《上海房价影响因素多元线性回归分析(共10页).doc》由会员分享，可在线阅读，更多相关《上海房价影响因素多元线性回归分析(共10页).doc（10页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上计量经济学课程论文 论文题目： 上海房价影响因素多元线性回归分析班 级： 07国贸 姓 名： 至 上 励 合 指导教师： 佟继英 时 间：2009-2010学年第一学期 上海房价影响因素多元线性回归分析【内容摘要】近几年，随着经济的不断发展尤其是上海等大城市的飞速发展，房价也一路飘升，为了研究19982008年的上海市房屋销售价格指数，本文引入19982008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素，并根据模型结论给出政策建议。【关键词】城市人口密度 城市居民人均可支配收入 年贷款利率 房屋空置
2、率一、影响上海房价的主要因素作为全国的金融中心和经济中心，上海的经济在飞速发展，随着经济的发展，地价在不断上涨，房价也随之攀升。许多上海的精装房动辄一万多甚至两万多一平米，令普通百姓咋舌，望房兴叹。上海的房价为何会如此之高，理论上说受城市人口密度，城市居民人均可支配收入，贷款利率和房屋空置率的影响。因为人口密度直接影响房屋的供给状况，而人均可支配收入和年贷款利率的高低又对需求状况有很大影响，房屋的空置率则是综合供给和需求状况进行分析的。 二、变量选取 为了研究19982008年的上海市房屋销售价格指数，引入19982008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房
3、屋空置率作为变量。三、数据搜集 根据上海市统计年鉴整理得到下面数据：年份商品房平均售价（元每平方米城市人口密度 (人/平方公里)城市居民人均可支配收入(元)五年以上平均年贷款利率(%)房屋空置率(%)19983401.001654.0087738.649.3719993422.001672.00109326.6915.6820003565.001757.00117186.2123.8320013866.001950.00128836.2144.2420024134.001959.00132505.7657.7120035118.001971.00148675.7664.3820045855.0
4、01970.00166835.8255.2820056842.002718.20186456.1240.4520067196.002774.20206686.4534.8220078361.002931.00236237.4839.3120088362.002640.00266756.8936.92四、模型建立及处理Y=+1X1+2X2+3X3+4X4+其中Y表示商品房平均售价，X1表示城市人口密度，X2表示城市居民人均可支配收入，X3表示五年以上年贷款利率，X4表示房屋空置率（空置率=成交面积/竣工面积）。利用EVIEWS回归利用EVIEWS5.0软件，进行OLS回归估计，可以得到：Depe
5、ndent Variable: YMethod: Least SquaresDate: 12/12/09 Time: 18:02Sample: 1998 2008Included observations: 11VariableCoefficientStd. Errort-StatisticProb.C-3242.8511662.869-1.0.0990X11.0.2.0.0775X20.0.4.0.0031X3268.7713204.49481.0.2367X411.3669210.789981.0.3327R-squared0.Mean dependent var5465.636Adjus
6、ted R-squared0.S.D. dependent var1957.466S.E. of regression370.1856Akaike info criterion14.96884Sum squared resid.2Schwarz criterion15.14970Log likelihood-77.32863F-statistic68.40197Durbin-Watson stat0.Prob(F-statistic)0.（一）多重共线的检验和修正 由回归结果可见，该模型R2=0.，R2=0.可决系数较高，F=68.40197，给定显著性水平=0.05，查F分布表可得F（4，6
7、）=4.53 F，则说明回归方程显著，即各个解释变量联合起来对被解释变量有显著影响。但是当=0.05时，t/2（n-k）= t0.025（6）=2.447，X1、X3、X4系数的t检验值不显著，表明很可能存在严重的多重共线性。 计算各解释变量的相关系数，得到： X1X2X3X4X11.0.0.0.X20.1.-0.0.X30.-0.1.-0.X40.0.-0.1.由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。 修正：采取逐步回归法修正模型，分别做Y对X1,X2,X3,X4的一元回归，结果如下：变量X1X2X3X4参数估计值3.0.71.7936130.9
8、3860t统计量8.13.798050.0.R20.0.0.0.R20.0.00其中，加入X2的方程R2最大，以X2为基础，顺次加入其他变量逐步回归，结果如下： 变量 R2X2,X10.X2,X30.X2,X40.经比较，新加入X1后的方程R2=0.，改进最大，而且t检验显著，选择保留X1，再加入其他新变量逐步回归，结果如下： 变量 R2X2,X1,X30.X2,X1,X40.加入X3、X4后，方程R2不但没有增大，反而减小，而且各个参数的t检验都不显著，这说明X3、X4引起严重多重共线性，应予剔除。 所以修正严重多重共线性影响的回归结果为： Dependent Variable: YMeth
9、od: Least SquaresDate: 12/12/09 Time: 18:34Sample: 1998 2008Included observations: 11VariableCoefficientStd. Errort-StatisticProb.C-1220.247621.5122-1.0.0852X11.0.2.0.0549X20.0.5.0.0009R-squared0.Mean dependent var5465.636Adjusted R-squared0.S.D. dependent var1957.466S.E. of regression364.0888Akaike
10、 info criterion14.85967Sum squared resid.Schwarz criterion14.96819Log likelihood-78.72820F-statistic140.5253Durbin-Watson stat1.Prob(F-statistic)0. Y = -1220. + 1.*X1 + 0.*X2（二）异方差的检验和修正a.辅助函数为：2t=0+1 x1t+2 x1t2+3 x2t+4 x2t2+5 x1t x2t+t b.由White检验可得： White Heteroskedasticity Test:F-statistic0.Probab
11、ility0.Obs*R-squared4.Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/12/09 Time: 18:54Sample: 1998 2008Included observations: 11VariableCoefficientStd. Errort-StatisticProb.C-.-0.0.6681X11334.5463522.1510.0.7203X12-0.1.-0.0.7818X1*X20.0.0.0.9063X2-13.02877198.9384
12、-0.0.9503X22-0.0.-0.0.8901R-squared0.Mean dependent var96407.74Adjusted R-squared-0.S.D. dependent var99300.72S.E. of regression.7Akaike info criterion26.38750Sum squared resid6.24E+10Schwarz criterion26.60454Log likelihood-139.1313F-statistic0.Durbin-Watson stat2.Prob(F-statistic)0.c. 在H0：1=2=3=3=5
13、=0，H1：1、2、3、4、5至少有一个不为0的假设条件下，从上表可以看出，n R2=4.，由 White 检验知，在=0.05下，查2分布表，得到临界值20.05（5）=11.0705，比较2统计量与临界值，因为n R2=4.20.05（5）=11.0705，所以接受原假设，表明模型不存在异方差。 三）自相关的检验和修正在给定显著性水平0.05时，查n=11,k=2的DW分布值，得dL=0.658,，dU=1.604，而模型中dLDW=1. dU，DW值落在不能确定的区域，绘制e和e（-1）的散点图，如下： 由图示，表明模型中存在自相关。修正： 为解决自相关问题，采用科可伦-奥克特迭代法。生
14、成命名为et的残差序列，使用et进行滞后一期的自回归，在命令窗口中输入：ls y c x1 x2 Ar(1)，得到如下结果：Dependent Variable: YMethod: Least SquaresDate: 12/12/09 Time: 19:44Sample (adjusted): 1999 2008Included observations: 10 after adjustmentsConvergence achieved after 6 iterationsVariableCoefficientStd. Errort-StatisticProb.C-1440.385772.7
15、312-1.0.1116X11.0.2.0.0686X20.0.5.0.0016AR(1)0.0.0.0.4304R-squared0.Mean dependent var5672.100Adjusted R-squared0.S.D. dependent var1932.981S.E. of regression349.0043Akaike info criterion14.83722Sum squared resid.0Schwarz criterion14.95825Log likelihood-70.18610F-statistic90.02690Durbin-Watson stat1
16、.Prob(F-statistic)0.Inverted AR Roots.31 由于使用了广义差分数据，样本容量减少了1个，为10个。在给定显著性水平0.05时，查n=10,k=2的DW分布值，得dL=0.697,，dU=1.641，而模型中dLDW=1. dU，DW值也落在不能确定的区域。再使用et进行滞后两期的自回归，在命令窗口中输入：ls y c x1 x2 Ar(2)，得到如下结果：Dependent Variable: YMethod: Least SquaresDate: 12/12/09 Time: 19:55Sample (adjusted): 2000 2008Includ
17、ed observations: 9 after adjustmentsConvergence achieved after 5 iterationsVariableCoefficientStd. Errort-StatisticProb.C-1746.939722.7027-2.0.0603X11.0.2.0.0977X20.0.3.0.0178AR(2)-0.0.-0.0.4070R-squared0.Mean dependent var5922.111Adjusted R-squared0.S.D. dependent var1870.903S.E. of regression378.3
18、473Akaike info criterion15.01060Sum squared resid.5Schwarz criterion15.09826Log likelihood-63.54772F-statistic63.53970Durbin-Watson stat1.Prob(F-statistic)0. 由于使用了广义差分数据，样本容量减少了2个，为9个。在给定显著性水平0.05时，查n=9,k=2的DW分布值，得dL=0.629,，dU=1.699，而模型中dLDW=1. dU，DW值仍然落在不能确定的区域。再使用et进行滞后三期的自回归，在命令窗口中输入：ls y c x1 x2
19、 Ar（3)，得到如下结果：Dependent Variable: YMethod: Least SquaresDate: 12/12/09 Time: 19:59Sample (adjusted): 2001 2008Included observations: 8 after adjustmentsConvergence achieved after 16 iterationsVariableCoefficientStd. Errort-StatisticProb.C-1318.249693.8615-1.0.1303X11.0.1.0.1950X20.0.5.0.0073AR(3)-0.
20、0.-1.0.1556R-squared0.Mean dependent var6216.750Adjusted R-squared0.S.D. dependent var1762.780S.E. of regression332.8443Akaike info criterion14.76008Sum squared resid.4Schwarz criterion14.79980Log likelihood-55.04032F-statistic64.11384Durbin-Watson stat2.Prob(F-statistic)0.Inverted AR Roots.43+.75i.
21、43-.75i-.86由于使用了广义差分数据，样本容量减少了3个，为8个。在给定显著性水平0.05时，查n=8,k=2的DW分布值，得dL=0.559,，dU=1.777，而模型中dU DW=2.4- dU，说明广义差分模型已无自相关，同时可见，可决系数R2、t、F统计量也均达到理想水平。所以修正自相关后的模型结果为： Y = -1318. + 1.*X1 + 0.*X2 + AR(3)=-0.五、结论与政策建议 （一）经济意义检验模型估计结果说明，上海市商品房平均售价的确受城市人口密度和城市居民人均可支配收入的影响，而且商品房平均售价与两者呈同向变动关系。在假定其他解释变量不变的情况下，城市
22、人口每平方公里增加1人，上海市商品房平均售价每平方米就增加1.元；在假定其他解释变量不变的情况下，城市居民人均可支配收入每增加1元，上海市商品房平均售价每平方米就增加0.元。这与理论分析和经验判断相一致。所以，本研究模型估计的最终结果为： Y = -1318. + 1.*X1 + 0.*X2 + AR(3)=-0. se=（693.8615）（0.）（0.）（0.） t= （-1.） （1.） (5.) (-1.) R2=0. R2=0. F=64.11384 DW=2.（二）模型的不足1、变量选取不够准确2、由于数据不易搜集，样本容量太小，从而导致模型估计误差较大（三）政策建议上海房产市场发
23、展的主要驱动因素，同时也是中国房产市场发展的驱动因素，是政府决定为经济注入流动资金，这造成了现金充足的投资者，包括国有企业的资金大规模涌入。如果要抑制高房价就要限制资金大规模流入房地产行业。我国将完善住房消费和调控政策，增加中低价位和限价商品房的供应，抑制投机性购房。中央经济工作会议也提出，要增加普通商品住房供给，继续支持自住型和改善型住房需求。为调节二手房市场的价格，国家决定转让营业税优惠政策终止，征免时限由2年恢复到5年。此举将遏制投机性购房行为和需求。优惠政策的调整将导致二手房市场交易量下降，包括投机性交易。对于市场来说，需求减少，投机性的需求也减少，供求关系将有一定的平衡，有利于降低房价。参考文献1 施灿彬：我国房地产价格波动行为分析及对策研究J. 价格理论与实践2004（9） 2计量经济学基础（上下册）（第四版）甘扎拉蒂，人民大学出版社3计量经济学基础（第二版）张晓峒，机械工业出版社4Eview使用指南与案例张晓峒，机械工业出版社专心-专注-专业