房价影响因素.docx
《房价影响因素.docx》由会员分享,可在线阅读,更多相关《房价影响因素.docx(17页珍藏版)》请在冰豆网上搜索。
![房价影响因素.docx](https://file1.bdocx.com/fileroot1/2022-10/12/3c57af2d-28e8-402f-86ed-0cd5a148f71b/3c57af2d-28e8-402f-86ed-0cd5a148f71b1.gif)
房价影响因素
摘要
近年来,我国房价居高不下,对居民生活造成了很大困扰,了解房价的影响因素成为解决房价问题的关键.本文选取了2006-2015年的全国房地产数据,从需求与供给两方面,筛选出人口总数、人均可支配收入、房屋竣工造价、房屋施工面积、房屋竣工面积、销售面积、国内贷款、贷款利率、消费水平共计9个对房价有影响的因素.
本文首先对变量做了增广相关阵,通过被解释变量与解释变量间的相关性大小,判断出适合做多元线性回归分析.在初步进行回归分析时,发现变量间存在严重的多重共线性,通过减少自变量的个数消除共线性,自变量的进入方式分别改用了后退法与前进法,其中后退法的结果依旧存在共线性无法确定最终方程,而前进法得到的结果成功消除了共线性,从而确定了最终回归方程,结果显示:
对房价影响最大的是房屋竣工造价,其次是销售面积.
从结果可以看出,房屋竣工造价增加,房地产商的建造的成本也随之增加,从而造成房价的上涨,同样住房销售面积的增加,造成房地产市场的火热,也会促进房价的飞升.
关键词:
SPSS软件;相关分析;回归分析;多重共线性
1.引言
随着我国经济的发展,人民生活水平日益提高,对住房的需求也越来越大造成了住房的供求失衡,过热的房价已远超居民的购买水平,尽管政府再三进行宏观调控,出台了“限购令”、“二套房贷”等政策,部分城市房价依然连续飙升“买房难”住“房贵”已成为社会关注的热点.因此有必要研究一下房价的影响因素从而对房价进行有效的调控,让房地产市场更加稳定.本文从市场需求和供给两个方向,筛选出了若干与房价变动有关的因素,利用回归分析得到影响房价的几个主要因素.
2.数据分析与结果
2.1房价影响因素的选取
从需求方面:
人口总数在一定程度上决定了住房的需求数量;人均可支配收入决定了是否有买房的能力;消费水平决定有买房的需求;贷款利率的高低决定了买房的还款金额,进而影响买房的数量.
从供给方面有:
房屋施工面积决定未来的供给量;房屋竣工面积决定现有的供给量;房屋竣工造价是建造的成本;销售面积体现了住房的需求;国内贷款决定住房的建造数量.
2.2变量选取
被解释变量:
住房平均销售价格y;
解释变量:
人口总数x1,人均可支配收入x2,房屋竣工造价x3,房屋施工面积x4,房屋竣工面积x5,销售面积x6,国内贷款x7,贷款利率x8,消费水
2.3数据的收集
本文主要选取的《中国统计年鉴》2006-2015年的数据,其中贷款利率采用的是五年以上期限利率,对于一年中多次调整利率的,取用平均值作为该年的贷款利率.2013年之前的人均可支配收入,相关资料无法查到,由于农村居民纯收入与农村居民可支配收入相差不大,本文中人均可支配收入=城镇居民可支配收入+农村居民纯收入•
2.4相关分析,设定理论模型
用SPSS软件计算增广相关阵,得到结果为:
表1
相关性
y
x1
x2
x3
x4
x5
x6
x7
x8
x9
y
Pearson相关性
1
**
.990
**
.979
**
.991
**
.978
**
.956
**
.967
**
.977
*
-.662
**
.982
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.037
.000
N
10
10
10
10
10
10
10
10
10
10
X1
Pearson相关性
**
.990
1
**
.994
**
.997
**
.990
**
.962
**
.930
**
.979
-.668*
**
.995
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.035
.000
N
10
10
10
10
10
10
10
10
10
10
x2
Pearson相关性
**
.979
**
.994
1
**
.990
**
.992
**
.947
**
.905
**
.975
*
-.653
**
.998
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.041
.000
N
10
10
10
10
10
10
10
10
10
10
x3
Pearson相关性
**
.991
**
.997
**
.990
1
**
.985
**
.955
**
.936
**
.972
*
-.691
**
.992
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.027
.000
N
10
10
10
10
10
10.
10
10
10
10.
x4
Pearson相关性
**
.978
**
.990
**
.992
**
.985
1
**
.976
**
.924
**
.980
-.598
**
.995
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.068
.000
N
10
10
10
10
10
10
10
10
10
10
x5
Pearson相关性
**
.956
**
.962
**
.947
**
.955
**
.976
1
**
.925
**
.952
-.533
**
.960
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.113
.000
N
10
10
10
10
10
10
10
10
10
10
x6
Pearson相关性
**
.967
**
.930
**
.905
**
.936
**
.924
**
.925
1
**
.944
-.579
**
.913
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.080
.000
N
10
10
10
10
10
10
10
10
10
10
x7
Pearson相关性
**
.977
**
.979
**
.975
**
.972
**
.980
**
.952
**
.944
1
*
-.654
**
.973
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.040
.000
N
10
10
10
10
10
10
10
10
10
10
x8
Pearson相关性
*
-.662
-.668*
*
-.653
*
-.691
-.598
-.533
-.579
*
-.654
1
*
-.634
显著性(双侧)
.037
.035
.041
.027
.068
.113
.080
.040
.049
N
10
10
10
10
10
10
10
10
10
10
x9
Pearson相关性
**
.982
**
.995
**
.998
**
.992
**
.995
**
.960
**
.913
**
.973
*
-.634
1
显著性(双侧)
.000
.000
.000
.000
.000
.000
.000
.000
.049
N
10
10
10
10
10
10
10
10
10
10
**.在.01水平(双侧)上显著相关
*.在0.05水平(双侧)上显著相关
从表1中相关阵看出,y除与x8相关系数较小,与其余变量相关系数都在
0.9以上,说明所选自变量与y高度线性相关,适合用y与自变量作多元线性回归.
2.5初步回归分析
首先利用软件对收集的数据进行初步的线性回归分析,自变量选用进入的
方法进入,得到结果如下:
表2
输入/移去的变量b
模型
输入的变量
移去的变量
方法
1
x9,x8,x6,x5,
a
x7,x1,x3,x4
输入
a.已达到容差=.000限制.
b.因变量:
y
表3
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.999a
.999
.991
107.86682
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.999a
.999
.991
107.86682
a.预测变量:
(常量),x9,x8,x6,x5,x7,x1,x3,x4.
系数a
模型
非标准化系数
标准系数
t
Sig.
共线性统计量
B
标准误差
试用版
容差
VIF
1
(常量)
16144.143
71103.534
.227
.858
x1
-.128
.572
-.229
-.224
.860
.001
1022.889
x3
.470
1.893
.210
.248
.845
.001
701.878
x4
-.007
.007
-1.238
-.957
.514
.001
1637.087
x5
.013
.019
.220
.685
.618
.010
101.366
x6
.021
.010
.397
2.051
.289
.027
36.663
x7
.042
.094
.214
.449
.731
.005
221.443
x8
-7.289
190.826
-.004
-.038
.976
.091
11.005
x9
.364
.288
1.449
1.265
.426
.001
1285.254
a.因变量:
y
已排除的变量b
模型
共线性统计量
BetaIn
t
Sig.
偏相关
容差
VIF
最小容差
1
x2
7.508a
1.000
1.811E-5
55210.930
1.775E-5
a.模型中的预测变量:
(常量),x9,x8,x6,x5,x7,x1,x3,x4.
b.因变量:
y
从表5可看到模型自动剔除了人均可支配收入x2,而且X2的VIF值非常大,
远大于10,说明该变量与其余变量存在严重的多重共线性.表3模型整体的R方为0.999,但表4系数检验各变量系数均不显著,从VI