房价上涨的成因及对策研究

类型房屋建筑施工面积商业营业用房施工面积商业营业用房施工面积办公楼施工面积201040553944616121403149432011507959562781595038843920125734186581419434428964201366557280627245774863472014726482943202992851509620157356931001113304451157020167589751045723502952131020177217819936233848493275依据表4.1.1中的数据利用matlab软件做出散点图如图4.1.1所示图4.1.1观察此散点图不难发现在这有限的年份中似乎夹杂着一定的规律，或者说是根据年份的变化土地面积也随之具有规律的变化。当然，这只是由图形而直观得出的结论，因为我们需要对后边几年的房地产土地占有面积要进行预测，所以在此处就得先对数据作处理。根据所有的条件，最切合实际的预测法则是要将现有的数据进行拟合，然后根据模型来预估后面的数据。在matlab软件中，在上述过程以及操作的基础上，对该数据拟合处理。在作散点图的对话框中可以直接简单的对所有数据做拟合，点击在工具栏中的“工具”选项，选中后弹出基本拟合框，接着可以通过在选项框中的选择方法进行数据拟合。图4.1.2最后matlab软件运行结果由上图4.1.2所示，在实行过程中，此处将每个数据变量进行了六次拟合，通过对模型的拟合图直观看出在第一年到第七年所占地的面积都是呈上涨趋势，到第八年稍微平缓一下。根据图示所知，由于年份的增加导致土地使用面积的增加，就说明在今后的几年之中土地占用面积还是会持续增加，间接使土地资源紧缺，从而使房价持续上涨。4.2刚性土地成本太高通过分析可知，由于土地供应太少，可用于房屋建设的资源有限，所以导致毒地的成本过于的高。而且不仅如此，若想开发一片地皮，还需要更多的工序，前后与许多部门打交道，纳各种费用。况且施工时需要的管理费用以及投资的利息等等，都是提高成本的因素。拍卖得到的土地、建安成本、税费、贷款利息是主要成本。关于土地的使用，就必须要用到一个新的概念——容积率。容积率(PlotRatio/FloorAreaRatio/VolumeFraction)又称建筑面积毛密度，它是指一个村庄地面上的总建筑面积与地面面积的比率。对于开发商来说，容积率决定了土地价格成本在住房中的比例，而对于居民来说，容积率直接关系到生活的舒适度。一个好的居住区，高层住宅的建筑面积比例不应超过5，多层住宅的建筑面积比例不应超过3，绿化率不应低于30%。但由于土地成本的限制，并不是所有的项目都能完成。容积率一般由政府设定。在现行的城市规划法律法规体系下，各类住宅用地管制一般都是详细规划，容积率分为表4.2.1所示表4.2.1独立别墅0.2~0.5联排别墅0.4~0.76层以下多层住宅0.8~1.211层小高层住宅1.5~2.018层高层住宅1.8~2.519层以上住宅2.4~4.5住宅小区容积率小于1.0的，为非普通住宅。容积率:项目用地范围内地上总建筑面积(但必须是正负0标高以上的建筑面积)与项目总用地面积的比值。容积率是衡量建设用地强度的重要指标。容积率的数值是无量纲的，通常取容积面积为1。内陆建筑总建筑面积与用地面积的倍数为容积率。现在假设正准备做一个房价的估计表（为方便计算，采取中等城市），利用容积率及各种影响因素综合来看，做一个简略的财务估计。假设售价以3000元/㎡计算，那么粗略的计算成本如下所示：管理费：3000×3销售费用（含广告费、代理、宣传、资料费）：3000×5不可预支费用：3000×1投资利息（估算利率）：3000/2×6税金：3000×6.28单体建筑成本：1200城市配套费：200小区景观及二次管网配套费：150建筑规划设计费：20综合以上计算得到合计：2118.4这是以房屋的装修以及周边环境生活的单位面积支出费用，总成本则还需要加上单位面积建筑低价成本，即W=W为总成本，a单位面积成本。现在若以低价70万元/亩计算，则不同容积率下的建筑面积成本则如表4.2.2所示表4.2.2容积率单位面积成本固定成本总成本1.308072118.42925.41.407492118.42867.41.506992118.42817.41.706172118.42735.42.005252118.42643.4由上表可知，在70万元/亩与3000元/㎡售价的前提下，容积率在1.3-1.5左右的毛利是很少的，作为一个房地产商，他们肯定是要将利益最大化。但是容积率在2.00以上时，又显得市场风险过大。所以容积率控制在1.70左右时最适合的，既可以将利润最大化，还可以适当减少市场风险。4.3银行信贷政策对房地产的推波助澜信贷是一种债权人偿还本金和支付利息为条件，贷出货币的信用活动。一方面，单位或个人将闲置的货币存入银行，形成银行的负债；另一方面，银行将资金出借给缺乏资金用以周转及生产单位或个人，形成银行资产。银行在信贷过程中，充当的是借贷双方的信用媒介。我国银行房地产信贷发展史第一阶段：宽松期（1998年-2002年）这一阶段在住房改革快速推进、房地产行业被确定位国民经济新的增长点背景下，银行信贷作为房地产企业项目开发和居民购房的重要资金来源，得到了来源于政策方面的大力扶持，特别是在居民个人按揭贷款方面，以中国人民银行为首的各部位接连出台多项相关的鼓励措施。第二阶段：调整收紧期（2003年-2007年）上一阶段房地产市场的蓬勃发展带动了房价的飞速上涨，超出了居民对于房价的接受能力。因此，国家不得不出台相关调控政策以抑制房价的“疯涨”，信贷政策作为重要的调控政策手段，在这轮调控中是扮演重要角色。第三阶段：再度扩张期（2008年-2009年）这一阶段由于应对全球性的金融危机，2008年11月我国政府出台了“四万亿”计划刺激经济增长，房地产行业作为国民经济支柱型产业，再次得到大力的扶植二蓬勃发展。“四万亿计划”中指出要加大金融对经济增长的支持力度，取消对商业银行的信贷规模限制，合理扩大信贷规模银行信贷在这轮房地产行业的发展中起到至关重要的作用。第四阶段：收缩期（2010年-2012年）2010年开始，由于经济的复苏，加之房地产价格适中难以减缓上涨速度，因此人民银行决定对市场资金面过度流动性进行回收，综合运用货币政策和信贷政策，对房地产市场上个人住房贷款和房地产且也开发贷款进行收紧，希望通过控制商业银行信贷资金的投放来减少对房地产行业的支持力度。第五阶段：借“去库存”再度刺激（2013年-2017年初）这一阶段迫于宏观经济下行压力的趋势，加之三四线城市房地产市场始终低迷的局面，我国政府提出了“去库存”的政策导向，将二套房重新定义，由之前的“认贷又认房”改为“认贷不认房”，即对拥有一套住房且结清相应住房贷款的家庭，为改善居民条件再次申请贷款购买普通商品住房。第六阶段：打击“炒房”再次收紧（2017年4月至今）随着“十九大”的召开，鉴定了我国政府抑制房地产市场炒房行为的调控基调，市场上的投资、投机性购房需求受到了有史以来最严格的政策监督，支持房地产项目开发和居民购房银行信贷资金，同样受到了来自政策方面的影响。通过这么多年的信贷政策充分说明了信用贷款也侧面的推动了房价的上涨。4.4住房供求不平衡总量上看，近几年来住房已经供大于求从增量看，近些年来供给保持在较高水平，需求下降较快1998年房改以来，我国住房供需缺口变化较大，具体可分为1998—2001年的初期阶段、2002—2010年供不应求阶段和2011—2018年供过于求三个阶段：第一个阶段是1998年—2001年的房改初期，年均供给7亿平方米，年均需求为5亿平方米，主要特点是在政策推动下，住房供给先于需求明显增多，然后带动需求逐步增长，由于此时福利分房和集资建房并未取消，不少居民对于商品房这个新事物持观望心态，需求增长处于培育过程之中，其间全国房价一直处于2000～2500元区间，投资性需求基本为零。第二个阶段从2002年至2010年，年均供给和需求分别为8亿和10亿平方米，主要特点是需求快速增加超过供给，住房供不应求，供需缺口波动中逐步扩大，社会上未被满足的需求不断积累，新增需求不断增加，房价也呈波动上升走势，其间又可分为2002—2004年、2005—2007年和2008—2010年三个小波段，基本上是3年一个小周期，并随着应对次贷危机的刺激政策出台，住房供给达到这一阶段的高位。第三个阶段为2011年至2018年，年均供给和需求分别为14亿和10亿平方米，主要特点是住房供给大于需求，住房供给长期保持在金融危机后的高位，但需求持续回落，在2010—2012年和2016—2018年两个阶段回落幅度较大，目前，住房需求已经回落至这一阶段的最低水平。从存量增速看，住房供给增速快于需求2018年末，我国存量住房供给249亿平方米，同比增长5．5％；我国存量住房需求303亿平方米，同比增长4．3％，比供给增速低1-2个百分点。1998年以来，我国住房供给和需求增速均呈快速增长后持续回落走势，主要特征一是供给增速基本上大于需求增速，仅在2004年和2008年慢于需求增长；二是供给增速波动幅度较大。在加强调控的2004年、2006年、2011年、2017年以及爆发次贷危机的2008年，住房供给增速均大幅下滑，表现出对政策和经济更强的弹性；三是需求呈稳步回落走势，近两年回落有所加快。对我国房地产供求矛盾演变的初步判断综上。我们判断，经过二十多年市场化发展，总量上，长期存在的住房供需矛盾已经缓和，“深化城镇住房制度改革、加快住房建设”的房改目标已经达成，住房供给总量满足居民需求，未来几年内住房供大于求的概率较大。不论是供大于求或者是求大于供，都不面存在房价只涨不跌的局面，所以房子的供求不平衡影响着房价的跌涨。4.5房地产商炒高了房价关于房地产商炒高房价，在我国是十分突出的现象。中国的人口占世界所有人口的四分之一，因为人口众多，而大城市的房屋套数有限，就无限的拉高房价。就以北京为例来说，北京作为我国的政治文化中心，也是我国的首都，在北京生活的人口就有2154万人，再看看北京的占地面积和可用房屋建设土地面积，再这样土地资源严峻的基础上还是有很多人在北京生活打拼，而就是这样的行为让房地产商有机可乘。观察北京市2010年-2019年的房价数据，如表4.5.1所示表4.5.1年份房价增长率年份房价增长率2010247332015394370.0574622011251660.0175072016575970.4604812012301580.1983632017577680.0029692013403420.3376882018598680.036352201437294-0.075552019600790.003524根据表4.5.1作出条形图以及折线图如图4.5.1所示图4.5.1根据北京市的每年平均房价和增长率可以看出北京市的房价不断的突出新高度，很多人现在“吐槽”中国的房地产行业，觉得自己努力挣一辈子的钱到头来还买不起一套房，这样的话在北京市的房价上面足以完全凸显出来。下面根据北京市2010年-2019年平均房价来对北京市的房价数据做曲线估计，本章节将时间作为自变量x，房价作为因变量y。首先用spss软件画出这10年的散点图，由图4.5.2所示图4.5.2根据所作散点图可知，整体趋势是呈现一个增长的趋势，但是追究在每一个点的时刻确又毫无逻辑，因此需要做一步步的尝试对该数据建立模型，本次是作曲线估计，所以做了多个模型的建立其显著性由表4.5.2、图4.5.3所示表4.5.2模型總計及參數評估因變數:VAR00001方程式模型摘要參數評估R平方Fdf1df2顯著性常數b1b2b3對數.81735.73518.00016354.52017802.533倒數模式.56410.36818.01254702.160-39119.441二次曲線模型.91638.34327.00017334.0834968.843-36.845三次曲線模型.93428.16336.00126138.533-2840.2321656.319-102.616複合模型.91889.43818.00022166.8201.118成長模式.91889.43818.00010.006.112指數模式.91889.43818.00022166.820.112自變數為VAR00002。图4.5.3根据上述表中所示，倒数模式的显著性sig<0.05，所以很明显该模型不适合在对北京市的房价模型确立。反观对数、二次曲线模型，三次曲线模型以及复合模型等都是成立的，那是不是这些模型都适合北京市的房价估计？当然不是，就拿二次曲线模型来说，二次曲线模型为y=a∗在表中可知系数和常数，a=-36.845，b=4968.843，c=17334.083。所以就有模型为

y=−36.845∗当时间足够大的时候，即时间x大于一定值的时候，随之得到的房价y<0，显然，这样的模型是不成立的，房地产商不可能做赔本的买卖。所以虽然在数据回归分析上有很多模型是符合要求的，但是结合实际情况却是不以为然的。还有就是三次拟合函数也是不适合的，时间变量x在一定值时，房价y在数据上与生活中相差甚大，已经超越了一般的误差。因此最后还是选择对数模型，对数模型有一个特点，那就是当自变量x到达一定值时，因变量y的波动范围就会明显减少。对应在房价方面，当房价增长到一定的时候就会短暂性的停滞不前，因而选择对数模型。根据表中数据可知该模型为

y=17802.533+17802Ln(x)y表示房价，x代表年份（将2010年作为x=1）通过对图4.5.2中散点图的观察，发现2010年-2015年六年的时间房价呈现出一个变化趋势，那就大胆猜测北京市的房价是为6年为一个周期的变化，因此我便采用级数展开的形式将Ln(x)展开为x−6Ln=Ln=Ln6+Ln=Ln6+=Ln6+那么对于上面的模型变换为y=17802.533+17802通过该模型将x=17，x=18带入求值预测2yy通过该模型对未来两年北京市房价的预测值分别为60490元/㎡、62039元/㎡。五、房价上涨的治理措施及决策关于房价的持续上涨，中国人民早已是人心惶惶，大家都为自己的住房所担忧，害怕房价以现在的增长趋势，以后是买不起住房的。在这样复杂的情况下必须有相应的对策来解决房价上涨的问题，根据目前的形式，房价在短期内下跌是不现实的，这样会严重影响现在的国家金融，所以还需要理性的分析，找到方法让房价慢慢的下滑到大部分人易接受的区域。因此，结合社会的实际情况，有三种相应的对策方案需要实施，它们相辅相成大概能够应对目前的状况。5.1引导人们正确合理的消费随着住房市场改革的深入，我国城镇住房80%左右通过市场交易进行分配，这对解决居民住房问题具有基础性作用。因此，我们必须坚定不移地坚持市场改革的基本方向。一方面，引导房地产开发商合理认识房价过快上涨对自身、对房地产业、对整个国民经济的风险，加大企业规模扩张、提高住房质量、优化住房结构、降低经营成本的力度。另一方面，要引导消费者理性认识“多买少买”的风险。客服部要跟随群众心理，在了解房地产市场及其变化的基础上建立期望。人们在买房的时候需要关注时事，就如上文4.5中北京的房价分析，北京房价不断上涨，丝毫没有要降价的趋势，因此民众买房需要找准合适的时机，例如2013年-2014年北京的房价是由40342元/㎡下跌到37294元/㎡，那么在2013年没有购房的人在2014年购房就会相对便宜3048元/㎡，倘若买房的面积在150㎡，就会节约457200元，所以民众在买房的时候需要多关注房价的走势。目前，在住房消费领域，人们追求“一步到位”，导致住房消费提前、需求集中、趋同，导致住房短缺。针对这种情况，国家需要调整住房政策，鼓励梯级消费，提前抑制消费。根据城市规模、发展状况、购房者年龄、收入、平均家庭规模等数据，政府鼓励小家庭消费，限制大家庭需求和消费。除上述抑制上涨的措施之外，还需要征集民生意见，听取各方声音，才去强而有力的措施尽量降低房价。总之，住房是国计民生的重要问题。国家要增加民生住房建设项目，保障性住房建设，使每个居民都能在经济承受范围内买得起房，过上幸福生活。5.2加强房屋建设需求通过前文对房价上涨的因素研究，对于可用土地供应不足、刚性土地成本过高、以及住房的供求不平衡三个影响房价上涨的因素，归根结底都是因为房屋建设需求的紧缺。换言之，如果加强了建设需求，那么就会解决所带来的种种问题。土地供应，传统的模式恐怕很难让土地价格下降，因此国家正在不断地尝试新的模式。例如农村土地的三权分离。我们知道当前的商品房完全是建立在城镇土地上的，而农村集体土地在保障住房上没有发挥很好的作用。三权分立，可以探讨让更多的集体土地用于租赁房建设。对于租赁用地的供应，部分城市已经实施，由开发商统一建设租赁房，专门用于租赁市场，这一新的模式对城镇住宅用地一个很大的冲击。可以说，未来的住宅土地供应多样化，多元化，有望解决土地供应紧张的问题。还有很多开发商圈地而不建，就等待地皮涨价，这个问题这些年来已经越来越引起各相关部门的重视。前些年，房企比较少，许多企业拿了地开发不过来，结果等过了几年再开发房价大涨，让开发商因此看到了商机，纷纷仿效。但是随着开发商越来越多，土地圈而不建的问题越来越严重。相关部门已经严令出台相关政策，开发商拿地后在一定的年限不开发，将被收回。这样一来，就会调动开发商的积极性，间接地缓解土地供应不足。土地刚性成本的上升是不可避免的。从某种意义上说，把地价降下来比把房价降下来难得多。有些成本是难以控制的，因为政府也有政府的无奈，财政收入来源缺乏，土地财政现状一时半会难以改变，建安成本和拆迁成本的上升更是如此。因此说，城市化推进过程中土地成本的上升是显而易见的。因此在土地成本是无法控制的，只有购房人选择合适的踩准点才是关键。中国城市化与房价的关系取决于城市化的形式。如果采用农民进城的方式，大量农村人口将涌入城市，导致城市拥挤，住房紧张。中国是农业大国，农村人口占总人口的80%以上。要通过建设农村经济开发区，转变农民进城方式，加快农村城镇化建设。根据相关研究，发展中国家的城市化水平平均约为40%，而发达国家的城市化水平为80%~90%，而中国的城市化水平仅为36%。与发达国家相比，我国农村城镇化水平明显滞后。因此，我国应积极推进县域经济发展，拓展城市化空间。吸引和鼓励农民继续集中在县城,资本工业园区中央,工业化和城市化双轮驱动,吸收农村剩余劳动力,解决“农业、农村和农民”问题,同时也解决了大量农民进入城市,以缓解住房需求的过度压力,促进房价的下降,农村和城市形成一个“双赢”的局面。5.3政府需要加强监督政府应该降低房地产税和费用来降低房价，同时增加信贷的条件。在房地产开发商开发过程中，要缴纳各种税费，这些费用最终归结为住房成本，房价自然上涨;提高工作效率,减少工作环节,公共程序,宣布税收标准,允许转让产权,规则,市政,如数据、信息查询等,这不仅可以大大提高开发人员对开发项目的可控性,降低交易成本,减少开发成本,以更低的价格提供有力的保证。首先，应尽快征收物业税。一些学者认为,房产税的引入不仅提高了房屋所有权成本,有助于激活二手住房市场和缓解新住房市场的压力,而且还可以改变住房买家的期望在未来,抑制过度消费和减缓房价的上升趋势。同时也为地方政府提供了新的收入增长点，调动了地方政府的积极性，有利于中央宏观调控政策的实施。第二是改变土地增值税征收方式。考虑到目前增值税的征收和缴纳困难，政府可以将土地增值税长期纳入所得税或资本利得税。第三，加强所得税转移。根据一段时间内的住房转移次数和购房时间，可以制定不同的转移收入税收标准，区分转移收入税收。六、总结6.1研究限制本文研究的范围有限，因为时间和条件的原因，只是考虑到了表面的数据显示，其中还有很多的经济学理念还没有综合在一起，所以对房价的研究只是单方面的分析，没有考虑到全局的影响。再者，本文数据都是经过网上的查阅和调查得到的，其中数据的可靠性以及真实度都是有待考察的，并且还有一些关键性数据因为条件的原因是不能够查阅得到的，所以最后的分析结果可能存在些微的误差。6.2研究不足本文重点研究房价上涨的原因和应对其上涨的措施。因为数据限制和条件限制，数据分析过程中需要的一些细节数据的缺失致使研究结果会有误差。在获得结论方面，单一的采用数据分析结果，没有考虑到社会环境的影响，所以在问题分析上缺少多维思维的考虑。七、参考文献[1]关于发布《容积率指标计算规则》的通知.北京市规划委员会．2014-04-22[2]聚类分析介绍．中国统计网．2012-12-09[3]庆婉.使用MATLAB曲线拟合工具箱做曲线拟合[J].电脑知识与技术:学术交流,2010,06(7X):5822-5823[4]况伟大.房价与低价关系研究：模型及中国数据检验[J].财贸经济，2005.11[5]王金明，高铁梅.对我国房地产市场需求和供给函数的动态分析[J].中国软科学，2004,4:69-74[6]吴建峰.我国城市住宅价格研究.房地产论坛，2002(5)：39-39[7]贾小燕，杜娟．房地产价格与商业银行信贷扩张的关系研究[J]．金融经济，2016(02)：114—116[8]王鹤，潘爱民，陈湘州．经济环境、调控政策与区域房价一一基于面板数据同期强相关视角[J]．南方经济，2014，06：56—74[9]韩中庚.数学建模方法及其应用[M].北京：高等教育出版社，2010:366-384[10]张巍,顾岳汶.供给侧改革下房地产市场影响因素分析[J].工程管理学报,2017(3)[11]窦方.城市土地供应政策与房地产市场调控关系研究[D].河南大学,2009[12]李立新,吕福鹏.土地供应及其对房地产市场价格的影响[J].沈阳建筑大学学报(社会科学版),2015,01:62-67[13]卢建新，苗建军.中国城市住房价格动态特征及其影响因素[J].投资研究，2011(7):141-152[14]韩蓓，蒋东生.房地产调控政策的有效性分析一一基于动态一致性[J]．经济与管理研究，2011，04：22—31[15]李剑，陆军.我国房价与银行信贷关系研究一一基于面板数据的边限协整分析[J]．国际经贸探索，2009,06：32—36[16]郑钦月,张严.我国房地产价格影响因素的实证研究.会计之友，2010(9):96—97[17]门宏宏、朱红琼.我国房地产价格的影响因素分析国土资源，2008(5):58—60[18]路小平．地价与房价的关系[D]．清华大学，2002[19]国土资源部土地利用管理司.2004中国城市地价状况[M].地质出版社，2005[20]陈芳.1998--2006年我国房价和地价关系的实证与分析[J].北京市财贸管理干部学院学报,2006,4:35—38[2