上海市住宅价格的影响因素的实证统计分析_行政管理论文

一、绪论
近年来，上海房地产市场的持续火热已经引起社会的广泛关注。房价的飙升带来的蜗居式的生活以及还房贷的高压力持续地影响着人们的生活水平和社会的和谐发展。但是，近年来房价的调控政策却收效甚微，房价一路高涨是不争的事实。我们认为，上海市住宅市场价格的波动多种因素共同作用的结果，但是各种因素的影响程度是不同的。因此，我们要识别那些会显著影响房地产价格的波动的因素，并且有针对性地制定房价调控的政策。
从供给与需求角度国内学者对房价的影响因素进行分析时基本都认为房价是由供求关系决定的。价格理论认为，市场中的价格实际上是供给曲线与需求曲线交点所对应的均衡价格，而且所有影响房产价格的因素都是通过影响供求关系进而发生作用的。所以，我们在研究价格时一般先从供给和需求的角度开始，找出达成价格均衡的因素，从而揭开价格谜底。而且S.W.Decarlo（1997）指出引起房地产市场波动的原因主要有供求变化、空置率、货币政策、就业水平、人口趋势、法规政策、家庭规模等，他认为其中供求是最重要的因素。
我们预期房价（price）会受到国内生产总值（GDP）、贷款利率（InterestRate）、房地产开发投资额（Investment）、人口数量（population）和季节（quarter）因素的影响。我们用科布道格拉斯函数预计各个系数的影响，两边取对数可以得到回归方程为：
在这个方程中，我们lnprice表示住宅价格的对数，lninv表示房地产投资的对数，lnGDP表示上海国内生产总值的对数，lnpop表示上海市常住人口的对数，Interest_Rate表示贷款利率，Exchange_Rate表示汇率，q1，q2，q3表示三个季节的dummyvariable，（以第四季度为basegroup）.我们可以看出，lninv、lnGDP、lnpopu前面的系数表示房地产投资额、GDP、人口每变动1%对房价变动的影响弹性，而interest_rate、exchange_rate表示利率和汇率每变动一个百分点，对于房价的影响。
二、数据分析
为了增强模型的可用性，我们在采取宏观月度数据进行分析。房地产投资和上海市常住人口来自于中经网统计数据库，住宅价格通过中经网统计数据库中住宅的销售额和销售面积的比值得到。
（一）采取简单OLS回归
第一步，因为我们并不确定这些变量对于房价是否有显著影响，所以我们将这些可能影响房价的因素全部放进回归模型里面，先采普通OLS回归，以便确定各变量是否显著。回归结果如下所示：
（二）各个系数的含义及其显著性
回归的结果显示，GDP，利率和第一第二第三季度在95%的置信水平上对房价的影响显著，而房地产投资额、人口和汇率对房地产价格的影响不显著。GDP每增长1%，房价会相应的增长1.33%，利率每上升1%，房价会相应的下跌0.09%，在假设第四季度为基期的情况下，第一、二、三季度的房价相对于第四季度来说分别高出22%、17%和19%。
其中，人口、汇率的系数的方向与预期不符。预期应该人口的增加应该带来房价上涨，间接法下汇率的降低意味着人民币升值，会吸引更多外资进入房地产行业从而推高房价。
各个自变量之间的variance-covariance矩阵见下表：
从以上的variance-covariance矩阵，我们可以看出，模型中不存在多重共线性的问题。
（三）测试不显著的变量是否可以去掉
由上述分析可见，房地产投资额、人口及汇率对于住宅价格的影响在统计意义上并不显著，我们通过F检验来检验其显著性。
F-statistic为0.37，p值为0.7783，因此我们无法拒绝这三个变量不显著的原假设。因此，我们可以将这三个因素去掉，以精简模型，增强模型的效率。
如果模型中加入了irrelevantvariables，虽然relevantvariables前面的系数依然是unbiasedandconsistent，但是它们的系数的方差会变大，尤其是上文中我们发现人口、汇率与房地产投资额均与GDP有比较强的相关关系，所以我们有必要在检验了这些变量的影响都不显著的情况下，将这些变量扔掉，重新建立房价的影响因素模型，以便更准确地估计GDP和利率对与房价的影响。
（四）在下一步建模过程[第一论文网提供论文代写和代写论文的服务，欢迎光临www.001lunwen.com]中，我们仅保留GDP和利率以及季节虚拟变量，重新进行OLS回归
同样，为了避免出现伪回归，我们检查其残差序列的平稳性，采用ADF检验，滞后期选择一期，得到的检验统计量为-3.068，5%的criticalvalue为-2.93，因此我们可以在5%的水平上拒绝残差序列存在单位根的原假设，因此上述回归模型不是spuriousregression。
在其他因素不变的情况下，GDP增长1%，住宅价格上涨126.5%，利率上涨1%。住宅价格下降10%。第一季度的房价平均比第四季度高20%，第二季度房价平均比第四季度高15%，第三季度房价平均比第第四季度高19%，各个变量的系数都是显著的。整个模型的R-square为0.76，F统计量为33.7，p值小于10-4，因此整个回归模型是显著的。
但是进行运用BG检验检验序列的自相关性，我们发现，检验统计量的值为4.503，p值为0.0338，拒绝不存在自相关的原假设，因此我们用AR模型对于上述模型进行调整，即加入价格的一期滞后项作为自变量，然后进行回归，进一步得到回归后的方程为：
在其他因素不变的情况下，上个月房价增长1%，带来当月房价增长38.9%，GDP增长1%，住宅价格上涨74%，利率上涨1%。住宅价格下降6%。第一季度的房价平均比第四季度高13.3%，第二季度房价平均比第四季度高11.2%，第三季度房价平均比第第四季度高13.5%，各个变量的系数在95%的置信度水平上都是显著的。并且运用BG检验检验序列的自相关性，我们发现，检验统计量的值为0.978，p值为0.3227，可以接受不存在自相关的原假设。
（五）建立误差修正模型（ECM）
因为残差项平稳，所以我们认为房价、GDP和利率之间有协整关系，即存在长期均衡关系。而上述OLS模型则描述了它们三者之间的长期均衡关系。为了考察其短期影响，进一步可以建立误差修正模型。
检验上一期的Residual前的系数是否显著。t-statistic为-4.12，criticalvalue采取Engle-ADFtest-3.34，因此在5%的水平上，我们可以拒绝上一期residual不显著的原假设。可以认为，当上一期的房价偏离了GDP和利率确定的长期均衡房价时，房价会在市场机制的作用下向均衡方向调整，并且这个调整在统计意义上是显著的。
在修正的误差模型下，只有GDP在95%的置信水平下对房价的影响是显著的，即其他变量保持不变的情况下，GDP的增长率每上升1%，房价的增长率会上升0.98%，而上一期的房价以及本期的利率对房价变动的影响在90%的置信水平下是不显著的。
从上面的误差修正模型，我们可以看出，本期GDP的变化对于房价的影响十分显著，GDP增长率变化1，房价的增长率变化0.98，因此我们更想关注GDP和房价之间的变动关系。除了当月GDP的变化率会影响房价的变化率外，以前月份的GDP变化率对于房价的变化利率有没有显著影响呢？如果有，我们就可以利用以前月份的GDP变化率来推算当前月份的房价变化率，对于我们更好地预测房地产价格走向具有重要意义。
对GDP和房价进行ADF检验，我们发现，它们均为一阶单整过程，也就是dlnGDP和dlnprice均为平稳时间序列，分别代表GDP的变化率和房价的变化率。因此，我们通过可以建立ARDL模型，来考察dlnGDP和dlnprice的动态变化关系。
模型中各项系数在10%的水平上显著。即在置信度为90%的水平上，当期GDP的增长率与房价的增长率正相关，当期的GDP增长率每上升1%，房价的增长率会上升0.81%前一期GDP的增长率与当期房价的增长率负相关，前一期的GDP增长率每上升1%，会带来房价增长率0.83%的下跌。前两期的房价增长率均与当期的房价增长率负相关，前一个月的房价增长率每上涨1%，本月的房价增长率会下降0.43%，两个月前的房价增长率每上升1[第一论文网提供论文代写和代写论文的服务，欢迎光临www.001lunwen.com]%，本月的房价增长率会相应下跌0.44%。通过上述ADRL模型我们可以估计，当GDP的增长率（dlnGDP）永久变化1unit，对房价的long-runeffect将为（0.81-0.83）/（1-（-0.43-0.44））=-0.01，即带来房价的增长率减少0.01。
而且通过BG检验，我们发现，检验统计量3.23，p值为0.35，所以我们可以接受无自相关的原假设。即我们通过建立动态模型，已经消除了简单运用普通OLS回归存在的序列自相关导致的标准差不准确的问题。
三、结论
本文旨在分析上海住宅价格的影响因素，先对于可能影响住宅价格的GDP、利率、汇率、人口、房地产投资额和季度虚拟变量进行OLS回归，结果发现汇率、人口和房地产投资额对于房价的影响并不显著。因此，挑出主要的影响因素GDP、利率和季度虚拟变量建立一个精简的OLS模型，经过检验，其残差序列是平稳的，因此可以认为，我们找到了房价与GDP、利率以及季节Dummy之间的长期协整关系。发现，在其他因素不变的情况下，上个月房价增长1%，带来当月房价增长38.9%，GDP增长1%，住宅价格上涨74%，利率上涨1%。住宅价格下降6%。第一季度的房价平均比第四季度高13.3%，第二季度房价平均比第四季度高11.2%。
为了考察他们的短期调整关系，我们建立了误差修正模型，发现，当上一期的房价偏离了GDP和利率确定的长期均衡房价时，房价会在市场机制的作用下向均衡方向调整。在误差修正模型中，我们发现，当期GDP增长率的变动对于当期房价增长率的变动有着显著影响，因此，我们有必要进一步探索GDP和房价之间的关系。
通过ADF检验，我们发现GDP和房价是一阶单整过程，因此我们建立房价dlnGDP和dlnprice的ARDL模型，以考察两者之间的动态关系。结果发现，在置信度为90%的水平上，当月GDP的增长率与房价的增长率正相关，前一月GDP的增长率与当月房价的增长率负相关。前两月的房价增长率均与当月的房价增长率负相关。通过上述ADRL模型我们可以估计，当GDP的增长率（dlnGDP）永久变化1unit，对房价的long-runeffect将为（0.81-0.83）/（1-（-0.43-0.44））=-0.01，即带来房价的增长率减少0.01。
四、政策建议
尽管一般认为房价的影响因素错综复杂，但是通过实证研究，我们发现，可以显著影响房地产价格波动的因素并不多。因此，通过实证研究，能够为我们提供一个调控房地产市场，促进房价合理回归的比较清晰的思路。比如通过本文的研究，长期来看，从数量关系上，其他因素不变的情况下，GDP增长1%，住宅价格上涨126.5%。因此，我们不能一味地追求高增长，然而我们也可以发现，当我们更深层次地考察GDP的增长率和房价增长率的Granger因果关系时，结论是前4个月GDP增长率的并不grangercause当月房价增长率的变动。所以，如果为了控制过快高涨的房价，过度批判经济的过快增长和刻意遏制经济增长的步伐的做法显然也是不可取的。