《基于面板數(shù)據的我國城鎮(zhèn)住房價格模型》由會員分享，可在線閱讀，更多相關《基于面板數(shù)據的我國城鎮(zhèn)住房價格模型（8頁珍藏版）》請在裝配圖網上搜索。
1、高級房地產經濟學課程論文基于面板數(shù)據的中國城鎮(zhèn)住房價格模型姓名：鄧光耀 學號：2011310035 專業(yè)：國民經濟學摘要：本文通過分析影響房價的各種因素，利用中國統(tǒng)計年鑒上2008年2010年的全國城鎮(zhèn)房價及相關數(shù)據，建立了31個省市近三年的房價的面板數(shù)據模型，實際驗證了了北京、上海等大城市對全國的房價起推動作用的結論，并提出相關的政策建議。關鍵詞：房價；面板數(shù)據模型；固定效應一、模型的建立與數(shù)據來源影響中國城鎮(zhèn)住房價格的因素有很多，從供給與需求兩方面來分析，主要有以下幾種 房價之謎.黃石松，陳紅梅著.北京：社會科學文獻出版社，2009.5：（1）地區(qū)經濟發(fā)展水平（人均GDP）；（2）住房投資
2、；（3）住宅用地因素；（4）住宅成本因素；（5）人口和家庭因素；（6）居民家庭收入因素；（7）住宅產業(yè)政策因素。其中，住房價格的漲跌與住房政策緊密相連，但是由于政策因素對市場的影響十分復雜，難以用量化的指標進行測度。結合研究目標與數(shù)據的可得性兩個方面，本文選用商品住宅價格平均銷售價格（PRICE，單位：元/平方米）作為因變量，選取城鎮(zhèn)居民人均家庭年均可支配收入（INCOME，單位：元/年）、城鎮(zhèn)房地產住宅投資（INVEST，單位：億元）、房地產開發(fā)企業(yè)（單位）本年度投資完成額（COMPANY，單位：億元）、竣工房屋造價（COST，單位：元/平方米）、人均GDP（GDP，單位：元/人）作為自變量
3、。以上指標的數(shù)據均來自于2009年、2010年、2011年的中國統(tǒng)計年鑒 ，由于數(shù)據的滯后性，得到的是2008年、2009年、2010年的具體數(shù)據 嚴格地說，要選取19982010年的相關數(shù)據，但是由于時間有限，數(shù)據整理太繁瑣，故只選取最近三年的數(shù)據做研究。具體如下：商品住宅價格平均銷售價格的數(shù)據來自于表538 不同年度的中國統(tǒng)計年鑒中的表格序號會有些差別，以2011年的為準，下同，城鎮(zhèn)居民家庭年均可支配收入數(shù)據來自于表10-15，城鎮(zhèn)房地產住宅投資數(shù)據來自于表5-6，房地產開發(fā)企業(yè)（單位）本年度投資完成額數(shù)據來自于表5-31，竣工房屋造價數(shù)據來自于表5-34，人均GDP數(shù)據來自于表2-1和表
4、2-15。我們建立基于面板數(shù)據的中國城鎮(zhèn)住房價格模型如下： （1）這里，我們?yōu)榱丝紤]問題的方便性，將一般的面板數(shù)據模型簡化為以上形式。其中，假定常數(shù)項C只與個體數(shù)據有關，與時間無關；斜率系數(shù)滿足個體齊次性及時間齊次性，也就是說斜率系數(shù)是常數(shù)。各變量的具體定義參見本文第三段的敘述。一般的面板數(shù)據模型如下： （2）其中：為外生變量向量，為參數(shù)向量，K為外生變量個數(shù)，T是時期總數(shù)。隨機擾動項相互獨立，且滿足零均值、等方差。 由于以上變量在我國的整體情況不是簡單的平均與加總 考慮到各省的人口數(shù)的不同，因此是加權平均，因此我在這里把全國單獨列出來，但是具體分析的仍是31個省市的數(shù)據，并將31個省市與全國
5、的情況做比較。下面是全國這個樣本的數(shù)據：表1 2008年2010年全國房價相關數(shù)據 本表中數(shù)據的單位在本文的第3段已經說明，以下各表中數(shù)據的單位也是如此timePRICEINCOMEINVESTCOMPANYCOSTGDP2008380015780.7622440.931203.191795237082009468117174.6525613.736241.812021256082010503219109.4434026.248259.40222829992限于篇幅，對31個省市的具體數(shù)據不再一一列舉，有興趣的讀者可以找我索要或者根據統(tǒng)計年鑒自行整理。二、數(shù)據的描述性統(tǒng)計分析下表是根據evie
6、ws6.0軟件得到的分析結果。表2 相關數(shù)據的描述性統(tǒng)計分析結果PRICE?INCOME?INVEST?COMPANY?COST?GDP?Mean4386.52716428.46882.59681244.1341933.35529314.85Median3263.00014980.47731.7000955.92001862.00023239.00Maximum17782.0031838.083158.5004299.3804018.00078989.00Minimum1958.00010969.417.0000008.9600001195.0008824.000Std. Dev.2889.7
7、234516.749696.7723983.7103525.551816669.10Skewness2.5325631.4744641.0754210.9569691.0696361.453275Kurtosis9.7274674.5374433.6411633.2532874.6699174.425892Jarque-Bera274.793042.8571419.5191814.4433428.5397940.61466Probability0.0000000.0000000.0000580.0007310.0000010.000000Sum407947.01527847.82081.501
8、15704.5179802.02726281.Sum Sq. Dev.7.68E+081.88E+094466523289027101254108312.56E+10Observations939393939393Cross sections313131313131本文只分析這組數(shù)據中房價的均值、最大值、最小值、標準差、偏度以及峰度。從表2可以看到，2008年2010年各省市城鎮(zhèn)平均房價為4386.527元/平方米。從各省市的具體數(shù)據可以看到，這三年中各省市的房價均在上升。各省市在這三年中房價的最高值為17782元/平方米，這是北京市2010年的數(shù)據，另外上海市2010年城鎮(zhèn)房價平均為1446
9、4元/平方米，這兩個城市的房價領先與全國其他城市。由于涉及的數(shù)據比較多，因此方差表現(xiàn)的比較大，從房價方面來看，達到2889.723，各指標中，人均GDP數(shù)據的方差最大，主要原因是這組數(shù)據的值本身較大。偏度是以標準差為單位的算術平均數(shù)與眾數(shù)的離差，取值范圍一般為-3,+3。偏度為0表示是對稱分布，偏度為+3表示極右分布，偏度為-3表示為極左分布。從上表可以看到，房價數(shù)據是右偏的，并且值較大，為2.532563。從上表可以看到，房價數(shù)據的峰度為9.727467。根據正態(tài)分布的性質，當峰度為3時，表示這組數(shù)據是正態(tài)分布。當峰度大于3時，表示分布曲線成尖頂峰度，說明房價數(shù)據比較密集地分布在眾數(shù)周圍。三
10、、模型參數(shù)的估計及相關分析使用面板數(shù)據進行分析，主要有三種模型可供選擇，即OLS模型、固定效應（FE）模型與隨機效應（RE）模型。利用F檢驗來判定是使用OLS模型還是FE模型，利用LM檢驗（拉格朗日乘數(shù)法）來判定是使用OLS模型還是RE模型，利用Hausman檢驗來判定使用RE模型還是FE模型?？紤]到各省的異質性，采用固定效應模型最好 嚴格的來說，需要進行上面三種檢驗，才能判定使用固定效應模型，但是為了將這三種模型進行比較，本文仍涉及OLS模型與RE模型，但是重點分析固定效應模型，本文的結果也是從固定效應模型中得到。OLS模型是指公式1中的常數(shù)項變成了C，與各省樣本無關。隨機效應模型中常數(shù)項與
11、各變量無關，不存在相互影響。固定效應模型中常數(shù)項與各變量相關，也就是說常數(shù)項與各變量之間的相關系數(shù)不為零 高級計量經濟學及stata應用.陳強編著.北京高等教育出版社，2010.10。1、OLS模型下面是利用OLS模型的運算結果：表3 OLS模型運算結果Dependent Variable: PRICE?Method: Pooled Least SquaresDate: 02/10/12 Time: 16:19Sample: 2008 2010Included observations: 3Cross-sections included: 31Total pool (balanced) obs
12、ervations: 93VariableCoefficientStd. Errort-StatisticProb.INCOME?-0.0138960.049755-0.2792950.7807INVEST?-9.7431481.028324-9.4747840.0000COMPANY?7.1012480.7807099.0958990.0000COST?1.2524410.3300573.7946160.0003GDP?0.0690580.0133605.1688930.0000R-squared0.860867Mean dependent var4386.527Adjusted R-squ
13、ared0.854543S.D. dependent var2889.723S.E. of regression1102.106Akaike info criterion16.90010Sum squared resid1.07E+08Schwarz criterion17.03626Log likelihood-780.8546Hannan-Quinn criter.16.95508Durbin-Watson stat0.939185對模型進行OLS估計的前提是將模型的常數(shù)項看成C，也就是與各省份無關。得到的結果除城鎮(zhèn)居民人均家庭年均可支配收入（INCOME）前的系數(shù)外，均可以通過顯著性檢驗
14、。另外模型的擬合優(yōu)度為0.860867，比較高。但是我們可以從后面的固定效應模型與隨機效應模型來看，所得到的變量系數(shù)很很大的差異，相關的論文房價之謎.黃石松，陳紅梅著.北京：社會科學文獻出版社，2009.5也是利用固定效應模型來處理房價方面的面板數(shù)據。2、隨機效應模型表4 隨機效應模型運算結果Dependent Variable: PRICE?Method: Pooled EGLS (Cross-section random effects)Date: 02/10/12 Time: 16:23Sample: 2008 2010Included observations: 3Cross-sect
15、ions included: 31Total pool (balanced) observations: 93Swamy and Arora estimator of component variancesVariableCoefficientStd. Errort-StatisticProb.C-3973.888775.6797-5.1231050.0000INCOME?0.3984250.0937894.2480870.0001INVEST?4.4437751.1548983.8477630.0002COMPANY?2.8391970.8939233.1761080.0021COST?0.
16、9648160.3301022.9227810.0044GDP?0.0115740.0206670.5600230.5769Random Effects (Cross)BJ-C BJ表示北京市，下面的記號類似2471.088TJ-C-737.2321HEB-C62.04810SX-C-407.2668NMG-C-997.9149LN-C513.6840JL-C162.1828HLJ-C662.6004SH-C9.069930JS-C-410.2442ZJ-C-285.9428AH-C286.9132FJ-C-657.1535JX-C-156.9611SD-C-427.3890HEN-C400.
17、4606HUB-C-483.1109HUN-C-502.6595GD-C-107.8632GX-C-223.2374HN-C2341.584CQ-C-900.8124SC-C685.1690GZ-C124.1060YN-C-469.0173XZ-C-671.3979SXI-C SXI表示陜西，SX表示山西-56.61144QH-C46.05214GS-C-211.8373NX-C-274.8246XJ-C216.5183Effects SpecificationS.D.RhoCross-section random787.18360.6324Idiosyncratic random600.21
18、780.3676Weighted StatisticsR-squared0.794038Mean dependent var1767.372Adjusted R-squared0.782201S.D. dependent var1393.334S.E. of regression650.2544Sum squared resid36786281F-statistic67.08150Durbin-Watson stat1.525098Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.868919Mean dependent var4
19、386.527Sum squared resid1.01E+08Durbin-Watson stat0.557113對于隨機效應模型，我們與固定效應模型一起分析。3、固定效應模型表5 固定效應模型運算結果Dependent Variable: PRICE?Method: Pooled Least SquaresDate: 02/10/12 Time: 16:22Sample: 2008 2010Included observations: 3Cross-sections included: 31Total pool (balanced) observations: 93VariableCoef
20、ficientStd. Errort-StatisticProb.C-5248.3651255.623-4.1798910.0001INCOME?0.6815960.1757803.8775510.0003INVEST?0.1077061.6323480.0659820.9476COMPANY?0.4078311.2514240.3258930.7457COST?0.3724120.4936620.7543870.4537GDP?0.0573170.0468111.2244300.2258Fixed Effects (Cross)BJ-C5786.443TJ-C493.9326HEB-C-16
21、5.8391SX-C-712.2097NMG-C-575.5794LN-C1169.966JL-C57.48835HLJ-C977.0967SH-C1140.441JS-C-367.9952ZJ-C-981.2976AH-C157.6864FJ-C-862.6479JX-C-948.5117SD-C-926.5491HEN-C-423.6675HUB-C-103.2114HUN-C-1237.535GD-C-6.037433GX-C-1242.616HN-C2861.649CQ-C-931.2129SC-C603.6107GZ-C-423.4663YN-C-1313.450XZ-C-1099.
22、344SXI-C-215.9070QH-C-155.0210GS-C-188.6958NX-C-624.2183XJ-C256.6973Effects SpecificationCross-section fixed (dummy variables)R-squared0.973270Mean dependent var4386.527Adjusted R-squared0.956857S.D. dependent var2889.723S.E. of regression600.2178Akaike info criterion15.91711Sum squared resid2053489
23、8Schwarz criterion16.89747Log likelihood-704.1455Hannan-Quinn criter.16.31295F-statistic59.29907Durbin-Watson stat2.045840Prob(F-statistic)0.000000從表4與表5可以看到隨機效應模型與固定效應模型的結果中，隨機效應模型中各變量的系數(shù)的估計結果大多在0.05的顯著性水平下可以通過顯著性檢驗（除人均GDP外），固定效應模型中各變量的的系數(shù)的估計結果在0.05的顯著性水平下大多不可以通過顯著性檢驗（除城鎮(zhèn)居民人均家庭年均可支配收入INCOME外）。但是模型的
24、擬合優(yōu)度，固定效應模型比隨機效應模型有顯著的提高，為0.973270。從擬合優(yōu)度看來，說明模型的自變量與因變量之間的線性關系很強。下面只分析固定效應模型的結果。各自變量（城鎮(zhèn)居民人均家庭年均可支配收入、城鎮(zhèn)房地產住宅投資、房地產開發(fā)企業(yè)本年度投資完成額、竣工房屋造價、人均GDP）對因變量（商品住宅價格平均銷售價格）有推動作用。固定效應模型的F統(tǒng)計量為59.29907，對應的P值小于0.05，F(xiàn)檢驗可以通過，說明模型的整體效果不錯。31個省份的截距項差別很大，說明中國城鎮(zhèn)住房價格受區(qū)域因素的影響豐常大。城鎮(zhèn)住房市場是一個不完全競爭的市場，地區(qū)的差異性很大，還有其他非市場因素比如政府市場監(jiān)管、城市
25、規(guī)劃和計劃控制等，對于各地區(qū)住房市場產生影響。忽視住房市場的區(qū)域性差異將難以分析我國住房價格錯綜復雜的現(xiàn)象和矛盾。北京地區(qū)的截距為C=5786.443，遠遠高于其他省份，從現(xiàn)實情況來看，像北京這樣的城市，對全國都具有極強的輻射力，大量的外來人口在北京購房置業(yè)，并且對一般來說，進入北京購房的消費者或者投資者，其支付能力較高，購買力也更強。因此，北京的實際住房價格也相對較高。以上分析，對上海等經濟發(fā)達的大都市也適用。城鎮(zhèn)居民家庭年平均可支配收入（INCOME）對住房價格的攀升影響顯著。近年來，中國經濟增長迅速，居民收入相應提高，其住房購買力也相應增強，住房價格也因此而提升。這從世界經濟發(fā)達國家以及
26、國內不同地區(qū)、不同城市的比較也可以看出，經濟增長較快的國家與地區(qū)，住房價格上漲也較快。同時，因經濟發(fā)展形勢良好而引發(fā)的居民對未來經濟發(fā)展的良好預期也是住房價格上漲的推動力量。需要說明的是，由于從模型本身來講，它只是利用歷史數(shù)據得到的統(tǒng)計意義上的模型，所以它并不能精確預測與解釋單個省份住房價格的變化，特別是針對以下兩種城市的解釋：一是受非市場因素影響過大的城市；二是輻射力特別強的城市。但是總的來說，模型還是能基本預測和評價城鎮(zhèn)住房價格水平及其變化，這也從上述實證分析中得到充分驗證。四、政策建議根據以上的實證結果，提出以下兩條政策建議：1.中國的房地產宏觀調控是必要的也是必需的要有效調控房價，必須
27、從土地供應、房地產投資資金、市場監(jiān)管、住房金融等方面進行綜合的政策調控。當前，必須從供給與需求兩個角度對房價上漲實施調控，既要保持對土地開發(fā)和住宅投資的適度規(guī)模和增長速度，又要加大供給結構調整的力度，加快住房保障體系的完善，還要調整消費政策以有效激發(fā)和支持居民自用性和改善性住房需求，同時采取有效措施抑制過度消費和超前消費。2.進一步的房地產宏觀政策應著眼于構建長期穩(wěn)定的房價形成機制當前我國所處的經濟發(fā)展階段，決定了較長一段時間內銀行貸款仍然將是居民購房融資的主要形式。由于世界經濟發(fā)展的動蕩和不確定性，國內經濟特別是城鄉(xiāng)居民收入將進入一個變化較大、增長預期不確定的時期，保持房價的相對穩(wěn)定是經濟社
28、會健康可持續(xù)發(fā)展的必然要求。進一步出臺的針對房地產業(yè)的宏觀政策應著眼于構建長期穩(wěn)定的房價形成機制。比如，保持融資成本的長期穩(wěn)定、可控是降低房地產金融系統(tǒng)性風險的主要手段。為此，可以借鑒德國的住房金融模式，也可以進一步完善和充分發(fā)揮住房公積金的制度優(yōu)勢，還可以更多運用金融支持“合作建房”等模式，進行大膽的創(chuàng)新，為穩(wěn)定房價提供金融制度保障。參考文獻：1、房地產價格波動對宏觀經濟影響的一般均衡分析 原鵬飛 廈門大學博士畢業(yè)論文 2009.42、上海市房地產價格變動影響因素實證研究 姜彩樓, 徐康寧, 李永浮 建筑經濟、房地經濟 2007.13、大連市房地產價格影響因素的分析 邢銀華 東北財經大學碩士
29、畢業(yè)論文 2010.114、房地產價格影響因素的定量分析與預測基于濟南市住宅市場的實證分析 周建明 山東大學碩士畢業(yè)論文 2008.95、房地產價格影響因素研究基于徐州市房地產價格的實證分析 鮑麗香 河海大學碩士畢業(yè)論文 2006.36、我國房地產價格波動形成機制及影響因素研究 王文斌 南開大學博士畢業(yè)論文 2010.57、我國房地產價格及其影響因素分析 王華欣 山東大學碩士畢業(yè)論文 2009.48、房地產價格與貨幣政策的關系研究 丁 晨 上海交通大學博士畢業(yè)論文 2009.19、房價之謎 黃石松，陳紅梅 北京：社會科學文獻出版社 2009.510、高級計量經濟學及STATA應用 陳強 北京：
30、高等教育出版社 2010.1011、Cameron,A.C.and P.K. Trivedi,2005. Microeconometrics:Methods and Applications.Cambridge University Press,New York,NY.12、Hausman,J.,1978.“Specification Tests in Econometrics”Econometrica,46,p.125- 127113、Hausman,J. and W .Taylor,1981.“Panel Data and Unobservable Individual Effects,”Econometrica,49,p.1377-1398.8
基于面板數(shù)據的我國城鎮(zhèn)住房價格模型
