基于面板數据的我国城镇住房价格模型.docVIP

PAGE PAGE 8 高级房地产经济学课程论文 基于面板数据的中国城镇住房价格模型 姓名：邓光耀 学号：2011310035 专业：国民经济学 摘要：本文通过分析影响房价的各种因素，利用《中国统计年鉴》上2008年—2010年的全国城镇房价及相关数据，建立了31个省市近三年的房价的面板数据模型，实际验证了了北京、上海等大城市对全国的房价起推动作用的结论，并提出相关的政策建议。 关键词：房价；面板数据模型；固定效应 一、模型的建立与数据来源 影响中国城镇住房价格的因素有很多，从供给与需求两方面来分析，主要有以下几种 房价之谜.黄石松，陈红梅著.北京：社会科学文献出版社，2009.5：（1）地区经济发展水平（人均GDP）；（2）住房投资；（3）住宅用地因素；（4）住宅成本因素；（5） 房价之谜.黄石松，陈红梅著.北京：社会科学文献出版社，2009.5 其中，住房价格的涨跌与住房政策紧密相连，但是由于政策因素对市场的影响十分复杂，难以用量化的指标进行测度。 结合研究目标与数据的可得性两个方面，本文选用商品住宅价格平均销售价格（PRICE，单位：元/平方米）作为因变量，选取城镇居民人均家庭年均可支配收入（INCOME，单位：元/年）、城镇房地产住宅投资（INVEST，单位：亿元）、房地产开发企业（单位）本年度投资完成额（COMPANY，单位：亿元）、竣工房屋造价（COST，单位：元/平方米）、人均GDP（GDP，单位：元/人）作为自变量。 以上指标的数据均来自于2009年、2010年、2011年的《中国统计年鉴》 ，由于数据的滞后性，得到的是2008年、2009年、2010年的具体数据 严格地说，要选取1998—2010年的相关数据，但是由于时间有限，数据整理太繁琐，故只选取最近三年的数据做研究。具体如下：商品住宅价格平均销售价格的数据来自于表5—38 严格地说，要选取1998—2010年的相关数据，但是由于时间有限，数据整理太繁琐，故只选取最近三年的数据做研究 不同年度的《中国统计年鉴》中的表格序号会有些差别，以2011年的为准，下同 我们建立基于面板数据的中国城镇住房价格模型如下： （1） 这里，我们为了考虑问题的方便性，将一般的面板数据模型简化为以上形式。其中，假定常数项C只与个体数据有关，与时间无关；斜率系数满足个体齐次性及时间齐次性，也就是说斜率系数是常数。各变量的具体定义参见本文第三段的叙述。 一般的面板数据模型如下： （2） 其中：为外生变量向量，为参数向量，K为外生变量个数，T是时期总数。随机扰动项相互独立，且满足零均值、等方差。 由于以上变量在我国的整体情况不是简单的平均与加总 考虑到各省的人口数的不同，因此是加权平均，因此我在这里把全国单独列出来，但是具体分析的仍是31个省市的数据，并将31个省市与全国的情况做比较 考虑到各省的人口数的不同，因此是加权平均 下面是全国这个样本的数据： 表1 2008年—2010年全国房价相关数据 本表中数据的单位在本文的第3段已经说明，以下各表中数据的单位也是如此 time PRICE INCOME INVEST COMPANY COST GDP 2008 3800 15780.76 22440.9 31203.19 1795 23708 2009 4681 17174.65 25613.7 36241.81 2021 25608 2010 5032 19109.44 34026.2 48259.40 2228 29992 限于篇幅，对31个省市的具体数据不再一一列举，有兴趣的读者可以找我索要或者根据统计年鉴自行整理。 二、数据的描述性统计分析 下表是根据eviews6.0软件得到的分析结果。 表2 相关数据的描述性统计分析结果 PRICE? INCOME? INVEST? COMPANY? COST? GDP? ?Mean ?4386.527 ?16428.46 ?882.5968 ?1244.134 ?1933.355 ?29314.85 ?Median ?3263.000 ?14980.47 ?731.7000 ?955.9200 ?1862.000 ?23239.00 ?Maximum ?17782.00 ?31838.08 ?3158.500 ?4299.380 ?4018.000 ?78989.00 ?Minimum ?1958.000 ?10969.41 ?7.000000 ?8.960000 ?1195.000 ?8824.000 ?Std. Dev. ?2889.723 ?4516.749 ?696.7723 ?983.7103 ?525.5518