杭州市商品房价格影响因素实证研究.docVIP

杭州市商品房价格影响因素实证研究 　　摘 要：近年来，房地产市场的持续升温和快速上涨的房价引发了社会各界的关注。那么什么才是影响商品房价格的主要因素？本文通过实证研究，采用回归分析的方法来进行分析，并以此为依据构造房地产定价模型，从而找出引起房价波动的主要因素。 　　关键词：房价；回归分析；因素 　　一、引言 　　由于住房制度的改革和经济社会的快速发展，我国的房地产行业已经经历了几个快速发展时期。房地产也已经一跃成为我国经济的支柱性行业。但是房地产离普通民众的距离却越来越远，成为少数人才能买得起的奢侈品，这必然影响我国经济的持续稳定发展和和谐人文社会的构建。因此，有必要分析影响我国房地产价格的相关因素，研究这些因素对于房价影响的大小以及它们之间的内在关系，从而为实行合理并且有效的房地产调控政策提供有力的依据。 　　对于房地产价格的影响因素的研究，众多的学者在早期主要关注的是宏观方面，分析着重于定性的分析[3]，但在近几年也逐渐认识到定性分析中存在的缺陷，即无法直观的反应重要因素的影响程度，从而开始运用定量分析来确定房地产价格的主要影响因素，并据此构建房地产价格模型。 　　二、样本与数据 　　本研究采用商品房本年销售价格（YXSJG）这一指标来表示本年度商品房的价格。虽然影响商品房价格的因素很多，但是，根据相关理论研究成果和经验，影响商品房价格的主要因素应该与国民经济发展、投资水平和人民生活水平关系较大，因此我们选择以下几个方面来分析：1、地方经济的发展水平；2、房地产投资规模；三是房地产的供求关系；四是居民收入。这些都是宏观分析中经常用的经济指标，如果要把指标都量化，我们可以选择城镇居民人均可支配收入等四个指标作为模型的自变量。本文采用来自国家统计局与杭州市统计局网站数据库1999年到2011年13年的数据进行分析[2]，相关变量符号说明如表1所示： 　　三、实证分析 　　（一）多元线性回归模型的建立 　　集合了相关数据，为了表示各影响因素对房地产价格的影响程度。我们使用SPSS19对数据进行[4]分析和处理，最后准备使用多元线性回归模型来表示数据间的关系： 　　各变量的含义与表1中相对应，β0到β4为模型回归参数，ε为随机干扰项或随机误差。 　　（二）回归模型的检验 　　1.模型的拟合度检验 　　用spss对模型进行拟合度检验，可得R为0.982，R方为0.965，调整的R方在0.948，R和R方非常接近1，因此模型的拟合度非常好。 　　2.方差分析显著性F检验 　　根据检验结果，F值为55.592而SIG值接近于零，远小于0.05的显著性水平，因此可以说明变量之间存在线性的关系，模型的显著性检验可以通过。 　　3.变量的显著性t检验 　　由检验结果知，模型参数中只有人均可支配收入的SIG值小于0.05，VIF值却大于10，另外发现人均GDP和销售面积和商品房销售价格呈负相关，这显然不符合经济运行中的实际情况。因此可以确定，模型中几个自变量之间肯定存在多重共线性。通过相关性检验观察发现变量间的相关系数分别为0.966、0.973、0.968、和0.623，很接近1，这表明几个变量间存在较强的共线性。 　　（三）多重共线性问题的解决以及回归模型修正 　　解决多重共线性的方法一般有：数据处理和统计方法。 　　数据处理一般可以通过增加样本量来解决，但是由于实行市场化的房地产制度的时间很短，房地产方面的相关统计数据量非常有限。因此比较可行的方法是采用统计方法来对回归模型进行一定的修正。 　　通过逐步回归后发现，相关变量中只有城镇人均可支配收入与商品房销售价格表现了良好的正相关性，并且通过了相关的检验。分别如下表所示：综合SIG值，F值，VIF值都符合检验通过的标准。 　　根据经验，商品房销售价格与销售面积之间肯定有关联而且一般呈正相关，只是这里由于样本数据太少导致其检验不显著，其他变量的不显著则比较好理解。 　　继续分别以（城镇人均可支配收入XRJSR，商品房本年销售面积XXSMJ）以及（城镇人均可支配收入XRJSR，房地产开发投资额XKFTZ），为自变量做分析查看其T检验结果如下： 　　我们发现当以城镇人均可支配收入XRJSR，商品房本年销售面积XXSMJ以及城镇人均可支配收入XRJSR，房地产开发投资额XKFTZ为自变量时，各参数（SIG，VIF10，R值）也能勉强通过显著性检验。 　　再分别观察其p-p图以及散点图可见各数据点在基准线上下均匀波动，因此可以认为数据的残差可以满足多元回归线性模型的要求。 　　综合分析可以得出以下结论即商品房销售价格和人均可支配收入有关，并且销售价格随着人均可支配收入的增加而有所上涨。这一点符合预期，但是模型当中其他几个指标均不同程度的遇到了