基於網路搜索數據分析不同階段泉州購房者信心變化

• 2019 年 12 月 26 日
• 筆記

一、分析思路

購房者的網路搜索行為，可以反映購房者信心和關注程度的變化，網路搜索行為是購房者的自發的行為，網路搜索行為數據可以真實反映購房者的心理意願。因此，從購房者網路搜索數據入手，可以很好的用來研究購房者的信心情況。

在綜合經濟環境、政府政策、收入水平、購房心理預期和房產屬性5個指標下進行搜索關鍵詞的選取和擴充，通過百度指數平台收集每個關鍵詞的搜索量數據，然後利用時差相關分析法計算每個關鍵詞與基準指標的相關性，選擇相關係數大於設定臨界值關鍵詞為指標關鍵詞，最後利用因子分析法確定各個指標關鍵詞的權重，合成購房者信心指數。

二、數據指標與數據來源

1、初始關鍵詞選擇

在5個分指標框架下利用直接選詞法，在每個分指標下選取初始關鍵詞。經濟環境指標初選的初始關鍵詞為「GDP」、「通貨膨脹」，政府政策指標初選的初始關鍵詞為「房貸利率」、「土地出讓金」、「房地產調控」、「住房公積金」，收入水平指標初選的初始關鍵詞為「工資」、「剛需」，購房心理預期指標初選的初始關鍵詞為「房價走勢」，房產屬性指標初選的初始關鍵詞為「學區房」、「戶型」。

2、初始關鍵詞的擴選

利用初始關鍵詞，從搜索引擎推薦和網路文本挖掘兩個方面擴選。

（1）百度搜索引擎推薦關鍵詞，如圖下圖所示，在百度搜索中輸入初始關鍵詞，獲取搜索引擎推薦的關鍵詞，擴充關鍵詞庫。

（2）利用百度指數擴選關鍵詞，百度指數查詢初始關鍵詞的相關檢索詞，作為關鍵詞的一部分。

3、網路文本挖掘關鍵詞

選擇百度新聞作為網路文本的數據源，爬取每個初始關鍵詞下的前500個百度新聞的標題，利用文本挖掘工具進行文本分析和挖掘，得到文本中關鍵詞的詞頻，並繪製每個初始關鍵詞的詞雲，如下圖所示。然後從中篩選整理出與房地產市場、購房者有一定關聯度的關鍵詞。

將百度搜索引擎推薦的關鍵詞和網路文本挖掘的關鍵詞進行合併，通過百度指數平台選取平台有收錄的關鍵詞，整理得到初始關鍵詞庫，總計134個初始關鍵詞，如表下表所示：

4、根據區域擴展選詞

獲得初始關鍵詞後，利用開源軟體抓取每個初始關鍵詞從2013年1月1日到2018年12月31日之間福建泉州地區在百度指數平台上的每日搜索指數，計算出的搜索頻次的加權。

5、確定指標關鍵詞

根據時差相關分析法篩選初始關鍵詞，選取泉州市商品住宅銷售面積作為基準指標，選擇延遲數τ為 0～-12，即選取具有一致性或超前性的關鍵詞，並給時差相關係數rτ設定臨界值，以剔除相關程度較弱的關鍵詞。

基準指標為泉州商品住宅小時面積，考慮到消除季節因素導致的季節變動，對泉州市商品住宅銷售面積月度數據進行12個月中心化移動平均，損失序列兩端各6個月的數據，得到2014年1月至2017年11月的商品住宅銷售面積月度數據。

獲得基準指標數據後，採用時差相關分析法對初始關鍵詞進行篩選。首先計算每一個初始關鍵詞在0-12個先行期的搜索指數與基準指標之間的相關係數，選擇絕對值最大的相關係數，對應的領先期數即每個關鍵詞對基準值表的先行期數。

相關係數在 0.8-1.0 之間表示與基準指標存在極強相關，相關係數在0.6-08之間表示與基準指標存在強相關，相關係數在0.4-06之間表示與基準指標存在中等程度相關。因此選取相關係數大於 0.6 的關鍵詞作為基礎關鍵詞，剔除相關係數在 0.6 以下的關鍵詞，最終選取的基礎關鍵詞共計19個，按經濟環境、政府政策、收入水平、購房心理預期、房產屬性指標歸類，如下表所示：

三、構建信心指數模型

根據上文得到的19個指標關鍵詞，設立19個變數：X1-X19分別為美聯儲、加息、貸款、公積金、公積金提取、住房公積金查詢、公務員工資、個人所得稅、買房、房價網、安居客、小戶型、洋房、小學、公攤、期房、現房、房產中介、購房合約的百度搜索指數，對數據做因子分析。

1、適應性檢驗。對數據做KMO和Bartlett檢驗，得到的檢驗結果如下圖：

由檢驗結果可得，KMO值為0.820，在0.8～0.9之間，很適合進行因子分析，Bartlett的球形度檢驗Sig.值即為Bartlett的P值，P值為0.000，適合進行因子分析，數據滿足因子分析的要求。

2、因子分析。採用主成份提取法、最大方差法旋轉，得到各因子對原有變數總方差情況的解釋結果，包括特徵根、方差貢獻率、累積方差貢獻率，如下表所示：

從上表可以看出，前6個因子的累積方差貢獻率達到了82.940%，可以解釋數據包含的大部分資訊。故提取前6個因子，分別設為F1～F6，以這6個因子各自的方差貢獻率佔6個因子總方差貢獻率的比例作為相應因子的權重進行加權，得出綜合指標F ，即為購房者信心指數的合成值，得出購房者信心指數的計算公式如下：

因子分析結果還能的各變數在提取的因子上的得分係數，即成份得分係數矩陣，如下表所示：

得到成份得分係數矩陣後，各個因子可以由變數來表示，計算公式如下：

其中，Fj為第j個因子，βij為第i個指標變數在第j個因子上的得分係數。按照上個公式，根據成分係數矩陣寫出提取的6個因子的表達式：

綜合上述公式可得：

各指標變數的權重係數如下表所示：

可以計算得到2014 年1月至 2018年12月的購房者信心指數，以 2014 年1 月為基期，定基 100，得到泉州市購房者信心指數的趨勢圖，下圖所示：

得到泉州市購房者信心指數後，觀察與泉州市商品住宅銷售面積的相關性，計算兩者之間的皮爾遜相關係數：

公式中 X、Y 分別代表泉州市購房者指數、泉州市商品住宅銷售面積，經計算，兩者之間的皮爾遜相關係數為0.914，兩者存在顯著相關。

因此綜合可以看出，2014年至2018年期間，泉州購房者信心指數的變化大體上可以分為三個階段：

（1）2014年至2015年3月，泉州市購房者信心指數處於平穩狀態，受大環境影響，泉州市房地產市場處於持續低迷狀態，購房者受到房地產市場整體影響，信心也處於較為低迷狀態。

（2）從2015年3月開始，泉州市購房者信心指數有了較大提升，在 2016 年底至2017年底泉州市購房者信心達到高點並處於持續狀態，這其中，主要原因有：政府持續發布房地產市場去庫存政策，以及2015年至 2016 年全國房地產市場逐步復甦，一線城市房地產市場情緒蔓延至二、三、四線城市。

（3）2017年11月後泉州市購房者信心指數有所下降，並在2018年處於相對穩定的狀態。主要原因是在2017年間中央和政府持續釋放「房子是用來住的，不是用來炒的」這一房地產市場調控思想，各地市相繼出台一系列調控政策，抑制房價過快上漲。泉州市出台限價、限售、限購等一系列嚴厲的調控政策，盲目入市的心理受到一定的抑制，但受前期市場火熱的影響，購房者信心並未暴跌，而是處於相對理性的狀態，購房者信心有所下降，然後趨於穩定。