影響中國(guó)房地產(chǎn)價(jià)格的因素分析

1、影響中國(guó)房地產(chǎn)價(jià)格的因素分析摘要：文章通過(guò)對(duì)我國(guó)近十年的房?jī)r(jià)變動(dòng)規(guī)律的觀察，分析了影響我國(guó)房?jī)r(jià)的主要宏觀指標(biāo)，從眾多因素中提取出GDP增長(zhǎng)率、土地價(jià)格,M2，長(zhǎng)期貸款利率，房屋租賃價(jià)格指數(shù)等與房?jī)r(jià)變化關(guān)系較為明顯的幾個(gè)因素。運(yùn)用實(shí)證分析的方法，對(duì)影響我國(guó)房?jī)r(jià)的誘因進(jìn)行分析關(guān)鍵詞：房地產(chǎn)，土地價(jià)格，GDP一. 引言改革開(kāi)放30多年來(lái)，從來(lái)沒(méi)有哪一個(gè)行業(yè)像房地產(chǎn)業(yè)這樣盛產(chǎn)億萬(wàn)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(guó)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(wèn)題，在開(kāi)發(fā)商，政府，購(gòu)房者三者來(lái)看，就是一場(chǎng)完完全全的博弈。而這場(chǎng)博弈的焦點(diǎn)則是房?jī)r(jià)問(wèn)題

2、。如果說(shuō)開(kāi)發(fā)商與政府之間的博弈是圍繞“土地”這個(gè)關(guān)鍵詞，那么整個(gè)房地產(chǎn)市場(chǎng)則在價(jià)格上開(kāi)展了新一輪的對(duì)峙。先是開(kāi)發(fā)商與購(gòu)房者在房?jī)r(jià)漲跌上僵持不下；再有開(kāi)發(fā)商與政府之間的土地成本論；最后則是關(guān)于房地產(chǎn)是否歸為暴利行業(yè)的爭(zhēng)執(zhí)，“價(jià)格”成了市場(chǎng)關(guān)注的焦點(diǎn)。而對(duì)于房?jī)r(jià)的構(gòu)成因素，至今仍然是不透明的。房地產(chǎn)市場(chǎng)化全國(guó)性的膨脹始于1998年開(kāi)始實(shí)行的房地產(chǎn)改革,房改之年恰逢中國(guó)經(jīng)濟(jì)緊縮之年,需要拉動(dòng)內(nèi)需之年,房地產(chǎn)起到了拉動(dòng)內(nèi)需增加投資的扛鼎作用.同時(shí)房地產(chǎn)出生之時(shí)銜命而來(lái)的而歷史特征已注定其原罪:分稅制后地方財(cái)政收入大幅減少,1997年亞洲金融危機(jī)中國(guó)的實(shí)體經(jīng)濟(jì)找不到出路,除了政府投資外找不到拉動(dòng)內(nèi)需的抓

3、手,房地產(chǎn)適時(shí)而出,必須要承擔(dān)挽救地方財(cái)政,拉動(dòng)內(nèi)需,推動(dòng)改革的使命.中國(guó)安然度過(guò)了亞洲金融危機(jī),福利分房取消了,融資渠道拓寬了,消費(fèi)信貸開(kāi)放了。中國(guó)進(jìn)入了新一輪的經(jīng)濟(jì)增長(zhǎng)，房地產(chǎn)功勞卓著然而,由于中國(guó)人口多，土地面積有少，住房成了人們生活當(dāng)中的一個(gè)困難問(wèn)題。應(yīng)對(duì)金融危機(jī)以后，房地產(chǎn)市場(chǎng)有了很大的發(fā)展。但一部分城市房?jī)r(jià)上漲過(guò)快，造成群眾的不滿(mǎn)。二. 理論綜述宏觀上,房地產(chǎn)分為三級(jí),所以本文從三個(gè)層次入手探討影響房?jī)r(jià)的因素。房地產(chǎn)一級(jí)市場(chǎng)是指土地市場(chǎng),是土地使用權(quán)出讓的市場(chǎng),即國(guó)家通過(guò)其指定的政府部門(mén)將城鎮(zhèn)國(guó)有土地或農(nóng)村集體土地征用為國(guó)有土地后出讓給使用者的市場(chǎng),出讓的土地,可以是生地,也可以是

4、經(jīng)過(guò)開(kāi)發(fā)達(dá)到”七通一平”的熟地。房地產(chǎn)二級(jí)市場(chǎng),是土地使用者經(jīng)過(guò)開(kāi)發(fā)建設(shè),將新建成的房地產(chǎn)進(jìn)行出售和出租的市場(chǎng),一般指商品房首次進(jìn)入流通領(lǐng)域進(jìn)行交易而形成的市場(chǎng).房地產(chǎn)二級(jí)市場(chǎng)業(yè)包括土地二級(jí)市場(chǎng),即土地使用者將達(dá)到規(guī)定可以轉(zhuǎn)讓的土地,進(jìn)入流通領(lǐng)域進(jìn)行交易的市場(chǎng)。房地產(chǎn)三級(jí)市場(chǎng),是購(gòu)買(mǎi)房地產(chǎn)的單位和個(gè)人,再次將房地產(chǎn)轉(zhuǎn)讓或租賃的市場(chǎng)。房地長(zhǎng)三級(jí)市場(chǎng)也包括房屋的交換。根據(jù)三級(jí)市場(chǎng)理論,選擇可能影響房?jī)r(jià)的因素。土地市場(chǎng)中土地價(jià)格是影響房?jī)r(jià)的主要因素，其次二級(jí)市場(chǎng)中商品房的供需平衡對(duì)房?jī)r(jià)高低有顯著影響，三級(jí)市場(chǎng)中的房屋租賃價(jià)格亦是十分重要的分析因素。針對(duì)以上分析,選取相關(guān)的宏觀經(jīng)濟(jì)指標(biāo)作為解釋變量來(lái)對(duì)

5、被解釋變量房?jī)r(jià)做回歸.相關(guān)經(jīng)濟(jì)指標(biāo)主要有：1. 土地價(jià)格指數(shù)；政府土地政策；2. 影響市場(chǎng)供給的指標(biāo)：房地產(chǎn)投資占總投資的比例,長(zhǎng)期貸款利率,稅收政策；3. 影響市場(chǎng)需求的指標(biāo)：GDP增長(zhǎng)率,居民消費(fèi)者價(jià)格指數(shù)增長(zhǎng)率,城鎮(zhèn)居民可支配收入,城市化水平；4. 房屋租賃平均價(jià)格,流動(dòng)性指標(biāo)M2；三. 模型設(shè)定(一) 房地產(chǎn)價(jià)格的衡量房地產(chǎn)價(jià)格:主要指中國(guó)房地產(chǎn)中商品房的平均價(jià)格,由于房改始于1998年,所以98年后的商品房均價(jià)才為有效信息.依據(jù)國(guó)家統(tǒng)計(jì)局的資料我們采用年度商品房均價(jià)為房?jī)r(jià)的度量。(二) 影響因素的分析： 1. 房地產(chǎn)一級(jí)市場(chǎng)：土地價(jià)格2. 房地產(chǎn)二級(jí)市場(chǎng)：A. 供給分析1.房地產(chǎn)投資

6、占總投資的比例；2.M2：由于房地產(chǎn)的價(jià)值量大,開(kāi)發(fā)建設(shè)需要投入大量資金,據(jù)統(tǒng)計(jì)房地產(chǎn)開(kāi)發(fā)資金中直接和間接來(lái)自銀行貸款的約占60%,依存度很高.因此,國(guó)家的貨幣政策對(duì)房地產(chǎn)供應(yīng)的影響極大.若貨幣供應(yīng)量緊縮,對(duì)企業(yè)的開(kāi)發(fā)貸款減少,建設(shè)資金緊缺.必然導(dǎo)致房地產(chǎn)供應(yīng)量下降;反之,當(dāng)貨幣供應(yīng)量擴(kuò)張,對(duì)企業(yè)的開(kāi)發(fā)貸款增加,建設(shè)資金充裕,則房地長(zhǎng)供應(yīng)量上升。3.長(zhǎng)期貸款利率：房地產(chǎn)開(kāi)發(fā)貸款利率的高低也會(huì)對(duì)房地產(chǎn)供給帶來(lái)重大影響，若銀行的貸款利率提高，會(huì)增加利息成本,在銷(xiāo)售價(jià)格不變的情況下勢(shì)必減少利潤(rùn)，影響其開(kāi)發(fā)積極性，導(dǎo)致供給量減少，反之則相反。所以，銀行的信貸政策是調(diào)節(jié)房地產(chǎn)供給的重要因素；4.稅收政策

7、：稅收是構(gòu)成房地產(chǎn)開(kāi)發(fā)成本的重要因素，我國(guó)目前各種稅費(fèi)約占房地產(chǎn)價(jià)格的10%15%。如果實(shí)行優(yōu)惠稅收政策，減免稅收和稅收遞延，就會(huì)降低房地產(chǎn)開(kāi)發(fā)成本，使同量資金的房地產(chǎn)實(shí)物量的供給增加，會(huì)提高開(kāi)發(fā)商盈利水平，從而吸引更多的社會(huì)資本從事房地產(chǎn)開(kāi)發(fā)，最終會(huì)增加房地產(chǎn)的供給量。B. 需求分析1.GDP增長(zhǎng)率：衡量了國(guó)家總體的經(jīng)濟(jì)增長(zhǎng)水平，房地產(chǎn)價(jià)格會(huì)因受到國(guó)民經(jīng)濟(jì)周期的影響而呈現(xiàn)周期性波動(dòng). 土地的稀缺性決定了在房地產(chǎn)價(jià)格上漲時(shí),人們往往為了保值增值而競(jìng)相搶購(gòu),在房地產(chǎn)價(jià)格下跌是由競(jìng)相拋售以求減少損失,因而房地產(chǎn)價(jià)格波動(dòng)幅度顯著大于經(jīng)濟(jì)周期波動(dòng)幅度。2.居民消費(fèi)者價(jià)格指數(shù)增長(zhǎng)率；3.城鎮(zhèn)居民可支配收

8、入增長(zhǎng)率；4.城市化水平：城市化是20世紀(jì)世界范圍內(nèi)最強(qiáng)有力,持續(xù)時(shí)間最長(zhǎng)的發(fā)展趨勢(shì)之一,大量的人口在多樣化的就業(yè)機(jī)會(huì),多樣化的文化生活和生活方式吸引下,從農(nóng)村遷移到城市.隨著城市化水平的提高,人口及各種經(jīng)濟(jì)活動(dòng)向城市集聚,對(duì)城市土地及房屋的需求增加,房地產(chǎn)價(jià)格提高.城市邊緣的農(nóng)地也轉(zhuǎn)化為土地利用強(qiáng)度高,地價(jià)較高的非農(nóng)業(yè)用地.城市基礎(chǔ)設(shè)施的開(kāi)發(fā)建設(shè)也會(huì)從供給成本方面推動(dòng)房地產(chǎn)價(jià)格的上漲。 3. 房地產(chǎn)三級(jí)市場(chǎng)：用房屋租賃價(jià)格指數(shù)反映一定時(shí)期內(nèi)房屋租賃價(jià)格總水平變動(dòng)趨勢(shì)和變動(dòng)程度的相對(duì)數(shù)(三) 模型形式的設(shè)計(jì)房地產(chǎn)商品的生產(chǎn)周期長(zhǎng)，一般要二、三年，甚至數(shù)年。較長(zhǎng)的生產(chǎn)周期決定了房地產(chǎn)供給的滯后性

9、，這種滯后性又導(dǎo)致了房地產(chǎn)供給的風(fēng)險(xiǎn)性。即使房地產(chǎn)開(kāi)發(fā)計(jì)劃在目前是可行的，但在數(shù)年后房屋建成投入市場(chǎng)時(shí)，也可能因市場(chǎng)發(fā)生變化，而造成積壓和滯銷(xiāo)。在本文的研究中其滯后性因表現(xiàn)在土地價(jià)格和長(zhǎng)期貸款利率對(duì)房?jī)r(jià)的影響上。 建立數(shù)學(xué)模型：Yt=c+1land(t-3)+2int(t)+3gr(t)+4rent(t)+ 5M2(t)+uy房地產(chǎn)價(jià)格land土地價(jià)格int長(zhǎng)期貸款利率grGDP增長(zhǎng)率city城市化水平rent房屋租賃價(jià)格指數(shù)M2-流通u-隨機(jī)擾動(dòng)項(xiàng)四. 數(shù)據(jù)的收集YEAR年份PRICE房地產(chǎn)價(jià)格INT長(zhǎng)期貸款利率M2GDPRGDP年均增長(zhǎng)率INCR居民可支配收入增長(zhǎng)率LAND土地平均價(jià)格RE

10、NT房屋租賃價(jià)格指數(shù)CITY城市化率9820639.631070007.85.81450102.433.359920536.211198987.69.3150098.534.782000211261244998.46.41599102.436.22200121706.21418448.38.51650102.837.66200222505.761689179.113.41735100.839.09200323595.82030281091864101.940.53200427786.1223776010.17.71988101.441.7320053168627650510.49.623711

11、01.8842.99200633676.61532261211.710.42480101.443.9200738647.48537922411.912.22742102.644.4200841156.68254421399.88.14465101.444.92009463075050009.38471299.445.63數(shù)據(jù)來(lái)源： , ,搜數(shù)網(wǎng), 財(cái)新網(wǎng)等；五. 模型估計(jì)Dependent Variable: PRICEMethod: Least SquaresDate: 05/22/11 Time: 22:39Sample (adjusted): 4 12Included observati

12、ons: 9 after adjustmentsCoefficientStd. Errort-StatisticProb.C-1955.5193669.155-0.5329620.6310LAND(-3)-2.2466510.826277-2.7190030.0726INT-14.69139100.0202-0.1468840.8925GDPR-108.883647.82859-2.2765370.1073RENT61.7758842.798371.4434160.2446M20.0141770.0028185.0302870.0151R-squared0.997651Mean depende

13、nt var3189.000Adjusted R-squared0.993737S.D. dependent var880.3132S.E. of regression69.66797Akaike info criterion11.56008Sum squared resid14560.88Schwarz criterion11.69156Log likelihood-46.02036Hannan-Quinn criter.11.27634F-statistic254.8630Durbin-Watson stat2.370315Prob(F-statistic)0.000386數(shù)學(xué)模型方程Yt

14、=land(t-3)-14.69139int(t)-108.8836gr(t)+61.77588rent(t)+ 0.014177M2(t)+u(3669.155) (0.8262) (100.0202) (47.82859) (42.79837) (0.002818)T=R2=0.993737 DW=2.370315六. 計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)1. 多重共線(xiàn)性檢驗(yàn)GDPRINTLANDM2PRICERENTGDPR1.000000-0.1252910.3516150.6105750.5969010.261474INT-0.1252911.0000000.0655540.0404420.1013960

15、.199685LAND0.3516150.0655541.0000000.9487320.940655-0.269662M20.6105750.0404420.9487321.0000000.994094-0.187124PRICE0.5969010.1013960.9406550.9940941.000000-0.173516RENT0.2614740.199685-0.269662-0.187124-0.1735161.000000房?jī)r(jià)與土地價(jià)格相關(guān)度高,房?jī)r(jià)與M2相關(guān)度高,同時(shí)土地價(jià)格和M2相關(guān)度也高。由以上分析可看出存在嚴(yán)重的多重共線(xiàn)性:變量間相關(guān)系數(shù)高,多個(gè)變量在統(tǒng)計(jì)上不顯著,而方程

16、的擬合度極高,由F檢驗(yàn)得到的整體顯著性亦十分高,此為典型的多重共線(xiàn)性現(xiàn)象；補(bǔ)救措施：由于土地價(jià)格和M2相關(guān)度十分高，故考慮剔除變量M2得到如下結(jié)果:Dependent Variable: PRICEMethod: Least SquaresDate: 05/23/11 Time: 17:36Sample (adjusted): 4 12Included observations: 9 after adjustmentsCoefficientStd. Errort-StatisticProb.C2747.0379438.0830.2910590.7855LAND(-3)1.8496460.372

17、4724.9658660.0077INT283.6368214.24341.3238990.2561GDPR94.9796267.563781.4057770.2325RENT-56.6510395.07412-0.5958620.5833R-squared0.977841Mean dependent var3189.000Adjusted R-squared0.955682S.D. dependent var880.3132S.E. of regression185.3213Akaike info criterion13.58224Sum squared resid137376.0Schwa

18、rz criterion13.69181Log likelihood-56.12008Hannan-Quinn criter.13.34579F-statistic44.12877Durbin-Watson stat2.176812Prob(F-statistic)0.0014512. 異方差檢驗(yàn)觀察個(gè)變量與殘差之間的關(guān)系由以上圖像可看出殘差變化無(wú)明顯規(guī)律,所以可初步判定不存在異方差3. WHITE檢驗(yàn)Heteroskedasticity Test: WhiteF-statistic0.726893Prob. F(4,4)0.6176Obs*R-squared3.788326Prob. Chi

19、-Square(4)0.4354Scaled explained SS1.123389Prob. Chi-Square(4)0.8905由圖可看出，nR2= 3.788326，由WHITE檢驗(yàn)知，在置信水平為0.05的情況下，查卡方分布表，得臨界值6.39，比較X2統(tǒng)計(jì)量和臨界值，因?yàn)閚R2X2,所以接受原假設(shè)，表明模型不存在異方差。4. 序列相關(guān)檢驗(yàn)由回歸結(jié)果，DW=2.1768，查DW統(tǒng)計(jì)表可知，DL=0.69，DU=1.97，模型中4-DUDW，說(shuō)明存在自相關(guān)。補(bǔ)救措施:NEWEYWEST方法Dependent Variable: PRICEMethod: Least SquaresDa

20、te: 05/23/11 Time: 19:59Sample (adjusted): 4 12Included observations: 9 after adjustmentsNewey-West HAC Standard Errors & Covariance (lag truncation=2)CoefficientStd. Errort-StatisticProb.C2747.0377488.0800.3668550.7323LAND(-3)1.8496460.3313715.5817950.0051INT283.6368230.38831.2311250.2857GDPR94.979

21、6230.079513.1576190.0343RENT-56.6510378.74695-0.7194060.5117R-squared0.977841Mean dependent var3189.000Adjusted R-squared0.955682S.D. dependent var880.3132S.E. of regression185.3213Akaike info criterion13.58224Sum squared resid137376.0Schwarz criterion13.69181Log likelihood-56.12008Hannan-Quinn crit

22、er.13.34579F-statistic44.12877Durbin-Watson stat2.176812Prob(F-statistic)0.001451最終的模型估計(jì)結(jié)果為:Y=2747.037+1.8496land(-3)+283.6268int+94.97962gdpr-56.65103rent(7488.080) (0.331371) (230.3883) (30.07951) (78.74695)T=0.3668 5.5817 1.12311 3.1576 -0.7194R2=0.955682 DW=2.17685. 經(jīng)濟(jì)意義檢驗(yàn)從回歸結(jié)果得,隨著土地價(jià)格的上升,以及GDP增長(zhǎng)率的上升,房?jī)r(jià)也在逐年上漲6. 統(tǒng)計(jì)意義檢驗(yàn):從回歸結(jié)果中可看出,R2比較高,說(shuō)明擬合優(yōu)度較高,模型解釋能力強(qiáng).F統(tǒng)計(jì)量大,P值顯著,整體顯著性高.土