下载文档原格式
关于房价与人均可支配收入涨幅的分析--以广东省为例摘要：本文概述了商品房的价格与个人可支配收入的内涵，其后选择商品房销售额来反映房价，从国家统计局网搜集近年来的广东省房价数据和人均可支配收入数据，而后进行数据的单变量相关性分析及多目标整合指标相关性分析，从而得出结论：商品房的价格与人均可支配收入之间呈正相关。
因为居民生活品质提升，居民收入增涨，房价随之增高。
基于本文分析，笔者提出建立公开透明的网络查询系统、推进住房保障体系建设等建议来缓解房价提高与人均可支配收入增幅不匹配的压力。
关键词：房地产价格人均可支配收入正相关一、理论分析与研究假设（一）房价与人均可支配收入的关系当前，人均可支配收入的涨幅跟不上房价的增幅。
尽管人均可支配收入逐步上升，但可支配收入的消费支出范围却越来越窄，因为固定资产的价格越来越高，人们想要安居乐业的条件变得越来越苛刻。
许多研究表示房价与人均可支配收入有着的显著的关系，且人均可支配收入越高，对购房消费中的支出比例就越高，从而促使房价越高。
（二）提出假设据人人网调查显示中国城镇居民可承受房价收入比极限为6.31倍，而我国如今的房价收入比却远高于此。
可见，房价的过高让居民把越来越多的收入投入到买房中，使得房价居高不下。
讨论房价与居民人均可支配收入涨幅的关系，则要探讨人均可支配收入涨幅对房价的影响。
所以本研究决定以房价收入比理论为依据，提出以下假设：城镇居民人均可支配收入与城镇商品房销售价格呈线性关系，同方向变化。
从经济学角度来说，城镇居民人均可支配收入涨幅越大，购房方面的消费支出就会越多，需求越多，房价就越高，两者是正向的关系。
二、实证分析与假设检验（一）数据收集1、数据来源：国家统计局网为客观地获取广东省商品房价格与人均可支配收入的数据，本文从国家统计局网上截取2000年-2014年的数据并以计量经济方法为主进行实证分析，使用EXCEL开展数据的统计分析。
（二）数据分析1、单变量相关性分析利用excel中的correl公式分别分析广东省人均可支配收入与各指标的相关性可知：广东省人均可支配收入与商品房平均销售价格相关性是0.9922，广东省人均可支配收入与住宅商品房平均销售价格的相关性是0.9913，广东省人均可支配收入与别墅、高档公寓平均销售价格的相关性是0.9851。
现代经济信息一、全国情况分析从表中可见：从1991年到2008年，全国GDP增长了4.24倍(即2008年的GDP规模是1991年的5.24倍)，CPI增长了1.34倍，城镇居民人均可支配收入增加了8.28倍，房价(本文均指商品住宅均价)上涨了3.87倍，扣除物价上涨因素后，实际上涨1.08倍。
1.GDP增长率与CPI的相关性分析从上图可见：●GDP增长率、CPI均呈现周期性变化，GDP增长率的周期要长于CPI的周期。
●周期分为四个阶段：●第一阶段：GDP增长率上升、CPI处于低位，此时经济状况良好，GDP增长率将持续增长；●第二阶段：GDP增长率上升一段时期后，CPI快速上涨，通货膨胀；●第三阶段：CPI处于高位，GDP增长率开始下滑；●第四阶段：GDP增长率持续下降，影响了消费者信心，CPI快速下跌，通货紧缩。
●我国目前正处于上述第三阶段，预示进入GDP增长率、CPI双降的第四阶段可能性较大，但与以往不同的是中央为应对本次经济下滑，积极实施干预，增加了本轮周期的复杂性。
2.房价增长率与GDP增长率的相关性分析为了剔除个别年份GDP增长率、房价增长率的暴涨、暴跌影响，对各年GDP增长率及房价增长率作三年移动平均取值后，再拟合出如下曲线：从图上可见：●曲线公式为y=486.38x3.7643。
●拟合优度R2为0.7972，该数值越接近零，表示拟合越差，越接我国GDP增长率、CPI、人均可支配收入与房价的相关性分析赖雅 广州市城市建设开发有限公司办公室总经理摘要：本文主要分别从全国情况和广州地区情况入手，以表格的形式，简要地分析了我国GDP增长率、CPI、人均可支配收入与房价的相关性。
关键词：GDP增长率；CPI；人均可支配收入；房价；相关性中图分类号：F126 文献标识码：A 文章编号：1001-828X（2011）06-0002-02收稿日期：2011-06-05宏观经济近1，表示拟合越好，可见上述曲线拟合度较高；●自变量x的系数大零，表示y与x正相关，小于零，表示y与x负相关，上述曲线中，x的系数3.7648大于零，说明房价增长率(y)与GDP增长率(x)正相关；●GDP增长率每增长1%，房价增长率增长3.76%。
CHINA COLLECTIVE ECONOMY摘要：住宅产业关系到国际民生，住宅价格的变动又反映了住宅市场的冷热。
房价的攀升引发政府的宏观调控和广大人民群众的高度关注。
我国学者对房价问题的研究文献非常丰富，但专门从地区收入水平角度探讨房价区域性差异的文献较少，文章试图通过实证研究，找到收入和房价之间的关联性，从而对房价的区域性差异进行合理解释,以期对我国房地产业的宏观调控献一点微薄之力。
关键词：商品住宅价格；收入水平；差异分析房价在整个市场价格体系中处于基础地位，这也决定了它在市场经济中具有非常重要的功能和作用。
其中商品住宅价格更是直接关系到普通百姓的生活质量。
近几年，政府出台的一系列宏观调控政策初见成效，一线城市房价略有下降，二线城市房价涨幅较慢，但房价最终是否能降到合理水平———人均收入的三至六倍，仍然是一个未知数。
房价的上涨不但导致了土地资源的浪费，还会引起金融危机从而导致国民经济陷入衰退，而解决这些问题的关键在于形成合理的住宅价格水平。
中国住宅价格的快速上涨，究竟是否已与居民收入等基本面严重脱节，我国不同地区间收入的变动与房价变动规律如何，与此相关的研究对于指导我国对房地产业的宏观调控具有非常重要的现实意义。
本文的研究对象主要是住宅房地产，由于农村居民解决住宅的途径主要是以自荐为主，因此我们的研究对象又局限于对城市商品住宅的研究，以下简称住宅。
其相应的价格简称住宅价格。
具体而言，是指商品住宅的平均销售价格。
而我国住宅市场出现的价格问题主要是增量市场的价格问题，故本文研究范围是住宅增量市场。
一、样本数据本文样本数据来源于1998年-2008年的《中国统计年鉴》，在这期间我国房地产价格波动剧烈，其数据比较具有代表性。
另外，为了全面解释房价和人均收入之间的关联，本文选用我国30个省（西藏除外）、区的城镇住宅房地产价格和城镇居民全年人均可支配收入等面板数据作为样本。
并对指标进行了可比性处理，即以1998年的不变价格为基础，分别用住宅房地产销售价格指数和城镇居民的消费价格指数对房价和人均收入进行平减。
对房地产价格影响因素的调查研究【摘要】房地产业是国民经济的基础性、先导性产业，房地产价格的形成具有众多的影响因素。
本文选取了成都市房屋竣工面积、房屋投资完成额、地区生产总值、辖区人口数、职工平均工资和城乡居民存款余额等指标，以2009年1月到2011年6月为样本期间，进行了多元回归的实证分析，分析了各因素对房地产价格的影响。
【关键词】房地产价格；成都市；随着“成渝经济区”纳入国家“十二五规划”，该区域必将成为中国经济新的增长极，未来成都将建设成为世界级国际化城市，西部地区现代化特大中心城市，人与自然和谐相融、城乡一体的“世界级现代田园城市”。
川西民居、欧陆风情……各种建筑风格此起彼伏；大盘时代、地产巨鳄……外来地产文化在成都生根发芽。
当这一切交织在一起后，便构成了成都房地产产业发展史上最为辉煌的黄金时代。
作为国民经济的支柱产业，房地产市场的发展变化是关系国计民生的重大问题，房地产市场是否正常运营，关系到金融稳定和社会安定。
影响房地产价格波动的究竟是哪些主要因素？国内外的研究者从人均收入水平、土地价格、货币政策变量等方面给予了很大的关注。
本文在以往文献研究成果的基础上，选择成都市2009年1月到2011年6月的房地产相关数据作为样本对象，采用计量经济学的相关分析技术，深入进行实证研究。
1 文献综述刘合群、许芳（2011）研究认为影响郑州市房地产价格的因素很多，比较重要的五个因素分别是人口众多和消费观念新、区位优势明显、通货膨胀、产业转移、城中村改造。
[1] 张颖、刘志杰（2011）对影响河南省安阳市房价的因素进行模糊聚类分析，实证结果认为在城市化水平、房地产开发投资额、gdp、城镇居民人均可支配收入和人口密度五个因素中，城镇居民收入对房价最为敏感。
[2] 黄乙峰（2011）选取1999 至2009 年间的北京房价、gdp、年人均可支配收入、年末常住人口、五年以上贷款利率等指标，进行了多元回归分析，并利用方差分解技术解释各个自变量对房价的贡献程度。
居民人均收入影响因素分析文献综述1.房产交易额当前，我国城乡收入差距仍然处于较大水平，并且高昂的房价也已经影响到民生问题，关于两者的研究也颇为成熟。
王文君（2019）认为，房价的上涨会扩大城乡收入差距，并相互推动彼此上升。
在彼此不断相互促进的上升过程中，拉大了我国分配差距，同时这样的分配差距会进一步刺激房价上升。
这样的“恶性循环”会给社会带来很多负面影响，让低收入者感到社会的不公平，进而造成社会不稳定[1]。
安艳庆（2019）通过实证分析得出，房价的提高会进一步拉到城乡收入差距，具体的内在机制在于其打破了城乡收入上升速度的平衡，其中的非公有制经济与政府调控，则会削弱房价的整体提升[2]。
杨璐嘉（2019）认为，房价上涨主要在经济较为落后的地区有所影响，要低于经济较为发达的地区；同时人口老龄化与房价上涨的交互影响可以改善我国居民人均收入，其主要原因在于人口老龄化会降低房地产市场的需求，减缓房价的上涨，从而改善了我国居民人均收入[3]。
但部分学者认为，房地产价格上升对促进经济增长，释放经济活力有着十分显著的积极作用，并有利于我国城乡居民的人均收入进一步缩小。
袁雯娟（2019）利用我国地级市面板数据研究发现，我国城乡收入差距呈现倒“U”型动态变化，其中的房价更是会加大贫富差距，而贫富差距的出现，又会反过来抑制房价的上升。
究其原因，是在于当我国贫富差距增大时，政府会通过相关政策限制通过不动产效应进一步缩小贫富差距，导致房子的预期下降，影响房地产需求价格[4]。
刘超（2021）经调查发现，部分居民为了追求更好的生活水平，从而会选择在一线城市工作，而随着外地市民的进入，一线城市的房地产市场就形成新的需求者，从而促进了房价的上涨[5]。
2.国民生产总值大量研究证明，我国居民人均收入和国民生产总值存在一定的联系。
张庆（2019）认为，不管是资本主义国家还是社会主义国家公平是一个能够引起共鸣的一个话题，根据之前的历史经验我们可以发现一个国家最重要的是它的制度，但是若要制度能够顺利执行，那么就一定离不开社会的公平，但是就算是在当今这个高速发达的世界，各国还是有不公平的事件发生，比如男女平等，受教育权，抚养权等[6]。
房地产市场调查房价与收入的关系近年来，随着城市化进程的加快和人口规模的不断增长，房地产市场成为了全球各地普遍关注的焦点。
房价的高涨成为了社会关注的热点话题之一。
然而，房价与收入之间的关系一直备受争议。
本文将探讨房地产市场中房价与收入之间的关系，并对该现象进行分析和解读。
首先，房地产市场中房价与收入之间存在着密切的关系。
房价的高低与当地居民的收入水平息息相关。
房价过高会使居民的收入大部分用于购房支出，导致居民的生活负担加重。
与此同时，房价过高还会使得购房者无法承受高额的房贷压力，增加负债风险。
因此，房价与居民的收入水平成反比关系，人们的购房行为在很大程度上受到收入水平的制约。
其次，房价与收入之间的关系还受到供需因素的影响。
随着城市人口的增加和土地资源的有限性，供不应求的局面逐渐形成。
这种供需失衡使得房价上涨成为必然趋势，但同时也因为收入水平限制了购房者的购买力，使得房价上涨的幅度得到了一定程度的限制。
因此，供需关系在房所价与收入之间起着重要的调节作用，两者共同决定了市场的价格走势。
此外，房价与收入之间还受到外部因素的影响。
宏观经济因素和政府政策的变化都会对房价产生直接影响。
经济的繁荣与萧条、通货膨胀与紧缩，以及房地产相关政策的实施会直接影响市场供需关系，并进而影响房价和收入之间的关系。
政府的购房政策、居民消费能力的变化、房贷利率的调整等因素也会对房价和收入之间的比例关系产生重要影响。
综上所述，房地产市场中房价与收入之间的关系是一个复杂而多变的问题。
房价与收入之间的关系是相互制约的，供需、宏观经济因素和政府政策等多个因素的综合作用决定了市场的价格水平。
为了确保房价和收入之间的比例关系能够合理平衡，政府应加强对房地产市场的监管和调控，引导市场价格走向合理水平，同时提高居民的收入水平，增加购房者的购买能力。
只有这样，才能实现房地产市场的稳定发展，满足广大居民的住房需求。
房价的影响因素分析及预测模型标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]房价的影响因素分析及预测模型——基于北京市相关数据的实证研究摘要房地产既是我国国民经济的支柱产业，也是关系重大的民生问题。
本文以北京市经济适用房销售价格、北京市生产总值等相关数据为例，分析房价的主要影响因素，建立房价与其影响因素的关系模型对北京市房价进行准确预测，并根据得出的预测结果对房地产发展提出合理性意见：问题一，建立影响房价的指标体系，利用软件将各指标数据进行折线图描述，将变化偶然性较大的货币供应量删除，建立主成分分析模型提取主成分，将各指标对各主成分的贡献率加权得到每个指标的总贡献率，比较得出影响北京市房价的六项主要指标依次为：X4居民家庭人均收入，X10房地产开发投资额,X2北京市生产总值，X1经济适用房销售价格，X6人均住宅建筑面积，X5新增保障性住房面积。
问题二，建立逐步回归模型，根据软件的运行结果显示，被剔除的前六个变量与问题一得出的六项主要指标一致，证明结论正确。
建立多元回归分析模型，由软件实现得到北京市房价与其主要影响因素的关系模型为：Y=4846.453+0.843X1+1.719X2+0.028X4−4.652X5−278.822X6−3.564X10。
问题三，建立曲线估计模型，通过软件拟合得到各指标变量随时间拟合的曲线方程（见表3·1），将预测房价与实际值进行比较，其平均误差仅为%，说明预测效果良好。
利用软件运行得到各指标及房价在2000至2015年的房价（见表3·6）稳中有升。
问题四，根据所得预测结果、北京房地产市场结构、政府相关政策，结合经济学知识，对北京市房地产发展提出合理建议。
最后，对所建模型进行了优缺点评价，在模型推广种介绍了这几个模型的广泛应用。
关键词：房价预测、影响因素、主成分、线性回归、曲线拟合一、问题重述1.1问题的背景及条件俗话说；“安居才能乐业！”在我国的传统观念中房子就家，不管住别墅还是住瓦房，每一个家庭都必须有自己的住房，因此住房问题本生就是关系国计民生的大问题。
人均收入对房价影响的研究
摘要：本文通过对房价、人均收入、GDP等数据进行横截面回归和面板数据回归，研究了在我国30个主要城市中人均收入对房价的影响。
在进行横截面回归的过程中，发现房价与人均收入呈正相关，且人均收入与各地房地产投资额对房价的影响有协同作用；考虑固定效应后，当城市经济发展水平较高时，人均收入的变化与房价的变化是同向的且与GDP有协同作用。
关键词：房价人均收入GDP
一、数据的收集和整理
数据来源为国家统计局的官网“国家数据”。
选取了2013年、2014年、2015年连续三年的全国30个主要城市，一共90组相关数据。
其中，30个城市分布在我国不同地区，既有位于南方的城市，也有位于北方和中部的城市。
二、数据描述性分析
（一）被解释变量与解释变量
被解释变量――房价由各地住宅商品房平均销售价格表示，解释变量分别是各地GDP、各地人均收入、各地人口和各地房地产开发住宅投资额。
其中，各地人均收入为目标变量，各地人口和各地房地产开发住宅投资额和各地GDP 为控制变量。
各地人口是反映各地住宅商品房需求量的控制
变量，各地房地产开发投资额是反映各地住宅商品房供给量的控制变量。
GDP作为各地经济发展水平的控制变量，因为经济发展水平与人均收入有关，同时也影响了各地房价，为了防止遗漏变量偏差，也应该将控制经济发展水平的变量GDP考虑在内。
解释变量――人均收入越高，人们越有可能进行投资来提高生活水平，而房地产业是较好的投资品，所以人均收入与住宅商品房价格间应为正相关的关系。
GDP是衡量一个地区经济发展水平的因素，理论上，一个地区经济越发达，住宅商品房价格越高，两者应为正相关的关系；各地人口反映了对住房的需求，人口越多，对住房的需求越高，房价也会相应地越高。
各地房地产开发住宅投资额反映住宅商品房的供给，可能与房价呈负相关的关系。
（二）被解释变量与解释变量间散点图
1.由图1可以看出，各地的房价与GDP呈现正相关的关系，比较符合预期。
2.由图2可以看出，各地房价与人均收入之间呈现正相关的关系，比较符合预期。
3.从图3中，比较难看出房价与各地房地产开发住宅投资额之间的关系。
判断二者的关系可能需要更深入的分析。
4.在图4中，房价与各地人口之间大致呈现正向的关系。
（三）各变量特征描述
各变量特征描述见表1。
三、横截面回归结果分析和检验
（一）分析
根据被解释变量与解释变量之间的散点图，住宅商品房平均销售价格与人均收入和GDP之间更有可能是非线性?P 系，住宅商品房平均销售价格与各地投资额或人口之间更可能是线性关系。
由于各地房地产开发住宅投资额变化对因变量的影响可能依赖于GDP的取值，而且GDP变化对因变量的影响可能依赖于各地房地产开发住宅投资额，所以在模型中可能需要考虑各地房地产开发住宅投资额与GDP的交互作用。
同时，GDP与人均收入之间可能也存在互相影响的关系，在模型中可能也需要考虑两变量的交互作用。
此外人均收入可能与房地产开发住宅投资额
由于模型中不存在哑变量，所以不存在完全多重共线问题，但可能会存在不完全多重共线性，可能需要通过适当变量的选择来调整。
（二）回归结果
不同的城市间房价的分布可能存在很大差异，即在自变量给定时，因变量的方差取决于自变量的取值，所以为了减少拟合的误差，应采用异方差稳健标准误。
（三）最优模型形式的选择
根据表2、表3及表4各个回归模型的结果，模型（6）
是回归模型中最优形式。
理由如下：
首先，对解释变量人均收入（aveincome）分别采用线性形式和二次方形式，两种形式的R2差别不大，考虑到模型的简洁性，对人均收入（aveincome）选择线性形式更加合理。
其次，在模型（4）和模型（5）中，截距项均为不显著的，即不能拒绝截距项为0的原假设；在模型（4）中，当将GDP、房地产开发住宅投资额（invest）以及交互项（inter2=GDP*invest）加入模型中后，这三个解释变量均为不显著的，证明模型（4）中解释变量的选取不够合理或者由于GDP和房地产开发住宅投资额（invest）之间高度相关导致两个变量存在多重共线性，使t值被低估导致解释变量不显著。
模型（5）中，房地产开发住宅投资额（invest）这一解释变量仍为不显著，证明房地产开发住宅投资额（invest）可能与其他变量存在交互作用。
此外，在模型（3）中，当选择截距项为0时，GDP这一解释变量仍不显著，说明在解释人均收入对房价的影响时，GDP可能并不是主要的遗漏变量，并不会造成严重的偏差。
同时，比较模型（4）和（5），模型（4）中加入了交互项，是人均收入（aveincome）前系数有了一定变化，证明加入交互项是必要的，不加入交互项可能会高估自变量对因变量的影响。
最后，综合模型（1）到（5），在模型（6）中，不再以GDP作为解释变量用以回避GDP与房地产开发住宅投资额（invest）之间的不完全多重共线性。
同时考虑到房地产开发住宅投资额（invest）和人均收入（aveincome）的交互作用。
在（6）中，各变量均为显著，证明各解释变量能够较好地体现对因变量的作用。
其中，虽然人口变量前的系数的正负与预期不符，但这可能是因为地区差异引起的，可能需要通过面板数据回归解决。
综上所述，最优模型形式为：aveprice=β1*aveincome+β2*population+β3*invest+β4*（aveincome *invest）
四、面板回归分析
将个体固定效应和时间固定效应加入解释变量中。
其中αi表示只随个体变化不随时间变化的变量，如各个城市对待买房投资观念上的不同、由于各地政策的不同带来的房价的差异等等。
时间固定效应由二值变量表示，时间效应包括随着国内经济状况投资者信心变化等因素。
分别将时间固定效应和个体固定效应加入到模型（1）、（3）-（6）中，回归结果中F统计量及P值结果见表5。
由表5可知，在模型中加入个体固定效应和是时间固定效应后，在模型（1）（3）（5）（6）中，个体固定效应和时间固定效应均是显著的，模型（4）中，时间固定效应不显著。
在模型（3）-（6）中只加入个体固定效应，不考虑时间
固定效应，个体固定效应F统计量及p值见表6。
在四个模型中只加入个体固定效应，个体固定效应均显著。
但在这四个模型中只加入个体固定效应后，拟合优度R2过低，证明模型的选择不够合理。
五、模型的汇总及最优模型的选取
综合横截面回归和面板回归的结果，选择较为合理的模型结果见表7。
不考虑固定效应时，模型（4）为最优模型。
当考虑固定效应时，大部分情况下固定效应都是显著的且加入固定效应后，原解释变量前的系数有一定改变，证明考虑固定效应是合理的，在固定效应中包含了遗漏变量。
所以原来的最优模型（4）不够完善。
模型（1）中，只考?]解释变量人均收入（aveincome）和个体固定效应时，调整后的R2过小，证明还有其他解释变量需要考虑。
在模型（2）中，既考虑了个体固定效应，又考虑了时间固定效应，但人口（population）和房地产开发住宅投资额（invest）是不显著的，可能是各个城市间人口的差异以及投资额的差异已包含在了个体固定效应中（城市的人口和投资额的变化可能在近几年变化不够明显，可以被认为是个体固定效应），所以考虑固定效应时，房地产开发住宅投资额（invest）和人口（population）这两个解释变量可以省去。
在模型（3）中，选择省去invest和population后，
所有变量均为显著的。
综上所述，模型（3）为最优的模型形式，即aveprice=β1*aveincome+β2*GDP+β3*（aveincome*GDP）+αi+γ1*D1t+γ2*D2t
六、结论
在其他因素不变的情况下，人均收入（aveincome）变化一个单位，房价（aveprice）变化（β1+β3*GDP）个单位，即-0.135+0.0000157*GDP个单位。
所以aveincome的变化对房价（aveprice）的影响取决于该城市GDP的大小。
当该城市GDP大于8600亿元左右时，人均收入（aveincome）的变化与房价（aveprice）的变化是同一方向的。
由此可以看出，在经济发展水平较为发达的城市（GDP>8600亿元），人们的收入较高且人们更愿意买房居住提高自己的生活质量或者
买房用于投资获得额外收入。
而在经济不算发达的城市（GDP。
