我国城市化与房地产业

《我国城市化与房地产业》由会员分享，可在线阅读，更多相关《我国城市化与房地产业（26页珍藏版）》请在装配图网上搜索。

1、我国城市化与房地产业协调发展关系研究作 者： 薛永鹏 郭亚娟 李霄 指导老师： 张彩霞 陈旭红 参赛单位： 河北经贸大学 摘 要针对我国城市化与房地产业的种种不协调迹象，本文依据城市化与房地产业的同步发展规律，建立了城市化与房地产业的综合评价指标体系，结合协调发展度模型，对两者的协调程度进行了度量，并应用神经网络模型，对未来我国城市化与房地产业的协调发展程度进行了预测。研究结果表明：87年以来，城市化和房地产业都有较快的发展，尤其是房地产业，发展速度越来越快。在快速发展之下，两者的互动发展关系逐步得到了体现，协调程度逐步提高。06年之前，房地产业发展滞后于城市化发展，但由于房地产业较之城市化过

2、快的发展速度，06年之后，房地产业领先于城市化，并且两者的差距将有拉大的趋势，这将引起协调程度逐步下降。通过预测，20082015年，城市化和房地产业发展水平不断提升，分别以 3.57%和13.41%的平均速度发展，即房地产业发展速度快于城市化的发展速度。从两者的发展水平看，预测期间城市化的发展水平滞后于房地产业发展水平，并且从绝对数值上讲，两者的差距有扩张的趋势。由此，导致了城市化与房地产业协调度呈逐步下降的趋势。最后根据研究结果提出了政策建议。关键字：城市化；房地产业；协调发展1 引言 城市是人类文明进步的标志，城市化已经成为世界历史发展的一个不可逆转的趋势。目前，我国的城市化步入高速发展

3、阶段，根据国家城市化发展战略，各地政府部门纷纷把房地产业作为拉动经济增长和推动城市化进程的主要动力，出现了城市化和房地产业互动发展的局面。房地产业与城市化的互动关系决定了房地产业与城市化发展阶段的同步性，而房地产业与城市化的同步发展规律要求房地产业与城市化必须协调发展。当前中国房地产业与城市化发展呈现出失调的迹象。从发展速度上讲，房地产业的发展相对于城市化的高速发展来说，仍是较慢的，呈现出总体滞后的局势。由于房地产业发展滞后，使房地产市场供给难以满足城市化加速带来的巨大需求，这不仅难以提高城市居民的居住水平，还会造成房价的急剧上涨，增加了中低收入阶层的住房难度。除此之外，房地产业发展滞后使城市

4、化建设缓慢，城市对农村剩余劳动力的吸纳能力得不到提高，阻碍了城市化的进程1。国内部分学者对城市化与房地产业协调发展做出了研究，如杨波（2007）2、王秀兰(2007)3、郝姝婕（2008）4等，但研究成果相对较少，研究内容、研究思路也大致相同，基本上先是讲述城市化与房地产业各自的发展规律，及二者协调发展的普遍规律，其次是提出现阶段我国城市化与房地产业存在的失调现象及成因，如城市建设无序，土地资源浪费严重；房地产业投资结构不合理；土地大量闲置与浪费；房价虚高，上涨过快，出现房地产泡沫；不确定的城市模式诱发了房地产的盲目开发；不合理的城市规划导致房地产开发的资源环境问题等等。最后针对问题提出解决方

5、案，如利用都市圈扩散效应引导城市化发展方向；制定科学的城市规划, 促进城市经济社会全面、协调、可持续发展；合理选择区位, 提高城市化质量；加强宏观调控, 规范房地产市场；房地产业与国民经济、金融业、城市生态环境、土地资源利用、科技创新、社区文化建设和谐发展等。本文以城市化与房地产业的综合发展水平为起点，从定量的角度，度量城市化与房地产业的协调发展程度。首先建立城市化与房地产业的综合评价指标体系，求出两者的综合发展水平。其次，运用协调度和协调发展度模型来评测两者的协调程度。最后运用神经网络对城市化与房地产业的综合水平进行预测，对未来我国城市化与房地产业的协调趋势进行预测。对于指导城市化与房地产业

6、的协调发展具有借鉴意义。2 城市化与房地产业的协调发展理论2.1 城市化的速度演变规律城市化是社会生产力的变革所引起的人类生产方式、生活方式和居住方式发生转变的过程，是非农产业和人口集中化、集约化、高效化以及传统的乡村社会向现代的城市社会演变的自然历史过程。世界各国各地区城市化过程的开始时间、发展速度和已达到的水平存在着悬殊差距，但世界城市化过程并不非没有一般性的规律可循。1979年美国地理学家诺瑟姆发现，各国城市人口占总人口比重的变化轨迹，可以概括成一条稍被拉平的“S”型曲线5。中国学者高佩义援引英国的数据资料，基本上证实了这一曲线的存在。焦秀琦曾推导出它的微分方程：,其中Y为城市化率，r为

7、城乡人口总增长率的差额，t为时间。Y1tt1起步期平稳期减速期加速期AY前期阶段后期阶段图1城市化进程的阶段性规律如图1所示，根据城市化进程特有的曲线特征，可以对城市化水平进行阶段划分。城市化进程曲线曲线有一个拐点A，按城市化率增长的加速度来划分，可以将城市化进程分为两个阶段，拐点之前为城市化进程的前期阶段，拐点之后为城市化进程的后期阶段。前期阶段城市化率增长加速度越来越大，即增长速度越来越快；后期阶段城市化率增长加速度越来越小，即增长速度越来越慢。若按城市化率的绝对速度来划分，还可进一步将城市化分为起步期、加速期、减速期和平稳期四个小阶段，其中起步期和加速期属于城市化前期阶段，减速期和平稳期

8、属于城市化后期阶段。2.2 房地产业发展阶段的划分如同其他产业一样，房地产业的发展遵循着产业发展的阶段性规律，先后经历形成期、成长期、成熟期和衰退期四个阶段（如图2）。在形成期，房地产业作为一个新兴行业出现，一般对应的是国民经济的起步阶段或城市化的初级阶段，受当地的经济发展水平的限制，房地产业的发展处于摸索阶段，整个行业运行体系不尽完善，相关的法规不尽规范，缺乏技术基础和经验，尤其是资金的相对短缺使房地产业发展速度缓慢。经历了一段时间的发展，房地产业进入了成长期，成为经济繁荣的基本支撑点，是为生产乃至整个社会活动提供基础性条件的重要产业。在这一阶段房地产业得到空前发展，其发展速度超过了整个产业

9、系统的平均发展速度，其市场需求明显扩大，其产出在整个产业系统中的比重迅速增加，并成为城市经济建设与发展的重要物质基础及国民经济积累资金的重要来源。房地产业发展的规模、水平、速度，都将直接决定并影响各行业的规模、结构、布局和发展水平与速度，并作为各产业部门固定资产的重要组成部分，直接参与价值生产和价值实现的经济过程。在成熟期，房地产业发展速度将会放慢，其产出的市场容量相对稳定，产品供给趋于饱和，房地产业在产业结构中的潜在作用基本得到了发挥；在衰退期，因技术的进步，市场上推出了在经济上可替代老产业的新产业，老产业将一步步退出市场，表现为产业周期曲线呈现出不断下降的趋势。时间衰退期成熟期成长期形成期

10、比重0图 2房地产业的长期发展趋势2.3 房地产业与城市化发展阶段的同步性从图形可以看出，房地产业的长期发展趋势曲线和城市化的S型曲线极为相似，二者均存在发展速度的拐点，以拐点为界，之前发展速度递增，之后发展速度递减。在城市化前期，城市化要经历起步期和加速期两个分阶段。在城市化起步期，农业在国民经济中占较大比重，农业劳动力在总劳动力中也占较大比重，农业生产率比较低下，能提供的商品粮有限，社会资金积累有限，工业化和现代化也都处于起步阶段，科学技术不太发达，推动城市化的动力不足，农村人口向城市转移的速度比较缓慢。由于城市化水平较低，城镇人口增长缓慢，导致房地产市场需求和房地产投资规模较小，房地产业

11、处于一个缓慢的形成阶段。在城市化加速期，随着科学技术的进步，农业的劳动生产率大为提高，释放出大量的农村剩余劳动力，同时，由于医疗条件的逐步改善，人口增长进入了人高出生率、低死亡率的快速增长阶段，城市化自下而上的推力较前坚实。随着现代工业基础的逐步建立，经济得到相当程度的发展，经济规模和发展速度明显加快，城市的就业岗位增多，城市化自上而下的吸力较前增强，城市化呈加速发展趋势。在此阶段，城市人口的急速增加以及城市经济的迅猛增长给房地产市场带来了巨大的需求，在需求的引导下，房地产投资规模呈现快速发展的态势，房地产业进入高速发展的成长期。在城市化前期阶段，城市化进程表现为集中型城市化，与此相对应，对于

12、房地产业大量的资金及劳动力向中心城市集聚，表现为中心城市的房地产投资迅速增加，房地产业得到空前的发展。在城市化后期，城市化要经历减速期和平稳期两个分阶段。在城市化减速期，城市人口已超过了总人口的一半，全社会的人口进入低出生率、低死亡率、低增长率的阶段，同时农村人口经过前一时期的转移，人口压力减小，农村的经济和生活条件大大改善，乡村人口向城市转移的动力较小。资金和技术在城市工业发展中越来越重要，就业岗位增加速度缓慢。在城乡空间对流机制中，城市的扩散效应逐渐超过集聚效应占据主要地位，因而城市化的加速度开始变小，城市化以递减的速度增长。在此阶段，从发展空间上看，房地产开发与扩散型城市化相适应，资金和

13、劳动力逐步由中心城市向郊区和周边农村发展，房地产市场需求开始萎缩，房地产投资规模增长速度开始下降，房地产业进入成熟阶段。在城市化平稳期，由于可转移的农村剩余劳动力已基本被城市吸收，城市化水平徘徊不前，直到最后城乡间人口转移达到动态平衡，城市人口数量相对稳定，相对应房地产市场需求日趋饱和，房地产投资规模呈下降趋势，房地产业进入衰退期。由此可以看出，房地产业与城市化呈现出同步发展的规律，具体表现为：房地产业的形成期对应城市化的起步期，房地产业的成长期对应城市化的加速期，房地产业的成熟期对应城市化的减速期，房地产业的衰退期对应城市化的平稳期。建设和谐城市, 就要求房地产建设与城市化发展相协调, 二者

14、都既不能超前也不能滞后。城市化发展超前会使城市基础设施建设跟不上, 从而引发矛盾； 城市化发展滞后会导致房地产业走向萧条。同样, 房地产发展过热会使社会资本浪费, 滞后会导致城市化进程缓慢。但在中国城市化进程当中,存在一些不协调的现象,由于房地产建设与城市化发展不协调而引发的问题也日益突出,并在一定程度上制约着社会经济的进一步发展。因此, 对这些问题进行深入的探讨迫在眉睫。下面用协调度和协调发展度模型对城市化与房地产业的协调关系进行定量分析。3 我国城市化与房地产业的协调发展测评3.1 指标体系的确定（1） 城市化指针体系结构 城市化度量指标有单一指标法和复合指标法两种。而单一指标只是针对城市

15、化的一某方面，不能全面的反映城市化的发展和综合水平，而复合指标从多角度出发，能全面的衡量城市化的发展。本章在对第二章城市化概念界定的基础上，充分参阅国内外的大量文献，将城市化系统分解为人口城市化、经济城市化、社会城市化三个子系统，从而搭建出城市化指标体系框架，具体指标如表4.1所示。人口城市化指标。人口城市化是农村人口不断转化为城市人口或者人口向城市集中的过程，是城市化中最具有表现的特征之一。由于人口向城市集中或迁移的过程包含了人口、社会、经济转换等多方面的内容，所以城市人口比重作为城市化衡量的单一指标得到了最广泛的使用。人口城市化具体细分为城镇人口占总人口的比重、非农产业从业人员比重。经济城

16、市化指标。经济城市化最根本的内涵是经济结构的非农化，城市化的实质是产业结构由低级向高级不断演进的过程。产业结构转换是城市化的动力机制,经济要素流动与集聚是城市化的实现机制,经济城市化是指第一产业人口不断减少,第二、三产业人口不断增加的过程，是农业活动的比重逐渐下降，非农业活动比重逐渐上升，是各种非农产业发展的经济要素向城市集聚的过程。按照Clark定理，随着人均收入水平的提高，劳动力首先由第一产业向第二产业转移，当人均收入水平进一步提高时，劳动力便向第三产业转移。城市化就是在这种经济结构的变动中，可见，第二产业出现是城市化的直接推动力，而第三产业的兴起及其比重的提高是城市化深入的表现。构建经济

17、城市化指标从经济总量和经济结构着手，具体细分为人均GDP、工业占工农业总产值比重、第三产业占GDP的比重、城镇居民人均可支配收入。社会城市化指标。城市化是不仅包括农村人口向城市转移，而且还伴随着服务设施不断完善、居住生活质量不断提高、人们生产与生活方式、行为习惯和价值观念不断变化。如美国著名社会学家P.Sorokin认为，城市化就是变农村意识和生活方式为城市意识和生活方式的全部过程。尽管城市人口比重很高，如果居民的生活消费、社会文化、价值观念仍停留在传统落后的状态，那么这种城市化并不能成为真正意义上的城市化。构建社会城市化指针从居民生活质量和基础设施着手，具体指标为人均城市道路面积、城市人口用

18、水普及率、人均公园绿地面积、每万人拥有公共车辆数、城市燃气普及率、每万人拥有公共厕所数。（2） 房地产业指针体系结构本文通过阅读国内外文献，为全面的反应房地产业的发展状况，将房地产业子系统划分为房地产业功能指标、房地产业经营指标、房地产业开发指标、房地产业市场指标，具体指标如表1所示。房地产业规模指标。房地产业的规模反映的是房地产业的发展程度，房地产业的规模越大，其在国民经济中所占的地位越高，对经济发展的推动作用越大，同时房地产业规模与国民经济的发展状况密切相关，快速的经济发展之下，必然伴随着房地产业的高速发展，而经济低靡时，也必然伴随着房地产业的萧条。房地产业经营指标。房地产业经营包括房地产

19、经营、房地产交易、房地产租赁等活动，是房地产业从中获得利润的过程，是房地产业发展状况的价值体现。经营效果的好坏，直接关系到房地产业的资金周转及未来的发展状况，对房地产业的发展起决定作用。 房地产业开发指标。由于“城市的进一步发展，客观上要求对原有的经济结构、产业结构和社会结构进行调整，使其布局更趋合理，以便不断适应现代社会生产力发展和改善人们生活环境的要求，因此，城市的扩展和改造就成为一种必然的趋势。” 房地产开发就成为社会经济发展中重要组成部分，因而设立一系列评价和反映房地产开发各种经济关系运动规律的量化指标具有十分重要的作用。房地产业市场指标。房地产市场是社会生产与分工和房地产商品交换的产

20、物，它不光是房地产商品交换的场所，而且也包含房地产商品市场上发生各种经济关系的运行过程。在这个市场上房地产市场参与者的交易活动也体现出房地产商品内在价值与使用价值对立统一的外在化，因此房地产业市场指标对于评价房地产业的发展有重要意义。表1 城市化与房地产业指标体系子系统一级指标二级指标权重城市化人口城市化城镇人口占总人口的比重(%)0.0834 非农产业从业人员比重(%)0.0830 经济城市化人均GDP（元）0.0863 工业占工农业总产值比重(%)0.0826 第三产业占GDP的比重(%)0.0827 城镇居民人均可支配收入（元）0.0831 社会城市化人均城市道路面积（平方米）0.083

21、3 城市人口用水普及率(%)0.0824 人均公园绿地面积（平方米）0.0827 每万人拥有公共车辆数（台）0.0834 城市燃气普及率(%)0.0825 每万人拥有公共厕所数（座）0.0847 房地产业房地产业规模指标房地产业开发投资总额0.0761 房地产业增加值0.0795 房地产业从业人员总数0.0732 房地产业经营指标经营总收入0.0802 经营税金及附加0.0812 营业利润0.0912 房地产业开发指标土地开发面积0.0745 施工面积0.0741 房屋竣工量0.0743 竣工房屋价值0.0767 房地产业市场指标商品房销售面积0.0714 商品房销售额0.0789 人均住房建

22、筑面积0.0687 3.2 城市化与房地产业的发展水平及指标权重的测算（1）城市化与房地产业的发展水平的测算设变数是城市化或房地产业的第个指标，是第个样本的第个指标，其值为。对原始数据进行标准化处理，其中为标准化后的数据，是第个指标的上、下限。 对于正向指标，即指标值越大，它对系统的正贡献越大，有： 对于逆向指标，即指标值越大，它对系统的负贡献越小，有： 城市化发展水平和房地产业发展水平可以采用线性加权法得到：， 式中：为城市化发展水平或房地产业发展水平，为城市化或房地产业各个指标的权重。（2）指标权重的确定 目前，确定指标权重的方法主要有两类，一类是主观赋权法，另一类是客观赋权法。前者是指根

23、据评价者主观上对各指标的重要程度来决定权重的方法，如层次分析法（AHP）、德尔菲（Delphi）法等，但这种方法受专家自身学识水平的影响，带有主观臆断性；后者是根据客观原始数据信息的联系强度或各指标所提供的信息来决定指标权重大小的方法，如熵值法、因子分析法、复相关系数法等，这种方法比较客观。本文采用的赋值方法是熵值法，熵值法赋权的步骤如下： 设有项评价指标，共年的数据，形成原始数据指标矩阵。对于某些指标，指标值的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相同，则该指标在综合评价中不起作用。在信息论中，信息熵：是系统无序程度的度量，信息是系统有序程度的度量，二者绝对值

24、相等，符号相反。某项指标的指标值变异程度越大，信息熵越小，该指标提供的信息量越大，该指标的权重也应越大；反之，某项指标的指标值变异程度越小，信息熵越大，该指标提供的信息量越小，该指标的权重越小。所以根据各项指标值的变异程度，利用信息熵工具，计算出各指标的权重，为多指标综合评价提供依据6。 本文采用一种改进的熵值法，其步骤是6：(1)对逆指标进行变换处理，可将逆指标做符号变换。(2)对数据进行标准化变换：其中，为第项指标的均值，为第项指标的标准差。转换后的数据，为消除负值，可将坐标平移，令其中,为平移幅度。(3)将各指标同度量化，计算第项指标下第年指标的比重，即(4)计算第项指标的熵值，即：其中

25、，令，其中为指标取值的年数。(5)计算第项指标的差异性系数对于给定的，的差异性越小，则越大；当全部相等时，此时对于确定权重，指标毫无作用；相差越大，越小，则该指标所起的作用不大。定义差异性系数：当越大时，指标越重要。(6)确定指标的权重3.3 协调发展模型简介4协调指两种或两种以上系统或系统要素之间一种良性的相互联系，是系统之间或系统内要素之间配合得当、和谐一致、良性循环的关系。协调是多个系统或要素保持健康发展的保证，因此协调度可以定义为系统之间或系统组成要素之间在发展演化过程中彼此和谐一致的程度。 根据协调度的概念，本文采用变异系数来表示城市化与房地产业的协调度。变异系数又称离散系数，反映两

26、组数据的变异或者是离散程度，特别是适用于比较度量不同单位资料的变异度。对于不同含义的数据，比较大小是没意义的，而变异系数是一个比值，没有单位，因此可用来比较单位不同的观察值的离散程度。城市化与房地产业是两个不同的系统，因此可用变异系数表示二者之间协调度。 变异系数；标准差；平均值同时，即设为城市化子系统综合发展水平，代表房地产业综合发展水平，则，城市化与房地产业变异系数越小越好，由公式得出，越小越好，则越大越好，故定义城市化与房地产业协调度模型为：式中为协调度，为调节系数，一般情况下，根据本文研究问题的实际情况，为了增加协调度及协调发展度的区分度，本文设定为2。反映了在城市化与房地产业综合效益

27、或发展水平一定的条件（即与之和一定），城市化与房地产业的发展水平协调的程度。反映出了城市化与房地产业协调的数量程度，由模型看出，的取值在0-1之间，值越大，协调性越好，反之，协调性越差。协调度作为反映城市化与房地产业相互协调的重要指标，能较好反映城市化与房地产业相互协调的程度，它对于约束和指引城市化与房地产业的发展行为，促进二者的协调发展具有重要的意义，但在有些情况下却很难反映城市化与房地产业的整体功能或综合经济效益（或发展水平）。两者区域协调度相当，但可能两个区域的城市化与房地产业水平不同，一个可能是都在高水平的协调，另一个可能是都在低水平的协调。城市化与房地产业协调发展度的计算公式为： 协

28、调发展度；协调度；城市化与房地产业综合发展水平 其中，为城市化发展水平权重，为房地产业发展水平权重，并且，因为本文中城市化与房地产业的重要性是一样的，故。 协调发展度模型综合了城市化与生态环境协调状况以及二者所处的发展层次。与协调度模型相比，协调发展度具有更高的稳定性及更广的适用范围，可用于不同区域（或城市）之间，同一区域（或城市）在不同时期城市化与生房地产业协调发展状况的定量评价和比较，具有较强的操作性。3.4 城市化与房地产业的协调发展程度测评 数据为19872007年的年度数据，来源于中国统计年鉴7。根据上述的协调发展度模型，计算出19872007年我国的城市化发展水平、房地产业发展水平

29、、城市化与房地产业综合发展水平、城市化与房地产业的协调度及协调发展度，见表2。表2 城市化和房地产业发展水平及协调发展关系表地区城市化发展水平E房地产业发展水平T综合发展水平P协调度C协调发展度D19870.1330.0020.0680.0020.01219880.1720.0080.0900.0310.05319890.2050.0130.1090.0500.07419900.2020.0190.1110.0990.10519910.2610.0290.1450.1280.13619920.3070.0450.1760.2000.18719930.3240.0750.2000.3720.27

30、219940.3630.0880.2250.3940.29819950.4340.1140.2740.4320.34419960.4690.1200.2950.4220.35319970.5270.1310.3290.4060.36619980.5670.1650.3660.4860.42219990.6160.1920.4040.5260.46120000.6610.2440.4530.6210.53020010.6090.3000.4550.7830.59720020.5420.3750.4590.9350.65520030.6470.4620.5550.9450.72420040.711

31、0.5480.6300.9670.78020050.7710.6880.7290.9940.85120060.7960.8120.8041.0000.89720070.8991.0000.9500.9940.972图3 城市化与房地产业发展水平从图3可以看出，19872007年城市化与房地产业的发展水平呈现快速增长趋势，并且房地产业的发展速度高于城市化的发展速度。城市化发展水平大体上以直线形式增长，只是在2001年和2002年出现下降，究其原因，主要是由于社会城市化水平下降，这与城市向周边地区迅速扩张有直接的关系。房地产业发展水平大体呈指数增长，增长速度越来越快。2006年之前，房地产业一直滞

32、后于城市化的发展。2000年之前，城市化与房地产业之间的绝对差距逐渐增大，2000年之后，由于城市化水平短暂的下降，加之房地产业的高速发展，使两者之间的差距逐渐缩小，以至于在2006年和2007年，房地产业发展水平高于城市化发展水平。图4 城市化与房地产业协调度与协调发展度曲线从图4可以看出，由于房地产业的快速发展，使其与城市化的相对差距逐渐较小，两者的协调度不断提升。并且从变化趋势可以发现，协调度的发展大体成阶段性S状，19871995年为第一个S阶段，19962007为第二个S阶段。而协调发展度以不规则的直线型上涨，并达到了很高水平，这是城市化与房地产业高度、协调发展的必然结果。4 我国城

33、市化与房地产业协调发展预测4.1 预测方法的选择及简介 （1） 预测方法的选择国内外学者对线性时间序列的预测进行了大量的详尽研究，AR模型，ARMA模型、鲍克斯、杰肯斯（Box-Jenkins）方法、马尔可夫法、灰色系统方法及统计回归的建模方法及其时域和频域特性、非平稳时间序列的各种模型识别、模型定阶、参数估计等已基本趋于完整和成熟。然而随着研究的进一步深入，人们发现，大量的时间序列是非线性序列，它们当中有许多无法也不能用线性模型取代，即使是一个低阶的非线性模型也不可能用高阶的线性模型去描述它。所以展开对非线性混沌模型的研究变得越来越重要，最近10多年来国内外学者用神经网络对非线性时序展开了研

34、究，并取得了一定的成果。神经网络理论是最近几十年才建立起来的理论，它们特别适合于处理非线性现象。神经网络模型不论系统本身是线性还是非线性，皆能对数据进行统一建模。神经网络具有容易建模、预测速度快、自适用能力强等许多优点，可以以任意精度逼近非线性函数，因此非常适合模拟复杂的非线性系统。所以，本章用神经网络模型对城镇人口、城市化水平、房地产投资等非线性时间序列进行预测。 （2） 神经网络模型简介8神经网络模型是由多个神经元组成的广泛互连的神经网络,能够模拟生物神经系统真实世界及物体之间所做出的交互反应。人工神经网络处理信息是通过信息样本对神经网络的训练,使其具有人的大脑的记忆、辨识能力,完成各种信

35、息处理功能。它具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力,避免了复杂的数学推导,在样本缺损和参数漂移的情况下,仍能保证稳定的输出。人工神经网络这种模拟人脑智力的特性,已经成功地应用于众多领域 在神经网络理论中有著名的Kolmogorov连续性定理。令为非常量、有界单调递增的一元连续函数，为的紧致子集，为上的连续实值函数，则对任意的，存在正整数和实数，使得 满足 也就是说，存在一个三层网络，其隐层单元输入函数，输入及输出单元的传递函数均为线性函数，此三层网络的总输入输出关系可以逼近。 神经网络是通过对简单的非线性函数的多次复合来逼近复杂函数的，从而可以表达复杂的物理现象。而任

36、何一个时间序列都可以看成是一个非线性机制确定的输入输出系统，因此该理论从数学上保证了神经网络用于时间序列预测的可行性。在应用中，多采用Rumelhart在1986年提出的反向传播（Back Propagation）算法进行时间序列的预测，这种构造的网络通常称为BP网络。其模型结构如图4.5所示。隐层输入层输出层图5 BP网络结构图 BP模型的基本原理是：学习过程由信号的正向传播与误差的逆向传播两个过程组成。正向传播时，模式作用于输入层,经隐层处理后，传向输出层。若输出层未能得到期望的输出，则转入误差的逆向传播阶段，将输出误差按某种子形式，通过隐层向输入层逐层返回，并”分摊”给各层的所有单元，从

37、而获得各层单元的参考误差或称误差信号，以作为修改各单元权值的依据。权值不断修改的过程，也就是网络的学习(或称训练)过程。此过程一直进行到网络输出的误差逐渐减少到可接受的程度或达到设定的学习次数为止。BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。 BP网络的混沌时间序列预测具体为： 1BP模型的算法步骤步骤1 给神经网络的连接权值，Wij和神经元阈值赋初值。同时，对下面的数据进行初始化：设定误差最小值；设定学习速率；设定最大训练次数。步骤2 输入样本模式的矩阵矢量和期望输出向量。步骤3 根据各输出单元的输出函数计算各样本模式隐层和输出层各单元的实际输出值。步骤4 从输出

38、层开始，反方向调整权系数值和神经元阈值。步骤5 计算输出层和隐含层的样本误差和总误差.步骤6 如果样本期望输出误差小于给定收敛值，则转至步骤7，否则继续步骤3。步骤7 神经网络学习结束。2网络参数确定原则网络节点：通常BP神经网络中输入层和输出层的结点个数可由需要预测的实际问题来确定。例如如果要预测个多元函数的话，可将网络输入层结点个数设计为该多元函数的解释变量个数，而输出层则根据需要预测期数来确定，本部分建立的神经网络的输入层结点个数为该混沌时间序列的最佳嵌入维数，输出层的节点数为1。这样就使得建立的神经网络结构更加适合数据本身的混沌特性。而隐层神经元数目的选择至今仍是BP神经网络的一个理论

39、难题，往往需要根据设计者的经验和多次试验来确定，因而不存在一个理想的解析式来表示。隐层神经元的个数与问题的要求、输入输出层节点数目有着直接联系。隐节点数的多少对网络性能的影响较大，当隐节点数太多时,会导致网络学习时间过长，甚至不能收敛；而当隐节点数过小时，网络的容错能力差。因此需要利用逐步回归分析法进行参数的显著性检验来动态删除一些线形相关的隐节点，节点删除标准：当由该节点出发指向下一层节点的所有权值和阈值均落于死区(通常取01、005等区间)之中，则该节点可删除4。最佳隐节点数L可参考以下三个经验公式同时结合大量实验确定：（1），其中为样本数，为隐层单元数，为输入单元数。如果，。（2），其中

40、为输入层节点数，为输出层节点数，为1，10之间的常数。 （3），其中为输入单元节点数。初始权值的确定：应用函数initff ()对网络进行初始化，产生一组随机数，作为网络的初始权值。最小训练速率：在经典的BP算法中，训练速率是由经验确定，训练速率越大，权重变化越大,收敛越快；但训练速率过大,会引起系统的振荡，因此，训练速率在不导致振荡前提下，越大越好。动态参数：动态系数的选择也是经验性的，一般取0.60.8。允许误差：一般取0.0010.00001，当2次迭代结果的误差小于该值时，系统结束迭代计算，给出结果。迭代次数：由于神经网络计算并不能保证在各种参数配置下迭代结果收敛，当迭代结果不收敛时，

41、允许最大的迭代次数。本模型取1000次。给定网络参数初始值给定输入和目标输出向量，并初始化求隐含层、输出层各单元输出求目标值与网络计算输出的误差end计算误差梯度，是是否否全部计算隐含层单元误差图6 神经网络预测流程图4.2 城市化与房地产业发展水平预测（1）城市化发展水平预测在1987-2007年的数据中，选定1987-2004年的数据作为训练样本集，20052007年的数据作为检验样本集。 使用Matlab2008软件中的神经网络工具箱，隐层使用tansig传递函数，输出层采用purelin函数，采用trainlm训练函数来训练网络，以获得最快的收敛速度。训练显示间隔为20，学习步长为0.

42、3，动量项系数为300次，目标误差为0.001,最小梯度为,将实际输出值与样本实际值进行比较，当误差在可以接受的范围内，说明此网络以达到要求，可以对进行预测。 经过多次反复试验，选定网络层数为3，输入层节点数为3，隐层节点数为5。由于输出结果为一维数据，所以选输出层节点为1。 经神经网络训练，在第5次达到训练目标，训练样本最小均方误差为，说明该网络具有很好的拟合效果，见图7。对测试样本的预测精度也很高，均方误差为1.97%，表明该网络的泛化能力较强。用训练好的网络对20082015年的人口城市化率进行预测，结果见表4。图7 城市化综合发展水平BP网络训练过程表3 城市化发展水平测试样本输出值及

43、相对误差年份2005年2006年2007年测试样本值0.77060.7960.8992实际输出值0.75930.78340.8742相对误差(%)1.47 1.58 2.86 表4 城市化综合发展水平预测值年份20082009201020112012201320142015预测值0.948 0.979 1.000 1.056 1.094 1.122 1.152 1.213 （2）房地产业综合发展水平预测在1987-2007年的数据中，选定1987-2004年的数据作为训练样本集，20052007年的数据作为检验样本集。 使用Matlab2008软件中的神经网络工具箱，隐层使用tansig传递函

44、数，输出层采用purelin函数，采用trainlm训练函数来训练网络，以获得最快的收敛速度。训练显示间隔为20，学习步长为0.3，动量项系数为300次，目标误差为0.001,最小梯度为,将实际输出值与样本实际值进行比较，当误差在可以接受的范围内，说明此网络以达到要求，可以对进行预测。 经过多次反复试验，选定网络层数为6，输入层节点数为4，隐层节点数为8。由于输出结果为一维数据，所以选输出层节点为1。 经神经网络训练，在第3次达到训练目标，训练样本最小均方误差为5.1807e-006，说明该网络具有很好的拟合效果，见图8。对测试样本的预测精度也很高，均方误差为3.401%，表明该网络的泛化能力

45、较强。用训练好的网络对20082015年的人口城市化率进行预测，结果见表6。图8 房地产业综合发展水平BP网络训练过程表5 房地产业发展水平测试样本输出值及相对误差年份2005年2006年2007年测试样本值0.68750.81241实际输出值0.75930.78340.8742相对误差(%)4.882.053.26表6 房地产业发展水平预测值年份20082009201020112012201320142015预测值1.149 1.308 1.491 1.689 1.934 2.201 2.474 2.773 4.3 城市化与房地产业协调发展预测 将预测到城市化与房地产业发展水平数值，代入协调

46、度和协调发展度模型，得到20082015年，我国城市化与房地产业的协调度和协调发展度，见表7和图9。表7 城市化与房地产业协调度与协调发展度预测值年份20082009201020112012201320142015协调度0.982 0.959 0.924 0.896 0.852 0.800 0.752 0.717 协调发展度1.015 1.047 1.073 1.109 1.136 1.153 1.168 1.195 图9 我国城市化与房地产业发展水平及协调发展预测曲线 由图9可以看出，20082015年，城市化和房地产业发展水平不断提升，分别以 3.57%和13.41%的平均速度发展，即房地

47、产业发展速度快于城市化的发展速度。从两者的发展水平看，预测期间城市化的发展水平滞后于房地产业发展水平，并且从绝对数值上讲，两者的差距有扩张的趋势。由此，导致了城市化与房地产业协调度呈逐步下降的趋势，由2007年的0.994下降到2015年的0.717。尽管协调度逐年下降，但协调发展度却呈现逐步提高的趋势，这主要是由城市化和房地产业较高的发展水平所决定的。5 结论及建议 通过分析，我们得出结论：87年以来，城市化和房地产业都有较快的发展，尤其是房地产业，发展速度越来越快。在快速发展之下，两者的互动发展关系逐步得到了体现，协调程度逐步提高。06年之前，房地产业发展滞后于城市化发展，但由于房地产业较

48、之城市化过快的发展速度，06年之后，房地产业将领先于城市化，并且两者的差距将逐步拉大，导致协调程度将逐步下降。针对房地产业的过热发展，以及在发展过程中出现的与城市化种种不协调现象，提出以下建议：(1)加强宏观调控, 规范房地产市场。宏观调控必然要触动房地产业的两根最敏感的神经土地和资金。房地产业已被国家有关部门认定为过热, 因此一系列调控措施就应该围绕这两个方面展开。一是要加强土地资源的管理。政府应综合运用土地供应和城市规划管理等行政手段, 加强对土地的管理, 以控制房地产的不良投资。特别是要进一步调整房地产开发用地结构, 依照城市化发展要求, 促进房地产业快速健康发展。二是要规范房地产融资行

49、为, 从资金上控制房地产投资过热。通过金融机构有效利用金融手段控制资金借贷, 为房地产投资把好关, 以最大限度地遏制房地产过度投资4。(2)准确把握城市化发展速度, 循序渐进。准确把握城市化发展进度, 不要过度铺张, 过分向郊区扩散; 土地越占越多, 要量力而行, 从实际出发, 分阶段推进。例如按同心圆模式发展, 城市应围绕中央商业区一圈一圈向外扩散。房地产建设要与城市化发展水平相适应, 与现有的经济发展水平相匹配, 既要有长远的发展眼光, 又要循序渐进, 妥善处理好二者的关系。(3)借鉴国外成功经验, 推进城市化协调发展。当前正是城市化发展和房地产建设的关键阶段, 大量基础性研究一定要跟上,

50、 否则我们的发展和建设就会变得盲目。现阶段虽然中国已经取得了一定的研究成果, 但有些方面还存在不足。因此要加强国际、国内学术交流, 积极汲取发达国家和地区的经验、教训, 寻找适合中国的城市化发展模式, 探索有中国特色的城市化发展道路。参 考 文 献1杨波.房地产业与城市化的协调发展关系研究J.青岛科技大学学报，2007，6：11-16.2杨波.城市化演变规律与中国房地产业发展规划分析J.特区经济.2007,5:27-29. 3王秀兰.谈城市化进程中房地产业的和谐发展J.产业观察，2007，6：94-94.4郝姝婕.房地产建设与城市化发展的协调性分析J.经济与管理,2008,8:92-96.5N

51、ortham. R M. Urban Geography. Newyork: john whey &sons，1975.6王喜军.论中国国家金融安全混合预警系统的构建D.青岛大学，2005.7中国统计年鉴M.北京：中国统计出版社.2008. 8孙慧，王媛，张东明.基于神经网络的天津市城市化水平分析及预测J.天津大学学报（社会科学版）.2006,1:68-71. 9李波.城市房地产发展系统研究D.天津大学，2003.10McGee T. G and Griffiths C.J. Global Urbanization：Towards the Twenty-First Century. In Un

52、ited Nations：Population Distribution and MigrationM. New York，1998，4965.11 S. A. Pyhrr, S. E. Roulac and W. L. Born, Real Estate Cycles and Their Strategic Implications for Investors and Portfolio Managers in the Global Economy, the Journal of Real Estate Research, 1999, 18(1)12Robert T.Clemen, Correlations and copulas for decision an risk analysis,Management Science, Vol.45,No.2,February 1999.pp.208-22413Joost M.E.Pennings,Ale Smidts, Assessing the Construct Validity of risk attitude, Management Science, Vol.46,No.10, October,2000.pp.1337-13426