我国商品房价格供给影响因素的计量分析.doc

计量经济学课程论文我国商品房价格供给影响因素的计量分析国际经济与贸易双语实验班欧昌龙40502032指导老师：周游2007.12我国商品房价格供给影响因素的计量分析【摘要】针对房地产市场近年来日益火爆，房价不断攀升的现状，本文选取了1999年到2005年的季度数据，从房屋供给方面对房价上涨原因进行了实证分析。首先，建立适当模型，并搜集相关数据；然后用EViews软件对模型进行相关检验，之后予以修正；最后，对得出的模型进行了经济意义解释并给出了相关政策建议。一、 问题的提出近几年，随着房价的一路飙升，房地产已成为最受人瞩目的市场之一。就2OO4年来说，全国商品房价格大幅上涨商品房平均销售价格同比增长 14 4涨幅比 2003年提高 10.6个百分点。销售面积达到.亿平方米，比上年净增万平方米。我国房地产出现了投资过热、房价增长速度较快的问题为了防止房地产泡沫，使我国房地产市场步入良性发展的态势，政府先后进行了一系列的宏观调控：紧缩信贷、紧缩土地供应、运用市场化方式加息、提高住房信贷利率，房地产投资过热现象得到了有效抑制土地和商品房供应增长大幅回落。但是，商品房价格仍然继续攀升的现象仍未根本改善。由此社会各界关于政府的宏观调控争议较大-国家针对投资过热而实施的宏观调控会减少商品房的供给进而引起价格的上升。本文将通过揭示影响商品房供给的一系列因素与商品房价格的关系，探明国家针对供给的一系列宏观调控的效用。二、相关数据收集本文主要从商品房的供给方面对商品房价进行分析：从而分析得出了下列解释变量和被解释变量，并通过中经网进行了数据的收集。商品房销售价格（亿元/万平方米） Y 房地产开发本年商品房屋建设投资额_累计(亿元) X1房地产开发投资资金来源合计_累计（亿元） X2商品房本年新开工面积_累计（万平方米） X3建筑材料工业品出厂价格指数 X499 10.419043274497.51823.075060.3797.0820.6117457232334.485885.2520480.7898.5630.6126440924603.018930.0934951.3598.4633333340.614358517460.3613089.9152505.8797.2500 1 0.439683495570.782410.656953.4198.9633333320.6273275522720.957204.4227281.0498.6366666730.6191768195554.4811308.4446215.26100.256666740.6245369289063.9416525.5268796.92100.6601 1 0.494343733682.043284.539015.9199.6720.7006728583490.629835.635896.6999.730.6773494827147.5415219.2763148.1598.8666666740.66671825311511.2221499.1490116.9697.802 1 0.480044041935.364396.5911495.7498.1666666720.6899093724718.2813348.0543998.9298.2233333330.6995809149302.6620637.174457.1997.540.69877153814566.5328696.57106893.297.2333333303 1 0.5023921031297.396140.6416144.198.4333333320.7347794186120.8818770.9357919.5198.330.7297646112049.129007.4597555.7999.140.73042247718699.439851.17138382.53102.604 1 0.5282229041885.049607.6120326.99104.620.8056015468118.9125924.9867944.61104.430.82494729415537.7338863.71110733.48103.566666740.82307982723810.953249.85154417.15101.233333305 1 0.6124070262269.1612962.3421594.7100.120.889842419829.7533921.9175812.23100.630.94595816618942.9349736.92125338.68100.933333340.98524776428860.5266924.33172647.11100.9333333数据来源：中经网统计数据库三、计量经济模型的建立： 针对全国商品房屋销售均价，建立如下一般模型： 其中：商品房屋销售均价（亿元/万平方米） 常数项 待定参数 （i=1,2,3,4） 房地产开发本年商品房屋建设投资额_累计 (亿元) 房地产开发投资资金来源合计_累计（亿元） 商品房本年新开工面积_累计（万平方米） 建筑材料工业品出厂价格指数 1，第一季度 0，其他 1，第二季度 0，其他 1，第三季度 0，其他 随机误差项注：通过观察99年到05年季度数据，发现有很强的季节因素影响数据周期性变化，因此引入代表季度因素的虚拟变量。四、模型的求解： 利用EViews软件，输入Y、的99年到05年季度数据，采用这些数据对模型进行OLS回归，结果如表所示。Dependent Variable: YMethod: Least SquaresDate: 12/12/07 Time: 18:14Sample: 1999:1 2005:4Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C0.8724550.2480303.5175370.0022X1-2.85E-057.21E-06-3.9512060.0008X21.92E-052.35E-068.1548500.0000X3-6.25E-077.53E-07-0.8310660.4157X4-0.0026150.002496-1.0479110.3072D1-0.1855050.035273-5.2591570.0000D2-0.0219640.030795-0.7132300.4839D3-0.0102040.019098-0.5342880.5990R-squared0.983007 Mean dependent var0.671020Adjusted R-squared0.977059 S.D. dependent var0.143361S.E. of regression0.021714 Akaike info criterion-4.586790Sum squared resid0.009430 Schwarz criterion-4.206160Log likelihood72.21506 F-statistic165.2782Durbin-Watson stat0.978090 Prob(F-statistic)0.000000 由此可见，该模型0.983007，0.977059 可决系数很高，F检验值165.2782，明显显著。在0.05时（nk）（288）2.086，、系数的t检验显著，其余系数均不显著，且、系数的符号与现实经济意义相反，表明该模型有不合理地方，有待进一步修正。五、模型的检验与修正：计量经济的检验：（1）多重共线性检验： 1检验：根据综合判断法，当（或者）和F值很大，且t值较小时说明模型中可能存在多重共线性。该模型0.983007，0.977059 可决系数很高，F检验值165.2782也很大，但是仅、系数的t检验显著，其余系数均不显著，且、系数的符号与现实经济意义相反，这表明很可能存在严重的多重共线性。 计算各解释变量的相关系数，选择、数据，得相关系数矩阵如下： X1X2X3X4X110.9724061538320.9893929535190.32240951605X20.97240615383210.9605672525150.423128283561X30.9893929535190.96056725251510.327896134762X40.322409516050.4231282835610.3278961347621 由相关系数矩阵可以看出，除与、间的相关系数在0.5以下外，其余相关系数均很高，证实确实存在严重多重共线性。2修正多重共线性： 采用逐步回归的办法，去检验和解决多重共线性问题。分别做Y对、的一元回归，结果如下表： 变量参数估计值1.59E-057.60E-062.57E-060.026642t统计量7.44726410.029547.9392852.1510380.6808320.7946150.7079710.1510750.6685560.7867160.6967390.118424 其中，加入的方程最大，以为基础，顺次加入其他变量逐步回归，结果如表所示： 变量 变量、-1.48E-05(-2.145358)1.40E-05(4.582814)0.812672、9.17E-06(3.323746)-5.86E-07(-0.593417)0.781266、7.55E-06(8,855206)0.000960(0.140108)0.778359 经比较，新加入的方程0.812672，改进最大，而且各参数的t检验显著，应保留，但通过前面分析的相关矩阵可知与间相关系数高达0.972406，模型引入与后并未消除多重共线性。所以不能同时引入、。而与相关系数较低的，这时0.778359，改进不大，且t值0.140108，明显无法通过检验。所以也不能同时引入、。因此，模型中引入以为唯一解释变量，运用OLS法建立回归模型，结果如下图：Dependent Variable: YMethod: Least SquaresDate: 12/12/07 Time: 19:22Sample: 1999:1 2005:4Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C0.4813640.01946124.734330.0000X27.39E-064.56E-0716.226790.0000D1-0.0276910.020930-1.3229860.1988D20.1201020.0183326.5516430.0000D30.0650490.0169833.8302870.0009R-squared0.960849 Mean dependent var0.671020Adjusted R-squared0.954041 S.D. dependent var0.143361S.E. of regression0.030734 Akaike info criterion-3.966470Sum squared resid0.021725 Schwarz criterion-3.728576Log likelihood60.53058 F-statistic141.1190Durbin-Watson stat1.390152 Prob(F-statistic)0.000000最后修正严重多重共线性影响的回归结果为：t(24.73433) (16.22679) (-1.322986) (6.551643) (3.830287)=0.960849 =0.954041 F=141.1190 DW=1.390152 n=28(2) 异方差性的检验： 1 检验： 【检验一】图形法： 绘制对的散点图。图形如下： 由图可以看出，残差平方对解释变量的散点图主要分布在图形中的下三角部分，大致看出残差平方随的变动成增大的趋势，因此，模型很可能存在异方差。但是否确实存在异方差还应通过更进一步的检验。【检验二】ARCH检验：本模型属于时间序列，选用ARCH检验。在：0；：(j=1,2,p) 的假设下，进行ARCH Test，分别滞后一期和两期，选取AIC最小值的一期滞后，结果如下：ARCH Test:F-statistic5.297550 Probability0.029967Obs*R-squared4.720971 Probability0.029797Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/12/07 Time: 19:53Sample(adjusted): 1999:2 2005:4Included observations: 27 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.0003970.0002191.8120370.0820RESID2(-1)0.4016130.1744902.3016410.0300R-squared0.174851 Mean dependent var0.000719Adjusted R-squared0.141845 S.D. dependent var0.000946S.E. of regression0.000876 Akaike info criterion-11.17118Sum squared resid1.92E-05 Schwarz criterion-11.07519Log likelihood152.8109 F-statistic5.297550Durbin-Watson stat1.694370 Prob(F-statistic)0.029967如表所示，(n-p)= 4.720971，在给定显著性水平0.05下，查分布表得临界值(1)3.84146，(n-p) (1)3.84146，拒绝原假设，表明模型中得随机误差项存在异方差。2修正异方差： 在运用加权最小二乘法（WLS）估计过程中，我们分别选用了权数w1=，w2=，w3=。经估计检验发现用权数w2的效果最好。下面给出用权数w2的结果：Method: Least SquaresDate: 12/12/07 Time: 20:10Sample: 1999:1 2005:4Included observations: 28Weighting series: W2VariableCoefficientStd. Errort-StatisticProb. C0.2168540.1235321.7554450.0925X22.65E-053.21E-068.2494450.0000D10.1570110.1209711.2979290.2072D20.2276370.1186481.9185820.0675D30.1285050.1260961.0191110.3188Weighted StatisticsR-squared0.999216 Mean dependent var0.475901Adjusted R-squared0.999080 S.D. dependent var0.994540S.E. of regression0.030166 Akaike info criterion-4.003802Sum squared resid0.020929 Schwarz criterion-3.765908Log likelihood61.05323 F-statistic39.39862Durbin-Watson stat1.495463 Prob(F-statistic)0.000000Unweighted StatisticsR-squared-5.192389 Mean dependent var0.671020Adjusted R-squared-6.269326 S.D. dependent var0.143361S.E. of regression0.386525 Sum squared resid3.436236Durbin-Watson stat0.384135 估计结果如下 t(1.755445) (8.249445) (1.297929) (1.918582) (1.019111) =0.999216 0.999080 F39.39862 DW1.495463 可以看出运用加权最小二乘法消除了异方差后，参数的t检验很显著，可决系数大幅提高，表明拟合效果很好，F检验也显著。（3）自相关检验：1检验：模型得出DW1.495463，在0.05水平下，n28，4，查DW分布表可得 1.104，1.747，模型中DW，说明广义差分模型中已无自相关。同时可见，可决系数、t，F统计量也均达到理想水平。（4）平稳性检验： 由于我们选用模型为时间序列，因此有必要对其进行平稳性检验，以此判断是否为“真回归”。 模型中是两变量，因此采用两变量关系的EG两步法检验。（1）对y的平稳性检验：首先做y随时间变化的线性图： 从图中看出，y是有截距项和上升趋势的。对y进行单位根检验，结果如下： ADF Test Statistic-0.666674 1% Critical Value*-3.7204 5% Critical Value-2.9850 10% Critical Value-2.6318*MacKinnon critical values for rejection of hypothesis of a unit root. 从检验结构看，在1，5，10三个显著性水平下，单位根检验的临界值分别为-3.7204、-2.9850、-2.6318，t检验统计量值-0.666674大于相应临界值，从而表明y序列存在单位根，是非平稳序列。 确定y序列的单整阶数： ADF Test Statistic-21.06322 1% Critical Value*-3.7343 5% Critical Value-2.9907 10% Critical Value-2.6348*MacKinnon critical values for rejection of hypothesis of a unit root. 从结果看，在1、5、10三个显著性水平下，单位根检验的临界值均大于t检验值，因此表明y的一阶差分序列不存在单位根。即y序列是一阶单整的，yI（1）。（2）对平稳性检验： 作x序列的线性图：图中看出是有截距项和上升趋势的，采用同样方法对其进行单位根检验。可检验得到序列也是一阶单整的，即I（1）。 （3）协整性检验： 对残差序列进行单位根检验，结果如下：ADF Test Statistic-5.902128 1% Critical Value*-2.6522 5% Critical Value-1.9540 10% Critical Value-1.6223*MacKinnon critical values for rejection of hypothesis of a unit root. 从结果看出，t检验统计量为-5.902128，小于各显著性水平下的相应临界值，表明残差序列不存在单位根，是平稳序列，说明商品房屋销售均价（y）与房地产开发投资资金来源合计_累计（）之间存在协整关系。 Y与之间存在协整关系，表明两者之间有长期均衡关系。在此也证明了以上我们所做的回归模型为真回归，可以放心接受模型中的回归结果了。统计意义的检验： =0.952519 说明总离差平方和的95.2519%被样本回归直线解释，仅有不足5%未被解释，因此样本回归直线对样本的拟合优度是很高的。t=13.80433 查表 2.074，t2.074，说明房地产开发投资资金来源总额对商品房销售均价影响显著。经济意义的检验： 从经济意义来说，随着房地产开发投资资金来源的增加，房地产的供给会相应地增加，从而使得房价下降。而本模型得出的结果却是b2=6.95e-06，即房地产投资资金来源每增加1亿元，商品房价格就增加（6.95e-06）亿元/万平方米，这似乎不符合经济常理。其实不然，对比20032005年房地产投资资金来源增加比例与新开工面积增加比例：2003年全国房地产开发投资资金来源93770.19亿元，同比增长39.79%，新开工面积54319.10万平方米，同比增长28.5%；2004年全国投资资金来源总额达127646.2亿元，同比增长36.13%，新开工面积60414万平方米，同比增长10.4%；2005年全年房地产开发投资资金来源达163545.5亿元，比上年增长28.12%，房屋新开工面积为6.7亿平方米，增长10.6%。我们可以看出，房地产开发投资资金来源的数量增加总比新开工面积的增加比例要高，表明随着房地产投资资金来源的增加，每单位面积的商品房的投资额就上升。从而导致单位商品房面积成本的上升，引起房价随之上升是符