張雙妮

【摘? ?要】 本文基于逐步回歸模型來(lái)擬合房?jī)r(jià)預(yù)測(cè)模型，對(duì)全國(guó)的綜合房?jī)r(jià)、以北京市為代表的發(fā)達(dá)省份、以海南省為代表的半發(fā)達(dá)省份和以江西省為代表的發(fā)展中省份均進(jìn)行擬合和預(yù)測(cè)，再進(jìn)行比較，得出結(jié)論：長(zhǎng)期來(lái)看房?jī)r(jià)普遍會(huì)上漲，而從短期來(lái)看全國(guó)的綜合房?jī)r(jià)和以江西省為代表的發(fā)展中省份的房?jī)r(jià)將會(huì)下跌，以北京市為代表的發(fā)達(dá)省份和以海南省為代表的半發(fā)達(dá)省份的房?jī)r(jià)將會(huì)繼續(xù)上漲。

【關(guān)鍵詞】 房?jī)r(jià)預(yù)測(cè);逐步回歸模型

隨著“房子是用來(lái)住的，不是用來(lái)炒的?！钡纳罨l(fā)展，房地產(chǎn)市場(chǎng)一改之前瘋狂上漲的態(tài)勢(shì)，轉(zhuǎn)而趨于平緩甚至是從2018年8月開(kāi)始深圳、天津等多個(gè)城市的房?jī)r(jià)均出現(xiàn)了較大幅度的下跌的蕭條形勢(shì)，而在鄭州等城市照樣出現(xiàn)了很多的購(gòu)房者爭(zhēng)搶房源的現(xiàn)象。那么房?jī)r(jià)究竟將面臨受挫還是會(huì)持續(xù)升溫。因此，本文研究的是房?jī)r(jià)預(yù)測(cè)的模型，是具有較大的現(xiàn)實(shí)和經(jīng)濟(jì)意義的，能夠幫助投資者或者購(gòu)房者去提前預(yù)測(cè)未來(lái)房?jī)r(jià)的走勢(shì)，判斷是否進(jìn)行投資。

張榮艷（2018）通過(guò)灰色關(guān)聯(lián)度和GM（1，4）模型對(duì)鄭州市房?jī)r(jià)進(jìn)行預(yù)測(cè)，結(jié)果表明房?jī)r(jià)會(huì)以9%的增長(zhǎng)率持續(xù)上漲;袁芳（2018）通過(guò)灰色GM（1，1）模型對(duì)西安房?jī)r(jià)進(jìn)行預(yù)測(cè)，結(jié)果表明西安房?jī)r(jià)依舊呈上漲趨勢(shì);

基 于上述文獻(xiàn)，本文的創(chuàng)新點(diǎn)主要有以下三點(diǎn)：第一點(diǎn)，指標(biāo)體系以及指標(biāo)的選取，考慮了供需關(guān)系以及宏觀經(jīng)濟(jì)因素，甚至考慮國(guó)際影響因素，考慮的比較全面;第二點(diǎn)，利用逐步回歸的模型來(lái)擬合房?jī)r(jià)預(yù)測(cè)模型，并且用相同指標(biāo)進(jìn)行逐步回歸，最終得出的每個(gè)代表省份的模型不相同，更能符合各代表省份的實(shí)際情況;第三點(diǎn)，利用前一期的數(shù)據(jù)來(lái)擬合模型，使得模型能夠具有預(yù)測(cè)功能，能利用前一期已知數(shù)據(jù)來(lái)預(yù)測(cè)本期或者下一期的情況，并且不會(huì)損失太多的信息。

經(jīng)過(guò)統(tǒng)計(jì)分析發(fā)現(xiàn)，每個(gè)省份的房?jī)r(jià)走勢(shì)與全國(guó)性的房?jī)r(jià)走勢(shì)有一定的差別，其中挑選出較為不同的三種代表性省市來(lái)進(jìn)行比較分析，分別是北京市、海南省、江西省，其中江西省的走勢(shì)與全國(guó)性的房?jī)r(jià)的走勢(shì)是高度吻合的。

根據(jù)上述表 1 選取的指標(biāo)可見(jiàn)，本文全面考慮了供需因素以及宏觀經(jīng)濟(jì)因素，反映了消費(fèi)水平、就業(yè)情況、房地產(chǎn)的投資以及成本情況、經(jīng)濟(jì)增長(zhǎng)以及通貨膨脹和購(gòu)買(mǎi)力情況、社會(huì)融資以及資本市場(chǎng)的影響，甚至反映了國(guó)際影響因素。

因?yàn)橄霐M合房?jī)r(jià)的預(yù)測(cè)模型，因此考慮用前一期的數(shù)據(jù)來(lái)進(jìn)行估計(jì)。利用逐步回歸的方法來(lái)估計(jì)模型，結(jié)果中保留了M2（-1）、CLJ（-1）、DC（-1）、HI（-1）、HP（-1）、CIM（-1）、ER（-1）、GDP（-1）、RMBL（-1）這幾個(gè)變量，而CPI（-1）和S（-1）可以被其他變量線性表出。擬合優(yōu)度為0.99、F統(tǒng)計(jì)量為21.78并且非常顯著，說(shuō)明模型擬合的很好。

同理擬合出北京市、海南省和江西省三個(gè)地區(qū)的房?jī)r(jià)預(yù)測(cè)模型，并進(jìn)行短期預(yù)測(cè)。

根據(jù)上述實(shí)證研究及利用逐步回歸的方法擬合的房?jī)r(jià)預(yù)測(cè)模型，發(fā)現(xiàn)房?jī)r(jià)受到宏觀經(jīng)濟(jì)因素的影響是比較明顯且程度也是比較深的，而房地產(chǎn)的供需對(duì)房?jī)r(jià)的影響作用則沒(méi)有宏觀經(jīng)濟(jì)因素大。根據(jù)擬合的房?jī)r(jià)預(yù)測(cè)模型，可發(fā)現(xiàn)從長(zhǎng)期來(lái)看，全國(guó)、以北京市為代表的發(fā)達(dá)省份、以海南為代表的半發(fā)達(dá)省份、以江西省為代表的發(fā)展中省份房?jī)r(jià)都是上漲的;從短期來(lái)看，全國(guó)房市行情與發(fā)展中省份的形勢(shì)也一致的表現(xiàn)為有小幅的下跌，而發(fā)達(dá)省份和半發(fā)達(dá)省份的房?jī)r(jià)則保持持續(xù)上漲的態(tài)勢(shì)，且上漲速度并未減緩。

基于本文的實(shí)證研究結(jié)果，無(wú)論是全國(guó)性的綜合情況，還是各省份的房?jī)r(jià)影響因素中宏觀經(jīng)濟(jì)因素是占據(jù)較為主導(dǎo)的地位的，因此投資者需要更多的關(guān)注宏觀經(jīng)濟(jì)形勢(shì)。同時(shí)，根據(jù)本文所擬合的房?jī)r(jià)預(yù)測(cè)模型進(jìn)行短期預(yù)測(cè)，在發(fā)達(dá)省份和半發(fā)達(dá)省份房市還是可以繼續(xù)投資的;而對(duì)于發(fā)展中城市來(lái)講，如果是長(zhǎng)期投資者則是可以進(jìn)行投資的，而如果是短期投資者則目前不是投資的時(shí)機(jī)。并且，對(duì)于房市投資者來(lái)說(shuō)在發(fā)達(dá)省份和半發(fā)達(dá)省份進(jìn)行投資是比較有價(jià)值的，因?yàn)榘l(fā)達(dá)省份和半發(fā)達(dá)省份的漲幅較大且漲速較快，賺取收益的可能性較大也較快，而發(fā)展中省份的發(fā)展具有時(shí)滯性，且漲幅和漲速也均較小，需要更大的機(jī)會(huì)成本，不利于投資。

參考文獻(xiàn)：

[1] 張榮艷.基于GM（1，N）模型的鄭州市房地產(chǎn)價(jià)格預(yù)測(cè)[J].數(shù)? ? ? ?學(xué)的實(shí)踐與認(rèn)識(shí)，2018，48（05）：82-88.

[2] 袁 芳.西安市房地產(chǎn)價(jià)格影響因素分析及預(yù)測(cè)[J].現(xiàn)代經(jīng)? ? ? ? 濟(jì)信息，2018（01）：477-478.