计量经济分析案例.docx

资源描述

计量经济分析案例.docx

《计量经济分析案例.docx》由会员分享，可在线阅读，更多相关《计量经济分析案例.docx（19页珍藏版）》请在冰豆网上搜索。

计量经济分析案例.docx

计量经济分析案例

影响房价的相关因素分析

选题背景

进入21世纪以来，住房愈炒愈热，房价一路飙升。

就算在2008年的金融危机下，房价也从未低头。

近几年来，国内生产总值有了较大幅度的增长，城乡居民收入不断增加。

但房价的涨幅似乎不亚于任何一项经济指数的增量。

由于衣食住行向来是中国人衡量生活质量的四大指标。

房价的大幅上涨，使人们感觉到了持久性受到了威胁,房价成了当下的热点话题。

那么究竟是什么在刺激着我们的房价？

带着这个疑惑，我们开始了调查与探讨。

在我看来，在中国百姓的消费观念中，如果居民消费品长期稳定处于低位，那老百姓就敢把钱拿出来买房子，甚至贷款也不怕。

但如果吃饭贵起来，人心就慌了，买房的意愿就会大大降低。

如果居民消费价格持续上张，买房意源将会归零。

因为到那时候连生存都是问题了，谁还有闲着想着住好房，投资升值之类的事情？

在生活中,影响房价的因素可能很多,如收入水平、商品价格水平、利率水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成、制度、风俗习惯等等。

但考虑到样本数据的可收集性和一些实际情况,选择了GDP,城镇居民收入，及CPI的相关指数做了分别调查，如物价综合指数，食物价格，衣着指数，交通和通讯指数，医疗指数进行了相关探讨。

GDP是衡量一个国家经济实力,也是世界银行划分高收入、中等收入、低收入国家的主要标志,一般来说,人均GDP高的国家,表明该国经济实力强,人民消费水平高,同时在我国,居民消费是在国内生产总值经过初次分配和再次分配后形成的,由此选择了人均GDP;根据衡阳实际情况，衡阳了消费指数CPI中的几个重点指数也就是医疗，衣着，交通和通讯指数。

通过对这些变量的分析，我们了解到了，到底哪些因素对我们当下的房价波动造成了影响，哪些因素的影响比较大，是否有上面我们想象的那么明显。

因此，我们便对上述相关指数进行了探讨。

并对此做出相关政策性个建议。

摘要：

房价是当今老百姓最关心的话题，本文在分析影响衡阳市房价的几个消费因素的基础上,选择几个主要因素建立衡阳市房价的计量模型。

通过EVIEWS软件的实证分析，可以看出房衡阳市价确实与百姓生活中的日常消费存在一定内在的联系，同时居民的GDP,城镇居民收入等，对房价也有很大程度的影响。

据此，并提出了关于稳定衡阳市房价及观察衡阳市房价的相关建议，以引导居民理性消费，理性投资。

关键词：

房价物价指数医疗指数交通通讯指数

GDP城镇居民收入

调查时间：

2009年4月——2011年4月

调查目的：

从消费指数看房价波动情况及趋势；判断房价未来趋势。

HOUSEPRICE:

房价ALLPRICE：

价格总指数FOOD：

食品价格指数

CLOTH:

衣着价格指数MEDICAL:

医疗价格指数TRIFFIC:

交通和通讯价格指数

DependentVariable:

HOUSEPRICE

Method:

LeastSquares

Date:

06/15/11Time:

17:

Sample:

2009M042011M04

Includedobservations:

Variable

Coefficient

Std.Error

t-Statistic

Prob.

22259.34

9036.783

2.463193

0.0235

CLOTH

-39.58884

34.40341

-1.150724

0.2641

ALLPRICE

11.75119

42.54037

0.276236

0.7853

FOOD

64.41331

18.66945

3.450198

0.0027

MEDICAL

-125.9150

54.31978

-2.318033

0.0318

TRIFFIC

-106.9241

60.61520

-1.763982

0.0938

R-squared

0.798738

Meandependentvar

2792.958

AdjustedR-squared

0.745774

S.D.dependentvar

259.1914

S.E.ofregression

130.6864

Akaikeinfocriterion

12.78904

Sumsquaredresid

324499.7

Schwarzcriterion

13.08157

Loglikelihood

-153.8630

F-statistic

15.08086

Durbin-Watsonstat

2.097290

Prob（F-statistic）

0.000005

HOUSEPRICE=22259.338-39.589*CLOTH+11.751*ALLPRICE+64.413*FOOD-125.915*MEDICAL-106.924*TRIFFIC

t=（2.463193）（-1.150724）（0.276236）（3.450198）

（-2.318033）（-1.763982）

R2=0.745774F=15.08086N=25

该模型大致说明：

该五个变量对房价的解释能力为74.6%。

具有较好的解释能力。

在假定α=0.05的条件下，T检验中有3个变量未通过检验。

说明该三个变量对房价的的影响不是很显著。

在F检验中， Prob（F-statistic）=0.000005，通过检验。

序列相关性检验

原假设不存在序列相关H0没有序列自相关H1存在序列自相关给定显著水平为0.05

Breusch-GodfreySerialCorrelationLMTest:

F-statistic

0.734864

Probability

0.494199

Obs*R-squared

1.989374

Probability

0.369839

TestEquation:

DependentVariable:

RESID

Method:

LeastSquares

Date:

06/21/11Time:

22:

Presamplemissingvaluelaggedresidualssettozero.

Variable

Coefficient

Std.Error

t-Statistic

Prob.

6422.654

10791.21

0.595175

0.5596

FOOD

-3.312699

20.11075

-0.164723

0.8711

CLOTH

-17.16609

37.72113

-0.455079

0.6548

ALLPRICE

15.40555

45.19447

0.340873

0.7374

MEDICAL

-41.53981

65.11256

-0.637969

0.5320

TRIFFIC

-17.25271

64.90198

-0.265827

0.7936

RESID（-1）

-0.362071

0.307576

-1.177177

0.2553

RESID（-2）

-0.178204

0.305275

-0.583749

0.5671

R-squared

0.079575

Meandependentvar

5.07E-13

AdjustedR-squared

-0.299424

S.D.dependentvar

116.2791

S.E.ofregression

132.5491

Akaikeinfocriterion

12.86612

Sumsquaredresid

298677.6

Schwarzcriterion

13.25616

Loglikelihood

-152.8265

F-statistic

0.209961

Durbin-Watsonstat

1.730513

Prob（F-statistic）

0.978354

根据LM检验，原假设的概率正确的概率接近36.98%。

因此不能拒绝原假设，因此该序列不存在序列相关性

异方差检验

原假设不存在异方差：

H0：

不存在异方差。

H1：

不存在异方差

WhiteHeteroskedasticityTest:

F-statistic

0.739067

Probability

0.679993

Obs*R-squared

8.637725

Probability

0.566795

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/15/11Time:

18:

Sample:

2009M042011M04

Includedobservations:

Variable

Coefficient

Std.Error

t-Statistic

Prob.

93771457

1.09E+08

0.862808

0.4028

CLOTH

453043.5

424979.0

1.066037

0.3044

CLOTH^2

-2196.070

2085.814

-1.052860

0.3102

ALLPRICE

-294229.2

659973.2

-0.445820

0.6625

ALLPRICE^2

1402.823

3204.575

0.437756

0.6682

FOOD

75189.66

191850.4

0.391918

0.7010

FOOD^2

-344.2014

907.9998

-0.379077

0.7103

MEDICAL

-1374773.

1307115.

-1.051761

0.3107

MEDICAL^2

6853.501

6446.566

1.063124

0.3057

TRIFFIC

-743674.1

1654360.

-0.449524

0.6599

TRIFFIC^2

3750.749

8324.828

0.450550

0.6592

R-squared

0.345509

Meandependentvar

12979.99

AdjustedR-squared

-0.121985

S.D.dependentvar

19426.65

S.E.ofregression

20577.45

Akaikeinfocriterion

23.00196

Sumsquaredresid

5.93E+09

Schwarzcriterion

23.53827

Loglikelihood

-276.5245

F-statistic

0.739067

Durbin-Watsonstat

1.936776

Prob（F-statistic）

0.679993

可知图中画横线的数据可知，不存在异方差的概率为56.7%。

因此该模型不存在异方差

多重共线问题

ALLPRICE

CLOTH

FOOD

MEDICAL

TRIFFIC

ALLPRICE

1.000000

0.577735

0.947695

-0.093450

0.890983

CLOTH

0.577735

1.000000

0.505820

-0.644474

0.391107

FOOD

0.947695

0.505820

1.000000

-0.104817

0.877340

MEDICAL

-0.093450

-0.644474

-0.104817

1.000000

-0.024794

TRIFFIC

0.890983

0.391107

0.877340

-0.024794

1.000000

由此可以看出在个解释变量中，食物价格，及交通指数对所有价格指数的解释程度很高，交通和通讯对食物的解释程度也很高。

这在一方面说明各解释变量之间有一定的相关系数，存在严重的多重共线性。

另一方面也可以大致说明衡阳的居民所有消费中，食品和交通通讯消费占很大一部分比例

修正多重共线性

以食品价格FOOD为基础，逐渐增加变量。

分别对各个变量做一元回归结果。

依照R2由大到小排序得

变量

FOOD

ALLPRICE

TRIFFIC

CLOTH

MEDICAL

参数估计值

45.28147

74.14065

152.1574

84.71983

-117.0188

t统计量

7.056924

5.356087

3.790855

2.735578

-1.719898

0.684067

0.555020

0.384543

0.245491

0.113955

依次加入变量ALLPRICE、TRIFFIC、CLOTH、MEDICAL

加入Allprice得

HOUSEPRICE=-118.3638209+65.05550845*FOOD-37.92783098*ALLPRICE

t=（-0.063318）（3.241726）（-1.039727）

R*2=0.699

t参数值显著，且该参数的P值为0.309，未通过t检验。

R*2的变化很少。

所剔除该变量

加入TRIFFIC得

HOUSEPRICE=6968.211718+67.29164017*FOOD-112.4359115*TRIFFIC

t=（1.545474）（5.348051）（-1.993838）

R*2=0.732

t参数值显著且R*2变化明显，所以予以保留

加入CLOTH得

HOUSEPRICE=-3427.03876+42.41170578*FOOD+17.71926455*CLOTH

t=（-1.639952）（5.648334）（0.755586）

R2=0.692

因为t参数值不显著且R*2变化不明显，所以予以剔除

加入MEDICAL得

HOUSEPRICE=7111.976817+43.82578362*FOOD-87.93311486*MEDICAL

t=（1.829117）（7.433921）（-2.355717）

R2=0.748

因为t参数值不显著且R*2变化明显，所以予以保留

以FOODMEDICAL为基础。

加入TRIFFIC得

HOUSEPRICE=13777.642-78.70468641*MEDICAL+62.808*FOOD-96.186*TRIFFIC

t=（2.654726）（-2.196040）（5.326313）（-1.829546）

R2=0.782392

t参数值显著且R2变化明显，所以予以保留

DependentVariable:

HOUSEPRICE

Method:

LeastSquares

Date:

06/25/11Time:

08:

Sample:

2009M042011M04

Includedobservations:

Variable

Coefficient

Std.Error

t-Statistic

Prob.

13777.64

5189.855

2.654726

0.0148

FOOD

62.80780

11.79198

5.326313

0.0000

MEDICAL

-78.70469

35.83936

-2.196040

0.0395

TRIFFIC

-96.18657

52.57402

-1.829546

0.0816

R-squared

0.782392

Meandependentvar

2792.958

AdjustedR-squared

0.751305

S.D.dependentvar

259.1914

S.E.ofregression

129.2571

Akaikeinfocriterion

12.70713

Sumsquaredresid

350855.2

Schwarzcriterion

12.90215

Loglikelihood

-154.8391

F-statistic

25.16789

Durbin-Watsonstat

1.980648

Prob（F-statistic）

0.000000

所以最终模型为

HOUSEPRICE=13777.642-78.70468641*MEDICAL+62.808*FOOD-96.186*TRIFFIC

t=（2.654726）（-2.196040）（5.326313）（-1.829546）

R2=0.751F=25.16789N=25

由于我们的数据有限，可能数据不太精确，因此我们取a=0.1。

查表得ta=0.1=1.323。

因此当a=0.1是，所有数据均通过t检验。

F检验也明显通过。

拟合系数也比较大。

所以，该模型对解释变量基本符合。

由改模型，我们可以得出一些结论：

1．医疗，交通通讯及食品对房价的解释能力达到了75.1%。

且根据F检验可知，影响显著。

2．这个模型中我们可以看到，房价与医疗价格指数呈负相关关系。

这与我们的社会实际情况相吻合。

如果医疗的价格过高，势必居民没有过多的钱买房。

特别是在衡阳这种三四线城市在，居民的生活质量一般，居民在医疗上花费过多，对他们投资房地产确有很大负的影响。

3．由模型可以看出，居民交通与通讯价格指数，在很大程度上影响了衡阳市的总体房价。

房价与交通通讯指数呈负相关关系，这与社会实际情况相符合。

因为交通和通讯是居民的必须消费。

对一般衡阳市大部分居民而言，是基本是不可变动的。

如果汽油价格上涨，导致交，通费用上涨，或者通讯费用上涨。

居民也不会减少在着些方面是支出，因此交通通讯指数的变化势必也会反映房价的变动。

4．在模型中，物价综合指数和衣着指数已在检验多重共线性时被剔除，说明衡阳市明在衣着上的花费很好，其对房价的影响可以忽略不计。

而物价综合指数也因为与其他指数存在很大相关性，因此可以被剔除。

反映衡阳市民的消费中，除了食品，医疗，交通通讯几个重要变量外，其他基本可以忽略。

也可以大致反映衡阳居民的恩格尔系数相当高。

5．与食品价格指数呈正相关关系。

这衡阳实际情况相符。

因为对衡阳市居民而言，恩格尔系数是如此的高，普通居民的大部分消费是食品，食品价格上涨势必会引起房价的上涨。

这个结果与前面的选题背景假设想符。

建议：

就衡阳市而言，如果想从控制消费方面着手控制房价的话，应从控制食物价格着手，其次是医疗和交通通讯。

鉴于此，政府可以先控制居民日常消费的食用油，蔬菜，肉类，大米等物品的价格。

从而控制房价跟随上涨。

居民在投资房产或购买房屋时，可以参考当期的物价水平，预期下期的物价水平，从而避免买亏。

由于数据量有限及时间上的不一致。

不能进行太多的多元线性回归，因此，只能单个回归。

另由于高新区的数据收集不全，因此去掉了高新区。

各区房价与衡阳市整体房价的关系

调查时间：

2009年第一季度——2011年第一季度

调查目的：

衡阳市哪个区对整体房价影响最显著？

哪个区最能反映总体的房价走向趋势？

各区房价与衡阳市总平均房价的关系

ZXQ:

蒸湘区ZHQ：

珠晖区SGQ：

石鼓区YFQ：

雁峰区

DependentVariable:

HYS

Method:

LeastSquares

Date:

06/24/11Time:

21:

Sample:

2009M012011M04

Includedobservations:

Variable

Coefficient

Std.Error

t-Statistic

Prob.

314.7740

187.0280

1.683031

0.1059

ZXQ

0.615739

0.064625

9.527900

0.0000

ZHQ

0.062084

0.049398

1.256817

0.2214

YFQ

0.120871

0.032594

3.708380

0.0012

SGQ

0.068209

0.019415

3.513234

0.0019

R-squared

0.896190

Meandependentvar

2733.437

AdjustedR-squared

0.878136

S.D.dependentvar

300.7277

S.E.ofregression

104.9809

Akaikeinfocriterion

12.30587

Sumsquaredresid

253482.9

Schwarzcriterion

12.54376

Loglikelihood

-167.2821

F-statistic

49.63979

Durbin-Watsonstat

1.581220

Prob（F-statistic）

0.000000

HYS=314.774+0.068*SGQ+0.121*YFQ+0.062*ZHQ+0.616*ZXQ

（187.028）（0.0194）（0.033）（0.049398）（0.064625）

t=（1.683）（3.513）（3.708）（1.257）（9.528）

R2=0.878136F=49.63979N=28

T检验和F检验均通过

多重共线性检验

SGQ

YFQ

ZHQ

ZXQ

SGQ

1.000000

-0.110449

0.213793

0.328692

YFQ

-0.110449

展开阅读全文