北京住宅商品房單價影響因素分析及未來房價走勢

趙拓 中科軟科技股份有限公司

一、引言

2022 年對于房地產行業來說，無疑是極其艱難的一年，猶如房地產寒冬。2007 年在美國出現次貸危機以后，我國經濟開始低迷，為了刺激經濟的發展，2008 年出臺4 萬億刺激計劃，在接下來經歷2009 至2010 年一波大的行情和2011 年至2014 年兩波小的行情，房地產進入增長期。在2015 年，中央把去庫存正式提升為國家戰略，并逐步出臺一系列政策支持去庫存工作的開展，從而解決這個難題。在2015 年至2019 年期間，各線城市房價不斷上漲，甚至漲幅翻倍，在2020 年出現疫情以后，再次刺激市場，導致房價進一步上漲。而房價不斷上漲也帶來了相應的負面效應，有了房價上漲的經驗，炒房客看到日益膨脹的紙面財富，會不切實際盲目涌入樓市進行囤房，房價會陷入惡性上漲的狀態；社會資金大量都集中在房地產行業，會導致實體經濟持續萎靡；百姓的消費能力降低，幸福感也會隨之下降；金融泡沫不斷增大，各類金融風險增加；除此之外還會造成社會價值觀扭曲，影響結婚和生育。為了應對這些問題，國家相繼出臺各種政策，“兩集中”供地、房企“三道紅線”、銀行“兩道紅線”等調控政策不斷加碼，自2021 年起房地產銷售市場逐步進入衰退期。

從行業蕭條原因看：

1.行業調控從供需兩端層層加碼，土地市場和銷售市場斷崖式下滑。

兩集中影響：“地多錢少”導致各城市土地市場冷熱不均，資金優選核心城市拿地；多數城市土地流拍，地方財政吃緊，被動下調地價，間接影響市場預期。

三道紅線影響：斷了房企借新債還舊債的路，房企債務壓力陡升。

銀行兩道紅線影響：旨在降低地產行業對金融資源占用，供需兩端均遭遇資金收緊。

2.房企自身的杠桿率過高，債務期限逼近，為促進銷售回款而被動降價，加速房價下跌。

3.房企暴雷不斷，購房客戶擔心交付問題，市場信心不足，造成惡性循環。

行業快速的增長以及衰退都是不正常的發展跡象，這其中涉及的因素比較多，而作為國民經濟的支柱產業，需要有良性的循環以及健康的發展，這就需要相關部門做出積極的調控，也需要大眾對這個行業以及自身的需求有清晰的認識，這關乎國計民生，因此分析在正常經濟環境下，房地產行業發展的影響因素及房價的走勢具有深刻的意義，可以給民眾合理的參考，增加對市場的信心，使行業的發展進入一個健康平穩的軌道。

二、文獻回顧

房地產作為我國經濟中一個重要的角色和組成部分，有相關學者對房地產行業的市場做過對應的分析。鄒士年在對2021 年房地產市場形勢分析中，認為在中央提出“房住不炒”的基調下，房地產銷售和投資增速都出現回落，部分房企資金鏈緊張，加上限購、限貸等樓市調控政策持續發力，遏制住了持續上漲的房價[1]；倪浩和吳倩認為市場更加沉穩，政策可能寬松，中國房地產2022 年將面臨轉型[2]；Soyeh 等也在研究如何鼓勵能使消費者在房地產市場低谷時期繼續投資時指出了，當今的學術界最關心、最能夠直接的影響房地產市場的依舊是商品房的價格[3]。而影響商品房價格的因素有很多，葛紅玲、郝瑋通過運用時間序列模型和逐步最小二乘回歸法進行實證分析，貨幣供應量對商品房價格影響顯著[4]；邱文濤、陳然、翟榕曜通過分析和梳理國內外學者對人口流動與城市房價之間關系研究得出，隨著城市化進程的不斷發展和城市人才引進政策的逐步實施，房價呈現出上漲的趨勢，人口流動也是愈演愈烈，人口流動與房價之間呈正相關關系[5]；陳姚佳以2002 年一季度至2017 年四季度除港澳臺外全國商品房價格與城鎮人均可支配收入季度數據為樣本，通過向量自回歸模型進行實證研究，得到商品房價格和城鎮人均可支配收入之間存在著雙向正向的影響關系結果[6]。

除了上述介紹到的，還有很多其他的因素，通過復雜的相互關系，共同影響著我國房價的變化，本文以北京為例，分析經濟發展情況（GDP）、工資收入（平均年工資）、人口數（常住人口）與城市建設（財政支出）對房價的影響，對未來房價的走勢做出預測。

三、指標選取及模型建立

（一）指標選取與分類

1.指標選取

本文選取國家統計局北京2002 年到2020 年連續19 年的指標數據，包括住宅商品房平均銷售價格、地區生產總值、城鎮非私營單位在崗職工平均工資、年末常住人口和地方財政一般預算支出，并對數據做了相關的處理，使用SPSS20 進行多元線性回歸分析，以下為各項指標的含義：

Y：房價，住宅商品房平均銷售價格（元/平方米）；

X1：GDP，地區生產總值（當年價格）（億元），該指標能夠反映經濟發展情況，是影響房價的因素之一，故納入影響因素作為自變量參與模型構建；

X2：平均年工資，城鎮非私營單位在崗職工平均工資（元），工資收入在一定程度上反映了人民的經濟實力與購買力，故把該指標也納入影響房價的因素之一；

X3：常住人口，年末常住人口（萬人），根據常識可知，一座城市人口的數量影響房屋的流通性，在一定程度上，人口數和房價應該是有關系的，所以本文把人口數也作為影響房價的因素一并分析；

X4：財政支出，地方財政一般預算支出（億元），可以粗略認為該指標反映城市化進程，城市的發達程度，資源等都會對房價產生一定的影響。

2.指標分類

本文將影響北京房價的因素劃分為經濟、人口、城市化進程三個不同的角度，通過結合實際的情況和參考相關的文獻，構建影響因素指標體系，如表1 所示：

表1 影響因素指標體系

（二）模型建立

1.相關性分析

相關性分析是指對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素的相關密切程度。相關性的元素之間需要存在一定的聯系或者概率才可以進行相關性分析。

本文通過SPSS 研究北京房價和各影響因素之間的相關關系。

用SPSS 對數據進行分析，得到房價與GDP 之間的相關性對應的Pearson 系數結果如表2 所示，再把其余各因素分別與房價做相關性分析得其相關系數為：平均年工資0.985**，常住人口0.848**，財政支出0.970**。根據以上結果可知，所選的變量都與房價存在相關關系。

表2 北京房價與GDP 的相關性檢驗

2.多元線性回歸分析

社會經濟現象的變化往往受到多個因素的影響，因此，一般要進行多元回歸分析，我們把包括兩個或兩個以上自變量的回歸稱為多元線性回歸。

以下構建房價和各影響因素間的多元線性回歸模型。Y=β0+β1X1+β2X2+...+βnXn+ξ（其中：α 為誤差項，ξ 為截距項，n為自變量下標）

表3 顯示出來評價模型的檢驗統計量。調整的R 方代表模型的擬合度，越接近1 代表擬合度越好，本研究中該統計量是0.971，反映出模型的擬合度比較高，不過Durbin-Watson數值為1.061，表明樣本個體不夠獨立，模型殘差的自相關性不夠好，分析可能是因為各因素的數據是歷年的結果，前后有一定的依賴關系導致的，可以認為不影響做線性回歸分析。

表3

根據表4 中共線性統計量可以看出各個影響因素之間存在著多重共線性的問題，根據研究數據的規律可以看出，GDP 與平均年工資都是逐年遞增的，兩者也都反映了經濟發展的情況，在影響力上有一定的類似性，固調整影響因素，去掉GDP 后重新分析，得到表5。

表4

表5

表5 給出了線性回歸模型的系數和相關的統計量，調整后共線性統計量明顯下降，模型得到很大的改善，其中自變量平均年工資的Sig 值小于0.05，說明對房價的影響顯著，常住人口和財政支出相比之下不夠顯著，各個回歸系數分別為β2=0.191，β3=-7.673，β4=1.829，得回歸方程為：Y=10228.044+0.191X2-7.673X3+1.829X4，當把系數標準化以后得到各因素系數為0.785，-0.184，0.370。標準化的系數反映自變量對因變量影響程度的強弱，通過對比系數大小我們可以看出，平均年工資對房價的影響程度最大的，而且也是最顯著的。

四、結果分析

從最終的模型和分析的過程可以看出，人口和城市化建設只是在一定程度上影響著房價的變化，當人口基數到達一定的量級城市發展到某種規模時，這兩項因素的影響力基本就趨向于穩定了，因為一個城市的人口不會無休止的擴張下去，雖然大城市有很強的虹吸效應，為了城市健康可持續的運行與發展，也會有各種政策對人口、資源等做出合理的協調，在穩定的范圍內波動；城市化進程也是，當今世界，發達國家的城市化水平一般在75%左右，也不會無限的擴張下去，而隨著北京的不斷發展，當城市化水平趨向這一比例后，也基本成型穩定，此時影響房價的主要因素就是國家、城市的經濟發展水平以及居民的經濟能力以及中央各種調控的政策了。

總之，我國還在朝著發達國家的行列奮步前行，經濟發展是必然的趨勢，這個過程中會面臨各種困難，比如當前的疫情、國際形勢的不穩定、全球經濟下行等，這些都是不得不去面對和克服的阻礙，作為目前地球上第二大經濟體，市場有很大的發展潛力，渡過眼前的難關就能迎來經濟的飛速發展，經濟發展中通貨膨脹是不可避免的，而通脹就會造成貨幣貶值，雙重因素共同作用下，居民的收入在數值上一定會是不斷增長的，通過模型和常識也可以分析得到，北京作為首都一線城市，對于普通居民來講，買房無論到什么時候都會是一件比較困難的事情，房價自然也會隨著收入的增長不斷增長的，這是必然的。