房地产影响因素分析.docx

房地产影响因素分析.docx

《房地产影响因素分析.docx》由会员分享，可在线阅读，更多相关《房地产影响因素分析.docx（14页珍藏版）》请在冰点文库上搜索。

房地产影响因素分析

房地产影响因素分析

（背景）2002年以来，我国商品房销售额大幅攀升带动了房地产开发和城市基础设施投资的新一轮高速增长。

通过产业链的传递，进而又拉动钢材、有色金属、建材、石化等生产资料价格的快速上涨，刺激这些生产资料部门产能投资的成倍扩张，最后导致全社会固定资产投资规模过大、增速过快情况的出现。

房价过快上涨在推动投资增长过快的同时，已经成为抑制消费的重要因素。

房地产价格本身呈自然上涨趋势，房价中长期趋势总是看涨。

随着我国经济发展，居民可支配收入提高，民间资金雄厚，大量资金需要寻找投资渠道，而股票市场等投资渠道目前又处于低迷状态，这是房地产投资需求不断扩大的经济背景。

强劲的CPI上涨说明当前的房价上涨并非孤立，是有其宏观经济背景的。

宏观调控能否有效防止局部行业过热出现反弹，其中的关键就是要继续加强和完善对房地产业的调控。

（引言）国际上关于房地产有一种普遍的观点：

人均收入超过1000美元，房地产市场呈现高速发展阶段。

欧美等发达国家基本都经历了这样一个阶段。

我们这篇论文，主要探讨房地产影响因素分析，主要从人均收入对房地产长期发展的影响阐述。

年份

X1

X2

X3

Y

1990

2551.736

1510.16

222

704.3319

1991

1111.236

1700.6

233.3

786.1935

1992

590.5998

2026.6

253.4

994.6555

1993

2897.019

2577.4

294.2

1291.456

1994

3532.471

3496.2

367.8

1408.639

1995

3983.081

4282.95

429.6

1590.863

1996

4071.181

4838.9

467.4

1806.399

1997

3527.536

5160.3

481.9

1997.161

1998

2966.057

5425.1

479

2062.569

1999

2818.805

5854

472.8

2052.6

2000

2674.264

6279.98

476.6

2111.617

2001

2830.688

6859.6

479.9

2169.719

2002

2906.16

7702.8

475.1

2250.177

2003

3011.424

8472.2

479.4

2359.499

2004

3441.62

9421.6

495.2

2713.878

X1=建材成本（元/平方米）X2=居民人均收入（元）X3=物价指数Y=房地产价格（元/平方米）

初定模型：

Y=c+a1*x1+a2*x2+a3*x3+et

DependentVariable:

Y

Method:

LeastSquares

Date:

06/05/05Time:

23:

04

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

2.537578

0.590422

4.297908

0.0013

X2

0.146495

0.020968

6.986568

0.0000

X1

-0.018016

0.035019

-0.514447

0.6171

C

33.20929

118.2747

0.280781

0.7841

R-squared

0.983094

Meandependentvar

1753.317

AdjustedR-squared

0.978483

S.D.dependentvar

600.9536

S.E.ofregression

88.15143

Akaikeinfocriterion

12.01917

Sumsquaredresid

85477.42

Schwarzcriterion

12.20798

Loglikelihood

-86.14376

F-statistic

213.2186

Durbin-Watsonstat

1.504263

Prob（F-statistic）

0.000000

一：

多元线性回归

DependentVariable:

Y

Method:

LeastSquares

Date:

06/05/05Time:

23:

05

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

0.336010

0.151084

2.223999

0.0445

C

792.0169

453.4460

1.746662

0.1043

R-squared

0.275612

Meandependentvar

1753.317

AdjustedR-squared

0.219889

S.D.dependentvar

600.9536

S.E.ofregression

530.7855

Akaikeinfocriterion

15.51016

Sumsquaredresid

3662533.

Schwarzcriterion

15.60457

Loglikelihood

-114.3262

F-statistic

4.946171

Durbin-Watsonstat

0.275870

Prob（F-statistic）

0.044490

DependentVariable:

Y

Method:

LeastSquares

Date:

06/05/05Time:

23:

09

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

5.501779

0.525075

10.47809

0.0000

C

-486.8605

220.1227

-2.211769

0.0455

R-squared

0.894128

Meandependentvar

1753.317

AdjustedR-squared

0.885984

S.D.dependentvar

600.9536

S.E.ofregression

202.9191

Akaikeinfocriterion

13.58706

Sumsquaredresid

535290.2

Schwarzcriterion

13.68146

Loglikelihood

-99.90293

F-statistic

109.7903

Durbin-Watsonstat

0.440527

Prob（F-statistic）

0.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

06/05/05Time:

23:

10

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X2

0.236347

0.015879

14.88417

0.0000

C

561.9975

88.56333

6.345713

0.0000

R-squared

0.944572

Meandependentvar

1753.317

AdjustedR-squared

0.940308

S.D.dependentvar

600.9536

S.E.ofregression

146.8243

Akaikeinfocriterion

12.93992

Sumsquaredresid

280245.9

Schwarzcriterion

13.03432

Loglikelihood

-95.04937

F-statistic

221.5384

Durbin-Watsonstat

0.475648

Prob（F-statistic）

0.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

06/07/05Time:

21:

42

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

2.355833

0.458340

5.139923

0.0002

X2

0.150086

0.019157

7.834714

0.0000

C

37.56794

114.2991

0.328681

0.7481

R-squared

0.982687

Meandependentvar

1753.317

AdjustedR-squared

0.979802

S.D.dependentvar

600.9536

S.E.ofregression

85.40783

Akaikeinfocriterion

11.90961

Sumsquaredresid

87533.98

Schwarzcriterion

12.05122

Loglikelihood

-86.32207

F-statistic

340.5649

Durbin-Watsonstat

1.408298

Prob（F-statistic）

0.000000

　　　得到结果发现，ｘ１的系数小，然后对ｙ与ｘ１回归可决系数小，相关性差，剔出这个因素。

因为价格更多取决于供需关系。

修正之后为：

Y＝c+a2*x2+a3*x3＋et

二：

多重线性分析：

三个表如上：

X2与X3存在多重共线性，

1.000000

0.876073

0.876073

1.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

06/05/05Time:

23:

09

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

5.501779

0.525075

10.47809

0.0000

C

-486.8605

220.1227

-2.211769

0.0455

R-squared

0.894128

Meandependentvar

1753.317

AdjustedR-squared

0.885984

S.D.dependentvar

600.9536

S.E.ofregression

202.9191

Akaikeinfocriterion

13.58706

Sumsquaredresid

535290.2

Schwarzcriterion

13.68146

Loglikelihood

-99.90293

F-statistic

109.7903

Durbin-Watsonstat

0.440527

Prob（F-statistic）

0.000000

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X2

0.236347

0.015879

14.88417

0.0000

C

561.9975

88.56333

6.345713

0.0000

R-squared

0.944572

Meandependentvar

1753.317

AdjustedR-squared

0.940308

S.D.dependentvar

600.9536

S.E.ofregression

146.8243

Akaikeinfocriterion

12.93992

Sumsquaredresid

280245.9

Schwarzcriterion

13.03432

Loglikelihood

-95.04937

F-statistic

221.5384

Durbin-Watsonstat

0.475648

Prob（F-statistic）

0.000000

　由于引入物价指数改善小，所以模型仅一步改进为：

Y＝c+a2*x2＋et

三：

异方差检验：

ARCHTest:

F-statistic

1.315031

Probability

0.335173

Obs*R-squared

3.963227

Probability

0.265462

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/05/05Time:

23:

46

Sample（adjusted）:

19932004

Includedobservations:

12afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

22737.94

10296.61

2.208295

0.0582

RESID^2（-1）

0.241952

0.383144

0.631493

0.5453

RESID^2（-2）

-0.327769

0.404787

-0.809734

0.4415

RESID^2（-3）

-0.273720

0.378355

-0.723449

0.4900

R-squared

0.330269

Meandependentvar

16705.23

AdjustedR-squared

0.079120

S.D.dependentvar

18205.33

S.E.ofregression

17470.29

Akaikeinfocriterion

22.63559

Sumsquaredresid

2.44E+09

Schwarzcriterion

22.79723

Loglikelihood

-131.8136

F-statistic

1.315031

Durbin-Watsonstat

1.842435

Prob（F-statistic）

0.335173

ＡＲＣＨ＝３．９６３＜临界值７．８１４７３

所以无异方差

WhiteHeteroskedasticityTest:

F-statistic

0.159291

Probability

0.854522

Obs*R-squared

0.387928

Probability

0.823687

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/05/05Time:

23:

46

Sample:

19902004

Includedobservations:

15

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

31063.28

22612.20

1.373740

0.1946

X2

-5.055754

9.640127

-0.524449

0.6095

X2^2

0.000421

0.000907

0.464605

0.6505

R-squared

0.025862

Meandependentvar

18683.06

AdjustedR-squared

-0.136494

S.D.dependentvar

18673.13

S.E.ofregression

19906.77

Akaikeinfocriterion

22.81236

Sumsquaredresid

4.76E+09

Schwarzcriterion

22.95397

Loglikelihood

-168.0927

F-statistic

0.159291

Durbin-Watsonstat

1.357657

Prob（F-statistic）

0.854522

ＷＨＩＴＥ＝０．３８７９＜临界值７．８１４７３

无异方差。

四：

自相关分析：

　　ＤＷ＝０．４７５６

查表的ｄｌ＝１．０７７　　ｄｕ＝１．３６１

存在自相关

广义差分法修正：

ρ＝１－０．４７５６／２＝０．７６２２

DependentVariable:

DY

Method:

LeastSquares

Date:

06/06/05Time:

00:

18

Sample（adjusted）:

19912004

Includedobservations:

14afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

DX2

0.182086

0.034918

5.214655

0.0002

C

236.5589

63.27388

3.738650

0.0028

R-squared

0.693820

Meandependentvar

544.1620

AdjustedR-squared

0.668305

S.D.dependentvar

148.7133

S.E.ofregression

85.64840

Akaikeinfocriterion

11.86994

Sumsquaredresid

88027.77

Schwarzcriterion

11.96124

Loglikelihood

-81.08959

F-statistic

27.19263

Durbin-Watsonstat

1.584278

Prob（F-statistic）

0.000217

得出：

回归后可决系数降低，考虑其他方法。

1．迭代法：

表：

　　发现可决系数提高，Ｆ统计量提高，ＤＷ＝１．５５４７〉１．３６１

已经无自相关。

结论：

Y－bY（－１）＝ｃ*（１－ｂ）＋a2*（x2－b*x2（－１））+et

由下表的b=0.681

C=561.9975a2=0.236347179.2772

Y*=Y－0.681Y（－１）X*=x2－0.681*x2（－１）

Y*=179.2272+0.2363X*+et

Method:

LeastSquares

Date:

06/07/05Time:

20:

57

Sample（adjusted）:

19912004

Includedobservations:

14afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

E2

0.680509

0.177696

3.829624

0.0024

C

11.68773

24.88825

0.469608

0.6471

R-squared

0.549989

Meandependentvar

15.32764

AdjustedR-squared

0.512488

S.D.dependentvar

133.2751

S.E.ofregression

93.05539

Akaikeinfocriterion

12.03583

Sumsquaredresid

103911.7

Schwarzcriterion

12.12712

Loglikelihood

-82.25081

F-statistic

14.66602

Durbin-Watsonstat

1.313042

Prob（F-statistic）

0.002397

2．改进模型方程（对数法，然后用迭代法）：

Lｙ－ｂLｙ（－１）＝　ｃ＊（１－ｂ）＋ａ２＊（Lｘ２－ｂ＊Lｘ２（－１）

可决系数很高，F统计量相对1中也有提高，DW=1.81>1.361

无自相关。

DependentVariable:

LY

Method:

LeastSquares

Date:

06/06/05Time:

10:

24

Sample（adjusted）:

19912004

Includedobservations:

14afteradjustingendpoints

Convergenceachievedafter7iterations

Variable

Coefficient

Std.Error

t-Statistic

Prob.

LX2

0.586203

0.100243

5.847799

0.0001

C

2.525810

0.882350

2.862594

0.0154

AR

（1）

0.567144

0.220457

2.572589

0.0259

R-squared

0.980054

Meandependentvar

7.460096

AdjustedR-squared

0.976428

S.D.dependentvar

0.351331

S.E.ofregression

0.053941

Akaikeinfocriterion

-2.814442

Sumsquaredresid

0.032006

Schwarzcriterion

-2.677501

Loglikelihood

22.70109

F-statistic

270.24