1、房價的計量經(jīng)濟分析房價的計量經(jīng)濟分析 引言：近改革開放 20 多年來，從來沒有哪一個行業(yè)像房地產(chǎn)業(yè)這樣盛產(chǎn)億萬富翁，各種富 豪排行榜上，房地產(chǎn)富豪連年占據(jù)半壁江山； “中國十大暴利行業(yè)”中，房地產(chǎn)業(yè)每年都是 “第一名” 。是什么造就了這樣的狀況。房地產(chǎn)的問題，在開發(fā)商，政府，購房者三者來看， 就是一場完完全全的博弈。 而這場博弈的焦點則是房價問題。 如果說開發(fā)商與政府之間的博 弈是圍繞“土地”這個關鍵詞， 那么整個房地產(chǎn)市場則在價格上開展了新一輪的對峙。 先是 開發(fā)商與購房者在房價漲跌上僵持不下； 再有開發(fā)商與政府之間的土地成本論； 最后則是關 于房地產(chǎn)是否歸為暴利行業(yè)的爭執(zhí)， “價格” 成了

2、市場關注的焦點。 而對于房價的構(gòu)成因素， 至今仍然是不透明的。 公布房價成本成為另政府極為頭疼的一件事。 房價成本是一個非常復 雜的集合體，并且項目間差異性較大，同時還有軟資產(chǎn)、 品牌等組成部分，特別是現(xiàn)在的商 品房，追求品質(zhì)、功能完善以及個性化成本構(gòu)成越來越難衡量。 寫作目的：通過對一系列影響房價的基本因素的分析， 了解對其主要因素和次要因素。 并對 這些因素進行統(tǒng)計推斷和經(jīng)濟意義上的檢驗。 選擇擬和效果最好的最為結(jié)論。 在一定層面上 分析房地產(chǎn)如此暴利的因素。 當然筆者的能力有限，并不能全面的分析這一問題。 僅僅就幾 個因素進行分析。 寫作方法：理論分析及計量分析方法，將會用到Eviews

3、 軟件進行幫助分析。 關鍵詞：房價成本計量假設檢驗 最小二乘法擬合優(yōu)度 現(xiàn)在我們以2003年的數(shù)據(jù)， 選取30個省市的數(shù)據(jù)為例進行分析。 在Eviews軟件中選擇建立截 面數(shù)據(jù)。現(xiàn)在我們以2003年的數(shù)據(jù)，選取31個省市的數(shù)據(jù)為例進行分析。 令Y=各地區(qū)建筑業(yè) 總產(chǎn)值。（萬元）X1=各地區(qū)房屋竣工面積。（萬平方米）X2=各地區(qū)建筑業(yè)企業(yè)從業(yè)人員。 （人）X3=各地區(qū)建筑業(yè)勞動生產(chǎn)率。（元/人）X4=各地區(qū)人均住宅面積。（平方米）X5= 各地區(qū)人均可支配收入。（元） 數(shù)據(jù)如下： Y 12698521 5208402. 7799313. 5401279. 2576575. 10170794 346

4、9281. 4401878. 11958034 X1 4254.800 1465.800 4748.300 1313.300 1450.700 3957.100 1626.800 2181.300 3609.200 X3 569767.0 238957.0 989317.0 591276.0 265953.0 966790.0 303837.0 441518.0 505185.0 X2 129961.0 147063.0 70048.00 89151.00 61074.00 82496.00 77486.00 68033.00 153910.0 X4 24.77140 23.09570 23.

5、16710 22.99680 20.05310 20.23510 20.70590 20.49200 29.34530 X5 13882.62 10312.91 7239.060 7005.030 7012.900 7240.580 7005.170 6678.900 14867.49 27949354 31272779 6227073. 5493441. 3593356. 14813618 6345217. 8729958. 8188402. 15163242 2818466. 394053.0 5862095. 12253374 2122907. 3967957. 293427.0 440

6、4362. 2236860. 747325.0 1080546. 3196774. 17730.00 16183.90 4017.600 2952.100 2750.900 9139.800 3433.600 4840.800 4969.700 8105.000 1721.600 121.5000 4939.600 8784.600 980.3000 2248.700 121.3000 1580.000 1327.200 242.9000 578.7000 1450.800 2727006. 2429352. 910691.0 553611.0 574705.0 2072530. 932901

7、.0 1048763. 1119106. 1492820. 353700.0 61210.00 817997.0 2070534. 293310.0 522470.0 36593.00 410311.0 449409.0 101501.0 88225.00 203375.0 100569.0 127430.0 66407.00 108288.0 70826.00 60728.00 66056.00 81761.00 74553.00 101932.0 77472.00 55361.00 69432.00 59748.00 72152.00 69238.00 73205.00 93212.00

8、46857.00 61046.00 61459.00 95835.00 24.43530 31.02330 20.75480 30.29870 22.61980 24.48080 20.20090 22.90280 24.42580 24.93280 24.17320 23.43200 25.72440 26.35850 18.19430 24.92940 19.92990 21.75050 21.11380 19.10550 22.25500 20.78110 9262.460 13179.53 6778.030 9999.540 6901.420 8399.910 6926.120 732

9、1.980 7674.200 12380.43 7785.040 7259.250 8093.670 7041.870 6569.230 7643.570 8765.450 6806.350 6657.240 6745.320 6530.480 7173.540 做多重共線性檢驗 ： 引入的變量太多，可能存在變量間的共線性， 影響方程的估計。首先進行做多重共線性檢驗 可以減少變量使后面的分析變得簡潔。 X1 X2 X3 X4 X5 Y X1 1 0.9608709909 07446 60775 69041 95329 08042 1 97319 1873 44358 11606 0.27137

10、51927 0.1250293750 1 69926 4241 60092 0.5386972790 0.4778858915 0.5408809599 1 0774 26127 0.4183068002 0.2798506233 0.8362408489 0.6865128085 1 6214 0.9614738426 0.8986725515 0.4677103837 0.5897771488 0.5898233852 1 X2 07446 X3 60775 97319 X4 69041 1873 69926 X5 95329 44358 4241 0774 Y 08042 11606 6

11、0092 26127 0.5898233852 6214 0.9608709909 0.2713751927 0.5386972790 0.4183068002 0.9614738426 0.1250293750 0.4778858915 0.2798506233 0.8986725515 0.5408809599 0.8362408489 0.4677103837 0.6865128085 0.5897771488 可以看出有多重共線性。 采取逐步回歸法： 第一次回歸，我們可以根據(jù)T 檢驗值和可決系數(shù)看出：X1 的效果最好： Dependent Variable: Y Method: Lea

12、st Squares Date: 12/06/10Time: 17:37 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable X1 C R-squared Coefficient 1651.403 903234.0 Std. Error 87.67703 502408.2 t-Statistic 18.83508 1.797809 Prob. 0.0000 0.0826 7446408. 7227629. 31.93824 32.03076 354.7601 0.000000 0.924432

13、 Mean dependent var 0.921826 S.D. dependent var 2020815. Akaike info criterion 1.18E+14 Schwarz criterion -493.0427 F-statistic 1.930762 Prob(F-statistic) Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 而 X1 于 X2 存在嚴重自相關，所以引入第二個變量時將X2 排除。通過比較發(fā)現(xiàn)引入X3 時， 擬合優(yōu)度最大

14、，所以加入X3 Dependent Variable: Y Method: Least Squares Date: 12/06/10Time: 17:40 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable X1 X3 C Coefficient 1547.354 60.57577 -3711880. Std. Error 57.83197 9.136899 765709.2 t-Statistic 26.75604 6.629795 -4.847637 Prob. 0.0000 0.0000

15、 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.970594 Mean dependent var 0.968493 S.D. dependent var 1282914. Akaike info criterion 4.61E+13 Schwarz criterion -478.4134 F-statistic 2.098685 Prob(F-statistic) 7446408. 7227629. 31.05893 31

16、.19771 462.0886 0.000000 X3 與 X5 也存在嚴重共線性，在引入第三個變量時同時排除X5，那只能引入 X4 了 Dependent Variable: Y Method: Least Squares Date: 12/06/10Time: 17:47 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable X1 X3 X4 C R-squared Coefficient 1569.186 64.04945 -69455.16 -2476469. Std. Error 66

17、.74467 10.56258 102797.7 1985261. t-Statistic 23.51029 6.063810 -0.675649 -1.247428 Prob. 0.0000 0.0000 0.5050 0.2230 7446408. 7227629. 31.10668 31.29171 302.2316 0.000000 0.971083 Mean dependent var 0.967870 S.D. dependent var 1295550. Akaike info criterion 4.53E+13 Schwarz criterion -478.1536 F-st

18、atistic 2.298423 Prob(F-statistic) Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 但是引入后通過 T 檢驗 X4 不顯著，同時常數(shù)項 C 也變得不顯著，且擬合度沒有顯著提高 。所以剔除 X4。通過該檢驗最終模型為： Y = 1547.354325*X1 + 60.57576644*X3 - 3711880.158 T=26.756046.629795-4.847637 F-statistic354.7601 Durbin-Wat

19、son stat2.098685 以上指標都顯示擬合得很好。 R-squared0.970594 異方差檢驗異方差檢驗 White Heteroskedasticity Test: F-statistic1.742532 Probability 8.011602 Probability Coefficient -3.19E+12 1.15E+08 3913.004 -756.3089 69425884 -184.1939 Std. Error 4.46E+12 3.54E+08 20466.63 4598.986 95290300 462.0769 t-Statistic -0.715855

20、0.324915 0.191189 -0.164451 0.728572 -0.398622 0.161697 0.155597 Prob. 0.4807 0.7479 0.8499 0.8707 0.4730 0.6936 1.49E+12 2.04E+12 59.58019 59.85774 1.742532 0.161697 Obs*R-squared Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 12/06/10Time: 18:05 Sample: 1 31 Included observa

21、tions: 31 Variable C X1 X12 X1*X3 X3 X32 R-squared0.258439 Mean dependent var 0.110127 S.D. dependent var 1.92E+12 Akaike info criterion 9.25E+25 Schwarz criterion -917.4929 F-statistic 2.029951 Prob(F-statistic) Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson st

22、at 從結(jié)果來看應該勉強是不存在異方差的，但是同方差的概率有點小，不能讓人信服。而通過殘差 圖發(fā)現(xiàn)殘差沒有很明顯的波動、X-Y 的圖也較符合線性關系即模型設定沒多大問題、且從 White Heteroskedasticity Test 中各變量的系數(shù)也十分不顯著不能判別殘差是否與解釋變量有關。 沒辦 法，只能用加權最小二乘法進行修正。 異方差修正異方差修正-加權最小二乘法 Dependent Variable: Y Method: Least Squares Date: 12/06/10Time: 18:13 Sample (adjusted): 1 31 Included observati

23、ons: 31 after adjustments Weighting series: 1/ABS(RESID) Variable X1 X3 C R-squared Coefficient 1543.812 60.88221 -3721097. Std. Error 4.266721 0.925212 59118.40 t-Statistic 361.8262 65.80354 -62.94314 Prob. 0.0000 0.0000 0.0000 7466651. 34381715 23.53532 23.67410 310479.3 0.000000 7446408. 7227629.

24、 4.61E+13 Weighted Statistics 0.999999 Mean dependent var 0.999999 S.D. dependent var 29817.20 Akaike info criterion 2.49E+10 Schwarz criterion -361.7975 F-statistic 2.158638 Prob(F-statistic) Unweighted Statistics Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson

25、stat R-squared0.970589 Mean dependent var 0.968489 S.D. dependent var 1283009. Sum squared resid 2.099900 Adjusted R-squared S.E. of regression Durbin-Watson stat 通過修正以后擬合度有所提高，且通過再次異方差檢驗通過了。 自相關檢驗自相關檢驗 Breusch-Godfrey Serial Correlation LM Test: Obs*R-squared Test Equation: Dependent Variable: RESI

26、D Method: Least Squares Date: 12/06/10Time: 18:26 Presample missing value lagged residuals set to zero. Variable X1 X3 C RESID(-1) Coefficient -6.778035 1.259666 -73457.01 -0.125006 Std. Error 62.81436 9.707542 800910.8 0.210750 t-Statistic -0.107906 0.129762 -0.091717 -0.593147 Prob. 0.9149 0.8978 0.9276 0.5582 0.505922 Probability0.776