房价的影响因素分析

　　【摘 要】房价的影响因素是多方面的，主要涉及到自然、人口、经济和政策四方面。本文运用SPSS软件，以中国31个省市的截面数据为基础，筛选出居民人均可支配收入，人均GDP，平均家庭户规模和房地产累计投资四个主要影响变量，建立多元线性回归模型。并在系统聚类的基础上对不同类型地区的房价影响因素进行分析，为地区调控房价提供一定参考。
　　【关键词】房价；影响因素；多元线性回归；系统聚类
　　一、房价影响因素的理论分析
　　影响房价的因素是错综复杂的。房子本身建造成本的提升会影响房价，供需关系的变化会直接影响房价，政府政策的改变会间接影响房价。为了更加系统完整地对房价的影响因素进行理论分析，本文将从自然、人口、经济、政策四方面进行[2]。
　　1.影响房价的自然因素
　　影响房价的自然因素主要体现在土地资源的供给上。每个地区的土地资源是有限的，土地资源供给的不足，会导致供不应求，引起房价的上涨。而我国人多地少土地资源供应紧张，因此房价一直处于上升趋势[2]。土地收购价格加上房屋的竣工造价组成了房屋的总成本，是影响房价的决定性因素。
　　2.影响房价的人口因素
　　人口数量的增长，意味着对房屋需求量的增加，在土地供应面积一定的情况下，需求量的增加会导致供不应求，引起房价的上涨。全国的人口不断增加，且城镇人口的比重在上升，意味着城市房屋需求量的增加，会在一定程度上引起房价的上涨[4]。人口素质对房价的影响是间接的。随着居民人口素质的提高，其对房屋居住质量的要求也随之提高。而房屋的面积是房屋居住质量的重要体现，人均居住面积的增大会引起供不应求，房价上涨。人口结构对房价亦有影响。一方面，受中国计划生育政策的影响，我国的家庭结构由传统模式向小型化模式转变，而家庭结构的小型化伴随着家庭数量的增加，对房屋的需求也随着增加，引起房价上涨。另一方面，一个地区的适龄人口的比重越大，对房价的需求量就越大，需求增大房价上升[3]。
　　3.影响房价的经济因素
　　GDP是一个地区经济总体情况的有效测量因素，是能够代表一个国家和地区的经济发展水平的重要经济指标。GDP的增长意味着一个地区总体购买力的增加，同时对住房的需求也增加，而需求增加将导致房价上涨。为了排除地区人口总量的差异性，我们通常用人均GDP来更好地衡量一个地区的平均经济水平[1]。个人的经济水平主要体现在平均可支配收入上。随着个人收入的积累，房屋购买成为必需且热门的消费点，必然引起需求量增加，房价上涨。
　　4.影响房价的政策因素
　　作为高负债的行业，房价对利率的变动很敏感。当贷款利率较低时，房产商获得资金的成本就较低。房地产开发投资资金中的国内贷款绝对数可以显示出国家对房地产业的支持程度，支持程度高，用于房地产开发投资的贷款数额就高，房地产的建设生产量也会较多[2]。
　　二、房价影响因素的实证分析
　　1.数据来源与选取
　　本文截面数据来源于《中国2016統计年鉴》，本文选取因变量Y：商品房销售均价；自变量：X1：土地购置面积；X2：人口密度；X3：文盲人口占15岁以上人口的比重；X4：平均家庭户规模；X5：人均GDP；X6：房地产累计投资；X7：居民人均可支配收入；X8：房屋竣工造价。
　　2.总体回归分析与检验
　　变量的筛选。为提高自变量在因变量预测中的可靠性，利用SPSS软件，选择逐步回归法对自变量进行筛选。排除实证分析中对房价影响显著性较低的数据：土地购置面积，人口密度，文盲人口占15岁以上人口比重和房屋竣工造价。最终筛选出主要的影响因子： 居民人均可支配收入，人均GDP，平均家庭户规模和房地产累计投资。
　　总体回归模型建立：综合以上选取的指标，房价因素的基本函数形式可以表示为：Y=f（X4，X5，X6，X7）建立多元线性回归模型：
　　Y=-12487.941+0.705X7+0.60X5+2567.629X4–0.072X6
　　模型的检验。拟合优度和显著性检验：模型的偏回归系数为0.968，判定系数为0.938，说明样本观测值聚集在样本回归直线周围的密集度较好，也就是回归模型与样本观测值具有较好的拟合优度。同时，经调整R方为0.928，F值为98.301，F检验的P值为0，回归参数t检验的P值均小于设定的0.05的显著性水平。说明预测变量的作用是显著的，回归模型显著成立。残差检验：残差分析包括残差的正态性、线性和等分散性分析。在直方图中：标准化残差的频率基本服从均值为0的正态分布，符合残差的正态性；在P-P图中：点基本围绕在线周围，近似一条直线，符合残差的线性；在散点图中：点呈分散状分布，较符合残差的等分散性，说明残差分析结果较合理，回归方程在这一分析中可信。
　　3.分类回归分析与检验
　　根据人口、自然、经济等三方面的变量对全国31个省市进行系统聚类。根据聚类结果将31个省市分为4类。
　　第一类：北京，上海，天津。模型拟合优度非常高，得出主要影响因子为房地产累计投资（X6）和居民人均可支配收入（X7），模型为：Y=-408.810+1.623X6+0.128X7
　　第二类：浙江，江苏，广东。模型的拟合优度非常高。得出主要影响因子为人口密度（X2）和人均GDP（X5），模型为：
　　Y=17907.641-13.433X2+0.001X5
　　第三类：辽宁，福建，山东，内蒙古。模型的偏回归系数为0.950，判定系数为0.903，模型的拟合优度较好。主要影响因子为平均家庭数规模（X4）。回归参数t检验的P值均大于0.05，系数不显著。因此，仍采用总体回归模型。
　　第四类：其他剩余省市。模型的偏回归系数为0.790，判定系数为0.623，模型的拟合优度较好。主要影响因子为房屋竣工造价（X8）和文盲人口占15岁以上人口的比重（X3）。
　　模型：Y=1825.331+1.363X8-58.065X3
　　回归参数t检验的P值均小于设定的0.05的显著性水平，残差分析结果较合理，回归方程在这一分析中可信。
　　三、结论
　　人均GDP、居民可支配收入、平均家庭户规模与房价呈正相关，而房地产开发累计投资与房价呈负相关。该模型很好的说明了全国各省市房地产市场的需求原理：人均GDP、居民可支配收入、平均家庭户规模影响住房消费的需求，房地产开发累计投资影响住房的供给。但总体的分析只能反映一般情况，各因素对不同地区的影响程度不同，且存在忽略区域独特因素的问题，各地区可参考房价的主要影响因子，从主要方面入手去调控当地房价。
　　【参考文献】
　　[1]姜永增. 房价影响因素的实证分析——以青岛市为例[J]. 价值工程，2011，（28）：319-320.
　　[2]李方. 我国房价的影响因素分析[D].吉林财经大学，2016.
　　[3]张元姣. 基于主成分回归分析的上海房价影响因素研究[J]. 现代商业，2013，（27）：125-126.
　　[4]张涛. 影响我国房价的经济因素分析[D].东北财经大学，2010