房地产价格影响因素实证分析
合肥市房地产价格影响因素实证分析
合肥市房地产价格影响因素实证分析合肥市作为安徽省的省会城市，近年来房地产市场一直处于高速发展的状态。
房地产价格一直是人们关注的焦点，很多人都希望能够了解房地产价格的影响因素，以便做出更明智的投资决策。
本文将对合肥市房地产价格的影响因素进行实证分析，希望能够为广大投资者提供一些参考。
影响房地产价格的因素有诸多，比如区域因素、政策因素、经济因素等。
在合肥市的实际情况中，我们发现以下几个因素对房地产价格的影响比较显著。
第一，地理位置。
地理位置是影响房地产价格的重要因素之一。
在合肥市，像是经济发达地区、交通便利地区，房地产价格普遍要高于其他地区。
比如包河区、蜀山区等地的房地产价格相对较高，而一些偏远地区的房地产价格则相对较低。
地理位置对房地产价格的影响是不可忽视的。
第二，政策因素。
政策对房地产价格的影响也是十分重要的。
随着国家出台一系列的楼市调控政策，比如限购、限售等，房地产价格受到了较大的影响。
合肥市也不例外，政策的松紧将直接影响到房地产价格的波动。
政策因素是房地产价格波动的一个关键因素。
经济因素。
经济状况是影响房地产价格的重要因素之一。
一般来说，经济条件好的地区房地产价格就会相对较高，而经济条件差的地区房地产价格就会相对较低。
合肥市作为国家的中心城市，经济条件一直良好，因此房地产价格也一直处于一个较高的水平。
地理位置、政策因素、经济因素是影响合肥市房地产价格的主要因素。
但需要指出的是，这三个因素之间并不是孤立存在的，它们之间可能存在着相互的影响和互动。
比如政策因素可能会直接影响地理位置，而地理位置又可能会受到经济因素的影响。
要对房地产价格的影响因素进行全面的分析，不能只停留在个别因素上。
我们还需要考虑一些其他因素对房地产价格的影响。
比如人口因素、交通因素、文化因素等，这些因素虽然不太明显，但却对房地产价格有着一定的影响。
比如人口越多的地方，需求就会越大，房地产价格也就会越高；交通越便利的地方，房地产价格也会越高等等。
影响房地产价格的因素分析
影响房地产价格的因素分析摘要：房地产业是国民经济的支柱产业,与许多行业具有极强的关联性。
合理的房地产价格是保持社会和谐和保障民生的关键。
近年来，我国房地产市场持续高速发展，房地产业的繁荣推进了经济的快速发展。
但是，由于我国房地产市场发展相对不成熟，存在价格持续高涨、市场供求结构不平衡、一二线城市房价涨幅过大等问题影响着我国房地产业的健康发展。
究其原因，高房价的产生主要由经济、政治和社会三大因素决定。
因此，本文从宏观和微观层面分别对房地产价格的影响因素进行了深入而全面的分析,进而提出了相关政策建议。
关键词：房地产价格;微观因素;宏观因素影响房地产价格的因素，有住房和土地使用制度、经济发展状况、城市化进程、财政金融政策，税收政策等宏观因素，也有环境状况、交通设施、建筑物类型与质量、小区环境、住宅的品质、楼层、朝向等微观因素。
因此，本文将分为宏观和微观因素两方面来阐述房地产价格影响因素，微观层面主要是基于房地产行业或者房地产产品属性角度的探讨,宏观层面则主要体现在宏观经济指标对房价波动的影响。
一、影响房地产价格的宏观因素分析1。
1 经济因素经济的高速发展是支撑房价上涨的动力。
影响房价的经济因素很多。
本文主要研究国内生产总值、物价水平、利率对房地产价格的影响。
1.1.1 国内生产总值与房地产价格呈正向关系国内生产总值，即GDP，是指在一定时期内，一个国家和地区的经济中所能生产出的全部最终产品和劳务的价值总和。
国内生产总值主要从以下途径影响房地产价格：一是国内生产总值的增长带动了经济水平的提高和人民生活水平的改善。
当经济水平得到提高，人民生活水平得到改善后，人们会加大对生活必需品的消费,在解决好温饱问题后，人们开始注重对住房的改善。
另外,城市人口和就业人口随着经济水平的提高而上升，从而住宅需求增加。
因此，房地产价格上升.二是国内生产总值的提高反映了一国或者地区宏观经济条件较好，增强了房地产开发商的信心，从而房地产投资增加，拉动经济增长.为了分析房价与GDP之间的关系，我们研究了房地产价格(源于年度数据)增长率与GDP（源于年度数据)增长率之间的关系.如图1所示：展示了房价增长率与GDP 增长率之间的关系.房地产价格增长率与GDP增长率的走势基本相同，说明二者之间确存在正向相关关系。
对我国房地产价格影响因素的实证分析
（ 一） 单位根检验
文从 影响 房地 产价格 的供 给 因素 以及 需 求 因素 进行 探 讨 ， 还 分 析 了其 他 一些相 关 因素对房 地产 价格 的影 响 ， 最后针 对 我 国房 地 产业 的 未 来 发展 趋 势提 出 了相 关的建议 ， 以加 快建 立和 完善房地 产 市场 ， 引导真 实
和Ｈ ｅ ｎ ｄ ｅ ｒ ｓ ｈ ｏ ｔ ｔ 揭示 了住宅价格与建设成本 、 就业率 和收入直接相 关， 而 价 格 上 涨 幅 度 和 利 率 呈 负 相 关 。Ｈａ ｒ ｒ ｉ ｓ 研 究 了实 际利 率 、 名
义利 率 对 房 地 产 价 格 的影 响 ， 发 现 实 际 利 率 的变 动 可 以 解 释 市 场 价格 水 平 ， 名 义 利 率 只 在 房 地 产 增 值 预期 形成 时发 生作 用 。 在 中 国 的 房地 产价 格 决 定 方 面 ， 国 内 学 者 也 进 行 了不 同 角 度 的研 究 。 沈悦 和刘 洪玉 认 为 中 国经 济 基 本 面 对 住 宅 价 格 水 平 的解
Ｒ－ ￣
Ｖａ Ｐａ ｂ ｌ ｅ
ＲＲＩ Ｃ ＥＬ ＡＮＤ ＮＴ
Ｃｏ ｅｆ ｈ ｃｉ ｅ ｎ ｌ Ｓ ｔ ｄ Ｅ ＝ ｒ ｏ ｒ ｌ
３ ５ ３ ０７ ㈣ １ ０ ￣１ ７ ２ ４ 帕 ８”
｝ Ｉ ｃ
Ｐ ｒ ｏ ｂ
Ｃ ａ ｒ ｅ ｄ
－ ９１ １ ４７ ０ １ ０９ ２ ４ ２５ １
有 效的 需求 。
房 地 产 销售 价格 土 地 交 易 价 格 房 屋 租 赁 价 格
人均 Ｇ Ｄ Ｐ
Ｉ （ ０ ） Ｉ （ ｏ ） Ｉ （ ０ ）
Ｉ （ ｏ ）
一６ ． ２ ０ ６ ２ ０ ． ０ ｏ Ｏ ２ ．３ ． １ ９ ３ ９ ０ ． Ｏ ４ ６ ２ 一２ ． ６ ９ １ ９ ０ ． ０ ９ ９ ８
我国房地产价格波动影响因素实证分析
究 了影响房地产价格波动的因素和实证分析 。 关键词 ： 房地产 ； 价格 波动 ； 影响 因素 ； 实证 中图分类号 ： Ｆ ２ ９ ３ ． ３ 文献标识码 ： Ｂ 文章编号 ： １ ６ ７ ３ — ０ ０ ３ ８ （ ２ ０ １ ３ ） ２ ６ — ０ ２ ８ ３ — ０ ２
引 言
化 。此外 ， 通过计算机技术在工程造价领 域之中 的应用 ， 还可 以 时的对 比， 有助于有关部 门的材料价格 的审查 。 全面 的实现建筑市场交 易的网络化 以及资源 的有 效运用 ，使得 信息 网和软件可以得 到更好 的整合和利用。
４结束语
综上所述 ， 根据对 建筑工程造价管理之中计算机技术的运用 （ ２ ） 计算机技术在全过程动态化造价管理之 中的应用 。全过 进行全面 的分析和研究 ， 从实际 的角度 出发 ， 深入并且细致 的对 程的动态化管理 ，指 的是在 建筑 工程造价工作 当中的针对其造 计算机技术在工程造价 管理工作 之中的诸多应用 ， 进 行探 析， 力 价的信息进行全面 的整理和收集 ， 并且对 目标 计划进行整理 ， 通 求更进一步 的为此项工作 的开展 与进 行， 奠定坚 实的理论基础 ， 过 实 际 的 研 究 得 出具 体 的数 据 结 果 ， 对后期 的工作进行指 导， 并 并且 为工程造价管理 的标准化 、 规范化 、 准 确性、 高效 性的提升 ， 且在后续 的诸多商业活动 当中发挥重要的参考价值 。在全过程 做 出积极 的贡献 ，改进传统 的造 价编制工作之 中存在 的诸 多问 动 态 化 的管 理 工 作 当 中 ， 只 有 通 过 多 方 面 的技 术 研 究 应 用 ， 将 所 题和缺陷 ， ： 进一步 的实现造价管理的信息化。 有的数据进行收集和整理 ，将各 个阶段的细节工作进行 全面 的 把握 ， 形 成一个全 过程 的造 价管理 ， 从根本之上增强 建筑 工程 的 项 目管理质 量和水平 ， 提升 企业 的市场竞争力。 参考文献
房价波动对居民消费影响效应的实证检验
房价波动对居民消费影响效应的实证检验房价波动是指房屋市场价格在一定时期内出现的剧烈变化，对于居民的消费行为有着重要的影响。
房价波动不仅会影响居民的购房行为和房屋投资，还会对居民的消费水平和消费结构产生一定的影响。
本文将通过实证检验来探讨房价波动对居民消费的影响效应。
一、房价波动对居民消费的理论影响房价波动对居民消费有着多方面的影响。
房价的上涨会使居民感到财富增加，从而提高其消费欲望，促进居民的消费水平提高。
房价的波动会对居民的投资行为产生影响，当房价上涨时，居民倾向于将资金投入房地产市场，而不是其他领域的投资，从而削弱了其对其他产品和服务的消费需求。
房价的波动还会对居民的借贷行为产生一定的影响，当房价上涨时，居民更容易获得贷款，从而提高了其消费能力。
二、实证检验方法本文采用面板数据模型对房价波动对居民消费的影响效应进行实证检验。
我们将房价指数作为解释变量，居民消费水平作为被解释变量，控制居民收入、财富和信贷条件等因素，建立面板数据模型。
然后，通过固定效应和随机效应模型的比较，确定最适宜的模型，进一步分析房价波动对居民消费的影响效应。
通过计量模型的拟合度和显著性检验等方法，验证实证结果的可靠性。
三、实证结果分析四、政策建议根据实证结果，我们可以得出以下建议：政府应加强对房地产市场的监管，遏制房价的过快上涨，以减少其对居民消费的负面影响。
政府可以通过调整贷款政策和税收政策，引导居民的投资和消费行为，提高其对其他行业的消费需求。
政府还应加大对低收入群体的支持力度，通过扶贫政策和社会福利政策，缓解房价波动对低收入群体的消费影响。
房价波动对居民消费有着显著的影响效应，政府和社会应加强对房价波动的监测和调控，引导居民的消费行为，实现房价波动和居民消费的良性互动。
基于多元线性回归分析房地产价格的影响因素
基于多元线性回归分析房地产价格的影响因素一、本文概述随着经济的发展和城市化进程的加快，房地产行业在中国经济中占据了举足轻重的地位。
房地产价格受到众多因素的影响，包括宏观经济因素、地理位置、基础设施、政策环境等。
为了更好地理解和预测房地产价格的变化，本文旨在通过多元线性回归分析方法，深入探究影响房地产价格的主要因素，并构建预测模型。
本文首先将对多元线性回归分析的基本原理和步骤进行简要介绍，为后续的研究提供理论基础。
随后，将详细阐述房地产价格影响因素的选择原则和方法，确保所选因素能够全面、客观地反映房地产市场的实际情况。
在数据收集和处理方面，本文将采用权威、可靠的数据来源，并对数据进行预处理，以保证分析结果的准确性。
通过多元线性回归分析，本文将揭示各影响因素对房地产价格的贡献程度，以及它们之间的相互作用关系。
在此基础上，本文将构建房地产价格预测模型，并对其进行验证和评估。
将提出相应的政策建议和措施，以期为政府、企业和投资者提供有益的参考和借鉴。
本文的研究不仅有助于深入理解房地产市场的运行规律，还可以为房地产市场的健康发展提供科学支持，具有重要的理论价值和实践意义。
二、文献综述在房地产市场中，价格的形成与变动受到众多因素的影响，这一点已得到了广泛的学术关注。
早期的研究主要集中在单一因素对房地产价格的影响，如地理位置、经济指标、政策调整等。
然而，随着研究的深入，学者们开始意识到单一因素的研究方法可能无法全面揭示房地产价格变动的内在机制。
因此，越来越多的研究开始关注多个因素的综合影响，并尝试使用多元线性回归分析方法进行实证研究。
在多元线性回归分析的框架下，学者们对房地产价格影响因素的研究取得了丰富的成果。
一方面，经济因素如经济增长率、通货膨胀率、利率等被证实对房地产价格有显著影响。
经济增长率和通货膨胀率的上升通常会导致房地产价格上涨，而利率的变动则会对房地产价格产生反向影响。
另一方面，社会因素如人口增长、家庭结构、教育水平等也对房地产价格产生不可忽视的影响。
房地产股票价格走势影响因素的实证分析
房地产股票价格走势影响因素的实证分析房地产股票价格走势影响因素的实证分析引言：股票市场是一个充满波动与不确定性的环境，受到众多因素的影响，其中包括经济指标、政府政策和行业内部因素等。
作为经济的重要组成部分，房地产行业对整体经济的发展起着举足轻重的作用。
因此，研究房地产股票价格走势的影响因素对于投资者和决策者都具有重要意义。
本文旨在通过实证分析，深入探讨房地产股票价格走势中的主要影响因素。
一、宏观经济因素的影响1.1 经济增长率经济增长率是衡量经济发展水平的重要指标。
研究发现，经济增长率的持续上升对于房地产股票价格有积极影响。
当经济增长加速时，社会整体购买力提升，人们对购房需求增加，进而推动房地产市场的发展，提高股票价格。
1.2 通货膨胀率通货膨胀率是货币购买力下降的表现。
研究发现，适度的通货膨胀对于房地产股票价格走势有利。
当通货膨胀率适度增加时，房地产投资被认为是一种避险投资，投资者转向房地产股票，推动股票价格上涨。
1.3 利率水平利率是货币政策的重要工具，对房地产股票价格有直接的影响。
研究发现，利率的下降对于房地产股票价格有积极影响。
当利率水平下降时，借贷成本降低，鼓励个人和企业进行房地产投资，从而推动股票价格上涨。
二、政府政策的影响2.1 房地产调控政策房地产调控政策是为了控制房地产市场供需关系，保持市场平稳发展而制定的政策。
研究发现，房地产调控政策对于房地产股票价格起到决定性作用。
当政府出台严厉的调控政策时，房地产股票价格通常会下降，反之亦然。
2.2 城市化进程城市化进程推动了房地产市场的发展，对房地产股票价格也有积极影响。
随着城市化进程的推进，人口流动增加，对住房需求的扩大拉动房地产市场，进而推动股票价格上涨。
三、内部因素的影响3.1 公司盈利能力公司盈利能力是投资者衡量企业价值的核心指标，对房地产股票价格具有重要影响。
研究发现，公司盈利能力增加会引起投资者对公司前景的乐观情绪，推动股票价格上涨。
房地产价格波动对金融稳定的影响及实证分析
房地产价格波动对金融稳定的影响及实证分析房地产价格波动对金融稳定具有显著的影响，这一现象已经在世界范围内得到了广泛的认识和研究。
一方面，房地产价格的波动往往会对金融机构的资产质量和流动性产生影响，另一方面，房地产市场的变动也会影响国家整体经济发展水平。
本文将对房地产价格变动对金融稳定的影响进行分析，并通过实证分析探讨房价变动对金融稳定的具体影响。
首先，房地产价格波动对金融机构资产质量的影响是显而易见的。
房地产价格波动对金融机构的贷款质量、风险敞口和盈利能力都会产生直接的影响。
当房地产市场处于上涨周期时，金融机构会倾向于向房地产行业大量发放贷款，以获取高回报。
然而，当市场走向下降或衰退时，债务人的还款能力将受到负面影响，金融机构的贷款风险也会随之上升。
如果房地产市场的下滑幅度足够大，金融机构的不良贷款率可能会急剧上升，这会对金融机构自身的盈利能力和稳定性造成严重影响。
其次，房地产价格变动对金融机构流动性的影响也是需要关注的。
在房价快速上涨的时期，金融机构的业务往往会迅速增长，这会带来大量的存款和贷款，提高了金融机构的流动性。
但是，当房价下跌时，由于债务人的还款能力下降，银行贷款和存款的需求将减少，导致金融机构流动性降低，甚至可能陷入资金短缺的困境。
第三，房地产市场的变动也会对整个国家的经济发展水平产生影响。
房地产价格的波动对国家的经济发展有着深刻的影响，特别是通过对住房保障、地方财政收入、宏观经济稳定水平、社会平等等方面产生的影响。
在房价暴涨的情况下，人们的房产资产价值增值幅度远远高于其他资产的增长速度，从而拉动国民财富的增长。
此外，房地产市场也会成为地方政府的主要财政收入来源之一，然而房价下跌也使地方政府的财政压力加大，进而进一步影响地方经济和本国经济的发展。
最后，我们可以通过实证分析来了解房价波动对金融稳定的实际影响。
以中国市场为例，一些研究显示，房价上涨是当前中国市场的主要经济风险之一。
随着房价的急剧上升，中国银行业不良贷款率不断攀升，贷款担保比例也不断下降。
用STATA进行房价影响因素的分析
用STATA进行房价影响因素的分析一、本文概述随着全球经济的不断发展和城市化进程的加速，房价问题已经成为社会各界关注的焦点。
房价不仅关系到居民的居住条件和生活质量，也是宏观经济调控的重要指标。
因此，深入研究房价的影响因素，对于理解房地产市场的运行规律、制定合理的房地产政策具有重要的理论和实践意义。
本文旨在利用STATA统计软件，对房价影响因素进行系统的分析。
我们将对房价影响因素的理论基础进行梳理，包括供求关系、经济基本面、政策因素等。
然后，基于国内外相关文献的研究，筛选出对房价有显著影响的因素，并建立相应的计量经济学模型。
接下来，我们将利用STATA软件对模型进行估计和检验，以揭示各因素对房价的具体影响程度和方向。
根据分析结果，提出针对性的政策建议，以期为房地产市场的健康发展提供有益的参考。
通过本文的研究，我们期望能够更全面地了解房价影响因素的复杂性和多样性，为政策制定者提供科学依据，同时也为投资者和消费者提供决策参考。
本文的研究方法和结论也有助于推动相关领域的学术研究和实践应用。
二、文献综述房价影响因素的研究一直是经济学、房地产学、地理学等多个学科领域的热点和难点问题。
随着全球化和城市化的推进，房价波动对经济发展、社会稳定和居民生活的影响日益显著，因此，深入探讨房价的影响因素及其作用机制具有重要的理论和实践意义。
国内外学者对房价影响因素的研究已经积累了丰富的成果。
从影响因素的类型来看，主要包括经济因素、社会因素、政策因素、地理因素等。
经济因素如经济增长、收入水平、贷款利率等，是影响房价的基础因素。
社会因素如人口结构、教育水平、文化背景等，也会对房价产生影响。
政策因素如土地政策、税收政策、住房政策等，对房价具有直接的调控作用。
地理因素如城市规模、交通状况、自然环境等，也会对房价产生重要影响。
在研究方法上，学者们采用了多种统计方法和计量模型来分析房价影响因素。
其中，STATA作为一种功能强大的统计分析软件，被广泛应用于房价影响因素的研究中。
房地产价格影响因素的实证研究_基于我国各省的面板数据分析
经济研究导刊ECONOMIC RESEARCH GUIDE总第223期2014年第5期Serial No .223No .5，2014引言2007年，美国房地产泡沫的破灭，引发了次贷危机；我国房地产市场也出现了衰退的迹象，房价持续下降。
2009年，受多重因素的影响，各种资金纷纷进入楼市，房地产市场量价齐升，迅速从复苏走向过热。
弄清影响房价的主要影响因素，探究我国房地产投资是否过热，房价是否合理，是否存在泡沫以及如何有效控制房地产价格迫在眉睫。
A braham 和Hendershott （1996）通过构造一个包含滞后项过程的住宅价格模型，揭示了住宅价格与建设成本、就业率和收入直接相关，而价格上涨幅度和利率呈负相关。
Takatoshi 等（1995）认为，在20世纪80年代日本房地产价格泡沫中，银行对房地产行业信贷的急剧增加起到了诱发的作用。
C ollyns 和Senhadji （2002）以中国香港、韩国、新加坡、泰国作为样本，证实信贷增长显著影响了房地产价格。
乔志敏（1995）用实证分析表明，生产成本的波动对房地产价格的波动有明显的作用。
平新乔（2004）认为，地价的上升推动了房价的上升。
崔光灿（2008）通过上海房地产信贷与房地产市场关系的实证研究，得出了房地产信贷同房地产价格存在着长期的协整关系，房地产信贷对房地产价格有明显的促进作用。
王松涛（2009）认为，住房价格波动不仅受到城市经济维度与房地产市场维度因素的影响，而且也受到开放经济维度因素的影响。
综上所述，国内外学者对房地产价格影响因素的研究很丰富。
本文归纳他们的研究，主要从市场需求、供给和金融角度出发，利用我国1997—2009年的面板数据对这一问题进行检验。
一、中国房地产价格影响因素和理论假说（一）需求方因素：人均GDP 和居民可支配收入从理论上看，人均GDP 和居民可支配收入作为收入水平的衡量指标，它的上升会增强居民的购买能力，提供房屋的有效需求；另一方面，由于房产本身可以作为投资品的这种特殊性，会刺激投资性的需求。
房价的影响因素分析及预测模型——基于北京市相关数据的实证研究
房价的影响因素分析及预测模型——基于北京市相关数据的实证研究房价是影响一个城市房地产市场的重要指标之一、它受到多种因素的影响，包括宏观经济因素、政策因素和市场因素等。
本文将从这些方面进行房价的影响因素分析，并构建相应的预测模型来预测北京市的房价。
一、宏观经济因素宏观经济因素是房价的重要决定因素之一，包括经济增长、通货膨胀率、利率水平和人口增长等。
经济增长是房价上涨的基础，经济增长意味着人们的收入水平提高，购买力增强，从而推动了房价的上涨。
通货膨胀率的上升会导致货币贬值，进而推高了房价。
利率水平的变化也会直接影响房价，当利率上升时，购买房产的成本也会增加，从而抑制了房价的上涨。
人口增长也会对房价产生影响，当人口持续增长时，对住房的需求也会增加，从而推动了房价的上涨。
二、政策因素政策因素是影响房价的关键因素之一、政府的相关政策措施对房价具有重大的影响。
例如，房地产调控政策的出台会直接影响房价的波动。
当政府采取严格的调控政策时，会抑制投资投机需求，从而稳定房价。
另外，政府还会出台土地供应政策、建筑规划政策等，这些政策也会直接或间接地影响着房价的波动。
三、市场因素市场因素也是影响房价的重要因素之一，包括供需关系、市场预期和交易成本等。
供需关系是房价波动的基础，当供大于求时，房价会下降；当需大于供时，房价会上涨。
市场预期也会对房价产生影响，市场预期房价上涨时，会促使购房者提前购买，从而推高了房价。
交易成本的变动也会对房价产生影响，例如涉及房地产的税费、手续费等，这些成本的减少会刺激购房需求，从而推高了房价。
基于以上分析，我们可以构建一个预测模型来预测北京市的房价。
首先，我们可以收集并整理相应的数据，包括历史房价数据、宏观经济数据、政策数据和市场数据等。
然后，我们可以利用回归分析的方法来构建预测模型。
以房价为因变量，宏观经济数据、政策数据和市场数据为自变量，利用历史数据进行回归分析，得到回归方程。
最后，我们可以利用该回归方程来进行房价的预测。
中国房地产价格影响因素——基于中国省级面板数据的实证分析
表 １基 本 检 验 结 果与 分 析
目标 变 量
ｐｒｉｃｅ１ ａｎｄ Ｏ
．
§ｍ
Ｏ ４ １ ８ ９ ｌ
Ｔ ｈ ｅ ｉ ｎ ｄ ｕ ｓ ｌ ： Ｆ ｉ ａ ［ Ｓ ｔ ｕ ｄ ｙ ｌ产 业 研 究
中国房地产价格影响 因素
— —
基于 中国省级 面板数据的实证分析
李 艳 萍 合肥 工业 大 学 安 徽 合肥 ２ ３ ０ ０ ３ １
摘要 ： 文章应 用２ ０ ０ ０ － ２ ０ １ １ 年 全国５ Ｏ 个省市 的面板数据 ， 运 用极值 边界分析（ ｔ ｈ ｅ ｅ ｘ ｔ ｒ ｅ ｍ ｅ ｂ ｏ ｕ ｎ ｄ ｓ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ， Ｅ Ｂ Ａ ） 模型探 索
一
、
国 内外研究综 述
国外研究综述
１
、
极值边界分析模型（ ｔ ｈ ｅ ｅ ｘ ｔ ｒ ｅ ｍｅ ｂ ｏ ｕ ｎ ｄ ｓ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ， 即Ｅ Ｂ Ａ 模型） 由Ｌ ｅ ａ ｍｅ ｒ （ １ ９ ８ ５ ） 、Ｌ ｅ ｖ ｉ ｎ ｅ和Ｒ ｅ ｎ ｅ １ ｔ （ １ ９ ９ ２ ） 提出的多元线性 回归模型，
国外 的房 地 产市 场 化进 程 进行 的相对 比较 早 ， Ｍｕ ｅ ｌ ｌ ｅ ｒ ． 是随着条件变量集的逐步改变来检验回归系数 的稳健性 ， 主要功能 Ｇ． Ｒ （ １ ９ ９ ９ ） 提 供求变化 、人口迁移 、货 币政策等因素在影响房地 是灵敏ｌ 生分析。其回归方程如下 ： 广： 价格的同时 ， 也会使房地产市场出现周期性 的波动。Ｌ ｏ ｋ Ｓ ａ ｎ ｇ △Ｙ ＝ｄ＋ｐ Ｉ ＋Ｄ ｍ Ｍ＋Ｄ Ｚ ＋Ｉ Ｊ （ １ ） Ｈｏ 和 Ｇ ａ ｒ ｙ Ｗａ ｉ — ｃ ｈ ｕ ｎ ｇ Ｗｏ ｎ ｇ （ ２ ０ ０ ３ ） 采用分布滞后模型 ， 协整检 其中△Ｙ表示增长率向量 ， ０ ｔ 为常数向量 ， Ｉ 为模型中始终包括 验和误差修正模型 ， 深入研究 了香港房地产价格与宏观经济的关 的变量 ， 是一个核心变量信息集 。Ｍ为待研究的 目标变量 ， ｚ 为可改 系， 结果发现出口、利率及通胀率对房地产价格都有长期的影响。 变 的重要解释变量。Ｌ ｅ ｖ ｉ ｎ ｅ和Ｒ ｅ ｎ ｅ ｌ ｔ （ １ ９ ９ ２ ） 研究表 明变量信息集Ｉ 和 Ａｎ ｇ ｌ ｉ ｎ （ ２ ０ ０ ６ ） ￣ Ｊ 人平均房价增长率、Ｃ Ｐ Ｉ 等， 采用时间序列法建立 Ｚ 的改变不直接影响模型分析的结论。 Ｖ ＡＲ 模型， 并预测了多伦多房价的变动情况。 现有 文献Ｅ Ｂ Ａ模型主要有三种检验方法 ：“ 严格 ”的Ｅ Ｂ Ａ检 ２ 国内研究综述 验 、Ｓ ａ ｌ ａ － Ｉ — Ｍａ Ｎｎ 准￣ １ ］ （ Ｓ ａ ｌ ａ － Ｉ — Ｍａ ｒ ｔ ｉ ｎ ， １ ９ ９ ７ ） 、大Ｒ ２ 准则 。本 文拟
房价上涨影响因素实证分析的开题报告
房价上涨影响因素实证分析的开题报告
一、选题背景和意义
近年来，房价成为了社会关注的焦点之一。
随着城市化进程的加速和人口增加，房价愈发受到了各方关注，而房价上涨同样也会对经济、社会和政治方面造成影响。
了解房价上涨的影响因素对政府实现宏观调控、提高市场的稳定性以及普通民众的财
产安全都有着重要意义。
因此，对房价上涨所影响因素进行实证分析，可以帮助我们
更好地了解房价上涨的机制和影响，为政策制定提供科学依据，进一步促进城市的可
持续发展。
二、选题目的
本论文旨在通过实证分析，探究当下房价上涨的主要影响因素，并提出相应的解决方案，从而为政府和市场提供参考依据。
三、研究内容
1.房价上涨的经济背景分析。
主要分析国内外房地产形势和当下经济状况，了解房价上涨的经济背景。
2.房价上涨的影响因素。
通过实证研究，提取主要的影响因素，包括：资金流动性、土地政策、人口增长、经济发展水平等。
3.解决方案的探讨。
根据研究结果，提出相应的解决方案，包括：增加住房供给、推动房地产税法制化、完善土地政策等。
四、研究方法
本研究将采用实证分析，首先收集相关数据构建回归模型，并利用SPSS软件进
行数据处理和分析，最终得出房价上涨的影响因素以及相应的解决方案。
五、预期成果
通过这次研究，我们可以更深入地了解房价上涨的机制和影响因素，为市场的稳定性提供科学依据，并为政府提供实现宏观调控的研究参考。
同时，也将为普通民众
提供保障房产安全的思路。
重庆市房地产价格变动影响因素的实证分析
由上表中 ，可以看 出 由于经济 的增 长，人们 的生活 水平 不 断的提 高 ，人均可支配收入在不断的增加 ，又由于现在社会的发展需 要人们对
房屋的需求也在不断的增加 。需求拉动供给 ，这就使得房屋 的竣工面积
也逐年的增长。虽然房屋的竣 工面积在不断 的增加 ，但是在整 个房地产 市场还是出现一种供 不应求 的现象 ，这样房价也就不断上涨 近几年还 出 现了一种居高不下的势态。房 价的波动是 由于多种原 因共 同影响的 ，而 不是其 中一种可以决定 的，它不仅与房 屋本身有关 ，还和政 府的政策 、 购房者喜好等众多因素都有着密不可分的关 系。 （ 二 ）房地产的价格 的影 响因素 房地产是一个 比较综合的行业 ，它与百姓生 活的各个 方面都有着 密 切 的联 系。从上面也 可 以看出影 响它 价格 的 因素有许 多 。有 微观 、宏
３ ５ ３ ２ ６ ４ ｏ Ｏ ４ ２
房屋竣 工面积 Ｇ Ｄ Ｐ （ 万ｍ ２ ） （ 亿元 ）
７ ４ ７ ３
８ ２ ９ ２ ８ ９ ８ ９
人 均可支配 收入 （ 元）
ｌ ５ ７ ４ ８
１ ７ ５ ３ ２ ２ ０ ２ ４ ９
４ １ ７ ９
５ ７ ６ ２ ６ ３ ９ ０
５ 、贷款的利率。一个房 地产项 目的投资是 非常之 巨大 的 ，房地产 企业的一个项 目的运作就需 要巨大 的资金来进行周转 。而在 房地产企业 中，其项 目资金除了 自已筹 备的以外 ，还有很大一部分 的资 金来源于银 行的贷款。因此 ，银行 的贷 款 的利率对 于房 地产 价格来 说影 响也 是很
裹１ ２ Ｏ Ｏ ９年 － ２ ０ １ ３ 年Ｉ庆市统计指标裹
而成 的 ， 所以， 房地产 的价格也就 间接 的受到 了煤 、石油 、天然气等天 然原材料价格 的影 响。但是最近几年 ，由于这些天然原材料 的稀缺性 而 造就 了这些原材料 的价格持续 的上涨 ，从而也就推动了房地 产市场价格 的持续上涨 。 ３ 、工人 的工 资水平 。人力资源是房地产行业不可或缺 的主要资源 ， 房地产从最初 的拿地 到最后 的售 出及售后 的物业服务 ，都需要 不断 的有 人的参与。这就意味着要不 断的对人力资源进行投入 ，因此 ，人力资 源 成本 也是房产成本 的主要构成要素之一 。 ４ 、房地产 的开发 的投资 。通常 的情 况下房地 产的开 发投资包 含对 土地 的开发投 资和对房屋 开发 的投资 。对土地开发的投资一般 是指的在 房地 产开发的前期 的工作 ，通常有新 增加 的土地 的开 发和对原 有的老 、 旧建筑物的改造。在 实际操作 的过程 中，这两种开发投资都是 一笔 巨大 的投 资 ， 在 房地产 的价格影 响的程度上也是非常 巨大 的，但是 开发的规 模很 大 ，房地产的 价格 会 稍 稍 的下 降一 些 ，相 反 的话 就 会 有些 许 的 升高。
我国房地产价格影响因素的实证分析
我国房地产价格影响因素的实证分析作者：高艳云王影丽来源：《财讯》2019年第13期一、研究背景改革开放以来，中国全方位的走向世界，国内房地产市场也迈向市场国际化进程，处在更为广阔的政治、经济环境之中。
随着房地产行业的激烈竞争，我国房地产行业出现了严重的成长问题。
这些问题的存在不仅降低居民生活的幸福感，也给国民经济发展带来了重大的安全隐患。
因此研究房地产价格的影响因素，以此来促进房地产行业的健康稳定发展成为迫切的需求。
二、数据来源由于新的住房政策是从1998年开始实施的，因此本文数据选取时间为1998年-2015年共18年的历史数据。
三、实证分析（1）指标设定影响房地产价格的因素非种类很多。
有来自房地产企业本身的因素，来自消费者的因素也有来自国家的宏观因素。
本文选择住宅商品房平均销售价格（元/平方米）（Y）为被解释变量，年末总人口（万人）（X1）、商品住宅房屋竣工面积（万平方米）（X2）、居民消费价格指数（上年=100）（X3）、房地产住宅投资（亿元）（X4），全国住宅地价指数（X5）、城镇居民人均可支配收入（元）（X6）作为自变量建立分析模型。
（2）建模及模型检验1.平稳性检验为了防止回归模型的伪回归现象，有必要对数据的平稳性进行检验。
接下来以住宅商品房平均销售价格为例，检验时间序列数据的平稳性。
平方根检验结果如表1所示。
所得ADF检验统计量对应p值为0.0018，在99%的显著性水平下拒绝原假设，认为一阶差分后的时间序列是平稳的。
运用此种方法，分别对X1，X2，X3，X4，X5，X6这六个时间序列原始数据进行平稳性检验，发现原始数据都不平稳，用一阶差分的方法对这六个变量做处理后均为平稳序列，结果表明，一阶差分后序列平稳。
2.多元回归模型的构建根据一阶差分后的平稳时间序列用最小二乘法建立多元线性回归模型。
方程的拟合优度为0.71，F检验统计量所对应的p值为0.02，在显著性水平为95%的情况下认为方程是显著的。
昆明市房地产价格影响因素及实证分析——以住宅市场为例的开题报告
昆明市房地产价格影响因素及实证分析——以住宅市场为例的开题报告一、选题背景近年来，随着我国经济的快速发展与城镇化进程的不断推进，房地产市场成为社会各界关注的焦点。
在全国范围内，房地产市场价格出现了普遍上涨的趋势，各地政府也在积极采取措施稳定房地产市场。
而昆明市作为云南省省会和西南地区重要的经济中心城市，房地产市场价格也受到广泛关注。
因此，通过研究昆明市房地产市场价格影响因素，不仅可以揭示当地房地产市场的运行规律，为政府部门制定相关政策提供参考，同时也可以为房地产企业提供决策依据，更好地适应市场变化。
二、研究意义昆明市房地产市场的价格涨跌关系到不仅是房地产企业的运营、政府部门的调控、市民的居住等问题，还关系到昆明市经济的发展和维护社会稳定等方面。
因此，本研究的课题选取昆明市房地产市场价格影响因素，旨在探究昆明市房地产市场的运作机制，为昆明市政府制定相关政策以及房地产企业的决策提供参考。
三、研究内容本研究拟选取昆明市住宅市场为样本，通过采集房地产市场价格数据和相关经济指标数据，采用多元线性回归等统计分析方法，对昆明市房地产价格影响因素进行实证分析，探索影响因素的大小及对价格的影响程度。
具体内容包括以下三个方面：1.对昆明市房地产市场价格涨跌趋势进行梳理，分析其影响原因和经济环境；2.通过采集相关数据，建立昆明市住宅市场价格的多元线性回归模型，探究价格受到哪些因素的影响，并定量分析影响程度；3.根据分析结果，提出合理化建议，为政策制定和企业决策提供依据。
四、研究方法与步骤本研究采用多元线性回归法对昆明市房地产市场价格影响因素进行实证分析，具体步骤如下：1.选取昆明市住宅市场为研究对象，收集相关的价格数据和经济指标数据；2.选取多元线性回归模型对价格和经济指标进行回归分析，得到模型的回归系数、拟合优度等数据，根据模型的显著性程度和整体拟合效果进行判定；3.分析回归系数，确定各个经济指标对价格的影响程度和方向，并进行多元配对比较和单因素分析，分析各个影响因素相对重要程度；4.提出合理化建议，为政府制定相关政策和房地产企业的决策提供依据。
我国房地产价格波动率的影响因素及实证分析(一)
我国房地产价格波动率的影响因素及实证分析(一) 概述房地产市场是我国经济发展中十分重要的一环，房价波动对我们的生产生活都有着深刻的影响。
本文旨在探究我国房地产价格波动率的影响因素及其实证分析。
波动率的定义波动率是反映市场价格波动的风险指标之一，它的计算一般是以某一个时间段内价格变动的标准差平均值为度量。
具体表现为价格波动程度的大小，价格波动越大，波动率就越高。
在房地产市场中，波动率是指房价价格的总体变动程度，反映了市场变动的频率和幅度。
影响因素分析宏观经济环境1.GDP增长率宏观经济环境对房地产市场有着重要的影响，特别是GDP增长率。
在经济增长的环境下，人们的收入增加，购买力增强，房价显然也会上涨。
2.通货膨胀率通货膨胀率是指物价总水平上升的速度，由于物价上涨会导致人们的购买力下降，因此通货膨胀率对于房价也有着很大的影响。
3.利率变动利率对房价波动也有很大的影响，因为房屋的购买和销售往往需要借贷，而房贷利率的变化会直接影响人们的购买力和偿还能力，从而进一步影响房价。
政策环境政策环境对于房地产市场也有着很大的影响，下面我们将从两个方面进行分析。
1.土地政策土地政策的变化可以直接影响房价。
当政府加强对土地的流转管控，土地供应减少，房价自然会上涨；反之，当政府开放土地供应，房价会上涨，但是房价过快上涨会引起经济的泡沫，因此土地流转需要平衡。
2.购房政策购房政策的变化同样会直接影响房价。
当政府出台支持购房人的政策时，房价会增加；相反，当政府出台限购政策时，房价则会下降。
竞争环境其他房地产企业的竞争环境也会对房价产生影响，竞争环境的激烈程度直接影响着开发商的盈利水平，从而影响房价。
实证分析为了验证上述影响因素是否真正对房价波动率产生了影响，本文使用了中原地产数据，并采用了多元回归模型进行实证分析。
具体结果如下：房价波动率 = 0.104 + 0.512 * GDP增长率+ 0.054 * 通货膨胀率+ 0.865 * 利率变动+ 0.066 * 土地政策变化- 0.038 * 购房政策变化+ 0.063 * 竞争环境激烈程度从上述模型结果可以看出，GDP增长率、通货膨胀率、利率变动、土地政策变化、竞争环境激烈程度对于房价波动率均有显著影响，而购房政策变化对于房价波动率的影响不显著。
基于poi数据的房价影响因素实证分析
检查数据是否及时更新，是否具有 时效性。
04
03
房价影响因素分析
房价影响因素分析
• 请输入您的内容
04
基于poi数据的实证分析
基于poi数据的实证分析
• 请输入您的内容
05
结论与展望
研究结论
交通设施
交通设施的便利程度对房价有显著影响，靠近地铁站、公交站和高速 公路的房产价格普遍较高。
教育资源
优质的教育资源对房价有明显的提升作用，特别是知名小学、中学和 大学附近的房产市场表现较好。
商业设施
购物中心、超市、餐馆等商业设施的丰富程度对房价有一定影响，居 民生活便利程度高有助于提高房产价值。
环境质量
环境质量包括自然环境如公园、河流等以及社区环境如绿化率、空气 质量等，对房价有积极的影响，环境优越的地区房价普遍较高。
数据转换
将不同来源的数据进行统一格式转换，便于后续 分析。
3
数据聚合
对数据进行聚合处理，如计算区域平均房价、人 口密度等。
数据质量评估
01
完整性评估
检查数据是否完据来源的可靠性，如数据采 集的渠道和方式。
03
02
准确性评估
验证数据的准确性，如通过与官方 数据对比。
02
数据来源与处理
数据来源
政府公开数据
收集了城市规划、交通、教育、医疗等政府部门公开 的数据。
大数据平台
利用房地产相关的大数据平台，获取房地产交易、楼 盘信息、用户评价等相关数据。
问卷调查
通过问卷调查的方式获取居民对房价的认知和期望。
数据处理与预处理
1 2
数据清洗
对原始数据进行清洗，去除异常值、缺失值和重 复值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
房地产价格影响因素实证分析——金融工程（2）谭红艳 40421104金融工程（2） 朱 敏 40421102一、 问题提出房地产业是国民经济体系中的基础性、先导性行业,其运行质量直接影响到国民经济的健康发展，房地产价格问题由于与广大城镇居民的生活息息相关,因此一直是人们关注的焦点。
中国从20世纪90年代开始选择市场经济的取向,中国的房地产市场也在20世纪90年代初期开始逐步形成。
1991～2005年,中国房地产价格总体处于上升趋势,年均增长9.83%,远远超过同期居民可支配收入的增长率,因此,房地产价格成为人们经常诟病的主要对象。
目前,国内关于房地产价格的研究大体上可以分为两类:第一类主要从微观视角出发,分析经济变量、区位变量对房地产价格变动的影响。
第二类研究主要从宏观视角研究经济基本面和政策变量对房地产价格的影响。
房地产价格根本上取决于房地产供给和需求，而其供给、需求又受到价格之外的诸多因素的影响，本文将从顾客需求角度，通过分析顾客需求的变化来分析其对房地产价格的影响。
二、 理论综述及模型的设定。
1. 商品房是指房地产开发企业（单位）开发建设的供出售、出租用的住宅、厂房、仓库、饭店、度假村、写字楼、办公楼等房屋工程及其配套的服务设施。
商品房的投资占房地产投资中的绝大部分，且大部分人所关注的房产价格为商品房价格，因此，我们主要研究商品房价格。
即以商品房价格作为被解释变量。
2. 人均可支配收入。
人均可支配收入是房地产需求的正函数，在其他因素不变时，收入越高，需求越大，导致房价上升。
人均可支配收入增长所导致的房地产需求增长表现在三个方面：一是收入的增长加快积累的增长，使得潜在购买力变成现实购买力；二是收入的增长使得消费结构发生变化，房地产成为重要的消费对象，人们会用更好的住宅来代替原有住宅；三是收入的增长导致财富增长，进而对资产需求增加，刺激投资。
房地产通常被看作一种资产，特别是在通货膨胀或其他资产预期收益率较低时，房地产是良好的投机工具。
即人均可支配收入可作为商品房价格研究的一个解释变量。
3. 城市化水平。
城市化水平是城镇人口占总人口的比例。
城市化进程的加速,迫切需要发展房地产业,尤其是普通住宅和城市生活配套设施.城市化与房地产业之所以成为一对孪生“兄弟”,是因为住宅既是城市的功能要素,同时又是城市市民必不可少的、最昂贵的生活资料.到2001年底,我国城市人均住房建筑面积达20.8m,但也只相当于10年前中等收入国家的住房水平.世界各国的经验表明,一个国家在进入城市化加速发展阶段后,在人均住房建筑面积达到30～35m 前,该国将保持较为旺盛的住房需求.因此,城市化的进程无疑会影响到我国房地产的价格。
对每年城市化水平的衡量，我们用该年城镇人口比上总人口数来衡量，作为商品房价格的第二个解释变量。
因此，我们可以设定初始模型：t 22110t X X Y μβββ+++=其中，t Y 表示商品房价格，1X 表示人均可支配收入，2X 表示城市化水平三、数据的收集。
本位获取了从1987年到2005年之间的共19个数据如表1所示。
表1：年份商品房销售价格城镇居民平均每人可支配收入城市化水平1987 408.18281 1002.10000 0.25320 1988 502.90333 1180.20000 0.25810 1989 573.49756 1373.90000 0.26210 1990 704.33188 1510.20000 0.26410 1991 786.19350 1700.60000 0.26940 1992 994.65546 2026.60000 0.27460 1993 1291.45593 2577.40000 0.27990 1994 1408.63859 3496.20000 0.28510 1995 1590.86320 4283.00000 0.29040 1996 1806.39891 4838.90000 0.30480 1997 1997.16132 5160.30000 0.31910 1998 2062.56941 5425.10000 0.33350 1999 2052.60004 5854.00000 0.34780 2000 2111.61391 6280.00000 0.36220 2001 2169.71863 6859.60000 0.37660 2002 2250.17758 7702.80000 0.39090 2003 2359.49641 8472.20000 0.40530 2004 2713.90579 9421.60000 0.41760 2005 3167.65721 10493.03000 0.42990资料来源：中经网统计数据库中国统计年鉴四、模型估计与调整模型最小二乘估计结果如下：表2：Dependent Variable: YMethod: Least SquaresDate: 06/19/07 Time: 18:41Sample: 1987 2005Variable Coefficient Std. Error t-Statistic Prob.C 2413.063 774.9975 3.113640 0.0067X1 0.438575 0.067259 6.520715 0.0000R-squared 0.970142 Mean dependent var 1629.054 Adjusted R-squared 0.966410 S.D. dependent var 800.2759S.E. of regression 146.6707 Akaike info criterion 12.95820 Sum squared resid 344196.6 Schwarz criterion 13.10732 Log likelihood -120.1029 F-statistic 259.9387 从表2中可以看出，模型的参数检验和拟合优度检验均非常显著，但是x2系数为负，与实际经济意义不相符合。
且DW=0.615，在显著性水平为0.05的情况下，查DW 统计表知074.1d L =，536.1d u =，因此，模型存在正的自相关，分析各变量的时间序列趋势图如下：图1： 图2：50010001500200025003000350088909294969800020420004000600080001000012000889092949698000204图3：0.250.300.350.400.45889092949698000204可见x2有明显的分段现象，前面x2的系数估计结果只所以与经济意义不相符，可能是缺失了重要定性变量，因此我们可以试着引入虚拟变量，从分段部分的时间来看，正好是1995年，引入虚拟变量D⎩⎨⎧=年包括年之后年之前1995,19951,19950,D加入虚拟变量后模型变为：()t 24322110t DX D X X Y μβββββ+++++=模型最小二乘估计结果为： 表4：Dependent Variable: Y Method: Least Squares Date: 06/19/07 Time: 19:17 Sample: 1987 2005 C -3304.251 1521.528 -2.171666 0.0476 X1 0.268893 0.066753 4.028177 0.0012 X2 13559.83 6031.566 2.248145 0.0412 D 4707.663 1182.142 3.982318 0.0014 R-squared0.986480 Mean dependent var 1629.054 Adjusted R-squared 0.982618 S.D. dependent var 800.2759 S.E. of regression 105.5104 Akaike info criterion 12.37643 Sum squared resid 155854.1 Schwarz criterion 12.62497 Log likelihood -112.5761 F-statistic 255.3819由表3可以看出，x2的系数变为正的，与实际经济意义相符。
()221t ^DX 85.16391663D .470783X .135592689X .025.3304Y -+++-=（1521.528） （0.0668） （6031.566） （1182.142） （4221.994） T= (-2.1717) (4.0282) （2.2481） （3.9823） （-3.8825）R^2=0.9865 DW=1.1269 F=255.3819模型的伪回归检验： 结果如下表5： 表5ADF Test Statistic-4.1685461% Critical Value* -3.8877 5% Critical Value -3.0521 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(E) Method: Least Squares Date: 06/21/07 Time: 18:50 Sample(adjusted): 1989 2005E(-1) -0.978491 0.234732 -4.168546 0.0009D(E(-1)) 0.772113 0.228667 3.376585 0.0045R-squared 0.581162 Mean dependent var 10.01235 Adjusted R-squared 0.521328 S.D. dependent var 104.1471 S.E. of regression 72.05530 Akaike info criterion 11.55153 Sum squared resid 72687.52 Schwarz criterion 11.69857 Log likelihood -95.18800 F-statistic 9.712916 Durbin-Watson stat 2.125379 Prob(F-statistic) 0.002261由检验结果表5 可以看出，模型存在协整性，说明才商品房价格与人均可支配收入、城市化水平具有长期均衡关系，即未来商品房价格可以用人均可支配收入及城市化水平的变化趋势来进行预测，同时，也可以通过对两个变量的宏观调控来引导房地产价格的变化幅度。