房地产市场区域分类依据研究文献综述(2)

　　2 国外学者的研究
Michael White和Cath Jackson通过对传统的房地产市场划分方法进行矫正，检验了英国的两种分类方法，根据研究需要，用聚类分析法根据租金变化情况对全国市场进行了归类——租金的变化是影响投资回报的关键因素。将聚类分析结果与英国传统的基于地域因素的市场分类方法进行了比较。比较结果显示，在零售业方地产市场上，地域划分方式不能反映市场的实际聚类情况，市场聚类分析结果与地域划分的不一致性，也表明了非地域因素在租金变化中起到的重要作用。从中可以得出一个结论，即零售业房地产市场并非简单的受地域因素决定，根据地域划分对市场进行分类，只能提供一个比较粗糙的参考依据。用同样的研究思路和方法来考察写字楼市场的租金变化规律，得到的结果是有点令人诧异的。根据所处市场周期阶段不同，写字楼市场可以按照租金变化规律划分为三个小组类别— 这也是符合理论的。将聚类分析结果与两种传统的分类方法相对比，可以发现，行政区域划分同样能够较好的反应市场聚类情况，而区域更加广泛的 IPD划分方法效果过则更好。但是，有两点值得注意的问题：首先，相对较好并不代表完全准确——本文根据租金变化对市场聚类分析得到的小组当中，没有一个是与 IPD 划分的某个地域完全吻合的；其次，同一个地域内的市场从未全部集聚成为一个单独的组。表明，传统上广为应用的两种基于地理区域的市场划分方法，可能无法很好的反应市场聚类情况，无法作为衡量和控制风险的参考依据。
William N.Goetzmann 和Susan M.Wachter对美国写字楼租金市场进行了聚类分析，发现租金市场具有显著性的区域特征。聚类是房地产多元化分析一个重要方法，其他研究人员模拟表明，优化了分类数据可能会导致多元化差，并导致收益虚高的期望和对投资组合风险的不合理的低预期。我们的分析表明，估计误差的均值的负面影响可以通过聚类的应用被最小化，以减少优化问题的维数。迭代重定位算法，K均值是非常适合于识别与像装置资产序列的统计问题。它是选择城市分组的投资组合多样化的有用工具。我们的算法的应用同意大致由其他研究人员所指定的组。但我们的结论的主要区别是，无论是否集群应用到租金或空缺，我们发现城市之间的关系bicoastal是强有力的证据。租金及职位空缺只是供给和需求的潜在力量的思考。而在有效租金的变动是由于为代理价值变动，和投资者的资本增值回报有用，聚类分析是不是为了跨区域经济差异调查的替代品。在K-均值算法可以用于此基础研究提供一个工具，因为它也可以适用于变量如就业部门，人口增长，教育水平以及可能被链接到当地的经济条件的任何其它变量。
3 总结
上述国内外学者主要是运用聚类分析的方法从不同的角度对房地产市场区域分类的依据进行研究，对房地产市场分类研究做出了一定的贡献，但随着随着我国房地产经济的发展和指标体系的进一步完善和健全，今后还可以结合判别分析、主成分分析等多元统计方法对房地产市场区域分类进行更深入的研究和探索，找出影响房地产市场分类主要影响因素，进一步对房地产市场未来发展变化做一定的预测，并且针对不同的房地产市场类型，提出具体的调控政策，保证我国房地产市场的稳健的向前发展。
参考文献
[1]陈伟.35个大中城市房地产市场聚类分析[J]-城市开发2006（1）
[2]郑大川，尹晓波.对中国房地产区域分类的探索—基于聚类分析的实证研究[J].华东经济管理，2008， 22（2）
[3]彭向，胡跃红.中国房地產经济区划的聚类分析[J].统计决策，2006（2）.
[4]张勇、包婷婷：基于系统聚类分析的房地产市场区域划分——以安徽省为例Ⅱ.池州学院学报，2013（2）.
[5]孙东雪，宋荣荣.基于模糊聚类分析的房地产市场区域划分---以八大经济区域为研究对象。当代经济。2014（20）
[6]熊方军，邓长荣.马永开。基于宏观调控的我国房地产市场聚类研究。管理学报。2007（6）
[7]吴进红，邱位芳，周敏.我国房地产业分类调控依据及政策建议.商业经济研究。2011（10）
[8]Michael White， Cath Jackson.Challenging Traditional Real Estate Market Classifications for Investment Diversification[J].Journal of Real Estate Portfolio Management，Vol.2005，11（3）
[9]William N.Goetzmann，Susan M.Wachter.Clustering Methods for Real Estate Portfolios.[J].Real Estate Economics，1995，23（3）

　　（作者单位：山东建筑大学）