深圳市房价影响因素的相关数据.doc

江西师范大学科学技术学院深证市房地产价格与年末常住人口数量和人均工资的实证分析应用经济计量学期末考核专业：2014级会计1班学号：1411029019姓名：亢全伟时间：2016年12月深证市房地产价格与年末常住人口数量和人均工资的实证分析目录摘要IIAbstrateIII一、深圳市房价与年末常住人口数量关联度分析1二、深圳市商品房价格与年人均工资关联度分析3三、深圳房价与年末常驻人口数和年平均工资关联度分析6四、模型多重共线性诊断及补救9（一）进行多重共线性的检验91直观法：92.与之间的关联度93.辅助回归10（二）多重共线性的补救101.变量变换10（三）补救后的模型多重共线性检验13五、模型自相关检验及补救14（一）自相关检验141.图形法142、杜宾瓦尔逊检验15六、模型异方差检验及补救15（一）异方差检验15七、对深证市房价的建议18八、参考文献19摘要什么因素在影响着房地产价格？自1998年住房制度改革以来，我国的房地产业经历十几年的迅猛发展，取得了一些成绩，同时存在着许多问题，其中尤以房价最甚。改革开放以来我国的房地产业经历了五次开发的热潮，而每次开发热潮所引发的房价的快速上涨都引起了社会各界的强烈关注。深证自1980年列为经济特区后，房地产业的发展无论从形式还是内容均处于全国的前列。深证房地产业经历的风风雨雨，其经验和教训对我国其他城市也具有借鉴意义。目前，对深证市的房地产价格，尤其是对深证市房地产影响因素的实证分析的研究还不多。本文试图在这方面做一些有益的尝试。本文的主要内容包括：首先在深证市的统计年鉴上找到了2000年至2014年的有关，深证市的二级市场的房地产交易每平方米的均价，年末深证市常住人口数量和深证市的年人均工资等的相关数据。其次把这些因素和房价建立起数学模型，然后在分析模型，对模型进行修改，大致找到深证市房价与人口和工资之间的数量关系。通过找到的数量关系，对未来深证市的房地产价格及趋势进行合理预测。本文的研究尚有诸多不足和遗憾，未来的研究还可以从其他因素等方面进行数量关系的分析和预测，是研究结果更加具有广泛的指导意见。关键词：深证，房价，人均工资，年末常住人口数量IIAbstrateWhat factors affect property prices? since the 1998 reform of the housing system, the rapid development of Chinas real estate industry has more than 10 years, has made some achievements, and there are many problems, especially in terms of house prices the most. Since reform and opening up in Chinas real estate industry has gone through five development boom, and each time the development boom triggered by the rapid rise in house prices have aroused the communitys concern. After the Shenzhen Stock Exchange since 1980 as a special economic zone, development of real estate industry in terms of form and content are at the forefront of the country. Shenzhen Stock Exchange experienced the ups and downs of the real estate industry, and its experience and lessons for other cities in China have significance. At present, the real estate prices in Shenzhen City, especially for real estate, Shenzhen City not much empirical analysis of influencing factors. This article attempts to do something useful in this regard. The main contents include: first of all in the city of Shenzhen found about 2000 to 2014 on the Statistical Yearbook, Shenzhen Citys average price per square foot of real estate transactions in the secondary market, end of Shenzhen City permanent population and Shenzhen Citys per capita annual wage and other relevant data. Second factor and these prices to establish mathematical models, and then in the analysis model, modify the model generally find the prices in Shenzhen City and quantitative relationship between population and wages. By finding the number of relations, Shenzhen City real estate prices and trends for the future are reasonable predictions. This research has many shortcomings and regrets, future research, a number of other factors analysis and prediction, is to study the results of more extensive guidance. Keywords: stock prices, average salary, number of resident population at the endIII一、深圳市房价与年末常住人口数量关联度分析为了更好地进行对深圳市商品房价格与年末常住人口数量的关联度分析，我们选取了深圳市2000年至2014年商品房价格与年末常住人口数量的统计资料。如表1所示。表1 2000年至2014年商品房价格与年末常住人口数量年份商品房二级市场平均交易价格（元）年末常住人口数（万人）20005718701.2420015779724.5720026074746.6220036215778.2720046771800.820057582827.75200610039871.1200714050912.37200812665954.28200915214995.012010208501037.22011206741046.742012200351054.742013237761062.892014257001077.89我们建立二元线性回归模型y=b1+b2x2+ei,把房价作为被解释变量y,把年末常住人口数作为解释变量x2,运用统计分析软件spss, 将上表中数据输入界面，进行线性回归分析所得结果如表2、表3、表4所示。表2 模型汇总模型汇总模型RR 方调整 R 方标准 估计的误差1.968a.937.9311792.697a. 预测变量: (常量), 年末常住人口数（万人）。表3 AnovabAnovab模型平方和df均方FSig.1回归4.810E814.810E8149.671.000a残差3.214E7103213763.208总计5.131E811a. 预测变量: (常量), 年末常住人口数（万人）。b. 因变量: 商品房二级市场平均交易价格（元）表4 系数a系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-41846.4084699.493-8.904.000年末常住人口数（万人）60.0514.909.96812.234.000a. 因变量: 商品房二级市场平均交易价格（元）据此，可得该线性回归模型各项数据为： 60.051 -41846.408 3213763.208Var（） 22085234.46Var（） 24.098281Se（） 4699.493 Se（） 4.909 t （） -8.904 t （） 12.234 0.937 df 13模型为：-41846.40860.051 令0.1，我们提出如下假设：， t()(13)在水平下，t检验的拒绝域为：，1.350和1.350，所以t（）、t（）均落在拒绝域中，拒绝原假设，即常数项和对于模型均有意义。对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，年末常住人口数量每变动一个单位，将引起房价变动60.051个单位。并且，该模型反映了99.9%的真实情况。二、深圳市商品房价格与年人均工资关联度分析为了更好地进行对深圳市商品房价格与年末常住人口数量的关联度分析，我们选取了深圳市2000年至2014年商品房价格与年人均工资的统计资料。如表5所示。表5 2000年至2014年商品房价格与年人均工资年份商品房二级市场平均交易价格（元）年平均工资（元）200057182303920015779259412002607428218200362153061120046771319282005758232476200610039351072007140503879820081266543454200915214467232010208505045620112067455143201220035590102013237766261920142570072651我们建立二元线性回归模型y=b1+b2x2+ei,把房价作为被解释变量y,把年末常住人口数作为解释变量x2,运用统计分析软件spss, 将上表中数据输入界面，进行线性回归分析所得结果如表6、表7、表8所示。表6 模型汇总模型汇总模型RR 方调整 R 方标准 估计的误差1.974a.949.9451694.913a. 预测变量: (常量), 年平均工资（元）。表7 AnovabAnovab模型平方和df均方FSig.1回归6.898E816.898E8240.110.000a残差3.735E7132872730.869总计7.271E814a. 预测变量: (常量), 年平均工资（元）。b. 因变量: 商品房二级市场平均交易价格（元）表8 系数系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-6573.5731361.835-4.827.000年平均工资（元）.471.030.97415.495.000a. 因变量: 商品房二级市场平均交易价格（元）据此，可得该线性回归模型各项数据为： 0.471 -6573.573 3213763.208Var（） 1854594.567Var（） 0.0009Se（） 1361.835 Se（） 0.030 t （） -4.827 t （） 15.495 0.949 df 13模型为：-6573.5730.471 令0.1，我们提出如下假设：， t()(13)在水平下，t检验的拒绝域为：，1.350和1.350，所以t（）、t（）均落在拒绝域中，拒绝原假设，即常数项和对于模型均有意义。对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，年人均工资每变动一个单位，将引起房价变动0.471个单位。并且，该模型反映了99.9%的真实情况。三、深圳房价与年末常驻人口数和年平均工资关联度分析为了更好地对深圳市的房地产价格与年末深圳市常驻人口数量和深圳市年平均工资等因素的关联度进行分析，我们选取了深圳市2000年至2014年的关于深圳市的房地产的资格、深圳市年末常驻人口数量和深圳市年平均工资的统计资料如表9进行分析。表9 深圳房价与年末常住人口数量和年平均工资年份商品房二级市场平均交易价格（元）年末常住人口数（万人）年平均工资（元）20005718701.242303920015779724.572594120026074746.622821820036215778.273061120046771800.83192820057582827.7532476200610039871.135107200714050912.3738798200812665954.2843454200915214995.01467232010208501037.2504562011206741046.74551432012200351054.74590102013237761062.89626192014257001077.8972651我们建立三元线性回归模型+。我们将深圳市商品房二级市场的平均交易价格作为，深圳是年末常住人口数量作为，深圳市年平均工资作为，运行统计分析软件spss，进行线性回归分析所得结果如表10、表11、表12所示。表10 模型汇总模型汇总模型RR 方调整 R 方标准 估计的误差1.980a.961.9541537.801a. 预测变量: (常量), 年平均工资（元）, 年末常住人口数（万人）。表11 AnovabAnovab模型平方和df均方FSig.1回归6.987E823.494E8147.735.000a残差2.838E7122364833.286总计7.271E814a. 预测变量: (常量), 年平均工资（元）, 年末常住人口数（万人）。b. 因变量: 商品房二级市场平均交易价格（元）表12 系数系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-16823.1005406.509-3.112.009年末常住人口数（万人）19.0459.780.3591.947.075年平均工资（元）.306.089.6323.429.005a. 因变量: 商品房二级市场平均交易价格（元）据此，可得该线性回归模型各项数据为： 19.045 0.306 -16823.10 2364833.286Var（） 29230339.57 Var（） 95.6484Var（） 0.007921Se（） 5406.509Se（） 9.780Se（） 0.089t（） -3.112t（） 1.947t（） 3.429 0.961 df 12 F 147.735模型为：-16823.1019.0450.306令0.1我们提出如下假设：， t()(12)在水平下，t检验的拒绝域为：，1.356和1.356，,所以t（）、t（b2）、t（）均落在拒绝域中，拒绝原假设,既 、对于模型均有意义。联合假设检验：0F (2，12)在水平下，模型中F值落在F检验的右侧拒绝域2.81，中，拒绝原假设，即0对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，深圳市年末常住人口数量每变动一个单位，将引起房地产价格变动19.045个单位；该模型反映了99.9 %的真实情况。四、模型多重共线性诊断及补救（一）进行多重共线性的检验1直观法：对于模型一：-41846.40860.051 0.937 1-(1-) 0.937对于模型二：-6573.5730.471 0.949 1-(1-) 0.949对于模型三：-16823.1019.0450.306 0.961 1-(1-)0.961由此可看出，三个模型中的拟合优度都较大，各常数项和的参数估计变化不大，模型一和模型二都不存在自相关。在模型三中， 代表的是深证市的人均年工资，而年平均工资和房价呈正相关，所以与之间可能存在多重共线性。2.与之间的关联度从模型的拟合优度值和t值可看出，该模型的拟合优度较大，各参数的t检验值都比较显著，所以，不能据此看出其存在多重共线性。因此，通过解释变量之间的相关系数r检验。r=0.95061由此可看出，该模型的两个解释变量属于高度相关。3.辅助回归针对模型：-16823.1019.0450.306建立以为因变量,为自变量的辅助回归模型：x2=c1+c3x3+运行统计分析软件SPSS可以得到模型为：229.56371.9600.828df11：0 F 57.579F (2，11)在水平下， F值落在F检验的右侧拒绝域2.86，中，拒绝原假设，说明存在多重共线性。（二）多重共线性的补救1.变量变换用变量转换法进行多重共线性的补救，将模型中各对应变量的数值均除以（人均年工资）结果如表13所示。表13变量转换后数据年份Y*X2*X3*20000.2481878550.0304370850.000043405 20010.2227747580.027931460.000038549 20020.2152526760.0264589980.000035438 20030.203031590.0254245210.000032668 20040.212070910.0250814330.000031320 20050.2334647120.0254880530.000030792 20060.2859543680.0248127150.000028484 20070.3621320690.0235159030.000025775 20080.2914576330.0219606940.000023013 20090.3256212140.0212959360.000021403 20100.413231330.0205565240.000019819 20110.3749161270.0189822820.000018135 20120.3395187260.017873920.000016946 20130.3796930640.0169739220.000015970 20140.3537459910.0148365470.000013764 取和、进行线性回归分析，将数据通过spss行,最终分析结果如表14,15,16所示。表14 模型汇总模型汇总模型RR 方调整 R 方标准 估计的误差1.839a.704.655.04194282541a. 预测变量: (常量), 年平均工资（元）, 年末常住人口数（万人）。表15 AnovabAnovab模型平方和df均方FSig.1回归.0502.02514.269.001a残差.02112.002总计.07114a. 预测变量: (常量), 年平均工资（元）, 年末常住人口数（万人）。b. 因变量: 商品房二级市场平均交易价格（元）表16 系数系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量).338.1362.488.029年末常住人口数（万人）13.16112.957.8042.016.330年平均工资（元）-12907.8246338.901-1.612-2.036.064a. 因变量: 商品房二级市场平均交易价格（元）据此，可得该线性回归模型各项数据为： 13.161 -12907.824 0.338Var（） 0.018496 Var（） 0.142129Var（） 167.8838Se（） 0.136Se（） 0.377Se（） 12.957 2.488 2.016 -2.036 0.704 Df 13 F 14.269所以补救后的模型为：0.338+13.161 -12907.8241令0.1，我们提出如下假设：， t()0.05 (13)在水平下，t检验的拒绝域为：（，1.35）和（1.35，）,所以t（）、t（）、t（）均落在拒绝域中，拒绝原假设，即常数项、对于模型有意义。联合假设检验：0 (2，13)在水平下，模型中F值落在F检验的右侧拒绝域(3.81，)中，拒绝原假设，即0 。总体而言，补救后的模型反映了99.9%的真实情况，且常数项、对模型都有意义。（三）补救后的模型多重共线性检验从模型的拟合优度值和t值可看出，该模型的拟合优度较大，各参数的t检验值都比较显著，所以，不能据此看出其存在多重共线性。因此，通过解释变量之间的相关系数r检验。r=0.704由此可看出，该模型的俩个解释变量属于高度相关,但比较补救前的模型0.338+13.161 -12907.8241的相关系数降低了，所以下面将用补救后的模型进行自相关检验及补救。五、模型自相关检验及补救（一）自相关检验1.图形法根据模型：-16823.1+19.045+0.306作对的散点图，所得结果如图1所示。图1 对的散点图作对t的散点图，所得结果如图2所示。图2 对t的散点图由对的散点图和对t的散点图看不出散点呈现一定规则的运动，因此不知道知道模型-16823.1+19.045+0.306存在自相关。2、杜宾瓦尔逊检验：是随机的d1.812435125在显著水平下，查D-W表得=0.7、=1.252，d 大于、 的值，说明不存在自相关。六、模型异方差检验及补救（一）异方差检验帕克检验建立模型：lnei2=b1+b2lni+vi，也即y*=b1+b2x*+vi 。将分析的数据进行相关运算可得如表17所示。表17 y*=b1+b2x*+vi年份y*x*200115.33342748.651374373200213.524807698.66198593620037.5230559388.711772646200414.096804358.734721004200514.526804998.820404065200614.335702798.933532296200712.308618229.214232787200814.786311229.550377675200915.18481969.446597562201014.196922269.629971336201115.632100269.945109227201213.068097099.936632151201314.31933539.905236023201414.1717124710.07643195取和进行线性回归分析，将数据通过SPSS软件运行,最终分析结果如表18，表19，表20所示。表18 模型汇总模型汇总模型RR 方调整 R 方标准 估计的误差1.116a.014-.0622.132041458a. 预测变量: (常量), x*。表19 AnovabAnovab模型平方和df均方FSig.1回归.8111.811.178.680a残差59.093134.546总计59.90414a. 预测变量: (常量), x*