统计学方法在房地产市场调查中的运用

统计学方法在房地产市场调查中的运用

目前统计分析方法在各类市场调查中应用虽然很广泛，但技术含量大都不高，没有真正发挥各种统计方法，尤其是多元统计分析在数据挖掘、产品定位、市场细分中的重要作用。本文试通过两个实例，阐述多元统计分析方法在房地产市场调研中的实际运用。 现下国内的市场调研当中，对统计分析方法应用的结果要求不是很高，一般比较常规的消费者市场调查在数据处理上很大程度上仅限于简单而粗浅的频数分析，稍微用得多一点的是列联表分析，也即常称的交叉分析或交互分析。虽然通过这两种分析已经可以得到所想要的80％的结论，但如果要做深入的项目产品定位、客户市场细分等，就必须要对调研的数据进行深入的挖掘，就得用到一些高级统计分析方法，特别是多元统计分析，如回归分析、因子分析、聚类分析、对应分析等，应用非常广泛。本文将通过两个调研实例，阐述多元统计分析方法在房地产市场调研中的实际应用。

实例1：因子、聚类分析在消费者生活形态研究中的应用

在房地产市场研究中，潜在购房者的消费观念和生活方式与他们对产品的选择是密切相关的，通过研究购房人群的行为特征，将有利于目标客户细分，以及为项目市场定位提供技术指导。本文以深圳某房地产项目前期市场调查为例对这一应用作实证分析。 一、问卷设计

为研究潜在购房者的产品消费和使用观念，我们采用通常的心理描述测试法。即采用一系列关于购房需求、生活习惯等内容的陈述，请潜在购房者根据自己的情况做出判断。经事先的小样本测试筛选，最终的测试语句为：

1，无论如何，拥有一套属于自己的房产都是必需的 2，我觉得小户型住宅在未来的3-5年内比较适合我

3，如果知名开发商如万科进入XX开发房地产，我肯定会购买或者提前购买 4，我经常在家里招待我的朋友

5，如果我能筹足首期款，我一定会去购房的 6，能够有一套自己的住房，我会感到很有成就 7，如果首期款低一点，我会提前买房了

8，我非常在意将来孩子的教育，买房时我很看重这一点 9，我很在意邻居和同一小区的住客是些什么人 10，小区的物业管理公司必须是知名公司 11，小区有没有花园，我不会很在乎

12，如果我能买了房子，我会把我的父母接来同住 13，我的亲戚朋友如果来访，通常我会为他准备好房间

14，我一定要在较大的社区（500户以上）购买住房 15，选择本地开发商开发的楼盘我会更加慎重 16，我一直在等待XX出现适合我的住房

17，如果总价超出预算，我会考虑降低房子的面积 18，如果总价超出预算，我会考虑减少房间的数量 19，我喜欢一大家人住在一起，显得热闹些

20，我只在意产品价格和质量，开发商是谁我不会很在乎 21，即使我有足够的资金支付全部房款，我仍然会考虑按揭贷款 22，一旦我有经济能力，我会提前还清银行贷款 23,住宅面积不需太大，实用就可 注：调查中采用5分评价法，

1分表示非常不赞成，2分表示比较不赞成，3分表示不赞成也不反对，4分表示比较赞成，5分表示非常赞成。

二、基本研究思想 基本模型

生活形态变量—因子分析—生活形态因素—聚类分析—生活形态群—检验/频数/列联表/方差分析等—各细分市场特征差异

经过科学合理的抽样调查，我们收集到382 份有效数据。根据这些数据，我们采用一系列的多元统计方法进行处理，主要思想是：

1）、通过因子分析，将测试语句进行分组。即：将这一系列的语句进行综合，根据潜在购房者的回答情况，将这些语句分为几大类，根据实际情况，找出每一类型中的共同因子，对这些类型的含义进行合理解释。

2）、用因子分析的结果，对样本的回答按照新的类型进行重新评估打分，然后根据这些评价进行聚类分析，根据统计原则以及在现实中容易解释的原则，确定最终采用的分类个数。

3）、根据分类结果对每一样本判别其所属类别，对各类型潜在购房者的背景特征进行列联表分析，并且分析不同类型购房者的产品需求特点。

以上所有分析运算过程均可以在统计分析软件 SPSS中完成，关于SPSS的操作，本文不再多述。

三、因子分析

由于测试的语句实际上是一系列相关因素的陈述，很多语句之间存在一定的相关性，我们不能采用简单的回归方法进行分析。而通过因子分析则可以将系列相关因素综合为一个因

子，因此，研究中我们首先采用因子分析来对 23个陈述进行分析。

利用统计软件对数据进行标准化，然后进行因子分析，我们发现：这些陈述可以综合为 5个因子。为了进一步发现其中每一个因子的实际含义，我们对因子进行正交旋转，最终形成 5个组合因子，这些因子其实是23个陈述的一个线性组合。对于每一组合因子，选取其中对因子呈现较强相关（相关系数大于 0.5）的陈述共17个，其余的陈述予以剔除，以便较一目了然地发现因子的实际意义。仔细考察这 5个因子中所包含陈述的实际意义，我们对每一个因子进行解释或命名，以便实际分析时方便引用。

组合因子 因子中包含的陈述（相关系数大于0.5） 因子含义 因子1 3、6、8、10、14、16、20 对楼盘质素的要求 因子2 4、12、13、19 生活居家习惯 因子3 2、23 对户型面积的需求 因子4 5、7 首期款对购房的影响 因子5 15、21 对购房风险的考虑

四、聚类分析

因子分析中的每一因子可以表示为一系列陈述语句的线性函数，因此我们首先利用这些因子函数，根据潜在购房者对各陈述的评价，求出他们对每一因子的评价。然后根据潜在购房者对因子的评价，对样本进行聚类分析，从而按照不同产品消费和使用观念对潜在购房者进行分类。实际研究中，在模型通过统计检验的情况下，我们根据聚类的实际含义，最后选择了有2个中心的聚类分析，也就是说按照产品消费和使用观念的不同将潜在购房者分为 2类。这2个聚类中心（类别）如下：

因子 类别

1 2 1、对楼盘的质素要求比较高 0.31337 -0.20331 2、喜欢招待朋友和亲人 0.27524 -0.17857 3、偏向于选择小户型 -0.59161 0.38383 4、首期款的对购房的影响大 -0.71408 0.46328 5、比较注重购房风险 0.1599 -0.10374

类别的实际意义： 类别1：喜欢在家招待亲朋，需求较大的户型，首期款对购房的影响不是特别大，对楼盘的质素要求较高 类别2：对户型面积选择偏小，首期款的高低是购房的重要考虑因素，对楼盘素质要求相对不高 潜在购房者分类 居家型 过渡型 所占比例 39.3% 60.7%

注：表中数据的得分值越高，表示潜在购房者对该指标的认同程度越高，0表示中性

五、研究结果的应用分析

在得到潜在购房者生活方式的分类以后，我们对各类型人群的背景资料以及他们对产品的不同需求进行分析，以判断这些分类是否符合我们通常的认识类别，进而对目标客户进行细分研究。以下是我们的实际统计结果： 1）、背景特征

特征 居家型 过渡型

年龄 31～35岁比例较高 年轻人较多，25～30岁比例占了61.5％

学历 大专以上学历占18.8％ 大专以上学历占23.4％ 职业 中高层人员和自由职业者比例较高 基层员工比例较高 收入 以中高收入人群为主 以中高收入人群为主 婚姻状况 已婚有小孩的比例显著较高 未婚比例占了39.2％ 居住情况 自购房的比例较高 租农民房的比例较高 2）、产品需求特点

产品需求 居家型 过渡型 平均支付总价 29.5万元 26.68万元

选择户型 三房是绝对主力户型 两房选择比例显著较高 选择的平均面积 105.56平方米 98.82平方米

根据分类研究的数据，结合统计检验结果，我们发现居家型和过渡型两类潜在购房者在背景特征和产品需求上有显著的差异。这些结论在项目的产品定位、客户市场细分上将起到非常重要的作用。

实例2：多元回归分析应用和认知图的绘制

除了因子分析和聚类分析以外，多元回归也是一种最常用的统计分析方法，它反映的是一个随机变量和多个变量之间的线性关系。

本文仍然以某房地产项目的前期调查数据为例，运用多元回归分析，通过绘制认知图的方式对项目地块各组成要素作出SWOT分析，将地块的优劣势、机会和挑战非常直观地反映在象限图上，为研究人员和项目负责人作出判断和决策提供基础的信息。 这种分析方法的基本思想是：

1）、根据实际情况将项目地块的组成要素分为 1个综合指标和9个分类指标，让潜在购房者对这10个指标作出评分； 2）、求出各类指标的平均分值；

3）、以综合指标为因变量、各个分类指标为自变量，作多元回归分析，通过统计检验

后，以各自的回归系数作为各分类指标的权重系数；

4）、绘制认知图，把权重系数和平均分值作为坐标值，把各个分类指标在象限图上标示出来，并根据各指标的实际含义作出解释。 一、地块各要素的平均分值

地块各要素 平均分值 交通便利性和通达性的评价 3.75 地理位置的评价 3.66 商业购物环境的评价 3.47 生活方便程度的评价 3.37 学校教育设施的评价 3.21 居民素质的评价 2.98 社区规划的评价 2.79 自然环境的评价 2.49 社区治安环境的评价 1.98 综合的评价 3.18 （1分为最低分，5分为最高分）

潜在购房者对项目地块的评价以交通便利性和通达性最高，分值为 3.75，其次为地理位置、商业购物环境、生活方便程度、学校教育设施，分值分别为 3.66、3.47、3.37、3.21；而对治安环境与自然环境的评分最低，分值仅为1.98和2.49。综合评价为3.18分。

二、地块各要素的权重系数

为了进一步分析了解潜在购房者对项目地块各要素的评价，我们以综合评价为因变量，其余各要素为自变量，运用多元回归分析方法对以上数据进行整合分析，得出如下方程：

Y=0.155*X1-0.038*X2-0.049*X3+0.072*X4+0.026*X5+0.161*X6+0.063*X7+0.087*X8+0.292*X9+0.718

（Y为综合评价，X1为地理位置，X2为交通状况， X3为治安环境，X4为教育设施，X5为商业环境，X6为生活便利程度，X7为自然环境，X8为社区规划，X9为居民素质） 各自变量的重要性即权重，由回归系数得知，分别如下： X1 X2 X3 X4 X5 X6 X7 X8 X9 0.155 -0.038 -0.049 0.072 0.026 0.161 0.063 0.087 0.292

（其中X5的回归系数没有通过统计t检验，此处为了绘制图表方便，没有删掉，但对该指标不作任何解释）