计量经济学论文影响我国城镇居民住房面积因素实证分析

1、影响我国城镇居民住房面积因素实证分析 影响我国城镇居民住房面积因素实证分析 摘要：根据目前房地产业现状，从计量经济学的角度来验证一下职工平均货币工资、国民生产总值、城镇居民价格消费指数、城镇住房平均销售价格等因素对我国城镇居民住房销售总面积的影响程度。关键词： 职工平均货币工资 国民生产总值 城镇居民价格消费指数 城镇住房平均销售价格 我国城镇居民住房销售总面积。目 录一、引言 2二、变量选取与模型建立2三、模型求解和检验 3（一）模型初始估计 3（二）经济意义、拟合度、F检验 4（三）多重共线性检验： 5(四)修正后的模型自相关性检验 7（五） 异方差检验 8四、结论 9五、对策建议 9一、

2、引言专家预测，到年，中国城市化水平将提高到，城镇人口将达到亿以上，按人均需住房平方米计算，仅城镇新增人口每年就需增亿平方米以上，房地产业在国民经济和社会发展中的重要地位将逐渐突出。房地产市场的发展，不仅可以推动经济的发展，而且可以从增加投资的消费，增加就业多方面拉动国内的需求。由此可见，住房问题已经成为我国市场经济发展过程中的一个重要问题。在此，我们将从计量经济学的角度进行研究。二、变量选取与模型建立这里选取“我国城镇居民住房销售总面积”为被解释变量，选“职工平均货币工资”“国民生产总值”“城镇居民价格消费指数”“城镇住房平均销售价格”为解释变量。分别用Y、X1、X2、X3、X4。下表为199

3、72011年的数据：我国城镇居民住房销售总面积（万平方米）Y职工平均货币工资（元)X1国民生产总值（单位：亿元）X2城镇居民价格消费指数X3城镇住房平均销售价格（元/平方米）X419977864.3644478060.85103.11790199810827.1744683024.2899.41854199912997.87831988479.1598.71857200016570.28933398000.45100.81948200119938.7510834.2100.72017200223702.3112373.7992092200329778.8513969100.9219720043

4、3819.8915920.6103.32608200549587.8318200.4101.62936.963200655422.9520856.4101.53119.251200770135.8824721104.53645.183200859280.3528898.3105.63576200986184.893224499.14459201093376.636539.5103.24725201196528.4141799105.34993.175（资料来源：中国统计年鉴）建立多元回归模型：Y=C+C1X1+C2X2+C3X3+C4X4+u其中u为随机误差项。三、模型求解和检验（一）模型初始

5、估计 运用Eviews软件，用OLS估计模型中未知参数，得到参数估计结果如下：参数参数估计值参数标准差t统计量双侧概率C-83323.8549160.06-1.0.1209X13.1.3.0.0096X2-0.0.-3.0.0040X3404.8474470.63470.0.4098X430.856715.5.0.0002Y = -83323.84952 + 3.*X1 - 0.*X2 + 404.*X3 + 30.*X4S=(49160.06 ) (1.) (0.) （470.6347） （5.）t= (-1.) (3.)（ -3.）（0.）（5.）R2=0. =0. F=390.3169

6、S.E=2927.839 DW=2. n=15（二）经济意义、拟合度、F检验（1）经济意义检验：模型估计结果说明，在假定其他变量不变的情况下，当职工平均货币工资每增加百分之一，我国城镇居民住房销售总面积会平均增加3.5%；在假定其他变量不变的情况下，国民生产总值每增加1%,我国城镇居民住房销售总面积平均减少0.35%，在假定其他变量不变的情况下，当城镇居民价格消费指数每增加百分之一，我国城镇居民住房销售总面积会平均增加404.85%，在假定其他变量不变的情况下，当城镇住房平均销售价格每增加百分之一，我国城镇居民住房销售总面积会平均增加30.86%。这与理论分析的经验判断一致。(2) 回归方程的

7、标准误差的评价：S.E=2929.839说明，回归方程与各观测点的平均误差为2929.839。(3)拟合优度检验：可决系数R2=0.，说明所建模型整体上对样本数据的拟合较好，即解释变量“职工平均货币工资”“国民生产总值每增加”“当城镇居民价格消费指数”“城镇住房平均销售价格”对被解释变量的绝大部分差异做出了解释。（4）F检验：给定显著性水平=0.05下，查F分布表查出自由度为k=4和n-k-1=10的临界值为5.96，F=390.31695.96，说明原方程显著，即解释变量联合起来对被解释便量有显著影响。（三）多重共线性检验：由估计模型可见，该模型R2=0.，=0. 可决系数较高，F检验值为3

8、90.3169明显显著，但当=0.05时，t临界值等于2.281，且X2、X3、X4的回归系数不能通过t检验，这表明可能存在严重的多重共线性。有简单的线性相关系数检验可知，两个变量间的相关系数很高，证实存在严重的多重共线性。所以需要对模型进行补救。（1） 相关系数检验：利用Eviews软件得到相关系数矩阵图如下： Y X1 X2 X3 X4 Y1.0.0.0.0. X10.1.0.0.0. X20.0.1.0.0. X30.0.0.1.0. X40.0.0.0.1.可见每个因素都与被解释变量高度相关，而且解释变量之间也是高度相关的，存在多重共线性。(2)消除多重共线性 采用逐步回归法，去检验和

9、解决多重共线性问题。分别作Y对X1、X2、X3和X2的一元回归，结果如下表所示：变量 X1 X2 X3 X4参数估计值2.0.6804.44827.50125T统计量18.3228714.863452.28.57306R20.0.0.0.0.0.0.0.其中加入X4的方程最大，以X4为基础，顺次加入其他变量逐步回归，结果如下表所示：ADJ-R2t-StatisticProb. X1 、X40.-0.302370.7684-4.0.0015X2、 X40.-1.617660.13176.0.0000X3 、X40.-0.0.549124.046630.0000引入其他变量后各个方程的调整后可决系

10、数都小于方程（1）中的调整后可决系数或T的实际概率不符。决定将模型设定为 Y = -35934.79+ 27.50125*X4R-squared= 0. Adjusted R-squared=0.F= 816.4203 DW=1.这说明其他因素不变的情况下，当城镇住房平均销售价格每增加百分之一，我国城镇居民住房销售总面积会平均增加27.5%。(四)修正后的模型自相关性检验对一个样本容量为15的解释变量模型，在5%的显著性水平下，查表可得dl=1.08，du=1.36,因为DW1. dl=1.26,所以随机误差项存在自相关。（1） 残差图分析表明可能存在自相关。（2）D-W检验因为n=15，k=

11、2，取显著水平=0.05时，查表得dl=1.08，du=1.36,因为DW1. dl=1.26,所以存在一阶正自相关性。（3）自相关性的修正利用科克伦奥科特迭代法得到的回归结果如下：Y = -32964.16139 + 26.*X4 + AR(1)=0.t= (-6.) (18.14540)R2=0. =0. F=440.3773 DW=2.从结果可以看出，此时DW=2.,查n=15,k=1,=0.05的DW统计量表，的Dl=1.26，Du=1.36DW=2.,表明模型已不存在自相关性。（五） 异方差检验用怀特检验法验证修正后模型是否存在异方差，Eviews软件显示的结果为：White Het

12、eroskedasticity Test:F-statistic0. Probability0.Obs*R-squared0. Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 01/16/15 Time: 21:54Sample: 1 15Included observations: 15VariableCoefficienStd. Errort-StatisticProb. C-0.0.6419X422152.5925702.430.0.4056X42-3.3.-0.0.4065R

13、-squared0. Mean dependent varAdjusted R-squared-0. S.D. dependent varS.E. of regression Akaike info criterion35.85660Sum squared resid2.20E+15 Schwarz criterion35.99821Log likelihood-265.9245 F-statistic0.Durbin-Watson stat1. Prob(F-statistic)0.取显著水平下=0.05，由于nR2=0.0512X20.05(2)=5.991,所以函数不存在异方差性。四、结论：通过以上一系列分析我们得到的最终模型为:Y = -35934.79+ 27.50125*X45、 对