计量论文房价Word格式.docx
《计量论文房价Word格式.docx》由会员分享,可在线阅读,更多相关《计量论文房价Word格式.docx(19页珍藏版)》请在冰点文库上搜索。
因此,代表一个地区的人民经济实力的人均可支配收入和人口密度对于商品住宅价格也应该具有正向的影响。
而近几年房屋供应量的相对减少也是促使房价上涨的一个因素。
由经济学原理可得,供求决定价格:
商品住房供给相对需求过多,则住房价格会下降。
房地产开发企业竣工房屋面积作为商品住房供给的代表,其变化一定程度上能影响住房价格,并且呈负相关关系。
地方宏观经济在很大程度上直接影响了地方房地产产业的发展水平、状况等,将地区生产总值作为某地的经济发展水平的代表,商品住房价格与当地的经济发展水平有着密切的联系。
理论上,一个地区的经济越发达,商品住房的价格越高,因而两者之间应该呈正相关。
四模型设定与数据解释
由于2013年数据的缺失,本文选取了2012年全国31个省市的商品住房的有关数据进行横截面回归分析。
其中,我们以各地区的商品住房价格作为被解释变量Y,选取房地产开发企业土地购置费用、竣工房屋造价、地区生产总值、城镇居民人均可支配收入、城市人口密度、房地产开发企业竣工房屋面积分别作为解释变量。
同时,考虑到东部和中西部的地区发展状况的差异,我们在模型中引入虚拟变量作为定性分析解释变量。
因此,我们可以初步建立模型如下:
(4-1)
其中:
——住宅商品房平均销售价格(元/平方米)
——房地产开发企业土地购置费用(亿元)
——房地产开发企业竣工房屋造价(元/平方米)
——地区生产总值(亿元)
——城镇居民人均可支配收入(元)
——城市人口密度(人/平方公里)
——房地产开发企业竣工房屋面积(万平方米)
=
——随机误差项
选取的2012年全国31个省及自治区的数据如下所示:
表4-12012年全国31省市及自治区相关统计量数据
地区
Y
X2
X3
X4
X5
X6
X7
D1
内蒙古自治区
3656.41
135.32
2144.15
15880.58
23150.3
1032
2449.13
广西壮族自治区
3909.83
191.74
2101.28
13035.1
21242.8
1528
2333.58
重庆市
4804.8
384.16
2810.98
11409.6
22968.1
1832
3990.63
四川省
4959.19
474.23
2247.09
23872.8
20307
2866
5866.58
贵州省
3695.36
119.5
1965.29
6852.2
18700.5
3324
1416.77
云南省
3861.01
251.08
2254.28
10309.47
21074.5
4029
1851.57
西藏自治区
2982.19
0.07
4073.42
701.03
18028.3
1655
9.23
陕西省
4803.05
140.27
2597.17
14453.68
20733.9
5483
1653.94
甘肃省
3376.08
52.38
2106.64
5650.2
17156.9
4369
844.5
青海省
3692.21
38.81
2592.31
1893.54
17566.3
2674
416.2
宁夏回族自治区
3620.77
43.03
2253.84
2341.29
19831.4
1251
1151.97
新疆维吾尔自治区
3593.82
38.29
2114.93
7505.31
17920.7
4312
1736.17
山西省
3690.88
117.61
2303.75
12112.83
20411.7
3028
1732.99
吉林省
3875.1
225.59
2001.96
11939.24
20208
2878
1927.87
黑龙江省
3725.51
150.95
1976.57
13691.58
17759.8
5054
3245.73
安徽省
4495.12
525.27
2409.15
17212.05
21024.2
2401
3965.39
江西省
4381.18
107.59
2116.07
12948.88
19860.4
4663
1747.48
河南省
3511.26
307.36
1804.06
29599.31
20442.6
4964
5870.54
湖北省
4668
348.49
2676.8
22250.45
20839.6
2004
3273.71
湖南省
3669.63
249.8
2298.92
22154.23
21318.8
3030
4457.97
北京市
16553.48
1102.69
3081.62
17879.4
36468.8
1464
2390.86
1
天津市
8009.58
138.39
2533.05
12893.88
29626.4
2782
2542.75
河北省
4141.96
332.6
2313.76
26575.01
20543.4
2411
4894.56
辽宁省
4717.21
740.56
2403.61
24846.43
23222.7
1624
6438.15
上海市
13869.88
390.53
4598.9
20181.72
40188.3
3754
2305.06
江苏省
6422.85
1140.46
2789.19
54058.22
29677
2002
9848.4
浙江省
10679.69
1948.75
2895.15
34665.33
34550.3
1786
4292.94
福建省
8365.92
688.16
2268.99
19701.78
28055.2
2388
2232.78
山东省
4556.63
852.28
2140.77
50013.24
25755.2
1349
7324.97
广东省
7667.89
787.27
3272.19
57067.92
30226.7
2927
6356.12
海南省
7811.26
76.91
4227.17
2855.54
20917.7
2079
856.41
数据来源:
中华人民共和国国家统计局
在Eviews中将
递增排序,做出
、
的线性图
可以看出,各地区商品房平均销售价格及各影响因素的差异明显,变动方向大致相同,相互间可能具有一定的相关性,因此,初步认为设定式(4-1)所示模型具有一定的可行性。
五OLS实证分析过程
(一)OLS回归
根据公式(4-1)中所示的模型,利用Eviews做回归得其结果如下:
(5-1)
该模型
0.909488,
0.881941,可决系数较高,F检验值=33.01578,明显显著。
但是当显著性水平
10、,根据回归结果的P检验值可看出
的系数不显著,而且
的符号与预期相反,这表明可能存在严重的多重共线性。
(二)多重共线性处理
1、简单相关系数法检验
由上推断可知存在多重共线性,因此接下来进行多重共线性的检验,使用简单相关系数法,计算各解释变量间的相关系数,结果如下:
表5-1各解释变量之间相关系数
相关系数
0.1386
0.6980
0.6947
-0.3611
0.6027
0.6289
0.0039
0.4983
-0.2211
-0.1349
0.4438
0.5020
-0.1525
0.8925
0.5557
-0.2675
0.3125
0.7485
-0.1786
-0.3479
0.4276
由相关系数矩阵表5-1可以看出,各解释变量相互之间的相关系数较高,且均大于0.2,证明各个解释变量之间确实存在一定的多重共线性。
2、逐步回归法剔除变量
下面我们将采用逐步回归法筛选并剔除引起多重共线性的变量。
首先用被解释变量对每一个所考虑的解释变量作简单回归,整理得到下图的结果。
表5-2单个变量简单线性回归效果
R^2
0.336718
0.327082
0.057754
0.815152
0.034796
0.00385
选出对被解释变量贡献最大的
,以它所对应的回归方程为基础,逐步引入其余变量,具体引入其他变量后,根据逐步回归法的三项关于引入变量的相关原则,剔除
,保留
,得如下回归结果:
表5-3剔除变量之后回归结果
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-6768.528
1119.920
-6.043759
0.0000
0.445854
0.048031
9.282719
0.764447
0.416931
1.833508
0.0774
R-squared
0.834966
Meandependentvar
5540.895
AdjustedR-squared
0.823178
S.D.dependentvar
3170.174
S.E.ofregression
1333.064
Akaikeinfocriterion
17.32011
Sumsquaredresid
49757639
Schwarzcriterion
17.45889
Loglikelihood
-265.4617
Hannan-Quinncriter.
17.36535
F-statistic
70.83123
Durbin-Watsonstat
2.037127
Prob(F-statistic)
0.000000
因此所估计模型为:
(5-2)
(1119.920)(0.048031)(0.416931)
t=(-6.043759)(9.282719)(1.833508)
0.834966
0.823178F=70.83123
(三)自相关性处理
前面我们都是假定模型中的随机误差前后项是不存在自相关的,但实际系统中,经济变量之间很可能有关联,使得随机误差项不能满足无自相关的假定。
因此,需要进行自相关的检验和相关的处理。
1、图示检验法
首先,我们直接采用图示检验法,得表5-3回归结果之后,以残差项
作为随机项
的估计值,描绘
与
的散点图,判断
的自相关性。
根据下图所示,并没有反映出明显的自相关性,接下来用DW检验来具体判断。
图5-1散点图结果
2、DW检验法
为了进一步确认所得回归模型是否存在自相关性,我们采用DW检验法进行检验,查表可得,在显著性水平为5、下的临界值du,并且由上述表5-3的回归结果我们知道DW值为2.037127,且
,因此确认回归方程不存在自相关性。
(四)异方差处理
1、White检验异方差
基于所用数据均为截面数据,因此使用White检验检验模型是否存在异方差。
由表5-3所得结果的残差平方作为随机误差方差的估计值,建立关于残差平方项的辅助函数,利用Eviews进行回归可得:
表5-4HeteroskedasticityTest:
White
4.037310
Prob.F(5,25)
0.0080
Obs*R-squared
13.84888
Prob.Chi-Square(5)
0.0166
ScaledexplainedSS
34.03417
由上表知nR
=13.84888。
在
=0.05下,查
分布表,得临界值
(5)=11.0705,可见,nR
=13.84888>
(5)=11.0705,所以拒绝原假设,不拒绝备择假设,表明模型存在异方差。
2、WLS法修正异方差
现用WLS法对异方差进行修正,经过试用各项拟用的权数进行回归,对其回归效果进行判断之后,选最佳权数为W1=
表5-5WLS修正后回归结果
Sample:
131
Includedobservations:
31
Weightingseries:
W1
Weighttype:
Inversestandarddeviation(EViewsdefaultscaling)
-5786.797
325.8676
-17.75812
0.424845
0.131413
3.232895
0.0031
0.435857
0.020592
21.16646
并在此基础上进行White检验得下表:
表5-6HeteroskedasticityTest:
0.413452
Prob.F(6,24)
0.8627
2.904079
Prob.Chi-Square(6)
0.8208
1.543220
0.9566
从上图可看出,nR
=2.904079,由White检验知,在
(6)=12.5916,可见,nR
=2.904079<
(6)=12.5916,所以不拒绝原假设,拒绝备择假设,表明模型不存在异方差。
且可看出,运用加权最小二乘法消除了异方差后,参数的t检验均显著,F检验也显著,即可确认最终结果。
(五)估计结果
=-5786.797+0.424845
+0.435857
(325.8676)(0.131413)(0.020592)
t=(-17.75812)(3.232895)(21.16646)
=0.970242F=456.4655DW=2.229409
这说明,房地产开发企业竣工房屋造价每增加1元,平均说来住宅商品房平均销售价格将增加0.424845元,城镇居民人均可支配收入每增加1元,平均说来住宅商品房平均销售价格将增加0.435857元。
六结果分析与相关建议
结果分析:
本文引入虚拟变量来区分东部、中西部对商品房价格的影响,但从回归结果看,其并未对被解释变量有显著影响。
根据相关资料显示,由于改革开放以来国家对中西