论中国房地产行业销售业绩及其影响因素

摘要:选择多元线性回归模型,运用参数的最小二乘估计法进行模型的建立,并通过估计、检验、调整,建立了房地产开发企业住宅销售套数合计与其影响因素的模型。模型涉及一个被解释变量和三个解释变量,检验结果较好。文章通过对中国各地区房地产及其相关经济要素数据的计量经济研究分析,提出了具有现实意义的对策建议。

关键词:多元线性回归模型;经济意义;政策建议

一、问题的提出

近十年以来,房地产对中国经济的发展起着巨大作用。房地产行业的发展,拉动了许多相关行业,如建筑业、物业服务、金融业等的发展。现在,房地产业成为中国经济的核心命脉之一,对中国经济的健康、稳定的发展起着牵一发而动全身的作用。

对于中国的消费者来说,尤其是在大城市,买房成了在社会上立足的必要阶段,甚至成了赚钱牟利的手段。许多人一辈子为了房子成了房奴,也有许多人把买房看成一种时尚。中国房地产的发展、房屋价格的走势,牵动着老百姓的心,对居民幸福程度有着很大的影响。本文着眼于研究房地产销售状况和它的一些影响因素(固定资产投资、社会建设总规模、城镇和农村居民收入和支出、居民储蓄余额)的关系。深入探究拉动房地产销量的根本原因,由此得来的研究结果对于国家房地产政策的调整、居民和社会机构关于房地产的决策,有着巨大的现实意义。

二、理论分析与研究思路

社会经济现象是复杂的,通常一种社会经济现象总是和多种现象相联系。一种社会经济现象与多种现象相联系的最简单形式,是一个被解释变量与多个解释变量的线性关系,即多元线性回归模型。多元线性模型中对随机扰动项u的假定,有零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定、无多重共线性。多元线性回归模型参数的最小二乘估计式是最佳线性无偏估计式。房地产销售套数一定是众多因素共同影响的结果,因此笔者将模型形式设定为多元线性回归模型,采用最小二乘估计方法,估计出模型的线性表达式,并对模型进行检验、调整。

三、模型的设定与估计方法

本模型选取的解释变量为:固定资产投资、城镇居民全年人均可支配收入、城镇居民全年人均消费性支出、农村居民全年人均纯收入、农村居民全年人均生活消费支出、全社会建设总规模和城乡居民人民币储蓄存款年底余额。所选取的解释变量与被解释变量:房地产开发企业住宅销售套数合计,有很强的联系。

模型选择的估计方法为多元线性回归模型的最小二乘估计方法,它能一目了然地揭示出变量之间的解释与被解释关系,起到较好的经济解释作用。

四、数据的收集及处理

(一)样本数据的选取

本文获取了2008年中国31个地区的数据如表1所示。

(二)数据的评价

本模型的数据采用2008年中国各地区的截面数据,它对于不同类型的经济活动的比较具有较好的适用性。另外,数据的来源可靠,内容真实,具有权威性,因此估计出来的回归模型的解释型也较强。

五、结果分析

(一)模型的估计和调整

首先对被解释变量(Y)与解释变量(X1,X2,X3,X4,X5,X6,X7)进行回归分析,并将方程的形式设定为多元一次方程:

Y=C+C1X1+C2X2+C3X3+C4X4+C5X5+C6X6+C7X7+u

由EViews的最小二乘计算结果可以看出,解释变量系数检验的t值不显著,因此改变模型设定的形式,对方程两边取对数形式可得:

LNY^=9.627688787+0.5648647951*

LNX1-4.225512746*LNX2+3.169936842*

LNX3+0.8028783807*LNX4-0.4416063359*

LNX5+0.7320204531*LNX6-0.1799775386*

LNX7

EViews的最小二乘计算结果可以看出,该模型R^2=0.9582,Adjusted R^2=0.9454,F检验值75.2613,明显显著。但是lnx4,lnx5,lnx7系数的t检验不显著,而且lnx2和lnx7系数的符号与预期的相反,这表明可能存在严重的多重共线性,下面对模型的多重共线性进行修正,修正后的最小二乘回归结果如图1所示。

分析可得,原模型剔除了lnx4,lnx5,lnx6,lnx7,修正后的回归方程为:

LNY^=4.472507234+1.021787965*NX1-

3.448108952*LNX2+3.447103011*LNX3

t=(2.2797)(19.0024)(-4.3613)(4.1841)

R^2=0.9426AdjustedR^2=0.9362F=147.7677DW=1.6482

(二)模型的检验和调整

1、经济意义检验

从回归结果可以看出,房地产销售套数与固定资产投资额和居民的消费性支出成正比,这符合原假设,符合经济意义。模型采用对数形式仍可说明这一现象。城镇居民人均可支配收入和房地产销售套数成反比,这和之前的假设不符合,但是从长远来看,大多数人只会买一套住房,买完一套之后,随着可支配收入的增加,这大多数人不会选择再购房。因此,回归模型的反比关系不无道理,而且揭示出了更深层次的关系。

2、统计推断检验

从回归的结果看,可决系数R^2=0.9426,模型的拟合程度很高;系数的显著性检验,t值的绝对值都大于2,所以各解释变量对被解释变量有显著的影响;F检验值147.7677,显著性很高。模型的统计推断检验结果理想,检验通过。

3、计量经济学检验

White检验:进行检验异方差的White检验。从White检验可知,给定显著性水平0.05.R^2=0.62039,则nR^2=31*0.62039^2=11.916

调整后的模型为:

LNY-0.175293*LNY(1)=4.336059673+1.036567025*(LNX1-0.175293*LNX1(-1))-3.346026598*(LNX2-0.175293*LNX2(-1))+3.243167403*(LNX3-0.175293*LNX3(-1))

将LNX0.175293*LNX(-1)换成LNX*,得下式为最终模型:

LNY^*=4.336059673+1.036567025*

LNX1*-3.346026598*LNX2*+3.243167403*

LNX3*

t=(2.3771)(18.5032)(-3.881916)(3.7861)

R^2=0.9412 Adjusted R^2=0.9344 F=138.6816 DW=1.8874

六、结论

固定资产投资对于房地产企业住宅的销售套数具有正向关系的影响,原因是固定资产投资中有相当大一部分是投资于房地产的开发,它直接影响住宅的建设量,对住宅的销售套数也有很大的影响;模型显示,城镇居民全年人均可支配收入和房地产企业住宅的销售套数呈反向关系,这揭示出更深层次的二者之间的关系。从长远来看,绝大部分居民由于负担不起多处住宅的购买,一般他们会选择在购买了一套住宅之后,不再购买新的住宅直到搬家。因此,随着人均可支配收入的增高,住宅的销售套数总体趋势并没有随之增加,反而有一个相对减少的趋势。城镇居民全年人均消费性支出与房地产企业住宅的销售套数呈正向关系。城镇居民家庭消费性支出是指被调查的城镇居民家庭用于日常生活的全部支出,包括购买商品支出和文化生活、服务等非商品性支出。其中,商品支出分为以下八类:食品;衣着;家庭设备用品及服务;医疗保健;交通与通信;娱乐、教育、文化服务;居住;杂项商品和服务。因此,包括居住费用的城镇居民消费性支出的增长对于房地产销量的增长起推动作用,可以观察到,解释变量――农村居民2008年人均收入和消费支出,在多重线性回归时被剔除,由此可见,购买住宅的主力军是城市居民,农村居民由于地理环境、收入、生活习惯上的差异,对住宅尤其是商品房的需求很小,农村人口的住宅很多是自行建造的;全社会建设总规模和城乡居民人民币储蓄存款年底余额对房地产企业住宅的销售套数影响被剔除,这表明变量对被解释变量的解释不明显,估计结果不显著;投资是拉动经济增长的三驾马车之一,推动全社会固定资产的投资,将投资拉动效应扩散到众多的行业中去,保持投资的逐年增长趋势,能促进经济和房地产的稳步发展;政府应加大宣传,促进居民消费观念的升级,鼓励居民消费;城镇和农村的贫富差距过大,绝大多数农民买不起商业住宅,不能享受高的住房质量。因此,缩小城乡贫富差距,合理分配,是政策调整的重中之重。

参考文献:

1、庞浩.计量经济学[M].科学出版社,2007.

2、张晓峒.计量经济学软件Eviews使用指南[M].南开大学出版社,2004.

(作者单位:北京林业大学经济管理学院财金系)