房价的计量经济分析.docx
《房价的计量经济分析.docx》由会员分享，可在线阅读，更多相关《房价的计量经济分析.docx（13页珍藏版）》请在冰点文库上搜索。
房价的计量经济分析
房价的计量经济分析
计量经济学
课程论文
论文题目房价的计量经济分析
学院经济与管理学院
专业投资学
年级2014
学号201424015118
学生姓名黄锦恒
完成时间2016年12月
房价的计量经济分析
摘要：
2015年以来全国整体的楼市销售在政策不断利好的刺激下，温和回暖。
2015年是国企改革深化的关键之年。
虽然此前国企改革进度总体来说低于预期，但从2015年年初至今，尤其是两会以后，相关政策密集出台，“1+N”国企改革文件出台的预期逐渐加强。
由于一线城市在经济增长、产业聚集以随着政府一系列关于房地产政策的出台，我国房地产行业出现回暖迹象，许多城市的房价都在上升期。
2015年1至6月份，全国商品房销售面积同比增长3.9%，而1至5月份为下降0.2%，热点城市住宅交易量明显上升。
在住宅交易回暖的过程中，房地产市场出现新的运行特征，将对房地产业数量型增长模式提出巨大挑战，值得高度关注。
关键词：
房价成本；计量假设检验；拟合优度
1.引言
近年以来，房地产业迅速发展，价格持续稳定上涨，已远远超过一般人所能承受的经济能力。
过高的房价有可能超出经济系统的承受能力，从而最终影响经济的稳定。
为此基于对我国房价上涨的成因分析，并有针对性地提出了解决房价问题的对策建议
2.理论基础
房产是指建筑在土地上的各种房屋，包括住宅、厂房、仓库和商业、服务、文化、教育、卫生、体育以及办公用房等。
地产是指土地及其上下一定的空间，包括地下的各种基础设施、地面道路等。
房地产由于其自己的特点即位置的固定性和不可移动性，在经济学上又被称为不动产。
可以有三种存在形态：
即土地、建筑物、房地合一。
根据经济学原理，商品的价格由供求变化决定。
若供过于求，则价格下降，反之，价格上升。
供给与需求理论就是通过协调供给与需求的关系以使产品达到一种均衡价格，住房作为一种商品，无非也是适用于这一原理的。
对于住房来说，需求弹性较大，供给弹性较小。
即当住房价格变化时，住房供给的变化量较大，住房需求的变化量则较小。
3.模型设定
3.1数据来源
现在我们以网上最近统计年鉴获得的数据，选取30个省市的数据为例进行分析。
在Eviews软件中选择建立截面数据。
现在我们以统计年鉴获取的数据，选取31个省市的数据为例进行分析。
令Y=各地区房地产总额（万元），X1=各地区房屋竣工面积（万平方米），X2=各地区建筑业企业从业人员（人），X3=各地区建筑业劳动生产率（元/人），X4=各地区人均住宅面积（平方米），X5=各地区人均可支配收入（元）。
数据如下：
表3.1
影响建筑业总产值的因素分析表
地区
Y
X1
X2
X3
X4
X5
北京
12698521
4254.8
129961.0
569767.0
24.7714
13882.62
天津
5208402
1465.8
147063.0
238957.0
23.09570
10312.91
河北
7799313
4748.3
70048.0
989317.0
23.16710
7239.060
山西
5401279
1313.3
89151.00
591276.0
22.99680
7005.030
内蒙古
2576575
1450.7
61074.00
265953.0
20.05310
7012.900
辽宁
10170794
3957.1
82496.00
966790.0
20.23510
7240.580
吉林
3469281
1626.8
77486.00
303837.0
20.70590
7005.170
黑龙江
4401878
2181.3
68033.00
441518.0
20.49200
6678.900
上海
11958034
3609.2
153910.0
505185.0
29.34530
14867.49
江苏
27949354
17730.0
100569.0
2727006
24.43530
9262.460
浙江
31272779
16183.9
127430.0
2429352
31.02330
13179.53
安徽
6227073
4017.6
66407.00
910691.0
20.75480
6778.030
福建
5493441
2952.1
108288.0
553611.0
30.29870
9999.540
江西
3593356
2750.9
70826.00
574705.0
22.61980
6901.420
山东
14813618
9139.8
60728.00
2072530.
24.48080
8399.910
河南
6345217
3433.6
66056.00
932901.0
20.20090
6926.120
湖北
8729958
4840.8
81761.00
1048763
22.90280
7321.980
湖南
8188402
4969.7
74553.00
1119106
24.42580
7674.200
广东
15163242
8105.0
101932.0
1492820
24.93280
12380.43
广西
2818466
1721.6
77472.00
353700.0
24.17320
7785.040
海南
394053.0
121.5
55361.00
61210.00
23.43200
7259.250
重庆
5862095
4939.6
69432.00
817997.0
25.72440
8093.670
四川
12253374
8784.6
59748.00
2070534.
26.35850
7041.870
贵州
2122907
980.3
72152.00
293310.0
18.19430
6569.230
云南
3967957
2248.7
69238.00
522470.0
24.92940
7643.570
西藏
293427
121.3
73205.00
36593.00
19.92990
8765.450
陕西
4404362
1580.0
93212.00
410311.0
21.75050
6806.350
甘肃
2236860
1327.2
46857.00
449409.0
21.11380
6657.240
青海
747325
242.9
61046.00
101501.0
19.10550
6745.320
宁夏
1080546
578.7
61459.00
88225.00
22.25500
6530.480
新疆
3196774
1450.8
95835.00
203375.0
20.78110
7173.540
数据来源：
以上数据来源于《统计年鉴》
3.2模型建立
（1）将各地区房地产总额作为因变量，各地区房屋竣工面积、各地区建筑企业从业人员、各地区建筑业的劳动生产率、各地区人均住宅面积和各地区人均可支配收入等作为自变量，构建如下回归分析模型:
Y= β0+β1X1+β2X2+β3X3+β4X4+β5X5+ui
上式中，Y=各地区房地产总额（万元），X1=各地区房屋竣工面积（万平方米），X2=各地区建筑业企业从业人员（人），X3=各地区建筑业劳动生产率（元/人），X4=各地区人均住宅面积（平方米），X5=各地区人均可支配收入（元）。
（2）参数估计
用Eviews计量经济学分析软件作最小二乘回归，分析结果如下：
表3.2
DependentVariable:
Y
Method:
LeastSquares
Date:
16/12/16Time:
23:
15
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2263053.
1901129.
-1.190373
0.2451
X1
1273.856
232.0918
5.488588
0.0000
X2
42.84065
15.62748
2.741366
0.0111
X3
1.646219
1.341639
1.227021
0.2312
X4
-184910.4
106259.9
-1.740170
0.0941
X5
495.6706
208.9611
2.372071
0.0257
R-squared
0.976861
Meandependentvar
7446408.
AdjustedR-squared
0.972233
S.D.dependentvar
7227629.
S.E.ofregression
1204375.
Akaikeinfocriterion
31.01280
Sumsquaredresid
3.63E+13
Schwarzcriterion
31.29035
Loglikelihood
-474.6985
Hannan-Quinncriter.
31.10328
F-statistic
211.0825
Durbin-Watsonstat
2.147458
Prob（F-statistic）
0.000000
=-2263053+1273.85X1+42.8406X2+1.6462X3-18.49X4+495.67X5
（1901129）（232.09）（15.62）（1.34）（106259）（208.96）
T=（-1.19）（5.48）（2.74）（-2.15）（1.22）（-1.74）
=0.9722F=211.0825n=31
3.3模型检验及修正
3.3.1经济意义检验
模型估计结果说明，假定在其他变量不变的前提下，房屋竣工面积每增长1万平方米，平均来说,房地产总额会增长1273.85万元；建筑业企业从业人员每增加1人，平均来说房地产总额会增长42.84062万元；建筑业劳动生产率每增加1%，平均来说居民消费会增加1.6462万元。
这与理论分析和经验判断基本一致。
人均住宅面积每增加1平方米，平均来说房地产总额会减少18.49万元；人均可支配收入每增加1元，平均来说房地产总额会增长495.67万元。
这与理论分析和经验判断相悖。
统计检验
①拟合优度：
由表3.2可知
=0.9768，
=0.9722，说明模型的样本拟合性很强，反映了模型对样本的拟合很好。
②F检验：
针对H0：
β1=β2=β3=β4=β5=0，给定显著性水平α=0.05，由表1.1得到P=0<0.05拒绝原假设，说明回归方程显著。
即房屋竣工面积，建筑业企业从业人员，建筑业劳动生产率，人均住宅面积，人均可支配收入等变量联合起来确实对房地产总额有显著影响。
③t检验：
H0：
βj=0（j=0，1，2，3，4，5，6）给定显著性水平α=0.05，只有，X1，X2，X5的P值<0.05,这说明在显著性水平α=0.05下，在其他解释变量不变的情况下，房屋竣工面积，建筑业企业从业人员，人均可支配收入分别对房地产总产值有显著影响。
3.3.2多重共线性检验及修正
（1）利用方差扩大因子对模型进行检验，结果如下：
表3.3
被解释变量
可决系数R
的值
方差扩大因子VIF
=1/1-
X1
0.9415
16.66
X2
0.6779
3.03
X3
0.9375
14.28
X4
0.4945
1.96
X5
0.7580
4.13
根据表3.3得出结果，X1，X3的辅助回归得到的VIF大于10，表明模型存在多重共线性。
数97
（2）对多重共线性的处理
利用逐步回归修正问题
X1可决系数最大，以X1为基础，依次引入其他变量，引入过程得到结果为：
表3.4
x1
x2
X3
X4
X5
X1,x2
t=26.75
t=6.62
0.9684
X1,x3
t=7.21
t=1.85
0.9278
X1,x4
t=2.7603
t=-0.8521
0.9332
X1,x5
T=22.95
t=6.02
0.9647
通过逐步回归保留了可决系数较高并且通过显著性检验的变量，所以最后的模型估计结果为：
表3.5
DependentVariable:
Y
Method:
LeastSquares
Date:
16/12/16Time:
23:
20
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3711880.
765709.2
-4.847637
0.0000
X1
1547.354
57.83197
26.75604
0.0000
X2
60.57577
9.136899
6.629795
0.0000
R-squared
0.970594
Meandependentvar
7446408.
AdjustedR-squared
0.968493
S.D.dependentvar
7227629.
S.E.ofregression
1282914.
Akaikeinfocriterion
31.05893
Sumsquaredresid
4.61E+13
Schwarzcriterion
31.19771
Loglikelihood
-478.4134
Hannan-Quinncriter.
31.10417
F-statistic
462.0886
Durbin-Watsonstat
2.098685
Prob（F-statistic）
0.000000
通过逐步回归保留了可决系数较高并且通过显著性检验的变量，所以最后的模型估计结果为：
=-3711880+1547.35x1+60.57x2
（765709.2）（57.8319）（9.136899）
t=（-4.8476）（26.756）（6.629795）
=0.9705
=0.9684n=31
3.3.3异方差检验
表3.6
WhiteHeteroskedasticityTest:
F-statistic
1.742532
Probability
0.161697
Obs*R-squared
8.011602
Probability
0.155597
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
16/12/16Time:
23:
20
Sample:
131
Includedobservations:
31
F-statistic
1.742532
Prob.F（5,25）
0.1617
Obs*R-squared
8.011602
Prob.Chi-Square（5）
0.1556
ScaledexplainedSS
5.949920
Prob.Chi-Square（5）
0.3111
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
16/12/16Time:
23:
21
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3.19E+12
4.46E+12
-0.715855
0.4807
X1
1.15E+08
3.54E+08
0.324915
0.7479
X1^2
3913.004
20466.63
0.191189
0.8499
X1*X2
-756.3089
4598.986
-0.164451
0.8707
X2
69425884
95290300
0.728572
0.4730
X2^2
-184.1939
462.0769
-0.398622
0.6936
R-squared
0.258439
Meandependentvar
1.49E+12
AdjustedR-squared
0.110127
S.D.dependentvar
2.04E+12
S.E.ofregression
1.92E+12
Akaikeinfocriterion
59.58019
Sumsquaredresid
9.25E+25
Schwarzcriterion
59.85774
Loglikelihood
-917.4929
Hannan-Quinncriter.
59.67066
F-statistic
1.742532
Durbin-Watsonstat
2.029951
Prob（F-statistic）
0.161697
根据图3.6可知，P=0.1556>0.05,所以不拒绝原假设，表明模型不存在异方差。
3.3.4自相关检验
由图3.5可知，DW=2.098，查DW统计表可知
=1.297，
=1.570，
根据DW检验决策规则，模型不存在自相关。
综上最后的出模型为：
=-3711880+1547.35x1+60.57x2
该模型
=0.9705，
=0.9684，可决系数很高，F检验值为462.08，明显显著。
当α=0.05时，所有系数估计值高度显著。
对系数估计值的解释如下：
在其他解释变量保持不变的情况下，房屋竣工面积每增长1万平方米，平均来说,房地产总额会增长1547.35万元；建筑业企业从业人员每增加1人，平均来说房地产总额会增长60.57万元.
4.结论
由上面中的多重共线性检验与修正、自相关性检验及异方差性检验可知，
=-3711880+1547.35x1+60.57x2，在其他解释变量不变的情况下，房屋竣工面积每增长1万平方米，平均来说,房地产总额会增长1547.35万元；建筑业企业从业人员每增加1人，平均来说房地产总额会增长60.57万元。
虽然模型中剔除了建筑业劳动生产率，人均住宅面积，各地区人均可支配收入，但并不说明这三个因素对居民消费水平没有影响。
5.建议
一是加快体制改革步伐，完善土地市场制度。
二是控制住房的投资性需求和被动性需求，遏制投机性需求。
三是大力发展多元化的房地产金融市场，力求形成具有多种金融资产和金融工具的房地产二级金融市场，以分散银行信贷风险。
四是国家利率政策的调整。
升级会员 