郑州市房地产需求预测分析

摘要：本文在分析影响房地产需求因素分析的基础上，对西安市房地产需求进行预测分析并进行实证研究。文中使用SPSS软件对各因素进行相关分析和通过回归分析对选定的自变量建立多元回归需求预测模型，并且运用了一元线性回归对自变量进行预测，得到未来四年西安市房地产需求量会上升的结论。

关键词：市场需求；回归分析；预测模型

1 引言

在市场经济条件下，房地产业起着重要的作用。[1]随着我国经济的迅速发展，房地产市场也是一片欣欣向荣，房价处于不断上涨中。在整体经济增长的前提下，房地产市场运行的表现更是超出预期。[2] 2012年年初总理再次强调调控房价政策不放松。影响房价的因素很多，但归根结底，房价取决于市场供求情况。[3]而房价也会反过来影响市场供求。[4]解读国家的宏观政策后，可发现我国现要实现有效有度地遏制房地产行业发展过热，实现经济软着陆。基于上述两点，对房地产市场需求的预测具有十分重要的意义。

2 模型建立和实证研究

通过以上分析，得出影响我国房地产市场需求的可量化的因素为GDP、人均GDP、年人均可支配收入、房地产销售价格、房价收入比、银行住宅五年以上贷款利率、城镇储蓄存款、市区年末总人口。本文采用多元线性回归模型来表示房地产市场需求量与各因素之间的关系，其自变量与因变量的关系可表示为：

其中，X1，X，2，……Xp为自变量，Y为因变量，ε是服从正太分布N（O，δ2）的随机变量，b0， b1， ……bp为待估参数。

线性回归方程的检验方法主要包括模型拟合程度R2检验、方差分析（F检验）、r检验三种检验方法，分别对模型的预测值与观测值的相关系数、线性回归的整体显著性、线性回归中各回归系数的显著性三个方面进行检验。本文参考郑州市统计网的信息，选取郑州市1999-2012年的数据进行实证研究。数据见表1，具体实证部分如下：

年份 房地产销售面积（万） GDP（亿元）） 人均GDP（亿元） 年人均可支配收入（元） 房地产销售价格（元） 房价与家庭收入比值 银行住房五年以上贷款利率（%） 城镇储蓄存款（亿元） 市区年末总人口（万人） 房地产预期价格（元）

1999 75.6 632.934 10091 6148 1481 11.61 4.05 513.53 631.6 1578

2000 184.2 728.4 11227 6458 1883 11.38 4.05 565.78 665.9 1987

2001 143.7 815.8 12149 7266 1969 10.88 4.05 692.78 677.0 2265

2002 163.1 913.9 13394 7772 2029 10.40 4.05 849.57 687.7 2000

2003 269.3 1074.1 15506 8647 2046 10.41 4.05 1048.49 697.7 2156

2004 314.5 1335.2 18995 9667 2098 9.32 4.05 1211.09 708.2 2426

2005 613.7 1660.6 23320 10977 2637 8.79 4.41 1436.08 716 2789

2006 801.8 2007.8 27882 12187 2873 8.51 4.41 1620.75 724.3 3124

2007 1097.9 2486.7 34068 14084 3573 7.80 4.86 1658.71 735.6 4520

2008 699.6 3012.8 40736 16120 5607 6.16 4.86 2067.22 743.6 5789

2009 1198.9 3308.5 44242 17417 4294 6.16 4.86 2511.17 752.1 4691

2010 1558.7 4040.9 47608 19376 4957 4.21 6.14 2911.00 866.1 5490

2011 1563.2 4979.8 56856 22477 5696 4.11 6.14 3252.15 885.7 5941

2012 1441.9 5549.8 62049 25301 6252 4.17 6.14 3845.46 903.1 6481

表1

2.1 模型构建

相关性分析表见表2。通过对各因素的相关性分析，得出了对因变量房地产市场需求（即房地产销售面积）影响程度较大的3个自变量且3个变量之间没有相关性，即年人均可支配收入、城镇储蓄存款、市区年末总人口。建立房地产市场需求预测的一元三次线性回归模型，其中因变量房地产销售面积定义为Y，自变量年人均可支配收入、城镇储蓄存款、市区年末总人口分别定义为X1，X，2，X3。

通过SPSSl9.O的分析得出，模型拟合情况可以令人满意，预测值同观测值的相关系数为，且模型可以解释的观测数据，满足一般要求，具体见表3。

2.2 模型检验

房地产销售面积 GDP 人均GDP 年人均可支配收入 房地产销售价格 房价与家庭年收入比值 银行五年以上贷款利率 城镇储蓄存款 市区年末总人口 房地产预期价格

房地产销售面积 1 .942** .951** .954** .878** -.954** -.939** .940** .919** .907**

GDP .942** 1 .993** .998** .960** -.972** .964** .993** .966** .957**

人均GDP .951** .993** 1 .997** .971** -.982** .943** .988** .941** .973**

年人均可支配收入 .954** .998** .997** 1 .963** -.978** .950** .599 .458 .963**

房地产销售价格 .878** .960** .971** .963** 1 -.960** .910** .944** .896** .991**

房价与家庭年收入比值 -.954** -.972** -.982** -.978** -.960** 1 -.945** -.974** -.944** -.966**

银行住房五年以上贷款利率 .939** .964** .943** .950** .910** -.945** 1 .948** .971** .915**

城镇储蓄存款 .940** .993** .988** .599 .944** -.974** .948** 1 .967** .939**

市区年末总人口 .919** .966** .941** .458 .896** -.944** .971** .967** 1 .893**

房地产预期价格

.907** .957** .973** .963** .991** -.966** .915** .939** .893** 1

表2

通过SPSSl9.0的统计分析，说明模型的拟合程度较高，可以对拟合模型数据进行F检验、T检验。

R R Square Adjusted Square

.945a .894 207.17

表3

2.2.1 方差分析

从表4方差分析的结果显示，年人均可支配收入、城镇储蓄存款、市区年末总人口与房地产销售面积的线性相关性显著，其Sig.值很小，远小于0.01的显著性水平要求，故通过线性回归假设，具体见表5。

模型 平方和 df 均方 F Sig.

Regression 3608035.52 3 1202678.84 28.021 .000a

Residual 429207.08 10 42970.71

Total 4037243.60 13

表4

模型 非标准化系数 t Sig.

B 标准误差

（常量） -270.45 1728.01 -2.735

年人均可支配收入 .088 .099 3.886 .016

城镇储蓄存款 -.228 .645 -2.192 .015

市区年末总人口 0.337 2.713 2.214 .013

表5

2.2.2 回归参数显著性检验

回归系数的检验结果显示，自变量年人均可支配收入、城镇储蓄存款、市区年末总人口的系数为0的概率分别为0.016、O.015、O.013小于通常所要求的O.05，即可认为回归有效；且t值绝对值均大于2，也说明此模型可行。

由此可认为多元线性回归模型通过检验，可用于未来郑州市房地产市场需求的预测，模型表达式为：

2.2.3结果解释

该模型表示年人均可支配收入每增加l元，房地产销售面积增加0.088万平方米；城镇储蓄存款每增加l亿元，房地产销售面积减少0.228万平方米；市区年末总人口每增加l万人，房地产销售面积增加0.337万平方米。

2.3 自变量因素预测

模型中自变量的预测方法均是根据表1中所对应的自变量的值进行散点图分析，均得出这些因素与年份之间存在近似的一元线性关系，设一元线性回归方程：

其中，yi为年人均可支配收入，ti为年份。然后对回归方程进行方差分析和拟合情况检验，依此得出自变量对应的预测值。

年人均可支配收入回归方程：

城镇储蓄存款回归方程：

市区年末总人口回归方程：

具体预测值（以4年为例）分别见表6，表7和表8。

2.4 预测结果

年份 2013 2014 2015 2016

年人均可支配收入预测值（元 26685.52 28250.16 29814.79 31379.43

表6

年份 2013 2014 2015 2016

城镇储蓄存款预测值（亿元） 4542.66 4828.67 5114.67 5400.68

表7

年份 2013 2014 2015 2016

市区年末总人口预测值（万人） 1031.44 1041.93 1052.42 1062.91

表8

年份 房地产销售面积 年人均可支配收入 城镇储蓄存款 市区年末总人口

2013 1532.75 26685.52 4542.66 1031.44

2014 1608.76 28250.16 4828.67 1041.93

2015 1684.77 29814.79 5114.67 1052.42

2016 1760.79 31379.43 5400.68 1062.91

表9

经过以上分析，可以得出郑州市房地产市场需求的三元一次线性回归模型：

由此得出未来四年郑州市房地产市场需求量预测值，见表9。由表9可以看出，未来四年郑州市房地产市场需求量将出现正向增长。

3 结束语

本文首先研究了影响我国房地产需求的众多因素，在这些因素中抽取可以量化的因素为自变量，建立了房地产市场需求的预测模型。实证研究中，发现影响郑州市房地产市场需求的关键因素为：年人均可支配收入、城镇储蓄存款和市区年末总人口。在预测模型中，使用了线性回归方法和多元回归方法，对郑州市未来四年的房地产需求情况进行了预测。希望能对房地产市场经济软着陆有一定的意义。

参考文献：

[1] 建设部政策研究中心课题组.怎样认识当前房地产市场形势.中国房地信息，2011.

[2] 李启明.房地产投资有广阔的发展空间.中国投资，2001（3）.

[3] 曹振良.房地产经济通论.北京大学出版社，2003.

[4] 林道明，马红彬.关于房地产价格影响因素的分析方法.魅力中国，2010（29）.

[5] 申斯.基于回归分析的北京市住宅市场需求研究.统计与咨询，2011（2）.

[6] 宋建忠.房地产市场投资与经济增长关系分析.中国市场，2009（5）.

[7] 张跃平，葛健芽.金华市房地产需求预测.金华职业技术学院学报，2007，8.

[8] 桑玉杰.回归分析在房地产市场方面的应用.沈阳航空工业学院学报，2003

作者介绍：魏刚，1976年6月，工程师，河南省五建建设集团有限公司。