房地产价格宏观层面上的影响因素分析_论文

《房地产价格宏观层面上的影响因素分析_论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-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2017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

2、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。9/9过去的2017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2017年12月，国家统计局国房景气指数连续8个月上升，创下2017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

3、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

4、、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。9/9二、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

5、区年末人均实有住宅面积X4：各地区城镇人口所占比重X5：2017年各地区房地产价格X6：2017年土地价格指数X7：2017年房屋租赁价格指数X8：市政基础设施水平9/9X1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2017年各地房地产销售平均价格，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

6、的台数表示。所有数据来源于《2017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+a11f1+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

7、，…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。9/9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

8、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，来考察它们对房地产价格的影响。　　（三）模型的结算结果及其分析首先对各变量进行数据标准化处理