我国房地产价格的影响因素分析Word文件下载.docx
- 文档编号:12970463
- 上传时间:2022-10-01
- 格式:DOCX
- 页数:6
- 大小:17.85KB
我国房地产价格的影响因素分析Word文件下载.docx
《我国房地产价格的影响因素分析Word文件下载.docx》由会员分享,可在线阅读,更多相关《我国房地产价格的影响因素分析Word文件下载.docx(6页珍藏版)》请在冰豆网上搜索。
(一)研究的意义
目前我国的房价这么高,每年都在上涨,是什么原因导致呢?
值得我们进行深入的研究,因为房地产的价格不仅仅是简单的一个数字问题,是关乎我国居民居住的条件,是与每个居民息息相关的问题,关乎居民的利益和国家的可持续发展。
通过分析和了解我国房地产的价格为什么会上涨,国家可以制定一些相关政策,从而可以使房地产的价格保持在一定的范围,从而可以促进房地产业事业和国家的经济能够持续快速的发展。
(二)本文主要的研究内容和研究方法
目前的我国的房价这么高,每年都在上涨,是什么原因导致呢,值得我们进行深入的研究,因为房地产的价格不仅仅是简单的一个数字问题,是关乎我国居民居住的条件,是与每个居民息息相关的问题,关乎居民的利益和国家的可持续发展。
通过分析和了解我国房地产的价格为什么会上涨,国家可以制定一些相关政策,从而可以使房地产的价格保持在一定的范围,从而可以促进房地产业事业和国家的经济能够持续快速的发展。
本文拟解决的关键技术:
第一,分析我国房价上涨的影响因素以及相关的政策制定。
第二,实证分析我国各省市的房价的影响因素以及我国房价自身及其地区的影响因素。
第三,针对上文的分析对我国房价上涨因素提出相应的建议。
本文主要的研究方法:
第一,首先收集文献并整理我国房价上涨的相关因素以及我国相关的房价政策。
第二,搜集我国各省市的相关数据,主要目的为了下面的实证分析基础。
二、我国房地产价格影响因素的分析
从目前来看,城市房价的一场上涨不是简简单单的地区的经济问题,房价的正在社会中分割了不同收入的居民,从而使收入高的人有房住,而收入低的居民没有房子住,从而产生了矛盾。
(一)地区城市化进程的加快影响房地产价格
很多居民开始在城市生活,从而导致城市化进程的发展,而居民进入城市,首先是需要有住的地方,而中国的概念租房子住是没有家的概念,所以很多居民就开始存钱进行房子的购买,所以中国居民对房子的需求是很强烈的,相反没有一个国家对房子的概念没有比中国的强烈,这个原因会导致房价的上升。
(二)我国的经济发展影响房地产价格
中国的各个行业的发展导致中国经济快速增长。
同时经济的增长导致房价的上涨也是任何国家都会出现的现象。
中国的发展,农民观念的改变,很多农民开始进入城市进行生活和居住,农民一旦进入城市,不可能像在城市那样盖房子,需要租住别人的房子或者购买房子,这样意味着对房子的需求增多,从而导致房价上涨。
(三)土地成本飙升影响房地产价格
房地产价格之所以上涨,除了需求大于供给导致的,还与房子所占有的土地的价格有很大的关系。
主要的原因如下:
一方面,土地是固定的,土地的拥有者是政府,居民是没法拥有土地,这是中国土地的特征之一,所以土地资源是垄断。
在经济的概念中,垄断资源会形成高额利润,因为土地只有政府拥有,政府要多少价,需求者必须要出多少,而政府为了产生大量的资金,往往会出价很大,从而使当地收入增多。
三、我国房地产价格影响因素的实证分析
(一)样本选择
本文选择1997~2012年的各省的年度数据进行实证分析,数据来源是国家统计局的数据,主要使用的数据是31个省市。
由于本文实证分析采用的是年度数据。
本文所使用的数据是:
各省市的房价、各省市的国内生产总值(GDP)、金融业增加值、投资、地方财政收入、企业数目、大学数目。
(二)变量设计
本文分别对被解释变量、解释变量、控制变量进行了设计和说明,从而可以更加明白知道文中的所设计的模型。
(1)被解释变量,本文的被解释变量是地区房地产价格,主要是使用各省市的房价平均值数据作为地区房价的变量,通过数值可以知道该省市的房价越高,地区创新度越高。
在文中使用的Houseprice作为城市房价变量的符号。
(2)解释变量,本文的主要
解释变量为国内生产总值(GDP)、金融业增加值(FinanceAdd)、该省市的投资的金额
(Invest)、地方财政收入(FiscalIncome)、企业数目(FirmNum),因为这些变量会影响到我国各省市的房价水平。
(3)描述统计,所使用的省市的数据从1997到2012年共有341个
样本,被解释变量Houseprice的值在1997至2012年间是从907元到56905.88元之间变化,而
平均值为3406.411元,可知我国各省市的房价是不一样的,同时在我国经济发展中房价也是
在变化的;
从各省市的国内生产总值(GDP)由162.04亿元到57067.92亿元之间变化,说明各地的GDP变化范围是很大的,各地区的发展水平是不一样的;
金融业增加值由2.81亿元到
3171.96亿元之间变化;
地方财政收入由7.31亿元到6229.18亿元之间改变;
投资由106.58亿
元到31255.98亿元变化。
(4)模型设计,本文主要考察被解释变量地区房价水平与各解释变量之间的关系,根据参考文献的总结,本文的模型设计采用的方法为建立多元回归方程,建立如下的模型:
其中,为常数项,为误差项,表示每个省市。
在实证分析的时候,由于所使用的数据面板型的数据,所以在实证分析时采用OLS、面板分析的固定效应和随机效应的方法对模型进行了稳健性检验,保证实证的有效性。
(5)相关性分析,为了进一步知道被解释变量地区房价
Houseprice与解释变量为国内生产总值(GDP)、金融业增加值(FinanceAdd)、该省市的投资的金额(Invest)、地方财政收入(FiscalIncome)、企业数目(FirmNum),之间关系,文中进行相关性分析,得出的我国各省市房价水平与解释变量之间的皮尔逊相关系数。
从相关系数可以看出,衡量地区房价水平的指标与地区的生产总值显著正相关,变量之间的相关性达到了5%显著性;
其它的解释变量如Invest、FirmNum都与地区房价水平的指标表现出了正相关关系,相关性达到了5%显著性这与实际的情况相符合。
最后各个控制变量之间的相关系数比较大,大于0.5,说明解释变量之间可能存在多重共线性。
因此,我们可以我们在下面做实证分析的时候,需要进行共线性的检测,防止共线性影响了实证的结果。
(6)回归结果,从相关性检验的时候,可以知道控制变量之间的系数比较大,都大于0.5,控制变量之间可能存在共线性,所以通过计算VIF的值,检测变量之间是否存在多重共线性。
通过检验可知,
MeanVIF的值为15.67,大于10,说明各个变量之间可能存在共线性,所以下面在进行回归分析时,使用了OLS、面板回归以及差分法进行回归分析。
通过共线性检验可以知道各个变量之间可能存在共线性,下面开始进行回归分析,所使用的方法是OLS、面板分析的固定效应和随机效应,最后得到回归结果。
从OLS回归结果可以看出,地区房价水平的指标Houseprice与为国内生产总值(GDP)之间的关系是显著负相关、说明GDP与房价水平是负相关的,也就是在GDP高的地方房价水平也不一定很高;
而房价水平与金融业增加值(FinanceAdd)是显著正相关,说明金融增值多的地方房价高,可能主要的原因是该地区金融比较发达,从而经济发展比较多,当地居民的收入比较高;
房价水平与该市地方财政收入(FiscalIncome)是正相关的,主要因为财政收入主要是通过税收,财政收入的增加说明当地所需要交的税收会增加,而税收与居民的收入有一定的关系,正是因为居民的收入的增加会使当地的税收增加,所以当地的房价可能会上涨。
通过OLS和面板回归分析得出,但是在上文进行变量的相关性分析发现变量之间存在着相关性,为了解决这个问题,所以文中把回归中的各变量进行差分后然后进行回归分析,所得
到的结果,可以知道地区房价Houseprice的变化与各解释变量为国内生产总值(GDP)、金融业增加值(FinanceAdd)、该省市的投资的金额(Invest)、地方财政收入(FiscalIncome)、企业数目(FirmNum)的变化的关系与之前回归分析是一致的。
(三)结论
本文以1997~2012年中国31个省市的数据进行实证分析我国房价水平的地区影响因素,最后得出,地区房价水平的指标Houseprice与为国内生产总值(GDP)之间的关系是显著负相关、说明GDP与房价水平是负相关的,也就是在GDP高的地方房价水平也不一定很高;
而房价水平与金融业增加值(FinanceAdd)是显著正相关,说明金融增值多的地方房价高,可能主要的原因是该地区金融比较发达,从而经济发展比较多,当地居民的收入比较高;
房价水平与该市地方财政收入(FiscalIncome)是正相关的,研究没有发现当地企业数目与房价的水平有显著的关系;
地区投资的增加是可以当地的产出,从而促进当地的经济水平,所以相应地当地的房价也会上涨。
四、从房产自身特征验证我国房价的影响因素
(一)数据来源
我们使用的房价数据来源于赶集网的二手房房价数据。
首先,我们通过数据挖掘的方法提取赶集网上公布的中国259个城市大约16000多套房屋的价格及房屋结构(如两室两厅一卫)的数据。
(二)数据提取的主要思路
数据提取的整体思路主要是通过城市的循环提取每个城市中所有二手房的数据。
首先通过提取城市二手房主页所列举的房子的网址编号,把这些编号存储在局部宏变量中,然后对这些编号进行循环,在每次循环中提取每套房子的价格信息。
当所有的编号循环都结束时,这个城市的循环结束,接下去进行下一个城市的循环,直到对所有的城市的循环都结束。
(三)房地产价格影响因素度量
提取数据的主要变量的描述性分析,主要包括房子的单价(unitprice)、房子大小
(size)、房间个数(room)、卧室个数(livingroom)、客厅个数(restroom)、各地区的人均GDP(avegdp)、人均房间数(houserate)、人均城市面积(citylandrate)、人口密度
(peoplerate)、外商投资比率(fdirate)。
通过这些变量的基本的描述分析。
首先房子的单价
(unitprice)从1043元每平方米到77611元每平方米变化,平均值为5594.655元,说明我国各城市的房价水平是不一样的,有的地方高有的地方低;
同样房子大小(size)、房间个数
(room)、卧室个数(livingroom)、客厅个数(restroom)、各地区的人均GDP
(avegdp)、人均房间数(houserate)、人均城市面积(citylandrate)、人口密度
(peoplerate)、外商投资比率(fdirate)这些变量的最大值和最小值也有很大的变化,说明每个房子之间都有一定的差别从而导致了房价不一样。
由回归可知,房子单价与房子大小是正相关,但是结果
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 我国 房地产价格 影响 因素 分析