【浅析房地产价格影响因素实证分析5900字（论文）】

房地产价格影响因素实证分析研究目录TOC\o"1-3"\h\u3461引言 3209951文献综述 3236552房地产价格主要影响因素的确定及数据收集 449502.1主要影响因素的确定 448972.2数据收集 4289653房地产主要影响因素的回归分析 575153.1研究思路 5273023.2研究方法 6243064求解结果的检验与调整 6142624.1经济意义检验 6281274.2统计检验 796584.3计量经济学检验 7235744.4自相关性检验 8307764.5异方差性检验(white检验法) 9172355结果分析 9259186相关建议 1039636.1完善保障性住房供应，发展房屋租赁市场 10214286.2推动城市经济发展，提高居民收入水平 1195776.3实行从紧的信贷政策 1124475参考文献 13

引言房地产是我国国民经济的重要支柱，房地产业的发展关系我国经济的健康稳定发展，为了保障房地产业的稳定发展，就需要防止房价持续高涨的情况出现。但房地产具备不可移动、价值量大等特点，很容易受到政策等多种因素的影响，为了制定更为合理的房地产价格，需要对影响房地产价格的因素进行分析，并针对影响较大的因素采取相应的预防措施。房价的形成及变化是多种因素共同作用的结果，不同的因素对房价的影响程度和作用机理有很大的不同，各种效应交织在一起导致了房价的波动起伏。本文以住宅房地产价格作为研究对象，利用计量经济学的方法系统地定性分析了引起房价变动的因素。1文献综述20世纪90年代，外国学者专注于研究土地供应约束、土地价格和住房价格之间的关系。1990年，pollakowski和waachteWashington利用蒙哥马利县（MontgomeryCounty）数据进行的一项实证研究发现，土地供应限制对土地价格和住房价格具有溢出效应。由于更严格的土地使用限制，住房地价和土地价格都在上涨。1994年，Peng和Wheaton对香港1965至1990年间的土地供应约束溢出效应进行了计量分析。实证结果表明，土地供应的变化对土地价格、住房价格和住房供应有显著影响。他们认为，土地供应不足导致消费者预期土地更加稀缺，未来房价将上涨，从而减少住房供应，最终导致土地价格和房价上涨。2009年，Levin，Montangol和Wright)通过对英国的英格兰与威尔士等地区进行分析与对比，发现居民年龄结构的变化会极大地影响到居民在购买住房方面的需求结构，进而对房地产销售价格产生较大影响。2012年，Elod通过对欧洲不同国家的房地产价格进行研究和比较，结论表面人口数量的增加导致住房需求的提升，从而对房价的提升也有显著的影响。2001年，文达指出，我国房地产业的土地供应存在诸多问题，土地供应形式与土地所有权形式不相适应；现任政府激发了政府占领高垄断收入农田的冲动，以克服未来的资源；高房价对消费者消费具有“拥挤效应”。2004年，他认为土地价值变得越来越突出，支持了中国城市建设的快速发展，以及城市基础设施、服务和周边环境的发展。随着土地价值的反映，土地价格需要提高。土地价格的上涨反映了市场的供求情况。此外，较高的地价鼓励增加城市建设资金，城市发展与地价形成良性互动。面对2004年各地房地产价格持续上涨，建设部政策研究中心的研究结果认为，国家土地“招拍挂”制度存在明显缺陷，短期内容易推动地价上涨。目前房价上涨的主要原因是地价上涨。与上述观点不同，2003年，刘林和刘翔认为，从需求的角度来看，房价上涨导致了地价上涨，而地价上涨是导致房价上涨的一个因素；土地价格和住房价格在房地产市场运行过程中相互转换。2012年，王鹤利用1999．2009年我国房价的省级面板数据，结合广义空间面板模型，分析了我国东、西、中部各地区房价影响因素的共性与区别。2013年，陈胤辰、蒋国洲通过构建空间计量与特征价格模型研究了海南省城镇化程度的不断提升对房地产建设投资的推动及其对房地产销售变动的影响。同年，姚丽等深入研究了河南省新建住宅房价在构建空间计量模型的条件下是否具有空间相关性与集聚性。通过对现有文献进行研读与思考，我们发现当前学界对房地产价格的影响因素的探究依然有待完善。2房地产价格主要影响因素的确定及数据收集2.1主要影响因素的确定一般来说，影响房地产价格的因素很多，包括宏观经济因素、政策因素和文化因素。然而，在分析过程中，从政策因素和文化因素的复杂性出发，我们从人均可支配收入、居民消费价格指数、居民消费价格指数、狭义资金供给和人均实际GDP等经济学角度分析了影响房地产价格的量化因素。2.2数据收集为了提升数据分析的准确性，本文选择了1997-2018年的城镇居民人均可支配收入、居民消费价格指数、狭义货币供应量、人均实际GDP这四个变量的数据，用商品房屋销售价格(元/平方米)作为因变量，这四个变量分别为自变量，来分析自变量对因变量的影响作用。其中商品房屋销售价格(元/平方米)、城镇居民人均可支配收入(元)、居民消费价格指数、狭义货币供应量(亿元)、人均实际平均GDP(元)分别用Y、X1、X2、X3、X4表示。表11997-2018年房屋销售价格、居民消费价格指数等数据年份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房地产主要影响因素的回归分析3.1研究思路通过使用EVIEWS软件创建变量（y）和解释变量（X1、X2、X3、X4）的散射图，影响因素X1、X2、X3和X4随着房屋销售价格y的上升而增加，并且关系几乎是线性的。3.2研究方法参考商品房销售价格的各种影响因素和散点图，分析了四个变量X1、X2、X3和X4对商品房销售价格的影响，建立了多元线性回归公式，所建立的模型及其随机干扰项满足经典假设的要求。OLS方法估计参数，通过EVIEWS软件估计模型参数，得到下表所示的回归结果。表2一次多元线性回归结果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中的数据，模型估计的结果写为Y=42.9758-0.0100X1+2.2913X2+0.0077X3+0.4723X4R2=0.9950，R24求解结果的检验与调整4.1经济意义检验以往的结果显示，当城镇居民人均可支配收入(X1)、居民消费价格指数(X2)、狭义货币供应量(X3)、人均实际平均GDP（X4）这四个变量增加时，房屋销售价格(Y)都会出现相应的增长。因变量与每个自变量都存在正相关关系。但在本文的回归模型分析中，城镇居民人均可支配收入(X1)前的系数符号为负，说明该变量与房屋销售价格呈现负相关关系，这与以往的研究结果存在不一致的情况，从而认为该模型需要调整。4.2统计检验上述回归结果显示，不管是可决系数R2，还是修正的可决系数R2，都与1非常接近，进一步反映了模型有较高的拟合优度。X2、X3的t统计量值都通过了α=0.05的假设，进一步说明这两个值可以显著影响房屋销售价格。X4的P值为0.0674，大于0.05，虽然不够显著，但对结果的影响不大。X1的P值为0.8582，没有通过α=0.05的假设，表示城镇居民人均可支配收入4.3计量经济学检验X1、X2、X3、X4的相关系数如表3所示。从表3可知，各相关变量的相关性较强，从而表明多重共线性问题较为严重，采取逐步回归法的方法对所有变量进行回归分析发现，X1的P值均非常接近1，从而显著大于0.05，表示该变量对商品房价格的影响不显著。因此，需要将其剔除后重新进行回归分析，剔除后就得到了如下表4的结果。表3相关系数矩阵变量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修正的回归结果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从表4的结果可知，剔除掉因素X1后，R2和R2分别为0.995、0.9942，这进一步证明模型有较好的拟合度，F为1203.128，远大于临界值，进一步说明模型通过了F检验；其中，X2、X3和X4的P值分别为0.0022、0.0048、0.0033，均小于0.05，表示通过了α=0.05的假设，进一步说明，居民消费价格指数(X2)、狭义货币供应量(X3)、人均实际平均GDP（X4）这三个变量都会显著影响到商品房销售价格。根据这些结果，得出了如下的Y=61.58182+2.2405X2+0.0074X3+0.4451X44.4自相关性检验4.4.1DW检验法目前，样本的数量为22，模型的解释变量有居民消费价格指数(X2)、狭义货币供应量(X3)、人均实际平均GDP（X4）这三者，而且每个解释变量都通过了5%的显著性检验，dL=1.053，dU=1.664，通过查阅DW表可知，模型中的DW=1.8321，其比dL的值要大，从而说明所建模型不存在自相关问题。4.4.2Breusch-Godfrey检验(LM检验)在EVIEWS回归的输出结果中，点击“View/ResidualDiagnostics/SerialCorrelationLMTest”，在“lagstoinclude”中选取滞后阶数“2”，得到BG检验结果，如表5所示。表5BG检验结果F-Statistic0.46009Probability0.955159Obs*R-squared0.125802Probability0.929036从表5结果可知，nR2=0.1258<x0.052=5.9915，并且概率值P远大于0.054.4.3偏相关系数检验在方程窗口中点击View/ResidualTest/Correlogram-Q-statistics，并输入滞后期为12，利用EVIEWS软件计算偏相关系数，从而得到如下偏相关系数图。从下图可知，所有相关系数的直方块没有超过虚线部分，进一步说明所建模型不存在自相关，不需要进一步修正。图5偏相关系数4.5异方差性检验(white检验法)在方程窗口上点View\Residual\Test\WhiteHeteroskedastcity(nocrosstermsorcrossterms)，利用white检验法对回归模型进行异方差性检验，检验结果显示，nR2==9.5275。查x2分布表可知，x0.052(9)=5.9915，也就是说，nR表6White检验结果F-Statistic1.816256Probability0.163107Obs*R-squared9.257475Probability0.1596075结果分析本文建立回归模型后，分别对其进行经济意义检验、统计检验和计量经济学检验，每次检验后，逐步修正模型，并对最后修正后的模型进行自相关检验和异方差性的检验，得出修正后的额模型为：Y=61.58182+2.2405X2+0.0074X3+0.5551X4该模型表示，当居民消费价格指数每增加一个单位时，房屋的销售价格将上升2.2405元/平方米；当狭义货币供应量每增加1亿元时，房屋的销售价格将上升0.0074元/平方米；人均实际GDP每增加1元，房屋销售价格将上升0.5551元/平方米。这一结果还有有待进一步准确化，因为本文所选的样本数据只包括22年的数据，样本数据还不够多，而且没有考虑到利率、房屋购置价格等多种因素的影响，使得模型的可靠性与稳健性还有待商榷。本文以商品房销售价格为因变量，以城镇居民人均可支配收入、居民消费价格指数、狭义货币供应量、人均实际GDP这四个变量作为自变量，建立回归模型，从而分析这四个变量对商品房销售价格的影响。在分析的过程中，为了保障模型结果的准确性，先后对模型进行了经济意义检验、统计检验、计量经济学检验、自相关性检验、异方差性检验，从而逐步将其修正，最后得到了Y=61.58182+2.2405X2+0.0074X3+0.5551X4这一修正后的模型。从而认为，商品房销售价格与居民消费价格指数、狭义货币供应量、人均实际GDP这三个变量存在显著的正相关关系。为了将房价控制在合理的范围内，采取如下措施：居民消费价格指数可以综合反映城乡居民购买的各种消费品和服务价格水平变动情况的相对数，从而判断国家宏观经济运行情况，央行在改变利息率的时候会以此为依据，但利益率的变化会导致房地产价格发生变化，因此，居民消费价格会间接影响房价。对此，政府应采取一定的政策措施来合理调控消费价格指数，从而使得房价保持在正常水平范围内。狭义货币供应量的增加会改变国家货币供应量情况，属于国际宏观调控的一种方式，在居民财富效应和银行的信贷渠道效应等的影响下，房地产价格就会受到影响。因此，为了保障房价处于合理的范围内，政府需要采取一定的宏观调控措施来控制货币供给量。人均实际GDP可以从某种程度上代表我国的经济发展水平，当人均实际GDP出现增长时，人们有更多的钱购买房子，这也会促使房价的改变，但政府不该对人均实际GDP给予过多的抑制，只能在控制房价的过程中将这一影响因素考虑在内，从而采取合理的措施从其他方面来控制房价。6相关建议6.1完善保障性住房供应，发展房屋租赁市场随着社会经济的不断发展，居民对商品房的需求程度也会持续加大,政府应该大力完善廉租房保障机制，合理加快经济适用房建设速度，要扩大廉租房的适用范围，对经济适用房要严格定价,保证适用房真正做到“适用”。事实上，发展出租住房市场并不要求所有没有住房的人都能进入商业住房市场解决他们的住房问题，即使是在经济发展的背景下。租赁市场可以增加房地产市场的供应，减少对房地产的需求，抑制价格过度上涨。鼓励低收入和中等收入群体以财政补贴的形式出租住房，以满足住房需求。因此，应加强对租金市场的管理，包括通过立法，保护租户的合法权益，促进租金市场的健康发展。6.2推动城市经济发展，提高居民收入水平搞好城市规划，切实提高GDP和人均可支配收入水平，在改善郊区基础设施的基础上，重新布局政府机构、企业和居民，促进梅州经济发展。引导城市人口减少中心城市房价持续上涨的压力，在环境良好、房价水平较低的城市周围流动。同时，它有能力积极提高建筑生产率，降低建筑行业的建筑成本，并采用新的管理模式在城市中购买新房。那些希望居住在中心城市，以优化这些地区的经济发展环境，改善基础设施建设，发展区域优势产业，促进经济快速发展，提高居民收入水平的人，能够在附近购买住房，减少中心城市的住房需求。此外，要发展城市实体经济，增加就业机会，提高居民收入，提高社会保障能力，增加居民收入来源，提高生活质量，提高实际购买力。另一方面，适当的价格既能满足房地产开发商的利益追求，又能给