房地产市场周期及各影响因素实证研究.doc

2022年-2023年建筑工程管理行业文档 齐鲁斌创作房地产市场周期及各影响因素实证研究摘 要: 在进行相应理论铺垫的基础上，本文用合成指数法描述和分析了海南房地产建省以来的周期波动，并对影响海南省房地产业发展的因素进行了分析，紧接着运用SPSS软件对1990年至2008年数据进行线性回归验证这些因素所发挥的作用，得出结论认为：实际利率、全国和海南省国民生产总值以及工业化进程是影响我国房地市场的主要因素，其中实际利率是影响海南房地产总产值的直接因素。关键词:房地产;周期;因素;实证An Empirical Study on the Market Cycle of Hainan Real Estate and the Influencing FactorsAuthor：Luo Zhiwen Tutor：Lecturer Han Yue (Shool of Economics and Management, Hainan Normal University，Haikou, 571158)Abstract: After building necessary real estate cycle theories as foundation, this article summarized and analyzed the real estate market cycles in the near 18 years shown under the synthesis exponential method. The following session had seen Linear Regression empirical examinations applying data from 1990 to 2008 to the SPSS software, and the conclusion found: Real Interest Rate, National GDP, Hainan Provincial GDP, and the Industrial Output Value were the primary factors which affected Hainan real estate market development, and Real Interest Rate has direct effect on the output value of real estate sector in Hainan.Key words: Hainan; Real estate; Cycle; Factors; Empirical我国真正意义的房地产业是在改革开放后发展起来的，特别是自1998年住房改革、启动自有商品房市场以来，房地产市场在国民经济中的支柱性作用日益凸现。房地产市场尽管作为整体市场，但不同的地区由于地理环境、经济发展状况、政策倾斜度等方面的不同，其发展状况、存在的问题也各不相同。而当前对房地产市场的研究文献，大部分都是从全国角度出发进行研究的，对各个地区房地产房地产市场分析的也主要集中在上海、北京、深圳等经济较发达地区，对海南的房地产市场的研究很少。因此本文以海南省房地产市场为研究对象，通过分析周期波动和影响因素，增加对海南省房地产发展状况的了解，对正确评价其市场状况及推动海南房地产业健康可持续发展做出探索。其次，在实践上，为政府正确判断房地产经济形势，针对本地区特点做出科学的宏观经济决策提出建议，以促进特区经济社会健康稳步发展。一 房地产市场周期研究的理论基础本部分主要介绍下文分析中需要运用的理论基础，包括房地产经济周期的概念、和基于蛛网模型分析的房地产经济周期存在的内在性。(一) 房地产市场周期的概念房地产市场周期 华伟.房地产经济学M.上海：复旦大学出版社，2004，P352，是指受到社会经济发展变化影响的房地产市场扩张和收缩的波动交替状态，它是房地产业发展规律的客观反映，表现为房地产业在经济运行过程中交替出现复苏、繁荣、衰退、萧条四个阶段。尽管房地产经济波动在各周期的波动幅度、波动频率、持续时间等方面都存在明显区别,但是就其在连续运行过程中周期性出现的扩张与收缩重复出现、波峰与波谷相继交替的本质特征而言,各具特色的房地产波动则又是相同的,表现出相似的周期性涨落、重复性再现特点。这种有规律的产业波动便构成房地产经济周期,它反映了房地产经济波动的相似性和规律性,因此房地产经济周期也可以称为房地周期波动，即房地产周期则可以称为房地产经济从波峰到波谷的周期性波动。从世界市场经济发达的国家或地区的房地产业发展轨迹看,房地产业的经济周期波动可以分为：复苏、繁荣、衰退、萧条四个阶段(如图一所示)。图一、房地产市场周期的四个阶段(二) 房地产市场存在内在周期基于蛛网模型的分析由于房地产市场存在较长的周期而导致时滞，国内外有部分学者已经运用蛛网模型来描述和分析房地产市场周期，本文将尝试用蛛网模型来证明和描述房地产市场周期存在的内在性。蛛网模型（Cobweb model)是运用弹性原理描述和解释某些生产周期较长的商品在失去均衡时发生的不同波动情况的一种动态分析理论 黎诣远.微观经济分析（2nd Edition）M.北京：清华大学出版社，2003。蛛网模型的基本假定是：商品的本期产量Qts决定于前一期的价格Pt-1，即供给函数为Qts=f(Pt-1)，商品本期的需求量Qtd决定于本期的价格Pt，即需求函数为Qtd=f(Pt)。上述假设条件可用以下三个联立的方程式来表示 余斌，微观经济学课件（第五讲）EB/OL.北京：北京大学政府管理学院，2004年9月23日：Qtd=-·Pt Qts=-+·Pt-1 Qtd=Qts 其中，、和均为常数且均大于零。由于区别了经济变量的时间先后，因此，蛛网模型是一个动态模型。房地产业是作为一个生产周期较长的产业，其市场波动符合蛛网模型的三个假设。蛛网模型存在收敛型、发散型和封闭型，但是，不管是哪种，都表明房地产价格是存在波动的。而目前我国房地产市场由于供给曲线严格受到土地放量的影响，并且生产周期较长，同时，在住宅类刚性需求满足的情况下仍有投资需求和投机需求，价格变化较频繁（见图二），我们可以认为房地产市场是供给弹性小于需求弹性的，体现在蛛网模型中即为收敛模型，如图三图二、1990-2008年海南商品房价格图三、房地产经济周期的蛛网模型图我们假定，在第一期由于某种外在原因的干扰，如宏观调控的土地控制，房地产的实际产量由均衡水平Qe减少为Q1。根据需求曲线，购房者（消费者）愿意支付P1的价格购买全部的产量Q1，于是，实际房价上升为P1。根据第一期的较高的房价水平P1，按照供给曲线，开发商（生产者）将第二期的产量增加为Q2。在第二期，开发商为了出售全部的房屋产量Q2，接受购房者所愿意支付的房价P2，于是，实际房价下降为P2。根据第二期的较低的房价水平P2，开发商将第三期的产量减少为Q3。在第三期，购房者愿意支付P3的价格购买全部的产量Q3，于是，实际房价又上升为P3。根据第三期的较高的价格水平P3，开发商又将第四期的产量增加为Q4。如此循环下去，如前图所示，实际产量和实际价格的波动的幅度越来越小，最后恢复到均衡点E所代表的水平。因此，图中的均衡点E所代表的均衡状态是稳定的。也就是说，由于外在的原因，当价格和产量偏离均衡数值(Pe和Qe)后，经济体系中存在着自发的因素，能使价格和产量自动地恢复均衡状态。由以上分析，我们认为：1、由于供给的弱价格弹性，只要相关联的因素发生变化，房地产市场发生波动的可能性都是非常大的，这意味着房地产业存在着固然的周期波动，引致因素包括：政策调整，消费者（购房者）需求结构变化、心理预期变化等；2、房地产市场本身具有内在规律，其发展是稳定的，市场体系中存在“纠正因子”和“决定性因子”使其按照一定的轨迹运行，从经济理论分析我们预测“纠正因子”和“决定性因子”分别是工业化进程和实际利率，下文将加以实证验证。二 建省以来海南房地产市场周期分析(一) 关于模型、变量和数据的说明目前,国内判断房地产周期的模型还很不成熟,没有统一的方法,但总结起来主要有三种:单指标法,扩散指数法(DI)和合成指数法(CI)，三者各有优劣。单指标法,如梁桂(1996) 梁桂.中国不动产经济波动与周期的实证研究J.经济研究,1996,7:31-37就曾用商品房销售面积研究我国的不动产经济周期,但是房地产周期是整个房地产经济体系的波动周期,单一指标很难准确全面地反映真实情况。扩散指数法是目前用得最多的一种方法,它能比较准确的判断景气周期的转折点,曹振良,谭刚等人均用它来研究过全国或地方的房地产经济周期,只不过所选指标不同,但它不能准确的反映波动的幅度。合成指数法可以克服前两者的不足,能较好的反映转折点和波动幅度,但它的指标选择和权重的确定较难"合成指数法具体又可采用层次分析法(AHP)或主成分分析法来解决权重的问题,或干脆用简单算术平均法。根据西方经济学原理，市场均衡和周期取决于供给和需求的变动，考虑到数据的可得性，笔者在供给、需求、价格这三个反映房地产景气最重要的方面选择了房屋施工面积增长率、房屋竣工面积增长率、房地产投资增长率、房屋销售面积增长率和商品房价格年上涨率五项指标进行分析,根据国内外有关房地产指标相对重要程度的经验研究，将按以下公式来确定各房地产景气指标的权重: 房地产合成增长率指数=房屋施工面积增长率x0.1+房屋竣工面积增长率x0.1+商品房价格年上涨率x0.1+房地产投资增长率x0.2+房屋销售面积增长x0.5。分析所使用数据来自中国统计年鉴、海南统计年鉴、新中国五十年统计资料汇编、中国固定资产投资统计年鉴、中宏数据库(mcdb)，其中商品房价格由作者根据以上数据计算所得，2007年的房屋销售额因未能查到相关数据用前1-11月总额代替。(二) 海南房地产市场是全国市场的一部分图四、 海南房地产合成增长率指数与海南GDP年增长率 资料来源：中国统计年鉴、海南统计年鉴、新中国五十年统计资料汇编、中宏数据库(mcdb) ，其中1998年以前数据取自新中国五十年统计资料汇编单位：%图五、 中国房地产合成增长率指数与GDP增长率 资料来源：孙雅静，张庆君.我国房地产周期波动与经济周期的实证分析J吉林工商学院学报,2008，24（4）由图四我们可以看出海南房地产市场的波动周期和其发展历史是相吻合的，其中发展的顶峰为1992年。对比图四可以发现，海南房地产市场周期与全国周期也是基本同步的，这说明了海南房地产市场是全国房地产市场整体中的一部分，其具有全国属性，即不管是开发还是消费，都不是仅仅有岛内人士完成的。(三) 海南房地产市场显示出中长期周期美国经济学家库兹涅茨（Simon Kuxnets）通过对1840-1914年美国某些商品生产与价格变动长期趋势的研究发现，存在着15年的中长期的周期循环，即“库兹涅茨周期”。由于该周期与建筑业扩、收缩的关系密切，西方经济学界也把库兹涅茨周期成为建筑周期。在建筑业中住房建筑是其重要组成部分，住房建筑的波动期一般说是较长的从图三我们可以看到1998年房改以来，海南房地产的合成增长率是正的，尽管此指标出现波动，但一直没有降到零一下，这意味着在过去的十年里，海南房地产一直是增长的，目前仍然处于周期的复苏阶段，即下图的B阶段。 图中A、B、C、D、E分别表示：低谷消化期、扩张期、均衡期、衰退期和低谷消化期，即为一个完整周期图六、房地产市场周期示意图三 海南房地产市场周期影响因素分析下面分析的指标主要是从资产收益角度，房地产所在地自身所处区域发展角度分析，这些指标更能体现出房地产市场周期波动的规律。(一) 实际利率是影响房地产市场的直接因素房地产业是资金密集型产业，不管是开发商还是购房者，都需要进行资金融通，同时，房产作为一种可以保值增值的资产，其消费不仅是一种生活品，也是一种投资品，下文我们将用其资产属性来分析房地产市场周期的产生。如果将房地产看作是一种纯资产，那么，投资者投资时就会考虑其与其他资产的收益对比，应此会对其现值进行分析，我们从贴现原理来剖析其中的机理。由于货币使用的机会成本，即便是购房者采用个人积蓄置业，也是有利率收益损失的，为了简化分析，我们假设购房者是通过借贷资金购置房屋的，由于借贷资本是一种稀缺资源，要使用借贷资本就必须按资本市场的公开价格购买资本的使用权。而借贷资本的使用价格是按一定百分比表示的资本市场的利息率，简称为市场利率。如果某人按年利率10%借入100元，那么一年后，就必须换本付息110元。称现在借入的资金为资金现值，而将一年后要归还的资金称为资金的未来值。可以看到，资金的未来值并不等于资金的现值，而是大于资金的现值。 借贷资金的这种性质来自借贷资金的时间价值规律，随着时间的推移，借贷资金的使用者在投资与运作过程中能够创造出比资金现值更多的资金未来值，按照借贷双方在借贷时所达成的协议，向资金所有者支付一定量的利息也就是理所当然的事。事实上，资金现值与未来值之间的计算关系，可以通过资金边际效率 凯恩斯对资本边际效率的定义是：“我之所谓资本之边际效率，乃等于一贴现率，用此贴现率将该资本资产之未来收益折为现值，则该现值恰等于该资本资产之供给价格”。实际上，这就是资本家的预期利润率，即预期收益和供给价格的比率。约翰.梅纳德.凯恩斯，就业、利息和货币通论M北京：华夏出版社，2005来说明。资本边际效率（MEC）是一种贴现率，这种贴现率正好使一项资本物品在使用期内各预期收益的现值之和等于这项资本的供给价格或重置成本（即为现值）。在现实中，贴现是金融市场中一项常见的金融业务，客户拿着为带起的金融票据到商业银行请求兑换成现金的行为，称为贴现。贴现计算是通过资金现值与未来值之间的关系转换来实现的。假设资金现值与未来值之间相隔n年，资金的利息率已经确定。如果以R0表示资金的现值，Rn表示一年后资金的未来值，r代表收益率（公式中为名义利率），两者之间的关系可表示为： 在房地产市场上，我们假设购房者A面临是否购买某一房产的决策，条件如下：1、该房产的未来收益（Rn）已知；2、房价为Pp已知；3、实际利率i已知；4、通货膨胀率已知并固定为P。显然，A是否购买该房产取决经过R0=Rn/(1+i+p)n得出来的R0与房价Pp的大小比较。如果R0 >Pp 意味着在目前所获知的收益状况（Rn）和利率条件（指i=r-p）下,该房产是“收大于支”而值得购买的；如果R0 <Pp 则意味着在目前所获知的收益状况（Rn）和利率条件（指i=r-p）下,该房产是“支大于收”而不值得购买的。由于最终进行比较的是实际利率，而这一指标由于受到名义利率和通货膨胀率的双重影响，因此会处于波动状态，从而会对购房者的决策造成影响。再加上我们的四个假设条件是“公开的”，即大家都知道的，所以市场上会存在影响其周期波动的有效力量。(二) 国民生产总值是影响房地产市场的间接因素收入的变动主要是从以下三个方面起到影响作用。第一，收入水平提高，房屋占各项开支的比重加大；第二，收入越高的阶层在房屋方面的开支亦越高；第三，收入水平变动还会影响消费者对财富积累的预期，进而会影响房地产需求水平。这表明收入水平和房地产特点与住宅的需求量应是成正比的。由于房地产市场具有投资与消费双重性，人们的收入越高，购买房地产进行保值的意愿也就愈强烈。因此，在房地产的资产属性影响下，虽然有一部分购房者置业是自用而非投资，但是其从市场上获得的价格是由资产收益公式计算所得的。其计算机理如下：公式R0=Rn/(1+r)n。在公式中，R0表示房价，Rn表示房屋的未来收益，我们以房租代替分析，r为房屋收益率长期而言等于社会资本的平均收益率。因为首先资本是流动的，如果房屋收益率大于实际利率，资本就会往房屋市场流动，在资本边际效用递减的规律下，房屋市场资本的收益就会降低，一直到与其他行业相等为止；相反同理。（即为实际利率）。当国民收入增加时，人们会对居住环境提出更高要求，从而增加住宅需求，拉高房租Rn，在收益率（实际利率）不变时就会对二级市场的房价，即R0产生正面影响，从而影响房地产市场的波动。(三) 工业化进程是影响房地产市场的根本因素世界工业化本身演进的基本趋势和一般规律是：工业结构依次经历轻纺或劳动密集型、重化工或资本密集型、信息或技术密集型三个阶段；产业结构重心首先由农业向工业过渡，然后由工业向服务业过渡；就业结构先是农村劳动 力相对于工业劳动力趋于下降，进而工业劳动力相对于服务业劳动力趋于下降；城乡结构变化是农村的产值、就业地位始终相对下降，城市产值、就业地位则始终处 于上升，即城市化率不断提高；收入结构先是由于农村就业人员下降幅度滞后于其产值下降幅度，导致农村居民收入低于城市居民收入，然后逐步趋于缩小和一体化。可以看出，工业化的本质是产业结构的转变，而转变过程中发挥重要作用的是要素的重新分配，主要表现为农村劳动力的释放并与资本结合，这个结合对于房地产市场的结果是：1、资本和劳动的边际效率提高，从而相应的要素收入提高，在；2、社会分工更加细化，全社会生产效率提高，整体城市化得到推进，对房地产需求加大。在上述两个结果的直接结果均为效率的提高，即是要素边际报酬的增加。因此，在房地产市场中，如果公式R0=Rn/(1+r)n中的r获得整体的提高，在Rn不变的情况下，也会直接影响R0。所以，工业化进程会通过影响资本的收益率来间接影响房价。另外，随着工业化推动城市化的发展，旧城区人口密度大，城市基础设施落后，卫生条件较差，交通拥挤。为了提高中心城区的生活之来那个，提高城市星系那个常会有大量的旧城改造。尤其是我国在计划经济时代，在城市生活生产要素布局中不进行科学的规划，随着市场经济的发展，大量工业企业在土地市场价值规律的作用下会搬离城市中心，而原有的居住区也需要重新改造。四 对各影响因素的线性回归模型验证上一部分我们分析了影响海南房地产发展的因素，为了验证其是否存在线性关系和预测各因素的作用大小，下文我们将引进SPSS统计软件的线性回归模型进行测量。(一) 实证分析的理论基础尽管区域经济差异理论告诉我们，不同区域由于要素禀赋不一致，加上区域所处的区位条件和外部环境不同会导致区域间的经济发展水平和结构上会产生差异，但是，由于信息的分享充分和房地产的资产属性，海南房地产发展的这20年中波动起伏较大，除了受房地产经济周期正常波动的影响之外，还受到土地价格、市场供需、收入水平和消费者心理等众多方面因素的影响，从上文分析我们知道海南房地产具有较强的全国联动性，为了探索出一个既符合海南又适用于本行业的模型，我们挑选了实际利率、全国GDP、海南GDP和海南工业总产值四个指标。(二) 关于指标及数据来源的说明1. 指标说明目前，海南由于特殊的地理位置和自然环境，全岛的房产外销比例高达80%以上 中国新闻网.海南房产投资销售旺盛大幅领先全国水平EB/OL. 2009-04-15，从作者在富力地产海南公司工作时了解到海南购房者在地域上覆盖了中国的大部分省份，所以选入衡量全国经济发展水平的GDP来测量其对海南房地产市场的影响作用。尽管在总体上房产外销比例较大，房产的其中一个属性是作为人们的生活消费品，其需求会随着区域经济的发展而增加，因此海南GDP、工业总产值作为衡量海南区域经济状况的指标被选入，在本文中的分析意义主要是：经济发展水平、城市化水平对房地产业的促进作用。2. 数据来源上述指标中，全国GDP数据来自历年中国统计年鉴；海南GDP、海南工业总产值、房地产业总产值来自历年海南统计年鉴；利率为来自世界银行的中国历年实际利率（Real interest rate (%)）。(三) 线性回归模型方法介绍由于影响房地产的因素较多，为了较准确地测量上文中选入指标对海南房地产业发展的影响程度和推断出海南房地产业发展模型，本文将运用SPSS软件的线性回归模型（Linear Regression）进行分析。回归分析是研究某一被解释变量（因变量）与另一个或多个解释变量（自变量）间的依存关系，其目的在于根据已知的解释变量值或固定的解释变量值（重复抽样）来估计和预测被解释变量的总体平均值。在对四个指标进行逐个分析后，将通过线性回归来总体测量这些指标对海南房地产的作用。(四) 基于Enter方法的三因素模型如下面结果，在Enter方法下，所有选入模型均被纳入模型，调整后的R2（Adjusted R Square）=0.832，表示模型对应变量的解释力度是比较充分的，杜宾沃森系数（Durbin-Watson）等于1.541，非常接近2，表明模型中变量间的自相关性非常小。而方差分析表（ANOVAb）中，F值为22.004，Sig值是0.000a，意思是模型具有统计学意义。在显著性方面，实际利率、全国GDP、海南GDP和海南工业总产值分别为：0.531、0.078、0.022和0.189，虽然有两个指标的显著性比较高但是为了得出完整的模型，我们暂时将其全部纳入。因此，我们推导出的第一个模型为：海南房地产总产值=-0.23*实际利率+0.106*海南GDP（亿元）+0.207*海南工业总产值（亿元）。模型中有两点需要加以解释：1、尽管全国GDP与海南房地产的发展是显著相关的但模型中两者的系数却为0，表明两者之间的因果关系并不稳定或不明显；2、散点图（Scatterplot）中1992年的标准残差是由于该年的房地产泡沫，使其严重偏离增长轨道。 完整模型结果参照附录 1结果一、基于Enter方法的三因素模型Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1工业总产值（亿元）, 实际利率, 海南GDP（亿元）, 全国GDP（亿元）a.Entera. All requested variables entered.b. Dependent Variable: 房地产业总产值（亿元）Model SummarybModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.933a.871.8323.93051.87122.004413.0001.541a. Predictors: (Constant), 工业总产值（亿元）, 实际利率, 海南GDP（亿元）, 全国GDP（亿元）b. Dependent Variable: 房地产业总产值（亿元）ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression1359.7734339.94322.004.000aResidual200.8361315.449Total1560.60917a. Predictors: (Constant), 工业总产值（亿元）, 实际利率, 海南GDP（亿元）, 全国GDP（亿元）b. Dependent Variable: 房地产业总产值（亿元）CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).3182.470.129.899实际利率-.230.357-.099-.644.531全国GDP（亿元）.000.000-2.878-1.911.078海南GDP（亿元）.106.0412.7092.608.022工业总产值（亿元）.207.1491.0591.387.189a. Dependent Variable: 房地产业总产值（亿元）(五) 基于Stepwise方法的双因素模型在Stepwise方法下，通过逐步回归，仅纳入海南GDP和实际利率两个变量，调整后的R2（Adjusted R Square）=0.813，虽然比Enter方法下模型减少2个百分比的解释能力，但是依然表示此模型对应变量的解释力度是充分的，杜宾沃森系数（Durbin-Watson）等于1.436，非常接近2，说明模型中变量间的自相关性非常小。在方差分析表（ANOVAb）中，F值为37.973，Sig值是0.000a，表明模型具有统计学意义。在显著性方面，入选的海南GDP和实际利率分别为：0.000和0.012。总体上，这个模型是比较适用的。由此，我们得出的第二个模型为：海南房地产总产值=0.036*海南GDP（亿元）-0.714*实际利率。模型中的散点图（Scatterplot）中1992年的标准残差同样由于该年的房地产泡沫使其严重偏离增长轨道。通过这个双因素模型，我们可以看到影响着房地产业发展的主要因素是实际利率，其线性系数绝对值达到了0.714，这充分体现和支持了我们在上文分析中对海南房地产资产属性的假设与解释。结果二、基于Stepwise方法的双因素模型Variables Entered/RemovedaModelVariables EnteredVariables RemovedMethod1海南GDP（亿元）.Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).2实际利率.Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).a. Dependent Variable: 房地产业总产值（亿元）Model SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.863a.745.7294.98490.74546.803116.0002.914b.835.8134.14242.0908.170115.0121.436a. Predictors: (Constant), 海南GDP（亿元）b. Predictors: (Constant), 海南GDP（亿元）, 实际利率c. Dependent Variable: 房地产业总产值（亿元）ANOVAcModelSum of SquaresdfMean SquareFSig.1Regression1163.02111163.02146.803.000aResidual397.5881624.849Total1560.609172Regression1303.2142651.60737.973.000bResidual257.3951517.160Total1560.60917a. Predictors: (Constant), 海南GDP（亿元）b. Predictors: (Constant), 海南GDP（亿元）, 实际利率c. Dependent Variable: 房地产业总产值（亿元）CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)1.5452.326.664.516海南GDP（亿元）.034.005.8636.841.0002(Constant)1.7691.934.915.375海南GDP（亿元）.036.004.9288.651.000实际利率-.714.250-.307-2.858.012a. Dependent Variable: 房地产业总产值（亿元）(六) 基于Backward方法的双因素模型如下图表显示，在Backward方法下，通过逐步剔除，纳入海南GDP、全国GDP和海南工业总产值（亿元）三个变量，调整后的R2（Adjusted R Square）=0.839，比Enter方法下模型的增强0.7个百分比的解释能力，杜宾沃森系数（Durbin-Watson）等于1.597，非常接近2，表明模型中变量间的自相关性非常小。在方差分析表（ANOVAb）中，F值为30.473，Sig值是0.000a，虽然比Stepwise下模型小7.5，但仍然表明模型具有统计学意义。在显著性方面，入选的海南GDP、全国GDP和实际利率分别为：0.004、0.003和0.024。因此，总体上，这个模型同样比较适用。由此，我们得出的第二个模型为：海南房地产总产值=0.119*海南GDP+0.272*海南工业总产值，单位为亿元。其中中需要加以解释的同Enter方法下模型。 即尽管全国GDP与海南房地产的发展显著相关，但模型中两者的线性系数却为0，表明两者之间的因果关系并不稳定或不明显。这个双因素模型显示影响海南房地产业发展的主要因素是海南本岛GDP和工业总产值，并且两者的线性系数绝对值分别达到了0.119和0.272，即海南GDP每增长0.119个百分点就会带动房地产总产值增加1个百分点，工业总产值每增长0.272个百分点可以给房地产带来一个百分点的增长。这体现海南本岛经济的发展会增强自身的吸引力，而工业总产值的促进作用则证明了海南工业化进程对房地产业所起的促进作用。结果三、基于Backward方法的双因素模型Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1工业总产值（亿元）, 实际利率, 海南GDP（亿元）, 全国GDP（亿元）a.Enter2.实际利率Backward (criterion: Probability of F-to-remove >= .100).a. All requested variables entered.b. Dependent Variable: 房地产业总产值（亿元）Model SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.933a.871.8323.93051.87122.004413.0002.931b.867.8393.84755-.004.415113.5311.597a. Predictors: (Constant), 工业总产值（亿元）, 实际利率, 海南GDP（亿元）, 全国GDP（亿元）b. Predictors: (Constant), 工业总产值（亿元）, 海南GDP（亿元）, 全国GDP（亿元）c. Dependent Variable: 房地产业总产值（亿元）ANOVAcModelSum of SquaresdfMean SquareFSig.1Regression1359.7734339.94322.004.000aResidual200.8361315.449Total1560.609172Regression1353.3573451.11930.473.000bResidual207.2511414.804Total1560.60917a. Predictors: (Constant), 工业总产值（亿元）, 实际利率, 海南GDP（亿元）, 全国GDP（亿元）b. Predictors: (Constant), 工业总产值（亿元）, 海南GDP（亿元）, 全国GDP（亿元）c. Dependent Variable: 房地产业总产值（亿元）CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).3182.470.129.899实际利率-.230.357-.099-.644.531全国GDP（亿元）.000.000-2.878-1.911.078海南GDP（亿元）.106.0412.7092.608.022工业总产值（亿元）.207.1491.0591.387.1892(Constant).1652.406.068.946全国GDP（亿元）.000.000-3.577-3.493.004海南GDP（亿元）.119.0343.0