住宅价格影响因素研究——以黑龙江省为例

李艳芳 滕兴明 牟高辉

(河北建筑工程学院,河北 张家口 075000)

0 引 言

自从我国取消住房分配制度以来,房地产行业得到了空前的发展.随着我国经济的繁荣,房价也是水涨船高.由于住房的不可替代性,加上政府的政策扶持,居民开始把更多的收入投入到房地产行业.但是随着房地产行业的发展,房价的不断上升除了使得年轻群体买房困难外,也给我们带来了房地产泡沫的担忧.这种担忧并不是凭空产生的,国外的发达国家如美国、日本都出现过房地产的泡沫化.住宅价格的影响因素有哪些、如何稳定住宅价、防止房价虚高成为了越来越多的学者关注的重点问题.如周亮锦和夏恩君在整理了国外房价影响因素研究后发现国外学者对房价影响因素的研究主要从供求关系、消费者个体因素、住宅特征、政府政策和溢出效应五个研究视角展开[1].涂锦则把目标放在了二手房市场,利用倍差法从微观的角度出发提出区域位置、房屋属性是影响房价的主要因素[2].虞晓芬和湛东升利用空间杜宾模型对中国70个大中城市房价进行研究,结果表明GDP、第三产业比例、货币发行量、人均社会消费品零售总额和公共服务是影响城市房价的主要因素[3].

本文在查阅整理了以往研究文献的基础上,以黑龙江省住宅价格为研究对象,探究住宅价格的影响因素有哪些,分析房价变化的原因.

1 变量选取与数据说明

1.1 变量的选取

影响房地产价格的因素众多,在参考了国内学者的相关研究文献后,整理如表1所示.

表1 影响因素参考表

住宅本身有着商品的属性,影响一件商品价格的主要因素是供给和需求,当然住宅本身也是投资的一种形式,同时具有金融属性.所以可以将住宅价格的影响因素大致分为供给因素、需求因素和外部影响因素[10].在选择影响因素时考虑到影响因素的可获取性和可量化性,对影响因素进行适当的筛选.最后整理成影响因素表如表2所示.

表2 影响因素表

本文选择的具体变量和数据构造如下：

黑龙江省住宅价格(HP)：用黑龙江省住宅的平均价格(元/平方米)来表示,作为被解释变量,其数值等于住宅销售额和销售面积的比.

房地产开发投资额(DI)：用黑龙江省每年的住宅开发投资额(亿元)来表示,一般房地产开发投资额对于住宅供应量具有积极的影响.

住宅竣工面积(FSC)：用黑龙江省的住宅竣工面积(万平方米)来表示,住宅竣工面积的增加在一定程度上可以使市场上的住房供应量增多,对住宅的价格有一定的抑制作用.

销售面积(SA)：用黑龙江省住宅的销售面积(万平方米)来表示,它在一定程度上反映了居民对于住宅的需求程度.

居民可支配收入(DPI)：用黑龙江省的居民可支配收入(元)来表示,当居民可支配收入提高时,其对于住房这种具有金融属性的资产的投入也会增加.

人口数(POP)：用黑龙江省当年总人口数(万人)来表示,对于目前我国社会主流观念来说,住房作为刚需影响着居民的幸福指数,总人口数的增加意味着市场上有更多的购房需求.

生产总值(GDP)：用黑龙江省当年的生产总值(亿元)来表示,生产总值作为宏观的经济指标可以很好的反映黑龙江省的经济发展状况.

城市化率(UR)：用黑龙江省当年的城镇化化率(%)来表示,其数值上等于城镇人口与总人口的比值.

通货膨胀(CPI)：选用黑龙江省当年的居民消费价格指数CPI来表示通货膨胀的程度.

1.2 数据的收集整理

本文的全部数据均来自于《黑龙江统计年鉴》、《中国统计年鉴》和国家统计局官网.收集后的数据整理如表3.

表3 黑龙江省住宅价格及影响因素统计

2 实证分析

2.1 数据分析

将黑龙江省住宅价格(HP)作为自变量,将GDP、DPI、POP、DI、SA、FSC、CPI作为因变量,使用SPSSPRO对整理后的数据进行多元线性回归分析,结果如表4所示.从表中可以看出根据F检验的结果,显著性P值为0.0023,水平上呈现显著性,拒绝回归系数为0的原假设,因此模型基本满足要求,调整后的R2为0.981,拟合的程度优秀,但是除了居民消费价格指数(CPI)这一变量的方差膨胀因子小于10以外,其他变量的方差膨胀因子均大于10,说明自变量之间存在着共线性,回归的结果并不可信.

表4 多元线性回归结果

因为使用多元线性回归(最小二乘法)计算时自变量的弹性系数会受到自变量之间关联性的影响,对运算结果产生误差.为了摆脱这一影响,下面使用岭回归的方法进行分析[11].将表3的数据导入SPSSPRO中,计算出岭迹图如图1所示.可以看出当K大于等于0.165时回归系数趋于稳定,根据岭参数取值原则取K=0.165进行岭回归分析,所得结果如表5所示.

图1 岭迹图

表5 岭回归结果

在表5的非标准化回归系数中出现了一个与理论和预期不相符的现象,就是人口的减少导致了房价的上涨,但是我们可以从数据和现实中找到原因.根据数据我们可以看出黑龙江省近10年的人口一直是处于负增长的状态,但是房价却是在2020年才出现下跌.房价短期看政策、中期看供给和经济,长期看人口.由于年鉴数据公布的滞后性,目前只对2009年到2020年这12年的数据进行研究.在2009年到2013年之间由于国家政策的支持,房价一直处于上涨状态.在2013年到2019年之间由于供给的减少和经济的发展,表现在住宅竣工面积的减少和生产总值的增加导致房价的不断上涨.到2020年以后才出现房价的下跌,这其中到底是人口下降导致需求的降低,还是因为政策调控引起的房价下跌有待进一步研究.

由于这12年间人口并不是影响黑龙江房价的主要因素,所以剔除人口因素重新进行岭回归分析得到结果如表6所示.

表6 改进后的岭回归结果

岭回归的结果显示基于字段DI、FSC、SA、DPI、GDP、UR、CPI回归模型显著性值为0.001,水平上呈现显著性,拒绝原假设,表明自变量与因变量之间存在着回归关系.同时,模型的拟合优度R2为0.987,模型表现为较为优秀.根据非标准化的回归系数,得到拟合方程为：HP=-13788.888+0.11×DI-0.66×FSC-0.154×SA+0.07×DPI+0.172×GDP+101.279×UR+107.062×CPI.

2.2 结果分析

根据上述模型的弹性系数可知,黑龙江省房地产开发投资额每增加1亿,住宅价格增加0.11元/平方米;住宅竣工面积每增加1万平方米,住宅价格减少0.66元/平方米;销售面积每增加1万平方米,住宅价格减少0.154元/平方米;居民可支配收入每增加1元,住宅价格增加0.07元/平方米;生产总值每增加1亿元,住宅价格增加0.172元/平方米;城镇化率每增加1%,住宅价格增加101.279元/平方米;居民消费价格指数每增加1个单位,住宅价格增加107.062元/平方米.

根据标准化回归方程可知房地产开发投资额、住宅竣工面积、销售面积、居民可支配收入、生产总值、城镇化率、居民消费价格指数的标准化回归系数分别是0.017、-0.292、-0.066、0.247、0.234、0.244、0.109,表明各因素对住宅价格的影响程度从大到小依次是住宅竣工面积、居民可支配收入、城镇化率、生产总值、居民消费价格指数、销售面积、房地产开发投资额.

3 结论与建议

基于本文的实证研究,针对黑龙江省住宅价格影响因素的研究进行分析后得到以下结论：(1)从短期和中期来看人口因素不是黑龙江省住宅价格上涨的主要因素.(2)经济发展、居民可支配收入、通货膨胀、城镇化率、房地产开发投资额与住宅价格正相关,销售面积和住宅竣工面积与住宅价格负相关.(3)住宅竣工面积对住宅的价格影响最大.

为了更好的促进房地产市场的发展和住宅价格的稳定,提出以下建议：

(1)优化供给侧改革.住宅商品房的价格和住宅的竣工面积成负相关,反应了供求关系对价格的影响.即当年住宅的竣工面积越大,市场上要出售的商品房约多,当需求不变时,房价便会下跌.对于政府来说应完善土地管理机制,有规划合理的出售土体,控制开发商的拿地面积,以便于控制住宅的竣工面积,使房价向良性稳定的趋势发展.对于房地产开发企业来说,在开发一个新的房地产项目时,做好前期的市场调研准备,了解市场供给和需求十分重要.

(2)优化住房供求结构.城市化的进程中,将会有大量的农村人口涌入城市,面对着突然增多的需求,政府可以增加保障性住房,同时鼓励住房租赁市场的发展,实行购租并举,减少房价的波动.

(3)重视人口问题.目前黑龙江的房价已经出现了下跌的趋势,这可能是受到了疫情、宏观经济不景气等因素的影响,但是住宅价格的长期影响因素还是人口.政府一方面应该通过人才引进等政策去吸引年轻人来黑龙江工作生活,这部分人将会成为未来购房的主力军.另一方面也应该积极响应国家放开三胎的人口政策,对三胎家庭给予更多的政策支持,保证未来的城市活力.