[设为首页] [加入收藏]
right1 您当前的位置:网站首页 学生天地 right3

我国商品房价格的主要影响因素分析(学生课题作品)
[推荐朋友] [打印本稿]   文章来源:    添加时间:2015-12-25    本文作者:    

我国商品房价格的主要影响因素分析

 

院 (系):               

 

专业年级:   金融学专业2013 

 

姓    名:  乔芸菲 白烨殊 文枭

  罗春燕      徐丽霞

 

指导老师:         刘伟       

 

完成时间:  2015年11月18日   


我国商品房价格的主要影响因素分析

【摘要】改革开放以来随着物质财富的极大增加,我国人民的生活水平虽然得到了很大的提高,但是“住房难”的问题却成为了许多老百姓难以跨越的“大山”。房地产业是我国国民经济的支柱产业,对经济的发展有着举足轻重的作用,已经成为国民经济新的增长点和消费热点。近年来,房价一路飚升,上涨幅度大大超出经济总体增长水平及其它行业产品与服务的上升幅度。房价增长过快的趋势,不仅影响到城市居民的生活质量,也是影响整个国民经济持续平稳发展的一个不稳定因素,房价问题已经成为一个引起广泛关注的重要经济问题和社会发展问题。影响房地产价格的因素错综复杂,本文选取竣工房屋造价、城镇居民家庭人均可支配收入、城市人口密度、国内生产总值、房地产开发企业土地购置费用作为解释变量建立时间序列计量经济模型,运用最小二乘回归法对这些因素进行实证分析。从研究结果得知,竣工房屋造价、城市人口密度影响显著,与商品房价格之间存在相互影响关系,为进一步调控商品房价格、使人民有所居,促进和谐社会的建立提供了参考依据。

 

关键词】商品房平均价格 竣工房屋造价 城市人口密度 政策建议


小组成员及分工

 

姓名

学号

职务

分工

乔芸菲

130510119

组长

摘要、关键词、问题提出、统计推断经验、封面、目录

白烨殊

130510253

组员

模型建立、计量经济检验、多重共线性检验消除、参考文献、讲解

罗春燕

1301050111

组员

变量选取与解释、研究结论、异方差检验、参考资料收集

徐丽霞

1301050113

组员

理论分析及研究方法、政策建议、自相关检验、

文枭

130910111

组员

数据收集与整理、模型经济意义检验、整合排版


目录

一、问题提出:... 2

二、理论分析与研究方法... 2

三、变量选取... 2

四、数据收集与处理... 3

五、计量经济模型设定与检验结果分析... 4

(一)模型的建立... 4

(二)模型的检验与修正... 5

(三)最终模型的检验... 7

             1.经济意义检验…………………………………………………………………………...7

             2.统计推断经验…………………………………………………………………………...7

             3.计量经济检验…………………………………………………………………………...8

六、研究结论... 10

七、政策建议... 10

参考文献... 11

 

 

 

一、问题提出:

近年来,我国商品房价格呈现持续上升的态势,由1998年商品房平均销售价格为2063元/平方米,至2010年的5033元/平方米,涨幅达144%。同期,我国经济的一个主要特征是货币供应环境宽松,流动性充裕,广义货币供应量逐年上升,由1998年的104498.5亿元增长至2010年的674955.1亿元,涨幅达545%。那么我国房地产价格受到哪些因素的影响,房地产价格以后的发展趋势如何,仍然是政府、房地产开发商和老百姓十分关心的问题。

要解决这些问题,就必须对房地产的价格进行研究,通过建立模型进行计量研究分析,帮助政府的相关部门量化某地段的未来商业价值,更好地判断土地的合理拍卖价格,可以帮助开发商测算预期的市场销售价格,帮助消费者估计商品房正常的市场平均价格。

二、理论分析与研究方法

商品房作为一般商品,其价格受供给和需求的影响,供给曲线和需求曲线的交点就是均衡价格,商品房与一般商品的区别在于商品房具备可投资性,其价格受到投资需求的影响。这个分析将涉及到许多不确定因素,这些因素包括居民的收入和对未来的预期、人口的流动及增长趋势、地域的发展对市场的促进作用等。商品房的供给量指的是在一定条件下卖者愿意而且能够出售的商品房的数量。很明显,商品房的供给量不等于卖者能够出售的商品房数量。在经济发展时期,供给滞后意味着需求没有得到满足,因而价格和租金都可能会上涨;在经济萧条期,商品房过度供给而产生大量的空置,这也使商品房从一个方面成为市场经济的晴雨表。

本文采用规范描述与实证研究相结合的研究方法,通过收集数据资料,在定性论述的基础上,运用计量经济学的方法,建立计量经济模型进行定量分析,参照研究结果,提出建议和对策。

三、变量选取

商品房价格的主要影响因素包括:房地产开发企业竣工房屋造价、城镇居民家庭人均可支配收入、城市人口密度、国内生产总值、房地产开发企业土地购置费用。

竣工房屋造价是指不同结构、不同高度的初装修房屋结算的平均每平方建筑面积的造价,代表多数房屋的成本价。竣工房屋的造价包括直接费、间接费。直接费包括原材料、人工、机械;间接费包括管理费、安全文明施工费、技术措施费、法定利润、规费、税金等等,这些都直接关系到了商品房最终的定价。

城镇居民人均可支配收入是指反映居民家庭全部现金收入能用于安排家庭日常生活的那部分收入。它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。城镇居民人均可支配收入与居民的购买能力成正比,对商品房价格的影响也是显著的。

城市人口密度:指生活在城市范围内的人口稀密的程度。城市人口密度=城市人口/城市面积。城市人口密度影响着商品房的需求,间接影响商品房价格。

国内生产总值(GDP=Gross Domestic Product)是指一个国家(国界范围内)所有常住单位在一定时期内生产的所有最终产品和劳务的市场价值。GDP是国民经济核算的核心指标,也是衡量一个国家或地区总体经济状况重要指标。

房地产开发企业土地购置费用是指房地产开发企业为取得土地使用权而支付的费用。土地购置费按当期发生数计入投资,如土地购置费为分期付款的,可分期计入投资;不计入新增固定资产。土地购置费包括:①通过划拨方式取得的土地使用权所支付的土地补偿费、附着物和青苗补偿费、安置补偿费及土地征收管理费等;②通过出让方式取得土地使用权所支付的出让金。当今土地的稀缺性导致了住房价格的不断上涨,两者之间为正相关关系。

四、数据收集与处理

从国家统计局网站和中国国家财政部网站上获得相关数据。

主要采集的样本是2000年至2013年的数据。

收集数据如下:

 

 

 

 

2000-2013年我国商品房平均价格极其相关数据

 

影响因素

年份

Y

商品房平均价格(/平方米)

X1

房地产开发企业竣工房屋造价(/平方米)

X2

城镇居民家庭人均可支配收入()

X3

城市人口密度(/平方公里)

X4

国内生产总值(亿元)

X5

房地产开发企业土地购置费用(亿元)

2000

2112

1138.96

6280

724

99776.3

733.99

2001

2170

1128.14

6859.6

763

110270.4

1038.77

2002

2250

1184.16

7702.8

819

121002

1445.81

2003

2359

1273.38

8472.2

855

136564.6

2055.17

2004

2778

1402

9421.6

865

160714.4

2574.47

2005

3167.66

1451.27

10493

870.2

185895.8

2904.37

2006

3366.79

1563.53

11759.5

2238.15

217656.6

3814.49

2007

3863.9

1656.57

13785.8

2104

268019.4

4873.25

2008

3800

1795

15780.8

2080

316751.7

5995.62

2009

4681

2021

17174.7

2147

345629.2

6023.71

2010

5032

2228

19109.4

2209

408903

9999.92

2011

5357.1

2372.7

21809.8

2228

484123.5

11527.25

2012

5790.99

2498.03

24564.7

2307

534123

12100.15

2013

6237

2643

25652.3

2362

588018.8

13501.73

注:数据来源于国家统计局官网  国家数据http://data.stats.gov.cn/

五、计量经济模型设定与检验结果分析

(一)模型的建立

初步建立Y= 14尾0+尾1X1+尾2X2+尾3X3+尾4X4+尾5X5+渭'>

其中:Y为商品房平均价格(元/平方米)、X1为房地产开发企业竣工房屋造价(元/平方米)、X2为城镇居民家庭人均可支配收入(元)、X3为城市人口密度(人/平方公里)、X4为国内生产总值(亿元)、X5为房地产开发企业土地购置费用(亿元)、μ为随机扰动项

OLS回归结果如下:

 

Dependent Variable: Y

Method: Least Squares

Date: 11/25/15   Time: 09:55

Sample: 2000 2013

Included observations: 14

Variable

Coefficient

Std. Error

t-Statistic

Prob. 

C

-1227.726

695.5459

-1.765125

0.1155

X1

2.883208

0.879878

3.276825

0.0112

X2

-0.037263

0.137587

-0.270830

0.7934

X3

0.087237

0.113726

0.767083

0.4651

X4

0.003769

0.005907

0.638032

0.5413

X5

-0.122372

0.086159

-1.420305

0.1933

R-squared

0.994162

    Mean dependent var

3783.246

Adjusted R-squared

0.990513

    S.D. dependent var

1420.697

S.E. of regression

138.3795

    Akaike info criterion

12.99540

Sum squared resid

153191.0

    Schwarz criterion

13.26929

Log likelihood

-84.96782

    F-statistic

272.4520

Durbin-Watson stat

2.753493

    Prob(F-statistic)

0.000000

 

由上表,模型估计有以下结果:

Y=-1227.726+2.883208 14X1'> -0.037263 14X2'> +0.087237 14X3'> +0.003769 14X4'> -0.122372 14X5'>

t=(-1.765125)  (3.276825) (-0.270830)  (0.767083)  (0.638032) (-1.420305)

14R2'>=0.994162  Adjusted 14R2'>=0.990513   F-statistic=272.4520  n=14

(二)模型的检验与修正

由上表,该模型的可决系数较高为0.994162,F检验值=272.4520,明显显著。但α=0.05时,t(14-6)=2.306,,只有x1通过t检验,这表明很可能存在多重共线性。所以我们先对多重共线性进行检验与修正。

 

Step1.A.计算各变量的相关系数。

相关系数矩阵

 

 

X1

X2

X3

X4

X5

X1

 1.000000

 0.995886

 0.856402

 0.995259

 0.989562

X2

 0.995886

 1.000000

 0.859220

 0.998448

 0.988550

X3

 0.856402

 0.859220

 1.000000

 0.847490

 0.823939

X4

 0.995259

 0.998448

 0.847490

 1.000000

 0.992842

X5

 0.989562

 0.988550

 0.823939

 0.992842

 1.000000

 

可以看出,其中一些变量间的相关系数比可决系数 14R2'> 高,存在一定的多重共线性。

 

B.方差扩大因子法

我们作了辅助回归,即将每一个X变量分别作为被解释变量都对其余的X变量进行回归,结果如下:

 

被解释变量

可决系数 14R2'> 的值

方差扩大因子VIF=1/1- 14R2'>

X1

0.993146

145.9

X2

0.998214

599.91

X3

0.780344

4.55

X4

0.998464

651.21

X5

0.989843

98.45

该方程X1、X2、X4、X5的方差扩大因子远大于10,表明存在严重的多重共线性。

 

Step2. 采用逐步回归法,来检验和解决多重共线性问题。分别做Y对x1-x5的一 元回归,结果如下:

 

变量

X1

X2

X3

X4

X5

参数估计值

0.072088

0.007594

0.280591

0.000338

0.018764

T统计量

37.24580

28.13282

6.119211

25.12991

16.77650

可决系数

0.991424

0.985065

0.757305

0.981352

0.959107

修正可决系数

0.990709

0.983820

0.737080

0.979798

0.955700

 

其中,加入X1的修正的可决系数最大,以X1为基础,顺次加入其他变量逐次回归。经过多次尝试可决系数都没有显著提高且各解释变量仍无法全部通过T检验。

 

Step3.因此,剔除了可能具有多重共线性的变量X2、X4、X5后,将模型变为半对数模型:

     lnY= 14尾0+尾1X1+尾3X3'> + 14 渭'>

再次经过回归,结果如下:

 

Dependent Variable: LOG(Y)

 

 

Method: Least Squares

 

 

Date: 11/25/15   Time: 18:17

 

 

Sample: 2000 2013

 

 

Included observations: 14

 

 

 

 

 

 

 

 

 

 

 

 

 

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

C

6.986873

0.063638

109.7918

0.0000

X1

0.000565

6.46E-05

8.745290

0.0000

X3

0.000126

4.72E-05

2.657765

0.0223

 

 

 

 

 

 

 

 

 

 

R-squared

0.976780

    Mean dependent var

8.171430

Adjusted R-squared

0.972559

    S.D. dependent var

0.382212

S.E. of regression

0.063315

    Akaike info criterion

-2.493976

Sum squared resid

0.044097

    Schwarz criterion

-2.357035

Log likelihood

20.45783

    Hannan-Quinn criter.

-2.506652

F-statistic

231.3681

    Durbin-Watson stat

1.753111

Prob(F-statistic)

0.000000

 

 

 

 

 

 

 

 

 

 

 

 

 

 

lnY=6.986873+0.000565 14X1'> +0.000126 14X3'>

t=(109.7918)  (8.74529)  (2.657765)

14R2'>=0.976780   Adjusted 14R2'>=0.972559   F-statistic=231.3681   n=14  DW=1.753111

(三)最终模型的检验

1.经济意义检验

从经济意义上看,房地产开发企业竣工房屋造价(元/平方米)的增加会引起商品房平均价格(元/平方米)的增加;城市人口密度(人/平方公里)的增加也会引起商品房平均价格(元/平方米)的增加,这在经济意义上是合理的。

2.统计推断检验

拟合优度检验:

可决系数 14R2'> =0.976780、Adjusted 14R2'>=0.972559,说明模型的拟合优度较好。

变量的显著性检验:

t值均高于α=0.05时,自由度为(14-3)的t检验所的临界值2.201,说明通过了t检验,变量有较高的的显著性。

方程的显著性检验:

F统计量为231.3681,远大于α=0.05时,临界值F(2,11)=3.9823,说明F检验通过,方程具有较高显著性。

正态性检验:

 

 

 

 

 

 

 

 

Jarque-Bera项的伴随概率Probability为0.138588大于0.05,表明随即扰动项是正态的。

3.计量经济学检验

1)多重共线性检验

因为, 14R2'> =0.976780、Adjusted 14R2'>=0.972559,说明模型的拟合优度较好;F=231.3681> F(2,11)=3.9823,表明模型从整体上看,商品房平均价格与房地产开发企业竣工房屋造价(元/平方米)、城市人口密度(人/平方公里)的对数线性关系显著;而且两个变量都通过了t检验,表明每个解释变量对被解释变量影响显著,所以,模型中不已存在多重共线性。

2)异方差检验:White检验

Heteroskedasticity Test: White

 

 

 

 

 

 

 

 

 

 

 

F-statistic

1.555754

    Prob. F(5,8)

0.2752

Obs*R-squared

6.901856

    Prob. Chi-Square(5)

0.2280

Scaled explained SS

5.797809

    Prob. Chi-Square(5)

0.3264

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Test Equation:

 

 

Dependent Variable: RESID^2

 

 

Method: Least Squares

 

 

Date: 11/25/15   Time: 22:03

 

 

Sample: 2000 2013

 

 

Included observations: 14

 

 

 

 

 

 

 

 

 

 

 

 

 

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

C

-0.047185

0.029554

-1.596569

0.1490

X1

5.63E-05

8.58E-05

0.655521

0.5305

X1^2

9.62E-09

3.42E-08

0.281657

0.7854

X1*X3

-4.30E-08

3.11E-08

-1.380816

0.2047

X3

-2.48E-06

0.000116

-0.021369

0.9835

X3^2

1.90E-08

3.14E-08

0.603265

0.5630

 

 

 

 

 

 

 

 

 

 

R-squared

0.492990

    Mean dependent var

0.003150

Adjusted R-squared

0.176108

    S.D. dependent var

0.005392

S.E. of regression

0.004894

    Akaike info criterion

-7.503892

Sum squared resid

0.000192

    Schwarz criterion

-7.230010

Log likelihood

58.52724

    Hannan-Quinn criter.

-7.529245

F-statistic

1.555754

    Durbin-Watson stat

2.829389

Prob(F-statistic)

0.275190

 

 

 

 

 

 

 

 

 

 

 

 

 


Obs*R-squared的伴随概率为0.2280大于0.05,表明该模型不存在自方差。

3)自相关检验:

A.BG检验法(LM)

一阶自相关检验结果

Breusch-Godfrey Serial Correlation LM Test:

 

 

 

 

 

 

 

 

 

 

 

F-statistic

0.057483

    Prob. F(1,10)

0.8154

Obs*R-squared

0.080016

    Prob. Chi-Square(1)

0.7773

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Test Equation:

 

 

Dependent Variable: RESID

 

 

Method: Least Squares

 

 

Date: 11/25/15   Time: 22:30

 

 

Sample: 2000 2013

 

 

Included observations: 14

 

 

Presample missing value lagged residuals set to zero.

 

 

 

 

 

 

 

 

 

 

 

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

C

-0.001653

0.066909

-0.024708

0.9808

X1

8.93E-06

7.71E-05

0.115851

0.9101

X3

-8.77E-06

6.15E-05

-0.142718

0.8893

RESID(-1)

0.096500

0.402494

0.239755

0.8154

 

 

 

 

 

 

 

 

 

 

R-squared

0.005715

    Mean dependent var

-3.06E-16

Adjusted R-squared

-0.292570

    S.D. dependent var

0.058241

S.E. of regression

0.066215

    Akaike info criterion

-2.356851

Sum squared resid

0.043845

    Schwarz criterion

-2.174263

Log likelihood

20.49795

    Hannan-Quinn criter.

-2.373752

F-statistic

0.019161

    Durbin-Watson stat

1.891089

Prob(F-statistic)

0.996154

 

 

 

 

 

 

 

 

 

 

 

 

 


二阶自相关检验结果

Breusch-Godfrey Serial Correlation LM Test:

 

 

 

 

 

 

 

 

 

 

 

F-statistic

1.049690

    Prob. F(2,9)

0.3893

Obs*R-squared

2.648014

    Prob. Chi-Square(2)

0.2661

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Test Equation:

 

 

Dependent Variable: RESID

 

 

Method: Least Squares

 

 

Date: 11/25/15   Time: 22:33

 

 

Sample: 2000 2013

 

 

Included observations: 14

 

 

Presample missing value lagged residuals set to zero.

 

 

 

 

 

 

 

 

 

 

 

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

C

-0.010920

0.064021

-0.170568

0.8683

X1

0.000115

0.000104

1.099143

0.3002

X3

-0.000120

9.73E-05

-1.230348

0.2498

RESID(-1)

0.522160

0.485580

1.075332

0.3102

RESID(-2)

0.750082

0.525686

1.426864

0.1874

 

 

 

 

 

 

 

 

 

 

R-squared

0.189144

    Mean dependent var

-3.06E-16

Adjusted R-squared

-0.171237

    S.D. dependent var

0.058241

S.E. of regression

0.063031

    Akaike info criterion

-2.417926

Sum squared resid

0.035756

    Schwarz criterion

-2.189691

Log likelihood

21.92548

    Hannan-Quinn criter.

-2.439054

F-statistic

0.524845

    Durbin-Watson stat

1.523182

Prob(F-statistic)

0.720590

 

 

 

 

 

 

 

 

 

 

 

 

 

 

一阶、二阶Obs*R-squared的伴随概率均大于0.05,表明该模型不存在一阶、二阶自相关。

B.DW检验法

由模型的回归结果知,此模型的DW值为1.753111,  n=14 , k’(不包括常数项)=2

通过查找德宾-沃森d统计量表得: 14dL=0.905,dU=1.551'>

因为 14dU'> =1.551<DW=1.753111<4- 14dU'> =2.449,所以随机误差项 14渭1'> , 14渭2'> ,…….. 14渭n'> 间无自相关。

六、研究结论

根据得到的计量经济学模型研究结果,为了有效的控制我国商品房价格居高不下的现状,使更多的人民能够安居乐业,从开发商的角度应该有效的控制在建设过程中的成本,即降低房屋的造价,以降低竣工后的商品房的价格;从国家的角度来说,中国人多地少,房价只会越来越贵,户型面积也只会越来越小。房价的高低,在很大程度上受人口密度影响。由于各地区城市人口密度不同的地区差异导致中国商品房供需矛盾的上升,因此国家应该基于中国住宅商品房的现实国情,不断完善和发展相应的土地及住宅商品房的供给制度问题, 并正确处理好人口、土地、资源、环境制约和居民提高居住质量的关系,力争建设资源节约型和环境友好型社会。

七、政策建议

为了有效调控我国商品房价格的过快上涨,提出以下的政策措施:

1、控制竣工房屋造价

优化建设方案、设计方案,在项目决策阶段、设计阶段、招投标阶段、施工实施阶段、竣工结算阶段,对工程造价进行研究比较,把建设项目的造价有效控制在科学合理的范围之内。

2、完善和发展相关的土地及住宅商品房的供给制度

加大土地供应结构的调整力度。使土地供应结构与需求协调均衡,一方面,紧缩城市中心区住宅用地和城市高档地产用地,对开发高档商品房从供给源头上进行限制;另一方面,落实经济适用房、廉租房政策,对面向百姓的商品房所用土地要适当放宽,满足居民日益增长的住房需求。

3、国家相关政策的支持和引导

针对大城市的城市人口密度相对于小城市很大,是因为大城市的发展快,机会多,政策好。国家可以大力支持人口密度小发展潜力大的二线三线城市的发展,用更好的政策正确引导人口流向。从根本上平衡人口密度结构。人口密度高的城市如果密度减小,从根本上上可以遏止房价偏高。

 

 

 

 

 

 

参考文献

【1】   易丹辉.数据与分析Eviews应用[M].北京:中国人民大学出版社,2002:3-125.

【2】   庞浩.计量经济学(第三版)[M].北京:科学出版社,2014:63-159.

【3】   田益祥,谭地军,赵兵.影响中国房地产价格的因素及其程度分析[J].商场现代化, ,2006,27(11X):51-51.

【4】   魏海燕,等.商品住宅主因素定价模型研究[J].科技导报,2006,24(11):49-54.  

【5】   鲍丽香.房地产价格影响因素研究评述[A].边疆经济与文化,2005,9:32-34.

【6】   许春青.商品房价格的计量经济分析[D].成都:电子科技大学,2006.

【7】   李杨.我国商品房价格的计量经济学分析[J].时代金融,2012,8:157.

【8】   戎晨芳.对影响我国住宅商品房价格的主要因素分析及政策建议[D].合肥:安徽大学,2010.

  上一篇:产业结构变动对我国经济增长影响(学生课题作品) 下一篇:《思考致富》读后感
学生天地
每一次低头,都是对自己的肯定
向死而生,淡泊得失
静听似歌岁月,慢品如茶人生
穿越爱的荒原,摆渡心的长河
品历史云烟,纪风流翘楚
产业结构变动对我国经济增长影响(学生课题作品)
我国商品房价格的主要影响因素分析(学生课题作品)
《思考致富》读后感
《巴菲特传》读后感
读《保险学》有感
人是一只有思想的蚂蚁 ——《局外人》读书笔记
去看那些看不见的东西——读柴静《看见》有感
读《D坂杀人事件》有感
 
学院官网 | 金融论坛 | 金融咨询 | 金融界 |
Copyright 2011 - 2012 By Design 四川大学锦城学院网络管理中心
Powered by SiteServer CMS
bq_top