文| 屠毅仁

山东省房地产价格影响因素分析理

山东省的经济总量从2007年开始持续位于全国的前三名，快速增长的经济总量除了比邻日韩的地理区位优势，较好的落实改革开放的相关政策外，房地产作为山东省的支柱产业之一，其蓬勃发展对经济总量的快速增长也起到了重要影响作用[1]。近年来，山东省房地产投资额逐年递增，以2014年为例，山东省房地产开发投资额度就高达3.2元，实收资本达到0.34亿元[2]。

对房地产市场价格产生影响有多种因素，其最主要的影响因素有以下几点：一是居民消费水平。居民消费水平是地区居民的消费水平，作为最直接的影响因素，对房地产价格起到最主要的作用。二是房屋竣工面积。在一个地区房地产建设越多，面积越大，其竣工面积与建设数量正比关系。三是房地产投资额度。在房地产建设过程中，投资额度的大小会对房地产价格产生直接的影响作用，其关系也成正比，投资额度越大，一定时期内房地产价格也随之增高。四是人口总数量。在影响房地产价格因素中，地区的人口数量会产生直接作用。理论上人口多，房地产需求量就大。五是企业自筹资金。房地产开发企业的资金自筹能力是一个较新的影响指标，这主要从融资结构进行分析。近几年随着金融市场的完善与发展，这一指标在房地产价格波动中的作用越来越大。六是餐饮业主营收入。餐饮业主营业务收入是一种代表性的因素，可以作为房地产价格变化的解释性指标数据。七是社保未参保人数。基于参保人数不全的原因，本文选取了社保未参保人数进行替代。

模型建立及数据处理

1.影响变量的选取。本文把上述几个主要指标数据作为模型建立的变量，主要是X2居民消费水平、X3房地产竣工面积、X4房地产开发投资额、X5山东省人口数、X6开发企业自筹资金、X7餐饮主营业务收入、X8社保未参保人数。为确保数据及结果科学准确，本文采用的变量数据主要是依据山东省统计局及国家统计局的统计年鉴及统计数据。

2.函数模型的形式。本文采取了线性回归模型，是依据上述分析，模型为：

Yt=β1+β2

X2t+β3X3t+β4X4t+β5X5t+β6X6t+β7X7t+β8X8t+μ

其中：Y是山东省商品房平均售价；X2-9是选取的变量；β是回归系数μ是随机扰动项。

3.统计数据检验相关性。通过Eviews得出均值、最大值、最小值等基本的统计量，并对数据初步的分析处理及相关性检验。通过相关性检验，得出被解释变量与解释变量间的相关系数都大于0.9，充分验证了被解释变量Y与各个解释变量存在的相关性很高，变量对被解释变量有影响力。同时，也注意到解释变量之间也存在很高的关联性，这就需要注意多重共线问题的存在，在后续的处理应引起关注。

4.处理时间序列数据。由于本文引用的数据是采用的时间序列，因此要进行单位根检验与协整检验，验证变量的平稳性和变量之间的协整。单位根检验。本文采用了ADF方法进行单位跟检验，以防止伪回归的出现，确保时间序列数据的平稳，只有确保数据平稳才能进一步进行回归检验。对解释变量依次进行ADF检验。得出的检验结果，二阶查询时解释变量都能得到平稳序列，都是同阶单整，在此基础上进行下一步协整检验的操作。协整检验。本文协整检验采用EG两步法进行检验，通过OLS对函数模型做回归之后，单位根检验残差序列。通过检验得出的结果是残差序列为平稳序列，没有存在单位根。这说明解释变量之间关系协整，在此基础上进行模型的检验操作。

模型检验及结果分析

本文进行回归检验采用的是最小二乘法，用OLS回归得到回归初步结果：变量都没有通过，回归系数有的为负数，与实际不符。由此判定，多重共线问题的存在。处理多重共线问题运用逐步回归法。用被解释变量对解释变量做简单回归之后，采用贡献最大的回归方程，其他解释变量逐个引入，做简单回归。得出的结果是：地区人口数对解释能力最强。以此为基础逐个对解释变量作回归检验，最终得出的结果：保留X2、X5，即地区人口数与居民消费水平，其他变量去掉。

最终模型计量结果可以写作：

Yt =-25101.01+0.116116 X2t+2.890549 X5t+μt（5358.879）（0.031101）（0.601276）

t=(-4.684005) (3.733523) (4.807358)

R2=0.993719F=949.3183 n=15

也就是，居民消费水平增加1元，房屋售价平均增加0.116116元/每平方米；而人口数量每增加1万人，则房屋售价平均增加2.890549元/每平方米。这与先前假设一致。可见山东省房屋售价与居民消费水平及地区人口人数呈正相关。

结论

采用多元线性回归分析法对房地产价格分析时，各个影响因素选取是重点，在实际分析验证时应该选取权威数据，才能使市场价格影响因素的评估科学合理。本文做了定量分析，使我们对山东省的房地产价格有了更好的判断，能够为山东省房地产价格走势，政府制定相关调控政策提供出有意义的分析依据。