我国房地产价格影响因素的实证研究

郭永济 唐建民

【摘要】房地产业作为国民经济先导性、支柱性产业对国民经济发展起着举足轻重的作用。房地产价格不但关系到国家经济的健康稳定发展，而且与人们的利益切实相关。文中通过建立数学模型从供给、需求和宏观因素方面对我国房地产价格影响因素进行探究，希望能对我国房地产行业的健康发展起一定的帮助作用。

【关键词】房地产价格模型回归实证研究

一、变量选取及模型建立

笔者根据已有理论和实证研究结果从需求、供给和宏观因素来分析房地产价格的影响因素，构建出房价的理论模型。

（一）人口数量

中国庞大的人口基数推动了中国房地产业的快速发展。随着大量农民工进城，大学的扩招，这些因素导致城市人口不断增加，而人口的增加必将导致对住房需求的日益扩大，房地产的供给相对不足，因此导致房地产价格升高；由于人口数量增多而且比较集中，促进了当地其他产业的发展，从而也驱动房地产价格的上升。本部分用变量X1表示该指标。

（二）城市化率

自1995年城市化率突破30%后，2010年城市化率增长到50.32%，平均每年增加1.3个百分点，而1978～1990平均每年只有0.69个百分点。城市人口的增长给城市带来了很大的住宅压力，当年竣工面积难以满足新增城市人口的住宅需求，形成供不应求的状态，进而影响到房地产的价格并刺激房地产市场的投资。因此，城市化率在一定程度上也影响了房地产需求，进而影响房地产价格。本论文中用变量X2表示该指标。

（三）商品住宅销售情况

商品住宅的销售情况可通过商品住宅销售额指标反映。商品住宅的销售额反映人们对住房的需求情况，商品住宅的销售额越大，说明本期房地产需求量越大，人们在从众心理的作用下，会纷纷购置房地产。本论文中用X3表示衡量该指标的销售额。

（四）房地产企业本年经营总收入

房地产企业本年经营总收入会影响开发商当年或次年的总投入资金，继而影响当年或次年的供给量，因此，房地产企业本年经营总收入可作为影响房地产价格的指标之一，本论文中用变量X4表示该指标。

（五）通货膨胀率

通货膨胀的过程，会导致人们对于未来价格产生上涨预期，这一点会推动居民把银行里的存款换成实物（包括房产），因此通货膨胀也会影响房地产的价格，从而可将其作为影响房地产价格的指标。本论文中用X5表示该指标。

（六）货币（M1）供给量

我国金融市场不发达，市场机制不成熟，间接融资比例很高，房地产投资在相当大的程度上需要银行信贷资金支持。因而货币供应量(M1)将从供给方面影响房地产投资信贷规模，从需求方面影响购买水平。

根据以上分析，房价理论模型可表示为：

（1）

其中y表示房价，分别表示人口数量、城市化率、商品住宅销售额、房地产企业本年经营总收入、通货膨胀率、货币（M1）供给量。

二、我国房价的实证研究

（一）数据说明与数据处理

笔者选取1991-2010年年度数据位样本，研究我国房价相关的影响因素。数据来源为《中宏数据库》、《中国统计年鉴数据库》及《房地产金融年鉴》。

为了防止上述的多元回归是伪回归或虚假回归，首先我们对时间序列的平稳性进行检验，如果序列平稳则可以直接进行回归拟合，而对于非平稳的序列则还需要根据实际情况进行协整分析，并在此基础上建立相应的回归模型。

1.单位根检验

为了避免因为上述经济变量的非平稳性产生的伪回归，我们首先要采用单位根检验法来对数据的平稳性进行检验。一般来说单位根检验有DF、ADF法和PP法，本文采用ADF法对上述影响住房价格的各指标的时间序列进行单位根检验，其结果见表1。

从表1中ADF检验结果来看， 变量对数在5%的显著水平下都是不平稳的；对所有变量进行一阶差分后，再对其进行单位根ADF检验，一阶差分△LnX3、△LnX15仍然是不平稳的，其余变量一阶差分ADF检验的t统计量均小于显著性水平5%的临界值，拒绝原假设，表明至少可以在95%的置信水平下拒绝原假设，差分序列△LnY、△LnX1、△LnX3、△LnX4、△LnX6均不存在单位根，为平稳时间序列。因此， △LnY、△LnX1、△LnX3、△LnX4、△LnX6这5个序列具有相同的单整阶数，均为一阶单整I(1)过程。

2.协整检验

上述单位根检验表明变量△LnY、△LnX1、△LnX3、△LnX4、△LnX6序列都是一阶单整序列，对于同阶单整序列其可能存在协整关系。由于我们采用的是年度数据，在对变量做单位根检验时采用的差分方法，会使变量之间的长期关系的信息丢失，协整检验目的是判定变量之间是否存在着长期的经济联系。如果变量通过了协整检验，我们就说其间存在着长期的经济联系。对单整变量进行协整检验的方法很多，有菲利普斯- 配荣(Philips-Perron)PP方法的Zt统计量和Zρ统计量、ADF检验的t-统计量，Johansen检验等。本文采用Johansen协整检验方法，检验结果见表2。

设

表中R表示协整关系的个数，在5%的显著性水平拒绝R≤1的假设，即变量之间存在两个协整关系。

（二）回归模型

上述协整检验表明Y、X1、X3、 X4、 X6这5个变量之间存在一种长期的稳定关系，对此我们可以通过对其进行多元回归拟合，建立以Y为因变量，其他变量为自变量的多元线性回归方程（2）：

显然，模型的拟合度较好，R2和调整后的R2分别达到99.7796%和99.69%，经过因子分析和逐步回归分析，各变量的t统计量绝对值均大于临界值1.78，通过对模型的D.W.检验发现其统计量在2附近，所以不存在显著的自相关。这一回归模型比较理想，其结果表明，在1991—2010年期间，人口数量、住宅销售额、城市化、通货膨胀率、货币供给量等因素对我国房地产价格影响显著。与此同时，我们选用变量的对数进行线性回归模型，试图对上述变量间的数学关系进行拟合，但遗憾的是得到的模型拟合效果始终不理想。

（三）模型改进—误差修正(ECM)模型

经过前文的变量之间的协整分析可知，上述模型中的时间序列向量之间是协整的，也就是说从长期来看变量之间是具有均衡的关系。但上述建立的多元回归模型只提供变量间长期关系的信息，短期中由于会受到随即干扰的影响，这些变量有可能偏离均衡值，虽然这种偏离是暂时的，并且最终会回到均衡状态，但是这种短期动态的影响却无法从上述基于协整检验的回归模型中得到反映，正是基于上述模型的不足，我们对模型进行进一步的优化改进，对此，我们引入误差修正模型（ECM）模型，如下列公式（3）、（4）并借此研究各变量之间的长期稳定和短期动态变化的关系。

误差修正项系数分别为-1.31和-0.79，符合反向修正原则，表明短期的非均衡状态逐渐向长期的均衡状态趋近。从公式来看， 住房销售额和货币供给量在当期并不会对房地产价格产生显著的影响。而是在滞后一期后产生负相关。由此可见，房地产价格的短期变化可以分为两部分：一部分是短期住房销售额和货币供给量以及人们预期变动的影响；一部分是偏离长期均衡的影响。误差修正项的系数大小反映了对偏离长期均衡的调整力度。从系数来看，当短期波动偏离长期均衡的时候，将分别会以-1.31和-0.79的调整力度将非均衡状态拉回到均衡状态。

（四）方差分解

我们可以使用方差分解法通过求解扰动项对向量自回归模型预测均方误差的贡献度，了解各类因素对房地产价格的冲击作用，房地产价格的方差分解结果见表3。

从表中可以看出，随着我国房地产价格的不断攀升，住宅销售额对房地产价格的解释力度不断加大。长期而言除了人口基数的变动影响外，住宅销售额和货币供给量是影响房地产价格最重要的因素，分别解释68.3%和15.3%的房地产价格的变动，这一结果和我们的现实生活比较符合。

三、结论

本文建立了基于多元回归分析的住房价格影响因素模型，并对我国1991—2010年的时间序列数据进行实证分析。对影响房地产价格的影响因素进行了回归分析。得到以下结论：

（一）作为影响房地产价格需求因素的人口基数，对房价有较大的影响。

（二）作为影响我国住宅价格的供给因素中的房地产企业本年经营收入对房价有显著影响。

（三）影响我国住宅价格的宏观经济因素中，通货膨胀和货币供给量对房价存在显著影响。

（四）在对我国房地产价格的方差分解中发现，住宅销售额和货币供给量是对房地产价格的冲击作用最为显著。

参考文献

[1]王篙.大连市房地产价格影响因素研究[D].硕士学位论文，10-16，2010.

[2]周建军.我国房地产价格的影响因素及其合理性研究[J].商业研究，03：93一96，2009.

[3]刘晓静，宏观调控对我国房地产价格的影响分析[J].理论与实证，硕士学位论文，22-28，2009.

[4]熊艳.我国房地产价格影响因素研究[J].金融经济，2：35-37，2009.

[5]刘纪辉.基于多元线性回归分析房地产价格的影响因素[J].湖北工业大学学报，04：87-90，2008.

[6]易丹辉.数据分析与Eviews应用[M].中国统计出版社，2003.

[7]何晓群，刘文卿.应用回归分析[M].中国人民大学出版社，2007.

[8]蒋景，土地价格、房地产信贷规模对住宅价格影响的实证分析[J].建筑经济，12：44-46，2009.

[9]周建军.我国房地产价格的影响因素及其合理性研究[J].商业研究，03：93-96，2009.

作者简介：郭永济（1986-），男，河南新乡，桂林理工大学企业管理研究生，研究方向：市场营销；唐建民，男，研究方向：市场营销。

（责任编辑：赵春辉）