南京市房价影响因素的实证研究

作者:未知

  摘 要:近年来,南京市房价不断走高,越来越多的年轻人因为买不起房而选择离开南京。因此,有必要对南京市房价的影响因素进行研究,发掘南京市房价不断攀升的原因,并给出相应的政策意见。基于计量经济学的研究方法,选择1994—2017年南京市的商品房价格作为被解释变量,同时选取了常住人口、城镇居民人均可支配收入、房地产开发投资、竣工面积、地区生产总值、国家货币发行量M2这6个因素作为解释变量,构建多元线性回归方程,同时采用主成分分析法降低变量之间的多重共线性。研究表明,常住人口是南京市房价上升的最主要原因。此外,城镇人均可支配收入、房地产开发投资、竣工面积、地区生产总值、货币发行量M2均与南京市房价呈正相关关系。
  关键词:房价;影响因素;多元线性回归;主成分分析;南京市
  中图分类号:F299.23        文献标志码:A      文章编号:1673-291X(2019)12-0125-03
  一、文献回顾
  对于房价影响因素的探索,国内外学者已做了大量的研究。赵丽丽、焦继文(2007)通过灰色关联度分析,认为建筑材料价格对房价的影响最大,其次是土地价格等因素,并提出从房地产开发利润中拿出一部分钱来建设保障性住房,以此缓解房价上涨。盖美、田野(2011)选擇上海市2000—2009年的相关经济数据作为样本,采用主成分分析法进行回归分析。结果显示,影响上海市房价的最主要因素为需求因素。薛建谱、王卫华(2013)构建长期均衡模型和短期误差修正模型,分别从长期和短期的角度对房价的影响因素进行研究。结果表明,从长期来看,收入和房屋造价是影响房价的最主要因素;从短期来看,房价会受到来自股价波动的不确定性干扰。郭晓宇(2014)从房地产供求状况的角度进行实证分析,得出了人均可支配收入是影响当期房价最主要因素的结论。黄华继、王絮(2015)选用主成分分析法对安徽省房价影响因素进行简化,并以简化后的各主成分建立回归模型,研究表明,地区生产总值、货币供应量M2、人均可支配收入等与房价有正相关影响;而美元兑人民币汇率则有负相关影响。叶发强、陈西婵(2016)通过对重庆市房价影响因素的观测,选取了人口数量、家庭收入、土地供应量等因素作为解释变量进行实证分析,结果认为土地供应量与货币流动性对房价的影响存在一定的滞后性,同时,房产税相较于其他因素而言对房价的影响有限。李永刚(2018)考察了2000—2014年东西部各省级区域的经济指标,选取了城镇人口、土地出让金、信贷规模等9个因素作为经济变量,分别就东西部省份的房价影响因素进行分析。结果显示,城镇人口规模增加对中东部省份的房价有一定的推动作用;土地出让金对东西部省份的房价均有明显的正相关影响;信贷规模对东部地区的房价影响显著;贷款利率对东西部地区的房价影响均不显著。
  二、实证研究
  (一)构建多元线性回归模型
  通过前人的分析可知,影响房价的因素有很多,但并不是所有的因素都可以加以量化。因此,在查阅了大量文献的基础上,结合南京市的实际情况,本文选取了1994—2017年南京市常住人口(x1)、城镇居民人均可支配收入(x2)、房地产开发投资(x3)、竣工面积(x4)、地区GDP(x5)、货币供应量M2(x6)这6个因素作为解释变量,南京市房价(y)作为被解释变量,构建多元线性回归模型。同时,为了降低自变量在时间序列上的自相关性和异方差性,使得数据更加平滑,文章选择对各变量数据取对数处理。基于以上分析,可以构建如下的多元线性回归方程:
  由相关系数矩阵可以判断,本文所选取的自变量之间的确存在较为严重的多重共线性问题。因此,有必要采取相应的解决办法来消除多重共线性的影响。本文采用主成分分析法来降低变量的多重共线性问题。
  (二)主成分分析法
  1.数据处理及适用性检验。在回归模型中,各变量的性质和单位不同,如果直接使用原始数据进行回归,会相对凸显数值较大的指标的意义,这样的回归是有失公平的。因此,在采用主成分分析之前,首先要运用SPSS19.0对数据进行标准化处理。本文采用的标准化处理方法为SPSS19.0默认的Z-score处理方法,该方法的计算公式如下:
  2.提取主成分。一般而言,确定主成分个数的方式通常由特征值法和累计贡献率法。本文采用SPSS19.0默认的特征值法选择主成分,即选择特征值大于1的成分作为主成分。表2显示,只有第一主成分的特征值大于1,且第一主成分的方差贡献率达到98.429%,累计贡献率98.429%,可以认为选取的第一主成分已经能够基本涵盖所有的原始信息。因此,本文选择第一主成分进行主成分分析。
  主成分载荷矩阵体现的是主成分对各初始变量(经过标准化后)的相关系数,即因子载荷量。但是,我们所需要的主成分系数并不是因子载荷量,而是特征向量。因子载荷量与特征向量有以下数量关系:
  特征向量,即主成分系数=因子载荷量除以相应特征值的平方根。根据这一公式可以得出主成分系数表(见下页表3)。
  求出主成分系数表后,我们可以得出第一主成分的表达式为:
  F1=0.409Zlnx1+0.41Zlnx2+0.41Zlnx3+0.399Zlnx4+0.41Zlnx5+0.41Zlnx6(2)
  这里的Zlnxt是并不是原始数据,而是经过标准化后的数据。因此,将标准化后的数据带入表达式,可以得到不同年份相应的Ft。最后,建立lnyt与Ft的回归方程如下:
  回归结果(如表4和表5所示)。由表4和表5可知,回归模型的R2为0.96,调整后的R2为0.958,说明模型拟合优度良好,对样本数据的解释能力很强。F1的t统计量23.059,远大于1%显著性水平下的t检验临界值,拒绝原假设,即1通过了1%水平的显著性检验。此外,一般认为方差膨胀因子(VIF)大于10,即表明模型存在较为严重的多重共线性问题,而本次回归VIF为1,证明模型不存在多重共线性问题。综上,可以得出lnyt与F1的线性回归方程为:   lnyt=8.585+0.381F1(4)
  将公式(2)带入方程得:
  lnyt=8.585+0.156Zlnx1+0.156Zlnx2+0.156Zlnx3+0.152Zlnx4+0.156Zlnx5+0.156Zlnx6(5)
  这里的Zlnxi仍然指的是经过标准化后的数据,因此,还需要使用公式(1)将标准化后的数据转回成原始数据,转换如下:
  将式(6)代入式(4)可得lnyt与lnxt的线性回归方程,结果如下:
  lnyt=1.09lnx1+0.19lnx2+0.13lnx3+0.24lnx4+0.15lnx5+0.14lnx6-4.435(7)
  由lnyt与lnxt的线性回归方程可以得出这样的结论:南京市房价与常住人口的关系最为密切,南京市常住人口每增长1%,房价便会相应增长1.09%,这也与现实情况相符合。除此之外,其他各因素都在一定程度上都与南京市房价呈现正相关关系,这也证明了文章的模型选取的确存在一定的经济意义。
  三、结论与建议
  首先,研究结论。本文以《南京市统计年鉴》作为主要数据来源,同时查阅大量资料、文献,力求数据选用的真实性、可靠性,运用Eviews10、SPSS19.0等软件对影响南京市房价的相关因素进行了定量研究。实证结果表明,在诸多因素中,常住人口是影响南京市房价的最主要因素,其他因素如人均可支配收入、房地产开发投资、竣工面积、南京市地区GDP、货币发行量M2等都对房价的上涨有一定的推动作用。
  其次,政策建议。实行有条件落户政策,南京市作为江苏省的省会,同时又是长三角经济带的特大型中心城市之一,近年来的经济水平得到了飞速发展,这自然吸引了大量的外来人口进入南京谋生。此外,南京市高校林立,最新的统计资料显示,南京市在校大学生人数已经达到了84万。在如此庞大的住房需求之下,南京市房价不断攀升也在情理之中。但是,过高的房价也会反作用于经济发展,尤其是最近一轮房价暴涨之后,许多人对南京市的高房价望而生畏,从而会在就业、谋生等方面选择苏南的一些城市作为替代。因此,南京市政府可以选择设置落户条件的方式来限制购房的需求,尽快抑制房价的飞涨,这样既能缓解南京市房价飞速上涨带来的负面影响,同时也能通过设置相应的落户政策筛选出相应的人才。
  参考文献:
  [1]  黄华继,王絮.基于经济因素影响安徽省房价的实证研究[J].重庆三峡学院学报,2015,(31):42-43.
  [2]  李永刚.商品房价格影响因素比较研究[J].经济社会体制比较,2018,(2):29.
  [3]  赵丽丽,焦继文.房价影响因素的灰色关联度分析[J].统计与决策,2007,(23):74-75.
  [4]  薛建谱,王卫华.基于均衡模型的我國商品房价格影响因素分析[J].统计与决策,2013,(22):119-120.
  [5]  盖美,田野.上海市住宅价格影响因素及未来走势研究[J].工业技术经济,2011,(8):140-141.
  [6]  郭晓宇.我国房价影响因素的实证分析[J].时代金融,2014,(18):22-23.
转载注明来源:https://www.xzbu.com/2/view-14870398.htm

服务推荐