田思琪 王新華

武漢輕工大學

摘要：基于研究的1999-2017年數(shù)據(jù)建立相關的雙對數(shù)回歸方程模型，運用Stata軟件進行分析數(shù)據(jù)結果。研究表明，武漢人口越多，武漢房價越高;武漢居民人均年消費水平越高，武漢的房價也會越高;武漢的建筑總產(chǎn)值越高，武漢房價越低。

關鍵詞：武漢房價;影響因素;雙對數(shù)回歸模型

本文將基于收集整理的近十幾年數(shù)據(jù)資料進行分析武漢房價的影響因素，在此建立計量經(jīng)濟學的相關模型，了解其主要因素和次要因素，并對所選的因素進行統(tǒng)計推斷和經(jīng)濟意義上的檢驗，最后選擇出擬合效果最好的因素得出結論并給予一些相關的政策建議。

一、文獻綜述及研究假設

作為國家的支柱產(chǎn)業(yè)，房價從根本上影響著國計民生，不僅只有武漢房價接連上漲，諸多地方的房價也被投資者炒得火熱，與此同時，一些學者開始研究房價猛漲的背后原因。劉海云、呂龍（2018）研究了我國房價泡沫傳染網(wǎng)絡及其傳染效應的影響因素，研究結果表明在房價泡沫猛增的過程中城市間房價泡沫傳染效應發(fā)揮著重要作用，除此之外我國的經(jīng)濟發(fā)展狀況、人口數(shù)量及其分布情況等因素也不能被忽略，對城市間房價泡沫傳染效應有著顯著的影響。

以上文獻是基于我國整體房地產(chǎn)而言的，大部分研究方面都是宏觀層次，而本文研究地區(qū)縮小為武漢，且主要在微觀層次進行研究。本文選取的是面板數(shù)據(jù)，收集1999-2017年房價與以上研究的影響因素的數(shù)據(jù)，因此，本文提出如下四個假設：

H1：武漢地區(qū)的人口越多，武漢平均房價越高。隨著人口的增加，居民對住房的需求量也會同步增加。

H2：武漢居民人均年消費水平越高，武漢平均房價越高。人均年消費水平越高，購買房屋的能力和投資欲望越強，房子更具有穩(wěn)定性和保障性，越來越多的人看好這一投資機會，房價也因此被炒得越來越高。

H3： 武漢地區(qū)人均GDP越高，武漢平均房價越高。本文的人均GDP指標是在一年中平均每個人產(chǎn)生的價值，用來衡量經(jīng)濟發(fā)展狀況，經(jīng)濟發(fā)展越快，也會帶動房地產(chǎn)事業(yè)的發(fā)展。

H4：武漢建筑總產(chǎn)值越大，武漢平均房價越低。建筑業(yè)的總產(chǎn)值越大，意味著房子開發(fā)越多，開發(fā)投資的增加會對房價的上漲起到一定的抑制作用。

二、數(shù)據(jù)、變量、模型的選擇

在數(shù)據(jù)選取方面，為減少多重共線性的影響，本文選取的是武漢近十幾年（1999-2017）的平均房價以及人口數(shù)量、人均年消費水平、地區(qū)人均GDP和建筑總產(chǎn)值，來進行實證分析和研究檢驗。

在變量選取方面，本文將假設中提到的四個可能影響房價的因素都作為變量歸結到模型中。

在模型選取方面，基于前文中提出的假設以及選取的變量，最后確定的模型為：

LnY=β0+β1LnX1+β2LnX2+β3LnX3+β4LnX4+u

在選取的模型中對因變量及自變量取對數(shù)處理，對數(shù)形式可以減少模型中的多重共線性，并能在一定程度上消除量綱和減弱異方差的影響，u是誤差項，代表了未納入模型中的變量的影響情況，還代表了在研究過程中的實驗誤差。

三、實證結果及分析

（一）參數(shù)估計

利用Stata軟件進行回歸估計，結果見表1。

表1? ? Stata回歸結果分析

可得估計方程：

Lny=-36.3652+4.9083LnX1+1.0449LnX2-0.4450LnX3-0.3929LnX4

se= （10.3033（1.4360 ） （0.4006） （0.4032） （0.1462）

t=? ?（-3.53） （3.42）? ? （2.61）? ?（1.10）? ?（-2.69）

由表可知，該模型R2=0.9908，=0.9882，可決系數(shù)很高，F(xiàn)（4，14）=378.32，模型整體顯著，再觀察各變量對應的p值，在顯著性水平ɑ=0.05的情況下，自變量X1、X2、X4對應的p值均小于0.05，結果顯著，但自變量X3對應的p3大于0.05，結果不顯著，因此下文將對此進行檢驗以及修正。

（二）模型的計量檢驗

1、多重共線性的檢驗與修正

①計算方差膨脹因子VIF值檢驗多重共線性，計算結果見表2。

表2? ?LnX1-LnX4的VIF值

由結果知VIF=169.77，大于10，即表明存在高度多重共線性。

②對LnX1-LnX4在顯著性水平ɑ=0.05進行檢驗，檢驗結果見表3。

表3 相關系數(shù)檢驗

在顯著性水平為0.05的條件下在顯著的t值后加“*”符號，強調對應變量之間高度相關，并且由以上的VIF結果可知LnX3對應的VIF的值較大為298.60，在下文的修正過程中應剔除X3。

③多重共線性的修正----逐步回歸向前法

利用向前逐步回歸法，得到修正后的回歸結果如表4.

表4 逐步回歸向前法修正后的回歸結果

由回歸結果知LnX1、LnX2和LnX4對應的p值均小于0.05，說明剔除掉X3后的模型回歸結果顯著。

④得出修正后的結果

Lny=-35.9044+4.9464LnX1+1.4168LnX2-0.3324LnX4

se=（10.3694）（1.4460） （0.2183） （0.1365）

t=? （-3.46）? ?（3.42）? ?（6.49）? ?（-2.43）

由表可知，修正后的模型R2=0.9900， =0.9880，可決系數(shù)很高，F(xiàn)（3，15）=496.81，模型整體顯著，再觀察各變量對應的p值，在顯著性水平ɑ=0.05的情況下，自變量X1、X2、X4對應的p值均小于0.05，結果顯著。

2、異方差檢驗及修正

①殘差散點圖檢驗

從輸出結果可以推測出不存在擾動項，模型可能模擬得較為充分，懷疑不存在異方差，但是否存在異方差還需更精確的檢驗方法。

②懷特檢驗

表5? 異方差懷特檢驗結果

懷特檢驗結果顯示，p值為0.1432，故在顯著性水平為0，05的條件下接受原假設，說明不存在異方差，即不需要進行異方差的修正。

3、自相關檢驗及修正

自相關檢驗——布魯爾什-戈弗雷（BG）檢驗，結果見表6。

表6? BG檢驗自相關結果

從BG檢驗自相關結果可知，自相關假設檢驗對應的P值為0.2847，在顯著性水平0.05的條件下不顯著的，接受原假設H0，表明該模型中不存在自相關，不需要進行自相關的修正。

4、模型的確立

Lny=-35.9044+4.9464LnX1+1.4168LnX2-0.3324LnX4

se=（10.3694）（1.4460） （0.2183） （0.1365）

t=? （-3.46）? ?（3.42）? ?（6.49）? ?（-2.43）

由模型方程可知，自變量人口數(shù)量和人均年消費水平的系數(shù)均為正數(shù)，說明這兩個變量均和應變量房價呈正相關，而自變量建筑總產(chǎn)值的系數(shù)為負數(shù)，說明此變量與房價呈負相關。

四、結論及政策建議

（一）結論

本文選取了人口數(shù)量、人均年消費水平、人均GDP以及建筑總產(chǎn)值這4個微觀層次的影響因素，并使用Stata軟件進行研究，在研究的過程中發(fā)現(xiàn)自變量人均GDP對房價不產(chǎn)生顯著性的影響，故在修正過程中剔除這一自變量，最后的結果達到了實驗的目的。

（二）政策建議

①有關部門應加強調控人口的流動情況，避免農(nóng)村居民都移居至城市，否則會加劇城市住房的供應不足情況，導致房價的不穩(wěn)定增長。

②制定明確的住房發(fā)展目標，加大保障性住房供給，合理安排住房供應商中商品房、政策性支持方及租賃住房比例，持續(xù)增加保障性住房比例。

③加大監(jiān)督和執(zhí)法的力度，嚴厲打擊中介機構、房地產(chǎn)企業(yè)以及其他機構的違法行為，堅決抑制擾亂房地產(chǎn)市場的投機行為，一經(jīng)查出則會嚴懲并進行曝光處理。

參考文獻：

[1]黃厚霞、侯莉穎.房價影響綜述 [J].天津出版總社，2011，（7）：39-44.

[2]張世涵.房價對居民消費的影響及其區(qū)域差異研究[J].商業(yè)經(jīng)濟研究，2018（23）：178-180.

[3]劉海云，呂龍.城市房價泡沫及其傳染的“波紋”效應[J].中國工業(yè)經(jīng)濟，2018（12）：42-59

作者簡介：田思琪，女，武漢輕工大學經(jīng)濟與管理學院會計系大三學生，研究方向是會計。

王新華，男，武漢輕工大學經(jīng)濟與管理學院副教授，研究方向是計量經(jīng)濟學。