重庆作为四大直辖市之一，是西南地区最大的工商业中心城市，“十三五”期间被列为建设城乡统筹发展的国家中心城市.主城区是重庆的核心部分，也是经济发展的核心区域.直辖20多年来，重庆城镇化快速推进，住宅市场日趋繁荣，消费者复杂化与结构多样化并存.据统计，2014年末主城区城镇化率高达88.20%.运营的房地产开发商达200余家，消费群体趋向于以80后、90后为主导的新兴力量.截止2016年末，主城九区住宅房地产的建筑面积与销售面积之比为5.86^[23].快速的城镇化进程必然促使主城区住宅市场的稳定繁荣发展，加之消费者结构的转变，住宅市场能否满足不同消费群体的需求需进一步探索.因此，本文拟以重庆市主城九区建成区约700 km²范围为研究区域，结合不同年龄结构的购房需求，研究住宅商品去库存的影响因素.

本研究于2016年3-7月对重庆主城区市民随机发放问卷，经问卷预调查并反复调整后，再对研究区不同年龄、受教育程度和职业类型的市民进行发放.共发放问卷1600份，其中江北区、渝北区、渝中区、沙坪坝区、南岸区各发放200份，九龙坡区、巴南区、北碚区、大渡口区各发放150份，回收1 342份，剔除不稳定因素和干扰因素，有效问卷达1 255份，有效率达93.52%.本文所运用的2006-2015年的库存量与各影响因素对应的指标统计数据分别来自重庆市统计局、重庆市房产交易中心网站及历年统计年鉴.

顾及到购房需求为二分变量，因此采用二元离散选择模型Logistic分析方法，该模型因变量为二分变量，无需假设条件，最终的参数估计采用最大似然估计方法.根据Logistic模型，对文中的因变量进行量化取值，消费者有购房需求的取值为1，无购房需求时取值为0，基于不同消费群体的购房需求，选取17个因素分析不同消费群体的购房诉求，分别设为x₁，x₂，x₃……x₁₇.可构建Logistic模型：

式中：P为消费者有购房需求的概率，即购房需求；β₀为截距项；β₁，β₂，β₃，……β₁₇分别为相应影响因子的回归系数.

GRA模型是通过计算关联度来反映两个因素序列之间的相关程度^[24].为了寻求不同消费群体购房需求主导因素与住宅房地产去库存的关联性，进而得出住宅商品去库存的影响因素，本文采用GRA模型计算消费者购房的主导因素与住宅房地产库存量两序列的关联程度.即在Logistics模型处理得到的不同消费群体购房的主导影响因素基础上，选取相应的指标与研究区2006-2015年的库存量构建GRA模型.本文采用崔立志等最新提出的灰色相似关联度模型，其优点为计算量小，无需考虑唯一性、对称性和相似性等性质，较为实用.模型运算过程如下.

首先，设${{X}_{0}}=({{x}_{0}}\left( 1 \right), \text{ }{{x}_{0}}\left( 2 \right), \ldots , {{x}_{0}}\left( n \right)) $为系统特征序列，且${{X}_{1}}=({{x}_{1}}\left( 1 \right), \text{ }{{x}_{1}}\left( 2 \right), \text{ }\ldots , \text{ }{{x}_{1}}\left( n \right)); $ $ {{X}_{2}}=({{x}_{2}}\left( 1 \right), {{x}_{2}}\left( 2 \right), \text{ }\ldots , {{x}_{2}}\left( n \right));\text{ }\ldots ;{{X}_{m}}=({{x}_{m}}\left( 1 \right), {{x}_{m}}\left( 2 \right), \text{ }\ldots , {{x}_{m}}\left( n \right))$为相关因素序列.本文将消费者购房需求的主导因素对应的指标作为相关因素序列.

然后计算灰色关联系数γ_0i(k)令

式中：k=2，3，…，n；i=1，2，…，m；当Δ0(k)Δi(k)≥0时，sgn_k=1；当Δ0(k)Δi(k)＜0时，sgnk=-1.

最后计算灰色关联度γ_0i，计算公式为：

式中：γ_0i为X₀与X_i的关联度.灰色关联度γ_0i满足性质：-1≤γ_0i≤1，|γ_0i|越接近于1，X₀与X_i相关程度越高. γ_0i＜0，表示X₀与X_i为负相关关系，γ_0i＞0，表明X₀与X_i呈正相关.

随着城镇化进程的加快，我国住宅市场快速发展，消费者需求趋于多样化.西方经济学中的消费者需求理论认为消费者需求主要取决于消费者的实际需要和支付能力^[25]，而不同年龄结构的消费者的实际需要与消费能力存在差异化，如90后消费者偏爱个性时尚的住宅商品，80后消费者倾向于方便快捷的住宅等.随着90后消费者大量涌入住宅市场，70后、80后购房逐渐转向投资改善型，消费者结构发生转变.因此，消费者对住宅市场的需求也随消费者结构需求的转变而变化.

消费者购房需求受社会、政策、经济、住宅市场及商品自身的属性等因素影响.社会因素主要指不同年龄的消费者对社会问题的应对而产生的需求，如户口问题、住房公积金等；经济因素是商品住宅价值与消费者支付能力的直接体现；政策因素指国家或地区针对不同消费群体对住宅市场的宏观调控.住宅市场及商品自身的属性是影响消费者结构需求的重要因素，主要包括住宅的面积、户型及品牌效应等.

本文旨在研究综合条件下消费者结构的购房需求，研究对象主要包括3个消费结构层：70后、80后、90后.遵循可信度高、合理性强、结构差异性大的原则，最终选定房地产市场属性：信息不对称、住宅房地产营销途径、房地产市场的品牌信誉、促销手段、售后服务；商品属性：住宅价格水平、面积、户型；经济因素：购房的首付比例、银行利率、资金来源；社会因素：户口问题、家庭人均薪资水平、住房公积金、租金水平；主观因素：住宅周围环境质量、住宅的基础配套设施5个维度的17个变量，构建不同消费者的购房需求函数：

本文采用LIKERT5分表法对17个影响因素的答案进行描述与赋值，消费者期望由强到弱依次递减分别赋值1，2，3，4，5，并根据LIKERT表法初步统计出问卷结果.被调查对象中70后、80后消费者均占总数的34%，90后占32%(表 1).

由表 1可以看出，70后、80后、90后的消费者购房意愿的平均值分别为60.36%，68.47%，71.48%，表明当前各消费结构层的消费群体均有较强的购房欲望.本文致力于探求不同消费群体的需求与住宅库存量的关系，即探索消费者结构需求的转变对住宅市场去库存的影响.从整体上看，85.23%以上的70后和36.43%的80后消费者的购房需求类型属于投资改善型，63.57%的80后和91.27%的90后消费者的购房需求属于刚需型.变量的赋值与统计情况如表 1所示.

本文运用统计分析软件Eview18.0对样本数据进行Logistic分析，对各变量进行显著性检验，结果显示样本模型回归似然比率指数为0.164，说明该模型拟合优度比较理想，可以采用该模型进行回归分析. 70后、80后、90后消费者购房意愿的影响因素存在较大差异，其显著性也差异较大.各消费群体影响因素的回归系数及显著性如表 2所示.

由表 2可知，70后消费者购房意愿的主导因素有5个.住房周围环境质量、公共配套设施、住宅面积，其显著性高达0.019. 70后消费者多以投资改善为主，旨在提高生活质量，期望高支出买到高质量、好服务.且随着城市的发展及现代型住房的兴起，消费者欲购置面积较大，基础设施和环境质量较好的住房，部分消费者从房地产市场投资角度，更加注重环境质量与基础设施；购房资金来源方面，70后消费者的购房资金来源与其购房意愿呈正相关，调查发现他们购房的资金主要来源于自身存款、公积金和政府补助等；此外，房地产企业的售后服务是70后消费者买房最关心的因素之一. 70后消费者主要以投资改善型为主，期望通过购房改善居住环境并得到更优质的服务.

由表 2可知，80后消费者购房需求的主导因素有5个.公共配套设施，显著系数达0.025，与70后相似，部分80后消费者属于投资改善型，对公共配套设施要求较高，相比较70后和90后，80后要承担更大的子女抚养压力，购房倾向于选择学校和医院附近；购房的贷款利率、薪资水平是80后购房意愿的决定性因素，由于子女带来的压力，80后购房首要考虑家庭收入水平及贷款利率，据统计消费者人均薪资水平主要在4 000~5 000元/月，小部分在5 000元以上，调查发现有一个子女的家庭须达到人均4 000元/月才能承担一套住房；住宅户型方面，由于二胎政策的开放80后消费者更倾向于三室一厅的户型；房地产企业的品牌信誉方面，作为个性的80后一代比较注重房地产企业的品牌信誉，调查显示重庆的80后消费者更青睐龙湖、金科、万科等大品牌的住房.

由表 2可知，90后消费者购房意愿的主导因素有5个.房屋价格、首付比例方面，90后作为刚涉足住宅市场的新兴力量，资金问题成为其最大的阻力，较为关注房屋价格和首付比例；户口问题，伴随城镇化快速推进，越来越多的城市落户者来自农村或外地，户口问题成为其买房的阻碍；租金水平显著性达0.075，目前90后消费者的主要居住形式为租住，因无法承担昂贵的租金选择合租或寄住工作地；房地产企业的促销手段，针对90后购房资金有限、户口受限等情况，房地产商的促销手段成为其关注的重点，以期解决住房刚需问题.

综上所述，70后消费者由于受年龄、购房用途限制，倾向学校、医院、公园等配套设施齐全且宽敞舒适的住房，其购房的主导因素为住房周围环境质量、公共配套设施、住宅面积、购房资金来源、房地产企业的售后服务；80后因承担子女压力，购房首要考虑学校和月还贷款，其购房主导因素为公共配套设施、贷款利率、薪资水平、住宅户型、房地产企业的品牌信誉；与70后和80后不同，90后作为市场新兴力量急切解决刚需问题，其购房主要考虑房屋价格、首付比例、户口问题、租金水平、房地产企业的促销手段.

综合分析可知，各个消费群体间也存在同点因素，70后因受年龄及自身因素影响和80后受子女压力均较为关注公共配套设施；80后、90后均受到资金问题的限制；70后与90后由于年龄与市场扮演角色不同，两者的购房主导因素不存在共同点.

由Logistics模型结果可知，不同消费群体购房需求的主导因素及显著性呈现差异化，为探求其对住宅商品去库存的影响及关联程度，笔者采用灰色关联度模型进一步研究论证.为对各主导因素进行因子量化，本文参考相关研究成果中的指标选取方法，结合实际经济与技术要素，分别选取了影响消费者购房意愿的14个指标：住房周围环境质量，公共配套设施—环境噪声平均值，空气质量优良天数比例，人均公共绿地面积，每万人拥有公共交通车辆，住宅面积—人均房屋建筑面积，购房资金来源—人均人民币储蓄存款余额、家庭人均收入，贷款利率—银行利率，薪资水平—平均薪资水平，住宅户型—平均每户家庭人口，房屋价格—价格指数，首付比例—首付比例，户口问题—户籍数，租金水平—租金水平.房地产企业的促销手段、品牌信誉、售后服务是房地产企业的自身性质，是房地产市场的必要元素，是消费者的特殊诉求.由于受量化的限制，此处不做定量描述.具体的指标与数量对应关系以及计量模型结果如表 3所示.

从表 3可以看出研究区历年的住宅库存量，受金融危机影响，2008-2009年研究区住宅库存量略微下降，2010年到2012年呈快速增长趋势，涨幅达23.8%；受多重调控措施影响，2013年增速大幅下降.本文将消费者购房意愿的主导因素指标按照灰色关联度模型的计算原理，计算出不同消费群体购房的影响因素与库存量的灰色关联度(表 4).

从表 4可看出，平均薪资水平、住宅环境质量、人均房屋建筑面积、公共配套设施、平均租金水平、购房资金来源、价格指数的灰色关联度均在0.7以上，表明薪资水平、住宅环境质量、住宅面积、公共设施、租金水平、购房资金来源、住宅价格与住宅商品库存处于高度相关状态，是住宅商品去库存的较显著影响因素.近年来，主城九区的薪资水平随经济发展不断变化，自两江新区落户以来，环境质量的要求、租金水平的波动很大程度上影响住宅市场的投资与发展；户籍数、平均每户家庭人口的灰色关联度不足0.7，但仍存在较大关联，表明户口问题、住宅户型也与住宅商品去库存有较大关联，是住宅商品去库存的重要影响因素.由于快速的城镇化进程和二胎政策的开放，消费者开始关注户口问题及住宅户型以满足需求；首付比例、银行利率的关联度远低于其他因素，与住宅去库存的影响相对较弱.

本文以消费者结构为视角，通过调查重庆主城区市民的购房意愿，结合2006-2015年的库存量及相关指标统计数据，运用Logistics，GRA模型研究了不同年龄结构的购房需求特征、影响因素及住宅去库存的影响因素.研究发现消费者购房需求的影响因素与商品住宅去库存关联性有统计学意义，不同消费群体的显著性呈现差异化，具体结论表现为以下几个方面：1) 70后、80后、90后的购房意愿分别为60.36%，68.47%，71.48%，70后和36.43%的80后以投资改善型为主，90后和63.57%的80后以刚需为主；2) 70后的购房主导因素有住房周围环境质量、公共配套设施、住宅面积、购房资金来源、房地产企业的售后服务，80后购房主导因素为公共配套设施、贷款利率、薪资水平、住宅户型、房地产企业的品牌信誉，90后购房主要考虑房屋价格、首付比例、户口问题、租金水平、房地产企业的促销手段；3)与住宅房地产去库存的关联度大于0.7的消费者购房需求的显著影响因素依次为：薪资水平、住房周围环境质量、住宅面积、公共配套设施、租金水平、购房资金来源、住宅价格；大于0.6的重要因素为户口问题、住宅户型，首付比例、银行利率对住宅去库存的影响较弱.总体上，研究区的消费者有强烈的购房需求，受不同因素限制需求趋于差异化，在制定住宅市场刺激政策时应因对施策以满足不同需求.例如针对70后消费者，应将重点放在住宅商品本身属性上，并进一步细化问题到住宅周围环境质量及住宅面积因素.

已有的研究成果中，以消费者需求与去库存的影响因素两方面为主，两者对消费者和住宅市场去库存的研究仅局限于特殊群体及独立的角度.本文在已有研究成果的基础上以消费者结构为视角，进一步研究消费者结构的转变与住宅房地产去库存的关联性，为房地产市场顺应消费者结构的转变发展提供科学依据，为政府制定刺激政策提供理论依据.但本文因受数据获取的局限，缺乏不同消费群体购房的影响因素对商品住宅去库存的影响在区域方面的考量，且并未针对不同年龄消费者需求选取变量与住宅房地产库存量进行关联性分析，今后可开展此方面研究，以期更深入地了解房地产市场的发展.