搜索
一、研究目的房地产业作为我国的一个新兴产业，今天房地产业已具有相当的规模。房地产业己成为国民经济发展的新的增长点，然而当前房地产价格快速上涨，使得人们对房地产的泡沫现象产生了疑虑，影响了房地产业的发展。房地产行业作为国民经济的支柱产业对促进经济增长、推进城镇化进程、改善人民生活发挥了积极作用。但同时也应看到,当前房地产市场区域性、结构性问题比较突出。科学把握房地产市场的发展规律,客观清醒地认识房地产市场现状,对于推动房地产市场健康发展,促进国民经济稳步增长具有重要意义国家近来接连采取了对房地产业具有震撼力的宏观调控政策。从理论上讲，房地产价格受建设成本、宏观经济因素、社会因素、人口因素、政策体制及供求变化等多方面的综合影响，其中，作为房地产业发展背景的宏观经济因素起着至关重要的作用。因此，从宏观经济角度分析预测未来房地产价格市场的发展趋势，对于稳定房价、保持适度开发和建立更合理的市场规则起到参考价值。本文主要从国内生产总值、全国居民消费水平、房地产投资总额、全社会固定资产投资房屋竣工面积等经济的度出发，建立与全国房屋销售均价的多元线形回归模型，进行房地产市场的经济分析与预测。房地产价格最近几年一直居高不下，存在严重的泡沫经济，就这一现状的控制提出对策建议。二、数据来源和相关说明本次分析的数据来自中经网和国际统计局官网，分析房屋均价，并选取了与其相关的七组变量，从2000年到2014年，共15组观测值（附录1）。为了描述方便，我们将变量分别用字母表示：Y=b0+b1×x1+b2×x2+b3×x3+b4×x4+b5×x5+b6×x6+b7×x7+u其中Y——全国房屋销售均价Y=b0+bixiX1——全国居民消费水平i=1∑7X2——房地产投资总额X3——全社会固定资产投资房屋竣工面积X4——国内生产总值X5——建筑业总产值X6——国内钢材进口量X7——固定资产投资价格指数b0，b1，b2，……，b7—未知参数u是剩余残差，且E(u)=0,与7个变量无关。三、描述性统计将数据导入R软件，对7个自变量以及因变量在均值、最大值、最小值、中位数和标准差方面进行描述性分析，得出结果如下：meanmaxminmediansdy3973.8296642.002112.003800.001.555327e+03x18825.33317705.003721.007572.004.698482e+03x235482.70595035.614901.7325279.653.017940e+04x3223209.864423122.7380714.90203992.701.112404e+05x4307594.093636462.7099776.30268019.401.838664e+05x570085.403176713.4012497.6051043.715.494458e+04x61951.4003717.001366.001687.006.716048e+02x7102.340108.9097.60101.502.909786e+00从上表不难看出，所有的变量，中位数均小于均值，这说明我国的房地产事业随时间发展的脚步在加快。下面对自变量与因变量之间进行相关分析，结果如下表：yx1x2x3x4x5x6x7y1.000000.987530.977660.992660.9925670.98332-0.5997-0.03608x10.987531.000000.997180.995960.9983680.99845-0.5885-0.02819x20.977660.997181.000000.990460.9920710.99935-0.5696-0.05567x30.992660.995960.990461.000000.9968990.99331-0.5660-0.01197x40.992560.998360.992070.996891.0000000.99472-0.5993-0.00131x50.983320.998450.999350.993310.9947271.00000-0.5724-0.06113x6-0.59971-0.58853-0.56963-0.56603-0.59937-0.57241.000000.031600x7-0.03608-0.02819-0.05567-0.01197-0.00131-0.06110.031601.000000从上表可以看出，房屋均价与全国居民消费水平、房地产投资总额、全社会固定资产投资房屋竣工面积、国内生产总值及建筑业总产值呈正相关，且相关性十分强，和我们的现实预期是吻合的。房屋均价与国内钢材进口量和固定资产投资价格指数呈负相关，其中与价格指数的相关程度并不太高。为了更直观地展现房屋均价与七个自变量的关系，分别作出了均价与7个变量的散点图，如下：由图可知，y与前五个变量的线性关系很明显，而与后两个的线性关系则不那么明显，需要进行进一步讨论。四、数据建模（一）初步建立模型我们首先选取全模型进行回归，回归结果如下表：CoefficientsEstimateStd.ErrortvaluePr(|t|)(Intercept)5.734e+032.828e+032.0270.0822x1-6.243e-014.272e-01-1.4620.1872x2-3.285e-037.738e-02-0.0420.9673x38.611e-035.062e-031.7010.1327x41.823e-029.330e-031.9540.0916x54.672e-035.133e-020.0910.9300x6-2.058e-029.456e-02-0.2180.8339x7-3.861e+012.663e+01-1.4500.1905R-squared=0.9959,调整R-squared=0.9919,F统计量为244.5,p值为7.971e-08。从上表中可以看出，回归方程的形式为：y=5.734e+03-6.243e-01x1-3.285e-03x2+8.611e-03x3+1.823e-02x4+4.672e-03x5-2.058e-02x6-3.861e+01x7（1）总体上看，整个方程并不显著，只有x5较显著，同时，y与x1、x5呈负相关，不符合实际的经济意义，说明全模型回归不合适，需要筛选变量。（二）逐步回归为了删掉不显著的变量，我们用逐步回归的方法，结果如下：变量AICy~x1+x2+x3+x4+x5+x6+x7Start:AIC=152.9y~x1+x3+x4+x5+x6+x7Step:AIC=150.9y~x1+x3+x4+x6+x7Step:AIC=148.94y~x1+x3+x4+x7Step:AIC=147.02最终选出自相关系数AIC较小的变量组合，依次剔除变量x5，x2和x6，显著性为明显提高，结果如下：CoefficientsEstimateStd.ErrortvaluePr(|t|)(Intercept)5.890e+031.341e+034.3910.00135**x1-5.983e-011.339e-01-4.4690.00120**x38.151e-033.653e-032.2310.04975*x41.874e-023.871e-034.8410.00068***x7-4.124e+011.231e+01-3.3500.00736**R-squared=0.9959,调整R-squared=0.9943,F统计量为606.5,p值为6.971e-12。在描述性统计分析中，认为变量x7线性相关程度低，修正后，则可以认为是显著的解释变量。因此，修正后的模型可写成：y=5.890e+03-5.983e-01x1+8.151e-03x3+1.874e-02x4-4.124e+01x7（2）（三）全子集回归还有另一种方法——全子集回归，也可以筛选出显著的解释变量，这里我们可以通过两种方法的结果是否一致，来检验筛选的变量是否显著。根据BIC准则以及下图，选择bic较大的变量：由上图，应选择变量x1，x3，x4和x7，与逐步回归法的结果一致，因此模型（2）是合适的。与描述性统计分析矛盾的是x1全国居民消费水平呈负相关，与常识的经济意义不符，但经过多次的逐步回归和线性组合，可以确定房屋均价确实与全国居民消费水平呈负相关。（四）多重共线性的诊断bic(Intercept)x1x2x3x4x5x6x7-39-52-52-55-56-57-58从描述性统计分析中，除了得知y与变量之间有明显的线性关系，也不难发现，变量与变量之间的相关系数也相当高，所以一定存严重的多重共线性，这仅仅是一种推断，下面我们通过膨胀因子来判断，结果如下变量x1x3x4x7膨胀因子398.382998166.323090510.1961361.291574X1，x2，x3膨胀因子都大于10,因此存在多重共线性。根据日常经验，随着21世纪我国加入WTO后，经济飞速发展，选取的自变量大多是时间序列，全国居民消费水平、房地产投资总额、全社会固定资产投资房屋竣工面积、国内生产总值及建筑业总产值，都随时间的增加有明显的上升趋势，在多元线性回归模型下，多重共线性是难以避免的。因此，在修正后的模型中，x1全国居民消费水平,x3全社会固定资产投资房屋竣工面积和x4国内生产总值存在多重共线性。为了消除多重共线性，我们可以改变模型的形式，例如变换成指数模型或对数模型，也可以采用有偏估计（岭估计等）。全国房屋销售均价与房地产投资额、全国居民消费水平正相关，与全社会固定资产房屋竣工负相关，较好地体现了实际的经济意义，并且较好地通过了相关的检验。可见，本文所修正的多元线性回归方程各个方面表现良好，即最终建立的四元线性回归模型为五、所建多元线性回归模型的意义综上所述，该方程可以用来分析我国房屋销售均价的变动趋势。在给出未来时期全国居民消费水平，全社会固定资产房屋竣工面积、房地产投资额、国内生产总值和价格指数估计数据的基础上，依据模型公式（2）计算：房地产价格的预测值，可大体观测房地产价格的波动情况，为政府宏观调控部门、房地产相关管理部门、房地产从业人士以及有房地产消费需求的居民提供分析依据。有利于各方主体进行理性决策、采取有效措施，以规避风险、提高收益、推进我国房地产市场的改革和规范化进程，实现房地产行业的健康、稳定和持续发展。六、对今后房地产价格走势的初步判断在可预见的未来期间内,供应偏紧、价格上涨仍将是房地产市场的主要矛盾。供给方面,未来房地产供应不足的矛盾将相当突出。尽管资金、劳动力、建材等房地产供给构成要素供应宽裕,但作为最重要的要素,土地供应紧张将成为难以突破的瓶颈。房地产开发土地来源无非是旧城区改造、企事业单位通过土地置换外迁、郊区闲置土地开发和占用耕地。伴随国内经济的快速增长,可以预见居民收入仍将保持快速上升势头,居民的购房能力将不断增强。工业化、城市化的推进必然迎来城市人口的快速膨胀和第三产业的迅猛发展,不可避免地对未来城市房地产的供应带来压力。从目前市场表现看,近年来房地产已经存在“超买”现象,供需矛盾的存在必然使这一现象愈演愈烈,从而推动房地产价格的进一步上扬。为应对土地紧张问题,开发商将着重开发高层和小高层建筑,以提高容积率的方法来稀释土地成本,缓解商品房过快上涨压力,但这同时会提高施工成本,因此可以预见,今后商品房格上涨不可避免。七、对策建议（一）转变政府职能,提高对房地产市场的管理水平政府及其各部门要按照经济规律办事,为房地产开发企业创建公平竞争、良性发展的市场环境。加强房地产投资、管理、服务领域有关规则和政策的研究,提高政策的透明度;加强房地产市场统计,为房地产市场管理提供可靠的信息;在全面动态收集房地产市场信息数据的基础上,建立科学有效的房地产市场预警预报系统;搞好房地产业发展规划,推进房地产市场化进程,努力提高为企业服务的水平。（二)盘活存量土地,完善土地供应办法,增加土地供应量地方政府要在认真清