计量经济学期中研究报告

计量经济学报告

姓名：吴瀚

年级：2018级

学号：201843305127

班级：经济与金融1班

基于多元线性回归模型的我国商品房价格的影响因素分析一、简介（Introduction）

关键词：商品房价格；人均可支配收入（PCDI）；影响因素

摘要：房地产行业作为我国的支柱性产业之一，商品房价格更是与我们生活密切相关。随着近年来商品房价格的不断上涨，其影响我国商品房价格变化的众多因素也成为一个人们日益关注的话题，本文利用多元线性回归模型选取中国31个省份的数据进行基于最小二乘法原理的分析与检验。

（1）研究的问题

商品房的价格变化牵动着无数民众的心，其影响因素也颇为复杂。本报告将从供给需求两方面对影响因素进行分析，并引入首都经济圈这一虚拟变量，侧重对首都经济圈内城市商品房与圈外商品房的价格差异进行分析。

（2）研究的原因

如今，房地产行业作为支柱性产业之一，其商品房的价格变化不仅给我们生活带来诸多影响，更关系到我国经济的整体发展和社会的稳定，所以我将试图通过对商品房价格影响因素的研究分析为政府的房价调控政策提出有效的建议。

（3）研究的结果

分析结果表明：（1）多元线性模型的相关变量之间具有相关性。(2)人均可支配收入，房屋竣工造价对商品房价格的拉升作用有一定的波动性，但拉动作用结构稳定。

二、文献回顾（Literature review）

(1)别人的研究情况

从VAR模型来看：对武昌区商品房价格影响最大的是GDP，GDP对商品房价格存在正向的持续拉升作用，即随着GDP的增加，商品房价格也随之增加。而大宗商品价格指数对商品房价格存在反向的持续抑制作用，即随着大宗商品价格指数的增加，商品房价格会出现下降的趋势。相对而言，居民人均可支配年收入对商品房的价格影响不显著。可能的原因是，居民人均可支配年收入在中低等水平时对商品房价格影响不大，当居民人均可支配年收入增加幅度不大时，没有多余的资金去投资房产，需求量减少，甚至可能会导致房价下降[1]。——徐锦，叶子青（2017年）选取了我国30个省市2006～2015年的面板数据，应用面板数据计量模型回归的方法，基于R语言对影响商品房价格的因素进行实证研究.首先，经过Hausman检验与F 检验确定面板数据的模型为混合估计模型；模型可以通过十折交叉验证法、残差正太性的检验、Q-Q图检验、变量间共线性的检验；最后经过逐步回归分析，结果表明土地价格、商品房销售面积、居民可支配收入、人均国内总产值财政收入占地区生产总值比重、汇率这6个指标对商品房价格都有显著性的影响.其中，土地价格和居民可支配收入对商品房价格的影响最为突出.[2] ——林志伦，李雄英（2017年）从供求理论可以得出，商品的需求的变动会影响商品的价格。从商品房需求来看，由于城市化发展所形成的城市人口的增加、收入水平的提升以及居民对商品房特有的投资偏好，是商品房价格持续增长的动因。居民对商品房价格预期的变化和对商品房投资偏好的叠加是造成商品房价格波动的重要诱因[3]。——丁焰（2016年）(2)我的研究与以前的研究成果的不同之处

本文借助于多元线性回归模型对中国商品房价格及其影响因素之间的关系做一些研究分析。选取中国2012年31个省份的商品房平均销售价格（P）作为被解释变量，人均可支配收入（I），商品房的开发造价（C），是否为首都经济圈的成员（S）作为解释变量。其中S为虚拟变量。

(3)创新之处

本文考虑到正常情况下来说，地理位置较优越或经济较发达地方的周边城市，其商品房的平均售格会比其他地方要高。所以，这里将各城市是否属于首都经济圈的成员作为一个造成我国各城市商品房价格不同的一个影响因素。

三、理论模型和研究方法（Model and research method），

（1）经济原理

供给需求原理

（2）理论模型

P=β０+β１I +β２C +β３S +μ

（3）用以上经济模型的原因

为了探讨商品房价格和其影响因素之间的关系，我们设置了多个不同的参数，其中μ为误差项。之所以采用多元线性回归模型是因为多元线性比一元线性更具贴合现实情况。

（4）计量经济方法研究

最小二乘法

四、数据（Date）

（1）经济数据收集

从国家统计局及EPS数据平台中收集数据。其中人均可支配收入在国家统计局官网的2012统计年鉴上收集到，各省份的商品房售价和造价则从EPS数据平台的房地

（2）数据特征

根据上面得到的数据，可以看出，这是从2012年的我国31个省份的商品房售价和商品房造价以及人均可支配收入的对比图，若用折线图对进行统计描述。可以清晰地看出，商品房的售价和造价以及人均收入水平具有明显的相关关系，而且基本上是以线性形式在增长，同时，每个变量之间相关程度也很高。

五、建模分析结果（Modeling and analysis results）

1、回归分析得出的参数值

现用Eviews10 采用最小二乘法对以上数据进行回归分析，在置信区间为９５％的条件下，回归方程为：P∧ ＝-5937.636 +0.404818 I +0.858464 C +1883.689 S 统计回归结果中，Adjusted R – squared = 0.。839761，说明可能性有83.9761%通过此回归线性方程做出解释。

2、检验

（一）多重共线性检验

首先，先对模型方程的自变量之间的相关性进行检验，检验自变量之间是否存在多重共线性。城镇居民人均可支配收入，房地产开发企业竣工房屋的造价，是否是首都经济圈的成员，三者之间的两两进行相关性检验，相关系数分别为0.4983，0.323 和0.0407。从中可以发现各自变量之间的相关系数均在50％以下，我们认为各自变量之间是不存在相关关系的，即多重共线性不存在。

（二）整体性检验（Ｆ检验）

首先，提出假设：H０:β１＝β２＝β３＝０H１：β１,β２,β３不全为零

在显著性水平α＝0.05 ，ｋ＝３，n-k-1=31-3-1=27 时，查Ｆ分布表，得到Ｆ０.０５(3,27)＝２.９６，Ｆ＝53.40659，由于Ｆ＝53.40659 ＞Ｆ０.０５(3,27)＝２.９６，表示所有变量联合起来对因变量有显著影响,因此,总体回归方程是显著的,同时.,.也进一步说明城镇居民的人均可支配收入,房地产开发企业的竣工房屋造价和所在省市是否属于首都经济圈这三个因素联合起来对我国各省份的商品房销售均价有显著影响。

（三）显著性检验（ｔ检验）

在显著性水平α＝０.０５下，自变量Ｉ，Ｃ和虚拟变量S对应的ｔ值分别为｜t１｜＝8.344863，｜t２｜＝2.151734，｜t３｜＝2.301101 均大于ｔ０.０２５(27) ＝2.052，说明应拒绝原假设：βk＝0 （ｋ＝１,２,３），接受备择假设：βk≠ ０（ｋ＝１,２,３）。说明城镇居民人均可支配收入，房地产开发企业竣工房屋的造价分别对商品房销售均价都有显著影响。处于首都经济圈之内的省市商品房均价的和位于首都经济圈之外的省市商品房均价之间存在着显著的差异。

3、经济意义解释

总体上来看，回归结果表明，在其他条件不变的情况下，每增加1元的城镇居民人均可支配收入，我国各省份的商品房平均销售价格将增加0.404818元／平方米。每增加1元／平方米的房地产开发企业竣工房屋的造价，我国各省份的商品房平均销售价格将增加0.858464元／平方米。在给定其他条件相同时，属于首都经济圈内省市的商品房平均销售价格要比位于首都经济圈之外的省市的商品房平均销售价格高出1883.698元／平方米。

六、结论（Conclusion）

从模型中可以看出，城镇居民人均可支配收入增长，房地产开发企业竣工房屋的造价提高均会拉动房价的升高。目前多数开发商为追求高额利润，把建设重点放在大户型的高端住宅上，而小户型等经济类房型则被边缘化。因此，可以通过提高高收入者的应纳税率，降低收入增加对投资性住房需求的拉动力，同时，要优化住房供给结构，一是要使住房供给适应需求，鼓励小户型住房的建设，二是要加强保障性住房建设。

良好地理位置和国家政策支持一体化发展使首都经济圈内城市房价要比圈外省市平均房价高出许多，说明地理位置和政策支持发展会拉动房价的升高。大多数在北京工作的外来务工者，由于没有足够的经济能力便会选择去河北天津购买住房，经济富足的投资者会选择在北京投资买房等待增值获益，由于这两个原因共同拉动了整个首都经济圈的房价。要提高首都经济圈内人民的生活福利水平，政府需要建立建全住房保障制度，同时，增加经济适用房的供应、提供政府廉租房和限制商品房投机行为，以稳住房价。

七、参考文献（Reference）

【1】徐锦, 叶子青. 基于VAR模型的商品房价格影响因素分析[J]. 统计与决策, 2017, (11):93-97.

【2】林志伦, 李雄英. 基于面板模型的商品房价格影响因素的实证研究[J]. 经济数学, 2017, 第34卷(4):73-78.

【3】丁焰. 合肥市商品房价格增长的供求因素分析[J]. 合肥师范学院学报, 2016, 第34卷(4):63-67.

【4】郭建校, 王洪礼, 韩红臣, 高雅荣.我国房地产价格影响因素分析[J].河北大学学报:哲学社会科学版，2010,(1):62-65.

【5】威廉·H·格林，《计量经济分析上册第六版》，中国人民大学出版社，[M]. 著作