课程论文影响我国商品房销售价格的因素分析.docx
《课程论文影响我国商品房销售价格的因素分析.docx》由会员分享，可在线阅读，更多相关《课程论文影响我国商品房销售价格的因素分析.docx（26页珍藏版）》请在冰点文库上搜索。
课程论文影响我国商品房销售价格的因素分析
计量经济学课程论文
题目：
影响我国商品房销售价格的因素分析
院（系）：
商学院统计金融系
年级：
2011级
专业：
统计学
班级：
统计2011
（1）班
成员：
指导教师：
完成时间：
目录
引言1
1研究背景及现状综述2
1.1研究背景2
1.2研究现状2
2方法介绍3
2.1.本文涉及的理论3
2.1.1时间序列分析及其步骤3
2.1.2方差膨胀因子检验3
2.1.3GQ检验3
2.1.2LM检验3
3数据的选取及描述4
4实证分析4
4.1建立初步模型4
4.1.1平稳性检验5
4.1.2协整检验9
4.2模型估计及调整10
4.2.1多重共线性检验10
4.2.2异方差检验12
4.2.3自相关检验13
4.3模型检验14
4.4预测14
5结论及建议16
5.1有关土地制度方面的政策建议16
5.2有关税收方面的政策建议16
5.3有关金融信贷方面的政策建议16
5.4有关市场规范、行业管理方面的政策建议16
5.5社会保障体系方面的政策建议17
结束语18
致谢19
附录120
参考文献21
[摘要]近几年来中国的房地产业发展突飞猛进,并且带动了其他行业的发展。
然而,房地产市场的过快发展,带来了一系列问题,尤其是房地产价格问题备受社会各界关注。
政府也不断出台新政，试图遏制房价持续增长的态势，但收效甚微，房价还是在一路飙升。
商品房归根到底也是一种商品，它的价格是由供求双方决定的，商品房还具有周期长、价值量大、空间固定等的特点，短时间内供给是缺乏弹性的，所以决定房价的主要因素是需求。
随着人们生活水平的不断提高，居民的可支配收入也有很大程度上的提高，这就使人们对住房的需求量变大，从而使房价大涨。
本文希望通过建立计量经济模型，对我国商品房的价格进行实证分析，找出影响商品房的价格的诸多因素，并基于模型提出一些政策建议。
[关键词]商品房价格房屋竣工面积商品房销售面积通胀率城镇就业人员平均工资政策
Influencingfactorsofourcountrycommercialhousingsalespriceanalysis
[abstract]inrecentyearsChina'srealestateindustrydevelopmentbyleapsandbounds,anddrivethedevelopmentofotherindustries.However,therapiddevelopmentoftherealestatemarket,hasbroughtaseriesofproblems,especiallytherealestatepricehighlysocialattentionfromallwalksoflife.Alsoconstantlyforpolicy,governmentistryingtocurbhousingpricesrisingtrend,buttolittleeffect,orinthesoaringhouseprices.Commercialhousinginthefinalanalysisisalsoacommodity,itspriceisdeterminedbysupplyanddemandbothsides,commodityhousealsohasafixedcycleislong,largequantity,space,etc.,thecharacteristicsofshorttimesupplyisinelastic,soIdecidedtohousepricesisthemainfactor.Aspeoplelivingstandardunceasingenhancement,people'sdisposableincomeislargelyimproved,whichmakesthepeopletothehousingdemandquantityisbig,sothatthehousepricessoared.Throughtheestablishmentofeconometricmodels,thispaperhopesthepriceofcommercialhousinginChinacarriesontheempiricalanalysis,findoutallthefactorsthataffectthepriceofcommercialhousing,andputsforwardsomepolicySuggestionsbasedonthemodel.
[keywords]commercialhousingpricecompletedhousingareaofcommercialhousingsalesinfationrateareaofurbanemploymentpersonnelaveragewagepolicy
引言
当前的中国房价依旧持续走高，而且丝毫没有要稳定下来的迹象，房价高涨，一房难求的情况将会持续下去。
为何当今房价会如此之高？
让我们回到2009年，推动房价的第一大动力则是政策的刺激。
为了应对国际金融危机、促进楼市回暖，我国政府从2008年年底开始先后出台了购买首套房可享受首付两成和房贷7折的优惠、二手房营业税减免期从5年缩为2年、土地出让金可以分期付款等一系列住房、土地优惠政策。
这些政策加上开发商的降价促销力度，大大刺激了楼市，从而形成了春节后首轮购房热潮，让楼市迅速从寒冬复苏并回暖。
楼市复苏的现实重建了人们对房地产行业的信心，开发商开始买地、开工建房。
同时，银行信贷额迅速增加，通货预期也频频出现，投资者们又开始一步步进入楼市，使得我国房地产市场迅速升温，并出现超出预期的爆发式增长。
商品房归根到底也是一种商品，它的价格是由供求双方决定的，商品房还具有周期长、价值量大、空间固定等的特点，短时间内供给是缺乏弹性的，所以决定房价的主要因素是需求。
随着人们生活水平的不断提高，居民的可支配收入也有很大程度上的提高，这就使人们对住房的需求量变大，从而使房价大涨。
本文希望通过建立计量经济模型，对我国商品房的价格进行实证分析，找出影响商品房的价格的诸多因素，并基于模型提出一些政策建议。
1研究背景及现状综述
1.1研究背景
房地产是人类赖以生存和生活的基础和载体,房地产业则是我国当前宏观经济中的支柱产业。
房地产市场的发展主要体现在住宅市场的快速发展上,由于住宅产业关联度高,它的发展带动了建材、冶金、纺织、化工、机械、交通、邮电通信、家电家具等许多行业的发展,为这些产业提供了立足的场所,扩大了对这些产业的社会需求。
因此,房地产业的快速发展对中国经济的持续增长无疑起到了举足轻重的作用,特别是我国1998年在全国范围内取消“实物分配福利房“的房屋制度以来,房地产业进入了完全的市场化、社会化阶段,并且得到了快速的发展。
房地产业的快速发展也带动了相关产业的快速发展,据投入产出模型测算,每100亿元房地产投资可以诱发国民经济各部门的产出286亿元,其中诱发建筑业产出90.76亿元、制造业（123.61亿元）、采矿业（16.64亿元）、电力煤气自来水供应业（6.59亿元）。
另外房地产业的发展,离不开金融业的融资支持,而房地产市场又是金融业借贷资本的最大出路。
1.2研究现状
理论界对于房地产价格问题的探讨与研究较多，但绝大多数研究都只是从某一个角度进行分析，注重某一方面的变化对房地产价格变化的影响，或者只是从理论上进行分析，没有实证研究，得出的结论明显缺乏说服力。
房地产行业是中国经济的支柱产业，房地产业如何发展的问题已日益引起人们的广泛关注。
越来越多的人从不同的角度来关注房地产业的发展以及价格走势，研究房地产的价格走势规律有其现实的实践意义，理论的发展对于产业的实际发展也起到积极的指导作用。
所以本文只是选取了一些与商品房销售相关的变量以计量经济学理论为指导，对影响我国房地产价格的主要因素进行粗略分析。
运用房地产市场运行的实际数据，以目前我国房地产中的商品房为研究对象，以商品房价格为主线，通过建立计量模型分析商品房价格的影响因素，并有针对的对这些影响因素进行分析，找出各因素与房价的数量关系。
研究采用理论分析和定量分析相结合的方法，综合运用向量自回归模型、单位根检验、协整理论等有关理论，分析了我国商品房价格的影响因素。
我国目前严格针对住宅房地产价格的研究不多，只是说明了各因素影响房地产的价格，而至于如何影响及影响程度如何没有作深入研究。
本文在所涉及的某些方面也有不足，主要表现在：
1．时间跨度并未精确考虑政策实施的时滞性，分析尚有欠缺。
2．由于数据搜集方面的实际困难，价格预期通过改变需求而促进价格升高的效应未能在模型中加以量化分析。
2方法介绍
2.1.本文涉及的理论
2.1.1时间序列分析及其步骤
时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计建立数学模型的理论和方法。
它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。
时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。
时间序列建模基本步骤是：
①用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据。
②根据动态数据做相关图，进行相关分析，求自相关函数。
相关图能显示出变化的趋势和周期，并能发现跳点和拐点。
跳点是指与其他数据不一致的观测值。
如果跳点是正确的观测值,在建模时应考虑进去,如果是反常现象，则应把跳点调整到期望值。
拐点则是指时间序列从上升趋势突然变为下降趋势的点。
如果存在拐点，则在建模时必须用不同的模型去分段拟合该时间序列，例如采用门限回归模型。
③辨识合适的随机模型进行曲线拟合,即用通用随机模型去拟合时间序列的观测数据。
对于短的或简单的时间序列，可用趋势模型和季节模型加上误差来进行拟合。
当观测值多于50个时一般都采用ARMA模型。
对于非平稳时间序列则要先将观测到的时间序列进行差分运算，化为平稳时间序列，再用适当模型去拟合这个差分序列。
2.1.2方差膨胀因子检验
最常用的多重相关性的正规诊断方法是使用方差膨胀因子。
自变量xj的方差膨胀因子记为（VIF）j，它的计算方法为（4-5）（VIF）j=（1-Rj2）-1式中，Rj2是以xj为因变量时对其它自变量回归的复测定系数。
所有xj变量中最大的（VIF）j通常被用来作为测量多重相关性的指标。
一般认为，如果最大的（VIF）j超过10，常常表示多重相关性将严重影响最小二乘的估计值。
（VIF）j被称为方差膨胀因子的原因，是由于它还可以度量回归系数的估计方差与自变量线性无关时相比，增加了多少。
2.1.3GQ检验
Goldfeld-Quanadt检验是检验异方差的一种方法，它是一个将样本分成三组异方差检验法。
该方法是基于异方差与某一解释变量成正相关的假定：
该方法有三个前提条件：
T>2p；正态误差；误差不相关。
检验步骤是：
第一，将样本按某个指定解释变量的升序排序，然后去掉中间c个样本值（一般取为T=4）。
将剩余样本分成两个子样本。
第二步是对两个子样本分别进行回归，得出残差平方和。
第三步构造F统计量。
当摸型含有多个解释变量时，应以每一个解释变量为基准检验异方差。
此法只适用于递增型异方差。
2.1.2LM检验
LM检验是序列相关性检验的一般性方法,该方法既可检验一阶序列相关,也可检验高阶序列相关。
3数据的选取及描述
本文选取了1995年至2011年的商品房平均销售价格等数据。
具体数据见附录.1.
1.商品房平均销售价格（元）y
本文选取商品房平均销售价格为被解释变量，以下简称y.
2.房屋竣工面积（万平方米）x1
本文选取房屋竣工面积为解释变量1，以下简称x1.
3.商品房销售面积（万平方米）x2
本文选取商品房销售面积为解释变量2，以下简称x2.
4.通胀率（%）x3
本文选取通胀率为解释变量3，以下简称x3
5.城镇就业人员平均工资（元）x4
本文选取城镇就业人员平均工资为解释变量4，以下简称x4
4实证分析
首先，为了解我国近年来商品房房价的波动，选取商品房价格、房屋竣工面积、商品房销售面积、通胀率、城镇就业人员平均工资数据进行以下实证分析。
4.1建立初步模型
图1.1我国商品房销售价格及相关数据图
由上图可以看出X1,X2是逐年增长的，但是增长率有所变动，而Y,X3在多数年份出现水平波动。
说明变量间不一定是线性关系，可探索将模型设定为以下对数模型：
Yt=α+β1X1+β2X2+β3X3+β4X4+ut（4·1）
Eviews的最小二乘计算结果见表1.1
表1.1回归结果
从表1.1中可以看出可决系数R^2=0.992864，由此可知模型拟合很好；F统计量为417.4215，并且f检验的伴随概率很小，方程具有显著性。
但解释变量x1、x3的回归系数的t检验伴随概率大于5%，很有可能存在多重共线性。
所以将模型设定为以下对数模型：
Yt=α+β1X1+β2X2+β4InX4+ut（4.2）
4.1.1平稳性检验
选取的数据是从1995年—2011年的时间序列数据，因此需要对该模型进行平稳性检验。
1．单位根检验：
对商品房平均销售价格（Y）与房屋竣工面积（x1）、商品房销售面积（x2）、城镇就业人员平均工资（lnx4）这4个序列进行单位根检验
对商品房平均销售价格的单位根检验见表1.2
表1.2
从检验结果来看，在1%、5%、10%三个显著性水平下，单位根检验的Mackinon临界值分别为-3.9591、-3.0810、-2.6813，t检验统计量值2.6839大于相应的临界值，从而不能拒绝原假设（存在一个单位根），表明商品房平均销售价格是非平稳序列。
商品房平均销售价格序列二阶差分后的平稳性，见表1.3
表1.3
t检验统计量值-4.2913小于相应的临界值，商品房平均销售价格序列二阶单整（Y~I
（2））
对房屋竣工面积的单位根检验见表1.4
表1.4
从检验结果来看，在1%、5%、10%三个显著性水平下，单位根检验的Mackinon临界值分别为-3.9204、-3.0656、-2.6735，t检验统计量值4.2888大于相应的临界值，从而不能拒绝原假设（存在一个单位根），表明房屋竣工面积是非平稳序列。
房屋竣工面积序列二阶差分后的平稳性，见表1.5
表1.5
t检验统计量值-4.8168小于相应的临界值，商品房平均销售价格序列二阶单整（X1~I
（2））
对商品房销售面积单位根检验见表1.6
表1.6
从检验结果来看，在1%、5%、10%三个显著性水平下，单位根检验的Mackinon临界值分别为-3.9591、-3.0810、-2.6813，t检验统计量值1.9332大于相应的临界值，从而不能拒绝原假设（存在一个单位根），表明商品房销售面积是非平稳序列。
商品房销售面积序列二阶差分后的平稳性，见表1.7
表1.7
t检验统计量值-4.6029小于相应的临界值，商品房平均销售价格序列二阶单整（X2~I
（2））
对城镇就业人员平均工资单位根检验见表1.8
表1.8
从检验结果来看，在1%、5%、10%三个显著性水平下，单位根检验的Mackinon临界值分别为-3.9204、-3.0656、-2.6735，t检验统计量值1.6306大于相应的临界值，从而不能拒绝原假设（存在一个单位根），表明城镇就业人员平均工资是非平稳序列。
城镇就业人员平均工资序列二阶差分后的平稳性，见表1.9
表1.9
t检验统计量值-5.1588小于相应的临界值，城镇就业人员平均工资序列二阶单整（lnx4~I
（2））
4.1.2协整检验
残差项的单位根检验，检验结果见表2.1
表2.1
由图可知，残差序列的t检验统计量为-3.4938，小于已有各个水平下的临界值，从而拒绝原假设，表明残差序列不存在单位根，是平稳序列。
商品房平均销售价格（Y）与房屋竣工面积（x1）、商品房销售面积（x2）、城镇就业人员平均工资（lnx4）之间存在协整关系，所以这4个变量可以合成一个平稳序列。
4.2模型估计及调整
4.2.1多重共线性检验
1．用方差膨胀因子法检验是否存在多重共线性
VIF1>10,说明解释变量房屋竣工面积（x1）与其余解释变量之间有严重的多重共线性。
VIF2>10,说明解释变量商品房销售面积（x2）与其余解释变量之间有严重的多重共线性。
VIF3<10,说明解释变量通胀率（x3）与其余解释变量之间不存在多重共线性。
VIF4>10,说明解释变量城镇就业人员平均工资（x4）与其余解释变量之间有严重的多重共线性。
2.修正多重共线性
①剔除变量法
只有解释变量通胀率（x3）与其余解释变量之间不存在多重共线性。
因此我们想首先剔除通胀率（x3），此时的回归结果见表2.2
表2.2
从表1.2中可以看出可决系数R^2=0.992659，由此可知模型拟合很好；F统计量为585.9856，并且f检验的伴随概率很小，方程具有显著性。
解释变量x1的回归系数的t检验伴随概率大于5%，解释变量x1不显著。
②变换模型形式
我们尝试将原模型y=α+β1x1+β2x2+β3x3+β4x4+u
变换为
y=α+β1x1+β2x2+β4lnx4+u
此时的回归结果见表1.3
表2.3
从表1.3中可以看出可决系数R^2=0.993828，由此可知模型拟合很好；F统计量为697.7371，并且f检验的伴随概率很小，方程具有显著性。
解释变量x1、x2、lnx4的回归系数的t检验伴随概率明显小于5%，解释变量x1、x2、lnx4都是很显著的。
对回归模型的参数进行估计，根据回归结果得：
Yi=7722.652+0.010724x1+0.022186x2-761.3178lnx4
1698.7540.0024710.004559200.8138
t=（4.546069）（4.339561）（4.866658）（-3.791163）
R^2=0.993828F=697.73371n=17
4.2.2异方差检验
1.检验是否存在异方差性
①Goldfeld-Quanadt检验法
样本的第一部分（smpl16）的回归结果见表2.4
表2.4
样本的第二部分（smpl1217）的回归结果见表1.5
表2.5
由表2.4得到的残差平方和为
=9872.003，由表2.5得到的残差平方和为
=3266.380根据Goldfeld-Quanadt检验，F统计量为
F=
/
=9872.003/3266.380=3.022306958
上式中分子分母的自由度均为2，查F分布表得临界值为F0.05（2,2）=19.0，因为F=3.0223069584.2.3自相关检验
1.检验是否存在自相关
我们采用DW检验，检验结果见表1.6
表2.6
观察回归结果中的DW统计量，DW=1.077675，查DW分布表，dl=0.779,du=1.900
dl=0.779所以采用LM检验法，检验结果见表1.7
表2.7
观察回归结果中的t统计量可知，模型不存在高阶自相关，所以模型不存在自相关。
4.3模型检验
回归结果得：
Yi=7722.652+0.010724x1+0.022186x2-761.3178lnx4
1698.7540.0024710.004559200.8138
t=（4.546069）（4.339561）（4.866658）（-3.791163）
R^2=0.993828F=697.73371n=17
1.经济意义角度
模型估计结果说明，在假定其他变量不变的前提下，当年房屋竣工面积每增加1%,商品房平均销售价格会上涨0.010724%;在假定其他变量不变的前提下，当年商品房销售面积每增加1%,商品房平均销售价格会上涨0.010724%;在假定其他变量不变的前提下，当年城镇就业人员平均工资每增加1%,商品房平均销售价格会下降761.3178%.这与我们传统的理论收入决定支出不符合。
2.从统计推断角度
①可决系数R2=0.993828，说明模型拟合效果较好；
②F检验：
F统计量为697.7371，且伴随概率很小，因此，方程具有显著性，说明房屋竣工面积、商品房销售面积、城镇就业人员平均工资联合对商品房销售价格的影响显著；
③t检验：
β1,β2，β4的t统计量分别为4.546069、4.339561、4.866658、-3.791163，它们的t检验的伴随概率也都小于5%。
所以，解释变量X1、X2、lnX4均具有显著性的。
3.从计量经济角度
①方差膨胀因子检验：
VIF统计量均大于10，说明模型存在严重的多重共线性，用模型变换法变换模型后，使得多重共线性得到修正。
②GQ检验：
F=
/
=9872.003/3266.380=3.022306958
上式中分子分母的自由度均为2，查F分布表得临界值为F0.05（2,2）=19.0，因为F=3.022306958③LM检验：
观察回归结果中的t统计量可知，模型不存在高阶自相关，所以模型不存在自相关。
总体来说，修正以后的模型满足OLS假定，说明房屋竣工面积、商品房销售面积、城镇就业人员平均工资对商品房销售价格的影响显著。
4.4预测
从上述述因素的分析来看，估计未来几年商品住宅的价格就总体而言将呈上升走势（虽然在某些地方也可能出现短期的微落），上升的步速将主要取决于商品房供给的多少：
一．土地价格将继续呈上升走势。
土地价格走势主要由以下两方面因素决定：
1.土地供给价格态势。
在2004年的宏观紧缩中，为了抑制固定资产投资过速增长，同时，也为了整顿土地转让秩序，暂停某些开发区和大学城的土地批租项目，是正确的，也是必要的。
但在此过程中，商品住宅建设用地的供给也出于减少走势，由此，不仅直接影响到商品住宅建设用地的价格，而且直接影响到商品住宅的建设规模。
在土地供给数量减少的背景下，商品住宅建设用地的价格明显上升。
这种上升既与商品住宅建设用地的减少有关，也与商品住宅价格上涨相关。
2.城市化进程中土地级差价格的变化。
在城市化发展的进程中，随着基础设施建设（包括道路、通讯、各种管道等）的扩展和居住环境（包括文教卫生、商业网
升级会员 