重庆市房价地价动态关系模型构建
重庆市房价地价动态关系模型构建
内生 潜变 量之 间 的关 系 ， 内生 指 标在 内生 潜 变 是
［ 金 项 目］国土 资 源部 “ 基 百人 计 划” 助 项 目 资 ［ 作者 简 介 ］朱 明仓 （ ９ ４ ） 男 ， 究 员， 事 土 地 资 源 管 理 学 、 济 学 、 感 与 地理 信 息 系统 研 究 工作 ， １６ 一 ， 研 从 经 遥
Ｅ ｍａｌｗｅｔｈｎ ５ ＠ ｇ ｉ ｃ ｍ 。 — ｉ： ｓｃ ｉａ １ ｍａｌ ｏ ．
维普资讯
第 ５期
朱 明仓 等 ： 重庆 市 房价地 价 动态关 系模 型构 建
・５ ３ ・ ７
量 的因子 负荷 矩 阵 ； 为 外 源 指 标 的误 差 项 ； ｅ 为 内生指 标 的误差 项 。
Ｖ １ ５ ｏ５ ｏ ３ Ｎ ． ．
Ｏｃ． ０ ｔ ２ ０８
［ 章 编 号 ］１７ —７ ７２ ０ ） ５０ ７—８ 文 ６ １９ ２ （０ ８ ０ ５ ２０
重庆 市房价地价动态关 系模型构建
朱 明仓 吴合 镇 辜 寄蓉
（． 都理工大学地球科学学院 ， 都 ６０５ ； １成 成 １０ ９ ２ 四 川 师 范 大学 地 理 与 资 源 科 学 学 院 ， 都 ６０ ６ ） ． 成 １ ０ ８
［ 收稿 日期 ］２ ０ ６０ ０ ７０—８
为 外 源 （ ｏ ｅｏ ｓ指 标 组 成 的 向 量 ； Ｅｘ ｇ ｎ ｕ ） ｙ
为 内生 （ ｎ ｏ ｅ ｏ ｓ Ｅ ｄ ｇ ｎ ｕ ）指 标 组 成 的 向 量 ； 为 外 Ａ 源指 标与 外源 潜变 量 之 间 的关 系 ， 外 源 指 标 在 是 外 源潜变 量上 的 因子负荷 矩 阵 ； 为 内生指 标 与
因素 的制 约 和影 响 。房 价 与 地 价 的关 系 错 综 复
中国地价、房价和物价的互动关系
中国地价、房价和物价的互动关系作者：冉珍梅钟坚来源：《华侨大学学报·哲学社会科学版》2018年第06期摘要：利用中国35个大中城市2002—2016年地价、房价和物价等指标的统计数据，在分析地价、房价和物价的敛散性特征的基础上，构建面板数据联立方程模型，考察地价、房价和物价三者之间的互动关系。
实证结果表明：（1）我国地价和房价之间存在双向因果关系，且房价对地价的影响程度要高于地价对房价的影响。
（2）地价和房价的相互作用程度和方向存在显著的区域差异和时序差异。
譬如，中低房价区域地价和房价同涨同跌，而高房价区域地价和房价此涨彼跌，且房价越高的地区，地价与房价之间的相互作用程度会越小越不显著。
（3）房价变动对物价具有正向作用，地价能通过房价的传导机制影响物价。
关键词：地价;房价;物价;面板数据联立方程模型作者简介：冉珍梅，深圳大學经济学院博士研究生，主要研究方向：区域经济学、宏观经济理论和家庭金融（E-mail：****************）。
钟坚，深圳大学经济学院教授、博士生导师、经济学博士，主要研究方向：港澳台经济、中文经济特区和宏观经济理论（广东深圳518061）。
基金项目：深圳大学研究生创新发展基金“全球视角下中国绿色全要素生产率的跨国溢出效应研究”（PIDFP-RW2018010）。
中图分类号：F293 文献标识码：A 文章编号：1006-1398（2018）-06一引言改革开放以来，中国房地产业得到迅速发展，房地产业也成为中国经济的重要推动力。
截至2016年底，中国全社会房地产业增加值约为48368亿元，占GDP比重达6.5%。
与此同时，中国房地产价格持续上涨，房价的疯狂涨势远超一般人所能承受的经济能力，将近85%的家庭无法承受目前的高房价。
巨大的生活负担无疑会带来严重的社会经济问题，为应对这些状况，政府及相关部门采取了一系列房价调控政策，但也并未达到明显抑制房价上涨的效果。
重庆市房价地价三维变异函数分析
Ｚ（ｘｉ＋ｈ）］２
式中： ｈ 样本 间 距 ， 又 称 步 长（Ｌａｇ）； Ｎ（ｈ）是 间 距 为 ｈ 的 “样
本对”数； Ｚ（ｘｉ）和 Ｚ（ｘｉ＋ｈ）分别表示在点 ｘｉ 和 ｘｉ＋ｈ 处的观测值。
半方差函数一般用变异曲线
来表示， 它 是 半 方 差 函 数 γ（ｈ） 值
对距离 ｈ 的函数图 。
实际上， 理论变异函数模型
值的变化造成的。可以看出， 在第二期到第五期之间， 货运周
后， 货运周转量呈现小幅波动， 但波动幅度不大， 说明国民经
转量的变化对国民经济的影响不大， 但从第六期开始， 冲击
济的发展对货运周转量没有显著影响。
影响呈现增长一期开始就受到来自自 身 的 冲 击 ， 冲 击 影 响 达 到 了 ９１．０％，
在进行空间趋势分析时， 通过选择合适的透视视角， 来 判 断 趋 势 在 某 一 方 向 上 的 变 化 特 征 。运 用 地 统 计 的 空 间 趋 势 分析对地价和房价进行分析， 得到重庆地价和房价的趋势图 见（ 图 ４￣７） 。
图 ４ 东－ 西和南－ 北方向地价趋势图
图 ５ 西北－ 东南和东北－ 西南方向 地价趋势图
参考文献：
此 后 有 较 小 幅 度 波 动 ， 总 体 上 稳 定 于 ８４．３￣９５．５％之 间 ， 国 民 经济的冲击对其影响不大， 解释力基本上低于 １０％的水平。
表４ Ｐｅｒｉｏｄ
１ ２ ３ ４ ５ ６ ７ ８ ９ １０
国民经济增长和货运周转量的方差分解表
Ｓ．Ｅ．
ＬＧＤＰ
ＬＦＴ Ｐｅｒｉｏｄ Ｓ．Ｅ． ＬＧＤＰ
图 ６ 东－ 西和南－ 北方向上的房 价趋势图
图 ７ 西北－ 东南和西南－ 东北方 向上的房价趋势图
土地价格、居民收入对商品住宅价格影响的动态分析——基于状态空间模型的实证
本 文选 择商品住宅价格作为量测方程 的被解释变量 ， 土地价格 、 民收入 和货币供应量作 为量测方 程 的解 释 居
变量 ， 各变量取 自然对数 。 对
利 用状 态空间模 型建立的可变参数模型如下 ：
起来 。
由于我 国经济改革 、 外界 冲击 和政策变化等 因素对 房地产市场的影响 ， 固定参数模 型无法 表现这种结构 的 用
变化 ， 因此 ， 本文利用状态空 间模 型来构造可 变参数模 型 ， 就土地价格 、 民收入对商 品住 宅价格 的影响进行动 态 居 测度和分析 。可变参数模型 的状态空 间的一般表示 如下 ：
收稿 Ｅ期 ：０ ０—０ ０ ｌ ２１ ７— ６
作者简介 ： 华中科技 大学管理学院在读博 士， 长沙市 ， ０ ７ 。 ４ ０４ ３
宏 观 经 济
二、 模型说明及变量选取
状态空间方法是一种时域方法 ， 中引入 了状 态变量概 念 ， 其 用状 态方程 描 写动态 系统 ， 量测方程 描写量 测 用 信息 ， 由状态方程和量测方程构成状态 空间模 型。它包括 两个模 型 ： 其一 是状态 方程 ， 反映动 态系统在 输入变 量 作用下在某时刻所转移 到的状态 ； 其二是输 出或量 测方程 ， 将系统在某时刻 的输 出和 系统的状态及 输入变量联 系
量测方程 ： 状态方程 ： ｙ ＝ ｔ ＋ ｔ ＋￡ Ｚｌ Ｘ ｏ ｐ： 一 ＋ （） １ （） ２
ｅ，（， ）＝ ， ～ （（ ） ｔ Ｔ ， Ｎ： ， ， ） ｔ…
ｃ ３
在（ ） １ 式中 Ｚ是具有 固定 系数 的解 释变量集合 ， 是随机 系数 的解释变量集合 ， Ｘ 随机系数 向量 ｐ 是状态 向
我国房价与地价关系的实证研究
我国房价与地价关系的实证研究作者：郭微樊必武来源：《金融经济·学术版》2008年第07期摘要：文章以2002年第一季度至2008年第一季度的全国房屋销售价格指数和土地交易价格指数为样本，通过协整检验和回归分析，从实证方面论证和分析了房价与地价的相互关系。
结果表明：短期内地价对房价有一定影响，但房价对地价更有决定性作用；长期内二者存在稳定的均衡关系。
并在此基础上提出一些政策建议。
关键词：房价；地价；协整检验；回归分析近年来，伴随着土地出让制度改革的深化，我国的房地产市场越来越繁荣，房价与地价一路攀升。
2007年，全国70个大中城市房屋销售价格平均涨幅为7.6%，比上年快1.8个百分点；新建商品住房销售价格同比上涨8.2%，比上年快1.8个百分点；四个季度的土地交易价格指数与上年同期相比，分别上涨3.88%，6.67%，9.63%和4.34%。
这一年对我国房地产业来说是极不寻常的一年，物业税、加息、房贷成为地产圈内曝光率最高的词汇，上市、融资、圈地成为开发商最热衷的事情。
国家宏观调控政策相继出台，各类与民生息息相关的热点问题不断出现。
其中房价问题更是重中之重。
地价作为房价的一个重要组成部分，其与房价的关系在理论界一直争论不休。
有些房地产商认为，地价的上涨导致开发成本的增加，从而引起房价上涨；而有些政府人员和学者认为，房地产市场需求强劲，房屋市场供不应求，价格上涨，引起房地产商土地需求的增加，进而带动地价的上涨。
为了从实证角度验证房价和地价的关系，本文利用房地产市场的最新数据，以计量经济学为基础，运用协整检验和回归分析，对两者的相互关系进行研究，从中得出结论并提出相应的政策建议。
一、实证分析1.指标选取和数据调整2002年4月国土资源部颁布《招标拍卖挂牌出让国有土地使用权规定》，从7月1日起，土地招拍挂制度正式在全国范围内施行。
土地政策对地价的影响毋庸置疑，因此本文选取2002年第1季度至2008年第1季度的全国房屋销售价格指数(HP)和土地交易价格指数(LP)作为样本。
房地产市场的价格预测模型与建模分析
房地产市场的价格预测模型与建模分析房地产市场是一个重要的产业，对于政府经济政策的制定和投资者的决策具有重要影响。
因此，对于该市场的价格预测模型与建模分析显得尤为重要。
本文将讨论房地产市场价格预测模型的建立与分析方法，以帮助投资者和政府决策者更好地理解市场趋势和未来走势。
一、房地产市场价格预测模型的建立方法房地产市场价格预测模型的建立可以采用多种方法，包括回归分析、时间序列分析和机器学习等。
下面将分别介绍这些方法的原理和应用。
1. 回归分析回归分析是一种常用的统计方法，用于探索变量之间的关系。
在房地产市场中，可以选择影响房价的相关变量，如地理位置、楼层、面积、楼龄等，作为自变量，房价作为因变量，建立回归模型进行预测。
通过分析各个自变量的系数和显著性水平，可以了解各因素对房价的影响程度和方向。
2. 时间序列分析时间序列分析是一种用于研究时间序列数据的方法，适用于预测具有一定规律性和趋势性的数据。
在房地产市场中，可以将历史的房价数据作为时间序列数据，通过分析趋势、周期性和季节性等特征，建立时间序列模型进行预测。
3. 机器学习机器学习是一种基于数据的自动化建模方法，可以利用大量的历史数据进行模型训练和预测。
在房地产市场中，可以使用机器学习算法，如决策树、随机森林、神经网络等，根据房产特征数据和历史价格数据进行训练，建立预测模型。
机器学习有着良好的拟合能力和预测性能，可以提供较为准确的房价预测结果。
二、房地产市场价格模型的分析方法建立价格预测模型之后，需要对模型进行分析以评估其准确性和稳定性，进而为投资者和政府决策者提供决策支持。
下面将介绍几种常见的模型分析方法。
1. 模型拟合度分析模型拟合度分析用于评估模型对观测数据的拟合程度，可以通过计算拟合优度指标（如R方值）来衡量模型的拟合效果。
拟合度分析可以帮助我们了解模型的预测能力和稳定性。
2. 模型参数显著性检验模型参数显著性检验可以用于评估各个自变量对因变量的影响是否显著。
城市地价和房价关系研究
02 地价是房价的重要成本之一，对房价的走势有一 定的影响。
03 房价的走势也会对地价产生影响，高房价往往会 导致地价上涨。
03 城市地价与房价关系的实 证分析
实证分析方法
线性回归分析
01
通过建立地价和房价之间的线性回归模型，分析两者之间的数
鼓励发展租赁市场，增加租赁住房供应，满足不同层次、不同群体的住房 需求。
优化住房供应结构，增加中小户型、中低价位商品住宅供应，降低高价位、 大户型住宅比例。
推动房地产企业转型升级，鼓励企业开发绿色建筑、智能建筑等高品质住 宅。
政策建议三：推进房地产税费改革
完善房地产税费制度，合理设置房产税、 土地增值税等税种，调整税费比例和征 收方式。
理论分析结果
1 2 3
地价与房价呈正相关
根据数据分析结果，地价和房价之间存在显著的 正相关关系，即地价上涨会导致房价上涨。
供需关系影响显著
分析结果表明，市场供需关系对地价和房价的关 系具有重要影响，当市场需求增加时，房价和地 价均会相应上涨。
政策因素具有调节作用
政府政策对地价和房价的关系具有调节作用，通 过土地供应政策和房地产税收政策等手段可以影 响地价和房价的走势。
05 城市地价与房价关系的政 策建议
政策建议一：加强土地管理和市场调控
01
严格土地供应计划，控制土地供应总量和结构，确保
土地供应与城市发展需求相匹配。
02
完善土地出让方式，推行招拍挂、限房价竞地价等政
策，抑制土地价格过快上涨。
03
加强土地市场监管，打击囤地、炒地等行为，维护土
地市场秩序。
政策建议二：优化房地产市场结构
房价与地价的关系
四、其他观点：房价和地价不是简单的谁决定谁的关系
有一类的观点比较折衷，以为“高房价决定高地价”和“高地价致使高房价”都不能全面的揭露房价和地价之间的关系，房价和地价是联结在一路，彼此阻碍的。
Kauko(2003)引述Monk等人1991年的文章，以为计划对房价的长期阻碍并非与李嘉图的地价剩余理论冲突，引英格兰不同地域的例子，指出地价和房价的关系因地而异。Monk, Royce and Dunn (1994)、Leishmann and Jones(1997)、Tse(1998)从住房建造商行为的入手，别离发觉建造商的策略、投机行为、土地囤积行为等会对房价、地价关系产生阻碍。Quigley and Rosenthal(2005)总结了前人在有关土地利用规制关于住房价钱阻碍的研究，对土地利用规制、地价、住房价钱的关系作了全面的文献回忆。基于房地产市场是空间竞争的市场，况伟大（2005）将房价和地价关系成立在空间经济学的基础之上，考虑住房市场与土地市场的供给者行为，探讨了容积率、闲置土地比重和开发商占地规模如何阻碍房价、地价及其关系，得出土地供大于求时房价地价负相关、土地供小于求时房价地价正相关的结论。
赖小倩（2007）通过用Granger因果关系查验证明：短时间房价和地价之间确实互有阻碍，但不能得出具体结论谁决定谁。长期（1年以上）来看房价对地价的阻碍程度较为明显，房价最终决定地价的水平，而地价对房价不能起决定性作用。黄英（2006）以1998年-2004年武汉市数据通过协整查验，格兰杰因果关系查验和回归分析，发觉武汉市房价与地价之间存在着长期稳固的相关关系，长期房价走势决定地价走势，而短时间内二者彼此制约。谢叙祎（2006）用5年的上海市数据用Granger查验说明短时间二者彼此阻碍，长期内房价决定地价。
- 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)。
第35卷 第5期成都理工大学学报(自然科学版)Vol.35No.5 2008年10月JOU RN AL OF CHENGDU UNIVERSITY OF TECH NOLOGY (S cienc e &Technology Edi t i on)Oct.2008[文章编号]167129727(2008)0520572208重庆市房价地价动态关系模型构建[收稿日期]2007206208[基金项目]国土资源部/百人计划0资助项目[作者简介]朱明仓(1964-),男,研究员,从事土地资源管理学、经济学、遥感与地理信息系统研究工作,E 2ma il:westchina51@ 。
朱明仓1 吴合镇2 辜寄蓉2(1.成都理工大学地球科学学院,成都610059;2.四川师范大学地理与资源科学学院,成都610068)[摘要]通过建立重庆市房价与地价的结构方程模型,构建以政策因素、区位因素、规划因素作为指标变量,宏观因素、微观因素作为潜变量的动态关系模型,讨论了模型的特点、建模方法与步骤,模型评价与修正等,得到房价地价动态关系模型方程组。
探索了一种建立多个因变量之间关系的模型方法,对建立影响因素复杂、因素之间关系难以确定的情况提供了一种比较好的解决方案。
[关键词]动态关系;房价;地价;结构方程模型[分类号]O29:F293.3 [文献标识码]A房地产行业的发展关系着国计民生,地价作为房价的重要组成部分,房价的上涨会拉动地价的上涨,地价的上涨又会反作用于房价,持续地拉高房价。
同时房价与地价的增长不仅受到不健全的市场经济条件下供求关系的影响,还有来自国家政策、行政规划、居民心理以及城市中区位条件因素的制约和影响。
房价与地价的关系错综复杂,分析了解房价和地价增长的规律和两者之间以及与各影响因素的关系显得非常重要[1]~[15]。
结构方程模型(Structural Equation Model 2ing,简称SEM),是一种通用的统计建模技术,它是基于变量的协方差矩阵来分析变量之间关系的一种多元统计分析方法,广泛地应用于心理学、经济学、管理学等社会领域。
SEM 优于传统的建模方法,如通径分析、多元回归、计量经济学的联立方程模型及因子分析方法。
传统方法只能处理观察变量之间的关系,不能处理无法直接测量的潜变量;而SEM 利用观察变量作为潜变量的标识,并且允许误差产生和潜在变量之间的结构关系分析;另外,SEM 可以建立多个变量之间的相互影响复杂关系。
基于此,本文将其应用于房价与地价动态关系模型研究。
1 SEM 建模原理SEM 包括测量方程(Measurement Equa 2tion)和结构方程(Structural Equation)。
测量方程是SEM 的验证性因子模型部分中的方程部分,描述潜变量与指标之间的关系;结构方程是SEM 的因果模型部分,又称潜变量模型,描述潜变量之间的关系[1]。
测量方程通常表示为:x =+x N +D (1)y =+y G +E(2)式中:x 为外源(Exogenous)指标组成的向量;y 为内生(Endogenous)指标组成的向量;+x 为外源指标与外源潜变量之间的关系,是外源指标在外源潜变量上的因子负荷矩阵;+y 为内生指标与内生潜变量之间的关系,是内生指标在内生潜变量的因子负荷矩阵;D为外源指标x的误差项;E 为内生指标y的误差项。
结构方程通常表示为:G=B G+#N+F(3)其中:G为内生潜变量向量;N为外源潜变量向量; B为内生潜变量间的关系矩阵;#为外源潜变量对内生潜变量的影响矩阵;F为结构方程的残差项向量,反映了G在方程中未被解释的部分。
SEM中包含8个参数矩阵:+y,+x,B,#,5, 7,(E和(D,其中+y,+x,B和#分别为上面测量方程和结构方程中的参数。
+y为内生潜变量和内生指标之间的方差协方差矩阵,+x为外源潜变量与外源指标之间方差协方差矩阵,+y和+x称为方程模型的因子负荷矩阵;B为内生潜变量之间的方差协方差矩阵,#为外源潜变量和内生潜变量之间的方差协方差矩阵,两者称为结构通径系数矩阵;5为外源潜变量的方差协方差对角矩阵;7为内生潜变量误差的方差矩阵;(E为内生指标变量误差的方差矩阵;(D为外源指标变量误差的方差矩阵。
内生潜变量G的方差协方差矩阵可以通过以下公式计算得到:VAR(G)=VA R[(#N+F)/(I+B)](4)假定:测量方程误差项E和D均值为零,结构方程残差项F的均值为零,误差项E,D与因子N,G 之间不相关,E与D不相关,残差项F与N,E,D之间不相关。
2模型构建2.1模型变量a.政策因素。
政策因素是影响房价与地价的关键因素。
政策是国家调控房地产行业的手段,可由国家多部门针对不同的领域做出相应的政策调整,可分为土地政策、金融政策和房产政策,从需求和供应两方面进行调控。
按时间对政策进行划分,对每个时间段根据其政策对房价和地价指数的影响力度,并参照政策的颁布单位和预期影响力给予评分,结果如表1所示。
b.区位等级。
城市房价和地价与区位具有密切的关系,区位条件是决定城市土地的利用价值和居民生活便捷程度的重要因素。
除影响房价和地价的宏观因素外,微观因素中的区位条件不可忽视。
随着区位条件的变化,房价和地价在空表1政策时段划分及政策影响得分表Table1P olicy time and the scor es ofthe policy influence时间段房价指数地价指数政策影响得分2003年1月~2004年2月1001000 2004年3月~2004年9月1251311 2004年10月~2005年3月1021003 2005年4月~2005年6月1031203 2005年7月~2005年11月82785 2005年12月~2006年7月111932 2006年8月~2006年11月91824 2006年12月~2007年2月1141112 2007年3月~2007年6月901025间上的变化非常明显。
为此研究中考虑加入区位因素。
而区位因素可由商服繁华度、交通条件、生活基础设施、公用设施、环境条件因素和容积率的影响来反映;但由于基础图层中交通条件难以量化,没有公用设施和环境条件的数据,采用细化的指标难以量化区位条件,为此采用土地定级的成果(表2)来反映区位条件(图1)。
表2重庆市住宅用地(70年)基准价Table2Base land price for the residentialland of Chongqing土地级别123456地价35033078220617771237959土地级别789101112地价841737660589444338 (单位:元/m2)c.区位因素。
微观区位属性项是根据房价的区间分布进行分析归类的,不同的房价水平所处的区位不同,一般情况下,价格相同的样点其区位条件也相似,集中于某一类区域内,所以对房价进行分类的方法选用空间聚类取得。
根据房价的样本数和空间分布形态,将房价分为16个价格区段(表3),用不同的区段表示不同的微观区位条件(图2)。
表3区位因素得分表Ta ble3Score table of location fact ors 序号12345678分类12345678得分00012345序号910111213141516分类910111213141516得分678910111213注:分类1~3的区域内没有样点,故将数据划为13级,并将1~3类的得分赋予0。
#573#第5期朱明仓等:重庆市房价地价动态关系模型构建图1 重庆居住用地基准地价图Fig.1 Base land price for the residential landofChongqing图2 不同的区段房屋价格重分类结果图Fig.2 Reclassified r esults on t he house pr ices indiffer ent distr icts of Chongqing2.2 初始模型根据SEM 理论和房价与地价关系理论来设立初始理论模型。
主要包括构建:指标与潜变量的关系;各潜变量之间的相互关系;在复杂模型中可以限制因子负荷或因子相关系数等参数的数值。
房价与地价的关系涉及到多个影响因素,既有宏观因素的影响,也有微观因素的影响。
房价与地价整体水平的高低由宏观因素所决定,政策的改变会很大程度上影响房价与地价的走势和增幅;同时政府规划格局对房价和地价形成显著影响。
但在宏观影响相同条件下,即在$t 时间内,当$t 很小时,可以认为该时间段内宏观因素不变,其区位条件的不同会很大程度上影响房价与地价。
在构建房价与地价动态关系模型中,需要既考虑宏观影响因素(H GYX)和微观影响因素(WGYX)对房价水平影响(FJSP)、对地价水平(DJSP)以及房地产增长幅度的影响,也要考虑房价(H P)与楼面地价(LP)之间的关系。
因两种影响因素无法直接测量,而用政策(PL)来标识宏观因素,用区位等级(GRD)和区域规划(LYT )指标变量来标识微观因素。
内生潜变量地价水平(DJSP)用楼面地价(LP)和地价指数(LPZF)来标识,房价水平(FJSP)用房价(H P)和房价水平(H PZF)进行标识。
而内生潜变量房地产增长幅度(FDZF )用房价指数(H PZF )、地价指数(LPZF)和弹性系数(DP)进行标识。
这样,GRD,LYT 和PL 为外源指标;WGYX 和H GYX 为外源潜变量。
LP,H P,DP,H PZF,LPZF 为内生指标;相应标识内生潜变量DJSP,FJSP 和FDZF 。
利用通径图(Path Diagram)来设定一个待定模型,利用可视化的方式把模型参数描述出来。
在通径图中用矩形框表示指标变量,用椭圆形框表示潜变量;用线条表示变量之间的关系,直线表示因果关系,曲线表示相关关系。
用箭头表示因果作用关系方向,箭头从原因变量指向结果变量。
针对房价与地价动态关系SEM,构造以下待定模型(图3)。
图3中Kx 和K y 分别为连接外生观测指标PL,LYT,GRD 与外源潜变量H GYX,WGYX 以及内生观测指标H P,LP,DP,H PZF,LPZF 与内生潜变量FJSP,DJSP,FDZF 的因子负荷;C 与B 为通径系数(Path Coefficients)。
C 为外源潜变量H GYX 和WGYX 到内生潜变量FJSP,DJSP 和FDZF 的通径系数;B 为内生潜变量FJSP 与内生潜变量DJSP 之间的通径系数,并且存在反馈。
#574#成都理工大学学报(自然科学版) 第35卷2.3 模型识别模型识别的主要任务是考虑模型的每一个自由参数能否通过观测数据求出惟一解。
如果一自由参数无法用样本方差协方差的代数函数表示,则该参数不能识别。