摘 要

宏观调控作为影响房地产市场的主要因素，其影响力在我国十分明显，这是我国土地国有的国情所决定的。我国的房地产市场调控手段虽然多样，但由于影响房地产市场的因素繁多，且较为抽象，房地产调控政策的评估一直未能找到有效方法。本文以武汉市房地产市场为对象展开研究。

首先，从报道房地产市场及政策的新闻入手，在收集了30篇相关新闻后，利用EXCEL词频统计工具对这些新闻文本进行中文分词和词频统计，去重后得到200个关键词，按照百度指数是否收录和相关关键词与房地产是否紧密的原则进行筛选，得到初始关键词表。接着运用需求图谱法、政策文本分析法、搜索引擎相关推荐法对关键词进行了拓展，得到共109个关键词。

其次，运用SPSS和Eviews软件，进行相关分析与回归分析。相关分析和回归分析的数据选自2017-2018年间，自变量为各个关键词在百度指数中的搜索指数，因变量为武汉房地产价格指数。通过相关分析对关键词进行进一步筛选，然后对数据进行ADF和协整检验，并建立回归模型。

分析结果显示，研究所选取的两年内武汉房地产价格受保障政策、土地政策和财政政策的影响较为明显，而行政政策、货币政策、市场政策、综合政策则未能取得良好效果。

关键词：网络搜索；房地产政策；文本挖掘；房地产价格

Abstract

As the main factor affecting the real estate market, macroeconomic regulation has a huge influence in China, which is determined by the national conditions of China#39;s land ownership. Although China#39;s real estate market regulation methods are various, an effective method can be hardly found to evaluate real estate control policies because of many abstract factors affecting the real estate market.

First of all, this thesis starts with the news of the real estate market and policy. After collecting 30 related news, the EXCEL word frequency statistics tool is used to perform Chinese word segmentation and word frequency statistics on these news texts. After deduplication, 200 keywords are obtained, according to Baidu Index. Based on the principle of whether the keywords are relevant to real estate field closely these words are selected subsequently and obtain the initial keyword list. Then, by using the demand diagram method, policy text analysis method and search engine related recommendation method, the keywords were expanded and a total of 109 keywords were obtained.

Secondly, using SPSS and Eviews, correlation analysis and regression analysis were performed respectively. The data of correlation analysis and regression analysis are selected from 2017-2018, the independent variable is the search index of each keyword in Baidu index, and the dependent variable is Wuhan real estate price index. The keywords were further screened by correlation analysis, then the data were subjected to ADF tests and cointegration tests, and a regression model was established.

The results show that the real estate price in wuhan in the two years selected by this study is significantly affected by the welfare policy, land policy and fiscal policy, while the administrative policy, monetary policy, market policy and comprehensive policy fail to achieve good results.

Keywords: Internet search; Real estate policy; Text mining; Real estate price

目录

摘要 I

Abstract II

第1章 绪论 1

1.1目的及意义 1

1.1.1研究背景及意义 1

1.1.2国内外研究综述 1

1.2研究的内容、方法和技术路线 3

1.2.1研究内容 3

1.2.2研究方法 3

1.2.3技术路线 4

第2章 相关理论及工具概述 5

2.1均衡价格理论及宏观调控 5

2.2理性预期理论和消费者行为理论 5

2.3网络搜索及百度指数 5

2.4文本挖掘技术 7

第3章 房地产政策对房价的影响路径分析 8

3.1房地产政策对网民搜索行为的影响分析 8

3.2 房地产政策对购房者预期的影响分析 9

3.3购房者预期对市场需求的影响分析 10

3.4本章小结 11

第4章 政策相关关键词选取 12

4.1分词工具及文本挖掘 12

4.2关键词拓展 14

4.3关键词筛选及数据下载 15

第5章 房地产政策对武汉房价影响的模型构建 16

5.1 关键词二次筛选 16

5.2价格指数合成 17

5.3 构建线性回归模型 17

5.3.1 单位根检验 18

5.3.2 协整检验 19

5.3.3 建立模型 20

结论 22

参考文献 23

致谢 24

第1章 绪论

1.1目的及意义

1.1.1研究背景及意义

2008年受美国次贷危机影响，我国的房地产行业受到巨大冲击，中央政府快速响应，实行了降低贷款基准利率、住房贷款利率和存款准备金率，加大房产交易相关税收优惠和补贴力度，“四万亿计划”等一系列宽松的宏观调控政策。房地产行业开始了新一轮的暴涨，并且开始出现区域性的特点。从2008年到2016年期间，国内房地产政策几经调整，都没能有效抑制房价上涨，房地产泡沫的风险不断加大。2016年至今，新一轮的紧缩性宏观调控政策取得了良好的成效，但新的问题也在孕育而生。

从公民个人层面而言。房地产政策几经调整，房价上涨的趋势在此期间却没有得到很好抑制，已经攀升到了十分恐怖的地步。以上海市为例，2018年度上海市人均可支配收入64183元，2018年12月全市平均房价45951 元/msup2;，以60 msup2;计算，房价/收入比高达42.96。过高的房价对年轻一代带来了巨大的压力，并挫伤了年轻人在一线城市工作和生活的积极性，不利社会的繁荣和个人的发展。

从国家层面而言，2018全年房地产开发投资120264亿元，比上年增长9.5%。其中住宅投资85192亿元，增长13.4%；办公楼投资5996亿元，下降11.3%；商业营业用房投资14177亿元，下降9.4%。新开工住宅面积相比2017年增加了19.7%。可以看出，房地产作为我国的支柱产业，还是吸引了大量的资本进入，但房地产行业是低创新、低科技贡献率的行业，一旦吸引过多的投资，就会与我国现行的科技强国战略背道而驰，不利于科技的进步，不利于我国在某些领域打破发达国家的垄断地位。

本文以武汉市房地产市场作为对象进行研究。武汉市作为新一线城市，其房地产市场的发展一直备受关注，在各大城市的“人才战”中，武汉更是以“百万大学生留汉”政策以及一系列配套的优惠落户、购房、租房的措施赚足了人们的眼球。武汉的房地产市场也因此面临着新的机遇与挑战。因此，在厘清房地产政策、了解房地产行业发展趋势的基础上，运用科学思维方式，借助科学分析手段和方法，找出现阶段房地产市场的“痛点”，找出抑制房地产价格过快增长的有效调控手段，找出适用于不同时期的房地产市场评估路径，从源头上解决房地产政策低效或失效问题，具有十分重要的意义。

1.1.2国内外研究综述

作用于房地产行业的公共政策涉及了金融、财政、土地、市场等等许多领域，并且所产生的效果也是千差万别，因此研究人员所研究的方向与成果也各有不同。Dias和Duarte对货币政策对住房使用权选择的影响进行了研究，指出利率提高是导致房租价格上涨的原因，同时还指出，将租金的影响排除后，通货膨胀的计算结果远没有想象中那么持久^[1]。Duan等人将空间因素引入房地产政策分析，发现尽管宏观经济政策对国际住房市场产生了重大影响，但在没有空间摩擦的情况下，这种影响的程度可能被高估了^[2]。Lee和Reed基于悉尼的实证分析指出，首次购房补贴政策对房价的通胀影响并不明显，反而对房地产市场的价格稳定起到了促进作用^[3]。Zahirovich-Herbert和Gibler指出，比平均规模更大的新建住宅对四分之一英里内的现有住宅明显的积极作用，这种效应在估值相对较低的房屋中尤为明显^[4]。

基于我国社会主义市场经济的国情以及土地国有的制度，我国对房地产市场的宏观调控更加频繁与丰富，也使得近年来有大量国内学者对房地产进行深入研究。张金艳认为，分税制是地方政府将房地产市场作为支柱性产业并以此大力开展土地财政的主要内因^[5]。李凯通过分析发现无论是信贷还是税收政策都不能起到很好的调控作用，因此政府须正确认识住宅市场区分开发商和政府职能切实改变住宅供应结构才能够疏导房地产需求^[6]。王向楠和张华指出，房产税的征收并不能有效抑制房价，应当统筹规划房地产政策，实施综合性的政策以抑制房价^[7]。邓菊秋等人运用VAR模型检验了房产交易税对房价的影响，结果显示其影响并不显著^[8]。周建军和孙倩倩回顾了改革开放以来国家提出的房地产政策，指出了近年来的问题与不足并提出了改进意见^[9]。张永安等人基于283项房地产政策进行文本分析的基础上，建立了评价房地产政策的PMC指数模型，旨在更好地评价房地产的有效性，提高政府宏观调控的效率^[10]。王博永和杨欣指出，在我国现行的七大类宏观房地产调控政策中，行政政策是最有效的房地产市场调控手段^[11]。陈博飞发现，二线城市中货币政策对房地产市场的调控效率比一线城市更高，因此他主张差异化的信贷政策^[12]。刘江涛等人通过实证分析指出限购政策在短期内具有降低房价的作用，房地产开发商对政策稳定性的预期对房价有着显著影响^[13]。周建军和代支祥通过建模分析了房地产市场宏观调控过程中中央与地方政府的利益博弈，提出应当加强中央政府对政策执行的监管力度，加重对地方政府违规行为的惩处力度并扩大地方政府的财政收入^[14]。吴焕军分析了各类土地政策对房地产市场的影响，指出土地政策对房地产开发投资的影响较大，而对房价、房屋竣工面积的影响较小^[15]。

综上所述，房地产领域的研究涉及政策方案的制定、税收的设计、补贴及选址的规划和府际关系的调整等等多个领域，但鲜有学者指出购房者的购房预期具有时效性的特征，并结合网络搜索的数据，对武汉市的具体时期进行专项研究。

1.2研究的内容、方法和技术路线

1.2.1研究内容

（1）绪论。拟包含研究的背景及意义、国内外研究综述、研究的内容、方法和技术路线。

（2）相关理论及工具概述。拟介绍均衡价格理论、宏观调控理论、理性预期理论和消费者行为理论，并计划对研究内容所涉及的网络搜索、文本挖掘的相关概念以及百度指数进行介绍。

（3）房地产政策传导机制分析。计划以第二章所介绍的理论为基础，深入分析房地产政策对网民搜索行为的影响机制、房地产政策与购房者预期的影响机制以及购房者预期对市场需求的影响机制，以构建本文的理论框架。

（4）政策相关关键词选取。计划由30篇新闻文本入手，利用词频统计工具建立初始关键词词库，运用需求图谱法、政策文本分析法、搜索引擎相关推荐法拓展关键词词库，得到109个关键词。从百度指数上下载2017-2018两年内武汉地区网民搜索109个关键词的搜索指数日数据，并合并为月数据。

（5）武汉房地产价格预测模型构建。拟将国家统计局公布的70个大中城市房地产价格指数中的武汉房地产价格指数作为因变量，并将各个关键词的搜索指数作为自变量进行相关分析，对关键词进行进一步筛选。接着对数据进行ADF检验和协整检验，并建立回归模型。

（6）结论。拟对本文的分析结果进行解释，对研究成果进行总结并指出存在的不足。

1.2.2研究方法

文献法：主要指搜集、整理、阅读文献，了解相关理论和方法，把握国内外的相关研究现状。通过查阅文献，了解政策文本挖掘工具的使用方法及我国房地产政策的变迁。这部分的数据主要来自于知网、国家统计局及政府单位的官方网站。

专家调查法：专家调查法指围绕某一主题或问题，征询有关专家或权威人士的意见和看法的调查方法。通过征询专家意见，确定网络搜索关键词的初始关键词表，根据专家建议对网络挖掘数据进行噪声的消除、整理工作。

统计分析法：统计分析法就是基于统计调查所收集得到的资料，借助数学模型，对研究对象进行定量研究，得出基于理论的定量结论，以达到认识事物属性特征、事物间相互关系和影响的目的。

1.2.3技术路线

如图1-1。

图1-1 技术路线

第2章 相关理论及工具概述

2.1均衡价格理论及宏观调控

均衡价格理论是指，商品的价格不仅取决于供求关系，还受到政府宏观调控的影响。而住房相比一般商品，有着更加特殊的性质。首先，住房是人赖以生存的必要条件，随着经济的发展、生活条件的提高，人们对住房的质量和数量的要求都会不断增长，但由于住房本身的不可移动性，使得它相比一般商品的流通性更差。其次，一个城市的土地资源是有限的，住房用地不可能无限制地开发。另外，房地产行业的准入门槛高，并且一个房地产商在取得了某一地块的开发权后，就自动成为这一地区房地产市场的垄断者。以上这些原因，使得房价对政府的宏观调控不敏感，房地产泡沫易于产生，却不易于消除。

宏观调控是指，政府运用政策、法规、计划等手段对市场进行干预和调整，以保证国民经济稳定发展的过程。在过去几十年中，政府为应对房地产市场泡沫实施了很多的宏观调控政策，主要可以分为以下几类：货币政策、财政政策、土地政策、行政政策、综合政策。在早期房地产市场中，由于缺乏有效的宏观调控手段和经验，房地产价格暴涨的现象并没有得到有效的抑制。近年来，多地的房地产市场有了明显放缓甚至下跌的迹象，本文通过大数据研究建模，旨在给出衡量宏观调控有效性的客观衡量办法。

2.2理性预期理论和消费者行为理论

J.F.Muth最早提出理性预期理论，与非理性预期理论不同，理性预期理论与现代经济学的前提相符合，即遵循理性人假设，并强调人会基于一切所能得到的信息进行决策。不仅仅是过去的信息，还包含当下可以获得的信息以及对未来市场变化的合理、准确的判断，最大限度规避风险并实现收益最大化。基于理性预期理论，消费者不仅仅是作为政策的控制对象，他们的理性预期还可以作为影响政策制定及实施效果的因素，对市场产生作用。

消费者行为理论是研究消费者如何分配自己的收入，来达到效用最大化的理论。2005年日本电通集团结合互联网时代消费者行为的特点，提出了AISAS理论模式：引起注意、引起兴趣、信息搜索、达成购买行为、分享。这一理论模式充分结合了互联网背景下的消费者从产生消费兴趣到进行消费行为的特征，信息搜索和分享这两个环节都和互联网密切相关。

2.3网络搜索及百度指数

直至2017年，我国互联网网站总数达到533.3万个，网页数达2603.99亿个，网民数7.7亿，互联网行业的发展势头依然迅猛。在这个互联网时代，全世界范围内信息的总体量正呈现爆炸式的增长。人们每天在浏览网络时，可以接收到各式各样的信息资讯，其中充斥着大量垃圾信息。为了增加信息筛选的效率，搜索引擎是我们每天都会使用到的网络工具。搜索引擎是能够根据用户要求，对网络中的信息进行收集、组织、检索和展示的工具及系统。2018年第一季度，我国使用搜索引擎的网民人数达到6.5亿，2012至2018上半年中国搜索引擎用户规模及占比情况如图2-1所示。

图2-1中国搜索引擎用户规模及占比情况