成都市房地产价格影响因素分析

成都市房地产价格影响因素分析

05级经济学基地班 徐媛媛40501140 杨倩40501114

1．绪论

1．1选题意义： 1．理论意义：

本文所作研究力求系统地分析引起房价变动的因素，进而分析各因素与房价变动的数量关系。解释这些原因和可能导致的后果对于因地制宜地制定对策措施具有重要意义，也能够为城市房地产制度的进一步改善和加强房地产宏观调控、促进房地产业持续健康发展提供更加坚实的理论依据和实证基础。 2．现实意义：

房地产是关系国计民生的重大经济课题。房地产市场是否正常运营关系到金融稳定和社会安定，保障大多数人拥有住房对促进社会进步和稳定有重大意义。

我国的房地产价格从 2002 年来一直处于上升状态。2005 年来涨幅有所下降，因为 2004 年来，国家出台了相关的宏观调控政策，使房地产投资过快的情况得到了控制，房地产供求关系有一定的改善。但是从 2006 年开始，房价又开始悄悄回升了。政府虽然积极地调控房价，但全国的房价仍然涨声一片。成都市2003年与2000年相比四季度中房指数增长了11.41%，其中住房价格指数增长了13.69%,商业用房价格指数上涨8.47%。房屋销售价格指数从2003年的102.9%上升到2005年的109.8%，城市综合指数呈持续上涨势态。成都房地产的价格上涨是否合理？是否真正反映了经济发展水平？影响其变化的因素是什么？本课题的研究，旨在用有很强说服力的数理论证解答以上问题，揭示影响成都城市房地产价格的主要因素，及各因素对房价的影响程度，从而理性的看待房地产市场的价格变化。 1．2文献综述：

在已有的文献研究中，关于对房地产价格影响因素的分析主要从以下几个角度进行。 肖建月（2005）认为从需求方面影响房地产价格的因素主要有国民经济发展水平，城市化水平，消费者收入水平和消费结构，政策法规四个方面。但并不是每一个因素都能主导房地产的价格的走势，在现实生活中也不可能是单一因素对房地产价格产生影响，而是几大因素同时影响我国房地产市场需求进而引起供需变化，最终引起我国房地产价格的变化。

贺胜兵（2006）全面分析了房地产价格的影响因素，并将其分为自然，经济，社会，政策四类。并针对房地产金融对房价的影响专门作了数据分析，认为房地产金融对房地产价格有显著影响，其途径主要有两个，一是从通过对开发商的提供融资影响房地产开发投资的规模，即影响房地产供给量，从而间接对房价产生影响;二是从通过发放住房信贷提高居民的支付能力，将潜在的需要转化为现实的购买需求，从而增加房地产有效需求，推动房价上涨。其分析方式主要采用统计分析与对比分析。徼锟（2007）在国家宏观经济政策调控对房价影响方面，宏观调控作为虚拟变量结合一些主要经济因素，运用因子分析建立多元统计模型来分析政策因素对房地产价格的影响。得出政策因素对房地产价格的影响并不显著的结论，认为目前的针对房地产行业的宏观调控政策虽然可以在某个时点对房地产价格产生比较大的影响，但是，在一个相对比较长的时间范畴上，它对价格的影响并不显著，房地产价格在我国主要受经济因素的影响。

纪晓宏（2006）进行了房地产产品价格和不确定性关系分析，其中使用卡尔曼滤波方法分析了中国房地产市场产品预期价格的行为特点，将不确定性作为内生变量引入蛛网模型，认为预期价格与不确定性成正比，不确定性越大，预期价格越高。刘莉亚，苏毅（2005）在关于上海房地产价格的合理性分析中，建立计量模型，通过平稳性分析和协整模型，得出

上海市房地产的合理价格，有力论证了当前市场存在泡沫。

在我国现有的关于房地产价格影响因素的研究中，多是从西方经济学基本理论出发，从供给需求、房地产制度、金融或价格评估等角度展开分析，其中规范分析的较多，实证分析的较少。国内外己有的实证分析，往往侧重于价格影响因素的某一个或少数几个方面，对各影响因素的全面系统研究尚未见到。本研究试图运用房地产市场运行的实际数据，通过建立计量模型全面系统地分析各因素对房价的影响，找出各因素与房价的数量关系，从而为房地产宏观调控提供更加坚实的理论基础。

2．影响房地产价格的因素分析

2．1 需求方面影响房地产价格的因素分析

从需求方面 ，根据西方经济学中关于市场参与者的理论，房地产市场的需求方包括政府，企业和居民，因为政府的需求多与政策有关，而很少涉及经济变量的影响，本文不予讨论。本文讨论的需求方包括企业和居民，与此二者有关的经济变量对商品房价格产生影响，由此从需求方面影响房地产价格水平的因素有：企业景气指数，人口数，居民收入水平，消费者对房价的预期，及物价水平。

企业景气指数也称“企业综合生产经营景气指数”。它是根据企业家对本企业综合生产经营状况的判断与预期而编制的指数,用以综合反映企业的生产经营状况。景气指数以100为临界值，范围在0~200之间。大于140为高度景气，120~140为中度景气，100~120之间为低度景气，低于100表明经济状态趋于下降或恶化，处于不景气状态。通过一个简单的一元线性回归模型用成都市企业景气指数（2002~2006年季节数据）对商品房实际销售价格进行回归，得到回归方程式：

y=-11181.63+108.1980x (4810.227) (37.40719)

t = (-2.324554) (2.892439)

R-squared=0.736060, F-statistic=8.366204

此模型对样本数据拟和较好，企业景气指数可以解释商品房销售价格变化的73.6%。t检验通过，即企业景气指数对商品房销售价格有显著影响。

房地产特别是居住房地产的需求主体是人，人的数量、素质、构成等状况对房地产价格有较大的影响。当人口数量增加时，对房地产的需求就会增加，房地产价格就会上涨，反之则会下降。引起城市人口数量变化的原因是人口的自然增长和人口的迁移变动。人口素质的提高也会引起房价的提高。人类社会随着文明发达、文化进步，公共服务设施必然日益完善和普遍，同时对居住质量也必然会提出更高的要求，从而导致房地产价格升高。家庭人口规模变化，会引起居住单位数的变动，进而引起房地产需求的变化，从而影响房地产价格。一般来说，随着家庭人口规模的小型化，家庭数量增多，所需住房的总量将增加，房地产价格有上涨趋势。

居民实际收入的增加会提高居民的支付能力，从而增加对房地产的需求，导致房地产价格上涨。收入增加对房价的影响程度，取决于现有的收入水平及边际消费倾向的大小。对于低收入家庭而言，虽然其边际消费倾向较大，但其增加的收入主要用于满足衣食等基本的生存需要，对房价的影响较小对于中等收入家庭而言，边际消费倾向较大，增加的收入会用于提高包括居住质量在内的生活质量，从而导致房价上涨高收入家庭的边际消费倾向较小，但是如果其将增加的收入由于房地产投资或投机，则会引起房价的上涨。

对商品房的需求不仅取决于企业经营状况，现有人口数量和居民收人水平，也取决于对商品房未来价格的预期。较高的现行住宅价格会降低需求，但对由价格的增长带来的资本利益的预期能够刺激需求。不论是住宅的投机者、投资者还是消费者，都会受到其对未来住宅

价格水平预期的影响。

物价指数或通货膨胀率主要是通过两个途径对房地产经济波动产生影响。首先，通胀因素影响房地产名义价格与真实价值变动，物价指数或通胀率与房地产价格之间存在明显的正相关关系。一方面，当物价总体趋向上涨时，房地产名义价格随之上涨。另一方面建筑材料价格、建筑人工费等的上涨会推动房地产生产成本上涨，从而导致房价上涨。其次，通货膨胀使得影响房地产商品的保值与增值功能发生变动，进而影响房地产经济运行波动。通货膨胀时消费者宁愿持有真实资产而放弃货币资产，从而导致房地产投资活动的增加反之会导致房地产投资活动的减少，这也会对房地产价格产生影响。

2．2供给方面影响房地产价格的因素分析

从供给方面看，房地产的有效供给是指开发商在其成本约束下对市场住房产品的有效供给量。严敏（2003）指出，地价的推进、土地资源的短缺和建筑成本的上涨都会对房地产的供给产生影响。其影响因素主要有土地交易价格水平和建筑原材料的市场价格，大量开发投资资金的贷款成本也对开发商的供给行为有很大约束。限于数据的获取性，本文以1995至2006成都市房地产开发投资完成额作为房地产开发商的开发成本。房地产开发投资完成额是指房地产开发企业在一定时间范围内进行房屋建设及土地开发所完成的工作量及有关费用的总称，包括房屋开发投资和土地开发投资，可以视为房地产商供给的总成本。从供给需求均衡的基本经济理论来说，商品房销售的实际价格受开发商房屋供给量的影响，以房屋竣工面积代表房屋供给量。

成都近几年的房地产市场一直是供给高速增长。在2003年及之前，国家主要的房地产政策均体现出“把住宅产业培育成新的经济增长点与消费热点”这一主导思想，与此相对应，四川省政府更提出把土地资源转变为土地资本的政策主张。在这样的制度安排驱动下，包括政府在内的房地产市场各参与主体使房地产市场不断扩大。同时，在西部大开发战略的有力推动下，成都投资环境进一步改善，投资领域逐步拓展，在成都社会经济保持持续快速稳定发展的环境下，作为国家西部大开发的热点城市，成都的房地产市场吸引了越来越多投资者的眼球。1995年以来，成都市房地产业开发投资额占GDP、全社会固定资产投资与第三产业的比重分别为9. 8%, 25. 3%与22. 8%;到2004年，房地产开发投资额占GDP、全社会固定资产投资与第三产业的比重已分别达到13.33%, 26.85%与34. 41%。与其他省会城市相比，成都无论是开发规模还是施工面积都处于领先水平。从成都市房地产开发投资额的历年增长率来看，1995年以来成都市房地产开发投资增长迅速，每年平均保持25. 4%的高增长态势，尤其在1999年至2003年间，房地产开发投资快速增长，增长幅度在20%一30%之间(同期GDP的增长速度平均在10%左右)。

2．3其他因素影响

政府为控制房地产价格会实行宏观调控政策。例如征收房地产税。广义的房地产税涉及土地农业税、归属于财产税类的房屋、土地税以及与房屋、土地相关联的各种所得税和行为税。目前，中国正在进行房地产税改革，物业税的出台就是房地产税改的迈出的重要一步。中国物业税等于房产税加城市房地产税加土地增值税加土地出让金等。在我国开征物业税，是对在我国境内拥有土地使用权和房屋使用权的自然人和法人征收的一种房地产保有阶段的税收。

常莉（2007，5）对房地产税对房地产价格的影响进行了实证分析，得出有关结论。其将住宅的需求类型分为三类，分析房地产税收改革对不同类型的需求可能产生的影响，从而寻找其对房地产价格可能产生的间接影响。从自住型需求来看，对房地产持有者征收房地产税，将增加持有成本，会促使房地产消费者合理消费，从而减少了房地产市场上的一部分需

求，起到抑制房价上涨的作用。从投资型需求来看，征收房地产税将增加房地产持有人在物业持有期间的成本，降低其收益预期，房屋投资者会在适当时候售出持有的房屋，这样能减缓当前房地产价格增长速度，挤压房地产泡沫，促进合理的房地产价格形成。从投机型需求来看，由于投机者是在短期内持有物业，因此需缴纳的房地产税并不多，而投机者期望获得的是高利润，相比之下房地产税对投机者利润预期的影响有限，因此保有环节的房地产税本身对抑制房地产投机作用有限，但二手房交易环节从严征收的营业税和个人所得税则可以有效抑制这部分投资需求。总的来看，通过对房地产持有人开征房地产税将增加房地产持有人的持有成本，促使消费者节约消费、理性消费，开征房地产税还会使投资房地产待价而沽者成本增加，从而抑制房地产投资和投机行为，而二手房交易环节的税收调整会进一步抑制利益投机型的购房需求，进而抑制房价涨幅、平抑房价。如果对拥有一套住房和拥有多套住房区别征收房地产税，前者低，后者高，将对抑制虚假投资，预防房地产泡沫起到显著效果。

近几年来国家连续以提高贷款利率和法定存款准备金的货币政策为手段对表现过热的房地产市场进行了宏观调控。而利率的影响有两方面，从供给来说，利率的高低决定了房地产开发商的融资成本，贷款利率高，开发商需要以较高的成本获得资金。房地产本身就是高负债的投资行业，开发商的资金很大一部分是以债务融资获得。因此国家连续提高贷款利率对开发商供给行为的影响是显著的。从需求方面讲，利率的提高会增加消费者的还贷成本，但由于预期的存在，消费者对住房的需求是不确定的。因此利率对房价的影响并不显著。

3．实证分析

3．1模型设定

根据西方经济学和计量经济学的知识，建立多元线性回归模型，选择成都市商品房销售价格作为被解释变量，基于指标同商品住房价格的关联性、其本身的可获取性、常见性、可量度性以及统计范围的一致性考虑,初步选定用以下6个指标来反映影响房地产价格的因素：房屋竣工面积x1，房屋投资完成额x2，地区生产总值x3，年末市辖区人口数x4，职工平均工资x5，城乡居民存款余额x6。在此基础上建立的多元线性回归模型为：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5 +β6X6+u

3．2数据来源

因为本课题主要研究对象是成都市区的房地产价格，所以选用成都市辖区的数据，建立包含6个解释变量的多元回归模型。我们选取时间序列数据，时间跨度为1995~2006年，共12组数据。

在成都统计信息网（http://ww.cdstats.chengdu.gov.cn/）和中经数据库，可得到成都市的房屋竣工面积，房屋投资完成额，GDP指标，市辖区年末人口数，职工平均工资，城乡居民存款余额等有关数据。商品房销售价格用商品房实际销售额除以商品房实际销售面积得出，后两者的数据可从成都统计信息网得到。 所得数据整理如下：

变量 年份 1995 1996 1997 1998

Y商品房价（元） 1590.21 1405.461 1511.364 1482.874

X1房屋竣工面积（万平方米） 228.3 372.1 454.59 361.96 x2房屋投资完成额（元/平方米） 325.1744 353.4486 376.7742 473.0405 X3地区生产总值 GDP（亿元）

354.0459 435.3435 536.5443 578.1757 X4年末

X5职工

市辖区人

平均工资

口数（万

（元）

人）

199.59 6024 205.05 6789 209.49 7487 214.61 8248 X6城乡

居民储蓄存款余额（亿元） 217.6784 279.8963 328.9968 401.1231

1999 2000 2001 2002 2003 2004 2005 2006 1842.489 476 469.6916 625.3391 221.21 1803.653 538.19 626.4457 669.855 227.68 1850.088 815.62 767.9439 777.5256 234.11 1992.741 957.34 705.5994 1007.366 266.41 2096.342 1018.27 807.7098 1144.295 281.4 2713.067 862.45 929.0989 1351.03 330.6 3213.316 647.84 2172.554 1470.026 396.3074 3591.968 1067.17 2637.415 1705.298 416.3949 9592 11009 13489.76 14984.42 16447.75 19082.61 21697.83 24526.09 488.44 542.05 731.19 920.4 1129.89 1305.33 1576.53 1817.59

3．3模型的参数估计、检验及修正 （一）各变量序列平稳性检验

对各变量进行ADF检验。我们采用有常数项但无趋势项，滞后差分项选0阶的模型进行估计，发现每个变量都存在单位根，除了x1的二阶差分值没通过检验，其余变量都在相应临界值下通过二阶差分的平稳性检验，因此除了x1其余变量都可进行回归估计，并做相应协整检验。

6个变量的ADF检验结果： 变量

检验类型(c,t,*)

ADF统计量

1%临界值

5%临界值

结论

y

d(y,2) x1

d(x1,2) x2

d(x2,2) x3

d(x3,2) x4 (C,0,0) (C,0,0) (C,0,0) (C,0,0) (C,0,0) (C,0,0) (C,0,0) (C,0,0) (C,0,0) 2.058165 -5.07484 -1.11784 -1.99862 1.416018 -4.81228 2.735576 -4.8012 2.17691 -4.2207 -4.4613 -4.2207 -4.4613 -4.2207 -4.4613 -4.2207 -4.4613 -4.2207 -3.1801 -3.2695 -3.1801 -3.2695 -3.1801 -3.2695 -3.1801 -3.2695 -3.1801

d(x4,2) (C,0,0) x5

(C,0,0)

-3.29671 -4.4613 -3.2695 4.997504 -4.2207 -3.1801 -4.08165 -4.4613 -3.2695 5.400734 -4.2207 -3.1801 -5.22539 -4.4613 -3.2695

d(x5,2) (C,0,0) x6 (C,0,0) d(x6,2) (C,0,0)

（二）模型估计

不平稳 平稳 不平稳 不平稳 不平稳 平稳 不平稳 平稳 不平稳

5%临界值下平稳

不平稳

5%临界值下平稳

不平稳 平稳

用EVIEWS3.1的OLS估计得如下回归方程式：（附表一）

Y=-919.4664+0.043865X2-0.354475X3+10.88342X4+0.092149X5-1.037810X6+μ t= (-0.990001) (0.188134) (-0.255979) (2.385282) (1.045674) (-0.621746)

2R2=0.981597 R?0.966262 F=64.00757 DW= 2.573254

从回归结果看，虽然R?0.966262 可决系数显著，但在а=0.05的显著性水平下各变量的t值不显著，存在严重的多重共线性。

2

（三）多重共线性的修正： 各变量的相关系数矩阵：

X2 X3 X4 X5 X6 Y

X2 1 0.885616623

543

0.9514089200.971625450

75 821 456 285

337 408 793 752

215 913 302

658 068

661

X3 543 1

X4 75 337 1

X5 821 408 215 1

X6 456 793 913 658 1

Y 285 752 302 068 0.962348178

661 1

0.8856166230.9514089200.8943758450.9058145050.953202118

0.9716254500.9931082200.9968248970.953505991

0.9651039090.9778750460.988078598

0.9962230960.953868425

0.8943758450.9931082200.965103909

0.9058145050.9968248970.9778750460.996223096

0.9532021180.9535059910.9880785980.9538684250.962348178

因为此模型是在时间序列数据的基础上进行的回归，各经济变量之间在宏观经济的变动下本身就具有共同变化的趋势，所以各变量的相关系数本身就较高。但由总体回归方程的较高可决系数知，所选经济变量对房价的解释性较强，因此采用逐步回归法对解释变量依次进行剔除，以减少多重共线性。 各变量一元回归结果：

变量 参数估计值

t统计量 R2 2R?

x2

0.912299 9.970072 0.908594 0.899454

x3

1.534123 10.00501 0.909174 0.900091

x4

9.304713 20.29603 0.976299 0.973929

x5

0.110004 10.04712 0.909865 0.900851

x6

1.271091 11.1957 0.926114 0.918725

其中，以x4和x6的修正可决系数较大，以x4 和x6分别作为基础，顺序加入其他变量

1）在x4的基础上顺次加入其他变量，回归结果如下：

x2 x3 x4 x5 x6

2 R?

8.06359 x4、x2 0.132583

(0.865118) (5.347567) t

-0.187982 10.37374 x4、x3

0.973256

0.971966

t

(-0.547406)

(5.161236) 9.268942

0.000454

x4、x5

t x4、x6 t

0.971034

(5.0228520 (0.020086) 10.11893 -0.116785 0.971451 (4.4122650)

(-0.363063)

经比较在x4基础上加入其他变量后，可决系数并未显著提高，且各解释变量的t值不显著，

回归效果不太理想。

2） 在x6的基础上顺次加入其他变量，回归结果如下：

x6、x2

t x6、x3

t x6、x4

t x6、x5

t

x2

0.434519

x3 x4

x5 x6

0.727915 (3.647098) 2.472779 (1.707397) -0.116785 (-0.363063) 2.116672

2 R?

(3.004468)

-1.46847

(-0.832381)

10.11893 (4.412265)

-0.074109

0.954915

0.91615

0.971451

0.9135

(-0.629239) (1.569172)

在x6基础上加入其他变量后，经比较新加入x2的方程 R2?0.954915，较x6单变量的回归可决系数有显著提高，且各变量的t值显著，回归结果较好。

3）再在x2和x6的基础上引入其他变量，所得方程的t值明显变得不显著，多重共线性较为严重，因此予于剔除。

最后修正严重多重共线性影响的回归方程结果为：（附表二）

Y=1114.909+0.434519X2＋0.727915X6+μ t= (13.38198) (3.004468) (3.647098)

2R2=0.963112 R?0.954915 F=117.4908 DW= 2.286002

（四）协整检验

1) 由前面的ADF检验知，修正严重多重共线性影响的回归方程的变量在二阶差分后都为平稳序列，具有同价单整性，因此可以做整个回归方程的协整性检验。

我们以y为被解释变量，x2和x6为解释变量做回归，检验参差序列e的平稳性。我们采用有常数项但无趋势项，滞后差分项选0阶的模型进行估计，在level水平下，ADF检验结果如下：

ADF Test Statistic 1%Critical Value* 5%Critical Value* 10%Critical Value*

-4.121632

-5.7693 -4.532 -3.9913

由此可知，在10%的置信水平下，t 检验统计值为-4.121632，小于相应的临界值-3.9913，从而拒绝原假设，表明残差序列不存在单位根，是平稳序列，说明y，x2，x6间存在长期协整关系，所得回归方程虽然包含非平稳变量，但长期来说这些非平稳变量的此种组合是平稳的。

2) 短期修正： 模型长期均衡，但从短期来看可能会出现失衡，为了将房价的短期行为与长期变化联系起来，我们进行误差修正，结果如下：（附表三）

DY＝84.27658＋0.830604DX2-0.537873DX6-1.838657 E(-1)

t= (0.938421) (3.872637) ( -0.696211) ( -4.249346)

2R2=0.827053 R?0.752933 F=11.15826 DW=2.358094

结果表明，成都市房价的变化不仅取决于每平方米房屋投资完成额和城乡居民存款余额，还取决于上一期房价对均衡水平的偏离程度，误差项E(-1)估计系数显著，体现了对偏离的修正，上一期偏离越远本期的修正就越大，说明系统存在误差修正机制。 （五）异方差检验

Y=1114.909+0.434519X2＋0.727915X6+μ t= (13.38198) (3.004468) (3.647098)

2R2=0.963112 R?0.954915 F=117.4908 DW= 2.286002

此模型采用的是时间序列数据，采用ARCH检验，结果如下：

F-statistic Obs*R-squared F-statistic 0.013828 Probability 0.908972 0.016875 Probability 0.896642 0.013828 0.908972 Prob(F-statistic)

因为只有12个时间序列数据为小样本，以Prob(F-statistic)的值为判断依据，因为

Prob(F-statistic)＝0.908972，表明拒绝原假设犯错误的概率高达0.908972，所以接收原假设，认为此模型不存在异方差。 （六）自相关检验

查表得当K’=2, a =0.05，n=12 时dl=0.812 du=1.579

由所得回归模型知DW= 2.286002，du=1.579 < DW= 2.286002 < 4－du=2.4206 表明回归模型的随即扰动项不存在一阶自相关。 （七）模型分析

所得最终回归模型为：

Y=1114.909+0.434519X2＋0.727915X6+μ t= (13.38198) (3.004468) (3.647098)

2R2=0.963112 R?0.954915 F=117.4908 DW= 2.286002

1) 数据分析：从回归结果看各个参数的 t 值显著，修正的可决系数为0.954915，F值为117.4908，表明模型的拟合优度较好，x2每平方米的房屋投资完成额和x6城乡居民储蓄存款余额较好的解释了成都地区近些年来商品房价格的增长趋势 2) 解释变量经济意义分析：模型表明成都地区近些年来商品房价格的增长受每平方米的房

屋投资完成额和城乡居民储蓄存款余额的共同影响较大。从供给方面看，每平方米的房

屋投资完成额在一定程度上代表着房地产商的开发建设成本，供给成本的上升会引起房价的上涨。从需求方面看，城乡居民储蓄存款余额在一定程度上代表着消费者的收入水平，即消费者的购买力，消费者的购买力增加会在一定程度上增加对房屋的需求量，从而从需求方面引起房价的上涨。从模型可知，房屋投资完成额每平方米上涨1个单位，会引起商品房平均价格上涨0.434519个单位，城乡居民储蓄存款余额每增加1个单位，会引起商品房平均价格上涨0.727915个单位。 （八）模型缺陷

1) 限于无法取得成都市房地产开发投资数据在1995年前的数据，我们只找到1995至2006 年12年的数据来进行多元统计回归，样本量的缺少在一定程度上影响了回归估计的精度。 2）本模型从最后的回归结果看只包含了供给和需求两个方面的变量，而从最先的单变量回归结果可知，国民生产总值GDP对房价的影响是很显著的，说明宏观经济的发展趋势对房价的影响具有较大影响。从对房价分析的文献来看，消费者预期和市场上的投机行为在近几年

来对房价走势的影响是较为显著的。从2006年来国家为控制房价防止房地产泡沫的出现出台了一系列宏观调控政策，对房地产市场的影响也是较大的。本模型并未对这些因素进行分析，因此所得模型对成都市房价的解释在有些方面会失效。

3) 在房地产市场中，商品房的交易除了受基本的的供需因素以外，二手房交易和房屋出租市场对商品房交易的替代效应是较大的，但限于数据不易获取，在本模型解释变量的选取中就没有加入二手房交易和房屋出租市场的变量，因此模型可能存在设定误差。

4．参考文献：

1. 贺胜兵. 我国房地产价格若干影响因素的实证研究, 华中师范大学, 2006.3 2. 尹波. 对房地产商品住宅价格问题的探讨,西南财经大学,2006.3 3. 庞皓. 计量经济学, 科学出版社

4．马宏贤 周潮. 商品住房价格变动及回归分析-以中国东部16个地区为例，聊城大学学报(自然科学版)，2007.3

5. 刘莉亚 苏毅. 上海房地产价格合理性分析,经济学（季刊），第四卷，第三期，2005 6．纪晓红. 中国房地产市场价格影响因素的研究分析，大连理工大学，2006.12

7. 肖建月. 需求主导因素对房地产价格的影响及政策启示，中南财经政法大学金融学院， 市场研究，2005.8

8. 徼锟.我国房地产价格变化的因素分析，天津财经大学，2007.5

9．常莉.房地产税收改革对房地产业影响的效应研究，西北大学，2007，5 10.胡玲玲.上海房地产市场价格泡沫分析，江西财经大学，2006，10

Dependent Variable: Y Method: Least Squares Date: 12/14/07 Time: 21:29 Sample: 1995 2006 Included observations: 12

Variable C X2 X3 X4 X5 X6

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient -919.4664 0.043865 -0.354475 10.88342 0.092149 -1.037810

Std. Error 928.7526 0.233157 1.384784 4.562739 0.088124 1.669187

t-Statistic -0.990001 0.188134 -0.255979 2.385282 1.045674 -0.621746

附表一

Prob. 0.3604 0.8570 0.8065 0.0544 0.3360 0.5570 709.5494 12.88487 13.12733 64.00757 0.000040

0.981597 Mean dependent var 2091.131 0.966262 S.D. dependent var 130.3302 Akaike info criterion 101915.7 Schwarz criterion -71.30923 F-statistic 2.573254 Prob(F-statistic)

附表二

Dependent Variable: Y

Method: Least Squares Date: 12/14/07 Time: 22:47 Sample: 1995 2006 Included observations: 12

Variable C X6 X2

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 1114.909 0.727915 0.434519

Std. Error 83.31423 0.199588 0.144624

t-Statistic 13.38198 3.647098 3.004468

Prob. 0.0000 0.0053 0.0148

0.963112 Mean dependent var 2091.131 0.954915 S.D. dependent var 150.6608 Akaike info criterion 204288.2 Schwarz criterion -75.48154 F-statistic 2.286002 Prob(F-statistic)

709.5494 13.08026 13.20148 117.4908 0.000000

附表三

Dependent Variable: DY Method: Least Squares Date: 12/24/07 Time: 21:55 Sample(adjusted): 1996 2006

Included observations: 11 after adjusting endpoints Variable C DX2 DX6 E(-1)

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 84.27658 0.830604 -0.537873 -1.838657

Std. Error 89.80679 0.214480 0.772572 0.432692

t-Statistic 0.938421 3.872637 -0.696211 -4.249346

Prob. 0.3793 0.0061 0.5087 0.0038

0.827053 Mean dependent var 181.9781 0.752933 S.D. dependent var 123.7595 Akaike info criterion 107215.0 Schwarz criterion -66.12415 F-statistic 2.358094 Prob(F-statistic)

248.9837 12.74985 12.89453 11.15826 0.004659

本文来源：https://www.bwwdw.com/article/1p56.html