我國房地產(chǎn)價格影響因素的實證分析

董春游

摘要：房地產(chǎn)是我國國民經(jīng)濟發(fā)展的重要支柱，近年來，其價格居高不下。為了探究房地產(chǎn)價格變動的影響因素，本文通過模型推導(dǎo)，選取了人口數(shù)量、物價指數(shù)、收入水平、貸款利率、人均GDP和土地價格等6個指標(biāo)作為解釋變量，與被解釋變量房地產(chǎn)價格進行多元線性回歸分析；利用拉格朗日乘數(shù)（LM）法檢驗回歸方程的自相關(guān)性；并用逐步回歸法剔除回歸結(jié)果的多重共線性。最終確認房價主要受人口數(shù)量、物價指數(shù)、貸款利率和土地價格的影響，本研究對以后分析具體房地產(chǎn)項目的經(jīng)濟效益和風(fēng)險評價具有指導(dǎo)意義。

Abstract： Real estate is an important pillar of the national economic development in China. In recent years， house price remains high. In order to explore the influencing factors of real estate price changes， through model derivation， this paper selects six indicators as population， price index， income level， loan interest rate， per capita GDP and land price as explanatory variables， and explained variable， real estate prices for regression analysis； Lagrange multiplier （LM） method was used to test the autocorrelation of the regression equation； and the stepwise regression method was used to eliminate the multicollinearity of regression results. Finally， it is confirmed that house price is mainly affected by the population quantity， price index， loan interest rate and land price. This study has instructive significance to analyze the economic benefit and risk evaluation of specific real estate project in the future.

關(guān)鍵詞：房地產(chǎn)價格；多元回歸；實證分析；LM檢驗

Key words： real estate price；multiple regression；empirical analysis；LM test

中圖分類號：F293.33 文獻標(biāo)識碼：A 文章編號：1006-4311（2017）02-0040-04

0 引言

隨著中國經(jīng)濟的逐漸發(fā)展，房地產(chǎn)行業(yè)不斷壯大，并已成為國民經(jīng)濟的重要組成部分。在新常態(tài)下，房地產(chǎn)價格波動異常猛烈，2001年初至2002上半年房地產(chǎn)價格不斷下降，從2002下半年到2005年初的房地產(chǎn)價格開始逐步上升，并抵擋了為期兩年的市場沖擊，但2007，下半年房價開始下降，直到2009首季度才反彈降落并迅速攀升，達到歷史高點。如此頻繁的房價波動具有潛在的隱患，對中國經(jīng)濟的發(fā)展是有百害而無一利的。因此，研究中國的房地產(chǎn)價格波動的主要經(jīng)濟因素，對防止當(dāng)前和未來中國可能由房地產(chǎn)引發(fā)的經(jīng)濟危機著重要的現(xiàn)實意義。

西方國家有著發(fā)達的市場經(jīng)濟，對房地產(chǎn)價格機制的研究較早，在強調(diào)政府作用的同時，也普遍關(guān)注市場規(guī)律的作用[1]。而對于房地產(chǎn)市場，內(nèi)部機制的研究相當(dāng)豐富。在大量的實證研究中，人口因素經(jīng)常被用來解釋和預(yù)測房地產(chǎn)價格的變化和趨勢，如Kallberg等人在針對美國早期一些城市的住房價格研究中，認為二戰(zhàn)后生育嬰兒高峰是人們購買房屋，房價的上漲的主要原因[2]。Brzezicka和Wisniewski分析了威爾士和英國住宅交易量和宏觀經(jīng)濟的波動，尤其是在上世紀80年代揭示了金融自由化的影響，主要研究房地產(chǎn)市場交易量和人口結(jié)構(gòu)的變化關(guān)系，最后得出結(jié)論，住宅需求波動是在市場成交量轉(zhuǎn)變的關(guān)鍵因素[3]。Saita、Shimizu和Watanabe考慮到滯后過程，認為房地產(chǎn)價格與模型的變化、住房建設(shè)成本、就業(yè)和收入有直接的關(guān)系，得出利率和房地產(chǎn)價格呈負相關(guān)的結(jié)論[4]。Stevenson通過研究發(fā)現(xiàn)，英國房貸利率和長期利率掛鉤制度是導(dǎo)致英國近幾年房地產(chǎn)價格上漲的主要原因[5]。同時，國內(nèi)學(xué)者也進行了大量的的中國房地產(chǎn)價格波動研究[6-8]，馮濤和楊達對GDP和銀行貸款進行分析，認為銀行的貸款并不影響房地產(chǎn)價格[9]。袁博和劉園則認為長期外資流入是導(dǎo)致是中國房價上漲的一個重要因素[10]。顧海峰通過房地產(chǎn)價格的實證分析，主要側(cè)重于匯率和利率，得出結(jié)論：匯率與房地產(chǎn)價格之間呈正相關(guān)關(guān)系，利率與房地產(chǎn)價格呈負相關(guān)關(guān)系[11]。本文正是基于以上研究的成果，對影響房地產(chǎn)價格的因素進行深入探討。

1 房地產(chǎn)價格的理論模型

2 數(shù)據(jù)來源、指標(biāo)解釋及研究方法

本文選取的是2000年-2014年的年度數(shù)據(jù)，數(shù)據(jù)主要來源于國家統(tǒng)計局的《中國統(tǒng)計年鑒》和中國人民銀行官方網(wǎng)站。房地產(chǎn)價格（HP）由商品房平均銷售價格表示，反映我國房地產(chǎn)價格的平均高低；收入水平（Income）由城鎮(zhèn)單位就業(yè)人員平均工資表示，表明普通工薪階層購買住房的經(jīng)濟能力，由于國家統(tǒng)計局對這兩個指標(biāo)的記錄始于2000年，因此本文盡可能收集的最大時間跨度的數(shù)據(jù)。

人口數(shù)量（People）由當(dāng)年年末總?cè)丝跀?shù)表示，該指標(biāo)統(tǒng)計了對房地產(chǎn)需求的群體數(shù)量；物價水平（CPI）即通貨膨脹程度由居民消費價格指數(shù)表示；經(jīng)濟發(fā)展水平由人均國內(nèi)生產(chǎn)總值（GDP）表示，能夠說明房地產(chǎn)行業(yè)在什么樣的宏觀經(jīng)濟下發(fā)展；土地價格（Land）由房地產(chǎn)開發(fā)企業(yè)土地購置費用表示，是房地產(chǎn)開發(fā)建設(shè)較大的投入部分，這些指標(biāo)的數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》。貸款利率（Interest）則來源于中國人民銀行官方網(wǎng)站。具體分析數(shù)據(jù)見表1。

本文研究方法：首先對被解釋變量（HP）和被解釋變量（People、CPI、Income、Interest、GDP、Land）做了單位根檢驗，確定他們是平穩(wěn)的時間序列；用最小二乘法（OLS）做多元線性回歸分析；利用逐步回歸法剔除模型中存在的多余變量以消除多重共線性；最后采用拉格朗日乘數(shù)（LM）統(tǒng)計量檢驗回歸方程的殘差序列是否存在高階自相關(guān)。

3 模型檢驗與實證分析

3.1 數(shù)據(jù)的平穩(wěn)性檢驗

為了防止“偽回歸”現(xiàn)象的出現(xiàn)，在實證分析之前，首先對搜集的各個指標(biāo)數(shù)據(jù)分別進行單位根（ADF）檢驗，通過該檢驗查看時間序列的平穩(wěn)性。零假設(shè)為存在單位根[16]，若拒絕原假設(shè)，則時間序列平穩(wěn)?？紤]到本文選取的指標(biāo)本身具有明顯的滯后特點，因此各時間序列均在滯后1階或2階的條件下進行檢驗，結(jié)果顯示如表2。

從表2中可以看出，本文選取的指標(biāo)，在滯后一階或二階后的檢驗值分別小于1%、5%的顯著水平下的臨界值，因此可以拒絕這7個時間序列有單位根的假設(shè)，認為這些指標(biāo)在多個顯著性水平下，都是平穩(wěn)的時間序列。

3.2 建立多元回歸模型

此時，數(shù)據(jù)的擬合程度很高，各個變量在5%或10%的水平下均是顯著的。但是D.W.=1.61，在樣本容量為15，解釋變量為5（包括常數(shù)項）的情況下，介于下限0.69與上限1.97之間，根據(jù)杜賓、瓦森的推導(dǎo)，不能確定該模型是否存在自相關(guān)性，因此需要借助其他方法進一步判斷。

3.4 自相關(guān)性檢驗

拉格朗日乘數(shù)法（LM）是另一種檢驗自相關(guān)性的方法，原假設(shè)為各階自相關(guān)系數(shù)皆為零，LM統(tǒng)計量=Obs*R-squared漸進服從卡方分布。一般，在Eviews中觀察P值，如果P值比較小，比如小于0.005，則拒絕原假設(shè)，認為原模型存在自相關(guān)。

LM統(tǒng)計量顯示，回歸方程的殘差序列不存在2階自相關(guān)。因此方程（6），能夠很好地反映房地產(chǎn)價格與其影響因素的關(guān)系。圖1展示了真實值與擬合值之間的關(guān)系，紅色曲線代表實際值，綠色曲線代表擬合值曲線，藍色為殘差曲線。

4 結(jié)論

從以上分析中主要得到如下結(jié)論：

第一，人口數(shù)量和土地價格與房地產(chǎn)價格呈正相關(guān)關(guān)系，彈性系數(shù)分別為0.3、0.11。由于人口數(shù)量和土地價格絕對數(shù)值比較大，每年即使變動1%，都會造成房地產(chǎn)價格的明顯波動，因此彈性系數(shù)的大小，并不直接表示對房地產(chǎn)價格影響的重要程度。

第二，貸款利率與房地產(chǎn)價格成正相關(guān)關(guān)系，彈性系數(shù)為447.7。在迅速攀升的房價和巨大的投機利益面前，銀行貸款利率的增加，不會給購房者帶來額外的負擔(dān)?？涨巴⒌氖袌鲂枨螅瑢?dǎo)致房地產(chǎn)價格不斷上升，投資者并沒有因為加息而推遲購買計劃。

第三，物價水平與房地產(chǎn)價格成負相關(guān)關(guān)系，彈性系數(shù)為-65.55。物價水平的變動對房地產(chǎn)價格的影響主要有兩個方面，一是物價上漲，人們更傾向于購買生活必需品而非房產(chǎn)；二是人們通過購買房地產(chǎn)來保值，以應(yīng)對不斷上漲的通貨膨脹率。在這兩種趨勢的綜合作用下，物價水平負向影響房地產(chǎn)價格，說明人們對房地產(chǎn)市場的熱情正在減退，不再盲目的跟風(fēng)入市，這與早期的研究是不同的[18]。

此外，其他的經(jīng)濟政策因素也會影響房地產(chǎn)的價格[19-21]。例如，國家對土地供給的調(diào)控與分配；金融市場管制，抑制投機活動；通過調(diào)節(jié)貨幣供應(yīng)量間接影響房價；外匯傳導(dǎo)機制的應(yīng)用等等，在將來的研究中應(yīng)該對這些因素進行深入的分析。本文通過定量研究，確定了影響房地產(chǎn)價格的重要因素，包括人口數(shù)量、物價水平、貸款利率和土地價格，這對以后分析具體房地產(chǎn)項目的經(jīng)濟效益分析和風(fēng)險評價具有重要意義。

參考文獻：

[1]CVIJANOVID. Real Estate Prices and Firm Capital Structure [J]. Review of Financial Studies， 2014， 27（9）： 2690-735.

[2]KALLBERG J G， LIU C H， PASQUARIELLO P. On the Price Comovement of U.S. Residential Real Estate Markets [J]. Real Estate Economics， 2014， 42（1）： 71-108.

[3]BRZEZICKA J， WISNIEWSKI R. Price Bubble In The Real Estate Market - Behavioral Aspects [J]. Real Estate Management & Valuation， 2014， 22（1）： 77-90.

[4]SAITA Y， SHIMIZU C， WATANABE T. Aging and real estate prices： evidence from Japanese and US regional data [J]. International Journal of Housing Markets & Analysis， 2016， 9（1）： 66-87.

[5]LEE C L， STEVENSON S， LEE M L. Futures Trading， Spot Price Volatility and Market Efficiency： Evidence from European Real Estate Securities Futures [J]. Journal of Real Estate Finance & Economics， 2014， 48（2）： 299-322.

[6]王慶芳.我國房地產(chǎn)價格、經(jīng)濟增長與信貸擴張研究——基于房地產(chǎn)雙重資產(chǎn)屬性的分析[J].現(xiàn)代財經(jīng)：天津財經(jīng)大學(xué)學(xué)報，2015（1）：32-44.

[7]王凌云.房地產(chǎn)價格膨脹與經(jīng)濟發(fā)展的滯脹壓力分析[J].統(tǒng)計與決策，2016（5）：94-97.

[8]王勁松，韓克勇，趙琪.貨幣政策對房地產(chǎn)股票價格的影響研究[J].東岳論叢，2016，37（3）：115-24.

[9]馮濤，楊達，張蕾.房地產(chǎn)價格與貨幣政策調(diào)控研究——基于貝葉斯估計的動態(tài)隨機一般均衡模型[J].西安交通大學(xué)學(xué)報（社會科學(xué)版），2014，34（1）：15-21.

[10]袁博，劉園.中國房地產(chǎn)價格波動的宏觀經(jīng)濟要素研究———基于可變參數(shù)狀態(tài)空間模型的動態(tài)研究[J].中央財經(jīng)大學(xué)學(xué)報，2014，1（4）：97-103.

[11]顧海峰，張元姣.貨幣政策與房地產(chǎn)價格調(diào)控：理論與中國經(jīng)驗[J].經(jīng)濟研究，2014（1）：29-43.

[12]高巨.以供需模型分析房地產(chǎn)價格形成機理[J].沿海企業(yè)與科技，2016（2）：14-16.

[13]陳靖.新常態(tài)下房地產(chǎn)供需狀況分析[J].中外企業(yè)家，2015（7）：39-41.

[14]林天水，陳文靜，王淑超.非均衡視角下合肥市房地產(chǎn)供需平衡研究[J].巢湖學(xué)院學(xué)報，2016，18（1）：52-6.

[15]王大港，劉伊生.我國房地產(chǎn)價格與宏觀經(jīng)濟動態(tài)關(guān)系研究——基于省際數(shù)據(jù)的PVAR模型[J].價格理論與實踐，2015（6）：67-69.

[16]高鐵梅.計量經(jīng)濟分析方法與建模[M].清華大學(xué)出版社，2009.

[17]何曉群.應(yīng)用多元統(tǒng)計分析[M].中國統(tǒng)計出版社，2010.

[18]周海波.房地產(chǎn)價格影響因素的實證研究[J].海南大學(xué)學(xué)報（人文社會科學(xué)版），2009，27（5）：537-543.

[19]李立新，呂福鵬.土地供應(yīng)及其對房地產(chǎn)市場價格的影響[J].沈陽建筑大學(xué)學(xué)報（社會科學(xué)版），2015（1）：62-67.

[20]陳新峰，王子柱.房地產(chǎn)價格影響因素實證分析[J].現(xiàn)代物業(yè)·新建設(shè)，2015（1）：82-87.

[21]徐淑一，殷明明，陳平.央行貨幣政策工具調(diào)控房地產(chǎn)價格的可行性[J].國際金融研究，2015（2）：35-44.