房價(jià)的計(jì)量經(jīng)濟(jì)分析

房價(jià)的計(jì)量經(jīng)濟(jì)分析摘要：2015年以來全國整體的樓市銷售在政策不斷利好的刺激下，溫和回暖。2015年是國企改革深化的關(guān)鍵之年。雖然此前國企改革進(jìn)度總體來說低于預(yù)期，但從2015年年初至今，尤其是兩會以后，相關(guān)政策密集出臺，“1+N”國企改革文件出臺的預(yù)期逐漸加強(qiáng)。由于一線城市在經(jīng)濟(jì)增長、產(chǎn)業(yè)聚集以隨著政府一系列關(guān)于房地產(chǎn)政策的出臺，我國房地產(chǎn)行業(yè)出現(xiàn)回暖跡象，許多城市的房價(jià)都在上升期。2015年1至6月份，全國商品房銷售面積同比增長3.9%，而1至5月份為下降0.2%，熱點(diǎn)城市住宅交易量明顯上升。在住宅交易回暖的過程中，房地產(chǎn)市場出現(xiàn)新的運(yùn)行特征，將對房地產(chǎn)業(yè)數(shù)量型增長模式提出巨大挑戰(zhàn)，值得高度關(guān)注。關(guān)鍵詞：房價(jià)成本；計(jì)量假設(shè)檢驗(yàn)；擬合優(yōu)度1.引言近年以來，房地產(chǎn)業(yè)迅速發(fā)展，價(jià)格持續(xù)穩(wěn)定上漲，已遠(yuǎn)遠(yuǎn)超過一般人所能承受的經(jīng)濟(jì)能力。過高的房價(jià)有可能超出經(jīng)濟(jì)系統(tǒng)的承受能力，從而最終影響經(jīng)濟(jì)的穩(wěn)定。為此基于對我國房價(jià)上漲的成因分析，并有針對性地提出了解決房價(jià)問題的對策建議2.理論基礎(chǔ)房產(chǎn)是指建筑在土地上的各種房屋，包括住宅、廠房、倉庫和商業(yè)、服務(wù)、文化、教育、衛(wèi)生、體育以及辦公用房等。地產(chǎn)是指土地及其上下一定的空間，包括地下的各種基礎(chǔ)設(shè)施、地面道路等。房地產(chǎn)由于其自己的特點(diǎn)即位置的固定性和不可移動性，在經(jīng)濟(jì)學(xué)上又被稱為不動產(chǎn)?？梢杂腥N存在形態(tài)：即土地、建筑物、房地合一。根據(jù)經(jīng)濟(jì)學(xué)原理，商品的價(jià)格由供求變化決定。若供過于求，則價(jià)格下降，反之，價(jià)格上升。供給與需求理論就是通過協(xié)調(diào)供給與需求的關(guān)系以使產(chǎn)品達(dá)到一種均衡價(jià)格，住房作為一種商品，無非也是適用于這一原理的。對于住房來說，需求彈性較大，供給彈性較小。即當(dāng)住房價(jià)格變化時(shí)，住房供給的變化量較大，住房需求的變化量則較小。模型設(shè)定3.1數(shù)據(jù)來源現(xiàn)在我們以網(wǎng)上最近統(tǒng)計(jì)年鑒獲得的數(shù)據(jù)，選取30個(gè)省市的數(shù)據(jù)為例進(jìn)行分析。在Eviews軟件中選擇建立截面數(shù)據(jù)。現(xiàn)在我們以統(tǒng)計(jì)年鑒獲取的數(shù)據(jù)，選取31個(gè)省市的數(shù)據(jù)為例進(jìn)行分析。令Y=各地區(qū)房地產(chǎn)總額（萬元），X1=各地區(qū)房屋竣工面積（萬平方米），X2=各地區(qū)建筑業(yè)企業(yè)從業(yè)人員（人），X3=各地區(qū)建筑業(yè)勞動生產(chǎn)率（元/人），X4=各地區(qū)人均住宅面積（平方米），X5=各地區(qū)人均可支配收入（元）。數(shù)據(jù)如下：表3.1影響建筑業(yè)總產(chǎn)值的因素分析表地區(qū)YX1X2X3X4X5北京126985214254.8129961.0569767.024.771413882.62天津52084021465.8147063.0238957.023.0957010312.91河北77993134748.370048.0989317.023.167107239.060山西54012791313.389151.00591276.022.996807005.030內(nèi)蒙古25765751450.761074.00265953.020.053107012.900遼寧101707943957.182496.00966790.020.235107240.580吉林34692811626.877486.00303837.020.705907005.170黑龍江44018782181.368033.00441518.020.492006678.900上海119580343609.2153910.0505185.029.3453014867.49江蘇2794935417730.0100569.0272700624.435309262.460浙江3127277916183.9127430.0242935231.0233013179.53安徽62270734017.666407.00910691.020.754806778.030福建54934412952.1108288.0553611.030.298709999.540江西35933562750.970826.00574705.022.619806901.420山東148136189139.860728.002072530.24.480808399.910河南63452173433.666056.00932901.020.200906926.120湖北87299584840.881761.00104876322.902807321.980湖南81884024969.774553.00111910624.425807674.200廣東151632428105.0101932.0149282024.9328012380.43廣西28184661721.677472.00353700.024.173207785.040海南394053.0121.555361.0061210.0023.432007259.250重慶58620954939.669432.00817997.025.724408093.670四川122533748784.659748.002070534.26.358507041.870貴州2122907980.372152.00293310.018.194306569.230云南39679572248.769238.00522470.024.929407643.570西藏293427121.373205.0036593.0019.929908765.450陜西44043621580.093212.00410311.021.750506806.350甘肅22368601327.246857.00449409.021.113806657.240青海747325242.961046.00101501.019.105506745.320寧夏1080546578.761459.0088225.0022.255006530.480新疆31967741450.895835.00203375.020.781107173.540數(shù)據(jù)來源：以上數(shù)據(jù)來源于《統(tǒng)計(jì)年鑒》3.2模型建立(1)將各地區(qū)房地產(chǎn)總額作為因變量，各地區(qū)房屋竣工面積、各地區(qū)建筑企業(yè)從業(yè)人員、各地區(qū)建筑業(yè)的勞動生產(chǎn)率、各地區(qū)人均住宅面積和各地區(qū)人均可支配收入等作為自變量，構(gòu)建如下回歸分析模型:Y=

β0+β1X1+β2X2+β3X3+β4X4+β5X5+ui

上式中，Y=各地區(qū)房地產(chǎn)總額（萬元），X1=各地區(qū)房屋竣工面積（萬平方米），X2=各地區(qū)建筑業(yè)企業(yè)從業(yè)人員（人），X3=各地區(qū)建筑業(yè)勞動生產(chǎn)率（元/人），X4=各地區(qū)人均住宅面積（平方米），X5=各地區(qū)人均可支配收入（元）。(2)參數(shù)估計(jì)用Eviews計(jì)量經(jīng)濟(jì)學(xué)分析軟件作最小二乘回歸，分析結(jié)果如下：表3.2DependentVariable:YMethod:LeastSquaresDate:16/12/16Time:23:15Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.

C-2263053.1901129.-1.1903730.2451X11273.856232.09185.4885880.0000X242.8406515.627482.7413660.0111X31.6462191.3416391.2270210.2312X4-184910.4106259.9-1.7401700.0941X5495.6706208.96112.3720710.0257R-squared0.976861

Meandependentvar7446408.AdjustedR-squared0.972233

S.D.dependentvar7227629.S.E.ofregression1204375.

Akaikeinfocriterion31.01280Sumsquaredresid3.63E+13

Schwarzcriterion31.29035Loglikelihood-474.6985

Hannan-Quinncriter.31.10328F-statistic211.0825

Durbin-Watsonstat2.147458Prob(F-statistic)0.000000=-2263053+1273.85X1+42.8406X2+1.6462X3-18.49X4+495.67X5(1901129)(232.09)(15.62)(1.34)(106259)(208.96)T=（-1.19）（5.48）（2.74）（-2.15）（1.22）（-1.74）=0.9722F=211.0825n=313.3模型檢驗(yàn)及修正3.3.1經(jīng)濟(jì)意義檢驗(yàn)?zāi)Ｐ凸烙?jì)結(jié)果說明，假定在其他變量不變的前提下，房屋竣工面積每增長1萬平方米，平均來說,房地產(chǎn)總額會增長1273.85萬元；建筑業(yè)企業(yè)從業(yè)人員每增加1人，平均來說房地產(chǎn)總額會增長42.84062萬元；建筑業(yè)勞動生產(chǎn)率每增加1%，平均來說居民消費(fèi)會增加1.6462萬元。這與理論分析和經(jīng)驗(yàn)判斷基本一致。人均住宅面積每增加1平方米，平均來說房地產(chǎn)總額會減少18.49萬元；人均可支配收入每增加1元，平均來說房地產(chǎn)總額會增長495.67萬元。這與理論分析和經(jīng)驗(yàn)判斷相悖。統(tǒng)計(jì)檢驗(yàn)=1\*GB3①擬合優(yōu)度：由表3.2可知=0.9768，=0.9722，說明模型的樣本擬合性很強(qiáng)，反映了模型對樣本的擬合很好。=2\*GB3②F檢驗(yàn)：針對H0：β1=β2=β3=β4=β5=0，給定顯著性水平α=0.05，由表1.1得到P=0<0.05拒絕原假設(shè)，說明回歸方程顯著。即房屋竣工面積，建筑業(yè)企業(yè)從業(yè)人員，建筑業(yè)勞動生產(chǎn)率，人均住宅面積，人均可支配收入等變量聯(lián)合起來確實(shí)對房地產(chǎn)總額有顯著影響。=3\*GB3③t檢驗(yàn)：H0：βj=0(j=0，1，2，3，4，5，6)給定顯著性水平α=0.05，只有，X1，X2，X5的P值<0.05,這說明在顯著性水平α=0.05下，在其他解釋變量不變的情況下，房屋竣工面積，建筑業(yè)企業(yè)從業(yè)人員，人均可支配收入分別對房地產(chǎn)總產(chǎn)值有顯著影響。3.3.2多重共線性檢驗(yàn)及修正（1）利用方差擴(kuò)大因子對模型進(jìn)行檢驗(yàn)，結(jié)果如下：表3.3被解釋變量可決系數(shù)R的值方差擴(kuò)大因子VIF=1/1-X10.941516.66X20.67793.03X30.937514.28X40.49451.96X50.75804.13根據(jù)表3.3得出結(jié)果，X1，X3的輔助回歸得到的VIF大于10，表明模型存在多重共線性。(2)對多重共線性的處理利用逐步回歸修正問題 X1可決系數(shù)最大，以X1為基礎(chǔ)，依次引入其他變量，引入過程得到結(jié)果為：表3.4x1x2X3X4X5X1,x2t=26.75t=6.620.9684X1,x3t=7.21t=1.850.9278X1,x4t=2.7603t=-0.85210.9332X1,x5T=22.95t=6.020.9647通過逐步回歸保留了可決系數(shù)較高并且通過顯著性檢驗(yàn)的變量，所以最后的模型估計(jì)結(jié)果為：表3.5DependentVariable:YMethod:LeastSquaresDate:16/12/16Time:23:20Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.

C-3711880.765709.2-4.8476370.0000X11547.35457.8319726.756040.0000X260.575779.1368996.6297950.0000R-squared0.970594

Meandependentvar7446408.AdjustedR-squared0.968493

S.D.dependentvar7227629.S.E.ofregression1282914.

Akaikeinfocriterion31.05893Sumsquaredresid4.61E+13

Schwarzcriterion31.19771Loglikelihood-478.4134

Hannan-Quinncriter.31.10417F-statistic462.0886

Durbin-Watsonstat2.098685Prob(F-statistic)0.000000通過逐步回歸保留了可決系數(shù)較高并且通過顯著性檢驗(yàn)的變量，所以最后的模型估計(jì)結(jié)果為：=-3711880+1547.35x1+60.57x2(765709.2)(57.8319)(9.136899)t=(-4.8476)(26.756)(6.629795)=0.9705=0.9684n=313.3.3異方差檢驗(yàn)表3.6WhiteHeteroskedasticityTest:F-statistic1.742532

Probability0.161697Obs*R-squared8.011602

Probability0.155597TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:16/12/16Time:23:20Sample:131Includedobservations:31F-statistic1.742532

Prob.F(5,25)0.1617Obs*R-squared8.011602

Prob.Chi-Square(5)0.1556ScaledexplainedSS5.949920

Prob.Chi-Square(5)0.3111TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:16/12/16Time:23:21Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.

C-3.19E+124.46E+12-0.7158550.4807X11.15E+083.54E+080.3249150.7479X1^23913.00420466.630.1911890.8499X1*X2-756.30894598.986-0.1644510.8707X269425884952903000.7285720.4730X2^2-184.1939462.0769-0.3986220.6936R-squared0.258439

Meandependentvar1.49E+12AdjustedR-squared0.110127

S.D.dependentvar2.04E+12S.E.ofregression1.92E+12

Akaikeinfocriterion59.58019Sumsquaredresid9.25E+25

Schwarzcriterion59.85774Loglikelihood-917.4929

Hannan-Quinncriter.59.67066F-statistic1.742532

Du