计量经济学论文 关于房价问题的初步分析

关于房价成本的初步 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 关于房价问题的初步分析 引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。 写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。 写作 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 ：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。 关键词：房价成本 拟合优度 现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元） 数据如下： Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49 27949354 17730.00 2727006. 100569.0 24.43530 9262.460 31272779 16183.90 2429352. 127430.0 31.02330 13179.53 6227073. 4017.600 910691.0 66407.00 20.75480 6778.030 5493441. 2952.100 553611.0 108288.0 30.29870 9999.540 3593356. 2750.900 574705.0 70826.00 22.61980 6901.420 14813618 9139.800 2072530. 60728.00 24.48080 8399.910 6345217. 3433.600 932901.0 66056.00 20.20090 6926.120 8729958. 4840.800 1048763. 81761.00 22.90280 7321.980 8188402. 4969.700 1119106. 74553.00 24.42580 7674.200 15163242 8105.000 1492820. 101932.0 24.93280 12380.43 2818466. 1721.600 353700.0 77472.00 24.17320 7785.040 394053.0 121.5000 61210.00 55361.00 23.43200 7259.250 5862095. 4939.600 817997.0 69432.00 25.72440 8093.670 12253374 8784.600 2070534. 59748.00 26.35850 7041.870 2122907. 980.3000 293310.0 72152.00 18.19430 6569.230 3967957. 2248.700 522470.0 69238.00 24.92940 7643.570 293427.0 121.3000 36593.00 73205.00 19.92990 8765.450 4404362. 1580.000 410311.0 93212.00 21.75050 6806.350 2236860. 1327.200 449409.0 46857.00 21.11380 6657.240 747325.0 242.9000 101501.0 61046.00 19.10550 6745.320 1080546. 578.7000 88225.00 61459.00 22.25500 6530.480 3196774. 1450.800 203375.0 95835.00 20.78110 7173.540 先用Eviews软件进行White检验： White Heteroskedasticity Test: F-statistic 2.779810 Probability 0.049670 Obs*R-squared 26.27412 Probability 0.156948 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/05 Time: 21:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 6.08E+12 2.29E+13 0.265539 0.7960 X5 1.64E+08 3.88E+09 0.042370 0.9670 X5^2 87293.54 453712.3 0.192398 0.8513 X5*X4 38067124 3.56E+08 0.106810 0.9171 X5*X3 1363.555 6160.070 0.221354 0.8293 X5*X2 -17464.36 50393.75 -0.346558 0.7361 X5*X1 -453312.2 1215201. -0.373035 0.7169 X4 -9.71E+11 1.83E+12 -0.531486 0.6067 X4^2 4.28E+10 6.46E+10 0.661720 0.5231 X4*X3 -1905048. 1949296. -0.977301 0.3515 X4*X2 -19010403 17319142 -1.097653 0.2981 X4*X1 4.23E+08 4.15E+08 1.020801 0.3314 X3 -13869460 34509844 -0.401899 0.6962 X3^2 41.81843 22.62540 1.848296 0.0943 X3*X2 517.0981 231.1954 2.236628 0.0493 X3*X1 -14772.93 8469.467 -1.744258 0.1117 X2 1.51E+08 3.45E+08 0.438853 0.6701 X2^2 2050.261 1851.410 1.107405 0.2940 X2*X1 -67170.59 50453.24 -1.331343 0.2126 X1 7.80E+08 6.17E+09 0.126430 0.9019 X1^2 1246362. 746355.0 1.669932 0.1259 R-squared 0.847552 Mean dependent var 1.17E+12 Adjusted R-squared 0.542656 S.D. dependent var 1.78E+12 S.E. of regression 1.21E+12 Akaike info criterion 58.69986 Sum squared resid 1.46E+25 Schwarz criterion 59.67127 Log likelihood -888.8478 F-statistic 2.779810 Durbin-Watson stat 1.809921 Prob(F-statistic) 0.049670 结果显示为没有异方差。 DW值为1.809921，没有自相关。 做多重共线性检验： X5 X4 X3 X2 X1 X5 1.000000 0.686513 0.279851 0.836241 0.418307 X4 0.686513 1.000000 0.477886 0.540881 0.538697 X3 0.279851 0.477886 1.000000 0.125029 0.960871 X2 0.836241 0.540881 0.125029 1.000000 0.271375 X1 0.418307 0.538697 0.960871 0.271375 1.000000 可以看出有多重共线性。 数 97 数 97得的的的 采取逐步回归法： 第一次回归，我们可以根据T检验值和可决系数看出：X1的效果最好： Dependent Variable: Y Method: Least Squares Date: 12/22/05 Time: 21:16 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. X1 1651.403 87.67703 18.83508 0.0000 C 903234.0 502408.2 1.797809 0.0826 R-squared 0.924432 Mean dependent var 7446408. Adjusted R-squared 0.921826 S.D. dependent var 7227629. S.E. of regression 2020815. Akaike info criterion 31.93824 Sum squared resid 1.18E+14 Schwarz criterion 32.03076 Log likelihood -493.0427 F-statistic 354.7601 Durbin-Watson stat 1.930762 Prob(F-statistic) 0.000000 依次 21得加入X2，X3，X4，X5： 可得，加入X2后的效果最好： Dependent Variable: Y Method: Least Squares Date: 12/22/05 Time: 21:16 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. X2 60.57577 9.136899 6.629795 0.0000 X1 1547.354 57.83197 26.75604 0.0000 C -3711880. 765709.2 -4.847637 0.0000 R-squared 0.970594 Mean dependent var 7446408. Adjusted R-squared 0.968493 S.D. dependent var 7227629. S.E. of regression 1282914. Akaike info criterion 31.05893 Sum squared resid 4.61E+13 Schwarz criterion 31.19771 Log likelihood -478.4134 F-statistic 462.0886 Durbin-Watson stat 2.098685 Prob(F-statistic) 0.000000 再 21得DE 加 2入X3，X4，X5 加入X3，回归： Dependent Variable: Y Method: Least Squares Date: 12/26/05 Time: 10:09 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. X1 1392.586 243.1554 5.727144 0.0000 X2 64.15614 10.72532 5.981748 0.0000 X3 0.924103 1.409311 0.655713 0.5176 C -4115494. 988624.2 -4.162850 0.0003 R-squared 0.971055 Mean dependent var 7446408. Adjusted R-squared 0.967838 S.D. dependent var 7227629. S.E. of regression 1296176. Akaike info criterion 31.10765 Sum squared resid 4.54E+13 Schwarz criterion 31.29268 Log likelihood -478.1686 F-statistic 301.9308 Durbin-Watson stat 2.037807 Prob(F-statistic) 0.000000 加入X4，回归： Dependent Variable: Y Method: Least Squares Date: 12/26/05 Time: 10:09 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. X1 1569.186 66.74467 23.51029 0.0000 X2 64.04945 10.56258 6.063810 0.0000 X4 -69455.16 102797.7 -0.675649 0.5050 C -2476469. 1985261. -1.247428 0.2230 R-squared 0.971083 Mean dependent var 7446408. Adjusted R-squared 0.967870 S.D. dependent var 7227629. S.E. of regression 1295550. Akaike info criterion 31.10668 Sum squared resid 4.53E+13 Schwarz criterion 31.29171 Log likelihood -478.1536 F-statistic 302.2316 Durbin-Watson stat 2.298423 Prob(F-statistic) 0.000000 加 21得DE 入 X5，回归： Dependent Variable: Y Method: Least Squares Date: 12/26/05 Time: 10:10 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. X1 1511.624 60.28105 25.07627 0.0000 X2 39.25698 15.77525 2.488517 0.0193 X5 316.7476 193.7661 1.634691 0.1137 C -4428358. 863348.9 -5.129279 0.0000 R-squared 0.973242 Mean dependent var 7446408. Adjusted R-squared 0.970269 S.D. dependent var 7227629. S.E. of regression 1246240. Akaike info criterion 31.02907 Sum squared resid 4.19E+13 Schwarz criterion 31.21410 Log likelihood -476.9506 F-statistic 327.3477 Durbin-Watson stat 1.861895 Prob(F-statistic) 0.000000 我们 21得DE发现加入X3，X4，X5的效果都不好，T检验都不充分。 于是我们只保留X1，X2再回归，得： Dependent Variable: Y Method: Least Squares Date: 12/22/05 Time: 21:16 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. X2 60.57577 9.136899 6.629795 0.0000 X1 1547.354 57.83197 26.75604 0.0000 C -3711880. 765709.2 -4.847637 0.0000 R-squared 0.970594 Mean dependent var 7446408. Adjusted R-squared 0.968493 S.D. dependent var 7227629. S.E. of regression 1282914. Akaike info criterion 31.05893 Sum squared resid 4.61E+13 Schwarz criterion 31.19771 Log likelihood -478.4134 F-statistic 462.0886 Durbin-Watson stat 2.098685 Prob(F-statistic) 0.000000 得出 数 97回归函数为： Y=1547.354 X1+60.57577 X2-3711880 结论：我们总认为房产总价值与许多成分有关，其实在最后我们看到并不是这样。但现实中房价成本具有相当大的难度。不管是资金成本很难简单地以招拍挂价格进行测算，还是融资成本比较难核算。而且房地产的利润要以综合成本衡量。种种原因构成了房价成本确定的难度。而房产行业的暴利，开发商的暴利是来源于开发商的阶层优越感和特殊占有地位，而与之相对的是老百姓的阶层卑微感和相对剥削感。房地产业的暴利如果继续维持，考验的不仅是中国经济的稳定，更是老百姓忍耐的限度。而且这种房产的暴利行为导致了从2003年10月开始的通货膨胀，并造成了中国越来越大的金融风险。我国房价的公开将会采取怎么样的方式，笔者将和大家一起拭目以待。 2003级经济学基地班 40301109 陈亭 参考资料：http://www.stats.gov.cn/tjsj/ndsj/yb2004-c/indexch.htm http://www.xinhuanet.com