全國(guó)主要城市房?jī)r(jià)影響因素的回歸分析

欒天怡

（中國(guó)人民大學(xué)　經(jīng)濟(jì)學(xué)院，北京　100872）

?

全國(guó)主要城市房?jī)r(jià)影響因素的回歸分析

欒天怡

（中國(guó)人民大學(xué)經(jīng)濟(jì)學(xué)院，北京100872）

[摘要]采用2000-2014年全國(guó)18個(gè)主要城市的面板數(shù)據(jù)，以住宅商品房平均銷售價(jià)格為因變量，以住宅商品房銷售額、房地產(chǎn)住宅開(kāi)發(fā)投資額、住宅商品房施工房屋面積、住宅商品房竣工面積、住宅商品房新開(kāi)工面積、住宅商品房銷售面積、總?cè)丝跀?shù)、年份為自變量進(jìn)行回歸分析。通過(guò)豪斯曼等檢驗(yàn)，得出結(jié)論：影響全國(guó)主要城市住房?jī)r(jià)格最重要的因素是住宅商品房銷售額和房地產(chǎn)住宅開(kāi)發(fā)投資額。政策建議：政府應(yīng)促進(jìn)房地產(chǎn)開(kāi)發(fā)商加大開(kāi)發(fā)住宅投資額；政策調(diào)控應(yīng)符合當(dāng)?shù)氐禺a(chǎn)結(jié)構(gòu)和當(dāng)年市場(chǎng)情形；貨幣政策調(diào)控房?jī)r(jià)要注重實(shí)際變量。

[關(guān)鍵詞]房?jī)r(jià)；銷售額；投資額；影響因素；結(jié)論；政策建議

一、研究意義

自古以來(lái)房子就在中國(guó)人心中占有極其重要的地位，所謂安土重遷，人們不愿意離開(kāi)家鄉(xiāng)，主要原因就是不想離開(kāi)自己的住房。人們更希望有一個(gè)自己的家，一個(gè)固定的長(zhǎng)期的家，而短期的租房并不能滿足人們對(duì)于家的追求，人們會(huì)盡可能的買(mǎi)一套屬于自己的房子。房子不僅是居住的場(chǎng)所，也是一種投資，是最大的不動(dòng)產(chǎn)，有保值增值的能力，這時(shí)房?jī)r(jià)就成了全社會(huì)都極其關(guān)注的一項(xiàng)價(jià)格指標(biāo)，而不僅僅是針對(duì)有居住需要的人。眾所周知，全國(guó)中總體房?jī)r(jià)較貴的就是北京、上海、廣州這樣的一線城市，且城市越發(fā)達(dá)，房?jī)r(jià)普遍越貴，然而除了一線城市的其他城市房?jī)r(jià)普遍都高，日益上漲的房?jī)r(jià)早已超出了大多數(shù)人們的可負(fù)擔(dān)范圍，同時(shí)也引發(fā)了固定投資占比過(guò)大、信貸危機(jī)加深等一系列問(wèn)題。有數(shù)據(jù)表明，2008年我國(guó)房?jī)r(jià)收入比1 (平均為11.06，其中北京為22.6，上海為13.9，遠(yuǎn)遠(yuǎn)超過(guò)了國(guó)際公認(rèn)的3到6年的合理標(biāo)準(zhǔn)[1]。盡管?chē)?guó)家曾出臺(tái)過(guò)國(guó)六條、國(guó)八條等相關(guān)方案，可是效果卻不明顯，并沒(méi)有遏制住房?jī)r(jià)大幅上漲的趨勢(shì)。而每一個(gè)人都需要有住房，房?jī)r(jià)和每一個(gè)人都息息相關(guān)，所以本文以房屋中的住宅商品房房?jī)r(jià)為例，運(yùn)用全國(guó)18個(gè)主要城市的房?jī)r(jià)信息來(lái)研究究竟是什么因素影響房?jī)r(jià)，以解釋或預(yù)測(cè)房?jī)r(jià)變化并相應(yīng)給出穩(wěn)定房?jī)r(jià)的政策建議。房?jī)r(jià)收入比=每套房屋平均價(jià)格/每戶家庭平均年收入,其表示一個(gè)家庭使用全部收入購(gòu)買(mǎi)一套住房時(shí)所需的時(shí)間(或年限)。文中的測(cè)算所利用的原始數(shù)據(jù)來(lái)源于中國(guó)資訊行數(shù)據(jù)庫(kù),其中計(jì)算“房?jī)r(jià)”時(shí)采用的每套住房平均面積為90平方米(一般經(jīng)濟(jì)適用房的標(biāo)準(zhǔn)),“收入”為雙職工家庭的年平均可支配收入。)

二、文獻(xiàn)綜述

究竟是什么因素影響房?jī)r(jià)的變動(dòng)，學(xué)界并沒(méi)有給出一個(gè)統(tǒng)一的答案。綜合前人的已有研究，總結(jié)所被采用的模型有以下五種。第一種，多元線性回歸模型。曾鑠寓(2015)和郭曉宇(2014)首先畫(huà)出因變量與各個(gè)解釋變量的散點(diǎn)圖，從圖中看出線性關(guān)系，建立模型，分別得到了房?jī)r(jià)主要受到地區(qū)生產(chǎn)總值的影響[2]和人均可支配收入是影響當(dāng)期房?jī)r(jià)的最主要因素[3]的結(jié)論,并且曾鑠寓(2015)還運(yùn)用了進(jìn)入法和逐步回歸法。黨光遠(yuǎn)和楊濤(2014)把影響因素分為供給和需求兩個(gè)方面，得到了影響唐山房?jī)r(jià)的因素中地區(qū)生產(chǎn)總值和住宅竣工面積是最重要的兩個(gè)因素[4]。時(shí)維闊和張坤(2009)得出房?jī)r(jià)受人均可支配收入、房屋平均造價(jià)和房屋竣工面積三方面因素影響的結(jié)論[5]。第二種，雙對(duì)數(shù)模型。劉廣平、陳立文、許海平(2015)用面板數(shù)據(jù)進(jìn)行層級(jí)回歸，得到了以下結(jié)論：一是經(jīng)適房?jī)r(jià)格對(duì)商品房?jī)r(jià)格產(chǎn)生了顯著的正向影響；二是經(jīng)適房供給量對(duì)商品房?jī)r(jià)格產(chǎn)生了顯著的負(fù)向影響;三是經(jīng)適房供給量在兩者之間起著正向的調(diào)節(jié)作用[6]。第三種，楊貴中和鄧學(xué)芬(2007)先是采用對(duì)數(shù)線性模型進(jìn)行逐步回歸，發(fā)現(xiàn)殘差不符合正態(tài)分布，改用多項(xiàng)式混合模型，進(jìn)行檢驗(yàn)和事后模擬，得到影響成都市住房?jī)r(jià)格最重要的因素是市區(qū)人口和住宅施工面積這一結(jié)論[7]。第四種，VEC模型。況偉大(2005)、嚴(yán)金海(2006)、鄭娟而和吳次芳(2006)、宋勃和高波(2007)運(yùn)用VEC模型研究房?jī)r(jià)與地價(jià)的關(guān)系。第五種，面板數(shù)據(jù)模型。例如平新喬和陳敏彥(2004)、沈悅和劉洪玉(2004)、梁云芳和高鐵梅(2007)、況偉大(2008)都采取了面板數(shù)據(jù)。

對(duì)于影響房?jī)r(jià)的因素，有以下兩種觀點(diǎn)。一種是以中國(guó)房地產(chǎn)業(yè)協(xié)會(huì)的楊慎(2003)、包宗華(2004)和以陳淮(2004)為代表的認(rèn)為土地交易刺激了房?jī)r(jià)，由于土地競(jìng)拍和出讓費(fèi)用促使房?jī)r(jià)上漲，即成本推動(dòng)。另一種是需求拉動(dòng)，是房地產(chǎn)市場(chǎng)供需關(guān)系的緊張使得房子供不應(yīng)求，才推高了房?jī)r(jià)。就實(shí)證結(jié)果來(lái)看，Raymond(1998)證明房?jī)r(jià)與地價(jià)不存在因果關(guān)系。周京奎(2005)研究認(rèn)為寬松的貨幣政策使得房?jī)r(jià)上漲。王愛(ài)儉、沈慶劼(2007)運(yùn)用1999-2004年的數(shù)據(jù)以及相關(guān)研究估計(jì)的人民幣匯率低估幅度等進(jìn)行實(shí)證分析,認(rèn)為匯率低估會(huì)造成經(jīng)濟(jì)結(jié)構(gòu)傾斜,之后低估匯率的調(diào)整所引發(fā)的經(jīng)濟(jì)結(jié)構(gòu)復(fù)位都會(huì)導(dǎo)致房地產(chǎn)價(jià)格的上漲[8]。

借鑒已有研究，本文從供給和需求兩方面選取自變量，從兩個(gè)角度進(jìn)行研究，建立面板數(shù)據(jù)回歸模型，進(jìn)行單位根檢驗(yàn)、協(xié)整檢驗(yàn)以及豪斯曼檢驗(yàn)，研究與房?jī)r(jià)息息相關(guān)的重要因素，判別究竟是成本推動(dòng)還是需求拉動(dòng)以及其中的影響因素是什么。

三、理論模型

(一)變量選取與樣本數(shù)據(jù)

1.變量選取

經(jīng)過(guò)國(guó)內(nèi)外的研究，普遍認(rèn)為，影響城市商品住宅價(jià)格的因素主要分為五類:經(jīng)濟(jì)因素、社會(huì)因素、政策因素、自然因素以及心理因素[4]。此處不涉及利率等宏觀貨幣因素和政府的影響，把相關(guān)因素歸結(jié)為供給和需求兩方面。

(1)需求方面

①總?cè)丝跀?shù)

總?cè)丝跀?shù)為年末該城市的所有人口，包括戶籍人口和流動(dòng)人口，反應(yīng)住房的全部需求，也包括短暫的需求。人是需求的主體，總?cè)丝跀?shù)的增加必然會(huì)帶來(lái)對(duì)住宅需求的增長(zhǎng)，若是需求大于供給，必然會(huì)導(dǎo)致房?jī)r(jià)上漲。不僅是常駐的戶籍人口會(huì)考慮購(gòu)進(jìn)住房，甚至是流動(dòng)人口在房?jī)r(jià)逐年上漲的大趨勢(shì)下也會(huì)先下手為強(qiáng)，趁著現(xiàn)在的房?jī)r(jià)比未來(lái)低的形勢(shì)，購(gòu)買(mǎi)住房。

②住宅商品房銷售面積

銷售面積反映的是消費(fèi)者的購(gòu)買(mǎi)水平，也就是需求情況，所以銷售面積越大，需求越多，價(jià)格也應(yīng)該越高。

③住宅商品房銷售額

銷售額越高，說(shuō)明購(gòu)買(mǎi)的越多，人們的需求高，房?jī)r(jià)也應(yīng)該越高。

(2)供給方面

①房地產(chǎn)開(kāi)發(fā)住宅投資額

當(dāng)有更多的錢(qián)投資到建房上，說(shuō)明供給更多，當(dāng)需求不變時(shí)，價(jià)格會(huì)下降。當(dāng)開(kāi)發(fā)住宅投資額增加時(shí)，說(shuō)明成本相應(yīng)降低，消費(fèi)者應(yīng)該負(fù)擔(dān)的相應(yīng)減少，房?jī)r(jià)也會(huì)向下浮動(dòng)。

②住宅商品房施工面積

施工面積更大，預(yù)期的房子供應(yīng)越多，相應(yīng)的，房?jī)r(jià)會(huì)降低。當(dāng)施工面積增大時(shí)意味著土地的成本也相應(yīng)降低，而土地是建造住宅的成本，成本降低使得供給曲線向下移動(dòng)，均衡價(jià)格也降低。

③住宅商品房竣工房屋面積

竣工面積說(shuō)明了實(shí)際的住宅供給，竣工面積越大，供給越多，房?jī)r(jià)越低。

④住宅商品房新開(kāi)工面積

新開(kāi)工面積說(shuō)明了這一年新增住宅的多少，反映新增的住宅供給，面積越大，供給越多，房?jī)r(jià)也會(huì)越低。這一指標(biāo)反應(yīng)的是今年的供給變化，也就是變動(dòng)幅度，是對(duì)今年新增加購(gòu)買(mǎi)住房人數(shù)的預(yù)估，反映預(yù)測(cè)的市場(chǎng)行情。

2.樣本選取與數(shù)據(jù)來(lái)源

本文選取一線城市和副省級(jí)城市共18個(gè)作為全國(guó)主要城市進(jìn)行研究，具體包括北京市、天津市、上海市、廣州市、深圳市、大連市、哈爾濱市、沈陽(yáng)市、長(zhǎng)春市、南京市、寧波市、濟(jì)南市、武漢市、西安市、杭州市、廈門(mén)市、青島市和成都市?？紤]到數(shù)據(jù)的完整性，本文選取2000—2014年以上城市住宅商品房的年度數(shù)據(jù)，數(shù)據(jù)來(lái)源于中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫(kù)、中國(guó)統(tǒng)計(jì)年鑒和樓市白皮書(shū)。為了消除通貨膨脹的影響，本文以2000年為基期，利用居民消費(fèi)價(jià)格指數(shù)進(jìn)行平減。

(二)模型的建立

觀察單位是中國(guó)18個(gè)主要城市從2000年至2014年的數(shù)據(jù)，總觀察值的個(gè)數(shù)本應(yīng)為18×15=270，由于2000年除北京、天津、上海外其余城市房?jī)r(jià)數(shù)據(jù)缺失以及2002年部分城市銷售額數(shù)據(jù)缺失和一些城市某些年份相應(yīng)數(shù)據(jù)缺失，實(shí)際的觀察值為217個(gè)。以住宅商品房平均銷售價(jià)格P(元/平方米)為因變量，其余自變量分別為：住宅商品房銷售額sales (萬(wàn)元)，房地產(chǎn)開(kāi)發(fā)住宅投資額invest(萬(wàn)元)，住宅商品房施工房屋面積S1(萬(wàn)平方米)，住宅商品房銷售面積S2(萬(wàn)平方米)，住宅商品房新開(kāi)工面積S3(萬(wàn)平方米)，住宅商品房竣工面積S4(萬(wàn)平方米)，總?cè)丝跀?shù)pop(萬(wàn)人)。除了以上變量，還應(yīng)加入線性趨勢(shì)項(xiàng)，即年份year，共8個(gè)自變量。由于面板數(shù)據(jù)同時(shí)兼具時(shí)間和截面兩個(gè)維度的變化特征，使得結(jié)果可信度更高，同時(shí)消除完全多重共線性的影響，建立如下的面板數(shù)據(jù)回歸模型：

Pit=β0+β1salesit+β2investit+β3S1it+β4S2it+β5S3it+β6S4it+ β7popit+β8yearit+μit

四、數(shù)據(jù)描述

單從數(shù)據(jù)來(lái)看，住宅商品房平均銷售價(jià)格逐年上漲，除了個(gè)別城市個(gè)別年份的房?jī)r(jià)激高外，上漲幅度較小且較為緩慢，保持平穩(wěn)增長(zhǎng)。住宅商品房銷售額也呈逐年平穩(wěn)遞增的態(tài)勢(shì)，且漲幅比房?jī)r(jià)更小，總體上仍符合銷售額越高，房?jī)r(jià)越高的規(guī)律。房地產(chǎn)開(kāi)發(fā)住宅投資額總體也呈平穩(wěn)上升趨勢(shì)，漲幅不大。住宅商品房平均銷售價(jià)格、住宅商品房銷售額、房地產(chǎn)開(kāi)發(fā)住宅投資額都存在某幾個(gè)點(diǎn)異常高，異常高的點(diǎn)可能是北京、上海等高房?jī)r(jià)城市，但并不是每一年都是如此，說(shuō)明即使是北京和上海也只是在個(gè)別年份有異常高的價(jià)格，并不是年年如此，總體上還是符合全國(guó)房?jī)r(jià)平緩增長(zhǎng)的態(tài)勢(shì)。部分城市的施工面積逐年增加，且增長(zhǎng)率逐年加大，部分城市呈M型增長(zhǎng)，第一個(gè)峰值出現(xiàn)在2005年，第二個(gè)峰值出現(xiàn)在2013年，且13年的峰值高于05年，可見(jiàn)總體還是呈現(xiàn)上漲趨勢(shì)，并且全國(guó)來(lái)看，并沒(méi)有出現(xiàn)類似離群點(diǎn)或異常值，可見(jiàn)全國(guó)施工面積水平相當(dāng)，只有在05年和13年兩個(gè)峰值時(shí)差距最大。施工面積部分城市上下波動(dòng)，部分城市逐年上漲，且上漲幅度增大，逐漸與其他城市拉開(kāi)差距，還有部分城市呈現(xiàn)M型增長(zhǎng)，峰值聚集在05年前后且峰值異常高，與其他城市的差距也最大。新開(kāi)工面積大多呈現(xiàn)上下波動(dòng)或M型波動(dòng)，在05年之前，各城市差距較大，05年之后縮小，但各點(diǎn)之間不密集，分散均勻。銷售面積總體呈穩(wěn)步增長(zhǎng)態(tài)勢(shì)，兩個(gè)城市普遍高于其他城市，且呈M型，可以判斷為北京和上海兩個(gè)城市，峰值同樣出現(xiàn)在20005年前后，2007年為最高點(diǎn)，之后大幅遞減，11年之后又有緩步提升。從總?cè)丝跀?shù)變化中可以發(fā)現(xiàn)較為明顯的規(guī)律，這18個(gè)主要城市可以歸為三類。第一類是500萬(wàn)人以下的，10年之前人口緩慢上漲，10年后漲幅相對(duì)10年之前有所提高，城市人口差距開(kāi)始拉大。第二類是500萬(wàn)人以上1500萬(wàn)人以下，07年之前基本保持不變，僅有少量增長(zhǎng)，07年之后增長(zhǎng)加快，城市間差距明顯拉大，到2015年已經(jīng)達(dá)到1500萬(wàn)人。第三類，1300萬(wàn)人以上，10年之前增長(zhǎng)率逐年增長(zhǎng)，10年之后增長(zhǎng)率又開(kāi)始緩慢下降，總體人口一直處于上升，直到2015年已經(jīng)達(dá)到2500萬(wàn)人，可以推知是北京和上海市?？梢?jiàn)，在分析數(shù)據(jù)時(shí)，我們可以看到各年的各項(xiàng)指標(biāo)變化，推斷出某一年發(fā)生了巨大變化，是重要的轉(zhuǎn)折點(diǎn)，我們?cè)诜治鰯?shù)據(jù)時(shí)也要結(jié)合當(dāng)年的政策情況和市場(chǎng)行情進(jìn)行相應(yīng)調(diào)整和分析。

圖1-圖7為各個(gè)變量隨年份變化的散點(diǎn)圖。

圖1　平均售價(jià)(元/平方米)

圖2　銷售額(萬(wàn)元)

圖3　開(kāi)發(fā)住宅投資額(萬(wàn)元)

圖4　施工面積(萬(wàn)平方米)

圖5　竣工面積(萬(wàn)平方米)

圖6　新開(kāi)工面積(萬(wàn)平方米)

圖7　銷售面積(萬(wàn)平方米)

圖8　總?cè)丝跀?shù)(萬(wàn)人)

五、結(jié)果分析

(一)單位根檢驗(yàn)

為了避免偽回歸，我們對(duì)數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)。單位根檢驗(yàn)分為同質(zhì)單位根檢驗(yàn)和異質(zhì)單位根檢驗(yàn)[9]，方法共有五種，分別為L(zhǎng)LC檢驗(yàn)(Levin,Lin和Chu,2002)、IPS檢驗(yàn)(Im,Pesaran和Shin,2003),Breitung檢驗(yàn),Fisher檢驗(yàn)(包括ADF和PP檢驗(yàn))和Hadri檢驗(yàn)(Hadri,2000)。其中LLC檢驗(yàn)、Breitung檢驗(yàn)和Hadri檢驗(yàn)是假設(shè)面板數(shù)據(jù)中各截面序列具有相同單位根過(guò)程。而IPS檢驗(yàn)、Fisher檢驗(yàn)面板數(shù)據(jù)中各截面序列具有不同單位根過(guò)程。其中只有Hadri檢驗(yàn)類似于時(shí)間序列中的KPSS檢驗(yàn),原假設(shè)是面板數(shù)據(jù)中各截面序列都不含有單位根[1]。此處選擇同質(zhì)面板的LLC檢驗(yàn)和異質(zhì)面板的ADF-Fisher檢驗(yàn)作為代表進(jìn)行檢驗(yàn)，結(jié)果如表1。

表1　單位根檢驗(yàn)

由以上結(jié)果可知，當(dāng)單位根檢驗(yàn)出有單位根時(shí)，進(jìn)行一階差分，再做單位根檢驗(yàn)，若仍有單位根，再進(jìn)行二階差分，檢驗(yàn)單位根，若仍有單位根，繼續(xù)進(jìn)行差分，直到?jīng)]有單位根，此處進(jìn)行到二階差分，不再有單位根，證明數(shù)據(jù)平穩(wěn)，且LLC檢驗(yàn)和ADF-Fisher檢驗(yàn)結(jié)果相同。

(二)協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)是考察變量間長(zhǎng)期均衡關(guān)系的方法。面板數(shù)據(jù)的協(xié)整檢驗(yàn)方法可以分為兩大類,一種是原假設(shè)為不存在協(xié)整關(guān)系,使用類似Engle和Granger(1987)平穩(wěn)回歸方程,從面板數(shù)據(jù)中得到殘差構(gòu)造統(tǒng)計(jì)量進(jìn)行檢驗(yàn),如Pedroni(1999),Kao(1999)就屬于類似分析;另一類是Maddala和Wu(1999)基于Fisher所提出的單個(gè)因變量聯(lián)合檢驗(yàn)結(jié)論,該方法通過(guò)聯(lián)合單個(gè)截面?zhèn)€體Johansen協(xié)整檢驗(yàn)的結(jié)果,獲得對(duì)應(yīng)于面板數(shù)據(jù)的檢驗(yàn)統(tǒng)計(jì)量[1]。運(yùn)用stata給出結(jié)果見(jiàn)表2。

表2　協(xié)整檢驗(yàn)

有表2可知，Gt和Ga不能拒絕原假設(shè)，Pt和Pa統(tǒng)計(jì)顯著，能夠拒絕原假設(shè)，表明存在異質(zhì)性協(xié)整關(guān)系。而進(jìn)行Kao檢驗(yàn)的ADF統(tǒng)計(jì)顯著證明序列間有協(xié)整關(guān)系。通過(guò)了協(xié)整檢驗(yàn)，說(shuō)明變量之間存在著長(zhǎng)期穩(wěn)定的均衡關(guān)系，其方程回歸殘差是平穩(wěn)的。因此可以在此基礎(chǔ)上直接對(duì)原方程進(jìn)行回歸，此時(shí)的回歸結(jié)果是較精確的。

(三)豪斯曼檢驗(yàn)

1.理論選擇

固定效應(yīng)主要適用于研究不同樣本的不同特征，而隨機(jī)效應(yīng)更適合于研究由樣本推斷總體特征。此處我們從18個(gè)城市15年的數(shù)據(jù)中找出規(guī)律，是為了得到全國(guó)房?jī)r(jià)的影響因素，而不是分割的看待這18個(gè)城市，所以用隨機(jī)效應(yīng)更符合文本的設(shè)定。

2.驗(yàn)證

首先，用固定效應(yīng)進(jìn)行回歸，得到結(jié)果如表5-3(1)。其次，用隨機(jī)效應(yīng)進(jìn)行回歸，得到結(jié)果如表5-3(2)。接著，進(jìn)行Hausman檢驗(yàn)，得到結(jié)果如下：

H0：difference in coefficients not systematic

chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 2.03

Prob>chi2 = 0.9169 (V_b-V_B is not positive definite)

由此，我們不能拒絕原假設(shè)，所以選擇隨機(jī)效應(yīng)進(jìn)行回歸。

3.隨機(jī)效應(yīng)回歸

根據(jù)隨機(jī)效應(yīng)回歸結(jié)果，

其中的一些變量如年份以及所有和面積相關(guān)的變量并不顯著，所以選取剩余的最顯著的銷售額和投資額這兩個(gè)變量再次進(jìn)行隨機(jī)效應(yīng)回歸，得到結(jié)果如表3所示。

Pit=5674.641+0.0018267salesit|0.0018976investit

(2664.971) (0.0002792) (0.0004748)

可以初步判斷全國(guó)主要城市房?jī)r(jià)與銷售額和房地產(chǎn)開(kāi)發(fā)住宅投資額有關(guān)，且與銷售額成正比，與房地產(chǎn)開(kāi)發(fā)住宅投資額成反比。

表3　北京市房?jī)r(jià)的線性回歸模型

六、結(jié)論

通過(guò)以上定性定量分析可以看出，影響全國(guó)主要城市住宅商品房房?jī)r(jià)的主要因素是住宅商品房銷售額與房地產(chǎn)開(kāi)發(fā)住宅投資額，它們分別是需求方與供給方的典型代表。銷售額越高，表明售出的房子越多，反映對(duì)房子的需求高；開(kāi)發(fā)投資額越多，表明房地產(chǎn)商加大投入，降低成本，側(cè)面使得房?jī)r(jià)降低。銷售額每增加一萬(wàn)元，房?jī)r(jià)每平方米上漲0.0018267元，房地產(chǎn)開(kāi)發(fā)住宅投資額每增加一萬(wàn)元，房?jī)r(jià)每平方米下降0.0018967元，房地產(chǎn)開(kāi)發(fā)住宅投資額基本每年都在增加，但房?jī)r(jià)卻沒(méi)有降低，可見(jiàn)銷售額的影響各為深遠(yuǎn)，即需求因素的影響要遠(yuǎn)大于供給因素的影響，消費(fèi)主導(dǎo)著市場(chǎng)，使得價(jià)格波動(dòng)主要取決于需求方?？梢?jiàn)，但從結(jié)果看來(lái)，需求拉動(dòng)和成本推動(dòng)都起了一定的作用，但實(shí)際上就本文的數(shù)據(jù)以及得出的結(jié)論來(lái)看，需求拉動(dòng)的影響更大，銷售額與房?jī)r(jià)和成交的數(shù)量有關(guān)，成交量大幅度增加也會(huì)使得銷售額迅猛增長(zhǎng)。

結(jié)合2015年的實(shí)際情況，在各種利好政策的刺激下，金融財(cái)稅政策頻出促消費(fèi)去庫(kù)存，市場(chǎng)運(yùn)行環(huán)境日趨寬松，需求得到釋放，成交量不斷攀升，相比供應(yīng)量下滑，供需矛盾加大，房?jī)r(jià)上行壓力很可能進(jìn)一步加大，房?jī)r(jià)只增不減。從需求端來(lái)看，中央多輪降準(zhǔn)降息、降首付、減免稅費(fèi)等降低購(gòu)房成本，推動(dòng)需求入市;地方政策靈活調(diào)整，采取稅費(fèi)減免、財(cái)政補(bǔ)貼、取消限購(gòu)限外等多措施刺激消費(fèi)。從供應(yīng)端來(lái)看，土地供應(yīng)控規(guī)模、調(diào)結(jié)構(gòu)，并加大保障性住房貨幣化安置，改善市場(chǎng)環(huán)境?？傮w來(lái)看，當(dāng)前經(jīng)濟(jì)增速下行和高庫(kù)存壓力下，政府更加重視房地產(chǎn)在促進(jìn)消費(fèi)和拉動(dòng)投資方面的重要作用，政策聚焦于挖掘房地產(chǎn)消費(fèi)潛能，鼓勵(lì)需求入市，進(jìn)而恢復(fù)并帶動(dòng)投資信心。在多重政策支持下，市場(chǎng)需求大幅釋放，樓市總體回暖趨勢(shì)基本明確。若是要預(yù)測(cè)未來(lái)的房?jī)r(jià)，住宅商品房銷售額與房地產(chǎn)開(kāi)發(fā)住宅投資額是要著重考慮的因素。若是要阻止房?jī)r(jià)繼續(xù)上漲，應(yīng)加大房子的供給，再結(jié)合限購(gòu)和利息政策可以達(dá)到一定的效果。

七、政策建議

本文并沒(méi)有把利率和政府的政策作為研究的因素，并不說(shuō)明這些因素不對(duì)房?jī)r(jià)產(chǎn)生影響，而實(shí)際上它們些許的變化就可能引起房?jī)r(jià)的波動(dòng)，所以在提出政策建議時(shí)應(yīng)把它們考慮在內(nèi)。根據(jù)本文得出的結(jié)論，房?jī)r(jià)與住宅商品房銷售額和房地產(chǎn)開(kāi)發(fā)住宅投資額有關(guān)，但由于銷售額影響因素諸多，難以人為控制，此處難以針對(duì)該因素給出具體可行的政策建議，其他的政策建議如下：

第一，促進(jìn)房地產(chǎn)開(kāi)發(fā)商加大開(kāi)發(fā)住宅投資額。營(yíng)造良好的房地產(chǎn)市場(chǎng)秩序和氛圍，使得房地產(chǎn)商對(duì)房地產(chǎn)未來(lái)前景充滿信心，加大投資開(kāi)發(fā)力度，降低建筑房屋成本，進(jìn)而壓低房產(chǎn)價(jià)格，同時(shí)也使得消費(fèi)者對(duì)房產(chǎn)市場(chǎng)充滿信心，促進(jìn)良性循環(huán)。

第二，政策調(diào)控應(yīng)符合當(dāng)?shù)氐禺a(chǎn)結(jié)構(gòu)和當(dāng)年市場(chǎng)情形。政策的有效貫徹和實(shí)施就要要求對(duì)癥下藥，不可一概而論，全國(guó)大大小小的城市雖有共性，但把握其不同地區(qū)的獨(dú)特性才是能對(duì)市場(chǎng)進(jìn)行調(diào)節(jié)的關(guān)鍵所在。同時(shí)還要結(jié)合近幾年的趨勢(shì)變化進(jìn)行預(yù)測(cè)，以便于對(duì)未來(lái)的變化及時(shí)有效地做出反應(yīng)，靈活應(yīng)對(duì)。

第三，貨幣政策調(diào)控房?jī)r(jià)要注重實(shí)際變量[8]?，F(xiàn)如今，宏觀經(jīng)濟(jì)通貨膨脹居高不下，實(shí)際利率很低甚至可能為負(fù)數(shù)，更加可能會(huì)造成房地產(chǎn)的泡沫，只有切實(shí)關(guān)注實(shí)際變量，比如實(shí)際利率、實(shí)際GDP、實(shí)際資本金等指標(biāo)，貨幣政策才可能切實(shí)有效。

[參考文獻(xiàn)]

[1]王岳龍,武鵬.房?jī)r(jià)與地價(jià)關(guān)系的再檢驗(yàn)——來(lái)自中國(guó)28個(gè)省的面板數(shù)據(jù)[J].南開(kāi)經(jīng)濟(jì)研究,2009(4):131-143

[2]曾鑠寓.關(guān)于房?jī)r(jià)影響因素的回歸分析[J].商業(yè)研究, 2015(30):270

[3]郭曉宇.我國(guó)房?jī)r(jià)影響因素的實(shí)證分析[J].時(shí)代金融, 2014(18):22-23

[4]黨光遠(yuǎn),楊濤.唐山市房?jī)r(jià)影響因素的多元線性回歸分析[J].河北聯(lián)合大學(xué)報(bào)(社會(huì)科學(xué)版),2014(2):21-25

[5]時(shí)維闊,張坤.我國(guó)房?jī)r(jià)影響因素的實(shí)證分析[J].北方經(jīng)濟(jì),2009,24:25-27

[6]劉廣平,陳立文,許海平.經(jīng)濟(jì)適用房能降低房?jī)r(jià)嗎?——基于經(jīng)濟(jì)適用房供給量的調(diào)節(jié)作用分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2015(2):106-112

[7]楊貴中,鄧學(xué)芬.成都市房?jī)r(jià)影響因素的回歸分析與事后模擬[J].價(jià)值工程,2007(4):46-50

[8]董志勇,官皓,明艷.房地產(chǎn)價(jià)格影響因素分析:基于中國(guó)各省市的面板數(shù)據(jù)的實(shí)證研究[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2010(2):98-103

[9]吳莉莉,夏方舟.土地市場(chǎng)化程度及其對(duì)房?jī)r(jià)的影響研究——基于面板數(shù)據(jù)模型的山東省實(shí)證分析[J].東岳論叢,2014(6):134-138

[責(zé)任編輯：潘洪志]

[收稿日期]2016-02-18

[中圖分類號(hào)]F620

[文獻(xiàn)標(biāo)識(shí)碼]B