计量论文对我国房价影响因素的计量经济学分析.doc

对我国房价影响因素的计量经济学分析对我国房价影响因素的计量经济学分析摘要：商品房价格增长过快是当前我国城市与社会经济发展中最突出的问题之一，如何合理控制商品房价格平稳增长值得深入研究。本文选取2011年中国统计年鉴的数据，建立起影响商品房价格因素的多元线性回归模型，进行进一步分析，并且在此基础之上提出相关政策建议。关键字：商品房价格 影响因素 多元线性回归模型一、问题的提出近年来，中国房价持续走高。尽管国家政策层已经启动了几轮调控，但房价丝毫没有要稳定下来的迹象，房价高涨，一房难求的情况仍在持续。房地产行业已经成为我国国民经济的支柱产业，不仅影响着国民经济的增长，也牵动着千家万户的心。虽然随着经济的发展，商品房价格的增长是必然趋势，但是目前国内商品房价格增长速度却远远超过平均水准，房价如此之高，会对现在与未来产生多大的影响？为了研究这个问题，我们需要建立计量经济学模型。二、理论分析影响房价的因素有：土地购置费：土地资源的稀缺性导致土地购置费不断上涨，而土地购置费在相当大的程度上影响了房屋的售价。随着开发的商品房不断增加，土地也越来越稀缺，房屋价格也会随着上涨，两者存在正相关性。居民人均可支配收入，代表一个地区的人民的经济实力，人均可支配收入越多，人们提高生活质量和进行投资的欲望和能力就越强。房屋相对于其他商品来说，具有保值性和增值性，这种特点导致人们用大量的资金进行投资，促使房屋价格上升。理论上该变量和房价存在正相关性。商品房销售面积：商品房的销售面积即为购房者所购买的套内或单元内建筑面积(以下简称套内建筑面积)与应分摊的公用建筑面积之和。一个地区商品房销售面积也能间接反应一个地区商品房的供应热度。商品房施工面积：报告期内施工的房屋建筑面积商品房竣工面积：报告期内竣工的房屋建筑面积建筑业总产值：建筑业在一定时期内完成的以价值表现的生产总量，是反映建筑业生产成果的综合指标。通过它可以了解建筑业的生产规模、发展速度、经营成果，并为国家制订经济建设计划提供依据。建筑业总产值的水平也能够代表一个地区建筑产业的水平，从而对商品房的价格产生成本，技术等方面的影响。储蓄存款：指地区当年居民人均存款数量，间接反映一个地区居民的销售水平。地区人均 GDP，商品住房价格与当地的经济发展水平有着密切的联系，理论上，一个地区的经济越发达，商品住房的价格越高，因而两者之间应该呈正相关在经济学中。常用 GDP 来衡量该国或地区的经济发展综合水平通用的指标。是否为中西部省市：国家对中西部省市的商品房建设，售价都有一定的支持和保护，因此在研究房价时，将是否为中西部省市这一指标加入进来也是很有必要的三、模型的设定（一）影响商品房价格的因素1.被解释变量：商品房价格Y2.解释变量：X1：土地购置费；X2：居民人均可支配收入；X3：商品房销售面积；X4商品房施工面积；X5：商品房竣工面积；X6：建筑业总产值；X7：储蓄存款；X8：地区人均 GDP ；3.引入虚拟变量D1：是否为中西部省市（中西部取0，东部取1）（二）计量模型形式的设计考虑以上五个因素，可以初步设定模型为： Y=C+1X1+2X2+3X3+4X4+5X5+6X6+7X7+8X8+9D1+ui四、模型的估计与调整（一）计量模型的估计利用EVIEWS软件，用OLS方法估计如表1所示： 表1 EVIEWS 的最小二乘估计结果可得估计方程：Y=-2606.716+2.708220X1+0.424420X2+0.998304X3-0.386201X4+0.049960X5(1206.512) (1.137001) (0.065103) (0.381620) (0.129723) (0.441231)t= (-2.160538) (2.381898) (6.519203) (2.615962) (-2.977118) (0.113230)-0.017770X6+0.229485X7-0.205082X8+1778.255D1(0.128180) (0.068458) (0.057992) (589.6881) t= (-0.138631) (3.352208) (-3.536395) (3.015586) =0.942939 =0.918484 F=38.55867 由此可见，该模型=0.942939 =0.918484可绝系数很高，F检验值38.55867，明显显著。但是当显著性水平，查自由度n-k=31-9=22的t分布表，得临界值t0.025(22)=2.074 可以看出有|t1|,|t2|,|t3|,|t4|,|t7|,|t8|,|td|大于t0.025(22)的值，|t5|,|t6|均小于t0.025(22)，这表明X1,X2,X3,X4,X7,X8,D1 均对Y有显著性影响，而X5 ,X6不显著，而且X6系数的符号与预期相反。故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。（二）模型的计量检验 1.多重共线性的检验及修正(1).多重共线性的检验用EVIEWS软件，得相关系数矩阵表（表2）：由表2可以看出，各个解释变量之间除了X3,X4,X5三个变量相关系数很大之外，其他变量相关系数并不是很明显，推断模型有可能存在多重共线性。(2).多重共线性的修正用逐步回归法进行修正，分别做Y对X1、X2、X3、 X6、X7、X8. D1和X5、X6回归，结果如表3所示。表3 一元回归结果其中，加入X2方程最大，以X2基础，顺次加入其它变量逐步回归，结果如表4所示：表4 入新变量的回归结果（一）经比较，新加入X5方程=0.849175，且除了X1外其他的变量的t检验都显著，选择保留X5，剔除X1，再加入其它新变量逐步回归，结果表5所示：表5 入新变量的回归结果（二）各参数的t检验均未通过，因此可得修正后的方程：Y= -5138.584+0.583508X2-0.533584X5 (927.0978) (0.044658) (0.144869) t= (-5.542655) (13.06620) (-3.683206) =0.859230 =0.849175 F=85.45317 df=29最小二乘估计如表8所示：表8 EVIEWS 的最小二乘估计结果2.异方差检验及修正(1).异方差的检验对修正后的模型分别作散点图（图1）和残差图（图2）:可以看出模型的残差项存在系统性的干扰因素，拟合效果不是特别理想，所以推测可能存在异方差或自相关。(2).运用怀特检验法检验模型的异方差表9 怀特检验结果由表9可以得知，nR2=10.26157，由怀特检验可知，在=0.05下，查分布表，得临界值0.05（5）=11.0705。这时因为nR2=10.261570.05（5）=11.0705，所以接受原假设，表明模型不存在异方差。3.自相关检验与修正(1).自相关的检验在实践序列数据中，经济变量的运行往往存在一种变化趋势，表现在随时间前后期的相互关联上所形成的惯性，这样会产生自相关性。所以接下来对本模型进行自相关检验。经过异方差修正后的模型DW=2.196542，查DW统计表可知dL=1.297 dU =1.570，模型中的DW dU，显然模型中不存在自相关。4.计量模型的确立我们进行了一系列检验和修正后得到的最终模型如下：Y= -5138.584+0.583508X2-0.533584X5 (927.0978) (0.044658) (0.144869) t= (-5.542655) (13.06620) (-3.683206) =0.859230 =0.849175 F=85.45317 df=29从回归结果中可以而看出，可决系数=0.859230 ,模型的拟合程度很高；系数检验显著：给定 0.05，查t分布表，t0.025(29)=2.045，由于各解释变量系数的t值均大于临界值，所以各变量对商品房价格水平均有显著的影响。五、模型经济意义的实际分析与建议计量经济模型结果表明，我国商品房价格与居民人均可支配收入之间有正相关关系，而与商品房竣工面积之间则有显著性的负相关关系。可见模型的结果具有一定的经济意义。这也就说明，在居民人均可支配收入较高的地方商品房价格必然会更高，而在目前抑制商品房价格过快增长的方法则应该从增加商品房供应上面入手。 （一） 国家财政对城市住房建设的支持。1. 总体来看目前全国的商品房供求状况我们能发现，全国范围内商品房的供求关系都是供不应求的，为什么了？农村的居民大量涌入城市，中小地区年轻人大量涌入大城市，中国人口基数过大，导致全国范围内的商品房供应刚性需求很大。所以，商品房供不应求，商品房价格的增长时必然趋势。2. 根据数据分析了解到房价越高的地方人均可支配收入越高，这也能反映什么了？这能反映商品房目前对于大多数人仍然是生活必须消费的“商品”，不管在哪个城市，只要人们手上有足够的钱，都回去购买商品房。政府的干预自然不能去通过减少人均可支配收入来降低房价，反而应该尽力提高人均可支配收入，这样房价的压力会更大。3. 根据数据分析和前2项的分析，政府对房价的控制便只能从商品房的竣工（供应）上着手，最简单的供求问题，供不应求怎么办？提高供给嘛，供给等于或者大于需求了，房价自然就下去了。那么政府的支持可以从哪些方面入手？a. 增加政府出资修建的经济适用房，以较低的房价满足很大一批收入较低的需要帮助的居民，以最少成本满足最大需求。b. 加强对开发商楼盘的技术监督和指导的投资，聘请专业人员在合理程度上加快建筑效率与速度，缩短建筑工期。同时避免烂尾楼和坍塌楼的出现。（二）.城市建设局对城市住房建设的支持国家财政对住房建设的支持只能是宏观的，细节层面则要通过各地区城市建设局来实现。1. 技术指导：各地区城建投都应该配备专业技术人员对企业，国家的房产开发项目进行严格监督和指导，提高建设效率缩短建筑工期，这样能增加每年的住房竣工量，从供给上解决问题。2. 效率提高：这是一个老生常谈又十分严重的问题，建筑产业的拖拉问题十分严重。由于建筑产业资本多，投入大，周期长的原因，大部分房产投资公司都需要城建投高效的资金运转来维系自己房产建筑的高效运营，但以往甚至目前各地区城建投的效率却不尽如人意，这有行业限制因素在里面作祟，但是各地区的负责单位也更应该在供不应求的房产市场中竭力提高工作效率来迅速走出商品房价格危机。综上所述，目前影响商品房价格的因素还有很多，有国家宏观政策的调控，有国家相关资金、资源、补贴的支持，有当地政府的监督与辅助，以及房地产开发商自己的作为。只要多管齐下，中国商品房价格居高不下增长过快的势头一定能在有限的时间内遏制下来。既能使商品房供应满足数量的需求，又能使城市居民都能买到何时房价的住房。六、模型设计的缺陷（一）模型中引入的解释变量有一定的重复解释变量中的某些变量之间有相互重叠的部分。（二）仍然有许多影响商品房价格的因素未能在模型中体现 首先选取的很多解释变量就没能通过多重共线性检验、异方差检验和自相关检验以及相应的修正，其对商品房价格的影响便不能涉及进模型。 其次是仍有很多主观性不易统计的数据没有被选取为解释变量，比如二房数量，购买二房倾向、价格、政策等，要知道过多的二房购买会更加剧商品房价格的上涨。类似这种仍有许多因素没有设计进模型。所以设计模型仅仅只是一个纯粹客观理论基础上的简单模型。 附表：附表1商品房销售价格(y)土地购置费（x1)居民人均可支配收入（x2)商品房销售面积(x3)北京16,851.951,301.2332,903.001,439.20天津市8,744.7782.8426,920.901,594.57河北省3,982.85408.9818,292.205,888.33山西省3,432.7194.2918,123.901,284.78内蒙古自治区3,782.93185.1520,407.603,509.09辽宁省4,732.65522.620,466.807,541.48吉林省4,363.89186.8317,796.602,432.61黑龙江省3,966.40153.0415,696.203,432.84上海市14,603.24421.9736,230.501,790.86江苏省6,554.411,257.4126,340.707,970.49浙江省9,838.061,379.6930,970.703,531.36安徽省4,776.10567.3518,606.104,605.58福建省7,764.29794.6224,907.402,706.72江西省4,147.70160.9417,494.902,416.85山东省4,447.73695.3822,791.809,576.01河南省3,500.80292.6818,194.806,275.16湖北省4,486.39378.9918,373.904,187.62湖南省3,790.26318.2418,844.104,900.33广东省7,879.17792.226,897.507,427.87广西壮族自治区3,772.47234.918,854.102,964.15海南省8,943.4566.9818,369.00865.74重庆市4,733.84374.7620,249.704,533.50四川省4,917.88415.2517,899.106,543.55贵州省3,888.7865.6116,495.001,882.10云南省3,635.38142.7118,575.603,222.89西藏自治区3,474.510.4816,195.6018.25陕西省4,949.20101.9918,245.203,051.77甘肃省3,318.2438.5314,988.70838.82青海省3,248.0818.8315,603.30359.56宁夏回族自治区3,732.1930.2417,578.90846.46新疆维吾尔自治区3,548.7942.5215,513.601,728.23商品房施工面积(x4)商品房竣工面积(x5)建筑业总产值(x6)储蓄存款(x7)北京7,168.121,316.136046.2219,126.10天津市6,623.951,645.102986.456,123.10河北省21,320.174,273.693972.6617,824.30山西省7,714.331,888.202324.9110,455.50内蒙古自治区10,900.581,984.311394.685,423.10辽宁省26,644.945,225.206217.5215,365.70吉林省7,265.111,548.221626.655,835.30黑龙江省9,662.862,597.982029.168,147.40上海市8,449.901,645.474298.2817,288.50江苏省30,260.376,476.7515122.8525,914.70浙江省19,692.773,053.6114907.4223,470.30安徽省16,036.692,886.333597.269,233.60福建省13,578.692,007.343692.629,068.60江西省6,999.761,622.692095.477,123.60山东省29,047.325,311.776482.922,173.30河南省20,620.704,806.795279.3614,648.40湖北省11,013.302,728.395586.4511,291.60湖南省16,409.923,436.423915.0210,584.80广东省27,377.884,884.185774.0140,405.10广西壮族自治区11,407.861,936.941553.076,654.00海南省3,140.97404.09255.471,875.10重庆市15,923.842,826.783328.836,990.20四川省21,437.733,455.675256.6516,147.30贵州省7,689.261,102.14824.723,934.50云南省8,354.941,262.751868.46,656.00西藏自治区36.2819.28124.47318.8陕西省10,530.081,002.522908.39,172.10甘肃省3,370.43628.96925.844,231.40青海省1,365.58448.3319.421,043.50宁夏回族自治区3,086.92785.01427.921,351.30新疆维吾尔自治区4,574.721,108.021320.374,421.90GDP(x8)是否是中西部城市(D1)北京16,251.931天津市11,307.281河北省24,515.761山西省11,237.550内蒙古自治区14,359.880辽宁省22,226.701吉林省10,568.830黑龙江省12,582.000上海市19,195.691江苏省49,110.271浙江省32,318.851安徽省15,300.650福建省17,560.181江西省11,702.820山东省45,361.851河南省26,931.030湖北省19,632.260湖南省19,669.560广东省53,210.281广西壮族自治区11,720.870海南省2,522.661重庆市10,011.370四川省21,026.680贵州省5,701.840云南省8,893.120西藏自治区605.830陕西省12,512.300甘肃省5,020.370青海省1,670.440宁夏回族自治区2,102.210新疆维吾尔自治区6,610.050- 13 -