基于灰色关联度的河北省房价影响因素分析.docVIP

基于灰色关联度的河北省房价影响因素分析 　　摘要：基于灰色关联度模型，分别从供给、需求和环境3个角度选取若干房价影响因素，对2008-2015年《河北经济年鉴》中的相关数据进行了分析，结果表明：居民收入水平和地区经济发展水平对河北省房价的影响最为显著，同时竣工房屋造价、房地产投资规模等因素也对房价有较强影响，京津冀一体化重大战略及其相关政策将对河北省房价产生直接影响。 　　关键词：房价； 影响因素； 灰色关联度； 京津冀一体化 　　中图分类号：F293.3 　　文献标识码：A 文章编号2017 　　1 引言 　　住房问题关系国计民生。近年来，随着社会、经济不断发展以及房地?a行业的迅速崛起，国内各大城市房价持续走高，居民购房压力日趋沉重，因此对房价影响因素的研究具有重要的现实意义。 　　学术界对房价影响因素已有大量研究。肖磊利用30个省会城市的截面数据对房价影响因素进行定量分析，发现供给和需求是影响房价的最主要因素[1]。罗玉波利用分位数回归方法分析得出不同房屋属性对于房价的影响随所考察的分位数不同而变化，从而得到不同属性对于房价影响更为全面的描述[2]。刘闯利用国内1997～2009年房地产市场相关数据资料，通过计量经济学方法，构建出我国房价影响因素的联立方程模型[3]，且该模型具有有效性。金克镇通过回归分析得出常住人口数量、CPI、调控政策是影响房价指数的主要因素[4]。范允奇通过二阶段局部动态调整模型对存在市场摩擦和投机时的房价运行特征进行分析，并利用动态面板数据模型和递归分析方法分析了房价影响因素的区域差异和时序变化[5]。蔡鹭斌通过构建基于DPSIR模型的房地产调控政策对房价影响的评价体系，分析得出房价对调控政策反应敏感但同时具有一定的滞后性[6]。彭乃弛利用2012年北京、天津等31个省市相关指标的横截面数据，通过最优模型分析得出人均可支配收入与失业率是短期内影响房价的主要因素[7]。陈新峰通过VAR模型分析得出国内生产总值、货币与准货币供应量、城镇居民人均可支配收入、土地价格、房地产开发中外资利用额等变量之间存在长期的稳定关系[8]。 　　以上对房价影响因素的研究分别基于不同角度，各有侧重；在对房价影响因素进行分析时所采用的方法各有优势与不足；对于我国不同省份而言，其人口状况与经济发展水平参差不齐，房价影响因素的重要性排序也有所不同。笔者从供给、需求、环境等角度选取若干对房价有重要影响的因素，对河北省2008-2015年的相关数据进行灰色关联度分析，得出各个因素对河北省房价的影响程度，为有效调控房价提供指导。 　　2 房价影响因素模型构建 　　房价影响因素涉及诸多方面且内容复杂。拟从需求、供给、环境以及其他因素四个角度分析影响房价变动的主要因素。 　　（1） 需求因素。在其他因素一定的前提下，对商品房的需求越旺盛，房价越高涨。因为人口和购买力是决定市场需求的最为重要的因素，所以在此选取居民可支配收入和年末常住人口来反映需求因素。人口是房地产业发展的基础要素，一般情况下，人口与市场需求之间存在正相关关系。而居民的可支配收入决定着购买力水平，收入水平越高，支付能力越强，从而刺激商品房的需求，导致房价上涨。 　　（2） 供给因素。根据经济学一般理论，在其他因素一定的前提下，商品房的供给量越多，房价越低。在此选取了房地产投资、施工房屋面积、竣工房屋面积和竣工房屋造价来反映供给因素。其中房地产投资、施工房屋面积、竣工房屋面积与房价之间往往存在负相关。而竣工房屋造价与房价之间存在正相关。 　　（3） 环境因素。环境因素主要通过影响商品房的需求和供给进而影响房价。选取地区生产总值、居民消费价格指数和城镇化水平来反映环境因素。地区生产总值反应了地方经济发展水平，而经济发展水平的提高在带动居民收入水平上升的同时，也会刺激房地产商加大投资力度，抬高房价。物价水平上涨会增加商品房的建设成本，影响其供给；同时通货膨胀情况下，人们更倾向于持有实物资产从而加剧购房需求。城市化水平反应了人口由农村向城市聚集的程度，城市化水平的提高促进了住房需求的扩大，导致房价上涨。 　　（4）其他因素。考虑到人民币贷款利率对房地产需求的影响，所以附加了这一其他因素。因为人民币贷款利率同时影响房地产商与购房者的资金成本，进而影响房地产市场的供给与需求，最终对房价产生影响。 　　3 灰色关联度模型介绍 　　灰色关联度分析（Grey Relational Analysis）是一种多因素对比分析法，通过分析系统中主行为因子与相关行为因子的关系密切程度，进而判断引起该系统发展的主要因素和次要因素。它以系统内各因子间的关联系数和关联度作为依据，通过比较关联度的大小来确定主要因素和次要因素。 　　灰色