商品房价格分析.docx
- 文档编号:3736072
- 上传时间:2022-11-25
- 格式:DOCX
- 页数:10
- 大小:21.07KB
商品房价格分析.docx
《商品房价格分析.docx》由会员分享,可在线阅读,更多相关《商品房价格分析.docx(10页珍藏版)》请在冰豆网上搜索。
商品房价格分析
中国各地区商品房价格变动分析
一、案例背景:
随着市场经济的发展,近年来我国的商品房价格逐年攀升,截至2009年底全国各大主要城市商品房价格又创新高。
目前的房地产市场呈现有钱的人急着炒楼,没钱的人攒钱买楼的现象,其后果是使在房子有限的条件下房价越来越高,最终必会使中国房地产业出现泡沫。
房价作为房地产商利润的直接来源和商品房购买者的直接付出,牵动着房地产市场上买卖双方的神经,尤其是在我国住房制度实施商品化改革之后,它更加成为一个社会广泛关注的问题。
而到底是哪些因素影响了房价的升高呢?
通常情况下,房地产价格是由多种要素决定的,包括社会、经济、政策、环境等因素。
社会因素,包括政治、军事、人口数量与家庭规模、社会环境和人文观念等等。
他们的变化都会影响对住房的需要,进而影响房价的上升或下降;经济因素,包括国民经济发展状况、财政金融状况、产业结构调整、物价、工资、就业与储蓄水平的变动以及住房的供求状况等。
一般来说,经济发展稳步上升会导致住房需求增加,引起房价上涨,反之则房价会趋于平缓甚至下跌;政策因素,比如住房政策、城市建设与土地利用规划等等,都会影响房价的涨落。
而这些因素究竟是如何影响商品房价格变动的呢,他们之间有存在着怎样直接或间接的关系呢?
二、数据来源
原始表中所有数据均来自《中国统计年鉴——2010年》中对2009年全国国民发展各项统计数据。
包括各地区城市建设情况(2009年)、各地区居民消费水平(2009年)、各地区全社会施工竣工房屋面积和价值、各地区社区服务设施基本情况(2009年)等表。
三、分析目的
我想以2009年全国各主要地区商品房平均价格及其可能的影响因素(城市人口密度、居民人均消费水平、房地产企业经营总收入、房地产企业利润总额、房地产企业经营税金及附加、社区服务设施数、建筑用地面积等)之间的联系,对其进行多元线性回归分析,从而了解现阶段中国房地产业的大体现状,进而推测未来商品房价格的发展趋势。
四、数据分析
1、根据所查数据按地区不同将其绘制成一张总表,以供分析。
表1——原始数据表
地区
商品房平均价格(元/平方米)
城市人口密度(人/平方公里)
居民人均消费水平(元)
房地产企业经营总收入(万元)
房地产企业营业利润总额(万元)
房地产企业经营税金及附加(万元)
社区服务设施数(个)
建筑用地面积(平方公里)
北京
13799
1224
22154
25770569
4145638
2295826
3150
1349.8
天津
6886
2716
15149
7317075
1026031
516301
1946
662.3
河北
3263
2344
7193
7503347
760478
513749
5846
1499.3
山西
2707
2931
6854
2324439
192753
165871
2080
833.1
内蒙古
2972
951
9668
7531324
1049833
620543
4270
905.2
辽宁
4034
1922
10848
15404024
1038701
1064018
6538
2082.0
吉林
2917
1396
8410
4024662
187803
233107
3205
1144.4
黑龙江
3241
4321
7737
5149500
442658
305456
2722
1682.8
上海
12840
3030
29572
29521883
7426996
2218416
20332
3214.8
江苏
4983
2152
11993
47575593
6850243
3430285
19829
3167.6
浙江
7826
1742
15790
27333140
4310568
2073286
28507
2110.6
安徽
3420
2114
6829
9597305
812400
705100
4982
1452.1
福建
5427
2193
10950
11194980
1813592
956946
2857
881.4
江西
2643
4757
6229
5186664
697664
366066
3321
888.2
山东
3505
1415
10494
20682632
2595097
1342034
13620
3346.6
河南
2666
4886
6607
8933162
1073950
645284
3983
1828.4
湖北
3532
1845
7791
8616695
1020391
601846
7486
1629.4
湖南
2680
3276
7929
8048569
437091
522483
9633
1439.4
广东
6513
2402
15291
40634056
6722295
3553168
7641
4688.8
广西
3260
1391
6893
5675083
537479
489222
1218
845.8
海南
6261
2568
6695
2684113
402058
220222
91
204.3
重庆
3442
1637
8308
11351941
1254707
690546
2710
769.6
四川
3509
2737
6863
14357146
1214871
997851
5768
1473.2
贵州
2874
3217
5044
2525602
72556
188693
5212
496.5
云南
2931
3561
5926
5363344
390072
392247
482
755.1
西藏
2452
1574
4060
102520
21797
5057
90
79.2
陕西
3223
5530
7069
5469013
391810
344483
2919
667.6
甘肃
2483
3814
5284
1340581
48211
83073
1772
566.7
青海
2517
2189
6495
378095
-16498
22391
158
112.0
宁夏
3090
902
7858
1469818
85408
87244
569
331.6
新疆
2604
4922
5990
2995468
279193
204086
2039
834.2
2、描述:
对表中数据进行基本描述,包括N值、极小值、极大值、均值、标准差、方差等指标,如表2显示。
表2——描述统计量
描述统计量
N
极小值
极大值
均值
标准差
方差
商品房平均价格(元/平方米)
31
2452
13799
4338.71
2786.759
7766024.013
居民人均消费水平(元)
31
4060
29572
9483.00
5355.266
2.868E7
城市人口密度(人/平方公里)
31
902
5530
2634.16
1248.690
1559227.206
房地产企业经营总收入(万元)
31
102520
47575593
11163301.39
1.173E7
1.377E14
房地产企业营业利润总额(万元)
31
-16498
7426996
1525349.87
2101203.306
4.415E12
房地产企业经营税金及附加(万元)
31
5057
3553168
834029.03
932138.729
8.689E11
社区服务设施数(个)
31
90
28507
5644.39
6584.693
4.336E7
建筑用地面积(平方公里)
31
79.2
4688.8
1352.959
1055.6584
1114414.616
有效的N(列表状态)
31
3、相关分析
表3——相关性
相关性
商品房平均价格(元/平方米)
城市人口密度(人/平方公里)
Pearson相关性
-.218
显著性(双侧)
.238
N
31
居民人均消费水平(元)
Pearson相关性
.926**
显著性(双侧)
.000
N
31
房地产企业经营总收入(万元)
Pearson相关性
.592**
显著性(双侧)
.000
N
31
房地产企业营业利润总额(万元)
Pearson相关性
.718**
显著性(双侧)
.000
N
31
房地产企业经营税金及附加(万元)
Pearson相关性
.631**
显著性(双侧)
.000
N
31
社区服务设施数(个)
Pearson相关性
.429*
显著性(双侧)
.016
N
31
建筑用地面积(平方公里)
Pearson相关性
.378*
显著性(双侧)
.036
N
31
**.在.01水平(双侧)上显著相关。
*.在0.05水平(双侧)上显著相关。
分析:
由表可看出,城市人口密度与商品房价格之间成负相关关系,居民人均消费水平与其高度相关,房地产企业经营总收入、房地产企业营业利润总额、房地产企业经营税金及附加与其显著相关,而社区服务设施数和建筑用地面积与其低度相关。
其中,居民人均消费水平、房地产企业经营总收入、房地产企业营业利润总额、房地产企业经营税金及附加在0.01水平(双侧)上显著相关,社区服务设施数和建筑用地面积在0.05水平(双侧)上显著相关。
4、回归分析
对已符合条件的自变量进行回归分析
表4——输入/移去的变量
输入/移去的变量
模型
输入的变量
移去的变量
方法
1
房地产企业经营税金及附加(万元),居民人均消费水平(元),房地产企业营业利润总额(万元),房地产企业经营总收入(万元)a
.
输入
a.已输入所有请求的变量。
分析:
由上面的相关性分析知道,r≥0.5时,自变量与因变量显著相关或高度相关,因此输入的变量应为居民人均消费水平、房地产企业经营总收入、房地产企业营业利润总额、房地产企业经营税金及附加,可分别设为X1、X2、X3、X4,而
社区服务设施数和建筑用地面积因与因变量低度相关而被输出。
表5——模型汇总
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.942a
.888
.870
1002.977
a.预测变量:
(常量),房地产企业经营税金及附加(万元),居民人均消费水平(元),房地产企业营业利润总额(万元),房地产企业经营总收入(万元)。
表6——Anova
Anovab
模型
平方和
Df
均方
F
Sig.
1
回归
2.068E8
4
5.171E7
51.400
.000a
残差
2.616E7
26
1005963.680
总计
2.330E8
30
a.预测变量:
(常量),房地产企业经营税金及附加(万元),居民人均消费水平(元),房地产企业营业利润总额(万元),房地产企业经营总收入(万元)。
b.因变量:
商品房平均价格(元/平方米)
表7——系数
系数a
模型
非标准化系数
标准系数
T
Sig.
B
标准误差
试用版
1
(常量)
-284.221
595.103
-.478
.637
居民人均消费水平(元)
.515
.068
.989
7.545
.000
房地产企业经营总收入(万元)
.000
.000
-1.091
-2.144
.042
房地产企业营业利润总额(万元)
.000
.000
-.240
-.751
.459
房地产企业经营税金及附加(万元)
.004
.002
1.252
2.484
.020
a.因变量:
商品房平均价格(元/平方米)
分析:
(1)对回归系数进行显著性检验:
设B1=0,B2≠0
由表7最后一列可知,在置信水平为0.01的水平下,对个自变量的回归系数进行检验,可得,居民人均消费水平、房地产企业经营总收入、房地产企业经营税金及附加的回归系数是显著的。
(2)建立多元线性回归方程模型
Y=-284.221+0.515X1+0.004X4
(X1代表居民人均消费水平,X4代表房地产企业经营税金及附加)
由多元线性回归方程可知,商品房的价格可能会随居民人均消费水平的提高而上升,反之,则会降价;另外,商品房的价格还会随房地产企业经营税金及附加的增加而上升,反之,价格下降。
五、得出结论
通过对2009年商品房价格变动及其可能的影响因素的分析,我们得出了关于商品房价格和居民人均消费水平、房地产企业经营税金及附加之间的多元线性回归方程,并由此非常清楚明了的看出他们之间的函数变动规律,进一步通过数据的统计明确了其影响合作用的效果。
除此之外,也可一瞥其他变量与商品房价格之间的大概关系,这样我们就通过严谨的量化的过程,得出了我们想要研究的问题的结论,即哪些因素影响商品房价格升高,如何对其影响。
根据目前商品房价格的现状,也许我们可以据此采取一定的措施来抑制商品房价格的升高,未来几年,我国将继续坚持扩大内需的方针,而住宅建设作为新的经济增长点,其投资力度和建设规模势必继续扩大,但伴随着市场供给规模的扩大,房产供求关系也将发生显著变化,开发商单边决定价格的局面将会发生根本性的改变。
因此,由消费者主导的买方市场势必会一定程度上影响着商品房的价格。
另外,未来的房地产市场也许会出现产品的更新换代,其工程质量、功能质量、环境质量和管理质量,甚至住宅建设的科技含量都将大幅度提升,花费同样货币购得的产品的内涵已发生变化,因而,传统的住房概念将随之被淘汰,房价的可比性将打很大的折扣。
为了迎接挑战,国内房地产开发商将会联手在信息、管理、价格、金融等方面进行集成和优化,一批以上市公司为主体的大公司、大集团可望脱颖而出,他们将通过联合、购并、重组、实现超常规的资源汇聚、资产增值和资本扩张,形成足以与外国大公司同台竞争的实力。
从长远利益看,这种竞争显然有利于降低开发成本,提升产品质量,使房产价格产生对消费者更为有利的影响。
此外.人世后企业间的剧烈竞争将会使双方的商业活动更符合游戏规则.更有利于维护消费者的利益。
而所有的这些无不印证了一个问题,那就是中国商品房价格的变动,无论过去还是现在甚至未来,都离不开很多因素的共同影响,这些因素或直接或间接地作用着,最终引起商品房价格变动。
- 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:
- 商品房价格 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)