基于网络租赁数据的分析与预测

(四川大学经济学院 四川 成都 610000)

一、研究内容与数据来源

本文首先通过爬取链家网租赁房房源信息，然后利用python、R等对数据进行处理，进一步分析成都市房源整体状况、对影响房价的可能因素进行描述统计分析，最后选择BP神经网络对租赁房价格进行建模和预测。

本文通过八爪鱼爬虫软件爬取链家网租赁源信息，所要抓取的变量有城市、房源标题、房源上架时间、链家编号、价格、租赁方式、房型、楼层、面积、朝向、地铁、小区、位置、经度、纬度、房源照片、房源介绍、当前时间、页面网址共19个特征，最终去除重复后有2892条数据。

二、房源信息整体情况

分析成都租赁房的整体特点，本文采用数据集中的经纬度对应每一个房源的地理位置，然后在成都市地图中进行标记(使用Rstudio软件)。可以看出，在爬取的这2892条房源信息中，绝大部分的房源分布在成都市三环以内，除了北三环等地区，基本上在三环以内都有租赁房房源。其次房源较多的区域有高新区、天府新区、双流区、温江区、郫都区、新都区、青白江区和龙泉驿区等，另外其他区域也有少量房源。

三、房源信息分变量描述统计

本文节选部分变量对租赁房房源进行描述统计分析。

(一)房型

从不同房型来看，2室1厅1卫、1室1厅1卫、1室0厅1卫等房型有较多的房源，可以看出一方面可能因为开发商在小户型住房的开发上占多数；另一方面也可能因为小户型的房子很好出租，适合才从事工作的人员作为过渡房使用。

图2 不同房型的分布

(二)朝向

观察不同朝向的占比饼状图，可以看到朝南、朝东南、朝东的房子比例分别为36.5%、32.8%、15.6%，根据中国人的传统居住习惯也可以看出，大部分的居民会选择朝南或东的房子。

图3 不同朝向的分布

四、租赁房价格影响因素分析

下面主要分析房价的影响因素，这可以进一步为下一节进行神经网络预测做准备。因为有的住房租赁是单租有的是整租，导致用原始价格不能很好地反映住房的可比价格，因此本文选择使用月度单位面积价格来度量房价的大小以及用月度单位面积价格来进行预测。为进一步观察不同划分情况下的价格分布的差异，以下节选所在不同行政区位、距离地铁站距离两个影响租赁房价格的因素进行分析。

(一)不同行政区位下月度单位面积平均价格

行政区位的不同对月度单位面积平均价格有很大的影响，可以看到在成都不同的区域，房价是明显不同的。高新区和锦江区的租赁价格最高，这和目前的房价水平保持一致；其次是成华、金牛和天府区；而都江堰、彭州和青白江等区域的租赁价格相对较低，这是因为距离成都中心城区较远的原因。

图4 不同行政区域下月度单位面积价格比较

(二)距离地铁站远近与月度单位面积平均价格

通过观察地铁距离与月度单位面积价格散点图可以看出，1000米左右的距离相对地铁站来说距离都是比较近的，单从散点图来看还不能观察出距离对价格的影响。因此绘制数据的趋势线可以看出，趋势线略微往右下方倾斜，距离地铁站越近的租赁房价格越高，可能交通便利度确实会价格造成一定的影响。

图5 与地铁站距离不同下月度单位面积价格比较

五、BP神经网络进行预测

本文将全部数据划分为70%训练集和30%的测试集(参考其他文献的通用做法)。使用随机数生成的原则，随机选取70%的数据作为训练集，30%的数据作为测试集。

不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。

本文选择建立BP神经网络，选择建立三层网络结构。第一层的神经元个数为10，激励函数选择Relu函数；第二层的神经元个数为5，激励函数选择Relu函数；第三层的神经元个数为1，激励函数选择Linear函数。迭代次数100次，每次用来梯度下降的批处理数据大小为100，最终通过运行可以绘制出训练值与测试值的损失图像。在经过迭代100次过后误差基本趋于一致。

图6 迭代次数与预测误差

使用30%的测试集数据进行测试，最终绘制其中100个租赁房预测价格与实际价格的比较图形，可以看出预测价格较好地拟合了真实价格。

图7 其中100个房源真实值与预测值比较

六、总结

本文主要运用爬虫软件获取网站租赁房房源信息的数据分析，先从描述统计的角度进行了成都租赁房的整体分布观察以及对重要变量进行了分别统计；其次结合数据分别观察不同变量下租赁房月度单位面积价格是否有差异，最后运用BP神经网络建立了房价预测模型，最终的预测效果较为理想，具有一定的实践价值。但是本文存在诸多不足之处，首先数据的抓取上受限于网站页码的限制，可以改进代码进行更大规模数据的抓取。其次由于没有考虑时间因素，房价会随时间变化，因此在以后研究中应将此考虑进去。