计量经济学张伟浩

学号08040247班级08财政学2班计量经济学期末课程设计南京审计学院2008级经济学院题目：商品房价格影响因素的实证分析学生姓名张伟浩学号08040247专业财政学班级2班2010年12月29日—1—商品房价格影响因素的实证分析0804024708财政2班张伟浩摘要：随着经济的快速发展，商品房的房价不断攀升，达到了许多工薪族想都不敢想的地步。我国许多城市出现了一方面很多人买不起一栋自己的住房，另一方面大量商品房因卖不出去而闲置的不正常现象。究竟是什么推动着商品房的房价继续稳步爬升，研究这个问题是非常有意义的。关键字：商品房价格EVIEWS定量分析模型一、文献综述我国商品房价格影响因素的定性分析目前学术界一般将影响城市商品房价格的因素分为五类：经济因素、自然因素、社会因素、政策因素和心理因素。经济因素主要包括经济发展状况、通货膨胀、居民收入水平和消费结构、政府财政金融状况等。自然因素主要包括商品房的区位、日照、通风状况、住宅外部景色、楼层等。社会因素主要括人口因素、社会环境和城市化水平等。政策因素主要包括土地制度和住房制度、税收政策和货币政策、产业政策和城市规划等。心理因素主要包括对未来房价的预期和心理偏好等。在此，结合经济学理论，运用经济学研究方法，对影响我国商品房价格的各种因素重新归纳和整理，选取具有代表性的影响因素，从需求和供给两个方面对影响我国商品房价格的因素进行定性分析。（一）从消费者对商品房的需求方面思考1、人均可支配收入1998年，我国实行住房改革，停止原先福利性实物分房制度，开始实行住房货币化改革，将住房商品化，以价格调节商品房供需。从此房地产行业迎来了春天，大量资金进入房地产行业，房地产开发企业如雨后春笋般出现，房地产行业开始高速发展。与此同时我国GDP也在以惊人的速度增长，近十年GDP增长率保持在7%以上。经济总量高速增长迅速提高了人民生活水平，加快了城市化进程，导致城市人口增加，并形成了人们对城市住房的刚性需求。同时，城市人均可支配收入逐年增加．增长速率达到了10％以上。根据持久收入假说，对于住房这类高价耐用消费品，消费者决定是否购买取决于其对未来收入的预期。因此，我们看到随着经济的急速发展，人均可支配收入的持续增长，及对我国经济发展和未来人均收人的乐观预期，使人们对住房的需求迅速膨胀。2、人口因素中国作为世界上人口最多的国家，同时也是世界上最大的发展中国家，伴随着工业现代化的发展，必然导致城镇人口的大量增加。城市化进程已经成为推动房地产行业发展的最基本的动力之一。同时，由于生活观念的转变，不在再追求四世同堂的中国人开始希望有一套自己的住房，供自己的小家庭居住。这些都是造成人们对住房的刚性需求的主要原因。3、实际贷款利率由于实际贷款利率对于住房的投资性需求影响较大，但是对刚性需求和改善性需求影响不大，因此，在通胀增加的压力下，尽管我国连续多年的上调银行贷款利率，但实际贷款利率上升的并不快，对住房的投资性需求打压效果不明显。（二）从房产商对商品房的供给方面思考商品住宅价格主要受到土地价格、建筑成本、政府相关政策和房地产开发商对未来的预期等因素影响。1土地价格由于我国土地归国家所有，并且人均土地面积小，导致了土地资源成为我国最稀缺的资源。同时，土地实际处置权掌握在地方政府手中，而土地出让金收入已成为地方政府的一项重要财源，地方政府有追求利益最大化的冲动，故地方政府大量出让土地资源供房产商开发房产；房地产企业对于土地储备的盲目追求，更加剧了这种稀缺性．因此土地价格的上涨远远快于同期商品房价格的上涨。2建筑成本建筑成本的变化可以直接影响房地产企业的生产成本，改变商品房供给，从而影响商品房价格。建筑—2—成本主要包括建筑材料和装饰材料的购入价格、工人工资、各类建房设备的折旧等。由于房地产行业的刚性需求导致了建筑成本爆发式的增长，特别是钢材、水泥、建材的暴涨。二、模型的建立（一）模型初步提出按照所选取变量的有代表性、可量化性、数据的可得性及可靠性原则，以商品房的价格(Y)为被解释变量，以实际人均可支配收入(X2)、城镇人口(X3)、土地价格(X4)、建房工程造价(X5)、银行实际房贷利率(X6)为解释变量建立多元线性回归模型。在模型的设计上．采用对数线形函数形式.于是，将我国商品房价格与各影响因素的函数关系式表示为：logY=β1+β2logX2i+β3logX3i+β4logX4i+β5logX5i+β６logX6i+ui其中β1（在下面用EVIEWS软件分析时用C代替）为常数项，u为随机扰动项。（二）数据的选择和说明本文数据来源于《中国统计年鉴》、《中国房地产统计年鉴》、《中国房地产市场年鉴》以及中国统计局网站，时间跨度为1994年一2007年(表1)。根据分析结果和模型的需要，引入了影响商品房价格变化的五个变量：人均可支配收入、城镇人口、土地价格、建房工程造价和同期银行房贷利率进行研究。下面对各个变量进行说明：商品房价格（Y）：以历年全国商品房平均销售价格表示实际人均可支配收入（X2）：根据历年城镇居民家庭人均可支配收入，除以当年的居民消费物价指数（CPI）整理得。人口（X3）：历年城镇人口数土地价格（X4）：历年土地交易价格指数，上年为100建房工程造价(X5):历年竣工商品房平均造价。银行实际房贷利率（X6）:5年期房贷利率减去通货膨胀率后的实际利率。数据如图表一（数据来源：中国统计年鉴）编号年份商品住宅销售均价（元/m2）城镇居民人均家庭可支配收入（元）城镇人口（万人）土地交易价格指数（上年100）商品房平均造价（元/m2）银行实际房贷利率（五年内）1199411943469.23416998.879710.982199515094283.935174134.291111.523199616054838.937304103.5111110.984199717905160.339449107.3117510.585199818545425.14160810212187.4361999185758544374810011526.12720001948628045906100.211395.858200120176859.648064101.711285.859200220927702.850212106.911845.4110200321978472.252376108.312735.3111200426089421.654283110.114025.3812200529371049356212109.114515.3813200631071175957706105.815636.8414200733461378659379112.316577.49（三）.模型的估计与检验—3—参数估计采用EVIEWS将数据进行回归分析。得到如下分析结果：DependentVariable:LOG(Y)Method:LeastSquaresDate:12/29/10Time:16:16Sample:19942007Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C-5.3174249.983350-0.5326290.6088LOG(X2)0.2401680.5309190.4523630.6630LOG(X3)0.5042661.1884950.4242900.6825LOG(X4)0.2494410.2158431.1556580.2812LOG(X5)0.5832920.2102032.7749000.0241LOG(X6)0.0557710.1607020.3470470.7375R-squared0.989247Meandependentvar7.632857AdjustedR-squared0.982527S.D.dependentvar0.289789S.E.ofregression0.038306Akaikeinfocriterion-3.388874Sumsquaredresid0.011739Schwarzcriterion-3.114993Loglikelihood29.72212F-statistic147.1971Durbin-Watsonstat1.470785Prob(F-statistic)0.000000得到回归方程：LOG(Y)=-5.317424+LOG(X2)+LOG(X3)+LOG(X4)+LOG(X5)+LOG(X6)(9.983350)(0.530919)(1.188495)(0.215843)(0.210203)(0.160702)t=（-0.532629）（0.452363（0.424290）（1.155658）（2.774900）（0.347047）R2=0.989247AdjustedR-squared=0.982527F=147.1971df=14模型的检验:1、多重共线性检验该模型R2=0.989，AdjustedR-squared=0.9825，F检验值=147.1971，明显显著。但a=0.05时，ta/2(n-k)=t0.025(8)=2.306,LOG(X2),LOG(X3),LOG(X4),LOG(X6)的系数t检验不显著，这表明该模型可能存在严重的多重共线性。LOG(X2)LOG(X3)LOG(X4)LOG(X5)LOG(X6)LOG（X2）1.0000000.9579230.0853290.944227-0.565548LOG（X3）0.9579231.000000-0.0322790.907651-0.766733LOG（X4）0.085329-0.0322791.000000-0.0011300.312501LOG(X5)0.9442270.907651-0.0011301.000000-0.546559LOG(X6)-0.565548-0.7667330.312501-0.5465591.000000由此可见，各解释变量相互之间的相关系数较高，证实确实存在多重共线性。修正多重共线性:X3与X2，X3与X5,相关系数都很高，LOG(X5)系数t检验非常显著，但X3系数t检验不显著,故剔除掉LOG（X3），LOG(X4)与LOG(X5)负相关，且LOG(X4)系数t检验不显著故剔除掉它。修正后的模型为DependentVariable:LOG(Y)Method:LeastSquaresDate:12/29/10Time:22:55Sample:19942007—4—Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C-0.2377100.555850-0.4276520.6780LOG(X2)0.5118530.0864665.9197340.0001LOG(X5)0.4652530.1605002.8987790.0159LOG(X6)0.0239490.0472660.5066820.6234R-squared0.987193Meandependentvar7.632857AdjustedR-squared0.983351S.D.dependentvar0.289789S.E.ofregression0.037392Akaikeinfocriterion-3.499789Sumsquaredresid0.013981Schwarzcriterion-3.317202Loglikelihood28.49853F-statistic256.9455Durbin-Watsonstat2.072031Prob(F-statistic)0.000000回归方程为LOG（Y）=-9.453129+1.165184LOG（X2i）+0.593230LOG（X5i）+0.185311LOG(X6i)+ui(0.555850)(0.086466)(0.160500)(0.0472