上海市住宅价格影响因素分析.docVIP

上海市住宅价格影响因素分析 　　【摘要】近年来房价高居不下已经引起社会的广泛关注，住宅市场价格的波动是多种因素共同作用的结果，但是各种因素的影响程度不同，本文应用软件STATA分析上海市住宅价格的影响因素，建立精简的OLS模型，得出影响房价的主要因素为GDP，利率和季度虚拟变量。 　　【关键词】住宅价格 OLS ECM 　　一、绪论 　　近年来，上海房地产市场的持续火热已经引起社会的广泛关注。房价的飙升带来的蜗居式的生活以及还房贷的高压力持续地影响着人们的生活水平和社会的和谐发展。但是，近年来房价的调控政策却收效甚微，房价一路高涨是不争的事实。我们认为，上海市住宅市场价格的波动多种因素共同作用的结果，但是各种因素的影响程度是不同的。因此，我们要识别那些会显著影响房地产价格的波动的因素，并且有针对性地制定房价调控的政策。 　　从供给与需求角度国内学者对房价的影响因素进行分析时基本都认为房价是由供求关系决定的。价格理论认为，市场中的价格实际上是供给曲线与需求曲线交点所对应的均衡价格，而且所有影响房产价格的因素都是通过影响供求关系进而发生作用的。所以，我们在研究价格时一般先从供给和需求的角度开始，找出达成价格均衡的因素，从而揭开价格谜底。而且S.W.Decarlo（1997）指出引起房地产市场波动的原因主要有供求变化、空置率、货币政策、就业水平、人口趋势、法规政策、家庭规模等，他认为其中供求是最重要的因素。 　　我们预期房价（price）会受到国内生产总值（GDP）、贷款利率（Interest Rate）、房地产开发投资额（Investment）、人口数量（population）和季节（quarter）因素的影响。我们用科布道格拉斯函数预计各个系数的影响，两边取对数可以得到回归方程为： 　　在这个方程中，我们lnprice表示住宅价格的对数，lninv表示房地产投资的对数，lnGDP表示上海国内生产总值的对数，lnpop表示上海市常住人口的对数，Interest_Rate表示贷款利率，Exchange_Rate表示汇率，q1，q2，q3表示三个季节的dummy variable，（以第四季度为base group）.我们可以看出，lninv、lnGDP、lnpopu前面的系数表示房地产投资额、GDP、人口每变动1%对房???变动的影响弹性，而interest_rate、exchange_rate表示利率和汇率每变动一个百分点，对于房价的影响。 　　二、数据分析 　　为了增强模型的可用性，我们在采取宏观月度数据进行分析。房地产投资和上海市常住人口来自于中经网统计数据库，住宅价格通过中经网统计数据库中住宅的销售额和销售面积的比值得到。 　　（一）采取简单OLS回归 　　第一步，因为我们并不确定这些变量对于房价是否有显著影响，所以我们将这些可能影响房价的因素全部放进回归模型里面，先采普通OLS回归，以便确定各变量是否显著。回归结果如下所示： 　　（二）各个系数的含义及其显著性 　　回归的结果显示，GDP，利率和第一第二第三季度在95%的置信水平上对房价的影响显著，而房地产投资额、人口和汇率对房地产价格的影响不显著。GDP每增长1%，房价会相应的增长1.33%，利率每上升1%，房价会相应的下跌0.09%，在假设第四季度为基期的情况下，第一、二、三季度的房价相对于第四季度来说分别高出22%、17%和19%。 　　其中，人口、汇率的系数的方向与预期不符。预期应该人口的增加应该带来房价上涨，间接法下汇率的降低意味着人民币升值，会吸引更多外资进入房地产行业从而推高房价。 　　各个自变量之间的variance-covariance矩阵见下表： 　　从以上的variance-covariance矩阵，我们可以看出，模型中不存在多重共线性的问题。 　　（三）测试不显著的变量是否可以去掉 　　由上述分析可见，房地产投资额、人口及汇率对于住宅价格的影响在统计意义上并不显著，我们通过F检验来检验其显著性。 　　F-statistic为0.37，p值为0.7783，因此我们无法拒绝这三个变量不显著的原假设。因此，我们可以将这三个因素去掉，以精简模型，增强模型的效率。 　　如果模型中加入了irrelevant variables，虽然relevant variables前面的系数依然是unbiased and consistent，但是它们的系数的方差会变大，尤其是上文中我们发现人口、汇率与房地产投资额均与GDP有比较强的相关关系，所以我们有必要在检验了这些变量的影响都不显著的情况下，将这些变量扔掉，重新建立房价的影响因素模型，以便更准确地估计GDP和利率对与房价的影响。 　　（四）在下一步建模过程中，我们仅保留GDP和