南京市房價影響因素的實證研究
來源:用戶上傳
作者:
摘 要：近年來，南京市房價不斷走高，越來越多的年輕人因為買不起房而選擇離開南京。因此，有必要對南京市房價的影響因素進行研究，發掘南京市房價不斷攀升的原因，并給出相應的政策意見?；谟嬃拷洕鷮W的研究方法，選擇1994—2017年南京市的商品房價格作為被解釋變量，同時選取了常住人口、城鎮居民人均可支配收入、房地產開發投資、竣工面積、地區生產總值、國家貨幣發行量M2這6個因素作為解釋變量，構建多元線性回歸方程，同時采用主成分分析法降低變量之間的多重共線性。研究表明，常住人口是南京市房價上升的最主要原因。此外，城鎮人均可支配收入、房地產開發投資、竣工面積、地區生產總值、貨幣發行量M2均與南京市房價呈正相關關系。
關鍵詞：房價;影響因素;多元線性回歸;主成分分析;南京市
中圖分類號：F299.23 文獻標志碼：A 文章編號：1673-291X（2019）12-0125-03
一、文獻回顧
對于房價影響因素的探索，國內外學者已做了大量的研究。趙麗麗、焦繼文（2007）通過灰色關聯度分析，認為建筑材料價格對房價的影響最大，其次是土地價格等因素，并提出從房地產開發利潤中拿出一部分錢來建設保障性住房，以此緩解房價上漲。蓋美、田野（2011）選擇上海市2000—2009年的相關經濟數據作為樣本，采用主成分分析法進行回歸分析。結果顯示，影響上海市房價的最主要因素為需求因素。薛建譜、王衛華（2013）構建長期均衡模型和短期誤差修正模型，分別從長期和短期的角度對房價的影響因素進行研究。結果表明，從長期來看，收入和房屋造價是影響房價的最主要因素;從短期來看，房價會受到來自股價波動的不確定性干擾。郭曉宇（2014）從房地產供求狀況的角度進行實證分析，得出了人均可支配收入是影響當期房價最主要因素的結論。黃華繼、王絮（2015）選用主成分分析法對安徽省房價影響因素進行簡化，并以簡化后的各主成分建立回歸模型，研究表明，地區生產總值、貨幣供應量M2、人均可支配收入等與房價有正相關影響;而美元兌人民幣匯率則有負相關影響。葉發強、陳西嬋（2016）通過對重慶市房價影響因素的觀測，選取了人口數量、家庭收入、土地供應量等因素作為解釋變量進行實證分析，結果認為土地供應量與貨幣流動性對房價的影響存在一定的滯后性，同時，房產稅相較于其他因素而言對房價的影響有限。李永剛（2018）考察了2000—2014年東西部各省級區域的經濟指標，選取了城鎮人口、土地出讓金、信貸規模等9個因素作為經濟變量，分別就東西部省份的房價影響因素進行分析。結果顯示，城鎮人口規模增加對中東部省份的房價有一定的推動作用;土地出讓金對東西部省份的房價均有明顯的正相關影響;信貸規模對東部地區的房價影響顯著;貸款利率對東西部地區的房價影響均不顯著。
二、實證研究
?。ㄒ唬嫿ǘ嘣€性回歸模型
通過前人的分析可知，影響房價的因素有很多，但并不是所有的因素都可以加以量化。因此，在查閱了大量文獻的基礎上，結合南京市的實際情況，本文選取了1994—2017年南京市常住人口（x1）、城鎮居民人均可支配收入（x2）、房地產開發投資（x3）、竣工面積（x4）、地區GDP（x5）、貨幣供應量M2（x6）這6個因素作為解釋變量，南京市房價（y）作為被解釋變量，構建多元線性回歸模型。同時，為了降低自變量在時間序列上的自相關性和異方差性，使得數據更加平滑，文章選擇對各變量數據取對數處理。基于以上分析，可以構建如下的多元線性回歸方程：
由相關系數矩陣可以判斷，本文所選取的自變量之間的確存在較為嚴重的多重共線性問題。因此，有必要采取相應的解決辦法來消除多重共線性的影響。本文采用主成分分析法來降低變量的多重共線性問題。
?。ǘ┲鞒煞址治龇?
1.數據處理及適用性檢驗。在回歸模型中，各變量的性質和單位不同，如果直接使用原始數據進行回歸，會相對凸顯數值較大的指標的意義，這樣的回歸是有失公平的。因此，在采用主成分分析之前，首先要運用SPSS19.0對數據進行標準化處理。本文采用的標準化處理方法為SPSS19.0默認的Z-score處理方法，該方法的計算公式如下：
2.提取主成分。一般而言，確定主成分個數的方式通常由特征值法和累計貢獻率法。本文采用SPSS19.0默認的特征值法選擇主成分，即選擇特征值大于1的成分作為主成分。表2顯示，只有第一主成分的特征值大于1，且第一主成分的方差貢獻率達到98.429%，累計貢獻率98.429%，可以認為選取的第一主成分已經能夠基本涵蓋所有的原始信息。因此，本文選擇第一主成分進行主成分分析。
主成分載荷矩陣體現的是主成分對各初始變量（經過標準化后）的相關系數，即因子載荷量。但是，我們所需要的主成分系數并不是因子載荷量，而是特征向量。因子載荷量與特征向量有以下數量關系：
特征向量，即主成分系數=因子載荷量除以相應特征值的平方根。根據這一公式可以得出主成分系數表（見下頁表3）。
求出主成分系數表后，我們可以得出第一主成分的表達式為：
F1=0.409Zlnx1+0.41Zlnx2+0.41Zlnx3+0.399Zlnx4+0.41Zlnx5+0.41Zlnx6（2）
這里的Zlnxt是并不是原始數據，而是經過標準化后的數據。因此，將標準化后的數據帶入表達式，可以得到不同年份相應的Ft。最后，建立lnyt與Ft的回歸方程如下：
回歸結果（如表4和表5所示）。由表4和表5可知，回歸模型的R2為0.96，調整后的R2為0.958，說明模型擬合優度良好，對樣本數據的解釋能力很強。F1的t統計量23.059，遠大于1%顯著性水平下的t檢驗臨界值，拒絕原假設，即1通過了1%水平的顯著性檢驗。此外，一般認為方差膨脹因子（VIF）大于10，即表明模型存在較為嚴重的多重共線性問題，而本次回歸VIF為1，證明模型不存在多重共線性問題。綜上，可以得出lnyt與F1的線性回歸方程為： lnyt=8.585+0.381F1（4）
將公式（2）帶入方程得：
lnyt=8.585+0.156Zlnx1+0.156Zlnx2+0.156Zlnx3+0.152Zlnx4+0.156Zlnx5+0.156Zlnx6（5）
這里的Zlnxi仍然指的是經過標準化后的數據，因此，還需要使用公式（1）將標準化后的數據轉回成原始數據，轉換如下：
將式（6）代入式（4）可得lnyt與lnxt的線性回歸方程，結果如下：
lnyt=1.09lnx1+0.19lnx2+0.13lnx3+0.24lnx4+0.15lnx5+0.14lnx6-4.435（7）
由lnyt與lnxt的線性回歸方程可以得出這樣的結論：南京市房價與常住人口的關系最為密切，南京市常住人口每增長1%，房價便會相應增長1.09%，這也與現實情況相符合。除此之外，其他各因素都在一定程度上都與南京市房價呈現正相關關系，這也證明了文章的模型選取的確存在一定的經濟意義。
三、結論與建議
首先，研究結論。本文以《南京市統計年鑒》作為主要數據來源，同時查閱大量資料、文獻，力求數據選用的真實性、可靠性，運用Eviews10、SPSS19.0等軟件對影響南京市房價的相關因素進行了定量研究。實證結果表明，在諸多因素中，常住人口是影響南京市房價的最主要因素，其他因素如人均可支配收入、房地產開發投資、竣工面積、南京市地區GDP、貨幣發行量M2等都對房價的上漲有一定的推動作用。
其次，政策建議。實行有條件落戶政策，南京市作為江蘇省的省會，同時又是長三角經濟帶的特大型中心城市之一，近年來的經濟水平得到了飛速發展，這自然吸引了大量的外來人口進入南京謀生。此外，南京市高校林立，最新的統計資料顯示，南京市在校大學生人數已經達到了84萬。在如此龐大的住房需求之下，南京市房價不斷攀升也在情理之中。但是，過高的房價也會反作用于經濟發展，尤其是最近一輪房價暴漲之后，許多人對南京市的高房價望而生畏，從而會在就業、謀生等方面選擇蘇南的一些城市作為替代。因此，南京市政府可以選擇設置落戶條件的方式來限制購房的需求，盡快抑制房價的飛漲，這樣既能緩解南京市房價飛速上漲帶來的負面影響，同時也能通過設置相應的落戶政策篩選出相應的人才。
參考文獻：
[1] 黃華繼，王絮.基于經濟因素影響安徽省房價的實證研究[J].重慶三峽學院學報，2015，（31）：42-43.
[2] 李永剛.商品房價格影響因素比較研究[J].經濟社會體制比較，2018，（2）：29.
[3] 趙麗麗，焦繼文.房價影響因素的灰色關聯度分析[J].統計與決策，2007，（23）：74-75.
[4] 薛建譜，王衛華.基于均衡模型的我國商品房價格影響因素分析[J].統計與決策，2013，（22）：119-120.
[5] 蓋美，田野.上海市住宅價格影響因素及未來走勢研究[J].工業技術經濟，2011，（8）：140-141.
[6] 郭曉宇.我國房價影響因素的實證分析[J].時代金融，2014，（18）：22-23.
轉載注明來源:http://www.hailuomaifang.com/2/view-14870398.htm
