我国房价影响因素的研究和预测.pdfVIP

我国房价影响因素的研究和预测

作者：吴冠虹陈骏兰朱家明

来源：《成都工业学院学报》2018年第04期

摘要：利用散点图观察北京市房价与M2、GDP、CPI之间关系，进行单位根检验，对稳

定性后的数据进行Granger检验，认为房价与GDP变动相关性更大。绘制脉冲响应图，认为

M2和GDP都会使房价上升。对北京近24个月房价进行差分处理，得到白噪声。选择MA

（1）模型，修改时间范围进行预测，得到未来两个月北京市平均房价。

关键词：北京市;房价;VAR模型;ARIMA模型

中图分类号：F293.3文献标志码：A

文章编号：2095-5383（2018）04-0089-05

住房，既具有商品经济属性，也具备民生和社会属性，是近年来备受关注的重点话题之

一。2017年北京市新房成交价由年初的4.2万元/m2上涨到年底5.9萬元/m2，涨幅高达

40.5%。同年2月，在中央财经领导小组的十五次会议中，习总书记提出“房子是用来住的，不

是用来炒的”[1]，认为要引导房地产市场稳定，实现动态平衡。

总论1

数据来源和模型假设1.1

本文国内生产总值和中国居民消费价格指数数据来源于国家统计局，广义货币供应量来源

于中国金融年鉴，新房成交均价来自于市场成交信息，所有数据真实有效。建立模型时，为确

保模型的合理性，提出以下假设：1）假设各宏观经济因素之间相互独立，互不影响。2）房屋

价格仅考虑普通住宅商品房的平均价格，不考虑办公用商品房以及高档小区别墅。3）未来房

价的变动不存在突发情况以及国家政策的影响。4）房价预测中的价格仅指新房的成交价格，

二手房参考均价不考虑在内。

文献1.2综述

房价上涨背后是各种因素综合作用的结果，不仅包含人口老龄化[2]、人口结构[3]、高校

扩张[4]、地铁开通[5]等微观因素，也包括政策调控[6]、宏观经济变量[7]等宏观因素。

对房价的预测的方法有许多，侯普光等[8]用ARIMA模型对山西省的房价进行预测。曹阳

[9]利用动态模型预测大中城市的房价，考虑时间和变量对房价的双重影响。高玉明等[10]利用

遗传算法后的BP模型，提高了预测的精度。

影响2房价增长因素的定量分析

研究思路2.1

北京是全国的政治中心，其房价在很大程度上反映宏观经济的变动和我国房价的发展趋

势，因此以北京市为例，研究房价增长与M2、GDP、CPI之间的定量关系[11]。首先，绘制散

点图，对房价与影响因素之间的关系形成直观的预判断。接着，建立VAR模型，并进行特征

根和格兰杰因果检验，判断模型的适用性与稳定性。最后，绘制脉冲响应图，分析房屋价格与

各宏观经济变量之间的关系。

模型2.2准备

根据VAR模型的定义，构造房价关于M2、GDP和CPI的一阶模型y。其中，

接着，对模型进行格兰杰因果检验，其假设情况为原假设和备择假设为H0和H1，

为变量H0x不能Granger引起变量y，

为变量H1x能Granger引起变量y。

一般而言，在5%的显著性水平下，如果P的概率小于0.05，则接受原假设，认为两者之

间不存在格兰杰因果关系。反之，若P的概率大于或者等于0.05，则认为两者存在格兰杰因果

关系。

研究方法2.3

绘制北京市房价与M2、GDP和CPI的散点关系图，判断变量之间是否存在相关性。通过

图1可知，北京市房价与M2和GDP之间散点图呈现一条向上的直线，存在明显的线性正相

关关系。与CPI之间的散点图散乱分布，相关关系不显著，认为CPI指数与房价无直接的必然

联系。

建立北京市住房价格与M2和GDP的VAR模型，首先进行单位根检验。通过VAR模型

工具栏中View/LagStructure/ARRootsGraph可以得到根的分布情况，图2显示VAR模型中所

有的根都落在半径为1的单位圆内，说明模型的稳定性良好。

利用格兰杰因果检验判断M2、GDP与房价之间的因果关系。如表1显示，在5%的显著

性水平下：GDP与房价之间存在双向的格兰因果关系，M2与房价之间是单向的格兰因果关

系，GDP与M2也是单向的格兰因果关系。