城镇居民住房面积的多因素分析

我国城镇居民住房面积多

因素分析班级：10经济学2班学号：1021303208姓名：刘文静指导老师：刘冬兰［内容摘要］:本文根据目前房地产业现状，从计量经济学的角度来验证一下居民收入水平、物价水平、国内GNP以及房地产销售价格等因素对其的影响程度。［关键词］城镇居民住房销售总面积职工平均货币工资多因素分析城镇居民价格消费指数检验经济背景专家预测，到2020年，中国城市化水平将提高到55%，城镇人口将达到7亿以上，按人均需住房20平方米计算，仅城镇新增人口每年就需增2亿平方米以上，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。结合经济背景，建立计量经济学模型㈠关于数据：数据的来源<<中国统计年鉴>>附表1yx1x278060.8x3x419977864.364445103.11790199810827.1744683024.2899.4185412997.888479.1199978319598.7185716570.298000.42000893335100.8194819938.7108068.20015108342100.7201723702.3119095.20021123737992092200329778.8513969134977100.9219733819.8159453.20049159206103.3260849587.8183617.2936.9620053182004101.63200655422.920856215904.101.53119.25541200770135.8824721266422104.53645.183200859280.3528898316030.3105.63576200986184.893224434032099.14459201093376.636539399759.5103.24725201196528.4141799472115105.34993.175㈡关于模型1•建立模型：Y=C+“必广“兀+03X3+“4X4+U其中Y代表我国城镇居民住房销售总面积（单位；万平方米）,X1代表职工平均货币工资（单位：元）X2代表国民生产总值（单位：亿元）X3代表城镇居民价格消费指数X4代表城镇住房平均销售价格（单位：元/平方米）2•散点图

3.参数估计4.模型检验：⑴经济意义的检验：从经济意义上来说，居民住房购买面积会随着居民平均工资以及国民生产总值的增加而增加，而与城镇居民价格消费指数、城镇住房平均销售价格呈反向关系。从上表可以看出XI,X2,X3的参数符号与其经济意义不符，估计是因为变量间存在多重共线性或者是与被解释变量不存在线性关系。⑵统计推断检验：从回归结果可以看出，R2=0.993636，模型的拟合程度非常好，F统计量的值在给定显著性水平a=0.05下也比较显著，但是XI,X2,X3的t统计值均不显著，说明XI,X2,X3这三个变量对Y的影响不显著，或者变量之间存在多重共线的影响使其t值不显著。⑶计量经济学意义检验多重共线性检验模型从整体上看房屋购买量与4个解释变量之间线性关系显著。对X1、X2、X3、X4、进行简单相关系数矩阵检验。解释变量相关系数矩阵：Views-[Group:UNTITLEDWorkFile:UNTITLED]QFileEditObjects迫已网ProcsQuickOptio「庁WindowHelpew|氏口匚弓]Objmet■吕|Firint|Nam』Freeze|CorrelationMatrixYX1X2X3X4Y1.0000000.9811840.9718160.5027300.9921320.9811841.0000000.9973070.5600080.990470X20.9718160.9973071.0000000.5835910.907828X30.5027300.5608080.5835911.0000000.5255290.9921320.9904700.9878280.5255291.000000由此图可见，X1和X2,X1和X4,X2和X4这些解释变量之间存在高度线

性相关，表明模型中解释变量确实存在严重的多重共线性。多重共线性的修正：采用逐步回归法对多重共线性进行补救。运用OLS方法逐一求Y对各解释变量的回归，回归结果如下R-squaredt-StatisticProb.X10.96272218.322880.0000X20.94442614.863440.0000X30.2527382.0968650.0561X40.98432628.573070.0000从回归的结果可以看出城镇住房平均销售价格t值最大，线性关系强，拟合程度最好，因此把X4作为基本变量。然后将其余解释变量逐一代入X4的回归方程，重新回归。R-squaredt-StatisticProb.Y=C+0+04X40.984444-0.302370.7684-4.0935120.0015Y=C+02X2+04X40.987132-1.617660.13176.3108750.0000Y=C+03X3+04X40.984808-0.6165320.549124.046630.0000逐步回归，将其余变量逐一代入方程（1）,重新回归。经分析，引入其他变量后各个方程的调整后可决系数都小于方程（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=0.984326AdjustedR-squared=0.983121F=816.4203DW=1.069099异方差检验

从WHITE检验看到Obs*R-squared=0.876425大于临界值，存在异方差修正：Dependent.Variable:¥Method:Le^sfSquare^Date:06/07/13Time'2226Sampie:19972011Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C-35934792997.947-11.986460.000027.501250.9624892S.573070.0000R-squared0.9G4326Meandependentvar4440108AdjustedR-squared0.983121SD.dependentvar31017.60S.E.ofregression4029.813Akaikeinfo^criterion19.56439Sumsquaredresrd2.11E-K30'Schwarzcriterion19.65880Loglikelihood-1447330F-stati&tic816.4203Durbin-Watsonstat1.069099Prob(F-statistic)0.000000自相关性检验残差图:如图分析可知，存在自相关性。Dw检验:F-statistic1.899885Probability'0.193247如图分析可知，存在自相关性。Dw检验:F-statistic1.899885Probability'0.193247Obs*R-squared2.050253Probability'0.152181Breu$ch-GodfreySeriaLCorrelationLMTest:TestEquation:DependentVariable:RESIDMethod:Leafet'Square^'Date:06/07/13Time'-22:31Prgsamplemissingvaluelaggedresiduals^ettozero.VariableCoefficientStd.Errort-Stati$ticProb.C643.17172936.5890.2190200.8303-0.2647440.950422-0.2785540.7853RESID0).0.4022100.2918021.378363-0.1932R-squared0.136684Meandependentvar7.82E-12AdjustedR-squared-0.007203SD.dependentvar■3883：2252.已ofregrEpgion3897.184Akaikeinfo-criterion19.55075Sumsquaredresrd1.82E-KJ8Schwarzcriterion19.69236Loglikelihood-143.6306F-statistic0.949943Durbin-Watsonstat1.833865ProbfF-statistic/0.414019DW=1.833865dLDW=1.833