城镇居民住房面积的多因素分析.doc

我国城镇居民住房面积多因素分析 班级：10经济学2班 学号：1021303208 姓名：刘文静 指导老师：刘冬兰 [内容摘要]：本文根据目前房地产业现状，从计量经济学的角度来验证一下居民收入水平、物价水平、国内GNP以及房地产销售价格等因素对其的影响程度。 [关键词] 城镇居民住房销售总面积 职工平均货币工资 多因素分析 城镇居民价格消费指数 检验 一. 经济背景 专家预测，到２０２０年，中国城市化水平将提高到５５％，城镇人口将达到７亿以上，按人均需住房２０平方米计算，仅城镇新增人口每年就需增２亿平方米以上，房地产业在国民经济和社会发展中的重要地位将逐渐突出。房地产市场的发展，不仅可以推动经济的发展，而且可以从增加投资的消费，增加就业多方面拉动国内的需求。 由此可见，住房问题已经成为我国市场经济发展过程中的一个重要问题。在此，我们将从计量经济学的角度进行研究。 二. 结合经济背景，建立计量经济学模型 ㈠ 关于数据：数据的来源 中国统计年鉴 附表1 y x1 x2 x3 x4 1997 7864.3 6444 78060.85 103.1 1790 1998 10827.1 7446 83024.28 99.4 1854 1999 12997.87 8319 88479.15 98.7 1857 2000 16570.28 9333 98000.45 100.8 1948 2001 19938.75 10834 108068.2 100.7 2017 2002 23702.31 12373 119095.7 99 2092 2003 29778.85 13969 134977 100.9 2197 2004 33819.89 15920 159453.6 103.3 2608 2005 49587.83 18200 183617.4 101.6 2936.963 2006 55422.95 20856 215904.4 101.5 3119.251 2007 70135.88 24721 266422 104.5 3645.183 2008 59280.35 28898 316030.3 105.6 3576 2009 86184.89 32244 340320 99.1 4459 2010 93376.6 36539 399759.5 103.2 4725 2011 96528.41 41799 472115 105.3 4993.175 ㈡ 关于模型 ⒈建立模型 ：Y=C+β1X1+β2X2+β3X3+β4X4+U 其中Y代表我国城镇居民住房销售总面积（单位；万平方米）， X1代表职工平均货币工资（单位：元） X2代表国民生产总值（单位：亿元） X3代表城镇居民价格消费指数 X4代表城镇住房平均销售价格（单位：元/平方米） 2.散点图 3.参数估计 4.模型检验： ⑴经济意义的检验： 从经济意义上来说，居民住房购买面积会随着居民平均工资以及国民生产总值的增加而增加，而与城镇居民价格消费指数、城镇住房平均销售价格呈反向关系。 从上表可以看出X1，X2,X3的参数符号与其经济意义不符，估计是因为变量间存在多重共线性或者是与被解释变量不存在线性关系。 ⑵统计推断检验： 从回归结果可以看出，R2=0.993636，模型的拟合程度非常好，F统计量的值在给定显著性水平α=0.05下也比较显著，但是X1，X2，X3的t统计值均不显著，说明X1，X2，X3这三个变量对Y的影响不显著，或者变量之间存在多重共线的影响使其t值不显著。 ⑶计量经济学意义检验 ①多重共线性检验 模型从整体上看房屋购买量与4个解释变量之间线性关系显著。对X1、X2、X3、X4、进行简单相关系数矩阵检验。 解释变量相关系数矩阵： 由此图可见，X1和X2，X1和X4，X2和X4这些解释变量之间存在高度线性相关，表明模型中解释变量确实存在严重的多重共线性。 多重共线性的修正：采用逐步回归法对多重共线性进行补救。运用OLS方法逐一求Y对各解释变量的回归，回归结果如下 R-squared t-Statistic Prob. X1 0.962722 18.32288 0.0000 X2 0.944426 14.86344 0.0000 X3 0.252738 2.096865 0.0561 X4 0.984326 28.57307 0.0000 从回归的结果可以看出城镇住房平均销售价格t值最大，线性关系强，拟合程度最好，因此把X4作为基本变量。然后将其余解释变量逐一代入X4的回归方程，重新回归。 R-squared t-Statisti