论文部分内容阅读
摘要：中国是一个人口大国，“住”是关系每一个国民的生存之需。房地产的稳定发展关乎到国计民生。本文主要以2013年全国各省份的房价为观测样本，通过建立以各地房价为因变量，其它影响房价的可能性因素为自变量的多元线性回归模型，进行量化分析，找出影响房价的主要因素，为政府进行宏观调控提供依据，为房地产开发商提供参考，为消费者提供信息。
关键词：房价 人均可支配收入 房屋施工面积 经济发展
一、经济背景及研究意义
中国自改革开放以来，国民经济不断发展，而房地产行业作为支撑国民经济发展的支柱型产业，在我国市场经济体制不断完善的条件下，已经成为国内不断升温的热点。2014年，我国股市行情发展大好，流动性资产的增多带动了国内经济的发展，房价开始不稳定并有不断飙升的迹象。为此，我们必须要深究其根，找出影响房价的主要原因，从最根本的基点切入，解决房价不稳定的状态，以达到一种平衡，来适应社会经济发展的需求，为国民谋福利。
二、文献综述
周艳（2009）通过对供求机制的分析来研究房价的影响因素；季方（2010）对影响我国房价的因素进行了主客体分析：主体是政府、房地产商和需求方，客体是地价、房地产的建造成本、房地产税费以及房地产不可移动的特性；石艳丽（2012）认为我国房价一直呈现居高不下状态的原因在于国内物价上涨快、房地产的刚性需求、政府制度的不完善以及考核机制短期化。本文主要通过研究经济发展方面的变量，与各地商品房平均售价进行模型的设定并改进，找出其中影响最大的因素，为有关部门提出部分合理建议。
三、实证分析
（一）模型设定
设定原模型为：y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+u
（二）变量选择
通过对国民经济发展状况和房地产实际情况的分析，我们可以先试图引入以下自变量：地区生产总值（GDP）、人均可支配收入、各地区人口、各地房屋施工面积。除了以上研究变量，其它影响房价的因素通过扰动项来反映。
Y=pri——各地商品房平均售价（元/平方米），x1=gdp——地区生产总值（亿元）， x2=inc——人均可支配收入（元），x3=pop——年末常住人口（万人），x4=squ——房屋施工面积（万平方米），x5=com——房地产开发企业个数（个），u——其它扰动项。
（三）方法选择
E-views中的OLS模型估计法
（四）分析过程
1、对被解释变量各地区商品房平均售价与各解释变量的总体回归得：
n=31 R2=0.89 F=40.637
由以上回归结果可以看出，各地人均可支配收入对房价的影响最大，而其它几个因变量的影响相对较小，我们通过E-views检测各解释变量间的相关性，结果如表1：
解释变量中的gdp、pop、squ和com的相关性比较大，squ与com的相关性最大，而inc与这几个变量的相关性都很低。
结合上述回归结果，为了更好的构建拟合模型，我们可以分别对pri做gdp、inc、pop、squ和com的回归，确定对pri影响最大的因素后，再顺次加入其它变量，模拟出最好的回归结果。
利用E-views做的回归结果可以看出：对房价影响最大的因素是各地人均可支配收入（inc），其它因素相对inc来说影响都比较小，所以我们以inc为基础解释变量，顺次加入其它几个因变量进行回归：其中加入squ这一解释变量后，inc和squ的显着性都明显增加，加入其它三个变量后虽然显着性也有所增加，但幅度没有加入squ的大，所以确定了两个解释变量inc和squ，再以此为基础，加入其它三个变量后，显着性非但没有提高，反而有的下降了，所以我们最终确定的解释变量为inc和squ，这也正和上述相关性检验相吻合：inc和squ的相关性较低。相应的回归模型如下：
2、异方差检验
由异方差检验中的B-P检验结果得知：上述回归结果确实存在异方差，所以我们需要消除或减弱异方差：将各变量变为对数形式后，异方差性消除，且常数项的值也变得相对较小，有利于实际分析，各解释变量的显着性没有多大改变。
3、自相关检验
将模型改为对数形式后，DW=2.07≈2，所以，自相关性检验通过，模型不存在自相关。
综合以上分析，我们确定的最终模型为：
四、模型分析
根据以上我们所确定的最终模型，可以得出下列结论：
（一）地区生产总值（GDP）不是影响各地房价最主要的因素
虽然GDP单个变量对房价确实有影响，但是当它和其它几个变量结合起来分析时，产生了较严重的多重共线性，且影响并没有预期那样大。
（二）人均可支配收入对各地房价的影响最大也最为显著
由模型可以看出：人均可支配收入增加1%，房价就会提高1.75%，这个因素的影响是很大的，超过了1∶1的增长比率，这也就意味着，如果基于市场自身的调节，则会导致人们的收入越多，房价上涨越迅猛。
（三）各地年末常住人口相对于其它因素来说，影响甚小
分析其原因，可能是因为各地流动人口不定，人口短暂的增加和减少并不会影响各地最初的人口数量，市场规模也不会有大幅度的变动。所以，人口对房价的影响不是太大。
（四）各地房屋施工面积是继人均可支配收入后对房价影响较大的因素
由模型可得出：房屋施工面积扩大1%，则房价就会降低0.07%。究其根本，各地区土地占有面积有限，分给房屋建设的土地更加有限。若房屋施工面积不断增加，那么单位住房面积的价值就会降低，总的房价就会下降。因此，二者成反比例变动。
五、结论及建议
房屋价格是关乎国民经济发展的重要影响指标。各地区房价揭示了中国各省份的经济发展水平与发展现状，代表了一个地区人民生活水平的高低和物质文化的富足程度。在中国现代化建设的今天，分析房价的影响因素对于政府作出合理决策、市场自动调节经济状况具有至关重要的作用。
（一）人均可支配收入是影响房价的最关键因素
它代表了国内居民购买住房最基本的能力，收入越多，居民的购买力越强。无论发展到什么年代，居民收入都体现了一国或一地区的经济发展水平，它不只是影响房价的重要因素，也是分析其它经济问题不可忽视的一大关键。因此，保持国民收入的稳定增长对于我国的经济发展至关重要。政府相关部门应当尽量使居民的收入呈现稳定增加的态势，控制好人均可支配收入的增加比例，这样就有利于市场自动调节房价的稳定，不至于出现房价短时间内的大幅度波动。
（二）房屋施工面积也是影响房价的主要因素
政府应尽力控制好各地区房屋修建面积，杜绝房地产商大量开发土地来进行房屋修建，以免出现房屋建设过多，残留诸多“空房”的现象。“空房”过多，不仅是对各地土地资源和空间的极大浪费，也是造成房屋掉价严重情况的导火索。因此，控制好房屋施工面积也有利于房价的稳定。
（三）做好政府与市场协调配合的工作
政府和市场都会对房价产生一定影响。若只是任由市场自动调节房价，则不利于房价的稳定；若只是由政府调节房价，则缺乏市场对经济的作用，不利于市场经济的发展。所以二者必须做好协调工作，发挥对经济（房价）的共同作用，共同促进我国国民经济的发展。
参考文献：
[1]中国统计局.中国统计年鉴[DB/OL].http：//www.stats.gov.cn/tjsj/ndsj/，2013
[2]周艳.我国房地产市场供求与房价关系的实证研究[D].湖南：湖南大学，2009
[3]季方.影响房价的主客体因素分析及房价调控对策[J].理论参考，2010
[4]周鸣.影响房价的因素分析.时代金融[J]，2012
（孟芷汀，1994年生，山西晋城人，山西财经大学统计学院）
关键词：房价 人均可支配收入 房屋施工面积 经济发展
一、经济背景及研究意义
中国自改革开放以来，国民经济不断发展，而房地产行业作为支撑国民经济发展的支柱型产业，在我国市场经济体制不断完善的条件下，已经成为国内不断升温的热点。2014年，我国股市行情发展大好，流动性资产的增多带动了国内经济的发展，房价开始不稳定并有不断飙升的迹象。为此，我们必须要深究其根，找出影响房价的主要原因，从最根本的基点切入，解决房价不稳定的状态，以达到一种平衡，来适应社会经济发展的需求，为国民谋福利。
二、文献综述
周艳（2009）通过对供求机制的分析来研究房价的影响因素；季方（2010）对影响我国房价的因素进行了主客体分析：主体是政府、房地产商和需求方，客体是地价、房地产的建造成本、房地产税费以及房地产不可移动的特性；石艳丽（2012）认为我国房价一直呈现居高不下状态的原因在于国内物价上涨快、房地产的刚性需求、政府制度的不完善以及考核机制短期化。本文主要通过研究经济发展方面的变量，与各地商品房平均售价进行模型的设定并改进，找出其中影响最大的因素，为有关部门提出部分合理建议。
三、实证分析
（一）模型设定
设定原模型为：y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+u
（二）变量选择
通过对国民经济发展状况和房地产实际情况的分析，我们可以先试图引入以下自变量：地区生产总值（GDP）、人均可支配收入、各地区人口、各地房屋施工面积。除了以上研究变量，其它影响房价的因素通过扰动项来反映。
Y=pri——各地商品房平均售价（元/平方米），x1=gdp——地区生产总值（亿元）， x2=inc——人均可支配收入（元），x3=pop——年末常住人口（万人），x4=squ——房屋施工面积（万平方米），x5=com——房地产开发企业个数（个），u——其它扰动项。
（三）方法选择
E-views中的OLS模型估计法
（四）分析过程
1、对被解释变量各地区商品房平均售价与各解释变量的总体回归得：
n=31 R2=0.89 F=40.637
由以上回归结果可以看出，各地人均可支配收入对房价的影响最大，而其它几个因变量的影响相对较小，我们通过E-views检测各解释变量间的相关性，结果如表1：
解释变量中的gdp、pop、squ和com的相关性比较大，squ与com的相关性最大，而inc与这几个变量的相关性都很低。
结合上述回归结果，为了更好的构建拟合模型，我们可以分别对pri做gdp、inc、pop、squ和com的回归，确定对pri影响最大的因素后，再顺次加入其它变量，模拟出最好的回归结果。
利用E-views做的回归结果可以看出：对房价影响最大的因素是各地人均可支配收入（inc），其它因素相对inc来说影响都比较小，所以我们以inc为基础解释变量，顺次加入其它几个因变量进行回归：其中加入squ这一解释变量后，inc和squ的显着性都明显增加，加入其它三个变量后虽然显着性也有所增加，但幅度没有加入squ的大，所以确定了两个解释变量inc和squ，再以此为基础，加入其它三个变量后，显着性非但没有提高，反而有的下降了，所以我们最终确定的解释变量为inc和squ，这也正和上述相关性检验相吻合：inc和squ的相关性较低。相应的回归模型如下：
2、异方差检验
由异方差检验中的B-P检验结果得知：上述回归结果确实存在异方差，所以我们需要消除或减弱异方差：将各变量变为对数形式后，异方差性消除，且常数项的值也变得相对较小，有利于实际分析，各解释变量的显着性没有多大改变。
3、自相关检验
将模型改为对数形式后，DW=2.07≈2，所以，自相关性检验通过，模型不存在自相关。
综合以上分析，我们确定的最终模型为：
四、模型分析
根据以上我们所确定的最终模型，可以得出下列结论：
（一）地区生产总值（GDP）不是影响各地房价最主要的因素
虽然GDP单个变量对房价确实有影响，但是当它和其它几个变量结合起来分析时，产生了较严重的多重共线性，且影响并没有预期那样大。
（二）人均可支配收入对各地房价的影响最大也最为显著
由模型可以看出：人均可支配收入增加1%，房价就会提高1.75%，这个因素的影响是很大的，超过了1∶1的增长比率，这也就意味着，如果基于市场自身的调节，则会导致人们的收入越多，房价上涨越迅猛。
（三）各地年末常住人口相对于其它因素来说，影响甚小
分析其原因，可能是因为各地流动人口不定，人口短暂的增加和减少并不会影响各地最初的人口数量，市场规模也不会有大幅度的变动。所以，人口对房价的影响不是太大。
（四）各地房屋施工面积是继人均可支配收入后对房价影响较大的因素
由模型可得出：房屋施工面积扩大1%，则房价就会降低0.07%。究其根本，各地区土地占有面积有限，分给房屋建设的土地更加有限。若房屋施工面积不断增加，那么单位住房面积的价值就会降低，总的房价就会下降。因此，二者成反比例变动。
五、结论及建议
房屋价格是关乎国民经济发展的重要影响指标。各地区房价揭示了中国各省份的经济发展水平与发展现状，代表了一个地区人民生活水平的高低和物质文化的富足程度。在中国现代化建设的今天，分析房价的影响因素对于政府作出合理决策、市场自动调节经济状况具有至关重要的作用。
（一）人均可支配收入是影响房价的最关键因素
它代表了国内居民购买住房最基本的能力，收入越多，居民的购买力越强。无论发展到什么年代，居民收入都体现了一国或一地区的经济发展水平，它不只是影响房价的重要因素，也是分析其它经济问题不可忽视的一大关键。因此，保持国民收入的稳定增长对于我国的经济发展至关重要。政府相关部门应当尽量使居民的收入呈现稳定增加的态势，控制好人均可支配收入的增加比例，这样就有利于市场自动调节房价的稳定，不至于出现房价短时间内的大幅度波动。
（二）房屋施工面积也是影响房价的主要因素
政府应尽力控制好各地区房屋修建面积，杜绝房地产商大量开发土地来进行房屋修建，以免出现房屋建设过多，残留诸多“空房”的现象。“空房”过多，不仅是对各地土地资源和空间的极大浪费，也是造成房屋掉价严重情况的导火索。因此，控制好房屋施工面积也有利于房价的稳定。
（三）做好政府与市场协调配合的工作
政府和市场都会对房价产生一定影响。若只是任由市场自动调节房价，则不利于房价的稳定；若只是由政府调节房价，则缺乏市场对经济的作用，不利于市场经济的发展。所以二者必须做好协调工作，发挥对经济（房价）的共同作用，共同促进我国国民经济的发展。
参考文献：
[1]中国统计局.中国统计年鉴[DB/OL].http：//www.stats.gov.cn/tjsj/ndsj/，2013
[2]周艳.我国房地产市场供求与房价关系的实证研究[D].湖南：湖南大学，2009
[3]季方.影响房价的主客体因素分析及房价调控对策[J].理论参考，2010
[4]周鸣.影响房价的因素分析.时代金融[J]，2012
（孟芷汀，1994年生，山西晋城人，山西财经大学统计学院）