一种服务于不动产登记的数据组织与统计模型的构建方法与流程
本发明涉及土地管理科学技术领域，尤其是涉及一种服务于不动产登记的数据组织与统计模型的构建方法。
背景技术
不动产统一登记自2015年末开始，已经在我国如火如荼地展开。其中起到指引性作用的纲领文件包括2007年10月颁布《中华人民共和国物权法》、2014年8月颁布《不动产登记暂行条例(征求意见稿)》、2015年2月颁布的《不动产登记暂行条例》、2015年3月颁布的《不动产登记暂行条例实施细则(草案征求意见稿)》、2016年1月颁布的《不动产登记暂行条例实施细则》、2016年5月颁布的《不动产登记操作规范(试行)》等。
针对不动产统一登记实施前与不动产统一登记实施后，不动产登记的各个方面(包括登记对象空间形态、登记类型、登记流程、登记信息平台等)都发生了改变。不动产统一确权登记的核心在于“四个统一”，即实现“登记基础的统一(unificationofregisteringbasis)”、“登记机构的统一(unificationofregisteringauthorities)”、“登记信息平台的统一(unificationofregisteringinformationplatform)”和“登记簿册的统一(unificationofregisteringbooks)”。换言之，在施行不动产统一登记后，力求做到将“统一的登记基础”通过“统一的登记机构”借助“统一的登记信息平台”记载于“统一的登记簿册”之上。
其中，在“登记基础的统一(unificationofregisteringbasis)”中，不动产统一确权登记的登记对象种类存在多项，包括土地、房屋、林地、林木、海域、海域构筑物、草地、耕地等；对应的，不动产统一确权登记的登记对象权利存在多项，包括国有建设用地使用权/房屋所有权、林地使用权/林木所有权、海域使用权/海域构筑物、草地承包经营权/耕地承包经营权。事实上，土地和房屋始终是登记对象种类中的主体，而国有建设用地使用权/房屋所有权始终是登记对象权利中的主体。
直至2018年，不动产统一确权登记已经开展2年有余，并且已经在全国各省/各市/各区县全面铺开，各个省/各个市/各个区县基本上都接入了不动产统一登记信息平台。其中，我国各个省(包括福建省、山东省、广东省等)在2015年末和2016整年度的不动产统一登记进展如附图1所示，浙江省的各个地级市(包括金华市、丽水市、绍兴市等)在2015年末和2016整年度的不动产统一登记进展如附图2所示，宁波市的各个区/县/县级市(包括镇海区、宁海县、余姚市、象山县、包含海曙江东江北高新区的市本级等)在2015年末和2016整年度的不动产统一登记进展如附图3所示。
值得注意的是，随着时间的推移，不动产登记数据在实时更新的同时也在数据库中积累起来。面向不断积累的客观现状，不动产统一登记数据成为了一种特殊类型的海量数据(即一种服务于不动产统一登记的海量数据)，这不仅要求必须保证每条记录信息的准确性(与老百姓的经济利益息息相关)，同时希望能够有效地组织与统计这些海量数据从而提供一定程度的分析能力(甚至通过统计分析给予一定程度的预测功能)，这是相关政府部门(包括国土部门、住房部门等政府部门)迫切需求，这在土地与房屋(作为不动产统一登记的主体)的登记中尤其明显。换言之，在我国新型城镇化的快速发展之中，一线/二线城市的土地价格与房产价格的每年每月波动都涉及到老百姓的切身利益，土地和房产的交易与登记数据除了受到市场经济的本身原则(即价格围绕价值波动)之外，还受到不同层级政府(包括国家级、省级、地市级等)在诸多方面(包括贷款利率调整、贷款额度限制、契税优惠、人才引进、货币补贴、金融支持等)的政策调节影响。
基于以上，能够提供一种服务于不动产统一确权登记的登记数据组织与统计模型，这是目前社会迫切希望的，这也正是本发明的出发点和着重点。
如上所述，土地与房屋始终是登记对象种类的主体，故而，在本发明的具体内容阐述前，首先着重阐述我国当前的土地利用分类方法，具体如下：
在《中华人民共和国土地管理法》和《中华人民共和国土地管理法实施细则》中，将土地分为三大类，即(1)农用地、(2)建设用地、(3)未利用地。
同时，《土地利用现状gbt21010-2007》给予了土地利用现状图斑更为细致的分类，其中一级类12个，包括如下：01耕地、02园地、03林地、04草地、05商服用地、06工矿仓储用地、07住宅用地、08公共管理与公共服务用地、09特殊用地、10交通运输用地、11水域及水利设施用地、12其它土地。在以上12个一级类的目录下，二级类共57个。
此外，以上《中华人民共和国土地管理法》中三大地类与《土地利用现状分类gbt21010-2007》中一级与二级的地类图斑的对应关系具体如下：
针对三大地类中的农用地(如附图6中字体下划线标记)，包括如下：
-01耕地中的全部(即011水田、012水浇地、013旱地)；
-02园地中的全部(即021果园、022茶园、023其它园地)；
-03林地中的全部(即031有林地、032灌木林地、033其它林地)；
-04草地中的部分(即041天然牧草地、042人工牧草地)；
-10交通运输用地中的部分(即104农村道路)；
-11水利与水利设施用地中的部分(即114坑塘水面、117沟渠)；
-12其它土地中的部分(即122设施农用地、123田坎)；
针对三大地类中的建设用地(如附图6中字体斜体标记)，包括如下：
-05商服用地中的全部(即051批发零售用地、052住宿餐饮用地、053商务金融用地、054其它商服用地)；
-06工矿仓储用地中的全部(即061工业用地、062采矿用地、063仓储用地)；
-07住宅用地中的全部(即071城镇住宅用地、072农村宅基地)；
-08公共管理与公共服务用地中的全部(即081机关团体用地、082新闻出版用地、083科教用地、084医卫慈善用地、085文体娱乐用地、086公共设施用地、087公园与绿地、088风景名胜设施用地)；
-09特殊用地中的全部(即091军事设施用地、092使领馆用地、093监教场所用地、094宗教用地、095殡葬用地)；
-10交通运输用地中的部分(即101铁路用地、102公路用地、103街巷用地、105机场用地、106港口码头用地、107管道运输用地)；
-11水域即水利设施用地中的部分(即113水库水面、118水工建筑用地)；
-12其它土地中的部分(即121空闲地)；
针对三大地类中的未利用地(如附图6中普通字体标记)，包括如下：
-04草地中的部分(即043其他草地)；
-11水域及水利设施用地中的部分(即111河流水面、112湖泊水面、115沿海滩涂、116内陆滩涂、119冰川及永久积雪)；
-12其它土地中的部分(即124盐碱地、125沼泽地、126沙地、127裸地)；
如上所述，土地与房屋始终是不动产统一登记的主体，故而其中05商服用地和07住宅用地是土地用途的主体。
技术实现要素：
本发明所要解决的技术问题是提供一种服务于不动产登记的数据组织与统计模型的构建方法，通过构建一种数据组织与统计模型，对不动产登记数据进行组织、统计以及分析，并提供一定程度的预测功能。
本发明所采用的技术方案是，一种服务于不动产登记的数据组织与统计模型的构建方法，该方法包括下列步骤：
步骤一.构建服务于不动产统一登记的总体数据模型，该数据模型可以表达为：
rdosm＝{roc,rou,rt,rd,rr,ri,if}，其中，rdosm代表登记数据组织与统计模型，roc代表登记对象种类，rou代表登记对象用途，rt代表登记类型，rd代表登记日期，第五项rr代表登记区域，ri代表登记指标，if代表影响因子；
步骤二.构建服务于不动产统一登记的登记数据组织模块，该登记数据组织模块由登记对象种类roc、登记对象用途rou、登记种类rt以及登记指标ri构成；
步骤三.构建服务于不动产统一登记的时空数据统计模块，该时空数据统计模块由登记日期rd以及登记区域rr构成；
步骤四.构建服务于不动产统一登记的数据分析与预测模块，该数据分析与预测模块通过影响因子if来表现。
其中，步骤一中，roc、rou以及rt的取值依据相关条例法律法规；rd以及rr的取值依据客观事实；ri的取值依据实际业务需求和应用；if的取值依据各级别政府对各个领域实行的相应政策。
其中，步骤二中，登记对象种类roc具体取值为：
其中，步骤二中，登记对象用途rou的具体取值为：rou∈{allpur,renpur,compur,indpur}，其中，renpur表示居住用途，compur表示商业用途，indpur表示工业用途，allpur表示以上所有。
其中，步骤二中，登记种类rt具体取值为：
rt∈{allrt,genrt,inirt,modrt,tanrt,canrt,corrt,disrt,anrt,cdrt}，其中，genrt表示总登记类型，inirt表示初始登记类型，modrt表示变更登记类型，tanrt表示转移登记类型，canrt表示注销登记类型，corrt表示更正登记类型，disrt表示异议登记类型，anrt表示预告登记类型，cdrt表示查封登记类型，allrt表示以上所有。
其中，步骤二中，登记指标ri具体取值为：ri∈{case,acccase,bookcase,certicase,unit,price}，其中，acccase表示受理量，bookcase表示登簿量，certicase表示发证量，case表示办件量，unit表示单元量，price表示价格。
其中，步骤三中，登记日期(rd)具体取值为：rd∈{hourinday,dayinmonth,monthinyear,alltime}，其中，hourinday表示天中小时，dayinmonth表示月中天，monthinyear表示年中月，allttime表示一整段年份时间。
步骤四中，影响因子if具体取值为：
if∈{(nanlv,prolv,citylv,dislv,strlv)*(genedev,landpol,bankloan,conttax,talincor)}，影响因子if从两个角度来组合定义，其中一个角度是纵向上的隶属级别层次角度，另一个角度是横向上的政策归属侧面角度，当从纵向上的隶属级别层次角度定义时，影响因子if的取值包括：
nanlv,prolv,citylv,dislv,strlv，其中nanlv表示国家级别的影响因子，prolv表示省级的影响因子，citylv表示地市级的影响因子，dislv表示区/县/县级市级的影响因子，strlv表示街道/镇/乡级的影响因子；当从横向上的政策归属角度定义，影响因子(if)的取值包括：
genedev,landpol,bankloan,conttax,talincor，其中，genedev表示城市发展总体方面，landpol表示供地政策方面，bankloan表示银行贷款方面，conttax表示财政契税方面，talincor表示人才引进方面。
本发明的有益效果是：构建一种数据组织与统计模型，采用数学中的元组“键(key)-值(value)的配对”构造与时空分析(spatio-temporalanalysis)基本方法，通过对登记数据的组织、统计、分析，并在一定程度上进行预测，服务于我国正在全面铺开的不动产统一确权登记工作。
附图说明
附图1为2016年全年我国各省份的不动产统一登记的阶段性开展情况图；
附图2为2016年全年浙江省各地级市的不动产统一登记的阶段性开展情况图；
附图3为2016年全年宁波市各区/县/县级市的不动产统一登记的阶段性开展情况图；
附图4为本发明的总体技术路线图；
附图5为七元组中第一项登记对象种类(roc)的描述图；
附图6为七元组中第二项登记对象用途(rou)的描述图-涉及国土二调的图斑分类；
附图7为七元组中第三项登记类型(rt)的描述图-与登记对象种类(roc)紧密相关；
附图8为七元组中第四项登记日期(rd)的描述图；
附图9为七元组中第五项登记区域(rr)的描述图-以宁波市的空间位置及其行政区划分布为例；
附图10为七元组中第五项登记区域(rr)的描述图-宁波市行政区划的详细层次结构；
附图11为七元组中第五项登记区域(rr)的描述图-宁波市于2016年11月的行政区划调整；
附图12为七元组中第五项登记区域(rr)的描述图-宁波市城市土地定级以及基准地价图；
附图13为七元组中第六项登记指标(ri)的描述图；
附图14为七元组中第七项影响因子(if)的描述图-由纵向级别与横向侧面共同构成；
附图15为七元组中七项之间的搭配可能图；
附图16为七元组中第七项影响因子(if)的描述图-详细流程分析；
附图17为七元组中第七项影响因子(if)的描述图-第1阶段(供给)中政府在规划国土住建部门的调控行为；
附图18为七元组中第七项影响因子(if)的描述图-第1阶段(供给)中房地产商盈利行为；
附图19为七元组中第七项影响因子(if)的描述图-第1阶段(供给)中政府在国土部门的调控行为(涉及土地的招标拍卖挂牌与协议出让)；
附图20为七元组中第七项影响因子(if)的描述图-第1阶段(供给)中政府在国土部门的调控行为(涉及项目用地复合验收、土地节约集约利用、闲置土地认定与处理、低效土地再开发利用)；
附图21为七元组中第七项影响因子(if)的描述图-第2阶段(需求)中宁波市行政区划调整与新区新城的设立；
附图22为七元组中第七项影响因子(if)的描述图-第2阶段(需求)中宁波市轨道交通的发展与规划：(a)地铁与城际铁路的开工与竣工时间安排；(b)地铁与城际铁路的空间分布；
附图23为七元组中第七项影响因子(if)的描述图-第3阶段(交易)中老百姓购房交易过程中受到的各类影响(按照时间升序排列)：(a)1994年至2005年；(b)2006年至2010年；(c)2011年至2017年；
附图24为七元组中第七项影响因子(if)的描述图-第3阶段(交易)中发挥关键作用的国家政策；
附图25为七元组中第七项影响因子(if)的描述图-地3阶段(交易)中各类宁波市人才引进待遇策略；
附图26为浙江省宁波市2015年末及2016整年的交易阶段受影响事件记录图；
附图27为2016年宁波市市本级的所有不动产登记的逐月统计结果图；(a)逐月统计受理量,(b)逐月统计登簿量,(c)逐月统计受理量(左侧)与发证量(右侧)的对比；
附图28为2016年宁波市市本级的所有不动产登记的分区域统计结果图；(a)分地区统计受理量,(b)分地区统计发证量；
附图29为2016年宁波市市本级的所有不动产登记的分登记类型统计结果图；(a)分登记类型统计受理量；
附图30为2016年宁波市市本级的住宅及配套类土地的首次登记与转移登记的逐月统计结果图；(a)首次登记的登簿量,(b)转移登记的受理量,(c)转移登记的登簿量；
附图31为2016年宁波市市本级的商业类土地的首次登记与转移登记的逐月统计结果；(a)首次登记的登簿量,(b)转移登记的受理量,(c)转移登记的登簿量；
附图32为2016年宁波市市本级的工业类土地的首次登记的逐月统计结果图；(a)首次登记的登簿量；
附图33为2016年宁波市市本级的房子与土地(即房地)的首次登记的统计结果图；(a)逐月统计办件量,(b)分地区统计办件量,(c)分用途统计单元量；
附图34为2016年宁波市市本级的房地与土地(即房地)的转移登记的统计结果；(a)逐月统计办件量,(b)分地区统计办件量,(c)分用途统计单元量；
附图35为2016年宁波市市本级的所有不动产查封登记的统计结果；(a)分地区统计办件量,(b)分查封法院地区统计办件量,(c)分用途统计办件量；
附图36为2016年宁波市市本级的所有不动产注销登记的逐月统计结果；(a)逐月统计登簿量；
附图37为2016年宁波市市本级的不动产抵押登记的统计结果图：(a)逐月统计办件量,(b)逐月统计受理量，(c)分地区统计办件量，(d)一般抵押权注销的逐月登簿量，(e)最高额抵押权注销的逐月登簿量；
附图38为2016年宁波市市本级的不动产档案查询的统计结果图；(a)逐月统计受理量，(b)分地区统计受理量；
附图39为2016年宁波市市本级的成交住宅单价中地价部分的逐月统计结果图(涉及第1环节—国土部门土地出让)；
附图40为2016年宁波市市本级的一手房与二手房成交数量的逐月统计结果图；(a)一手房成交数量的逐月统计，(b)二手房成交数量的逐月统计(涉及第1环节—住建部门交易统计)；
具体实施方式
以下参照附图并结合具体实施方式来进一步描述发明，以令本领域技术人员参照说明书文字能够据以实施，本发明保护范围并不受限于该具体实施方式。
本发明提出了一种服务于不动产统一登记的登记数据组织与统计模型的构建方法，该方法的目的是构建一种数据组织与统计模型，该模型服务于不动产统一确权登记。
该方法所构造的模型的核心内容是登记数据的组织、统计、分析，甚至能够提供一定程度的预测功能(为了便于统一表述，以下将该模型统一简写为“登记数据统计模型”)，其服务对象是我国正在全面铺开的不动产统一确权登记工作，其采用的核心技术手段是数学中的元组“键(key)-值(value)的配对”构造与时空分析(spatio-temporalanalysis)基本方法。
该登记数据统计模型表达为一个七元组，其中，第一项代表登记对象种类roc，它是registerobjectclassification的缩写；第二项代表登记对象用途rou，它是registerobjectuse的缩写；第三项代表登记类型rt，它是registertype的缩写；第四项代表登记日期rd，它是registerdatetime的缩写；第五项代表登记区域rr，它是registerregions的缩写；第六项代表登记指标ri，它是registerindicator的缩写；第七项代表影响因子if，它是influencefactor的缩写。
以上登记数据统计模型可以分为3个模块，分别是登记数据组织模块(由第一项—登记对象种类roc、第二项—登记对象用途rou、第三项—登记类型rt、第六项—登记指标ri共同构成)、时空数据统计模型(主要由第四项—登记日期rd、第五项—登记区域rr共同构成)、数据分析与预测模块(主要体现在第七项—影响因子if)。
本发明涉及一种服务于不动产登记的数据组织与统计模型的构建方法，该方法包括下列步骤：
步骤一.构建服务于不动产统一登记的总体数据模型，该数据模型可以表达为：
rdosm＝{roc,rou,rt,rd,rr,ri,if}，其中，rdosm代表登记数据组织与统计模型，roc代表登记对象种类，rou代表登记对象用途，rt代表登记类型，rd代表登记日期，第五项rr代表登记区域，ri代表登记指标，if代表影响因子；
步骤二.构建服务于不动产统一登记的登记数据组织模块，该登记数据组织模块由登记对象种类roc、登记对象用途rou、登记种类rt以及登记指标ri构成；
步骤三.构建服务于不动产统一登记的时空数据统计模块，该时空数据统计模块由登记日期rd以及登记区域rr构成；
步骤四.构建服务于不动产统一登记的数据分析与预测模块，该数据分析与预测模块通过影响因子if来表现。
接下来，对各个步骤进行详细的描述。
步骤一.构建服务于不动产统一登记的总体数据模型：
该登记数据统计模型可以采用如下七元组公式(1)表达：
rdosm＝{roc,rou,rt,rd,rr,ri,if}(1)
其中，rdosm代表登记数据组织与统计模型，它是registerdataorganizingandstatisticalmodel的缩写；
第一项roc代表登记对象种类，它是registerobjectclassification的缩写；
第二项rou代表登记对象用途，它是registerobjectuse的缩写；
第三项rt代表登记类型，它是registertype的缩写；
第四项rd代表登记日期，它是registerdatetime的缩写；
第五项rr代表登记区域，它是registerregions的缩写；
第六项ri代表登记指标，它是registerindicator的缩写；
第七项if代表影响因子，它是influencefactor的缩写；
由上可见，针对以上登记数据统计模型，事实上也可以看作是一种时空数据模型(space-timemodel)，因为它包含了时间维度(体现于rd)和空间维度(体现于rr)，同时用于预测的维度往往是时间维度(体现于rd)。
值得注意的是，在以上登记数据统计模型中，元组中各项并不是任意取值的。具体而言，前面3项(即第一项roc、第二项rou、第三项rt)主要参考相关条例法律法规，取值相对客观；中间2项(即第四项rd、第五项rr)主要由客观事实决定，取值相对客观；第六项ri由实际业务需求和应用决定，取值同样相对客观；最后1项(即if)受到各级别政府(国家级/省级/市级)在各个领域(银行贷款/财政契税/金融服务/人才引进等方面)的政策影响，取值相对主观。
换言之，以上登记数据统计模型可以分为如下3个模块，分别是登记数据组织模块(由第一项—登记对象种类roc、第二项—登记对象用途rou、第三项—登记类型rt、第六项—登记指标ri共同构成)、时空数据统计模块(主要由第四项—登记日期rd、第五项—登记区域rr共同构成)、数据分析与预测模块(主要体现于第七项—影响因子if)。
步骤二.构建服务于不动产统一登记的登记数据组织模块：
如上所述，针对以上总体数据模型中的登记数据组织模块，由第一项(登记对象种类roc)、第二项(登记对象用途rou)、第三项目(登记种类rt)和第六项(登记指标ri)共同构成。以上4项共同构成登记数据组织模块，登记对象种类roc具体取值情况如下：
公式(2)阐述了登记对象种类(roc)的具体取值可能，如附图5所示。换言之，登记对象种类(roc)可以取值为“建设用地使用权(therighttouselandforconstruction，简写为conlanduse)”、“房屋所有权(ownershipofhouses，简写为houown)”、“海域使用权(therighttouseseaarea，简写为seause)”、“海域构筑物所有权(ownershipofmarinestructures，简写为marstruown)”、“林地使用权(therighttouseforestland，简写为forlanduse)、“林木所有权(ownershipofforests，简写为forown)”、“草地承包经营权(therighttocontractedmanagementofgrassland，简写为gralandcontract)”、“耕地承包经营权(therighttocontractedmanagementofarableland，简写为aralandcontract)”、“以上所有(allproperty，简写为allpro)”、“抵押权(mortgageright，简写为mort)”。针对登记对象类型(roc)的以上具体取值可能，其遵从2007年颁布的《中华人民共和国物权法》、2015年施行的《不动产登记暂行条例》、2016年施行的《不动产登记暂行条例实施细则》；同时，“建设用地使用权(therighttouselandforconstruction，简写为conlanduse)”、“房屋所有权(ownershipofhouses，简写为houown)”始终是登记对象类型(roc)的主体，如附图5中虚线框所示。
登记对象用途rou具体取值情况如下：
rou∈{allpur,renpur,compur,indpur}(3)
公式(3)阐述了登记对象用途(rou)的具体取值可能，如附图6中虚线框所示。换言之，登记对象用途(rou)可以取值为“居住用途(residentialpurpose，简写为renpur)”、“商业用途(commercialpurpose，简写为compur)”、“工业用途(industrialpurpose，简写为indpur)”、“以上所有(allpurpose，简写为allpur)”。针对登记对象用途(rou)的以上具体取值可能，其主要遵从《土地利用现状分类gbt21010-2007》,如附图6所示；
登记种类rt具体取值情况如下：
rt∈{allrt,genrt,inirt,modrt,tanrt,canrt,corrt,disrt,anrt,cdrt}(4)
公式(4)阐述了登记类型(rt)的具体取值可能，如附图7所示。换言之，登记类型(rt)可以取值为“总登记类型(generalregistrationtype，简写为genrt)”、“初始登记类型(initialregistrationtype，简写为inirt)”、“变更登记类型(modificationregistrationtype，简写为modrt)”、“转移登记类型(transferregistrationtype，简写为tanrt)”、“注销登记类型(cancellationregistrationtype，简写为canrt)”、“更正登记类型(correctingregistrationtype，简写为corrt)”、“异议登记类型(dissentingregistrationtype，简写为disrt)”、“预告登记类型(advance-noticeregistrationtype，简写为anrt)”、“查封登记类型(close-downregistrationtype，简写为cdrt)”、“以上所有(allregistertypes，简写为allrt)”。针对登记类型(rt)的以上具体取值可能，其遵从2015施行的《不动产登记暂行条例》、2016年施行的《不动产登记暂行条例实施细则》；同时，“初始登记类型(initialregistrationtype，简写为inirt)”、“转移登记类型(transferregistrationtype，简写为tanrt)”、“注销登记类型(cancellationregistrationtype，简写为canrt)”、“查封登记类型(close-downregistrationtype，简写为cdrt)”始终是登记类型(rt)的主体，尤其是体现于针对建设用地使用权和房屋所有权的登记类型之中，如附图7中虚线框所示。
登记指标ri具体取值情况如下：
ri∈{case,acccase,bookcase,certicase,unit,price}(5)
公式(5)阐述了登记指标(ri)的具体取值可能，如附图13所示。换言之，登记指标(ri)可以取值为“受理量(acceptedcase，简写为acccase)”、“登簿量(bookedcase，简写为bookcase)”、“发证量(certificatedcase，简写为certicase)”、“办件量(case，简写为case)”、“单元量(unit，简写为unit)”、“价格(price，简写为price)”。针对登记指标(ri)的以上具体取值可能，其遵从业务应用的客观需求。
步骤三.构建服务于不动产统一登记的时空数据统计模块：
如上所述，针对以上总体模型中的时空数据统计模块，由第四项(登记日期rd)和第五项(登记区域rr)共同构成。以上2项构成时空数据统计模块，登记日期rd具体取值情况如下：
rd∈{hourinday,dayinmonth,monthinyear,alltime}(6)
公式(6)阐述了登记日期(rd)的具体取值可能，如附图8所示。换言之，登记日期(rd)可以取值为“天中小时(hourinaday，简写为hourinday)”、“月中天(dayinamonth，简写为dayinmonth)”、“年中月(monthinayear，简写为monthinyear)”、“一整段年份时间(alltime，简写为allttime)”。针对登记日期(rd)的以上具体取值可能，其遵从客观事实情况(即日期与时间由公共约定的客观事实决定)；在后面的实例中，选取2016年整个年度(即2016年1月至12月)的连续一整段时间。
登记区域rr具体取值情况如下：
rr∈{allregion,jdd,jbd,hsd,gxq}(7)
针对登记区域(rr)的以上具体取值可能，其遵从客观事实情况(即我国的行政区域划分的客观事实情况)以及《县级以下行政区划代码编制规则gbt10114-2003》。公式(7)是以浙江省宁波市为典型地区给出了登记区域(rr)的具体取值可能。首先，浙江省宁波市总共存在11个区/县/县级市(包括慈溪市、余姚市、镇海区、北仑区、鄞州区、奉化市、宁海县、象山县、以及包括海曙江东江北高新区的市本级)，如附图9和附图10和附图11所示。事实上，浙江省宁波市市本级区域(只涉及海曙区、江东区、江北区、高新区，如附图12所示)是后面实例中所采取的登记区域(rr)。换言之，在这里采用的登记区域(rr)可以取值为“江东区(jiangdongdistrict，简写为jdd)”、“江北区(jiangbeidistrict，简写为jbd)”、“海曙区(haishudistrict，简写为hsd)”、“高新区(gaoxindistrict，简写为gxq)”、“以上所有区域(allregions，简写为allregion)”。
步骤四.构建服务于不动产统一登记的数据分析与预测模块：
if∈{(nanlv,prolv,citylv,dislv,strlv)*(genedev,landpol,bankloan,conttax,talincor)}(8)
公式(8)阐述了影响因子(if)的具体取值可能。具体的，影响因子(if)可以从两个角度(一个是纵向上的隶属级别层次角度，另一个是横向上的政策归属侧面角度)组合定义，如附图14所示。
具体的，从纵向上的隶属级别层次角度定义，影响因子(if)可以取值为“国家级别的影响因子(nationallevel，简写为nanlv或lv1)”，“省级的影响因子(provinciallevel，简写为prolv或lv2)”、“地市级的影响因子(citylevel，简写为citylv或lv3)”、“区/县/县级市级的影响因子(district/county/county-levelcity，简写为dislv或lv4)”、“街道/镇/乡级的影响因子(street/town/village，简写为strlv或lv5)”。
从横向上的政策归属角度定义，影响因子(if)可以取值为“城市发展总体方面(generaldevelopment，简写为genedev)”、“供地政策方面(landpolicy，简写为landpol)”、“银行贷款方面(bankloan，简写为bankloan)”、“财政契税方面(contracttax,简写为conttax)”、“人才引进方面(talentsincorporation，简写为talincor)”等。
值得注意的是，针对影响因子(if)，由上述的纵向上级别层次角度与横向上政策归属角度是可以组合的(如附图14所示)，可以产生如下搭配：
(1)“地市级城市发展限购政策citylv*genedev-浙江省宁波市限购区内以家庭户口为单位只能购买一套房”；
(2)“区级土地供应政策dislv*landpri—浙江省宁波市鄞州区由于上一年度存在超过规定比例的存量房导致下年度供地指标减少”；
(3)“国家级银行贷款政策nanlv*bankloan-首套房的首付比例从20％上浮至30％，二套房的首付比例不得低于40％，二套房的认定既认房又认贷”、
(4)“国家级银行贷款政策nanlv*bankloan-银行商业贷款利率从基准利率上浮10％”；
(5)“国家级银行贷款政策nanlv*bankloan-银根缩紧从而造成商业贷款额度减少”、
(6)“国家级财政契税政策nanlv*conttax-房产交易契税减半”；
(7)“省级人才引进政策prolv*talincor-浙江省内本科以上毕业生3年内落户购房给予购房总额2％的货币补贴”；
(8)“地市级人才引进政策citylv*talincor-浙江省宁波市内博士以上高层次人才落户给予至少15万安家补助及15万购房补贴”；
而后序的登记预测功能建立于已有登记时序数据之上，预测的方法典型的可以采用线性回归(linearregression)方法。
以上“登记数据组织模块”涉及的第一项(登记对象分类roc)、第二项(登记对象用途rou)、第三项(登记类型rt)、第六项(登记指标ri)，“时空数据统计模块”涉及的第四项(登记日期rd)、第五项(登记区域rr)、“数据分析与预测模块”涉及的第七项(影响因子if)之间的搭配可能如附图15所示。其中，本案例和客观现实中经常采用取值的如附图15中项与项之间的实线搭配所示。
值得注意的是，在以上七元组的七项之中，前面六项在前面的四个步骤阐述中已经相对完备；与之对比的，针对影响不动产(典型如房地)统一登记的影响因子(if)，除了已经列出(如附图14所示)之外还有许多其它影响因素，比如：(1)每个年度为孩子上幼儿园或小学等准备学区房而于6月份带来一波(往往户型不大但是教育资源配置优良的)二手房购房的交易与登记高潮、(2)每年2月为春节故而造成1月2月尚未处理的登记事务积压于春节后3月统一处理从而带来3月4月登记的又一波高潮等，可以将这些额外的影响因素列为“其它影响因素(简称其它others)”。
影响因子(if)事实上是非常复杂的(远远超过附图14所示和如上所述)。为了相对完备地给予描述影响因子(if)，在这里主要从市场经济的供需角度给予扩展描述。如附图16所示，影响因子(if)的详细描述流程分为4个环节，包括第1环节—供给、第2阶段—需求、第3阶段—交易、第4阶段—登记。
具体而言，在理想情况下，房地产(作为不动产的主体)的交易是一种市场经济约束下的行为，满足供需平衡：
首先，中国老百姓都希望安居乐业(包括毕业工作的安居乐业、为小孩购买优良学区房的安居乐业、农村人口进城落户的安居乐业等的各类刚需安居乐业，以及改善住房面积的非刚需安居乐业等)，而“安居”往往被列为“乐业”的前提，这正是房地产市场的巨大需求所在(如附图16中箭头标记(1)所示)；
其次，遵循市场经济，存在需求就会产生供给(如附图16中箭头标记(2)所示)，特别是存在巨大需求就会产生巨大供给，房地产市场的供给包括：(1)第一环节、政府规划部门给予城市发展的宏观或长远规划；(2)第二环节、政府国土部门制定土地供应计划与落实出让手续并负责控制城市土地的合理整治与有序扩张；(3)第三环节、政府住建部门专门负责住房与其它城市建设(比如轨道交通等)的协调与统计；(4)之后，才将房屋的建造工程委托于市场经济实现(涉及房地产开发商、承包商、分包商、制造商、供应商等人员组织，涉及建筑物的勘察、设计、施工、测试、运维等各个阶段)。在这里，第一环节(规划部门)、第二环节(国土部门)、第三环节(住建部门)都属于政府调控行为，相关法律法规如附图17所示；与之对比的，由房地产开发商负责的建造工程本质上是商业盈利行为，追求利润最大化，如附图18所示；在以上三个政府调控行为环节中，国土部门起到核心作用，因为国土部门负责如下：(i)年度土地供应计划的制订与落实、(ii)土地招标、拍卖、挂牌、协议方式给予土地出让(如附图19所示)、(iii)追求土地节约集约利用、负责闲置土地认定与处理、负责低效土地再开发利用(如附图20所示)；值得注意的是，房产的成交价格往往由土地基准地价、建筑成本与、营销成本以及利润等共同构成，其中，“基准地价”最终往往被折合为“楼面地价”，“楼面地价”往往占据最终成交价格的40％左右。
接着，由以上政府主导的调控行为(国土部门负责土地供应作为核心)与房地产开发商主导的盈利行为(房地产商负责房地产开发建设管理的整体流程)产生的供给满足了老百姓的购房需求(如附图16中箭头标记(3)所示)。当然，随着房地产市场的不断发展，购买的需求也在不断变化，除了最原始的各类刚需(如上所述的成家买房、毕业工作买房、为小孩购买学区房、农村人口进城务工落户买房等)，还发展出各类非刚需(包括扩大住房面积改善性购房、为二胎三胎提前准备购房、投资买房，甚至投机炒房)。需要指出的是，刚需与非刚需，存在即有合理性。值得注意的是，无论是刚需还是非刚需，在购买房产时皆考虑如下诸多因素，包括：
(i)与房产升值空间紧密相关的城市发展趋势(比如所谓的一线/二线城市的划分标准)，典型的如浙江省宁波市的新区新城的设立与最近几年重大行政区划调整(如附图21所示)；
(ii)交通设施的配套(比如轨道交通、轻轨、城际铁路等)，这是买房的重大考虑因素，应验了古语“要想富先修路”，典型的如浙江省宁波市轨道交通中地铁1号线-7号线与城际铁路s1-s5的规划建设时间安排(如附图22所示)；
(iii)医疗设施的配套(典型如高级别医院的配套)，因为“生老病死”是人所不可避免的，老百姓可以选择健康生活方式而减少患病几率，但是生病了去医院是刚需；
(iv)教育设施的配套(典型如市属高级小学、省属高级中学等)，正应了“人生必须赢在起跑线上”、“再苦也不能苦孩子、再累也不能累孩子、必须让孩子读书条件好”的中国人传统思维与教育观念；
(v)娱乐设施的配套(如大型购物中心等)，面对日益增长的工作压力，娱乐设施的配套也渐渐从“非必须的”变成了“必须的”；
而以上各类刚需和非刚需与各类资源配套之间存在搭配关系，如附图16中连线所示；
然后，供给满足需求，就会产生交易(如附图16中箭头(4)所示)。按照购房交易的各个环节前后顺序，可以将交易环节分为：00房地产宏观政策、01限购政策、02首付比例、03贷款额度、04贷款利率、05契税政策、06中介服务、07后期物业管理、08个别人群住房规划(包括廉租房、经济适用房等)、09统一登记，举例而言，浙江省宁波市2015年末以及2016整年交易阶段的受影响事件如附图26所示。针对以上各个交易环节，每个环节都与老百姓的利益直接息息相关。虽然老百姓的购房交易是自主行为，但是与购房密切相关的以上各个交易环节基本上是由政府主导(银行与金融部门配合)，其中，00房地产宏观政策起到最为关键的作用，左右着中国房地产的发展方向。附图23给出了自从1998年施行住房市场化以来我国房地产交易过程受到各类影响因素的统计(按照时间升序排列)，其中，发挥关键性影响作用的国家政策(包括国八条、国六条、国四条、国十一条、国十条、国五条等等)如附图24所示。大量的货币交易在该交易阶段完成。值得注意的是，政府明白：为了建设美好城市，除了城市的发展战略之外，人才是不可或缺的(一定程度上，人才甚至比战略还要重要)，这就拉开了我国各大城市之间的“抢人大战”(尤其是高层次人才的拉拢，包括直接货币补贴、安家购房补贴、间接贷款贴息、小产权房的廉价租赁与使用等各种手段)，典型的如浙江省宁波市的历年人才引进待遇如附图25所示。
之后，完成了住房的供给和交易，就剩下“登记”阶段(如附图16中箭头(5)所示)：事实上，国际上房地产的登记存在多种方式，包括契约登记(deedregister)、产权登记(titleregistration)、托伦斯登记等，我国实行产权登记(titleregistration)。在我国实行房地产产权登记的前期，房屋与土地分别登记，房屋的登记归住建部门负责，土地的登记归国土部门负责，两者登记是分离的，但是事实上房屋与及其所附着土地是紧密相关的(2007年颁布的《物权法》中首次从法律角度明确了“房地一体”)，直至2015年我国真正全面铺开房屋与土地(作为不动产的主体)的统一登记。指导我国不动产统一登记的纲领性文件包括《不动产登记暂行条例》、《不动产登记暂行条例实施细则》、《不动产登记操作规范》。值得注意的是，登记过程不涉及大量的货币，只涉及少量与登记关联的税费，尽管如此，登记结果可以看作是房地产市场的“晴雨表”从而间接地反映房地产交易的状况。
最后，完成如上所述登记工作之后，又开始了新一轮的房地产循环，包括提供住房、满足需求、实现交易、再次登记(如附图16中箭头(6)所示)。
总结而言，以上附图16中箭头(1)和箭头(2)是最初始动机(或称最初始刺激)，箭头(3)至箭头(6)的一个完整大循环，这是理想情况下的流程。在理想情况下，该大循环满足市场经济的基本准则—“供过于求，则价格下降；供少于求，则价格上升”。
然而，真实的房地产市场并不是总是处于理想状态，尤其是在城镇化步伐如此之快的中国。事实上，在我国现阶段的房地产市场中，除了以上大循环，还额外存在小循环，该小循环造成了房价居高不下(背离市场经济原则)的奇特景象。
具体而言，在小循环中，首先，房地产开发商从房产交易中获得了大量利润(如附图16中箭头(7)所示)，这里的“利润”是“最终房产成交价格”扣除“楼面地价”再扣除“建筑安装成本”再扣除“营销成本”之后剩余的。其中，“楼面地价”由“基准地价”与“容积率”折算而来，而“基准地价”和“容积率”由政府相关部门(尤其是国土部门)决定，换言之，“楼面地价”是升是降最终由政府决定(往往在40％左右认为相对合理)；“建筑安装成本”由相关的勘测单位、设计单位、施工单位、运维单位等负责，几乎完全市场化运作，故而成本在不断降低，甚至引入国外最先进的“建筑信息模型(bim，buildinginformationmodeling)”理念从而不断降低成本；“营销成本”随着互联网的发展也是不断在降低的；这就造成了如下结果：在开发规模一定的前提下，如果“楼面地价”不变，那么利润率是持续上升的，这就在最初阶段大大促进了中国的房地产商的开发建设行为。
之后，发生了一件奇特但是人性化的事件，即政府部门发现从房地产商处收缴的土地出让金(体现于“楼面地价”)是一笔巨大的财政收入(如附图16中箭头(8)所示)，可以用于各处(包括最原始的出自“取之于民，用之于民”动机的各类城市建设工程，以及后续不希望看到的“寻租行为”)，这笔土地出让金财政收入按照一定比例分配给国税和地税，即使分配后的土地出让金也是金额数量庞大，甚至远远大于商业和工业的各类税费之和(远超营业税、增值税、个人所得税等税费之和，有些地方财政中“土地财政”比例高达70％)。
此时，政府出于建设美好城市的最初动机而需要大量土地出让金，故而默认允许房地产商扩大房地产建造规模的行为。更有甚者，有些地方政府甚至从旁协助房地产商，包括：(1)在第1阶段中通过降低一定土地出让价格从而出让大量土地进而加速土地出让金回笼(如附图16中箭头(9-a)所示)，该手段在后来被慢慢禁止直至杜绝；(2)在第3阶段交易的各个环节(典型如降低交易契税)从而促进房地交易(如附图16中箭头(9-b)所示)，该手段被大量使用，这是当前我国政府调控房地产市场的主要手段；(3)在第2阶段想要改变老百姓的刚需是比较困难的(即农村人口进城安居有一套房已很满足、学区房有一套足够即使学区房面积很小等)，尽管如此，政府可以协助宣扬“土地是稀缺的”理念、甚至通过控制交通设施设置、医疗设施配置、教育设施配置、娱乐设施配置从而间接影响刚需和非刚需的分布空间，这正是聚集了大量资源的“北(北京)上(上海)广(广州)深(深圳)”房价居高不下的真正原因(如附图16中箭头(9-c)所示)。
面对以上情况，房地产商作为商人追求盈利，利润率是不愿意下降的，这就造成了“楼面地价”与“最终房产成交价格”形成固定比例；而政府为了最初美好城市建设远景的动机，是需要大量土地出让金的，“基准地价”毫无悬念地只升不降；综合以上，从而造成“楼面地价(由基准地价折算而来)”节节攀升，即使(所占比例较低的)建筑安装成本和营销成本再三下降，“最终房产成交价格”也是只增不减的，最终买单的都是最普通老百姓。
综上所述，附图16中箭头(1)和箭头(2)形成的最初刺激，以及后续的理想情况下形成的大循环(如附图16中箭头(3)至箭头(6)构成)，以及后续的客观事实中存在的小循环(如附图16中箭头(7)至箭头(9-c)构成)，共同组成了我国房地产市场的发展历程与当前现状。
典型的，以2016年全年这段时间在浙江省宁波市市本级区域的不动产统一登记相关情况为案例(即目的是服务于不动产统一登记，时间为2016年1月至12月，地区为浙江省宁波市市本级)，给予以上构建模型的具体说明。具体情况如下：
其中，所有不动产的统一登记情况的具体取值如下：
针对2016年宁波市市本级的所有不动产登记的逐月受理量统计，可以如下公式(9)或公式(10)表达，如附图27(a)所示：
rdosm＝{roc(allpro),rou(allpur),rt(allrt),rd(unknown),rr(allregion),ri(acccase),if}(9)
rdosm＝{rd(unknown),ri(acccase),if}(10)
针对2016年宁波市市本级的所有不动产登记的逐月登簿量统计，可以如下公式(11)或公式(12)表达，如附图27(b)所示：
rdosm＝{roc(allpro),rou(allpur),rt(allrt),rd(unknown),rr(allregion),ri(bookcase),if}(11)
rdosm＝{rd(unknown),ri(bookcase),if}(12)
针对2016年宁波市市本级的所有不动产登记的逐月发证量统计，可以如下公式(13)或公式(14)表达，如附图27(c)所示：
rdosm＝{roc(allpro),rou(allpur),rt(allrt),rd(unknown),rr(allregion),ri(certicase),if}(13)
rdosm＝{rd(unknown),ri(certicase),if}(14)
由以上公式(9)至公式(14)分析发现：(1)受理量始终大于等于登簿量，登簿量大于等于发证量，符合对于业务应用的常规认知；(2)受理量、登簿量、发证量，在2016年的3月4月、7月9月、12月存在高峰，在2月份、10月份存在低谷；
针对2016年宁波市市本级的所有不动产登记的分区域受理量统计，可以如下公式(15)或公式(16)表达，如附图28(a)所示：
rdosm＝{roc(allpro),rou(allpur),rt(allrt),rd(alltime),rr(unknown),ri(acccase),if}(15)
rdosm＝{rr(unknown),ri(acccase),if}(16)
针对2016年宁波市市本级的所有不动产登记的分区域发证量统计，可以如下公示(17)和公式(18)表达，如附图28(b)所示：
rdosm＝{roc(allpro),rou(allpur),rt(allrt),rd(alltime),rr(unknown),ri(certicase),if}(17)
rdosm＝{rr(unknown),ri(certicase),if}(18)
由以上公式(15)至公式(18)分析发现：(1)宁波市市本级所覆盖的江东区、江北区、海曙区在2016年不动产登记数量较为平均，这也符合以上三个市辖区的行政面积差异不大的客观现实；(2)市本级所覆盖的高新区虽然行政区划面积不大，但是2016年不动产登记数量也是不少(接近追赶上其它三个区)，猜测原因是与高新区虽然面积不大但是自从2007年新区设立后每年都高速发展有关。
针对2016年宁波市市本级的所有不动产登记的分登记类型受理量统计，可以如下公式(19)或公式(20)表达，如附图29(a)所示：
rdosm＝{roc(allpro),rou(allpur),rt(unknown),rd(alltime),rr(allregion),ri(acccase),if}(19)
rdosm＝{rt(unknown),ri(acccase),if}(20)
由以上公式(19)至公式(20)分析发现：(1)在如此众多的不动产登记类型中，首次登记、转移登记、注销登记占据了主体，猜测这是由于房屋和土地占据不动产登记主体有关；(2)其中，转移登记占据了接近一半，猜测应该和房屋等建筑物构筑物的转移登记有关。
其中，住宅及配套类土地的统一登记情况的具体取值如下：
针对2016年宁波市市本级的住宅及配套类土地的首次登记的受理量统计，可以如下公式(21)或公式(22)表达，如附图30(a)所示：
rdosm＝{roc(conlanduse),rou(renpur),rt(inirt),rd(unknown),rr(allregion),ri(bookcase),if}(21)
rdosm＝{roc(conlanduse),rou(renpur),rt(inirt),rd(unknown),ri(bookcase),if}(22)
针对2016年宁波市市本级的住宅及配套类土地的转移登记的受理量统计，可以如下公示(23)或公式(24)表达，如附图30(b)所示：
rdosm＝{roc(conlanduse),rou(renpur),rt(tanrt),rd(unknown),rr(allregion),ri(acccase),if}(23)
rdosm＝{roc(conlanduse),rou(renpur),rt(tanrt),rd(unknown),ri(acccase),if}(24)
针对2016年宁波市市本级的住宅及配套类土地的转移登记的登簿量统计，可以如下公示(25)或公式(26)表达，如附图30(c)所示：
rdosm＝{roc(conlanduse),rou(renpur),rt(tanrt),rd(unknown),rr(allregion),ri(bookcase),if}(25)
rdosm＝{roc(conlanduse),rou(renpur),rt(tanrt),rd(unknown),ri(bookcase),if}(26)
由以上公式(21)至公式(26)分析发现：(1)受理量大于等于登簿量，符合常规认知；(2)针对住宅及配套类的土地而言，转移登记(月平均四位数字)远远大于首次登记(月平均二位数字)，这符合对于房地产登记的常规认知(首次登记领取土地证，之后分割后售卖房屋至个人从而实现转移登记)；(3)针对住宅及配套类土地的转移登记的逐月变化趋势，与上述所有登记类型的逐月变化趋势基本相同。
其中，商业类土地的统一登记情况的具体取值如下：
针对2016年宁波市市本级的商业类土地的首次登记的登簿量统计，可以如下公式(27)或公式(28)表达，如附图31(a)所示：
rdosm＝{roc(conlanduse),rou(compur),rt(inirt),rd(unknown)},rr(allregion),ri(bookcase),if}(27)
rdosm＝{roc(conlanduse),rou(compur),rt(inirt),rd(unknown)},ri(bookcase),if}(28)
针对2016年宁波市市本级的商业类土地的转移登记的受理量统计，可以如下公示(29)或公式(30)表达，如附图31(b)所示：
rdosm＝{roc(conlanduse),rou(compur),rt(tanrt),rd(unknown),rr(allregion),ri(acccase),if}(29)
rdosm＝{roc(conlanduse),rou(compur),rt(tanrt),rd(unknown),ri(acccase),if}(30)
针对2016年宁波市市本级的商业类土地的转移登记的登簿量统计，可以如下公式(31)或公式(32)表达，如附图31(c)所示：
rdosm＝{roc(conlanduse),rou(compur),rt(tanrt),rd(unknown),rr(allregion),ri(bookcase),if}(31)
rdosm＝{roc(conlanduse),rou(compur),rt(tanrt),rd(unknown),ri(bookcase),if}(32)
由以上公式(27)至公式(32)分析发现：(1)受理量大于登簿量，符合常规认知；(2)针对商业类的土地而言，转移登记(月平均二位数字)远远大于首次登记(月平均接近二位数字)，这符合对于商铺类登记的常规认知；(3)针对商业类土地的转移登记的逐月变化趋势，与上述所有登记类型的逐月变化趋势存在相似性，但并不完全一样。
其中，工业类土地的统一登记情况的具体取值如下：
针对2016年宁波市市本级的工业类土地的首次登记的逐月登簿量统计，可以如下公式(33)或公式(34)表达，如附图32(a)所示：
rdosm＝{roc(conlanduse),rou(indpur),rt(intrt),rd(unknown),rr(allregion),ri(bookcase),if}(33)
rdosm＝{roc(conlanduse),rou(indpur),rt(intrt),rd(unknown),ri(bookcase),if}(34)
由以上公式(21)至公式(34)分析发现：(1)工业类土地的首次登记远小于商业类土地的首次登记，而商业类土地的首次登记远小于住宅及配套类土地的首次登记，这与当前(住宅类)房地产市场火爆发展的客观现实相符合。
其中，房子与土地(即房地)的统一登记情况的具体取值如下：
针对2016年宁波市市本级的房子与土地(即房地)的首次登记的逐月办件量统计，可以如下公式(35)或公式(36)表达，如附图33(a)所示：
rdosm＝{roc(conlanduse+houown),rou(allpur),rt(inirt),rd(unknown),rr(allregion),ri(case),if}(35)
rdosm＝{roc(conlanduse+houown),rt(inirt),rd(unknown),ri(case),if}(36)
针对2016年宁波市市本级的房子与土地(即房地)的首次登记的分地区办件量统计，可以如下公示(37)或公式(38)表达，如附图33(b)所示：
rdosm＝{roc(conlanduse+houown),rou(allpur),rt(inirt),rd(alltime),rr(unknown),ri(case),if}(37)
rdosm＝{roc(conlanduse+houown),rt(inirt),rr(unknown),ri(case),if}(38)
针对2016年宁波市市本级的房子与土地(即房地)的首次登记的分用途单元量统计，可以如下公式(39)或公式(40)表达，如附图33(c)所示：
rdosm＝{roc(conlanduse+houown),rou(unknown),rt(inirt),rd(alltime),rr(allregion),ri(unit),if}(39)
rdosm＝{roc(conlanduse+houown),rou(unknown),rt(inirt),ri(unit),if}(40)
针对2016年宁波市市本级的房子与土地(即房地)的转移登记的逐月办件量统计，可以如下公式(41)或公式(42)表达，如附图34(a)所示：
rdosm＝{roc(conlanduse+houown),rou(allpur),rt(tanrt),rd(unknown),rr(allregion),ri(case),if}(41)
rdosm＝{roc(conlanduse+houown),rt(tanrt),rd(unknown),ri(case),if}(42)
针对2016年宁波市市本级的房子与土地(即房地)的转移登记的分地区办件量统计，可以如下公式(43)或公式(44)表达，如附图34(b)所示：
rdosm＝{roc(conlanduse+howown),rou(allpur),rt(tanrt),rd(alltime),rr(unknown),ri(case),if}(43)
rdosm＝{roc(conlanduse+howown),rt(tanrt),rr(unknown),ri(case),if}(44)
针对2016年宁波市市本级的房子与土地(即房地)的转移登记的分用途单元量统计，可以如下公示(45)或公式(46)表达，如附图34(c)所示：
rdosm＝{roc(conlanduse+houown),rou(unknown),rt(tanrt),rd(alltime),rr(allregion),ri(case),if}(45)
rdosm＝{roc(conlanduse+houown),rou(unknown),rt(tanrt),ri(case),if}(46)
由以上公式(35)至公式(46)分析发现：(1)针对房与地，转移登记(月平均四位数)远大于首次登记(月平均二位数)，这符合对于房地产市场的认识(前面已经叙述)；(2)房与地的转移登记的逐月变化趋势，与之前所有不动产的所有登记类型的逐月变化趋势基本相同；(3)针对房与地，无论首次登记还是转移登记，江北区和江东区(作为市政府搬迁后新所在的、高度发展中的市辖区)登记数据高于高新区和海曙区(老市政府所在地的市辖区)；(3)针对房与地登记，主要还是用于住宅类，金融商铺用途的房与地登记远远小于住宅类。
其中，所有不动产的统一登记情况的另外具体取值如下：
针对2016年宁波市市本级的所有不动产查封登记的分地区办件量统计，可以如下公式(47)或公式(48)表达，如附图35(a)所示：
rdosm＝{roc(allpro),rou(allpur),rt(cdrt),rd(alltime),rr(unknown),ri(case),if}(47)
rdosm＝{rt(cdrt),rr(unknown),ri(case),if}(48)
针对2016年宁波市市本级的所有不动产查封登记的分用途办件量统计，可以如下公式(49)或公式(50)表达，如附图35(b)所示：
rdosm＝{roc(allpro),rou(unknown),rt(cdrt),rd(alltime),rr(allregion),ri(case),if}(49)
rdosm＝{rou(unknown),rt(cdrt),ri(case),if}(50)
由以上公式(47)至公式(50)分析发现：(1)江东区(新市政府所在的市辖区)和海曙区(老市政府所在市辖区)的查封登记要高于江北区和高新区的查封登记；(2)住宅(以及办公类)的查封登记数量占据查封登记总数的主体，这与所有登记对象种类中住宅类占据主体的情况是保持一致的。
针对2016年宁波市市本级的所有不动产注销登记的逐月登簿量统计，可以如下公式(51)或公式(52)表达，如附图36(a)所示：
rdosm＝{roc(allpro),rou(allpur),rt(canrt),rd(unknown),rr(allregion),ri(bookcase),if}(51)
rdosm＝{rt(canrt),rd(unknown),ri(bookcase),if}(52)
由以上公式(51)至公式(52)分析发现：(1)注销登记逐月登记的趋势较为平缓，其中，存在2016年4月份左右的异常高峰，猜测与2016年2月春节前后登记业务积压于4月统一处理有关。
其中，不动产的抵押登记情况的具体取值如下：
针对2016年宁波市市本级的不动产抵押登记的逐月办件量统计，可以如下公式(53)或公式(54)表达，如附图37(a)所示。
rdosm＝{roc(mort),rou(allpur),rt(allrt),rd(unknown),rr(allregion),ri(case),if}(53)
rdosm＝{roc(mort),rd(unknown),ri(case),if}(54)
针对2016年宁波市市本级的不动产抵押登记(四种具体抵押类型)的逐月受理量统计，可以如下公式(55)或公式(56)表达，如附图37(b)所示：
rdosm＝{roc(mort),rou(allpur),rt(allrt),rd(unknown),rr(allregion),ri(acccase),if}(55)
rdosm＝{roc(mort),rd(unknown),ri(acccase),if}(56)
针对2016年宁波市市本级的不动产抵押登记的分地区办件量统计，可以如下公式(57)或公式(58)表达，如附图37(c)所示：
rdosm＝{roc(mort),rou(allpur),rt(allrt),rd(alltime),rr(unknown),ri(case),if}(57)
rdosm＝{roc(mort),rr(unknown),ri(case),if}(58)
针对2016年宁波市市本级的不动产一般抵押权的注销登记的逐月登簿量统计，可以如下公式(59)或公式(60)表达，如附图37(d)所示：
rdosm＝{roc(mort),rou(allpur),rt(canrt),rd(unknown),rr(allregion),ri(bookcase),if}(59)
rdosm＝{roc(mort),rt(canrt),rd(unknown),ri(bookcase),if}(60)
针对2016年宁波市市本级的不动产最高额抵押权的注销登记的逐月登簿量统计，可以如下公式(61)或公式(62)表达，如附图37(e)所示：
rdosm＝{roc(mort),rou(allpur),rt(canrt),rd(unknown),rr(allregion),ri(bookcase),if}(61)
rdosm＝{roc(mort),rt(canrt),rd(unknown),ri(bookcase),if}(62)
由以上公式(53)至公式(62)分析发现：(1)个人抵押(包括个人一般抵押、个人最高额抵押)远高于企业抵押(包括企业一般抵押、企业最高额抵押)，这与当前火爆住宅房地产市场占据市场主体有关，猜测其中还可能存在一定的个人炒房行为；(2)在个人抵押中，个人一般抵押高于个人最高额抵押，可见常规抵押方式更受欢迎；(3)江东区(作为新市政府所在地的市辖区)的抵押登记数据要高于其它区域，猜测与新城区的日新月异繁荣城市建设有关(抵押后套取的资金可以快速用于新一轮的城区开发建设)；(4)一般抵押权和最高额抵押权的注销登记的逐月统计数据都比较平均，但在2月份存在低谷，猜测与2016年2月为春节期间行政服务几乎停止受理抵押登记有关。
同时，附图38给出了2016年宁波市市本级的不动产档案查询的统计结果，其中，附图38(a)给出了档案查询受理量的逐月统计结果，分析发现：(1)每月档案查询数都比较平均，除了在2016年2月存在低谷，在2016年12月存在高峰，这与前述所有不动产逐月统计趋势存在相同点；附图38(b)给出了档案查询受理量的分地区统计结果，分析发现：(1)契税用途、调查取证用途、贷款用途、人才补贴用途，这四个用途是所有档案查询用途中的主体，其中，契税用途的档案查询最多；(2)契税用途、贷款用途、人才补贴用途(作为主要用途)以及保障性住房用途、首套房证明、无房证明(作为次要用途)是房地产交易的传统环节，仍然占据档案查询所有用途中的主体(接近75％)。
此外，附图39给出了2016年宁波市市本级的成交住宅单价中的地价部分的逐月统计结果，分析发现：(1)其中地价部分逐月统计呈现一个峰值形状，其中峰顶出现于2016年的7月，猜测和父母为子女于开学前(往往是7月左右)集中购买学区房有关，同时集中了优良教育资源的学区房所在地段的土地价格是几乎不可能比周边低的。
另外，附图40(a)给出了2016年宁波市市本级的一手房的成交数量的逐月统计结果，附图40(b)给出了2016年宁波市市本级的二手房的成交数量的逐月统计结果，分析发现：(1)一手房交易数(月平均接近四位数)少于二手房交易数(月平均四位数)；(2)无论是一手房还是二手房的交易数的逐月统计，都在2016年2月存在低谷，都在2016年12月存在高峰，其余时间段月度统计数值存在差异变化但是变化比率不大(正常波动)，这与前述所有不动产的逐月统计结果存在相似性。
由上可见，宁波市市本级2016年整年的真实不动产登记情况(尤其是体现老百姓买房的房产分割转移登记的逐月变化趋势)与附图26给出的受影响事件基本契合，这同时有效验证了本发明提出的方法的正确性。
本发明专利受资助于“宁波市人民政府与中国社会科学院合作共建浙大宁波理工学院社会政策研究中心2016年立项课题(课题名称：基于ladm模型的不动产统一登记建模研究_以宁波市为例，课题编号：一般课题26)”。
- 还没有人留言评论。精彩留言会获得点赞！