计量经济学课程论文-关于房价问题的初步分析.doc

关于房价问题的初步分析一、问题的提出：近20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。 为此，本项目通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素，并对这些因素进行统计推断和经济意义上的检验；选择拟和效果最好的为结论，在一定层面上分析房地产如此暴利的因素。当然也并非能全面地分析这一问题，仅仅就几个因素进行分析。二、模型设定（1）数据性质的选择由于同一城市不同经济发展阶段的关于房价的时间序列数据受到限制，且对分析本课题意义不大。所以，本项目选择了31个省市的截面数据来建立模型。（2）影响因素的分析要了解影响房价的主要原因,首先就要了解房价的构成。一般来说,房地产项目的开发成本是影响销售价格最主要的原因之一。据了解,房地产项目的开发总成本由开发成本、开发期间费用、行政事业性收费、税金四个部分构成。开发成本就是购房者一直想知道的所谓房地产价格内幕。无论房地产价格理论还是房地产价格构成，都不能直接解答咱们老百姓对具体房地产价格的关心和疑问。不过，从房价形成的理论看，在现实生活中有很多因素会影响到对房产供给(固定资产投资)，更多的因素则会影响到需求;从房价的构成要素来看，很多因素都可能影响到房价构成要素成本的上升或下降。这些影响因素中，也有各地区建筑业总产值、房屋竣工面积、建筑业企业从业人员、建筑业劳动生产率、人均住宅面积及各地区人均可支配收入，这些都可能对一地区的房价成本产生影响。（3）模型构成的设计本项目令Y=各地区建筑业总产值（万元），X1=各地区房屋竣工面积（万平方米），X2=各地区建筑业企业从业人员（人），X3=各地区建筑业劳动生产率（元/人），X4=各地区人均住宅面积（平方米），X5=各地区人均可支配收入（元）。以各地区建筑业总产值做为被解释变量来衡量房价成本，以各地区建筑业总产值、房屋竣工面积、建筑业企业从业人员、建筑业劳动生产率、人均住宅面积及各地区人均可支配收入做为模型的解释变量。三、数据的收集现在我们以2003年的数据，选取31个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值（万元），X1=各地区房屋竣工面积（万平方米），X2=各地区建筑业企业从业人员（人），X3=各地区建筑业劳动生产率（元/人），X4=各地区人均住宅面积（平方米），X5=各地区人均可支配收入（元）。数据如下：YX1X3X2X4X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49 27949354 17730.00 2727006. 100569.0 24.43530 9262.460 31272779 16183.90 2429352. 127430.0 31.02330 13179.53 6227073. 4017.600 910691.0 66407.00 20.75480 6778.030 5493441. 2952.100 553611.0 108288.0 30.29870 9999.540 3593356. 2750.900 574705.0 70826.00 22.61980 6901.420 14813618 9139.800 2072530. 60728.00 24.48080 8399.910 6345217. 3433.600 932901.0 66056.00 20.20090 6926.120 8729958. 4840.800 1048763. 81761.00 22.90280 7321.980 8188402. 4969.700 1119106. 74553.00 24.42580 7674.200 15163242 8105.000 1492820. 101932.0 24.93280 12380.43 2818466. 1721.600 353700.0 77472.00 24.17320 7785.040 394053.0 121.5000 61210.00 55361.00 23.43200 7259.250 5862095. 4939.600 817997.0 69432.00 25.72440 8093.670 12253374 8784.600 2070534. 59748.00 26.35850 7041.870 2122907. 980.3000 293310.0 72152.00 18.19430 6569.230 3967957. 2248.700 522470.0 69238.00 24.92940 7643.570 293427.0 121.3000 36593.00 73205.00 19.92990 8765.450 4404362. 1580.000 410311.0 93212.00 21.75050 6806.350 2236860. 1327.200 449409.0 46857.00 21.11380 6657.240 747325.0 242.9000 101501.0 61046.00 19.10550 6745.320 1080546. 578.7000 88225.00 61459.00 22.25500 6530.480 3196774. 1450.800 203375.0 95835.00 20.78110 7173.540四、模型的检验与调整先用Eviews软件进行White检验：White Heteroskedasticity Test:F-statistic2.779810 Probability0.049670Obs*R-squared26.27412 Probability0.156948Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/22/05 Time: 21:50Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. C6.08E+122.29E+130.2655390.7960X51.64E+083.88E+090.0423700.9670X5287293.54453712.30.1923980.8513X5*X4380671243.56E+080.1068100.9171X5*X31363.5556160.0700.2213540.8293X5*X2-17464.3650393.75-0.3465580.7361X5*X1-453312.21215201.-0.3730350.7169X4-9.71E+111.83E+12-0.5314860.6067X424.28E+106.46E+100.6617200.5231X4*X3-1905048.1949296.-0.9773010.3515X4*X2-1901040317319142-1.0976530.2981X4*X14.23E+084.15E+081.0208010.3314X3-1386946034509844-0.4018990.6962X3241.8184322.625401.8482960.0943X3*X2517.0981231.19542.2366280.0493X3*X1-14772.938469.467-1.7442580.1117X21.51E+083.45E+080.4388530.6701X222050.2611851.4101.1074050.2940X2*X1-67170.5950453.24-1.3313430.2126X17.80E+086.17E+090.1264300.9019X121246362.746355.01.6699320.1259R-squared0.847552 Mean dependent var1.17E+12Adjusted R-squared0.542656 S.D. dependent var1.78E+12S.E. of regression1.21E+12 Akaike info criterion58.69986Sum squared resid1.46E+25 Schwarz criterion59.67127Log likelihood-888.8478 F-statistic2.779810Durbin-Watson stat1.809921 Prob(F-statistic)0.049670结果显示为没有异方差。DW值为1.809921，没有自相关。做多重共线性检验：X5X4X3X2X1X5 1.000000 0.686513 0.279851 0.836241 0.418307X4 0.686513 1.000000 0.477886 0.540881 0.538697X3 0.279851 0.477886 1.000000 0.125029 0.960871X2 0.836241 0.540881 0.125029 1.000000 0.271375X1 0.418307 0.538697 0.960871 0.271375 1.000000可以看出有多重共线性。数 97数 97得的的的采取逐步回归法：第一次回归，我们可以根据T检验值和可决系数看出：X1的效果最好：Dependent Variable: YMethod: Least SquaresDate: 12/22/05 Time: 21:16Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. X11651.40387.6770318.835080.0000C903234.0502408.21.7978090.0826R-squared0.924432 Mean dependent var7446408.Adjusted R-squared0.921826 S.D. dependent var7227629.S.E. of regression2020815. Akaike info criterion31.93824Sum squared resid1.18E+14 Schwarz criterion32.03076Log likelihood-493.0427 F-statistic354.7601Durbin-Watson stat1.930762 Prob(F-statistic)0.000000依次21得加入X2，X3，X4，X5：可得，加入X2后的效果最好：Dependent Variable: YMethod: Least SquaresDate: 12/22/05 Time: 21:16Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. X260.575779.1368996.6297950.0000X11547.35457.8319726.756040.0000C-3711880.765709.2-4.8476370.0000R-squared0.970594 Mean dependent var7446408.Adjusted R-squared0.968493 S.D. dependent var7227629.S.E. of regression1282914. Akaike info criterion31.05893Sum squared resid4.61E+13 Schwarz criterion31.19771Log likelihood-478.4134 F-statistic462.0886Durbin-Watson stat2.098685 Prob(F-statistic)0.000000再21得DE 加2入X3，X4，X5加入X3，回归：Dependent Variable: YMethod: Least SquaresDate: 12/26/05 Time: 10:09Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. X11392.586243.15545.7271440.0000X264.1561410.725325.9817480.0000X30.9241031.4093110.6557130.5176C-4115494.988624.2-4.1628500.0003R-squared0.971055 Mean dependent var7446408.Adjusted R-squared0.967838 S.D. dependent var7227629.S.E. of regression1296176. Akaike info criterion31.10765Sum squared resid4.54E+13 Schwarz criterion31.29268Log likelihood-478.1686 F-statistic301.9308Durbin-Watson stat2.037807 Prob(F-statistic)0.000000加入X4，回归：Dependent Variable: YMethod: Least SquaresDate: 12/26/05 Time: 10:09Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. X11569.18666.7446723.510290.0000X264.0494510.562586.0638100.0000X4-69455.16102797.7-0.6756490.5050C-2476469.1985261.-1.2474280.2230R-squared0.971083 Mean dependent var7446408.Adjusted R-squared0.967870 S.D. dependent var7227629.S.E. of regression1295550. Akaike info criterion31.10668Sum squared resid4.53E+13 Schwarz criterion31.29171Log likelihood-478.1536 F-statistic302.2316Durbin-Watson stat2.298423 Prob(F-statistic)0.000000加21得DE 入X5，回归：Dependent Variable: YMethod: Least SquaresDate: 12/26/05 Time: 10:10Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. X11511.62460.2810525.076270.0000X239.2569815.775252.4885170.0193X5316.7476193.76611.6346910.1137C-4428358.863348.9-5.1292790.0000R-squared0.973242 Mean dependent var7446408.Adjusted R-squared0.970269 S.D. dependent var7227629.S.E. of regression1246240. Akaike info criterion31.02907Sum squared resid4.19E+13 Schwarz criterion31.21410Log likelihood-476.9506 F-statistic327.3477Durbin-Watson stat1.861895 Prob(F-statistic)0.000000我们21得DE发现加入X3，X4，X5的效果都不好，T检验都不充分。于是我们只保留X1，X2再回归，得：Dependent Variable: YMethod: Least Sq