【摘 要】 住房是保障民生安定的根本條件之一。相較于新房房?jī)r(jià)的飆升與波動(dòng)，二手房的價(jià)格更具規(guī)律性，對(duì)于民眾更加經(jīng)濟(jì)適用。因此，研究二手房?jī)r(jià)格的影響因素，對(duì)于社會(huì)住房經(jīng)濟(jì)鏈的形態(tài)與穩(wěn)定有重要意義。本文收集昆明二手房?jī)r(jià)格及面積、朝向、樓層、裝修、區(qū)域、建筑、產(chǎn)權(quán)、結(jié)構(gòu)、物業(yè)費(fèi)、廳室和衛(wèi)生間數(shù)等變量，對(duì)其進(jìn)行嶺回歸分析，結(jié)果表明，昆明二手房?jī)r(jià)格與房屋面積、朝向、樓層等有更加密切的關(guān)系

【關(guān)鍵詞】 二手房 嶺回歸 價(jià)格

1 引言

隨著社會(huì)和經(jīng)濟(jì)的發(fā)展，人們對(duì)住房的需求更大、要求更高。新樓盤(pán)的影響因素復(fù)雜，價(jià)格居高或持續(xù)波動(dòng)，此時(shí)，二手房相對(duì)來(lái)說(shuō)成為了不錯(cuò)的備用選擇。

二手房有自己獨(dú)特的優(yōu)勢(shì)。二手樓盤(pán)的小區(qū)或周邊配套多數(shù)比新房成熟，往往生活便利、交通方便；物權(quán)法頒布后，表明二手房和新房在產(chǎn)權(quán)使用年限并無(wú)較大區(qū)別，所以在使用權(quán)上無(wú)本質(zhì)差異；最重要的是，相對(duì)于新房，二手房的價(jià)格更加實(shí)惠，減輕了民眾的購(gòu)房壓力，可以有更多自主選擇的可能。因此研究二手房?jī)r(jià)格的主要影響因素有較大的現(xiàn)實(shí)意義，可以為民眾選擇，宏觀調(diào)控提供一定的依據(jù)。

2 數(shù)據(jù)來(lái)源及數(shù)據(jù)處理

本文的數(shù)據(jù)來(lái)自房源網(wǎng)站-房天下，首先使用python軟件，以網(wǎng)絡(luò)爬蟲(chóng)的方式獲取，經(jīng)過(guò)清洗整合，得到了房天下網(wǎng)站的964組2017年9月昆明二手房信息，其中包括價(jià)格（price）及面積（area）、朝向（orientations）、樓層（floor）、裝修（decoration）、區(qū)域（district）、建筑（district）、產(chǎn)權(quán)（rights）、結(jié)構(gòu)（structure）、物業(yè)費(fèi)（property costs）、廳室（bedroom）和衛(wèi)生間數(shù)（toilet）等12個(gè)變量。其中面積、物業(yè)費(fèi)是定量變量，其余朝向、樓層等10個(gè)變量是分類(lèi)型的定性變量。

將964組數(shù)據(jù)按0.5的概率劃分成訓(xùn)練集和測(cè)試集，用訓(xùn)練集來(lái)擬合嶺回歸模型，用cew來(lái)得出前者模型的預(yù)測(cè)誤差。

3 基于嶺回歸的實(shí)驗(yàn)分析

3.1嶺回歸

當(dāng)設(shè)計(jì)陣存在復(fù)共線(xiàn)關(guān)系時(shí)，最小二乘回歸的性質(zhì)就會(huì)不夠理想，前人提出有偏估計(jì)嶺估計(jì)，并定義為

嶺回歸，是一種專(zhuān)用于共線(xiàn)性數(shù)據(jù)分析的有偏估計(jì)回歸方法，通過(guò)放棄最小二乘法的無(wú)偏性，以損失部分信息、降低精度為代價(jià)，對(duì)最小二乘法進(jìn)行改良，獲得回歸系數(shù)更為符合實(shí)際、更可靠的回歸方法。

首先，使用R軟件在上章分好的訓(xùn)練集上擬合嶺回歸，再使用10折交叉驗(yàn)證找到使預(yù)測(cè)誤差最小的最優(yōu)的參數(shù)lambda。

3.2交叉驗(yàn)證

10折交叉驗(yàn)證即將原始數(shù)據(jù)分成10組（一般均分），將每個(gè)子集數(shù)據(jù)分別做一次測(cè)試集，其余的9組子集數(shù)據(jù)作為訓(xùn)練集，這樣總共可擬合10個(gè)模型，用10個(gè)模型最終測(cè)試集的預(yù)測(cè)準(zhǔn)確率的平均數(shù)作為此10折交叉驗(yàn)證的回歸性能指標(biāo)?？梢杂行У谋苊膺^(guò)學(xué)習(xí)以及欠學(xué)習(xí)狀態(tài)的發(fā)生，最后得到的結(jié)果也比較具有說(shuō)服性。10折交叉驗(yàn)證得到的均方誤差，見(jiàn)下圖：

3.3 測(cè)試誤差

接下來(lái)，本節(jié)使用上文通過(guò)訓(xùn)練集擬合的模型以及通過(guò)交叉驗(yàn)證得到的最優(yōu)參數(shù)在測(cè)試集上擬合變量，來(lái)得到預(yù)測(cè)誤差，誤差約為為37.77。

3.4 回歸系數(shù)

本節(jié)使用最優(yōu)lambda擬合全集以得到對(duì)昆明二手房?jī)r(jià)格有顯著影響的變量，以及這些變量的回歸系數(shù)，詳見(jiàn)表1。

由上表可見(jiàn)，最終得到的回歸系數(shù)顯示，面積的系數(shù)為正但很小，說(shuō)明房屋面積雖對(duì)二手房?jī)r(jià)有一定影響，但較小。朝向中東北、東南、東西、西、西北的都有較大的回歸系數(shù)且為負(fù)值，則會(huì)說(shuō)明這些朝向和昆明二手房?jī)r(jià)格呈負(fù)向相關(guān)；而朝向?yàn)槟匣蚰媳辈季值南禂?shù)較大且為正數(shù)，說(shuō)明朝南、南北布局對(duì)房?jī)r(jià)有正向影響。高樓層的回歸系數(shù)也較大，但為負(fù)數(shù)，說(shuō)明高樓層對(duì)昆明二手房?jī)r(jià)的影響顯著并且是負(fù)方向的。

4 結(jié)論

本文通過(guò)通過(guò)嶺估計(jì)來(lái)擬合昆明二手房的價(jià)格和面積、朝向、樓層、裝修、區(qū)域、建筑、產(chǎn)權(quán)、結(jié)構(gòu)、物業(yè)費(fèi)、廳室和衛(wèi)生間數(shù)等其他因素的回歸模型，找到了對(duì)昆明二手房?jī)r(jià)格有明顯影響的因素。綜上得到的結(jié)果可以總結(jié)并作如下解釋?zhuān)?/p>

面積大小對(duì)二手房的單價(jià)影響不明顯?？赡苡捎谌藗兏?xí)慣傳統(tǒng)南北朝向的房屋、偏愛(ài)朝南向陽(yáng)的居室，所以朝向?yàn)槟?、南北的二手房房?jī)r(jià)更高?？赡苡捎谌藗兏?xí)慣傳統(tǒng)平樓，故樓層越高，二手房?jī)r(jià)格越低。關(guān)于其他裝修、區(qū)域、建筑、產(chǎn)權(quán)、結(jié)構(gòu)、物業(yè)費(fèi)、廳室和衛(wèi)生間數(shù)這些因素，在本研究中未發(fā)現(xiàn)對(duì)昆明二手房的價(jià)格有明顯影響。

【參考文獻(xiàn)】

[1] 王松桂. 線(xiàn)性模型引論[M]. 科學(xué)出版社， 2004.：78-186.

[2] Shao， J. （1993）. Linear model selection by cross-validation. Journal of the American statistical Association 88， 486-494.

作者簡(jiǎn)介：姓名：白婧毓，性別：女，出生年月：199205，民族：漢，學(xué)歷：在讀碩士，學(xué)校：云南財(cái)經(jīng)大學(xué)，學(xué)校郵編：650221，研究方向：數(shù)據(jù)挖掘。