论文部分内容阅读
【摘 要】本文从房地产价格的相关理论出发，以建筑业贷款、房地产开发竣工房屋造价、商品房屋销售面积和商品房屋销售面积等为着手点，对影响房地产价格的因素进行分析。同时运用近8年房地产的相关数据建立多元线性回归模型，进一步从实证角度分析各因素对需求量的影响程度。
【关键词】房地产；价格；多元线性回归
一、引言
2002年以来，我国房地产市场价格上升幅度开始加快，其间不断出现房价在调控下不断快速上涨的现象。房地产投资具有开发周期长、投资大、受环境影响大和风险大的特点，只有科学地对房地产不断攀升的价格进行科学的分析，才能逐步对房地产市场进行有效调控。一般来说，商品房价格是由需求、供给及各种经济杠杆等因素来决定的，但在资本组合投资日益多样化的现代社会，商品房的价格还会受到债券及股票等金融资产等因素的影响，从而影响需求关系。因此，为了科学、客观分析商品房市场发展趋势并提出适当的预测，为有关部门的决策提供一定的科学依据，引入4项影响因素，利用多元线性回归分析建立商品房平均价格的数学模型，分析房价今后的走势。
二、理论模型分析
2.回归分析。回归分析就是对具有相关关系的变量之间数量变化的一般关系进行测定，确定一个相关的数学表达式，以便于进行估计或预测的统计方法。设x1，x2，x3，…xp是p个可以精确测量或可控制的变量。如果变量y与x1，x2，x3，…xp之间的内在联系是线性相关的，那么进行n次试验之后，则可得n组数据：（yi，xi1，xi2，…，xip），i=1，2，3，…，n。它们之间的关系可表示为：
2.相关分析。要对商品房销售均价影响因素进行多元回归分析，首先要分析商品房销售均价与各自变量的相关性，只有与商品房屋销售均价有一定相关性的自变量才能对房地产价格上涨进行解释。变量间的相关系数表如下：
由表2看出，商品房屋销售均价与建筑业贷款、房地产开发竣工房屋造价、商品住宅竣工面积、商品房屋销售面积均呈高度正相关，由此表明所选取的自变量是可以用来解释房地产价格上涨的。
3.多元回归分析。根据前面分析，可以初步确立模型形式为：y=c0+c1x1+c2x2+c3x3+c4x4。运用Excel对数据进行拟合，用最小二乘法进行估计，得回归方程为：
当N=8，K=4时，在0.05的显著性水平下，t分布临界值为2.3534，变量x1与x3不显著，并且x1的回归系数为负数，这与事实不符，综上推断可能存在多重共线性。由表2可以看出，变量x1，x2，x3，x4两两高度相关，所以确定模型存在多重共线性。为了达到较好的拟合效果，必须剔除不显著的变量以消除多重共线性的影响，这里我们选择逐个剔除法进行剔除。由式（1）可以看出，|t|值最小的不显著变量是x3，因此剔除x3，其余三个变量再建模型为：
当N=8，K=3时，在0.05的显著性水平下，t分布临界值为2.1318，变量x3仍不显著。由式（2）可以看出，|t|值最小的不显著变量是x1，因此剔除x1，其余两个变量再建模型为：
当N=8，K=2时，在0.05的显著性水平下，t分布临界值为2.015，所有变量均显著，t检验通过；F临界值为4.46，F检验通过，说明变量间呈高度线性，回归方程高度显著；R2=0.995997模型对样本数据的拟合程度很高。
4.结论。由上述分析可知，模型可最终确定为：y=82.3461
+1.339365x2+0.019973x4。其理论意义为：当其他因素不发生变化时，房地产开发竣工房屋造价每变动1元/平方米，商品房屋销售均价上涨1.339365元/平方米，房地产开发竣工房屋造价作为商品房屋销售均价上涨中最重要的构成因素，它的变化情况直接影响房地产价格的变动幅度；在其他因素不变的情况下，商品房屋销售面积每增加1万平方米，商品房屋销售均价上涨0.019973元/平方米，说明我国近年来商品房屋销售面积高速发展促进了房价的上涨。
参 考 文 献
[1]高波.现代房地产经济学导论.南京：南京人学出版社，2007
[2]乔志敏.房地产价格研究.北京：经济管理出版社，2002
[3]曹振良.房地产经济学通论.北京：北京大学出版社，2004
[4]贾俊平.统计学.北京：中国人民人学出版社，2003
[5]王浩.当前我国房地产调控政策的有效性分析.生产力研究.2011（10）
[6]高芳，崔永.多元线性回归分析在房地产市场中的应用.河南机电高等专科学校学报.2009（5），17：3
[7]梁学安.房地产投资供给量和需求量的多元回归预测分析.广东科技2009（4）：210
[8]刘继辉.基于多元线性回归分析房地产价格的影响因素.湖北工业大学学报
【关键词】房地产；价格；多元线性回归
一、引言
2002年以来，我国房地产市场价格上升幅度开始加快，其间不断出现房价在调控下不断快速上涨的现象。房地产投资具有开发周期长、投资大、受环境影响大和风险大的特点，只有科学地对房地产不断攀升的价格进行科学的分析，才能逐步对房地产市场进行有效调控。一般来说，商品房价格是由需求、供给及各种经济杠杆等因素来决定的，但在资本组合投资日益多样化的现代社会，商品房的价格还会受到债券及股票等金融资产等因素的影响，从而影响需求关系。因此，为了科学、客观分析商品房市场发展趋势并提出适当的预测，为有关部门的决策提供一定的科学依据，引入4项影响因素，利用多元线性回归分析建立商品房平均价格的数学模型，分析房价今后的走势。
二、理论模型分析
2.回归分析。回归分析就是对具有相关关系的变量之间数量变化的一般关系进行测定，确定一个相关的数学表达式，以便于进行估计或预测的统计方法。设x1，x2，x3，…xp是p个可以精确测量或可控制的变量。如果变量y与x1，x2，x3，…xp之间的内在联系是线性相关的，那么进行n次试验之后，则可得n组数据：（yi，xi1，xi2，…，xip），i=1，2，3，…，n。它们之间的关系可表示为：
2.相关分析。要对商品房销售均价影响因素进行多元回归分析，首先要分析商品房销售均价与各自变量的相关性，只有与商品房屋销售均价有一定相关性的自变量才能对房地产价格上涨进行解释。变量间的相关系数表如下：
由表2看出，商品房屋销售均价与建筑业贷款、房地产开发竣工房屋造价、商品住宅竣工面积、商品房屋销售面积均呈高度正相关，由此表明所选取的自变量是可以用来解释房地产价格上涨的。
3.多元回归分析。根据前面分析，可以初步确立模型形式为：y=c0+c1x1+c2x2+c3x3+c4x4。运用Excel对数据进行拟合，用最小二乘法进行估计，得回归方程为：
当N=8，K=4时，在0.05的显著性水平下，t分布临界值为2.3534，变量x1与x3不显著，并且x1的回归系数为负数，这与事实不符，综上推断可能存在多重共线性。由表2可以看出，变量x1，x2，x3，x4两两高度相关，所以确定模型存在多重共线性。为了达到较好的拟合效果，必须剔除不显著的变量以消除多重共线性的影响，这里我们选择逐个剔除法进行剔除。由式（1）可以看出，|t|值最小的不显著变量是x3，因此剔除x3，其余三个变量再建模型为：
当N=8，K=3时，在0.05的显著性水平下，t分布临界值为2.1318，变量x3仍不显著。由式（2）可以看出，|t|值最小的不显著变量是x1，因此剔除x1，其余两个变量再建模型为：
当N=8，K=2时，在0.05的显著性水平下，t分布临界值为2.015，所有变量均显著，t检验通过；F临界值为4.46，F检验通过，说明变量间呈高度线性，回归方程高度显著；R2=0.995997模型对样本数据的拟合程度很高。
4.结论。由上述分析可知，模型可最终确定为：y=82.3461
+1.339365x2+0.019973x4。其理论意义为：当其他因素不发生变化时，房地产开发竣工房屋造价每变动1元/平方米，商品房屋销售均价上涨1.339365元/平方米，房地产开发竣工房屋造价作为商品房屋销售均价上涨中最重要的构成因素，它的变化情况直接影响房地产价格的变动幅度；在其他因素不变的情况下，商品房屋销售面积每增加1万平方米，商品房屋销售均价上涨0.019973元/平方米，说明我国近年来商品房屋销售面积高速发展促进了房价的上涨。
参 考 文 献
[1]高波.现代房地产经济学导论.南京：南京人学出版社，2007
[2]乔志敏.房地产价格研究.北京：经济管理出版社，2002
[3]曹振良.房地产经济学通论.北京：北京大学出版社，2004
[4]贾俊平.统计学.北京：中国人民人学出版社，2003
[5]王浩.当前我国房地产调控政策的有效性分析.生产力研究.2011（10）
[6]高芳，崔永.多元线性回归分析在房地产市场中的应用.河南机电高等专科学校学报.2009（5），17：3
[7]梁学安.房地产投资供给量和需求量的多元回归预测分析.广东科技2009（4）：210
[8]刘继辉.基于多元线性回归分析房地产价格的影响因素.湖北工业大学学报