中国房产价格影响因素分析.docx
《中国房产价格影响因素分析.docx》由会员分享,可在线阅读,更多相关《中国房产价格影响因素分析.docx(19页珍藏版)》请在冰点文库上搜索。
中国房产价格影响因素分析
中国房产价格影响因素分析
成员及分工:
曹馨元:
结论与政策建议;
昌小凤:
模型初步估计及多重共线性,异方差检验;
陈轩:
摘要,引言及数据收集;
代春霞:
数据平稳性检验,自相关检验及发言。
摘要:
本文通过从城镇居民人均可支配收入、消费物价指数、城市化水平等房地产需求因素的角度来分析对房地产价格的影响。
实证分析表明,城镇居民人均可支配收入、物价指数对房地产均价有显著影响而城市化水平对其无显著性影响。
关键字:
房产价格、物价指数、城市化水平
一、引言:
房地产价格问题由于与广大城镇居民的生活息息相关,因此一直以来是人们关注的焦点.中国从20世纪90年代开始选择市场经济取向,中国房地产市场也因此开始逐步形成.从1990-2006中国房地产价格总体呈现上升趋势,在2004年涨幅达到高峰。
通过政府的宏观调控,我国房价涨幅有所缓和,但目前少数城市房价涨幅仍然较高。
随着我国经济发展,居民可支配收入提高,随着国民经济的发展和人们可支配收入的增加,促使我国居民对住宅的需求不断增加,而供需矛盾突出则导致房价非理性上升,同时民间资金雄厚,大量资金需要寻找投资渠道,也加大了对商品房的投机性需求,这是房地产投资需求不断扩大的经济背景。
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,房地产市场将呈现高速发展阶段。
欧美等发达国家基本都经历了这样一个阶段。
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。
随着城市化进程的加快,城镇人口逐渐增多,使得对房屋的需求不断扩大,因此,房地产价格愈来愈成为人们经常讨论的主要对象.我们这篇论文,主要从房地产需求角度探讨房地产价格的影响因素。
二、模型建立:
建立以房产价格为应变量,以其它可量化影响因素为自变量的多元线性回归模型,并利用模型房产价格进行数量化分析,就对影响房产价格的原因提供可供参考的意见。
模型变量设置:
Y—房地产价格;(全国均价)
X1—城镇居民人均可支配收入;
X2—物价指数(以1978年为基期);
X3—城市化水平(以城镇人口占总人口的比例来度量即:
城镇人口/总人口)。
(以上的数据见附表0)
模型设立:
。
三、模型分析及参数估计:
1、对数据平稳性检验:
由于数据是时间序列数据,所以在进行回归前用ADF检验进行数据平稳性分析:
(1):
做Y的趋势图,结果如下:
从上图可以看出,该序列可能存在趋势项,因此选择ADF检验的具有趋势及截距模型进行检验。
对其进行0阶差分,得到结果如下:
表1-1
ADFTestStatistic
-2.023363
1%CriticalValue*
-4.9893
5%CriticalValue
-3.8730
10%CriticalValue
-3.3820
*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(Y)
Method:
LeastSquares
Date:
06/26/07Time:
15:
06
Sample(adjusted):
19932004
从检验结果看,单位根检验的t检验统计量值-2.023363大与临界值,从而拒绝原假设,表明房地产价格是非平稳序列。
再对Y进行一阶差分检验,得到如下结果:
表1-2
ADFTestStatistic
0.341367
1%CriticalValue*
-5.1152
5%CriticalValue
-3.9271
10%CriticalValue
-3.4104
*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(Y,2)
Method:
LeastSquares
Date:
06/26/07Time:
15:
09
Sample(adjusted):
19942004
从检验结果看,Y的一阶差分仍然是非平稳的;再做其二阶差分平稳性检验,得到:
表1-3
ADFTestStatistic
-0.709014
1%CriticalValue*
-5.2735
5%CriticalValue
-3.9948
10%CriticalValue
-3.4455
*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(Y,3)
Method:
LeastSquares
Date:
06/26/07Time:
15:
11
Sample(adjusted):
19952004
从检验结果看,Y的二阶差分仍然是非平稳的,由于软件的局限性,不能对其进行三阶,甚至更高阶差分检验。
(2)、同理可检验得到X1序列是二阶单整的,也即X1属于I
(2)。
结果如下:
表1-4
ADFTestStatistic
-2.712853
1%CriticalValue*
-2.8622
5%CriticalValue
-1.9791
10%CriticalValue
-1.6337
*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(X1,3)
Method:
LeastSquares
Date:
06/26/07Time:
15:
13
Sample(adjusted):
19952004
(3)、ADF检验得到X2序列是0阶单整的,即属于I(0),结果如下:
表1-5
ADFTestStatistic
-3.569371
1%CriticalValue*
-4.1366
5%CriticalValue
-3.1483
10%CriticalValue
-2.7180
*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(X2)
Method:
LeastSquares
Date:
06/26/07Time:
15:
21
Sample(adjusted):
19932004
(4)、检验得到X3序列是二阶单整数序列,即属于I
(2)。
2、模型估计:
利用EViews软件,对被解释变量Y和解释变量X1,X2,X3进行最小二乘估计,回归结果如下:
表2-1
DependentVariable:
Y
Method:
LeastSquares
Date:
06/23/07Time:
19:
27
Sample:
19902004
Includedobservations:
15
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-292.6134
755.1748
-0.387478
0.7058
X1
0.116411
0.078617
1.480741
0.1667
X2
2.546233
0.640499
3.975392
0.0022
X3
12.87460
29.08184
0.442702
0.6666
R-squared
0.982990
Meandependentvar
1753.319
AdjustedR-squared
0.978350
S.D.dependentvar
600.9561
S.E.ofregression
88.42334
Akaikeinfocriterion
12.02533
Sumsquaredresid
86005.56
Schwarzcriterion
12.21414
Loglikelihood
-86.18996
F-statistic
211.8885
Durbin-Watsonstat
1.399180
Prob(F-statistic)
0.000000
由回归结果可见,该模型R^2=0.982990,可决系数很高,F检验值为211.8885,明显显著。
但是当显著性水平取0.05时,X1、X3系数的t检验不显著,故我们对上述模型进行计量经济学的检验,并进行修正,看是否能使模型方程得到改进。
3、计量经济学检验:
(1)多重共线性检验:
用EVIEWS软件,得相关系数矩阵表:
表3-1-1
Y
X1
X2
X3
Y
1
0.971891557503
0.945581905696
0.925638081066
X1
0.971891557503
1
0.876072886968
0.97786289588
X2
0.945581905696
0.876072886968
1
0.788913106843
X3
0.925638081066
0.97786289588
0.788913106843
1
由上表可以看出,解释变量X1与X2、X1与X3、X2与X3之间的相关系数都较大,可见存在严重的多重共线性。
在经济意义上,城镇居民人均可支配收入、物价指数、城市化水平都与经济的发展密切相关,这使得他们之间的相关性很强。
下面利用逐步回归的办法,去检验和解决多重共线性问题。
分别做Y对X1,X2,X3的一元回归(回归结果见附表一),发现加入X1的方程R^2=0.944573最大;以x1为基础,顺次加入x2,x3逐步回归(回归结果见附表二),经比较,新加入x2的方程R^2=0.982687,改进最大,而且各参数的t检验显著,选择保留x2,再加入变量x3进行回归(回归结果见表2-1),加入X3后虽然R^2有所改进,但是X3系数的t检验不显著,并且还使X1的t检验不显著。
这说明X3是引起多重共线性的原因,应予剔除。
最后修正严重多重共线性影响的回归结果如下:
表3-1-2
DependentVariable:
Y
Method:
LeastSquares
Date:
06/23/07Time:
19:
31
Sample:
19902004
Includedobservations:
15
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
37.57432
114.3017
0.328729
0.7480
X1
0.150089
0.019157
7.834687
0.0000
X2
2.355785
0.458350
5.139704
0.0002
R-squared
0.982687
Meandependentvar
1753.319
AdjustedR-squared
0.979801
S.D.dependentvar
600.9561
S.E.ofregression
85.40975
Akaikeinfocriterion
11.90965
Sumsquaredresid
87537.91
Schwarzcriterion
12.05126
Loglikelihood
-86.32241
F-statistic
340.5522
Durbin-Watsonstat
1.408310
Prob(F-statistic)
0.000000
(2)异方差检验:
用White检验法对模型中可能存在的异方差进行检验,White检验结果如下:
表3-2-1
WhiteHeteroskedasticityTest:
F-statistic
0.674649
Probability
0.653388
Obs*R-squared
4.089360
Probability
0.536623
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/23/07Time:
19:
38
Sample:
19902004
Includedobservations:
15
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
4208.336
181980.3
0.023125
0.9821
X1
33.84486
109.4290
0.309286
0.7641
X1^2
0.001831
0.002543
0.719849
0.4899
X1*X2
-0.119449
0.287238
-0.415855
0.6873
X2
-243.8447
1966.061
-0.124027
0.9040
X2^2
0.816245
3.706838
0.220200
0.8306
R-squared
0.272624
Meandependentvar
5835.861
AdjustedR-squared
-0.131474
S.D.dependentvar
7472.526
S.E.ofregression
7948.583
Akaikeinfocriterion
21.08855
Sumsquaredresid
5.69E+08
Schwarzcriterion
21.37177
Loglikelihood
-152.1641
F-statistic
0.674649
Durbin-Watsonstat
3.181122
Prob(F-statistic)
0.653388
从上表可以看出,nR^2=4.089360,由White检验知,在显著性水平取0.05下,查卡方分布表,得临界值为11.0705,因为nR^2<11.0705,所以接受原假设,表明模型不存在异方差。
(3)自相关检验:
从表3-1-2可知:
d=1.408310,在显著性水平取0.05下,查表n=15,k=2时,Dl=0.946;Du=1.543。
由于d
下面用科克伦-奥克特迭代法进行修正。
首先生成残差序列et,使用et进行滞后一期的自回归,在EViews命令栏中输入lsee(-1)可得到回归方程:
et=0.228189*et(-1)
故相关系数的估计为0.228189,对原模型进行广义差分得Y-0.228189Y(-1)=C0(1-0.228189)+C1*(X1-0.228189*X1(-1))
+C2*(X2-0.228189*X2(-1))+Ut
用EViews软件对广义差分方程进行回归,结果为:
表3-3-1
DependentVariable:
Y-0.228189*Y(-1)
Method:
LeastSquares
Date:
06/23/07Time:
19:
55
Sample(adjusted):
19912004
Includedobservations:
14afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
144.6372
124.1394
1.165119
0.2686
X1-0.228189*X2(-1)
0.125529
0.016948
7.406744
0.0000
X2-0.228189*X2(-1)
1.964806
0.564342
3.481585
0.0051
R-squared
0.970288
Meandependentvar
1443.815
AdjustedR-squared
0.964886
S.D.dependentvar
421.2441
S.E.ofregression
78.93626
Akaikeinfocriterion
11.76257
Sumsquaredresid
68540.26
Schwarzcriterion
11.89951
Loglikelihood
-79.33797
F-statistic
179.6092
Durbin-Watsonstat
1.661656
Prob(F-statistic)
0.000000
由表3-3-1可得回归方程为:
SE=124.13940.0169480.564342
T=7.4067443.481585
R^2=0.970288F=179.6092DW=1.661656
其中
=Y-0.228189Y(-1);
=X1-0.228189*X1(-1);
=X2-0.228189*X2(-1)。
由于使用了广义差分法,样本容量减少了1个,变为14个。
查5%显著水平的DW统计表可知Dl=0.905,Du=1.551,模型中DW=1.661656>Du,说明广义差分模型中已无自相关,不必再进行迭代。
同时可见,可决系数,T,F也均达到理想水平。
由差分方程有:
C0=144.6373/(1-0.228189)=187.400
由此得到最终的房地产价格因素模型为:
四.结论及政策建议
结论:
城镇居民人均可支配收入对房地产价格确实存在影响,且为正向关关系,当城镇居民可支配收入每增加1元,房地产价格每平方米将平均上涨0.125529元;居民消费物价指数对房地产价格也存在影响,也为正向关关系,并且物价指数每增加一个点,房地产价格每平方米将平均上涨1.964806元。
政策建议:
1)进一步完善房地产价格调控,促进房地产市场健康发展。
首先,政府应以保持房地产市场的持续发展为目标,正确把握和及时调整调控力度;其次,政府应根据不同区域的经济发展状况、居民消费水平及房地产业的发展情况来制定切实有效的调控措施,不宜搞全国“一刀切”;再次,政府应采取稳定和可预见的政策,我国居民的心理预期受政府政策的影响较大,应减少房地产政策的频繁变动,避免因担心政策变动而产生的恐慌性行为;最后,政府要进一步整顿和规范房地产市场秩序,降低消费者购房交易的风险,同时加强房地产信息系统和预警预报体系建设,正确引导社会舆论和市场预期。
2)随着国民经济的发展和人们可支配收入的增加,促使我国居民对住宅的需求不断增加,而供需矛盾突出则导致房价非理性上升。
要从根本上解决目前供不应求的矛盾,政府应从供给和需求这两个方面来采取适当的措施。
供给方面:
我国政府需要根据房地产市场的变化情况,保持房地产投资规模,适时调整住房的供应总量、结构,特别是要多开发经济实用房来满足具有真正住房需求的人群的需求,同时避免因收入增加导致的流动性过剩对房地产的投机炒作;需求方面:
针对不同结构的房地产商我国政府需要根据房地产市场的变化情况,保持房地产投资规模,适时调整货币供应总量、结构、供应方式、供应节奏及供应时间;加强宏观经济调控。
3)我国经济近年的飞速发展,也正印证着菲利普斯曲线的规律,经济的高速发展带来了较高的通货膨胀率,从而居民消费物价指数居高不下,且不断攀升。
从我们实证分析的结果看,我国房地产价格与居民消费物价指数成显著的正相关关系,要抑制房地产价格的过高上涨,政府应采取一些有力的政策来稳定物价,抑制物价指数的过度上升。
参考文献:
[1]、曹华。
我国房地产价格变动趋势及其经济效应分析。
分析预测;
[2]、马宏贤、周潮。
商品住房价格变动及其回归分析。
聊城大学学报;
[3]、陈石清、黄蔚。
中国房地产价格与城市化水平实证分析。
经济与管理,2007,
(2).
[4]、曹浩,刘向党等。
房地产影响因素分析,西南财大计量经济学精品课程课程论文.。
附表0:
年份
城镇居民DPI
城镇定基物价指数
城市化水平
房产价格
1990
1510.16
222
26.41
704.332
1991
1700.6
233.3
26.94
786.194
1992
2026.6
253.4
27.46
994.656
1993
2577.4
294.2
27.99
1291.46
1994
3496.2
367.8
28.51
1408.64
1995
4282.95
429.6
29.04
1590.86
1996
4838.9
467.4
30.48
1806.4
1997
5160.3
481.9
31.91
1997.16
1998
5425.1
479
33.35
2062.57
1999
5854
472.8
34.78
2052.6
2000
6279.98
476.6
36.22
2111.62
2001
6859.6
479.9
37.66
2169.72
2002
7702.8
475.1
39.09
2250.18
2003
8472.2
479.4
40.53
2359.5
2004
9421.6
495.2
41.76
2713.9
附表一:
(1)
DependentVariable:
Y
Method:
LeastSquares
Date:
06/23/07Time:
19:
23
Sample:
19902004
Includedobservations:
15
Variable
Coefficient
St