计量经济学论文课程论文房地产价格影响因素.docx
《计量经济学论文课程论文房地产价格影响因素.docx》由会员分享,可在线阅读,更多相关《计量经济学论文课程论文房地产价格影响因素.docx(22页珍藏版)》请在冰点文库上搜索。
计量经济学论文课程论文房地产价格影响因素
计量经济学课程论文
房地产价格影响因素
姓名:
吴静
专业:
国贸05级
学号:
40502018
日期2007年12月
房地产价格影响因素
吴静40502018国贸05级
内容摘要:
本文选取1991-2005年相关的数据,应用计量经济学所学知识对根据经济理论选取的影响我国房地产价格的各因素进行检验,并对其影响程度的大小进行定量分析,修正等一系列的工作,最后确定一个较好的拟合模型,进一步明确和完善相关的经济学知识。
以上过程都通过EVIEWS在计算机上实现。
关键词:
房地产价格物价城镇居民收入建材价格
一、背景:
近几年来,房地产价格急剧上涨,使得房地产问题变得异常尖锐。
今年的经济工作会议和十七大以及年初的两会,对房地产行业的发展持有肯定的表述,房地产业在促进国民经济稳定健康增长,全面改善城乡居民居住状况发挥了巨大的作用,最近几年房地产发展的情况可以看得出来,城乡住宅的建筑量每年保持在13亿平方米,城镇是5.5—6亿平方米,竣工量是很大的。
过去有厂房集中建房,商品房的比例不大,最近的比例很多,达到了80%。
人均住房面积大幅度的提升,1978年人均居住面积是2.6平方米左右,现在已经达到了27平方米/人均,这在世界上也是令人瞩目的。
人均住房面积的增长是伴随着人口快速增加提升的,房地产业发展给国民经济以及人民生活带来的积极影响,包括对GDP的贡献率,最高峰达到了5.2%,平均水平是4.5%。
我国房地产还是一个年轻产业,自从1990年国务院55号令对土地交易的法律承认开始,标志着我国房地产商品化的开始,到目前为止,已经有17年的发展历史了。
这15年来,我国房地产大体经历了三个阶段,就是说1990至1996年为一个阶段,这时的消费者对产品的要求不高,还仅仅只是提供一个居所,对劣质产品、市场需求不是太看重,但市场在起步,总的来说是卖方市场;第二个阶段是从1996年至2000年,随着1998年取消福利分房以后,房地产市场的购房主体发生了变化,集团购买基本退出市场,而个人消费成为主体,购房主体个人化已是一种不可逆转的趋势。
随着市场经济的快速发展,除国有、集体所有的房地产公司外,大量的中外合资、合作、独资、私营的房地产企业参与房地产的开发销售。
房地产市场开发主体的多元化和购房主体需求的多样化,房地产市场开始完全市场化。
第三阶段是在2000年以后,整个中国的房地产快速发展,我国地产市场进入到大规模的市场化开发阶段。
从2000年到2005年,我国度过了地产15年这场大戏中分量最重的五年,房地产进入以“新产品主义”为开发导向。
2000年以后,整个中国的房地产快速发展,这时不仅要有理念,还要有文化,还要讲产品,是我国房地产发展最为迅速的时期。
二.样本变量的选取及模型设定:
无论是以攫取高额利润还是以快速回笼资金为主要目标,厂商在为楼盘确定价格时通常需考虑三个因素:
一是成本——地价、建安成本、税收及其他费用的总和。
二是竞争——市场供求总量、直接与间接竞争对手们的价格情况。
三是消费者——目标消费者能够接受何种价格。
三种因素在楼盘最终定价中所起的作用显然不一样,一般说来市场供求总量与竞争对手的价格只是参考,而成本与消费者则是决定价格策略的根本因素。
因此,我选取了建筑材料价格,城镇居民收入,城镇物价指数,城市人口四个因素作为解释变量。
一方面,资本市场发展为居民调整资产组合提供了条件,居民对持有储蓄存款的偏好降低;另一方面,随着物价水平上升,实际负利率情况越发严重,存款搬家,资金加速涌入资产市场。
初定模型如下:
年份
Y
X1
X2
X3
X4
1991
786.1935
2551.736
1700.6
223.8
31203
1992
994.6555
1111.236
2026.6
238.1
32175
1993
1291.456
590.5998
2577.4
273.1
33173
1994
1408.639
2897.019
3496.2
339
34169
1995
1590.863
3532.471
4283
396.9
35174
1996
1806.399
3983.081
4838.9
429.9
37304
1997
1997.161
4071.181
5160.3
441.9
39449
1998
2062.569
3527.536
5425.1
438.4
41608
1999
2052.6
2966.057
5854.02
432.2
43748
2000
2111.617
2818.805
6280
434
45906
2001
2169.719
2674.264
6859.6
437
48064
2002
2250.177
2830.688
7702.8
433.5
50212
2003
2359.499
2906.16
8472.2
438.7
52376
2004
2778
3011.424
9421.6
455.8
54283
2005
3168
3154.9
10493
464
56212
Y房地产价格(元/平方米);
建筑材料价格(元/平方米);
城镇居民收入(元);
城镇物价指数(元);
城市人口数(人)。
从《中国统计年鉴》中得到如上数据:
三、参数估计与检验:
1,对时间序列做平稳性检验(滞后期为1)
可见y具有明显的趋势波动
用ADF检验y是否平稳,选择带截距和时间趋势的模型进行估计,结果如下:
NullHypothesis:
Yhasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
1(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-2.215373
0.4438
Testcriticalvalues:
1%level
-4.886426
5%level
-3.828975
10%level
-3.362984
从结果看,y的t检验统计量是大于显著性水平为10%的临界值,不能拒绝原假
设,表明序列y有单位根,是非平稳的。
再用ADF分别对X1,X2,X3,X4进行检验,同样选择带截距和时间趋势的模型进行估计,结果如下:
NullHypothesis:
X1hasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
3(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-7.073025
0.0010
Testcriticalvalues:
1%level
-5.124875
5%level
-3.933364
10%level
-3.420030
NullHypothesis:
X2hasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
1(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-1.866647
0.6142
Testcriticalvalues:
1%level
-4.886426
5%level
-3.828975
10%level
-3.362984
NullHypothesis:
X3hasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
1(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-5.347855
0.0051
Testcriticalvalues:
1%level
-4.886426
5%level
-3.828975
10%level
-3.362984
NullHypothesis:
X4hasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
1(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.474988
0.0850
Testcriticalvalues:
1%level
-4.886426
5%level
-3.828975
10%level
-3.362984
由上列结果可知,X1,X3,X4的t统计量显著;X2的t统计量大于显著性水平为10%的临界值,不能拒绝原假设,表明序列X1,X3,X4是平稳的,序列X2是非平稳的。
当变量为非平稳时间序列时,对变量进行的回归将可能导致伪回归现象。
为了避免伪回归现象的出现,我们必须对序列进行协整性检验,如果是协整的,则它们之间就存在一个长期稳定的关系;如果不协整,这种关系就不存在。
2,协整检验:
第一步,用OLS法对回归方程进行估计:
X2=a2+g2Y+u
得到残差序列:
et2=X2-(â2+ĝ2Y)
第二步,检查et2的平稳性:
NullHypothesis:
ET2hasaunitroot
Exogenous:
None
LagLength:
1(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-2.758679
0.0099
Testcriticalvalues:
1%level
-2.754993
5%level
-1.970978
10%level
-1.603693
从检验结果看,在1%,5%,10%三个显著水平下,et2的t统计量为 0.0099,小于相应临界值,从而拒绝H0,表明et2序列不存在单位根,是平稳序列,说明X2和y之间存在协整。
3,初步回归
对原模型进行初步回归得到如下的结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/13/07Time:
23:
57
Sample:
19912005
Includedobservations:
15
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1169.836
627.7959
1.863401
0.0920
X1
-0.093355
0.055677
-1.676719
0.1245
X2
0.313260
0.077921
4.020230
0.0024
X3
2.403385
0.934518
2.571792
0.0278
X4
-0.039938
0.022710
-1.758627
0.1091
R-squared
0.980495
Meandependentvar
1921.837
AdjustedR-squared
0.972693
S.D.dependentvar
635.7395
S.E.ofregression
105.0550
Akaikeinfocriterion
12.40805
Sumsquaredresid
110365.5
Schwarzcriterion
12.64406
Loglikelihood
-88.06035
F-statistic
125.6720
Durbin-Watsonstat
1.038435
Prob(F-statistic)
0.000000
从回归结果看出,拟合优度为0.980495,但X1,X4的系数为负,与经济意义不相符合,且T检验都未通过。
估计是因为变量间存在多重共线性或者是与被解释变量不存在线性关系。
因此,简单线形回归模型存在诸多不足,现对其进行相关修正。
4,进行多重共线性的检验
X1
X2
X3
X4
X1
1.000000
0.399662
0.707134
0.292636
X2
0.399662
1.000000
0.836222
0.983250
X3
0.707134
0.836222
1.000000
0.779682
X4
0.292636
0.983250
0.779682
1.000000
由相关系数矩阵可以看出,各解释变量之间的相关系数很高,证实确实存在严重多重共线性。
5,多重共线性的修正:
采用逐步回归法对多重共线性进行补救。
运用OLS方法逐一求Y对各解释变量的回归,回归结果如下:
变量
X1
X2
X3
X4
参数估计值
0.304791
0.236019
6.86998
0.070809
t统计量
1.79393
17.37282
6.801453
10.47572
R-squared
0.198431
0.958706
0.780627
0.894086
AdjustedR-squared
0.136771
0.955529
0.763752
0.885938
从回归的结果可以看出居民可支配收入(X2)的t值最大,拟合程度最好,因此把
X2作为基本变量。
然后将X1,X3,X4代入X2的回归方程,重新回归。
变量
X1
X2
X3
X4
AdjustedR-squared
X2,X1
0.044079(1.052085)
0.229813(15.56987)
0.955892
X2,X3
0.192615(9.178822)
1.674309(2.473446)
0.968091
X2,X4
0.358551(5.216212)
-0.038715(-1.812963)
0.962182
从回归的结果可以看出新加入X3的二元回归方程
增大,并且各参数的t检验显著,线形关系强,拟合程度最好,参数符合也符合经济意义,因此保留变量X3。
在保留X2,X3基础上,继续进行逐步回归。
变量
X1
X2
X3
X4
AdjustedR-squared
X2,X3,X1
-0.047394(-0.883630)
0.181974(7.469221)
2.342192(2.298883)
0.967498
X2,X3,X4
0.270847(3.405254)
1.350287(1.808109)
-0.022064(-1.019582)
0.968196
由于引入X1
值为0.967498<0.968091降低,而且X1的变量系数的t值很小,相应的p值大于显著性水平0.05,说明自变量X1的对因变量的影响不显著;加入X4后虽
=0.968196有所增大,但X4的t统计量也不显著,系数不符合经济意义,可推出X1,X4引起多重共线性,应予以剔除。
因此,最后保留的变量是X2,X3,相应的回归结果为:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/08/07Time:
15:
51
Sample:
19912005
Includedobservations:
15
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X2
0.192615
0.020985
9.178822
0.0000
X3
1.674309
0.676913
2.473446
0.0293
C
179.6824
180.8357
0.993623
0.3400
R-squared
0.972650
Meandependentvar
1921.837
AdjustedR-squared
0.968091
S.D.dependentvar
635.7395
S.E.ofregression
113.5619
Akaikeinfocriterion
12.47943
Sumsquaredresid
154755.8
Schwarzcriterion
12.62104
Loglikelihood
-90.59573
F-statistic
213.3769
Durbin-Watsonstat
1.106989
Prob(F-statistic)
0.000000
Y=179.6824+0.192615X2+1.674309X3
(180.8357)(0.020985)(0.676913)
t=(0.993623)(9.178822)(2.473446)
=0.972650
=0.968091F值=213.3769
由综合判断法可知,上述回归结果基本消除了多重共线性。
并且,在其他因素不变的情况下,当城镇居民收入X2和城镇物价指数X3分别增长1元时,房地产价格Y分别增长0.192615元/平方米和1.674309元/平方米。
存在问题是样本容量过小,其可靠性受到影响,如果增大样本容量,效果将会好一些。
6,虚拟解释变量回归
从图可以看出,城镇物价指数X3表现出了明显的阶段特征:
在1996年有明显转折点。
再从城镇物价指数和房地产价格y之间关系的散步图看,也呈现了相同的阶段性特征。
为了分析城镇物价指数在1996年前后的数量关系,引入虚拟变量D1。
D1的选择是以1996年转折点为依据,1996年的城镇物价指数为429.9,并设定了如下以加法和乘法两种方式同时引入虚拟变量的模型:
Yt=b1+b2x2+b3(X3-429.9)D1+Ut
其中:
D1=
对上式进行回归以后,有:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/08/07Time:
19:
01
Sample:
19912005
Includedobservations:
15
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
139.5874
123.5616
1.129698
0.2826
X2
0.129986
0.021625
6.010980
0.0001
X3
2.424441
0.500214
4.846808
0.0005
(X3-429.9)*D1
14.01586
3.632707
3.858240
0.0027
R-squared
0.988378
Meandependentvar
1921.837
AdjustedR-squared
0.985208
S.D.dependentvar
635.7395
S.E.ofregression
77.31982
Akaikeinfocriterion
11.75696
Sumsquaredresid
65761.90
Schwarzcriterion
11.94577
Loglikelihood
-84.17717
F-statistic
311.8218
Durbin-Watsonstat
1.637717
Prob(F-statistic)
0.000000
即有:
Yt=139.5874+0.129986X2+2.424441X3+14.01586(X3-429.9)*D1
(123.5616)(0.021625)(0.500214)(3.632707)
(1.129698)(6.010980)(4.846808)(3.858240)
=0.988378
=0