前段时间和几个朋友讨论过关于买房的问题，主要讨论的就是该不该买、买不买得起和去哪买得问题。于是就产生了一个想法，分析一下深圳的房价情况。
数据来源：
房天下：http://sz.fang.com/
小区数量：4067个小区
数据更新时间：2017年9月15日
一、买不买得起，这是一个问题
买不买得起，这是一个问题。我们来看看深圳房价的数据分布：
根据深圳二手房的房价分布，有67%在4万以上，还有小部分分布在10万以上，但是看到这个数据分布，还有8%左右在2.5万以下，似乎还是有点希望。
但是再了解下房价的地理分布，现实好像显得有些骨感。
从深圳二手房房价的地图分布来看，房源主要集中在房价比较高的地方，超过5万/平米的房价主要集中在南山区、福田区和罗湖区，以及宝安的宝安中心区和西乡街道、龙华的民治街道以及龙岗的坂田街道。这样的数据展示不够直观，因此我们来看看，深圳各区县的的房价情况。
从深圳各区房价来看，南山区和福田区的均价超过5.5万；宝安区、罗湖区、盐田区和龙华区相差不多，在4.5万左右；其他区主要距离市中心比较远，均价也都在3万/平米以上。
看完深圳让人绝望的房价，再了解下深圳最贵的10个小区，让我们彻底绝望一下。
最贵的10个小区以别墅偏多，均价基本在15万以上，里面有6个在南山区，主要位于华侨城；福田有3个，主要是在香蜜区域；天园居别墅位于罗湖。
二、是什么在让房价骚动
是什么再让让价骚动？影响房价的因素有哪些？我们利用房天下小区房价数据和百度地图获取的POI（Point of Interest，兴趣点）进行分析。
由于房价变化同时受到多个因素影响，为便于分析，主要选择建筑类别、建筑年龄、容积率、绿化率、地铁站、公交站点、学区、生活与服务设施（购物或生活设施）、文化娱乐设施（体育场馆、旅游景点、文化场馆）、医院（门诊部、卫生服务站、各大医院）十个因素对深圳2017年9月房价进行分析。
数据的来源及指标如下：
Hedonic模型是指美味消费者在进行效用极大化追求中，当提高一单位的某个属性消费时，乐意付出的附加费用，考虑到选取的特征向量数值比较小，而房价的相差比较大，我们选择Hedonic模型对房价的影响因素进行分析。
这里我们引入交叉验证，选取75%的训练样本来构建我们的特征价格模型，选取25%用来测试样本的合理性。通过线性回归，获取的训练结果如下：
根据上图，我们可以得到特征价格模型。结合特征价格模型，对比预测值和测试值，以RMSE（均方根误差）为评价测度，RSME=0.36，算是一个比较满意的误差范围。
根据OLS的回归结果，可以得到以下结论：
（1）建筑特征中类型和绿化率对房价影响比较显著，而容积率影响并不显著，其中，绿化率每提高1%，房价会上涨0.16%。
（2）学区房对房价影响比较显著。深圳市重点小学、重点中学主要集中在南山、福田和罗湖等城区，而南山、罗湖、福田三个区占据了大部分的重点学校和学区房。从回归系数来看，一般学区房比非学区房价要高出15%左右。
（3）生活服务设施随数量变化，对房价呈负相关。由于在市场经济条件下，超市、便利店等生活服务设施得到了充分的发展和配置，已不再成为购房者重点考虑因素；医疗设施对房价的影响并不显著，没有通过10%的显著性检验。医院作为覆盖较大的公共设施，并非就近满足人门的需求，也非居民购房时需要重点考虑的因素。
（4）地铁对房价的影响比较显著。深圳的地铁网主要集中在罗湖、南山和福田，在距离市中心比较远的区域，地铁遍及的地方，房价会有明显的影响。根据回归系数，1000m范围内的地铁房比非地铁房价格要高出16%左右。对于公交系统，对房价呈现负向影响，这说明两个特点：a.深圳市公交系统线路比较密集，站点配置比较均衡，已经不再成为购房者的考虑因素；b.小汽车等出行方式在深圳城市交通中占比较大的份额。
总结
在对深圳房价的影响因素的分析中，直接用数字得出结论的方式，让人阅读起来比较生硬，缺少多样化的可视化呈现方式。另外，在影响因素的结论上面，后期会进行进一步的探讨。
