2022年6月19日，由厦门大学管理学院、厦门大学健康医疗大数据国家研究院和国家统计局统计科学研究所厦门大学研究基地共同发起，厦门大学数据挖掘研究中心、厦门市云众联大数据科技有限公司联合研发的“基于大数据的租赁房屋资源禀赋指数——中国70大中城市”和由厦门大学数据挖掘研究中心、东北财经大学数据科学与人工智能学院和厦门市云众联大数据科技有限公司联合研发的“2021年中国房产网络舆情分析报告”正式发布。本次发布会采用线上为主，线上线下相结合的形式举办。

发布会由云评研究院秘书长张露沁主持，中国房地产估价师与房地产经纪人学会会长柴强，厦门大学管理学院教授、厦门大学健康医疗大数据国家研究院副院长、厦门大学数据挖掘研究中心主任，中国统计教育学会副会长朱建平，厦门云评众联科技有限公司创始人、中国房地产估价与经济学会理事、厦门大学数据挖掘研究中心高级顾问李秀荣，东北财经大学数据科学与人工智能学院副院长、中国信息经济学会数字产业与区域振兴专业委员会副主任徐健，北京反侵权假冒联盟理事长洪云锋，厦门银行徐杰出席本次发布会并致辞。

本次发布会的第一场报告是2021年中国70大中城市租赁房屋资源禀赋指数分析报告

租赁房屋资源禀赋相关图表和小区排名等内容的展示链接：http://index-lv3.yunping.com/。如图1所示，网站提供了包括70座城市小区数量、资源点样本数量、指标数量权重、距离权重、城市综合指数分布、各城市一级指数分布、各城市各项资源禀赋指数热力图、各小区各项资源禀赋指数数值、城市前百小区各项资源禀赋指数分布以及可提供的数据资源服务列表等内容。

构建城市或地区的租赁房资源禀赋指数对规范住宅租赁管理行为、引导房地产业健康发展、促进经济增长都具有重要意义。

①租赁房资源禀赋指数可以为政府研究租赁市场和公共租赁住房保障政策，实施市场监控、政策调控等提供服务。通过资源禀赋指数的分析，可以展现各资源禀赋对房屋租金价格的影响程度，以及不同片区租金价格差异程度和原因，进而可以为政府确定租赁房价格以及制定相关政策提供参考。

②房地产开发企业通过租赁房资源禀赋指数等房地产市场指标，企业可分析判断租赁市场的运行趋势和相关政策走向，为项目的投资估算和项目的营销推广提供参考。

③公众也可通过租赁房资源禀赋指数了解住宅租赁市场、选择合适的租赁房屋信息渠道，根据自己的居住习惯、房屋消费能力、居住时间等情况作出自己的租赁选择。如租户可以根据自己比较关注的某一个或若干个资源的禀赋指数来确定租赁房源的片区，或者在既定的片区内根据自己比较关注的某一个或若干个资源的禀赋指数来确定合适的小区，这样可以更快速更有目的性的进行租赁选择。

④估价机构及估价师一方面为租赁房资源禀赋指数的构建以及相关的影响因素、数据的收集和动态维护等提出专业的意见和建议，使租赁房资源禀赋指数更具指导性和专业性；另一方面，估价机构和估价师在进行估价作业时可将租赁房资源禀赋指数作为租金估价相关参数取值的参考，并可为估价委托人提供相关的咨询服务等。

租赁房屋资源禀赋指数分析报告使用的数据主要包括70座大中城市小区详情数据和小区周边租赁资源禀赋情况，经过多方对比和估价师确定最终选择云评众联数据库中2021年9月到2022年1月的小区详情数据，具体如表1所示。

此外，各小区周边租赁资源禀赋情况由厦门大学数据挖掘研究中心和云评众联运用定向资料搜集技术自互联网数据获取，如表2所示。

指标体系中，一级指标通过划分交通、教育、生活服务、体育与休闲和医疗健康等分领域指标，计算得到的对应分领域的指数反映了房屋周边各个领域的资源禀赋丰富程度；二级指标则是通过进一步细分上述5个领域，选取22个指标，其对应的指数则反映了房屋周边各个具体资源禀赋丰富程度。

与前两期类似，本期小区数据取自云评数据库，经云评估价师和数据工程师处理，小区数据不需要进行额外的处理。在听取了专家的建议，经过现有研究的整合分析和实际评估后，对这些数据进行了清洗和相关算法的改进。因此，得到图2和图3 中的七个地区租赁房屋资源禀赋综合指数的分布以及对应的表4和表5给出的七个地区租赁房屋资源禀赋综合指数分布的一些统计量。

以下是各分领域指数的分析结论：

一、交通综合指数。通过数据分析得出：随着城市的进一步发展，交通资源的分布将趋向于平滑，70座城市内部将不再存在公共交通资源极端不足的情况，但城市之间资源差异仍会继续存在。

二、教育综合指数。分析得出70座城市之间和城市内部的教育资源存在较明显的两极分化现象。

三、生活服务综合指数。在生活服务资源方面，大多城市可以划分为不太明显的三个圈层：匮乏，相对不足和相对富足。另外，从更大的峰度上来看，生活服务资源的城市内部与城市间的聚集情况更为明显：仅有少数的小区或城市具备较丰富的生活服务资源，大多数城市和城市内部的小区该方面的资源均相对较少。

四、体育与休闲综合指数。前面三个一级指数代表的资源多为政府提供的公共服务资源，受到政府统筹规划的约束，而体育与休闲资源中存在较多的非政府提供的资源，因此其选址决策更多地受到其自身预算约束和预期收益等方面的影响，因此分布不均匀的特征更为明显。

五、医疗健康综合指数。有趣的是，通过分析相关数据，类似于生活服务综合指数，在医疗健康资源方面，大多数地区都可以划分出三个圈层，特别是华东、华南、华中和西南地区，其左侧厚尾和双峰特征较华北和西北地区更为明显。七个地区均存在非常显著的双峰乃至多峰现象，医疗健康资源的分配十分不均衡。

综上所述，七个地区的综合指数和各个一级指数大致有以下几个特点：明显的左偏，部分指数存在左尾的小峰值，多峰态以及南方地区多比北方地区的分布更为均衡。根据租赁房资源禀赋指数，政府能够从多渠道实施市场监控，房地产开发企业能更准确地对项目的投资价值进行估算，并针对不同目标群体选择营销推广方式，公众也可通过租赁房资源禀赋指数了解住宅租赁市场，根据自己的居住习惯、房屋消费能力、居住时间等情况作出自己的租赁选择。

本次发布会的第二场报告是2021年中国房产网络舆情分析报告

本期分析报告以“中国房产”为主题，从近期受民众关注度较高的热点话题“房屋买卖”、“政策”、“落户”、“住房问题”、“土地市场”、“监督管理”、“成交量”、“房住不炒”、“房贷”、“房企”、“实体因素”和“工程建设”等进行舆情分析。本次报告利用聚焦型网络数据抓取技术对全国7家大型门户网站和微博平台的房地产话题进行舆情信息获取，共获得住房相关新闻正文56465条，新闻评论12005条，微博正文62394条，微博评论52718条。通过数据清洗，得到有效数据新闻正文为20417条，新闻评论6374条，微博平台正文25861条，微博评论32083条。

通过网络舆情分析技术，探讨了2021年中国房地产热点话题关注特征，即热度差异、内容识别、关联程度，并且对房地产热点话题文章及其对应的评论进行了情感倾向性分析，进而对2021年中国房产公众关注的热点话题特征进行了深刻的剖析。

一、特征分析反映热点话题舆情。

为了探索数据中公众关于房地产讨论的热点话题，采用自然语言处理技术对数据中的评论文本进行分词和词性标注处理，运用TF-IDF方法计算每个词的重要性，结合词语的词性筛选得到最终的关键词。将每个热点话题中的关键词按照频率由高到低排序，挖掘舆情特征。

住房不炒成为本次全国楼市网络舆论关注的焦点。分析数据中公众关于房地产讨论的热点话题发现，“住房不炒”热点话题的词频数为45526，成为本次报告关注的焦点话题，围绕住房不炒，“房地产”、“楼市”、“房价”成为这个话题中受关注程度较高的词汇。充分体现了2021年7月22日国务院副总理韩正重申“房住不炒”的定位，为下半年房地产政策调控明确定调，全面落实稳地价、稳房价、稳预期的房地产长效机制。“成交量”和“实体因素”热点话题的词频数分别为45335和44232，随着“一省一政”的实施，不同城市中房地产市场对于政策的反映也存在差异性，无论是房地产开发商的业绩保障还是公众自身的购房意愿，也成为关注的焦点。如今人们对于房屋追求有了进一步的提升，不仅是房屋本体价值的体现，更注重“生活区”这个实体因素，这样楼盘面积与花园等基本设施，将成为了公众关注的重要因素之一。

发展保障性租赁住房进一步完善住房保障体系。通过分析发现，热点话题词“房屋买卖”和“住房问题”的词频数分别为23990和27701，其出现的高频词汇有“房屋”、“产权”、“租赁”、 “保障”、“城区”、“试点”、“新城”等，这两个热点话题反映出同一类舆情。在房地产相关政策的驱动下，房屋产权与房屋租赁政策引起公众的关注。也充分体现了在“十四五”期间，将以发展保障性租赁住房为重点，进一步完善住房保障体系，增加保障性住房供给，努力实现全体公众住有所居。因此如何保障公众的居住权益与新城的建设规划成为公众关注的焦点。

强化监督管理进一步规范土地市场和工程建设。通过对高频词汇分布的结果进行观察，发现“土地市场”词频数为18235、“工程建设”词频数为18084、 “房企”词频数为14842、“监督管理”词频数为12994。随着房地产市场的调控，全国各地都出台了新的土地市场政策，同时围绕“工程建设”，“配套设施”也是一个高频词汇，可见土地市场的开发与房屋建设的配套设施，是如今人们相关话题高度讨论的内容。近几年，由于疫情的影响，房地产开发商在资金上的压力越来越大，在改善资金回流，稳定房地产业的健康发展的过程中，进一步落实城市政府主体责任，强化省级政府的监督指导责任，也受到了公众的普遍关注。

人才落户是引进高层次人才的有力手段。通过分析发现，“房贷”词频数为12710、“落户”词频数为9738、“政策”词频数为8514。在这里特别需要提及的是，以“落户”为热点，“学校”、“人才”、“教育资源”成为这个话题中受关注程度较高的词汇，充分反映出人才落户是引进高层次人才，推动地区经济发展的有力手段，除了政策给予人才的优惠之外，人才对于落户之外的相关资源也保持着很高的关注度，例如子女的教育资源等等。同时随着房地产调控政策的进一步稳定，加强对房地产贷款的集中管理，加强对个人住房贷款的审慎管理，成为了公众关注的热点。

二、关联分析探索舆情内在机理

本报告分析运用关联规则算法进一步分析各房产热点话题之间的联系，针对各个主题之间的关系，利用图形的直观展示，结合关联分析中“支持度”、“信任度”、“提升度”三个重要概念的计算，可以发现隐藏在数据之下各个主题之间的依赖和关系。

通过分析发现，话题关联性较为明显，热点话题成为关联核心。从关联分析结果来看，各个季度关联规则中“成交量”和“房住不炒”均是核心话题，该话题的关注度始终较高；而“实体因素”和“工程建设”话题仅在第四季度成为核心话题。可以认为，“房住不炒”政策在舆情上至少从2021年三季度以来逐渐取得更强的实施效果。

三、关注度分析展现热点变化规律

为了对比分析门户网站和微博平台中12个热点话题被关注的情况，利用关注度分析方法，计算得到2021年各月份中12个热点话题在门户网站和微博平台的正文及其评论数据中的关注度指标，进一步展现热点话题变化规律。

“房住不炒”和“成交量”关注度居高，话题变化较为平稳。房住不炒话题在网站和微博的总体关注度在80%上下波动，相对较为平稳。微博正文与微博评论呈现出相同的趋势，而网络评论关注度居高，进一步说明公众热衷于 “房住不炒”的评价和讨论。针对成交量话题而言，网站和微博的总体关注度在60%上下波动，在总体相对较为平稳的基础上，凸显网络评论关注度，分别于2月和4月经历了最低点和最高点后，5月开始呈上升趋势，说明公众对“成交量”话题的讨论趋于平稳上升。

网站平台更加关注“实体因素”和“工程建设”，“土地市场”和“监督管理”的关注度相对较低。就门户网站和微博平台而言，“实体因素”和“工程建设”的公众关注度，更加倾向于门户网站，两个热点话题的变化趋势基本相近，然而网站评论关注度相对波动较大，2月到6月先上升后下降，此后保持较稳定的上扬趋势。“土地市场”和“监督管理”整体关注度较低，但是就网站评论关注度相对起伏较大，而且有到达90%以上的高位关注度，进一步说明“两会”期间出台的政策，引起公众的高度关注。

“房屋买卖”、“落户”和“房贷”主题的关注度相对较低，总体评论的关注度起伏较大。在此特别需要提及的是，网站评论和微博评论以“落户”为热点，引发“房屋买卖”和“房贷”话题的讨论，更加深刻地说明了人才、教育、资源等因素牵动和影响房地产业的发展。

“政策”热点的关注度，平台差异较大。针对网站关注度在80%上下波动，话题的关注度变化相对较为平缓，而在网站评论中，该话题的关注度相对起伏较大，2月、4月和6月呈现出较高的关注度，7月到10月与正文的关注度呈现出相对一致的趋势。相较于网站该话题关注度的火热而言，在微博上的关注度呈现出较为冷淡的趋势，这也是中国房产舆情分析过程中发现的重要特征之一。

四、情感指数揭示楼市舆情，反映公众心境

本次报告的倾向性分析不同于以往按地理位置划分区域，我们通过获取的文本数据划，分为新闻正文和评论两个部分来分析机构组织与公众的情感指数。由于公众的情感倾向存在着一定的差异，因此这样划分可以清晰对比机构组织与公众之间存在的差异。另外，在分析新闻正文和评论中情感趋势差异时，本次报告使用自适应调整情感倾向分析方法根据内容自动调整相关情感词的权重信息，使得情感指数计算结果更加准确。

在此基础上，发现“房屋买卖”和“住房问题”相关话题，随着《民法典》实施和两会中大城市住房问题等相关议题的出现，公众对于二者的舆论情感的乐观倾向逐步提升；“成交量”和“房住不炒”在2021年7月22日国家颁布了房地产相关指导政策之后，除微博外的公众评论迅速回复到乐观状态。类似地，对于“实体因素”和“工程建设”这两个在关联规则上有着紧密联系的热点话题，同样也有类似的舆情情感倾向性指数，在微博上的正文和评论相对门户网站而言乐观程度较低，但随着两会的召开和指导政策的发布，新闻正文和评论的乐观倾向均更为明显。

编辑：梁萍