我国房地产业发展与宏观经济关联性研究.docVIP

我国房地产业发展与宏观经济关联性研究 张勇，闫鹏，杜子平 [摘要]采用典型相关分析与逐步回归相结合的方法，利用典型相关分析从众多指标中筛选出宏观经济中与房地产业显著相关的指标，并采用逐步回归的方法，进一步深入探析了宏观经济变量对房地产业各典型指标的影响。 1、前言 近几年来，随着宏观经济的快速增长，我国房地产业发展迅速，已成为我国国民经济的支柱产业。因而，宏观经济与房地产业的关联性研究成为房地产业发展的热门课题。一些学者从不同角度分析了宏观经济与房地产行业的关系。周建军以房地产价格波动对消费者支出的影响为切入点，对我国住宅价格波动与消费支出进行了实证研究。熊智敏分析了我国房价与银行房地产信贷的相关性问题。窦尔翔定性分析了影响房地产市场发展的十大关系。张瑜从宏观经济、投资、消费、政策等方面分析了不同因素对房地产周期波动的影响。蒲艳萍等一些学者对区域内房地产投资额与国内生产总值的关系进行了分析。在研究方法方面，宋桂杰等采用主成分分析法对房地产投资环境进行了分析。白倩等采用典型相关分析法探讨了房地产业对国民经济发展的影响。 本文根据经济理论，并借鉴现有文献的研究，综合并大量收集宏观经济和房地产业的数据指标。首先通过典型相关分析筛选出二者间具有显著相关性的典型指标，并达到降维的目的；然后分别以房地产业各个典型指标为因变量，以宏观经济典型指标为自变量，采用逐步回归的方法，进一步深入分析宏观经济变量对房地产业各层面指标的影响。 2、分析方法 2.1 典型相关分析 典型相关分析是研究两组变量之间相关关系的一种多元统计方法。它借用主成分分析中降维的思想，把多个变量与多个变量之间的相关转化为两个变量之间的相关。即首先在每组变量内部找出具有最大相关性的一个线性变量组合，然后在每组变量内找出第二对线性组合，使其本身具有最大相关性，并分别与第一对线性组合不相关。 其数学原理为：设两个随机变量向量为X=（x1，x2，…，xp）′和Y=（y1，y2，…，yq）′。为研究X与Y之间的线性关系，需要找到一组系数Ak′=（ak1，ak2，…，akp），Bk′=（bk1，bk2，…，bkq），通过线性组合得到的一组新随机变量u=（u1,u2，…，uk）和v=（v1，v2，…，vk），有uk=ak1x1+ak2x2+…+akpxp=Ak′X，vk=bk1y1+bk2y2+…+bkqyq=Bk′Y，使得uk与vk之间的相关系数ρk最大，即｛Ak′，Bk′｜ρk=max（cor（uk，vk）），k=1,2,…，k｝，且｛cor（ui，uj）=0，cor（vi，vj）=0；i，j=1，2，…，K，i≠j｝，其中k=min（p，q）。此时，称U与V为典型变量，ρk为典型相关系数。 一般地，可以求解K组系数（Ak′，Bk′），使得其对应的典型变量uk与vk之间的典型相关系数ρk可排列为1≥ρ1≥ρ2≥…≥ρk。理论上，u1与v1之间的相关系数ρ1反映的相关程度最大，称为第一典型相关系数；而u2与v2之间的相关系数ρ2次之，称为第二典型相关系数。在实际应用中，只需保留前面若干对典型变量，保留的原则是视典型相关系数的显著性检验结果而定。而典型变量uk中，随机变量xj的系数akj的大小反映了xj对uk的贡献率，因而当随机变量向量维度较高时，经常选取系数较大的随机变量作为典型变量的代表来解释实际问题，同时达到降维的目的。 2.2 逐步回归方法 逐步回归是一种从众多变量中有效地选择重要变量的方法。此法的步骤为： （1）用被解释变量分别通过最小二乘法对每个解释变量进行线性回归，根据经济理论和统计检验从中选择一个最合适的回归方程作为基本回归方程。 （2）在基本回归方程中逐个增加其他解释变量，重新进行线性回归，如果新增加的这个解释变量提高了回归方程的拟合优度，并且回归方程中的其他参数统计上仍然显著，就在模型中保留该解释变量；若新增加的解释变量未提高回归方程的拟合优度，则不保留该解释变量；若新增加的解释变量提高了回归方程的拟合优度，并且回归方程中某些参数的数值或符号等受到显著影响，说明模型中存在多重共线性，将该解释变量同与之相关的其他解释变量进行比较，在模型中保留被解释变量影响较大的，略去影响较小的。 3、关联性分析 3.1 指标选择 衡量宏观经济及房地产业发展状况的指标很多，本文从经济增长、社会投资、货币供应及人民生活状况等四个方面选择宏观经济指标；从总量指标、投资类指标、生产类指标、交易类指标、资金类指标及价格类指标六个层面选择房地产业发展指标。 根据经济显著性、统计数据充分性和可操作性的原则，综合现有文献中描述房地产业发展的显著性指标，以及影响房地产业发展的宏观经济指标，选取宏观经济指标和房地产业发展指标，时间段为1999年至2008年，取季数据，每个指标40个数据，并对数据进行标准化