房地产价格需求影响因素的实证分析
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。
房地产价格影响因素实证研究
房地产价格影响因素实证研究摘要:作为国民经济体系中的基础产业，房地产市场健康有序的发展是构建和谐社会的重要保障。
近年来房地产价格的变化趋势引起了学者们的广泛关注。
鉴于此，笔者利用31个省、自治区、直辖市2004年—2010年的面板数据，对影响城市房地产价格因素进行了实证分析，以期研究影响房地产价格的主要因素，并结合分析结果提出了若干建议。
关键词:房地产价格影响因素回归模型房地产作为国民经济体系中的基础产业，是推动国民经济发展，带动其他产业发展的重要力量，房地产价格波动对居民生活安定及国民经济稳定发展有着不可忽视的影响。
自2003 年以来，中国房地产价格持续上涨，之后政府针对房价过快上涨进行了一系列紧缩性政策的调控，但房价依然保持上升态势，房价的增长速度已经远高于居民收入与消费水平的增长速度。
2008 年在美国金融危机的打击下，房地产市场出现波动。
但随后2009年我国房价又出现过热的现象，住房难已成为困扰人们的一大民生问题。
政府采取了大力度的房价调控政策，从2011年下旬开始，大中城市住房的降价空间逐渐增大，房价呈现出缓慢下降趋势。
一、文献综述近年来，随着我国房价问题的日益突出，国内研究者们纷纷对影响房地产价格的主要因素展开了大讨论。
王金明、高铁梅(2004) 利用变参数模型对我国房地产市场的需求与供给函数进行了动态分析,认为收入是影响需求的主要因素, 房价是影响供给的主要因素, 因此将房地产价格控制在合理的范围是保证房地产发展的根本前提。
周京奎（2006 ）通过对房地产价格、汇率和利率的实证分析研究，得出汇率与房地产价格格正相关，利率与房地产价格负相关的结论。
宋勃和高波（2007 ）认为国外资金长期的涌入是我国住房价格上涨的一个重要因素。
张蓓（2008）建立panel data 模型，实证研究结果明确了居民可支配收入增加、人口增加等因素导致的住宅需求扩张是房价上涨的首要因素。
周建军（2009）以我国 2000年至2007 年每个季度的数据为研究基础，对影响我国住房价格的因素进行了实证研究，结果表明居民可支配收入、土地价格与房价正相关，利率与房价负相关。
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。
- 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)。
房地产价格需求影响因素的实证分析摘要：本文在一个简单需求模型的基础上,利用1991～2005 年全国数据分析了中国房地产价格受需求影响的问题。
实证结果表明: 在房地产价格不断增长的今天，从需求方面来看，除了人们对房屋的居住需求以外，还有投机的需求包含在内。
而在影响房屋需求的诸多因素当中，人均可支配收入，人口数量以及人民币的汇率的变动对房地产价格的影响比较显著。
在需求方面，居住的需求是人们正常的需求，可以促进房产业的健康发展；但是过度的投机需求就会使房产泡沫越吹越大，给整个会带来不利影响。
关键词：人均可支配收入人口密度汇率需求投机房地产价格一、导言房地产业在中国的发展正在经历一条从不太成熟到逐渐成熟的曲折的周期性成长之路。
改革开放以来,房地产业进入复苏阶段,1992 -1993 年全国范围出现房地产热,随着紧缩性宏观政策的实施,房地产业进入收缩阶段。
经过随后几年的消化吸收,并以1996 年将住宅建设作为经济增长点、1998 年取消福利分房等政策为标志,中国房地产业进入相对稳定的发展时期。
近几年,房地产市场的发展主要体现在住宅市场的快速发展上。
而自1999 年实施住房货币化改革以来,房地产市场变得越来越繁荣,事实上房地产市场的发展已成为几年经济低潮之后新一轮经济增长的发动机。
但随着房地产市场的繁荣,房地产市场却似乎在脱离我们的控制。
房地产市场的繁荣一方面带来经济增长,但另一方面高昂的房价又阻碍了许多百姓实现居者有其屋的愿望。
对房地产市场的学术研究也越来越多地见诸于各类学术杂志,这些研究多集中在房地产市场的泡沫、投机、政府和开发商行为等方面。
在华晓慧（2005）房地产泡沫实证分析当中提到了人们的投机因素对房产泡沫有推动作用，但只是从人们的收入以及银行的房贷诱使了投机需求的不断扩大。
而张万福在对人民币升值对房地产价格影响的文章中提到了，人民币的升值刺激人们将房屋作为投资的替代品。
他说因为升值带来了收入效应和财富效应，使人们的可支配收入增加了，对房屋的需求也相对提高了。
在一方面，升值还将吸引海外的“热钱”不断涌入国内的房地产业。
但是综合来看，多数的文献都只是从投机或者说影响因素的某一个方面来分析房地产价格的变动情况。
本文在以前的基础上，综合了需求方面的各种因素，包括收入，物价指数，人口密度和汇率方面，建立一个初步的需求模型，从需求方面分析价格的影响因素。
二、实证分析1、模型的初步假定虽然在经济学中价格的影响是供给与需求的平衡结果，但是在现实的社会中平衡的状态并不存在。
所以我们就从需求单方面分析，需求的增加对价格的推动。
而房地产是又是一种特殊的商品。
从居民需求角度看，衣食住行是居民的最基本需求，房屋是生活必需品。
尽管房价高，老百姓仍要买房购房。
这种居住需求，是房地产业健康发展的基础。
房地产的特殊性还在于房地产投机需求。
由于城市化的进程，城市土地增值使得地产价格上升，房地产便成为极好的投资品，除满足居住需求以外，还可以使资产保值增值。
我们把这种保值增值和投资而购买房地产的需求统称为投机需求。
由此可见，与其它市场相比，房地产市场存在着明显的特殊性——双需求，即房地产市场同时具有居住需求和投机需求。
居住的需求体现在人们可支配收入的多少、物价指数的大小以及家庭人口的多少。
所以在变量的设定上，我们选取了零售商品价格、CPI 、人均可支配收入、人口数量和汇率这五个因素。
想从两个需求同时入手，分析人们需求影响房地产价格的程度。
1122334455t t t t t t t Y C X X X X X βββββμ=++++++变量的假设：X1——人均可支配收入X2——人口数量 X3——汇率X4——零售商品价格 X5——CPIY ——房地产价格（每平方米的单价平均值）2、数据的选取在数据的选取上，基本都是查阅的中国统计局网站。
在零售商品价格以及CPI 的数据可能已经考虑了通货膨胀的因素。
而在房地产的价格数据的寻找中，因为每平方米的单价会因为地区的差异而呈现很大的变化。
所以我们索性将全国的房地产价格的每平方米单价做一个简单的算术平均。
数据如下：3、计量分析首先来看序列的平稳性，因为所采用的数据都是时间序列的数据，所以它们是否平稳是估计模型的先决条件。
X1ADF Test Statistic 0.549708 1% -4.06815% -3.122210% -2.7042X2ADF Test Statistic -2.779854 1% -4.06815% -3.122210% -2.7042X3ADF Test Statistic -3.209420 1% -4.06815% -3.122210% -2.7042X4ADF Test Statistic -2.223166 1% -4.06815% -3.122210% -2.7042X5ADF Test Statistic -2.223550 1% -4.06815% -3.122210% -2.7042将最初的数据用Eviews软件做简单的回归，得到：Dependent Variable: YMethod: Least SquaresDate: 06/24/07 Time: 17:02Sample: 1991 2005Included observations: 15Variable Coefficient Std. Error t-Statistic Prob.C 4081.142 5781.610 0.705883 0.4981X1 0.285297 0.073333 3.890425 0.0037X2 -0.021273 0.047036 -0.452275 0.6618X3 -0.575833 0.715535 -0.804758 0.4417X4 -266.9132 105.2772 -2.535337 0.0320X5 256.5951 102.5735 2.501572 0.0338R-squared 0.978641 Mean dependent var 1917.540Adjusted R-squared 0.966776 S.D. dependent var 629.7125S.E. of regression 114.7814 Akaike info criterion 12.61311Sum squared resid 118572.9 Schwarz criterion 12.89633Log likelihood -88.59833 F-statistic 82.47517Durbin-Watson stat 1.855197 Prob(F-statistic) 0.000000正比。
但从变量来看，X1、X4、X5可能存在着共线性。
作共线性的检验：X4 X1 X5 X2 X3 1.000000 -0.499882 0.997441 -0.576337 -0.144329 X4 -0.499882 1.000000 -0.496086 0.977273 0.648775 X1 0.997441 -0.496086 1.000000 -0.564538 -0.098604 X5 -0.576337 0.977273 -0.564538 1.000000 0.706070 X2 -0.1443290.648775-0.0986040.7060701.000000X3从表中可以看出，X1和X2存在严重的正相关性，对这个的解释是人口密集的地方也是经济发展迅速的地方，可能就因为如此而集聚了大量的人口。
这个对模型的影响，起码在经济上的影响是不大的。
但是X4和X5的共线性会对模型的估计产生较大的影响。
在用逐步剔除变量法修正模型后，再用最小二乘法估计：Dependent Variable: Y Method: Least Squares Date: 06/24/07 Time: 17:37 Sample: 1991 2005 Included observations: 15Variable Coefficient Std. Error t-Statistic Prob. C -680.5638 4425.953 -0.153767 0.8806 X1 0.203243 0.067713 3.001539 0.0120 X2 0.008370 0.039834 0.210126 0.8374 X30.5326350.4665131.1417380.2778R-squared0.963002 Mean dependent var 1917.540 Adjusted R-squared 0.952911 S.D. dependent var 629.7125 S.E. of regression 136.6475 Akaike info criterion 12.89586 Sum squared resid 205397.8 Schwarz criterion 13.08468 Log likelihood -92.71898 F-statistic 95.43668 Durbin-Watson stat1.099332 Prob(F-statistic)0.000000123ˆ680.56380.20320.00840.5326t t t tY X X X =+++ Se= （4425.953） （0.0677） （0.0398） （0.4665） T= (-0.1538) (3.0015) (0.2101) (1.1417) R^2=0.963 F=95.4367这个结果从变量的系数来看基本符合经济意义，但是t 检验不是很好。
所以可能还存在其它的问题，诸如异方差，自相关等。
异方差检验在异方差的检验中，无论用那种检验方法得到的结论都是不存在异方差。
因为模型数据为时间序列数据，所以选用ARCH 检验来判断时间序列是否存在异方差ARCH 检验 提出假设0010H αα==： 101H αα：，中至少有一个不为零做辅助回归2011ˆˆˆt e αα-=+2t e在α=0.05水平下，查表得，()20.051X=3.8414且()2n p R-=0.1674得()()220.051 n p R X-<所以，不拒绝原假设，表明模型中不存在异方差。
在进行自相关的检验自相关检验一．图示检验法1．绘制et和et-1的散点图如图所示，图像虽然比较散乱，但还是有一个大致的规律性，粗略的判断随机误差项ut存在自相关。
2．按照时间序列绘制回归残差项。
从上图可以看出，et 随着t 的变化逐次有规律的变化，呈大致的锯齿形的变化，粗略判断存在自相关。