【淺析房地產(chǎn)價格影響因素實證分析5900字（論文）】

房地產(chǎn)價格影響因素實證分析研究目錄TOC\o"1-3"\h\u3461引言 3209951文獻(xiàn)綜述 3236552房地產(chǎn)價格主要影響因素的確定及數(shù)據(jù)收集 449502.1主要影響因素的確定 448972.2數(shù)據(jù)收集 4289653房地產(chǎn)主要影響因素的回歸分析 575153.1研究思路 5273023.2研究方法 6243064求解結(jié)果的檢驗與調(diào)整 6142624.1經(jīng)濟(jì)意義檢驗 6281274.2統(tǒng)計檢驗 796584.3計量經(jīng)濟(jì)學(xué)檢驗 7235744.4自相關(guān)性檢驗 8307764.5異方差性檢驗(white檢驗法) 9172355結(jié)果分析 9259186相關(guān)建議 1039636.1完善保障性住房供應(yīng)，發(fā)展房屋租賃市場 10214286.2推動城市經(jīng)濟(jì)發(fā)展，提高居民收入水平 1195776.3實行從緊的信貸政策 1124475參考文獻(xiàn) 13

引言房地產(chǎn)是我國國民經(jīng)濟(jì)的重要支柱，房地產(chǎn)業(yè)的發(fā)展關(guān)系我國經(jīng)濟(jì)的健康穩(wěn)定發(fā)展，為了保障房地產(chǎn)業(yè)的穩(wěn)定發(fā)展，就需要防止房價持續(xù)高漲的情況出現(xiàn)。但房地產(chǎn)具備不可移動、價值量大等特點，很容易受到政策等多種因素的影響，為了制定更為合理的房地產(chǎn)價格，需要對影響房地產(chǎn)價格的因素進(jìn)行分析，并針對影響較大的因素采取相應(yīng)的預(yù)防措施。房價的形成及變化是多種因素共同作用的結(jié)果，不同的因素對房價的影響程度和作用機(jī)理有很大的不同，各種效應(yīng)交織在一起導(dǎo)致了房價的波動起伏。本文以住宅房地產(chǎn)價格作為研究對象，利用計量經(jīng)濟(jì)學(xué)的方法系統(tǒng)地定性分析了引起房價變動的因素。1文獻(xiàn)綜述20世紀(jì)90年代，外國學(xué)者專注于研究土地供應(yīng)約束、土地價格和住房價格之間的關(guān)系。1990年，pollakowski和waachteWashington利用蒙哥馬利縣（MontgomeryCounty）數(shù)據(jù)進(jìn)行的一項實證研究發(fā)現(xiàn)，土地供應(yīng)限制對土地價格和住房價格具有溢出效應(yīng)。由于更嚴(yán)格的土地使用限制，住房地價和土地價格都在上漲。1994年，Peng和Wheaton對香港1965至1990年間的土地供應(yīng)約束溢出效應(yīng)進(jìn)行了計量分析。實證結(jié)果表明，土地供應(yīng)的變化對土地價格、住房價格和住房供應(yīng)有顯著影響。他們認(rèn)為，土地供應(yīng)不足導(dǎo)致消費者預(yù)期土地更加稀缺，未來房價將上漲，從而減少住房供應(yīng)，最終導(dǎo)致土地價格和房價上漲。2009年，Levin，Montangol和Wright)通過對英國的英格蘭與威爾士等地區(qū)進(jìn)行分析與對比，發(fā)現(xiàn)居民年齡結(jié)構(gòu)的變化會極大地影響到居民在購買住房方面的需求結(jié)構(gòu)，進(jìn)而對房地產(chǎn)銷售價格產(chǎn)生較大影響。2012年，Elod通過對歐洲不同國家的房地產(chǎn)價格進(jìn)行研究和比較，結(jié)論表面人口數(shù)量的增加導(dǎo)致住房需求的提升，從而對房價的提升也有顯著的影響。2001年，文達(dá)指出，我國房地產(chǎn)業(yè)的土地供應(yīng)存在諸多問題，土地供應(yīng)形式與土地所有權(quán)形式不相適應(yīng)；現(xiàn)任政府激發(fā)了政府占領(lǐng)高壟斷收入農(nóng)田的沖動，以克服未來的資源；高房價對消費者消費具有“擁擠效應(yīng)”。2004年，他認(rèn)為土地價值變得越來越突出，支持了中國城市建設(shè)的快速發(fā)展，以及城市基礎(chǔ)設(shè)施、服務(wù)和周邊環(huán)境的發(fā)展。隨著土地價值的反映，土地價格需要提高。土地價格的上漲反映了市場的供求情況。此外，較高的地價鼓勵增加城市建設(shè)資金，城市發(fā)展與地價形成良性互動。面對2004年各地房地產(chǎn)價格持續(xù)上漲，建設(shè)部政策研究中心的研究結(jié)果認(rèn)為，國家土地“招拍掛”制度存在明顯缺陷，短期內(nèi)容易推動地價上漲。目前房價上漲的主要原因是地價上漲。與上述觀點不同，2003年，劉林和劉翔認(rèn)為，從需求的角度來看，房價上漲導(dǎo)致了地價上漲，而地價上漲是導(dǎo)致房價上漲的一個因素；土地價格和住房價格在房地產(chǎn)市場運行過程中相互轉(zhuǎn)換。2012年，王鶴利用1999．2009年我國房價的省級面板數(shù)據(jù)，結(jié)合廣義空間面板模型，分析了我國東、西、中部各地區(qū)房價影響因素的共性與區(qū)別。2013年，陳胤辰、蔣國洲通過構(gòu)建空間計量與特征價格模型研究了海南省城鎮(zhèn)化程度的不斷提升對房地產(chǎn)建設(shè)投資的推動及其對房地產(chǎn)銷售變動的影響。同年，姚麗等深入研究了河南省新建住宅房價在構(gòu)建空間計量模型的條件下是否具有空間相關(guān)性與集聚性。通過對現(xiàn)有文獻(xiàn)進(jìn)行研讀與思考，我們發(fā)現(xiàn)當(dāng)前學(xué)界對房地產(chǎn)價格的影響因素的探究依然有待完善。2房地產(chǎn)價格主要影響因素的確定及數(shù)據(jù)收集2.1主要影響因素的確定一般來說，影響房地產(chǎn)價格的因素很多，包括宏觀經(jīng)濟(jì)因素、政策因素和文化因素。然而，在分析過程中，從政策因素和文化因素的復(fù)雜性出發(fā)，我們從人均可支配收入、居民消費價格指數(shù)、居民消費價格指數(shù)、狹義資金供給和人均實際GDP等經(jīng)濟(jì)學(xué)角度分析了影響房地產(chǎn)價格的量化因素。2.2數(shù)據(jù)收集為了提升數(shù)據(jù)分析的準(zhǔn)確性，本文選擇了1997-2018年的城鎮(zhèn)居民人均可支配收入、居民消費價格指數(shù)、狹義貨幣供應(yīng)量、人均實際GDP這四個變量的數(shù)據(jù)，用商品房屋銷售價格(元/平方米)作為因變量，這四個變量分別為自變量，來分析自變量對因變量的影響作用。其中商品房屋銷售價格(元/平方米)、城鎮(zhèn)居民人均可支配收入(元)、居民消費價格指數(shù)、狹義貨幣供應(yīng)量(億元)、人均實際平均GDP(元)分別用Y、X1、X2、X3、X4表示。表11997-2018年房屋銷售價格、居民消費價格指數(shù)等數(shù)據(jù)年份19971998199920002001200220032004200520062007Y19972063205321122170225023592778316833673864X15160.35425585462806859.67702.88472.29421.61049311759.51378S.8X2441.9438.4432.2434437433.5438.7455.8464471493.6X334829.338953.745837.353147.259871.670881.884118.6959fi9.7107278.8126028152560X41316.641406.221500.321614.051735.371880.3420562249.952489.732789.723168.22年份20082009201020112012201320142015201620172018Y38004681503253575791623763236473720376148544X115780.817174.719109.421809.R24564.7269552884431195336163639639251X2522.7519536565579.7594.8594.8601.6610.8618.4701.5X3166217.1221445.8266621.5289847.7308664.2337291352169380596410261439502459120X43455.723755.414127.754487.954810.175155.095306.915562.485819.746052.636317.023房地產(chǎn)主要影響因素的回歸分析3.1研究思路通過使用EVIEWS軟件創(chuàng)建變量（y）和解釋變量（X1、X2、X3、X4）的散射圖，影響因素X1、X2、X3和X4隨著房屋銷售價格y的上升而增加，并且關(guān)系幾乎是線性的。3.2研究方法參考商品房銷售價格的各種影響因素和散點圖，分析了四個變量X1、X2、X3和X4對商品房銷售價格的影響，建立了多元線性回歸公式，所建立的模型及其隨機(jī)干擾項滿足經(jīng)典假設(shè)的要求。OLS方法估計參數(shù)，通過EVIEWS軟件估計模型參數(shù)，得到下表所示的回歸結(jié)果。表2一次多元線性回歸結(jié)果VariahleCoefficientStd.Errort-StatisticProb.C42.97580236.98430.1813450.8582X1-0.0099780.0530310O.8530X22.2913180.7645152.9970870.0081X30.0077050.0027822.76972fi0.0131X40.4722950.2417121.9539600.0674R-squared0.995048Meandependentvar3007.773AdjustedR-squared0.993883S.D.dependentvar1550.575S.E.ofregresssion121.2735Akaikeinfocriterion12.63069Sumsquaredresid250023.3Schwarzcriterion12.87865Loblikelihood-133.9376F-statistic853.9994Durbin-WatsonStat1.804115Prob(F-statistic)0.000000由表2中的數(shù)據(jù)，模型估計的結(jié)果寫為Y=42.9758-0.0100X1+2.2913X2+0.0077X3+0.4723X4R2=0.9950，R24求解結(jié)果的檢驗與調(diào)整4.1經(jīng)濟(jì)意義檢驗以往的結(jié)果顯示，當(dāng)城鎮(zhèn)居民人均可支配收入(X1)、居民消費價格指數(shù)(X2)、狹義貨幣供應(yīng)量(X3)、人均實際平均GDP（X4）這四個變量增加時，房屋銷售價格(Y)都會出現(xiàn)相應(yīng)的增長。因變量與每個自變量都存在正相關(guān)關(guān)系。但在本文的回歸模型分析中，城鎮(zhèn)居民人均可支配收入(X1)前的系數(shù)符號為負(fù)，說明該變量與房屋銷售價格呈現(xiàn)負(fù)相關(guān)關(guān)系，這與以往的研究結(jié)果存在不一致的情況，從而認(rèn)為該模型需要調(diào)整。4.2統(tǒng)計檢驗上述回歸結(jié)果顯示，不管是可決系數(shù)R2，還是修正的可決系數(shù)R2，都與1非常接近，進(jìn)一步反映了模型有較高的擬合優(yōu)度。X2、X3的t統(tǒng)計量值都通過了α=0.05的假設(shè)，進(jìn)一步說明這兩個值可以顯著影響房屋銷售價格。X4的P值為0.0674，大于0.05，雖然不夠顯著，但對結(jié)果的影響不大。X1的P值為0.8582，沒有通過α=0.05的假設(shè)，表示城鎮(zhèn)居民人均可支配收入4.3計量經(jīng)濟(jì)學(xué)檢驗X1、X2、X3、X4的相關(guān)系數(shù)如表3所示。從表3可知，各相關(guān)變量的相關(guān)性較強(qiáng)，從而表明多重共線性問題較為嚴(yán)重，采取逐步回歸法的方法對所有變量進(jìn)行回歸分析發(fā)現(xiàn)，X1的P值均非常接近1，從而顯著大于0.05，表示該變量對商品房價格的影響不顯著。因此，需要將其剔除后重新進(jìn)行回歸分析，剔除后就得到了如下表4的結(jié)果。表3相關(guān)系數(shù)矩陣變量YX1X2X3X4Y0.9945780.9945780.8964310.9921290.995405X10.8964310.8844150.8844150.9939370.996420X20.9921290.9939371.0000000.8531730.885529X30.9954050.99fi4200.8531731.0000000.992073X40.9945780.9945780.8855290.9920731.000000表4修正的回歸結(jié)果VariahleCoefficientStd.Errort-StatisticProb.C61.59176209.51810.2939210.8582X22.2405440.6958793.2197320.0022X30.0073950.0021813.3901640.0048X40.4450710.1883652.3628140.0033R-squared0.995038Meandependentvar3007.773AdjustedR-squared0.994211S.D.dependentvar1550.575S.E.ofregresssion117.9793Akaikeinfocriterion12.63069Sumsquaredresid250544.0Schwarzcriterion12.87865Loblikelihood-133.9fi05F-statistic1203.128Durbin-WatsonStat1.832070Prob(F-statistic)0.000000從表4的結(jié)果可知，剔除掉因素X1后，R2和R2分別為0.995、0.9942，這進(jìn)一步證明模型有較好的擬合度，F(xiàn)為1203.128，遠(yuǎn)大于臨界值，進(jìn)一步說明模型通過了F檢驗；其中，X2、X3和X4的P值分別為0.0022、0.0048、0.0033，均小于0.05，表示通過了α=0.05的假設(shè)，進(jìn)一步說明，居民消費價格指數(shù)(X2)、狹義貨幣供應(yīng)量(X3)、人均實際平均GDP（X4）這三個變量都會顯著影響到商品房銷售價格。根據(jù)這些結(jié)果，得出了如下的Y=61.58182+2.2405X2+0.0074X3+0.4451X44.4自相關(guān)性檢驗4.4.1DW檢驗法目前，樣本的數(shù)量為22，模型的解釋變量有居民消費價格指數(shù)(X2)、狹義貨幣供應(yīng)量(X3)、人均實際平均GDP（X4）這三者，而且每個解釋變量都通過了5%的顯著性檢驗，dL=1.053，dU=1.664，通過查閱DW表可知，模型中的DW=1.8321，其比dL的值要大，從而說明所建模型不存在自相關(guān)問題。4.4.2Breusch-Godfrey檢驗(LM檢驗)在EVIEWS回歸的輸出結(jié)果中，點擊“View/ResidualDiagnostics/SerialCorrelationLMTest”，在“l(fā)agstoinclude”中選取滯后階數(shù)“2”，得到BG檢驗結(jié)果，如表5所示。表5BG檢驗結(jié)果F-Statistic0.46009Probability0.955159Obs*R-squared0.125802Probability0.929036從表5結(jié)果可知，nR2=0.1258<x0.052=5.9915，并且概率值P遠(yuǎn)大于0.054.4.3偏相關(guān)系數(shù)檢驗在方程窗口中點擊View/ResidualTest/Correlogram-Q-statistics，并輸入滯后期為12，利用EVIEWS軟件計算偏相關(guān)系數(shù)，從而得到如下偏相關(guān)系數(shù)圖。從下圖可知，所有相關(guān)系數(shù)的直方塊沒有超過虛線部分，進(jìn)一步說明所建模型不存在自相關(guān)，不需要進(jìn)一步修正。圖5偏相關(guān)系數(shù)4.5異方差性檢驗(white檢驗法)在方程窗口上點View\Residual\Test\WhiteHeteroskedastcity(nocrosstermsorcrossterms)，利用white檢驗法對回歸模型進(jìn)行異方差性檢驗，檢驗結(jié)果顯示，nR2==9.5275。查x2分布表可知，x0.052(9)=5.9915，也就是說，nR表6White檢驗結(jié)果F-Statistic1.816256Probability0.163107Obs*R-squared9.257475Probability0.1596075結(jié)果分析本文建立回歸模型后，分別對其進(jìn)行經(jīng)濟(jì)意義檢驗、統(tǒng)計檢驗和計量經(jīng)濟(jì)學(xué)檢驗，每次檢驗后，逐步修正模型，并對最后修正后的模型進(jìn)行自相關(guān)檢驗和異方差性的檢驗，得出修正后的額模型為：Y=61.58182+2.2405X2+0.0074X3+0.5551X4該模型表示，當(dāng)居民消費價格指數(shù)每增加一個單位時，房屋的銷售價格將上升2.2405元/平方米；當(dāng)狹義貨幣供應(yīng)量每增加1億元時，房屋的銷售價格將上升0.0074元/平方米；人均實際GDP每增加1元，房屋銷售價格將上升0.5551元/平方米。這一結(jié)果還有有待進(jìn)一步準(zhǔn)確化，因為本文所選的樣本數(shù)據(jù)只包括22年的數(shù)據(jù)，樣本數(shù)據(jù)還不夠多，而且沒有考慮到利率、房屋購置價格等多種因素的影響，使得模型的可靠性與穩(wěn)健性還有待商榷。本文以商品房銷售價格為因變量，以城鎮(zhèn)居民人均可支配收入、居民消費價格指數(shù)、狹義貨幣供應(yīng)量、人均實際GDP這四個變量作為自變量，建立回歸模型，從而分析這四個變量對商品房銷售價格的影響。在分析的過程中，為了保障模型結(jié)果的準(zhǔn)確性，先后對模型進(jìn)行了經(jīng)濟(jì)意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟(jì)學(xué)檢驗、自相關(guān)性檢驗、異方差性檢驗，從而逐步將其修正，最后得到了Y=61.58182+2.2405X2+0.0074X3+0.5551X4這一修正后的模型。從而認(rèn)為，商品房銷售價格與居民消費價格指數(shù)、狹義貨幣供應(yīng)量、人均實際GDP這三個變量存在顯著的正相關(guān)關(guān)系。為了將房價控制在合理的范圍內(nèi)，采取如下措施：居民消費價格指數(shù)可以綜合反映城鄉(xiāng)居民購買的各種消費品和服務(wù)價格水平變動情況的相對數(shù)，從而判斷國家宏觀經(jīng)濟(jì)運行情況，央行在改變利息率的時候會以此為依據(jù)，但利益率的變化會導(dǎo)致房地產(chǎn)價格發(fā)生變化，因此，居民消費價格會間接影響房價。對此，政府應(yīng)采取一定的政策措施來合理調(diào)控消費價格指數(shù)，從而使得房價保持在正常水平范圍內(nèi)。狹義貨幣供應(yīng)量的增加會改變國家貨幣供應(yīng)量情況，屬于國際宏觀調(diào)控的一種方式，在居民財富效應(yīng)和銀行的信貸渠道效應(yīng)等的影響下，房地產(chǎn)價格就會受到影響。因此，為了保障房價處于合理的范圍內(nèi)，政府需要采取一定的宏觀調(diào)控措施來控制貨幣供給量。人均實際GDP可以從某種程度上代表我國的經(jīng)濟(jì)發(fā)展水平，當(dāng)人均實際GDP出現(xiàn)增長時，人們有更多的錢購買房子，這也會促使房價的改變，但政府不該對人均實際GDP給予過多的抑制，只能在控制房價的過程中將這一影響因素考慮在內(nèi)，從而采取合理的措施從其他方面來控制房價。6相關(guān)建議6.1完善保障性住房供應(yīng)，發(fā)展房屋租賃市場隨著社會經(jīng)濟(jì)的不斷發(fā)展，居民對商品房的需求程度也會持續(xù)加大,政府應(yīng)該大力完善廉租房保障機(jī)制，合理加快經(jīng)濟(jì)適用房建設(shè)速度，要擴(kuò)大廉租房的適用范圍，對經(jīng)濟(jì)適用房要嚴(yán)格定價,保證適用房真正做到“適用”。事實上，發(fā)展出租住房市場并不要求所有沒有住房的人都能進(jìn)入商業(yè)住房市場解決他們的住房問題，即使是在經(jīng)濟(jì)發(fā)展的背景下。租賃市場可以增加房地產(chǎn)市場的供應(yīng)，減少對房地產(chǎn)的需求，抑制價格過度上漲。鼓勵低收入和中等收入群體以財政補(bǔ)貼的形式出租住房，以滿足住房需求。因此，應(yīng)加強(qiáng)對租金市場的管理，包括通過立法，保護(hù)租戶的合法權(quán)益，促進(jìn)租金市場的健康發(fā)展。6.2推動城市經(jīng)濟(jì)發(fā)展，提高居民收入水平搞好城市規(guī)劃，切實提高GDP和人均可支配收入水平，在改善郊區(qū)基礎(chǔ)設(shè)施的基礎(chǔ)上，重新布局政府機(jī)構(gòu)、企業(yè)和居民，促進(jìn)梅州經(jīng)濟(jì)發(fā)展。引導(dǎo)城市人口減少中心城市房價持續(xù)上漲的壓力，在環(huán)境良好、房價水平較低的城市周圍流動。同時，它有能力積極提高建筑生產(chǎn)率，降低建筑行業(yè)的建筑成本，并采用新的管理模式在城市中購買新房。那些希望居住在中心城市，以優(yōu)化這些地區(qū)的經(jīng)濟(jì)發(fā)展環(huán)境，改善基礎(chǔ)設(shè)施建設(shè)，發(fā)展區(qū)域優(yōu)勢產(chǎn)業(yè)，促進(jìn)經(jīng)濟(jì)快速發(fā)展，提高居民收入水平的人，能夠在附近購買住房，減少中心城市的住房需求。此外，要發(fā)展城市實體經(jīng)濟(jì)，增加就業(yè)機(jī)會，提高居民收入，提高社會保障能力，增加居民收入來源，提高生活質(zhì)量，提高實際購買力。另一方面，適當(dāng)?shù)膬r格既能滿足房地產(chǎn)開發(fā)商的利益追求，又能給