房地产价格需求影响因素的实证分析
- 格式:doc
- 大小:218.00 KB
- 文档页数:9
商品住宅价格影响因素分析及实证研究商品住宅价格是一个复杂的问题,受到多种因素的影响。
以下是商品住宅价格的影响因素分析及实证研究。
首先,供需关系是商品住宅价格的主要影响因素之一。
当供应超过需求,商品住宅价格往往下降;相反,当需求超过供应,价格会上涨。
因此,经济发展水平、人口增长、城市化进程以及购房政策等因素都会对商品住宅价格产生影响。
其次,利率水平也是一个重要的影响因素。
低利率有助于降低购房成本,促进购房需求,从而推高住宅价格。
相反,高利率会增加购房成本,抑制购房需求,导致住宅价格下降。
第三,宏观经济环境对商品住宅价格有着重要的影响。
例如,经济增长率、通货膨胀率、失业率等指标都会对住宅价格产生影响。
经济繁荣期通常会促使住宅价格上涨,而经济衰退期则会导致住宅价格下降。
第四,地理位置也是影响商品住宅价格的重要因素。
通常来说,位于城市中心、交通便利、配套设施完善的房产价格较高;而位于偏远地区或者交通不便的房产价格较低。
第五,政策因素也会对商品住宅价格产生影响。
政府的房地产政策、税收政策以及贷款政策等都会对住宅市场产生影响,从而进一步影响商品住宅价格。
最后,人们对未来房价的预期也会影响商品住宅价格。
当人们对房价的上涨有较强预期时,会增加购房需求,进一步推高住宅价格。
相反,当人们对房价的下跌有较强预期时,会减少购房需求,导致住宅价格下降。
综上所述,商品住宅价格受到供需关系、利率水平、宏观经济环境、地理位置、政策因素以及人们对未来房价的预期等多种因素的影响。
在实证研究中,研究人员可以通过数据分析、计量经济学模型等方法来定量地研究各个影响因素对商品住宅价格的作用,以及它们之间的关系。
商品住宅价格是一个涉及到经济、金融、政策、社会等多个领域的复杂问题,对于广大购房者、房地产开发商、政府以及整个经济系统都有重要的影响。
因此,了解商品住宅价格的影响因素及其实证研究具有重要的理论和实践意义。
供需关系是商品住宅价格的主要影响因素之一。
房地产价格影响因素实证研究摘要:作为国民经济体系中的基础产业,房地产市场健康有序的发展是构建和谐社会的重要保障。
近年来房地产价格的变化趋势引起了学者们的广泛关注。
鉴于此,笔者利用31个省、自治区、直辖市2004年—2010年的面板数据,对影响城市房地产价格因素进行了实证分析,以期研究影响房地产价格的主要因素,并结合分析结果提出了若干建议。
关键词:房地产价格影响因素回归模型房地产作为国民经济体系中的基础产业,是推动国民经济发展,带动其他产业发展的重要力量,房地产价格波动对居民生活安定及国民经济稳定发展有着不可忽视的影响。
自2003 年以来,中国房地产价格持续上涨,之后政府针对房价过快上涨进行了一系列紧缩性政策的调控,但房价依然保持上升态势,房价的增长速度已经远高于居民收入与消费水平的增长速度。
2008 年在美国金融危机的打击下,房地产市场出现波动。
但随后2009年我国房价又出现过热的现象,住房难已成为困扰人们的一大民生问题。
政府采取了大力度的房价调控政策,从2011年下旬开始,大中城市住房的降价空间逐渐增大,房价呈现出缓慢下降趋势。
一、文献综述近年来,随着我国房价问题的日益突出,国内研究者们纷纷对影响房地产价格的主要因素展开了大讨论。
王金明、高铁梅(2004) 利用变参数模型对我国房地产市场的需求与供给函数进行了动态分析,认为收入是影响需求的主要因素, 房价是影响供给的主要因素, 因此将房地产价格控制在合理的范围是保证房地产发展的根本前提。
周京奎(2006 )通过对房地产价格、汇率和利率的实证分析研究,得出汇率与房地产价格格正相关,利率与房地产价格负相关的结论。
宋勃和高波(2007 )认为国外资金长期的涌入是我国住房价格上涨的一个重要因素。
张蓓(2008)建立panel data 模型,实证研究结果明确了居民可支配收入增加、人口增加等因素导致的住宅需求扩张是房价上涨的首要因素。
周建军(2009)以我国 2000年至2007 年每个季度的数据为研究基础,对影响我国住房价格的因素进行了实证研究,结果表明居民可支配收入、土地价格与房价正相关,利率与房价负相关。
南京市房价影响因素的实证研究南京市作为中国东部发达城市之一,房地产市场一直备受关注。
近年来,由于房价一直居高不下,吸引了大量关注。
南京市房价的影响因素也成为了研究的热点之一。
本文将从宏观经济因素、政策因素、土地供应因素和需求因素等方面进行实证研究,以期找出南京市房价的影响因素及其相互关系。
宏观经济因素是影响南京市房价的重要因素之一。
南京市的宏观经济状况直接影响到房地产市场的供求关系,从而影响房价水平。
在宏观经济因素中,南京市的GDP增长、居民收入水平、就业情况等都会对房价产生一定的影响。
通过实证研究,我们可以分析南京市房价与GDP增长率、居民收入水平和就业率之间的相关性,找出它们之间的正负相关程度和影响大小。
政策因素也是南京市房价波动的重要原因。
近年来,政府对于房地产市场的调控政策不断出台,如限购、限贷、限售等措施,这些政策的实施直接影响着南京市房价的波动。
我们可以通过实证研究,分析政策因素在南京市房价中的作用机制和影响程度,以期找出政策对南京市房价的影响规律。
土地供应因素也是南京市房价波动的重要原因之一。
土地供应的增减直接关系到房地产市场的供求关系,从而对房价水平产生一定影响。
我们可以通过实证研究,分析南京市土地供应量与房价之间的关系,找出土地供应对南京市房价的影响机制,从而有效预测房价的波动。
南京市房价的影响因素是多方面的,需要综合考虑宏观经济因素、政策因素、土地供应因素和需求因素等多个方面进行实证研究。
通过分析这些因素在南京市房价中的作用机制和影响程度,我们可以更好地预测南京市房价的波动,为市场参与者提供参考依据。
希望本研究可以为南京市房地产市场的稳定和健康发展提供一定的参考价值。
影响房地产价格的因素分析摘要:房地产业是国民经济的支柱产业,与许多行业具有极强的关联性。
合理的房地产价格是保持社会和谐和保障民生的关键。
近年来,我国房地产市场持续高速发展,房地产业的繁荣推进了经济的快速发展。
但是,由于我国房地产市场发展相对不成熟,存在价格持续高涨、市场供求结构不平衡、一二线城市房价涨幅过大等问题影响着我国房地产业的健康发展。
究其原因,高房价的产生主要由经济、政治和社会三大因素决定。
因此,本文从宏观和微观层面分别对房地产价格的影响因素进行了深入而全面的分析,进而提出了相关政策建议。
关键词:房地产价格;微观因素;宏观因素影响房地产价格的因素,有住房和土地使用制度、经济发展状况、城市化进程、财政金融政策,税收政策等宏观因素,也有环境状况、交通设施、建筑物类型与质量、小区环境、住宅的品质、楼层、朝向等微观因素。
因此,本文将分为宏观和微观因素两方面来阐述房地产价格影响因素,微观层面主要是基于房地产行业或者房地产产品属性角度的探讨,宏观层面则主要体现在宏观经济指标对房价波动的影响。
一、影响房地产价格的宏观因素分析1。
1 经济因素经济的高速发展是支撑房价上涨的动力。
影响房价的经济因素很多。
本文主要研究国内生产总值、物价水平、利率对房地产价格的影响。
1.1.1 国内生产总值与房地产价格呈正向关系国内生产总值,即GDP,是指在一定时期内,一个国家和地区的经济中所能生产出的全部最终产品和劳务的价值总和。
国内生产总值主要从以下途径影响房地产价格:一是国内生产总值的增长带动了经济水平的提高和人民生活水平的改善。
当经济水平得到提高,人民生活水平得到改善后,人们会加大对生活必需品的消费,在解决好温饱问题后,人们开始注重对住房的改善。
另外,城市人口和就业人口随着经济水平的提高而上升,从而住宅需求增加。
因此,房地产价格上升.二是国内生产总值的提高反映了一国或者地区宏观经济条件较好,增强了房地产开发商的信心,从而房地产投资增加,拉动经济增长.为了分析房价与GDP之间的关系,我们研究了房地产价格(源于年度数据)增长率与GDP(源于年度数据)增长率之间的关系.如图1所示:展示了房价增长率与GDP 增长率之间的关系.房地产价格增长率与GDP增长率的走势基本相同,说明二者之间确存在正向相关关系。
房地产股票价格走势影响因素的实证分析房地产股票价格走势影响因素的实证分析引言:股票市场是一个充满波动与不确定性的环境,受到众多因素的影响,其中包括经济指标、政府政策和行业内部因素等。
作为经济的重要组成部分,房地产行业对整体经济的发展起着举足轻重的作用。
因此,研究房地产股票价格走势的影响因素对于投资者和决策者都具有重要意义。
本文旨在通过实证分析,深入探讨房地产股票价格走势中的主要影响因素。
一、宏观经济因素的影响1.1 经济增长率经济增长率是衡量经济发展水平的重要指标。
研究发现,经济增长率的持续上升对于房地产股票价格有积极影响。
当经济增长加速时,社会整体购买力提升,人们对购房需求增加,进而推动房地产市场的发展,提高股票价格。
1.2 通货膨胀率通货膨胀率是货币购买力下降的表现。
研究发现,适度的通货膨胀对于房地产股票价格走势有利。
当通货膨胀率适度增加时,房地产投资被认为是一种避险投资,投资者转向房地产股票,推动股票价格上涨。
1.3 利率水平利率是货币政策的重要工具,对房地产股票价格有直接的影响。
研究发现,利率的下降对于房地产股票价格有积极影响。
当利率水平下降时,借贷成本降低,鼓励个人和企业进行房地产投资,从而推动股票价格上涨。
二、政府政策的影响2.1 房地产调控政策房地产调控政策是为了控制房地产市场供需关系,保持市场平稳发展而制定的政策。
研究发现,房地产调控政策对于房地产股票价格起到决定性作用。
当政府出台严厉的调控政策时,房地产股票价格通常会下降,反之亦然。
2.2 城市化进程城市化进程推动了房地产市场的发展,对房地产股票价格也有积极影响。
随着城市化进程的推进,人口流动增加,对住房需求的扩大拉动房地产市场,进而推动股票价格上涨。
三、内部因素的影响3.1 公司盈利能力公司盈利能力是投资者衡量企业价值的核心指标,对房地产股票价格具有重要影响。
研究发现,公司盈利能力增加会引起投资者对公司前景的乐观情绪,推动股票价格上涨。
贵阳市房地产市场需求影响因素实证分析【摘要】影响房地产市场需求的因素很多,本文引入灰色关联度、Spearman 和Kendall三种分析法,对贵阳市房地产市场需求影响因素进行实证分析,最后运用主成分分析法将三种分析结果进行综合,得出最终的综合排序,从而为政府和开发商提供相应的参考。
【标签】市场需求;灰色关联度;主成分分析1 引言近年来,贵阳市积极实施工业化和城镇化战略,区域经济得到快速发展,居民收入得到稳步提高,社会发展更加和谐。
特别是在西部大开发的持续推动下以及国发2号文件的发布将进一步促进贵阳市社会、经济发展。
同时贵阳市房地产市场也伴随着整个市场的发展快速前进,房地产投资额和商品房销售面积都取得了前所未有的进步,然而在房地产快速发展的同时,市场存在着商品房施工面积大幅增长、商品房空置面积大幅上升等问题,一方面市场无效供给不断增加[1],另一方面居民有效需求却得不到有效释放。
这些问题将直接影响到贵阳市是房地产市场是否稳定发展,在房地产市场中供给和需求是市场的两大基本要素,而需求在房地产市场发展中又起到决定性作用,为此分析房地产市场需求影响因素对市场发展积极重要。
2 影响房地产市场需求因素概述国内外学者对房地产市场需求影响因素的研究较为活跃,Karle.case[2](1996)等认为高空置率、低房租及高资本化率使房地产消费需求骤跌,人口增长、就业稳定增长,个人收入持续增长时,房地产市场需求增加;张丰伟,马国强[3](2008)认为需求必然受到当前国家宏观调控及货币紧缩政策的影响,同时受到本地实体经济发展、居民收入及其消费偏好、等诸多因素的制约;谢琛,袁建华[4](2010)通过研究影响房地产市场需求的主要因素,特别引入不同年龄段人口数这一因素,指出了年龄结构在需求影响因素中的重要作用。
从上分析可以看出,国内外学者分别从不同的角度、领域以及方法对不同的需求因素进行了分析。
本文在对前人的归纳基础上结合贵阳市的实际情况挑选出适合贵阳市房地产市场实际情况的需求影响因素。
我国房地产价格影响因素的实证分析作者:高艳云王影丽来源:《财讯》2019年第13期一、研究背景改革开放以来,中国全方位的走向世界,国内房地产市场也迈向市场国际化进程,处在更为广阔的政治、经济环境之中。
随着房地产行业的激烈竞争,我国房地产行业出现了严重的成长问题。
这些问题的存在不仅降低居民生活的幸福感,也给国民经济发展带来了重大的安全隐患。
因此研究房地产价格的影响因素,以此来促进房地产行业的健康稳定发展成为迫切的需求。
二、数据来源由于新的住房政策是从1998年开始实施的,因此本文数据选取时间为1998年-2015年共18年的历史数据。
三、实证分析(1)指标设定影响房地产价格的因素非种类很多。
有来自房地产企业本身的因素,来自消费者的因素也有来自国家的宏观因素。
本文选择住宅商品房平均销售价格(元/平方米)(Y)为被解释变量,年末总人口(万人)(X1)、商品住宅房屋竣工面积(万平方米)(X2)、居民消费价格指数(上年=100)(X3)、房地产住宅投资(亿元)(X4),全国住宅地价指数(X5)、城镇居民人均可支配收入(元)(X6)作为自变量建立分析模型。
(2)建模及模型检验1.平稳性检验为了防止回归模型的伪回归现象,有必要对数据的平稳性进行检验。
接下来以住宅商品房平均销售价格为例,检验时间序列数据的平稳性。
平方根检验结果如表1所示。
所得ADF检验统计量对应p值为0.0018,在99%的显著性水平下拒绝原假设,认为一阶差分后的时间序列是平稳的。
运用此种方法,分别对X1,X2,X3,X4,X5,X6这六个时间序列原始数据进行平稳性检验,发现原始数据都不平稳,用一阶差分的方法对这六个变量做处理后均为平稳序列,结果表明,一阶差分后序列平稳。
2.多元回归模型的构建根据一阶差分后的平稳时间序列用最小二乘法建立多元线性回归模型。
方程的拟合优度为0.71,F检验统计量所对应的p值为0.02,在显著性水平为95%的情况下认为方程是显著的。
房地产价格波动对金融稳定的影响及实证分析近年来,国内房地产市场经历了持续的波动。
房价的大幅上涨带来了投机性需求,而政府调控政策的出台则导致房价的波动。
这些波动对金融稳定有着重要的影响。
本文将从房地产波动对金融稳定的影响出发,分析其具体表现并进行实证研究。
1. 对银行稳定性的影响房地产价格波动会影响银行的贷款业务,进而对银行财务稳定性产生影响。
当房价上涨时,银行的贷款风险会相应提高。
此时银行为了保证贷款的安全性,往往会采取降低放贷规模或提高贷款利率的方式,这对银行业务的正常开展会产生一定影响。
相反,当房价下跌时,房地产贷款的违约风险会增加,银行的不良贷款率也会相应上升。
2. 对股票市场的影响房地产价格波动也会影响到股票市场的稳定性。
一方面,房地产市场的高涨会吸引资金涌入,导致股票市场上的个别股票上涨,但由于这些个别股票的涨幅过大,投机性需求又明显,一旦房地产市场出现波动,这些股票价格也会迅速下跌。
另一方面,房地产市场低迷,会使投资者信心下降,影响到股票市场整体的稳定性。
此时,投资者的恐慌情绪会使得股价短时间内大幅下跌。
房地产价格波动还会对经济稳定性产生影响。
房地产市场是国民经济中的重要组成部分,房价的变动往往会引起消费支出的变化。
当房价上涨,不少居民会借款置业,导致消费支出减少,进而造成整体经济水平下降;反之,当房价下跌,购房人群却需要减少支出,相应地促进消费支出的增加,从而推动经济增长。
二、实证分析上海市的房地产市场是全国最为活跃的,而且这座城市的房地产市场变化对金融稳定的影响很显著。
本文将结合上海市的实例进行实证研究。
首先,从银行角度来看,上海市的房地产波动对银行贷款规模和不良贷款率的影响非常显著。
据数据显示,2008年和2009年,上海市房价井喷,使得银行业的不良贷款率直线上升;而2014年上海市房价下跌幅度较为明显,2015年银行业的不良贷款率较去年同期上涨18个百分点。
其次,从股票市场来看,上海市房地产市场的波动对股票市场存在一定的冲击。
昆明市房地产价格影响因素及实证分析——以住宅市场为例的开题报告一、选题背景近年来,随着我国经济的快速发展与城镇化进程的不断推进,房地产市场成为社会各界关注的焦点。
在全国范围内,房地产市场价格出现了普遍上涨的趋势,各地政府也在积极采取措施稳定房地产市场。
而昆明市作为云南省省会和西南地区重要的经济中心城市,房地产市场价格也受到广泛关注。
因此,通过研究昆明市房地产市场价格影响因素,不仅可以揭示当地房地产市场的运行规律,为政府部门制定相关政策提供参考,同时也可以为房地产企业提供决策依据,更好地适应市场变化。
二、研究意义昆明市房地产市场的价格涨跌关系到不仅是房地产企业的运营、政府部门的调控、市民的居住等问题,还关系到昆明市经济的发展和维护社会稳定等方面。
因此,本研究的课题选取昆明市房地产市场价格影响因素,旨在探究昆明市房地产市场的运作机制,为昆明市政府制定相关政策以及房地产企业的决策提供参考。
三、研究内容本研究拟选取昆明市住宅市场为样本,通过采集房地产市场价格数据和相关经济指标数据,采用多元线性回归等统计分析方法,对昆明市房地产价格影响因素进行实证分析,探索影响因素的大小及对价格的影响程度。
具体内容包括以下三个方面:1.对昆明市房地产市场价格涨跌趋势进行梳理,分析其影响原因和经济环境;2.通过采集相关数据,建立昆明市住宅市场价格的多元线性回归模型,探究价格受到哪些因素的影响,并定量分析影响程度;3.根据分析结果,提出合理化建议,为政策制定和企业决策提供依据。
四、研究方法与步骤本研究采用多元线性回归法对昆明市房地产市场价格影响因素进行实证分析,具体步骤如下:1.选取昆明市住宅市场为研究对象,收集相关的价格数据和经济指标数据;2.选取多元线性回归模型对价格和经济指标进行回归分析,得到模型的回归系数、拟合优度等数据,根据模型的显著性程度和整体拟合效果进行判定;3.分析回归系数,确定各个经济指标对价格的影响程度和方向,并进行多元配对比较和单因素分析,分析各个影响因素相对重要程度;4.提出合理化建议,为政府制定相关政策和房地产企业的决策提供依据。
我国房地产价格波动率的影响因素及实证分析(一) 概述房地产市场是我国经济发展中十分重要的一环,房价波动对我们的生产生活都有着深刻的影响。
本文旨在探究我国房地产价格波动率的影响因素及其实证分析。
波动率的定义波动率是反映市场价格波动的风险指标之一,它的计算一般是以某一个时间段内价格变动的标准差平均值为度量。
具体表现为价格波动程度的大小,价格波动越大,波动率就越高。
在房地产市场中,波动率是指房价价格的总体变动程度,反映了市场变动的频率和幅度。
影响因素分析宏观经济环境1.GDP增长率宏观经济环境对房地产市场有着重要的影响,特别是GDP增长率。
在经济增长的环境下,人们的收入增加,购买力增强,房价显然也会上涨。
2.通货膨胀率通货膨胀率是指物价总水平上升的速度,由于物价上涨会导致人们的购买力下降,因此通货膨胀率对于房价也有着很大的影响。
3.利率变动利率对房价波动也有很大的影响,因为房屋的购买和销售往往需要借贷,而房贷利率的变化会直接影响人们的购买力和偿还能力,从而进一步影响房价。
政策环境政策环境对于房地产市场也有着很大的影响,下面我们将从两个方面进行分析。
1.土地政策土地政策的变化可以直接影响房价。
当政府加强对土地的流转管控,土地供应减少,房价自然会上涨;反之,当政府开放土地供应,房价会上涨,但是房价过快上涨会引起经济的泡沫,因此土地流转需要平衡。
2.购房政策购房政策的变化同样会直接影响房价。
当政府出台支持购房人的政策时,房价会增加;相反,当政府出台限购政策时,房价则会下降。
竞争环境其他房地产企业的竞争环境也会对房价产生影响,竞争环境的激烈程度直接影响着开发商的盈利水平,从而影响房价。
实证分析为了验证上述影响因素是否真正对房价波动率产生了影响,本文使用了中原地产数据,并采用了多元回归模型进行实证分析。
具体结果如下:房价波动率 = 0.104 + 0.512 * GDP增长率+ 0.054 * 通货膨胀率+ 0.865 * 利率变动+ 0.066 * 土地政策变化- 0.038 * 购房政策变化+ 0.063 * 竞争环境激烈程度从上述模型结果可以看出,GDP增长率、通货膨胀率、利率变动、土地政策变化、竞争环境激烈程度对于房价波动率均有显著影响,而购房政策变化对于房价波动率的影响不显著。
房地产价格需求影响因素的实证分析摘要:本文在一个简单需求模型的基础上,利用1991~2005 年全国数据分析了中国房地产价格受需求影响的问题。
实证结果表明: 在房地产价格不断增长的今天,从需求方面来看,除了人们对房屋的居住需求以外,还有投机的需求包含在内。
而在影响房屋需求的诸多因素当中,人均可支配收入,人口数量以及人民币的汇率的变动对房地产价格的影响比较显著。
在需求方面,居住的需求是人们正常的需求,可以促进房产业的健康发展;但是过度的投机需求就会使房产泡沫越吹越大,给整个会带来不利影响。
关键词:人均可支配收入人口密度汇率需求投机房地产价格一、导言房地产业在中国的发展正在经历一条从不太成熟到逐渐成熟的曲折的周期性成长之路。
改革开放以来,房地产业进入复苏阶段,1992 -1993 年全国范围出现房地产热,随着紧缩性宏观政策的实施,房地产业进入收缩阶段。
经过随后几年的消化吸收,并以1996 年将住宅建设作为经济增长点、1998 年取消福利分房等政策为标志,中国房地产业进入相对稳定的发展时期。
近几年,房地产市场的发展主要体现在住宅市场的快速发展上。
而自1999 年实施住房货币化改革以来,房地产市场变得越来越繁荣,事实上房地产市场的发展已成为几年经济低潮之后新一轮经济增长的发动机。
但随着房地产市场的繁荣,房地产市场却似乎在脱离我们的控制。
房地产市场的繁荣一方面带来经济增长,但另一方面高昂的房价又阻碍了许多百姓实现居者有其屋的愿望。
对房地产市场的学术研究也越来越多地见诸于各类学术杂志,这些研究多集中在房地产市场的泡沫、投机、政府和开发商行为等方面。
在华晓慧(2005)房地产泡沫实证分析当中提到了人们的投机因素对房产泡沫有推动作用,但只是从人们的收入以及银行的房贷诱使了投机需求的不断扩大。
而张万福在对人民币升值对房地产价格影响的文章中提到了,人民币的升值刺激人们将房屋作为投资的替代品。
他说因为升值带来了收入效应和财富效应,使人们的可支配收入增加了,对房屋的需求也相对提高了。
在一方面,升值还将吸引海外的“热钱”不断涌入国内的房地产业。
但是综合来看,多数的文献都只是从投机或者说影响因素的某一个方面来分析房地产价格的变动情况。
本文在以前的基础上,综合了需求方面的各种因素,包括收入,物价指数,人口密度和汇率方面,建立一个初步的需求模型,从需求方面分析价格的影响因素。
二、实证分析1、模型的初步假定虽然在经济学中价格的影响是供给与需求的平衡结果,但是在现实的社会中平衡的状态并不存在。
所以我们就从需求单方面分析,需求的增加对价格的推动。
而房地产是又是一种特殊的商品。
从居民需求角度看,衣食住行是居民的最基本需求,房屋是生活必需品。
尽管房价高,老百姓仍要买房购房。
这种居住需求,是房地产业健康发展的基础。
房地产的特殊性还在于房地产投机需求。
由于城市化的进程,城市土地增值使得地产价格上升,房地产便成为极好的投资品,除满足居住需求以外,还可以使资产保值增值。
我们把这种保值增值和投资而购买房地产的需求统称为投机需求。
由此可见,与其它市场相比,房地产市场存在着明显的特殊性——双需求,即房地产市场同时具有居住需求和投机需求。
居住的需求体现在人们可支配收入的多少、物价指数的大小以及家庭人口的多少。
所以在变量的设定上,我们选取了零售商品价格、CPI 、人均可支配收入、人口数量和汇率这五个因素。
想从两个需求同时入手,分析人们需求影响房地产价格的程度。
1122334455t t t t t t t Y C X X X X X βββββμ=++++++变量的假设:X1——人均可支配收入X2——人口数量 X3——汇率X4——零售商品价格 X5——CPIY ——房地产价格(每平方米的单价平均值)2、数据的选取在数据的选取上,基本都是查阅的中国统计局网站。
在零售商品价格以及CPI 的数据可能已经考虑了通货膨胀的因素。
而在房地产的价格数据的寻找中,因为每平方米的单价会因为地区的差异而呈现很大的变化。
所以我们索性将全国的房地产价格的每平方米单价做一个简单的算术平均。
数据如下:3、计量分析首先来看序列的平稳性,因为所采用的数据都是时间序列的数据,所以它们是否平稳是估计模型的先决条件。
X1ADF Test Statistic 0.549708 1% -4.06815% -3.122210% -2.7042X2ADF Test Statistic -2.779854 1% -4.06815% -3.122210% -2.7042X3ADF Test Statistic -3.209420 1% -4.06815% -3.122210% -2.7042X4ADF Test Statistic -2.223166 1% -4.06815% -3.122210% -2.7042X5ADF Test Statistic -2.223550 1% -4.06815% -3.122210% -2.7042将最初的数据用Eviews软件做简单的回归,得到:Dependent Variable: YMethod: Least SquaresDate: 06/24/07 Time: 17:02Sample: 1991 2005Included observations: 15Variable Coefficient Std. Error t-Statistic Prob.C 4081.142 5781.610 0.705883 0.4981X1 0.285297 0.073333 3.890425 0.0037X2 -0.021273 0.047036 -0.452275 0.6618X3 -0.575833 0.715535 -0.804758 0.4417X4 -266.9132 105.2772 -2.535337 0.0320X5 256.5951 102.5735 2.501572 0.0338R-squared 0.978641 Mean dependent var 1917.540Adjusted R-squared 0.966776 S.D. dependent var 629.7125S.E. of regression 114.7814 Akaike info criterion 12.61311Sum squared resid 118572.9 Schwarz criterion 12.89633Log likelihood -88.59833 F-statistic 82.47517Durbin-Watson stat 1.855197 Prob(F-statistic) 0.000000正比。
但从变量来看,X1、X4、X5可能存在着共线性。
作共线性的检验:X4 X1 X5 X2 X3 1.000000 -0.499882 0.997441 -0.576337 -0.144329 X4 -0.499882 1.000000 -0.496086 0.977273 0.648775 X1 0.997441 -0.496086 1.000000 -0.564538 -0.098604 X5 -0.576337 0.977273 -0.564538 1.000000 0.706070 X2 -0.1443290.648775-0.0986040.7060701.000000X3从表中可以看出,X1和X2存在严重的正相关性,对这个的解释是人口密集的地方也是经济发展迅速的地方,可能就因为如此而集聚了大量的人口。
这个对模型的影响,起码在经济上的影响是不大的。
但是X4和X5的共线性会对模型的估计产生较大的影响。
在用逐步剔除变量法修正模型后,再用最小二乘法估计:Dependent Variable: Y Method: Least Squares Date: 06/24/07 Time: 17:37 Sample: 1991 2005 Included observations: 15Variable Coefficient Std. Error t-Statistic Prob. C -680.5638 4425.953 -0.153767 0.8806 X1 0.203243 0.067713 3.001539 0.0120 X2 0.008370 0.039834 0.210126 0.8374 X30.5326350.4665131.1417380.2778R-squared0.963002 Mean dependent var 1917.540 Adjusted R-squared 0.952911 S.D. dependent var 629.7125 S.E. of regression 136.6475 Akaike info criterion 12.89586 Sum squared resid 205397.8 Schwarz criterion 13.08468 Log likelihood -92.71898 F-statistic 95.43668 Durbin-Watson stat1.099332 Prob(F-statistic)0.000000123ˆ680.56380.20320.00840.5326t t t tY X X X =+++ Se= (4425.953) (0.0677) (0.0398) (0.4665) T= (-0.1538) (3.0015) (0.2101) (1.1417) R^2=0.963 F=95.4367这个结果从变量的系数来看基本符合经济意义,但是t 检验不是很好。
所以可能还存在其它的问题,诸如异方差,自相关等。
异方差检验在异方差的检验中,无论用那种检验方法得到的结论都是不存在异方差。
因为模型数据为时间序列数据,所以选用ARCH 检验来判断时间序列是否存在异方差ARCH 检验 提出假设0010H αα==: 101H αα:,中至少有一个不为零做辅助回归2011ˆˆˆt e αα-=+2t e在α=0.05水平下,查表得,()20.051X=3.8414且()2n p R-=0.1674得()()220.051 n p R X-<所以,不拒绝原假设,表明模型中不存在异方差。
在进行自相关的检验自相关检验一.图示检验法1.绘制et和et-1的散点图如图所示,图像虽然比较散乱,但还是有一个大致的规律性,粗略的判断随机误差项ut存在自相关。
2.按照时间序列绘制回归残差项。
从上图可以看出,et 随着t 的变化逐次有规律的变化,呈大致的锯齿形的变化,粗略判断存在自相关。