影响房地产行业利润的多因素分析.doc
《影响房地产行业利润的多因素分析.doc》由会员分享，可在线阅读，更多相关《影响房地产行业利润的多因素分析.doc（16页珍藏版）》请在冰点文库上搜索。
计量经济学课程论文
影响房地产行业利润的多因素分析
小组成员：
（专业：
05级信管）
钟涛（40511077）
钟雯（40511080）
蒋征难（40511086）
指导教师：
喻开志
日期：
2007年10月—12月
影响房地产行业营业利润的多因素分析
【摘要】本文通过1988～2005年各项数据的综合分析建立模型，运用经济学原理，解释房地产企业的营业利润与房地产销售价格、商品房销售额、房地产开发投资额以及城乡居民人民币储蓄存款年度余额的关系，并通过Eviews软件分析出结果并利用模型预测未来几年的房地产销售利润情况。
【关键词】房地产行业营业利润、房地产销售价格、商品房销售、房地产开发投资、城乡居民人民币储蓄存款年度余额
一、问题的提出
房地产业素有永远的朝阳产业之称，同时又是一切经济活动的基础和载体，国内外经济增长的历史和理论反复证明，房地产业对于经济发展具有高度的敏感性和超前性，经济高速增长的过程必然是以房地产的高速发展为前提和主要内容。
虽然房地产业在我国还是一个新兴的行业，起步于20世纪80年代中期，到现在仅有20多年的历史。
但无论是从理论上，还是从实践上，房地产业都具有很大的发展潜力，是一个具有很高成长性的行业。
我国房地产业作为国民经济的支柱产业，因其产业相关度高，带动性强，与金融业和人民生活联系密切，发展态势关系到整个国民经济的稳定发展和金融安全。
与此相对应的是房地产业作为周期性消费品，又具有其固有的波动较大和变化多端的自身特征，所以政府通过宏观调控政策平抑或减缓房地产周期波动带来的不利影响，防止供求关系过大波动，以此作为衡量宏观调控各项政策措施是否落到实处的主要标准。
并且很多地方政府都把地方经济增长的希望寄托于房地产行业，因此，在各个方面都对房地产业给予大力支持，于是形成了我国现在的房地产市场。
而我国经济高速增长的同时也带动了房地产业的高速增长。
虽然从1998年我国开始实行住房改革以来，房地产业已经逐渐成长为拉动我国经济增长的龙头产业。
但房地产商品的不可替代性却使人们过分追求房子的质量和数量，导致住房价格和面积的一升再升，已经逐渐开始超出普通百姓的承受能力。
难住房、住房难、房难住，是现在摆在普通老百姓面前的主要问题。
因此我们着力分析影响房地产行业利润的主要因素，剖析房价飙升的直接原因和主要原因，做出未来一段时间的房地产行业利润预测，从而为老百姓的购房问题提出一些合理的意见与建议。
二、经济理论综述
国房景气指数显示，1997-2007年这十年当中，中国房地产正在经历了一个上升到下降的过程，2003年2月达到拐点峰值。
经济理论研究表明，房地产行业周期与宏观经济周期呈正向相关关系，且房地产业周期比宏观经济周期提前1到2年，这也充分表明了房地产行业对经济发展所具有的高度的敏感性和超前性。
由于住宅既是耐用消费品，又是投资品，具有保值增值的作用，因此，在多数情况下，住宅的价格需求弹性是小于1的，即是缺乏弹性的。
特别是在房价上涨过快的年份，有投资意愿和有支付能力的人们有一种越涨越买的心理。
精明的开发企业在这种情况下，不会降价反而提价，来保证销售收入不下降。
这也是房地产行业获得高额收入的原因之一。
政府虽然连续出台了各种旨在抑制房价、打击投机的政策措施，比如针对投机行为，对五年内出售二手房的业主全额收取营业税，其成效十分显著。
然而，旨在满足中低收入家庭住房需求的面积限制政策，并没有取得立竿见影的效果，大量项目反而因修改规划，等待实施细则的出台，延长了前期报审的周期，客观上延迟了供应量。
使大量小户型成了解不了近渴的远水，价格随即因供应的缩减而加速攀升，使房地产行业从中赚取了高额利润。
这些情况不得不使我们深入考虑，房地产宏观调控政策的得失效果。
在房地产市场处于下行周期、成交下降、供应锐减，投资需求压力仍旧巨大的情况下，控制需求的调控政策的效果只是短期的，在抑制房价上升方面更是收效甚微。
紧缩的调控政策是不利于房价下降，反而可能导致房地产市场供给不足，投资需求过高，价格上升。
当然房地产经济的冷暖最终还是取决于客观经济景气的大环境支持，启动房地产市场的外在动力是产业发展、人口增长、外资流入这几大变量。
另外从宏观经济周期来看，2000-2010年是第十轮宏观经济周期，从2010年起宏观经济将进入第十一轮景气周期，按照这样的分析，2008年以后的房地产会渐渐恢复它的活力。
因此，研究房地产行业的营业利润，不仅有助于我们了解国家未来几年的经济走向，也有助于我们根据房地产行业营业利润的起伏波动分析购房买房的最佳时机。
下面主要就我们的看法和观点来建立关于房地产行业营业利润的多因素模型。
三、模型的设定
对于这个模型，我们选取了商品房销售价格、商品房本年销售额、房地产开发投资额和城乡居民储蓄存款年底余额作为总体指标。
1、商品房销售价格
商品房作为房地产行业的销售支柱，其销售价格高低将会对房地产行业营业利润产生举足轻重的影响。
而如今房价的飞速增长为房地产行业利润的获得有着深远的影响。
房价过快上涨的原因是由多方面因素综合导致的，包括土地价格上涨、建筑安装材料价格上涨、新建住宅品质提升、中低价位商品住房供应比重下降、投资和投机性购房的拉动、地根和银根紧缩，消费者对房价的预期、宏观调控措施抑制了商品房供应量的增加等等，这些都是推动房地产价格增长的因素。
另外，应该承认，我国目前的房地产市场在一定程度上还是“卖方市场”，由于信息不对称造成了房地产开发商对资源的相对垄断，卖方在利益驱使下采取不正常手段拉高房价也是造成房价过快上涨的主要原因之一。
虽然近几年国家采取了一系列的宏观调控政策来抑制房价的过快增长，也取得了一定的成效，使得房地产价格增速放缓，但房价出现大幅下跌的可能性并不大。
所以说房价还是在很大程度上影响着房地产行业销售利润。
2、商品房本年销售额
商品房本年销售额是直接影响房地产行业销售利润的重要因素。
其是在考虑了销售价格的影响下，综合销售面积以及其他影响因素，得出的更为全面的数据记理论概述。
只有获得较高的销售额，才能赚取较高的利润。
3、房地产开发投资额
房地产开发投资额是以货币形式表现的房地产开发企业（单位）在一定时期内进行房屋建设及土地开发所完成的工作量及有关费用的总称。
其中包括了预备期、建设期以及建设后期的各项投资。
特别是近六年来，房地产开发投资占GDP的比重一直处于上升阶段，近两年上升的速度越来越快，2004年，房地产开发投资占GDP 的比重高达9.64%，差不多是1999年时的二倍，而房地产间接拉动的GDP（建材、冶金、运输、家电、装饰、物业管理、社区服务等相关行业的发展）占6%--7%。
到2005年，房地产开发投资所占GDP比重已经上升到大约14%，房地产行业在国民经济中的战略地位由此可见一斑。
并且，房地产行业对土地的投资在近年来也日益增多。
一是因为土地购置与开发面积增幅下降，土地价格快速上涨；二是由于土地的紧缩政策使其价格依然保持快速上涨。
土地开发面积增幅下降，使未来2-3年内新建商品房的市场供应量将呈逐步下降趋势。
而土地价格的上涨将直接推动商品房成本上升，使得房地产开发投资额大幅增加，而利润就急剧减少，增强了对未来房价上涨的预期。
4、城乡居民储蓄存款年底余额
类似房地产这种耐用品的消费，一般是不能一次性付清的。
购房不仅要看当前的收入，还要看过去的收入和未来的收入。
过去的收入主要就是指消费者的储蓄存款，储蓄存款能大大增强消费者的信心，而未来的收入又关系到其信贷消费。
因此，我们以居民的年末储蓄余额为指标来衡量其收入水平。
同时，年末储蓄存款里面也包含了一定的存款或借款利率，能间接影响居民的消费水平及热情，进而影响存款，从而影响到房地产行业的销售利润。
5、其他
土地的价格、面积；存款以及贷款利率也是影响房地产行业销售利润的重要因素，但鉴于这些变量可能会与已选变量产生多重共线性，且我们所选取的是时间序列数据，所以，我们暂选以上几个指标，结合前人的经验和我们自己的观点，来建立一个关于房地产行业销售利润的多元线形回归模型。
综上分析，我们建立的房地产行业利润模型为：
Y：
房地产行业年营业利润（万元）
X1：
商品房销售价格（元/平方米）
X2：
商品房本年销售额（万元）
X3：
房地产开发投资额（亿元）
X4：
城乡居民储蓄存款年底余额（亿元）
Ｕ：
随机扰动项
四、数据的收集
根据建立的模型，我们找到每项变量从1988年到2005年的年度数据，数据如下：
房地产企业本年营业利润（Y）、
商品房销售价格（X1）、
商品房销售额（X2）、
房地产开发投资额（X3）、
居民储蓄存款年底余额（X4）
房地产企业本年营业利润（Y）
商品房销售价格（X1）
商品房本年销售额（X2）
房地产开发投资额（X3）
城乡居民储蓄存款年底余额（X4）
（万元）
（元/平方米）
（万元）
（亿元）
（亿元）
1988
130408
502.9033283
1472164
257.2
3822.2
1989
78598
573.4975625
1637542
272.7
5196.4
1990
179252
704.3318793
2018263
253.3
7119.8
1991
275239
786.1935045
2378597
336.2
9241.6
1992
635196
994.6554562
4265938
731.2
11759.4
1993
1559223
1291.455926
8637141
1937.5
15203.5
1994
1674350
1408.638586
10184950
2554.1
21518.8
1995
1434087
1590.863199
12577269
3149
29662.3
1996
179805
1806.398908
14271292
3216.4
38520.8
1997
-103462
1997.161319
17994763
3178.4
46279.8
1998
-106565
2062.569407
25133027
3614.2
53407.5
1999
-350926
2052.600036
29878734
4103.2
59621.8
2000
732836
2111.613913
39354423
4984.1
64332.4
2001
1254738
2169.718632
48627517
6344.1
73762.4
2002
2529148
2250.177576
60323413
7790.9
86910.6
2003
4303655
2359.496412
79556627
10153.8
103617.3
2004
8579651
2713.905786
103757069
13158.3
119555.4
2005
11091896
3167.657213
175761325
15909.2
141051
（数据来源：
中经网统计数据库）
五、模型的参数估计、检验和修正
首先检验数据的平稳性，分别检验每个变量的平稳性，结果如下：
Y：
ADFTestStatistic
-0.381600
1%CriticalValue*
-3.9635
5%CriticalValue
-3.0818
10%CriticalValue
-2.6829
X1：
ADFTestStatistic
0.383205
1%CriticalValue*
-3.9635
5%CriticalValue
-3.0818
10%CriticalValue
-2.6829
X2：
ADFTestStatistic
-0.980470
1%CriticalValue*
-3.9635
5%CriticalValue
-3.0818
10%CriticalValue
-2.6829
X3：
ADFTestStatistic
1.334194
1%CriticalValue*
-3.9635
5%CriticalValue
-3.0818
10%CriticalValue
-2.6829
X4：
ADFTestStatistic
1.962437
1%CriticalValue*
-3.9635
5%CriticalValue
-3.0818
10%CriticalValue
-2.6829
可以看出，每个变量的t统计量均大于临界值，所以都是非平稳的。
下面检验变量之间是否是协整的。
根据找到的数据对被解释变量房地产行业利润与全部解释变量做OLS回归分析，得到以下结果：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/14/07Time:
10:
03
Sample:
19882005
Includedobservations:
18
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
642095.6
367516.3
1.747121
0.1042
X1
-242.1958
441.8088
-0.548191
0.5928
X2
0.027535
0.010233
2.690793
0.0185
X3
1552.409
164.0593
9.462492
0.0000
X4
-128.9668
16.41996
-7.854272
0.0000
R-squared
0.987667
Meandependentvar
1893174.
AdjustedR-squared
0.983873
S.D.dependentvar
3135747.
S.E.ofregression
398216.7
Akaikeinfocriterion
28.85751
Sumsquaredresid
2.06E+12
Schwarzcriterion
29.10484
Loglikelihood
-254.7176
F-statistic
260.2812
Durbin-Watsonstat
1.835431
Prob（F-statistic）
0.000000
检查回归残差的平稳性，结果如下：
ADFTestStatistic
-3.893852
1%CriticalValue*
-2.7158
5%CriticalValue
-1.9627
10%CriticalValue
-1.6262
如表所示，t值小于临界值，所以拒绝原假设，表明残差序列不存在单位根，是平稳序列，说明变量之间存在协整关系。
1、统计检验
（1）拟合优度：
由上表数据可得：
R2=0.987667，修正可决系数=0.983873，说明模型对样本的拟合很好。
（2）F检验：
针对H0：
，给定显著性水平为=0.05，在F表中查出自由度为k-1和n-k的临界值=3.18，由上表得F=260.2812，所以F>，应拒绝原假设，说明回归方程显著，即“商品房销售价格”、“商品房销售额”、“房地产开发投资额”、“居民储蓄存款年底余额”等变量联合起来确实对“房地产企业本年营业利润”有显著影响。
（3）t检验：
分别针对H0：
=0（i=0、1、2、3、4），给定显著性水平=0.05，查t分布表得自由度为n-k的临界值（13）=2.16，对应表中数据，、的绝对值均小于临界值，怀疑存在多重共线性，查看相关系数矩阵：
X1
X2
X3
X4
X1
1.000000
0.838874
0.900802
0.946532
X2
0.838874
1.000000
0.974270
0.940004
X3
0.900802
0.974270
1.000000
0.978801
X4
0.946532
0.940004
0.978801
1.000000
由相关系数矩阵可以看出，各个解释变量之间的相关系数均较高，证实解释变量间确实存在多重共线性。
2、修正多重共线性
采用逐步回归的办法检验和解决多重共线性。
分别做Y对X1、X2、X3、X4的一元回归，将结果整理后得到下表：
变量
X1
X2
X3
X4
参数估计值
2775.306
0.063836
622.7639
60.15343
t统计量
3.682078
9.995962
8.541058
5.422737
R2
0.458686
0.861973
0.820123
0.647624
其中，加入X2的方程R2最大，所以以X2为基础，顺次加入其他变量逐步回归，将结果整理后得到下表：
X1
X2
X3
X4
R2
X2、X1
-1404.733
（-2.249495）
0.083608
（7.979482）
0.896790
X2、X3
0.062425
（2.133354）
14.48256
（0.049486）
0.861995
X2、X4
0.101580
（6.225198）
-43.65226
（-2.460756）
0.901668
经比较，新加入X4的方程R2=0.901668，改进最大，而且各参数的t检验显著，选择保留X4，再加入其他新变量逐步回归，整理后得到下表：
X1
X2
X3
X4
R2
X2、X4、X1
-465.8910
（-0.390205）
0.098164
（5.181783）
-32.11703
（-0.924275）
0.902726
X2、X4、X3
0.029087
（3.034724）
1557.222
（9.752189）
-135.2465
（-11.79511）
0.987382
可以看出，加入X3后R2有明显改进，且各参数的t值均显著。
而加入X1后R2改进不明显，且变量t值不显著，故应剔除X1。
则修正多重共线性影响后得模型为：
回归结果为：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/14/07Time:
11:
41
Sample:
19882005
Includedobservations:
18
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
464913.3
170508.1
2.726635
0.0164
X2
0.029087
0.009585
3.034724
0.0089
X3
1557.222
159.6792
9.752189
0.0000
X4
-135.2465
11.46632
-11.79511
0.0000
R-squared
0.987382
Meandependentvar
1893174.
AdjustedR-squared
0.984679
S.D.dependentvar
3135747.
S.E.ofregression
388141.1
Akaikeinfocriterion
28.76926
Sumsquaredresid
2.11E+12
Schwarzcriterion
28.96712
Loglikelihood
-254.9233
F-statistic
365.1873
Durbin-Watsonstat
1.847459
Prob（F-statistic）
0.000000
Y=464913.3+0.029087*X2+1557.222*X3-135.2465*X4
3、检验异方差
因为方程有多个解释变量，所以用有交叉项的White检验，检验结果如下：
WhiteHeteroskedasticityTest:
F-statistic
5.462773
Probability
0.012764
Obs*R-squared
15.48097
Probability
0.078544
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/14/07Time:
11:
44
Sample:
19882005
Includedobservations:
18
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-5.24E+10
1.06E+11
-0.492222
0.6358
X2
53028.21
59534.80
0.890709
0.3991
X2^2
-0.000361
0.001544
-0.234056
0.8208
X2*X3
17.40035
28.98731
0.600275
0.5649
X2*X4
-1.613330
1.775146
-0.908843
0.3900
X3
-4.41E+08
2.74E+08
-1.612474
0.1455
X3^2
-168096.5
174098.7
-0.965524
0.3626
X3*X4
30137.41
12567.31
2.398080
0.0433
X4
33664905
25176839
1.337138
0.2179
X4^2
-1484.883
722.6293
-2.054834
0.0740
R-squared
0.860054
Meandependentvar
1.17E+11
AdjustedR-squared
0.702615
升级会员 