影响房地产价格因素的区域实证分析——以新疆省为例

赵鹏霞，王合玲

（新疆财经大学 应用数学学院，新疆 乌鲁木齐 830012）

自古房地产作为不动产和固定资产在人民生活中都具有举足轻重的地位。近年来，“一带一路”和“丝绸之路经济带”计划已在新疆开始实行，这对新疆的经济发展有着巨大的影响，新疆房地产业又是新疆经济发展不可忽视的重要组成部分，它深刻影响着新疆人民的幸福感和新疆的经济形势和产业结构。而目前新疆的房地产市场发展水平高低不同，各地州房地产价格有高有低。因此分析和找到影响新疆房地产价格的主要影响因素，有利于新疆房地产业长期稳定发展，又有利于为“一带一路”建设做贡献。

1 文献综述

对房地产价格影响因素分析的文章不少。Malpezzi S等[1]创建了一个模型，研究了房价受宏观因素的影响程度，结果说明消费、供给和投资都对房价有重大影响。周建军等[2]以湖南省为例对其各省市房地产价格影响因素进行了分析，从四个方面进行实证，具体得到了影响湖南省房地产价格的三大关键因素并给出建议。袁芳[3]先是对影响因素排序，然后找到影响房地产价格的主要因素，最后进行房价预测。王鹤[4]运用广义空间面板数据模型分析我国东、中、西区域影响房价的因素及其差异。纪祥裕[5]实证分析了房地产价格变动及其空间溢出效应对产业结构升级的影响。梁云芳等[6]则是对比比较了不同区域的房产价格，找到了主要影响因素。

基于新疆的地理位置特殊，又是一带一路建设的重要地区，因此对新疆分区域实证分析房地产价格影响因素是势在必行的。

2 数据来源及研究方法

2.1 数据来源及指标选取

考虑到数据的可获得性，本文选择新疆2008—2016年十三个地州市的六个影响因素进行有关分析，各数据均来自于各地州统计年鉴。从需求及供给角度选取具体的变量如表1所示。

表1 指标选取Tab.1 Indicator selection

为了更好的分析新疆的房地产价格状况，在具体分析时，我们将十三个地州市按传统划分为三个区域：北疆、南疆、东疆。各区域和包含城市如下表2。

表2 区域划分Tab.2 Regional division

2.2 数据描述分析

在进行分析之前先对各地区平均房地产价格做一个简单的描述性统计分析如图1所示，从折线图中可以看出乌鲁木齐市房价平均水平总体较高，其他地区房价相比于乌市大致在3000元上下波动。这是历年平均房地产价格，它不能看出每年各地房地产价格的变动。

图1 各地平均价格折线图Fig.1 Average price line chart

下面是新疆分区域房地产价格折线图，由图二可知，北疆所包含的各地州平均房地产价格相对高于其他两个区域，南疆区域次之。这也许是新疆地域广茂，各区域难免存在经济发展不均衡的问题。

图2 分区域房地产平均价格折线图Fig.2 Sub-regional real estate average price line chart

另外，还做了各地区2008—2016年的折线图，可以看出每年各地州房价的走势。从历年折线图可以看出各地州房价逐年攀升，这是意料之中的。总的来说乌鲁木齐从房价水平均处于最高水平；且从图中可以看出喀什和田等地区房价攀升速度在后几年逐渐加快，从2008年的1 500元左右增加至2016年的5 000元左右，除了该地区自身经济发展外，这与国家和新疆对该地区的政策实施是密不可分的。由于篇幅有限，这里不再展示有关分析的折线图。

2.3 模型介绍

本文所用数据为面板数据（Panel Data），它既有时间序列的特征，也有截面数据的特征，即由n个时间点和m个对象组成的数据。面板数据由于同时包含两个维度，因此在寻找数据时有较高的难度，不易获得。

在实证分析时，采用多元线性回归模型和加入虚拟变量模型进行分析，具体介绍如下。

多元线性回归模型是指包含一个因变量和若干自变量的回归模型，相比单一线性回归模型其优势在于可以有多个自变量来解释因变量，避免遗漏重要解释变量。其模型表示如公式（1）所示：

其中，y为应变量，c为截距项，βi为自变量系数，xi为自变量，μi为误差项，i=1,2,…,6。

虚拟变量(Dummy Variables)回归模型是指在上述多元回归模型中引入一个或多个虚拟变量而组成的模型。加入虚拟变量回归的好处是一个回归结果可以解释两种情况，即一个回归模型有两用。对于有定性变量的数据分析，该方法尤其适用。

引入虚拟变量的方式有加法引入和乘法引入以及加法和乘法同时引入。其中加法引入只影响回归的截距项而不改变其他参数；而乘法引入则影响模型的斜率但并不影响截距项；当既引入加法又引入乘法时，则模型的截距项和斜率同时受到影响。在具体分析时，可根据实际问题选择虚拟变量的引入方式。

另外还需注意虚拟变量的引入规则，分为两种情况：如果回归模型有截距项，则在模型中引入（m-1）个虚拟变量；若回归模型无截距项，则设置m个虚拟变量，其中m为分类变量的个数。

3 实证分析

实证分析均采用Eviews 8软件，该软件是计量经济学分析常用软件，其具有操作简单，功能强大等特点。

主要从三个方面进行实证，分别是从新疆整体，从新疆分为三个区域以及加入虚拟变量进行具体分析。在分析前，我们对面板数据进行取对数操作，目的是消除数据的异方差。

3.1 新疆整体房地产价格影响因素实证分析

首先基于面板数据，我们从新疆整体进行实证分析，建立如下多元线性回归模型:

其中，c为截距项，βi为系数，xi为自变量，μi为误差项，L（xi）为x的滞后项，L（y）为y的滞后项，i=1,2,…,6。

在这里，因变量y为房地产价格，自变量x1为生产总值，x2为城镇居民可支配收入，x3为本年完成投资，x4（-1）为本年施工房屋面积滞后一期，x5（-1）本年竣工房屋面积滞后一期，y（-1）房地产价格滞后一期。回归结果如下表2。

表3 新疆整体房地产价格影响因素实证分析结果Tab.3 Empirical analysis of the factors affecting the overall real estate price in Xinjiang

由结果知，模型R2为0.999 986，调整的R2为0.999 903，整体模型拟合较好。各个解释变量回归结果都有良好的显著性，x1、x2、x3、x4和x5每增长1%，y增加55.541 52元,1 552.318万元,654.803 8元,1 030.018元和102.376 9元。从需求供给角度来看，x1，x2增加引起房地产价格上升遵循经济规律；x4、x3和x5是供给因素，其增加也引起房地产价格上升，这不遵循经济规律，说明新疆房地产市场存在投机需求；而当期房地产价格增加，使得人们对买房预期减少，进而使得下一期房价减少。

3.2 北疆、南疆和东疆房地产价格影响因素实证分析

为了看新疆房地产价格影响因素是否存在区域差异，按照上述回归法分别对北疆、南疆和东疆数据进行回归，建立如下模型:

其中，各符号含义与（2）式相同，回归结果如表4。

表4 北疆房地产价格影响因素实证分析结果Tab.4 Empirical analysis of factors affecting real estate prices in northern Xinjiang

由上述分析知，北疆和南疆地区模型拟合度较好，东疆地区模型拟合效果一般。对北疆地区房地产平均价格有显著性影响的主要因素有：x3(本年完成投资)、x5(滞后一期竣工房屋面积)和(滞后一期房地产平均价格)y。对南疆地区房地产平均价格有显著性影响的主要因素有：x1(生产总值)、x2(城镇居民可支配收入)、x3(本年完成投资)、x4(本年施工面积滞后一期)、x5(滞后一期竣工房屋面积)和y(滞后一期房地产平均价格)。而东疆地区不显著。

3.3 含有区域虚拟变量的新疆房地产价格影响因素实证分析

引入区域虚拟变量，此时模型含有截距项，依据虚拟变量引入规则应引入两个虚拟变量（即当D=1时，代表北疆地区；D=0时，代表南疆和东疆地区）。至于虚拟变量引入方式经过检验，乘法引入时R2值更大，故选取乘法引入虚拟变量。结果如表5。

表5 引入地区虚拟变量的房地产影响因素的分析结果Tab.5 Analysis results of real estate influencing factors introducing regional dummy variables

由结果知，模型的拟合优度为0.648 614，D-W为2.180440，说明模型残差不存在严重的序列自相关。从系数来看，北疆GDP系数为0.020 554，南疆和东疆GDP系数为0.033 458；北疆本年完成投资为-0.145 702，东疆和南疆为0.075 111；北疆本年施工面积为-0.200 165，东疆和南疆为-0.171 776；北疆滞后一期房地产价格为0.305 344，东疆和南疆为0.306 400；说明北疆比南疆和东疆对房地产价格拉动作用小；北疆城镇居民可支配收入系数为0.456 6，东疆和南疆城镇居民可支配收入为0.178 227；北疆本年竣工面积为0.065 17，东疆和南疆为-0.051 647；说明北疆对房地产价格拉动作用更大。

4 结论

由Eviews实证分析我们得到如下结论：

1.从整体分析看，除GDP和本年施工房屋面积滞后一期外，其余因素均对房地产价格有明显影响。

2.分北疆、南疆和东疆来看，影响三个区域的因素各有不同。

3.加入虚拟变量后，可知北疆相比与南疆和东疆受供给影响小，需求因素大。也可看出在新疆供求理论表现不明显。