《結(jié)合我國城市金融發(fā)展規(guī)模、結(jié)構(gòu)和效率的數(shù)據(jù)淺析金融發(fā)展對房地產(chǎn)價(jià)格的影響實(shí)證研究》15000字【論文】

[27]，決定用居民儲蓄余額與金融機(jī)構(gòu)貸款余額的比值來度量金融發(fā)展效率。（3）控制變量。為了盡可能避免因遺漏變量而產(chǎn)生的誤差，本文具體選取控制變量如下：將人均GDP作為經(jīng)濟(jì)發(fā)展水平的代理變量；將職工平均工資作為居民收入水平的代理變量；將房地產(chǎn)開發(fā)投資額作為房地產(chǎn)投資的代理變量。2．?dāng)?shù)據(jù)來源和處理數(shù)據(jù)來自于國家統(tǒng)計(jì)局、同花順iFinD數(shù)據(jù)庫。樣本數(shù)據(jù)是32個(gè)大型城市和27個(gè)中小型城市從2008年到2018年的面板數(shù)據(jù)。對人均GDP、居民平均工資和房地產(chǎn)開發(fā)投資額進(jìn)行了取對數(shù)處理，以消除可能存在的異方差問題。將收集到的平均房價(jià)和房價(jià)指數(shù)進(jìn)行了運(yùn)算處理得到了城市的房價(jià)增長率。各變量和數(shù)據(jù)說明如表1.類型變量指標(biāo)符號數(shù)據(jù)來源被解釋變量房價(jià)增長率年末平均房價(jià)/上一年年末平均房價(jià)P國家統(tǒng)計(jì)局核心解釋變量金融發(fā)展規(guī)模（年末金融機(jī)構(gòu)貸款余額+年末金融機(jī)構(gòu)存款余額）/GDPsca國家統(tǒng)計(jì)局金融發(fā)展結(jié)構(gòu)年保險(xiǎn)費(fèi)收入/（年末金融機(jī)構(gòu)貸款余額+年末金融機(jī)構(gòu)存款余額）str國家統(tǒng)計(jì)局金融發(fā)展效率儲蓄余額/年末金融機(jī)構(gòu)貸款余額eff國家統(tǒng)計(jì)局控制變量經(jīng)濟(jì)發(fā)展人均GDPlnrgdp國家統(tǒng)計(jì)局居民收入職工平均收入lnwage國家統(tǒng)計(jì)局房地產(chǎn)投資房地產(chǎn)開發(fā)投資額lninv國家統(tǒng)計(jì)局表1變量及數(shù)據(jù)說明表（三）描述性統(tǒng)計(jì)與平穩(wěn)性檢驗(yàn)1．描述性統(tǒng)計(jì)分析各變量的而描述性統(tǒng)計(jì)分析如表2、表3、表4所示。表2全體城市各變量描述性統(tǒng)計(jì)分析結(jié)果變量均值標(biāo)準(zhǔn)差最小值最大值房價(jià)增長率1.10070.11710.63711.5668金融發(fā)展規(guī)模3.32171.52700.763712.5079金融發(fā)展結(jié)構(gòu)0.01190.00480.00480.0339金融發(fā)展效率0.70470.40460.03832.2449ln人均GDP10.81960.59069.027912.1947ln平均工資10.80440.39719.795612.0814ln房地產(chǎn)投資額24.34011.224719.318126.7751表3大城市各變量描述性統(tǒng)計(jì)分析結(jié)果變量均值標(biāo)準(zhǔn)差最小值最大值房價(jià)增長率1.10530.11780.63711.5668金融發(fā)展規(guī)模4.12561.20541.91247.5190金融發(fā)展結(jié)構(gòu)0.00930.00250.00480.0212金融發(fā)展效率0.44120.13200.03831.0482ln人均GDP11.12160.45229.857512.1947ln平均工資10.92060.383610.018312.0814ln房地產(chǎn)投資額25.14510.869222.221026.7751表4中小城市各變量描述性統(tǒng)計(jì)分析結(jié)果變量均值標(biāo)準(zhǔn)差最小值最大值房價(jià)增長率1.09520.11600.68661.5585金融發(fā)展規(guī)模2.36881.30350.763712.5079金融發(fā)展結(jié)構(gòu)0.01500.00500.00520.0339金融發(fā)展效率1.01710.39660.33562.2449ln人均GDP10.46160.53259.027911.7031ln平均工資10.66670.36779.795611.3781ln房地產(chǎn)投資額23.38610.838919.318125.49102.平穩(wěn)性檢驗(yàn)、協(xié)整檢驗(yàn)和確認(rèn)模型效應(yīng)形式在建模之前，為了避免可能存在的“偽回歸”問題，需要先進(jìn)行面板數(shù)據(jù)的平穩(wěn)性檢驗(yàn)。筆者使用EViews8進(jìn)行回歸分析，錄入數(shù)據(jù)后，采用了LLC檢驗(yàn)、IPS檢驗(yàn)和ADF檢驗(yàn)共三種單位根檢驗(yàn)方法，分別對全體樣本城市、大型城市樣本、中小型城市樣本進(jìn)行檢驗(yàn)，最終結(jié)果匯總分別見表5、表6和表7。表5全體城市面板數(shù)據(jù)的單位根檢驗(yàn)結(jié)果變量LLC檢驗(yàn)IPS檢驗(yàn)ADF檢驗(yàn)平穩(wěn)性房價(jià)增長率-17.9621***-11.6788***338.351***平穩(wěn)(0.0000)(0.0000)(0.0000)金融發(fā)展規(guī)模-7.1464***-1.4409*170.184***平穩(wěn)(0.0000)(0.0748)(0.0012)金融發(fā)展結(jié)構(gòu)-8.3129***-2.1303**168.548***平穩(wěn)(0.0000)(0.0166)(0.0016)金融發(fā)展效率-12.286***-5.0304***236.42***平穩(wěn)(0.0000)(0.0000)(0.0000)ln人均GDP-18.4279***-3.7776***188.213***平穩(wěn)(0.0000)(0.0001)(0.0000)ln平均工資-17.1597***0.9877130.248不平穩(wěn)(0.0000)(0.8384)(0.2077)ln房地產(chǎn)投資額-17.1258***-7.0951***266.625***平穩(wěn)(0.0000)(0.0000)(0.0000)△ln平均工資-20.0003***-12.8685***394.265***平穩(wěn)(0.0000)(0.0000)(0.0000)注：***、**和*分別表示在1%、5%和10%水平上顯著（下同）續(xù)表5表6續(xù)表5變量LLC檢驗(yàn)IPS檢驗(yàn)ADF檢驗(yàn)平穩(wěn)性房價(jià)增長率-13.4738***-8.5189***181.6110***平穩(wěn)（0.0000）（0.0000）（0.0000）金融發(fā)展規(guī)律-7.6295***-2.9312***111.0370***平穩(wěn)（0.0000）（0.0017）（0.0002）金融發(fā)展結(jié)構(gòu)-0.82861.123053.7382不平穩(wěn)（0.2037）（0.8693）（0.8162）金融發(fā)展效率-9.1331***-3.6992***129.6540***平穩(wěn)（0.0000）（0.0001）（0.0000）ln人均GDP-14.8476***-3.5760***119.7370***平穩(wěn)（0.0000）（0.0002）（0.0000）ln平均工資-16.2125***-0.886889.5140**不平穩(wěn)（0.0000）（0.1876）（0.0193）ln房地產(chǎn)投資額-13.0558***-5.3827***149.9690***平穩(wěn)（0.0000）（0.0000）（0.0000）△金融發(fā)展結(jié)構(gòu)-14.4291***-8.0506***186.0670***平穩(wěn)（0.0000）（0.0000）（0.0000）△ln平均工資-13.3658***-8.9207***206.4520***平穩(wěn)（0.0000）（0.0000）（0.0000）表727座中小城市面板數(shù)據(jù)的單位根檢驗(yàn)結(jié)果變量LLC檢驗(yàn)IPS檢驗(yàn)ADF檢驗(yàn)平穩(wěn)性房價(jià)增長率-11.9250***-7.9893***156.7400***平穩(wěn)（0.0000）（0.0000）（0.0000）金融發(fā)展規(guī)模-3.2465***1.064459.1473不平穩(wěn)（0.0006）（0.8564）（0.2932）金融發(fā)展結(jié)構(gòu)-7.9933***-4.1672***104.0840***平穩(wěn)（0.0000）（0.0000）（0.0001）金融發(fā)展效率-14.7920***-8.3062***175.0800***平穩(wěn)（0.0000）（0.0000）（0.0000）ln人均GDP-10.5627***-5.6534***131.4190***平穩(wěn)（0.0000）（0.0000）（0.0000）ln平均工資-16.2665***-9.3206***187.8130***平穩(wěn)（0.0000）（0.0000）（0.0000）ln房地產(chǎn)投資額-6.7136***-2.9002***95.6166***平穩(wěn)（0.0000）（0.0019）（0.0004）△金融發(fā)展規(guī)模-10.9097***-6.3379***147.0760***平穩(wěn)（0.0000）（0.0000）（0.0000）續(xù)表續(xù)表7從上面三個(gè)表格中可以看出，在全體城市的三種檢驗(yàn)中，房價(jià)增長率、金融發(fā)展效率、ln人均GDP和ln房地產(chǎn)投資額全部通過1%顯著性水平下的單位根檢驗(yàn)；金融發(fā)展結(jié)構(gòu)通過了5%顯著性水平下的單位根檢驗(yàn)；金融發(fā)展規(guī)模通過了10%顯著性水平下的單位根檢驗(yàn)；ln平均工資在一階差分之后，也通過了1%顯著性水平下的單位根檢驗(yàn)。接下來從大型城市面板數(shù)據(jù)的三種檢驗(yàn)中可以看出房價(jià)增長率、金融發(fā)展規(guī)模、金融發(fā)展效率、ln人均GDP和ln房地產(chǎn)投資額五個(gè)變量全部通過1%顯著性水平下的單位根檢驗(yàn)；在一階差分之后，金融發(fā)展結(jié)構(gòu)和ln平均工資也通過了1%顯著性水平下的單位根檢驗(yàn)。最后從中小型城市面板數(shù)據(jù)的三種檢驗(yàn)中可以看出房價(jià)增長率、金融發(fā)展結(jié)構(gòu)、金融發(fā)展效率、ln人均GDP、ln平均工資和ln房地產(chǎn)投資額六個(gè)變量全部通過了1%顯著性水平下的單位根檢驗(yàn)；在一階差分之后，金融發(fā)展規(guī)模也通過了1%顯著性水平下的單位根檢驗(yàn)。下一步要做的是協(xié)整檢驗(yàn)，本文選用Kao檢驗(yàn)來對所有變量進(jìn)行協(xié)整檢驗(yàn)。最終全體城市樣本的ADF檢驗(yàn)統(tǒng)計(jì)量為-7.3882，P值為0，在1%顯著性水平下拒絕了原假設(shè)，即結(jié)果為存在協(xié)整性關(guān)系；大型城市樣本的ADF檢驗(yàn)統(tǒng)計(jì)量為-5.3222，P值為0，在1%顯著性水平下拒絕了原假設(shè)，即結(jié)果為存在協(xié)整性關(guān)系；中小型城市樣本的ADF檢驗(yàn)統(tǒng)計(jì)量為-5.3903，P值為0，在1%顯著性水平下拒絕了原假設(shè)，即結(jié)果為存在協(xié)整性關(guān)系。在進(jìn)一步建模分析之前，需要確定模型效應(yīng)形式。為了驗(yàn)證模型是隨機(jī)效應(yīng)模型還是固定效應(yīng)模型，思路是先建立隨機(jī)效應(yīng)模型，然后檢驗(yàn)這種形式是否正確。因此本文對模型進(jìn)行Hausman隨機(jī)效應(yīng)檢驗(yàn)。原假設(shè)是應(yīng)該建立隨機(jī)效應(yīng)模型，在一般情況下如果P值小于0.05，則認(rèn)為應(yīng)該建立固定效應(yīng)模型，否則建立隨機(jī)效應(yīng)模型。最終全體城市樣本的P值為0.0136，因?yàn)镻值小于0.05，所以拒絕原假設(shè)，選擇建立固定效應(yīng)模型；大型城市樣本的P值為0.1134，由于P值大于0.05，所以接受原假設(shè)，選擇建立隨機(jī)效應(yīng)模型；中小型城市樣本的P值為0.6327，由于P值大于0.05，所以接受原假設(shè)，選擇建立隨機(jī)效應(yīng)模型.至此可以開始建立正式模型。

五、實(shí)證結(jié)果和分析本文共用到了59個(gè)大中小型城市2008年至2018年的面板數(shù)據(jù)，進(jìn)行了三次回歸。依次對全體城市樣本、32座大型城市樣本和27座中小型城市進(jìn)行回歸分析，回歸結(jié)果分別見表8、表9和表10。（一）全體城市樣本中金融發(fā)展對房地產(chǎn)價(jià)格的影響分析表8全體城市樣本回歸結(jié)果變量系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計(jì)量P值金融發(fā)展規(guī)模0.02370.01122.12160.0343**金融發(fā)展結(jié)構(gòu)8.70551.85294.69820.0000***金融發(fā)展效率-0.10280.0453-2.26900.0236**ln人均GDP0.00320.04160.07750.9382ln平均工資-0.04410.0401-1.09940.2720ln房地產(chǎn)投資額-0.03420.0153-2.23270.0259**R-squaredAdjustedR-squared回歸標(biāo)準(zhǔn)差F統(tǒng)計(jì)量P值(F統(tǒng)計(jì)量)0.14410.05030.11631.53650.0064***被解釋變量均值被解釋變量標(biāo)準(zhǔn)差殘差平方和DW統(tǒng)計(jì)量1.31350.42087.90152.0699首先對全體城市的回歸結(jié)果進(jìn)行分析。核心解釋變量，也是本文的研究目的，金融發(fā)展水平的三個(gè)層面：金融發(fā)展規(guī)模、金融發(fā)展結(jié)構(gòu)和金融發(fā)展效率都對房價(jià)增長率存在顯著的影響。其中金融發(fā)展結(jié)構(gòu)對房地產(chǎn)價(jià)格增長率的影響最為顯著，其次是金融發(fā)展效率，最后是金融發(fā)展規(guī)模。在影響都為顯著的三個(gè)金融發(fā)展維度里，金融發(fā)展規(guī)模變量的回歸系數(shù)為正，對房地產(chǎn)價(jià)格增長率存在促進(jìn)作用；金融發(fā)展結(jié)構(gòu)變量的回歸系數(shù)為正，對房地產(chǎn)價(jià)格增長率存在促進(jìn)作用；金融發(fā)展效率變量的回歸系數(shù)為負(fù)，對房地產(chǎn)價(jià)格增長率存在抑制作用。除此之外，從結(jié)果中可以看出，金融發(fā)展規(guī)模的回歸系數(shù)為8.7055，絕對值遠(yuǎn)大于金融發(fā)展規(guī)模的回歸系數(shù)0.0237和金融發(fā)展效率的-0.1028，從回歸系數(shù)中可以看出，金融發(fā)展規(guī)模的提升對房地產(chǎn)價(jià)格增長率的上漲推動(dòng)作用十分有限。金融發(fā)展規(guī)模每提升百分之一，只會使房地產(chǎn)價(jià)格增長率提升約萬分之二點(diǎn)三；而相對于金融發(fā)展規(guī)模來說，金融發(fā)展結(jié)構(gòu)的優(yōu)化對房地產(chǎn)價(jià)格增長率的上升起到了尤為強(qiáng)勁的推動(dòng)作用。金融發(fā)展結(jié)構(gòu)每提升百分之一，都會使房地產(chǎn)價(jià)格增長率提升約百分之八點(diǎn)七；金融發(fā)展效率的提升卻對房地產(chǎn)價(jià)格增長率的上漲起到了微弱的抑制作用。金融發(fā)展效率每提升百分之一，都會使房地產(chǎn)價(jià)格增長率下降約千分之一。在控制變量中，本文選取代表經(jīng)濟(jì)水平的代理變量為人均GDP，其回歸系數(shù)為正，對房地產(chǎn)價(jià)格增長率的上漲起到了極不顯著的促進(jìn)作用；代表居民收入水平的職工平均工資，其回歸系數(shù)為負(fù)，對房地產(chǎn)價(jià)格增長率的上漲起到了不顯著的抑制作用；而代表房地產(chǎn)投資程度的房地產(chǎn)開發(fā)投資額，其回歸系數(shù)為負(fù)，對房地產(chǎn)價(jià)格增長率的上漲起到了顯著的抑制作用，當(dāng)房地產(chǎn)投資額提升百分之一，房地產(chǎn)價(jià)格增長率會下降大約萬分之三點(diǎn)四。（二）大型城市樣本中金融發(fā)展對房地產(chǎn)價(jià)格的影響分析表9大型城市樣本回歸結(jié)果變量系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計(jì)量P值金融發(fā)展規(guī)模0.01330.00731.82950.0682*金融發(fā)展結(jié)構(gòu)6.67893.33632.00190.0461**金融發(fā)展效率-0.04730.0642-0.73740.4614ln人均GDP0.01870.02720.68950.4910ln平均工資-0.04950.0372-1.33310.1834ln房地產(chǎn)投資額-0.00750.0103-0.72520.4688R-squaredAdjustedR-squared回歸標(biāo)準(zhǔn)差F統(tǒng)計(jì)量P值(F統(tǒng)計(jì)量)0.02230.00530.11771.31120.2513被解釋變量均值被解釋變量標(biāo)準(zhǔn)差殘差平方和DW統(tǒng)計(jì)量1.10540.11804.77782.2044對全體樣本數(shù)據(jù)進(jìn)行分類，分成大型城市和中小型城市兩類樣本數(shù)據(jù)。對大型城市的回歸結(jié)果進(jìn)行分析。核心解釋變量中，金融發(fā)展規(guī)模對房地產(chǎn)價(jià)格增長率的影響在10%顯著性水平下顯著，金融發(fā)展規(guī)模對房地產(chǎn)價(jià)格增長率的影響在5%顯著性水平下顯著，金融發(fā)展效率對房地產(chǎn)價(jià)格增長率的影響卻并不顯著。在大型城市的回歸結(jié)果中，金融發(fā)展規(guī)模和金融發(fā)展結(jié)構(gòu)與房地產(chǎn)價(jià)格提升率都呈現(xiàn)正相關(guān)的關(guān)系，但相比于金融發(fā)展規(guī)模，金融發(fā)展結(jié)構(gòu)對房地產(chǎn)價(jià)格增長率的影響要更為顯著；金融發(fā)展效率的回歸系數(shù)為負(fù)，但并不顯著，意味著金融發(fā)展效率的提升對房地產(chǎn)價(jià)格增長率的提升起到了不顯著的抑制作用。除此之外，金融發(fā)展規(guī)模的回歸系數(shù)為0.0133，金融發(fā)展結(jié)構(gòu)的回歸系數(shù)為6.6789。從回歸系數(shù)中可以看出，金融發(fā)展規(guī)模的提升對房地產(chǎn)價(jià)格增長率的提升起到的推動(dòng)作用十分有限，金融發(fā)展規(guī)模每提升百分之一，只會使房地產(chǎn)價(jià)格增長率提升約萬分之一點(diǎn)三；而相對于金融發(fā)展規(guī)模來說，金融發(fā)展結(jié)構(gòu)的提升對房地產(chǎn)價(jià)格增長率的上漲起到的促進(jìn)作用十分劇烈，金融發(fā)展結(jié)構(gòu)每提升百分之一，都會使房地產(chǎn)價(jià)格增長率提升約百分之六點(diǎn)七。在控制變量中，分別代表經(jīng)濟(jì)發(fā)展水平、居民收入水平和房地產(chǎn)投資水平的三個(gè)代理變量都不顯著。（三）中小型城市樣本中金融發(fā)展對房地產(chǎn)價(jià)格的影響分析表10中小型城市樣本回歸結(jié)果變量系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計(jì)量P值金融發(fā)展規(guī)模0.02630.00713.73340.0002***金融發(fā)展結(jié)構(gòu)4.49471.91062.35250.0193**金融發(fā)展效率0.01240.02850.43630.6629ln人均GDP0.02050.02410.85220.3948ln平均工資-0.04930.0300-1.64070.1019ln房地產(chǎn)投資額-0.02710.0130-2.08130.0383**R-squaredAdjustedR-squared回歸標(biāo)準(zhǔn)差F統(tǒng)計(jì)量P值(F統(tǒng)計(jì)量)0.10380.08530.11135.59880.0000***被解釋變量均值被解釋變量標(biāo)準(zhǔn)差殘差平方和DW統(tǒng)計(jì)量1.09540.11633.59052.1472續(xù)表10對中小型城市的回歸結(jié)果進(jìn)行分析。核心解釋變量中，金融發(fā)展規(guī)模和金融發(fā)展結(jié)構(gòu)都在5%顯著性水平下對房地產(chǎn)價(jià)格增長率的影響顯著，而金融發(fā)展效率對房地產(chǎn)價(jià)格增長率的影響卻不顯著。影響顯著的金融發(fā)展規(guī)模和金融發(fā)展結(jié)構(gòu)的回歸系數(shù)都為正，對房地產(chǎn)價(jià)格增長率有著促進(jìn)作用。從回歸系數(shù)的數(shù)值上來看，金融發(fā)展規(guī)模的回歸系數(shù)為0.0263，由此可以得出結(jié)論金融發(fā)展規(guī)模增長時(shí)對房地產(chǎn)價(jià)格增長率增加起到的推動(dòng)作用十分有限，當(dāng)金融發(fā)展規(guī)模提升每百分之一時(shí)，房地產(chǎn)價(jià)格增長率會提升大約萬分之二點(diǎn)六；金融發(fā)展結(jié)構(gòu)的回歸系數(shù)為4.4947，由此可以看出，相比于金融發(fā)展規(guī)模，金融發(fā)展結(jié)構(gòu)增長時(shí)對房地產(chǎn)價(jià)格增長率增長起到的推動(dòng)作用更為可觀，當(dāng)金融發(fā)展結(jié)構(gòu)每提升百分之一，房地產(chǎn)價(jià)格增長率會提升大約百分之四點(diǎn)五。在控制變量中，人均GDP續(xù)表10（四）三次回歸結(jié)果的對比分析將三次回歸結(jié)果進(jìn)行對比分析。首先是核心解釋變量中的金融發(fā)展規(guī)模，雖然不論是全體城市回歸還是大型城市回歸還是中小型城市回歸，金融發(fā)展規(guī)模都顯著，但相比之下，很明顯在大型城市中，金融發(fā)展規(guī)模最不顯著。再看回歸系數(shù)，金融發(fā)展規(guī)模的回歸系數(shù)在三次回歸中都是一個(gè)較小的正數(shù)，且相比之下在大型城市的回歸中，金融發(fā)展規(guī)模的回歸系數(shù)最小。在這個(gè)方面本文對此解釋為金融發(fā)展規(guī)模隨著城市規(guī)模逐漸的擴(kuò)大，金融發(fā)展規(guī)模的增長對房地產(chǎn)價(jià)格增長率的提高起到的促進(jìn)作用逐漸減小。對金融發(fā)展結(jié)構(gòu)進(jìn)行對比分析，發(fā)現(xiàn)在三次回歸中都顯著，且與金融發(fā)展規(guī)模相似，相比于其他兩次回歸，在大型城市中的金融發(fā)展結(jié)構(gòu)最不顯著。比較三次回歸的金融發(fā)展結(jié)構(gòu)系數(shù)，發(fā)現(xiàn)都遠(yuǎn)大于金融發(fā)展規(guī)模的回歸系數(shù)，但回歸系數(shù)最大的卻是全體城市中的系數(shù)，其次是大型城市，最小的是中小型城市。結(jié)合前文描述性統(tǒng)計(jì)分析結(jié)果，中小型城市的金融發(fā)展結(jié)構(gòu)的均值和標(biāo)準(zhǔn)差都要高于大型城市金融發(fā)展結(jié)構(gòu)的均值和標(biāo)準(zhǔn)差，其中標(biāo)準(zhǔn)差的差距相比于均值更為明顯，這表明中小城市總體的金融發(fā)展結(jié)構(gòu)在一定程度上優(yōu)于大型城市，但是大型城市的金融發(fā)展結(jié)構(gòu)優(yōu)化程度更為平均，中小城市的金融發(fā)展結(jié)構(gòu)優(yōu)化程度波動(dòng)更大，這一現(xiàn)象也表現(xiàn)在全體城市樣本中。對金融發(fā)展效率進(jìn)行對比分析，發(fā)現(xiàn)金融發(fā)展效率在全體城市樣本回歸中顯著，但在大型城市和中小城市樣本回歸中都不顯著。結(jié)合觀察三次回歸的描述性統(tǒng)計(jì)分析結(jié)果可以看出，全體城市樣本中內(nèi)部存在很大的差異性，全體城市樣本、大型城市樣本和中小城市樣本差別過大，這說明不同城市的金融發(fā)展效率有著極大的差異。在控制變量中，人均GDP在對比分析之后發(fā)現(xiàn)在三次回歸中都對房地產(chǎn)價(jià)格增長率有著微弱且不顯著的促進(jìn)作用；平均工資在三次回歸中都對房地產(chǎn)價(jià)格增長有著微弱且不顯著的抑制作用；房地產(chǎn)投資額除了在大型城市樣本回歸中不顯著，在全體城市樣本回歸和中小型城市樣本回歸中都對房地產(chǎn)價(jià)格增長率有著微弱但顯著的抑制作用。由此表明增加房地產(chǎn)開發(fā)投資額，尤其是在中小城市增加房地產(chǎn)開發(fā)投資額，有助于增加商品房供給，控制房價(jià)增長過熱。

結(jié)論與建議本文通過建立回歸方程分析了我國金融發(fā)展對房地產(chǎn)價(jià)格的影響。利用我國三十三個(gè)大型城市和二十七個(gè)中小城市自2008年到2018年的面板數(shù)據(jù)，依次進(jìn)行全體城市樣本、大型城市樣本和小型城市樣本三次回歸，結(jié)論可得：1.在2008年到2018年之間，總體來說金融發(fā)展規(guī)模對房地產(chǎn)價(jià)格增長率上漲存在微弱并顯著的正向作用，但影響系數(shù)會隨著城市規(guī)模的擴(kuò)大而減小。2.金融發(fā)展結(jié)構(gòu)對房地產(chǎn)價(jià)格增長率上漲存在極大的顯著正向作用，相比于中小型城市，金融發(fā)展結(jié)構(gòu)在大型城市中影響系數(shù)更大，結(jié)構(gòu)平均程度更低，大型城市之間結(jié)構(gòu)優(yōu)化程度差距更小3.在全體城市樣本中金融發(fā)展效率對房地產(chǎn)價(jià)格增長率上漲存在微弱但顯著的負(fù)向作用，但各個(gè)城市的金融發(fā)展效率差異極大，在大型城市樣本和中小城市樣本中對房地產(chǎn)價(jià)格增長率的影響都不顯著。4.控制變量中，人均GDP和平均工資分別對房地產(chǎn)價(jià)格增長率的上漲存在微弱且不顯著的促進(jìn)和抑制作用房地產(chǎn)開發(fā)投資額對房地產(chǎn)價(jià)格的上漲存在微弱的顯著抑制作用，主要是在中小型城市樣本中，對房地產(chǎn)價(jià)格增長率的影響顯著，在大型城市樣本中并不顯著5.在金融發(fā)展水平的三個(gè)維度中對比，金融發(fā)展結(jié)構(gòu)的影響系數(shù)最大，其次是金融發(fā)展效率，最后是金融發(fā)展規(guī)模。由此我們可以給出以下建議：1.大型城市金融發(fā)展規(guī)模擴(kuò)大所帶來房價(jià)上漲的代價(jià)相對中小型城市較小，所以可以減緩城市的金融發(fā)展規(guī)模擴(kuò)大的速度來緩解房價(jià)上漲的速度，其中尤其是中小型城市更為有效。2.改善金融發(fā)展結(jié)構(gòu)，調(diào)整金融體系結(jié)構(gòu)由市場主導(dǎo)型轉(zhuǎn)向銀行主導(dǎo)型，有助于緩解房地產(chǎn)價(jià)格上漲。尤其是大型城市的金融發(fā)展結(jié)構(gòu)優(yōu)化，相比于中小型城市，更能起到緩解房價(jià)上漲的作用。3.各大城市的金融發(fā)展效率差異過大，但總體對房價(jià)上漲起到抑制作用，所以應(yīng)該倡導(dǎo)各大城市有效利用資金，提高存貸轉(zhuǎn)化率，以此來抑制房價(jià)上漲。4.增加城市房地產(chǎn)開發(fā)投資額，增加房地產(chǎn)市場商品房的產(chǎn)出，有利于降低房價(jià)。5.在我國各大城市金融發(fā)展水平三個(gè)維度的發(fā)展優(yōu)化中，優(yōu)先級最高的是注重對金融發(fā)展結(jié)構(gòu)的優(yōu)化，其次是金融發(fā)展效率，最后才是金融發(fā)展規(guī)模。

參考文獻(xiàn)閆珂堯.中國金融發(fā)展對房地產(chǎn)價(jià)格時(shí)變影響研究[J].市場周刊,2019(08):108-110.許光建,魏義方,戴李元,趙宇.中國城市住房價(jià)格變動(dòng)影響因素分析[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理,2010(08):5-14.姚耀軍,董鋼鋒.金融發(fā)展、金融結(jié)構(gòu)與技術(shù)進(jìn)步——來自中國省級面板數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)[J].當(dāng)代財(cái)經(jīng),2013(11):56-65.劉曉欣,雷霖.金融杠桿、房地產(chǎn)價(jià)格與金融穩(wěn)定性——基于基于SVAR模型的實(shí)證研究[J].經(jīng)濟(jì)學(xué)家,2017(08):63-72.陳享光,黃澤清.我國房地產(chǎn)價(jià)格變動(dòng)的金融化邏輯[J].經(jīng)濟(jì)縱橫,2017(12):35-43+2.傅貽忙，周建軍，周穎．金融發(fā)展、空間效應(yīng)與房地產(chǎn)庫存———理論解釋與實(shí)證檢驗(yàn)［J］．系統(tǒng)工程，2018，36(10):14－29．陳文哲.金融發(fā)展指標(biāo)設(shè)計(jì)與區(qū)域金融發(fā)展度量[D].南開大學(xué),2014.李娜.我國區(qū)域金融發(fā)展指數(shù)的構(gòu)建與比較研究[D].西南財(cái)經(jīng)大學(xué),2013.山丹花,薄穎輝.淺析金融發(fā)展水平的度量指標(biāo)體系[J].時(shí)代金融,2020(08):5-6+9.郗睿超,王福帥.城市經(jīng)濟(jì)開放與金融發(fā)展對不動(dòng)產(chǎn)價(jià)格的影響問題研究[J].中國商論,2020(18):108-109.邢有為.金融發(fā)展對房價(jià)上漲的門檻效應(yīng)研究[J].價(jià)格月刊,2015(06):13-16.JohnV.DucaandDavidC.Ling.Theother(commercial)realestateboomandbust:Theeffectsofriskpremiaandregulatorycapitalarbitrage[J].JournalofBankingandFinance,2020,112AndreaNobili,FrancescoZollino.AstructuralmodelforthehousingandcreditmarketinItaly[J].JournalofHousingEconomics,2017.RobertKellyandFergalMcCannandConorO’Toole.Creditconditions,macroprudentialpolicyandhouseprices[J].JournalofHousingEconomics,2018,41:153