房地产价格影响因素研究——基于我国1991-2014年时间序列实证分析

马　竹，李　汉

（安徽财经大学　财政与公共管理学院，安徽　蚌埠　233000）

房地产价格影响因素研究
——基于我国1991-2014年时间序列实证分析

马竹，李汉

（安徽财经大学财政与公共管理学院，安徽蚌埠233000）

本文以房地产价格为研究的被解释变量，基于中国近20年的房地产价格统计数据，建立计量经济模型，以居民收入、开发成本、物价水平、利率作为主要解释变量，通过经济检验、统计推断检验、计量经济学检验完善模型的可决程度和缺陷，给出相应的有效政策建议与方案.

房地产；计量模型；OLS

1　模型的设定

1.1影响因素的分析

在市场经济条件下，任何商品的价格都是由市场形成的.

（1）居民收入

通常居民收入的真正增加显示人们的生活水平将随之提高，从而促使对房地产的需求增多，导致房地产价格上涨.如果居民收入的增加，是中、低等收入水平者的收入增加，对居住房地产的需求增加，促使居住房地产的价格上涨.

（2）开发成本

房地产在本质上是一种市场经济商品，其价格构成中必然包含生产要素的消耗代价，房地产的开发成本是房地产价格中所包含的重要因素之一.

（3）物价水平

房地产价格与物价的关系非常复杂.通常物价普遍波动，房地产价格也将随之变动；如果其他条件不变，则物价变动的百分比相当于房地产价格变动的百分比，而两者的动向也应一致.

（4）利率

在现代市场经济中，利率作为中央银行宏观调控经济的重要手段对房地产价格的影响极为重要，一般经济理论认为利率与商品的价格呈反方向变动，对于现今房地产市场高出普通居民购买能力的情况而言，通过银行等金融机构借贷来的资金是普通民众购买房地产的主要来源.

（5）其他因素:①行政因素②土地制度③住房制度④房地产价格政策.

1.2模型设定

基于以上数据，探索性地将模型设定为四元线性回归形式：

Y=β0+β1X1+β2*X2+β3*X3+β4*X4+ε

变量　　变量说明Y商品房平均销售价格X1　　城镇房地产开发投资额（亿元）X2　　城市居民人均可支配收入（元）X3　CPI（消费者价格指数）X4　　贷款利率（五年以上）

2　数据的收集

本文收集了我国1991-2014年的一些数据

3　模型的估计和调整

用最小二乘法，利用Eviews软件可得估计结果如下：

注：以上数据来源各年份中国统计年鉴，各年份CPI　均以2010年为依据计算

Y=309.2974136+0.07852512193*X1

-0.06886859811*X2+26.34561242*X3

-37.44788148*X4

R2=0.969494F=150.9595

3.1经济检验

R2检验：R2=0.969494,表面模型对数据拟合优度一般.

F检验：p值0.000000明显小于0.05，说明上述解释变量城镇房地产开发投资额（X1）、城市居民人均可支配收入（X2）、CPI（X3）、贷款利率（X4）联合起来对被解释变量Y有显著影响，模型线性关系显著.

T检验：城镇房地产开发投资额（X1）的t值大于2，表明城镇房地产开发投资额对房地产价格（Y）有显著影响，其他各参数的t值的绝对值均小于2，表明其他各参数对房地产价格（Y）没有显著影响.

3.2多重共线性检验

首先，通过相关系数检验，如图发现模型中解释变量x1与x2的相关程度较高，解释变量x2与x3、x1与x3之间相关程度也较高，模型存在较为严重的多重共线性.

在估计模型之前，应先分析各个因素与被解释变量之间的关系，以及因素之间的相关程度，利用COR命令进行相关系数检验，得相关系数矩阵可知各解释变量与被解释变量房地产销售价格的相关程度，其中，解释变量X1与被解释变量Y相关程度最高.因此，按照逐步回归法来建立回归模型.

(1)建立基本的一元回归方程

已知相关系数检验中，解释变量X1即城镇房地产开发投资额与房地产销售价格相关性最强.故，故先建立Y与X1的一元线性回归模型得：

Y=1526.862259+0.07504014066*X1

(2)逐步引入其它变量，确定最适合的多元回归方程（斜率系数，t统计量）

模型　X1　X2　X3　X4　R2　R20.955334　0.953304 Y=f（X1，X2）　0.041544 2.624125 Y=f（X1）　0.075040 21.69211 0.119840 2.160438　0.963456　0.959976 Y=f（X1，X3）　0.063504 12.76655 21.67130 2.902426　0.968122　0.965086 Y=f（X1，X4）　0.072552 19.57859 -53.53158 -1.569888　0.960026　0.956219 Y=f（X1，X3，X2）　0.065891 3.174552 -0.011020 -0.118590 22.97495 1.715586 0.968144　0.963366 Y=f（X1，X3，X4）　0.063572 12.62370 19.49559 2.387906 -23.45918 -0.704565 0.968894　0.964228

经过以上的逐步引入检验过程，发现以X1、X3做解释变量的模型可决系数最高且t检验都通过为最优模型，最终确定居民储蓄存款函数为:

在节能降耗的大目标下，能效管理是后勤保障的一个重要工作内容。随着医院组织架构的不断改革，科室独立核算是大势所趋。建立能耗监控平台，将各个科室能耗数据进行严密监测，并将数据进行分析处理，得到管理者所需的各类对比分析数据。从医院层面，为管理者进行科室能耗管控提供了可靠依据，根据能耗数据可指定有针对性的节能降耗措施，进而规范医院后勤服务流程、提高工作效率、控制运营成本、保证服务质量、辅助管理决策、提升医院整体管理水平。

Y=-18.95512+0.063504X1+21.67130X3

经济检验：

R2判定系数：R2=0.968122接近于1，表明模型对样本数据拟合优度较好.

F检验：p值0.000000明显小于0.05，说明上述解释变量城镇房地产开发投资额（X1）、CPI（X3）联合起来对被解释变量Y有显著影响，模型线性关系显著.

T检验：城镇房地产开发投资额（X1）与CPI （X3）的t值均大于2，表明城镇房地产开发投资额和CPI对房地产价格（Y）有显著影响.

3.3自相关检验

给定显著性水平0.05，查DW表，当n=24,k=2时，得下限值dL=1.188,上限值dU=1.546，因为DW统计量为s=1.773116，即dU=1.546

3.4异方差性检验

由 DW 检验得 Obs*R-squared=12.98743给定α=0.05，p=0.003751<0.05表明模型存在异方差性，所以利用加权最小二乘法来消除异方差性：

在操作过程中计划选取权数W3=1/x1^(1/2)并做White检验.

在显著性水平取0.05时，所对应的White检验显示，P值较大，所以接收不存在异方差的原假设，即认为已经消除了回归模型的异方差性.

所以本文的最终模型估计结果为：

Y=-186.2395383+0.06282669165*X1+23.85850879X3

4　本文的结论与建议

4.1结论

根据本文模型的估计和检验，X1城镇房地产开发投资额和X3消费者价格指数对商品房平均销售价格具有显著性影响，特别是城镇房地产开发投资额的t检验p值几乎接近于0，意味着我国房地产价格受开发投资额的影响十分显著.

4.2建议

我国房地产价格远高于普通百姓的经济承受能力，面对房地产价格虚高态势，政府当局采取了许多措施来调控房地产价格，然而国家宏观调控政策效果并不理想.而且由于房地产自身开发的周期性、房地产产品的不可移动性和房地产产品消费的地域性，使得房地产业的发展具有明显的地区特征，单个城市对房价调控也力不从心.因此，保持房地产市场长远、健康发展，应该是我们必须坚持的目标.

（1）要抑制房地产行业的不良投机行为，通过计量经济模型分析，投资额是影响房地产价格最显著的因素.我国房地产价格的快速上涨很大程度上是由于大量人将房地产作为一种投资品来进行投机，人均持有房产量过高使得房产的供应满足不了市场的基本需求.应该通过房产税改革和限购政策来抑制过热的投机行为，增加投机行为的成本.

（2）政府应该稳定物价，减少房地产行业耗用生产资料的代价以及整个社会的通货膨胀程度. CPI是影响房地产价格上涨的一个重要因素，其同时也是整个社会通货膨胀程度的风向标.首先CPI的过快增长必然会使得房地产行业生产成本增加，其次政府所需的财政收入也会随着购买力下降而增加从而加重房地产行业的税收负担.综上，稳定物价是政府宏观调控房地产政策能够实施的重要前提.

（3）政府出台调控房地产的措施不宜一刀切，应避免“伤及无辜”.国家的每次房地产政策调控其实是一种各方利益的博弈，房地产商肯定不希望房价下降，地方政府为了地方财政也不希望房价下降，银行与上述两方的利益是共通的.这三方在利益的博弈中占有绝对优势.如果房价过快下降，就会使三方利益受到较大损失.中央政府不希望房价涨得太快，是出于两方面考虑，一是房价涨得太快，广大民众买不起房子，不利于社会稳定与经济持续发展；第二是房价涨得太快，容易出现泡沫经济，一旦破灭，对整体国民经济的损伤太大.

（4）尽快建立个人信用制度、抵押制度和抵押保险制度,完善二手房交易市场.个人信用制度不健全、抵押担保保险制度建设滞后,各种金融手段和工具从根本上讲很难得到很好地利用.二手房市场没有建立起来,对于商业银行来说,银行很难将房产转化为资金.因此,国家应该尽快建立起个人信用制度.

〔1〕庞如超，房地产价格波动的影响因素研究——中国30个省市的面板数据模型［J］.价格月刊，2013（4）.

〔2〕张磊，郑丕谔，张晔，王中权.房地产价格分析及对策研究［J］.经济体制改革，2006（05）.

〔3〕沈悦，刘洪玉.住宅价格与经济基本面：1995—2002年中国14城市的实证研究 ［J］.经济研究，2004（6）.

〔4〕李南成，马萍，徐舒.政策干预下的房地产价格波动实证研究［C］.中国数量经济学会，2006.

F293.3

A

1673-260X（2016）08-0149-04

2016-05-11