基于經濟因素影響安徽省房價的實證研究

黃華繼 王 絮

（安徽財經大學金融學院，安徽蚌埠 233041）

基于經濟因素影響安徽省房價的實證研究

黃華繼 王 絮

（安徽財經大學金融學院，安徽蚌埠 233041）

通過主成分分析方法分析影響安徽省房價的各因素之間的相互關系，將眾多影響房價的因素簡化為幾個少數的且相互之間不存在多重共線性的經濟因素，構建安徽省房價經濟預測模型，分析影響安徽省房價的具體經濟因素指標，針對建立的經濟模型分析說明經濟因素對安徽省房價的影響程度。研究表明：對安徽省房價上漲具有正向推動作用的有安徽生產總值GDP，各種價格總指數，城鎮居民家庭人均可支配收入，貨幣供應量，國內旅游經濟指標；負方向變動的是美元兌人民幣的匯率水平。

經濟因素；安徽；住房價格；主成分分析

近十幾年以來，隨著經濟的發展，人民生活水平的提高，居民生活的住房價格也在急速的上升。住房價格的持續走高直接影響了我國居民的生活水平，降低了我們的生活質量。中國是一個擁有傳統家庭觀念的國家，每個人都希望擁有一套屬于自己的住房，但是居高不下的住房價格讓許多中低收入居民買不起房。在整個社會體系中影響房價的因素有社會因素，主要包括人口密度、家庭結構、消費心理等；政治因素，主要包括政策法規，稅收等；經濟因素，主要包括國內生產總值，物價水平等。

一、 住宅價格影響因素的研究

對房價影響的問題，國內外許多學者對此進行了大量的研究和探討。其中，初雷（2009）[1]分別從定性和定量角度分析影響北京市房地產價格影響因素，他認為房價的高低主要由政府調控來控制；王華欣（2009）則[2]通過建立VAR模型用定量的實證分析方法探討影響我國房地產價格的因素，其分析結果顯示，推動房價上漲的主要因素是由于銀行對房地產投資的過熱導致的，因為中國的房地產資金百分之六十都是由銀行貸款取得。金克鎮（2013）[3]通過對房地產價格的影響因素和房地產價格預測模型研究，利用天津市2005—2012年數據，從常住人口、商品住宅新開工面積、商品住宅銷售面積、城鎮居民可支配收入、地區生產總值等多個因素對天津市房地產價格的影響因素進行實證分析，認為房價是受宏觀以及微觀因素的共同影響。但是以上的各個研究基本上都是綜合分析各個方面的影響，對這些影響因素進行的理論分析和邏輯推理分析，具體的根據某一特定方面的因素進行主成分理論分析進行計量檢驗的并不常見。本文在以前學者研究的基礎上，進行定量和定性分析影響安徽省房價的經濟因素研究。

二、 安徽省房價影響因素的模型設定

（一）定量指標的選取與說明

由于在影響房價的因素中，并非所有的都可以通過數據進行量化，所以在眾多影響因素中，選擇可以量化的指標是進行模型分析的關鍵，也是本文的核心。本文在對房價影響的經濟因素當中選取了影響安徽省房價的六個經濟指標：安徽生產總值（X1）；各種價格總指數（X2）；城鎮居民家庭人均可支配收入（X3）；貨幣供應量（X4）；國內旅游經濟指標（X5）；美元兌人民幣匯率（X6）；財政收入增長速度（X7）；財政收入支出增長速度（X8）；從業人員總數（X9）；安徽省房價作為被解釋變量Y。

通過使用Eviews軟件對變量進行回歸，進行多重共線性的檢測判斷自變量的方差膨脹因子（VIF）是否大于10，如果大于10，表明模型存在嚴重的多重共線性，則不能將模型進行簡單的線性回歸，首先要消除多重共線性，可以選擇運用主成分分析方法消除。主成分分析是一種消除多重共線性的方法，其基本原理將原來的具有相關關系的變量組成一組新的互相無關的幾個綜合變量，再根據其貢獻率來選取能反映絕大部分的原有變量信息的主成分進行回歸分析，最后根據主成分與解釋變量之間的對應關系，求得原回歸模型的估計方程。

（二）模型的建立與說明

建立模型之前，選擇安徽省房價作為因變量Y，影響安徽省房價的各個因素作為自變量Xi（i=1,2,3,4,5,6,7,8,9,），樣本容量為n。通過Eviews軟件將數據進行回歸，判斷是否具有多重共線性。如果存在多重共線性則使用主成分分析方法消除多重共線性，再根據標準化后的變量建立新的模型。對變量數據進行標準化是為了消除變量之間的量綱關系從而使數據具有可比性，因為在經濟計量的數據指標中大多數都具有不同的量綱，使其指標值的數量級也不一樣，所以在應用這些指標的時候會出現一些其他的新問題。由于相同的量綱之間是不可以進行加總的，因而就算變量之間已經在形式上組成線性組合，也不能準確地解釋其經濟學意義。建立主成分所需要的特征向量，所對應的是樣本相關矩陣的特征值。主成分的過程也就是求相關矩陣特征向量和特征值的過程，主成分的個數確定過程存在兩個指標，首先是要確定其標準也就是累計貢獻率達到85%以上；其次，是在其特征根的均值以下。

（三）對數據進行多元線性回歸

Y=-7987.19+0.744X1-7.686X2+0.32X3-0.21X4-1. 73X5+5 043X6-1.99X7-5.74X8+1.33X9

回歸結果顯示：回歸的判斷系數為0.99，說明模型對樣本數據的擬合程度很好，有顯著的統計學意義。F值為2 006.3，表明模型中的所有解釋變量對被解釋變量總影響是顯著的。但模型中的方差膨脹因子VIF大于10，模型存在嚴重的多重共線性，所以將模型進行簡單的最小二乘，估計是不能夠反映自變量對解釋變量的影響以及影響方向和影響程度的。

三、用spss16.0進行主成分分析

（一）用SPSS 16.0標準化后的相關系數矩陣計算（見表1）

表1 用spss16.0標準化后的相關系數矩陣計算

表2 用SPSS16.0將數據進行標準化后的主成分分析所得到的特征根，貢獻率以及累計貢獻率

表3

用spss16.0將數據進行標準化后的主成分分析所得到的特征根，貢獻率以及累計貢獻率。（見表2）

根據以上數據可知，第一個主成分的累計貢獻率達到73.313%，說明第一個因子概括了原變量總方差的73.313%的信息；第二個主成分的累計貢獻率為88.414%，說明第二個主成分反映了原變量方差的88.414%的信息。以上結果顯示，兩個主成分在累計貢獻率標準為85%的情況下，已經基本反映了原變量的總體情況。

表3顯示的初始因子載荷矩陣可知，安徽生產總值、城鎮居民家庭人均可支配收入、貨幣供應量、美元兌人民幣匯率、從業人員總數以及國內旅游經濟指標在第一主成分上具有較高載荷，說明第一主成分基本反映了這些信息；然而財政收入的增長速度和財政支出的增長速度則在第二指標上具有較高的載荷，說明第二個主成分基本反映了財政收入增長速度以及財政支出增長速度兩個指標的信息。所以提出兩個主成分可以基本反映全部指標的信息，可以用兩個新的變量來代替原來的九個變量。但是這個兩個變量不能直接從輸出窗口中得到，因為“Component Matrix”是指初始因子載荷矩陣，每一個載荷量表示主成分與對應變量的相關系數。但是主成分模型需要的不是因子載荷量而是特征向量，所以還需要將因子載荷量輸入數據編輯窗口，利用“主成分相應特征根的平方根與特征向量乘積為因子載荷量”的性質。

根據計算結果得出主成分的表達式為：

（其中Zxi（i=1,2,3,4,5,6,7,8,9）是標準化后的數據）

利用Eviews軟件將被解釋變量安徽省房價Y與所得到的主成分F1，F2進行最小二乘，估計所得到的主成分綜合模型為：

回歸結果顯示，模型的判斷系數為0.986，說明模型的擬合優度較強，具有統計學意義，且F統計量也通過了檢驗，方差膨脹因子小于10，各個解釋變量之間不存在多重共線性，以上結果均表示該模型能夠很好地解釋每一個變量對被解釋變量的反應程度。將原來的數據代入到該回歸方程中，得到的被解釋變量與解釋變量之間的反應方程式為：

四、結果分析及建議

根據經過修正后的反應方程式顯示，各種價格總指數，貨幣供應量以及財政收入的增長速度對安徽省房價的影響較大，而且每一個變量對房價的影響都是正向的。數據顯示：安徽國內生產總值每變動1%，房價的變動為0.018%；各種物價指數每變動1%，房價的變動為0.52%；城鎮居民家庭人均可支配收入每變動1%，房價的變動為0.07%；貨幣供應量每變動1%，房價的變動為0.07%；國內旅游經濟指標每變動1%，房價變動0.44%；美元兌人民幣每變動1%，房價變動0.73%；安徽省財政收入增長速度每變動1%，房價的變動為0.44%；安徽省財政支出增加速度每變動1%，房價變動0.18%；就業人口總數每變動1%，房價變動0.13%。說明這些因素在房價上升過程中具有不可忽視的推動作用。

一個地區的房價水平，在一定程度上反映了一個地區的經濟發達水平，我國北京、上海等一線發達城市的房價水平永居第一，其經濟發展水平也已經與國際發達城市接軌。對于安徽這樣一個位于東部跨江近海的內陸省份來說，房價的高低也是決定其能否進入一線城市的決定因素之一。但是，過高的房價使許多普通的住戶買不起房，導致多數普通住戶購房者一直為購房奔波，嚴重地影響了人民的生活質量。

如何對房價進行調控，有以下幾點建議：第一，由以上數據顯示可知，對房價變動影響因素較大的主要是各種物價變動指數、國內旅游變動指標以及財政的收入增長指標，根據這些因素對房價的變動影響制定相對應的政策；第二，國家可以通過調控貨幣的供應量，減少商業銀行對房地產開發商的貸款發放率，提高對其發放貸款的條件，銀行方面要審查貸款的發放，避免一人多貸，一物多壓，為一些購房投機者提供資金致使房價被炒作上升；第三，在宏觀經濟方面，對物價指數進行調控，過高的物價指數在一定程度上掩蓋了居民的實際生活水平，導致很多中低收入居民買不起房子[4]；第四，要大力發展和建設普通居民能夠買得起的經濟適用房，根據不同的居民群建設適合的房戶類型。

五、結束語

本文對安徽省房價影響因素的研究仍然有許多不足，例如在選取解釋變量的過程中并沒有涵蓋全部的經濟因素變量，導致在分析影響因素以及提出建議時具有一定的局限性。

[1]初雷.中國房地產價格影響因素分析——以北京房地產市場為例[D].沈陽：遼寧大學，2009：2-13.

[2]王華欣.我國房地產價格及其影響因素分析[D].濟南：山東大學，2009：21-26.

[3]金克鎮.關于房價影響因素的理論分析與實證研究——以天津市為例[D].天津：天津師范大學，2013：32-34.

[4]徐玲玲，邱繼勤.重慶市房地產價格波動對居民消費影響的實證研究[J].重慶理工大學學報：社會科學版，2014（4）.

（責任編輯：朱 丹）

An Empirical Study of the Economic Factors Affecting the Housing Prices in Anhui

HAUNG Huaji WANG Xu
(School of Finance, Anhui University of Economics and Finance, Bengbu, Anhui 233041, China)

This paper analyzes the interrelationship among the factors that affect the housing price in Anhui by the principal component analysis method. The many factors that affect the housing price can be simplified to a few economic factors that are on non-mutually multi-collinearity. This paper builds up the economic forecasting model to analyze the specific economic index system that affects the housing price in Anhui. And with the model how the housing price in Anhui is affected by the economic factors is analyzed. Studies have shown that the housing price in Anhui has been positively promoted by Anhui GDP, the overall price index, the average disposable income of urban residents, the amount of money supply, the domestic tourism economic indicators and the changes of USD dollar exchange rate with Renminbi in the negative direction.

economic factors; Anhui; housing prices; principal component analysis

F293.3

A

1009-8135（2015）01-0040-04

2014-10-05

黃華繼（1965-），男，安徽歙縣人，安徽財經大學金融學院副教授，碩士生導師。王 絮（1989-），女，安徽安慶人，安徽財經大學金融學院碩士研究生。