spss房地產(chǎn)分析標(biāo)準(zhǔn)

1、word北京市影響房地產(chǎn)市場(chǎng)的因素分析研究 武妍 202211511004摘要：本文運(yùn)用了北京20002009年的數(shù)據(jù)，分析了影響房地產(chǎn)開(kāi)展的因素，通過(guò)運(yùn)用因子分析和回歸分析，分析了北京市近幾年來(lái)房地產(chǎn)狀況，通過(guò)實(shí)證分析，有助于了解影響北京市房地產(chǎn)開(kāi)展的因素，并相應(yīng)的提出對(duì)策。關(guān)鍵詞：房地產(chǎn) 時(shí)間序列分析 回歸分析 價(jià)格上漲 一引言：隨著中國(guó)經(jīng)濟(jì)的開(kāi)展，GDP的增長(zhǎng)，其中房地產(chǎn)業(yè)作為國(guó)民經(jīng)濟(jì)新的增長(zhǎng)點(diǎn)，為中國(guó)經(jīng)濟(jì)的快速增長(zhǎng)做出了突出的奉獻(xiàn)，但是應(yīng)該注意的在其開(kāi)展過(guò)程中，出現(xiàn)了不健康的狀態(tài)，即這兩年說(shuō)的比擬多的泡沫經(jīng)濟(jì)，房子對(duì)人民是剛性需求，每個(gè)人生存都需要安居，而且隨著城市化進(jìn)程的開(kāi)展，在城市

2、買房的人越來(lái)越多，但是土地資源是有限的，怎么能平衡供求以及由于之前的不平衡導(dǎo)致的不合理房?jī)r(jià)上漲是個(gè)很令人深思的問(wèn)題。像是一線城市，例如北京、上海等地近幾年來(lái)房?jī)r(jià)上漲程度很大，盡管國(guó)家不斷出臺(tái)調(diào)控和打壓房?jī)r(jià)的各種政策，包括行政性的手段，但收效甚微，本文通過(guò)主成分分析法，因子分析和回歸分析，對(duì)北京市房地產(chǎn)市場(chǎng)價(jià)格的影響因素形成全面、客觀的認(rèn)識(shí)，為購(gòu)房者、開(kāi)發(fā)商的投資決策和地方政府的制定政策提供參考和建議。二數(shù)據(jù)的選取，模型的建立及實(shí)證分析本文選取的數(shù)據(jù)是20002009年北京市一些影響房地產(chǎn)的指標(biāo)，其中變量有常住人口，GDP,人均可支配收入，房地產(chǎn)開(kāi)發(fā)投資，施工面積，竣工面積，房地產(chǎn)銷售額，銷售均

3、價(jià)。本文所有的數(shù)據(jù)來(lái)自 北京統(tǒng)計(jì)年鑒 和 中國(guó)統(tǒng)計(jì)年鑒 ，另外還有其他影響因素，例如，經(jīng)濟(jì)周期，經(jīng)濟(jì)的增長(zhǎng)情況影響到投資者對(duì)未來(lái)的預(yù)期和居民的購(gòu)置力，決定了房地產(chǎn)市場(chǎng)的景氣程度；利率及金融環(huán)境銀行利率也會(huì)直接影響到房地產(chǎn)融資，較高的利率會(huì)增加房地產(chǎn)開(kāi)發(fā)和投資的財(cái)務(wù)負(fù)擔(dān)，使房地產(chǎn)交易行為受到抑制，從而影響到房地產(chǎn)價(jià)格而金融環(huán)境的好壞影響一個(gè)地區(qū)的經(jīng)濟(jì)開(kāi)展?fàn)顩r，進(jìn)而影響房地產(chǎn)交易的積極性，對(duì)房地產(chǎn)價(jià)格也會(huì)產(chǎn)生影響。另外還有社會(huì)穩(wěn)定狀況、住房制度、人們對(duì)房?jī)r(jià)預(yù)期因素等等1.時(shí)間序列的分析模型的識(shí)別：識(shí)別模型最有用的工具即對(duì)自身或者不同的相關(guān)函數(shù)序列作圖。序列圖是用spss base 系統(tǒng)中的序列圖程

4、序，可以水平或者垂直地作序列圖，可以選擇對(duì)序列自身作圖也可以作對(duì)數(shù)變換后作圖或?qū)π蛄兄信R近點(diǎn)間的差分值作圖。相關(guān)函數(shù)圖spss base 系統(tǒng)提供了作相關(guān)函數(shù)圖的便捷工具，同序列圖一樣，可以描述函數(shù)自身，函數(shù)的對(duì)數(shù)變換或者臨近點(diǎn)的差分析，并給出可信限，Viewer窗顯示了相關(guān)函數(shù)值和標(biāo)準(zhǔn)誤參數(shù)的設(shè)置;本文運(yùn)用了指數(shù)平滑法對(duì)近十年來(lái)房地產(chǎn)銷售偶價(jià)格進(jìn)行了分析。模型的診斷;判斷模型和觀察數(shù)據(jù)吻合的程度，此時(shí)，用殘差和可信區(qū)間序列估計(jì)模型的準(zhǔn)確性，用標(biāo)準(zhǔn)差和其他統(tǒng)計(jì)量判斷模型中的參數(shù)顯著性，spss base系統(tǒng)提供的標(biāo)準(zhǔn)化p-p圖和標(biāo)準(zhǔn)化q-q圖來(lái)判斷殘差的分布是否符合正態(tài)分布本文運(yùn)用指數(shù)平滑法通

5、過(guò)對(duì)序列中最新觀察值和早期觀察值賦予不同的權(quán)重，對(duì)序列進(jìn)行預(yù)測(cè)。以下是具體過(guò)程：Model DescriptionModel NameMOD_6Series or Sequence1銷售均價(jià)TransformationNoneNon-Seasonal Differencing0Seasonal Differencing0Length of Seasonal PeriodNo periodicityHorizontal Axis LabelsDate_Intervention OnsetsNoneReference LinesOverall meanArea Below the CurveNot

6、 filledApplying the model specifications from MOD_6 Case Processing Summary 銷售均價(jià)Series or Sequence Length10Number of Missing Values in the PlotUser-Missing0System-Missing0 由上圖可以看出銷售均價(jià)在這近十年來(lái)大體上呈上升趨勢(shì),且上升趨勢(shì)較大，房?jī)r(jià)從2022年才開(kāi)始有所下降,Model DescriptionModel NameMOD_5Series or Sequence1Error for 銷售均價(jià)from EXSMOOTH

7、, MOD_4 NN A .80TransformationNoneNon-Seasonal Differencing0Seasonal Differencing0Length of Seasonal PeriodNo periodicityHorizontal Axis LabelsDate_Intervention OnsetsNoneReference LinesOverall meanArea Below the CurveNot filledApplying the model specifications from MOD_5Case Processing Summary Erro

8、r for 銷售均價(jià)from EXSMOOTH, MOD_4 NN A .80Series or Sequence Length10Number of Missing Values in the PlotUser-Missing0System-Missing0上圖是殘差圖，可以看出沒(méi)有什么規(guī)律，所以可以模型可以進(jìn)行指數(shù)平滑法研究由以上實(shí)證分析后可以看出房地產(chǎn)價(jià)格在這幾年來(lái)上漲很快，結(jié)合實(shí)際，在2006年房?jī)r(jià)問(wèn)題已經(jīng)寫(xiě)入兩會(huì)中，國(guó)家對(duì)房地產(chǎn)問(wèn)題已經(jīng)予以重視，2022年金融危機(jī)使得房地產(chǎn)購(gòu)房需求得到抑制，加上國(guó)家在稅收、土地方面的政策房?jī)r(jià)有所下降，但是房地產(chǎn)市場(chǎng)仍然存在很多問(wèn)題等待解決 2Pear

9、son簡(jiǎn)單相關(guān)系數(shù)分析：這個(gè)系數(shù)是用來(lái)度量定距型變量之間的線性相關(guān)關(guān)系。以下是用spss進(jìn)行的銷售額與房地產(chǎn)開(kāi)發(fā)投資的分析，來(lái)研究?jī)烧咧g的相關(guān)關(guān)系. Correlations 商品房銷售額億元房地產(chǎn)開(kāi)發(fā)投資億元商品房銷售額億元 Pearson Correlation1.930(*)Sig. (2-tailed) .000N1010房地產(chǎn)開(kāi)發(fā)投資億元 Pearson Correlation.930(*)1Sig. (2-tailed).000 N1010* Correlation is significant at the 0.01 level (2-tailed).由上表可以看出房地產(chǎn)開(kāi)發(fā)投

10、資額與銷售額之間的簡(jiǎn)單線性系數(shù)為0.93，說(shuō)明兩者之間存在正的較強(qiáng)的相關(guān)性，相關(guān)系數(shù)檢驗(yàn)的概率p接近于0，故如果顯著性水平為0.05，應(yīng)該拒絕原假設(shè)，即兩者不是零相關(guān)的，是強(qiáng)的相關(guān)關(guān)系。故可知房地產(chǎn)的銷售額與近幾年房地產(chǎn)的大力開(kāi)發(fā)有很大的關(guān)系 3線性回歸分析通過(guò)運(yùn)用SPSS軟件對(duì)各個(gè)因素指標(biāo)值和商品房均價(jià)之間的關(guān)系進(jìn)行曲線擬合分析，發(fā)現(xiàn)自變量各指標(biāo)與因變量大致呈直線相關(guān)關(guān)系。因此確定房?jī)r(jià)影響因素的多元回歸模型為：在經(jīng)濟(jì)模型的建立中，由于各經(jīng)濟(jì)變量之間可能存在相關(guān)的趨勢(shì)，且由于條件限制，樣本資料的數(shù)據(jù)搜集得不夠多，因此模型變量間可能存在多重共線性。為了克服多重共線性，本文將采取逐步回歸法進(jìn)行回歸

11、分析。其根本思想是：從所有解釋變量中選取影響最為顯著的變量建立模型，然后將模型外的變量逐個(gè)引入模型并進(jìn)行顯著性檢驗(yàn)，直到原引入變量因后面變量的引入而變得不在顯著，再將其剔除。重復(fù)這一過(guò)程直到再無(wú)顯著變量被引入或剔除出回歸方程為止。根本參數(shù)：因變量y:商品房銷售額自變量:常住人口，GDP，人均可支配收入，房地產(chǎn)開(kāi)發(fā)投資，施工面積，竣工面積使用SPSS軟件進(jìn)行逐步多元回歸，結(jié)果如下所示Model Summary(c)ModelRR SquareAdjusted R SquareStd. Error of the Estimate1.990(a).979.977283.1172.997(b).994

12、.992163.069a Predictors: (Constant), GDP億元b Predictors: (Constant), GDP億元房地產(chǎn)開(kāi)發(fā)投資萬(wàn)元c Dependent Variable: 銷售均價(jià)元每平方米整個(gè)回歸分析分為兩步，第一步對(duì)GDP，復(fù)相關(guān)系數(shù)為0.990，判定系數(shù)為0.979，調(diào)整后的系數(shù),0.977，第二步是又引入房地產(chǎn)開(kāi)發(fā)投資這個(gè)變量，整個(gè)模型擬合優(yōu)度0.992較高，被解釋的變量可以被模型解釋的局部比擬多，不能被解釋的變量少ANOVA(c)Model Sum of SquaresdfMean SquareFSig.1 Regression Residual

13、Total2 Regression ResidualTotal30577447.123130577447.123381.479.000(a)641239.777880154.972 31218686.9009 31032546.037215516273.018583.504.000(b)186140.863726591.552 31218686.9009 a Predictors: (Constant), GDP億元b Predictors: (Constant), GDP億元房地產(chǎn)開(kāi)發(fā)投資萬(wàn)元c Dependent Variable:銷售均價(jià)元每平方米上圖為方差分析，模型的F統(tǒng)計(jì)量的P值接近

14、于0，小于顯著性水平0.05，因此自變量系數(shù)統(tǒng)計(jì)顯著，應(yīng)該拒絕原假設(shè)，即回歸系數(shù)不同時(shí)為0，被解釋變量和解釋變量全體的線性關(guān)系是顯著的，可以進(jìn)行線性分析 Coefficients(a)Model Unstandardized CoefficientsStandardized Coefficientst Sig. BStd. ErrorBeta1 (Constant)GDP(億元)3435.930228.305 15.050.000.582.030.99019.531.0002 (Constant) GDP(億元) 房地產(chǎn)開(kāi)發(fā)投資億元3760.175153.08524.563.000.845.0

15、661.43812.816.000-15.0893.647-.464-4.137.004a Dependent Variable: 銷售均價(jià)元每平方米上圖給出模型參數(shù)的值，并對(duì)顯著性進(jìn)行了檢驗(yàn)，模型常數(shù)項(xiàng)為3760.175，自變量的系數(shù)為0.845。如果顯著性水平為0.05的話，那么回歸系數(shù)顯著性檢驗(yàn)的概率p小于0.05，那么有y=3760.175+0.845GDP-15.089房地產(chǎn)開(kāi)發(fā)投資對(duì)模型進(jìn)行殘差正態(tài)性檢驗(yàn)，繪制出的p-p圖如下，可見(jiàn)，各點(diǎn)均勻分布在直線兩邊，說(shuō)明殘差符合正態(tài)分布。綜上可知，該回歸模型通過(guò)了擬合優(yōu)度檢驗(yàn)、顯著性檢驗(yàn)、多重共線性檢驗(yàn)與異方差的處理，殘差符合正態(tài)分布，具有

16、較好的擬合度和較高的解釋能力。從模型的函數(shù)公式來(lái)看，影響北京房?jī)r(jià)的GDP, GDP每平均增加1億元，其中房?jī)r(jià)平均增長(zhǎng)0.845元，房地產(chǎn)開(kāi)發(fā)投資每平均增加1萬(wàn)元，那么房?jī)r(jià)平均會(huì)下跌15.089元，因?yàn)檫@里假設(shè)需求一定，供給增加，那么價(jià)格會(huì)下跌。三結(jié)論和建議本文運(yùn)用了2000-2009年有關(guān)北京房地產(chǎn)數(shù)據(jù)，采用了時(shí)間序列分析，相關(guān)分析，線性回歸分析，由數(shù)據(jù)做出了實(shí)證分析，得到的結(jié)論和建議如下：由銷售額與房地產(chǎn)開(kāi)發(fā)投資的相關(guān)分析可知，兩者有密切關(guān)系，同時(shí)結(jié)合實(shí)際，近幾年來(lái)，北京市房地產(chǎn)開(kāi)發(fā)投資較大，好多人都涌入投資的行列，并有炒房團(tuán)不時(shí)時(shí)機(jī)的炒作使得房?jī)r(jià)上漲較快，所以，要嚴(yán)厲控制房地產(chǎn)投資，可以提

17、高投資門檻，國(guó)家應(yīng)該打破開(kāi)發(fā)商寡頭壟斷，合理的疏導(dǎo)商品房供求關(guān)系。而由回歸分析，北京作為首都一線城市，房地產(chǎn)市場(chǎng)價(jià)格已經(jīng)到了非理性的高位，要控制北京房地產(chǎn)市場(chǎng)的良好開(kāi)展，需要特別關(guān)注以下幾點(diǎn)：第一，要從土地供給這一根源問(wèn)題上把握好房地產(chǎn)市場(chǎng)供給的源頭多途徑的建設(shè)保障住房，明確用地指標(biāo)向經(jīng)濟(jì)適用房、廉租房、中低價(jià)位中小套型普通商品住房?jī)A斜。應(yīng)協(xié)調(diào)好保障性住房與商品住宅的關(guān)系，可以在商品房?jī)r(jià)格過(guò)高、上漲過(guò)快的城市進(jìn)行試點(diǎn)，適當(dāng)放寬經(jīng)濟(jì)適用房的供給范圍，由低收入向中等偏下收入家庭逐步擴(kuò)大，并與廉租住房有機(jī)銜接起來(lái)。第二，增強(qiáng)市場(chǎng)交易的透明度，營(yíng)造健康穩(wěn)定的市場(chǎng)環(huán)境，進(jìn)一步完善土地出讓制度，遏制房地產(chǎn)商過(guò)分投資，應(yīng)該促進(jìn)市場(chǎng)競(jìng)爭(zhēng)。第三，在資金來(lái)源方面，當(dāng)?shù)劂y行和金融監(jiān)管機(jī)構(gòu)應(yīng)做好房地產(chǎn)金融信貸管理。對(duì)于房地產(chǎn)開(kāi)發(fā)貸款，商業(yè)銀行應(yīng)嚴(yán)格