人均收入对房价影响研究.docVIP

人均收入对房价影响的研究 　　摘 要：本文通过对房价、人均收入、GDP等数据进行横截面回归和面板数据回归，研究了在我国30个主要城市中人均收入对房价的影响。在进行横截面回归的过程中，发现房价与人均收入呈正相关，且人均收入与各地房地产投资额对房价的影响有协同作用；考虑固定效应后，当城市经济发展水平较高时，人均收入的变化与房价的变化是同向的且与GDP有协同作用。 　　关键词：房价 人均收入 GDP 　　一、数据的收集和整理 　　数据来源为国家统计局的官网“国家数据”。选取了2013年、2014年、2015年连续三年的全国30个主要城市，一共90组相关数据。其中，30个城市分布在我国不同地区，既有位于南方的城市，也有位于北方和中部的城市。 　　二、数据描述性分析 　　（一）被解释变量与解释变量 　　被解释变量――房价由各地住宅商品房平均销售价格表示，解释变量分别是各地GDP、各地人均收入、各地人口和各地房地产开发住宅投资额。其中，各地人均收入为目标变量，各地人口和各地房地产开发住宅投资额和各地GDP为控制变量。各地人口是反映各地住宅商品房需求量的控制变量，各地房地产开发投资额是反映各地住宅商品房供给量的控制变量。GDP作为各地经济发展水平的控制变量，因为经济发展水平与人均收入有关，同时也影响了各地房价，为了防止遗漏变量偏差，也应该将控制经济发展水平的变量GDP考虑在内。 　　解释变量――人均收入越高，人们越有可能进行投资来提高生活水平，而房地产业是较好的投资品，所以人均收入与住宅商品房价格间应为正相关的关系。GDP是衡量一个地区经济发展水平的因素，理论上，一个地区经济越发达，住宅商品房价格越高，两者应为正相关的关系；各地人口反映了对住房的需求，人口越多，对住房的需求越高，房价也会相应地越高。各地房地产开发住宅投资额反映住宅商品房的供给，可能与房价呈负相关的关系。 　　（二）被解释变量与解释变量间散点图 　　1.由图1可以看出，各地的房价与GDP呈现正相关的关系，比较符合预期。 　　2.由图2可以看出，各地房价与人均收入之间呈现正相关的关系，比较符合预期。 　　3.从图3中，比较难看出房价与各地房地产开发住宅投资额之间的关系。判断二者的关系可能需要更深入的分析。 　　4.在图4中，房价与各地人口之间大致呈现正向的关系。 　　（三）各变量特征描述 　　各变量特征描述见表1。 　　三、横截面回归结果分析和检验 　　（一）分析 　　根据被解释变量与解释变量之间的散点图，住宅商品房平均销售价格与人均收入和GDP之间更有可能是非线性?P系，住宅商品房平均销售价格与各地投资额或人口之间更可能是线性关系。由于各地房地产开发住宅投资额变化对因变量的影响可能依赖于GDP的取值，而且GDP变化对因变量的影响可能依赖于各地房地产开发住宅投资额，所以在模型中可能需要考虑各地房地产开发住宅投资额与GDP的交互作用。同时，GDP与人均收入之间可能也存在互相影响的关系，在模型中可能也需要考虑两变量的交互作用。此外人均收入可能与房地产开发住宅投资额 　　由于模型中不存在哑变量，所以不存在完全多重共线问题，但可能会存在不完全多重共线性，可能需要通过适当变量的选择来调整。 　　（二）回归结果 　　不同的城市间房价的分布可能存在很大差异，即在自变量给定时，因变量的方差取决于自变量的取值，所以为了减少拟合的误差，应采用异方差稳健标准误。 　　（三）最优模型形式的选择 　　根据表2、表3及表4各个回归模型的结果，模型（6）是回归模型中最优形式。理由如下： 　　首先，对解释变量人均收入（aveincome）分别采用线性形式和二次方形式，两种形式的R2差别不大，考虑到模型的简洁性，对人均收入（aveincome）选择线性形式更加合理。 　　其次，在模型（4）和模型（5）中，截距项均为不显著的，即不能拒绝截距项为0的原假设；在模型（4）中，当将GDP、房地产开发住宅投资额（invest）以及交互项（inter2=GDP*invest）加入模型中后，这三个解释变量均为不显著的，证明模型（4）中解释变量的选取不够合理或者由于GDP和房地产开发住宅投资额（invest）之间高度相关导致两个变量存在多重共线性，使t值被低估导致解释变量不显著。模型（5）中，房地产开发住宅投资额（invest）这一解释变量仍为不显著，证明房地产开发住宅投资额（invest）可能与其他变量存在交互作用。 　　此外，在模型（3）中，当选择截距项为0时，GDP这一解释变量仍不显著，说明在解释人均收入对房价的影响时，GDP可能并不是主要的遗漏变量，并不会造成严重的偏差。 　　同时，比较模型（4）和（5），模型（4）中加入了交互项，是人均收入（aveincome）