文 何三峰（中共四川省委党校，四川成都 610072）

房地产价格的影响因素分析
——基于成都市房地产价格的实证研究

文 何三峰（中共四川省委党校，四川成都 610072）

近年来，我国一些地区的房地产价格波动很大，已经严重影响了这些地区的经济平稳健康发展，研究房地产价格的影响因素及各因素的影响程度，有利于各地房地产业健康稳定和经济持续有序发展。本文以成都市为例，利用主成分回归分析方法研究房价的影响因素及各因素的影响程度，研究发现，地区生产总值、居民可支配收入、城镇化率等因素对房价有显著正向影响，居民消费价格指数、房屋建筑竣工率、土地购置面积等因素对房价有一定的负向影响，应该从供给和需求两个方面制定政策引导房地产业健康稳定发展。

房地产价格 影响因素 主成分回归分析 成都市

2015年以来，我国不同城市的房地产价格出现了较大波动，一、二线城市房价上涨很快，房地产去库存效果明显，但三、四线城市房价变化不大，房产库存积压明显，去库存压力仍然很大。2016年末中央经济工作会议明确提出“房子是用来住的，不是用于炒的”，要加快研究建立符合国情、适应市场规律的房地产平稳健康发展长效机制，形成稳定的房地产市场和政策预期。当前，不同城市之间房价走势表现出巨大差异，在全球经济缓慢复苏、我国经济发展进入新常态、经济结构调整进入加速阶段的宏观背景下，研究房地产价格的影响因素对合理化解房地产库存、引导房地产业走上健康持续发展道路具有非常重要的战略意义。

成都市是西南地区重要的副省级城市，2015房地产投资额占固定资产投资总额和地区生产总值的比重分别为34.8%、22.6%，房地产业在成都产业结构中占有非常重要的地位。2005-2015年成都房价呈上涨趋势，商品房平均价格从3219.01元/M2上涨到6875.00元/M2，研究成都房价影响因素不仅对成都房地产业健康发展具有重要意义，也对其他城市房地产健康发展具有重要借鉴意义。本文以成都市为例，采用主成分回归分析方法，研究房价的影响因素及其影响程度，并提出对策建议。

一、文献综述

目前国内研究房价影响因素的学者很多，他们研究的重点主要集中在全国和地方两个层面。汪新（2010）利用PLS回归方法对我国房价影响因素进行了实证研究，发现土地价格、资金规模以及国民财富构成是影响我国房价变化最重要的三大因素［1］。蒋祥林（2015）从供给和需求两方面对35个主要城市的房价进行实证研究，研究表明，一线城市由于需求旺盛、供给不足导致房价高企，中西部的二三四线城市由于城市化水平较低、人口集聚效应未能充分发挥以及潜在需求弱导致商品房供给过剩，房地产去库存压力很大［2］。栾天怡（2016）对我国18个主要城市房价进行了实证分析，发现影响全国主要城市住房价格最重要的因素是住宅商品房销售额和住宅开发投资额［3］。也有学者从单个影响因素对房价进行研究，谭小芬（2013）研究人民币升值预期对我国房价的影响，研究表明人民币升值预期的直接效应对房价并不构成影响［4］。张东、杨易（2014）从房地产供给端对房价的影响进行了实证研究，发现房屋的当期增量供给是影响房价的主要因素［5］。王成（2016）通过实证研究表明人民币升值导致热钱流入，对房价具有显著正向冲击影响［6］。汤霏雯、王超（2014）以上海市和重庆市为例，研究房产税政策对房价的影响，实证结果表明房产税政策会降低重庆房价，而对上海房价影响不明显［7］。

一些学者对成都房价的影响因素也进行了研究。刘芳 （2008）对成都房价影响因素进行了Pearson、Kendall分析排序，研究表明成都GDP和人均可支配收入是影响房价的主要因素［8］。岑华芳、王芳（2010）对成都住宅价格上涨进行了理论研究，认为土地供给减少是导致房价高企的主要原因［9］。邱俊柯、范晓萱等（2016）利用灰色关联分析法研究了成都房价的影响因素，认为房地产投资额和房屋施工面积对房价影响较大［10］。

由学者们对房地产价格影响因素的研究文献可以看出，已有研究的共同不足之处在于定量分析选取的影响指标相对较少，由于指标太少，不能准确反映房价的真正影响因素。有些学者在利用回归分析方法研究房地产价格的影响因素时，由于考虑多重共线性的存在而剔除了较多重要变量，导致很多重要因素未能在结果中被反映出来，因此，单纯利用回归分析方法并不能很好地反映影响房地产价格的因素。还有的学者仅从定性方面对房地产价格的影响因素进行理论分析，由于缺少实证支撑，难免造成所得结论缺乏说服力。本文采用主成分回归分析法对成都市2005-2015年的房地产价格进行研究，探索影响房地产价格的因素以及影响程度，不仅可以消除单纯利用回归分析方法存在的多重共线性问题，还能保留影响房地产价格的主要因素，比较客观地分析影响房地产价格的因素以及各因素的影响程度，弥补已有研究的不足，并根据实证研究的结果提出促进房地产价格相对稳定的对策建议，为房地产业健康发展提供理论依据。

二、研究模型设计

（一）理论模型选取

为了更科学全面地分析成都房价的影响，本文选取12个指标变量，由于变量增多会给回归分析增加复杂性和共线性，所以首先选择主成分分析法进行处理，然后再进行回归分析。主成分分析法，也叫主分量分析，旨在利用降维的思想把多个指标转化为少数几个综合指标，它把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。信息的大小通常用离差平方或方差来衡量，在数学变换中保持变量的总方差不变，使第一变量具有最大方差，成为第一主成分；第二变量的方差次大，并且和第一变量不相关，称为第二主成分。依次类推，I个变量就有I个主成分。

假定有n个样本和P个变量构成的数据矩阵：

对其协方差矩阵Σ或相关系数矩R，求特征方程的P个非负特征值λ1＞λ2…＞λp≥0，对应于特征值λi的特征向量为：

于是可以得到P个新因子：

其中，ZXi为Xi的标准化形式，新因子 Z1，Z2，…，Zp之间相互无关，且它们的方差是递减的，每个新因子中各变量的系数反映了各变量对新因子作用的大小。第i个因子的方差贡献率为：

∂i反映了i个因子保留信息的程度。一般取累计贡献率达 85%～95%的特征值 λ1，λ2，…，λm（m≤p）所对应的第一、第二、…第m个主成分。［11］

把选取后的主成分Z1、Z2…Zp作为解释变量，对被解释变量ZY（ZY为Y的标准化形式）进行多元回归处理，即建立：

式中，βi（i=1，2，3…p）为模型参数。

（二）指标选取及说明

综合文献综述中学者们研究选取和权衡房价影响因素的选取指标，本文依据科学性、代表性和易得行原则，选取具12个重要影响成都房价的因素指标。被解释变量为商品房平均销售价格（Y）。解释变量有以下 12个：（1）地区生产总值（X1），反映一个城市经济发展水平，对房价有直接影响；（2）居民消费价格指数CPI（X2），是货币当局进行宏观经济调控的重要指标，CPI是影响利率变化的重要因素，而利率变化显著影响房价；（3）居民可支配收入（X3），反映居民购买力，是潜在需求向有效需求转化的基础和约束；（4）城镇化率（X4），反映该地区人口比例变动、城市结构布局等，这些因素又会对房地产产生直接影响；（5）房地产投资额（X5），房地产投资额通过供给需求传导机制影响房地产价格；（6）房屋建筑面积竣工率（X6），此指标反映了商品房建设的完成进度，这对房地产供给产生直接影响；（7）竣工房屋造价（X7），反映建造商品房的成本，对房价具有直接影响作用；（8）年末常驻人口（X8），影响商品房需求，从而影响价格；（9）5 年期贷款利率（X9），不管是消费者购房贷款，还是开发商投资贷款，基本都是长期贷款，因此本文选择5年期贷款利率，不仅影响商品房的供给，也影响商品房的需求；（10）土地购置费用（X10），包括购买土地的价格以及其他相关费用，对房价形成直接影响；（11）土地购置面积（X11），反映了供地情况和商品房供给的能力；（12）房地产开发中的国内贷款（X12），反映了房地产开发中的信贷水平，是房价影响中的重要指标。

四、实证分析

（一）数据收集

为了数据选取的科学性和权威性，本文2005-2014年各指标数据除土地购置面积外皆来源于《2015年成都统计年鉴》，由于《2016年成都统计年鉴》还未面世，所以2015年各指标数据来源于《2016四川统计年鉴》和《2016中国房地产年鉴》，历年土地购置面积数据来源于中指数据库 （CREIS）。表1为2005-2015年成都市房价的影响指标原始数据。

（二）指标数据的相关性检验

利用SPSS 22.0对12个指标进行相关性检验，对所有解释变量做相关性分析，如表2，可以看出，X1除与X2、X9和X11以外的其他指标相关系数都很高，其中，相关系数|ρx1，xj|＞0.85（j=3，4，5，6，7，8，10，12），可知 X1 与 Xj之间可能存在严重共线性。X2与其他指标间的相关系数绝对值不超过 0.75， 它们之间相关性相对较弱。 X3、X4、X5、X6、X7、X8、X10、X12等指标相互之间具有较高相关系数，即这些指标有较高相关性，可知这些指标可能存在严重共线性。综上，指标之间存在共线性的可能性高。

（三）指标数据的共线性诊断

由（二）的相关性分析可知影响因素之间可能存在严重的共线性，为了更加明确地获知这些影响因素之间是否存在多重共线性，利用SPSS 22.0对Y与 Xi（i=1，2……12）进行多元回归，得到共线性诊断结果如表 3 所示，方差膨胀因子 VIFi（i=2，3，5，6，7，8，9，10，11，12）＞10，且它们对应的容许度也很小，所以说明指标间有严重的共线性。

综合（二）与（三）可得出结论：解释变量之间存在较强的多重共线性，并且这种严重的多重共线性会影响最小二乘估计，所以本文采用主成分回归分析方法消除多重共线性重新建立回归模型。

（四）主成分回归分析

运用SPSS 22.0对影响成都房价的因素X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11 和 X12 进行主成分分析，结果如表4所示。

根据主成分提取的特征值必须是大于1的抽取原则，并结合碎石检验原则，利用碎石图 （即陡坡图），共抽取2个主要因子，前两个特征值为9.083和1.090，其累计贡献率为 87.721%（＞85%），可以提出两个主成分，且累计贡献率高达87.721%，说明提取的主成分能够很好涵盖全部解释变量指标的信息。

由表5可得，第二主成分F2上具有较高载荷的变量只有5年期贷款利率（X9），其余指标在第一主成分F1上都有较高载荷，第一主成分基本上能很好的涵盖所有指标信息。由表4和表5计算主成分各指标对应的系数，得到两主成分表达式分别为：

其中，ZXi（i=1，2……12）为 Xi分别对应变量的标准化形式。

表1 2005-2015年成都市房价及影响指标原始数据

表2 相关系数表

以ZY为Y（商品房平均价格）的标准化后的变量作为被解释变量，以主成分F1和F2作为解释变量进行多元回归分析，由Eviews8.0建立回归模型如下：

由回归结果可得：多重可决系数（R2）与修正可决系数（R2）都较高，说明模型对样本拟合很好。F检验值为 48.86585，明显显著。 当 α=0.05 时，tα/2（11-3）=2.262，主成分F1、F2的偏回归系数都通过检验，系数显著。但F2中ZX9的偏回归系数为正，表明长期利率增加会造成房价上涨，这不符合经济意义。再由F1和F2表达式就可看出F2解释力度不强，F1基本可以很好涵盖所有信息，故将F2剔除后回归后模型为：

表3 共线性诊断指标表

表4 主成分提取分析表

表5 初始因子载荷矩阵

此时，该模型拟合优度高，F检验值为57.7134，明显显著，F1系数估计值也高度显著。为了得到用标准化自变量表示的回归方程，由第一主成分F1的系数向量组成的矩阵与主成分回归系数向量估计量相乘可得到标准化的解释变量表示的回归方程：

（五）主成分回归分析

由标准化的回归方程可得：除消费价格指数（X2）、房屋建筑面积竣工率（X6）、5 年期贷款利率（X9）和土地购置面积（X11）四个影响因素对商品房平均价格（Y）有负效应之外，其余影响因素均对商品房平均价格有正向影响。首先，地区生产总值（X1）、居民可支配收入（X3）、城镇化率（X4）、房地产投资额（X5）、竣工房屋造价（X7）、年末常驻人口（X8）、土地购置费用（X10）和房地产投资中的国内贷款（X12）对商品房价格影响很大，当这些指标每增涨1%时，成都商品房平均销售价格分别对应提升 0.0968%、0.0968%、0.0978%、0.0966%、0.0974%、0.0922%、0.0854%和0.0957%。其次，对房价有负向效应的四个影响因素为：消费价格指数（X2）、房屋建筑面积竣工率（X6）、5年期贷款利率（X9）以及土地购置面积（X11），当它们每增加1%时，成都商品房平均销售价格分别对应下降0.0743%、0.0897%、0.0420%和0.0654%。

四、结论与对策建议

从以上实证分析可以看出，影响成都商品房平均价格的因素包括需求端和供给端两个方面。从需求端来看，第一，地区生产总值反映了该区域的经济发展水平，一般来讲地区生产总值增长，居民购买力也会相应增强，居民对商品房需求增加，在商品房供给一定的情况下房价趋于上涨；第二，居民可支配收入的增加导致居民对商品房需求增加，在商品房供给一定的情况下必然导致商品房价格上升；第三，城镇化率提高以及年末城镇常驻人口增加，必然伴随着城镇居民对城镇商品房需求的增加，推动房价上涨；第四，以长期贷款利率下降为特点的宽松金融环境下，较低的购房贷款利率使贷款购房成本降低，从而推动房价上涨；第五，CPI是央行决定利息变化的主要参考指标，当CPI较低时，央行往往实行宽松的货币政策，利息水平也较低，而利息又是决定房价的重要因素，低利息容易引起房价上升，所以CPI对房价有负向效应。从供给侧来看，第一，房屋建筑面积竣工率可以反映出商品房供应能力，房屋建筑面积竣工率越高，商品房价格越低，二者呈反向关系；第二，竣工房屋造价是指建筑方支付给施工方的全部费用，即施工成本，竣工房屋造价上涨使得房价上升，在实证模型中表现为竣工房屋造价对房价有正向促进作用；第三，土地购置费包括土地价格以及相关费用，土地购置费增加即成本增加，商品房价格上升，表现为土地购置费对房价有正向效应；第四，土地购置面积反映了商品房供给能力，购置面积越多，能供给更多商品房，土地购置面积对房价具有负向效应；第五，国内银行信贷是房地产商融通资金的重要来源，扩张的信贷环境有利于房地产商提升开发房产的能力，因此房地产开发资金中国内贷款对房价也产生正向效应。

根据房地产价格影响因素的实证分析，引导房地产业健康发展的对策建议包括以下几个方面：第一，提高房地产信息透明度，避免房地产市场供需错位。由于房地产是稀缺的经济资源，因而提高房地产信息透明度、形成良好的房地产市场、有效发挥房地产的价值是所有政策的出发点和立足点。要提高房地产供给的透明度，提升房地产业信息化水平，严厉打击那些恶意捂盘、囤积房产以及恶意虚报房产售卖信息的行为，使房地产需求方对房地产供给有一个全面准确的判断，通过正常的市场行为形成合理的房地产市场价格。第二，增加土地有效供给以满足日益增加的商品房需求。随着城镇化率的日益提升，消费者对房地产的需求日益增加，因此应该随之适度增加商品房用地供给，完善土地供应制度，健全土地供应市场，通过市场机制，合理增加土地的有效供给。第三，增加保障性住房和租赁住房的供给以减少对商品房的需求。推进保障性住房建设，使城市低收入者家庭住房条件得以改善；加快建立规范的住房租赁市场，为各收入阶层租赁住房提供有效选择。第四，加强房地产市场信贷管理以减小房地产市场风险。对出现过热迹象房价的城市，地方政府要采取措施遏制房价过快上涨，适度收紧信贷并出台价格引导政策，避免过度炒房造成房地产市场风险。第五，增强地方经济活力以减小地方政府对土地财政的依赖，促进土地购置环节合理定价。各地应立足当地实际，充分发挥地域特色发展区域经济，为地方财政提供充足稳定的财源，避免地方政府利用土地垄断供给牟取高额土地出让金从而推高房价。

［1］汪新，谢昌浩.我国房价的宏观经济影响因素分析［J］.华东经济管理，2010（03）.

［2］栾天怡.全国主要城市房价影响因素的回归分析［J］.商业经济，2016（01）.

［3］蒋祥林，吴晓霖等.供求决定的商品住宅价格［J］.中国软科学增刊，2015（X）.

［4］谭小芬，林木材.人民币升值预期与中国房地产价格变动的实证研究［J］.中国软科学，2013（08）.

［5］张东、杨易.中国房地产市场供给对房价影响的实证分析［J］.统计与决策，2014（12）.

［6］王成.人民币升值预期、热钱流入与中国房地产价格变动的实证分析［J］.财经纵横，2016（03）.

［7］汤霏雯，王超.房产税试点改革对房价的影响［J］.经营与管理，2014（08）.

［8］刘芳.成都市商品房价格影响因素的实证研究［J］.统计与咨询，2008（04）.

［9］岑华芳，王芳.成都市住宅价格上涨影响因素研究［J］.中国物价，2010（12）.

［10］邱俊柯，范晓萱等.成都市房价影响因素灰色关联度分析［J］.合作经济与科技，2016（10）.

［11］彭云飞，沈曦.经济管理中常用数量方法［M］.北京：经济管理出版社，2011：163-169.

责任编辑：唐若兰

F293.3

：A

1008-6323（2017）03-0086-06

何三峰，中共四川省委党校金融学专业硕士研究生。

2017-04-28

中共四川省委党校学位委员会资助项目（项目编号：16scswdxxw03）。