看到标题后可能有读者会觉得这还用说，买房买贵的还是买便宜的难道不是取决于手上有多少钱么？

别急，还真不是。

先说结论，在你的能力范围内，尽可能买贵的房子。

但是，也不是只看价格去买，而是要根据城市发展、资源分布、自身能力进行综合决策。

这两天我在看一个专栏，作者是前易观 CTO 郭炜，就是专门做大数据行业分析的那家公司。他从数据视角提出了一个买房决策依据，参考房价的「拉普拉斯分布」。

我觉得非常有意思，这里也跟你们分享下。

可能有人好奇，什么是拉普拉斯分布？它跟房价又有什么关系？

在具体介绍之前，先说下大多数人都熟悉的「正态分布」。比如下面这个身高分布图，就是典型的正态分布。

从图中可以看出，170cm 是男生的平均身高，曲线呈现中间高两头低的走势。

我们生活中很多场景都符合正态分布，但是在在全世界范围内的大多数城市，房价其实都不完全符合正态分布。

虽然我们也会说平均房价，但这个平均值只是数字层面的平均，整体的分布并不平均。

比如北京，2021 年海淀区的房价超过 10 万一平，而大兴区的房价只有 4 万多。

假如回到 10 年前，手握 100 万的你是会选择在海淀区知春路首付 30% 买一套 80 平米的房子，还是会在大兴区首付 70% 买一套同样是 80 平米的房子呢？

现在看这个问题，想都不用想肯定是选前者。

因为知春路的房价已经从 2011 年的 3 万多涨到了现在的 10 万多，而大兴的房子只从 1.8 万涨到了 4.4 万。

10 年时间，知春路房价涨幅 215%，而大兴房价涨幅只有 144%。从投资回报来说，当初那 100 万发挥的作用显然是前者更值钱。

但是，谁能预料得到呢？

接下来，就可以聊聊「拉普拉斯分布」了。

下面这幅图就是一个典型的拉普拉斯分布，和正态分布不同，它是中间顶峰绝对高，往两边成凹型骤减。

这个曲线，比较符合很多城市的房价分布。

你们都知道，哪怕在同一个城市同一个街道的房子，房价也可能差别很大。它不是平均分布，而是呈现塔尖结构。

高的非常高，但是非常少。以高房价为中心向周边辐射的区域，房价会逐步降低，但到最后会趋于平缓稳定。

这里有一个现实是，越处于塔尖的就越具有资源吸附能力。

像北京和深圳这种资源稀缺型城市，它的资源分配是不均的，包括教育、医疗、交通和生活服务等。这些，也都受地段限制。

所以，这些稀缺资源附近的房价会高，同时这些高房价还会继续吸附其他资源的进入，进一步推高房价。

可像一些二三线城市，它的资源分配相对均匀，不存在过多的吸附效应，高房价就难以形成。即便有价格，也没有市场。

相对来说，一些二三线城市的房价就比较符合正态分布，而一线城市的房价则符合拉普拉斯分布。

如果你要买房，可以先借助这两个模型判断下，你所在城市的房价是符合正态分布还是拉普拉斯分布。

换个说法，去评估一下你所在城市的资源是否分配比较平均，会不会出现聚集效应。

如果符合正态分布，那买房就可以选择价格在曲线腰部的房子，这种房子的涨跌和抗风险能力都比较适中。

如果符合拉普拉斯分布，那就尽你所能买地段最好价格最高的房子，因为它们本身就具备资源吸附能力，未来升值空间更大。

可以找一找你所在城市这几年的数据，然后列出来看下数据分布，这能帮你提供一些决策依据。

生活中的很多决策，其实都有数据工具和理论支撑。多了解一些，能帮你做出更加优质的决策。

👆👆👆

扫码免费试读

再说说郭炜这个人，他在数据领域绝对是名副其实的行业顶尖大佬。人称“郭大侠”，有 20 余年跟数据打交道的经验。

除了是前易观 CTO，他还曾任 IBM、Teradata、中金资深数据专家，万达电商数据部总经理，联想研究院大数据总监。

在易观从 0-1 打造技术团队，并建设 6.8Pb、月活用户 6.02 亿大数据平台，完成易观千帆、方舟等多个商业数据产品。

此外，他还促进了 Apache Dolphin Scheduler 开源并成为Apache 顶级项目，也是 ClickHouse 中国社区发起人和首席布道师。

这履历，我只能说，佩服。

这样的大佬能出来分享，并把自己的心法毫不保留的分享给大家，让普通人都可以接触到、学习到，真的是多少钱都买不到的。

在这样一个纷繁复杂的世界里，你要是能够有一个清晰、优雅的数据观，那么至少你能够把一件事情更好地想明白、说清楚、做到位。

扫码或点击「阅读原文」可直接购买，2 杯咖啡钱，不会吃亏上当。

希望对你们有所帮助。

················· 唐韧出品 ·················