search
尋找貓咪~QQ 地點 桃園市桃園區 Taoyuan , Taoyuan

大城市房子買不如租?美國人民算了筆賬

無論北京還是紐約,身處全球一線城市的年輕人,面對高企的房價和房租,生活都「大不易」。

北上深房價漲上了天,更多年輕人加入租房大軍

去年才經歷房價暴漲的北京,最近又一次因為樓市躁動站上了全國輿論的風口浪尖。可能你也看過最近網傳的故事:有朋友在北京買房,賣家報價728萬,從7點半砍價到夜裡11點半,最終以745萬成交。

在北京也買不起房的DT君,第一次看到這故事自然是驚出一身冷汗。

北京的房價到底高不高?很多人認為其中存在危險的泡沫。

其中一個關鍵衡量指標是「售租比」:即用房子的價格除以每個月的租金,計算多少個月能夠收回購房成本。這個道理很簡單,房子也是一種商品,當被作為投資品的時候,是要靠租金來獲利的。

按照國際慣例,售租比在200到300之間是合理範圍,也就是差不多靠著租金,能在20年左右收回成本。但在北京卻不是這樣。北京部分地區的售租比已經達到1000甚至更高,也就是說靠租金要收80年(960個月)才能收回成本,而大陸一套房子的產權只有70年。

從北京的售租比來看,房價顯然早已偏離合理的軌道,但好在租房市場並沒有完全隨之而動。這也給了高房價之下的年輕人一個喘息餘地:對於DT君這種「無產階級」來說,雖然買不起房,但租房的租金,咬咬牙還是可以承擔的。

和北京的售租比失衡情況類似,上海、深圳等國內一線城市也或多或少存在相同的現象。

年輕人除了租房,似乎也別無選擇。而隨著越來越多人加入租房大軍,未來的租房市場一定會更加熱鬧。但這個市場最終會變成什麼樣呢?

我們不妨來參考下美國的例子。

相較於當前市場的紛繁複雜情況,美國的租房市場更成熟有序。來自加州大學伯克利分校的數據俠Geoff Boeing和Paul Waddell分析了全美1100萬條租房數據,詳細勘察了美國的租房市場。為我們觀察市場提供了一些有價值的角度和方向。

分化的美國租房市場:部分內陸州房租直逼紐約

在美國的房屋市場中,租房市場佔了相當大的比重。但在實際生活,影響人們做出租房決策的參考價格數據,大多還是來自大型房屋中介商。

雖然這些中介的商業數據很有價值,但是它們常常只關注大型公寓等房型,對小型自住用房考慮較少,而且常常會提供一些不全面的信息。

為了更全面、細緻地描述美國的租房市場,Geoff和Paul用Python爬取了分類廣告網站Craigslist上1100多萬條租房信息,用量化研究的方法分析了美國不同城市租房市場的差異。他們還將爬取的數據與美國住房和城市發展部門(HUD)的官方統計數據進行了相關性比較,交叉驗證了數據的可靠性。

(圖片說明:Craigslist中美國每平方英尺房屋租金在美國的分佈情況,顏色越紅代表租金越高。)

與人們一般的地理預期相似,在全美範圍內,東部和西部沿海城市擁有較高的租金水平,尤其是波士頓-華盛頓沿線以及加州海岸。其他分散的熱點地區還有芝加哥、丹佛、西雅圖等大城市。

在美國內陸地區,圍繞中心城市和地區性城市一般聚集著租金較低的房源。但令人意外的是,其中北達科他州的房租出奇的高,這反映了這個石油產區對租房的潛在需求。事實上,北達科他州的房租中位數在全美是第二高,僅次於紐約。

(圖片說明:Craigslist中房租中位數最貴的州排名)

如果再進一步細看,不同城市、不同地段房屋租金的分佈也十分不同。

(圖片說明:左圖為Craigslist中所有415個地區租金概率密度函數,每條線表示一個地區,線的顏色表示租金的高低;右圖為Craigslist中最受歡迎的15個大都市租金概率密度函數,線的顏色代表不同的城市。兩幅圖的橫軸都是每平方英尺租金價格,縱軸是密度。)

這兩幅彩虹線圖表雖然看上去有些凌亂,但是它們反映了一個很重要的發現:

那些租金中位數較低的城市,更容易在低價位出現峰值,且更容易出現多峰值。租金的這種變化趨勢在相對疲軟的租房市場尤其嚴重。在底特律,租金水平大都在一個相對集中的區間內分佈;但在舊金山,租金分佈就要分散得多。這其實也能反映出,舊金山的租房需求比底特律旺盛得多,地段的選擇也更多。

在這種情況下,對於美國政府來說,它們推行的「公平市場租金(FMR)」計劃,就很難幫到那些真正有改善居住需求的窮人階層。因為諸如舊金山等地的租金分佈太分散了,再考慮到房屋的大小,從數據上很難甄別哪些人是真正有改善租住需求的。

在租房這事上,美國一線城市的居者同樣大不易

了解了租金只是數據分析的第一步,租房問題最終還是人的問題。誰在租房?房屋租金是否會對他們的生活帶來負擔?

Geoff和Paul使用了三個指標來衡量人們對房屋的租住能力:租金收入佔比,低於公平市場租金(FMR)的房源佔比,以及租住面積。

一般來說,如果租房的租金水平超過了家庭收入的30%,我們就會認為房租已經成為家庭生活的負擔了(Rent Burden),會顯著影響居民生活質量。

下圖展示了基於Craigslist數據得出的美國15個最受歡迎城市的租金收入比情況。

(圖片說明:美國15個最受歡迎的大都市中租金的中位數占家庭月收入的比重)

美國的幾個一線城市:紐約、波士頓、邁阿密、舊金山、洛杉磯都超過了30%的指標。也就是說,在這些城市租房,你需要將更多的收入花在房租上,承受更多的「房租負擔」,紐約更是超過了40%。作為世界房價的錨地,紐約的房屋價格和租住價格一直備受關注。

DT君對比北京租房市場的價格,多數情況下還是可以找到占收入1/3左右的房源。比起紐約,北京房租的負擔成本並不是非常顯著。

為了保障低收入人群的住房需求,美國政府推行了「公平市場租金」(FMR)計劃,FMR的標準一般設為該地區房租分佈水平的40%。在爬取的數據中,有大概37%的房源房租水平低於該地區的FMR標準,這從側面印證了數據抓取的可靠性。

(圖片說明:美國15個最受歡迎的大都市中,租金等於或低於FMR標準的房源數佔比)

但是當我們從更微觀的視角詳細分析時發現,FMR的房源分佈也極為不均。

在鳳凰城、亞特蘭大等城市,這類房源數量極多,有的接近80%;然而在紐約、波士頓等租房負擔很高的城市,此類房源又極少,甚至不到10%。對於在大城市的年輕「紐漂」們來說,他們能選擇的租房範圍,著實不多。

(圖片說明:美國15個最受歡迎的大都市中,用1145美元可以租到多大的房子)

「住得越來越貴,住得越來越小」是國際化大城市在發展中普遍存在的情況。但是,在不同城市,情況也非常不同。

在美國租房市場上,全國租金中位數是1145美元(約合7882元人民幣),租房面積的中位數可以租到90平方米的房子。按照這個標準,在紐約只能租到大概37平方米的房子,但在亞特蘭大就可以租到140平米的豪宅。

未來找房,你也許可以參考實時更新的房租地圖

為了能夠更清晰地看出大都市地區房屋租金的分佈情況,Geoff和Paul利用美國人口普查數據計算了在灣區每平方英尺的中位數租金分佈,並將結果可視化到了地圖上。

(圖片說明:美國灣區每平方英尺租金中位數分佈情況)

舊金山、伯克利和矽谷是地圖中租金最貴的地方,東奧克蘭和瓦列霍緊隨其後。

值得一提的是,雖然圖片展示的是一個靜態圖,但是由於數據來自Craigslist,是可以實時根據爬蟲來變動,所以這幅地圖可以做成一個動態實時地圖。人們能夠更加清晰地觀察租住信息,及時了解租金是如何變動的。

在研究和分析我們的城市問題時,這種基於海量城市數據的分析方法能夠有效、科學地為人們提供一些決策依據和建議。數據俠們從數據搜集入手,首先利用技術手段對海量數據進行了挖掘和收集;然後對數據進行清理、整合,他們還嚴謹地與美國政府FMR數據進行了交叉驗證;接著,他們從國家、城市等不同維度,利用租金收入佔比,低於FMR的房源佔比,以及租住面積等科學指標對數據進行了分析;最後利用可視化的形式展示了結果和發現。

其實從歷史數據來看,樓市火熱不僅是北京一座城的故事。

根據萬科統計的一份歷史數據顯示,在全球可以查到的超過20年的房價增速數據中有27個國家和地區,其中絕大多數都經過了長時間的房價繁榮的情況。

在可以預見的未來,帝都的房價可能只會更高,DT君既然買不起房,暫時也就不操買房的心了。參考一下數據俠分析的美國租房市場經驗,在帝都找一間舒適的租房,才是一件正事兒。

備註

  • 數據來源Craigslist。Craigslist是一個在線大型免費分類廣告網站,幾乎囊括了所有在線房屋租售信息。

  • 數據爬蟲主要使用了Python語言,在後續的分析階段應用了pandas,numpy,matplotlib等包輔助清理數據、完善分析。

  • 原文發表的時間是2016年8月,但數據爬取的時間是2014年5月到7月。該分析主要針對的是當時的美國租房市場。這是因為論文的發表一般具有一定延遲性,僅做參考。

  • 「公平市場租金」主要是針對「房屋選擇券」計劃而設定的支付標準。這項計劃旨在幫助窮人改善居住環境,提供更多的社區機會。公平市場租金的價格一般定在該地區房屋租金分佈的40%左右的位置。

  • 原文的摘要已經發布到作者Geoff的博客上,論文原文發布在Journal of Planning Education and Research。

數據俠門派

本文數據俠Paul Waddell,Geoff Boeing。

Paul是美國加利福尼亞大學伯克利分校城市與區域規劃系教授,他的研究興趣包括土地利用模式,交通模式,城市可持續發展等。

Geoff是美國加利福尼亞大學伯克利分校城市與區域規劃系在讀博士生。他的研究涵蓋城市數據科學,城市形態,城市複雜性等多方面。歡迎關注他的博客關注更多有趣的數據分析文章。

如何加入數據俠

「數據俠」欄目網羅全球最IN的數據俠客,利用人工智慧、機器學習等各種前瞻演算法,從數據的視角洞察消費生活的方方面面,打造理性酷炫、活潑有趣的數據分析盛宴。用大數據,闡述事實及其背後的故事和邏輯趨勢。

DT時代超級英雄正在組隊!你也想要成為數據俠嗎?請將你腦洞大開的數據作品,發到數據俠聯盟盟主程一祥郵箱:[email protected]



熱門推薦

本文由 yidianzixun 提供 原文連結

寵物協尋 相信 終究能找到回家的路
寫了7763篇文章,獲得2次喜歡
留言回覆
回覆
精彩推薦