房价影响因素分析.docx
《房价影响因素分析.docx》由会员分享，可在线阅读，更多相关《房价影响因素分析.docx（22页珍藏版）》请在冰豆网上搜索。
房价影响因素分析
我国房地产价格波动的因素分析
应用统计学作业
摘要：
本世纪初的十年我国经济快速发展，房地产的价格也节节攀升，虽然期间政府数次抑制房价过快的上涨，但是效果并不是很明显。
房地产业与宏观经济有着紧密的联系，本文从一般均衡的角度分析了通胀、广义货币、土地价格、人均储蓄、利率等因素与房地产价格的联系。
并且在模型中将政府对房地产产业的宏观经济政策作为一个虚拟变量进行分析。
结果显示各个影响因素直接也相互影响，广义货币、通胀、土地价格、人均储蓄是影响房价的重要因素，国家宏观政策对房地产价格的影响不大。
这一分析结果对于现阶段房地产政策的制定有着重要的借鉴意义。
关键字：
房地产价格因素分析
一、选题背景
自上个世纪末以来到2010年末，我国的房地产产业得到了长足的发展，这十余年来房地产的价格虽然不时有些波动，但是总体上涨的趋势并未被掩盖。
从上世纪末到2001年上半年这是十余年房地产业价格上涨的第一个高涨期，从2002年下半年到2005年第一季度是房价上涨速度的第二轮高潮期，从2007年中期到2008年第一季度是我国房价上涨速度的第三个高潮期，从2009年冬季到2010年末是我国房价高涨的第四个高潮期。
在这十余年的期间除了2008年末到2009年初房地产的价格环比略有下降之外，其他年份均有上涨。
随着房地产业的规模不断扩大，其对于促进扩大农村剩余了劳动力的就业、增加农民收入、加快城市化建设、保持经济长期高速增长的贡献也越来越重要。
一方面，宏观经济的状况也影响着房地产业的发展。
另一方面，房地产产业的平稳发展对保持中国宏观经济的稳定有着重要的作用。
这十余年我国经济迅速发展国内生产总值（GDP）翻了两翻还多，2010年总量已经达到397983亿元并且首次超过日本成为世界第二大经济体。
在这个高速增长的过程中央银行的货币供应量也不断扩增，M0的供给量大约增长至初期的4倍、M1大约增长至原来的6倍、M2大约增长到期初的7倍。
1998年年末M1、M2、M3分别为14652.7亿元、53147.2亿元、134610.4亿元，2010年年末分别达到44628.2亿元、266621.5亿元、725851.8亿元。
广义货币M2与GDP的比值不断上涨，由1998年的1.23平稳增长至2010年的1.82。
房地产价格的变化和我国GDP总量的变化和货币供给量有着明显的正相关趋势。
利率一向是影响经济发展的重要因素，它直接决定了房地产开发商和购房者的资金使用成本。
从1999年到2010年央行基准利率调整的情况来看，活期利率先下降在上升最后下降至一水平后保持不变，各种定期存款基准利率也大体随之波动但是从2008年年末有明显的上涨趋势。
利率水平的波动也与房价增长速度的波动有着较为明显的协同作用。
为了保持宏观经济的稳定防止经济过冷或过热，中央政府屡次出台调整房地产业的政策。
从世纪末到2002年中期宏观政策倾向于扶持房地产业的发展。
从2002年下半年开始直到2008年上半年，土地使用权拍卖价格屡创新高、各地地王不断见诸报端，我国各类商品房的销售价格节节攀升，中央政府的宏观经济政策一直倾向于抑制房地产价格的过度增长。
但是在2008年下半年，由于美国次贷危机演化成的金融危机席卷全球，这对我国出口造成重创进而对我国经济平稳增长造成不利影响，再加上国际要求中国政府救市的压力不断，中央对于房地产业的政策开始转折。
一方面不断松绑原来的抑制房地产业的政策，另一方面，防止房产过热的政策也紧随其后，2009年初将实施全面推进保证性住房建设和促进房地产市场健康稳定发展的措施作为对2008年上半年房地产调控政策的延续和深化。
总的来看从2008年下半年到2009年上半年这一阶段的政策市有利于房地产促使价格的继续上涨。
从2009下半年开始中央政府开始抑制房地产价格的上涨，新一轮的从紧政策开始实施。
中央政府对于房地产产业的宏观调控政策也影响着房地产价格的波动。
另外原材料、人工成本、土地交易价格指数等一系列与房地产相关联的因素在过去的十余年间中也都有着明显的变化。
钢铁、水泥等原材料的价格不断上涨，人工成本逐年增加，土地交易价格节节攀升，这些因素也刺激着房地产价格的不断上涨。
随着我国体房地产市场出现价格持续上涨的长久趋势，广大居民、经济学家和政策制定者日益关注房地产价格的波动。
由于房地产对于居民生活、经济发展有着重大的影响，房地产价格问题已引起政府有关部门和社会各界广泛的关注。
如何对中国房价波动的影响因素做出合理的解释，不仅有着重大的理论意义也对调控房价有着巨大的现实意义。
二、文献综述
目前学术界者对于我国房地产价格波动的影响因素的研究较多，这些研究大多偏向某一具体的因素分析。
如余凯（2007年）从房地产价格内在运行特性入手，再次基础之上分析房地产价格形成的利益主体的价值取向，剖析房地产价格上涨的内生循环机制，并且提出加大国家宏观调控力度，从切断房地产价格上涨链条着手抑制房价过分上涨。
段忠东、朱孟楠（2011年）就货币政策如何应对房地产泡沫的研究文献进行述评，认为国内外学者在该领域的争论集中表现为间接反应观、事后反应观与直接干预观，已有文献对货币政策框架进行修正以应对房价异常波动,并且学者们就金融监管的作用已经达成理论共识。
得出主要结论政策环境中的不确定性是影响政策选择的决定性因素,在不确定性条件下，货币政策应该综合运用直接干预与间接反应方式应对房价泡沫，另外货币政策与金融审慎监管的协调配合有助于实现经济金融稳定的目标，此外运用房贷政策调控房价泡沫更具政策效力。
朱孟楠、刘林和倪玉娟（2011年）基于房地产市场存在国外投资者的假设，对于外汇汇率和房地产价格之间的动态关系做出了相应的研究，并且得出了人民币币值和房地产价格存在相互促进关系的结论。
崔光灿（2009年）运用面板数据模型对我国1995--2006年31个省市的数据进行分析后发现，房地产价格明显受利率和通货膨胀率的影响，而且房地产供给、收入等基础性宏观经济变量在中长期也决定房地产价格；房地产价格明显影响到宏观经济稳定，房地产价格上升会增加社会总投资和总消费，房地产投资通过“财富效应”对消费的影响始终明显，对社会总投资的影响也非常显著。
杜雪君、黄忠华和吴次芳（2009年）采用1998~2006年我国31个省（直辖市、自治区）的面板数据分析房地产价格、地方公共支出与房地产税负之间的关系，研究结果显示:
房地产价格、地方公共支出与房地产税负两两之间存在反馈关系，并且房地产税负会对房价产生抑制作用,而地方公共支出对房价有明显的促进作用，此外地方公共支出与房地产税负对房地产价格的影响存在动态差异性。
周京奎（2006年）利用1998年～2005年间的数据对我国资产价格波动状况进行了实证研究，结果表明房地产价格的变动将导致股票价格产生波动。
在随后对资产价格传导机制进行的研究中,认为银行拆借利率和贷款额在资产价格波动中扮演着重要角色认为货币供应量是引起资产价格波动的发动机。
其研究结果印证了资产价格波动理论的正确性。
王辉龙（2009年）认为房地产的成本价格和平均利润之和构成房地产价值,房地产的成本价格通常比较稳定,其一般由建筑材料成本、设备折旧和设计人员、建筑工人及部分流通领域工人的工资等来构成,而不构成价值的土地价格和超额利润波动性较大。
并且认为从经济实践来看,房地产的合理价格中除了价值部分外,还应包括资本化了的地租和部分必需的流通费用，于是当市场房价高出合理价格部分的比重过大时,则形成房地产泡沫。
最后经过实证研究发现,2003年之前中国房地产价格不存在泡沫,2004年起开始出现泡沫并迅速膨胀,2007年房价中的泡沫成分已比较严重。
王来福、郭峰（2007年）认为货币政策对房地产价格的影响是一个长期动态过程，货币供应量与利率水平的变化冲击会对房地产价格产生长远影响。
通过建立VAR模型，运用脉冲响应函数与方差分解的方法研究了货币供应量与利率变化冲击时中国房地产价格的动态影响，结果表明：
货币供应量波动对房地产价格有长期的持续正向影响，货币供应量的增加会导致房地产价格上涨；利率变化对房地产价格有负向影响，但在长期其动态影响逐渐减弱，并且最终回归到原点；货币供应量变化对房地产价格变化的贡献率大于利率变化对房地产价格变化的贡献率，且前者呈加速上升趋势，而后者则逐渐减小。
方平（2010年）分析了近期中国房地产价格走势，并将中国的房地产发展趋势与过去日本房地产价格飙升期进行对比，认为我国房地产有过热的现象，对今后房地产市场调整趋势进行了探讨分析，并且对我国合理控制房地产市场过热、实现经济可持续发展需要注意的一些问题进行了探讨。
吴树畅、曾道荣（2010年）以1999年到2008年数据为样本，利用多因素回归分析方法构建了中国商品房平均价格影响因素模型，研究结果认为城镇投资和贷款利率是影响商品房价格的主要因素。
沈悦、卢文兵（2008年）认为房地产价格的变化和股票价格的剧烈震荡之间存在紧密的联系,房地产价格的上涨对股票价格上升有着显著的影响，但是股票价格的上涨对房地产价格上升的影响则较为微弱，此外房地产价格的上升与股票价格的上升存在大约六个月的时间间隔，并且两者呈现出螺旋式变化的趋势。
车欣薇、郭琨、李斌、王珏（2011年）讨论了房地产价格波动与银行信贷之间的关系，阐述了中国金融中心城市的特征及其房地产市场与一般城市的差异性。
在此基础之上，选取香港、北京、上海、深圳4个中国金融中心城市进行实证分析，运用多变量协整分析技术以及向量自回归模型，对金融中心城市房地产价格与银行信贷之间的关系进行实证检验，研究结果表明：
各个金融中心城市房地产价格与银行信贷之间存在长期均衡关系，其中，香港由于房地产融资渠道较多，其房地产价格和银行信贷之间的相互影响程度小于其他3个金融中心。
高东胜（2011年）运用SVAR模型对我国房地产价格波动的宏观经济效应进行了实证研究，结果显示，房价上涨在短时期内对我国经济增长的拉动作用十分明显，但与此同时也会加大通货膨胀的压力，房地产价格波动的这种宏观经济效应既有直接的传导渠道，又可以通过住房投资和消费来间接实现。
宋勃、高波（2007年）在考虑通货膨胀的条件下，利用我国1998年—2006年的实际利用外资数量和房地产价格的季度数据建立误差纠正模型（ECM），使用Granger因果检验方法对我国的房地产价格和国际资本流动的关系进行实证检验，结论认为，就短期而言，房地产价格上涨吸引了外资的流入；长期来说，外资的流入对我国的住房价格上涨产生了影响。
这一研究揭示了国际资本的流动对我国房地产价格有明显的影响。
王培辉（2011年）认为伴随着中国房地产市场的强劲增长，其价格出现了泡沫化倾向，在分析了我国房地产价格泡沫的原因之后，指出流动性膨胀、房地产市场虚拟化、虚拟经济部门资金错配、土地价格不断上涨和房地产市场需求刚性是房地产价格出现房价上涨并且泡沫的主要原因。
国外学者也针对房地产价格做出了相关的研究，其中有很多研究成果对于研究中国现阶段的房价问题具有重大的借鉴意义。
Case和Shiuer（1990年）以美国四大城市1976至1986年的季度数据为样本进行分析，结果显示房价与成年人口比例、人均收入呈正相关的关系。
WinstonT．H．Koh，RobertoS．Mariano和AndyPavlov（2005年）研究认为商业银行的过分乐观和对购房者持有的嵌套在抵押贷款中的看跌期权（putoption）的低估（underpriee）是导致泰国、马来西亚、印度尼西亚房地产市场崩溃的主要原因。
Greef和Haas（2000年）对荷兰的房地产市场和抵押贷款市场分别建立了误差修正模型，结果发现房屋价格和抵押贷款数量之间存在着相互依赖的关系，长期中房价受到抵押贷款数量、收入等因素的影响，与此同时同时抵押贷款数量也受到房屋价格和税后收入的影。
Okunev、Wilson和Zurbmegg用线性和非线性格兰杰因果检验考察了美国房地产与标准普尔500指数（S&500）之间的关系，结果显示，由于结构性突变的原因，线性格兰杰因果检验失效，得出了房地产市场单方向影响股市的伪结论，非线性格兰杰因果检验则显示股市对房地产市场存在单方向的影响。
Hofmann（2001年、2003年）分别对20个和16个工业国家的季度数据建立VAR和面板数据模型，发现房地产价格反映了对未来经济的预期，决定于信贷量的大小，反之不成立，而在短期内房地产价格和信贷量之间存在着相互促进的作用。
Rosenthal（1999年）利用1981年-1990年SSBSM数据库内5%的季度样本数据研究英国马其赛特郡（Merseyside）等县市住房特征、公共支出、税收和房地产价格之间的关系,结果发现住房特征、公共支出对房地产价格影响显著,而取消对房地产消费征税促使房地产价格增长了10%-17%。
Stone和Ziemba（1990年、1992年、1993年）利用日本年度数据对土地价格、土地收益率与股票价格指数、股票市场收益率的关系进行实证分析时发现土地价格与股票价格之间存在正向变动趋势，并且股票市场与商业用地价格关系更紧密。
三、指标选择与模型的构建
（一）指标选择及模型构建
本文不同于先前各位学者从较为单一的角度分析某一个或少数几个因素对房地产价格的影响，作者认为影响房地产价格变化的因素是很多的并且各种因素之间相互影响纠结在一起形成一个复杂的体系。
这些因素大致可以分为三个方面：
供给因素、需求因素和宏观政策，它们的联合作用决定了供需均衡的交易价格。
本文从一般均衡的角度研究房地产价格的影响因素及影响其各因素对于房地产价格波动影响的大小。
为此我们将货币供应量、通货膨胀率、原材料价格、人工成本、利率、土地价格、经济总量、人口结构、人均收入等因素列入其中，并且将国家宏观政策作为一个虚拟变量也列入模型之中。
为此本文选取了直接影响供给的指标：
土地价格、人工成本、原材料价格、汇率、利率等，影响需求的指标：
人均收入、人口结构、利率、通货膨胀率、人均住房面积等，还有作为虚拟变量的宏观经济政策。
这些因素有些可能既直接影响需求又直接影响供给，例如利率、汇率等，由于本文从一般均衡的角度考虑所以只需考虑其最终对房地产价格的影响即可。
房地产价格的波动与其影响因素的关系可以用函数的形式表示出来:
其中
为房地产价格的增长率，
为通货膨胀率，
为广义货币变化率，
为建筑材料价格指数，
为土地价格指数，
为人均储蓄指数，
为人工成本变指数，
为人口结构指数，
为人均住房面积指数，
为国家宏观政策，其取值为0或1（0代表宏观政策抑制房地产业的发展、1代表促进房地产业的发展）。
关于人口结构指数本文以最近两次人口普查的结果作为基础，选取15-59岁之间的人口所占总人口的百分比进行分析，并认为其以每年不变的速度变化进而对两次人口普查之间的各年份进行赋值进行计算，其中的某年人口目标区域观察值与基期比值的百倍记为当年的
值。
为了研究影响中国房地产价格波动的因素及其具体的影响程度，本文采用最小二乘法进行回归，建立模型如下：
其中
为常数项；
为误差项，并假设其符合经典假设的条件。
（二）数据处理
本文采用1999年到2010年的年度指数数据进行分析，并且所有数据以1999年为基期（数值为100）。
限于2009年和2010年两年的一些数据未能够收集到年度指数数据，故采用了月度或季度的数据来调整估算出年度数据。
通货膨胀率采用CPI指数来代替。
利率指数采用的是五年期固定利率每年调整利率的平均值作为当年的利率值来计算的，如果当年利率没有调整则才从上次调整的利率作为该年的利率值。
鉴于居民购买房地产的首付来源于储蓄故，
值采用人均储蓄以1999年为基期的指数形式代替。
人口结构数据采用2010年全国第六次人口普查结果和2000年第五次人口普查结果来估计的，以1999年为基期。
1999年和2007年的城镇人均住房面积未能查找到，1999年的数据采用2000年和2001年的数据估算得出，2007年的数据由2006年和2008年的平均值代替。
四、影响因数的回归分析
本文采用1999年到2010年的年度数据进行分析，经过处理的数据如下所示：
CPI
指数
五年期
利率指数
M2
指数
建材P1指数
土地价格指数
I（人均
储蓄指数）
城镇建筑业人均工资指数
人口
人均住房面积
政策
1999
100
100
100
100
100
100
100
100
100
1
2000
100.40
100.00
112.27
101.50
100.20
107.90
109
101.00
102.53
1
2001
101.10
73.26
132.03
100.08
101.90
123.72
115
101.99
105.05
1
2002
100.29
96.88
154.30
98.28
108.90
145.77
123
102.99
115.15
1
2003
101.50
96.88
184.51
97.98
118.00
173.79
133
103.99
119.70
0
2004
105.46
125.00
211.94
102.98
129.90
200.52
200
104.98
126.26
0
2005
107.35
125.00
249.18
106.17
141.70
236.58
224
105.98
131.82
0
2006
108.96
143.75
288.25
108.19
149.90
271.02
257
106.98
136.87
0
2007
114.19
175.69
336.49
111.44
168.40
289.38
294
107.97
139.90
0
2008
120.93
157.99
396.31
122.02
184.20
365.45
337
108.97
142.93
1
2009
120.09
125.00
508.95
123.36
194.10
437.38
384
109.97
158.08
1
2010
124.05
152.08
605.39
128.05
232.60
508.71
447
110.96
159.60
0
使用软件回归分析时，表中各变量依次记为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10。
估计结果如下表：
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-108.5895
370.3664
-0.293195
0.8184
X1
0.651696
2.029107
0.321174
0.8022
X2
0.112900
0.175242
0.644254
0.6356
X3
0.178191
0.152074
1.171744
0.4498
X4
0.391195
2.106811
0.185681
0.8831
X5
-0.162402
0.774745
-0.209620
0.8685
X6
-0.003492
0.313668
-0.011132
0.9929
X7
-0.134345
0.193411
-0.694606
0.6135
X8
0.924564
3.905063
0.236760
0.8520
X9
0.116475
0.963057
0.120943
0.9234
X10
0.167264
5.728366
0.029199
0.9814
R-squared
0.998219
Meandependentvar
124.9500
AdjustedR-squared
0.980408
S.D.dependentvar
23.36036
S.E.ofregression
3.269801
Akaikeinfocriterion
4.555762
Sumsquaredresid
10.69160
Schwarzcriterion
5.000260
Loglikelihood
-16.33457
Hannan-Quinncriter.
4.391193
F-statistic
56.04474
Durbin-Watsonstat
2.555200
Prob（F-statistic）
0.103613
拟合值、实际值、残差值在同一表中表示如下：
由回归结果可以看出拟合程度较好，但是各个变量的t值较小，并且X5、X6、X7三个变量与实际的经济情况不符。
因此判断极有可能存在多重共线性。
采用简单相关系数矩阵法对解释变量进行多重共线性的检验
各解释变量间的相关系数
X1
X10
X2
X3
X4
X5
X6
X7
X8
X9
X1
1.000
-0.182
0.787
0.969
0.985
0.981
0.974
0.985
0.949
0.935
X10
-0.182
1.000
-0.473
-0.254
-0.079
-0.306
-0.261
-0.285
-0.386
-0.387
X2
0.787
-0.473
1.000
0.703
0.710
0.776
0.718
0.785
0.798
0.769
X3
0.969
-0.254
0.703
1.000
0.964
0.992
0.998
0.988
0.954
0.961
X4
0.985
-0.079
0.710
0.964
1.000
0.965
0.966
0.970
0.902
0.896
X5
0.981
-0.306
0.776
0.992
0.965
1.000
0.993
0.994
0.963
0.960
X6
0.974
-0.261
0.718
0.998
0.966
0.993
1.000
0.992
0.965
0.970
X7
0.985
-0.285
0.785
0.988
0.970
0.994
0.992
1.000
0.971
0.970
X8
0.949
-0.386
0.798
0.954
0.902
0.963
0.965
0.971
1.000
0.992
X9
0.935
-0.387
0.769
0.961
0.896
0.960
0.970
0.970
0.992
1.000
由上表可以明显看出明显存
升级会员 