
Keywords: Housing prices Multiple regression analysis Factors
Abstract. In recent years, China 's soaring housing prices caused concern and explore all walks of life . Can find the real factors that affect the price , can show the real prices of information , significantly influenced the government's decision also affects every one of us , so explore factors affecting prices is a very necessary , but also very meaningful work , this paper prices for the factors of research scholars were you organize and induction.
Overall, the real estate market is a particularity of the market monopoly, regional , etc., which in itself is not a perfectly competitive market , the factors affecting prices so much . If you do not consider the dynamic changes in the average price of a certain area within a given time is determined by the area of housing demand and supply that point on . If you consider the time factor , the price of a housing, a major regional average house price fluctuations closely related to changes in supply and demand and policy measures . The main factors affecting the supply and demand changes in the situation of social stability , economic development level, income level , urbanization and population status , financial situation , investment and speculative status , psychological expectations , and the like ; policy measures are closely related to the institutional foundation . This article from the domestic real estate prices skyrocketing in recent years, the problem of starting from commodity supply and demand factors , prices change the face of the institutional basis of two generous domestic research house price factors were summarized.
商品房平均售价影响因素的实证分析
关键词:商品房价格 多元回归分析 影响因素
中文摘要:近年来中国商品房价格的飞涨引起了各界人士的关注与探讨。能否找到影响房价的真实因素,能否显示真实的房价信息,很大程度上影响着的决策,也影响着我们每一个人,所以对房价影响因素的探索是一项非常有必要,也非常有实际意义的工作,本文就针对房价的影响因素对各位学者的研究成果进行了整理和归纳。
总体来讲,房地产市场是具有垄断性、地域性等特殊性的市场,其本身不是一个完全竞争市场,所以房价的影响因素非常多。如果不考虑动态变化,在一定区域范围内某一时点的商品房区域平均价格由该时点上的需求和供给决定。如果考虑时间因素,一套住房的价格、一个区域平均房价的浮动主要与供需变化和措施密切相关。影响供需变化的因素主要有社会稳定状况、经济发展水平、居民收入水平、城市化进程与人口状况、金融状况、投资与投机状况、心理预期等构成;措施又与制度基础密切相关。本文从国内商品房价格近年来暴涨的问题出发,从商品房供需的影响因素、房价变化的制度基础两个大方面对目前国内商品房价格影响因素的研究成果进行了归纳总结。
一、背景分析:
房地产业是国民经济重要的支柱行业之一。2000-2006 年,我国房地产开发投资基本保持平稳增长,年均增长率达到25.8%,占固定资产投资的比重保持在年均20%左右。房地产开发投资增速超过固定资产投资增速,远高于GDP增速。房地产开发投资占固定资产投资比重有所加大,成为拉动经济增长的主要因素之一。而2007 年上半年房屋销售价格明显回升,部分城市房价上涨较快,高额的房价让无数人望而却步。近几年来,房价更是一路飙升,已经成为最受瞩目的市场之一。自2009年2月份我国房地产行业出现"小阳春"以来,代表我国房地产业发展变化趋势和变化程度的国房景气指数就开始出现止跌回升现象,并从5月份步入上升浪潮,于8月份一举冲破100点的行业景气关口。
房地产是人类最基本的生活和消费资料,房地产也是最重要的生产资料之一,房地产价格关系到国计民生,是一个十分敏感的价格。分析影响房地产价格的因素,对经济和社会发展具有重要意义。
二、影响因素
房地产的供给的调节作用不像普通商品那样可以有效发挥稳定价格的作用,所以需求成为了房地产价格变化的决定性因素。其根本原因在于房地产供给具有稀缺性、垄断性和基本价值难以确定性三个特殊性质。以下为动态角度影响供需的主要因素:
(一)社会稳定状况
政治安定状况、社会治安状况、房地产投机和城市化等属于影响房价波动的社会因素。这些因素一般是通过改变商品房生产者和消费者的预期与信心,进而改变供求状况,从而改变房价的。
(二)经济发展水平
在经济发展与房地产市场发展的内在联系中,经济发展始终占据主导地位,经济发展决定了房地产市场的发展。经济的发展水平是影响房地产需求的重要因素,随着经济的不断发展房地产的社会总需求也会不断提高。并且,在自然因素一定的条件下,房地产供给则受制于经济发展水平。
通过研究库兹涅茨对经济增长与房地产发展的分析,发现经济增长与房地产市场的相关系数极高,说明中国经济又好又快的增长是房地产业快速发展的推动力。
(三)城市化进程与人口状况
经济发展一般都伴随城市化程度的提高,这会产生巨大的住房需求,刺激房价上升。城乡巨大的收入差距使大量农村人口被迫放弃低效率的农业生产和低质量的农村生活而进入城市。中国的城市化不仅带来了世界上前所未有的人口大迁移,更带来了产业结构升级、劳动生产率的提升及居民收入的增长,这些都是房地产市场需求旺盛不可低估的基本因素。而且,由于房地产的需求主体是人,所以人的数量、素质、构成等状况,都对房地产价格有很大的影响。
(四)居民收入水平
如果在一段时期内居民收入水平上升速度明显地超过了房价的上升速度,在随后的时期内,人们在解决和改善了衣食后的首选便是改善居住条件,小房换大房、旧宅换新居,那么将会有越来越多的居民购买住宅,受旺盛的需求和相对稀缺的供给的共同作用,房地产价格也将以较快的速度持续上涨,所以,一般而言,平均工资比较高的地区房价也比较高。
房价收入比反映了居民家庭对住房的支付能力,比值越高,支付能力就越低。国际上将合理的房价收入比定为6- 8 倍,而我国目前很多城市的房价收入比远远超过这一数字,即房价持续快速上涨,超出普通消费者的支付能力。
但是一些人却认为“房价收入比”指标忽略了某些假设条件,因而不足以衡量和比较人们的房价承受能力。所以,不可以简单地用房价收入比来衡量人们的房价承受能力,而也要考虑到地区房价差异、社会保障体系的完善程度、民族习惯以及居民收入差距等因素。
(五)金融状况
通过对金融状况与房价进行灰色关联度分析,发现金融状况与房价是正相关关系,并且对房价的影响很大。
银行信贷的非理性扩张,对房地产市场的巨大推动体现在两个方面。第一,房地产企业开发贷款。第二,个人住房贷款。由于银行信贷的非理性扩张,大量的资金涌向房地产市场,不仅造成房地产的过度开发,而且使各种投机行为愈演愈烈,不断堆积金融风险,给泡沫的产生埋下了隐患。
同时,金融产品的总体匮乏、股票市场的持续低迷,使得资金大量进入房地产业,也导致了房价的上升。
(六)投资与投机状况
住宅作为一种不动产,具有显著的投资性,保值和增值的特征突出。不动产自身的增值特性加上人们对于房地产有较高的预期,投资房地产自然就火爆了起来。通过对商品房平均价格和房地产投资进行协整分析,发现商品房平均价格和房地产投资之间不存在长期协整关系,也不存在因果关系。房价并没有因为房地产投资的增加而下降。之所以会出现这种情况,是由于房地产市场存在较严重的投机行为,导致房地产需求大于房地产供给。
投机需求的大量存在,极易造成房产需求的大幅波动。任何偏离市场均衡的供求波动,将随着时间的推移造成更大幅度的波动,供求关系越发不稳定。非理性的投机需求, 使得房价越来越背离其实际价值和普通百姓的实际承受能力,更进一步推动了泡沫的形成壮。
三、理论模型设计
1、确定变量
要寻找商品房价格的主要影响因素,显然应从住宅市场的供给( 成本) 和需求( 购买力) 两方面入手。从供给方来看,房地产开发商对商品住宅的投资意愿和投资成本可以通过房地产开发企业房屋造价反映;从需求方来看,居民对商品住宅的购买意愿和购买力则可以通过居民收水平、利率水平和经济发展水平等因素共同反映。
具体来讲,本文选择了3个变量来构建模型,他分别是: 商品房平均销售价格(Y),房地产开发企业房屋造价(X1),城镇居民人均可支配收入(X2)。
2、确定模型数学形式
建立多元线性模型:
三、样本数据收集
商品房平均销售价格及其影响因素
| 年份 | 商品房平均销售价格 Y 元/平方米 | 房地产开发企业房屋造价X1 元/平方米 | 城镇居民人均可支配收入X2 元 |
| 1994 | 1408.639 | 797 | 3179 |
| 1995 | 1590.863 | 911 | 33 |
| 1996 | 1806.399 | 1111 | 4838.9 |
| 1997 | 1997.161 | 1175 | 5160.3 |
| 1998 | 2062.569 | 1218 | 5425.1 |
| 1999 | 2052.6 | 1152.49 | 5854 |
| 2000 | 2111.614 | 1138.96 | 6280 |
| 2001 | 2169.718 | 1128.14 | 6859.6 |
| 2002 | 2250.178 | 1184.16 | 7703 |
| 2003 | 2359.497 | 1273.38 | 8472 |
| 2004 | 2713.906 | 1402 | 9421.76 |
| 2005 | 3167.657 | 1451.27 | 10493 |
| 2006 | 3366.788 | 1563.53 | 11759 |
| 2007 | 3863.904 | 1656.57 | 13786 |
| 2008 | 3799.947 | 1795 | 15781 |
| 2009 | 4681.037 | 2021 | 17175 |
四、模型参数的估计
利用Eviews输出结果如下:
| Dependent Variable: Y | ||||
| Method: Least Squares | ||||
| Date: 05/30/11 Time: 21:40 | ||||
| Sample: 1994 2009 | ||||
| Included observations: 16 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -53.99881 | 351.2793 | -0.153720 | 0.8802 |
| X1 | 1.182523 | 0.500654 | 2.361954 | 0.0344 |
| X2 | 0.128298 | 0.037858 | 3.388888 | 0.0048 |
| R-squared | 0.981091 | Mean dependent var | 2587.655 | |
| Adjusted R-squared | 0.978182 | S.D. dependent var | 927.7949 | |
| S.E. of regression | 137.0442 | Akaike info criterion | 12.84584 | |
| Sum squared resid | 244154.4 | Schwarz criterion | 12.99070 | |
| Log likelihood | -99.76676 | F-statistic | 337.2510 | |
| Durbin-Watson stat | 2.326285 | Prob(F-statistic) | 0.000000 | |
五、模型的检验
1、经济意义检验
从模型参数估计量的符合看,,意味着房地产开发企业房屋造价越高,城镇居民人均可支配收入越多,商品房平均销售价格越高,符合经济意义。
2、统计检验
(1)拟合优度检验
由表可知=0.981091,则=1-(1-0.981091)*15/13=0.978181923
说明在商品房平均销售价格的总变差中有97.8182%由房地产开发企业房屋造价和城镇居民人均可支配收入决定,样本回归函数与观测值拟合较好。
(2)F检验
不全为零
F-statistic =
拒绝原假设,接受对立假设,表明回归方程总体线性显著成立,即房地产开发企业房屋造价和城镇居民人均可支配收入对商品房平均销售价格的总体线性关系显著,模型通过F检验。
(3)t检验
由表可知,Prob=0.0344<0.05,因此拒绝原假设,接受对立假设,认为显著不为零,即房地产开发企业房屋造价对商品房平均销售价格线性影响显著。
由表可知,Prob=0.0048<0.05,因此拒绝原假设,接受对立假设,认为显著不为零,即城镇居民人均可支配收入对商品房平均销售价格线性影响显著。
(4)参数置信区间
:
:
:
3、计量经济学检验
(1)异方差检验
WHITE 检验:
| White Heteroskedasticity Test: | ||||
| F-statistic | 9.926768 | Probability | 0.001241 | |
| Obs*R-squared | 13.31696 | Probability | 0.020583 | |
| Test Equation: | ||||
| Dependent Variable: RESID^2 | ||||
| Method: Least Squares | ||||
| Date: 05/30/11 Time: 22:33 | ||||
| Sample: 1994 2009 | ||||
| Included observations: 16 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -20422.26 | 360130.4 | -0.056708 | 0.9559 |
| X1 | -54.92212 | 1068.501 | -0.051401 | 0.9600 |
| X1^2 | 0.179872 | 0.756868 | 0.237653 | 0.8169 |
| X1*X2 | -0.072163 | 0.110270 | -0.654423 | 0.5276 |
| X2 | 28.40193 | 80.54137 | 0.352638 | 0.7317 |
| X2^2 | 0.004866 | 0.003951 | 1.231553 | 0.2463 |
| R-squared | 0.832310 | Mean dependent var | 15259.65 | |
| Adjusted R-squared | 0.748465 | S.D. dependent var | 22273.47 | |
| S.E. of regression | 11170.87 | Akaike info criterion | 21.76000 | |
| Sum squared resid | 1.25E+09 | Schwarz criterion | 22.04972 | |
| Log likelihood | -168.0800 | F-statistic | 9.926768 | |
| Durbin-Watson stat | 1.867261 | Prob(F-statistic) | 0.001241 | |
由表可知,Probability=0.020583<0.05,因此拒绝原假设,接受对立假设,认为原模型存在异方差。
异方差的消除:
| Dependent Variable: Y | ||||
| Method: Least Squares | ||||
| Date: 05/31/11 Time: 22:00 | ||||
| Sample: 1994 2009 | ||||
| Included observations: 16 | ||||
| Weighting series: 1/ABS(E) | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -51.24018 | 95.18017 | -0.538349 | 0.5994 |
| X1 | 1.163052 | 0.080632 | 14.42425 | 0.0000 |
| X2 | 0.132123 | 0.003813 | 34.65517 | 0.0000 |
| Weighted Statistics | ||||
| R-squared | 1.000000 | Mean dependent var | 2028.086 | |
| Adjusted R-squared | 0.999999 | S.D. dependent var | 6753.194 | |
| S.E. of regression | 5.113632 | Akaike info criterion | 6.269058 | |
| Sum squared resid | 339.9400 | Schwarz criterion | 6.413918 | |
| Log likelihood | -47.15246 | F-statistic | 750.0543 | |
| Durbin-Watson stat | 1.731186 | Prob(F-statistic) | 0.000000 | |
| Unweighted Statistics | ||||
| R-squared | 0.980851 | Mean dependent var | 2587.655 | |
| Adjusted R-squared | 0.977905 | S.D. dependent var | 927.7949 | |
| S.E. of regression | 137.9103 | Sum squared resid | 247250.1 | |
| Durbin-Watson stat | 2.304190 | |||
| White Heteroskedasticity Test: | ||||
| F-statistic | 0.129759 | Probability | 0.981988 | |
| Obs*R-squared | 0.974827 | Probability | 0.9570 | |
| Test Equation: | ||||
| Dependent Variable: STD_RESID^2 | ||||
| Method: Least Squares | ||||
| Date: 05/31/11 Time: 22:01 | ||||
| Sample: 1994 2009 | ||||
| Included observations: 16 | ||||
| Variable | Coefficient | Std. Error | t-Statistic | Prob. |
| C | -235.74 | 438.9486 | -0.537112 | 0.6029 |
| X1 | 0.769833 | 1.302353 | 0.591109 | 0.5676 |
| X1^2 | -0.000541 | 0.000923 | -0.586312 | 0.5707 |
| X1*X2 | 7.37E-05 | 0.000134 | 0.548495 | 0.5954 |
| X2 | -0.055657 | 0.098169 | -0.566951 | 0.5832 |
| X2^2 | -2.36E-06 | 4.82E-06 | -0.490683 | 0.6342 |
| R-squared | 0.060927 | Mean dependent var | 21.24625 | |
| Adjusted R-squared | -0.408610 | S.D. dependent var | 11.47217 | |
| S.E. of regression | 13.61573 | Akaike info criterion | 8.340325 | |
| Sum squared resid | 1853.881 | Schwarz criterion | 8.630046 | |
| Log likelihood | -60.72260 | F-statistic | 0.129759 | |
| Durbin-Watson stat | 2.084132 | Prob(F-statistic) | 0.981988 | |
(2)序列相关检验
由表可知,DW=2.304190,通过查表可知,因此,消除异方差后的模型不具有序列相关。
(3)多重共线性检验
由表可知,0.999999,750.0543,的t统计量=14.42425显著,的t统计量=34.65517显著,所以该方程不存在多重共线性。
六、模型报告式
(-0.538349)(14.42425) (34.65517)
1.000000 0.999999 2.304190 750.0543
七、模型预测
| 2010 | 5913.59193549 |
| 2011 | 9479.3070223 |
(1)= 3858.88395 =11177.08 则=5913.59 Se=215.828434695
的95%的置信区间为[5456.0304,6371.1496]
(2)=7368.127333 =7273.775则=9479.31 Se=498.810285085
的95%的置信区间为[8421.8328,10536.7872]
八、体会
1、遇到的难题及解决办法
起初,我们选择了4个解释变量。第一次经过eviews测试之后发现参数估计量不符合经济意义。于是我们减少了两个解释变量。再一次进行参数估计时通过了经济检验。因此,在建立模型时,看似理想的解释变量不一定就是最后真正能够解释被解释变量的最佳变量。另外,数据的真实性和准确性也是十分重要的,到权威的网站查找资料更能保证模型的成功建立。
2、收获
(1)从头到尾将模型建立的全过程实践了一遍,强化了我们对各个知识点的认识
(2)通过此次大作业,加强了我们小组成员的合作能力和集体意识
(2)由于选择了当下最热点的房价作为研究对象,这个模型的建立在一定程度上是有意义的:
该方程可以用来分析我国商品房销售均价的变动趋势。在给出房地产平均造价和全国居民收入可支配水平估计数据的基础上,依据该公式计算:房地产价格的预测值,可大体观测房地产价格的波动情况,为宏观部门、房地产相关管理部门、房地产从业人士以及有房地产消费需求的居民提供分析依据。有利于各方主体进行理性决策、采取有效措施,以规避风险、提高收益、推进我国房地产市场的改革和规范化进程,实现房地产行业的健康、稳定和持续发展。
九、参考文献
1、China Statistics Website - 2011 China Statistical Yearbook
2、Macro data network
