城镇人均住房面积相关的影响因素实证分析.docVIP

城镇人均住房面积相关的影响因素实证分析 　　【摘 要】城镇人均住房面积是影响民生，体现城镇居民生活水平的重要指标，本文选取了8个相关影响因素进行研究，通过主成分分析法提取了决定性的两个因子经济景气因子和住房价格因子，利用多元线性回归模型建立方程，分析了各因素对我国城镇人均住房面积的影响程度。 　　【关键词】人均住房面积；实证研究；经济景气因子；住房价格因子 　　衣食住行一直是关系民生的重大问题，居民住房的人均使用面积的大小更是关系到广大居民的切身利益，是居民生活水平的重要体现。改革开放30多年来，中国城乡居民的居住条件和生活环境发生了天翻地覆的变化。中国城镇居民人均住房面积1978年为6.7平米，2010年已达到31.6平方米，增长了4倍多。目前普遍认为小康住房标准城镇人均住房建筑面积应该为30平方米，但目前我国各个城市的人均使用面积各有不同，差异悬殊，弄清它们背后的决定因素是非常重要的。本文选择了“城镇人均住房面积”这个衡量居民居住环境的重要指标作为主题，通过建立多元线性回归模型，试图找出影响城镇居民住房面积的重要因素，以及各因素对住房面积的影响程度，为进一步改善居民的居住环境提供一定的帮助。 　　一、模型建立与指标选取 　　由于目前没有关于住房面积影响因素的成熟理论，本文尽量多的选取了与住房面积有关的因素作为指标进行分析，初步建立多线性回归模型： 　　（1） 　　其中：Y――人均住宅建筑面积（平方米）；X1――房屋销售价格指数（%）；X2――城镇市区人口密度（人/平方公里）；X3――城镇居民家庭人均全年可支配收入（元）；X4――城镇居民家庭人均全年消费性支出（元）；X5――城镇新建住宅面积（万平方米）；X6――消除价格影响后的房地产开发投资额（亿元）；X7――恩格尔系数（%）；X8――个人住房商业贷款利率五年以上（%）；C――城镇居民的必要居住面积；――随机扰动项。 　　二、数据整理 　　在数据收集中遇到一些问题做如下说明：1、住房商业贷款利率受到房地产销售市场行情和政策的影响，有时候一年变动好几次，有时候会有一两年持续无重大变化，本文将一年变动好几次年份的数据取了平均值，而无重大变化的则沿用了上一年的数据。 　　表1 城镇人均住宅建筑面积与相关影响因素（1998-2010） 　　数据来源：《中国城市统计年鉴》、《天津市国土资源和房屋管理局》、《搜房网咨询中心》、中华人民共和国国家统计局。 　　三、模型回归 　　在对模型进行回归分析时，由于经济数据的限制，解释变量之间不可避免的会出现普遍的相关关系，相关关系的出现会引起模型估计失真，是模型不能准确反映经济现象。本文利用统计分析软件SPSS17.0对被解释变量与解释变量之间的多重共线性进行分析时发现，所有指标的容忍度都小于0.3，甚至接近于零，而方差膨胀因子VIF，除了X1和X8小于10外其他的都非常大（见表2）。 　　表2 自变量多重共线性分析（因变量y） 　　容忍度越小，方差膨胀因子越大，说明多重共线性越严重存在，这种严重的多重共线性会严重影响最小二乘估计。 　　（一）主成分分析法消除多重共线性 　　原始数据之间存在着比较严重的多重共线性，最简单最直接的方法就是消减变量个数，但是这样会丢失很多信息或者信息不全面，为了能够更加全面解释本文选取的各变量对住房面积产生的经济影响，这里选用主成分分析法，对变量进行分析，按照特征根大于1的规则提取2个主成分并采用方差最大法，对提取到的两个主成分进行正交旋转，得到两个主成分的累计方差贡献率已达88.511%，总体上，信息丢失较少，因子分析效果较理想，提取两个因子是合适的。再进一步得到主成分分析的分析系数矩阵（见表3）。 　　表3旋转成份矩阵 　　根据旋转成分矩阵，得到关于住房面积的因子得分函数： 　　F1=0.151X1-0.658X2+0.981X3+0.936X4+0.985X5+0.989X6+0.950X7+.572X8 （1） 　　F2=0.942X1+0.667X2-0.072X3-0.114X4-0.150X5-0.121X6+0.039X7-0.469X8 （2） 　　从中可以看出F1和F2对X2和X8都有着差不多对等的正负相关性，除此之外，X3城镇居民家庭人均全年可支配收入、X4城镇居民家庭人均全年消费性支出、X5城镇新建住宅面积、X6房地产开发投资额、X7恩格尔系数在第一个因子上的载荷都很高，这些指标都直接反应了我国的经济景气状况，因而命名F1为经济景气因子，X1房屋销售价格指数单独在第二个因子上的载荷很高，这表明F2受房屋价格影响很大，命名F2为住房价格因子。 　　（二）建立回归方程并检验 　　将原标准化之后的数据分别代入F1与F2的因子得分函数得表4 　　表4