我国房价预测分析

1、统计预测与决策期末论文我国房价预测分析班级：学号：姓名：成 绩1数据选取（10分）2数据录入（20分）3数据分析（40分）4结论陈述（10分）5整体行文（20分）6总 分摘要：本篇论文以19982010年房地产业主要相关数据为基础对全国房价宏观经济影响因素进行多元线性回归预测，并且选取了4个宏观经济指标作为方程初始导入自变量，与全国房屋销售均价进行初步多元线性回归模型分析，并解决了自变量之间多重共线性问题，进而修正为3个自变量与全国房价建立多元线性回归模型，并对回归模型进行分析，得出方程效果良好的结论，指出模型的应用价值。在此基础上预测房价未来的走势，以及相应的对策和建议。【关键词】 宏观经济

2、 多元回归 预测 一、研究的背景及意义我国房地产的现状房子,作为一个特殊的商品,有着它的不可替代性,它不仅关乎着国计民生,而且与人们的生活息息相关。自1998年以来,房地产一直是拉动经济增长的主导产业之一,房地产投资约占我国城镇固定投资的20%左右,为我国的gdp增长做出了巨大贡献。房地产投资增速将略有减缓。在政府控制房价、调整住房供应结构、加强土地控制、信贷控制等一系列宏观调控政策陆续出台的背景下，地方政府过度的投资冲动将受到一定程度的抑制，对土地与房屋开发投资的增速也将相应减缓。与此同时，加息、提高存款准备金率等措施所导致的房地产开发贷款与消费贷款增速的放缓将直接影响房地产开发的规模和施工

3、、竣工速度。因此从整体上看，如果国家针对房地产的宏观调控政策落实到位，未来23年我国房地产开发投资的增速将略有减缓，但估计不会低于20。从经济学理论来看，房价的运动趋势和国民经济增长率以及居民可支配收入正相关。目前我国经济高速发展，居民收入持续增加、除非遭遇金融危机，经济增长趋势被迫中断，否则房价的运行趋势只会上升，而不可能下降。普通住房供应量将上升，高档住宅供应量将减少。为了合理引导住房建设与消费，国家在规划审批、信贷、税收等方面对中小套型、中低价位的普通住房给予了优惠的政策支持，并明文规定了享受优惠政策的普通住房的具体标准。未来23年，随着各地房地产宏观调控细则的相继出台，中低价位、中小套

4、型普通商品房、经济适用房与廉租房的供应将有所增加。 东部地区仍将是投资的主要区域，中西部地区将保持较快投资增速。东部地区在全国房地产开发投资中的占比将继续下降，中、西部地区将继续保持较快的投资增速，在全国房地产开发投资中的占比将有所提高。房地产开发企业的资产重组将向纵深推进。部分开发企业将转移战线，大力开拓东部二、三线城市市场，并逐渐向全国延伸，从而带动这些城市房地产市场的发展。本篇文章对近十年的房地产情况进行预测及分析。二、数据的选取 国家近来接连采取了对房地产业具有展撼力的宏观调控政策.从理论上讲，房地产价格受建设成本、宏观经济因素、社会因素、人口因素、政策体制及供求变化等多方面的综合影响

5、，其中，作为房地产业发展背景的宏观经济因素起着至关重要的作用。因此从宏观经济角度分析预测未来房地产价格市场的发展趋势，对于稳定房价、保持适度开发和建立更合理的市场规则起到参考价值。本文主要从国内生产总值、全国居民消费水平、房地产投资总额、全引几会固定资产投资房屋竣工面积等经济角度出发。1998-2010年相关经济数据如表1所示。经过对这13年的经济数据进行时间序列分析，设定全国居民消费水平为x1, 房地产投资总额为x2, 全社会固定资产投资房屋竣工面积为x3、国内生产总值为x4，作为自变量，全国房屋销售均价设为y，作为因变量。根据所选的全国居民消费水平、房地产投资总额、全社会固定资产投资房屋竣

6、工面积(图表中简称为固投房屋竣工面积)、国内生产总值四项指标，建立如下的多元线性回归模型:y=b0+b1x1+b2x2+b3x3+b4x4+u其中 y全国房屋销售均价（元/平方米）x1：全国居民消费水平（元）x2：房地产投资总额（亿元）x3：全社会固定资产投资房屋竣工面积（万平方米）x4：国内生产总值（亿元）b0 ，b1，b2，b3，b4是未知参数u是剩余残差，且e(u)=0,与三个自变量无关。表1为2010年我国房地产业相关指标数据。表 1 2010年影响我国房地产业因素数据年份yx1x2x3x41998206331593614.2170904.884402.3199920533346410

7、3.2187357.189677.12000211236324984.1181974.499214.62001217038876344.1182437.1109655.22002225041447790.9196737.9120332.720032359447510153.8202643.7135822.820042778503213158.3207019.1159878.320053168557315909.2227588.7184937.420063367626319422.9212542.2216314.420073864725525288.8238425.3265810.3200838

8、00834931203.2260307.0314045.420094681909836241.8302116.5340902.820105032996848259.4304306.1401202.0数据来源：中国统计年鉴2011三、实证分析(一)初步回归模型检验用spss软件对数据进行分析处理，得出如下分析检验结果。 1、拟合优度检验由表2可看出，其相关系数r为0. 989，测定系数r为0. 978，说明该模型的拟合优度较好。表2 model summaryb.989a.978.967186.04811model1rr squareadjustedr squarestd. error ofth

9、e estimatepredictors: (constant), x4, x3, x2, x1a. dependent variable: yb. 2.方程显著性检验(f检验)如表3所示，通过查f检验临界值表，得到f（4, 8）0.01=7.0190.027，因此通过了方程显著性检验。表3 anova1246480043116199.97290.027.000a276911.2834613.8991274171112regressionresidualtotalmodel1sum ofsquaresdfmean squarefsig.predictors: (constant), x4, x

10、3, x2, x1a. dependent variable: yb. b3.变量显著性检验(t检验)如表4所示，通过查t检验临界值表得到t (13) 0.6=0.5380.632，因此能够通过t检验。表4 coefficientsa492.939926.267.632.609.471.8461.052.557.593.037.070.511.531.610.002.007.091.305.768-.006.025-.659-.260.801(constant)x1x2x3x4model1bstd. errorunstandardizedcoefficientsbetastandardized

11、coefficientstsig.dependent variable: ya. (二)初步回归模型分析从上述表4中可以分析出，国内生产总值、房地产投资额与全国房屋销售均价皆负相关。从经济意义上看是存在不合理性的，进一步分析，从spss输出的数据表5可以看出，表5给出了各个变量的容许度tolerance和方差膨胀因子vif值。各个变量的容许度均小于0.1，因此说明变量之间存在多重共线性。国内生产总值与全国居民消费水平的相关性很高，这就说明二者之间存在多重共线性，需要对初步回归方程进行修正。表5 coefficients492.939926.267.532.609.471.8461.052.55

12、7.593.0011311.720.037.070.511.531.610.003339.990.002.007.091.305.768.03132.505-.006.025-.659-.260.801.0002364.479(constant)x1x2x3x4model1bstd. errorunstandardizedcoefficientsbetastandardizedcoefficientstsig.tolerancevifcollinearity statisticsdependent variable: ya. 四、修正回归模型(一)回归模型的修正居民消费水平是指按人口平均计算的

13、居民消费额，其计算公式是报告期国内生产总值中的居民消费总额与报告期年平均人数的比值，考虑到居民消费水平，是按国内生产总值口径计算的，并且与房屋购置有更直接的经济关系，在修正模型时，保留居民消费水平，去掉国民生产总值，采用spss软件分析结果如表6、表7、表8所示。（二）修正回归模型的检验1.拟合优度检验从表6可以看出，其相关系数r为0.989,测定系数r2= 0.978,说明其拟和优度较好。表6 model summary.989a.978.971176.14797model1rr squareadjustedr squarestd. error ofthe estimatepredictor

14、s: (constant), x3, x2, x1a. 2.方程显著性检验(f检验)如表7所示, 通过查f检验临界值表得到f（3, 9）0.01=6.99133.884,更好的通过了方程显著性检验。表7 anova1246245834154152.701133.884.000a279253.0931028.1081274171112regressionresidualtotalmodel1sum ofsquaresdfmean squarefsig.predictors: (constant), x3, x2, x1a. dependent variable: yb. b3、变量显著性检验(t

15、检验)如表8所示，通过查t临界值表得到t (13) 0.6=0.5380.595，仍能够通过检验.表8 coefficients518.455872.045.595.567.257.177.5731.454.180.021.028.284.739.479.003.005.137.607.559(constant)x1x2x3model1bstd. errorunstandardizedcoefficientsbetastandardizedcoefficientstsig.dependent variable: ya. (三)修正回归模型分析全国房屋销售均价与房地产投资额、全国居民消费水平正相

16、关，与全社会固定资产房屋竣工负相关，较好地体现了实际的经济意义，并且较好地通过了相关的检验。可见，本文所修正的多元线性回归方程各个方面表现良好，即最终建立的三元线性回归模型为:根据上述回归模型结果，可以将2012年的x1、x2、x3带入该模型中，得到12年我国房地产业房屋销售均价。依此类推，可以得到以后的每一年的全国房屋销售均价。综上所述，该方程可以用来分析我国房屋销售均价的变动趋势。在给出未来时期全社会固定资产房屋竣工面积、房地产投资额、全国居民消费水平估计数据的基础上，依据该公式计算：房地产价格的预测值，可大体观测房地产价格的波动情况，为政府宏观调控部门、房地产相关管理部门、房地产从业人士

17、以及有房地产消费需求的居民提供分析依据。有利于各方主体进行理性决策、采取有效措施，以规避风险、提高收益、推进我国房地产市场的改革和规范化进程，实现房地产行业的健康、稳定和持续发展。五、对今后房地产价格走势的初步判断在可预见的未来期间内, 供应偏紧、价格上涨仍将是房地产市场的主要矛盾。供给方面, 未来房地产供应不足的矛盾将相当突出。尽管资金、劳动力、建材等房地产供给构成要素供应宽裕, 但作为最重要的要素, 土地供应紧张将成为难以突破的瓶颈。房地产开发土地来源无非是旧城区改造、企事业单位通过土地置换外迁、郊区闲置土地开发和占用耕地。伴随国内经济的快速增长, 可以预见居民收入仍将保持快速上升势头,

18、居民的购房能力将不断增强。工业化、城市化的推进必然迎来城市人口的快速膨胀和第三产业的迅猛发展, 不可避免地对未来城市房地产的供应带来压力。从目前市场表现看, 近年来房地产已经存在“超买”现象, 供需矛盾的存在必然使这一现象愈演愈烈, 从而推动房地产价格的进一步上扬。为应对土地紧张问题, 开发商将着重开发高层和小高层建筑, 以提高容积率的方法来稀释土地成本, 缓解商品房过快上涨压力, 但这同时会提高施工成本, 因此可以预见, 今后商品房格上涨不可避免。六、对策建议（一） 转变政府职能, 提高对房地产市场的管理水平政府及其各部门要按照经济规律办事, 为房地产开发企业创建公平竞争、良性发展的市场环境

19、。加强房地产投资、管理、服务领域有关规则和政策的研究, 提高政策的透明度; 加强房地产市场统计, 为房地产市场管理提供可靠的信息; 在全面动态收集房地产市场信息数据的基础上, 建立科学有效的房地产市场预警预报系统; 搞好房地产业发展规划, 推进房地产市场化进程, 努力提高为企业服务的水平。（二) 盘活存量土地, 完善土地供应办法, 增加土地供应量地方政府要在认真清查闲置土地的基础上, 指建交易平台, 降低相关税费的征收标准, 降低土地交易成本, 为存量土地流转创造条件; 加强土地整理储备工作, 掌握调剂土地供应的主动权; 加强对房地产市场需求变化趋势的研究预测,根据土地需求和土地资源情况, 制定科学的土地供应计划;在保护耕地、控制城市建设用地的同时, 努力增加房地产开发土地供应量。（三） 完善住房保障制度提高认识, 把建立和完善住房保障制度作为建设和谐社会的一项重要工作。对低收入人群, 根据其不同的支付能力,建立层次标准不同的住房保障体系。对低保人群实施廉租房政策; 为低收入者提供经济适用房。建立住房保障基金, 鉴于地方资金来源不足, 中央财政应通过转移支付等形式解决资金来源问题。建立低收入人