竺天辰

摘 要：為了分析房價影響因素，本文首先借鑒歷史文獻中的影響因素進行回歸分析，其次使用主成分分析方法消除多重共線性對模型的干擾。對數(shù)據(jù)進行平穩(wěn)性檢驗、協(xié)整檢驗，并使用Eviews軟件構(gòu)建回歸模型。影響房價因素主要是地區(qū)生產(chǎn)總值、全社會固定資產(chǎn)投資、城市人口密度和城鎮(zhèn)居民人均可支配收入，最后結(jié)合模型對主要影響因素進行經(jīng)濟層面的分析并提出減緩房價上升的建議。

關(guān)鍵詞：房價 回歸分析 主成分分析 影響因素

中圖分類號：F715.53 文獻標識碼：A 文章編號：2096-0298（2017）08（a）-139-04

當前我國社會中面臨的突出問題，莫過于高房價。近年來房地產(chǎn)的快速擴張，使房價保持高昂的上升趨勢。以北京為例，北京的商品住房均價從2005年的6788元每平方米上漲到2015年的22633元每平方米，平均每年以12.8%的漲幅快速上升。房價持續(xù)上漲已經(jīng)成為影響中國經(jīng)濟安全和社會穩(wěn)定的重大隱患。黨和政府明確提出了住房保障政策目標，享有住房是每個人的基本權(quán)利，保障城鎮(zhèn)居民的住房權(quán)利，是政府義不容辭的責(zé)任。而高房價已經(jīng)成為這一政策目標的最大障礙。那么影響高房價的因素有哪些？又是如何影響房價的？

1 文獻回顧

從20世紀90年代開始，學(xué)者們就對房地產(chǎn)價格的影響因素投入了大量的研究。Karl E. Case[1]研究發(fā)現(xiàn)房價與人均收入有著較強的正相關(guān)性。Clapp J. M. 和 Giaccotto C[2]研究發(fā)現(xiàn)人口對于住宅價格的變化有較好的預(yù)測能力。Quigley J.M[3]的研究認為經(jīng)濟基本面的相關(guān)指標可以解釋房地產(chǎn)價格的走勢。Malpezzi S. A[4]通過133個都市區(qū)域的年度數(shù)據(jù)，得出住宅價格的變化不是隨機的。結(jié)合國內(nèi)經(jīng)濟，袁志剛、樊瀟彥[5]構(gòu)造了房地產(chǎn)市場局部均衡模型。周京奎[6]提出了過度金融支持假說，認為過度的金融支持能影響房價的走勢。余壯雄和林建浩+在房地產(chǎn)市場局部均衡的框架下，提出了政府支持假說。還有的學(xué)者運用灰色預(yù)測模型對住宅價格進行分析， 對未來房價走勢作出了較準確的預(yù)測[8]。

2 房價影響因素模型的設(shè)定

2.1 變量的選取、解釋及數(shù)據(jù)處理

2.1.1 變量的選取

房價的高低受多重因素的影響，但并不是所有的都可以量化，本文在借鑒上述學(xué)者的研究成果基礎(chǔ)上，選取北京2005年～2015年數(shù)據(jù)作為分析對象，選擇可以量化的指標進行模型分析。取地區(qū)生產(chǎn)總值，全社會固定資產(chǎn)投資，房地產(chǎn)開發(fā)企業(yè)土地購置費用，房地產(chǎn)開發(fā)企業(yè)國內(nèi)貸款，城市人口密度，城鎮(zhèn)居民人均可支配收入作為解釋變量。取商品房平均銷售價格作為被解釋變量。

2.1.2 變量的解釋

（1）地區(qū)生產(chǎn)總值（X1）：是指本地區(qū)所有常住單位在一定時期內(nèi)生產(chǎn)活動的最終成果。

（2）全社會固定資產(chǎn)投資（X2）：是以貨幣表現(xiàn)的建造和購置固定資產(chǎn)活動的工作量，它是反映固定資產(chǎn)投資規(guī)模、速度、比例關(guān)系和使用方向的綜合性指標。

（3）房地產(chǎn)開發(fā)企業(yè)土地購置費用（X3）：指房地產(chǎn)開發(fā)企業(yè)通過各種方式取得土地使用權(quán)而支付的費用。

（4）房地產(chǎn)開發(fā)企業(yè)國內(nèi)貸款（X4）：是指房地產(chǎn)開發(fā)經(jīng)營企業(yè)或土地儲備機構(gòu)發(fā)放的與房地產(chǎn)開發(fā)經(jīng)營活動有關(guān)的貸款。

（5）城市人口密度（X5）：指生活在城市范圍內(nèi)的人口稀密的程度。

（6）城鎮(zhèn)居民人均可支配收入（X6）：是指反映居民家庭全部現(xiàn)金收入能用于安排家庭日常生活的那部分收入。

2.1.3 數(shù)據(jù)的處理

為了消除通貨膨脹因素， 在處理各年數(shù)據(jù)時，以2005年為基準年，查詢出各年通貨膨脹率，然后將各年的名義數(shù)據(jù)進行處理，處理數(shù)據(jù)如表1、表2所示。

2.2 模型的建立

從圖1看出，Y隨著X1、X2、X3、X4、X5、X6的提高而增加，近似于線性關(guān)系，為分析被解釋變量與解釋變量變動的數(shù)量規(guī)律性，本文設(shè)定模型為：

首選對數(shù)線性模型， 是因為自變量的斜率度量了因變量對自變量的彈性，以方便于建立模型后經(jīng)濟意義的解釋。

2.3 主成分分析前后的多元線性回歸分析

（1）利用Eviews軟件對經(jīng)過處理后的數(shù)據(jù)進行多元線性回歸，并進行多重共線性的檢驗，判斷該模型是否具有多重共線性?；?005年～2015年的數(shù)據(jù)，得到的回歸方程如下所示。

回歸結(jié)果顯示：可決系數(shù)為0.9515，說明模型的擬合程度較好，即被解釋變量商品房平均銷售價格可以很好地由回歸模型來解釋。但X1，X6經(jīng)濟意義不通過。這表明模型可能存在嚴重的多重共線性。為了分析模型多重共線性，根據(jù)數(shù)據(jù)得相關(guān)系數(shù)檢驗如表3所示。

由表3可以看出，解釋變量相關(guān)系數(shù)較高。但是較高的簡單相關(guān)系數(shù)只是多重共線性存在的充分條件，而不是必要條件。為了確定數(shù)據(jù)確實存在多重共線性，對數(shù)據(jù)進行輔助回歸，并依據(jù)輔助回歸數(shù)據(jù)研究變量的方差擴大因子VIFj。VIFj的大小反映了解釋變量之間是否存在多重共線性。當VIFj大于等于10時，說明解釋變量與其余解釋變量之間有嚴重的多重共線性，且這種多重共線性可能會過度地影響OLS估計。

各個解釋變量的方差擴大因子值如表4所示。

根據(jù)表4所得數(shù)據(jù)可以發(fā)現(xiàn)該模型的確存在多重共線性。

（2）主成分分析后的多元線性回歸分析。主成分分析能夠有效消除模型中的多重共線性，它的基本原理是通過投影的方法，實現(xiàn)數(shù)據(jù)的降維[9]。使用軟件對數(shù)據(jù)進行主成分分析，分析之后得到數(shù)據(jù)表5、表6所示。

其中第一主成分的方差貢獻率為85.9%， 說明該主成分反映了原指標85.9%的信息量。 已能較好反映總體變動情況。

3 模型檢驗

3.1 平穩(wěn)性檢驗

對于時間序列數(shù)據(jù)，如果建立的模型中存在非平穩(wěn)變量，極有可能出現(xiàn)偽回歸現(xiàn)象。因此，為真正反映模型中變量之間的聯(lián)系，避免偽回歸問題的發(fā)生，要對商品房平均銷售價格、第一主成分2個變量進行平穩(wěn)性檢驗，檢驗如表7、表8所示。

從檢驗結(jié)果看，在1%、5%、10%三個顯著性水平下，單位根檢驗的Mackinnon臨界值分別為-4.29707、-3.2127、-2.74768，t檢驗值-2.34124大于相應(yīng)臨界值，表明LnY序列存在單位根，是非平穩(wěn)序列。

3.2 協(xié)整檢驗

協(xié)整理論是指非平穩(wěn)變量的線性組合可能是平穩(wěn)的，基于此理論對回歸模型各變量進行協(xié)整檢驗。檢驗回歸殘差的平穩(wěn)性，由于殘差序列的均值為0，所以選擇無截距項、無趨勢項的ADF檢驗，估計結(jié)果如表9所示。

在5%的顯著性水平下，t檢驗統(tǒng)計量為-3.97767，小于相應(yīng)臨界值，表明殘差序列不存在單位根，是平穩(wěn)序列，說明LnY和Main之間存在協(xié)整關(guān)系。

4 模型的分析和相關(guān)對策建議

4.1 模型分析

說明了影響2005年～2015年住房價格的最主要的因素是：地區(qū)生產(chǎn)總值、全社會固定資產(chǎn)投資、城市人口密度、城鎮(zhèn)居民人均可支配收入。該模型主要因素對房地產(chǎn)市場的影響具體表現(xiàn)在：（1）地區(qū)總值的增加預(yù)示著良好的經(jīng)濟環(huán)境，經(jīng)濟的繁榮帶來房地產(chǎn)市場的繁榮；（2）人口的增加會拉動對住房消費的剛性需求，會使均衡價格向上增加；（3）全社會固定資產(chǎn)投資、可支配收入的增加加大了住房市場的需求。上述分析從經(jīng)濟意義上較好解釋了房地產(chǎn)市場的需求原理，而需求會影響住房價格。本模型較好表達了各個因素對房價的影響，因此本模型的建立是成功的。

4.2 相關(guān)對策建議

（1）這些年來，改革開放不斷深入和發(fā)展，人均收入不斷提高，經(jīng)濟的繁榮帶來房地產(chǎn)市場的繁榮，因此，房價上漲是人均收入，地區(qū)生產(chǎn)總值上漲所導(dǎo)致的不可避免的結(jié)果，房價的調(diào)控必須首先尊重這一客觀規(guī)律（。2）各地區(qū)經(jīng)濟發(fā)展的不平衡導(dǎo)致了人員流動的不均勻，過多的人涌入城市會快速的抬高房價。因此，調(diào)節(jié)地區(qū)、城鄉(xiāng)間的經(jīng)濟發(fā)展差異，是解決人口相對均勻分布問題、解決房價攀高的一個重要手段。（3）投資因素是房價快速上升的又一問題。為了在一定程度上起到抑制房價上漲，讓住房使用效率達到最大化，應(yīng)當在合適的時機推出房地產(chǎn)稅以抑制快速上漲的房價。

參考文獻

[1] Karl E.Case and Robert J.shiller.The Efficiency of the Market for Single -Family Homes[J].The American Economic Review，1989，79（1）.

[2] Clapp J.M.and Giaccotto C.The Influence of Economic Variables on Local House Price Dynamics[J].Journal of Urban Economics，1994（36）.

[3] Quigley J.M.Real Estate Prices and Economic Cycles[J]. International Real Estate Review，1999（2）.

[4] Malpezzi S.A Simple Error Correction Model of Housing prices[J].Journal of Housing Economics，1999（8）.

[5] 袁志剛，樊瀟彥.房地產(chǎn)市場理性泡沫分析[J].經(jīng)濟研究，2003（3）.

[6] 周京奎.房地產(chǎn)泡沫生成與演化——基于金融支持過度假說的一種解釋[J].財貿(mào)經(jīng)濟，2006（5）.

[7] 余壯雄，林建浩.誰推高了房價？開發(fā)商、置業(yè)者還是地方政府[J].經(jīng)濟學(xué)家，2010（5）.

[8] 楊東.成都市住宅房地產(chǎn)價格變動研究及預(yù)測[D].四川師范大學(xué)，2006（6）.

[9] 高鐵梅.計量經(jīng)濟分析方法與建模[M].北京：清華大學(xué)出版社，2009.