房價的影響因素分析

陳雨露

【摘 要】房價的影響因素是多方面的，主要涉及到自然、人口、經(jīng)濟和政策四方面。本文運用SPSS軟件，以中國31個省市的截面數(shù)據(jù)為基礎(chǔ)，篩選出居民人均可支配收入，人均GDP，平均家庭戶規(guī)模和房地產(chǎn)累計投資四個主要影響變量，建立多元線性回歸模型。并在系統(tǒng)聚類的基礎(chǔ)上對不同類型地區(qū)的房價影響因素進行分析，為地區(qū)調(diào)控房價提供一定參考。

【關(guān)鍵詞】房價；影響因素；多元線性回歸；系統(tǒng)聚類

一、房價影響因素的理論分析

影響房價的因素是錯綜復(fù)雜的。房子本身建造成本的提升會影響房價，供需關(guān)系的變化會直接影響房價，政府政策的改變會間接影響房價。為了更加系統(tǒng)完整地對房價的影響因素進行理論分析，本文將從自然、人口、經(jīng)濟、政策四方面進行[2]。

1.影響房價的自然因素

影響房價的自然因素主要體現(xiàn)在土地資源的供給上。每個地區(qū)的土地資源是有限的，土地資源供給的不足，會導(dǎo)致供不應(yīng)求，引起房價的上漲。而我國人多地少土地資源供應(yīng)緊張，因此房價一直處于上升趨勢[2]。土地收購價格加上房屋的竣工造價組成了房屋的總成本，是影響房價的決定性因素。

2.影響房價的人口因素

人口數(shù)量的增長，意味著對房屋需求量的增加，在土地供應(yīng)面積一定的情況下，需求量的增加會導(dǎo)致供不應(yīng)求，引起房價的上漲。全國的人口不斷增加，且城鎮(zhèn)人口的比重在上升，意味著城市房屋需求量的增加，會在一定程度上引起房價的上漲[4]。人口素質(zhì)對房價的影響是間接的。隨著居民人口素質(zhì)的提高，其對房屋居住質(zhì)量的要求也隨之提高。而房屋的面積是房屋居住質(zhì)量的重要體現(xiàn)，人均居住面積的增大會引起供不應(yīng)求，房價上漲。人口結(jié)構(gòu)對房價亦有影響。一方面，受中國計劃生育政策的影響，我國的家庭結(jié)構(gòu)由傳統(tǒng)模式向小型化模式轉(zhuǎn)變，而家庭結(jié)構(gòu)的小型化伴隨著家庭數(shù)量的增加，對房屋的需求也隨著增加，引起房價上漲。另一方面，一個地區(qū)的適齡人口的比重越大，對房價的需求量就越大，需求增大房價上升[3]。

3.影響房價的經(jīng)濟因素

GDP是一個地區(qū)經(jīng)濟總體情況的有效測量因素，是能夠代表一個國家和地區(qū)的經(jīng)濟發(fā)展水平的重要經(jīng)濟指標。GDP的增長意味著一個地區(qū)總體購買力的增加，同時對住房的需求也增加，而需求增加將導(dǎo)致房價上漲。為了排除地區(qū)人口總量的差異性，我們通常用人均GDP來更好地衡量一個地區(qū)的平均經(jīng)濟水平[1]。個人的經(jīng)濟水平主要體現(xiàn)在平均可支配收入上。隨著個人收入的積累，房屋購買成為必需且熱門的消費點，必然引起需求量增加，房價上漲。

4.影響房價的政策因素

作為高負債的行業(yè)，房價對利率的變動很敏感。當貸款利率較低時，房產(chǎn)商獲得資金的成本就較低。房地產(chǎn)開發(fā)投資資金中的國內(nèi)貸款絕對數(shù)可以顯示出國家對房地產(chǎn)業(yè)的支持程度，支持程度高，用于房地產(chǎn)開發(fā)投資的貸款數(shù)額就高，房地產(chǎn)的建設(shè)生產(chǎn)量也會較多[2]。

二、房價影響因素的實證分析

1.數(shù)據(jù)來源與選取

本文截面數(shù)據(jù)來源于《中國2016統(tǒng)計年鑒》，本文選取因變量Y：商品房銷售均價；自變量：X1：土地購置面積；X2：人口密度；X3：文盲人口占15歲以上人口的比重；X4：平均家庭戶規(guī)模；X5：人均GDP；X6：房地產(chǎn)累計投資；X7：居民人均可支配收入；X8：房屋竣工造價。

2.總體回歸分析與檢驗

變量的篩選。為提高自變量在因變量預(yù)測中的可靠性，利用SPSS軟件，選擇逐步回歸法對自變量進行篩選。排除實證分析中對房價影響顯著性較低的數(shù)據(jù)：土地購置面積，人口密度，文盲人口占15歲以上人口比重和房屋竣工造價。最終篩選出主要的影響因子： 居民人均可支配收入，人均GDP，平均家庭戶規(guī)模和房地產(chǎn)累計投資。

總體回歸模型建立：綜合以上選取的指標，房價因素的基本函數(shù)形式可以表示為：Y=f（X4，X5，X6，X7）建立多元線性回歸模型：

Y=-12487.941+0.705X7+0.60X5+2567.629X4–0.072X6

模型的檢驗。擬合優(yōu)度和顯著性檢驗：模型的偏回歸系數(shù)為0.968，判定系數(shù)為0.938，說明樣本觀測值聚集在樣本回歸直線周圍的密集度較好，也就是回歸模型與樣本觀測值具有較好的擬合優(yōu)度。同時，經(jīng)調(diào)整R方為0.928，F(xiàn)值為98.301，F(xiàn)檢驗的P值為0，回歸參數(shù)t檢驗的P值均小于設(shè)定的0.05的顯著性水平。說明預(yù)測變量的作用是顯著的，回歸模型顯著成立。殘差檢驗：殘差分析包括殘差的正態(tài)性、線性和等分散性分析。在直方圖中：標準化殘差的頻率基本服從均值為0的正態(tài)分布，符合殘差的正態(tài)性；在P-P圖中：點基本圍繞在線周圍，近似一條直線，符合殘差的線性；在散點圖中：點呈分散狀分布，較符合殘差的等分散性，說明殘差分析結(jié)果較合理，回歸方程在這一分析中可信。

3.分類回歸分析與檢驗

根據(jù)人口、自然、經(jīng)濟等三方面的變量對全國31個省市進行系統(tǒng)聚類。根據(jù)聚類結(jié)果將31個省市分為4類。

第一類：北京，上海，天津。模型擬合優(yōu)度非常高，得出主要影響因子為房地產(chǎn)累計投資（X6）和居民人均可支配收入（X7），模型為：Y=-408.810+1.623X6+0.128X7

第二類：浙江，江蘇，廣東。模型的擬合優(yōu)度非常高。得出主要影響因子為人口密度（X2）和人均GDP（X5），模型為：

Y=17907.641-13.433X2+0.001X5

第三類：遼寧，福建，山東，內(nèi)蒙古。模型的偏回歸系數(shù)為0.950，判定系數(shù)為0.903，模型的擬合優(yōu)度較好。主要影響因子為平均家庭數(shù)規(guī)模（X4）。回歸參數(shù)t檢驗的P值均大于0.05，系數(shù)不顯著。因此，仍采用總體回歸模型。

第四類：其他剩余省市。模型的偏回歸系數(shù)為0.790，判定系數(shù)為0.623，模型的擬合優(yōu)度較好。主要影響因子為房屋竣工造價（X8）和文盲人口占15歲以上人口的比重（X3）。

模型：Y=1825.331+1.363X8-58.065X3

回歸參數(shù)t檢驗的P值均小于設(shè)定的0.05的顯著性水平，殘差分析結(jié)果較合理，回歸方程在這一分析中可信。

三、結(jié)論

人均GDP、居民可支配收入、平均家庭戶規(guī)模與房價呈正相關(guān)，而房地產(chǎn)開發(fā)累計投資與房價呈負相關(guān)。該模型很好的說明了全國各省市房地產(chǎn)市場的需求原理：人均GDP、居民可支配收入、平均家庭戶規(guī)模影響住房消費的需求，房地產(chǎn)開發(fā)累計投資影響住房的供給。但總體的分析只能反映一般情況，各因素對不同地區(qū)的影響程度不同，且存在忽略區(qū)域獨特因素的問題，各地區(qū)可參考房價的主要影響因子，從主要方面入手去調(diào)控當?shù)胤績r。

【參考文獻】

[1]姜永增. 房價影響因素的實證分析——以青島市為例[J]. 價值工程，2011，（28）：319-320.

[2]李方. 我國房價的影響因素分析[D].吉林財經(jīng)大學(xué)，2016.

[3]張元姣. 基于主成分回歸分析的上海房價影響因素研究[J]. 現(xiàn)代商業(yè)，2013，（27）：125-126.

[4]張濤. 影響我國房價的經(jīng)濟因素分析[D].東北財經(jīng)大學(xué)，2010