《房地产价格影响因素实证分析》由会员分享，可在线阅读，更多相关《房地产价格影响因素实证分析（8页珍藏版）》请在金锄头文库上搜索。
1、房地产价格影响因素实证分析金融工程（2）谭红艳 40421104金融工程（2） 朱 敏 40421102一、 问题提出 房地产业是国民经济体系中的基础性、先导性行业,其运行质量直接影响到国民经济的健康发展，房地产价格问题由于与广大城镇居民的生活息息相关,因此一直是人们关注的焦点。中国从20世纪90年代开始选择市场经济的取向,中国的房地产市场也在20世纪90年代初期开始逐步形成。19912005年,中国房地产价格总体处于上升趋势,年均增长9.83%,远远超过同期居民可支配收入的增长率,因此,房地产价格成为人们经常诟病的主要对象。目前,国内关于房地产价格的研究大体上可以分为两类:第一类主要从微观视
2、角出发,分析经济变量、区位变量对房地产价格变动的影响。第二类研究主要从宏观视角研究经济基本面和政策变量对房地产价格的影响。房地产价格根本上取决于房地产供给和需求，而其供给、需求又受到价格之外的诸多因素的影响，本文将从顾客需求角度，通过分析顾客需求的变化来分析其对房地产价格的影响。二、 理论综述及模型的设定。1. 商品房是指房地产开发企业（单位）开发建设的供出售、出租用的住宅、厂房、仓库、饭店、度假村、写字楼、办公楼等房屋工程及其配套的服务设施。商品房的投资占房地产投资中的绝大部分，且大部分人所关注的房产价格为商品房价格，因此，我们主要研究商品房价格。即以商品房价格作为被解释变量。2. 人均可支
3、配收入。人均可支配收入是房地产需求的正函数，在其他因素不变时，收入越高，需求越大，导致房价上升。人均可支配收入增长所导致的房地产需求增长表现在三个方面：一是收入的增长加快积累的增长，使得潜在购买力变成现实购买力；二是收入的增长使得消费结构发生变化，房地产成为重要的消费对象，人们会用更好的住宅来代替原有住宅；三是收入的增长导致财富增长，进而对资产需求增加，刺激投资。房地产通常被看作一种资产，特别是在通货膨胀或其他资产预期收益率较低时，房地产是良好的投机工具。即人均可支配收入可作为商品房价格研究的一个解释变量。3. 城市化水平。城市化水平是城镇人口占总人口的比例。城市化进程的加速,迫切需要发展房地
4、产业,尤其是普通住宅和城市生活配套设施.城市化与房地产业之所以成为一对孪生“兄弟”,是因为住宅既是城市的功能要素,同时又是城市市民必不可少的、最昂贵的生活资料.到2001年底,我国城市人均住房建筑面积达20.8m,但也只相当于10年前中等收入国家的住房水平.世界各国的经验表明,一个国家在进入城市化加速发展阶段后,在人均住房建筑面积达到3035m前,该国将保持较为旺盛的住房需求.因此,城市化的进程无疑会影响到我国房地产的价格。对每年城市化水平的衡量，我们用该年城镇人口比上总人口数来衡量，作为商品房价格的第二个解释变量。因此，我们可以设定初始模型：其中，表示商品房价格，表示人均可支配收入，表示城市
5、化水平三、 数据的收集。本位获取了从1987年到2005年之间的共19个数据如表1所示。表1：年份商品房销售价格城镇居民平均每人可支配收入城市化水平1987408.18281 1002.10000 0.25320 1988502.90333 1180.20000 0.25810 1989573.49756 1373.90000 0.26210 1990704.33188 1510.20000 0.26410 1991786.19350 1700.60000 0.26940 1992994.65546 2026.60000 0.27460 19931291.45593 2577.40000 0.
6、27990 19941408.63859 3496.20000 0.28510 19951590.86320 4283.00000 0.29040 19961806.39891 4838.90000 0.30480 19971997.16132 5160.30000 0.31910 19982062.56941 5425.10000 0.33350 19992052.60004 5854.00000 0.34780 20002111.61391 6280.00000 0.36220 20012169.71863 6859.60000 0.37660 20022250.17758 7702.80
7、000 0.39090 20032359.49641 8472.20000 0.40530 20042713.90579 9421.60000 0.41760 20053167.65721 10493.03000 0.42990 资料来源：中经网统计数据库 中国统计年鉴四、 模型估计与调整模型最小二乘估计结果如下：表2：Dependent Variable: YMethod: Least SquaresDate: 06/19/07 Time: 18:41Sample: 1987 2005Included observations: 19VariableCoefficientStd. Error
8、t-StatisticProb. C2413.063774.99753.1136400.0067X10.4385750.0672596.5207150.0000X2-8852.4643365.538-2.6303270.0182R-squared0.970142 Mean dependent var1629.054Adjusted R-squared0.966410 S.D. dependent var800.2759S.E. of regression146.6707 Akaike info criterion12.95820Sum squared resid344196.6 Schwarz
9、 criterion13.10732Log likelihood-120.1029 F-statistic259.9387Durbin-Watson stat0.615478 Prob(F-statistic)0.000000从表2中可以看出，模型的参数检验和拟合优度检验均非常显著，但是x2系数为负，与实际经济意义不相符合。且DW=0.615，在显著性水平为0.05的情况下，查DW统计表知，因此，模型存在正的自相关，分析各变量的时间序列趋势图如下：图1： 图2：图3：可见x2有明显的分段现象，前面x2的系数估计结果只所以与经济意义不相符，可能是缺失了重要定性变量，因此我们可以试着引入虚拟变量，
10、从分段部分的时间来看，正好是1995年，引入虚拟变量D加入虚拟变量后模型变为：模型最小二乘估计结果为：表4：Dependent Variable: YMethod: Least SquaresDate: 06/19/07 Time: 19:17Sample: 1987 2005Included observations: 19VariableCoefficientStd. Errort-StatisticProb. C-3304.2511521.528-2.1716660.0476X10.2688930.0667534.0281770.0012X213559.836031.5662.24814
11、50.0412D4707.6631182.1423.9823180.0014D*X2-16391.854221.994-3.8824890.0017R-squared0.986480 Mean dependent var1629.054Adjusted R-squared0.982618 S.D. dependent var800.2759S.E. of regression105.5104 Akaike info criterion12.37643Sum squared resid155854.1 Schwarz criterion12.62497Log likelihood-112.576
12、1 F-statistic255.3819Durbin-Watson stat1.126917 Prob(F-statistic)0.000000由表3可以看出，x2的系数变为正的，与实际经济意义相符。 （1521.528） （0.0668） （6031.566） （1182.142） （4221.994） T= (-2.1717) (4.0282) （2.2481） （3.9823） （-3.8825）R2=0.9865 DW=1.1269 F=255.3819模型的伪回归检验：结果如下表5：表5ADF Test Statistic-4.168546 1% Critical Value*-3
13、.8877 5% Critical Value-3.0521 10% Critical Value-2.6672*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(E)Method: Least SquaresDate: 06/21/07 Time: 18:50Sample(adjusted): 1989 2005Included observations: 17 after adjusti
14、ng endpointsVariableCoefficientStd. Errort-StatisticProb. E(-1)-0.9784910.234732-4.1685460.0009D(E(-1)0.7721130.2286673.3765850.0045C2.50186117.599340.1421570.8890R-squared0.581162 Mean dependent var10.01235Adjusted R-squared0.521328 S.D. dependent var104.1471S.E. of regression72.05530 Akaike info criterion11.55153Sum squared resid72687.52 Schwarz criterion
