房地产价格宏观层面上的影响因素分析

《房地产价格宏观层面上的影响因素分析 》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、房地产价格宏观层面上的影响因素分析　　摘要：近年来，房地产投资过热及“泡沫”说，不绝于耳，尤其在2007年，各地房地产价格甚至出现“跳涨”，国家统计局“国房景气指数”连续攀升，有价无市的现象在年底也逐渐突显。文章首先介绍我国房地产市场的现状及其行业地位，然后收集数据，建立模型，在宏观层面上，对我国房地产行业的影响因素进行定量分析，最后对我国房地产行业的健康发展，提出了一些意见。　　关键词：房地产；因子分析；政策建议　　　　一、引言　　　　我国自1998年开始实施新型住房制度，即以住房分配货币化为起

2、点，逐步建立私有产权为主，其他产权形式并存的多元化产权制度，有效拉动了社会需求，刺激了住宅消费，带动了国民经济的持续快速发展。然而，随着中国房地产市场的发展，各种矛盾也逐渐暴露，特别是高房价问题。　　过去的2007年，房地产价格经历了快速上升阶段，各省城市房价不断攀升，截止到2007年12月，国家统计局国房景气指数连续8个月上升，创下2004年2月以来新高。不断走高的房地产价格，尤其在一些大城市，已远超大多数居民的购买能力。　　房地产价格的快速上涨已成为我国经济平稳运行中的突出问题。从房地产业在国

3、民经济中所占比重以及该产业同其他产业的关联度大小来看，房地产业在国民经济中所占比重不断增加；房地产产业的产业链长，波及面广，国民经济中的绝大部分产业和房地产业都有关联关系；此外，房地产业还关系到民生问题。这些决定了房地产市场在宏观调控中的位置。　　文章首先简要分析房地产价格快速上涨的成因，然后在此基础上选取变量做定量分析。驱动房地产价格上涨的宏观经济因素主要有：国民经济的持续快速增长，居民收入增长加快；城市化进程的加快及我国人口结构因素；较为宽松的信贷政策；人民币升值的预期。人民币近年来兑美元不断

4、升值，随着美元不断贬值，人民币成了避风港，房地产行业作为不可贸易品部门，必然会吸引大量外资，从而推动其价格上涨；房地产升值预期的形成导致开发商囤积土地、捂盘惜售再加上土地供给缺乏弹性，导致供给减少，供需矛盾加剧，促使房地产价格上涨。　　以上因素是房地产价格不断上涨的主要因素。可见，房地产价格的上涨既有经济发展带来的必然因素，同时还存在一些不确定因素。　　　　二、宏观层面上房地产价格影响因素的定量分析　　　　（一）数据的选取　　考虑到我国的房地产市场发展较晚，时间序列数据存在时间间隔短的问题，本文采

5、取横截面数据，利用因子分析来分析房地产价格的影响因素，研究对象为全国31个省（市）、自治区，选取的能够反应各地区房地产价格的变量有以下8个：　　X1：各地区城镇居民消费水平　　X2：各地区城镇人均可支配收入　　X3：各地区年末人均实有住宅面积　　X4：各地区城镇人口所占比重　　X5：2005年各地区房地产价格　　X6：2006年土地价格指数　　X7：2006年房屋租赁价格指数　　X8：市政基础设施水平　　X1至X3反应各地区人民的富裕程度；X4反映各地区城市化水平；X5是2005年各地房地产销售平

6、均价格，本文采取房地产销售价格中的住宅销售平均价格，选取该变量主要是考虑上一年房地产价格对下一年的影响，在一定程度上还反映人们的预期；X6、X7分别表示各地区土地价格及房屋租赁价格的相对于上年的上涨幅度；X8反映各地区城市基础设施对地产价格的影响，此处用各地区每万人拥有公共车辆的台数表示。所有数据来源于《2007中国统计年鉴》并经相关处理。　　（二）模型的建立　　设有p维可观测的随机向量x=（x1，x2，…xp）＇，其均值为μ＝（μ1，μ2,…up）＇，因子分析的一般模型为：　　x1=μ1+a11

7、f1+a12f2+…a1mfm+ε1x2=μ2+a21f1+a22f2+…a2mfm+ε2xp=μp+ap1f1+ap2f2+…apmfm+εp　　可以简记为：X=μ+AF+ε，其中f1，f2，…，fm为公共因子，ε1，ε2，…εp为特殊因子，它们都是不可观测的随机变量。公共因子f1，f2，…，fm出现在每个原始变量xi（i=1，2，…p）的表达式中，可理解为原始变量的共有因子；一般假定特殊因子εi～（0，σ2i）。通常称A为因子载荷矩阵。根据因子载荷矩阵的性质知，因子载荷矩阵并不是唯一的，当Γ为

8、一m×m正交矩阵时，AΓ仍然满足原来的约束条件，AΓ同样也是因子载荷矩阵。根据因子载荷阵的这一性质，我们可以对因子载荷阵实行旋转，即用一个正交阵右乘以A，经若干次旋转后，可以使每个变量仅在一个公共因子上有较大的载荷，而在其余公共因子的载荷较小，至多是中等大小。这样我们就能比较明确地知道各公共因子的意义。　　本文中，可观测的随机变量为X1，X2…X8，这些变量是影响房地产价格的重要因素，各变量之间也有较强的相关性。我们可以通过上面的因子分析模型来对其进行分析，将8个变量分成几类因子，