我國房地產價格影響因素的實證分析

董春游

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

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.

關鍵詞：房地產價格；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 文獻標識碼：A 文章編號：1006-4311（2017）02-0040-04

0 引言

隨著中國經濟的逐漸發展，房地產行業不斷壯大，并已成為國民經濟的重要組成部分。在新常態下，房地產價格波動異常猛烈，2001年初至2002上半年房地產價格不斷下降，從2002下半年到2005年初的房地產價格開始逐步上升，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，對中國經濟的發展是有百害而無一利的。因此，研究中國的房地產價格波動的主要經濟因素，對防止當前和未來中國可能由房地產引發的經濟危機著重要的現實意義。

西方國家有著發達的市場經濟，對房地產價格機制的研究較早，在強調政府作用的同時，也普遍關注市場規律的作用[1]。而對于房地產市場，內部機制的研究相當豐富。在大量的實證研究中，人口因素經常被用來解釋和預測房地產價格的變化和趨勢，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，主要研究房地產市場交易量和人口結構的變化關系，最后得出結論，住宅需求波動是在市場成交量轉變的關鍵因素[3]。Saita、Shimizu和Watanabe考慮到滯后過程，認為房地產價格與模型的變化、住房建設成本、就業和收入有直接的關系，得出利率和房地產價格呈負相關的結論[4]。Stevenson通過研究發現，英國房貸利率和長期利率掛鉤制度是導致英國近幾年房地產價格上漲的主要原因[5]。同時，國內學者也進行了大量的的中國房地產價格波動研究[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價格[9]。袁博和劉園則認為長期外資流入是導致是中國房價上漲的一個重要因素[10]。顧海峰通過房地產價格的實證分析，主要側重于匯率和利率，得出結論：匯率與房地產價格之間呈正相關關系，利率與房地產價格呈負相關關系[11]。本文正是基于以上研究的成果，對影響房地產價格的因素進行深入探討。

1 房地產價格的理論模型

2 數據來源、指標解釋及研究方法

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

人口數量（People）由當年年末總人口數表示，該指標統計了對房地產需求的群體數量；物價水平（CPI）即通貨膨脹程度由居民消費價格指數表示；經濟發展水平由人均國內生產總值（GDP）表示，能夠說明房地產行業在什么樣的宏觀經濟下發展；土地價格（Land）由房地產開發企業土地購置費用表示，是房地產開發建設較大的投入部分，這些指標的數據均來源于《中國統計年鑒》。貸款利率（Interest）則來源于中國人民銀行官方網站。具體分析數據見表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（LM）統計量檢驗回歸方程的殘差序列是否存在高階自相關。

3 模型檢驗與實證分析

3.1 數據的平穩性檢驗

為了防止“偽回歸”現象的出現，在實證分析之前，首先對搜集的各個指標數據分別進行單位根（ADF）檢驗，通過該檢驗查看時間序列的平穩性。零假設為存在單位根[16]，若拒絕原假設，則時間序列平穩。考慮到本文選取的指標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，結果顯示如表2。

從表2中可以看出，本文選取的指標，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，認為這些指標在多個顯著性水平下，都是平穩的時間序列。

3.2 建立多元回歸模型

此時，數據的擬合程度很高，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（包括常數項）的情況下，介于下限0.69與上限1.97之間，根據杜賓、瓦森的推導，不能確定該模型是否存在自相關性，因此需要借助其他方法進一步判斷。

3.4 自相關性檢驗

拉格朗日乘數法（LM）是另一種檢驗自相關性的方法，原假設為各階自相關系數皆為零，LM統計量=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，認為原模型存在自相關。

LM統計量顯示，回歸方程的殘差序列不存在2階自相關。因此方程（6），能夠很好地反映房地產價格與其影響因素的關系。圖1展示了真實值與擬合值之間的關系，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 結論

從以上分析中主要得到如下結論：

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

第二，貸款利率與房地產價格成正相關關系，彈性系數為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。空前旺盛的市場需求，導致房地產價格不斷上升，投資者并沒有因為加息而推遲購買計劃。

第三，物價水平與房地產價格成負相關關系，彈性系數為-65.55。物價水平的變動對房地產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；二是人們通過購買房地產來保值，以應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價格，說明人們對房地產市場的熱情正在減退，不再盲目的跟風入市，這與早期的研究是不同的[18]。

此外，其他的經濟政策因素也會影響房地產的價格[19-21]。例如，國家對土地供給的調控與分配；金融市場管制，抑制投機活動；通過調節貨幣供應量間接影響房價；外匯傳導機制的應用等等，在將來的研究中應該對這些因素進行深入的分析。本文通過定量研究，確定了影響房地產價格的重要因素，包括人口數量、物價水平、貸款利率和土地價格，這對以后分析具體房地產項目的經濟效益分析和風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.我國房地產價格、經濟增長與信貸擴張研究——基于房地產雙重資產屬性的分析[J].現代財經：天津財經大學學報，2015（1）：32-44.

[7]王凌云.房地產價格膨脹與經濟發展的滯脹壓力分析[J].統計與決策，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.房地產價格與貨幣政策調控研究——基于貝葉斯估計的動態隨機一般均衡模型[J].西安交通大學學報（社會科學版），2014，34（1）：15-21.

[10]袁博，劉園.中國房地產價格波動的宏觀經濟要素研究———基于可變參數狀態空間模型的動態研究[J].中央財經大學學報，2014，1（4）：97-103.

[11]顧海峰，張元姣.貨幣政策與房地產價格調控：理論與中國經驗[J].經濟研究，2014（1）：29-43.

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

[13]陳靖.新常態下房地產供需狀況分析[J].中外企業家，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供需平衡研究[J].巢湖學院學報，2016，18（1）：52-6.

[15]王大港，劉伊生.我國房地產價格與宏觀經濟動態關系研究——基于省際數據的PVAR模型[J].價格理論與實踐，2015（6）：67-69.

[16]高鐵梅.計量經濟分析方法與建模[M].清華大學出版社，2009.

[17]何曉群.應用多元統計分析[M].中國統計出版社，2010.

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

[19]李立新，呂福鵬.土地供應及其對房地產市場價格的影響[J].沈陽建筑大學學報（社會科學版），2015（1）：62-67.

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

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