spss房地产分析

北京市影响房地产市场的因素分析研究武妍200811511004摘要：本文运用了北京2000~2009年的数据，分析了影响房地产发展的因素，通过运用因子分析和回归分析，分析了北京市近几年来房地产状况，通过实证分析，有助于了解影响北京市房地产发展的因素，并相应的提出对策。关键词：房地产时间序列分析回归分析价格上涨一．引言：随着中国经济的发展，GDP的增长，其中房地产业作为国民经济新的增长点，为中国经济的快速增长做出了突出的贡献，但是应该注意的在其发展过程中，出现了不健康的状态，即这两年说的比较多的泡沫经济，房子对人民是刚性需求，每个人生存都需要安居，而且随着城市化进程的发展，在城市买房的人越来越多，但是土地资源是有限的，怎么能平衡供求以及由于之前的不平衡导致的不合理房价上涨是个很令人深思的问题。像是一线城市，例如北京、上海等地近几年来房价上涨程度很大，尽管国家不断出台调控和打压房价的各种政策，包括行政性的手段，但收效甚微，本文通过主成分分析法，因子分析和回归分析，对北京市房地产市场价格的影响因素形成全面、客观的认识，为购房者、开发商的投资决策和地方政府的制定政策提供参考和建议。二．数据的选取，模型的建立及实证分析本文选取的数据是2000~2009年北京市一些影响房地产的指标，其中变量有常住人口，GDP,人均可支配收入，房地产开发投资，施工面积，竣工面积，房地产销售额，销售均价。本文所有的数据来自《北京统计年鉴》和《中国统计年鉴》，另外还有其他影响因素，例如，经济周期，经济的增长情况影响到投资者对未来的预期和居民的购买力，决定了房地产市场的景气程度；利率及金融环境银行利率也会直接影响到房地产融资，较高的利率会增加房地产开发和投资的财务负担，使房地产交易行为受到抑制，从而影响到房地产价格而金融环境的好坏影响一个地区的经济发展状况，进而影响房地产交易的积极性，对房地产价格也会产生影响。另外还有社会稳定状况、住房制度、人们对房价预期因素等等1.时间序列的分析模型的识别：识别模型最有用的工具即对自身或者不同的相关函数序列作图。序列图是用spssbase系统中的序列图程序，可以水平或者垂直地作序列图，可以选择对序列自身作图也可以作对数变换后作图或对序列中临近点间的差分值作图。相关函数图spssbase系统提供了作相关函数图的便捷工具，同序列图一样，可以描述函数自身，函数的对数变换或者临近点的差分析，并给出可信限，Viewer窗显示了相关函数值和标准误参数的设置;本文运用了指数平滑法对近十年来房地产销售偶价格进行了分析。模型的诊断;判断模型和观察数据吻合的程度，此时，用残差和可信区间序列估计模型的准确性，用标准差和其他统计量判断模型中的参数显著性，spssbase系统提供的标准化p-p图和标准化q-q图来判断残差的分布是否符合正态分布本文运用指数平滑法通过对序列中最新观察值和早期观察值赋予不同的权重，对序列进行预测。以下是具体过程：ModelDescriptionModelNameMOD_6SeriesorSequence1销售均价TransformationNoneNon-SeasonalDifferencing0SeasonalDifferencing0LengthofSeasonalPeriodNoperiodicityHorizontalAxisLabelsDate_InterventionOnsetsNoneReferenceLinesOverallmeanAreaBelowtheCurveNotfilledApplyingthemodelspecificationsfromMOD_6CaseProcessingSummary销售均价SeriesorSequenceLength10NumberofMissingValuesinthePlotUser-Missing0System-Missing0由上图可以看出销售均价在这近十年来大体上呈上升趋势,且上升趋势较大，房价从2008年才开始有所下降,ModelDescriptionModelNameMOD_5SeriesorSequence1Errorfor销售均价fromEXSMOOTH,MOD_4NNA.80TransformationNoneNon-SeasonalDifferencing0SeasonalDifferencing0LengthofSeasonalPeriodNoperiodicityHorizontalAxisLabelsDate_InterventionOnsetsNoneReferenceLinesOverallmeanAreaBelowtheCurveNotfilledApplyingthemodelspecificationsfromMOD_5CaseProcessingSummaryErrorfor销售均价fromEXSMOOTH,MOD_4NNA.80SeriesorSequenceLength10NumberofMissingValuesinthePlotUser-Missing0System-Missing0上图是残差图，可以看出没有什么规律，所以可以模型可以进行指数平滑法研究由以上实证分析后可以看出房地产价格在这几年来上涨很快，结合实际，在2006年房价问题已经写入两会中，国家对房地产问题已经予以重视，2008年金融危机使得房地产购房需求得到抑制，加上国家在税收、土地方面的政策房价有所下降，但是房地产市场仍然存在很多问题等待解决2．Pearson简单相关系数分析：这个系数是用来度量定距型变量之间的线性相关关系。以下是用spss进行的销售额与房地产开发投资的分析，来研究两者之间的相关关系.Correlations商品房销售额（亿元）房地产开发投资（亿元）商品房销售额（亿元）PearsonCorrelation1.930(**)Sig.(2-tailed).000N1010房地产开发投资（亿元）PearsonCorrelation.930(**)1Sig.(2-tailed).000N1010**Correlationissignificantatthe0.01level(2-tailed).由上表可以看出房地产开发投资额与销售额之间的简单线性系数为0.93，说明两者之间存在正的较强的相关性，相关系数检验的概率p接近于0，故如果显著性水平为0.05，应该拒绝原假设，即两者不是零相关的，是强的相关关系。故可知房地产的销售额与近几年房地产的大力开发有很大的关系3．线性回归分析通过运用SPSS软件对各个因素指标值和商品房均价之间的关系进行曲线拟合分析，发现自变量各指标与因变量大致呈直线相关关系。因此确定房价影响因素的多元回归模型为：011223344556677iiiiiiiiiYbbXbXbXbXbXbXbXe在经济模型的建立中，由于各经济变量之间可能存在相关的趋势，且由于条件限制，样本资料的数据搜集得不够多，因此模型变量间可能存在多重共线性。为了克服多重共线性，本文将采取逐步回归法进行回归分析。其基本思想是：从所有解释变量中选取影响最为显著的变量建立模型，然后将模型外的变量逐个引入模型并进行显著性检验，直到原引入变量因后面变量的引入而变得不在显著，再将其剔除。重复这一过程直到再无显著变量被引入或剔除出回归方程为止。基本参数：因变量y:商品房销售额自变量:常住人口，GDP，人均可支配收入，房地产开发投资，施工面积，竣工面积使用SPSS软件进行逐步多元回归，结果如下所示ModelSummary(c)ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.990(a).979.977283.1172.997(b).994.992163.069aPredictors:(Constant),GDP（亿元）bPredictors:(Constant),GDP（亿元）房地产开发投资（万元）cDependentVariable:销售均价（元每平方米）整个回归分析分为两步，第一步对GDP，复相关系数为0.990，判定系数为0.979，调整后的系数,0.977，第二步是又引入房地产开发投资这个变量，整个模型拟合优度（0.992）较高，被解释的变量可以被模型解释的部分比较多，不能被解释的变量少ANOVA(c)ModelSumofSquaresdfMeanSquareFSig.1RegressionResidualTotal2RegressionResidual\Total30577447.123130577447.123381.479.000(a)641239.777880154.97231218686.900931032546.037215516273.018583.504.000(b)186140.863726591.55231218686.9009aPredictors:(Constant),GDP（亿元）bPredictors:(Constant),GDP（亿元）房地产开发投资（万元）cDependentVariable:销售均价（元每平方米）上图为方差分析，模型的F统计量的P值接近于0，小于显著性水平0.05，因此自变量系数统计显著，应该拒绝原假设，即回归系数不同时为0，被解释变量和解释变量全体的线性关系是显著的，可以进行线性分析Coefficients(a)ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)GDP(亿元)3435.930228.30515.050.000.582.030.99019.531.0002(Constant)GDP(亿元)房地产开发投资（亿元）3760.175153.08524.563.000.845.0661.43812.816.000-15.0893.647-.464-4.137.004aDependentVariable:销售均价（元每平方米）上图给出模型参数的值，并对显著性进行了检验，模型常数项为3760.175，自变量的系数为0.845。如果显著性水平为0.05的话，那么回归系数显著性检验的概率p小于0.05，则有y=3760.175+0.845GDP-15.089房地产开发投资对模型进行残差正态性检验，绘制出的p-p图如下，可见，各点均匀分布在直线两边，说明残差符合正态分布。1.00.80.60.40.20.0ObservedCumProb1.00.80.60.40.20.0ExpectedCumProb2008200320042007200220012005200020092006DependentVariable:销售均价（元每平方米）NormalP-PPlotofRegressionStandardizedResidual综上可知，该回归模型通过了拟合优度检验、显著性检验、多重共线性检验与异方差的处理，残差符合正态分布，具有较好的拟合度和较高的解释能力。从模型的函数公式来看，影响北京房价的GDP,GDP每平均增加1亿元，其中房价平均增长0.845元，房地产开发投资每平均增加1万元，则房价平均会下跌15.089元，因为这里假如需求一定，供给增加，那么价格会下跌。三．结论和建议本文运用了2000-2009年有关北京房地产数据，采用了时间序列分析，相关分析，线性回归分析，由数据做出了实证分析，得到的结论和建议如下：由销售额与房地产开发投资的相关分析可知，两者有密切关系，同时结合实际，近几年来，北京市房地产开发投资较大，好多人都涌入投资的行列，并有炒房团不时时机的炒作使得房价上涨较快，所以，要严厉控制房地产投资，可以提高投资门槛，国家应该打破开发商寡头垄断，合理的疏导商品房供求关系。而由回归分析，北京作为首都一线城市，房地产市场价格已经到了非理性的高位，要控制北京房地产市场的良好发展，需要特别关注以下几点：第一，要从土地供给这一根