南京市住宅均價宏觀預(yù)測模型研究

夏正昊

【摘要】近年來，我國的經(jīng)濟(jì)迅速發(fā)展，城市人口不斷增多，推動了住宅市場的發(fā)展。本文就以南京市為例，通過對影響住宅市場的各種宏觀因素進(jìn)行量化分析，建立統(tǒng)計住宅均價預(yù)測模型。首先對各因素進(jìn)行相關(guān)性分析，完成自變量的篩選；其次對選定的自變量構(gòu)建多元線性模型，并對之檢驗；最后運用線性回歸和基本面判斷的方法完成各自變量值的預(yù)測，從而得到南京市未來住宅均價的預(yù)測值。結(jié)果發(fā)現(xiàn)居民儲蓄余額與住房長期貸款利率是影響南京住宅均價的關(guān)鍵因素，并得出未來三年南京市住宅均價增速會大概率放緩的結(jié)論。

【關(guān)鍵詞】南京市；住宅均價；宏觀；預(yù)測模型

影響房地產(chǎn)市場的宏觀因素錯綜復(fù)雜，經(jīng)濟(jì)和人口等因素在其中發(fā)揮重要的作用。本論文通過對南京市住宅均價影響因素的分析，建立了科學(xué)的預(yù)測模型，以此映射我國住宅價格的變化，為政府與開發(fā)企業(yè)提供建議

1、宏觀因素

1.1經(jīng)濟(jì)因素

經(jīng)濟(jì)發(fā)展水平是支撐房地產(chǎn)市場健康發(fā)展的一個重要因素，國內(nèi)生產(chǎn)總值 （GDP）是衡量國民經(jīng)濟(jì)發(fā)展的總體指標(biāo)[1]，對住宅市場影響巨大。居民的人均可支配收入是另一個極其重要的因素，住宅商品房作為高值耐用品，需要消費者支付的資金額較大，因此要求其必須具有良好的收入水平。同時，目前我國居民住宅購置的資金主要來自于銀行貸款，理論上住房利率與房地產(chǎn)需求量成反比例變化，從而進(jìn)一步影響住宅價格。最后，城鎮(zhèn)居民儲蓄存款與房地產(chǎn)市場需求呈正相關(guān)關(guān)系，如果一個城市的城鎮(zhèn)居民儲蓄存款的數(shù)量增長，那么購買住房的資金就會增加，并反饋到住宅價格上。

1.2非經(jīng)濟(jì)因素

人口數(shù)量是影響房地產(chǎn)市場的一個直接因素。隨著人口的自然增長和我國城市化進(jìn)程的加快，城市規(guī)模不斷擴(kuò)大，大量農(nóng)業(yè)人口向城市聚集，城市人口不斷膨脹，因此必然會導(dǎo)致住房、用房需求的增加，從而傳導(dǎo)到住宅價格變化上。另一方面，隨著城鎮(zhèn)人口比例的提高，居民購買能力加強(qiáng)，住宅市價格水平也會上移。

2、模型構(gòu)建與檢驗

2.1模型選擇

根據(jù)統(tǒng)計學(xué)經(jīng)驗可知 ，任何一個系統(tǒng)的運行規(guī)律盡管不盡相同，但都可以用近似的各要素特征的線性方程組來表示。故本文選擇多元線性回歸模型進(jìn)行預(yù)測，來表示南京住宅與各因素之間的關(guān)系，其自變量與因變量的關(guān)系可表示為：

Y=b_0+b_1 x_1+b_2 x_2+…+b_p x_p+ε

其中，Y為因變量，x_1，x_2，…，x_p為自變量，ε為隨機(jī)變量，b_0，b_1，b_2，…，b_p為待估參數(shù)。

2.2自變量的選擇與篩選

通過以上分析，影響南京住宅均價的可量化宏觀因素為GDP、人均GDP、城鎮(zhèn)居民人均可支配收入、居民儲蓄余額、年初住房長期貸款利率、年末總?cè)丝凇⒊擎?zhèn)化率，數(shù)據(jù)來自南京市2010-2016年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報。如表1所示，運用 SPSS對上述因素進(jìn)行雙變量相關(guān)性分析，找出與住宅均價相關(guān)程度較高的自變量，并剔除與這幾個自變量相關(guān)程度較高的其余次要變量，可以得出影響南京住宅均價的兩個關(guān)鍵因素為：居民儲蓄余額和年初住房長期貸款利率[2]。

2.3模型構(gòu)建

建立房地產(chǎn)市場需求預(yù)測的二元一次線性回歸模型，其中因變量南京市住宅均價定義為Y，自變量居民儲蓄余額和年初住房長期貸款利率分別定義為x_1、x_2：

Y=b_0+b_1 x_1+b_2 x_2+ε

通過SPSS的分析得出模型公式：

Y=18953.981+1.866x_1-2253.195x_2+ε

如表2所示，模型擬合情況較好，預(yù)測值同觀測值的相關(guān)系數(shù)為 0.987，且模型可以解釋97.3%的觀測數(shù)據(jù)，滿足一般要求。

2.4模型檢驗

2.4.1方差分析（F檢驗）

如表3所示，回歸模型的線性相關(guān)性顯著，其sig值遠(yuǎn)小于0.01的一般要求，故通過線性回歸假設(shè)。

2.4.2回歸參數(shù)顯著性檢驗（T檢驗）

如表4所示，兩個自變量系數(shù)為0的概率分別為0.003和0.004，遠(yuǎn)小于0.05的一般要求，且t值絕對值均大于2，故模型回歸有效。

3、住宅均價預(yù)測

今年來，受房貸政策性緊縮的時滯效應(yīng)影響，房貸利率全面收緊。同時金融環(huán)境正漸步入嚴(yán)控和收緊的通道，未來房貸利率水平將繼續(xù)提高。因此，本文預(yù)測模型中假定未來三年住房長期貸款利率將保持2017年的增速，即20%。對于另一個自變量居民儲蓄余額的預(yù)測，本文根據(jù)對自變量散點分布圖的分析和對未來經(jīng)濟(jì)環(huán)境的判斷，決定采用一元線性預(yù)測模型。自變量和因變量的預(yù)測結(jié)果如表5所示。

4、結(jié)果分析

從南京市住宅均價宏觀預(yù)測模型的形式來看，居民儲蓄余額與住房長期貸款利率是影響南京住宅均價的關(guān)鍵因素。一方面，南京市居民儲蓄存款與房地產(chǎn)市場需求呈正相關(guān)關(guān)系，如當(dāng)居民儲蓄存款數(shù)量增長時，購買住房的資金就會增加，從而會導(dǎo)致住宅價格水平的提高；反之價格水平會降低[3]。另一方面，由于我國居民購買住宅的資金主要來自于銀行貸款，理論上利率與住宅價格水平成反比例變化，即銀行利率提高，居民買住房的成本就會增大，勢必也將會使住宅市場需求減少，最終導(dǎo)致成交量和成交價格同時下移；反之則上移。

從南京市住宅均價宏觀預(yù)測模型的結(jié)果來看，來三年南京市住宅均價增速會大概率放緩。一方面，南京市宏觀經(jīng)濟(jì)上漲動力強(qiáng)勁，未來居民儲蓄余額將繼續(xù)增長，從而支撐住宅價格水平的穩(wěn)定提高。另一方面，在銀根逐步縮緊的大環(huán)境下，住房貸款利率將繼續(xù)提高，從而限制了房價增速的加快。

5、研究結(jié)論

以本文研究結(jié)果來看，居民儲蓄余額和住房長期貸款利率將決定南京住宅價格的水平，且將導(dǎo)致未來三年住宅均價增速放緩。對于政府，必須把握好房貸利率的變化，并根據(jù)城市自身發(fā)展的特點進(jìn)行政策的調(diào)整，確保住宅價格的穩(wěn)定。對于開發(fā)商，面對未來流動性逐步收縮的大環(huán)境，必須要認(rèn)識到房地產(chǎn)的野蠻生長期已經(jīng)離去，一定要控制融資成本，并做好投資測算，控制項目風(fēng)險。

6、創(chuàng)新點

本次研究的數(shù)據(jù)時間跨度較長，具有一定的合理性，能夠使分析結(jié)果更加準(zhǔn)確，另外，在研究過程中充分考慮了各經(jīng)濟(jì)因素和非經(jīng)濟(jì)因素，因而能夠真實反映宏觀因素與南京住宅均價的關(guān)系。除此之外，在建立價格預(yù)測模型時，進(jìn)行了全面的模型檢測，因此能夠保證研究結(jié)果的可信度，為政府調(diào)控和房地產(chǎn)項目開發(fā)提供一定的依據(jù)。

7、展望

對城市住宅價格水平產(chǎn)生影響的除了經(jīng)濟(jì)、人口等宏觀因素，還有政策、市場存量、城市配套發(fā)展等其它因素，而本次研究的范圍較為局限，因此還應(yīng)當(dāng)不斷擴(kuò)展研究范圍。另外，在模型預(yù)測時對住房利率的預(yù)測方式較為簡單，在運用時需要進(jìn)行進(jìn)一步的分析與調(diào)整。第三，本文研究沒有涉及到一些細(xì)節(jié)問題，因此之后在研究過程中必須在此方面進(jìn)行提高，使得研究結(jié)果更加精確。

結(jié)語：

總而言之，本文通過構(gòu)建量化模型的方式，得到居民儲蓄余額與住房長期貸款利率是影響南京住宅均價的關(guān)鍵因素，以及出未來三年南京市住宅均價增速會大概率放緩的重要結(jié)論，為政府住宅市場調(diào)控和企業(yè)房地產(chǎn)項目開發(fā)提供參考。

參考文獻(xiàn)：

[1]張勤.我國房地產(chǎn)模型的分析與結(jié)論---基于20個大中型城市的研究[J].經(jīng)濟(jì)師，2014，（4）：80-83.

[2]裴燕飛.城市房地產(chǎn)發(fā)展與城市社會、經(jīng)濟(jì)和生態(tài)環(huán)境綜合系統(tǒng)協(xié)調(diào)性的評價[J].統(tǒng)計與決策，2015，（2）：38-40.

[3]李林.哈爾濱城市交通與住宅房地產(chǎn)開發(fā)協(xié)調(diào)的發(fā)展研究[D].東北林業(yè)大學(xué)，2012.