基于经济因素影响安徽省房价的实证研究

黄华继 王 絮

（安徽财经大学金融学院，安徽蚌埠 233041）

基于经济因素影响安徽省房价的实证研究

黄华继 王 絮

（安徽财经大学金融学院，安徽蚌埠 233041）

通过主成分分析方法分析影响安徽省房价的各因素之间的相互关系，将众多影响房价的因素简化为几个少数的且相互之间不存在多重共线性的经济因素，构建安徽省房价经济预测模型，分析影响安徽省房价的具体经济因素指标，针对建立的经济模型分析说明经济因素对安徽省房价的影响程度。研究表明：对安徽省房价上涨具有正向推动作用的有安徽生产总值GDP，各种价格总指数，城镇居民家庭人均可支配收入，货币供应量，国内旅游经济指标；负方向变动的是美元兑人民币的汇率水平。

经济因素；安徽；住房价格；主成分分析

近十几年以来，随着经济的发展，人民生活水平的提高，居民生活的住房价格也在急速的上升。住房价格的持续走高直接影响了我国居民的生活水平，降低了我们的生活质量。中国是一个拥有传统家庭观念的国家，每个人都希望拥有一套属于自己的住房，但是居高不下的住房价格让许多中低收入居民买不起房。在整个社会体系中影响房价的因素有社会因素，主要包括人口密度、家庭结构、消费心理等；政治因素，主要包括政策法规，税收等；经济因素，主要包括国内生产总值，物价水平等。

一、 住宅价格影响因素的研究

对房价影响的问题，国内外许多学者对此进行了大量的研究和探讨。其中，初雷（2009）[1]分别从定性和定量角度分析影响北京市房地产价格影响因素，他认为房价的高低主要由政府调控来控制；王华欣（2009）则[2]通过建立VAR模型用定量的实证分析方法探讨影响我国房地产价格的因素，其分析结果显示，推动房价上涨的主要因素是由于银行对房地产投资的过热导致的，因为中国的房地产资金百分之六十都是由银行贷款取得。金克镇（2013）[3]通过对房地产价格的影响因素和房地产价格预测模型研究，利用天津市2005—2012年数据，从常住人口、商品住宅新开工面积、商品住宅销售面积、城镇居民可支配收入、地区生产总值等多个因素对天津市房地产价格的影响因素进行实证分析，认为房价是受宏观以及微观因素的共同影响。但是以上的各个研究基本上都是综合分析各个方面的影响，对这些影响因素进行的理论分析和逻辑推理分析，具体的根据某一特定方面的因素进行主成分理论分析进行计量检验的并不常见。本文在以前学者研究的基础上，进行定量和定性分析影响安徽省房价的经济因素研究。

二、 安徽省房价影响因素的模型设定

（一）定量指标的选取与说明

由于在影响房价的因素中，并非所有的都可以通过数据进行量化，所以在众多影响因素中，选择可以量化的指标是进行模型分析的关键，也是本文的核心。本文在对房价影响的经济因素当中选取了影响安徽省房价的六个经济指标：安徽生产总值（X1）；各种价格总指数（X2）；城镇居民家庭人均可支配收入（X3）；货币供应量（X4）；国内旅游经济指标（X5）；美元兑人民币汇率（X6）；财政收入增长速度（X7）；财政收入支出增长速度（X8）；从业人员总数（X9）；安徽省房价作为被解释变量Y。

通过使用Eviews软件对变量进行回归，进行多重共线性的检测判断自变量的方差膨胀因子（VIF）是否大于10，如果大于10，表明模型存在严重的多重共线性，则不能将模型进行简单的线性回归，首先要消除多重共线性，可以选择运用主成分分析方法消除。主成分分析是一种消除多重共线性的方法，其基本原理将原来的具有相关关系的变量组成一组新的互相无关的几个综合变量，再根据其贡献率来选取能反映绝大部分的原有变量信息的主成分进行回归分析，最后根据主成分与解释变量之间的对应关系，求得原回归模型的估计方程。

（二）模型的建立与说明

建立模型之前，选择安徽省房价作为因变量Y，影响安徽省房价的各个因素作为自变量Xi（i=1,2,3,4,5,6,7,8,9,），样本容量为n。通过Eviews软件将数据进行回归，判断是否具有多重共线性。如果存在多重共线性则使用主成分分析方法消除多重共线性，再根据标准化后的变量建立新的模型。对变量数据进行标准化是为了消除变量之间的量纲关系从而使数据具有可比性，因为在经济计量的数据指标中大多数都具有不同的量纲，使其指标值的数量级也不一样，所以在应用这些指标的时候会出现一些其他的新问题。由于相同的量纲之间是不可以进行加总的，因而就算变量之间已经在形式上组成线性组合，也不能准确地解释其经济学意义。建立主成分所需要的特征向量，所对应的是样本相关矩阵的特征值。主成分的过程也就是求相关矩阵特征向量和特征值的过程，主成分的个数确定过程存在两个指标，首先是要确定其标准也就是累计贡献率达到85%以上；其次，是在其特征根的均值以下。

（三）对数据进行多元线性回归

Y=-7987.19+0.744X1-7.686X2+0.32X3-0.21X4-1. 73X5+5 043X6-1.99X7-5.74X8+1.33X9

回归结果显示：回归的判断系数为0.99，说明模型对样本数据的拟合程度很好，有显著的统计学意义。F值为2 006.3，表明模型中的所有解释变量对被解释变量总影响是显著的。但模型中的方差膨胀因子VIF大于10，模型存在严重的多重共线性，所以将模型进行简单的最小二乘，估计是不能够反映自变量对解释变量的影响以及影响方向和影响程度的。

三、用spss16.0进行主成分分析

（一）用SPSS 16.0标准化后的相关系数矩阵计算（见表1）

表1 用spss16.0标准化后的相关系数矩阵计算

表2 用SPSS16.0将数据进行标准化后的主成分分析所得到的特征根，贡献率以及累计贡献率

表3

用spss16.0将数据进行标准化后的主成分分析所得到的特征根，贡献率以及累计贡献率。（见表2）

根据以上数据可知，第一个主成分的累计贡献率达到73.313%，说明第一个因子概括了原变量总方差的73.313%的信息；第二个主成分的累计贡献率为88.414%，说明第二个主成分反映了原变量方差的88.414%的信息。以上结果显示，两个主成分在累计贡献率标准为85%的情况下，已经基本反映了原变量的总体情况。

表3显示的初始因子载荷矩阵可知，安徽生产总值、城镇居民家庭人均可支配收入、货币供应量、美元兑人民币汇率、从业人员总数以及国内旅游经济指标在第一主成分上具有较高载荷，说明第一主成分基本反映了这些信息；然而财政收入的增长速度和财政支出的增长速度则在第二指标上具有较高的载荷，说明第二个主成分基本反映了财政收入增长速度以及财政支出增长速度两个指标的信息。所以提出两个主成分可以基本反映全部指标的信息，可以用两个新的变量来代替原来的九个变量。但是这个两个变量不能直接从输出窗口中得到，因为“Component Matrix”是指初始因子载荷矩阵，每一个载荷量表示主成分与对应变量的相关系数。但是主成分模型需要的不是因子载荷量而是特征向量，所以还需要将因子载荷量输入数据编辑窗口，利用“主成分相应特征根的平方根与特征向量乘积为因子载荷量”的性质。

根据计算结果得出主成分的表达式为：

（其中Zxi（i=1,2,3,4,5,6,7,8,9）是标准化后的数据）

利用Eviews软件将被解释变量安徽省房价Y与所得到的主成分F1，F2进行最小二乘，估计所得到的主成分综合模型为：

回归结果显示，模型的判断系数为0.986，说明模型的拟合优度较强，具有统计学意义，且F统计量也通过了检验，方差膨胀因子小于10，各个解释变量之间不存在多重共线性，以上结果均表示该模型能够很好地解释每一个变量对被解释变量的反应程度。将原来的数据代入到该回归方程中，得到的被解释变量与解释变量之间的反应方程式为：

四、结果分析及建议

根据经过修正后的反应方程式显示，各种价格总指数，货币供应量以及财政收入的增长速度对安徽省房价的影响较大，而且每一个变量对房价的影响都是正向的。数据显示：安徽国内生产总值每变动1%，房价的变动为0.018%；各种物价指数每变动1%，房价的变动为0.52%；城镇居民家庭人均可支配收入每变动1%，房价的变动为0.07%；货币供应量每变动1%，房价的变动为0.07%；国内旅游经济指标每变动1%，房价变动0.44%；美元兑人民币每变动1%，房价变动0.73%；安徽省财政收入增长速度每变动1%，房价的变动为0.44%；安徽省财政支出增加速度每变动1%，房价变动0.18%；就业人口总数每变动1%，房价变动0.13%。说明这些因素在房价上升过程中具有不可忽视的推动作用。

一个地区的房价水平，在一定程度上反映了一个地区的经济发达水平，我国北京、上海等一线发达城市的房价水平永居第一，其经济发展水平也已经与国际发达城市接轨。对于安徽这样一个位于东部跨江近海的内陆省份来说，房价的高低也是决定其能否进入一线城市的决定因素之一。但是，过高的房价使许多普通的住户买不起房，导致多数普通住户购房者一直为购房奔波，严重地影响了人民的生活质量。

如何对房价进行调控，有以下几点建议：第一，由以上数据显示可知，对房价变动影响因素较大的主要是各种物价变动指数、国内旅游变动指标以及财政的收入增长指标，根据这些因素对房价的变动影响制定相对应的政策；第二，国家可以通过调控货币的供应量，减少商业银行对房地产开发商的贷款发放率，提高对其发放贷款的条件，银行方面要审查贷款的发放，避免一人多贷，一物多压，为一些购房投机者提供资金致使房价被炒作上升；第三，在宏观经济方面，对物价指数进行调控，过高的物价指数在一定程度上掩盖了居民的实际生活水平，导致很多中低收入居民买不起房子[4]；第四，要大力发展和建设普通居民能够买得起的经济适用房，根据不同的居民群建设适合的房户类型。

五、结束语

本文对安徽省房价影响因素的研究仍然有许多不足，例如在选取解释变量的过程中并没有涵盖全部的经济因素变量，导致在分析影响因素以及提出建议时具有一定的局限性。

[1]初雷.中国房地产价格影响因素分析——以北京房地产市场为例[D].沈阳：辽宁大学，2009：2-13.

[2]王华欣.我国房地产价格及其影响因素分析[D].济南：山东大学，2009：21-26.

[3]金克镇.关于房价影响因素的理论分析与实证研究——以天津市为例[D].天津：天津师范大学，2013：32-34.

[4]徐玲玲，邱继勤.重庆市房地产价格波动对居民消费影响的实证研究[J].重庆理工大学学报：社会科学版，2014（4）.

（责任编辑：朱 丹）

An Empirical Study of the Economic Factors Affecting the Housing Prices in Anhui

HAUNG Huaji WANG Xu
(School of Finance, Anhui University of Economics and Finance, Bengbu, Anhui 233041, China)

This paper analyzes the interrelationship among the factors that affect the housing price in Anhui by the principal component analysis method. The many factors that affect the housing price can be simplified to a few economic factors that are on non-mutually multi-collinearity. This paper builds up the economic forecasting model to analyze the specific economic index system that affects the housing price in Anhui. And with the model how the housing price in Anhui is affected by the economic factors is analyzed. Studies have shown that the housing price in Anhui has been positively promoted by Anhui GDP, the overall price index, the average disposable income of urban residents, the amount of money supply, the domestic tourism economic indicators and the changes of USD dollar exchange rate with Renminbi in the negative direction.

economic factors; Anhui; housing prices; principal component analysis

F293.3

A

1009-8135（2015）01-0040-04

2014-10-05

黄华继（1965-），男，安徽歙县人，安徽财经大学金融学院副教授，硕士生导师。王 絮（1989-），女，安徽安庆人，安徽财经大学金融学院硕士研究生。