房地产价格宏观层面上的影响因素分析|米乐|米乐·M6

本文摘要：概要：近年来，房地产投资短路及“泡沫”说道，不绝于耳，特别是在在2007年，各地房地产价格甚至经常出现“跳涨”，国家统计局“国房景气指数”倒数上升，有价无市的现象在年底也渐渐凸显。

概要：近年来，房地产投资短路及“泡沫”说道，不绝于耳，特别是在在2007年，各地房地产价格甚至经常出现“跳涨”，国家统计局“国房景气指数”倒数上升，有价无市的现象在年底也渐渐凸显。文章首先讲解我国房地产市场的现状及其行业地位，然后搜集数据，创建模型，在宏观层面上，对我国房地产行业的影响因素展开定量分析，最后对我国房地产行业的身体健康发展，明确提出了一些意见。

　　关键词：房地产；因子分析；政策建议 　　 　　一、章节 　　 　　我国自1998年开始实行新型住房制度，即以住房分配货币化为起点，逐步创建私有产权居多，其他产权形式共存的多元化产权制度，有效地夹住了社会市场需求，性刺激了住宅消费，造就了国民经济的持续较慢发展。然而，随着中国房地产市场的发展，各种对立也渐渐曝露，尤其是高房价问题。　　过去的2007年，房地产价格经历了较慢下降阶段，各省城市房价大大上升，累计到2007年12月，国家统计局国房景气指数倒数8个月下降，刷新2004年2月以来新纪录。

大大走高的房地产价格，特别是在在一些大城市，远超强大多数居民的出售能力。　　房地产价格的较慢下跌已沦为我国经济稳定运营中的引人注目问题。

从房地产业在国民经济中所占到比重以及该产业同其他产业的关联度大小来看，房地产业在国民经济中所占到比重大大减少；房地产产业的产业链宽，波及面甚广，国民经济中的绝大部分产业和房地产业都有关联关系；此外，房地产业还关系到民生问题。这些要求了房地产市场在宏观调控中的方位。

　　文章首先详细分析房地产价格较慢下跌的成因，然后在此基础上挑选变量做到定量分析。驱动房地产价格上涨的宏观经济因素主要有：国民经济的持续快速增长，居民收入快速增长减缓；城市化进程的减缓及我国人口结构因素；更为严格的信贷政策；人民币贬值的预期。

人民币近年来币值美元大大贬值，随着美元大大升值，人民币出了避风港，房地产行业作为不能贸易五品部门，必定不会更有大量外资，从而推展其价格上涨；房地产贬值预期的构成造成开发商黑市土地、捂盘惜售再行再加土地供给缺少弹性，造成供给增加，供需矛盾激化，促成房地产价格上涨。　　以上因素是房地产价格大大下跌的主要因素。可见，房地产价格的下跌既有经济发展带给的必定因素，同时还不存在一些不确认因素。

　　 　　二、宏观层面上房地产价格影响因素的定量分析 　　 　　（一）数据的挑选 　　考虑到我国的房地产市场发展较早，时间序列数据不存在时间间隔较短的问题，本文采行横截面数据，利用因子分析来分析房地产价格的影响因素，研究对象为全国31个省（市）、自治区，挑选的需要反应各地区房地产价格的变量有以下8个： 　　X1：各地区城镇居民消费水平 　　X2：各地区城镇人均农村居民收益 　　X3：各地区年末人均实无住宅面积 　　X4：各地区城镇人口所占到比重 　　X5：2005年各地区房地产价格 　　X6：2006年土地价格指数 　　X7：2006年房屋租赁价格指数 　　X8：市政基础设施水平 　　X1至X3反应各地区人民的富足程度；X4体现各地区城市化水平；X5是2005年各地房地产销售平均价格，本文采行房地产销售价格中的住宅销售平均价格，挑选该变量主要是考虑到上一年房地产价格对下一年的影响，在一定程度上还体现人们的预期；X6、X7分别回应各地区土地价格及房屋租赁价格的相对于上年的上涨幅度；X8体现各地区城市基础设施对地产价格的影响，此处用各地区每万人享有公共车辆的台数回应。所有数据源于《2007中国统计资料年鉴》并经涉及处置。

　　（二）模型的创建 　　另设p维可观测的随机向量x=（x1，x2，…xp）′，其均值为μ＝（μ1，μ2,…up）′，因子分析的一般模型为： 　　x1=μ1+a11f1+a12f2+…a1mfm+ε1x2=μ2+a21f1+a22f2+…a2mfm+ε2xp=μp+ap1f1+ap2f2+…apmfm+εp 　　可以OR为：X=μ+AF+ε，其中f1，f2，…，fm为公共因子，ε1，ε2，…εp为类似因子，它们都是不能观测的随机变量。公共因子f1，f2，…，fm经常出现在每个完整变量xi（i=1，2，…p）的表达式中，可解读为完整变量的共计因子；一般假设类似因子εi～（0，σ2i）。一般来说称之为A为因子载荷矩阵。

根据因子载荷矩阵的性质闻，因子载荷矩阵并不是唯一的，当Γ为一m×m正交矩阵时，AΓ依然符合原本的约束条件，AΓ某种程度也是因子载荷矩阵。根据因子载荷阵的这一性质，我们可以对因子载荷阵实施转动，即用一个向量阵右除以A，经若干次转动后，可以使每个变量仅有在一个公共因子上有较小的载荷，而在其余公共因子的载荷较小，至多是中等大小。

这样我们就能较为具体地告诉各公共因子的意义。　　本文中，可观测的随机变量为X1，X2…X8，这些变量是影响房地产价格的最重要因素，各变量之间也有较强的相关性。我们可以通过上面的因子分析模型来对其展开分析，将8个变量分为几类因子，来实地考察它们对房地产价格的影响。

本文来源：米乐|米乐·M6-www.tz2100.net