计量经济学实践报告-影响我国房地产价格因素的分析.doc

计量经济学实践报告：

影响我国房地产价格因素的分析

学生姓名：

学号：

学院：商学院

专业: 国际贸易

指导教师：

摘要：房地产，一个与社会大众息息相关的名词，一个牵动许多购房者神经的名词。眼下的房价无疑是最火热的焦点。本文选取1991-2005年相关的数据，应用计量经济学所学知识对根据经济理论选取的影响我国房地产价格的各因素进行检验，并对其影响程度的大小进行定量分析，修正等一系列的工作，最后确定一个较好的拟合模型，进一步明确和完善相关的经济学知识。以上过程都通过EVIEWS在计算机上实现。最后，对所得的结果作了经济意义的分析，并提出一些相应政策建议。

关键词：房地产价格物价城镇居民收入建材价格

一、问题的提出

近几年来，房地产价格急剧上涨，使得房地产问题变得异常尖锐。今年的经济工作会议和十七大以及年初的两会，对房地产行业的发展持有肯定的表述，房地产业在促进国民经济稳定健康增长，全面改善城乡居民居住状况发挥了巨大的作用，最近几年房地产发展的情况可以看得出来，城乡住宅的建筑量每年保持在13亿平方米，城镇是 5.5—6亿平方米，竣工量是很大的。过去有厂房集中建房，商品房的比例不大，最近的比例很多，达到了80%。人均住房面积大幅度的提升，1978年人均居住面积是2.6平方米左右，现在已经达到了27平方米/人均，这在世界上也是令人瞩目的。人均住房面积的增长是伴随着人口快速增加提升的，房地产业发展给国民经济以及人民生活带来的积极影响，包括对GDP的贡献率，最高峰达到了5.2%，平均水平是4.5%。

我国房地产还是一个年轻产业，自从1990年国务院55号令对土地交易的法律承认开始，标志着我国房地产商品化的开始，到目前为止，已经有17年的发展历史了。这15年来，我国房地产大体经历了三个阶段，就是说1990至1996年为一个阶段，这时的消费者对产品的要求不高，还仅仅只是提供一个居所，对劣质产品、市场需求不是太看重，但市场在起步，总的来说是卖方市场；第二个阶段是从1996年至2000年，随着1998年取消福利分房以后，房地产市场的购房主体发生了变化，集团购买基本退出市场，而个人消费成为主体，购房主体个人化已是一种不可逆转的趋势。随着市场经济的快速发展，除国有、集体所有的房地产公司外，大量的中外合资、合作、独资、私营的房地产企业参与房地产的开发销售。房地产市场开发主体的多元化和购房主体需求的多样化，房地产市场开始完全市场化。第三阶段是在2000年以后，整个中国的房地产快速发展，我国地产市场进入到大规模的市场化开发阶段。从2000年到2005年，我国度过了地产15年这场大戏中分量最重的五年，房地产进入以“ 新产品主义” 为开发导向。2000年以后，整个中国的房地产快速发展，这时不仅要有理念，还要有文化，还要讲产品，是我国房地产发展最为迅速的时期。

二、经济理论陈述

无论是以攫取高额利润还是以快速回笼资金为主要目标，厂商在为楼盘确定价格时通常需考虑三个因素：一是成本——地价、建安成本、税收及其他费用的总和。二是竞争——市场供求总量、直接与间接竞争对手们的价格情况。三是消费者——目标消费者能够接受何

种价格。三种因素在楼盘最终定价中所起的作用显然不一样，一般说来市场供求总量与竞争对手的价格只是参考，而成本与消费者则是决定价格策略的根本因素。因此,我选取了建筑材料价格,城镇居民收入,城镇物价指数,城市人口四个因素作为解释变量。一方面，资本市场发展为居民调整资产组合提供了条件，居民对持有储蓄存款的偏好降低；另一方面，随着物价水平上升，实际负利率情况越发严重，存款搬家，资金加速涌入资产市场。

三、计量经济模型的建立

初定模型如下：1

Y=c+

a a a a e X X X X ++++

Y 房地产价格（元/平方米）；

建筑材料价格（元/平方米）；

城镇居民收入（元）；

城镇物价指数（元）；

城市人口数（人）。

年份 Y X1 X2 X3 X4 1991 786.1935 2551.736 1700.6 223.8 31203 1992 994.6555 1111.236 2026.6 238.1 32175 1993 1291.456 590.5998 2577.4 273.1 33173 1994 1408.639 2897.019 3496.2 339 34169 1995 1590.863 3532.471 4283 396.9 35174 1996 1806.399 3983.081 4838.9 429.9 37304 1997 1997.161 4071.181 5160.3 441.9 39449 1998 2062.569 3527.536 5425.1 438.4 41608 1999 2052.6 2966.057 5854.02 432.2 43748 2000 2111.617 2818.805 6280 434 45906 2001 2169.719 2674.264 6859.6 437 48064

2002 2250.177 2830.688 7702.8 433.5 50212 2003 2359.499 2906.16 8472.2 438.7 52376 2004 2778 3011.424 9421.6 455.8 54283 2005 3168 3154.9 10493 464 56212

数据来源：《中国统计年鉴》

四、模型的求解和检验

利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下：

Dependent Variable: Y

Method: Least Squares

Date: 19/05/11 Time: 10:37

Sample: 1991 2005

Included observations: 15

Variable Coefficient Std. Error t-Statistic Prob.

C 1169.836 627.7959 1.863401 0.0920

X1 -0.093355 0.055677 -1.676719 0.1245

X2 0.313260 0.077921 4.020230 0.0024

X3 2.403385 0.934518 2.571792 0.0278

X4 -0.039938 0.022710 -1.758627 0.1091

R-squared 0.980495 Mean dependent var 1921.837

Adjusted R-squared 0.972693 S.D. dependent var 635.7395

S.E. of regression 105.0550 Akaike info criterion 12.40805

Sum squared resid 110365.5 Schwarz criterion 12.64406

Log likelihood -88.06035 F-statistic 125.6720

Durbin-Watson stat 1.038435 Prob(F-statistic) 0.000000

从回归结果看出，拟合优度为0.980495，但X1，X4的系数为负，与经济意义不相符合，且T检验都未通过。估计是因为变量间存在多重共线性或者是与被解释变量不存在线性关系。

异方差性的检验：

White Heteroskedasticity Test:

F-statistic 0.356962 Probability 0.910243

Obs*R-squared 4.837052 Probability 0.774842

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares Date: 19/05/11 Time: 11:05 Sample: 1991 2005 Included observations: 15

Variable Coefficient Std. Error t-Statistic Prob.

C 39155.14 362681.7 0.107960 0.9175 X2 23.03432 197.8309 0.116434 0.9111 X2^2 2.41E-05 0.002644 0.009128 0.9930 X2*X3 -0.053937 0.483327 -0.111596 0.9148 X2*(X3-429.9)*D1

0.067095 0.890957 0.075306 0.9424 X3 -347.2470 4002.351 -0.086761 0.9337 X3^2 0.601534 7.534734 0.079835 0.9390 X3*(X3-429.9)*D1 -6.711134 119.1126 -0.056343 0.9569 (X3-429.9)*D1 2824.749 48526.47 0.058210 0.9555 (X3-429.9)*D1^2 -6.711134

119.1126

-0.056343

0.9569

R-squared

0.322470 Mean dependent var 4384.127 Adjusted R-squared -0.580903 S.D. dependent var 6432.758 S.E. of regression 8088.161 Akaike info criterion 21.11790 Sum squared resid 3.93E+08 Schwarz criterion 21.54273 Log likelihood -149.3842 F-statistic 0.356962 Durbin-Watson stat

3.477479 Prob(F-statistic)

0.910243

从表中得到

＝0.322470，计算n

=15*0.322470=4.83705,由怀特检验知，查卡方分布

表，给定显著水平为0.05，自由度P=9时，临界值为16.9190，因为n 2

=4.83705<16.9190。

所以不能拒绝原假设，表明模型中随机误差项不存在异方差。自相关检验： DW ＝1.637717

查表可知：dl ＝0.946，du ＝1.543

DW>du ，认为模型中不存在自相关。

综上，最终的模型为

Yt ＝ 2323 Yt =39.5874 +0.129986 + 2.424441 , t 1996 Yt= -5885.830814+0.129986 + 16.4403, t>1996

X X X X ??≤???????

Y —房地产价格，

－是城镇居民收入；

－是城镇物价指数

由模型可知1996年以前物价指数每增加1单位，房地产价格的增加额为2.424441元/平方米；在1996年后，物价指数每增加1单位，房地产价格的增加额为16.4403元/平方米，说明1996年后物价指数对房地产价格的影响成都明显加大。而城镇居民收入每增加1元，房

地产价格增加额均为0.129986元/平方米。

五、经济意义解释

1、模型删去了X1－建筑材料价格和X2－城市人口数，虽然从经济意义上来看，此两

因素均很重要，特别是X1，从供求上影响房地产的价格。关于被删去的原因，经思考后认为。第一，考虑到整个模型需要，需剔除。第二成本上升导致建材企业效益大幅滑坡，但激烈的市场竞争使大部分企业不敢轻言涨价。总的来说建材价格还较稳定；第三，房地产的需求增长过快，有一半需求来自于拆迁带来的被动需求。这部分需求短时间内的集中释放，造成的供不应求的局面也推动了房价上涨。第四，相对城镇居民收入和物价指数，建材价格对房地产价格的影响比较不显著。

2、模型中X2城镇居民收入和X3城镇物价指数解释效果很好，居民收入上升再加上社

会保障体系覆盖面的扩大，将提高城乡居民的消费能力，城镇居民改善和提高住房条件的要求日益增加，再加上投机市场的存在，房地产价格上升。

3、在得到的模型当中，t值较大，解释变量对被解释变量的说明程度显著。且F值很大，

在模型的选取应该是正确的。总体来讲，这个模型不存在太大问题。

六、存在的问题及其建议

1, 在论文的分析中，力求思路清晰，但掌握的软件技能不足以满足分析过程的需要。

2, 通过用eviews做OLS回归时，不能只通过数据分析而剔除某些因素，而应同时考虑因素的经济意义。而且此案例中样本容量过小，其可靠性受到影响，如果能增大样本容量效果会好一些。

3, 由于收集的数据不满足大样本条件，所以在异方差检验时，对通过White检验得出的结论把握性不强。

七、政策与建议

国家应加大了对房地产的宏观调控力度。主要是通过征收营业税及严格消费信贷政策，增加市场交易成本。抑制投机性需求增长，并逐步改变人们的投资和消费预期，从而使房地产有效降温。为了保证我国经济的长期稳定发展，宏观经济政策的一项重要任务就是防止房地产泡沫化。政府要引导大众消费.促进房地产供给和消费的大众化取向。合理的房地产税收制度(或不动产税)是防止房地产泡沫和促进房地产稳定增长的最重要的保障。其实对于我们每个人来说，住房都是我们正在或者将要面对的问题。在大城市里，房价基本都在2万/每平米或以上。这对于很多人而言，意味着从此就必须为房子奋斗一生。就目前的状况而言，这样的大城市已经到了让人都买不起房子的地步，但是价格却依然没有下落的迹象。所以，今后的可能就是随着一些二线城市的崛起，那里的房价也将会更快的增长。现在在一些具有发展机会和潜力的二线城市的商品房在未来二十年内必将大幅升值，开发潜力也将会是巨大的。

参考文献：

《计量经济学》庞浩主编西南财经大学出版社

《中国统计年鉴》1991—2005