文/張華麗、張林藏、孫濤、張鴻飛、何思潤 華北水利水電大學(xué) 數(shù)學(xué)與統(tǒng)計學(xué)院 河南鄭州 450000

1、引言

房價一直是社會穩(wěn)定的一個重要因素，在以銀行為主的間接融資背景下，一方面房價上漲提高了抵押物價值，增強了購房者的還款信心,進而降低了購房者的違約風(fēng)險;另一方面企業(yè)和購房者的違約風(fēng)險上升使得銀行面臨呆帳壞帳的可能性增大，誘使貸款利率上升。近年來河南省房價一直呈持續(xù)上升的狀態(tài),房價的持續(xù)上漲掩蓋了商業(yè)銀行個人住房信貸風(fēng)險,房價的大幅度上漲可能引發(fā)的商業(yè)銀行個人住房信貸風(fēng)險管理。因此，如何利用好住房抵押貸款的證券化，了解信用風(fēng)險跟房價之間的相互作用，對我國宏觀經(jīng)濟的發(fā)展、商業(yè)銀行的經(jīng)營效益都是一個重要的內(nèi)容。

本文將基于計量經(jīng)濟模型并利用Eviews軟件，采用逐步回歸的方法建立房價回歸模型，運用經(jīng)濟理論、多重共線性、自相關(guān)和異方差檢驗保證了模型的有效性，再加入信用風(fēng)險指標(biāo)，通過與真實值對比，進而得出信用風(fēng)險對房價的影響規(guī)律，對河南省的住房政策提供數(shù)據(jù)支持。

2、模型的構(gòu)建與分析

2.1 模型變量的選取

影響房價的指標(biāo)體系主要包括需求、供給和宏觀經(jīng)濟三方面。[1]本文主要研究的經(jīng)濟指標(biāo)包括河南省房地產(chǎn)開發(fā)企業(yè)土地成交價款X1、城鎮(zhèn)人口X2、外資投資額X3、地方財政房產(chǎn)稅X4、人均地區(qū)生產(chǎn)總值X5、居民消費水平X6、城鎮(zhèn)在崗職工平均工資X7、金融危機X8、房地產(chǎn)開發(fā)企業(yè)總資產(chǎn)X9、房價滯后一期X10；其他因素不給予考慮。信用風(fēng)險有很多種，本文用的反映信用風(fēng)險的指標(biāo)是信用利差X11。[2]

2.2 數(shù)據(jù)處理

本文在河南省統(tǒng)計局的《中國統(tǒng)計年鑒表2018》及《國泰安數(shù)據(jù)庫》中選取變量2005-2017年的相關(guān)數(shù)據(jù)，利用Eviews軟件進行標(biāo)準化處理。

2.3 建立房價回歸模型

2.3.1 建模思想

把河南省商品房銷售價格也即是房價作為因變量Y，其他指標(biāo)作為自變量，利用Eviews軟件進行逐步回歸分析。由于選取的經(jīng)濟指標(biāo)大多數(shù)存在嚴重的多重共線性，所以選擇逐步回歸法可以消除多重共線性，從而使得到的房價回歸模型更加合理。[2]

逐步回歸的基本思想是將經(jīng)濟指標(biāo)逐個引入模型，每引入一個自變量后都要進行F檢驗，并對已經(jīng)選入的自變量逐個進行t檢驗，當(dāng)前面引入的解釋變量由于后引入的解釋變量的引入變得不再顯著時，則將其刪除。以確保每次引入新的變量之前回歸方程中只包含顯著性變量。反復(fù)進行，直到既沒有顯著的解釋變量選入回歸方程，也沒有不顯著的解釋變量從回歸方程中剔除為止。以保證最后所得到的解釋變量集是最優(yōu)的。[3]

2.3.2 房價回歸模型如下：

Y=755.227+0.17831X_1+0.14207X_5-0.03845X_7-220.687X_8

標(biāo)準差（53.118）（0.014）（0.015）（47.076）（0.198）

由Eviews軟件運行結(jié)果可知，模型的可決系數(shù)為0.999，修正的可決系數(shù)為0.998，說明模型擬合效果較好，擬合優(yōu)度大。F統(tǒng)計量為2318.990，它對應(yīng)的概率p值近似為零，在顯著水平α為0.05，由于p值小于α，拒絕回歸方程顯著性檢驗的零假設(shè)，認為回歸系數(shù)不同時為零，被解釋變量與解釋變量全體的線性關(guān)系是顯著的。模型利用逐步回歸法消除了多重共線性的影響。模型的DW值為1.9505，經(jīng)檢驗不存在異方差。模型全部通過了檢驗，該模型可以作為初步的房價回歸模型。

為了和加入信用風(fēng)險之后的房價回歸模型作對比，本文先根據(jù)初步建立的房價回歸模型預(yù)測出2017年的房價，通過和2017年真實房價對比，計算出預(yù)測的相對誤差。根據(jù)查找的數(shù)據(jù)可以知道2017年房價真實值為5333，模型預(yù)測值為5328.48，利用公式：

相對誤差=（預(yù)測值-真實值）/真實值

通過計算該模型預(yù)測的相對誤差為0.495%，誤差在允許范圍之內(nèi)，說明該房價回歸模型可以作為下面研究的基礎(chǔ)模型。

2.4 模型優(yōu)化

在初步建立的房價回歸模型的基礎(chǔ)上，加入反映信用風(fēng)險的指標(biāo)信用利差，得到以下模型二：

由Eviews軟件運行結(jié)果可知，模型的可決系數(shù)為0.999，修正的可決系數(shù)為0.999，說明模型擬合效果較好。F統(tǒng)計量為5515.093，它對應(yīng)的概率p值近似為零，在顯著水平α為0.05，由于p值小于α，拒絕回歸方程顯著性檢驗的零假設(shè)，認為回歸系數(shù)不同時為零，被解釋變量與解釋變量全體的線性關(guān)系是顯著的。模型利用逐步回歸法消除了多重共線性的影響。經(jīng)檢驗?zāi)Ｐ偷腄W值為1.93，不存在異方差。

本文把加入信用風(fēng)險的房價回歸模型與初步建立的房價回歸模型作對比，再次計算出模型預(yù)測的相對誤差，2017年房價真實值為5333，模型預(yù)測值為5354.07，利用公式：

相對誤差=（預(yù)測值-真實值）/真實值

計算出模型預(yù)測的相對誤差為0.0173%

2.5 模型對比

通過以上兩個房價回歸模型可以看出，加入信用風(fēng)險之后的模型擬合效果更好，回歸系數(shù)更顯著，最主要的是模型預(yù)測的相對誤差較小，表明信用風(fēng)險是影響房價的一個重要因素。從模型結(jié)果系數(shù)為正可以看出信用風(fēng)險與房價有正相關(guān)關(guān)系，由此可以看出減少信用風(fēng)險可以抑制房價。

3、結(jié)論及建議

3.1 結(jié)論

本文研究發(fā)現(xiàn)信用風(fēng)險對房價有正向作用，作為連接房地產(chǎn)商和購房者的銀行為了轉(zhuǎn)移自身風(fēng)險，不斷提高貸款利率，對于房價上漲有很大促進作用。房價上漲雖然對我國GDP貢獻很大，但是對我國人民的生活質(zhì)量的影響也是不容忽視的,越來越多的人成為“房奴”，幸福指數(shù)普遍下降。在中國當(dāng)下這個房價持續(xù)上漲的環(huán)境中，投資住房的確是一個不錯的選擇,這也使得購房需求增加，拉動房價上漲，但對于普通老百姓來說，超高的房價使得基本的住房需求都成為困難。

3.2 建議

近年來國家主席提出房子是用來住的不是用來炒的，從根本上指出只有從需求端下手才能從根本上抑制房價上漲。因此建議人們把投資的方向轉(zhuǎn)向提升綜合國力的產(chǎn)業(yè)方面，一味靠炒房價提升的GDP都是虛擬的，對于中國這樣的人口大國，關(guān)注GDP的同時更應(yīng)該關(guān)注普通人民的生活狀態(tài)，14億人口不是幾個“王健林”、“李嘉誠”可以帶動的。