基于网络搜索数据分析不同阶段泉州购房者信心变化

• 2019 年 12 月 26 日
• 笔记

一、分析思路

购房者的网络搜索行为，可以反映购房者信心和关注程度的变化，网络搜索行为是购房者的自发的行为，网络搜索行为数据可以真实反映购房者的心理意愿。因此，从购房者网络搜索数据入手，可以很好的用来研究购房者的信心情况。

在综合经济环境、政府政策、收入水平、购房心理预期和房产属性5个指标下进行搜索关键词的选取和扩充，通过百度指数平台收集每个关键词的搜索量数据，然后利用时差相关分析法计算每个关键词与基准指标的相关性，选择相关系数大于设定临界值关键词为指标关键词，最后利用因子分析法确定各个指标关键词的权重，合成购房者信心指数。

二、数据指标与数据来源

1、初始关键词选择

在5个分指标框架下利用直接选词法，在每个分指标下选取初始关键词。经济环境指标初选的初始关键词为“GDP”、“通货膨胀”，政府政策指标初选的初始关键词为“房贷利率”、“土地出让金”、“房地产调控”、“住屋公积金”，收入水平指标初选的初始关键词为“工资”、“刚需”，购房心理预期指标初选的初始关键词为“屋价走势”，房产属性指标初选的初始关键词为“学区房”、“户型”。

2、初始关键词的扩选

利用初始关键词，从搜索引擎推荐和网络文本挖掘两个方面扩选。

（1）百度搜索引擎推荐关键词，如图下图所示，在百度搜索中输入初始关键词，获取搜索引擎推荐的关键词，扩充关键词库。

（2）利用百度指数扩选关键词，百度指数查询初始关键词的相关检索词，作为关键词的一部分。

3、网络文本挖掘关键词

选择百度新闻作为网络文本的数据源，爬取每个初始关键词下的前500个百度新闻的标题，利用文本挖掘工具进行文本分析和挖掘，得到文本中关键词的词频，并绘制每个初始关键词的词云，如下图所示。然后从中筛选整理出与房地产市场、购房者有一定关联度的关键词。

将百度搜索引擎推荐的关键词和网络文本挖掘的关键词进行合并，通过百度指数平台选取平台有收录的关键词，整理得到初始关键词库，总计134个初始关键词，如表下表所示：

4、根据区域扩展选词

获得初始关键词后，利用开源软件抓取每个初始关键词从2013年1月1日到2018年12月31日之间福建泉州地区在百度指数平台上的每日搜索指数，计算出的搜索频次的加权。

5、确定指标关键词

根据时差相关分析法筛选初始关键词，选取泉州市商品住宅销售面积作为基准指标，选择延迟数τ为 0～-12，即选取具有一致性或超前性的关键词，并给时差相关系数rτ设定临界值，以剔除相关程度较弱的关键词。

基准指标为泉州商品住宅小时面积，考虑到消除季节因素导致的季节变动，对泉州市商品住宅销售面积月度数据进行12个月中心化移动平均，损失序列两端各6个月的数据，得到2014年1月至2017年11月的商品住宅销售面积月度数据。

获得基准指标数据后，采用时差相关分析法对初始关键词进行筛选。首先计算每一个初始关键词在0-12个先行期的搜索指数与基准指标之间的相关系数，选择绝对值最大的相关系数，对应的领先期数即每个关键词对基准值表的先行期数。

相关系数在 0.8-1.0 之间表示与基准指标存在极强相关，相关系数在0.6-08之间表示与基准指标存在强相关，相关系数在0.4-06之间表示与基准指标存在中等程度相关。因此选取相关系数大于 0.6 的关键词作为基础关键词，剔除相关系数在 0.6 以下的关键词，最终选取的基础关键词共计19个，按经济环境、政府政策、收入水平、购房心理预期、房产属性指标归类，如下表所示：

三、构建信心指数模型

根据上文得到的19个指标关键词，设立19个变量：X1-X19分别为美联储、加息、贷款、公积金、公积金提取、住屋公积金查询、公务员工资、个人所得税、买房、屋价网、安居客、小户型、洋房、小学、公摊、期房、现房、房产中介、购房合同的百度搜索指数，对数据做因子分析。

1、适应性检验。对数据做KMO和Bartlett检验，得到的检验结果如下图：

由检验结果可得，KMO值为0.820，在0.8～0.9之间，很适合进行因子分析，Bartlett的球形度检验Sig.值即为Bartlett的P值，P值为0.000，适合进行因子分析，数据满足因子分析的要求。

2、因子分析。采用主成份提取法、最大方差法旋转，得到各因子对原有变量总方差情况的解释结果，包括特征根、方差贡献率、累积方差贡献率，如下表所示：

从上表可以看出，前6个因子的累积方差贡献率达到了82.940%，可以解释数据包含的大部分信息。故提取前6个因子，分别设为F1～F6，以这6个因子各自的方差贡献率占6个因子总方差贡献率的比例作为相应因子的权重进行加权，得出综合指标F ，即为购房者信心指数的合成值，得出购房者信心指数的计算公式如下：

因子分析结果还能的各变量在提取的因子上的得分系数，即成份得分系数矩阵，如下表所示：

得到成份得分系数矩阵后，各个因子可以由变量来表示，计算公式如下：

其中，Fj为第j个因子，βij为第i个指标变量在第j个因子上的得分系数。按照上个公式，根据成分系数矩阵写出提取的6个因子的表达式：

综合上述公式可得：

各指标变量的权重系数如下表所示：

可以计算得到2014 年1月至 2018年12月的购房者信心指数，以 2014 年1 月为基期，定基 100，得到泉州市购房者信心指数的趋势图，下图所示：

得到泉州市购房者信心指数后，观察与泉州市商品住宅销售面积的相关性，计算两者之间的皮尔逊相关系数：

公式中 X、Y 分别代表泉州市购房者指数、泉州市商品住宅销售面积，经计算，两者之间的皮尔逊相关系数为0.914，两者存在显著相关。

因此综合可以看出，2014年至2018年期间，泉州购房者信心指数的变化大体上可以分为三个阶段：

（1）2014年至2015年3月，泉州市购房者信心指数处于平稳状态，受大环境影响，泉州市房地产市场处于持续低迷状态，购房者受到房地产市场整体影响，信心也处于较为低迷状态。

（2）从2015年3月开始，泉州市购房者信心指数有了较大提升，在 2016 年底至2017年底泉州市购房者信心达到高点并处于持续状态，这其中，主要原因有：政府持续发布房地产市场去库存政策，以及2015年至 2016 年全国房地产市场逐步复苏，一线城市房地产市场情绪蔓延至二、三、四线城市。

（3）2017年11月后泉州市购房者信心指数有所下降，并在2018年处于相对稳定的状态。主要原因是在2017年间中央和政府持续释放“房子是用来住的，不是用来炒的”这一房地产市场调控思想，各地市相继出台一系列调控政策，抑制屋价过快上涨。泉州市出台限价、限售、限购等一系列严厉的调控政策，盲目入市的心理受到一定的抑制，但受前期市场火热的影响，购房者信心并未暴跌，而是处于相对理性的状态，购房者信心有所下降，然后趋于稳定。