论文部分内容阅读
摘要：近年来成都市商品房住宅价格快速增长的问题引起了相关部门的高度关注，因此研究导致商品住宅价格持续、快速增长的影响因素具有重大现实意义。本文结合2000年-2015年的相关数据构建多元线性回归模型，得出从业人员是房地产价格的主要影响因素，城镇人均可支配收入次之，商品房投资完成额影响最小，其他指标的影响甚微。并据此提出抑制房价过快上涨的几点建议。
关键词：商品住宅价格；多元线性回归模型；影响因素；
1引言
成都市是我国西部大开发的战略高地，是西南地区的商贸、科技、金融中心和交通枢纽，近些年随着成都经济的飞速发展，住宅价格的持续较快增长成为了人们关注的焦点。另外，房价过快上涨在推动投资增长过快的同时，不仅抑制了居民的消费，还阻碍了城市的发展。因此，对成都住宅价格上涨因素的分析研究并提出相应的平抑住房价格的对策，具有非常重要的现实意义。
2模型构建
2.1模型的基本假设与前提条件
模型的所有假设都基于以下假设：所有统计数据真实可靠；仅研究商品房住宅平均价格影响因素；仅从定性因素中提取的指标对房地产价格的影响因素进行分析；当前的房地产政策没有重大变化。
5.假设当前的经济态势没有重大变化。
2.2数据的选取及变量筛选
由于房地产市场从90年代末才逐步发展，相关统计数据有限，因此本文拟采用了2000-2015年的相关数据，由于数据量少，可能会对回归结果的准确度有一定影响。
本文以成都市住宅平均售价（X_0）作为因变量，考虑到数据的获取难度和影响程度，通过查阅现有大量文献以及相关期刊学术研究分析的基础上，引入8项指标作为自变量，分别是GDP（X_1），城镇人均可支配收入（X_2），在岗职工人均工资（X_3），人口密度（X_4），从业人员（X_5），商品房投资完成额（X_6），竣工面积（X_7）和人民币贷款平均基准利率（五年以上）（X_8）。
3成都房价上涨的影响因素实证分析
3.1回归模型构建
本文选取逐步回归统计方法来构建模型。运用SPSS软件对数据进行逐步回归分析，在每一次引入变量时，概率F最小的值的变量引入回归方程。如果已引入回归方程的变量的F大于设定值，将被剔除出回归方程。当无变量被引入或剔除时，终止回归过程。取回归系数为95%的置信区间，建立线性模型。
3.2相关检验及结果
表1的第3个模型是最终的方程，F值是回歸方程的显著性检验，为402.425，Sig.<0.1，因此模型中被解释变量与解释变量之间存在显著的线性关系。
在表2的模型3中，回归参数显著性检验t值的Sig值均小于0.1，因此认为该模型有意义，即解释变量对被解释变量有显著性影响。
该模型说明： 城镇人均可支配收入每增加1元，住宅价格增加0.725元；从业人员每增加1万人，商品住宅价格增加3.674元；商品房投资完成额每增加1亿元，商品住宅价格增加0.382元。可以看出，从业人员对商品住宅价格影响最大，城镇人均可支配收入次之，商品房投资完成额影响最小。
4研究结论与展望
本文结合2000年-2015年的成都房地产相关数据，以成都住宅平均售价为因变量，GDP，城镇人均可支配收入，在岗职工人均工资，人口密度，从业人员，商品房投资完成额这六个指标作为自变量，来构建多元线性回归模型，得出从业人员是房地产价格的主要影响因素，城镇人均可支配收入次之，商品房投资完成额影响最小，其他指标的影响甚微（剔除变量）。因此，现阶段想要阶段性平抑房价，需要重点从建设经济适用房协调人口增长和提高在岗职工人均工资以及人均可支配收入的合理增长两方面着手制定相关政策。
参考文献：
[1]周建华.基于逐步回归法的税收收入影响因素分析.中国高新技术企业.
[2]王聪. 基于多因素LOGISTIC的城市房地产价格预测模型研究[D]. 大连理工大学. 2008.
[3]熊文菠. 我国商品房价格上涨的主要原因和对策研究[D]. 西安建筑科技大学. 2010.
[4]刘池. 我国房地产价格及影响因素的综合评估[D]. 云南大学. 2014.
作者简介： 潘莉，成都信息工程大学统计学院讲师，硕士；研究方向：金融数量分析。
成艳琼，成都信息工程大学统计学院学生
关键词：商品住宅价格；多元线性回归模型；影响因素；
1引言
成都市是我国西部大开发的战略高地，是西南地区的商贸、科技、金融中心和交通枢纽，近些年随着成都经济的飞速发展，住宅价格的持续较快增长成为了人们关注的焦点。另外，房价过快上涨在推动投资增长过快的同时，不仅抑制了居民的消费，还阻碍了城市的发展。因此，对成都住宅价格上涨因素的分析研究并提出相应的平抑住房价格的对策，具有非常重要的现实意义。
2模型构建
2.1模型的基本假设与前提条件
模型的所有假设都基于以下假设：所有统计数据真实可靠；仅研究商品房住宅平均价格影响因素；仅从定性因素中提取的指标对房地产价格的影响因素进行分析；当前的房地产政策没有重大变化。
5.假设当前的经济态势没有重大变化。
2.2数据的选取及变量筛选
由于房地产市场从90年代末才逐步发展，相关统计数据有限，因此本文拟采用了2000-2015年的相关数据，由于数据量少，可能会对回归结果的准确度有一定影响。
本文以成都市住宅平均售价（X_0）作为因变量，考虑到数据的获取难度和影响程度，通过查阅现有大量文献以及相关期刊学术研究分析的基础上，引入8项指标作为自变量，分别是GDP（X_1），城镇人均可支配收入（X_2），在岗职工人均工资（X_3），人口密度（X_4），从业人员（X_5），商品房投资完成额（X_6），竣工面积（X_7）和人民币贷款平均基准利率（五年以上）（X_8）。
3成都房价上涨的影响因素实证分析
3.1回归模型构建
本文选取逐步回归统计方法来构建模型。运用SPSS软件对数据进行逐步回归分析，在每一次引入变量时，概率F最小的值的变量引入回归方程。如果已引入回归方程的变量的F大于设定值，将被剔除出回归方程。当无变量被引入或剔除时，终止回归过程。取回归系数为95%的置信区间，建立线性模型。
3.2相关检验及结果
表1的第3个模型是最终的方程，F值是回歸方程的显著性检验，为402.425，Sig.<0.1，因此模型中被解释变量与解释变量之间存在显著的线性关系。
在表2的模型3中，回归参数显著性检验t值的Sig值均小于0.1，因此认为该模型有意义，即解释变量对被解释变量有显著性影响。
该模型说明： 城镇人均可支配收入每增加1元，住宅价格增加0.725元；从业人员每增加1万人，商品住宅价格增加3.674元；商品房投资完成额每增加1亿元，商品住宅价格增加0.382元。可以看出，从业人员对商品住宅价格影响最大，城镇人均可支配收入次之，商品房投资完成额影响最小。
4研究结论与展望
本文结合2000年-2015年的成都房地产相关数据，以成都住宅平均售价为因变量，GDP，城镇人均可支配收入，在岗职工人均工资，人口密度，从业人员，商品房投资完成额这六个指标作为自变量，来构建多元线性回归模型，得出从业人员是房地产价格的主要影响因素，城镇人均可支配收入次之，商品房投资完成额影响最小，其他指标的影响甚微（剔除变量）。因此，现阶段想要阶段性平抑房价，需要重点从建设经济适用房协调人口增长和提高在岗职工人均工资以及人均可支配收入的合理增长两方面着手制定相关政策。
参考文献：
[1]周建华.基于逐步回归法的税收收入影响因素分析.中国高新技术企业.
[2]王聪. 基于多因素LOGISTIC的城市房地产价格预测模型研究[D]. 大连理工大学. 2008.
[3]熊文菠. 我国商品房价格上涨的主要原因和对策研究[D]. 西安建筑科技大学. 2010.
[4]刘池. 我国房地产价格及影响因素的综合评估[D]. 云南大学. 2014.
作者简介： 潘莉，成都信息工程大学统计学院讲师，硕士；研究方向：金融数量分析。
成艳琼，成都信息工程大学统计学院学生