房地产价格影响因素实证分析
商品住宅价格影响因素分析及实证研究
商品住宅价格影响因素分析及实证研究商品住宅价格是一个复杂的问题，受到多种因素的影响。
以下是商品住宅价格的影响因素分析及实证研究。
首先，供需关系是商品住宅价格的主要影响因素之一。
当供应超过需求，商品住宅价格往往下降；相反，当需求超过供应，价格会上涨。
因此，经济发展水平、人口增长、城市化进程以及购房政策等因素都会对商品住宅价格产生影响。
其次，利率水平也是一个重要的影响因素。
低利率有助于降低购房成本，促进购房需求，从而推高住宅价格。
相反，高利率会增加购房成本，抑制购房需求，导致住宅价格下降。
第三，宏观经济环境对商品住宅价格有着重要的影响。
例如，经济增长率、通货膨胀率、失业率等指标都会对住宅价格产生影响。
经济繁荣期通常会促使住宅价格上涨，而经济衰退期则会导致住宅价格下降。
第四，地理位置也是影响商品住宅价格的重要因素。
通常来说，位于城市中心、交通便利、配套设施完善的房产价格较高；而位于偏远地区或者交通不便的房产价格较低。
第五，政策因素也会对商品住宅价格产生影响。
政府的房地产政策、税收政策以及贷款政策等都会对住宅市场产生影响，从而进一步影响商品住宅价格。
最后，人们对未来房价的预期也会影响商品住宅价格。
当人们对房价的上涨有较强预期时，会增加购房需求，进一步推高住宅价格。
相反，当人们对房价的下跌有较强预期时，会减少购房需求，导致住宅价格下降。
综上所述，商品住宅价格受到供需关系、利率水平、宏观经济环境、地理位置、政策因素以及人们对未来房价的预期等多种因素的影响。
在实证研究中，研究人员可以通过数据分析、计量经济学模型等方法来定量地研究各个影响因素对商品住宅价格的作用，以及它们之间的关系。
商品住宅价格是一个涉及到经济、金融、政策、社会等多个领域的复杂问题，对于广大购房者、房地产开发商、政府以及整个经济系统都有重要的影响。
因此，了解商品住宅价格的影响因素及其实证研究具有重要的理论和实践意义。
供需关系是商品住宅价格的主要影响因素之一。
南京市房价影响因素的实证研究
南京市房价影响因素的实证研究南京市作为中国东部发达城市之一，房地产市场一直备受关注。
近年来，由于房价一直居高不下，吸引了大量关注。
南京市房价的影响因素也成为了研究的热点之一。
本文将从宏观经济因素、政策因素、土地供应因素和需求因素等方面进行实证研究，以期找出南京市房价的影响因素及其相互关系。
宏观经济因素是影响南京市房价的重要因素之一。
南京市的宏观经济状况直接影响到房地产市场的供求关系，从而影响房价水平。
在宏观经济因素中，南京市的GDP增长、居民收入水平、就业情况等都会对房价产生一定的影响。
通过实证研究，我们可以分析南京市房价与GDP增长率、居民收入水平和就业率之间的相关性，找出它们之间的正负相关程度和影响大小。
政策因素也是南京市房价波动的重要原因。
近年来，政府对于房地产市场的调控政策不断出台，如限购、限贷、限售等措施，这些政策的实施直接影响着南京市房价的波动。
我们可以通过实证研究，分析政策因素在南京市房价中的作用机制和影响程度，以期找出政策对南京市房价的影响规律。
土地供应因素也是南京市房价波动的重要原因之一。
土地供应的增减直接关系到房地产市场的供求关系，从而对房价水平产生一定影响。
我们可以通过实证研究，分析南京市土地供应量与房价之间的关系，找出土地供应对南京市房价的影响机制，从而有效预测房价的波动。
南京市房价的影响因素是多方面的，需要综合考虑宏观经济因素、政策因素、土地供应因素和需求因素等多个方面进行实证研究。
通过分析这些因素在南京市房价中的作用机制和影响程度，我们可以更好地预测南京市房价的波动，为市场参与者提供参考依据。
希望本研究可以为南京市房地产市场的稳定和健康发展提供一定的参考价值。
影响房地产价格的因素分析
影响房地产价格的因素分析摘要：房地产业是国民经济的支柱产业,与许多行业具有极强的关联性。
合理的房地产价格是保持社会和谐和保障民生的关键。
近年来，我国房地产市场持续高速发展，房地产业的繁荣推进了经济的快速发展。
但是，由于我国房地产市场发展相对不成熟，存在价格持续高涨、市场供求结构不平衡、一二线城市房价涨幅过大等问题影响着我国房地产业的健康发展。
究其原因，高房价的产生主要由经济、政治和社会三大因素决定。
因此，本文从宏观和微观层面分别对房地产价格的影响因素进行了深入而全面的分析,进而提出了相关政策建议。
关键词：房地产价格;微观因素;宏观因素影响房地产价格的因素，有住房和土地使用制度、经济发展状况、城市化进程、财政金融政策，税收政策等宏观因素，也有环境状况、交通设施、建筑物类型与质量、小区环境、住宅的品质、楼层、朝向等微观因素。
因此，本文将分为宏观和微观因素两方面来阐述房地产价格影响因素，微观层面主要是基于房地产行业或者房地产产品属性角度的探讨,宏观层面则主要体现在宏观经济指标对房价波动的影响。
一、影响房地产价格的宏观因素分析1。
1 经济因素经济的高速发展是支撑房价上涨的动力。
影响房价的经济因素很多。
本文主要研究国内生产总值、物价水平、利率对房地产价格的影响。
1.1.1 国内生产总值与房地产价格呈正向关系国内生产总值，即GDP，是指在一定时期内，一个国家和地区的经济中所能生产出的全部最终产品和劳务的价值总和。
国内生产总值主要从以下途径影响房地产价格：一是国内生产总值的增长带动了经济水平的提高和人民生活水平的改善。
当经济水平得到提高，人民生活水平得到改善后，人们会加大对生活必需品的消费,在解决好温饱问题后，人们开始注重对住房的改善。
另外,城市人口和就业人口随着经济水平的提高而上升，从而住宅需求增加。
因此，房地产价格上升.二是国内生产总值的提高反映了一国或者地区宏观经济条件较好，增强了房地产开发商的信心，从而房地产投资增加，拉动经济增长.为了分析房价与GDP之间的关系，我们研究了房地产价格(源于年度数据)增长率与GDP（源于年度数据)增长率之间的关系.如图1所示：展示了房价增长率与GDP 增长率之间的关系.房地产价格增长率与GDP增长率的走势基本相同，说明二者之间确存在正向相关关系。
对我国房地产价格影响因素的实证分析
（ 一） 单位根检验
文从 影响 房地 产价格 的供 给 因素 以及 需 求 因素 进行 探 讨 ， 还 分 析 了其 他 一些相 关 因素对房 地产 价格 的影 响 ， 最后针 对 我 国房 地 产业 的 未 来 发展 趋 势提 出 了相 关的建议 ， 以加 快建 立和 完善房地 产 市场 ， 引导真 实
和Ｈ ｅ ｎ ｄ ｅ ｒ ｓ ｈ ｏ ｔ ｔ 揭示 了住宅价格与建设成本 、 就业率 和收入直接相 关， 而 价 格 上 涨 幅 度 和 利 率 呈 负 相 关 。Ｈａ ｒ ｒ ｉ ｓ 研 究 了实 际利 率 、 名
义利 率 对 房 地 产 价 格 的影 响 ， 发 现 实 际 利 率 的变 动 可 以 解 释 市 场 价格 水 平 ， 名 义 利 率 只 在 房 地 产 增 值 预期 形成 时发 生作 用 。 在 中 国 的 房地 产价 格 决 定 方 面 ， 国 内 学 者 也 进 行 了不 同 角 度 的研 究 。 沈悦 和刘 洪玉 认 为 中 国经 济 基 本 面 对 住 宅 价 格 水 平 的解
Ｒ－ ￣
Ｖａ Ｐａ ｂ ｌ ｅ
ＲＲＩ Ｃ ＥＬ ＡＮＤ ＮＴ
Ｃｏ ｅｆ ｈ ｃｉ ｅ ｎ ｌ Ｓ ｔ ｄ Ｅ ＝ ｒ ｏ ｒ ｌ
３ ５ ３ ０７ ㈣ １ ０ ￣１ ７ ２ ４ 帕 ８”
｝ Ｉ ｃ
Ｐ ｒ ｏ ｂ
Ｃ ａ ｒ ｅ ｄ
－ ９１ １ ４７ ０ １ ０９ ２ ４ ２５ １
有 效的 需求 。
房 地 产 销售 价格 土 地 交 易 价 格 房 屋 租 赁 价 格
人均 Ｇ Ｄ Ｐ
Ｉ （ ０ ） Ｉ （ ｏ ） Ｉ （ ０ ）
Ｉ （ ｏ ）
一６ ． ２ ０ ６ ２ ０ ． ０ ｏ Ｏ ２ ．３ ． １ ９ ３ ９ ０ ． Ｏ ４ ６ ２ 一２ ． ６ ９ １ ９ ０ ． ０ ９ ９ ８
我国房地产价格波动影响因素实证分析
究 了影响房地产价格波动的因素和实证分析 。 关键词 ： 房地产 ； 价格 波动 ； 影响 因素 ； 实证 中图分类号 ： Ｆ ２ ９ ３ ． ３ 文献标识码 ： Ｂ 文章编号 ： １ ６ ７ ３ — ０ ０ ３ ８ （ ２ ０ １ ３ ） ２ ６ — ０ ２ ８ ３ — ０ ２
引 言
化 。此外 ， 通过计算机技术在工程造价领 域之中 的应用 ， 还可 以 时的对 比， 有助于有关部 门的材料价格 的审查 。 全面 的实现建筑市场交 易的网络化 以及资源 的有 效运用 ，使得 信息 网和软件可以得 到更好 的整合和利用。
４结束语
综上所述 ， 根据对 建筑工程造价管理之中计算机技术的运用 （ ２ ） 计算机技术在全过程动态化造价管理之 中的应用 。全过 进行全面 的分析和研究 ， 从实际 的角度 出发 ， 深入并且细致 的对 程的动态化管理 ，指 的是在 建筑 工程造价工作 当中的针对其造 计算机技术在工程造价 管理工作 之中的诸多应用 ， 进 行探 析， 力 价的信息进行全面 的整理和收集 ， 并且对 目标 计划进行整理 ， 通 求更进一步 的为此项工作 的开展 与进 行， 奠定坚 实的理论基础 ， 过 实 际 的 研 究 得 出具 体 的数 据 结 果 ， 对后期 的工作进行指 导， 并 并且 为工程造价管理 的标准化 、 规范化 、 准 确性、 高效 性的提升 ， 且在后续 的诸多商业活动 当中发挥重要的参考价值 。在全过程 做 出积极 的贡献 ，改进传统 的造 价编制工作之 中存在 的诸 多问 动 态 化 的管 理 工 作 当 中 ， 只 有 通 过 多 方 面 的技 术 研 究 应 用 ， 将 所 题和缺陷 ， ： 进一步 的实现造价管理的信息化。 有的数据进行收集和整理 ，将各 个阶段的细节工作进行 全面 的 把握 ， 形 成一个全 过程 的造 价管理 ， 从根本之上增强 建筑 工程 的 项 目管理质 量和水平 ， 提升 企业 的市场竞争力。 参考文献
房地产价格影响因素的实证研究--基于我国各省的面板数据分析
、
中 国房 地产 价格 影 响 因素和理 论假 说
（ 一） 需求方因素 ： 人均 Ｇ Ｄ Ｐ ． 和居 民可支配收入
从理论上看 ， 人均 Ｇ Ｄ Ｐ和居民可支配收入作 为收入水平 的衡量指标 ， 它 的上 升会增强 居民 的购买能力 ， 提供房 屋 的 有效需求 ； 另一 方面 ， 由于房产 本身可 以作 为投资 品的这种 特殊性 ， 会刺激投资性的需求。 理论假说 １ ： 人均 Ｇ Ｄ Ｐ和居民可支配收入同房价应该呈 现明显正相关关 系。 （ －） 供给方因素 ： 房地产投资额和竣 工面积 房地产投资额反映 的是房地产开发情况 ， 代表开发商对 未来楼市 的投资信心 ， 开发商是乐观还是谨慎都切实落在 了 投资额上 ， 投资额 的增加相应使房地 产供 给增加 、 房价下降。 按照房地产开发规律 ， 竣工面积一方面反映 的是房地产 开发情况 ， 另一方 面也反映 了土地供求 因素。 理论假说 ２ ： 房地 产投 资额和竣工 面积同房价的关系 为 负相关 。 （ 三） 金融因素 ： 金融机构贷款额 当房地产市场繁荣 时 ， 以个人住房贷款为 主。如果此 时 个人住房贷款增长 能满足房地产 市场 需求 增长 ， 房地产价格 可能会快 速上升 ； 如果个人 住房贷 款数量控制 严格 ， 价格上 涨的 幅度就不会太大。同样 ， 当房地产市场不景气时 ， 以房 地 产开发贷 款为主 ， 如银行 不能满足 开发商 的资 金需求 ， 其 资 金链 就会 受到影 响 ， 就需 要通过 降价来进行 销售 ； 如果开 发
２ ０ １ ４年第 ５期
经济研究导刊
Ｅ Ｃ０Ｎ ＯＭＩ Ｃ Ｒ ， ２０１ ４
总第 ２ ２ ３ 期
Ｓ ｅ ｉａ ｒ ｌ Ｎｏ ． ２ ２ ３
基于poi数据的房价影响因素实证分析
检查数据是否及时更新，是否具有 时效性。
04
03
房价影响因素分析
房价影响因素分析
• 请输入您的内容
04
基于poi数据的实证分析
基于poi数据的实证分析
• 请输入您的内容
05
结论与展望
研究结论
交通设施
交通设施的便利程度对房价有显著影响，靠近地铁站、公交站和高速 公路的房产价格普遍较高。
教育资源
优质的教育资源对房价有明显的提升作用，特别是知名小学、中学和 大学附近的房产市场表现较好。
商业设施
购物中心、超市、餐馆等商业设施的丰富程度对房价有一定影响，居 民生活便利程度高有助于提高房产价值。
环境质量
环境质量包括自然环境如公园、河流等以及社区环境如绿化率、空气 质量等，对房价有积极的影响，环境优越的地区房价普遍较高。
数据转换
将不同来源的数据进行统一格式转换，便于后续 分析。
3
数据聚合
对数据进行聚合处理，如计算区域平均房价、人 口密度等。
数据质量评估
01
完整性评估
检查数据是否完据来源的可靠性，如数据采 集的渠道和方式。
03
02
准确性评估
验证数据的准确性，如通过与官方 数据对比。
02
数据来源与处理
数据来源
政府公开数据
收集了城市规划、交通、教育、医疗等政府部门公开 的数据。
大数据平台
利用房地产相关的大数据平台，获取房地产交易、楼 盘信息、用户评价等相关数据。
问卷调查
通过问卷调查的方式获取居民对房价的认知和期望。
数据处理与预处理
1 2
数据清洗
对原始数据进行清洗，去除异常值、缺失值和重 复值。
房地产股票价格走势影响因素的实证分析
房地产股票价格走势影响因素的实证分析房地产股票价格走势影响因素的实证分析引言：股票市场是一个充满波动与不确定性的环境，受到众多因素的影响，其中包括经济指标、政府政策和行业内部因素等。
作为经济的重要组成部分，房地产行业对整体经济的发展起着举足轻重的作用。
因此，研究房地产股票价格走势的影响因素对于投资者和决策者都具有重要意义。
本文旨在通过实证分析，深入探讨房地产股票价格走势中的主要影响因素。
一、宏观经济因素的影响1.1 经济增长率经济增长率是衡量经济发展水平的重要指标。
研究发现，经济增长率的持续上升对于房地产股票价格有积极影响。
当经济增长加速时，社会整体购买力提升，人们对购房需求增加，进而推动房地产市场的发展，提高股票价格。
1.2 通货膨胀率通货膨胀率是货币购买力下降的表现。
研究发现，适度的通货膨胀对于房地产股票价格走势有利。
当通货膨胀率适度增加时，房地产投资被认为是一种避险投资，投资者转向房地产股票，推动股票价格上涨。
1.3 利率水平利率是货币政策的重要工具，对房地产股票价格有直接的影响。
研究发现，利率的下降对于房地产股票价格有积极影响。
当利率水平下降时，借贷成本降低，鼓励个人和企业进行房地产投资，从而推动股票价格上涨。
二、政府政策的影响2.1 房地产调控政策房地产调控政策是为了控制房地产市场供需关系，保持市场平稳发展而制定的政策。
研究发现，房地产调控政策对于房地产股票价格起到决定性作用。
当政府出台严厉的调控政策时，房地产股票价格通常会下降，反之亦然。
2.2 城市化进程城市化进程推动了房地产市场的发展，对房地产股票价格也有积极影响。
随着城市化进程的推进，人口流动增加，对住房需求的扩大拉动房地产市场，进而推动股票价格上涨。
三、内部因素的影响3.1 公司盈利能力公司盈利能力是投资者衡量企业价值的核心指标，对房地产股票价格具有重要影响。
研究发现，公司盈利能力增加会引起投资者对公司前景的乐观情绪，推动股票价格上涨。
- 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)。
房地产价格影响因素实证分析——金融工程（2）谭红艳 40421104金融工程（2） 朱 敏 40421102一、 问题提出房地产业是国民经济体系中的基础性、先导性行业,其运行质量直接影响到国民经济的健康发展，房地产价格问题由于与广大城镇居民的生活息息相关,因此一直是人们关注的焦点。
中国从20世纪90年代开始选择市场经济的取向,中国的房地产市场也在20世纪90年代初期开始逐步形成。
1991～2005年,中国房地产价格总体处于上升趋势,年均增长9.83%,远远超过同期居民可支配收入的增长率,因此,房地产价格成为人们经常诟病的主要对象。
目前,国内关于房地产价格的研究大体上可以分为两类:第一类主要从微观视角出发,分析经济变量、区位变量对房地产价格变动的影响。
第二类研究主要从宏观视角研究经济基本面和政策变量对房地产价格的影响。
房地产价格根本上取决于房地产供给和需求，而其供给、需求又受到价格之外的诸多因素的影响，本文将从顾客需求角度，通过分析顾客需求的变化来分析其对房地产价格的影响。
二、 理论综述及模型的设定。
1. 商品房是指房地产开发企业（单位）开发建设的供出售、出租用的住宅、厂房、仓库、饭店、度假村、写字楼、办公楼等房屋工程及其配套的服务设施。
商品房的投资占房地产投资中的绝大部分，且大部分人所关注的房产价格为商品房价格，因此，我们主要研究商品房价格。
即以商品房价格作为被解释变量。
2. 人均可支配收入。
人均可支配收入是房地产需求的正函数，在其他因素不变时，收入越高，需求越大，导致房价上升。
人均可支配收入增长所导致的房地产需求增长表现在三个方面：一是收入的增长加快积累的增长，使得潜在购买力变成现实购买力；二是收入的增长使得消费结构发生变化，房地产成为重要的消费对象，人们会用更好的住宅来代替原有住宅；三是收入的增长导致财富增长，进而对资产需求增加，刺激投资。
房地产通常被看作一种资产，特别是在通货膨胀或其他资产预期收益率较低时，房地产是良好的投机工具。
即人均可支配收入可作为商品房价格研究的一个解释变量。
3. 城市化水平。
城市化水平是城镇人口占总人口的比例。
城市化进程的加速,迫切需要发展房地产业,尤其是普通住宅和城市生活配套设施.城市化与房地产业之所以成为一对孪生“兄弟”,是因为住宅既是城市的功能要素,同时又是城市市民必不可少的、最昂贵的生活资料.到2001年底,我国城市人均住房建筑面积达20.8m,但也只相当于10年前中等收入国家的住房水平.世界各国的经验表明,一个国家在进入城市化加速发展阶段后,在人均住房建筑面积达到30～35m 前,该国将保持较为旺盛的住房需求.因此,城市化的进程无疑会影响到我国房地产的价格。
对每年城市化水平的衡量，我们用该年城镇人口比上总人口数来衡量，作为商品房价格的第二个解释变量。
因此，我们可以设定初始模型：t 22110t X X Y μβββ+++=其中，t Y 表示商品房价格，1X 表示人均可支配收入，2X 表示城市化水平三、数据的收集。
本位获取了从1987年到2005年之间的共19个数据如表1所示。
表1：年份商品房销售价格城镇居民平均每人可支配收入城市化水平1987408.18281 1002.10000 0.25320 1988502.90333 1180.20000 0.25810 1989573.49756 1373.90000 0.26210 1990704.33188 1510.20000 0.26410 1991786.19350 1700.60000 0.26940 1992994.65546 2026.60000 0.27460 19931291.45593 2577.40000 0.27990 19941408.63859 3496.20000 0.28510 19951590.86320 4283.00000 0.29040 19961806.39891 4838.90000 0.30480 19971997.16132 5160.30000 0.31910 19982062.56941 5425.10000 0.33350 19992052.60004 5854.00000 0.34780 20002111.61391 6280.00000 0.36220 20012169.71863 6859.60000 0.37660 20022250.17758 7702.80000 0.39090 20032359.49641 8472.20000 0.40530 20042713.90579 9421.60000 0.41760 20053167.65721 10493.03000 0.42990资料来源：中经网统计数据库中国统计年鉴四、模型估计与调整模型最小二乘估计结果如下：表2：Dependent Variable: YMethod: Least SquaresDate: 06/19/07 Time: 18:41Sample: 1987 2005Included observations: 19Variable Coefficient Std. Error t-Statistic Prob.C2413.063774.9975 3.1136400.0067X10.4385750.067259 6.5207150.0000X2-8852.4643365.538-2.6303270.0182 R-squared0.970142 Mean dependent var1629.054Adjusted R-squared 0.966410 S.D. dependent var 800.2759 S.E. of regression 146.6707 Akaike info criterion 12.95820 Sum squared resid 344196.6 Schwarz criterion 13.10732 Log likelihood -120.1029 F-statistic 259.9387 Durbin-Watson stat0.615478 Prob(F-statistic)0.000000从表2中可以看出，模型的参数检验和拟合优度检验均非常显著，但是x2系数为负，与实际经济意义不相符合。
且DW=0.615，在显著性水平为0.05的情况下，查DW 统计表知074.1d L =，536.1d u =，因此，模型存在正的自相关，分析各变量的时间序列趋势图如下：图1： 图2：50010001500200025003000350088909294969800020420004000600080001000012000889092949698000204图3：0.250.300.350.400.45889092949698000204可见x2有明显的分段现象，前面x2的系数估计结果只所以与经济意义不相符，可能是缺失了重要定性变量，因此我们可以试着引入虚拟变量，从分段部分的时间来看，正好是1995年，引入虚拟变量D⎩⎨⎧=年包括年之后年之前1995,19951,19950,D加入虚拟变量后模型变为：()t 24322110t DX D X X Y μβββββ+++++=模型最小二乘估计结果为： 表4：Dependent Variable: Y Method: Least Squares Date: 06/19/07 Time: 19:17 Sample: 1987 2005Included observations: 19VariableCoefficient Std. Error t-Statistic Prob. C -3304.251 1521.528 -2.171666 0.0476 X1 0.268893 0.066753 4.028177 0.0012 X2 13559.83 6031.566 2.248145 0.0412 D 4707.663 1182.142 3.982318 0.0014 D*X2-16391.854221.994-3.8824890.0017 R-squared0.986480 Mean dependent var 1629.054 Adjusted R-squared 0.982618 S.D. dependent var 800.2759 S.E. of regression 105.5104 Akaike info criterion 12.37643 Sum squared resid 155854.1 Schwarz criterion 12.62497 Log likelihood -112.5761 F-statistic 255.3819 Durbin-Watson stat1.126917 Prob(F-statistic)0.000000由表3可以看出，x2的系数变为正的，与实际经济意义相符。
()221t ^DX 85.16391663D .470783X .135592689X .025.3304Y -+++-=（1521.528） （0.0668） （6031.566） （1182.142） （4221.994） T= (-2.1717) (4.0282) （2.2481） （3.9823） （-3.8825）R^2=0.9865 DW=1.1269 F=255.3819模型的伪回归检验： 结果如下表5： 表5ADF Test Statistic-4.1685461% Critical Value* -3.8877 5% Critical Value -3.052110% Critical Value-2.6672*MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(E) Method: Least Squares Date: 06/21/07 Time: 18:50 Sample(adjusted): 1989 2005Included observations: 17 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.E(-1)-0.9784910.234732-4.1685460.0009D(E(-1))0.7721130.228667 3.3765850.0045C 2.50186117.599340.1421570.8890 R-squared0.581162 Mean dependent var10.01235 Adjusted R-squared0.521328 S.D. dependent var104.1471 S.E. of regression72.05530 Akaike info criterion11.55153 Sum squared resid72687.52 Schwarz criterion11.69857 Log likelihood-95.18800 F-statistic9.712916 Durbin-Watson stat 2.125379 Prob(F-statistic)0.002261由检验结果表5 可以看出，模型存在协整性，说明才商品房价格与人均可支配收入、城市化水平具有长期均衡关系，即未来商品房价格可以用人均可支配收入及城市化水平的变化趋势来进行预测，同时，也可以通过对两个变量的宏观调控来引导房地产价格的变化幅度。