基于主成分分析和灰色预测方法的房地产预警体系研究.pdf

《基于主成分分析和灰色预测方法的房地产预警体系研究.pdf》由会员分享，可在线阅读，更多相关《基于主成分分析和灰色预测方法的房地产预警体系研究.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2008年第6期 哈尔滨商业大学学报(社会科学版)No.6,2008 总第103期 JOURNAL OF HARB I N UN I VERSITYOF COMMERCESerialNo.103收稿日期 2008-09-25作者简介余 凯(1968-),男,福建福州人,经济学博士,高级经济师,研究方向:房地产经济与流通经济。基金项目福建省青年科技人才创新项目(2006F3007)。市场经济论坛基于主成分分析和灰色预测方法的房地产预警体系研究余 凯(福建工程学院,福建 福州350108)摘 要房地产预警体系是房地产宏观调控体系的重要组成部分。本文利用房地产相关经济理论,以福州市为例,选择和构造了

2、7个房地产预警复合指标,并通过主成分分析法,确定了每个指标在预警体系中的权重,同时结合预警界限,判断了每个指标历年的监测结果,进而求出福州市房地产历年的综合警度,最后利用灰色预测模型对福州市未来两年房地产的发展情况进行了预测。关键词房地产;预警;主成份;灰色预测中图分类号F293.30文献标识码A文章编号1671-7112(2008)06-0017-08A Research on Urban Real Estate-Warn ing with theM ethod ofPrincipal Component and Grey PredictionYU Kai(Fujian University

3、 of Technology,Fuzhou 350108,China)Abstract:The real estate early-warning is a very important part ofmarco-control of the real estate.Based on the theory of the real estate,takingFuzhou for example,this paper firstly selects seven complex real estate indiceswhich can reflect the real estate early-wa

4、rning,and then determinethe weight of everywith the method of principal component.Secondly,according to the warning limit,we judge the monitoring results of the real es2tate indices every year.Ulteriorly,we makes and empirical analysisof the developmentof Fuzhous real estate,obtain the early-warning

5、 results.Fi2nallywe adopt the G M(1,1)model to predict the future about Fuzhous real estate in two years,and we find its trend is Sustainable thermal.Key words:real estate;early-warning;principal componentmethod;grey prediction一、引言随着经济的发展,房地产业在我国国民经济中所占的地位越来越重要。近年来我国房地产价格持续走高,早在2003年就有专家指出我国房地产市场存在泡

6、沫,但这种“泡沫论”至今仍未形成共识,与之相类似,2008年初我国一些地方房价开始下跌,一些专家提出“拐点论”,同样争议很大。出现这种现象的原因主要是我国缺乏一个以定量分析为主的对房地产市场进行监控和预警的体系。因此,当前对房地产预警体系进行研究具有重要的现实意义,这不仅关系到我国房地产宏观调控的效果,而且关系到我国房地产市场乃至整个国民经济的健康发展。房地产预警就是要在一定理论基础上通过对房地产经济运行历史过程的分析,归纳总结出若干房地产经济运行的基本规律,然后通过对关键核心指标的选择和建立,以及对房地产经济运行过程中指标变化的持续监测,对房地产经济运行的总体态势和局部特征的变化进行准确判断

7、,并对其今后走势做出正确的预测和评价,从而尽可能地提前采取监督调控措施,最大限度地促进房地产业和房地产市场的持续健康发展。国内学者认为对房地产预警主要包括四个步骤,即:(1)明确房地产预警警义,选择预警指标;(2)根据相应的指标评价标准,确定警度和警界;(3)房地产预71 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http:/警指标、预测方法的选择;(4)警度预报与政策调控。而对预警方法的研究,国内主要有三种,即:景气循环法、统计预警法(综合模拟法)和系统模型法。这三种方法各

8、有优缺点。景气循环法的预警信号由先行指标扩散指数提供,但是预测指标的精度不能保证,且对未来的预警功能受到时间的限制;统计预警法的优点是既可以看出经济活动的升降,又可以反映出各指标的综合结果,但是计算单指标对总体警情的贡献时,没有考虑权重,基本上认为单指标对总体警情的贡献是均分的;系统模型法采用一定的数学方法来构造预警模型,这种模型可以是明确的数学函数关系,如系统模型、物元模型,;也可以是黑箱模型,如模糊判定模型、神经网络模型,它的优点是系统精度高,但是模型和算法的调试难度大。目前国内学者在房地产预警上已作了一定的研究,取得一些成果,但在综合运用主成分分析和灰色预测这两种方法来构建房地产预警体系

9、方面尚处于空白状态。本文是在这方面的一个尝试。首先根据房地产经济的一般理论,以福州市房地产业为例,选择和构建了反映预警体系的复合指标,并运用主成分分析方法确定选取的指标的权重,避免了权重确定的主观性,进而利用,3(其中为指标的均值,为指标的标准差)法则来确定预警界限,判断出各年房地产的监测情况,并结合各个指标的权重,求出一个综合警度,最后结合数据的特点,采用灰色预测方法G M(1,1)模型对未来两年的发展状况进行预测。二、房地产预警的基本理论和模型1.指标体系的选择房地产预警指标的设计和选择是房地产预警体系的基础,关系到能否科学有效地建立房地产预警体系,是目前房地产预警研究的一个重点。从目前国

10、内外研究现状来看,选择合适的指标体系主要有两种方法,一种是纯粹的定性方法,根据房地产经济理论和实践,通过定性的方法来确定指标,如国外Zetland(2008)构造了一个房地产市场指标体系(REM I),这个指标体系主要由三部分构成,即:销售价格,交易量和在市场上的天数(DoM),并研究分析了如何来计算这个指数。国内韩立达(2007)在总结国内多篇文献的基础上认为指标体系大体可分为四类:(1)生产类预警指标,如房地产投资占固定资产投资的比重、房地产投资增长率、房地产投资收益率等;(2)交易状况类预警指标,如商品房销售面积增长率、商品房销售额增长率、土地转手率等;(3)消费状况类指标,如商品房价格

11、增长率、房价收入比等;(4)金融类指标,如货币供给增长率、房地产贷款增长率等。而另外一种就是定性与定量相结合的方法,如周忠学、李永江(2003)先从定性上选择了与房地产相关的20个指标,进而从定量上用聚类分析方法分成5类,并针对每一类进行主成分分析,最后将指标简化为7个综合性的指标。本文在参考国内外文献的基础上,选取了与房地产有关的10个指标,并在此基础上构建了7个复合指标。2.房地产指标权重的确定要对房地产进行预警,需要求出一个综合的警度,而综合警度的求取要通过所选择的指标加权求得。因此我们需要确定每个指标在综合警度中的权重,权重的确定一般有三种方法:主观赋权法、客观赋权法以及二种方法结合起

12、来的混合法。主观赋权法主要是根据人们主观上对各评价指标的重视程度来确定其权重,主要有专家调查法和层次分析法等。客观赋权法确定权重的信息直接来源于客观环境,它是根据各指标所提供的信息量的大小来决定相应指标的权重,主要有统计方法中的主成分分析、因子分析等。本文采用客观赋权法中的主成分分析法,这避免了由专家打分来确定权重的主观性。主成分分析是多元统计中降维的一种方法,它将原来多个指标重新组合成互相无关的几个综合指标来代替原来的指标,实现用少数的几个综合指标尽可能多地反映原来指标的信息量。其基本原理如下:设对某一评价对象进行评价时,原始数据表中样本数为n,指标数为p,则观测样本矩阵为Xij=x11x1

13、2x1px21x22x2pMxn1xn2xnp,并 得 到 样 本 的 相 关 关 系 矩 阵R=r11r12r1pr21r22r2pMrn1rn2rnp,其中:rij=1n-1ni=1xiixij,i,j=1,2,P根据特征方程|R-I|=0,求得n个非负实根k(k=1,2,p)及相应的特征值对应的特征值向量lk(k=1,2,p),将特征根依大小次序81哈尔滨商业大学学报(社科版)2008年第6期 Journal of Harbin University of Commerce No.6,2008 1994-2009 China Academic Journal Electronic Pub

14、lishing House.All rights reserved.http:/排列 12p,其相应的特征向量记为I1I2Ip。则第k个主成分的方差贡献率为:k=kpi=1i-1前k个 主 成 分 的 累 计 贡 献 率 为:f=ki=1ipi=1i-1确定主成分个数的标准有两个:一是按累计贡献度达到80%以上,二是特征值需要大于1。前m个主成分对总体方差的贡献矩阵为A=(1,2,m),同时得到各指标在前m个主成分上的贡献矩阵为L=(l1,l2,lm)。则各指标对总体方差的贡献率矩阵可由下式求出,F=AL=(f1,f2,fn),其中各元素的值即为相应指标的权重。从以上的计算过程可以发现,用主成

15、分确定的权重实际上就是各指标对总体方差贡献率的大小。3.预警区间的确定:当房地产预警指标及指标权重确定后,需要判断各个指标的监测情况,即需要判断各个指标的预警区间。根据顾海兵经济系统分析理论,对指标的判断采用信号交通的方式,即通常有以下五种颜色:红色、黄色、绿色、浅蓝、蓝色。相应地反映在房地产中分别对应为:过热区、微热区、正常区、微冷区、过冷区。并对这五种情况分别赋予相应的分值:过热为5分,微热为4分,正常为3分,微冷为2分,过冷为1分。对于这五个区域的界限划分,根据统计误差理论所得出的3法则来确定预警界限的区间,如表1所示。表1统计预警区间的划分预警状态过冷区微冷区正常区微热区过热区区间-,

16、-2-2,-,+,+2+2,+4.房地产预测对房地产的预测,既可以是单个指标的预测,也可以是综合指标的预测,预测方法主要有移动平均、指数平滑、卡尔曼滤波、系统仿真、多元回归、自回归、灰色预测等多种模型。如周亮、周正(2008)利用中国房地产价格指数,进行了时间序列长记忆性判断以及ARFMA建模的实证研究。对房地产经济指标的预测,由于得到的综合警度值顶多只有十多年的数据,因此对数据的要求应该具有一定的数据宽容性和样本容量小的特性,本文选择能克服这两个问题的灰色预测GM(1,1)模型。GM(1,1)是 指一 阶(order),一 个 变 量(variable)的灰色模型,是一种生成数据模型。GM(

17、1,1)的建模步骤如下:对于一项数据序列x(0)=x(0)(1),x(0)(2),x(0)(n),其一阶累加生成数列为x(1)=x(1)(1),x(1)(2),x(1)(n)其中:x(1)(k)=ki=1x(0)(i)(k=1,2,n)对于数列x(1),建立预测模型的白化形微分方程GM(1,1):dx(1)dx+ax(1)=式中a,为待估参数,a为发展灰度,为内生控制灰度。a,我们按最小二乘法求解。a=(BTB)-1BTYN其中:B=-(x(1)(1)+x(1)(2)/21-(x(1)(2)+x(1)(3)/21-(x(1)(n-1)+x(1)(n)/21YN=x(0)(2)x(0)(3)x(

18、0)(n)那么微分方程的解,即时间响应函数为:x(1)(k+1)=(x(1)(1)-a)e-ak+a式中:x(1)(1)=x(0)(1),将x(1)(k+1)作累加还原,我们便得到原始数据的预测值:x(0)(k+1)=x(1)(k+1)-x(1)(k)预测值算出后,我们还要运用残差和后验差对模型进行检验。一般情况下,要求相对残差应小于5%。根据后验比C和小误差概率P,我们可以把GM(1,1)模型精度分为四种等级:当P 0.95,C 0.80,C 0.70,C0.65时,说明预测模型勉强;当P =0.65时,说明预测模型不合格。三、福州市房地产预警的实证研究福州市房地产市场自1998年走出低谷,

19、至今已连续多年保持快速增长。下面我们按照上文分析的房地产预警理论和模型,实证分析福州市1997年-2006年房地产的预警情况,并预测07、08两年房地产综合警度的数值。本文所选择的数据来自福州统计年鉴、福州市房管局、福州市房地产交易登记中心。1.指标体系选取由于福州市房地产市场起步较晚,对数据的统计不是很全面,部分重要的指标连续多年的数据无法获得(如房地产的空置率、房地产自有资金率、房地产信贷额等),这从客观上制约了本文指标体系的选择和构建。因此,在按照房地产自身发展的内在特点和从数据的可收集性上,本文初步选择10个与房地产密切相关的指标。这10个指标分别为:房地产投资额、全社会固定投资额、房

20、地产竣工面积、房地产施工面积、商品房价格、人均住宅面积、年人均可支配收入、土地开发面积、商品房销售面积、政府批准预售面积。并通过组合将这10个指标简化为7个复合指标,并通过相应的处理(如将部分指标处理为增长率)。这7个复合指标如下:D1=房地产投资额/全社会固定资产投资额这一指标主要反映房地产与国民经济之间的协调关系,这是一个非常重要的指标,国际上通常用它来衡量房地产投资是否过热。客观上,它应该有一个合理的比例区间,比例过低,说明房地产供应发展不足;比例过高,说明发展过度。D2=房地产开发投资增长率它是衡量房地产业发展状况最直接的一个指标,数值增大则房地产市场趋于繁荣,变小则房地产市场趋于衰落

21、,而且它又是房地产业的先行指标,领先于房地产周期波动变化。D3=房地产竣工面积/房地产施工面积这个指标主要作为房地产的生产指标,是一个前瞻性指标,施工面积往往要大于竣工面积,适度的比值有利于保持房地产供需平衡。D4=商品房价 人均住宅面积/年人均可支配收入这个指标主要反映了居民购买房地产的经济承受能力,数字越小,居民承受能力越强。D5=土地开发面积增长率这个指标反应了房地产土地开发情况和楼市的供给能力。D6=商品房销售面积增长率这个指标反映了社会对房地产的需求情况。市场启动,房价上涨前,一般先有销售的放量,交易量萎缩则是市场调整的先兆。D7=实际销售面积/批准预售面积这个指标反映了市场即期供求

22、关系,一般情况下,如果该指标值大于1.05表明市场供不应求,房价有可能进一步上涨。这7个指标的原始数据见表2。表2构造的复合指标原始数据D1(%)D2(%)D3(%)D4D5(%)D6(%)D7(%)199721.655.220.193.06-37.0862.130.40199819.756.090.182.72-8.6236.730.64199922.2517.620.23.0218.8648.741.06200031.9127.610.212.8356.7713.780.83200134.3118.070.262.74-6.2620.460.99200233.0211.730.235.03

23、101.0919.051.03200339.2567.100.314.985.7712.351.18200442.5033.930.315.03-42.5239.611.32200536.79-0.800.295.1410.73-4.240.95200641.1335.680.315.63-44.1626.241.482.福州市房地产指标权重的确定根据表2对这7个指标进行主成分分析。用软件SPSS13.0可以得到表3和表4。表3为主成分的特征值及相应特征值的贡献度。根据主成分个数选择原则,我们选择两个主成分F1和F2,其中F1、F2的特征值分别为4.108、1.381。02哈尔滨商业大学学报(

24、社科版)2008年第6期 Journal of Harbin University of Commerce No.6,2008 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http:/表3主成分特征值表NO初始特征值贡献度累计贡献度提取特征值贡献度累计贡献度14.10858.68358.6834.10858.68358.68321.38119.72478.4071.38119.72478.40730.6198.84287.24940.5307.56994.81850.2343.

25、33898.15660.0931.32499.47970.0360.521100.000从表4可以看出,对主成分F1而言,指标D1、D2、D3、D4、D7有较高的载荷,因此主成份F1主要可以由这几个指标来解释,指标D5、D6在主成分F2上有较高的载荷,因此主成份F2主要可以由这两个指标来解释。表4特征值的特征向量特征值1特征值2D10.4740.000D20.3290.282D30.4750.107D40.416-0.117D5-0.037-0.769D6-0.2810.547D70.4340.070于是我们可以得到这两个主成分关于七个指标的表达式,即:3F1=0.4743D1+0.3293D

26、2+0.4753D3+0.4163D4+(-0.037)3D5+(-0.281)3D6+0.4343D7F2=0.0003D1+0.2823D2+0.1073D3+(-0.117)3D4+(-0.769)3D5+(0.547)3D6+0.0703D7F=0.586833F1+0.197243F2=0.2781623D1+0.2486893D2+0.2998533D3+0.221053D4+(-0.173383D5)+(-0.057053D6)+0.2684953D7于是可以求得各个指标的权重见表5。3.综合警度的求取在判断每个指标的监测警度过程中,需要将这7个原始指标标准化,在软件SPSS13

27、.0中可以求得标准化的数据,见表6。表5指标权重指标D1D2D3D4D5D6D7权重0.2018120.1613110.2345130.1274470.0784090.0084790.188028表6标准化后的数据D1D2D3D4D5D6D71997-1.2706-0.8515-1.1086-0.7837-0.88991.7747-1.87051998-1.4982-0.8080-1.2965-1.0617-0.21520.4736-1.10701999-1.1987-0.2306-0.9207-0.81640.43631.08880.22902000-0.04150.2697-0.7328-

28、0.96770.1496-0.7020-0.502620010.2461-0.20810.2067-1.0453-0.1593-0.35990.006420020.0915-0.5255-0.35700.82702.3857-0.43210.133620030.83792.24721.14620.78620.1259-0.77530.610820041.22720.58611.14620.8270-1.01890.62111.056120050.5432-1.15300.77040.91700.2435-1.6251-0.120920061.06310.67381.14621.3176-1.0

29、578-0.06381.565112余 凯:基于主成分分析和灰色预测方法的房地产预警体系研究 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http:/根据表1的统计预警区间的划分,数据标准化后,相应的预警区间转化为:区间-,-2为过热,-2,-1为偏冷,-1,1为正常,1,2为偏热,2,+为过热。我们可以得到各个指标在19972006年的警度监测情况,见表7。表7指标的警度监测D1D2D3D4D5D6D71997微冷正常微冷正常正常微热微冷1998微冷正常微冷微冷正常正常微冷1

30、999微冷正常正常正常正常微热正常2000正常正常正常正常正常正常正常2001正常正常正常微冷正常正常正常2002正常正常正常正常过热正常正常2003正常过热微热正常正常正常正常2004微热正常微热正常微冷正常微热2005正常微冷正常正常正常微冷正常2006微热正常微热微热微冷正常微热根据上文的警度监测的赋值规则可以得到各个指标的分数赋值情况,见表8。记赋值表所组成的矩阵为H。于是我们可以得到19972006年指标的综合警度(M)情况为:M=H3W(M为综合警度,H为指标历年赋值矩阵,W为指标权重),同时根据彭翊的研究成果,即:580%、570%、550%、540%,分别为过热、微热、正常、微

31、冷、过冷的临界点,相应的区间为:4,5 为过热,3.5,4为微热,2.5,3.5为正常,2,2.5为微冷,2,1为过冷,从而判断各年房地产的监测情况,结果见表9。表8指标赋值情况D1D2D3D4D5D6D719972323342199823223321999233334320003333333200133323332002333353320033543333200443432342005323332320064344234表9综合警度值年份1997199819992000200120022003200420052006警度2.38412.24822.80673.00002.87263.1568

32、3.55713.54592.83023.6734信号浅篮浅蓝绿灯绿灯绿灯绿灯黄灯黄灯绿灯黄灯监测微冷微冷正常正常正常正常微热微热正常微热22哈尔滨商业大学学报(社科版)2008年第6期 Journal of Harbin University of Commerce No.6,2008 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http:/从表9可以看到,福州市房地产1997、1998处于微冷状态,1999、2000、2001、2002年处于正常状态,2003、2004、20

33、06处于微热状态,2005年处于正常状态。这与实际情况基本吻合。1997年、1998年福州房地产市场和全国一样当时在亚洲金融危机下普遍低迷,而在这两年我国主要仍是实行住房分配制度,这两年房地产业处于微冷状态,而从1998年下半年停止住房实物分配,逐步实行住房分配货币化后,房地产市场产生了巨大的需求,这从根本上刺激了房地产业的发展,福州市房地产业开始进入到正常的状态,直至2002年以前,房地产的运行都是正常的。2003、2004年房地产发展速度加快,已经处于微热状态。2005年回落到正常状态,这主要是国家于2005年出台了“国六条”,由于这是我国第一次出台大面积的房地产宏观调控政策,对购房者心理

34、预期和房地产商开发经营的影响是很大。而2006年,与全国情况一样福州市房地产又开始微热。4.房地产综合警度的预测本文通过建立GM(1,1)模型来对2007年和2008年综合警度值进行预测。以表9数据建立GM(1,1)模型,通过灰色系统专业软件的运算,可以得到结果为:发展灰度a=-0.039406内生控制灰度=2.470267根据时间响应函数计算公式:x(k+1)=(x(1)(1)-a)e-ak+a我们把a,的值以及x(1)(1)=x(0)(1)=2.3841代入上述公式,可以得出时间响应函数为:x(1)(k+1)=65.07168e0.039406k-62.687586再根据x(0)(k+1)

35、=x(1)(k+1)-x(1)(k)进行累加还原我们可以计算出2007年和2008年的预测综合警度值分别为:3.729和3.879。后验比C=0.0487小误差概率p=1.0000从C、p以及残差的数值看,这个模型是符合预测要求的,因此预测结果可靠。此时福州市2007年和2008年的预测综合警度值分别为:3.729,3.879,表明在2007、2008年福州市房地产的综合警度都是微热,并且有逐年上升的趋势。1997-2008年的综合警度值的波状分析如图1所示。图1 综合警度指标2007年我国房价再次出现新一轮的大幅上涨,2008年我国房地产市场进入了调整阶段。根据对福州市2007年和2008年

36、房地产综合警度值的预测,可以看到警度值开始变大,房地产继续变热,如果未来总体经济形势不出现大的变化,那么福州市房地产未来几年仍将持续走高,会出现过热的现象。但是在现实中,2008年福州市房地产一些预警指标同比有可能出现不同程度的下跌,实际预警值可能会减小(实际指标有待政府部门的发布)。这主要是全球经济受美国次贷危机的影响发展速度放缓,同时我国在2007年下半年为防止房地产市场过热,采取了从紧的货币调控政32余 凯:基于主成分分析和灰色预测方法的房地产预警体系研究 1994-2009 China Academic Journal Electronic Publishing House.All r

37、ights reserved.http:/策,并且力度很大(一年中央行6次加息,10次提高存款准备金率,并于9月出台了的对第二套房提高首付及利率的调控政策),导致08年房地产的各项组合指标减小,这是导致预测值与实际情况可能有误差的根本原因。四、结论从总体上看,我国对房地产预警系统的研究和运用还很不成熟,在构建一个合理有效的房地产预警系统的理论和方法上还处于借鉴阶段,真正能够适合我国国情的房地产预警系统还有待于我们进一步的探索与研究。本文在构建房地产预警系统时,将主成分分析和灰色预测G M(1,1)模型用于预警系统,通过对福州市房地产的实证研究,发现这是可行的,从实证研究的结果来看,具有一定的准

38、确性,基本符合现实情况,这为我国房地产业的预警研究提供了一个新的思路。参考文献1David Zetland.The Real EstateMarket IndexJ.JEL.June 2,2008.2韩立达.城市房地产预警系统理论与实证分析M.四川,成都:西南财经大学出版社,2007.3周忠学,李永江.房地产业预警预报系统影响因素的主成分分析J.企业经济:2003(12):130-132.4于秀林,任雪松.多元统计分析,中国统计出版社,1999年第1版.5顾海兵.经济系统分析M.上海:上海财经大学出版社,2002.6周亮,周正.基于时间序列的房地产价格指数预测方法探讨 J.哈尔滨工业大学学报(

39、社会科学版),2008(2).:80-83.7彭翎.城市房地产预警系统设计J.中国房地产:2002(6):50-52.责任编辑:张鲜华(上接第16页)这对土地利用结构的合理性是一种有力的补充;居民点及工矿用地和交通运输用地的增加则有利于当地经济发展。根据优化结果,减少的地类是未利用地,人们对于土地的需求不断增加,因此对于未利用地的开发程度必将逐年增加,未利用地的减少是必然的趋势。但在开发中要注意保护环境,达到经济、生态同步发展。依照这个结果,对比2006年,期望中的2010年的土地利用结构将更加合理,各保护地类数量普遍有所提高,土地利用综合指数达到239.6,土地利用结构以及土地利用程度将取得

40、明显进步。参考文献1宋 戈.中国城镇化过程中土地利用问题研究M.北京:中国农业出版社,2005:178-182.2毕宝德.土地经济学M.北京:中国人民大学出版社.2006(1):26-30.3庄大方.中国土地利用程度的区域分异模型研究J.自然资源学报,1997.12(2):141.4哈尔滨市统计局.哈尔滨统计年鉴(1996年-2006年)D.中国统计出版社.5孜比布拉 司马义,等.和田市土地利用结构变化研究J.干旱环境监测,2006(4):203-204.6李锦兰,等.铜陵市土地利用变化及其驱动因子研究J.资源与产业,2007(1):81-83.责任编辑:张鲜华欢 迎 订 阅 欢 迎 投 稿42哈尔滨商业大学学报(社科版)2008年第6期 Journal of Harbin University of Commerce No.6,2008 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http:/