房价区域差异影响因素实证分析.doc

《房价区域差异影响因素实证分析.doc》由会员分享，可在线阅读，更多相关《房价区域差异影响因素实证分析.doc（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、房地产业 I 栏目编辑王雷 房价区域差异影响因素实证分析 朱君 妍 张 婷 张 金 娟 近年来，各城市房价涨势普遍趋缓，但个别大城市房价 依然居高不下。房价区域性差异及影响因素引起了人们的广 泛关注。本文在系统总结相关理论知识和已有研究成果的基 础上，对城市房价宏观影响因素建立简单的多元线性回归模 型，选取国内二十七个大中型城市，定量研究影响住宅房地 产价格的因素，判断各因素的影响程度。 房价区域差异影响因素理论分析 房地产具体市场价格是由众多因素相互作用形成的，一 个城市房价的高低，可能是其中一个因素或者几个因素共同 作用的结果。只有对影响房价的因素进行综合考虑才能分析 清楚造成区域差异的原

2、因。 综合分析，笔者认为城市住宅房地产价格区域差异的影 响因素主要有一般因素和区域因素。 影响城市间房地产价格区域差异的一般因素包括社会因 素（人口因素、社会稳定状况和城市化 )、经济因素（国内 生产总值 GDP、 物价和居民收入 )、制度政策因素（货币政策、 城市规划、土地规划政策和行政隶属变更政策）和心理因素 等。同一时 期，对不同城市来讲，人口越多，社会状况越稳 定，城镇化程度越深，房价越高；经济发展越快，地区生产 总值越大，物价和居民收入越高，房价越高；制度政策越有 利于促进居民对住房形成有效需求，如提高货币供应量，房 价越高。同样，人们对一个城市心理预期越高，该城市房价 也会越高。

3、影响城市间房地产价格区域差异的区域因素主要有区位 和自然因素。区位在这里着重指城市间的相对位置，房地产 位置的优劣直接影响其所有者或使用者的经济收益、生活满 足程度和社会影响。因此，房地产坐落的位置不同，价格有 较大差异；住宅房地产的相对位 置优劣，主要是看交通是否 方便，以及与各中心城市的远近。自然因素主要指自然地理 条件，包括环境、气候、河流、地形等各种复杂因素。 我国房价区域差异影响因素实证分析 根据区域差异以及数据获取难易程度，本文选取了 27 个大中型城市，其中东北地区城市有沈阳；华北地区城市有 北京、石家庄、 .天津等；华东地区城市有上海、南京、杭州 32 ,v 栏目编辑王雷 I

4、房地产业 等；华中地区城市 有武汉、长沙；华南地区城市有南昌、深 圳、广州等；西南地区城市有成都、昆明、重庆等；西北地 区城市有西安、西宁、银川等。 本文选取以上 27 个城市的人均地区生产总值、城市常 住人口总数、区位和自然因素四个变量来建立简单的多元线 性回归模型以分析各个因素对房地产价格（住宅商品房平均 销售价格）差异的影响。 (一）变量选取和数据说明 本文主要以各城市住宅商品房平均销售价格为研究对 象，分析住宅商品房价格与各影响因素之间的关系。自变量 社会因素选取常住人口总数，经济因素选取人均地区生产总 值，区域因素选取区位和自然 因素，因变量住宅房地产价格 选取住宅商品房平均销售价格

5、进行分析。 住宅商品房平均销售价格：指报告期内住宅类商品房屋 的销售总额除以销售总面积而计算得出的平均价格。 人均地区生产总值：即“人均 GDP” ， 一个地区，在核 算期内（通常为一年 ） 实现的生产总值与所属范围内的常住 人口的比值，由于流动人口对地区经济有较大影响，用户籍 人口得出的结果会有一定的偏差，故在此选用地区常住人口。 常住人口总数：指地区所属范围内的常住人口数量，由 于流动人口对城市住宅房价有较大影响，故选用地区所属范 围内的常住人口而非户籍人口。 区位因素：本文中提到的区位因素着重指的是城市间的 相对位置，其中包含与中心城市的距离及交通便利程度。现 SUMMARY OUTPU

6、T 回归统计 Multiple R 0.885337 R2 0.783822 Adjusted R2 0.744516 标准误差 2463.97 观测值 27 方差分析 df SS MS F Signi-ficance F 回归分析 4 4.84E+08 1.21E+08 19.94196 4.64E-07 残差 22 1.34E+08 6071146 总计 26 6.18E+08 初步将我国政治、经济、文化、体育中心北京设为赋值基点， 赋值 100。而后，将东北、华东、华南、华中、西南、西北 板块的中心城市沈阳、上海、广州、长沙、成都、西安就区 位相比较进行赋值。就上海而言，上海是我国经济中

7、心，交 通便利，地处沿海地带，与国外贸易往来较为频繁，同时又 是广州、北京等发达城市的中点地带，所以考虑将上海赋值 105。其他中心地带城市之间通过和北京相比外，再和已赋 值的城市进行相比，最终得出赋值结果。其次，中心城市的 赋值结果得出后，再分板块 进行板块内城市赋值。因为城市 地理位置较近，赋值结果相对而言就较为准确，如华北地区 的北京、天津、石家庄等。具体赋值情况见表。 自然因素：通过对影响房价的主要自然因素指标进行分 析得出 :地形、气候、环境及临海等对房地产价格有一定影响。 综合考虑这些因素，同样以北京为赋值基点，赋值 3。深圳 与北京相比，温差较小，环境条件要优于北京，而且属于周

8、边临海城市，水资源丰富，综合考虑以上几个因素同北京相 比后，给其赋值 4。其他城市依次赋值，具体赋值情况如文 末赋值情况表所示。 (二） 模型的建立 根据住宅房地产价格与 其主要影响因素的关系，建立房 价与各影响因素的多元线性回归方程，设回归模型为： P=P+P1X1+P2X2+P3X3+P4X4+|x 其中： P:住宅商品房平均销售价格（元 /平方米 ） 父 1:常住人口总数（万人 ） x2:人均国内生产总值（万元 ） x3:区位因素 x4:自然因素 P(,为常数项， PM p2, p3, P4 分另 IJ 为 x2, x3, x4 的系数， K 为修正系数。 (三） 模型求解、回归性检验及

9、实证分析 1. 模型的求解和回归性检验 用 Excel 软件，数据分析工具进行回归分析，结果如下： 2. 数据分析 “回归统计表”中，相关系数 Multiple R=0.885337 0.6, 表明各变量之间的关系为高度正相关；复测定系数 R2= Coef-ficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept -16020.7 4901.489 -3.26854 0.003515 -26185.8 -5855.64 -26185.8 -5855.64 X Variable 1 0.292238

10、0.863914 0.338272 0.738365 -1.49941 2.083887 -1.49941 2.083887 X Variable 2 639.8281 221.1278 2.893476 0.008431 181.2371 1098.419 181.2371 1098.419 X Variable 3 241.6255 90.75936 2.662265 0.014231 53.40211 429.8489 53.40211 429.8489 X Variable 4 172.9431 1061.086 0.162987 0.872017 -2027.62 2373.502

11、-2027.62 2373.502 2017-3 33 房地产业 I 栏目编辑王雷 0.783822，表明用自变量 XM X2, X3, X4可解释因变量 P 变差的 78.38% ;调整后的复测定系数 Adjusted R2=0.744516, 说明自变量能说明因变量 P 的 74.45%，因变量 P 的 25.55% 要由其他因素来解释。 “方差分析表”中 ， Significance F (F 显著性统计量）的 P值为 4.64E-07 (即 4.64 x UT7 )， 远小于显著性水平 . 5, 所以说该回归方程回归效果显著，方程中至少有一个回归系 数显著不为 0。 由“回归参数表”得

12、出估算的回归方程为： P = -16020.7+0.292238 X1+639.8281 X2+241.6255 X3+ 172.9431 X4 该表中的 P-value 为回归系数 t 统计量的 P 值。其中 X2, &的？值均小于显著性水平 0.05,因此该两项的自变 量与 P 显著相关。而 XM 的 1 统计量的 P 值大于显著性 水平 0.05,因此这两项（即年末常住人口与自然因素）的回 归系数不显著。 由此可知，在常住人口总数、人均国内生产总值、区位因 素和自然因素四个影响因素均与城市住宅房地产价格成正比。 在一定范围内，当人均国内生产总值增加 10000 元，住 宅房地产价格相应每

13、平方米增加 640 元，反之则减少；某城 市所属地区区位条件越好，该城市的住宅房地产价格越高。 而年末常住人口数量和自然因素，从结果上来看，对城市住 宅房地产价格也存在正向的影响，但是，从回归性上来看， 在 5%的显著性水平下，对住宅房地产 价格的影响作用并不 显著，不存在明显的相关性。 由上述对结果的分析可知，在 5%的显著性水平下，人 均地区生产总值、区位与城市住宅商品房价格存在明显的相 关关系，而城市常住人口总数、自然因素与城市住宅商品房 价格不存在明显的相关关系。 建议：尊重区域差异性，合理调控房价 通过对 2014 年全国 27 个大中城市的数据进行定量分析 发现，影响城市间住宅房地

14、产价格差异的因素有该城市的人 均GDP 和区位，他们与住宅房地产价格均存在正向的显著 相关关系，即：当一个城市经济更为发达时，相应 该城市的 住宅房地产价格就越高；当一个城市区位条件更优时，对应 的住宅房地产价格就越高。但是，从结果的复测定系数 R2 可以看出，还有相当一部分其它因素如人口、自然因素对城 市间住宅房地产价格差异也存在一定影响。 当然，本文仍然存在以下不足：一是对区位、自然因素 赋值存在一定主观性，可能会对结果产生一定影响；二是房 地产区域性特点很强，研究结论受到一定程度的限制；三是 对影响因素的量化和模型的构建需要做进一步的考量。因此， 一是希望在以后的研究当中能够准确量化影响

15、因素，使其能 更精准地说明房价与各影响因素之间 的关系；二是可以选取 多种模型进行模拟，找到最适宜的模型进行研究。 据此，提出以下建议：一是政府必须尊重并足够重视房 地产价格的区域差异性，给予实地调查研究，分析引起区域 价格差异的具体原因；二是因地制宜地制定合理的房地产市 场调控政策，尽量平衡区域间经济发展的差异，保持房地产 市场的适度均衡，避免出现较大的分化趋势。 各城市统计数据及赋值情况表 城市 住宅 向品房平均 销售价格 (元 /平方米 ） 年末常住 总人口 (万人 ） 人 均地区 生 产总值 (万元 /人） 区位 自然 北京 18499 2152 9.9 100 3 呼和浩特 5153

16、 303 9.5 60 1 南京 10964 822 10.7 90 3 杭州 14035 889 10.3 95 3 合肥 6917 770 6.7 75 2 福州 10105 743 7.0 90 3 南昌 6225 524 7.0 75 2 济南 7158 707 8.2 80 2 青岛 7855 905 9.6 85 3 武汉 7399 1034 9.7 80 2 长沙 5458 731 10.7 70 2 广州 14739 1308 6.3 95 4 海口 7473 220 4.6 80 3 成都 6536 1443 7.0 75 1 贵阳 4904 456 5.5 65 1 西安

17、6105 863 6.3 75 1 兰州 5860 366 5.2 70 1 西宁 4807 229 4.7 75 1 银川 4111 213 6.6 60 1 乌鲁木齐 5758 353 7.1 55 1 昆明 6067 663 5.6 75 2 重庆 5094 2991 4.8 70 1 沈阳 5865 829 8.6 70 2 石家庄 5562 1062 4.8 70 1 上海 16415 2426 9.7 105 4 深圳 24040 1078 14.8 95 3 天津 8828 1517 10.4 85 2 注：本文直接取国家统计局 2014 年住宅商品房平均销售价格。 本文选用 2014 年各城市国民经济和社会发展状况统计公报中的统计数值。 本文选用 2014 年各城市国民经济和社会发展状况统计公报中的地区生产 总值与地区常住人口总数的比值。 (作者单位：天津商业大学商学院 ） 34