用数据选一座值得生活的城市

基于国家统计局与第七次全国人口普查公开数据,从收入水平、物价通胀、人口流入、养老配套、适龄教育五个维度, 为 2–5 座候选城市生成宜居指数排名,并预测未来二十年的真实生活成本。

70重点城市
31省级行政区
31核心指标
5评分维度
7目的场景
Step 01 · 选择候选

挑 2–5 座你在犹豫的城市

支持按区域浏览、关键词搜索,或直接套用常见的城市组合。

已选
Step 02 · 明确目的

你为什么要换城市?

不同目的对应完全不同的权重方案 —— 养老看医疗与物价,落户看收入与房价,教育看学位与师资。

20
20
20
20
20
已选 0 座城市
Step 03 · 宜居指数

综合排名

按目的加权后的宜居指数,满分 100。括号内为该城市在全国样本城市中的位次。

◎
还没有分析结果 在首页选择 2–5 座城市并点击「生成宜居分析」
Data · 指标明细

逐项数据对照

点击表头可排序(暂按分组展示)。绿色为该行最优,红色为最劣。

核心指标对照表

Step 04 · 长期成本

未来生活成本会涨到什么程度

按居民消费八大类拆分建模:服务类(教育、医疗)刚性上涨快于商品类,居住成本与人口流入、房价收入比正相关。

家庭结构
预测年限
AI
成本压力点评
bcbz · glm-4.7-flash
选择一座城市后点击「生成点评」,AI 将结合成本结构给出财务准备建议。
Step 05 · 单城诊断

单个城市的深度画像

五维得分的全国位次、关键指标分位、优势短板拆解与适配人群判断。

AI
AI 深度报告
bcbz · glm-4.7-flash
点击「生成报告」,AI 将输出这座城市的定位、优势、代价与落地建议。
Reference · 省域基准

31 省级行政区收入基准

用于判断一座城市在其所属省份中的相对位置 —— 强省会与弱省会的差别往往就在这里。

Methodology · 方法论

数据来源与计算口径

所有结论都可以被追溯到具体的指标与算法,这里把它们讲清楚。

数据来源

  • 收入、消费、人口、城镇化、GDP:各省市《国民经济和社会发展统计公报》及《中国统计年鉴》
  • 年龄结构、受教育程度、家庭户规模:第七次全国人口普查(2020)公报
  • 居民消费价格指数:国家统计局分地区 CPI(上年 = 100)
  • 医疗、教育、市政:卫生健康统计公报、教育事业统计、城市建设统计年鉴
  • 房价与租金:市场公开成交均价参考值,非官方统计口径

五维评分算法

  • 每个维度由 4–7 个底层指标加权构成,逆向指标(房价收入比、CPI、PM2.5 等)取反
  • 以全部样本城市为基准做 min-max 归一化,映射到 20–100 分区间
  • 长尾指标(GDP、高校数、三甲医院数)先做对数变换再归一化
  • 综合宜居指数 = Σ(维度得分 × 目的权重)/Σ 权重

成本预测模型

  • 按居民消费八大类拆分权重,居住占比随房价收入比上浮(上限 42%)
  • 分项涨幅 = 本地近五年 CPI 均值 × 类别弹性(教育 1.65、医疗 1.85、交通 0.55 等)
  • 居住成本额外叠加人口流入压力与房价收入比压力
  • 医疗涨幅随 60 岁以上人口占比追加修正
  • 收入增速取历史五年复合增速的 0.82 倍,并封顶于 6.2%(长期收敛假设)

派生指标定义

  • 房价收入比 = 90㎡ 套均总价 ÷ 家庭年可支配收入(按七普家庭户规模折算)
  • 购买力校正收入 = 人均可支配收入 ÷ 本地生活成本指数(消费 0.55 + 房价 0.28 + 租金 0.17)
  • 老年抚养比 = 60 岁以上人口 ÷ 15–59 岁人口
  • 剪刀差 = 收入年增速 − 生活成本年涨幅,为负意味着实际生活质量被侵蚀
使用声明:国家统计局数据发布平台(data.stats.gov.cn)未开放跨域调用接口,本站数据为依据上述公开来源整理的静态快照(版本 )。 2024 年度指标包含初步核算值,房价与租金为市场参考均价,个别市级细项以省级口径折算,扩充城市采用公开统计口径的代表性估算值。 分析结果为量化模型输出,仅供决策参考,不构成置业、投资或迁居建议。