形式，根據(jù)收入房價比來選擇合理的消費形式才是真正意義上的理性消費。房價收入比從數(shù)值來看即是一套房子價格同家庭年收入的比值，比如一套售價為 50 萬元的房子對于一個年收入 10萬元的家庭，其比值便為 5： 1。概念上的不統(tǒng)一直接導(dǎo)致認(rèn)識的混亂與統(tǒng)計的偏差。因此，本人認(rèn)為選擇居民家庭可支配收入作為 分析的變量是十分必要的。人們都能接受這樣的概念：收入高的城市，房價相應(yīng)也就高，就是說，房價應(yīng)當(dāng)相對于可支配收入進(jìn)行比較。因此，本文在指標(biāo)選擇上將其作為考察的變量，力求反映各地區(qū)的經(jīng)濟(jì)增長對房價的拉動作用。進(jìn)入 21 世紀(jì)以來，我國的房地產(chǎn)業(yè)出現(xiàn)了新一輪繁榮期，房價持續(xù)上升，這在相當(dāng)大的程度上是國民經(jīng)濟(jì)發(fā)展的良好態(tài)勢所帶動的。國內(nèi)生產(chǎn)總值是指在一定時期內(nèi)（一個季度或一年），一個國家或地區(qū)的經(jīng)濟(jì)中所生產(chǎn)出的全部最終產(chǎn)品和勞務(wù)的價值，常被公認(rèn)為衡量國家經(jīng)濟(jì)狀況的最佳指標(biāo)。（由于港、澳、臺三地與大陸制度和發(fā)展水平差別較大，所以本文選擇的數(shù)據(jù)不包括這三個地區(qū)，本文所選的 35 個大城市是按照國內(nèi)各城市 GDP 排名取前三十五個） （一） 指標(biāo)的選擇 對我國各地區(qū)的房價問題進(jìn)行深層分析，指標(biāo)的選擇具有決定性意義，這里選取下面 4 個指標(biāo)作為分析的依據(jù)。主流的觀點則是認(rèn)為中國的房 價不合理，存在著巨大泡沫。對于“中國當(dāng)前的房價到底是否合理”，存在著很大爭議。 SPSS 對標(biāo)準(zhǔn)化的數(shù)據(jù)進(jìn)行聚類分析 。 （四）聚類分析的一般步 驟 ，錄入 Excel 表格。不管實際數(shù)據(jù)中是否真正存在不同的類別，利用聚類分析都能得到分成若干類別的解。 （三）聚類分析特點 首先，聚類分析簡單直觀。采用 k均值、 k中心點等算法的聚類分析工具已被加入到許多著名的統(tǒng)計分析軟件 包中，如 SPSS。從統(tǒng)計學(xué)來看，聚類分析是通過 數(shù)據(jù)建模 簡化數(shù)據(jù)的一種方法。生物學(xué)方面，聚類分析被用來動植物分類和對基因進(jìn)行分類，獲取對種群固有結(jié)構(gòu)的認(rèn)識。聚類是將 數(shù)據(jù)分類 到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。 （二）聚類分析應(yīng)用范圍 聚類源于很多領(lǐng)域，包括數(shù)學(xué)， 計算機(jī)科學(xué) ，統(tǒng)計學(xué)，生物學(xué)和經(jīng)濟(jì)學(xué)。它是一種重要的人類行為。論文中涉及到的分析數(shù)據(jù)，一部分來自歷年的中國統(tǒng)計年鑒，還有一些來自報刊、雜志上的報導(dǎo)性數(shù)據(jù)。其次，用聚類分析的方法，對 31 個省市的房價問題聚類分析。 （二）研究思路和方法 本文主要選擇聚類分析的方法進(jìn)行研究分析。 表 20xx年 4 月二手住房 價格指數(shù) 城市 環(huán)比 同比 定基 城市 環(huán)比 同比 定基 北京 唐山 天津 秦皇島 100 石家莊 包頭 太原 丹東 100 呼和浩特 102 錦州 沈陽 105 吉林 大連 100 牡丹江 100 長春 106,2 無錫 哈爾濱 揚(yáng)州 數(shù)據(jù)來源：國家統(tǒng)計局 20xx 年 5月 18 日發(fā)布《 20xx 年 4月份 70個大中城市房屋銷售價格變動情況》 與上月相比，二手房價格下降的有 22 個，持平 13 個，上漲的 35 個，與去年同月相比，下降的有 2 個，持平 1 個，上漲的 67 個。二是 20xx 年的基礎(chǔ)數(shù)據(jù)資料較為完整并且易于獲取，可操作性強(qiáng)。通過房屋銷售價格指數(shù)可以看出，房價一直在漲，見表 （附：為更好地滿足各方面的需要，國家統(tǒng)計局 20xx 年發(fā)布的《住宅銷售價格統(tǒng)計調(diào)查方案》增加 了計算定基價格指數(shù)的內(nèi)容，首輪基期確定為 20xx 年。不斷走高的房地產(chǎn)價格，尤其在一些大城市，已遠(yuǎn)超大多數(shù)居民的購買能力，房地產(chǎn)價格的快速上漲已成為我國經(jīng)濟(jì)平穩(wěn)運行中的突出問題。然而，隨著中國房地產(chǎn)市場的發(fā)展，各種矛盾也逐漸暴露，特別是高房價問 題。 cluster analysis III 目 錄 摘 要 ............................................................................................................................. I Abstract ..........................................................................................................................II 一、 引 言 ...................................................................................................................... 1 （一）房價上漲問題的提出 ...................................................................................... 1 （二）研究思路和方法 .............................................................................................. 2 二、聚類分析簡介 ........................................................................................................ 2 （一）聚類分析的概念 .............................................................................................. 2 （二）聚類分析應(yīng)用范圍 .......................................................................................... 2 （三）聚類分析特點 .................................................................................................. 3 （四）聚類分析的一般步驟 ...................................................................................... 3 三、房價問題的聚類分析 ............................................................................................ 3 （一）指標(biāo)的選擇 ...................................................................................................... 4 1. GDP 總量 ......................................................................................