用Excel Power Map分析全国历史房价走势

前面的几篇文章对Power Map的操作界面、使用方法进行了介绍，今天我想围绕一个主题“房价”结合Power Map来做一个的分析。

创业者围着在一起讨论房价，“现在创业变现那么难，当年不如多投资几套房子”。

佛系少年围在一起讨论房价，“不如用买房的钱好好享受生活，一直租房为何不可”。

… …

这些讨论反应了近几年中国房地产的一些现状。抛开这些讨论，我们结合Excel用数据看看中国近几年房价的情况如何。

实验数据：安居客全国历史房价

本次案例不涉及详细的具体操作，如果你对Power Map还不太熟悉，可以先看看我前面的几篇文章。

先给大家看一段视频，时间条是从2009年1月1日开始到2018年4月19日，涉及全国283个城市，看着房价如雨后春笋拔地而起，很是壮观，可是内心一点也联想不到春天的生机，近10年中国的房价确实是增长迅速。另一方面，随着城市化的发展，近几年的房地产的覆盖面也是越来越广，从一线到四线，各个城市都在大力发展房地产。
视频：《全国城市房价时空分布（2009.01-2018.03）》

1，沿海城市普遍房价较高

根据最新的数据（2018年3月），房价排在前10的省份中有7个是沿海地区，从地图上看，沿海地区的区块颜色较深，房价较内陆高。

下面是房屋均价TOP50，看看你所在的城市是否在榜上。从下图来看，省会城市的房价普遍会比非省会城市较高。

2，看看广州、厦门、重庆、福州等这些“名不副实”的城市

从城市等级来看，房屋均价（2018年3月）与城市的发展程度水平成正比关系，城市化水平越高，其房价也越高。

在一线城市当中，统计得到房屋均价（2018年3月）为4.2w，其中广州和天津的均价分别为2.9w和2.2w，是一线城市中房价偏低的城市。

从房价走势来看，去年2017年北京、上海、深圳和天津都有一定的下降，深圳在去年1月下降之后又开始增长，而北京、上海和天津在过去一年是呈下降趋势的。广州和天津的话，房价一直是很平稳地在增长，如下图，从2013年开始，广州、天津和其他三个城市的房价差距逐渐拉大。

二线发达城市的均价为2.1w，从下图来看，厦门的房价是均价的2倍以上，看来这里，厦门的小伙伴不免又要开始吐槽了，“领着二线城市的工资，享受这一线城市的房价”。从房价走势来看，厦门的房价有2个增长点，一个是2016年3月，另一个是2017年2月，在不知不觉中，厦门的房价就这样被“默默“地炒起来了。而大连和重庆，相对来说房价是非常“平民化”的。

二线中等城市和二线发展较弱城市的均价相差不大，分别是1.2w和1.1w，从数据来看， 福州的房价也超过了其均价的2倍以上，另外，长沙、西安、哈尔冰、沈阳、长春这几个省会城市，其房价都低于平均水平。将超过均价的10个城市单独筛选出来，观察其走势，房价普遍都是在2016和2017这两年开始猛涨的。

三线及三线以下的城市就不进行赘述了。

如果单纯以不同城市等级的房价水平作为参考，来得出“名不副实”TOP榜单，则如下所示：

3，看看你所在城市的房价收入比

其实前面根据城市等级划分来判断城市的房价其实不太有说服力，毕竟一个家庭购房，最重要的是能不能买的起，所以这边引入工资这个变量来统计下各个城市的房价收入比，通过该指标来衡量不同城市的购房压力。

受限于手上只有2017年冬季37个城市的平均薪酬分布情况，所以下面以这37个城市来进行分析。

房价收入比是指家庭住房总价与家庭可支配收入的比值，由于每个人的储蓄习惯、理财方式、消费能力都有所不同，所以家庭可支配收入也会有所不同。下面计算对于人均可支配收入我取一个极限值，假设一个家庭有2个人赚钱，2个人一年不吃不喝，其人均可支配收入等于总收入，若要购置100平米的房子，则该家庭在37个不同城市的房价收入比统计如下：

人均可支配收入是低于人均收入的，所以这37个城市的实际房价收入比是比最后的结果要高的。而从主观角度来看，这37个城市中，排在前面的城市的购房压力是较高的。当然，如果你的家庭总收入比平均水平高，而你要购买的房子的价格比均价低，那你家庭的购房压力会随着降低。比如说你的家庭年可支配收入是30万，你的目标是购买100平的房子（单价2.5w/平），那么你家庭的房价收入比为房屋总价与家庭年可支配收入的比值，即250w/30w=8.3。

对于房价收入比的标准，没有严格地界限。

世界银行1998年对96各地区的统计资料显示：

• 家庭年收入在999美元以下（最低收入户）的国家（地区），房价收入比平均数为13.2；
• 家庭年收入在3000-3999美元（中等收入户）的国家（地区），房价收入比平均数为9；
• 家庭年收入在10000美元以上（高等收入户）的国家（地区），房价收入比平均数为5.6。
• 各国（地区）房价收入比的数值是高度离散的，这96个地区最高的为30，最低的为0.8，平均值为8.4，中位数为6.4。

而维基百科展示的较新的由在线数据库Numbeo所提供的2016年房价收入比数据则显示如下：

你也可以通过以上两个标准来宏观比较各个城市的房价收入比是否偏高或偏低。

4，关于数据

这一批数据我用集搜客GooSeeker网络爬虫现采的，采集规则和清洗处理后的数据我都会公开出来。如果你：

• 自己写爬虫采数据，那么你可以自己编程采集数据
• 不会编程写爬虫程序，但又希望能够体验采集数据的过程，那你可以下载我已经制定好的采集规则，入口：安居客全国历史房价数据采集。
• 希望有数据对数据进行清洗练习，那么你可以下载《全国历史房价采集原始数据集》
• 直接通过清洗后标准数据进行分析练习，你可以下载我已经清洗处理过的《全国历史房价清洗标准数据集》

5，常见问题

1.    为什么城市名是正确的，但是Power Map不能识别？

据我的多次实验，Power Map区块图对城市名的识别并不好，所以我已经放弃通过Power Map来绘制城市级别的区块图了。如果你有更好的方法，可以一起探讨下，如果我的方法有误，请你告知于我。

2.    Power Map匹配都较高的地理位置是？

经纬度，因为通过可以明确定位到地理上的某个点。

6，参考资料

•    维基百科：各国房价收入比列表