【《房地产价格影响因素实证研究5700字》（论文）】.docx

《【《房地产价格影响因素实证研究5700字》（论文）】.docx》由会员分享，可在线阅读，更多相关《【《房地产价格影响因素实证研究5700字》（论文）】.docx（10页珍藏版）》请在第一文库网上搜索。

1、房地产价格影响因素实证分析目录引言2房地产价格主要影响因素的确定及数据收集32. 1主要影响因素的确定33房地产主要影响因素的回归分析43. 2研究方法错误!未定义书签。4求解结果的检验与调整54. 1经济意乂检验55. 254.3f量经7*检验64.4自相关性检验74.5异方差性检验（White检验法）85 ,分86 096.1 完善保隙性住房供应，发展房屋租赁市场96.2推动城市经济发展，提高居民收入水平96.3实行从紧的信贷政策错误!未定义书签。jK*11引言房地产是我国国民经济的重要支柱，房地产业的发展关系我国经济的健康稳定发展，为了保障房地产业的稳定发展，就需要防止房价持续高涨的情况

2、出现。但房地产具备不可移动、价值量大等特点，很容易受到政策等多种因素的影响，为了制定更为合理的房地产价格，需要对影响房地产价格的因素进行分析，并针对影响较大的因素采取相应的预防措施。房价的形成及变化是多种因素共同作用的结果，不同的因素对房价的影响程度和作用机理有很大的不同，各种效应交织在一起导致了房价的波动起伏。本文以住宅房地产价格作为研究对象，利用计量经济学的方法系统地定性分析了引起房价变动的因素。1文献综述20世纪90年代，外国学者专注于研究土地供应约束、土地价格和住房价格之间的关系。1990年，Po11akowski和waachteWashington利用蒙哥马利县(Montgomery

3、County)数据进行的一项实证研究发现，土地供应限制对土地价格和住房价格具有溢出效应。由于更严格的土地使用限制，房价和地价正在上涨。1994年，Penn和Wheaton对1965年至1990年间土地供应限制的溢出效应进行了计量分析。实证结果表明，土地供应变化对土地价格、住房价格和住房供应有显著影响。他们认为，土地供应不足并不是导致消费者购买的原因，而是未来房价会上涨，减少住房供应，最终提高土地价格和房价。2009年，1evin,Montango1和Wright)通过对英国的英格兰与威尔士等地区进行分析与对比，发现居民年龄结构的变化会极大地影响到居民在购买住房方面的需求结构，进而对房地产销售价

4、格产生较大影响。2012年，E1od通过对欧洲不同国家的房地产价格进行研究和比较，结论表面人口数量的增加导致住房需求的提升，从而对房价的提升也有显著的影响。2001年，现任政府指出中国房地产行业的土地供应存在许多问题，土地供应形式与土地所有权形式不一致，刺激了政府占用高排他性收入农田以克服未来资源的冲动。2004年，他认为这块土地的价值变得越来越突出。他还支持中国城市建设的快速发展以及城市基础设施、服务和周边环境的发展。需要提高地价。土地价格的上涨反映了市场的需求和供应。此外，地价上涨促使城市建设资金增加，城市发展与地价形成良性互动。面对2004年全国房地产价格的持续上涨，研究部政策研究中心认

5、为，中国的“招标、拍卖、挂牌”制度存在明显缺陷，短期内更容易推动地价上涨。房价上涨的主要原因是地价上涨。与上述观点不同，刘林和刘翔从需求角度来看，需求认为房价上涨导致地价上涨，而地价上涨是导致房价上涨的一个因素。2012年，他使用了1999年至2009年中国房价的本地面板数据，并结合广义空间面板模型分析了中国东部、西部和中部地区房价的异同。2013年，陈胤辰、蒋国洲通过构建空间计量与特征价格模型研究了海南省城镇化程度的不断提升对房地产建设投资的推动及其对房地产销售变动的影响。同年，姚丽等深入研究了河南省新建住宅房价在构建空间计量模型的条件下是否具有空间相关性与集聚性。通过对现有文献进行研读与思

6、考，我们发现当前学界对房地产价格的影响因素的探究依然有待完善。2房地产价格主要影响因素的确定及数据收集1.1 主要影响因素的确定一般来说，影响房地产价格的因素很多，包括宏观经济因素、政策因素和文化因素。然而，在分析过程中，从政策因素和文化因素的复杂性出发，我们从人均可支配收入、居民消费价格指数、居民消费价格指数、狭义资金供给和人均实际GDP等经济学角度分析了影响房地产价格的量化因素。2. 2数据收集为了提升数据分析的准确性，本文选择了1997-2018年的城镇居民人均可支配收入、居民消费价格指数、狭义货币供应量、人均实际GDP这四个变量的数据，四个变量为自变量，用于分析自变量的影响。其中，商品

7、房销售价格（元/平方米）、人均可支配收入、居民消费价格指数、狭义资金供应量（10亿元）和实际人均国内生产总值（元）Y、Xi、X2、X3、X4表示。表11997-2018年房屋销售价格、居民消费价格指数等数据年份19971998199920002001200220032004200520062007Y19972063205321122170225023592778316833673864X15160.35425585462806859.67702.88472.29421.61049311759.51378S.8X2441.9438.4432.2434437433.5438.7455.846447

8、1493.6X3482389545835314598770888411959fi107271260152539.33.77.37.21.61.88.69.78.82860X1316.1406.1500.1614.1735.1880.20562249.2489.72789.3168.46422320537349537222年份20082009201020112012201320142015201620172018Y38004681503253575791623763236473720376148544X15781717419109218092456426952884311933613639392

9、510.8.7.4.R.7545661X2522.7519536565579.7594.8594.8601.6610.8618.4701.5X166222144266622898430866337235213805410243954591317.15.81.57.74.2916996610220X3455.3755.4127.4487.4810.5155.5306.5562.5819.6052.6317.472417595170991487463023房地产主要影响因素的回归分析2.1 研究思路通过使用EVIEWS软件创建变量（y）和解释变量（XI、X2、X3、X4）的散射图，影响因素XI、X

10、2、X3和X4随着房屋销售价格y的上升而增加，并且关系几乎是线性的。3. 2研究方法参考商品房销售价格的各种影响因素和散点图，分析了四个变量XI、X2、X3和X4对商品房销售价格的影响，建立了多元线性回归公式，所建立的模型及其随机干扰项满足经典假设的要求。O1S方法估计参数，通过EVIEWS软件估计模型参数，得到下表所示的回归结果。表2一次多元线性回归结果Variah1eCoefficientStd.Errort-StatisticProb.C42.97580236.98430.1813450.8582Xi-0.0099780.05303100.8530X22.2913180.7645152.

11、9970870.0081X30.0077050.0027822.76972fi0.0131X40.4722950.2417121.9539600.0674R-squared0.995048Meandependentvar3007.773AdjustedR-squared0.993883S.D.dependentvar1550.575S.E.ofregresssion121.2735Akaikeinfocriterion12.63069SumSquaredresid250023.3Schwarzcriterion12.878651ob1ike1ihood-133.9376F-statistic8

12、53.9994Durbin-WatsonStat1.804115Prob(F-Statistic)0.000000由表2中的数据，模型估计的结果写为Y=42.9758-0.0100X+2.2913X2+0.0077X3+0.4723X4R2=0.9950,港=0.9939,F=853.999,n=224求解结果的检验与调整4.1经济意义检验以往的结果显示，当城镇居民人均可支配收入(X。、居民消费价格指数(X2)、狭义货币供应量(X3)、人均实际平均GDP(X4)这四个变量增加时，房屋销售价格(Y)都会出现相应的增长。因变量与每个自变量都存在正相关关系。但在本文的回归模型分析中，城镇居民人均可支

13、配收入(X。前的系数符号为负，说明该变量与房屋销售价格呈现负相关关系，这与以往的研究结果存在不一致的情况，从而认为该模型需要调整。4. 2统计检验上述回归结果显示，不管是可决系数R2,还是修正的可决系数R2,都与1非常接近，进一步反映了模型有较高的拟合优度。X2、X3的t统计量值都通过了=0.05的假设，进一步说明这两个值可以显著影响房屋销售价格。X4的P值为0.0674,大于0.05,虽然不够显著，但对结果的影响不大。Xi的P值为0.8582,没有通过=0.05的假设，表示城镇居民人均可支配收入不会促进商品房销售价格提升。这种模型结果与以往的经济研究结果存在一定的差异，需要进一步修正。4. 3计置经济学检验XkX2、X3、X4的相关系数如表3所示。从表3可知，各相关变量的相关性较强,从而表明多重共线性问题较为严重,采取逐步回归法的方法对所有变量进行回归分析发现，Xi的P值均非常接近1,从而显著大于0.05,表示该变量对商品房价格的影响不显著。因此，需要将其剔除后重新进行回归分析，剔除后就得到了如下表4的结果。表3相关系数矩阵变量YXiX2X3X4Y0.9945780.99457