面板数据

华北科技学院基础部综合性实验

实 验 报 告

课程名称 面板数据 实验学期 2012 至 2013 学年 第 二 学期 学生所在系部 基础部 年级 2010 专业班级 计算B101 学生姓名 孔维文 学号 201009014119

顾亚楠 学号 201009014110 商春雷 学号 201009014103

任课教师 仓定帮 实验成绩

基础部制

华北科技学院基础部综合实验报告

我国1995-2009年房地产价格影响因素的分析

摘 要

近几年，中国房地产业得到了长足的发展，但是房地产价格的上涨一直饱受争议，甚至有“北，上，广”的言论，这也从侧面反映了房地产价格的区域性特征。房地产行业是我国国民经济的支柱产业，具有资金投入量大、投资回收期长、资产负债率高等特点，且我国房地产市场正处于繁荣时期，各地都出现了房地产开发热，房价也节节升高。我国房地产业经过五年的快速发展和两年的宏观，进入房地产市场和房地产企业的整体主客观环境要好于市场原来的预期，加上资本市场的日益复苏，人民币进入升值周期和我国经济的持续、健康和快速的发展，房地产市场的预期开始回暖。另外金融市场将面开放，未来房地产市场除了传统的银行资金外，境外基金多渠道进军内地楼市，外资银行、外来资金必将成为中国房地产业新的力量。

房产市场是我们一直关注的焦点，尤其是对于房地产价格我们更加敏感。而房地产价格的高低直接牵动着的税收，企业的发展和人民的生活，对于这些问题，也有很多文章做过讨论，但是大多采用定性的方式对房产市场价格高低，泡沫的存在与否进行了讨论。但是这类研究缺乏数据的支持，因此本文旨在利用一些数学模型，尤其是面板数据模型，具体分析对房产价格决定因素，并且结合中国现状和国情进行定性分析。这样就结合了定性与定量的分析，其结果可信度更为有效。

本文我们应用面板数据学习过的知识，建立模型，主要用eview软件进行数据分析，经过几次修正最后达到最优，对于数据分析的结果我们采用文字性进行描述。

关键词：房产价格 决定因素 单因素模型 面板数据模型

I

华北科技学院基础部综合实验报告

目录

我国1995-2009年房地产价格影响因素的分析 .................................. I 第一章 引言 ............................................................. 1 第二章 房地产单自变量价格-供求关系模型 ................................... 2

2.1房地产市场的特殊性 ................................................. 2 2.2不剔除物价下的房价与供求量的单变量分析 ............................. 2 2.3剔除物价因素后的关于价格的供求分析： ............................... 5 第三章 房价的面板数据模型因素分析 ........................................ 9

3.1具体模型的选择 ..................................................... 9 3.2自变量的选择 ....................................................... 9 3.3数据的初分析—结合地域分析 ........................................ 10 3.4面板数据模型的结果—对各因素对价格影响分析 ........................ 17 第四章 结论以及现实的意义 ............................................... 23

4.1影响房价的因素进一步分析 .......................................... 23 4.2 对于的建议 ............................................... 25 参考文献 ................................................................. 27

II

华北科技学院基础部综合实验报告

第一章 引言

我们都知道房地产是一种特殊的商品，它是各国国民经济的支柱和先导，关系着国民经济的基础。直接影响着人民生活质量和水平。因而房产价格也一直是社会各界讨论关注的焦点，1990年我国房产走向市场化，而2003年以来房产出现投资过热地价房价持续快速上涨以来，关于房产价格的争论就从未间断，而每一次争论消费者，专家学者，房地产开发商，主管部门往往意见不一，可见研究房地产价格的决定因素是有必要性的。

我国关于房产价格的探索有很多，很多局限于定性分析，本文旨在基于定量分析和一定的数学模型，结合定性分析对我国房产价格的影响因素进行分析。 本文先基于房地产具有一般商品的特性，试图建立价格-供求曲线进行单自变量分析，并进一步探索供求曲线的特性，谈论单自变量研究方法的可行性。 然后，根据数据的一些基本统计指标进行描述性分析，按区域进行研究。之后采用面板数据模型进行拟合并经过几次修正，最终得到各因素所占影响房价因素比例。之后结合现实及经济理论进一步具体分析各自变量作用，最终对房产的提出一些建议。

文章末尾我们做出综述并且对于模型的缺陷进行讨论，以便后续进行改进。

第 1 页 共 31 页

华北科技学院基础部综合实验报告

第二章 房地产单自变量价格-供求关系模型

2.1房地产市场的特殊性

1 特殊稀缺性：房产作为基于土地的一种商品，其稀缺性要明显不同于其他商品。首先他是基于土地的，土地是有限的，而房产基于其居住或商业等使用目的，决定了其必须建立在满足相应条件的土地上，例如交通便利，周边配套设施齐全，环境优美。这使得城市中满足这些条件的土地更加稀缺。中国作为一个人口大国，并且由于经济发展不均，人口集中在东部沿海地区，进一步加大了供求之间的不均，加剧了房地产的稀缺性。

2 可替代性低与必：中国自古有安居乐业的传统，房产拥有的与否关系到婚嫁生子养老等重要问题，拥有一处好的房产是每个人的最基本的需求。并且房产不同于食品等必需品，食品是多种多样的，具有可替代性强的特点，但是房产受着工作地点，生活地域的决定，区域地点，楼层位置，构造装潢，物业环境，甚至邻居，都决定着每个房子的独一无二的特性，这种特性使得房产可替代率极低，并且难以进行比较估值，市场的信息灵敏度也受着这种特性的制约。

3 使用的长期性：同一般商品来比，房产可称得上是超级耐用品，一般商品使用一次或者多次消费就消耗完了，即使像汽车电视这样的耐用品也仅仅只有三到五年的消费期，而一栋房子使用年限少则数十年多则几十年。而房价对于一般家庭是一个价格很高的消费品，其地域的固定性，使用的长期性决定房产购买是一个谨慎的决定，直接影响供求的特性。

2.2不剔除物价下的房价与供求量的单变量分析

由于房地产具有一般商品的属性，满足商品的价值规律，所以可以采用单自变量供求曲线的方法来分析。我们试图建立价格与供求量的曲线，试图求得其交点判断市场均衡价格及其供应量。并参照该方法考察其他变量对于房产价格的影响。

第 2 页 共 31 页

华北科技学院

（1）导入数据

我们取用1995年到2009年的施工房屋面积所为Qs，销售面积记为Qd，单位面积房产价格记为P。

（2）对导入数据进行修正与预处理

因为微观经济学中供求曲线分析应该基于同样的经济背景与条件下对企业与消费者的消费行为进行分析。为了剔除不满足条件的干扰因素，我们对数据进行处理。

考虑到1995年到2009年中国人口变化较大，会对住房的供求量产生很大的影响，为剔除该因素于是我们以2005年城镇人口数作为基数，对销售面积进行处理，即用原有的Qs1=Qs/（每年城镇数量/2005年城镇人口）作为最终使用的需求数量。同理，Qd1=Qd/（每年城镇数量/2005年城镇人口）。

对于供应函数，1995年到2009年物价指数变化较大，那么我们是否对房产价格做去通货膨胀的处理呢。下面我们分别根据结果进行讨论。

（图1. 1995年-2009年房产单位价格）

可见除了2008年金融危机致使房价有一定下跌外，其他时段房价均呈问股上涨趋势且有加速倾向。尤其是2003年后房价有急剧加速的倾向。

第 3 页 共 27 页

华北科技学院基础部综合实验报告

（图2. 1995年-2009年的城镇人口基数下的施工面积）

可以见到从1995年到1997年施工面积呈缓慢下降趋势，之后呈平滑上涨趋势，可见对于每年对于房产的需求持续旺盛。

（图3. 1995年-2009年的城镇人口基数下的销售面积）

可见除了2008年金融危机致使房屋销售有一定下跌趋势，其他时段房价均呈问股上涨趋势且有加速倾向。尤其是2004年后房价有急剧加速的倾向。 （3）不考虑物价的关于价格的供求曲线分析：

第 4 页 共 31 页

华北科技学院

（图4. 除去cpi供求曲线图，纵坐标为每平米房产价格，左边红色为的销售面积，右边蓝色为施工面积。）

y = 0.0188x + 1069.3 R² = 0.957 y = 0.059x + 1279.4 R² = 0.95 经过异方差检验等，拟合度很好。

但是问题出现了，我们试图建立房产关于价格的供求曲线，但是曲线Qd却向右上方倾斜，并且呈现明显的趋势。这是不符合经济学原理的。分析原因，因为我们选取的数据时时间序列的数据，而房价与销量恰是总体向上的趋势，在没有剔除其他条件的前提下，仅拿价格做出器供求曲线过于忽视了其他的因素。 其中很最重要的一个就是物价因素。

2.3剔除物价因素后的关于价格的供求分析：

（图5 剔除cpi后的房产单价，单位元/平方米）

第 5 页 共 27 页

华北科技学院基础部综合实验报告

我们对房产价格做cpi的基数处理，得到改良的供求曲线。初步看两者均没有明显的相关趋势。

尝试用多种方式拟合，我们对供应曲线进行拟合，线性，对数等方式拟合效果很差，采用多次项，二次方多项式拟合较差，三次方拟合r2较理想但是通过white检验，异方差十分不理想，且经济意义无法解释。

F-statistic Obs*R-squared

0.359149 Probability 2.5663 Probability

0.862815 0.76

对需求曲线尝试多种方式拟合，二次项较理想，仍然在异方差检验时不理想。 F-statistic Obs*R-squared

1.468550 Probability 4.281590 Probability

0.2815 0.232619

需求曲线y = 4E-07x2 - 0.015x + 1831.4 R² = 0.5637 供应曲线y =-2.33E-12x3 +7.18E-07x2-0.065676x + 3453.872 Dependent Variable: PC Method: Least Squares Sample: 1996 2009 Included observations: 14

Variable C QS QS^2 QS^3

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 3453.872 -0.065676 7.18E-07 -2.33E-12

Std. Error 323.8491 0.011911 1.29E-07 4.28E-13

t-Statistic 10.66507 -5.513942 5.8724 -5.437624

Prob. 0.0000 0.0003 0.0002 0.0003 1734.133 121.2247 11.38252 11.56510 12.33976 0.001068

0.787321 Mean dependent var 0.723518 S.D. dependent var 63.74185 Akaike info criterion 40630.24 Schwarz criterion -75.67761 F-statistic 1.570917 Prob(F-statistic)

第 6 页 共 31 页

华北科技学院

（图6 除去cpi供求曲线图，纵坐标为每平米房产价格，横坐标左边红色为的销售面积，右边蓝色为施工面积。）

综合看单因素的供求曲线你和情况不是很好，究其原因，我国房产市场化开放从1990年到现在仅21年，而可以得到的数据则更少，而这段时间我们从图1-图4可以清晰地看到，这段时间房价，施工建设面积，销售量都随时间逐步增长，而我们采用的数据恰恰是时间序列相关很强的数据，在其他因素剔除不强的情况下，这就对数据分析产生了很大的负面效应。并且在我国自房产市场化以来，变动频繁，所以房产受性影响过于大，这给数据分析也带来了困难，区分度不强，如大小城市不分开，高档与低档住宅不分开也是模型的硬伤。

虽然模型不是很成功，但是通过初步分析尝试我们还是可以得出一些有用的结论： 1.房价三周期，与的以纠正市场为目的的后动性，根据往年cpi计算方法，2011年之前居住仅占cpi 13%比重，并且我国cpi中不包含购房价格，而是统计的租房价格，所以可以说购房价格对cpi的影响是非常有限的。也就是说我们剔除cpi考虑房价是有其分析的价值的，他可以直接反应购房价格与其他商品相比对于人们日常生活价格方面的影响。从图5我们可以看出，虽然我们一直感觉房产价格增幅很快，但是剔除cpi考虑，房产价格纵向相比价格提高速度并不是一直上升，而是明显分为三个周期，1997年前是一个上升后期，1997-2003年为一个下降周期，2003年后又是一个增长周期（剔除2008年金融危机影响），这与我国房产是息息相关的。

第一个周期是1997年前，也就是我国从1990年后，开始了由计划经济向市场经济的转轨，城镇土地使用权从无偿转为有偿，房地产住房成为了商品，逐步走向市场化，产业化。这铸就了房产价格持续快速增长的进程。

第二个周期是1997-2003年，1997年我国为了扩大内需，拉动国民经济增长，我国

第 7 页 共 27 页

华北科技学院基础部综合实验报告

将住房建设作为国民经济的新的增长点，并将其分配的制度又福利性分配转变为货币型分配，这就导致了房地产开发投资持续增长，开发规模也越来越旺。

第三个周期是2003年后，我国部分地区就出现了投资过热，地价房价持续增长，同时房屋空置率加剧的现象，房产成为社会热点，并且实施了„管严土地，看紧信贷‟的，其根本目标是“抑制投资过快增长，促进经济增长模式”这也就是第二个周期，相对房价开始下降。

首先对房地产市场产生重大影响，同时将性作为自变量略显不妥，因为往往具有后动性，在一个经济状况出现之后，为了纠正这个状况，而提出相应的，而此往往是价格的果，而非市场的因，这点在我们分析问题时要特别注意。

2.多因素影响，从上面的分析我们可以发现，房产价格对供求还是有影响的，但是影响有限，在没有剔除其他因素的时候我们是很难进行单自变量分析的，同时我对物价指数，居民收入，建造成本等对房产供求数量做了尝试，结果显示，各个因素对房产供求都有一定影响，但是都没有起绝对的支配作用，这就说明了房地产市场是个多因素影响的复杂市场，有规律可循，但是绝不是单因素主导的。仅仅采用单因素分析是不容易得出好的结果的。这就要求我们采用新的数据模型进行分析。

第 8 页 共 31 页

华北科技学院

第三章 房价的面板数据模型因素分析

通过但自变量分析我们得出了一些初步的结论，并且引导我们采用新的方式进行分析。在本段中，我试图采用面板数据模型，这种模型从时间序列和横截面积上充分利用了数据，弥补了个别事件对于房产波动的影响，充分利用数据，弥补了数据不足的缺陷，并且对于各个城市进行区分化，有利于进一步分析。同时我们结合定性分析，具体对各个影响价格的变量进行研究。

3.1具体模型的选择

对于房地产行业，居民在短期内对住房的需求是相对稳定的，具有时间上的一致性，本文利用eviews来进行计算检验。由于我们选取的数据是全国所有省份1998-2009年的住房供求，拥有地域截面与时间序列两层面的数据，为了得到不同省份的特征，于是采取面板数据分析的固定效应模型。

3.2自变量的选择

价格我们选择商品住宅销售平均价格PRICE作为衡量（元/平方米）。影响中国房价的因素很多，通过单因素变量的分析，我们基本找出了几个相关度较好的指标进行分析：

a.地区经济发展水品。前面已经提到了，房产对于附近的环境要求十分苛刻，城市的发展水平直接影响到了房价，发展水平越高一般房价也越高。发展水平用人均生产总值来衡量较为合适，缩写GDP（元/每人）。

b.住房投资。房地产作为资金密集型的行业，对房产投资的多寡直接决定着房地产业的发展，我们采用城镇住房投资作为变量考察。缩写INVEST（亿元）。

c.房地产用地。土地作为房地产最基础的因素始终影响着房地产的价格，而房产商也往往强调房产价格的升降与拿地成本息息相关，这直接决定着房产建造的成本。而地产商当年建成土地面积与当年购地面积也影响着地产供应量与景气程度。我们采用房地产开发企业本年完成开发土地面积，购置土地面积作为指标。缩写LANDF（万平方米） LANDB（万平方米）。其中两者最大的区别在于，本年购置土地面积衡量的是本年房地

第 9 页 共 27 页

华北科技学院基础部综合实验报告

产开发商开发的热度是对未来预期市场景气度越好，则房产商愿意购买土地囤积起来进行未来的建设。而本年建成土地面积主要是代表当年的房产供应量。并且两者之间的关联是，当年购置土地数量会在未来变成开发土地面积。

d.居民收入水平。这直接决定了居民的购买力是需求角度很重要的一个因素。我们采用城镇居民平均年可支配收入进行衡量。缩写PCDI。

e. 住宅。我们刚刚也提到，房产的供求与价格和房地产的密切相关，但是房产十分多变灵活，具有一定的预测难度，所以还很难采取一个量化指标计入模型，但是我们必须考量，在定性分析中具体说明。缩写PLC。

f.房产竣工造价。作为房产的总成本，我们可以研究出房产成本到底对房价影响几何。缩写COST。

g．贷款利率。房产作为资金密集型行业，利率通过影响投资和房地产成本的方式影响房价，应予以考虑，简写为RATE。

3.3数据的初分析—结合地域分析

我们先从均值，标准差，偏斜度，峰度等角度进行初步描述性分析。由于各种指标单位大小不一为了更方便于比较我们对某些不同单位的数据以1998年为基数对用各数据除以基数进行作图比较，这样作图容易看出内在规律。同时由于我们是逐年对各个不同地区做的数据处理，所以从中可以分析到很多与地域性相关的信息，比如各省市之间房价的分化程度等等。（利率各省相同故不作计算） （1）均值

房地产商品房城镇家年份与项目 销售平庭平均均价格可支配（元/平收入（元方米） /年） 城镇房地产住宅投资（亿元） 开发企业每年完成开发土地面积（万平方米） 房地产开发商每年购买土地面积（万平方米） 人均gdp（元/人） 竣工房屋造价（元/平方米） 1998年 03.655 116.5874 250.2979 250.2979 326.4619 7231.033 1017.774 1999年 5849.252 106.8382 306.2296 306.2296 385.771

第 10 页 共 31 页

7720.176 1001.058 华北科技学院

2000年 6270.3 136.0218 380.627 380.627 5.3304 8539.691 1002.46 2001年 6868.699 168.6327 498.7028 498.7028 755.1288 9329.387 1017.085 2002年 7526.93 218.6028 632.1406 632.1406 1011.509 10337.02 1085.246 2003年 8266.155 278.2448 715.7177 715.7177 1151.501 11845.97 1023.677 2004年 9158.606 353.9919 638.4858 638.4858 1283.513 140.09 1073.484 2005年 10150.98 412.639 984.1516 984.1516 1233.992 16234.68 1162.387 2006年 11361.78 525.9929 1163.552 1163.552 1179.793 18627.97 1250.839 2007年 13140.15 684.171 2008年 14984.27 8.441 1196.997 1196.997 1298.253 21973.42 1343 1286.387 1286.387 1269.465 25791.55 1482.226 2009年 16276.95 984.2677 732.8833 732.8833 1029.335 28736.94 1941.323 （表2：各影响房价因素基数后的的逐年均值）

（图7：各影响房价因素基数处理后的逐年均值图）

从图中我们可以看到，受2008年金融危机影响，房地产开发企业每天的开发土地与购买土地有一个大幅度的下降，说明房产商对市场波动的风险的暂时规避。其他时间均为上升的趋势，名且有加速的趋势。另外我们应该注意到的是虽然受金融危机影响，房地产商购地热情下降，但是房地产投资的热情与房产价格却丝毫不不减，这是为什么呢，我们继续对房地产投资的成分进行分析。

第 11 页 共 27 页

华北科技学院基础部综合实验报告

（图8：1998年-2009年固定资产投资各成分比例图）

从图中我们可以看到在金融危机来临之时，自筹资金部分撤离，而外资则是大量撤离，但是国内贷款和国家预算支撑起了局面，国内贷款很多都是受着国家的影响。所以我们可以知道金融危机没有对房地产投资总量造成影响的原因就是为了稳定房地产市场，防止经济体系动摇，通过控制支出与银行信贷对房地产市场注入资金。这再一次说明了在我国对于房产市场的巨大作用。

对于房产价格受金融危机影响不大，可能主要原因有两个，第一个就是一系列的对房地产市场的资金注入，支撑起了房产价格，另外可能就是居民对于房产的刚性需求较大，具体哪个作用更大我们下面做模型是再具体分析。

（2）标准差

标准差描述数据的离散趋势，反映各指标偏离均值的程度，若斜率不变则从百分比角度离散趋势维持原状态，斜率上升则离散程度加大，斜率下降则离散程度缩小。

房地产商品房销售平均价格 城镇家庭平均可支配收入 城镇房地产住宅投资 开发企业每年完成开发土地面积 房地产开发商每年购买土地面积 人均gdp 竣工房屋造价 年份与项目 1998年 650.18 1422.343 153.5187 290.8181 291.4591 4884.632 429.8433598 1999年 591.1435 1626.275 132.0068 328.5987 327.9028 5338.377 373.7446609 2000年 615.7302 1787.626 156.3283 373.5876 497.8565 5984.528 374.2039597 第 12 页 共 31 页

华北科技学院

2001年 634.1585 19.001 199.3672 433.3628 8.3092 6531.256 331.43913 2002年 653.0175 2015.163 232.8827 573.1434 2003年 793.5567 2004年 874.308 7313.055 349.5574768 2299.65 250.32 616.2863 972.4757 8390.246 414.1029169 942.067 2601.955 323.5355 558.0017 994.7568 9812.839 417.4532206 2005年 1185.2 2950.282 356.5822 1480.608 919.1235 11004.31 437.15715 2006年 1298.91 3295.827 414.4809 1652.737 867.0559 12274.58 453.1472974 2007年 16.305 3567.967 529.47 1801.741 962.4799 13987.06 451.8707042 2008年 1553.5 3990.338 651.349 2062.398 878.7202 153.39 436.717812 2009年 2285.179 4326.466 696.5079 528.9733 719.2044 16905.33 482.0305929 （表3：各影响房价因素基数后的的逐年标准差）

（图9：1998年-2009年各影响房价因素基数后的逐年标准差图）

我们所做的标准差图是逐年各省之间的标准差，他可以用来衡量各省之间影响房价因素之间的差距大小。销售价格持续增长，且2008-2009有加速趋势，说明各省之间房价差距很大，尤其体现在东部沿海地区与西部经济欠发达地区之间房价差距进一步加大。而房地产开发与购买土地数量标准差2003之后标准差增长速度放缓说明各地区房产开发逐渐走向均衡，说明大城市房产开发放缓，市场区域地域均衡，也可能是原非活跃地区开始新的房产投资热潮。竣工房屋造价基数比一直很稳定，说明从成本角度来说，

第 13 页 共 27 页

华北科技学院基础部综合实验报告

中国各地的房屋造价成本几乎是一样的。在此条件下，各地房产建设数量不一，也就说明了房产商土地开发的区域选择考虑主要不是出于竣工成本，而是需求等其他因素

（3）峰度

房地产商品房销售平均价格 城镇家庭平均可支配收入 城镇房地产住宅投资 开发企业每年完成开发土地面积 1998年 1999年 2000年 2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 房地产开发商每年购买土地面积 5.9041 6.018084 人均gdp 竣工房屋造价 年份与项目 8.0983 0.906852 0.906852 10.28812 1.387666 11.16205 2.453251 2.453251 7.091523 -0.03051 5.781925 4.255671 7.122537 2.412233 2.412233 5.145708 1.519251 5.6761 3.0139 7.068696 2.399377 2.399377 2.666795 2.349749 5.473922 3.963778 5.665919 2.133783 2.133783 2.55348 1.224959 5.212433 2.116137 1.00919 4.716705 11.11716 6.041719 2.294906 2.294906 2.831726 5.521578 2.333075 2.333075 1.1667 1.273088 4.6656 10.28208 4.378779 2.331456 2.331456 20.68455 0.402321 3.885765 8.149122 4.345171 2.2747 2.2747 19.35927 -0.2406 3.373532 5.819442 6.949141 2.318281 2.318281 22.63268 -0.05055 3.263156 4.5145 7.2336 2.051417 2.051417 22.03803 -0.34028 2.615716 2.365742 5.832622 1.912827 1.912827 -0.78306 -0.47798 2.300123 0.8673 （表4：各影响房价因素的的逐年峰度）

第 14 页 共 31 页

华北科技学院

（图10：1998年-2009年各影响房价因素的逐年峰度图）

峰度表明这数据的分布集中程度，等其满足正态分布时，峰度为3，峰度越大，则不同地域的指标数集中于尖顶峰处，图形越陡峭，反之当峰度接近于1.8时，分布呈现水平矩形分中部的形态。当峰度小于1.8则出现“U”形态。

对于商品房销售平均价格，1999年是一个高峰，达到了12，而后逐渐减小，在2006年又继续有上升的态势，说明在1999年左右各地房价较集中，没有巨大的两极分化。而后个别地区房价增长较快远超过其他地区，峰度降低，而06年后曾经房价增长慢的地区的房价迅速加快增长速度，接近一线城市发达地区。

房地产开发企业每年完成的土地面积峰度在2004-2008年猛增，说明在这四年全国原来房产热度不高的地区房地产供应量突然加大，由于房产的生产从拿地到建成具有滞后性，结合房地产开发商每年购买土地面积，的高值是在2001-2004年附近，说明2004-2008年原房地产较冷门地区突然地供应量加大是由于2001-2004年土地商开发所致，所以真正的原房地产冷门地区的房地产热潮是01-04年兴起的。说明这段时间无论一线城市还是线下城市，无论边远地区还是沿海发达城市都兴起了相当热的房产建设潮，尤其是原冷门地区也开始兴起房地产建设的风气。

房产开发商每年购买土地面积，01年各地区附近呈现正态分布性，各地房地产开发热情较集中，但是在02年之后开始低于1.8，说明开始出现两极分化的情况，而到了06年甚至出现负值，说明出现严重两级分化的趋势，局部地区土地开发热度降低，而另外一些地区土地持续保持高热。具体哪些地区持续高热哪些地区趋于冷淡，分析方法可以将各地区分区块加和观察其趋势得出结论，我们就不在此占用篇幅。

第 15 页 共 27 页

华北科技学院基础部综合实验报告

（4）偏斜度

房地产商品房销售平均价格 城镇家庭平均可支配收入 城镇房地产住宅投资 开发企业每年完成开发土地面积 1998年 1999年 2000年 2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 房地产开发商每年购买土地面积 人均gdp 竣工房屋造价 年份与项目 2.67938 1.352268 1.352268 2.5567 1.2690 2.296986 2.417336 3.071381 1.688029 1.688029 2.398884 2.5292 1.739475 1.739475 0.96171 2.308339 2.016075 1.9888 1.368191 2.297866 1.797811 1.94533 2.523007 1.758084 1.758084 1.517931 1.5014 2.284692 2.329809 1.757851 1.757851 1.509795 1.167431 2.25888 1.575755 2.416807 1.817186 1.817186 1.585514 1.183535 2.174851 2.947663 2.2510 1.815324 1.815324 1.4442 1.149083 2.149416 2.837784 2.144397 1.802433 1.802433 4.235767 0.3105 2.006633 2.498616 2.104631 1.778134 1.778134 4.0185 0.74222 1.6838 2.326745 2.5084 1.744493 1.744493 4.475317 0.768194 1.852382 2.053637 2.6026 1.639453 1.639453 4.426329 0.70847 1.700431 1.3012 0.923 2.427496 1.618223 1.618223 0.568863 0.6714 1.639195 表5：各影响房价因素的的逐年偏斜度

第 16 页 共 31 页

华北科技学院

图10：1998年-2009年各影响房价因素的逐年偏斜度图

偏斜度衡量数据分布形状，数据一般在-3到+3，偏斜度为0则为正态分布，偏斜度为+3则为极右偏，-3为极左偏，图中见到05-08年房产供应巨大，99年房产价格相对在较高水平，房产竣工成本相对较高在03年，之后逐年下降。

3.4面板数据模型的结果—对各因素对价格影响分析

（1）模型的结果与变量注释

下面为eviews拟合1998年到2009年，中国除其他所有省市影响房价因素的分析，以下为自变量的面板数据固定效应模型拟合结果。

自变量：城镇居民家庭平均可支配收入（元/平方米）PCDI

城镇房地产投资（亿元）INVEST

房地产开发企业本年完成开发土地面积（万平方米）LANDF 房地产开发企业本年购买土地面积（万平方米）LANDB 竣工房屋造价（万平方米）COST 人均GDP（元/每人）GDP 3-5年贷款利率RATE Dependent Variable: PRICE? Method: Pooled Least Squares

Variable C PCDI? INVEST? LANDF? LANDB? COST? GDP? RATE?

Prob. 0.9433 0.0004 0.0000 0.9245 0.9573 0.0162 0.0000 0.0020

Coefficient Std. Error t-Statistic -9.975578 0.105338 -0.675862 -0.050430 -0.028491 0.328061 0.095051 108.361

140.0521 -0.071228 0.029290

3.596335

0.130755 -5.1630 0.531956 -0.094801 0.531924 -0.053561 0.135710 0.011371 0.086375

2.417356 8.359202 3.113804

Effects Specification

第 17 页 共 27 页

华北科技学院基础部综合实验报告

Cross-section fixed (dummy variables) R-squared

2569.157 1761.998

0.931768 Mean dependent var

Adjusted R-squared 0.923688 S.D. dependent var S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

（2）模型的检验与修正

486.7458 Akaike info criterion 15.31551 72024119 Schwarz criterion

15.73129

-2574.295 Hannan-Quinn criter. 15.48117 115.3162 Durbin-Watson stat 0.000000

0.687941

表6：面板数据模型第一次局部结果

整体看， PCDI,INVEST,COST,GDP四个指标均在5%显著水平下检验通过， R^2=0.931说明因变量与自变量之间线性关系很强，这与选取了多个自变量有关。F=115.316,P值小于0.05，F检验通过说明整体效果不错。但是LANDF LANDB未通过检验，由于房地产商购买土地后受法律和成本收回的，会在一定时间内在获得的土地上建成成品地产，即房地产开发企业本年购买土地面积LANDB在一定时间内必然会转化到房地产开发企业本年完成开发土地面积LANDF，换言之他们两个均有很强的相关性，所以p值过大很可能是多重共线性的问题，由于LANDB体现的是更多是房地产商对未来的预期，受着当前房产价格的影响，所以价格是因，LANDF是果更令人信服。而LANDF直接体现着当期的房产供应量，所以我们放弃LANDB 而选用LANDF一下是修正后的拟合结果。

Dependent Variable: PRICE? Method: Pooled Least Squares Sample: 1998 2009 Included observations: 12 Cross-sections included: 31

Total pool (unbalanced) observations: 371

Variable

Prob.

Coefficient Std. Error t-Statistic

第 18 页 共 31 页

华北科技学院

C PCDI? INVEST? LANDF? 15.48126 128.0917 0.105137 0.026675

0.120861 3.941417

0.9039 0.0001 0.0000 0.0053 -0.656758 0.121592 -5.401322 -0.081298 0.0295 -2.803851 COST? 0.298260 0.125836 GDP? 0.095678 0.010441 RATE? 103.2450 0.034574

Fixed Effects (Cross) _ANHUI--C 293.3798 _BEIJING--C 1652.822 _FUJIAN--C 81.20222 _GANSU--C -6.1431 _GUANGDONG--C 1122.753 _GUANGXI--C 253.0291 _GUIZHOU--C 190.4653 _HAINAN--C 723.8206 _HEBEI--C -259.4724 _HENAN--C -62.01735

_HEILONGJIANG--C 121.9317 _HUBEI--C 32.30731 _HUNAN--C -311.9263 _JILIN--C -410.3039 _JIANGSU--C -58.48086 _JIANGXI--C -313.7841 _LIAONING--C

199.2482

_NEIMENGGU--C -991.6281 _NINGXIA--C

-123.4657

第 19 页 共 27 页

2.370231 9.163671 3.053404

0.0183 0.0000 0.0002

华北科技学院基础部综合实验报告

_QINGHAI--C _SHANDONG--C _SHANXI--C _SHANANXI--C _SHANGHAI--C _SICHUAN--C _TIANJIN--C _XIZANG--C _WEIWUER--C _YUNNAN--C _ZHEJIANG--C

-325.9902 -309.9100 -385.3614 58.33777 -539.6382 396.5904 -8.9029 -143.5292 -346.0118 291.3017 79.02821

2500.363 1721.297

_CHONGQING--C -91.7

Effects Specification

Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.932712 Mean dependent var 0.925682 S.D. dependent var

469.2470 Akaike info criterion 15.23213 737555 Schwarz criterion

15.61214

-27.561 Hannan-Quinn criter. 15.38306 132.6753 Durbin-Watson stat 0.000000

0.633671

（表6：面板数据模型第一次局部结果）

PCDI,INVEST,LANDB,COST,GDP五个指标均在5%显著水平下检验通过， R^2=0.933说名字变量与自变量之间线性关系很强。F=132.6753,P值小于0.05，F检验通过说明整体效果不错。修正后的拟合结果非常好。

c的p值较大，但是仍然可以截距在一定程度衡量不同地区的房价程度，北京的截距C=1683.446，远远高于其他省份，从实际情况来看，北京这样的城市，对全国都有很大的吸引力，大量的外来人员到此，所以从人口资源上来讲，北京的投资者及消费者消

第 20 页 共 31 页

华北科技学院

费支付能力较高，可以支撑起很高的房价，广东也有此特征，上海截距低主要是在二十一世纪初上海房价较低，不像北京广州高房价发生早持续久，上海后来才有了爆炸性的增长，所以会出现负值的情况。

（3）影响房价因素分析

由于各指标单位不同比较系数意义不大，所以我们对数据进行处理在进行拟合，我们做模型为了研究哪个因素对房价影响最大，换句话说就是每单位自变量变化1%带来的房价变动的多少。我们用各个指标每相邻年做一阶差分，并求和为s其实就是一段时间内的波动大小，用每个指标除以该指标s就是相对于总波动的比率。这样我们就得到了一个衡量波动百分比的标准并且不再受单位妨碍，使得准确分析各因素所占比率成为可能。

处理后得到的结果：

Variable C PCDI? LANDF? COST? INVEST? GDP? RATE? R-squared

Coefficient Std. Error t-Statistic -0.243160 0.522444 -0.057521 0.107769 -0.233145 0.777465 0.2655

0.098098 -2.478748 0.114693

4.555139

Prob. 0.0137 0.0000 0.0037 0.0391 0.0000 0.0000 0.0020 0.9866 0.679813

0.019702 -2.9195 0.052040

2.070872

0.042268 -5.515912 0.088373 0.086375

8.797518 3.113804

0.933979 Mean dependent var

Adjusted R-squared 0.926884 S.D. dependent var S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.183821 Akaike info criterion -0.4559 11.31968 Schwarz criterion

-0.065767

121.7322 Hannan-Quinn criter. -0.300756 131.31 Durbin-Watson stat 0.000000

0.6183

（表7 修正后的房价影响因素比例系数）

我们对系数做绝对值做饼形图：

第 21 页 共 27 页

华北科技学院基础部综合实验报告

（图11 面板模型中个影响房价因素所占比率）

从表格我们可以看到对房产价格影响最大的是城镇人均GDP和人均可支配收入PCDI，二者占到了该模型因素中的66%，分别为39%和27%。利率RATE和投资INVEST对房产价格也有一定影响但是比前两者较弱些，分别为14和12%。房屋造价COST和当年建成地产LANDF对房价也有一定作用但很微弱，分别为5%和3%。

第 22 页 共 31 页

华北科技学院

第四章 结论以及现实的意义

下面我们对数据进一步分析并得出一些结论，

4.1影响房价的因素进一步分析

A.地区经济发达程度

前面在房地产的特殊性中提到了，房产因为其固定性（不可移动）和长期性（价格高一旦购买即成为超级耐用品），于是人们对于房产的选择极为谨慎。交通周边环境都是非常重要的考量指标。经济越发达地区房价往往越高，例如北京上海这样的国际大都市，其工作机会，配套设施，收入水平都远远高于其他地区，其低价必然非常之高。而衡量一个地区繁荣与否的一个指标就是人均GDP，平均每人创造的产值(本例缩写为GDP)即是经济发展之标志，这在模型中已经验证，所占比例有39%之多，可见决定房价的第一要素即为该地区的经济发展状况。 B.人们的购买力

房产虽然有其特殊性，但是只要是商品就要受着供求关系的作用，就可以从供求角度分析。但是房产不同于一般产品，他是缺乏流动性的，一旦位置固定就不易改变。并且房地产是资金密集型的行业，且有从决定开发到建造的滞后性，资金循环周期长。于是对于房地产商（供应商）投资风险极大，所以房地产的运营模式都是供应追寻需求走，在仔细调研宣传之后才开始进行施工。而不是像有些资金流转速度快的商品，只要确定由市场，不用考虑太多区位因素与风险即可生产。这就决定了房产的建设是需求主导的。 从需求角度考虑，房子是否有人想买，能不能买得起就成了影响房产价格的重要问题。要想得到有效地需求，首先要有购买欲望，这就是刚才讲的A点，地方要好。其次要有购买能力，这就是B点提到的的购买力，用城镇居民可支配PCDI衡量最为合适。所以我们从模型中也可以看到，城镇居民可支配收入PCDI影响比重占了27%。可见需求的质量，购买力的大小很大程度影响着房产价格。 C.利率

利率对于房价的影响比较复杂，首先房产作为资金密集型行业，整个拿地，施工，

第 23 页 共 27 页

华北科技学院基础部综合实验报告

预售的过程自有资金比率并不是很高，根据我国法律法规，再加之房产利用母子公司筹资等方式，房产商自有资金占比率在百分之二到百分之三十甚至更低。银行就起了推动房产的主要力量。所以利率稍一提高，房产的融资成本就会提高很多。

另外在房产市场上还有许多投机者，如果房价有持续上涨趋势，增长率超过贷款利率，不可避免地会产生套利行为。当年的温州炒房团中并非全依靠自有资金，大部分是依靠银行贷款，其身份大多为企业主，商人，因此他们已经与银行建立了良好的合作关系，一般只要能出示自己的收入证明或者营业执照和资产证明，开发商都能帮购房者从银行贷出款来。如果利率上升必然会增加筹资成本，缩小套利空间，抑制需求，平抑房价有一定作用。

综上，利率对房价影响比较复杂，但定性上分析应该是正相关，而模型也说明了利率对房价的正相关作用，其占房价上涨因素比率的14%，也是一股很重要的力量。 D.投资（供应角度）

首先这里的投资指的不是消费者的投资，而是，房地产商全社会对于房地产建设工作量以及全部费用的统称。该指标是住宅建设的规模结构发展速度的综合指标。所以其实是一个供应指标而非一个需求指标，这里不要混淆。该指标INVEST越大则代表供应越大，价格理应降低，说明虽然房产价格需求主导，但是供应仍然是一重要因素。其所占总体比例的12%。

我国性投资较多，此处的投资用的是房地产住宅投资，主要是住宅不涉及写字楼工厂用地等，自2003年我国开始实行“管严土地，看紧信贷“为主的宏观措施。执行“招拍挂”的土地转让制度。并且实行差别信贷。2005年又进一步深化，加大经济适用房建设和廉租房建设，有些地区甚至将其作为考核的主要指标。这段时间不断加大房产供应，通过银行信贷进行的资金收缩对房产的资金供应影响也非常之大，但是这段时间的房产价格却持续走高，房价与背道而驰。而金融危机之后，情况则恰恰相反，房价有下降趋势，而为了救市反而放宽信贷，稳定活跃房地产市场，房价与投资以及操纵货币信贷影响的投资走势又恰恰相反。 E.建设成本

房地产商经常叫嚷着，地价决定房价，地价上涨是房价上涨的“罪魁祸首”那么究竟此种说法是真实的还是房产商自己的借口呢，模型表明竣工成本COST与房产价格影响仅有5%，更何况这竣工成本里地价因素仅占23%（北京市国土资源新闻发言人张维于2005年指出）。所以地价因素不到模型所有因素的1.5%，并且房地产的利润率也是高

第 24 页 共 31 页

华北科技学院

的惊人，建设成本完全可以淹没在利润之中，可见地价是房价上涨的“罪魁祸首”的言论是站不住脚的。 F.市场供应

其实这点刚才在D投资中已经提到，但是不同的是房地产开发企业本年完成开发土地面积（万平方米）LANDF更加直观直接地反映了当年的需求，因为房产需要一个建设周期，供应具有滞后性，当年房地产投资过于笼统并且没有排除滞后性因素。LANDF直接体现当年供应，其指数占3%进一步说明了供应虽然对价格起作用但作用很小。 这是由于房产的需求过于刚性，缺乏弹性，一个人到了结婚成家的年龄，中国的传统观念决定了人们必须安置一套房子。所以房地产市场就出现了一个供应与价格决定分化的情况，消费者决定供应量与地域的选择，但是房产商主导价格。这种情况还是房地产市场特殊性造成的。

G.影响

房产关系着民生，也关系着的财政，所以对于房产价格的心情是矛盾的。而一个影响房价又是多方面的。信贷前面已经分析。廉租房与经济适用房是我国房地产市场的重要组成部分。廉租房与经济适用房的价格明显低于普通商品房，其供应的增加必然会降低房价。招拍挂，限价，规定住房构造等则更加复杂，目前还没有定论也没有好的模型进行解释。限价对房价有一定抑制作用问题可能出现供应不足，或者房产商玩弄手脚，造成失效监管成本增加的负面影响。其他五花八门，要具体情况具体分析，就不在此一一赘述。

4.2 对于的建议

根据以上分析，我们可以看出需求的欲望（地产区位的质量决定）和购买的能力（人均收入）是决定房产价格的最大因素。在大城市高收入地区，由于地区繁华，人们购买能力强其价格必然十分高涨，无论采取什么措施都是难以改变的。并且此种区域所占比例少，一般涉及民生问题较弱，这种状况的根本原因是差距过大，区域发展差距过大，若影响此类地区房价成本高，作用微，且治标不治本。所以可以尽量少加干预此类地区以免扰乱市场秩序，带来不必要的成本。

对于其他非十分繁荣地区，AB因素所占权重不大，利率就显得什么重要，建议从几个层面进行利率信贷，从经济安全层面，要控制房产信贷，防止过热过快增

第 25 页 共 27 页

华北科技学院基础部综合实验报告

长或者过快的下降导致经济硬着陆，从对投机者角度，着重注意改善性住房等的实施，贯彻差别信贷真格，打击炒房行为，以保障民生。把普通民众与投机者分开，给予适当有效的信贷优惠保障民生。信贷相对大多数行政成本低，但是如果使用不当容易产生很大的负面效用，甚至严重影响正常经济运行。

对于供应角度，因为供应对房价影响不大，通过廉租房经济适用房房价是不现实的，但是为了最基本民生，可以提供适当的廉租房经济适用房，但是行使的成本太高，容易产生贪污，浪费，低效的状况，对于弱势的群体提供足够廉租房是必要的，关系着最基本民生，且实施成本较低。经济适用房参与过程繁琐，容易出现各种问题，还应再慎重考量其使用。

至于其他行政，如户型等直接干预房产建设的，这些往往死板僵硬，不符合基本市场规律，不建议过多采用，还需仔细考量，充分发挥市场调节作用。

可见，行政效率，以及房产刚性程度大小会影响福利的分配。若转换效率高于刚性需求所造成的成本转嫁率，则可以提高消费者福利，反之，降低消费者效率。但是无论效率高低，必然会降低整个社会的福利。另外过于繁杂的税收以及土地出让的高价多多少少会对市场产生负面影响，降低房产市场效率。

另外房产方面对于收入比率过大，造成房产绑架财政的局面，不利于许多的实施。所以我建议减少各种重复不合理税收，降低土地出售对财政的比重，充分发挥市场对房产市场的调节作用。

以上是我们经过数据分析提出合理性的建议，因为有数据分析结果作为支撑，相信会有更多的人接受这些意见，当然房地产价格的分析也不是一尘不变的，其影响因素过于繁多，分析方法也有很多，这也是后续有待改进的地方。

第 26 页 共 31 页

华北科技学院

参考文献

[1]谢平，转型之惑-中国金融四十人纵论房价走势与经济风险，中国经济出版社 [2]易宪容，房价博弈，中国经济出版社

[3]黄石松，陈红梅，房价之谜，社会科学文献出版社 [4]丁芸，武永春，房地产经济学，首都经济贸易大学出版社 [5]童光荣，何耀，计量经济学实验教程，武汉大学出版社 [6]王志强，范勇，房产价格影响因素浅析，青岛科技大学 [7]石磊，上海的房子：解读上海房产，上海大学出版

[8]上海社会科学院房地产业研究中心 上海市房产经济学会 中国房价周期波动区域差异的经济分析 上海社会科学院出版

[9]汪洋，视野下的高房价研究，民族大学

第 27 页 共 27 页