上海市商品房价格影响因素分析.docVIP

上海市商品房价格影响因素分析 　　摘 要 上海是我国经济发展中心。房地产业在近20年的快速发展也使得房价持续走高，研究房价的影响因素十分必要。文章首先简述了中国及上海房地产的发展状况，分析了影响房价的因素，并通过建立2005年到2015年上海房商品房价格以及相关因素的时间序列数据模型，分析了各因素的影响效果。模型初步采用对数线性回归，进而对多重共线性进行修正，对上海市商品房的价格进行实证分析，并解释了模型结果的经济学意义，分析了三个显著性影响因素对商品房价格变动的具体影响。最后，基于模型结果，提出政策建议。 　　关键词 商品房价格 回归模拟 影响因素 　　一、房地产发展现状 　　（一）我国房地产业发展状况 　　中国的工业化和城市化快速推进，同时催生了房地产业的繁荣，迅速崛起的房地产业已经成为国家的经济支柱性产业之一。但房地产业在中国属新兴产业，房地产市场发育不完善，因而出现了众多问题。例如，房地产投资增幅过大，带动经济过热；住房市场供应结构性矛盾突出，房价上涨过快，超出了广大居民的承受能力；房地产融资过度依赖银行等。 　　（二）上海房地产发展状况 　　在供给方面，上海房地产开发投入产出失衡，施工面积高、竣工率低，经济适用房投资额比重小，房地产供给结构不合理。在需求方面，房价上涨幅度过度，房价收入比明显偏高，抑制有效需求形成。房价的微幅度上扬，其理想状态是控制在5%以下。从国家政策层面看，2009年年底，国家规范房地产市场稳定、健康发展的宏观政策的陆续推出，抑制2009年“过火”的房地产市场，投机因素亦被抑制，房价回落到一个平稳而相对理性的阶段。 　　二、房价的影响因素分析 　　从成本加成的角度来说，房价的核心在于房产的价值，其中包含土地价值和附着于土地上的建筑物的价值。基于此，房价首先受到土地供应状况和价格的影响，此外还由建筑成本、建筑附加价值决定。同时人们的心理预期和相关政策也会对房价造成影响。从供需角度来说，市场的供需关系状况决定了商品房的价格。 　　第一，土地购置费。土地购置费是房产开发商成本中的重要组成部分，理论上来说，我国征地政策会导致土地资源供应不足，从而提高了地价，进一步提高了房价。 　　第二，房屋施工面积。 　　第三，竣工面积。房地产的生产类指标有三个：房屋施工面积、房屋竣工面积和土地出让面积。它们都体现了房屋的供给。其中我们选取施工面积、竣工面积共同作为自变量来考虑。 　　第四，房地产开发投资额。房地产开发投资额是开发商投入房地产的资金量，开发商的投资额决定了市场上房地产的供应水平如何。 　　第五，M2：反映了现实及潜在购买力，M2的快速增长意味着投资和中间市场非常活跃。众多学者对央行加息与房价关系进行分析认为加息会延缓部分房产需求，一定程度上起到稳定房地产价格的作用。 　　第六，商品房销售额。商品房销售额是直接反映出流入房地产资金量的重要指标。事实上，无论是把商品房当作商品还是投资领域，资金的大量涌入必然会使价格不断走高。 　　第七，人均可支配收入。人均可支配收入度量的是人们的储蓄或者消费量，可支配收入的提高将推动需求曲线向外移动，从而抬高房价。 　　第八，上海市常住人口。一方面，人口的增加导致了对商品房的需求增加，进一步抬高了房价。近些年来随着上海城市化的不断发展，吸引了大量外来人口来沪发展，上海的城市规模也达到了空前的高度。随之而来的不仅仅是规模效应的衰减，还有商品房需求的居高不下。 　　第九，消费者物价指数。CPI综合反映居民购买的生活消费品和服务价格水平的变动情况。物价指数反映的是通货膨胀水平，从人们的心理预期上改变了需求水平。在物价上涨的趋势下，人民预期现期买房比将来买房更有利。因此，就会在短期急剧扩大房地产的需求。 　　三、模型的选择与检验 　　（一）模型的选择 　　在模型选择上，我们使用的是对数线性回归模型：Ln（P）=β0+β1*ln（M2）+β2*ln（L）+β3*ln（CON）+β4*ln（COM）+β5*ln（S）+β6*ln（DI）+β7*ln（PR）+β8*ln（I）+β9*ln（CPI）+ε。值得说明的是，在本模型中的y和x都代表了对变量取对数以后的结果。 　　（二）数据预处理 　　我们摘取了上海市2005年到2015年的月度数据，来源是同花顺数据库和上海市统计局。在数据的处理上，由于数据库的很多月度数据取的是累计值，且每年1月的数据都缺失，导致每年2月的数据也失去意义。因此，我们在处理数据时删去了1、2月的数据。 　　（三）模型的初步检验 　　在确立了自变量与因变量后，最小二乘法的回归结果如下，估计模型参数。 　　模型估计结果为： 　　Y=1.36808183365+1.16142608739*X1+0.001754