黃華繼 王 絮

（安徽財(cái)經(jīng)大學(xué)金融學(xué)院，安徽蚌埠 233041）

基于經(jīng)濟(jì)因素影響安徽省房?jī)r(jià)的實(shí)證研究

黃華繼 王 絮

（安徽財(cái)經(jīng)大學(xué)金融學(xué)院，安徽蚌埠 233041）

通過(guò)主成分分析方法分析影響安徽省房?jī)r(jià)的各因素之間的相互關(guān)系，將眾多影響房?jī)r(jià)的因素簡(jiǎn)化為幾個(gè)少數(shù)的且相互之間不存在多重共線性的經(jīng)濟(jì)因素，構(gòu)建安徽省房?jī)r(jià)經(jīng)濟(jì)預(yù)測(cè)模型，分析影響安徽省房?jī)r(jià)的具體經(jīng)濟(jì)因素指標(biāo)，針對(duì)建立的經(jīng)濟(jì)模型分析說(shuō)明經(jīng)濟(jì)因素對(duì)安徽省房?jī)r(jià)的影響程度。研究表明：對(duì)安徽省房?jī)r(jià)上漲具有正向推動(dòng)作用的有安徽生產(chǎn)總值GDP，各種價(jià)格總指數(shù)，城鎮(zhèn)居民家庭人均可支配收入，貨幣供應(yīng)量，國(guó)內(nèi)旅游經(jīng)濟(jì)指標(biāo)；負(fù)方向變動(dòng)的是美元兌人民幣的匯率水平。

經(jīng)濟(jì)因素；安徽；住房?jī)r(jià)格；主成分分析

近十幾年以來(lái)，隨著經(jīng)濟(jì)的發(fā)展，人民生活水平的提高，居民生活的住房?jī)r(jià)格也在急速的上升。住房?jī)r(jià)格的持續(xù)走高直接影響了我國(guó)居民的生活水平，降低了我們的生活質(zhì)量。中國(guó)是一個(gè)擁有傳統(tǒng)家庭觀念的國(guó)家，每個(gè)人都希望擁有一套屬于自己的住房，但是居高不下的住房?jī)r(jià)格讓許多中低收入居民買不起房。在整個(gè)社會(huì)體系中影響房?jī)r(jià)的因素有社會(huì)因素，主要包括人口密度、家庭結(jié)構(gòu)、消費(fèi)心理等；政治因素，主要包括政策法規(guī)，稅收等；經(jīng)濟(jì)因素，主要包括國(guó)內(nèi)生產(chǎn)總值，物價(jià)水平等。

一、 住宅價(jià)格影響因素的研究

對(duì)房?jī)r(jià)影響的問(wèn)題，國(guó)內(nèi)外許多學(xué)者對(duì)此進(jìn)行了大量的研究和探討。其中，初雷（2009）[1]分別從定性和定量角度分析影響北京市房地產(chǎn)價(jià)格影響因素，他認(rèn)為房?jī)r(jià)的高低主要由政府調(diào)控來(lái)控制；王華欣（2009）則[2]通過(guò)建立VAR模型用定量的實(shí)證分析方法探討影響我國(guó)房地產(chǎn)價(jià)格的因素，其分析結(jié)果顯示，推動(dòng)房?jī)r(jià)上漲的主要因素是由于銀行對(duì)房地產(chǎn)投資的過(guò)熱導(dǎo)致的，因?yàn)橹袊?guó)的房地產(chǎn)資金百分之六十都是由銀行貸款取得。金克鎮(zhèn)（2013）[3]通過(guò)對(duì)房地產(chǎn)價(jià)格的影響因素和房地產(chǎn)價(jià)格預(yù)測(cè)模型研究，利用天津市2005—2012年數(shù)據(jù)，從常住人口、商品住宅新開(kāi)工面積、商品住宅銷售面積、城鎮(zhèn)居民可支配收入、地區(qū)生產(chǎn)總值等多個(gè)因素對(duì)天津市房地產(chǎn)價(jià)格的影響因素進(jìn)行實(shí)證分析，認(rèn)為房?jī)r(jià)是受宏觀以及微觀因素的共同影響。但是以上的各個(gè)研究基本上都是綜合分析各個(gè)方面的影響，對(duì)這些影響因素進(jìn)行的理論分析和邏輯推理分析，具體的根據(jù)某一特定方面的因素進(jìn)行主成分理論分析進(jìn)行計(jì)量檢驗(yàn)的并不常見(jiàn)。本文在以前學(xué)者研究的基礎(chǔ)上，進(jìn)行定量和定性分析影響安徽省房?jī)r(jià)的經(jīng)濟(jì)因素研究。

二、 安徽省房?jī)r(jià)影響因素的模型設(shè)定

（一）定量指標(biāo)的選取與說(shuō)明

由于在影響房?jī)r(jià)的因素中，并非所有的都可以通過(guò)數(shù)據(jù)進(jìn)行量化，所以在眾多影響因素中，選擇可以量化的指標(biāo)是進(jìn)行模型分析的關(guān)鍵，也是本文的核心。本文在對(duì)房?jī)r(jià)影響的經(jīng)濟(jì)因素當(dāng)中選取了影響安徽省房?jī)r(jià)的六個(gè)經(jīng)濟(jì)指標(biāo)：安徽生產(chǎn)總值（X1）；各種價(jià)格總指數(shù)（X2）；城鎮(zhèn)居民家庭人均可支配收入（X3）；貨幣供應(yīng)量（X4）；國(guó)內(nèi)旅游經(jīng)濟(jì)指標(biāo)（X5）；美元兌人民幣匯率（X6）；財(cái)政收入增長(zhǎng)速度（X7）；財(cái)政收入支出增長(zhǎng)速度（X8）；從業(yè)人員總數(shù)（X9）；安徽省房?jī)r(jià)作為被解釋變量Y。

通過(guò)使用Eviews軟件對(duì)變量進(jìn)行回歸，進(jìn)行多重共線性的檢測(cè)判斷自變量的方差膨脹因子（VIF）是否大于10，如果大于10，表明模型存在嚴(yán)重的多重共線性，則不能將模型進(jìn)行簡(jiǎn)單的線性回歸，首先要消除多重共線性，可以選擇運(yùn)用主成分分析方法消除。主成分分析是一種消除多重共線性的方法，其基本原理將原來(lái)的具有相關(guān)關(guān)系的變量組成一組新的互相無(wú)關(guān)的幾個(gè)綜合變量，再根據(jù)其貢獻(xiàn)率來(lái)選取能反映絕大部分的原有變量信息的主成分進(jìn)行回歸分析，最后根據(jù)主成分與解釋變量之間的對(duì)應(yīng)關(guān)系，求得原回歸模型的估計(jì)方程。

（二）模型的建立與說(shuō)明

建立模型之前，選擇安徽省房?jī)r(jià)作為因變量Y，影響安徽省房?jī)r(jià)的各個(gè)因素作為自變量Xi（i=1,2,3,4,5,6,7,8,9,），樣本容量為n。通過(guò)Eviews軟件將數(shù)據(jù)進(jìn)行回歸，判斷是否具有多重共線性。如果存在多重共線性則使用主成分分析方法消除多重共線性，再根據(jù)標(biāo)準(zhǔn)化后的變量建立新的模型。對(duì)變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化是為了消除變量之間的量綱關(guān)系從而使數(shù)據(jù)具有可比性，因?yàn)樵诮?jīng)濟(jì)計(jì)量的數(shù)據(jù)指標(biāo)中大多數(shù)都具有不同的量綱，使其指標(biāo)值的數(shù)量級(jí)也不一樣，所以在應(yīng)用這些指標(biāo)的時(shí)候會(huì)出現(xiàn)一些其他的新問(wèn)題。由于相同的量綱之間是不可以進(jìn)行加總的，因而就算變量之間已經(jīng)在形式上組成線性組合，也不能準(zhǔn)確地解釋其經(jīng)濟(jì)學(xué)意義。建立主成分所需要的特征向量，所對(duì)應(yīng)的是樣本相關(guān)矩陣的特征值。主成分的過(guò)程也就是求相關(guān)矩陣特征向量和特征值的過(guò)程，主成分的個(gè)數(shù)確定過(guò)程存在兩個(gè)指標(biāo)，首先是要確定其標(biāo)準(zhǔn)也就是累計(jì)貢獻(xiàn)率達(dá)到85%以上；其次，是在其特征根的均值以下。

（三）對(duì)數(shù)據(jù)進(jìn)行多元線性回歸

Y=-7987.19+0.744X1-7.686X2+0.32X3-0.21X4-1. 73X5+5 043X6-1.99X7-5.74X8+1.33X9

回歸結(jié)果顯示：回歸的判斷系數(shù)為0.99，說(shuō)明模型對(duì)樣本數(shù)據(jù)的擬合程度很好，有顯著的統(tǒng)計(jì)學(xué)意義。F值為2 006.3，表明模型中的所有解釋變量對(duì)被解釋變量總影響是顯著的。但模型中的方差膨脹因子VIF大于10，模型存在嚴(yán)重的多重共線性，所以將模型進(jìn)行簡(jiǎn)單的最小二乘，估計(jì)是不能夠反映自變量對(duì)解釋變量的影響以及影響方向和影響程度的。

三、用spss16.0進(jìn)行主成分分析

（一）用SPSS 16.0標(biāo)準(zhǔn)化后的相關(guān)系數(shù)矩陣計(jì)算（見(jiàn)表1）

表1 用spss16.0標(biāo)準(zhǔn)化后的相關(guān)系數(shù)矩陣計(jì)算

表2 用SPSS16.0將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化后的主成分分析所得到的特征根，貢獻(xiàn)率以及累計(jì)貢獻(xiàn)率

表3

用spss16.0將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化后的主成分分析所得到的特征根，貢獻(xiàn)率以及累計(jì)貢獻(xiàn)率。（見(jiàn)表2）

根據(jù)以上數(shù)據(jù)可知，第一個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到73.313%，說(shuō)明第一個(gè)因子概括了原變量總方差的73.313%的信息；第二個(gè)主成分的累計(jì)貢獻(xiàn)率為88.414%，說(shuō)明第二個(gè)主成分反映了原變量方差的88.414%的信息。以上結(jié)果顯示，兩個(gè)主成分在累計(jì)貢獻(xiàn)率標(biāo)準(zhǔn)為85%的情況下，已經(jīng)基本反映了原變量的總體情況。

表3顯示的初始因子載荷矩陣可知，安徽生產(chǎn)總值、城鎮(zhèn)居民家庭人均可支配收入、貨幣供應(yīng)量、美元兌人民幣匯率、從業(yè)人員總數(shù)以及國(guó)內(nèi)旅游經(jīng)濟(jì)指標(biāo)在第一主成分上具有較高載荷，說(shuō)明第一主成分基本反映了這些信息；然而財(cái)政收入的增長(zhǎng)速度和財(cái)政支出的增長(zhǎng)速度則在第二指標(biāo)上具有較高的載荷，說(shuō)明第二個(gè)主成分基本反映了財(cái)政收入增長(zhǎng)速度以及財(cái)政支出增長(zhǎng)速度兩個(gè)指標(biāo)的信息。所以提出兩個(gè)主成分可以基本反映全部指標(biāo)的信息，可以用兩個(gè)新的變量來(lái)代替原來(lái)的九個(gè)變量。但是這個(gè)兩個(gè)變量不能直接從輸出窗口中得到，因?yàn)椤癈omponent Matrix”是指初始因子載荷矩陣，每一個(gè)載荷量表示主成分與對(duì)應(yīng)變量的相關(guān)系數(shù)。但是主成分模型需要的不是因子載荷量而是特征向量，所以還需要將因子載荷量輸入數(shù)據(jù)編輯窗口，利用“主成分相應(yīng)特征根的平方根與特征向量乘積為因子載荷量”的性質(zhì)。

根據(jù)計(jì)算結(jié)果得出主成分的表達(dá)式為：

（其中Zxi（i=1,2,3,4,5,6,7,8,9）是標(biāo)準(zhǔn)化后的數(shù)據(jù)）

利用Eviews軟件將被解釋變量安徽省房?jī)r(jià)Y與所得到的主成分F1，F(xiàn)2進(jìn)行最小二乘，估計(jì)所得到的主成分綜合模型為：

回歸結(jié)果顯示，模型的判斷系數(shù)為0.986，說(shuō)明模型的擬合優(yōu)度較強(qiáng)，具有統(tǒng)計(jì)學(xué)意義，且F統(tǒng)計(jì)量也通過(guò)了檢驗(yàn)，方差膨脹因子小于10，各個(gè)解釋變量之間不存在多重共線性，以上結(jié)果均表示該模型能夠很好地解釋每一個(gè)變量對(duì)被解釋變量的反應(yīng)程度。將原來(lái)的數(shù)據(jù)代入到該回歸方程中，得到的被解釋變量與解釋變量之間的反應(yīng)方程式為：

四、結(jié)果分析及建議

根據(jù)經(jīng)過(guò)修正后的反應(yīng)方程式顯示，各種價(jià)格總指數(shù)，貨幣供應(yīng)量以及財(cái)政收入的增長(zhǎng)速度對(duì)安徽省房?jī)r(jià)的影響較大，而且每一個(gè)變量對(duì)房?jī)r(jià)的影響都是正向的。數(shù)據(jù)顯示：安徽國(guó)內(nèi)生產(chǎn)總值每變動(dòng)1%，房?jī)r(jià)的變動(dòng)為0.018%；各種物價(jià)指數(shù)每變動(dòng)1%，房?jī)r(jià)的變動(dòng)為0.52%；城鎮(zhèn)居民家庭人均可支配收入每變動(dòng)1%，房?jī)r(jià)的變動(dòng)為0.07%；貨幣供應(yīng)量每變動(dòng)1%，房?jī)r(jià)的變動(dòng)為0.07%；國(guó)內(nèi)旅游經(jīng)濟(jì)指標(biāo)每變動(dòng)1%，房?jī)r(jià)變動(dòng)0.44%；美元兌人民幣每變動(dòng)1%，房?jī)r(jià)變動(dòng)0.73%；安徽省財(cái)政收入增長(zhǎng)速度每變動(dòng)1%，房?jī)r(jià)的變動(dòng)為0.44%；安徽省財(cái)政支出增加速度每變動(dòng)1%，房?jī)r(jià)變動(dòng)0.18%；就業(yè)人口總數(shù)每變動(dòng)1%，房?jī)r(jià)變動(dòng)0.13%。說(shuō)明這些因素在房?jī)r(jià)上升過(guò)程中具有不可忽視的推動(dòng)作用。

一個(gè)地區(qū)的房?jī)r(jià)水平，在一定程度上反映了一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)達(dá)水平，我國(guó)北京、上海等一線發(fā)達(dá)城市的房?jī)r(jià)水平永居第一，其經(jīng)濟(jì)發(fā)展水平也已經(jīng)與國(guó)際發(fā)達(dá)城市接軌。對(duì)于安徽這樣一個(gè)位于東部跨江近海的內(nèi)陸省份來(lái)說(shuō)，房?jī)r(jià)的高低也是決定其能否進(jìn)入一線城市的決定因素之一。但是，過(guò)高的房?jī)r(jià)使許多普通的住戶買不起房，導(dǎo)致多數(shù)普通住戶購(gòu)房者一直為購(gòu)房奔波，嚴(yán)重地影響了人民的生活質(zhì)量。

如何對(duì)房?jī)r(jià)進(jìn)行調(diào)控，有以下幾點(diǎn)建議：第一，由以上數(shù)據(jù)顯示可知，對(duì)房?jī)r(jià)變動(dòng)影響因素較大的主要是各種物價(jià)變動(dòng)指數(shù)、國(guó)內(nèi)旅游變動(dòng)指標(biāo)以及財(cái)政的收入增長(zhǎng)指標(biāo)，根據(jù)這些因素對(duì)房?jī)r(jià)的變動(dòng)影響制定相對(duì)應(yīng)的政策；第二，國(guó)家可以通過(guò)調(diào)控貨幣的供應(yīng)量，減少商業(yè)銀行對(duì)房地產(chǎn)開(kāi)發(fā)商的貸款發(fā)放率，提高對(duì)其發(fā)放貸款的條件，銀行方面要審查貸款的發(fā)放，避免一人多貸，一物多壓，為一些購(gòu)房投機(jī)者提供資金致使房?jī)r(jià)被炒作上升；第三，在宏觀經(jīng)濟(jì)方面，對(duì)物價(jià)指數(shù)進(jìn)行調(diào)控，過(guò)高的物價(jià)指數(shù)在一定程度上掩蓋了居民的實(shí)際生活水平，導(dǎo)致很多中低收入居民買不起房子[4]；第四，要大力發(fā)展和建設(shè)普通居民能夠買得起的經(jīng)濟(jì)適用房，根據(jù)不同的居民群建設(shè)適合的房戶類型。

五、結(jié)束語(yǔ)

本文對(duì)安徽省房?jī)r(jià)影響因素的研究仍然有許多不足，例如在選取解釋變量的過(guò)程中并沒(méi)有涵蓋全部的經(jīng)濟(jì)因素變量，導(dǎo)致在分析影響因素以及提出建議時(shí)具有一定的局限性。

[1]初雷.中國(guó)房地產(chǎn)價(jià)格影響因素分析——以北京房地產(chǎn)市場(chǎng)為例[D].沈陽(yáng)：遼寧大學(xué)，2009：2-13.

[2]王華欣.我國(guó)房地產(chǎn)價(jià)格及其影響因素分析[D].濟(jì)南：山東大學(xué)，2009：21-26.

[3]金克鎮(zhèn).關(guān)于房?jī)r(jià)影響因素的理論分析與實(shí)證研究——以天津市為例[D].天津：天津師范大學(xué)，2013：32-34.

[4]徐玲玲，邱繼勤.重慶市房地產(chǎn)價(jià)格波動(dòng)對(duì)居民消費(fèi)影響的實(shí)證研究[J].重慶理工大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2014（4）.

（責(zé)任編輯：朱 丹）

An Empirical Study of the Economic Factors Affecting the Housing Prices in Anhui

HAUNG Huaji WANG Xu
(School of Finance, Anhui University of Economics and Finance, Bengbu, Anhui 233041, China)

This paper analyzes the interrelationship among the factors that affect the housing price in Anhui by the principal component analysis method. The many factors that affect the housing price can be simplified to a few economic factors that are on non-mutually multi-collinearity. This paper builds up the economic forecasting model to analyze the specific economic index system that affects the housing price in Anhui. And with the model how the housing price in Anhui is affected by the economic factors is analyzed. Studies have shown that the housing price in Anhui has been positively promoted by Anhui GDP, the overall price index, the average disposable income of urban residents, the amount of money supply, the domestic tourism economic indicators and the changes of USD dollar exchange rate with Renminbi in the negative direction.

economic factors; Anhui; housing prices; principal component analysis

F293.3

A

1009-8135（2015）01-0040-04

2014-10-05

黃華繼（1965-），男，安徽歙縣人，安徽財(cái)經(jīng)大學(xué)金融學(xué)院副教授，碩士生導(dǎo)師。王 絮（1989-），女，安徽安慶人，安徽財(cái)經(jīng)大學(xué)金融學(xué)院碩士研究生。