计量经济学论文我国房价影响因素的实证分析.docx
《计量经济学论文我国房价影响因素的实证分析.docx》由会员分享,可在线阅读,更多相关《计量经济学论文我国房价影响因素的实证分析.docx(12页珍藏版)》请在冰点文库上搜索。
计量经济学论文我国房价影响因素的实证分析
我国房价影响因素的实证分析
【摘要】:
作为国家的支柱产业,房地产的稳定发展关乎国计民生。
近几年,房地产价格飞速上涨,连创新高。
在这种情况下研究房价的影响因素,具有重要的理论和现实意义本文针对我国房价快速增长的现象,从人均可支配收入、房屋平均造价、房屋销售面积和房屋竣工面积四方面入手.依据收集到的相关数据.利用计量经济学软件Eviews对房价影响因素进行回归分析,得出房价受人均可支配收入、房屋平均造价和房屋竣工面积三方面因素影响的结论。
【关键词】房价Eviews回归分析
一、引言
住房问题关系到群众的安居乐业和切身利益,关系到社区的安定。
经过十多年的发展,我国房地产业已经成为国民经济的支柱产业之一,市场体系趋于完善,住房消费成为扩大内需的新动力和消费热点。
但是近年来,我国房地产价格上涨较快,部分地区房价持续飙升,上涨幅度大大超过经济总体增长水平及其它行业产品与服务的上升幅度。
房价增长过快的趋势,不仅极大地影响到城市居民的生活质量,也是整个国民经济继续平稳发展的一个不稳定因素,房价问题已经成为一个引起广泛关注的重要经济问题和社会问题。
如何解决我国目前房地产市场价格居高不下的问题,对于提高城镇居民生活水平、缓解社会矛盾、保持经济持续发展具有重要意义。
写作目的:
通过对我国30个省份的有关资料进行分析,了解对其主要因素和次要因素。
并对这些因素进行统计推断和经济意义上的检验。
选择拟和效果最好的最为结论。
二、文献综述
近几年来,我国房价持续上涨,不断创出历史新高。
关于房价上涨的原因,住房和城乡建设部课题组(2004)分析为地价上涨推动多种住房需求旺盛,而深层次的原因在于消费者预期改变[1]。
中国社会科学院与社会科学文献出版社(2007)联合发布的《2006年中国房地产发展报告》预测我国房地产价格长期趋势是上升的,其原因在于市场需求旺盛;供给结构失调;国家信贷的积极支持;地方政府的推动;缺乏规范有效的信息披露制度[2]。
沈悦、刘洪玉(2004)认为如果房地产价格的上涨只是投机造成,缺乏相应的经济基础支持,这种价格上涨会向市场发出错误的信号,造成房地产市场和经济的虚假繁荣[3]。
关于房地产市场的调控方式,梁云芳,高铁梅(2006)通过实证认为我国房地产市场只存在局部泡沫,通过利率来调控房地产市场,成效不大,但是信贷规模的变化对房地产投资有较大的影响[4]。
许经勇、马原(2005)认为应当把宏观调控的切入点放在直接调控房地产供求上。
稳定房地产价格的关键在于实现有效供求平衡[5]。
关于房地产市场的调控效果,聂学峰等(2005)运用相关分析、Granger因果关系检验和协整分析方法对我国货币政策影响房地产市场的效应与时滞进行实证分析,表明货币政策能够影响房地产投资和价格,货币供应量对房地产市场的影响比利率政策更为显著[6]。
李健飞等(2005)利用Johansen协整检验分析了银行信贷与房地产价格的长期关系和因果关系[7]。
对这一轮的房地产调控的效果,何艳(2006)认为:
一是普通商品房供应增加,小户型房价上涨得到一定控制;二是投机行为得到抑制,外资炒房更为规范;三是信贷收紧,购房者更为谨慎;四是房地产开发企业囤地囤房受到抑制[8]。
杨玉珍、文林峰(2005)认为在金融政策方面,可以采取严控信贷政策的措施。
在土地政策方面可以实施最严格的土地控制政策[9]。
张琦(2006)认为我国房地产业的调控效果不尽如人意的原因有以下几点:
决策层对市场判断有分歧;政策执行环节(管理机制)有问题;房价信息失真;宏观调控政策在综合应用中不协调、不规范[10]。
程建胜(2007)认为2003年以来,国家综合运用行政、财税、金融、土地等手段逐步加大了房地产宏观调控力度,但效果并不尽如人意,房价持续上涨、市场秩序混乱等问题依旧比较突出[11]。
从上述文献中可以看出,学者们对房地产市场的判断存在分歧,对房地产市场宏观调控的效果存在争议,本文对我国30个省份的有关资料进行进行理论与实证分析。
以期从中找出影响房地产价格的重要因素,并相应地提出解决措施。
根据一些专家、学者的研究及现实生活经验,我认为这些因素为:
1、人均可支配收入
人均可支配收入是居民购买力的体现,居民购买房屋一般是在其购买力达到一定水平后.因此分析、房价影响因素需要考虑人均可支配收入
2、房屋平均造价,房地产行业属于成本投入比较大的行业.研究房价就必须考虑其单位成本,即房屋平均造价。
3、房屋销售面积,房屋销售面积是房地产市场需求的直观体现
4、房屋竣工面积,房屋竣工面积是房地产市场供给的主要体现
二、模型的建立
(一)模型初步提出
为全面反映我国房屋价格的现状,选择分地区的“商品房平均售价”为被解释变量.包括31个省、市、自治区和直辖市的商品房平均售价。
令解释变量“人均可支配收入”为X1.“房屋平均造价”为X2,“房屋销售面积”X3为,“房屋竣工面积”为X4。
从(2007年中国统计年鉴》收集到如下数据,见表1
表12006年我国房屋价格及影响因素数据
地区
人均可支配收入
房屋平均造价
房屋销售面积
房屋竣工面积
商品房平均售价
北京
19977.52
2393
2607.62
4395.4
8280
天津
14283.09
2327
1458.6
2723
4774
河北
10304.56
1423
1817.94
9598.2
2111
山西
10027.7
1350
791.64
3938.7
1988
内蒙古
10357.99
1120
1428.97
4222
1811
辽宁
10369.61
1336
3006.61
10241.8
3073
吉林
9775.03
1201
974.91
3807.4
2010
黑龙江
9182.31
1230
1482.71
4104.1
2196
上海
20667.9
3089
3025.4
4901.5
7196
江苏
14084.26
1502
6101.15
17056
3592
浙江
18265.1
1679
3544.96
14925
4774
安徽
9771.05
1235
2307.83
8371.3
2322
福建
13753.28
1372
2021.69
5597.9
3994
江西
9551.12
867
1777.19
6074.6
1708
山东
12192.24
1279
4172.21
18680.6
2541
河南
9810.26
1100
2409.33
18733.1
2012
湖北
9802.65
1608
2038.46
6871.2
2556
湖南
10504.67
1172
2021.61
8423.3
1928
广东
16015.58
2142
5178.56
14886.1
4853
广西
9898.75
914
1502.61
5373.7
2195
海南
9395.13
1491
203.43
633.9
3787
重庆
11569.13
1415
2228.46
5622.5
2269
四川
9350.11
948
4100.15
10933.6
2271
贵州
9116.61
943
880.95
2831.5
1780
云南
10069.89
1413
1693.07
6218.2
2380
西藏
8941.08
1620
57.1
891.7
1976
陕西
9267.7
1587
1116.51
4373.8
2461
甘肃
8920.59
957
515.48
1500.7
1780
青海
9000.35
1311
119.69
650.6
1921
宁夏
9177.26
1021
379.99
1141.5
2063
新疆
8871.27
1076
892.4
4773.9
1858
建立线性回归模型为:
Y=β0+β1X1+β2X2+β3X3+β4X4+Ui
(二)参数估计
利用Eviews软件进行回归估计,结果见表2
表2Eviews回归结果分析
DependentVariable:
Y
Method:
LeastSquares
Date:
06/07/11Time:
20:
17
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2043.582
381.4455
-5.357468
0.0000
X1
0.354723
0.061330
5.783840
0.0000
X2
0.798252
0.370250
2.155982
0.0405
X3
0.092868
0.149369
0.621738
0.5395
X4
-0.057003
0.037343
-1.526448
0.1390
R-squared
0.907951
Meandependentvar
2918.065
AdjustedR-squared
0.893790
S.D.dependentvar
1594.208
S.E.ofregression
519.5504
Akaikeinfocriterion
15.49049
Sumsquaredresid
7018247.
Schwarzcriterion
15.72178
Loglikelihood
-235.1027
F-statistic
64.11481
Durbin-Watsonstat
2.188557
Prob(F-statistic)
0.000000
根据表2数据.模型估计的结果为:
y=-2043.528+0.354723x1+0.798252x2+0.092868x3-0.057003x4
(381.4455)(0.061330)(0.370257)(0.149396)(0.037343)
t=(一5.357468)(5.783840)(2.155982)(O.621738)(一1.526448)
R²=0.907951,F检验值df=64.1148
(三)多重共线性的检验与修正
该模型表明R=0.9079,R2=O.8937,可决系数较高F检验值=64.0655,大于F0.025(4,26)=2.74,明显显著。
但是当显著性水平a=0.1时t0.05(27)=1.703,x3、x4系数的t检验不显著,可能存在着多重共线性
计算各解释变量的相关系数.得相关关系矩阵,结果见表3。
表3解释变量的关系矩阵
X1
X2
X3
X4
X1
1.000000
0.818220
0.548230
0.284944
X2
0.818220
1.000000
0.281530
0.005798
X3
0.548230
0.281530
1.000000
0.840287
X4
0.284944
0.005798
0.840287
1.000000
由解释变量的关系矩阵可以看出,有些变量之间的相关关系不明显。
进一步精确地研究该模型的多重共线性.需采用逐步回归的办法。
分别做Y对X1X2X3X4的一元回归,结果见表4。
表4解释变量的一元回归
变量
x1
x2
x3
x4
参数估计量
0.4484
2.8270
0.1864
0.0288
t统计量
13.2779
9.3839
2.3397
0.5112
R²
0.8587
0.7527
0.1588
0.0089
AdjustedR-squared
0.8539
0.7441
1.1298
-0.0252
其中,加入x1的方程AdjustedR-squared最大,以x1,为基础,顺次加入其他变量逐步回归,结果见表5
变量
X1
X2
X3
X4
AdjustedR-squared
X1X2
0.3177
(6.1671)
1.0780
(3.1042)
0.8874
X1X3
0.4900
(12.7200)
-0.1714
(-1.9676)
0.8670
X1X4
0.4739
(14.9778)
-0.0562
(-2.8223)
0.8822
比较得知,新加入X2的方程修正的可决系数=0.8874,改进最大,且各参数的t检验显著,选择保留x2再加入其他新变量逐步回归,结果见表6
表6
变量
X1
X2
X3
X4
AdjustedR-squared
X1X2X3
0.3587
(5.7136)
0.9324
(2.5287)
-0.0963
(-1.1313)
0.8885
X1X2X4
0.3684
(6.4968)
0.7799
(2.1825)
-0.0376
(-1.8313)
0.8961
在x1x2基础上加入x4后的方程的修正可决系数明显增大,且当可决系数仅=O.1的时候,t0.05(27)=1.703使得各个参数的t检验都显著。
加入X3之后虽然有所增大,当但当可决系数为0.1的时候,参数的t检验不显著。
这说明X3引起多重共线性,应予以剔除。
最后修正多重共线性影响的回归结果为:
Yi=-2150.069+0.3684X1十0.7999X2—0.0376X4
t=(一6.3340)(6.4968)(2.1826)(-1.8313)
R²=0.9065F=87.2759
(四)异方差的检验与修正
采用怀特检验的估计结果如表7
WhiteHeteroskedasticityTest:
F-statistic
1.890015
Probability
0.113330
Obs*R-squared
12.62721
Probability
0.125336
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/09/11Time:
00:
16
Sample:
19011931
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1897429.
1621624.
1.170080
0.2545
X1
-565.8154
300.7768
-1.881180
0.0732
X1^2
0.021832
0.010428
2.093653
0.0480
X2
2450.374
1017.566
2.408075
0.0249
X2^2
-0.752603
0.293214
-2.566739
0.0176
X3
752.4474
418.2275
1.799134
0.0857
X3^2
-0.086521
0.049255
-1.756573
0.0929
X4
-250.0804
123.8407
-2.019371
0.0558
X4^2
0.008933
0.004790
1.865157
0.0756
R-squared
0.407329
Meandependentvar
226395.1
AdjustedR-squared
0.191813
S.D.dependentvar
441254.8
S.E.ofregression
396684.6
Akaikeinfocriterion
28.85737
Sumsquaredresid
3.46E+12
Schwarzcriterion
29.27369
Loglikelihood
-438.2893
F-statistic
1.890015
Durbin-Watsonstat
1.520036
Prob(F-statistic)
0.113330
由表7可以看出Obs*R-squared=12.62721<16.919所以不拒绝原假设.表明模型方程不存在异方差性。
六、自相关检验与修正
对样本量为31、三个解释变量的模型,在0.05的显著性水平下.查DW统计表可知dL=1.229.dlx=1.65,模型中DW=2.188557,dlxYi=-2150.069+0.3684X1十0.7999X2—0.0376X4
t=(一6.3340)(6.4968)(2.1826)(-1.8313)
R²=0.9065F=87.2759
其经济意义为:
在假定其他变量不变的情况下,人均可支配收入每增加1元,商品房销售价格就增加0.3684元:
在假定其他变量不变的情况下,房屋平均造价每增加1元,商品房售价就增加0.7999元,在假定其他变量不变的情况下,房屋房屋竣工面积面积每增加1万平方米商品房售价就减少0.0376元
结论:
经检验结果表明,人均可支配收入、房屋平均造价、房屋竣工面积对房价具有显著性的影响。
其中人均可支配收入和房屋造价对房价具有正相关的关系,房屋竣工面积与房价具有负相关的关系。
面对我国房价飞涨的局面,这个模型对于如何解决我国目前房地产市场价格居高不下的问题,对于提高城镇居民生活水平、缓解社会矛盾、保持经济持续发展具有重要意义。
政策建议
一、最高限价法的调控
地方政府在土地拍卖时,明确所建房产的房价上限,然后在此基础上以价高者购得。
这样有利于资源更合理的分配,房地产开发商不能再盲目抬高拍卖价格,而必须进行开发核算,这样一来土地开发权将流入到具有开发成本和开发质量优势的开发商手中,这不仅可以很好的遏制房价而且还可以提高资源利用率。
当然最高限价法调控政策是一剂猛药,使用需谨慎。
二、政府必须加快廉租房和保障房建设
我国正处于工业化和城市化高速发展的时期,房地产需求旺盛。
住房需求是人类的基本需求,保障人民的住房需求是政府的职责所在。
在商品房价格水平较高的情况下,政府需要加大廉租房和保障房建设力度,发挥公共财政职能,为中低收入者提供公共产品性质的住房,保障居民的住房需求。
参考文献:
[1]庞皓.2007计量经济学[M].北京:
经济科学出版社.
[2]张晓峒.2004计量经济软件Views使用指南[M].天津:
南开大学出版社.
[3]王维国.2002计量经济学[M].大连:
东北财经大学
[4]国家统计局.2008中国统计年鉴.
[5]建设部政策研究中心课题组·怎样认识当前房地产市场形势[J]·中国房地产信息2004(12)
[6]沈悦、刘洪玉·住宅价格与经济基本面:
1995-2002年中国14城市的实证研究[J]·经济研究,2004(6).
[7]梁云芳等·房地产市场与国民经济协调发展的实证分析[J]·中国社会科学,2006(3).
[8]聂学峰·我国货币政策影响房地产市场的实证分析[J]·河南金融管理干部学院学报,2000(4).
[[9]何艳:
当前宏观调控对我国房地产业影响研究[J]·价格理论与实践,2006
(1).
[10]张琦·房地产投资与价格宏观调控效果如何[J]·经济管理,2006(21).
[11]程建胜·关于当前房地产宏观调控的几点思考[J]·中国金融,2007(16).
[12]格林:
计量经济分析[M]·北京:
清华大学出版社,2005.
[13]靳云汇,金赛男等·高级计量经济学[M]·北京:
北京大学出版社,2008.
[14]杨玉珍,文林峰·抑制房价过快上涨宏观调控政策实施效果评价及建议[J]·管理世界,2005(6).