论文部分内容阅读
【摘 要】 近年来，随着我国城市化进程和市场化进程双重推动的影响下，我国房价已经产生了大幅变化。本文利用面板数据固定效应模型对我国城市住房价格的影响因素进行实证分析。本文采用2010～2015年，35个大中城市的面板数据，使用stata11对住房价格进行实证分析。
【关键词】 住房价格 固定效应模型
一、引言
住房对于我国居民的重要性是不言而喻的。同时近年来房价大幅上升，己引起各界的广发关注。城市住房价格的变化，既有横向，也有纵向变化。其中纵向变化，体现为每一个城市的住房价格在不同年份上的起落;而横向变化，则主要体现在不同地区与不同城市之间的差异，且不同城市间房价增长的速度也有区别。因此，主要根据《中国统计年鉴》发布的数据，本文选取2010～2015，35个大中城市的面板数据，从纵横两个方向来进行分析。
二、理论模型与变量选择
1、影响我国住房市场价格水平的因素，从供需两个方面来考虑。
需求方程因素，选取住房价格（price），住房价格预期增长率（gprice），城市人口数量（pop），城市人口增长率（egpop），平均工资（sala），人均储蓄（save）;
供给方程因素，选取住房价格（price），住房價格预期增长率（gprice），土地价格（lprice），人均GDP（pergdp），建设成本（cost），住房开发投资（hinvest），住房竣工面积（harea）;
因此，综合考虑上述主要影响因素，城市住房买卖市场的长期均衡方程可以表示为：Hd（p，pop，egpop，sala，save）=Hs（p，g（p），l，c，h） 。
2、住房价格实证模型
三、实证分析
1、数据的选取
本文选择中国的各省份中心城市作为样本，这些样本所在的地理区域覆盖全国，且都是各自区域的重点城市，因此这35个城市样本具有较强的代表性。
本实证研究所选取的是2010年至2015年之间的年度数据。
数据主要来源于历年《中国城市统计年鉴》和“中国城市土地价格动态监测网”公布的城市土地监测价格。
2、实证分析
2.1 平稳性检验
面板数据常常会有“伪回归”的现象，通常在进行回归之前先进行平稳性检验。常用的方法有单位根检验和协整检验。
但是上述的单位根检验和协整检验，一般用于非平稳数据的长期动态变化（如大T小N型数据）。在城市住房价格的影响因素研究领域的面板数据，通常属于微观面板（“大N小T”型数据），基本不考虑面板数据的单位根和协整检验（白仲林，2008，P3）。本实证研究使用我国35个大中城市的6年数据进行研究，是一个比较典型的“大N小T”型面板数据。因此，本实证研究对面板数据的单位根和协整不再进行检验。
2.2 模型选择
面板数据常用的模型有3种，混合估计模型OLS，固定效应模型FE，随机效应模型RE。对于模型的选择，先将做出如下论证。
第一步，对OLS和FE进行F检验，F（34， 125） =9.82 ，Prob > F = 0.0000，在1%水平下显著，原假设被否定，固定效应模型优于混合估计。
第二步，对混合估计模型（OLS）与随机效应模型（RE）进行F检验，chi2（1）值为43.63，P值为0.0000，说明在1%水平下显著，原假设被否定，随机效应模型优于混合估计模型。
第三步，对固定效应模型与随机效应模型进行豪斯曼（Hausman）检验，chi2（7）值为44.38， P值为0.000，说明在1%水平下显著，原假设被否定，固定效应模型优于随机效应模型。
综上所述，我们将选择固定效应模型来进行后续的分析。
2.3 回归分析
选择固定效应模型输出回归结果如下：
3、实证结果
本文通过35个城市近六年的数据，对我国住房价格水平的影响因素进行了实证分析。分析得出房价水平与土地价格、房价预期增长率、工资水平、储蓄水平、建设成本和住宅开发等因素显著相关。模型共同解释67.9%的住房价格水平的变化。具体的结论如下：
1）土地价格每上升1元，影响房价上升0.22元;与预期相符。2）房价预期上涨一个点（1%），影响房价上升35元;与预期相符。
3）工资水平上升1元，影响房价上升0.04元;与预期相符。4）人均储蓄每上升1万元，反向促使房价下降648元;这也证明了当前居民储蓄很大一部分是用来购买住房的。与预期相符。5）住房开发投资上升1亿元，房价上升0.91元。与预期相符。6）城市人口和住房竣工面积对房价无显著影响。
【参考文献】
[1] 白仲林.面板数据的计量经济分析[M].天津：南开大学出版社，2008.
[2] 郑文娟. 中国城市住房价格与住房租金的影响因素及相互关系研究[D].浙江大学，2011.
作者简介：孟松（1990-），男，湖北黄石人，研究生，中南财经政法大学，430073，研究方向：房地产经济研究
【关键词】 住房价格 固定效应模型
一、引言
住房对于我国居民的重要性是不言而喻的。同时近年来房价大幅上升，己引起各界的广发关注。城市住房价格的变化，既有横向，也有纵向变化。其中纵向变化，体现为每一个城市的住房价格在不同年份上的起落;而横向变化，则主要体现在不同地区与不同城市之间的差异，且不同城市间房价增长的速度也有区别。因此，主要根据《中国统计年鉴》发布的数据，本文选取2010～2015，35个大中城市的面板数据，从纵横两个方向来进行分析。
二、理论模型与变量选择
1、影响我国住房市场价格水平的因素，从供需两个方面来考虑。
需求方程因素，选取住房价格（price），住房价格预期增长率（gprice），城市人口数量（pop），城市人口增长率（egpop），平均工资（sala），人均储蓄（save）;
供给方程因素，选取住房价格（price），住房價格预期增长率（gprice），土地价格（lprice），人均GDP（pergdp），建设成本（cost），住房开发投资（hinvest），住房竣工面积（harea）;
因此，综合考虑上述主要影响因素，城市住房买卖市场的长期均衡方程可以表示为：Hd（p，pop，egpop，sala，save）=Hs（p，g（p），l，c，h） 。
2、住房价格实证模型
三、实证分析
1、数据的选取
本文选择中国的各省份中心城市作为样本，这些样本所在的地理区域覆盖全国，且都是各自区域的重点城市，因此这35个城市样本具有较强的代表性。
本实证研究所选取的是2010年至2015年之间的年度数据。
数据主要来源于历年《中国城市统计年鉴》和“中国城市土地价格动态监测网”公布的城市土地监测价格。
2、实证分析
2.1 平稳性检验
面板数据常常会有“伪回归”的现象，通常在进行回归之前先进行平稳性检验。常用的方法有单位根检验和协整检验。
但是上述的单位根检验和协整检验，一般用于非平稳数据的长期动态变化（如大T小N型数据）。在城市住房价格的影响因素研究领域的面板数据，通常属于微观面板（“大N小T”型数据），基本不考虑面板数据的单位根和协整检验（白仲林，2008，P3）。本实证研究使用我国35个大中城市的6年数据进行研究，是一个比较典型的“大N小T”型面板数据。因此，本实证研究对面板数据的单位根和协整不再进行检验。
2.2 模型选择
面板数据常用的模型有3种，混合估计模型OLS，固定效应模型FE，随机效应模型RE。对于模型的选择，先将做出如下论证。
第一步，对OLS和FE进行F检验，F（34， 125） =9.82 ，Prob > F = 0.0000，在1%水平下显著，原假设被否定，固定效应模型优于混合估计。
第二步，对混合估计模型（OLS）与随机效应模型（RE）进行F检验，chi2（1）值为43.63，P值为0.0000，说明在1%水平下显著，原假设被否定，随机效应模型优于混合估计模型。
第三步，对固定效应模型与随机效应模型进行豪斯曼（Hausman）检验，chi2（7）值为44.38， P值为0.000，说明在1%水平下显著，原假设被否定，固定效应模型优于随机效应模型。
综上所述，我们将选择固定效应模型来进行后续的分析。
2.3 回归分析
选择固定效应模型输出回归结果如下：
3、实证结果
本文通过35个城市近六年的数据，对我国住房价格水平的影响因素进行了实证分析。分析得出房价水平与土地价格、房价预期增长率、工资水平、储蓄水平、建设成本和住宅开发等因素显著相关。模型共同解释67.9%的住房价格水平的变化。具体的结论如下：
1）土地价格每上升1元，影响房价上升0.22元;与预期相符。2）房价预期上涨一个点（1%），影响房价上升35元;与预期相符。
3）工资水平上升1元，影响房价上升0.04元;与预期相符。4）人均储蓄每上升1万元，反向促使房价下降648元;这也证明了当前居民储蓄很大一部分是用来购买住房的。与预期相符。5）住房开发投资上升1亿元，房价上升0.91元。与预期相符。6）城市人口和住房竣工面积对房价无显著影响。
【参考文献】
[1] 白仲林.面板数据的计量经济分析[M].天津：南开大学出版社，2008.
[2] 郑文娟. 中国城市住房价格与住房租金的影响因素及相互关系研究[D].浙江大学，2011.
作者简介：孟松（1990-），男，湖北黄石人，研究生，中南财经政法大学，430073，研究方向：房地产经济研究