灰色关联分析的社会经济论文

摘要：在对重庆市2009—2016年土地利用变更调查数据进行分析的基础上，采用熵值函数模型分析重庆市土地利用结构动态变化，应用灰色关联分析方法分析引起重庆市土地利用结构信息熵变化的驱动因素。今天小编为大家精心挑选了关于《灰色关联分析的社会经济论文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。

灰色关联分析的社会经济论文 篇1：

房地产建设项目生态足迹研究

［摘要］ 本文基于生态足迹理论，建立了基于能值分析的房地产建设项目生态足迹评价模型，计算房地产建设项目的生态足迹，以此来分析房地产建设项目对环境的影响并评价项目的可持续性。并以长沙市某房地产建设项目为例，展开实证研究。结果表明：该建设项目产生了２ １０７ｈｍ２生态足迹，承载效率指数大于１，处于不可持续的发展状态，对环境造成了巨大的压力。最后，提出通过提高技术水平、减少项目建设物资投入、发展循环经济等措施，实现建设项目的可持续发展。

［关键词］ 房地产建设项目；能值；生态足迹；可持续发展

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2011 . 12. 017

［

0引言

房地产业是我国经济发展的重要支柱产业，对中国社会经济的发展具有巨大的推动作用，但对环境也产生了很大的影响。房地产建设项目的高消耗问题已引起了社会各界的广泛关注。房地产业如何降低消耗、减少对环境的压力已经成为理论界、企业界和环保工作者共同关心的话题。现已出现了较多关于房地产业可持续发展的研究，但大多数为定性研究，采用定量分析的研究较少。生态足迹分析法具有简单易懂等特性，并且可直接与全球可持续发展状况相关联，因此已经被广泛应用于不同尺度区域的可持续发展状况的评价。随着生态足迹研究的不断深入与完善，生态足迹分析法在基础设施、工业与民用建筑建设中的应用得到了业内人士的高度认可，为实现房地产建设项目与周围环境的和谐共存提供依据［１］。本文应用基于能值理论的生态足迹方法，分析了房地产建设项目的主要构成材料及劳务消耗的生态足迹，并以长沙市某房地产建设项目为例进行实证研究，提出了房地产建设项目降低消耗、实现可持续发展的途径。

１研究方法

１．１ 生态足迹原理

生态足迹分析法是由加拿大生态经济学家Ｗｉｌｌｉａｍ Ｒｅｅｓ于２０世纪９０年代初提出的一种基于生物物理量的用土地面积度量人类活动的新方法，其定义为：在特定的物质生活水平条件下，供养特定数量的人口所消耗的资源和吸纳这些人口所产生的废弃物所需要的生态生产性陆地和水域的功能用地的总面积［２］。它是从具体的生物物理量角度研究自然资本消费的空间。在生态足迹指数计算中，将生态生产性土地分为耕地、草地、林地、建筑用地、化石能源用地和水域６类。生态足迹计算的一般公式可表示为

式中，ＥＦ为总的生态足迹；Ｎ为人口数；ｅｆ为人均生态足迹；Ｐｉ为资源生产量；Ｉｉ为资源进口量；Ｅｉ为资源出口量；ＥＰ为单位生态生产力；ｙｊ为产量调整因子；ｊ为生物生产面积类型，ｊ ＝ １，２，３，４，５，6，分别代表化石能源地、可耕地、牧草地、森林、水域、建成地。

生态承载力的计算公式为：

式中，ＥＣ为人均生态承载力；ａｊ为人均生物生产面积；ｒｊ为均衡因子，采用２００６年世界自然基金会（ＷＷＦ）提出的土地等价因子，森林和化石能源地为１．３４，可耕地和建设用地为２．２１，牧草地为０．４９，水域为０．３６。

可持续发展程度用生态赤字表示，为生态承载力与生态足迹的差值。生态赤字小于零时，表明研究区处于生态赤字、不可持续发展状态；生态赤字大于零时，表明研究区处于生态盈余、可持续发展状态；生态赤字等于零时，表明研究区处于生态平衡状态［３］。

１．２ 基于能值理论的改进生态足迹法

改进生态足迹法是一种基于能值分析理论的新的计算生态足迹和生态承载力的研究方法。能值分析理论是由美国生态学家、能量分析先驱Ｈ．Ｔ．Ｏｄｕｍ于２０世纪８０年代在热力学定律和能量等级原理的基础上提出的。能值理论分析方法就是以能值为基准，把生态系统或生态经济系统中不同种类、不可比较的能量转换成同一标准的能值来衡量和分析，以评价其在系统中的作用和功能。它开拓了一个对自然、经济和社会复合系统全方位透视的新视野，提出了一种定量研究生态系统、生态经济系统以及人类活动的新方法，用于评价人类社会和经济系统的可持续发展状况［４］。由于任何形式的能量均源于太阳能，因此，在实际应用中以“太阳能值”来衡量各种能量的能值，即任何资源、产品或劳务形成过程中直接或间接消耗的太阳能量，就是其所具有的太阳能值，单位为太阳能焦耳（Ｓｏｌａｒ Ｅｍｅｒｇｙ Ｊｏｕｌｅｓ，缩写为ｓｅｊ）［５］。

改进生态足迹模型就是将能值分析方法与生态足迹理论框架相结合，首先把各种不同类型、不同等级的能量流通过能值转换率，换算成统一量纲的太阳能值，然后引入能值密度，将各消费项目的太阳能值换算成相对应的生物生产性土地面积，从而计算出研究区域的生态足迹和生态承载力，由此确定其可持续发展状况。

１．３ 房地产建设项目生态足迹模型

根据能值分析生态足迹的原理，把各种不同类型、不同等级的建设项目投入物资的消耗量通过能值转换率，换算成可以直接进行加减的太阳能值，然后引入平均生态生产率，将各消耗项目的太阳能值换算成相对应的生态生产性土地面积，从而计算出房地产建设项目的生态足迹和承载效率指数，由此确定其可持续发展状况。

由于房地产建设项目所服务人口的数量和地域分布不易确定，在项目生态足迹的分析计算中，可以以房地产建设项目为对象进行计算，而不是在宏观区域生态足迹计算中以人口为对象（注：建设项目和建筑都是人类物质消费的中间形式）［６］。建设项目生态足迹构成如图１所示。

房地产建设项目生态足迹的计算步骤和公式如下：

1.3.1测算房地产建设项目各主要投入物资的消耗量Ｑｉ

以我国现行的项目概算和建筑工程预算方法、工程造价估算指标、工程造价定额及历史经验数据为基础，分别测算出房地产项目建设所需的各种主要物资材料的消耗量。为简化工作，可以形成建筑物、设备等实体的主要物资消耗为主，如建设工程消耗“三大材”和劳务费。

1.3.２统一所消费的物资消耗量的量纲

由于建设过程中物资消耗量的量纲不一致，无法加总和比较，因而需要统一量纲。在此，按照物质（能量）流分析理论中的概念——含能，将各种物资的量纲统一为能量的单位——焦耳、千焦或兆焦。房地产项目建设中所使用的各种物资材料都需要经过一定的开采和加工过程［７］，是经过了一定的能量消耗后形成的，这种消耗实际上是对自然环境的消耗，是一种环境负荷，其大小可用含能值来度量。澳大利亚等国的科学家经过多年的科学研究，目前已经测定了许多建筑材料和能源的单位含能值ＵＥｍＥｉ。项目建设中所消耗的人力劳动也可以看作是对环境、能量的耗费，可以通过劳务费和能值转换率转换为统一量纲的能值。

1.3.３计算各主要投入物资的含能ＥｍＥｉ

将某种物资的单位含能值，乘以该种物资的消耗量，便可得到该种物资在项目建设中的含能。计算公式为：

ＥｍＥｉ ＝ ＵＥｍＥｉ×Ｑｉ （３）

1.3.４求项目建设阶段的含能总值ＥｍＥＴ

含能总值由项目建设中各主要投入物资的含能加总而得。计算公式为：

ＥｍＥＴ ＝∑ＥｍＥｉ（４）

1.3.５求项目建设中物资消耗所需要的生态生产面积ＰＥＦ和项目承载效率指数ＩＣＥ

这一步骤的目的是要将含能总值换算为相应的生态生产性土地面积，即生态足迹，亦即求出项目建设所消耗的含能总量需要多少生态生产面积来提供。这一换算需要依据一个重要的参数——平均生态生产率（即单位生态生产面积一年生产的能量），一般可采用全球平均生态系统生产率ＡＥＰ。计算公式为：

ＰＥＦ ＝ ＥｍＥＴ／ＡＥＰ（５）

ＩＣＥ ＝ ＰＥＦ／ＳＰ （６）

式中，ＳＰ为房地产建设项目的占地面积。

对于房地产建设项目是否处于可持续性状态，可以由以下准则来判断：

（１） 若ＩＣＥ＝ＰＥＦ／ＳＰ＞１，则认为建设项目的物资消耗产生了生态赤字。

（２） 若ＩＣＥ＝ＰＥＦ／ＳＰ＝１，则认为建设项目为生态平衡状态。

（３） 若ＩＣＥ＝ＰＥＦ／ＳＰ＞１，则项目建设产生了生态盈余。［６］

２实例分析

本文以长沙市某房地产建设项目为例进行生态足迹的实证分析。该项目为钢筋混凝土框架结构，采用独立柱基础。总建筑面积１２ ６１４平方米，占地面积为４ ５００平方米，防火等级为二级，屋面防水等级为二级，抗震设防烈度为六度，项目建设期为２００８年８月至２００９年４月。建筑设计合理使用年限为５０年。该建设项目原材料、劳务消耗情况及太阳能值、生态足迹见表1。

在计算该房地产建设项目所需的太阳能值时，数据主要取建设项目的钢筋、水泥、木材“三大材”和劳务费的实际消耗，根据房地产项目建设工程量清单数据得出，然后再根据能值转换率转化成太阳能值。项目建设过程中物资消耗所需要的生态生产土地面积ＰＥＦ的计算是将含能总值换算为相应的生态生产性土地面积，取全球平均生态系统生产率为３．１×１０１５ ｓｅｊ／ｈｍ２，［５］则该项目在建设阶段消费的物资实际所消耗的生态生产性土地面积为２ １０７ｈｍ２，即产生了２ １０７ｈｍ２生态足迹，此房地产建设项目所消耗的物资能量，需要２ １０７hm2具有全球平均生态系统生产率的生态生产面积用一年时间才能生产出来；或者说是在项目的寿命期间５０年内需要４２hm2具有全球平均生态生产率的生态生产面积才能生产出来，以项目地约１００倍的生态生产土地面积才能弥补此消耗。

由表1还可以看出，该房地产建设项目消耗的劳务所产生的生态足迹最大，为９８３．３８ ｈｍ２；其次是对钢材的消费，占用７７３．９７ ｈｍ２的生态足迹；水泥消耗量所造成的生态足迹为３４３．０７ ｈｍ２，木材消耗的生态足迹最少，为６．９３ ｈｍ２。随着经济、社会及科技的发展，城镇建设用地的扩张，土地需缺性的加大，房地产建设项目的质量越来越高，建筑密度、容积率越来越大，使得建筑对材料的要求越来越高，钢筋和水泥的消耗量居高不下，而对木材的需求量却不大。

该建设项目的效率承载指数ＩＣＥ＝２ １０７÷０．４５＝４ ６８３＞１，说明该建设项目的物资消耗产生了大量的生态赤字。由于物资的大量、集中投放，使得房地产建设项目出现生态赤字，处于不可持续的发展状态，必须通过调用腹地的生态承载力来弥补此赤字。

３ 结论

通过上述理论和实证分析，可以得出以下结论：

（１）基于能值理论的生态足迹分析方法可用来构建房地产建设项目生态足迹模型，并以此为基础测度房地产建设项目的可持续性。

（２）房地产建设项目对钢材和水泥的消耗需求量较大，要想减少建设项目生态足迹，应主要从这两项入手；另外，应用先进管理技术和科技手段提高施工效率以减少劳务投入，也是降低房地产建设项目生态足迹的有效途径。

（３）房地产建设项目对环境造成极大的生态赤字，所产生的生态足迹在项目寿命期内无法由项目所在地支撑，必须消耗大量腹地的生态环境资源，对环境造成巨大压力，与环境相容性较差。要解决或缓解这种不相容性，需要通过提高建筑材料利用效率、改变高消费的生产和生活方式、发展循环经济、约束城市建设对生态空间的占用等手段，来降低房地产建设项目的生态足迹和生态赤字，实现房地产建设项目的可持续发展。

主要参考文献

［１］徐勇戈，吴淑和，王珏． 工程建设项目生态足迹分析［Ｊ］．资源与产业，２０１０，１２（４）：１５０－１５３．

［２］Ｍａｔｈｉｓ Ｗａｃｋｅｒｎａｇｅｌ，Ｊ Ｄａｖｉｄ Ｙｏｕｎｔ．Ｔｈｅ Eｃｏｌｏｇｉｃａｌ Fｏｏｔｐｒｉｎｔ：Aｎ Iｎｄｉｃａｔｏｒ ｏｆ Pｒｏｇｒｅｓｓ Tｏｗａｒｄ Rｅｇｉｏｎａｌ Sｕｓｔａｉｎａｂｉｌｉｔｙ ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ａｓｓｅｓｓｍｅｎｔ，１９９８，５１(1/2)：５１１－５２９．

［３］张黎明，文倩，霍金炜，等． 基于生态足迹和灰色关联度的湖南省可持续发展研究［Ｊ］．农业现代化研究，２０１０，３１（４）：４５９－４６１.

［４］严茂超．生态经济学新论——理论、方法与应用［Ｍ］．北京：中国致公出版社，２００１．

［５］Ｏｄｕｍ Ｈ Ｔ．Ｅｎｖｉｒｏｎｍｅｎｔ Ａｃｃｏｕｎｔｉｎｇ： Ｅmergy ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Dｅｃｉｓｉｏｎ Ｍａｋｉｎｇ［Ｍ］． ＮｅｗＹｏｒｋ，ＮY: Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ，１９９６．

［６］郑小晴．建设项目可持续性及其评价研究［Ｄ］．重庆：重庆大学，２００５．

［７］林格，秦旋，郭艳红．基于生态足迹的建设项目可持续性分析与评价——以奥运会比赛场馆为例［Ｊ］．建筑科学，２００９，２５（２）：１１－１５．

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文

作者：龙贞杰 时洪刚

灰色关联分析的社会经济论文 篇2：

基于信息熵的重庆市土地利用结构时空演变及其驱动因素分析

摘要：在对重庆市2009—2016年土地利用变更调查数据进行分析的基础上，采用熵值函数模型分析重庆市土地利用结构动态变化，应用灰色关联分析方法分析引起重庆市土地利用结构信息熵变化的驱动因素。结果表明，（1）2009—2016年重庆市土地利用结构信息熵总体上处于不断调整优化过程中，呈3个发展阶段：稳步增长阶段（2009—2013年）、快速增长阶段（2013—2014年）、持续降低阶段（2014—2016年）;（2）重庆市38个区（县、市）土地利用结构信息熵值的空间分布呈以主城区和万州区、忠县为信息熵高值为中心向外围递减的规律;（3）土地利用结构信息熵变化与第二产业产值比重、总人口、城镇化率3个经济社会发展因素表现出强关联关系，与公路线路里程、第三产业产值比重、第一产业产值比重、人均GDP、社会消费品零售总额、全社会固定资产投资总额呈中等关联关系。

关键词：土地利用结构;信息熵;时空演变;灰色关联;重庆市;驱动因素;熵值函数模型

信息熵的概念是由信息论的创始人美国数学家申农于1948年提出，随后被众多学者推广应用到诸多领域[1]。“熵”作为一个热力学概念，在信息论中信息熵是信息无序度的度量，根据耗散结构理论，通过引入负熵流来抵消内部熵增的方法，从而确定系统的演变方向[2]。土地资源系统作为一个典型的耗散结构系统，它是一定区域经济、社会、环境相互作用的复合生态系统。土地利用结构是在一定区域内在非人为干扰因素和人为干扰因素的影响下，产生结构的演替和变化，它的自发性和不可逆性特征与耗散结构系统的预定假设相符[3]。因此，很多学者在对土地利用结构时空变化、土地利用结构的演化以及土地利用结构与效益变化的耦合效应等方面的研究更多地采用信息熵模型作为一种重要的研究方法[4-8]。土地利用结构信息熵可综合反映某区域在一定时段内各种土地利用类型的动态变化及其转换程度[2]。齐梅等对重庆市1997—2006年土地利用结构变化及其驱动力机制进行了研究[9]，但没有从空间演变角度进行研究分析，重庆市自2010年被国家层面确定为国家中心城市以来，经济社会进入了新的迅猛发展时期，本研究根据2017年11月发布的最新土地利用现状分类标准，通过分析重庆市在2009—2016年新时期新的经济社会发展背景下土地利用结构信息熵在时间维度和空间维度上的演变趋势，并探讨影响重庆市土地利用结构信息熵变化的驱动因素，以期为重庆市未来土地利用结构调整、土地利用规划提供科学的决策依据，促进土地资源健康可持续发展。

1 研究区概况与数据来源

1.1 研究区概况

重庆市地处我国西南部，长江上游地区，位于105°11′～110°11′E、28°10′～32°13′N之间，地貌以丘陵、山地为主，其中山地占76%，有“山城”之称。渝东、渝东南临湖北省、湖南省，渝南接贵州省，渝西、渝北连四川省，渝东北与陕西省和湖北省相连。气候属亚热带季风性湿润气候，年平均气温在 16～18 ℃，常年降水量为1 000～1 450 μm。幅员面积为 8.24万km2，辖38个区县（自治县）。2016年末全市常住人口3 048.43万人，城镇化率为62.6%。全市土地利用以农用地为主，占土地总面积的比重为86.24%，建设用地和未利用地占土地总面积的比重分别为7.73%、6.03%。

1.2 數据来源

土地利用结构变化数据来自于重庆市2009—2016年土地利用现状变更调查资料，经济社会发展数据来自于重庆市2009—2016年统计年鉴。土地类型划分根据中华人民共和国国土资源部印发的GBT 21010—2017《土地利用现状分类》，并结合《中华人民共和国土地管理法》的“三大类”来划分，将土地类型划分为耕地、园地、林地、牧草地、其他农用地、居民点及城镇工矿用地、风景名胜设施及特殊用地、交通运输用地、水域及水利设施用地、其他土地等10个二级地类，将土地利用现状分类中的二级地类商服用地、工矿仓储用地、住宅用地、公共管理与公共服务用地合并称为居民点及城镇工矿用地，结合《中华人民共和国土地管理法》“三大类”中农用地的类型将三级地类农村道路、水库水面、坑塘水面、沟渠、设施农用地、田坎提取出来合并称为其他农用地。经济社会发展指标采用总人口、城镇化率、人均国内生产总值（GDP）、第一产业产值比重、第二产业产值比重、第三产业产值比重、社会消费品零售总额、全社会固定资产投资总额、全社会公路里程9个指标。

2 研究方法

在2009—2016年期间，重庆市土地利用结构不断发生调整，居民点及城镇工矿用地、风景名胜设施及特殊用地、交通运输用地的比例有所提高，2009—2016年居民点及城镇工矿用地增长率为1.70%，交通运输用地增长率为5.31%;耕地、园地、牧草地、其他农用地、水域及水利设施用地、其他土地的比例有所下降，表明近年来重庆市经济社会发展带来的各方面的建设导致建设用地不断扩张，相应带来农用地等非建设用地减少。同时，随着对生态环境保护的重视程度不断提高，林地保护及退耕还林等举措导致林地面积及比例也不断增加，2009—2016年林地占全市土地总面积的比重增长率为0.24%。

由图1、图2可知，在2009—2016年期间，重庆市土地利用结构信息熵和均衡度呈“稳步增长-快速增长-持续降低”的发展态势。重庆市土地利用结构变化趋势大体经历了3个发展阶段： 第1个阶段是2009—2013年， 土地利用结构信息熵和均衡度稳步增长，信息熵由2009年的1.471 3 Nat增长到2013年的 1.473 6 Nat，均衡度由2009年的0.639 0增长到2013年的0.640 0，但土地利用结构的变化幅度不大，土地利用结构信息熵和均衡度的年均增长率为0.039 8%，基本趋于稳定上升的态势。这一阶段重庆市土地利用结构不断发生变化，各类用地比例逐步趋于平衡。第2个阶段是2013—2014年，土地利用结构信息熵和均衡度增速加快，信息熵由1.473 6 Nat增长到1.475 0 Nat，增长率高达 0.097 1%。说明2014年重庆市土地利用结构调整步伐加快，各类用地比例变化较以往更为明显，这一阶段居民点及城镇工矿用地、交通运输用地增长较为明显，其他农用地明显减少。2014年土地利用结构信息熵和均衡度达到最高点，而优势度相反，2014年是2009年以来的最低值，说明当时重庆市土地利用结构变化最大，而各类用地比例差别也最小，土地利用结构紊乱无序。第3个阶段是2014—2016年，土地利用结构信息熵和均衡度不断降低，信息熵与均衡度的变化幅度较大，信息熵由2014年的1.475 0 Nat下降到2016年的 1.471 7 Nat，年下降率为0.113 2%，土地利用结构处于快速调整时期，土地利用系统逐步向合理有序的方向发展，这一时期耕地面积减少与林地面积增加较为明显，这与2014年以来重庆市实施新一轮退耕还林工作成效显著有密不可分的关系。

3.2 土地利用结构信息熵的空间分布分析

选取重庆市2009、2016年各区（县、市）土地利用数据，计算信息熵、均衡度、优势度。由表2可知，从2009—2016年期间，重庆市38个区（县、市）中除渝中区由于已发展成熟、土地已开发完毕，土地利用结构未发生变化之外，其他区（县、市）土地利用结构信息熵均发生了变化：其中江北区、大渡口区、南岸区、沙坪坝区、九龙坡区土地利用结构信息熵有较为明显降低，主要是由于近年来重庆市主城区经济社会的经济发展质量提高，经济社会发展方式转变，经济增长对建设用地的增长的依赖程度降低，土地利用有序度提高造成的;巫山县、黔江区、武隆区、秀山县、云阳县、奉节县、城口县、垫江县、梁平区、万州区、丰都县、石柱县等信息熵有所降低，以上区（县、市）主要位于重庆市渝东北地区和渝东南地区，近年来在经济发展、社会事业、生态保护等各方面稳步推进，林地面积不断扩大，土地利用均衡度降低，有序度提高;涪陵区、长寿区、江津区、璧山区、合川区、永川区、南川区、潼南区、铜梁区、荣昌区等紧邻重庆市主城区，近年来凭借良好的区位交通条件经济社会发展速度较快，土地利用结构加快调整，建设用地比重不断增加，农用地及其他土地等比重降低，与2009年相比土地利用结构信息熵提高，土地利用有序度降低。

在ArcGIS 10.0软件的支持下，根据表2数据采用自然间断法将信息熵的区域差异分为4个档次：低值区、中低值区、中高值区、高值区，重庆市38个区（县、市）2009、2016年信息熵的空间分布如图3所示。可以看出，2016、2009年重庆市各区（县、市）土地利用结构信息熵值分布趋势基本一致，重庆市38个区（县、市）土地利用结构信息熵值的分布基本上呈以主城区和万州区、忠县为信息熵高值中心向外围递减的规律。2016年重庆市信息熵高值区包括九龙坡区、渝北区、南岸等13个区（县、市），信息熵中高值区包括合川区、璧山区、大足区等11个区（县、市），信息熵中低值区包括潼南区、垫江县、奉节县、南川區等11个区（县、市），信息熵低值区包括城口县、巫溪县、渝中区3个区（县、市）。

信息熵值的高低与区（县、市）土地总面积、土地利用类型数量分布状态、经济社会发展等因素密切相关。区域土地面积越小，某种地类的变化所引起的土地利用结构的变化幅度越大，2016年重庆市信息熵高值区13个区（县、市）土地总面积占全市总面积的18.35%，平均每个区（县、市）土地面积约为133 084 hm2，远低于全市平均每个区（县、市）土地面积的216 774 hm2。忠县由于土地利用内部结构相对于其他区（县、市）来说较为均衡，因此，其信息熵值也较高。信息熵值的高低区域分布受区域经济社会发展基础、政策、区位、交通等因素影响较大，经济社会发展越快，人类活动强烈，对土地系统的改变越大，使土地利用无序度增加，信息熵值就越高，2016年信息熵高值区地均GDP为51.34万元/hm2，约为全市地均GDP的2.57倍。

4 重庆市土地利用结构变化驱动因素分析

土地利用结构的不断变化导致土地利用结构熵值发生变化，影响土地利用结构的主要因素分为人为干扰因素和非人为干扰因素。在这里非人为干扰因素在短时间内难以显现，因此，本研究仅分析人为干扰因素对土地利用结构的影响，而人为干扰因素主要表现在经济社会发展方面。土地利用结构与经济社会发展相互产生作用，经济社会发展以土地利用结构为基础，经济社会的发展引起经济社会结构发生变化，反过来会对土地利用结构产生影响[10]。

根据所获得的重庆市统计资料，在前人研究[11]的基础上，经对比分析，选取9个经济社会发展指标通过灰色关联模型来进行相关性分析，它们分别为总人口（x1）、城镇化率（x2）、人均GDP（x3）、第一产业产值比重（x4）、第二产业产值比重（x5）、第三产业产值比重（x6）、社会消费品零售总额（x7）、全社会固定资产投资总额（x8）、公路线路里程（x9）。

4.1 灰色关联分析理论模型

作为灰色系统理论与方法的主要内容，灰色关联分析实质上是一种几何分析方法，关联度就是2条曲线或2个函数变化相似程度的指标，关联度越高，表明2条曲线的几何形状越相似。通过比较子因素与母因素间关联度的大小，可科学判断引起系统发展的主要因素与次要因素，该模型的基本思路如下：

灰色关联度按照强度等级一般分为3个层次，0.7<γij≤1为强关联，0.35<γij≤0.7为中等关联，0<γij≤0.35为弱关联[12]。

4.2 灰色关联分析结果

根据灰色关联度模型[13]，计算重庆市土地利用结构信息熵与经济社会发展相关因素的关联度，结果见表3。

由表3可看出，2009—2016年重庆市土地利用结构信息熵与经济社会发展的关联度排序为x5>x1>x2>x9>x6>x4>x3>x7>x8。其中，关联性最强的是第二产业产值比重指标，最弱的是全社会固定资产投资总额指标。从关联强度方面来看，土地利用结构信息熵与第二产业产值比重、总人口、城镇化率呈现强关联，与公路线路里程、第三产业产值比重、第一产业产值比重、人均GDP、社会消费品零售总额、全社会固定资产投资总额呈中等关联，其中与公路线路里程指标关联度为0.685 0，接近强关联。综上所述，本研究所选取的9个经济社会指标均对重庆市土地利用结构信息熵变化有较大影响，第二产业产值比重、总人口、城镇化率、公路线路里程等在土地利用结构中所占比重变化与土地利用结构信息熵的变化关系最为密切，其他指标对重庆市土地利用结构的影响次之。

出现上述情况的原因是重庆市工业化、城市化、农业现代化的快速推进及交通基础设施的不断完善，使得第二、第三产业迅速发展，吸纳外来人口增多，人口城镇化进程加快，从而导致建设用地需求不断增加，相反农用地、未利用地由于被建设用地占用而不断减少，土地利用结构在上述经济社会因素的影响下不断发生变化。

另外，重庆市人均GDP、社会消费品零售总额、全社会固定资产投资总额在2009—2016年呈持续增长态势，但其增长在更大程度上反映的是经济发展质量、人民生活水平等效率方面，对土地的直接影响相对较小，因此与重庆市土地利用结构信息熵的关联度相对较弱。

整体而言，2009—2016年重庆市土地利用结构变化与经济发展、城镇化、交通改善、社会投入、社会消费等因素存在密切关联，经济社会的发展通过对土地的需求导致土地利用结构的变化，若对经济社会发展加以政策因素合理引导可促使土地利用结构向科学合理的方向调整，科学优化的土地利用结构反过来进一步促进经济社会可持续发展，同理对土地利用结构加以政策调控可在一定程度上达到调控经济社会发展的目的。

5 结论与讨论

通过对重庆市2009—2016年土地利用结构信息熵变化趋势及其影响因素进行分析，得出以下结论：（1）2009—2016年重庆市土地利用结构信息熵和均衡度呈现出“稳步增长-快速增长-持续降低”3个发展阶段。第1个阶段是稳步增长阶段（2009—2013年），土地利用结构的变化幅度不大，信息熵和均衡度的年均增长率为0.039 8%。第2个阶段是快速增长阶段（2013—2014年），土地利用结构信息熵和均衡度增速加快，信息熵增长率高达0.097 1%，土地利用结构紊乱无序。第3个阶段是持续降低阶段（2014—2016年），信息熵与均衡度的变化幅度较大，土地利用结构处于快速调整时期，土地利用系统逐步向合理有序的方向发展。（2）2009、2016年重庆市38个区（县、市）土地利用结构信息熵值分布趋势基本一致。信息熵的区域差异分为低值区、中低值区、中高值区、高值区等4个档次，土地利用结构信息熵值的分布呈以主城区和万州区、忠县为信息熵高值中心向外围递减的规律，主要是受各区（县、市）面积大小和经济社会发展因素影响。（3）重庆市2009—2016年土地利用结构信息熵与第二产业产值比重、总人口、城镇化率呈现强关联，与公路线路里程、第三产业产值比重、第一产业产值比重、人均GDP、社会消费品零售总额、全社会固定资产投资总额呈中等关联，经济社会发展是引起土地利用结构变化的主要内在驱动因素。（4）土地利用结构的变化受人为因素影响较大，其中人为因素主要包括经济社会因素、政策因素等方面，加强区域土地利用结构变化与经济社会发展关系的研究，有助于了解土地利用的动态趋向。本研究仅仅就土地利用结构变化与经济社会发展方面的相关性进行了研究，而对政策性因素等方面的研究欠缺，今后应该加强政策制定的科学性研究，基于土地利用的动态趋向，引导土地利用结构朝合理化方向发展，从而反过来进一步促进区域经济和土地利用的可持续发展。

参考文献：

[1]吴国盛. 科学的历程[M]. 北京：北京大学出版社，2002：569.

[2]耿 红，唐 旭，马 玲. 基于信息熵的城市土地利用结构合理性分析[J]. 国土资源科技管理，2006，23（1）：84-87.

[3]谭 洁，朱红梅，金卫华. 长沙市土地利用结构熵值时序分析[J]. 经济地理，2010，30（1）：118-121.

[4]董 杰，杨春德，周秀慧，等. 山东省土地利用结构时空变化及其驱动机制分析[J]. 水土保持研究，2006，13（4）：206-210.

[5]李文波，杨钢桥. 基于信息熵的城市土地利用结构演变分析——以武汉市为例[J]. 國土资源科技管理，2007，24（4）：96-100.

[6]孔雪松，刘艳芳，谭传凤. 嘉鱼县土地利用结构与效益变化的耦合效应分析[J]. 资源科学，2009，31（7）：1095-1101.

[7]赵 晶，徐建华，梅安新，等. 上海市土地利用结构和形态演变的信息熵与分维分析[J]. 地理研究，2004，23（2）：137-146.

[8]何祖慰，杨 忠，罗 辑. 西藏昌都地区土地利用结构熵值时序分析[J]. 长江流域资源与环境，2007，16（2）：192-195.

[9]齐 梅，林秀梅，王 燕. 重庆市土地利用结构信息熵时序变化及驱动力研究[J]. 国土资源科技管理，2009，26（3）：64-68.

[10]陈彦光，刘继生. 城市土地利用结构和形态的定量描述：从信息熵到分数维[J]. 地理研究，2001，20（2）：146-152.

[11]陈荣蓉，宋光煜，信桂新，等. 土地利用结构信息熵特征与社会经济发展关联分析[J]. 西南大学学报（自然科学版），2008，30（7）：141-142.

[12]范建刚，谢 斌. 西北五省区粮食生产灰色关联比较分析[J]. 干旱区资源与环境，2007，21（8）：121-125.

[13]刘亚男，李淑杰，孙 博，等. 扶余市生态服务价值对土地利用变化的响应[J]. 江苏农业学报，2017，33（3）：592-597.

作者：于雪丽 郭欢欢 李灿

灰色关联分析的社会经济论文 篇3：

1998年以来长沙市城区商品住宅价格变化特征及趋势预测

摘要:在对1998年以来长沙市城区商品住宅价格变化进行分析的基础上,文章通过多元回归和灰色关联等模型对长沙市未来几年的商品住宅价格进行预测。

关键词:商品住宅;价格;变化特征;趋势预测

一、引言

2008年,受全球性金融风暴影响,长沙房地产业出现下滑。面对严峻形势,长沙市出台了一系列稳定房地产市场的措施,将住房保障与扩大需求并举,通过强化政府对市场的引导与监管,相比前三个季度,长沙市城区商品住宅价格在第四季度开始上升。全年全市(含郊县)完成房地产开发投资约469.5亿元,与2007年同期相比增长约13.7%,比上年回落17.4个百分点。商品房销售面积822.6万平方米,比上年下降16.5%;住宅销售额245.5亿元,下降17.7%。全年商品房施工面积约4447万平方米,其中新开工面积约1631万平方米,竣工面积约687平方米,与2007年同期比分别增长约34%、48%、30%,全年全市(含郊县)累计批准预售1829万平方米,比2007年同期增长29%。

二、1998年以来长沙市城区商品住宅价格变化特征

(一)1998年以来长沙市城区商品住宅价格变化

通过收集1998年以来长沙市城区商品住宅价格的资料,绘制1998年以来长沙市城区商品住宅价格及其变化图(见图1),对长沙市商品住宅价格进行分析。

1998-2008年,长沙市城区商品住宅价格除2002年有所下降以外,总体呈上升趋势,由1998年的1925元/平方米上升到2007年的3372元/平方米,十年的涨幅为75.1%,年均涨幅为6.43%,其中,2007年涨幅最大,为25.31%。2002年,长沙市城区住宅价格相比2001年下降了10.16%。

影响商品住宅价格变化的因素众多,主要包括国民经济发展水平、社会经济环境和政策因素等。商品住宅价格的变化与同期国民经济变化方向大致一致。近年来,长沙市经济快速发展,城市化进程推进,住房需求随之加大,因此房价逐步攀升。另外,1978年以来,我国实行的改革开放、土地使用制度和住房制度的改革。土地从无偿使用变为有偿使用,住房从福利分配变为货币分配,推进了住房的商品化,土地的市场化。这些改革使土地资源的紧缺状况在商品住宅价格上迅速得到体现,促使住房价格日益上涨。此外,由于外资近年来进驻我国的脚步加快,许多热钱流入国内,我国人多地少,众多外资看好我国房地产市场,导致大量外资进军房地产市场,在一定程度上助推了房价的进一步攀升。

总之,长沙市国民经济的增长加上稳定的社会经济环境,长沙商品住宅价格基本呈稳步上升的态势。

(二)1998年以来长沙市房地产商品住宅价格变化分析

根据长沙市近十年商品住宅价格变化情况,选取价格变化较显著的年份作为分界点,可以把长沙市近十年商品住宅价格变化分为以下阶段:

1、稳步上升期:1998-2001年。在这个时期,长沙市房价呈现出稳步上涨的特征,这主要是由于我国住房制度的全面改革。1998年4月7日,中国人民银行全面实行购房按揭政策,鼓励住房消费。另外1998年7月国务院发布了《关于进一步深化城镇住宅制度改革,加快住宅建设的通知》,通知要求1998年下半年停止住房的实物分配,逐步实现住房分配货币化,建立和完善以经济适用房为主的多层次城镇住房供应体系。经过政策影响,无论是政府监控,还是市场开发与市场竞争,都较以前更加规范。这些政策很快带动了房地产的投资开发,大大推动了房地产市场化进程,长沙市商品住宅价格稳步上升。

2、短期下降期:2002年。2002年是近十年来长沙市城区商品住宅价格唯一的一次下跌的年份,下跌幅度达10.16%,主要原因有:首先,市场供应大,需求不旺盛。因五城会的召开,长沙着力改造提升老区,拓展新区,2002年安排重点建设项目25个,总投资84.13亿元,房地产开发量240多万平方米,完成经济适用房建设120万平方米。供给大于需求,必然导致商品住宅价格的下降。其次,单位经济适用房交房量大。2002年长沙市经济适用房建设约70万平方米。比2001年的50万平方米增加了约20万平方米。以每户70平方米来计算,2002年有1万户长沙市民买到经济适用房。这使得一部分商品住宅消费者的住房消费转移。另外,当年的拆迁补偿方式为住房面积补偿而不是现金补偿。因五城会的召开,长沙着力改造提升老区,拓展新区,政府广泛开展房屋拆迁改造工作。但是当时的拆迁补偿方式主要是住房补偿方式,而不是现在普遍存在的、能刺激房地产消费的现金补偿方式,这样就对房地产开发量的增加有延缓作用。

3、新一轮稳步上升期:2003-2006年。2003-2006年,长沙市城区商品住宅价格实现了新一轮平稳增长。这4年来长沙市商品住宅价格上升平稳,主要是依靠国家政策的宏观调控。如2003年6月5日,中国人民银行发布了《中国人民银行关于进一步加强房地产信贷业务管理的通知》(121文),从开发资金和个人住房贷款两方面出手,从供给到需求整个流程卡住房地产商的资金链。2003年9月1日,国务院发布了《国务院关于促进房地产市场持续健康发展的通知》,从完善供应政策,调整供应结构;改革住房制度,健全市场体系;发展住房信贷,强化管理服务;改进规划管理,调控土地供应;加强市场监管,整顿市场秩序等六个方面进行了调控。2005年5月12日,国务院转发了建设部、发改委、财政部等七部门《关于做好稳定住房价格工作的意见》,意见要求各地区、各部门要把解决房地产投资规模过大、价格上涨幅度过快等问题,作为当前加强宏观调控的一项重要任务。而长沙已被列为国家对房地产市场进行重点调控的35个大中城市之一。

4、强势膨胀期:2007年。2007年,长沙市商品住宅价格首次突破3000元大关,而且比上一年上涨了681元,增幅达到了的25.31%,相当于1999-2006年平均上涨幅度的10倍以上,这也属于近十年来商品住宅价格变化的反常现象。这种现象的产生也是有一定的特殊原因的。首要原因是宏观投资热潮。2007年全年完成固定资产投资1445.18亿元,比上年增长32.6%。其中全年房地产开发投资412.99亿元,比上年增长35.9%。商品房销售面积985.09万平方米,比上年增长32.8%,住宅销售额298.30亿元,增长76.9%。其次是民间资本,即炒房团的进入。长沙作为国内的二线城市和一线城市(如深圳)的产品和消费水平差距逐渐缩小,但在房产价格的差距上却很大,但从当时的数据来看,甚至达到了上万的差价,更何况长沙房地产市场相对其他的二线城市而言,房价是比较低的。再加上毕业后又留在长沙的人比例增大,购买房子的人群正在扩大,因此,对于一线城市(如深圳)来说,长沙房产升值的空间也相当大。因此,炒房团大量游资落户长沙房地产市场,长沙市城区商品住宅价格被抬高。再次是消费者价格预期。2006年商品住宅价格的稳中有升,2007年季度均价呈现逐季上涨的趋势,特别是第三季度环比涨幅较大,第四季度住宅价格约上涨了908元/平方米。因此,消费者大都认为商品住宅价格上涨是必然趋势,购买商品住宅是稳定的投资行为。另外,房贷缺陷也是导致2007年商品住宅价格强势膨胀的又一原因。首付两成、一成,甚至零首付的情况屡屡出现。这促进了买房者的房地产消费。商业银行不良资产有增无减,房贷评估有缺陷。房贷首付低使得2007年商品住宅累计销售达722.67万平方米,与2006年相比增长35.87%,住宅销售占商品房销售总量的89.17%。

5、理性调整期:2008年。2008年长沙市商品住宅价格增幅减缓,市场逐步回归理性。原因主要体现在:首先,2004-2007年,全国主要城市楼市迅猛发展、房价一路飙升、房地产投机盛行、热钱涌入资本市场,诸多迹象显示楼市已偏离正常轨道。政府出台一系列调控政策,从土地供应、资金筹集、税率等渠道遏制失控的楼市,在媒体的渲染下,市场观望气氛愈集愈浓,市场成交量持续走低。其次,市场供大于求,市场有效需求不足。尽管近半年内市场销售量稳定上涨,但幅度很小,并且与2007年相比减少接近30%,整体市场观望氛围依旧,投机型消费基本匿迹,刚性需求受到抑制,短期内难以看到全面复苏的景象。然而存量房地产数量却很大,造成市场供大于求,供求比接近2∶1。

三、长沙市商品住宅价格变化趋势预测

(一)灰色关联模型

灰色系统理论,亦称灰色理论。灰色理论具有只需少量数据就可作系统分析、模型建立、未来预测、行为决策和过程控制的特点。灰色预测法的基本思想是通过鉴别系统因素之间发展趋势的相异程度,既进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据系列,然后建立相应的灰色预测模型,对具有灰色系统特征的社会、经济等现象进行预测。

由于影响商品住宅价格的因素很多,它们之间的作用关系错综复杂,难以阐述清楚,但我们可以得到商品住宅平均销售价格的历史数据,这些历史数据实际上是过去各种确知的和不确知的信息的综合反映,因此商品房住宅价格完全可以用历史数据作为灰色信息的反映来进行分析、研究确定其变动规律,从而确定出其未来的走势。下面简述借助GM(1,1)灰色预测模型建立商品住宅价格预测模型过程的主要步骤:

第一步,数据生成处理。将原始数据,即历年的商品住宅平均销售价格作某种数学处理。在灰色系统建模理论中,用得较多的主要是累加生成,即按时间序列依次累加。设原始观测数据列为{x(0)(k)}k=1,2,3……n,令x(1)(k)=x(0)(i)(i=1,2,3……n),则{x(1)(k)},即为{x(0)(k)}的一次累加序列。累加生成的主要作用是使原来杂乱无章的原始数列变为较有规律的数列。

第二步,构造数据矩阵B和数据向量Yn。GM(1,1)的数据矩阵为:

(二)其他影响因素分析

商品住宅价格的变化受到人口因素、收入因素、经济发展水平、物价水平、信贷政策、土地政策等因素共同影响。我国政府将采取更加积极有效的政策措施,稳定市场信心和预期,稳定房地产投资,推动房地产业平稳有序发展。

四、结论

1998-2008年,长沙市城区商品住宅价格除2002年有所下降以外,总体呈上升趋势。根据灰色关联模型预测结果,2009年以后,长沙市商品住宅价格超过4000元。但是商品住宅价格的变化受到诸多因素的影响,所以任何对商品住宅价格的预测都是不完全准确的。因此,预测结果仅仅只能反映商品住宅价格的大致走向,不能作为数值参考。

参考文献:

1、长沙市2008年国民经济和社会发展统计公报[DB/OL].长沙统计信息网.

2、2007年长沙市房产市场年报[Z].长沙市房产研究中心.

3、邓华.长沙市房地产业可持续发展研究[J].湖南农业大学,2006(12).

4、曹英.长沙市房地产的价格波动与预测研究[J].湖南大学,2007(4).

5、李菲,孙文彬,张军.灰色理论在商品住宅价格预测中的应用[J].辽宁工程技术大学学报(社会科学版),2004(6).

6、张江凌.灰色预测法在经济预测中的应用[J].广西商业高等专科学校学报,2000(17).

(作者单位:湖南师范大学资源与环境科学学院)

作者：常 可