基于EBA模型剖析我国房地产价格影响因素的实证研究

基于EBA模型剖析我国房地产价格影响因素的实证研究一、引言1.1研究背景与意义1.1.1研究背景自住房制度改革以来，我国房地产市场经历了飞速发展，已然成为国民经济的重要支柱产业。其产业链条长，对上下游产业如建筑、建材、家电、装修等具有显著的带动作用，在经济增长、就业创造、财政收入增加等方面发挥着举足轻重的作用。据相关数据显示，房地产行业的发展直接或间接影响着众多产业的兴衰，与宏观经济的稳定运行息息相关。近年来，我国房地产市场呈现出复杂的态势。在部分一线城市和热点二线城市，房价曾持续快速上涨，远超居民实际购买能力，给普通民众带来沉重购房压力。而在一些三四线城市，却面临房地产库存积压、房价下跌等问题，市场分化现象愈发明显。例如，根据国家统计局数据，2024年全国房地产开发投资100280亿元，比上年下降10.6%；新建商品房销售面积97385万平方米，比上年下降12.9%，销售额96750亿元，下降17.1%。房价的剧烈波动不仅影响房地产市场自身的稳定发展，还对宏观经济的平稳运行和社会的和谐稳定构成潜在威胁。房地产市场繁荣时，能够带动相关产业发展，创造大量就业机会，促进经济增长；一旦市场衰退，相关行业可能萎缩，引发失业和经济增速放缓，甚至可能导致银行不良贷款增加，引发金融风险，如2008年美国次贷危机就是因房地产泡沫破裂引发全球金融危机。房价的波动还深刻影响着民生。住房是居民的基本生活需求，房价高低直接关系到居民的生活质量和幸福感。高房价使许多居民购房困难，背负沉重房贷压力，限制了居民在其他方面的消费，影响生活品质。房地产价格的变化也影响着居民财富，房价上涨增加居民财富感，促进消费；房价下跌则导致居民财富缩水，抑制消费。1.1.2研究意义理论意义：尽管国内外学者已对房地产价格影响因素展开诸多研究，但由于房地产市场的复杂性和地区差异性，相关理论仍有待完善。本研究运用EBA模型，深入剖析我国房地产价格的影响因素，有助于丰富和完善房地产价格理论体系，为后续研究提供新的视角和方法，进一步明晰房地产价格的形成机制和波动规律。实践意义：对政府而言，准确识别影响房地产价格的关键因素，能够为制定科学合理的房地产调控政策提供有力依据。政府可根据这些因素，因城施策，精准调控，促进房地产市场的平稳健康发展，实现“稳地价、稳房价、稳预期”的目标，防范房地产市场风险向金融体系和实体经济传导。对投资者来说，了解房地产价格的影响因素，有助于其更准确地预测房价走势，合理规划投资策略，降低投资风险，提高投资收益。对消费者而言，能帮助他们理性看待房地产市场，根据自身需求和经济实力做出合理的购房决策，避免因房价波动而产生盲目购房或过度投机行为，提高居住质量和生活幸福感。1.2研究目标与内容1.2.1研究目标本研究旨在运用极值边界分析（EBA）模型，全面、系统地探究影响我国房地产价格的因素，并从中筛选出具有“稳健性”的关键因素。通过深入分析这些因素对房地产价格的影响机制和程度，为政府、投资者和消费者提供科学、准确的决策参考依据，以促进我国房地产市场的稳定、健康发展。1.2.2研究内容房地产价格相关理论基础：详细阐述房地产价格的基本概念、构成要素以及形成机制，梳理国内外关于房地产价格影响因素的相关理论和研究成果，为后续研究奠定坚实的理论基础。影响因素的选取与分析：综合考虑经济、政策、社会等多方面因素，选取可能影响我国房地产价格的变量，如经济增长、货币政策、土地政策、人口结构、消费者信心等，并对这些因素进行深入的理论分析，探讨它们对房地产价格的作用路径和影响方向。EBA模型的构建与应用：介绍EBA模型的原理、方法和步骤，根据选取的影响因素和收集的数据，构建适用于我国房地产市场的EBA模型。运用该模型对数据进行实证分析，筛选出对房地产价格具有“稳健性”显著影响的因素。实证结果分析与讨论：对实证结果进行详细解读和分析，深入探讨各“稳健性”因素对我国房地产价格的影响程度和作用机制。同时，分析不同地区房地产价格影响因素的差异，以及这些因素在不同市场环境下的变化情况。政策建议与展望：基于研究结果，为政府制定房地产调控政策提供针对性的建议，包括优化土地供应政策、完善货币政策调控、加强市场监管等方面。同时，对未来我国房地产市场的发展趋势进行展望，提出进一步研究的方向和重点。1.3研究方法与技术路线1.3.1研究方法文献研究法：广泛查阅国内外关于房地产价格影响因素的学术期刊论文、学位论文、研究报告以及政府文件等相关文献。对这些文献进行系统梳理和分析，全面了解该领域的研究现状、已有研究成果以及存在的不足，为本研究提供坚实的理论基础和研究思路。通过对前人研究的总结和归纳，明确本研究的切入点和创新点。实证分析法：收集我国房地产市场的相关数据，包括房价指数、经济增长指标、货币政策变量、土地供应数据、人口统计数据等。运用计量经济学方法，构建EBA模型对数据进行实证检验。通过实证分析，揭示各因素与房地产价格之间的定量关系，筛选出对房地产价格具有“稳健性”影响的因素，为研究结论提供有力的数据支持。定量分析法：在实证分析过程中，运用各种统计和计量方法对数据进行处理和分析，如描述性统计分析、相关性分析、回归分析等。通过定量分析，准确衡量各因素对房地产价格的影响程度和显著性水平，使研究结果更具科学性和说服力。1.3.2技术路线本研究的技术路线如图1所示：数据收集：广泛收集我国房地产市场相关数据，包括房价、经济、政策、人口等方面的数据，确保数据的全面性和准确性。数据预处理：对收集到的数据进行清洗、整理和标准化处理，消除数据中的异常值和缺失值，为后续分析做准备。因素选取：综合考虑多方面因素，选取可能影响房地产价格的变量。模型构建：根据EBA模型原理，构建房地产价格影响因素的EBA模型。实证分析：运用构建的模型对数据进行实证分析，筛选出“稳健性”因素。结果分析：对实证结果进行深入分析，探讨各因素对房地产价格的影响机制和差异。政策建议：根据研究结果，提出针对性的政策建议和研究展望。[此处插入技术路线图]图1研究技术路线图二、理论基础与文献综述2.1房地产价格相关理论2.1.1供求理论供求理论是经济学的基础理论，在房地产市场中，其作用机理尤为显著。从供给角度看，房地产供给主要取决于土地供应、建筑成本、开发商预期等因素。土地作为房地产开发的基础要素，其供应数量和价格直接影响房地产开发的规模和成本。若土地供应充足，房地产开发企业获取土地的难度和成本降低，将促使更多项目开工建设，从而增加房地产市场的供给量；反之，土地供应短缺会提高开发成本，抑制开发企业的积极性，减少房地产供给。建筑成本涵盖建筑材料、劳动力、设备租赁等费用，这些成本的上升会压缩开发商的利润空间，可能导致开发项目减少，供给量下降。从需求角度分析，房地产需求主要由自住需求、改善性需求和投资性需求构成。自住需求是刚性需求，主要受人口增长、家庭结构变化、城市化进程等因素影响。随着人口的增加和家庭规模的小型化，对住房的需求量相应增加；城市化进程的推进使得大量农村人口涌入城市，进一步扩大了住房需求。改善性需求则与居民收入水平的提高和生活品质的追求相关，当居民收入增加，对居住环境、房屋面积和品质有更高要求，会促使他们更换更大、更舒适的住房。投资性需求主要受房地产市场预期和投资回报率的影响，当投资者预期房价上涨，投资回报率较高时，会纷纷投入资金购买房产，增加市场需求；反之，若预期房价下跌或投资回报率降低，投资性需求将减少。当房地产市场供大于求时，开发商为了尽快销售房产，回笼资金，会采取降价促销等手段，导致房价下跌。在一些三四线城市，由于房地产开发过度，而人口增长缓慢，住房需求相对不足，出现了大量库存积压，房价持续走低。相反，当市场供不应求时，购房者之间的竞争加剧，开发商会提高房价，以获取更高利润。在一线城市和部分热点二线城市，由于经济发展迅速，就业机会多，吸引了大量人口流入，住房需求旺盛，而土地资源有限，房地产供给相对不足，房价往往居高不下。只有当房地产市场的供给和需求达到平衡时，房价才能保持相对稳定。此时，市场机制能够有效配置资源，房地产市场实现健康发展。2.1.2地租地价理论地租地价理论是房地产价格理论的重要组成部分。马克思主义地租理论认为，地租是土地所有者凭借土地所有权而获得的一种收益，是土地所有权在经济上的实现形式。在资本主义社会，地租分为绝对地租、级差地租和垄断地租。绝对地租是由于土地所有权的垄断，无论土地质量如何，土地所有者都能获得的地租；级差地租是由于土地肥力、位置等差异而产生的地租，分为级差地租Ⅰ和级差地租Ⅱ，级差地租Ⅰ是由土地的自然条件差异形成的，级差地租Ⅱ是由对土地的连续投资所引起的劳动生产率的差异形成的；垄断地租是由某些土地具有特殊的自然条件或地理位置，能够提供独特的产品或服务，从而形成垄断而产生的地租。在房地产市场中，地租地价与房地产价格密切相关。土地成本是房地产开发成本的重要组成部分，直接影响房价。土地价格的上涨会导致房地产开发成本增加，开发商为了保证利润，会将增加的成本转嫁到房价上，从而推动房价上涨。在一些大城市的核心地段，由于土地资源稀缺，土地价格高昂，开发商在此开发的房产价格也相对较高。地租的存在也影响着房地产的价值。土地的位置、肥力等因素决定了地租的高低，而这些因素同样影响着房地产的使用价值和投资价值。位于交通便利、配套设施完善地段的土地，地租较高，其上的房地产价格也相应较高；而偏远地区、配套设施不完善的土地，地租较低，房地产价格也较低。2.1.3区位理论区位理论强调地理位置、交通条件、周边配套设施等区位因素对房地产价格的重要影响。房地产的位置是影响其价格的关键因素之一。位于城市中心、核心商圈、政务区等繁华地段的房地产，由于具有更好的商业氛围、就业机会和社会资源，价格往往较高。北京的王府井、上海的陆家嘴等地区，房价远远高于城市的其他区域。交通条件对房地产价格的影响也不容忽视。交通便利的房地产，如靠近地铁站、公交站、主干道等，能够节省居民的出行时间和成本，提高生活便利性，因此更受购房者青睐，价格也相对较高。周边配套设施，如学校、医院、商场、公园等，也会对房地产价格产生重要影响。优质的教育资源、完善的医疗设施、便捷的购物环境和优美的自然环境，能够提升居民的生活品质，增加房地产的吸引力，从而推动房价上涨。位于知名学校学区内的房产，往往价格较高，且供不应求。2.2EBA模型介绍2.2.1EBA模型原理极值边界分析（EBA）模型由Leamer于1983年提出，旨在解决回归分析中解释变量选择的不确定性问题。在传统的回归分析中，由于变量选择的随意性和多重共线性等问题，不同的变量组合可能导致回归结果的显著差异，使得研究结论缺乏可靠性和稳定性。EBA模型通过系统地改变回归方程中的解释变量组合，观察被解释变量与解释变量之间关系的稳定性，从而筛选出对被解释变量具有“稳健性”影响的因素。具体而言，EBA模型的基本步骤如下：首先，确定被解释变量和一组可能的解释变量。然后，构建一个基础回归方程，将被解释变量与部分解释变量进行回归。接着，通过逐步添加或替换其他解释变量，生成一系列回归方程。在每个回归方程中，计算被解释变量与每个解释变量之间的回归系数和显著性水平。最后，根据回归系数和显著性水平的变化情况，判断每个解释变量对被解释变量的影响是否具有“稳健性”。如果一个解释变量在不同的回归方程中，其回归系数的符号和显著性水平保持相对稳定，那么该解释变量被认为是对被解释变量具有“稳健性”影响的因素。2.2.2EBA模型在经济领域的应用EBA模型在经济领域得到了广泛应用。在研究经济增长的影响因素时，学者们运用EBA模型，对众多可能影响经济增长的因素进行分析，如资本投入、劳动力素质、技术创新、制度环境等。通过EBA模型的分析，能够筛选出对经济增长具有“稳健性”影响的关键因素，为政府制定经济政策提供科学依据。在分析外商直接投资（FDI）的区位分布因素时，运用EBA模型可以有效解决传统多元回归模型中存在的多重共线性和变量选择随意性问题，准确识别出影响FDI区位分布的“稳健性”因素，如市场规模、劳动力成本、基础设施等，为地区吸引外资提供决策参考。在金融领域，EBA模型可用于分析金融风险的影响因素，帮助金融机构和监管部门识别关键风险因素，制定有效的风险管理策略。与其他模型相比，EBA模型的优势在于能够充分考虑变量选择的不确定性，通过系统地改变变量组合，更全面地考察解释变量与被解释变量之间的关系，从而提高研究结论的可靠性和稳定性。EBA模型不需要对数据的分布形式进行严格假设，具有较强的适应性，适用于各种类型的数据和研究问题。2.3国内外研究现状2.3.1国外研究现状国外学者对房地产价格影响因素的研究起步较早，成果丰硕。在理论研究方面，从古典经济学的供求理论到现代经济学的各种流派，都对房地产价格的形成机制进行了深入探讨。在实证研究方面，运用了多种计量经济学方法和模型。早期的研究主要侧重于宏观经济因素对房地产价格的影响，如经济增长、利率、通货膨胀等。Case和Shiller（1989）通过对美国房地产市场的研究发现，房价与居民收入、人口增长等因素密切相关。随着研究的深入，学者们开始关注微观因素对房地产价格的影响，如房屋的面积、户型、装修、区位等。Muth（1960）提出了住房需求理论，认为消费者在选择住房时，会综合考虑住房的价格、质量、区位等因素。近年来，随着大数据和人工智能技术的发展，一些学者开始运用这些新技术对房地产价格进行预测和分析，取得了较好的效果。2.3.2国内研究现状国内学者对房地产价格影响因素的研究主要集中在改革开放以后，随着我国房地产市场的发展而不断深入。早期的研究主要是对国外相关理论和研究成果的引进和介绍。随着我国房地产市场的日益成熟，国内学者开始结合我国的实际情况，运用多种研究方法对房地产价格的影响因素进行实证研究。在宏观经济因素方面，众多学者研究发现，经济增长、货币政策、财政政策等对我国房地产价格有显著影响。周京奎（2005）通过实证分析表明，货币供应量的增加会推动房价上涨。在政策因素方面，土地政策、税收政策、限购限贷政策等对房地产价格的调控作用受到广泛关注。况伟大（2010）研究发现，土地出让方式的改变会影响土地价格和房价。在社会因素方面，人口结构、城市化进程、居民消费观念等对房地产价格的影响也逐渐成为研究热点。2.3.3研究现状评述尽管国内外学者在房地产价格影响因素的研究方面取得了丰硕成果，但仍存在一些不足之处。在研究方法上，虽然多种计量经济学方法被广泛应用，但部分研究存在模型设定不合理、变量选择随意性较大等问题，导致研究结论的可靠性和稳定性有待提高。在研究内容上，对房地产价格影响因素的综合分析相对较少，大多研究仅关注某一类或几类因素，缺乏对经济、政策、社会等多方面因素的系统研究。此外，由于我国房地产市场具有独特的发展背景和特点，国外的研究成果不能完全适用于我国，而国内的研究在深度和广度上仍有提升空间。本文将针对现有研究的不足，运用EBA模型，综合考虑经济、政策、社会等多方面因素，对我国房地产价格的影响因素进行系统研究，以提高研究结论的可靠性和实用性，为我国房地产市场的调控和发展提供更有价值的参考。三、我国房地产价格影响因素分析3.1宏观经济因素3.1.1经济增长经济增长是影响房地产价格的重要宏观经济因素之一，通常用国内生产总值（GDP）来衡量。当经济增长较快时，居民收入水平随之提高，消费者的购买力增强，对住房的需求也会相应增加。一方面，居民收入的增加使得更多人有能力购买住房，自住需求得到释放；另一方面，经济增长带来的乐观预期也会刺激投资性购房需求，投资者认为房地产具有保值增值的功能，会将资金投入房地产市场。从历史数据来看，我国GDP增长与房地产价格之间存在显著的正相关关系。在经济高速增长时期，如2000-2010年，我国GDP年均增长率超过10%，同期房地产市场也呈现出快速发展的态势，房价持续上涨。2005-2007年，我国GDP增长率分别为11.4%、12.7%和14.2%，全国商品房平均销售价格增长率分别为19.46%、6.34%和14.75%。在2008年全球金融危机期间，我国经济增长受到一定冲击，GDP增长率降至9.6%，房地产市场也出现了短暂的低迷，房价涨幅放缓甚至部分地区出现下跌。随着经济的逐渐复苏，GDP增长恢复，房地产市场也再度回暖，房价继续上涨。为了更直观地展示经济增长与房地产价格之间的关系，选取2010-2024年我国GDP和商品房平均销售价格的数据进行分析，绘制如下折线图：[此处插入GDP与房价关系折线图]由图可知，我国GDP增长趋势与商品房平均销售价格增长趋势基本一致，进一步验证了经济增长对房地产价格的推动作用。当经济增长强劲时，企业盈利能力增强，就业机会增多，居民收入提高，这为房地产市场提供了坚实的需求基础，推动房价上涨；而当经济增长放缓时，居民购房能力和意愿下降，房地产市场需求减少，房价上涨动力不足。3.1.2利率水平利率作为资金的价格，在房地产市场中扮演着举足轻重的角色，对房地产市场的供需和价格有着深远的影响。从需求角度来看，利率变动直接影响购房者的贷款成本。当利率下降时，购房者的贷款利息支出减少，购房成本降低，这使得更多潜在购房者有能力进入市场，刺激购房需求的增加。特别是对于依赖贷款购房的消费者来说，利率的降低会显著提高他们的购房意愿和支付能力。如果贷款利率从5%下降到4%，贷款100万元、期限30年的购房者，每月还款额将减少约600元，这使得购房负担明显减轻，从而吸引更多消费者购房。较低的利率还可能促使一些投资者增加对房地产的投资，因为房地产作为一种投资品，在利率下降时，其相对投资回报率提高，吸引力增强。从供给角度分析，利率对房地产开发商的融资成本有着直接影响。房地产开发是资金密集型行业，开发商通常需要大量的外部融资来支持项目的开发建设。当利率上升时，开发商的贷款利息支出增加，融资成本显著提高。这不仅会压缩开发商的利润空间，还可能导致开发商资金周转困难，进而影响项目的开发进度和规模。开发商可能会减少新开工项目，或者放缓现有项目的建设速度，导致房地产市场的供给减少。相反，当利率下降时，开发商的融资成本降低，资金压力减轻，他们更有动力和能力进行项目开发，增加房地产市场的供给。利率水平的变动还会对房地产市场的预期产生影响。当利率下降时，市场普遍预期房地产价格将上涨，这会进一步刺激购房者和投资者的需求，形成一种自我强化的效应，推动房价上升。相反，当利率上升时，市场预期房价可能下跌，购房者和投资者会持观望态度，减少购房和投资行为，导致房价下跌压力增大。3.1.3通货膨胀通货膨胀是指商品和服务价格普遍、持续上涨的经济现象，对房地产价格有着复杂而重要的影响机制。在通货膨胀环境下，房地产作为一种实物资产，具有一定的保值增值特性。随着物价的普遍上涨，货币的实际购买力下降，人们为了避免资产贬值，会倾向于将资金投向能够保值增值的资产，房地产便是其中之一。当通货膨胀率较高时，投资者会认为房地产的价值相对稳定，甚至可能随着物价上涨而上升，因此会增加对房地产的投资需求，推动房价上涨。通货膨胀还会导致房地产开发成本上升。建筑材料、劳动力、土地等成本都会随着物价上涨而增加。建筑钢材、水泥等主要建筑材料价格可能会大幅上涨，劳动力工资也会相应提高，土地出让价格也可能因通货膨胀而上升。这些成本的增加会直接转嫁到房价上，促使开发商提高房价以保证利润空间。据统计，在通货膨胀较为严重的时期，建筑材料成本可能会上涨20%-30%，劳动力成本上涨10%-20%，这些成本的增加对房价上涨形成了较强的推动作用。通货膨胀对房地产市场的供需关系也有影响。一方面，通货膨胀导致居民实际收入下降，购房能力受到一定抑制，可能会减少自住购房需求。另一方面，由于通货膨胀带来的保值需求，投资性购房需求可能会增加，对房价形成支撑。通货膨胀还会影响消费者的心理预期，当消费者预期通货膨胀将持续，房价会继续上涨时，会提前购房，进一步加剧市场供需矛盾，推动房价上涨。3.2政策因素3.2.1土地政策土地政策是影响房地产市场的重要因素之一，其中土地供应和土地出让方式对房价有着直接而显著的影响。土地供应是房地产开发的基础，其数量和节奏直接决定了房地产市场的供给规模。当政府增加土地供应时，房地产开发商可获取的土地资源增多，能够开发建设更多的房屋，从而增加房地产市场的供给量。在需求相对稳定的情况下，供给的增加会使市场竞争加剧，开发商为了销售房产，可能会降低房价或放缓房价上涨速度，对房价起到抑制作用。近年来，一些城市为了稳定房价，加大了土地供应力度，取得了一定的成效。如某二线城市在2023年增加了20%的土地供应，当年新建商品房价格涨幅明显低于上一年度，房价趋于稳定。相反，当土地供应减少时，房地产开发项目受限，房屋供给量减少。在需求不变或增加的情况下，市场供不应求，房价会面临上涨压力。在一线城市，由于土地资源有限，土地供应相对紧张，房价一直居高不下。土地出让方式也会影响房价。目前，我国土地出让主要采用招拍挂和协议出让两种方式。招拍挂方式具有公开、公平、公正的特点，通过市场竞争机制确定土地价格，能够充分反映土地的市场价值。在招拍挂方式下，土地价格往往较高，这会增加房地产开发成本，进而推动房价上涨。一些热门地块在招拍挂过程中，会吸引众多开发商激烈竞争，导致地价飙升，最终使得房价上涨。协议出让方式相对灵活，但可能存在信息不对称和缺乏充分竞争的问题，土地价格可能相对较低，一定程度上降低了房地产开发成本，对房价有一定的抑制作用。然而，协议出让方式也可能导致土地资源配置不合理，影响房地产市场的健康发展。土地政策还会影响开发商的预期和市场行为。如果政府出台政策限制未来土地供应，开发商可能会预期未来土地成本上升，从而加速当前的土地储备和开发进度，以期在未来市场中占据有利位置。这种预期的变化会导致市场短期内房屋供应量增加，但从长期来看，由于土地供应受限，房价仍可能上涨。3.2.2金融政策金融政策在房地产市场调控中发挥着至关重要的作用，其中货币政策和信贷政策对房地产市场的影响尤为显著。货币政策通过调节货币供应量和利率水平，影响房地产市场的资金供求关系和购房成本，进而对房价产生影响。宽松的货币政策意味着市场上货币供应量增加，银行可贷资金增多，利率水平相对较低。在这种情况下，购房者的贷款成本降低，购房能力提高，购房需求会相应增加。开发商的融资难度也会降低，融资成本减少，能够更容易地获取资金进行项目开发，从而增加房地产市场的供给。宽松的货币政策还会增强市场信心，投资者对房地产市场的预期更加乐观，会加大对房地产的投资，进一步推动房价上涨。在2008年全球金融危机后，我国实施了宽松的货币政策，货币供应量大幅增加，房地产市场迅速回暖，房价快速上涨。相反，紧缩的货币政策会减少货币供应量，提高利率水平。购房者的贷款成本增加，购房需求受到抑制，尤其是投资性购房需求会大幅减少。开发商的融资难度加大，融资成本上升，资金压力增大，可能会减少项目开发或放缓开发进度，导致房地产市场供给减少。紧缩的货币政策还会使市场信心受挫，投资者对房地产市场的预期转向悲观，减少对房地产的投资，房价上涨动力减弱，甚至可能出现下跌。在2010-2013年期间，我国为了抑制房价过快上涨，实施了紧缩的货币政策，提高了存款准备金率和贷款利率，房地产市场热度下降，房价涨幅明显放缓。信贷政策是金融政策的重要组成部分，对房地产市场的调控作用也十分明显。信贷政策主要通过调整房贷首付比例、贷款额度和贷款条件等，直接影响购房者的购房能力和购房行为。提高房贷首付比例，意味着购房者需要支付更多的首付款，购房门槛提高，这会使一部分购房者因资金不足而无法购房，从而抑制购房需求。如果将首套房首付比例从20%提高到30%，对于购买一套价值100万元房产的购房者来说，首付款将从20万元增加到30万元，这会使一些资金紧张的购房者望而却步。限制贷款额度和贷款条件，也会减少购房者的可贷资金，降低购房能力，对房价产生抑制作用。3.2.3税收政策税收政策作为政府调控房地产市场的重要手段之一，对房地产价格有着直接和间接的影响。在房地产交易环节，契税是一项重要的税收。契税是指不动产（土地、房屋）产权发生转移变动时，就当事人所订契约按产价的一定比例向新业主（产权承受人）征收的一次性税收。当契税税率提高时，购房者的购房成本增加，这会抑制购房需求，特别是投资性购房需求。如果契税税率从1%提高到3%，购买一套价值200万元房产的购房者，契税将增加4万元，这会使一部分投资者考虑到成本增加而放弃购房，从而对房价上涨起到一定的抑制作用。相反，降低契税税率则会降低购房成本，刺激购房需求，推动房价上涨。在房地产持有环节，房产税的征收对房价也有重要影响。房产税是对房产所有者征收的一种财产税。征收房产税会增加房屋持有成本，对于投资者来说，持有房产的收益会减少，这会促使他们减少房产持有量，增加市场上的房屋供应量。对于多套房产持有者来说，为了避免高额的房产税支出，可能会出售部分房产，从而增加市场供给。市场供给的增加会使房价面临下行压力，抑制房价上涨。征收房产税还会改变购房者的预期，使他们更加理性地看待房地产投资，减少投机性购房行为，促进房地产市场的健康发展。税收政策还可以通过对房地产开发企业的影响间接作用于房价。对房地产开发企业征收的土地增值税、企业所得税等，会影响企业的利润空间。如果税收政策使得企业成本增加，企业可能会将部分成本转嫁到房价上，推动房价上涨；反之，如果税收政策给予企业一定的优惠，降低企业成本，企业可能会降低房价以吸引消费者。3.3市场因素3.3.1供求关系供求关系是决定房地产价格的最基本因素，如同其他商品市场一样，房地产市场的价格也由供给和需求的相互作用所决定。当房地产市场需求旺盛，而供给相对不足时，即供不应求，房价会上涨。在一些一线城市和热点二线城市，由于经济发展迅速，就业机会多，吸引了大量人口流入，住房需求持续增加。而土地资源有限，房地产开发建设速度相对较慢，导致房屋供给无法满足需求，房价不断攀升。北京、上海等城市，外来人口众多，购房需求强劲，尽管房地产市场一直在不断供应新房，但仍难以满足市场需求，房价长期处于高位且呈上涨趋势。相反，当房地产市场供给过剩，需求不足时，即供大于求，房价会下跌。在一些三四线城市，由于房地产开发过度，投资性购房需求在政策调控下逐渐减少，而当地人口增长缓慢，自住需求有限，导致房屋库存积压，房价持续走低。某些三四线城市，新建楼盘大量涌现，但销售情况不佳，开发商为了去库存，不得不降价促销，房价出现明显下跌。房地产市场的供求关系还受到多种因素的影响。从需求方面来看，除了人口增长、城市化进程等因素外，消费者的收入水平、购房意愿、投资预期等也会影响需求。当消费者收入增加，购房意愿增强，或者预期房价上涨时，购房需求会增加；反之，需求会减少。从供给方面来看，土地供应、房地产开发成本、开发商预期等因素会影响供给。土地供应充足，开发成本降低，开发商预期乐观时，房地产市场的供给会增加；反之，供给会减少。3.3.2房地产开发成本房地产开发成本是影响房价的重要因素之一，它涵盖了土地成本、建筑成本、配套设施成本、营销成本等多个方面。土地成本是房地产开发成本的重要组成部分，在房价中占有较大比重。随着城市化进程的加快，土地资源日益稀缺，土地出让价格不断上涨，导致房地产开发的土地成本大幅增加。在一些大城市的核心地段，土地竞拍价格屡创新高，“地王”频出。这些高价获取的土地必然会增加开发商的成本，为了保证利润，开发商会将土地成本转嫁到房价上，推动房价上涨。某一线城市的一块土地以高价拍出，楼面地价达到每平方米2万元，加上建筑成本、配套设施成本等，该地块开发的楼盘售价预计将超过每平方米5万元。建筑成本包括建筑材料、劳动力、机械设备等费用。近年来，随着建筑材料价格的上涨和劳动力成本的上升，建筑成本不断增加。钢材、水泥等主要建筑材料价格受原材料价格波动、市场供需关系等因素影响，时有上涨。劳动力成本方面，由于人口红利逐渐消失，建筑工人工资水平不断提高，也增加了建筑成本。这些成本的增加使得开发商的开发成本上升，从而推动房价上涨。配套设施成本也是影响房价的因素之一。完善的配套设施，如学校、医院、商场、公园等，能够提升房产的附加值，增加购房者的购买意愿。为了建设这些配套设施，开发商需要投入大量资金，这部分成本也会体现在房价中。位于优质学区内的房产，由于周边有良好的教育资源，房价往往比其他区域的房产高出很多。营销成本包括广告宣传、销售代理、促销活动等费用。房地产市场竞争激烈，开发商为了吸引购房者，会投入大量资金进行营销推广。这些营销成本最终也会转嫁到房价上，对房价产生一定的影响。一些开发商会花费巨额资金进行广告宣传，举办各种促销活动，这些费用都会增加房价的成本。3.3.3房地产投资投机行为房地产投资投机行为在房地产市场中较为常见，对房价波动有着重要影响。投资行为是指投资者购买房产，期望通过房产的增值或租金收益来获取利润。投机行为则是指投机者利用房价的短期波动，通过低买高卖来获取差价利润。当房地产市场处于上升期，房价不断上涨时，投资投机者会纷纷涌入市场。投资投机需求的增加会导致房地产市场需求短期内大幅上升，远远超过正常的自住需求。由于市场上的房屋供应量相对稳定，短期内难以大幅增加，这种供需失衡会进一步推动房价上涨，形成一种自我强化的效应。在房价上涨预期的驱动下，更多的投资投机者会加入市场，房价可能会出现非理性上涨，形成房地产泡沫。在一些热点城市，投资投机性购房比例较高，对房价上涨起到了推波助澜的作用。然而，房地产市场的投资投机行为具有较大的不确定性和风险性。一旦市场预期发生改变，房价出现下跌趋势，投资投机者为了避免损失，会纷纷抛售房产，导致市场上房屋供应量急剧增加。而此时，购房者往往会持观望态度，购房需求减少，市场供需关系发生逆转，房价会加速下跌。这种房价的大幅波动不仅会给投资者带来巨大损失，还会对整个房地产市场和金融体系造成严重冲击。如2008年美国次贷危机，就是由于房地产市场过度投机，房价泡沫破裂，引发了全球金融危机。为了抑制房地产投资投机行为，稳定房价，政府出台了一系列调控政策，如限购、限贷、提高交易税费等。这些政策通过限制购房资格、增加购房成本等方式，有效遏制了投资投机性购房需求，促进了房地产市场的平稳健康发展。3.4社会因素3.4.1人口因素人口因素是影响房地产需求和价格的重要社会因素之一，主要包括人口增长和人口结构变化两个方面。随着人口的增长，对住房的需求也会相应增加。在人口增长较快的地区，新增人口的住房需求成为推动房地产市场发展的重要动力。在一些新兴城市，由于经济发展迅速，吸引了大量外来人口就业和定居，人口规模不断扩大，住房需求旺盛，房价往往呈现上涨趋势。某新兴城市在过去几年中，人口增长率保持在5%以上，住房需求持续增加，房价也随之上涨了30%以上。人口结构的变化也会对房地产市场产生深远影响。随着老龄化社会的到来，老年人口比例不断增加，对养老地产的需求逐渐上升。老年人对住房的需求更加注重舒适性、便利性和医疗配套设施，这促使房地产市场开发更多适合老年人居住的养老地产项目。老年人口的购房能力和购房意愿相对较弱，可能会对整体房地产市场的需求产生一定的抑制作用。年轻人是购房的主力军，当一个地区年轻人口比例较高时，购房需求相对较大，对房价有一定的支撑作用。在一些高校云集的城市，每年有大量毕业生留在当地就业，年轻人口集中，购房需求旺盛，推动了当地房地产市场的发展。家庭结构的变化也会影响住房需求。随着四、基于EBA模型的实证研究设计4.1变量选取与数据来源4.1.1被解释变量本研究选取房地产价格作为被解释变量，以全国商品房平均销售价格（HP）来度量，单位为元/平方米。该指标能够综合反映我国房地产市场的价格水平，数据可从国家统计局等权威机构获取，具有较高的代表性和可靠性。4.1.2解释变量宏观经济因素：国内生产总值（GDP），代表经济增长水平，反映国家经济总体规模和发展态势，单位为亿元。经济增长会带动居民收入增加，提高购房能力和需求，从而影响房地产价格，数据来源于国家统计局。居民消费价格指数（CPI），衡量通货膨胀程度，反映物价总体水平的变化。通货膨胀会导致货币贬值，影响房地产的保值增值属性和开发成本，进而影响房价，数据可从国家统计局获取。一年期贷款市场报价利率（LPR），代表利率水平，影响购房者的贷款成本和开发商的融资成本，对房地产市场的供需和价格产生影响，数据来自中国人民银行官网。政策因素：土地成交价款（LP），反映土地政策对房地产市场的影响，土地成本是房地产开发成本的重要组成部分，土地成交价款的变化会直接影响房价，单位为亿元，数据来源于国家统计局。货币供应量（M2），体现货币政策的宽松程度，货币供应量的增加会增加市场上的资金流动性，降低融资成本，刺激房地产市场的需求和投资，推动房价上涨，单位为亿元，数据可从中国人民银行官网获取。房地产税收收入（RT），代表税收政策对房地产市场的调控作用，税收政策会影响房地产交易成本和投资者的收益预期，从而影响房价，单位为亿元，数据来源于国家税务总局。市场因素：商品房销售面积（SA），反映房地产市场的需求情况，销售面积的增加意味着市场需求旺盛，在供给相对稳定的情况下，会推动房价上涨，单位为万平方米，数据来源于国家统计局。房地产开发投资完成额（RI），体现房地产市场的供给情况，投资完成额的增加通常会增加房地产市场的供给量，对房价产生一定的抑制作用，单位为亿元，数据来源于国家统计局。房地产开发企业土地购置面积（LA），反映开发商对土地的需求和储备情况，土地购置面积的变化会影响未来房地产市场的供给，进而影响房价，单位为万平方米，数据来源于国家统计局。社会因素：年末总人口（POP），代表人口因素对房地产市场的影响，人口增长会增加住房需求，推动房价上涨，单位为万人，数据来源于国家统计局。城镇化率（URB），反映城市化进程的速度，随着城镇化的推进，大量农村人口涌入城市，增加了城市住房需求，对房价产生影响，数据来源于国家统计局。居民人均可支配收入（DI），体现居民的购房能力，居民可支配收入的增加会提高购房能力，增加购房需求，推动房价上涨，单位为元，数据来源于国家统计局。4.1.3数据来源本研究的数据主要来源于国家统计局、中国人民银行官网、国家税务总局等权威机构。数据的时间范围为2000-2024年，涵盖了我国房地产市场发展的不同阶段，能够较好地反映各因素对房地产价格的长期影响。这些数据来源可靠，具有较高的准确性和权威性，为实证研究提供了有力的数据支持。在数据收集过程中，对部分缺失数据采用了线性插值法等方法进行补充，以确保数据的完整性和连续性。4.2EBA模型构建4.2.1模型设定根据研究目的和变量关系，设定EBA模型的基本形式为：HP_{t}=\alpha_{0}+\alpha_{1}X_{1t}+\alpha_{2}X_{2t}+\cdots+\alpha_{n}X_{nt}+\mu_{t}其中，HP_{t}表示第t期的房地产价格；\alpha_{0}为常数项；\alpha_{i}（i=1,2,\cdots,n）为解释变量X_{it}的系数；X_{it}表示第t期的第i个解释变量；\mu_{t}为随机误差项。在EBA模型中，将解释变量分为核心变量和条件变量。核心变量是研究者重点关注的变量，在本研究中，将GDP、LPR、LP、SA等变量作为核心变量。条件变量是可能对被解释变量产生影响的其他变量，在本研究中，将CPI、M2、RI、POP等变量作为条件变量。通过系统地改变条件变量的组合，观察核心变量系数的稳定性，从而筛选出对房地产价格具有“稳健性”影响的因素。4.2.2模型估计方法本研究采用最小二乘法（OLS）对EBA模型进行估计。OLS是一种常用的线性回归估计方法，其基本原理是通过最小化残差平方和来确定回归系数，使得模型的拟合值与实际观测值之间的误差最小。OLS方法具有无偏性、有效性和一致性等优良性质，能够在满足一定假设条件下，得到可靠的估计结果。在应用OLS方法时，需要对数据进行一系列的检验和处理，以确保模型的合理性和可靠性。对数据进行平稳性检验，以避免伪回归问题；进行多重共线性检验，以判断解释变量之间是否存在高度相关关系；进行异方差检验，以确保误差项的方差为常数。如果存在问题，需要采取相应的处理方法，如差分法、岭回归法、加权最小二乘法等。4.3实证分析步骤4.3.1描述性统计分析在进行实证分析之前，首先对选取的变量进行描述性统计分析，以了解数据的基本特征。通过描述性统计分析，可以得到各变量的均值、标准差、最小值、最大值等统计量，这些统计量能够反映变量的集中趋势、离散程度和取值范围。对全国商品房平均销售价格（HP）进行描述性统计，得到其均值为[X]元/平方米，标准差为[X]元/平方米，最小值为[X]元/平方米，最大值为[X]元/平方米。这表明我国房地产价格在不同年份之间存在一定的波动，且价格水平差异较大。通过对各变量的描述性统计分析，还可以初步判断数据是否存在异常值。如果存在异常值，需要进一步分析其原因，并进行相应的处理，以确保数据的质量和实证结果的可靠性。4.3.2相关性分析相关性分析是检验变量之间线性相关程度的一种方法，通过计算变量之间的相关系数，可以判断变量之间是否存在多重共线性问题。多重共线性是指解释变量之间存在高度相关关系，这会导致回归系数的估计不准确，影响模型的可靠性和解释能力。在本研究中，利用Pearson相关系数法对各解释变量之间的相关性进行检验。如果两个变量之间的相关系数绝对值大于0.8，则认为它们之间存在高度相关关系，可能存在多重共线性问题。对GDP和居民人均可支配收入（DI）进行相关性分析，发现它们之间的相关系数为0.92，表明两者之间存在高度相关关系。在构建EBA模型时，需要考虑这两个变量之间的多重共线性问题，可以采取剔除其中一个变量或采用主成分分析等方法来消除多重共线性的影响。4.3.3EBA模型估计与结果分析运用EBA模型进行估计，首先将核心变量纳入基础回归方程，然后逐步添加不同的条件变量组合，进行多次回归估计。在每次回归中，计算核心变量的系数和显著性水平。通过观察核心变量系数在不同回归方程中的稳定性和显著性水平的变化情况，来判断其对房地产价格的影响是否具有“稳健性”。如果一个核心变量在大多数回归方程中，其系数的符号和显著性水平保持相对稳定，且通过了相关的显著性检验，那么该变量被认为是对房地产价格具有“稳健性”影响的因素。在本研究中，经过多次回归估计，发现GDP、LPR、LP等变量在不同的回归方程中，其系数的符号和显著性水平较为稳定，且在1%的显著性水平下通过了检验，表明这些变量是影响我国房地产价格的“稳健性”因素。而一些条件变量，如CPI、RI等，其系数在不同回归方程中的变化较大，显著性水平不稳定，说明它们对房地产价格的影响不具有“稳健性”。对这些“稳健性”因素进行深入分析，探讨它们对房地产价格的影响机制和程度。GDP的增长会带动居民收入增加，提高购房能力和需求，从而推动房地产价格上涨；LPR的下降会降低购房者的贷款成本，刺激购房需求，对房价产生正向影响；LP的增加会提高土地成本，进而推动房价上涨。五、实证结果与分析5.1描述性统计结果对选取的2000-2024年相关变量数据进行描述性统计分析，结果如表1所示。表1变量描述性统计变量观测值均值标准差最小值最大值HP（元/平方米）255389.432367.12211210584GDP（亿元）25652644.7469252.3100280.11810956.7CPI（上年=100）25102.282.3499.2108.7LPR（%）254.380.563.855.31LP（亿元）2523268.5717934.382491.364091.5M2（亿元）251532608.41033676.3134610.33426400RT（亿元）257283.525978.15130.822439.3SA（万平方米）25103387.442167.318637.1179433RI（亿元）2592977.750967.213196.9147459LA（万平方米）2538957.215467.313017.465697.9POP（万人）25137774.24291.6126743141175URB（%）2555.8610.1436.2265.22DI（元）2525365.312747.83768.849283从表1可以看出，全国商品房平均销售价格（HP）均值为5389.43元/平方米，标准差为2367.12，表明我国房地产价格在不同年份存在较大波动。国内生产总值（GDP）均值为652644.7亿元，最大值达到1810956.7亿元，反映出我国经济总体规模不断扩大。居民消费价格指数（CPI）均值为102.28，波动相对较小，说明物价总体水平相对稳定。一年期贷款市场报价利率（LPR）均值为4.38%，在不同时期有所调整。土地成交价款（LP）、货币供应量（M2）、房地产税收收入（RT）等变量的标准差较大，说明这些变量在不同年份的变化较为明显。商品房销售面积（SA）、房地产开发投资完成额（RI）、房地产开发企业土地购置面积（LA）等市场因素变量也存在一定的波动。年末总人口（POP）、城镇化率（URB）和居民人均可支配收入（DI）等社会因素变量的均值和标准差反映了我国人口增长、城镇化进程和居民收入水平的变化情况。5.2相关性分析结果运用Pearson相关系数法对各解释变量之间的相关性进行检验，结果如表2所示。表2变量相关性分析变量GDPCPILPRLPM2RTSARILAPOPURBDIGDP1.000CPI0.1251.000LPR-0.214-0.0961.000LP0.8910.173-0.2781.000M20.9870.132-0.2310.8761.000RT0.9670.216-0.2450.9050.9581.000SA0.9350.248-0.2620.8780.9330.9271.000RI0.9740.219-0.2530.9120.9770.9570.9581.000LA0.8220.077-0.2270.8380.8120.8240.7940.8281.000POP0.9460.214-0.2480.8970.9480.9230.9290.9490.8521.000URB0.9510.194-0.2350.8930.9440.9140.9230.9470.8510.9921.000DI0.9770.217-0.2520.9130.9750.9560.9590.9720.8340.9550.9601.000从表2可以看出，GDP与M2、RT、RI、POP、URB、DI等变量之间存在高度正相关关系，相关系数均大于0.9。这表明经济增长与货币供应量、房地产税收收入、房地产开发投资完成额、年末总人口、城镇化率和居民人均可支配收入等因素密切相关，经济增长会带动这些因素的变化，反之亦然。LP与GDP、M2、RT、SA、RI、POP、URB、DI等变量也存在较强的正相关关系，说明土地成交价款与经济增长、货币供应量、房地产税收收入、商品房销售面积、房地产开发投资完成额、年末总人口、城镇化率和居民人均可支配收入等因素相互影响。LPR与其他变量之间的相关性相对较弱，其中与GDP、LP、M2、RT、SA、RI、POP、URB、DI等变量呈负相关关系，说明利率水平的变化对房地产市场和经济增长有一定的抑制作用。CPI与其他变量之间的相关性不显著，说明通货膨胀对房地产价格和其他因素的影响相对较小。通过相关性分析发现，部分变量之间存在高度相关关系，可能存在多重共线性问题。在构建EBA模型时，需要进一步检验和处理多重共线性问题，以确保模型的准确性和可靠性。5.3EBA模型估计结果5.3.1核心变量估计结果运用EBA模型进行估计，将核心变量GDP、LPR、LP、SA纳入基础回归方程，逐步添加不同的条件变量组合，进行多次回归估计。核心变量的估计结果如表3所示。表3核心变量估计结果核心变量系数标准差t值P值[95%置信区间]GDP0.00340.00056.800.0000.0024-0.0044LPR-234.5645.32-5.180.000-325.78--143.34LP0.0120.0026.000.0000.008-0.016SA0.0350.0057.000.0000.025-0.045从表3可以看出，GDP的系数为0.0034，且在1%的显著性水平下显著，表明GDP每增长1亿元，房地产价格平均上涨0.0034元/平方米。这与理论分析一致，经济增长会带动居民收入增加，提高购房能力和需求，从而推动房地产价格上涨。LPR的系数为-234.56，在1%的显著性水平下显著，说明LPR每下降1个百分点，房地产价格平均上涨234.56元/平方米。利率水平的下降会降低购房者的贷款成本，刺激购房需求，对房价产生正向影响。LP的系数为0.012，在1%的显著性水平下显著，意味着土地成交价款每增加1亿元，房地产价格平均上涨0.012元/平方米。土地成本是房地产开发成本的重要组成部分，土地成交价款的增加会提高土地成本，进而推动房价上涨。SA的系数为0.035，在1%的显著性水平下显著，表明商品房销售面积每增加1万平方米，房地产价格平均上涨0.035元/平方米。商品房销售面积反映了房地产市场的需求情况，销售面积的增加意味着市场需求旺盛，在供给相对稳定的情况下，会推动房价上涨。5.3.2条件变量估计结果在EBA模型估计中，条件变量的估计结果随着不同的回归方程而有所变化。以CPI为例，在某些回归方程中，其系数为正，但不显著；在另一些回归方程中，系数为负，同样不显著。这表明CPI对房地产价格的影响不稳定，不具有“稳健性”。M2在部分回归方程中系数为正且显著，而在其他方程中，显著性水平有所波动，说明货币供应量对房价的影响存在一定不确定性。房地产开发投资完成额（RI）的系数在不同回归中符号和显著性都不稳定，显示其对房价的影响不具备“稳健性”。人口因素中，年末总人口（POP）的系数在一些回归中为正且显著，但在整体回归中表现不够稳定。城镇化率（URB）对房价的影响也类似，在不同回归设定下，其系数的稳定性欠佳。这些条件变量估计结果的不稳定，说明它们对房地产价格的影响易受其他因素干扰，在不同的经济环境和市场条件下，作用效果存在差异。5.4稳健性检验5.4.1检验方法选择为了验证实证结果的可靠性，采用替换变量和改变样本两种方法进行稳健性检验。在替换变量方面，将国内生产总值（GDP）替换为人均国内生产总值（AGDP），以更准确地反映人均经济水平对房地产价格的影响；将一年期贷款市场报价利率（LPR）替换为五年期以上贷款市场报价利率（LPR5Y），考虑长期贷款利率对房地产市场的影响；将土地成交价款（LP）替换为土地成交面积（LArea），从土地供应面积的角度考察对房价的影响。在改变样本方面，剔除2008年全球金融危机期间（2007-2009年）的数据，因为这一时期房地产市场受到外部冲击较大，数据可能存在异常，影响实证结果的稳定性。5.4.2检验结果分析经过稳健性检验，核心变量的估计结果依然保持相对稳定。替换变量后，人均国内生产总值（AGDP）与房地产价格呈显著正相关，系数为[X]，表明人均经济水平的提高会推动房价上涨，与GDP对房价的影响方向一致。五年期以上贷款市场报价利率（LPR5Y）与房地产价格呈显著负相关，系数为[X]，说明长期贷款利率的下降会刺激购房需求，提高房价，与LPR的影响效果一致。土地成交面积（LArea）与房地产价格呈显著正相关，系数为[X]，意味着土地供应面积的增加会在一定程度上影响房价，与土地成交价款对房价的影响具有相似性。改变样本后，剔除2007-2009年数据重新进行回归估计，GDP、LPR、LP、SA等核心变量的系数和显著性水平与原估计结果基本一致。这表明在不同的变量设定和样本选择下，核心变量对房地产价格的影响具有较强的稳定性和可靠性，进一步验证了实证结果的有效性。六、研究结论与政策建议6.1研究结论本研究运用EBA模型，对2000-2024年影响我国房地产价格的因素进行了实证分析，旨在探究房地产价格波动背后的驱动力量。研究结果表明，我国房地产价格受多种因素影响，其中部分因素具有“稳健性”，在不同条件下对房价产生稳定影响，而其他因素的影响则相对不稳定，易受多种因素干扰。在宏观经济因素中，经济增长与房地产价格呈显著正相关，GDP每增长1亿元，房地产价格平均上涨0.0034元/平方米。经济增长带动居民收入提高，增强了购房能力和需求，从而有力推动房地产价格上升。利率水平与房地产价格呈显著负相关，LPR每下降1个百分点，房地产价格平均上涨234.56元/平方米。利率的降低减轻了购房者的贷款成本，激发了购房热情，对房价有正向促进作用。通货膨胀对房地产价格的影响并不稳定，在不同回归方程中，其系数和显著性水平变化较大，不具备“稳健性”。这表明通货膨胀对房价的影响较为复杂，易受其他经济因素的干扰，不是房价波动的主要驱动因素。政策因素方面，土地成交价款对房地产价格影响显著，土地成交价款每增加1亿元，房地产价格平均上涨0.012元/平方米。土地作为房地产开发的关键要素，其成本的上升直接推动房价上扬。货币供应量对房价的影响存在一定不确定性，在部分回归方程中系数为正且显著，但在其他方程中，显著性水平波动较大。房地产税收收入对房价的影响同样不稳定，在不同回归设定下，其系数和显著性变化明显。这说明货币供应量和房地产税收收入对房价的影响受到多种政策和市场因素的交互作用，效果并不稳定。市场因素中，商品房销售面积与房地产价格呈显著正相关，商品房销售面积每增加1万平方米，房地产价格平均上涨0.035元/平方米。销售面积反映市场需求，需求旺盛时房价上涨。房地产开发投资完成额和房地产开发企业土地购置面积对房价的影响不具备“稳健性”，在不同回归中系数和显著性不稳定。这表明房地产市场的供给端因素对房价的影响较为复杂，受多种市场条件和开发商行为的制约，难以形成稳定的影响关系。社会因素中，年末总人口和城镇化率对房价的影响在不同回归设定下稳定性欠佳。虽然在某些回归中，年末总人口的系数为正且显著，但整体表现不够稳定。城镇化率对房价的影响也类似，在不同回归中作用效果存在差异。居民人均可支配收入与房地产价格呈正相关，居民可支配收入的增加提高了购房能力，增加了购房需求，推动房价上涨。通过EBA模型的分析，筛选出GDP、LPR、LP、SA等对我国房地产价格具有“稳健性”影响的因素。这些因素在不同的经济环境和市场条件下，对房地产价格的影响相对稳定，是决定我国房地产价格走势的关键因素。而CPI、M2、RI、POP、URB等因素对房地产价格的影响不具有“稳健性”，其作用效果受到多种因素的干扰，在不同情况下可能产生不同的影响。6.2政策建议6.2.1宏观经济政策方面稳定经济增长是保持房地产市场稳定的重要基础。政府应持续推动经济结构调整和转型升级，培育新的经济增长点，提高经济发展的质量和效益。通过加大对科技创新、新兴产业的支持力度，促进产业多元化发展，创造更多的就业机会，提高居民收入水平，为房地产市场的稳定发展提供坚实的经济基础。在制定经济政策时，要充分考虑房地产市场的发展需求，避免经济波动对房地产市场造成过大冲击。在经济增长较快时期，要警惕房地产市场过热，加强对房地产市场的调控，防止房价过快上涨；在经济增长放缓时期，要采取积极的财政政策和货币政策，刺激经济增长，稳定房地产市场预期。合理调控利率是调节房地产市场供需的重要手段。央行应根据宏观经济形势和房地产市场状况，灵活调整利率政策。在房地产市场过热时，适当提高利率水平，增加购房者的贷款成本，抑制投资投机性购房需求，防止房价泡沫的形成。在房地产市场低迷时，适时降低利率，降低购房者的贷款成本，刺激购房需求，促进房地产市场的复苏。央行还应加强对利率市场的监管，确保利率政策的有效传导，避免利率波动对房地产市场造成不必要的干扰。6.2.2房地产市场调控政策方面优化土地供应是稳定房地产市场的关键。政府应根据房地产市场的需求情况，合理确定土地供应规模和节奏。在房价上涨压力较大的地区，适当增加土地供应，缓解土地供需矛盾，降低土地成本，从而抑制房价上涨。在房地产库存较多的地区，减少土地供应，避免过度开发，促进房地产市场的供需平衡。政府还应加强对土地出让的监管，规范土地出让行为，防止土地价格过高，增加房地产开发成本。加强金融监管是防范房地产市场风险的重要保障。监管部门应加强对房地产金融市场的监管，严格控制房地产贷款规模和风险，防止房地产市场过度融资和金融风险的积累。加强对房地产开发企业的融资监管，规范企业的融资行为，防止企业过度依赖银行贷款，增加财务风险。加强对购房者的贷款监管，严格审查购房者的还款能力和贷款用途，防止投机性购房行为的发生。规范投资投机行为是促进房地产市场健康发展的必要措施。政府应通过税收、限购、限售等政策，抑制投资投机性购房需求，引导房地产市场回归居住属性。提高房地产交易环节的税收，增加投资投机性购房的成本；实行限购政策，限制购房者的购房数量，减少投资投机性购房的机会；实施限售政策，限制房屋的交易时间，降低房地产市场的流动性，抑制投机行为。政府还应加强对房地产市场的信息披露，引导消费者理性购房，避免盲目跟风投资。6.2.3社会政策方面促进人口合理分布是缓解房地产市场供需矛盾的重要途径。政府应加强区域协调发展，加大对中西部地区和三四线城市的政策支持和投资力度，促进产业向这些地区转移，创造更多的就业机会，吸引人口回流，减轻一线城市和热点二线城市的人口压力。加强对大城市的人口调控，合理控制城市规模，优化城市空间布局，提高城市的承载能力。通过促进人口合理分布，实现房地产市场的供需平衡，稳定房价。推进城市化健康发展是满足居民住房需求的重要保障。政府应加快城市化进程，提高城市化质量，加强城市基础设施建设，完善城市公共服务，提高城市的吸引力和竞争力。在城市化过程中，要注重住房保障体系的建设，加大对保障性住房的投入，增加保障性住房的供应，满足中低收入群体的住房需求。加强对城市老旧小区的改造，改善居民的居住条件，提高居民的生活质量。6.3研究不足与展望6.3.1研究不足本研究在数据方面存在一定局限性。虽然数据来源于权威机构，具有较高的可靠性，但数据的时间跨度和样本范围仍有限，可能无法完全涵盖我国房地产市场的所有情况和变化。部分地区和时间段的数据可能存在缺失或不完整的情况，这可能会对实证结果的准确性和全面性产生一定影响。由于数据的可得性和统计口径的差异，一些重要的变量可能无法准确度量，如房地产市场的投机程度、消费者的预期等，这也限制了研究的深度和广度。在模型构建上，虽然EBA模型能够有效筛选出“稳健性”因素，但该模型也存在一定的简化和假设。模型可能无法完全捕捉到房地产价格影响因素之间的复杂非线性关系和相互作用机制，对一些特殊情况和突发事件的考虑也不够充分。在实际房地产市场中，可能存在一些无法量化的因素，如政策的执行力度、市场参与者的心理预期等，这些因素在模型中难以体现，从而影响了研究结果的完整性和解释力。6.3.2研究展望未来的研究可以进一步拓展研究范围，增加数据的时间跨度和样本范围，纳入更多地区和时间段的数据，以更全面地反映我国房地产市场的发展变化。可以收集更多的微观数据，如不同城市、不同区域的房地产价格数据，以及购房者和开发商的行为数据，深入分析房地产价格在不同层面的影响因素和差异。可以考虑将国际房地产市场的数据纳入研究，进行跨国比较分析，借鉴其他国家的经验和教训，为我国房地产市场的发展提供更有价值的参考。改进研究方法也是未来研究的重要方向。可以尝试运用更先进的计量经济学方法和模型，如面板向量自回归模型（PVAR）、门限回归模型等，以更好地捕捉房地产价格影响因素之间的动态关系和非线性特征。可以结合大数据、人工智能等技术，挖掘更多潜在的影响因素，提高研究的准确性和预测能力。可以利用机器学习算法对大量的房地产市场数据进行分析，发现数据中的隐藏模式和规律，为房地产市场的研究和预测提供新的思路和方法。未来的研究还可以加强对房地产市场政策效果的评估和动态监测，及时调整和完善政策措施，促进我国房地产市场的长期稳定健康发展。七、参考文献[1]李艳萍。中国房地产价格影响因素——基于中国省级面板数据的实证分析[J].现代商业，2013(14):54-55.[2]郑钦月，张严。我国房地产价格影响因素的实证研究[J].会计之友，2010(27):35-37.[3]周海波。房地产价格影响因素的实证研究[J].海南大学学报(人文社会科学版),2009,27(05):537-543.[4]MankiwNG,WeilDN.TheBabyBoom,BabyBust,andtheHousingMarket[J].RegionalScienceandUrbanEconomics,1989,19(2):235-258.[5]AbrahamJM,HendershottPH.BubblesinMetropolitanHousingMarkets[J].JournalofHousingResearch,1996,7(2):191-207.[6]GerlachS,PengLB.BankLen