基于CGSS2003数据关于住房影响因素的报告——收入、教育水平、家庭
住宅价格影响因素的实证分析——基于半参数估计方法的开题报告
住宅价格影响因素的实证分析——基于半参数估计方法的开题报告一、研究背景随着中国经济的快速发展和城市化水平的日益提高，住房问题逐渐成为了一个重要的社会问题。
住房价格的上升对社会的影响也越来越大。
因此，研究住宅价格的影响因素和变化规律具有重要价值和现实意义。
二、研究目的本文旨在通过半参数估计方法，研究住宅价格的影响因素，并对影响因素进行定量评估，为住房价格的管理和调控提供理论依据。
三、研究内容本文将基于湖南省为样本，采用半参数估计模型，探索住宅价格的影响因素。
具体内容如下：（1）回归分析：通过变量筛选和模型构建，得出影响住宅价格的主要因素。
（2）半参数估计：使用半参数方法，得出住宅价格与影响因素之间的非线性关系。
（3）模型诊断：对模型进行诊断，检验模型的稳定性和可靠性。
四、研究意义本文将对住宅价格的影响因素进行深入探究，为住房价格的管理和调控提供理论支持。
同时，该研究方法可为其他领域的非线性关系建模提供借鉴。
五、研究方法本文将采用半参数估计方法，包括非参数估计和半参数估计两个步骤。
具体方法如下：（1）非参数估计：通过核密度估计，构建住宅价格与影响因素之间的非线性函数关系。
（2）半参数估计：在核密度估计的基础上，使用广义线性模型，对住宅价格与影响因素之间的非线性关系进行建模。
六、研究步骤本文的主要研究步骤如下：（1）数据采集：通过问卷调查和数据分析，获取住宅价格和影响因素的数据。
（2）变量筛选：根据实际情况和专业知识，筛选对住宅价格影响较大的变量，并对其进行数据处理。
（3）模型构建：通过回归分析构建住宅价格的影响因素模型，并使用半参数估计方法建立住宅价格与影响因素的非线性关系。
（4）模型评估：对建立的模型进行诊断和评估，检验模型的稳定性和可靠性。
（5）结果分析：根据数据分析结果和半参数估计方法得出住宅价格影响因素的定量评估，并对影响因素进行分析和解释。
七、研究期望本文的研究期望如下：（1）得出影响住宅价格的主要因素，并定量评估各个因素对住宅价格的影响程度。
新生代农民工住房模式选择及影响机制
社会科学 2019年第11期龙翠红柏艺琳刘佩：新生代农民工住房模式选择及影响机制新生代农民工住房模式选择及影响机制X龙翠红柏艺琳刘佩摘要：新生代农民工脱嵌于乡土生活，却又在城市中居无定所，研究新生代农民工群体的住房问题，有助于深化认识该群体的社会化进程和当代中国城镇化进程。
基于 CGSS 2013年的数据，采用L ogistic回归分析等计量方法，分析新生代农民工的住房模式 及影响机制，研究结果表明：收入水平、受教育程度、社会认同感越高、子女同住等因素，不论是对新生代农民工购房还是租住商品房小区，都产生了显著正向影响；社会认同感在收 入或者受教育程度对新生代农民工购买住房的影响关系中产生调节效应，客观的社会融 入对新生代农民工购房行为影响不大，而融入的主观心理感受却对购房行为产生了重要作用；年龄越大、女性、已婚、收入水平越高、受教育程度越高、职业类型好、与子女同住、购买商业保险、社会认同度高的新生代农民工居住在商品房小区的概率越高，受教育程度较 高的新生代农民工住在保障房社区的概率越大，劳务派遣工居住在单位社区发生比例更高，收入低、自我认同差、跟邻居交往偏多的新生代农民工居住在未经改造的老城区和城中村的概率更高。
这一研究具有重要的政策含义，应该通过加强对农民工的平等权利保障、扩大对农民工的人力资本投资、增加对农民工的保障房供给等措施，解决新生代农民 工住房问题，进一步促进新生代农民工市民化。
关键词：住房模式；新生代农民工；住房来源；社区类型；影响机制中图分类号：F299.23;F323.6 文献标识码：A文章编号：0257 —5833(2019) 11 —0014-16作者简介：龙翠红，华东师范大学经济学院经济系副教授；柏艺琳，华东师范大学经济 学院研究生；刘佩，华东师范大学经济学院研究生（上海 200241)引言新生代农民工，通常指20世纪80_90年代出生于农村、在城镇就业的人群①。
《中国流动人 *收稿日期：2019_07-26*本文系国家社科基金一般项目“基于城市居民环境诉求的政府回应机制优化研究”（项目编号：18BZZ061)的阶段性成果。
我国住房保障政策的影响因素研究
我国住房保障政策的影响因素研究引言随着中国的经济快速发展，城市化进程日益加速，住房问题成为我们面临的一个重要问题。
住房保障政策在我国得到了广泛的关注和实践，不断完善和优化这些政策对于我们的社会建设和发展具有重要意义。
因此，研究我国住房保障政策的影响因素对于我们更好地理解这些政策的实践和做出更好的政策决策至关重要。
住房保障政策的影响因素住房保障政策的影响因素包括社会、经济和政治等多个方面。
社会因素1.城市化程度城市化程度的高低是影响住房保障政策实施的一个重要因素。
城市化程度越高，城市人口的需求越大，住房保障政策也就越需要得到充分实施。
2.人口结构人口结构的变化可以对住房保障政策产生一定影响。
例如，老年人口数量增加、人口出生率下降等都会影响住房需求的变化，从而影响住房保障政策的实施。
3.经济收入水平经济收入水平的高低对住房保障政策的实施具有重要影响。
例如，低收入家庭更需要住房保障政策的支持，而高收入家庭则可以选择自行购买住房。
经济因素1.地区经济差异不同地区的经济发展水平差异较大，需要针对不同地区的住房需求和经济因素来制定相应的住房保障政策。
2.房地产市场发展程度房地产市场的发展程度和住房保障政策的实施密切相关，特别是在我国现阶段房屋价格过高的情况下，住房政策更加需要得到充分的实施和落实。
政治因素1.政策体系和法规的完善程度政策体系和法规的完善程度影响着住房保障政策的实施和执行效果。
只有在法规和政策体系完善的情况下，才能更好地实现住房保障政策的目的。
2.政府部门的执政能力政府部门的执政能力直接影响着住房保障政策的制定和执行效果。
政府需要具备较强的执政能力，以便更好地实现住房保障政策的目的。
结论我国住房保障政策的影响因素包括社会、经济和政治等多个方面，城市化程度、经济收入水平、地区经济差异、房地产市场发展程度、政策体系和法规的完善程度，政府部门的执政能力等均是影响住房保障政策实施和执行效果的重要因素。
用STATA进行房价影响因素的分析
用STATA进行房价影响因素的分析一、本文概述随着全球经济的不断发展和城市化进程的加速，房价问题已经成为社会各界关注的焦点。
房价不仅关系到居民的居住条件和生活质量，也是宏观经济调控的重要指标。
因此，深入研究房价的影响因素，对于理解房地产市场的运行规律、制定合理的房地产政策具有重要的理论和实践意义。
本文旨在利用STATA统计软件，对房价影响因素进行系统的分析。
我们将对房价影响因素的理论基础进行梳理，包括供求关系、经济基本面、政策因素等。
然后，基于国内外相关文献的研究，筛选出对房价有显著影响的因素，并建立相应的计量经济学模型。
接下来，我们将利用STATA软件对模型进行估计和检验，以揭示各因素对房价的具体影响程度和方向。
根据分析结果，提出针对性的政策建议，以期为房地产市场的健康发展提供有益的参考。
通过本文的研究，我们期望能够更全面地了解房价影响因素的复杂性和多样性，为政策制定者提供科学依据，同时也为投资者和消费者提供决策参考。
本文的研究方法和结论也有助于推动相关领域的学术研究和实践应用。
二、文献综述房价影响因素的研究一直是经济学、房地产学、地理学等多个学科领域的热点和难点问题。
随着全球化和城市化的推进，房价波动对经济发展、社会稳定和居民生活的影响日益显著，因此，深入探讨房价的影响因素及其作用机制具有重要的理论和实践意义。
国内外学者对房价影响因素的研究已经积累了丰富的成果。
从影响因素的类型来看，主要包括经济因素、社会因素、政策因素、地理因素等。
经济因素如经济增长、收入水平、贷款利率等，是影响房价的基础因素。
社会因素如人口结构、教育水平、文化背景等，也会对房价产生影响。
政策因素如土地政策、税收政策、住房政策等，对房价具有直接的调控作用。
地理因素如城市规模、交通状况、自然环境等，也会对房价产生重要影响。
在研究方法上，学者们采用了多种统计方法和计量模型来分析房价影响因素。
其中，STATA作为一种功能强大的统计分析软件，被广泛应用于房价影响因素的研究中。
我国城市家庭住房状况差异和影响因素分析
我国城市家庭住房状况差异和影响因素分析［摘要］我国从城镇住房改革以来，城市家庭的住房状况发生了很大的变化，各个收入等级家庭的住房状况也出现了较大的差异。
根据2008年中国家庭动态跟踪调查（CFPS），分析了中国不同收入等级家庭状况的差异，并通过工资分解发分析了产生差异的原因。
分析的结果发现，中国城市家庭的住房差异是普遍存在的，家庭特征和收入因素是造成这些差异的主要原因，进一步分析发现收入可以解释66.7%的住房状况差异。
［关键词］住房状况差异城市家庭收入一、我国城市家庭住房状况差异1.数据来源和数据处理本文使用的数据来自于北京大学和中山大学2008年所做的中国家庭动态跟踪调查（CFPS）。
该调查通过在北京、上海、和广州三地采用PPS抽样方式获得了2375户样本，每个样本中都包含了家庭的经济、住房、公共设施等相关信息。
本文首先删去家庭类型为农业家庭的样本，从而得到了城市家庭样本，样本数为1667个。
然后按照家庭支出变量将城市家庭分成五个收入等级，每个等级按按家庭支出变量从低到高的20%划定，总样本数为1563个，选取的样本家庭分布见下表：2.住房状况差异及影响因素分析从前面的文献综述中可以看出，城市家庭住房状况一般表现在所居住住房的产权，居住的住房的面积上。
自有住房的家庭的住房状况一般好于租住住房的家庭；而家庭人均居住面积的越大也表现了家庭的住房状况越好。
通过对数据的分析可以发现我国城市家庭住房产权状况、城市家庭人均住房面积的状况，其数据整理的结果见下表（表2）。
从分析的结果来看，不同收入等级上的家庭在住房产权上的区别并不明显，即自有住房或租住住房在各个等级上的比重相差并不显著，进一步的卡方差异检验也证明了这一点。
而在人均住房面积上，不同收入等级上的城市家庭相差比较大，这也表明了随着收入差距的扩大，城市家庭的人均住房面积出现了比较大的差距。
二、我国城市住房状况差异影响因素分析从上面的统计分析可以发现家庭住房差异主要体现在住房面积差异上。
计量论文-对我国房价影响因素的计量经济学分析
对我国房价影响因素的计量经济学分析对我国房价影响因素的计量经济学分析摘要：商品房价格增长过快是当前我国城市与社会经济发展中最突出的问题之一，如何合理控制商品房价格平稳增长值得深入研究。
本文选取2011年中国统计年鉴的数据，建立起影响商品房价格因素的多元线性回归模型，进行进一步分析，并且在此基础之上提出相关政策建议。
关键字：商品房价格影响因素多元线性回归模型一、问题的提出近年来，中国房价持续走高。
尽管国家政策层已经启动了几轮调控，但房价丝毫没有要稳定下来的迹象，房价高涨，一房难求的情况仍在持续。
房地产行业已经成为我国国民经济的支柱产业，不仅影响着国民经济的增长，也牵动着千家万户的心。
虽然随着经济的发展，商品房价格的增长是必然趋势，但是目前国内商品房价格增长速度却远远超过平均水准，房价如此之高，会对现在与未来产生多大的影响？为了研究这个问题，我们需要建立计量经济学模型。
二、理论分析影响房价的因素有：土地购置费：土地资源的稀缺性导致土地购置费不断上涨，而土地购置费在相当大的程度上影响了房屋的售价。
随着开发的商品房不断增加，土地也越来越稀缺，房屋价格也会随着上涨，两者存在正相关性。
居民人均可支配收入，代表一个地区的人民的经济实力，人均可支配收入越多，人们提高生活质量和进行投资的欲望和能力就越强。
房屋相对于其他商品来说，具有保值性和增值性，这种特点导致人们用大量的资金进行投资，促使房屋价格上升。
理论上该变量和房价存在正相关性。
商品房销售面积：商品房的销售面积即为购房者所购买的套内或单元内建筑面积(以下简称套内建筑面积)与应分摊的公用建筑面积之和。
一个地区商品房销售面积也能间接反应一个地区商品房的供应热度。
商品房施工面积：报告期内施工的房屋建筑面积商品房竣工面积：报告期内竣工的房屋建筑面积建筑业总产值：建筑业在一定时期内完成的以价值表现的生产总量，是反映建筑业生产成果的综合指标。
通过它可以了解建筑业的生产规模、发展速度、经营成果，并为国家制订经济建设计划提供依据。
房价的影响因素分析及预测模型——基于北京市相关数据的实证研究
房价的影响因素分析及预测模型——基于北京市相关数据的实证研究房价是影响一个城市房地产市场的重要指标之一、它受到多种因素的影响，包括宏观经济因素、政策因素和市场因素等。
本文将从这些方面进行房价的影响因素分析，并构建相应的预测模型来预测北京市的房价。
一、宏观经济因素宏观经济因素是房价的重要决定因素之一，包括经济增长、通货膨胀率、利率水平和人口增长等。
经济增长是房价上涨的基础，经济增长意味着人们的收入水平提高，购买力增强，从而推动了房价的上涨。
通货膨胀率的上升会导致货币贬值，进而推高了房价。
利率水平的变化也会直接影响房价，当利率上升时，购买房产的成本也会增加，从而抑制了房价的上涨。
人口增长也会对房价产生影响，当人口持续增长时，对住房的需求也会增加，从而推动了房价的上涨。
二、政策因素政策因素是影响房价的关键因素之一、政府的相关政策措施对房价具有重大的影响。
例如，房地产调控政策的出台会直接影响房价的波动。
当政府采取严格的调控政策时，会抑制投资投机需求，从而稳定房价。
另外，政府还会出台土地供应政策、建筑规划政策等，这些政策也会直接或间接地影响着房价的波动。
三、市场因素市场因素也是影响房价的重要因素之一，包括供需关系、市场预期和交易成本等。
供需关系是房价波动的基础，当供大于求时，房价会下降；当需大于供时，房价会上涨。
市场预期也会对房价产生影响，市场预期房价上涨时，会促使购房者提前购买，从而推高了房价。
交易成本的变动也会对房价产生影响，例如涉及房地产的税费、手续费等，这些成本的减少会刺激购房需求，从而推高了房价。
基于以上分析，我们可以构建一个预测模型来预测北京市的房价。
首先，我们可以收集并整理相应的数据，包括历史房价数据、宏观经济数据、政策数据和市场数据等。
然后，我们可以利用回归分析的方法来构建预测模型。
以房价为因变量，宏观经济数据、政策数据和市场数据为自变量，利用历史数据进行回归分析，得到回归方程。
最后，我们可以利用该回归方程来进行房价的预测。
基于cgss2003数据关于住房面积影响因素的研究报告
10.0
2893
82.7
83.0
93.0
65
1.9
1.9
94.9
52
1.5
1.5
96.4
109
3.1
3.1
99.5
17
.5
.5
100.0
3486 14
3500
99.6 .4
100.0
100.0
表四
4、家庭人口数的转换与描述结果如下图：
根据家庭人口数的直方图描述可以看出家庭人口数比较集中的分布在 1 至 7 人之间，以 3 为众数。 (二)变量间关系的数据描述与方差分析
根据变量性质，在自变量中只有婚姻状况是定类变量，在数据描述分析中首先选取婚姻 状况这一变量与因变量住房面积的关系进行初步直观的分析，做直方图如下：
在上图中，并不容易看出有什么显著差异，但是又可以发现存在着一定的规律：1、3、5 表 示的三种情况的单身，2、4、6 代表三种情况的非单身①，这提示我依据单身与否将婚姻状 况转换为二分变量之后做 T 检验②后得知 524 人单身和 2962 人非单身的统计情况下 F 值 4.218，sig 值为 0.040<0.05，所以是否结婚婚对于住房面积有显著影响。进一步研究细分婚 姻状况与因变量之间的关系可以做方差分析，原假设婚姻状况对住房面积没有影响，备选假 设为有影响，如表五所示：
收入水平 有效的 N （列表状态）
N 3252 3252
描述统计量
全距
极小值
799900.00
100.00
极大值 800000.00
表三
均值 25006.5243
标准差 44334.84269
① 在此暂不牵扯房屋产权归属问题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
以上即为不同性别的 Ｔ 检验结果，由显著性检验 Ｐ 值 ＝０．８０ 可知，不 同性别的住房面积不存在显著差异，也就是说，性别的影响不显著。
２．住房面积在不同教育程度的方差分析结果： 不同教育程度使用面积统计量
ａ． 预测变量： （常量）， 家庭人口 ， 性别， 教育程度， 年龄， 收入 Ａ。 ｂ． 因变量： 使用面积 表格 １ 首先给出的是自变量与因变量的复相关系数 Ｒ、决定系数 Ｒ 方以及校正的决定系数调整 Ｒ 方，由结果可见，５ 个自变量与因变量的相 关系数是 ０．２６６，此外，决定系数 Ｒ 方是检验回归方程拟合是否良好的指 标，由决定系数 Ｒ 方值 ＝０．０７１ 可知，５ 个自变量可以解释的因变量的变 异是 ７．１％，相对较少；Ｄｕｒｂｉｎ－Ｗａｔｓｏｎ 统计量是检验因变量的残差独立性 的非常重要的指标，若该项指标不通过，则表明需要向模型中引入时间因 素、或直接使用时间序列模型来分析，而不是普通的线性回归模型。 Ｄｕｒｂｉｎ－Ｗａｔｓｏｎ 序列检验的判断标准是：若该值在 ２ 附近，则表明残 差间是相互独立的，观测可知在此模型中该值 ＝２．５４３ 非常接近 ２，表明 无异常。
历、高收入人群，暂时先预假设学历高，住房面积高；家庭人口数一般越 多，住房面积越大，由此提出以下假设：
假设 １：教育程度对住房面积存在影响，且教育程度越高，住房面积 越大
假设 ２：收入对住房面积存在影响，且收入越高，住房面积越大 假设 ３：家庭人口数对住房面积存在影响，且家庭人数越多，住房面 积越大
二、研究方法
本文采用 ＳＰＳＳ１８．０ 进行数据分析，在原始样本数据中，剔除那些回答 不明或者作废的数据，采用线性回归分析方法研究现象。
三、变量
１、本文进行了三次分析，因变量分别为市值、使用面积和其他住房 处，选取能够直观反映住房状况的住房使用面积作为因变量，按照惯例对 因变量计算对数值，以便使其更接近正态分布。
住房是生活的基本需求，住房状况会对人们的生活、工作和健康等方 面产生深远影响。住房状况受到了住房度、地区自然环境、社会文化和 家庭状况等多因素的影响，它反映了住户的居住质量，并影响个人身体健 康和社会稳定。
随着市场化改革的逐步深入，我国贫富分化越发显著，家庭人均住房 情况也随之出现较大差距。在当前社会中，很多因素对家庭住房产生了 影响，本文就收入、教育水平以及家庭总人口数进行了分析。
五、数据分析验证
（一）原始变量的统计描述与转换： 原始的变量中，教育程度为分类变量，先统计教育各个类别分布的人 数与百分比，初步观测数据分布情况。
教育程度
一、数据来源与指标选取
本文数据来源于全国综合社会调查 ＣＧＳＳ（２００３），是中国人民大学于 ２００３ 年和香港科技大学合作下，实施的中国第一次综合社会调查（ＧＳＳ）。 此次调查只包括城镇，共涉及了 １２５ 个县级单位，５５９ 个居委会，５９００ 名 被访者，收回有效数据 ５８９４ 条。该调查的学术研究主题包括社会分层、 社会流动和社会网络，具体指标包括：（１）住户成员部分（２）个人基本情况 （３）户口变动（４）家庭情况（５）社会交往（６）教育经历（７）职业经历（８）目前职业 等方面。本文根据需求选取了 ３３１７ 个样本，选取收入、教育水平、家庭总 人口数、作为自变量，选取住房使用面积为因变量进行分析。
１． 建立多元回归模型，研究性别、教育水平、收入、家庭人口数对住 房面积的影响
模型汇总 ｂ
收入统计结果可见，最小存在零收入者，最高的收入为 ３０００００，总体 均值为 １１３０３．９９，可见总体存在很大差距；同时，由于数据位数存在大的 差距，通过 ＳＰＳＳ 运算的功能，除以 １００００，以消除数据差别。
描述统计量
最后是因变量使用面积的统计结果，可见：最小只有 ５ 平米，最高的 有８００ 平米，总体均值为 ６１．６０６，可见总体差距很大。为了消除影响，将该 变量去自然对数，以下是统计结果：
描述统计量
可见最小值为 １．６１，最大值为 ６．６８，均值为 ３．９３ （二）住房面积在不同性别、不同教育程度的差异检验： 性别与教育程度属于分类变量，首先验证一下住房面积是否存在显 著差异，针对性别采用 Ｔ 检验，而教育程度由于是多分类，采用方差分析 １．住房面积在不同性别的 Ｔ 检验结果：
管理
2016 年第 12 期
基于 ＣＧＳＳ２００３ 数据关于住房影响因素的报告
—— —收入、教育水平、家庭总人口数对住房的影响
■ 卢亚宁
（天津师范大学，天津市 ３００３８７）
【摘 要】目的：分析收入、教育水平、家庭总人口数对住房的影响，选取 使用面积为自变量，探讨人口基本特征因素对住房状况的影响。方法：基 于全国综合社会调查（ＣＧＳＳ）２００３ 年的调查数据，并用 ＳＰＳＳ１８．０ 对引用 数据进行回归分析和方差分析。结论：受教育程度越高，家庭住房面积相 对越高；收入越高，家庭住房使用面积相对越高，并且随着家庭总人口数 的增加，住房使用面积相对应增加。 【关键词】住房状况；影响因素；回归分析
２、收入水平，这一变量在 ｃｇｓｓ２００３ 数据中用被访者“全年家庭总收 入”这一数据表示。
３、受教育水平 ４、家庭人口数，使用 ｃｇｓｓ２００３ 中家庭人口变量，选取有效值重新编 码为不同变量。
四、研究假设的确立
本文的主要目的是探讨样本的性别、教育程度、收入、家庭人口数对住 房使用面积的影响，按照一般理解，性别的影响程度应该有一定区别；一 般收入越高、住房面积也越大；一般而言，教育程度高，收入相应也会越 高，推到住房面积也相应越大，但不可忽视社会中也存在相当部分低学
描述统计量
家庭人口的统计结果可见，最小为 １ 人的单身家庭，最多居然有 １６ 人的大家庭，总体均值为 ３．３３ 人的正常数据，可见为常态。
描述统计量
作者简介：卢亚宁（１９９１—），女，内蒙古呼和浩特人，天津市人，天津师范大学社会学专业研究生。
·１９８·
2016 年第 12 期
管理
以上为不同教育程度的住房面积的方差分析结果，由表格 ２ 的差异 显著性检验结果可知，Ｐ 值 ＝０．０００＜０．０５，表明不同的教育程度人群，住 房面积存在显著差异，参考表格 １ 的均值数据、以及均值图都可以发现： 初中、高中、职高人群都处在相对较低水平，而 ２ 类大专、以及本科人群处 在相对较高水平。其中，最高的是非全日制大专，均值为 ４．０６６，最低的是 初中人群，为 ３．８５５。
教育程度统计结果可见，此次调查的样本中，初中人数最多，有 ９８９ 人，比例是 ２９．８％，其次是高中学历，有 ６２４ 人，比例是 １８．８％，而最高学 历硕士的人数是 １６ 人，比例是 ０．５％，为最少人群；再者，观察高等教育总 人群，经过对比可以发现，此次调查的样本群，以低学历为主。
另外几个原始变量家庭人口数、收入、使用面积均为连续性变量，与 分类变量不同，连续性变量的统计以均值、标准差为主要参考指标，以初 步观察数据的分布特征。