范译文
摘要:以现代观点看来,房地产业是国民经济发展的支柱产业、主导产业和先导产业,因此房地产价格不仅与百姓的生活密切相关,而且还关系到城市的可持续发展与城市化进程,关注房价的变动具有非常重要的现实意义。本文通过对影响房地产价格的各种因素进行回归分析,将1998~2011年相关数据代入Eviews 软件,建立商品房定价的计量经济模型并得出相应结论。
关键词:商品房房价;房价收入比;房地产商
一、引言
统计数据显示,房地产投资的持续快速增长使得以商品住宅为主的房地产业成为国民经济的重要支柱产业,住房消费占我国城镇居民消费的比重越来越高,房地产发展对改善居民居住条件、加快城市建设都发挥了重要作用。然而,根据国家统计局公布的2013年3月份70个大中城市住宅销售价格指数的数据显示,其中环比指数下降的城市只有1个,同比指数下降的城市只有2个,房价居高不下。政府的房地产调控政策对商品房价格变动影响显著,因此首先需要识别在各种影响房价变动因素中到底哪些因素对房地产价格有显著影响。
二、变量选择与数据收集
1. 变量选择
选取商品房平均销售价格作为因变量,用Y来表示。依据国内外对商品房价格研究的通常方法,选取可能影响中国商品房价格的因素作为解释变量,分别为城镇居民家庭人均可支配收入(X1),城镇居民人均消费性支出(X2),国内生产总值(X3),商品零售价格指数(X4),居民消费价格指数(X5),房价收入比(X6),竣工房屋面积(X7),房地产开发投资(X8),房地产开发企业的个数(X9),以及政府房地产调控政策的影响,但这种影响无法具体计量,因此引入虚拟变量(X10),X10=1 宽松的调控政策0 紧缩的调控政策
依据所选定的变量设立模型的初步形式为
Y=α+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8X8+β9X9+β10X10+ε
其中α为截距项,β1、β2……X10分别为解释变量X1、X2、……X10的系数,表示每个解释变量对因变量的影响程度的大小ε随机变量,表示模型中解释变量之外的外生变量对因变量的冲击。
2. 数据的收集
本文应用的所有数据全部选自中华人民共和国国家统计局网站上公布的《中国统计年鉴2012》年度数据并按照建模需要进行了相应的处理,具体数据如下表所示。
三、模型的建立、检验及修正
通过利用eviews6.0计量软件对初步模型进行参数估计与回归分析,结果如下。
Y=-1054.618+0.2699X1+0.4622X2-
T=0.5193 0.7344
0.0101X3-14.4126X4-4.0705X5+6439.44X6+
-0.5509 -0.1142 -0.0465 1.6994
0.0012X7-0.0159X8-0.0047X9-167.0587X10
0.9489 -0.6074 -0.8386 -1.8907
由回归结果可知,在5%置信水平下,t统计值全部小于1.96,所有解释变量均不显著,没有通过t检验。而且有些变量明显与其实际经济意义不相符,综合考虑之后可以认为产生上述问题的原因可能是模型存在多重共线性或者变量本身不是重要的解释变量。因此,需要模型先进行多重共线性检验。
1. 多重共线性检验
通过对模型进行逐步回归发现,X2与Y的拟合效果最好,因此以X2为初始变量,修正初步模型,逐步回归结果如下。
由以上逐步回归结果可知,X2、X3、X6、X9、X10五个解释变量显著,但是由于X10的系数符号不符合经济意义,因此选取X2、X3、X6、X9为主要解释变量,重新设定模型如下
Y=-3855.83+0.8158X2-0.0106X3+
t=(7.7703 -4.2304
9041.025X6-0.0038X9
8.0284 -1.246)
R2=0.9977 DW=2.4134 F=968.3642
2. 自相关检验
由于上述模型中DW=2.4134,可能存在序列自相关,因此需要对序列进行自相关检验,采取拉格朗日乘数检验。对模型的回归残差进行一阶滞后回归估计,结果如下
et=-126.057-0.0377X2+0.001X3+
t=(-0.3689 0.4144
665.5666X6+0.0007X9-0.2549et-1
0.4737 0.2537 -0.2549)
R2=0.2107
根据回归结果,可计算拉格朗日乘数值为LM=n×R2=14×0.2107=2.9498,在5%的置信水平下,与自由度为1的χ2分布的临界值相比较,结果如下
LM=2.9498<χ20.05(1)=3.84
由比较结果可知,模型中不存在序列自相关。
3. 异方差检验
利用eviews6.0中的White检验方法,对模型进行异方差检验。辅助回归结果为
Y=7093.42-6.02χ22+7.60χ23-
t=(-0.29 0.45
22644.71χ26-5.20χ29
-0.31 -0.41)
R2=0.0836
根据辅助回归结果可计算White统计量值为Wh=n×R2=14×0.0836=1.1704,在5%的置信水平下,与自由度为4的χ2分布的临界值相比较,结果如下
Wh=1.1704<χ20.05(4)=9.49
由比较结果可知,模型中不存在异方差性。
4.平稳性检验
由于所建立的模型是时间序列模型,因此需要对数据进行平稳性检验,利用ADF检验方法可得结果如下。
由检验结果可知,所有变量的原序列是不平稳的,只有在经过2阶差分后才能成为平稳序列。
5. 协整性检验
由于解释变量原序列是不平稳的,因此需要对模型进行协整性检验,利用AEG检验方法对残差序列进行单位根检验,结果如下。
由单位根检验结果可知,回归结果的残差序列项在经过一阶差分后变为协整序列,也就说明模型是协整的。
6. 误差修正模型
由于模型需要进行差分,因此需要进一步建立误差修正模型。首先采用直接估计误差模型,其适当的估计形式为
ΔYt=-3904.86+0.6157ΔX2-0.005ΔX3+10415.52ΔX6-0.0045ΔX9-0.9424Yt-1+0.7959X2,t-1-0.0108X3,t-1+9386.621X6,t-1-0.0036X9,t-1
R2=0.9803 DW=2.0554
因此,可确定误差修正模型为
ΔYt=0.6157ΔX2-0.005ΔX3+10415.5ΔX6-0.0045ΔX9-0.9424Yt-1+0.7959X2,t-1-0.0108X3,t-1+9386.621X6,t-1-0.0036X9,t-1
四、结论
通过上述分析,对于影响商品房价格变动的因素可以得出如下结论。
1.房价收入比变动对房价上涨产生正向的影响,且其影响程度较大,其对房地产的价格起决定性作用。
2.在模型建立之初引入了宏观调控因素,但在变量检验过程中作用不显著,因此在房价变动过程中政府的调控似乎没有产生预期效果。因此,如何有效的调控仍是政府工作重点。
3.对房地产市场的调控政策要注意促进消费与投资关系的协调发展。一方面控制投资规模,调整投资结构;另一方面,要通过增加居民收入,促进消费增长。
参考文献:
[1]白福周.房价上涨影响因素实证分析[D].浙江工业大学,2010.
[2]牟峰.近年来我国房价上涨原因分析[D].华南理工大学, 2010.
[3]姜玉英.浅谈房地产价格的影响因素[J].当代经济,2010(04).
[4]张琳,杨杰,房勤英.浅谈当前房价过高形势下房地产调控政策[J].当代经济,2010(06).
[5]沈悦,刘洪玉 .房地产价格与宏观经济指标关系的研究[J].价格理论与实践,2010(01).
[6]栗亮.货币供应量对房价影响的分析[J].价格月刊,2011(01).
[7]兰莉芸.城市房价与失业率的关联性[J].南方人口,2010(05).
(作者单位:山东师范大学商学院)