江苏省房市的定量研究_定量研究

时间：2019-01-11 03:24:45　来源：雅意学习网本文已影响人

　　摘要：相对于上海、广州、深圳等地，无锡、苏州特别是南京的经济并不具有明显的优势，但房价相比前者却不低。在诸多影响江苏房价的因素中，哪些是关键因素？本文尝试做出解答。本文从主成分角度，选取江苏省作为样本，挑选与房价有关的代表性因素作为指标，运用spss16.0，得到各因子间关系，以从对房价影响的各因素中从实证的角度提炼出关键因子，以对房地产市场实证研究有一定的启发作用。
　　关键词：江苏省房地产市场房价影响因素主成分分析供需因素
　　
　　一、研究意义
　　自1998年来，房价节节攀升，一跃成为目前广大国人最关心又最忧虑的一个问题。学者们对这个问题已做过很多研究。杨媛、鲍夏梦（2010）采用上海2000―2008年房屋销售指数和土地交易价格指数，运用格兰杰因果检验得出了房价与地价之间相互作用的关系［１］。李涛（2010）从需求方面对房价的高企做了分析，并建立模型检验二者的相关性，发现了房价高需求弹性和市场的超额需求现象［2］。曹洪（2005）对房地产各评价指标进行综合比较，给出了房地产市场发展的一些建议［3］。牛毅（2005）单纯分析我国房地产价格高居不下的成因，如空置面积，土地价格的持续上涨，以及房地产建设项目税费，等等，从而给出了控制房价的建议［4］。孟晓庆、李晓晨（2010）以北京、上海、广州等城市为例，使用结构方程模型对我国主要大城市房价高企的原因进行了实证研究［5］。
　　从以上的研究中，我们没有看到对江苏省房地产市场的具体实证研究，但是在2010年公布的中国城市房价排行榜中（见图1），江苏各主要城市的排名均居比较靠前位置，而且在房价均价前20名的城市中，江苏有三个席位，分别是南京、苏州和南通。北京、上海、广州等地房价畸高的形势，与这些地方已经比较成熟的经济发展环境，以及较高的人均收入呈正相关。然而，根据相关统计数据显示，相对于这些城市的高人均收入，2009年江苏人均收入最高的苏州以14565元仅居第15位，更别说房价居全国第9位，而人均收入仅在全国排第28位的南京了。本文尝试从江苏省的情况出发，做相关的实证研究。
　　鉴于此，本文尝试运用主成分分析方法，对影响江苏房价的各因素进行衡量，找出影响江苏房价的主要因素。
　　二、研究指标的选取
　　房价，是指特定时间段内房产的市值。楼盘的价格由多种因素构成，这涉及很多微观因素，鉴于获取数据的困难性，我们这里只研究城市房价均价的情况。对于一个城市的房价来说，影响因素可以简单概括为两个主要方面：供给因素、需求因素。
　　从供给的角度看，最根本的是该地区的经济发展速度，城市新建住房的数量、库存数量，还有政府对住房市场的供给调控政策，等等，这些都直接影响到一地住房的供给。
　　需求方面的影响因素比较多，居民的收入水平，该地区的国民生产总值，消费价格指数，以及人口密集度，等等，都直接影响到对于住房的需求能力和需求数量。
　　对房价水平因素评价要选取多个指标综合评价，根据以上房价供需方面的分析，下面选取一些指标建立地区楼市的指标体系。
　　从供给因素选取房屋建筑竣工面积（X1）指标反映新建住房的供给量，选取房地产开发投资额（X2）反应潜在的房屋供给能力。选取居民人均可支配收入（X3）、物价指数（X4）、江苏省GDP（X6）反映地区的经济实力；选取地区人口出生率（X5）指标反映对新增住房的需求，选取这个指标的原因是在目前江苏省“只生一个孩子”政策下，新生儿能在更大程度上测度和反映家庭对住房的需求；选取人口密度（X7）和人均住宅面积（X8）指标反映公众现有住房需求的大小。另外一个地区房价的波动与附近城市的房价也有很大的联动关系，故而我们这里单选取上海作为参考对象，我们采用的上海的人均可支配收入作为衡量上海居民消费能力，以及对于房价的敏感度的指标。
　　三、研究结果与分析
　　运用SPSS计算得出的相关系数矩阵，发现房屋竣工数量（X1）与房地产开发投资（X2），城镇居民人均可支配收入（X3），全省GDP（X6），以及人均住宅面积（X8）等几个指标有着极其显著的关系，相关系数都在0.98以上，表明许多变量之间的相关性比较强，证明它们存在信息上的重叠。
　　在载荷矩阵中，第一主成分中房屋建筑竣工面积（X1）、房地产投资额（X2）、居民人均可支配收入（X3）、江苏省GDP（X6）和人均住宅面积（X8）载荷值大于0.9，可以作为反映房地产市场发展水平的因子；第二个主成分中物价水平（X4）载荷值为0.852，周边城市居民人均可支配收入水平（X9）的载荷值为0.75，可以作为反映地区消费能力的因子；第三个主成分中只有居民人口出生率（X5）的载荷值和人口密度（X7）的值较大，可以作为反映当地人口密集度的因子，第四个主成分中人均住宅面积（X8）载荷较大，可以反映地区房屋潜在需求水平或者房屋供给现状的因子。
　　前4个主成分的特征值累计贡献率达99.861%，故而提取前4个主成分，即M=4，我们从经济学上对这四个主成分进行解释，第一个主成分反映地区房地产市场发展水平，第二个主成分反映地区消费能力，第三个主成分反映当地经济发展水平，第四个主成分反映地区房屋潜在需求水平，我们据此对4个主成分进行命名。
　　将得到的特征向量与标准化后的数据相乘，然后就可以得出主成分得分值。将前面9个指标转换成F1、F2、F3、F4四个指标来反映地区的产业结构转换能力，F1、F2、F3、F4的线性组合为：
　　F1=Zx1*0.19+Zx2*0.35+Zx3*0.37+Zx4*（-0.16）-0.3*Zx5+0.36*Zx6-0.32*Zx7+0.37*Zx8+0.37*Zx9
　　F2=Zx1*0.19+Zx2*0.28+Zx3*0.10+Zx4*（0.82）+0.4*Zx5+0.16*Zx6+0.05*Zx7-0.07*Zx8+0.07*Zx9
　　F3=Zx1*0.08+Zx2*0.32+Zx3*0.13+Zx4*（-0.5）+0.56*Zx5+0.2*Zx6+0.51*Zx7-0.11*Zx8+0.07*Zx9
　　F4=Zx1*0-Zx2*0.04+Zx3*0.10+Zx4*（0.21）-0.54*Zx5+0.04*Zx6+0.79*Zx7+0.13*Zx8+0.09*Zx9
　　以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算主成分综合评价模型：
　　其中表示第主成分因子的特征值如表3。
　　四、结语
　　得出的综合主成分值与我们所知道的现实经济情况大体符合，在存在福利分房的情况下，房屋的供给与房价的关系负相关或不相关，而进入21世纪，当房地产市场发展逐渐成熟之后，房屋的供给量直接影响到了房屋的价格。房地产市场的发展水平体现的是一地公开透明有效地进行房屋交易的程度，由上面的主成分值可知，一直以来我们房地产市场发展水平大部分年份是呈负相关的，这可能与我们选取的样本有关系，但也不排除炒房团或者寻租行为的影响。地区消费能力与房价，从直觉上说，应该是正相关的，我们得出的实证数据显示，二者的相关关系呈正相关。
　　
　　参考文献：
　　［1］杨媛，鲍夏梦.上海房价与地价关系的实证考察，商业时代［J］.2010，（20）：139-140.
　　［2］李涛.房价波动的需求变异因素剖析，经济问题［J］.2010，（8）：45-47.
　　［3］曹洪.对房地产价格指标的思考，价格月刊［J］.2005，（8）：18-19.
　　［4］牛毅.我国房地产价格为何居高不下，中国房地信息［J］.2005，（3）：53-55.
　　［5］孟晓庆，李晓晨.我国主要城市房价高企成因探析及治理对策――以北京、上海、上海、深圳等城市为例，价格理论与实践［J］.2010，（6）：30-31.
　　［6］连晓丽.我国房价指数预测模型比较，价格理论与实践［J］.2010，（7）：42-43.
本文为全文原貌未安装PDF浏览器用户请先下载安装原版全文

推荐访问:江苏省定量房市研究

江苏省房市的定量研究_定量研究

最新文章

热门文章