基于面板数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）人口和家庭因素；（6）居民家庭收入因素；（7）住宅产业政策因素。 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 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 ，城镇居民家庭年均可支配收入数据来自于表10-15，城镇房地产住宅投资数据来自于表5-6，房地产开发企业（单位）本年度投资完成额数据来自于表5-31，竣工房屋造价数据来自于表5-34，人均GDP数据来自于表2-1和表2-15。 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。 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 timePRICEINCOMEINVESTCOMPANYCOSTGDP2008380015780.7622440.931203.191795237082009468117174.6525613.736241.812021256082010503219109.4434026.248259.40222829992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.