商品住宅价格影响因素回归分析-论文
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。
商品住宅价格影响因素
商品住宅价格影响因素引言商品住宅价格是房地产市场中的重要指标之一，它受到多种因素的影响。
理解这些影响因素对于投资者、政策制定者和一般公众来说都至关重要。
本文将探讨商品住宅价格受到的主要影响因素，并对每个因素进行详细解释。
1. 宏观经济环境宏观经济环境是商品住宅价格的重要影响因素之一。
经济活动水平、 GDP 增长率、通货膨胀水平和利率水平等均会对住宅价格产生影响。
当经济活动水平增加、GDP 增长率高、通货膨胀水平低且利率水平较低时，市场上的购房需求通常会增加，从而推动住宅价格上涨。
2. 供需关系供需关系是另一个重要的因素，它对商品住宅价格产生直接影响。
供给量和需求量的平衡与不平衡将决定价格的上涨或下跌。
当供应量相对较低，而需求量相对较高时，住宅价格往往会上涨。
相反，当供应量较高而需求量较低时，价格可能会下跌。
3. 土地成本土地成本是商品住宅价格的重要组成部分之一，它在很大程度上决定了住宅价格的高低。
土地资源有限，但需求不断增长，导致土地成本上涨。
土地成本上升将直接导致房地产开发商的成本增加，最终反映在住宅价格上。
4. 区域因素区域因素也会对商品住宅价格产生重要影响。
不同地区的市场需求和供给状况、地理位置、基础设施建设等因素在一定程度上决定了住宅价格。
例如，在经济发达且有优质教育资源的地区，住宅价格往往较高。
5. 政策调控政府的政策调控对商品住宅价格起到重要的影响作用。
政府可以通过调整房贷利率、增加购房限制措施等来影响房地产市场的供需关系。
例如，限制购房政策的出现可能会抑制需求，从而影响住宅价格。
6. 建筑材料和劳动力成本建筑材料和劳动力成本也是影响商品住宅价格的重要因素。
建筑材料价格的波动以及劳动力成本的变动都会直接影响到房地产开发商的成本，最终会体现在住宅价格上。
7. 市场预期和情绪市场预期和情绪也会对商品住宅价格产生影响。
当市场参与者预期住宅价格会上涨时，他们更愿意购买房产，从而推动价格上涨。
商品房价格回归分析和预测
商品房价格回归分析和预测摘要:通过多元线性回归方法对近年的XX房地产市场发展状况进行回归分析，分析影响XX商品房价格的6个因素建立多元线性回归模型，利用SPSS软件得出结果，再对模型进行拟合优度，线性关系，显著性检验，最后根据计算与实际数据关系，得出模型并对商品房未来价格进行预测．关键词:多元线性回归，商品房平均价格，影响因子，SPSS软件．1引言商品房作为一种特殊的商品，在市场上受价值规律影响，其价格主要由商品房本身的价值和供求关系决定，即商品房的价值决定价格，且价格围绕价值上下波动；当商品房供给大于需求时，其价格下降，反之其价格攀升，这是以简单价值规律的视角得出的结论．一般来说，一个地区的商品房价格是由需求、供给及各种经济杠杆(如利率) 等因素来决定的，但在资本组合投资日益多样化的现代社会，商品房的价格还会受到债券及股票等金融资产等因素的影响，从而影响需求关系．但是，目前的房地产市场似乎没有遵循价值规律，不论供求关系以及其商品房价值本身如何，房价的变化让普通人难以琢磨．连续五年以来，全国各地的商品.房价格一路攀升，成为了当前经济生活中的一个热点问题，不少专家发表文章称，房地产市场是国家经济走势的晴雨表，是宏观经济疲软或者坚挺的重要标志，这充分说明了房地产市场在国家经济生活中的重要性．因此，为了科学、客观分析一个地区的商品房市场发展趋势并提出适当的预测，为有关部门的决策提供一定的科学依据就成为一个重要的研究方向．文中引入6项可能对商品房价影响的因素，利用多元线性回归分析建立的XX市商品房平均价格的数学模型，得出模型的有效性，从而指导政府调控房价，以及居民未来购房消费．2 房地产行业特点和现状分析这几年准备购房的普通消费者大多感到房价上涨带来的压力，房价与承受能力的矛盾显得突出．国际上一般认为，住宅价格相当于3～6倍的居民家庭收入时，是比较合理的房价收入比．从2005年看，XX市城镇居民户均可支配收入4万多元，能承受的房款总额只有24万元左右，购买100m2住宅只能承受2400元/m2的价格，这与商品房平均价格还有不少距离．目前，高位运行的房价已经超过大多数民众的支付承受能力，中低收入居民更是望房兴叹．对于中国这样一个长期处于住房难的大国来说，2001年最令人鼓舞的转折就是告别了城镇住房短缺时代．全国城镇人均住房建筑面积突破20平方米，达到中等收入国家水平．研究房地产市场的经营发展趋势，把握市场的机遇与风险，直接关系到房地产业与住房金融的稳健运行，也是关系到国家通过拉动内需实现国民经济良性循环的重要课题．房地产业在国计民生中发挥的作用越发显著[1][2]．2.1全国房价现状1 商品房和商品住宅均价非常明显的上涨．2009年1—10月，全国商品房和住宅均价分别为4751元/平方米和4544元/平方米，分别较去年同期增长20.8%和22.7%，绝对水平和增速均创历史新高．而1999年全国商品房和商品住宅均价也只有2000元．2 多个重点城市近期成交均价接近或超过历史最高水平并呈稳步上升态势．截至2009年11月，20个重点城市中已有北京、上海、广州、深圳等12个城市先后突破历史最高水平．与今年1月相比，深圳、北京、厦门、南昌等9个城市住宅成交均价涨幅超过30%．3 全国房价绝对水平创新高，但累计涨幅不及GDP、人均可支配收入的增长．2009年1—10月，全国住宅均价达到4544元/平方米的新高，较去年同期上涨22.7%，而前三季度GDP、人均GDP等指标的增速不到10%，但居民储蓄存款同比增长24.8%，达到26万亿的历史高位．1998年-2008年，全国住宅均价累计上涨97%，而同期GDP、人均GDP、人均可支配收入的累计增幅均达到或超过2倍．1998-2004年，全国住宅均价累计上涨37%，低于同期GDP 等指标涨幅，而2004-2009年，全国住宅均价累计上涨79%，与同期GDP、人均GDP、人均可支配收入和居民储蓄存款涨幅基本持平．4 重点城市1998—2009年涨幅普遍低于同期GDP和人均可支配收入．1997年-2009年，北京等重点城市住房均价累计上涨150%-300%不等，但除上海外，其他重点城市的住宅均价涨幅均低于同期GDP累计涨幅，如北京住房均价累计上涨312%，但GDP上涨375%；深圳住房均价累计上涨191%，但GDP累计上升432%．上海的住宅均价涨幅尽管高于GDP涨幅，但同期居民储蓄存款累计上涨511%[3][4]．2.2 房地产市场增长趋势从去年起人们预言的“房地产冬天”仍然没有到来，甚至今年上半年房地产市场仍然顽强地攀升．针对市场一般分析认为，房地产产业持续增长的动力可以总结得到以下几个方面[5]1.国民经济的持续快速增长．近几年来，我国国民经济增长率持续超过7%，高经济增长率和良好的经济增长质量可以推动城市化规模的不断扩大，大量农转非人口涌入城市必然要实现住房消费，从而为房地产市场带来新的购买力需求．国民经济的持续快速增长，也使城市中低收入劳动者的经济收入持续增长，这在一方面“激活”了中低收入者的购房需求，为房地产业的持续发展塑造了最广泛的消费群体；另一方面，也使原来购买力较强的消费者提升了消费层次，从而推动着住房品质的不断提升．因此，经济增长速度与增长质量是决定房地产发展的前提与基础[6][7]2.体制与机制的市场化．长期以来，我国主要靠国家和集体来建房分房，这种供给模式是中国城市居民居住环境差的主要原因．国家住房制度的改革，把建房与购房一同推向市场，从而使住房成为自由流通的商品．市场机制的引入，使建房者成为自负盈亏的法人，购房者用货币去选择适应个人需求的商品．这种产权的明晰化、个体化，催生了当前这个世界上最大的房地产市场，而这个巨大并且日益增长的市场需求，正是我国房地产业几年来持续火爆的载体[8]．3.与消费观念更新配套的住房按揭贷款．市场经济不但提升了购买力，更重要的是催化了人们全新的消费观念．20世纪80年代以来在市场经济体制下就业的劳动者，大多数不会等到攒够钱以后再去买住房，而是充分利用住房按揭贷款来实现“居者有其屋”．据统计，70%以上的购房者都会选择利用银行住房贷款．目前全国商业银行个人住房按揭贷款已经超过6000亿元．大量的按揭贷款间接注入和不断递增的住房开发贷款已经成为支撑房地产市场最重要的资金来源[9]．从房地产行业的特点现状，近几年我们看到房价一直居高不下，房价持续走高，2010年新年伊始，国务院就出台关于规范房地产市场的举措．在这样的大环境下，本文以市场入手，选取2000－2008年的XX 房地产市场商品房平均价格，从6个市场因素对商品房市场的影响，对商品房平均价格建立多元线性回归模型，运用SPSS 软件得出数据，从而实现对可预见的未来的商品房平均价格进行测控．3 多元线性回归模型设因变量为y ，k 个自变量分别为k x x x ,,,21 ，描述因变量y 如何依赖于自变量k x x x ,,,21 和误差项 的方程称为多元回归模型（multiple regression model ）．其一般形式可表示为： k k x x x y 22110．式中k ,,,,210 是模型的参数， 为误差项．此式表明：y 是k x x x ,,,21 的线性函数部分）k k x x x 22110(加上误差项 ．误差项反映了除k x x x ,,,21 对y 的线性关系之外的随机因素对y 的影响，是不能由k x x x ,,,21 与y 之间的线性关系所揭示的变异性．多元线性回归模型通常要满足6个假设：假设1：),,2,1(0)(n i u E i ，即零均值假设．假设2：),,2,1()()(222n i u E u Var i i ，即同方差假设．假设3：),,2,1,;(0,),(n j i j i u u E u u Cov j i j i ，即无序列相关假设．假设4：),2,1;,2,1(,0),(n i k j u X Cov i ji ，即假设解释变量与随机误差项不相关．假设5：),2,1)(,0(~2n i N u i ，即随机误差项服从正态分布,即),0(~2N U ．假设6：解释变量k x x x ,,,21 为非随机变量，且它们之间不存在严格的线性相关，即不存在多重共线性．4 多元线性模型的建立通过以上对多元线性回归模型的了解，我们下面来分析一下商品房平均价格与其影响因素关系，并根据搜集来的相关数据建立多元线性回归模型．4.1 模型假设同一元线性回归模型的参数估计一样，多元线性回归模型参数估计的任务仍有两项：一是求得反映变量之间数量关系的结构参数的估计量，而是求得随机误差项方差的估计量．我们假设商品房平均价格为y ，住房竣工面积为1x ，商品房销售面积为2x ，社会年平均股票指数为3x ,建筑业贷款为4x ,个人住房公积金贷款利率5x ,商业贷款利率6x ．得出多元线性回归模型如下：0112233445566y x x x x x x其中， 为误差项或称扰动项，误差项具有0 均值、同方差且服从正态分布，误差项之间不相关，代表的是y 的变化中没有被影响因子所解释的部分．（ 的随机因素太多，此处不做讨论）[10][11][12][13]4.2数据统计通过调阅XX 水母网，旅房网，汇总得数据如表1所示：表1 2000—2008年商品房平均价格及其影响因素数据统计年份 单价/千元2m 住房竣工面积/4210m 商品房销售面积/4210m社会年平均股票指数/% 建筑业贷款/910元 个人住房公积金贷款利率/% 商业贷款利率/% 2000 1.56 78.29 62.31 13.83 8.89 4.59 6.21 2001 1.65 66.08 69.79 18.87 9.72 4.59 6.21 2002 1.82 33.30 143.39 19.64 8.78 4.59 6.21 2003 1.66 204.39 127.59 15.77 17.08 4.05 5.40 2004 1.85 151.28 151.76 14.73 13.01 4.05 5.40 2005 2.10 167.89 227.04 16.78 10.39 4.23 5.72 2003.04195.82298.8011.7215.124.415.72620073.14131.02195.9216.3318.874.59 6.12 20083.52193.66293.8715.4011.55 5.22 6.924.3 SPSS输出回归分析在SPSS软件中输入表1中数据，单击【分析】，选择【回归】选项，再选择线性选项．我们选择的置信度为90%，即显著性水平为0.1．输出数据如下表2-4值Significance F回归分析 6.000 4.50820.9890.046残差 2.0000.072总计8.000 4.580表4 回归系数检验和置信区间模型系数值标准误差P_value下限90.0%上限90.0%常数项-3.704 1.278 0.101 -7.435 0.027 x1-0.002 0.002 0.402 -0.008 0.004 x20.006 0.002 0.059 0.002 0.011 x3-0.047 0.048 0.434 -0.188 0.094 x40.098 0.028 0.075 0.015 0.180 x5-0.610 2.737 0.844 -8.602 7.382x 61.2362.053 0.608 -4.758 7.2294.4多元线性回归方程根据表4的结果，得到商品房的单价y 和商品房竣工面积(1x ) 、商品房销售面积(2x ) 、年平均股指(3x ) 、建筑业贷款(4x )、个人住房公积金贷款利率(5x ，5 年以上)、商业贷款利率(6x 、5年以上)的多元线性回归方程为：1234563.7040.0020.0060.0470.0980.610 1.236y x x x x x x5 模型有效性检验5.1 回归方程的拟合优度跟一元回归类似，多元线性回归方程需要用多重判定系数来评价其拟合优度．多重判定系数是多元回归中的回归平方和占总平方和的比例，它是度量多元回归方程拟合优度的一个统计量，反映了在因变量y 的变差中被估计的回归方程所解释的比例． 由表中的SPSS 输出的结果表2可知:072.0,508.4,580.4 SSE SSR SST注:SST 总平方和,SSR 回归平方和,SSE 残差平方和,SSE SSR SST因此可以得到98428.0580.4508.412SST SSE SST SSR R ,即98.428%,2R是判定系数,1 R 说明拟和是完全的,0 R 说明y 的变化与x 无关.实际意义是：在商品房单价取值的变差中，能被商品房竣工面积、商品房销售面积、年平均股指、建筑业贷款、个人住房公积金贷款利率和商业贷款的多元线性回归方程所解释的比例为98.428%．而调整的多重判定系数936.0111122 k n n R R a ．它考虑了样本量n 和模型中自变量的个数k 的影响，它表示在用样本量和模型中自变量的个数进行调整后，在商品房取值的变差中，能被商品房竣工面积、商品房销售面积、年平均股指、建筑业贷款、个人住房公积金贷款利率和商业贷款的多元线性回归方程所解释的比例为93.6%．这两个数字都接近1，因此说明其拟合度较高．5.2 线性关系检验线性关系检验是检验因变量y 与k 个自变量之间的关系是否显著，也称为总体显著性检验．（即讨论y 与k 个因素之间的关系） 第一步：提出假设．0:100 k Hk H ,,,:211 中至少有一个不等于0 第二步：计算检验的统计量F ．1,~1 k n k F k n SSE K SSR F 第三步：做出统计决策．989.201 k n SSE k SSR F ，751.0)2,6(05.0 F ．因为F 远远大于)2,6(05.0F ，所以拒绝原假设0H ．这意味着商品房单价与商品房竣工面积、商品房销售面积、年平均股指、建筑业贷款、个人住房公积金贷款利率和商业贷款之间的线性关系是显著的．但这并不意味着商品房单价与每个变量之间的关系都显著，因为F 检验说明的是总体的显著性．要判断每个自变量对商品房单价的影响是否显著，需要对各回归系数分别进行t 检验(回归系数检验)．5.3 回归系数检验在回归方程通过线性关系检验后，就可以对各个回归系数i 有选择地进行一次或多次检验．根据SPSS 的输出结果的表4中value P _是否小于1.0 来判断，因此只有商品房销售面积、建筑业贷款通过检验，其余4个系数均大于0.1，未通过检验．这说明在影响商品房单价的6个自变量中，只有商品房销售面积、建筑业贷款的影响是显著的，而其他4个自变量均不显著．这意味着其他4个自变量对预测商品房单价的作用已经不大．5.4 置信区间在输出的回归结果中，给出了个回归系数的置信区间．比如2 的90%的置信区间为（0.002，0.011）．这一置信区间的含义是：在商品房竣工面积、年平均股指、建筑业贷款、个人住房公积金贷款利率和商业贷款不变的条件下，商品房销售面积每增加2410m ，商品房价格平均增加额在0.002千元—0.011千元之间．其它的各项回归系数的含义同理结合图表4都可以知道．6 经济意义从多元线性回归方程：1234563.7040.0020.0060.0470.0980.610 1.236y x x x x x x可以得出各回归系数的实际意义为：(表中654321,,,,,x x x x x x 即模型中的自变量)002.01 表示在商品房销售面积、年平均股指、建筑业贷款、个人住房公积金贷款利率、商业贷款不变的条件下，商品房竣工面积每增加2410m ，商品房单价下降0.002千元006.02 表示在商品房竣工面积、年平均股指、建筑业贷款、个人住房公积金贷款利率、商业贷款不变的条件下，商品房销售面积每增加2410m ，商品房单价上涨0.006千元047.03 表示在商品房竣工面积、商品房销售面积、建筑业贷款、个人住房公积金贷款利率、商业贷款不变的条件下，年平均股指每增加1%，商品房单价下降0.047千元098.04 表示在商品房竣工面积、商品房销售面积、年平均股指、个人住房公积金贷款利率、商业贷款不变的条件下，建筑业贷款每增加910元，商品房单价上升0.098千元610.05 表示在商品房竣工面积、商品房销售面积、年平均股指、建筑业贷款、商业贷款不变的条件下，个人住房公积金贷款利率每增加1%，商品房单价下降0.61千元236.16 表示在商品房竣工面积、商品房销售面积、年平均股指、建筑业贷款、个人住房公积金贷款利率不变的条件下，商业贷款每增加1%，商品房单价上升1.236千元7模型意义运用上述模型计算得到y 的模型计算值（即模型预测值）和实际值做比较表5 y 的计算值与实际值对照表年份 实际价格/千元模型价格/千元 2000 1.56 1.61015 2001 1.65 1.52391 2002 1.82 1.90276 2003 1.66 1.78931 2004 1.85 1.69057 2005 2.10 2.04164 2006 3.04 3.00790 2007 3.14 3.05565 20083.523.44892文中通过多元线性回归模型对2000-2008年调查的数据进行分析,通过SPSS 软件输出结果，并且对模型的可信度的分析并且对比实际结果，表明,文中建立的模型对分析商品房市场是有效的．在给出未来时期内的商品房竣工面积、商品房销售面积、年平均股指、建筑业贷款、个人住房公积金贷款利率和商业贷款等数据的情况下依据该公式，可以计算出商品房价格的预测值，可以大体观测商品房的波动情况．从而为政府宏观调控部门，房地产相关部门，房地产从业人士，以及有商品房消费需求的居民提供分析依据和知道．这有利于各方主题进行理性决策，采取有效措施，以规避风险，提高收益，这有利于房地产市场的改革和规范化进程，实现房地产业的健康，稳定和快速发展．我们也可以调查其他省市的的商品房市场，计算得出商品房竣工面积，商品房销售面积，年平均股指，建筑业贷款，个人住房公积金贷款利率，商业贷款等数据，从而绘制其它省市的商品房价格走向．在可预见的未来期间内，实现可以对09年的商品房走向做出分析预测[15][16]．但是由于文中讨论的影响因素，例如住房竣工面积和商品房销售面积这些数据随着购买者的观望与否，消费预期等上下浮动，而且与购买者的年龄层次，买房原因等相关，比如08年奥运会，许多年轻人选择在这一年结婚，因而买房者增加，这些是个人主观影响结果．社会年平均股票指数这个数据实际计算时是在一年结束之后作出的统计结果．而在我们的计算分析过程中发现，影响房价的关键因素在于商品房销售面积、建筑业贷款．至于这二者与商品房均价的直接影响不在本文的探讨．8 模型预测突破的瓶颈．房地产开发的土地来源少，主要是旧城区的改造，企事业单位通过土地置换外迁、郊区闲置土地开发和占用耕地．随着国内经济的快速增长．可以预见居民收入仍将保持快速增长势头，居民购房能力仍将提高，而工业化、城市化的推进必然将迎来城市人口的快速膨胀和第三产业的迅猛发展，不可避免的对未来城市房地产的供应带来压力．从目前市场表现来看，近年来房地产已经存在“超买”现象，供需矛盾的存在使得这一现象更加突出，进而推动房地产价格上涨．作为应对，房地产开发商着重开发高层和小高层楼房，以提高容积率来稀释土地成本，缓解商品房的增长压力，但施工成本不断提高，因此商品房价格上扬不可避免．参考文献[1] 董保行. 我国房地产市场与价格的经济学探讨[J]. 粤港澳市场与价格,2000(6):11-17[2] 张坤, 关于国内商品房价格变化影响因素的综述[J]. 消费导刊,2009(15):21-24[3] 吴永柱. 近年来我国住房价格偏高的原因分析[D]. 兰州大学,2007(9):33-40[4] 周浩明,陈敦旭. 我国房地产泡沫的现状、成因及其治理对策[J]. 南经济管理干部学院学报,2005(2):110-119[5] 万欢. 对我国房地产泡沫问题的思考[J]. 经济,2004（10）：20-27[6] 宋金梅．我国房地产泡沫的原因分析[J]. 江西职业技术学院学报,2007(4)：55-57[7] 清风. 住房空置率与房价的悖论[J]. 中国地产,2006(4)：7-9[8] 张磊,郑丕谔,张晔,王中权. 房地产价格分析及对策研究[J]. 经济体制改革,2006(5):24-27[9] 林素刚. 宏观调控背景下的中国房地产价格分析[J]. 南通大学学报.2006 (1):25-27[10] 夏明珠. 影响我国房地产价格变化因素分析[J]. 安徽建筑,2007 (1):63-69[11] 章恒. 房地产价格的影响因素分析[J]. 现代商业, 2008 (14) :12-14[12] 曹力元,刘林生. 房地产价格的影响因素分析[J]. 现代商业, 2007 (29):57-59[13] 肖元真,李薇洁. 我国2006年房地产发展现状和2007年前景展望[J]. 现代经济管理,2007(1):99-104[14]Dwyer L, Forsyth P. Measuring the benefit and yield of forergner tourism[J].Inernational Journal of Social Economics,1997(3):27-31[15] 李翔. 房地产业和房地产市场问题分析与对策建议—房地产业和房地产市场高层座谈会综述[ J ]. 中国城市经济,006（8）：4-9[16]梁云芳,高铁梅,贺书平. 房地产市场与国民经济协调发展的实证分析[ J ] . 中国社会科学，2006（3）：74 -84The Analyses and Forcast the Price of the CommercialBuildingsxxxxxxxx UniversityTutor: xx(Professor)Abstrac t The paper uses the model fo multiple linear regression to forcast the development of real property and the average price of commercial residential buildings.First,we find the affections which play an important roles in the commercial buildings of Yantai,such as the foor space of commercial buildings,the sales area of commercial buildings,the average stock index of a year,the construction loans and personal rate of accumulation fund,second,using the software of SPSS to found themodel of multiple linear,then do the significance test,calculate the result of the model,through it,we can forcast and analyses the price of the future commercial buildings.Keywords the Multiple Linear Model,the Average Price of Commercial Buildings,Affections,SPSS致谢在论文进行过程中，xx教授给予我大力支持，提供了大量重要文献，指导我完成论文初稿并帮助我反复修改，在此表示衷心的感谢．xx老师严谨治学的教学风范，严于律己的个人情操给给我巨大影响，我将时时铭记这些．同时对我大学四年中所有教导过我的老师在此也谨致谢意．另外感谢在我论文写作过程中为我提供帮助的xx，xx，xx等人．。
上海商品房价格的影响因素研究——基于偏最小二乘回归法
经济研究上海商品房价格的影响因素研究——基于偏最小二乘回归法肖晚秋（广东培正学院经济学系，广东 广州 510830）摘 要：综合供给、需求及政策因素，采用偏最小二乘回归法，对上海市商品房价格的影响因素进行研究。
结果表明：上海房价最重要的影响因素是人均存款，其次是房地产开发投资额，再其次是常住人口数量和房屋造价，最后是广义货币供给M2和小学生数量。
政府应进行分配制度改革以避免少数人手中聚集大量的投资和投机性资金；积极开发新的金融产品，拓宽投资渠道；规范企业对商品房的投资；控制货币供给量；调整产业结构，适度控制房地产投资规模；降低商品房成本。
关键词：商品房；价格；影响；偏最小二乘法0 引言我国2000年完成了住房制度改革，此后房价迅速上升，尤其是北上广深等大城市的房价，上升速度更是惊人。
从2000年到2019年，上海市的房价上涨了7.6倍。
房价的非理性上升，已经超出了普通民众的接受水平。
党的十九大提出“房住不炒”的指导思想，为控制房价指明了方向。
早期的研究者提出了各种商品价值和价格的决定理论，如李嘉图等的劳动价值论、马歇尔的供求均衡价格理论和马克思的市场价值论等。
在上述理论的基础上，各国的学者对影响房价的具体因素，从多个角度进行了研究。
例如陆铭（2018）指出减少土地供给将明显推高房价。
朱孟楠等（2018）发现人民币汇率预期升值加快了房价上升。
余泳泽等（2017）认为限购政策可以缓解城市房价上涨的负面影响。
李嘉楠等（2017）指出外来人口占比与城市房价之间存在显著的正相关关系。
现有的研究采用的算法大部分是最小二乘法，但是众多的影响因素之间存在着比较严重的多重共线性问题，普通的最小二乘法无法解决这一问题。
本文采用偏最小二乘法（PLS法）来解决这一问题，该方法不但能够消除共线性，还能够保留所有的自变量，并且适用于小样本。
我国的房地产市场发展时间短、样本少，该方法非常适合用来研究我国商品房价格的影响因素。
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。
基于多元线性回归的北京住宅价格影响因素分析
基于多元线性回归的北京住宅价格影响因素分析作者：刘佳丽彭柳柳来源：《科学与财富》2019年第11期摘要：根据1999-2015连续17年的历史数据对北京的住宅价格与北京地区生产总值、在岗职工平均工资、总人口等3个因素进行研究，建立多元线性回归模型，通过分析得出具有显著性影响的因素。
分析结果显示，整体而言，北京住宅房价受总人口和平均工资的影响作用大，根据分析，从城镇化和公积金发放角度提出建议。
关键词：北京；线性回归；影响因素；住宅价格引言2016年的中央經济工作会议，将“促进房地产市场平稳健康发展”纳入到继续深化供给侧结构性改革的四项任务之一，并明确提出“房子是用来住的、不是用来炒的”的定位，标志着我国住宅市场有望真正进入理性发展时代。
北京地区住宅市场整体发展不平稳，住宅价格整体上涨，市场的供需不均衡，投资额逐年增加。
胡炜（2005），通过对北京的住房市场研究，发现居民购买力不足，消费者社会层次与购房主体层次一致，户型和销售率的相关性最高，住宅的总价影响客户的购买决策[1]。
申晓峰认为（2007），认为收入与房价不相关，城镇化和抵押贷款余额影响房价较大[2]。
魏艳（2012），对迁徙的人口的收入和支付意愿进行了回归分析，认为有无户口影响新移民购房支出比例，且学历越高，住房投资越大[3]。
焦裕鑫（2013）对城镇居民住房差异的分析基础上，对居民住房空间和住房产权的获取机制及影响因素进行了实证研究，人力资本以及政治资本对于住房有促进作用，但资本比人力资本影响更大[4]。
丁军（2016），对2010-2015年的北京、上海、深圳的房价进行研究，得出住房与投资需求直接拉动北上深房价上涨，其次是财政和金融。
北上深各自主要因素分别是产业结构与消费、财政与金融、金融与市场环境[5]。
综合上述文献，诸多专家、学者对住宅价格的影响因素做了大量的探究。
研究者在探究宏观指标对房价的影响和预测时，常选取GDP、人口、收入、利率等指标；在探究微观指标时，往往考虑住宅周边的的教育资源、交通等区位因素。
天津市商品房价格影响因素的实证研究——基于多元线性回归模型的分析
天津市商品房价格影响因素的实证研究——基于多元线性回归模型的分析作者：刘美芳刘维跃来源：《时代经贸·北京商业》 2017年第16期一、引言随着人们生活水平的提高，人们对住房和居住环境的要求越来越高。
每年城镇化的趋势使得更多的人移居到城镇，再加上都有不少人步入适婚年龄，城市商品房的需求量逐年增大。
商品房价格也越来越受到社会各界的关注和重视。
据统计，仅2014年01月至2016年12月的三年时间内，天津市和平区的商品房平均销售价格就从26041元/平方米上涨至42583元/平方米。
商品房价格的上涨速度已明显高于居民收入和消费的增长速度。
居民的购房难度在增加，间接地影响到天津市的经济发展和社会稳定。
商品房价格有众多的影响因素，通过对影响因素的分析寻找商品房价格的变化规律，这对抑制商品房价格的过快增长和商品房价格的有效调控具有重要的现实意义。
本文将天津市的市内六区、环城四区和剩余其他各区分别划分为A级、B级和C级三个不同区域。
分区域对天津市商品房价格进行数据的收集、整理、分析计算，识别出天津市商品房价格的主要影响因素。
为政府宏观调控房价提供理论依据。
二、文献回顾商品房价格的影响因素众多，国内外大量学者从不同角度搜集相关数据进行了商品房价格影响因素的实证理论分析与研究，涵盖的影响因素也比较全面。
Xing-Chun Wen和Ling-Yun-He（2016）[1]认为商品房需求冲击是其价格波动的主要的驱动力，与商品房需求冲击相比，货币供应量增加对商品房价格的影响可以忽略不计。
Dennis R Capozza,Patric HHendershot以及Charlotte Mack（2014）[2]认为美国商品房价格的上涨与美国人民总收入的增长、人口基数的增长以及美国国内建筑成本的增长等因素密切相关。
国内学者宋川（2012）[3]从价格机制对商品房价格的影响因素进行实证研究，指出人口数量对商品房价格的影响最为显著。
基于多元回归分析模型的房地产价格影响因素研究
文献综述
早期的研究主要集中在单一因素对房地产价格的影响上，如经济因素、政策 因素、区位因素等。随着研究的深入，学者们开始运用多元回归分析模型，综合 考虑多种因素对房地产价格的影响。国内外学者的研究结果存在一定差异，但总 体上呈现出多元性、复杂性和区域性的特点。
研究方法
多元回归分析是一种统计学方法，用于研究多个自变量与因变量之间的关系。 在此研究中，我们运用多元回归分析模型，以房地产价格为因变量，以影响房地 产价格的多种因素为自变量，包括经济因素、政策因素、区位因素等，通过建立 数学方程式，对各个因素对房地产价格的影响程度和方向进行定量分析。
4、区位因素中，不同区域的房地产价格存在显著差异。一般来说，城市中 心的房地产价格高于郊区和工业区，这主要是由于城市中心的交通、教育、医疗 等配套设施较为完善，吸引了更多的购房者。
根据研究结果，我们提出以下针对房地产市场的建议和策略：
1、经济增长、利率水平等经济因素的变化，以及城市化进程和居民收入水 平的增长趋势，以便更好地把握房地产市场的发展方向。
3、区位因素：城市规模、交通便利程度、居民收入水平等区位因素对房地 产价格具有显著影响。一般情况下，城市规模越大、交通便利程度越高、居民收 入水平越高的地区，房地产价格也越高。
未来研究方向
本研究虽然取得了一定的成果，但仍存在以下限制：首先，本研究仅选取了 部分影响因素进行探讨，可能还存在其他未考虑的因素；其次，本研究的数据来 源于过去几年，未来市场环境的变化可能会影响研究结果；最后，多元回归分析 模型本身也存在一定的局限性，如无法处理非线性关系等问题。
在具体操作中，我们采用SPSS软件进行多元回归分析。首先，进行变量筛选， 选取对房地产价格影响较为显著的变量。然后，运用多元回归分析模型进行拟合， 通过系数估计、t检验、F检验等多种统计方法，检验模型的拟合效果和变量的显 著性。最后，对模型进行解释和讨论。
- 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)。
关 键词 ： 商品 住 宅价格 ； 灰 色关联 度 ； 回归分析
中图分 类号 ： Ｆ ２ ９ ３ ． ３ 文献 标识 码 ： Ａ
房地 产业 是整个 国 民经 济 的重要 产业 ， 是 一个 产 业链 长 、 经 济关 联 度 高 的行 业 ， 在 国民经 济 中 占有 十分重 要 的地位 ， 其 运行 质量 直接 影 响到 国 民经济 的健康 发 展 ， 如 由美 国房 地产 市场 泡沫 大量 释放 引发 的次 贷危机 向住 房抵 押 贷款延 伸 ， 演 变成 了更 为广 泛 的金融 危机 ， 从 而加 大美 国金融 市场 上 的动荡 并 向
回归分 析法 是一种 可 以将 复杂 问题简 化 的数学 方 法 。它 是 以相 关 原 理 为基 础 ， 分 析 因 变量 与 自变
量 之 间的相 关关 系 ， 用 回归方程 表示 ， 根据 自变量 的数 值 变化 ， 去预 测 因 变量 变 化 的方 法 。其 主要 内容 和步骤 是 ： 首 先根 据理 论 和对 问题 的分析 判 断 ， 将 变量 分为 自变 量和 因变 量 ； 其次 ， 设法 找 出合适 的数 学
比指数 出现 明显 上升 ， ６～１ １ 月 各 月房价 环 比 出现 下跌 的城 市个 数 跌 至半 数 以下 ， 上 涨 的城 市 个 数有 所
增 加 。从 同 比价 格指 数看 ， １月份 ７ ０个 大 中城 市商 品住 宅 价 格平 均 涨 幅 为 １ ． ４ ％， ６月份 跌 到 谷 底 ， 下 跌 １ ． ４ ％， 随后 降 幅逐 渐缩 小 ， 到１ １月份 降 幅缩小 到下 跌 ０ ． ６ ％ 。从 同 比下 跌 的城 市 个 数来 看 ， 自 ３月
３ ． １ 灰 色关 联 度 分 析
按 照灰 色关联 度分 析原 理 ， 利 用选 取 的十 五个代 表 城市 ２ ０ ０ ２～ ２ ０ １ １年 的统计 数据 对商 品住 宅 价 格
影 响因 素进行 关联 度分 析 。运用 灰色 系 统 理论 建 模 软件 （ Ｇ Ｔ ＭＳ ３ ． ０ ） 对 选 取 的 十五 个 代 表 城 市 的 商 品
相 关指 标 的数据 均来 源于 《 中国统计 年鉴 》 、 中 国统 计 信 息 网 、 《 中 国城 市 统计 年 鉴 》 、 《 中 国房 地 产统 计
年鉴》 、 各地 市统 计年 鉴 、 各 地市 国民经济 社会 发展 统计 公报 和 中 国人 民银 行 。
２ ． ３ 研 究 方 法 的 确 定
２ 变量 的选取 及研 究方 法 的确定
２ ． １ 变 量 的 选 取
本 文选取 商 品住 宅 价格作 为被解 释变 量 ， 选 用商 品住 宅价 格 的影 响 因素 中可 以量化 的 、 可获得 的与 商 品住宅 价格 有 紧密联 系 的 ７个 指标 ： 人 口密度 、 城 镇 居 民可 支 配收 入 、 商 品住 宅 开 发投 资 、 人均 Ｇ Ｄ Ｐ 、 商 品住 宅销 售面积 、 居 民消 费价 格指 数 、 利率。
全 球 扩散风 险 。 因此 ， 房 地产 市场 的平 稳 健康发 展对 整 个社 会经 济 的稳定 发展 起到 重要 的作用 。
近几年 来 ， 中国的经 济快 速发 展 ， 房地 产开 发投 资不 断扩 大 ， 商 品房销 售面 积逐 年增 加 ， 房 地产 业进 入 快 速发展 时期 ， 但 在其 快速 发展 的过 程 中也 逐 渐 暴 露 出许 多 令 人深 思 的 问题 ： 如 房 地 产 投 资 幅度 过 高、 商 品房 空置 面积增 加 、 供求 不平 衡 、 结构 不合 理 、 阶段 性 供 给过 剩 等 ， 这 些 问题 大 都会 通 过 房 地产 价 格 变化 得 以呈 现 ， 这也 使 得房 价 的升与 降及 国家 的新 政策 成 为人们 关 注 的焦点 。 因此 ， 对 房地 产价 格 问 题 的研 究也 显得 尤 为重要 ， 其 中商 品住 宅价 格更 是人 们关 注 的重 点 。 近 年来 ， 国内外许 多 学者对 影 响和 决定 商 品住宅 市场 价格 的因素进 行 了研究 ， 并定 性 和定量 分 析做 了大量 探索 工作 ， 但是 到 目前 为止 可靠 的分 析方 法 和模 型模 拟研究 方 法依然 缺 乏 ， 因而本 文试 图选 用我 国多个 地市 的商 品住 宅价 格变 化 为例 ， 通过 构建 数 学模 型 ， 在 灰色 关联 度分 析 的基础 上对 商 品住 宅 价格
民消 费价格 指数 的综 合关 联度 为 ０ ． ７ ２ ４ ２ ， 位 于第 一 ， 说 明其 与 商 品住宅 价格 的相 关度 最显 著 ； 商 品住宅
开发投 资 和贷 款 利率 的综 合 相 关度 在 ０ ． ６～０ ． ７， 仅次 于 居 民消 费 价格 指 数 ， 说 明其 与 商 品住 宅 价格 的
个 百分 点 。其 中 ， 住宅 投 资 ４ ９ ３ ７ ４亿元 ， 增长 １ １ ． ４ ％， 占房 地产 开发 投资 的 比重为 ６ ８ ． ８ ％ 。全 国商 品房 新 开工 面积 为 １ ６ ． ２亿 ｍ ， 下降 ７ ． ２ ％， 其 中， 商 品住宅 新开 工 面积 为 １ １ ． ９ ９万 ｍ ， 下降 １ １ ． １ ％ 。２ ０ １ ２年 １～１ １月 ， 全 国商 品房 累计 销售 面积 ９ １ ７ ０ ５万 ｍ ， 同 比增 长 ２ ． ４ ％， 其 中， 商 品住 宅 实现 销 售 面积 ８ １ ５ ０ ０
２ ． ２ 数 据 的 来 源
选 用具 有代 表性 的北 京 、 上海、 广州、 杭州、 济南、 武汉 、 西安、 重庆、 郑州、 昆明、 兰州、 银川、 乌 鲁 木 齐、 洛阳、 焦 作等 十五 个城 市 ２ ０ ０ ２年 到 ２ ０ １ １年商 品住 宅价 格相 关数 据进 行研 究 。本文 中商 品住 宅价 格
Ｊ ａ ｎ ． ２ ０ ｌ ３
文章 编号 ： １ ６ ７ ４— ７ ０ ４ ６ （ ２ ０ １ ３ ） ０ １— ０ ０ ７ ５— ０ ５
商 品 住 宅 价 格 影 响 因 素 回归 分 析
张 秋 霞 ， 刘 文锴
（ １ ． 河 南理 工 大学 ， 河 南 焦作 ４ ５ ４ ０ ０ ０ ； ２ ． 焦作师 范 高等 专科 学校 ， 河 南 焦作 ４ ５ ４ ０ ０ ０ ） 摘 要 ： 以十 五 个代表 城 市 ２ ０ ０ ２～ ２ ０ １ １年 为例 ， 以灰 色关联度 分析 理论 为基 础 ， 对 影响 商品住 宅价格 的主要 因素进 行分 析 ， 得 到 六 个 关联 度 相 对较 高的 因素 ： 即居 民 消 费价格 指数 、 商品住 宅 开 发投 资 、 贷款利率、 人均 Ｇ Ｄ Ｐ 、 商品 住 宅 销 售 面积 、 城 镇 居 民人 均 可 支配收 入 ， 然后 对 这 六个 主要 影 响 因素进 行 回 归分析 ， 建立了 回 归模 型 ， 结果 表 明 ： 城 镇 居 民可 支配 收入 、 人 均 生 产 总值 （ Ｇ Ｄ Ｐ ） 是 商品 住 宅
份起 ， ７ ０个大 中城 市 中超 过半 数城 市房 价 同 比出现下 跌 。
通过 以上数 据可 知 ， 这一 年来 我 国的商 品住 宅价 格整 体呈 现 “ 先 降后 升 ” 。从商 品住 宅价 格 开 发情 况来 看 ， 除了新 开工 面积 出现 下降 以外 ， 其他 商 品住宅 投资 及销 售均 出现上涨 趋 势 。
第２ ２卷 第 １ 期
２ ０ １ ３年 １月
河 南 城 建 学 院 学 报
Ｊ ｏ ｕ ｒ ｎａ ｌ ｏ ｆ Ｈｅ ｎ ａ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｕｒ ｂａ ｎ Ｃｏ ｎｓ ｔ ｒ ｕｃ ｔ ｉ ｏ ｎ
Ｖ０ ｌ ＿ ２ ２ Ｎｏ ．１
的影 响因素 做研 究分 析 。
１ 我 国 商 品 住 宅 价 格 的发 展 现 状 分 析
根 据 中华人 民共 和 国统计 局 ２ ０ １ ２年 全 国房地 产开 发 和销 售 情况 显示 ： ２ ０ １ ２年 ， 全 国房 地 产 开发 投 资７ １ ８ ０ ４亿元 ， 比上年 名义 增 长 １ ６ ． ２ ％（ 扣 除价 格 因素 实 际增 长 １ ４ ． ９ ％） ， 增速 比比２ ０ １ １年 回落 １ １ ． ９
方程式（ 即 回归 模型 ［ ３ ３ ） 描述 变量 间 的关 系 ； 由于 涉及 到 的变 量 具有 不 确 定 性 ， 还需 对 回归 模 型进 行 统 计检 验 ； 统 计检 验通 过后 ， 再利 用 回归模 型 ， 根据 自变 量去估 计 、 预测 因 变量 。
３ 商 品 住 宅 价 格 波 动 普 遍 性 影 响 因 素 实 证 分 析
７ ６
河 南 城 建 学 院学 报
２ ０ １ ３年 １ 月
征， 上半 年房 价指 数 出现 明显下 降 ， 下 半 年 房 价 环 比 出现 上 涨势 头 。从 环 比价 格 指数 看 ， １— ５月 ７ ０个 大 中城市 整体 保持 下 降态势 ， 各 月均有 超 过半数 的城市 房价 的环 比出现下跌 。从 ６月份 开始 ， 房 价 的环
由于 房地 产价格 的影 响 因素具 有部 分影 响 因素 明确 、 部 分 影响 因素 不 明确 的不确 定性 ， 适 用灰 色关 联分析 ， 判 断影 响 因素 的相关 度 ， 并 采用 相关 度较 大 的影 响 因素进行 回归分 析 ， 建 立 回归模 型 。 灰色 关联 分析 （ Ｇ ｒ ｅ ｙ Ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ａ ｌ Ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ） 的基本 思想 是根 据序 列 曲线几 何形 状 的相似 程度 来判 断其 联 系是否 紧密 。曲线越 接近 ，相应序 列 之间关 联度 就越 大 ，反之 就 越 小 。灰色 关 联 的表 示 方法 有 灰 色 关联 度 、 灰色 绝对关 联 度 、 灰 色相 对关 联度 、 灰 色综 合关联 度 、 灰色 斜率 关联 度等 。