王愛莉

摘要：房地產(chǎn)業(yè)是關(guān)乎經(jīng)濟(jì)發(fā)展、社會穩(wěn)定和民生保障的重要產(chǎn)業(yè)。因其重要性，房地產(chǎn)預(yù)警一直以來受到政府管理部門、房地產(chǎn)行業(yè)（包括房地產(chǎn)開發(fā)企業(yè)、中介機(jī)構(gòu)等）以及上下游相關(guān)行業(yè)的特別關(guān)注。通常方法是構(gòu)建一整套預(yù)警指標(biāo)體系，而且是年度指標(biāo)，復(fù)雜不易得且敏感度較低。本文嘗試以月度成交量單指標(biāo)對房地產(chǎn)市場進(jìn)行預(yù)警，收到初步效果。

關(guān)鍵詞：房地產(chǎn)；單指標(biāo)預(yù)警

房地產(chǎn)業(yè)是關(guān)乎經(jīng)濟(jì)發(fā)展、社會穩(wěn)定和民生保障的重要產(chǎn)業(yè)。因其重要性，房地產(chǎn)預(yù)警一直以來受到政府管理部門、房地產(chǎn)行業(yè)（包括房地產(chǎn)開發(fā)企業(yè)、中介機(jī)構(gòu)等）以及上下游相關(guān)行業(yè)的特別關(guān)注。許多專家學(xué)者從研究的角度運(yùn)用統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)方法構(gòu)建出多種預(yù)警指標(biāo)體系[1]，這些指標(biāo)體系大部分是年度指標(biāo)，而房地產(chǎn)出現(xiàn)異況往往從某幾個月就能覺察，如果能從出現(xiàn)異況的幾個月里發(fā)現(xiàn)這種異常并判斷它的異常方向，那這種預(yù)警要比年度預(yù)警敏銳得多。

基于此，本文擬從兩方面做出努力，一是盡量簡化這個過程，二是嘗試以月度成交量作為預(yù)警指標(biāo)，對房地產(chǎn)市場正常與否做出判斷。本文內(nèi)容共分為四部分：第一部分引言；第二部分房屋年度成交量預(yù)測，因二手房與商品房情況類似，本文僅以新建商品住房為例；第三部分房屋月度成交量預(yù)測及預(yù)警區(qū)間確定；第四部分結(jié)束語。

一、房屋年度成交量預(yù)測

（一）需求影響因素分析

房屋需求大體與經(jīng)濟(jì)因素、人口因素、購買力因素、城鎮(zhèn)化水平、房屋供應(yīng)和房屋銷售價(jià)格等因素有關(guān)，因此選定人均GDP、城鎮(zhèn)化率、人均可支配收入、房地產(chǎn)（住宅）投資完成額和房屋銷售價(jià)格作為自變量。

（二）模型建立

選取天津市1993年-2017年政府統(tǒng)計(jì)數(shù)據(jù)和部門統(tǒng)計(jì)數(shù)據(jù)，以新建商品住房銷售面積（以下簡稱住房銷售面積）為目標(biāo)變量，以人均GDP、城鎮(zhèn)化率、人均可支配收入、房地產(chǎn)開發(fā)投資額和商品住房銷售價(jià)格為可能影響因素，采用雙對數(shù)多元回歸模型，選用逐步回歸方法，得到如下回歸方程：

LN（CHS）=-21.08+8.06*LN（PUP）+0.58*LN（IC）-1.21*LN（PIC），

其中，CHS表示住房銷售面積，PUP表示城鎮(zhèn)化率，IC表示住宅開發(fā)投資額，PIC表示商品住房銷售價(jià)格。模型顯示，城鎮(zhèn)化率每增加1個點(diǎn)，商品住房銷售面積增加8.06個點(diǎn)；住宅開發(fā)投資額每增加1個點(diǎn)，商品住房銷售面積增加0.58個點(diǎn)；商品住房銷售價(jià)格每上漲1個點(diǎn)，商品房銷售面積下降1.21個點(diǎn)。

（三）模型檢驗(yàn)

1、經(jīng)濟(jì)意義檢驗(yàn)

上述模型表明，在研究時(shí)期內(nèi)天津市新建商品住房需求受到城鎮(zhèn)化率、住宅開發(fā)投資額和商品住房銷售價(jià)格影響。其中，住房銷售面積與城鎮(zhèn)化率、住宅開發(fā)投資額正相關(guān)，住房銷售面積與銷售價(jià)格負(fù)相關(guān)，符合微觀經(jīng)濟(jì)學(xué)意義。

2、統(tǒng)計(jì)意義檢驗(yàn)

利用Eviews軟件得出模型的統(tǒng)計(jì)量估計(jì)結(jié)果，其中：調(diào)整R2為0.962911，表明模型對數(shù)據(jù)樣本的擬合優(yōu)度較高；F統(tǒng)計(jì)量的P值為0.000，遠(yuǎn)小于0.05，常數(shù)項(xiàng)、PUP、IC、PIC的t統(tǒng)計(jì)量的P值均小于0.05，表明模型從整體到單個自變量都對因變量的解釋性很好。

3、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)

（1）正態(tài)性檢驗(yàn)、自相關(guān)檢驗(yàn)、異方差檢驗(yàn)

利用Eviews軟件分別對模型做正態(tài)性檢驗(yàn)、自相關(guān)檢驗(yàn)和異方差檢驗(yàn)：

Jarque-Bera的P值為0.805736，遠(yuǎn)大于0.05，結(jié)合Skewness和Kutosis值，表明隨機(jī)誤差項(xiàng)正態(tài)假設(shè)成立；

Breusch-Godfrey序列相關(guān)一階檢驗(yàn)和二階檢驗(yàn)的Obs*R-squared的伴隨概率分別0.6964和0.4725，均大于0.05，表明模型誤差項(xiàng)不存在自相關(guān)。

有交叉項(xiàng)的White檢驗(yàn)Obs*R-squared的伴隨概率為0.3961，大于0.05，表明隨機(jī)誤差項(xiàng)不存在異方差。

（2）多重共線性檢驗(yàn)

逐步回歸方法的特性決定了它是一種常用的消除多重共線性、選取“最優(yōu)”回歸方程的方法。

4、檢驗(yàn)結(jié)論

上述三方面檢驗(yàn)均通過表明本文選定雙對數(shù)模型擬合效果較好，可以用來模擬天津市商品住房銷售面積的變動趨勢和變動影響因素分析。

（四）商品住房銷售面積預(yù)測

2017年天津市城鎮(zhèn)化率為82.93%，按照“十三五期間，常住人口城鎮(zhèn)化率提高1.4個百分點(diǎn)，到2020年天津市常住人口城鎮(zhèn)化率達(dá)到84%”目標(biāo)預(yù)估，2018年天津市城鎮(zhèn)化率比2017年提高0.43個百分點(diǎn)。

2018年1-6月份天津市房地產(chǎn)開發(fā)投資額同比增長9.1%，以此作為2018年全年住宅投資額同比增加幅度，即2018年住宅投資額比2017年提高9.1個百分點(diǎn)。

按照近三年價(jià)格（對數(shù)）變動幅度預(yù)估2018年天津市商品住房銷售價(jià)格同比增長9.6個百分點(diǎn)。

因此2018年天津市商品住房銷售面積比2017年增加

8.06*0.43+0.58*9.1-1.21*9.6=-2.9

個百分點(diǎn)，即下降2.9個百分點(diǎn)。

二、房屋月度成交量預(yù)測及預(yù)警區(qū)間確定

（一）月度標(biāo)準(zhǔn)成交比例

選取天津市2003年1月2018年7月商品住房銷售面積，模擬熱力圖排列順序，即行標(biāo)簽為各年，列標(biāo)簽為各月，簡稱房屋成交熱力表。

1、剔除異常值

計(jì)算每列數(shù)據(jù)（1月-12月共12列數(shù)據(jù)）的上四分位數(shù)[Q1]和下四分位數(shù)[Q3]，分別以[Q1+1.5*Q3]和[Q1-1.5*Q3]為上下界剔除異常值。

之所以采用箱形圖法判定異常值而非其他方法，是因?yàn)橄渚€圖不需要事先假定數(shù)據(jù)服從特定的分布形式，沒有對數(shù)據(jù)作任何限制性要求，它只是真實(shí)直觀地表現(xiàn)數(shù)據(jù)形狀的本來面貌；另一方面，箱形圖判斷異常值的標(biāo)準(zhǔn)以四分位數(shù)和四分位距為基礎(chǔ)，四分位數(shù)具有一定的耐抗性，不容易被異常值擾動，所以箱形圖識別異常值的結(jié)果比較客觀。

2、標(biāo)準(zhǔn)年度銷售面積

計(jì)算剔除異常值后每列數(shù)據(jù)的中位數(shù)，即形成1-12月份的標(biāo)準(zhǔn)銷售面積，加總后得到標(biāo)準(zhǔn)年度銷售面積。注意這里的標(biāo)準(zhǔn)年度銷售面積并不代表天津市的年度銷售面積標(biāo)準(zhǔn)是多少。

3、月度標(biāo)準(zhǔn)成交比例

（二）確定預(yù)警區(qū)間

1、月度正常上下變動幅度

對剔除異常值后的房屋成交熱力表的每列數(shù)據(jù)再次計(jì)算上四分位數(shù)[Q1]和下四分位數(shù)[Q3]，加總分別得到上四分位標(biāo)準(zhǔn)年度銷售面積和下四分位標(biāo)準(zhǔn)年度銷售面積。

其中，黑色加粗的為修正后的狀態(tài)?？梢钥闯鎏旖蚴蟹康禺a(chǎn)市場歷經(jīng)了幾個重要階段：

1、2007年8月9日法國最大銀行巴黎銀行宣布卷入美國次級債開始，這次金融危機(jī)迅速席卷全球，我國房地產(chǎn)市場受到影響，2008年全年天津市房地產(chǎn)市場均處于偏冷狀態(tài)。

2、為應(yīng)對全球金融危機(jī)，我國政府于2008年11月推出了進(jìn)一步擴(kuò)大內(nèi)需、促進(jìn)經(jīng)濟(jì)平穩(wěn)較快增長的十項(xiàng)措施，給房地產(chǎn)市場注入了活力，2009年2月天津市房地產(chǎn)市場由偏冷轉(zhuǎn)為正常，之后迅速進(jìn)入偏熱狀態(tài)。

3、為遏制部分城市房價(jià)過快上漲，2011年1月26日國八條出臺，同年2月21日津十條落地，限購政策開始實(shí)施，2011年3月份天津市房地產(chǎn)市場由過熱轉(zhuǎn)為正常。央行三次加息后，2011年11月份天津市房地產(chǎn)市場進(jìn)入偏冷狀態(tài)。

4、2014年2月26日國五條出臺，同年3月31日天津市國五條細(xì)則頒布，3月份天津市房地產(chǎn)市場進(jìn)入偏冷狀態(tài)。

5、2015年12月中央經(jīng)濟(jì)工作會議明確提出“化解房地產(chǎn)庫存”，2016年2月份天津市房地產(chǎn)市場進(jìn)入偏熱狀態(tài)。這次的房地產(chǎn)火爆狀態(tài)直到2017年330新政才扭轉(zhuǎn)市場狀態(tài)為正常，加之冬季停工期和三價(jià)聯(lián)控政策實(shí)施，2017年12月份天津市房地產(chǎn)市場進(jìn)入偏冷狀態(tài)。

三、結(jié)語：

1、本文年度銷售面積預(yù)測盡量作了簡化，只是從經(jīng)濟(jì)怎么樣、有沒有人買、有沒有能力買、有沒有供應(yīng)、價(jià)格合不合適等不可缺的幾個方面選取了最有代表性的指標(biāo)。城市不同選取的指標(biāo)不盡相同，但盡量考慮必要因素和最具代表性兩方面要求。

2、回歸分析的檢驗(yàn)必不可少，經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)意義檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)都通過之后才能用于計(jì)算和預(yù)測。

3、用到的計(jì)量軟件是Eviews6.0，所有的檢驗(yàn)都在回歸結(jié)果窗口菜單下拉選項(xiàng)里可以找到，操作很方便。

4、如同箱形圖法判定異常數(shù)據(jù)為經(jīng)驗(yàn)方法一樣，本文月度正常上下變動幅度也為經(jīng)驗(yàn)值，城市不同此幅度不同，以后研究中可能會對此進(jìn)行改進(jìn)。

參考文獻(xiàn)：

[1] 張帥. 房地產(chǎn)預(yù)警指標(biāo)體系和預(yù)警方法研究綜述[J]，中國市場，2013（44）：68-69。

[2] 薛菲，袁汝華. 城鎮(zhèn)化水平對我國房地產(chǎn)業(yè)影響的實(shí)證分析[J]，經(jīng)濟(jì)地理，2014，34（4）：78-83。

[3] 劉雅靜. 城鎮(zhèn)化發(fā)展水平綜合評估指標(biāo)體系研究[J]，中共銀川市委黨校學(xué)報(bào)，2012，14（2）：50-52。