影響商品住宅需求的因素研究——以北京為例(編輯修改稿)
2025-07-25 04:11 本頁面
【文章內(nèi)容簡介】 對貸款政策的限制。2007年，央行一年內(nèi)對住宅貸款利率連續(xù)6次的加息，對存款儲備金率進行了十次上調(diào)。明確以戶為單位執(zhí)行第二套房貸政策等都影響了人們的購買欲望，所以07年整個北京市住宅市場處于疲倦期，又由于金融危機的影響，到2009年9月北京商品住宅銷售一直在下滑，人們處于觀望狀態(tài)，商品住宅市場依舊低迷。本節(jié)主要論述了商品住宅市場需求因素的研究背景和研究意義，明確了商品住宅和商品房的區(qū)別，并界定了商品需求的概念，接著分析了商品住宅市場需求的特征，進而從經(jīng)濟因素和社會因素兩個方面對影響商品住宅需求因素進行了定性分析。最主要的三個影響因素是信貸規(guī)模、儲蓄余額和貸款利率。李真雅（2005）認為人口統(tǒng)計因素、城市化進程、個人預(yù)期和社區(qū)環(huán)境是造成住宅需求持續(xù)增長的原因。吳錦華（2008）認為住宅價格增長誘發(fā)了非理性消費，從而提高了住宅的需求。綜上所述，在預(yù)測模型的建立過程中，變量的挑選易受建模者主觀因素的影響，對需求影響因素的經(jīng)濟學(xué)分析相對不夠深入，雖然相關(guān)研究很多，但是目前得不到普遍認可的讓人信服的結(jié)論?？梢?，對住宅需求影響因素的細致分析是住宅需求準確預(yù)測的重要前提。商品住宅需求細化：從購房目的、支付能力、購房區(qū)位、面積、戶型需求、小區(qū)環(huán)境及配套需求等方面來分析住宅需求市場。購房者觀望情緒濃厚，造成了銷售市場低迷。2008年北京市銷售住宅94200套，%。其中，核心區(qū)(東城、西城、崇文和宣武)銷售住宅3455套，拓展區(qū)(朝陽、豐臺、石景山和海淀)銷售56720套，發(fā)展新區(qū)(房山、通州、順義、昌平和大興)銷售29316套，生態(tài)涵養(yǎng)區(qū)(門頭溝、懷柔、平谷、密云和延慶)銷售4709套，%、%、%和46%。下面我們用多元統(tǒng)計分析的思想來進行定量分析:對于多元線性回歸模型及其統(tǒng)計檢驗描述如下：當預(yù)測對象y同時受到多個解釋變量x1,x2,...,xm影響，且各個xj(j=1,2,...,m)與y都近似地表現(xiàn)為線性相關(guān)時，則可建立多元線性回歸模型來進行預(yù)測和分析，模型為：3）回歸方程整體顯著性檢驗回歸模型的顯著性檢驗包括兩個方面，即回歸方程的顯著性檢驗和回歸系數(shù)的顯著性檢驗。（1）回歸方程的顯著性檢驗回歸方程的顯著性檢驗用于檢驗被解釋變量與所有解釋變量之間的線性關(guān)系是否顯著。回歸模型總體函數(shù)的線性關(guān)系是否顯著，其實質(zhì)就是判斷回歸平方和與殘差平方和之比值的大小問題，可以通過方差分析的思想，構(gòu)造F統(tǒng)計量來進行檢驗，F(xiàn)檢驗是用來檢驗多元線性回歸模型的總體效果。（2）回歸系數(shù)顯著性檢驗回歸方程總體顯著并不意味著每個解釋變量對被解釋變量的影響都是重要的，還需要對每個回歸系數(shù)的顯著性進行檢驗?；貧w系數(shù)顯著性檢驗通過構(gòu)造t統(tǒng)計量來進行.4）殘差正態(tài)性檢驗 殘差e是隨機擾動項ε的體現(xiàn)。對殘差進行分析的目的是檢驗隨機擾動項是否服從經(jīng)典假設(shè)。殘差分析的內(nèi)容包括殘差正態(tài)性檢驗、序列相關(guān)檢驗、異方差檢驗等。本文應(yīng)用殘差的累計概率散點圖進行殘差正態(tài)性檢驗。5）異方差檢驗異方差常常表現(xiàn)為殘差隨某個解釋變量取值的變化而變化，因此，檢驗隨機擾動項是否存在異方差可以通過繪制被解釋變量與解釋變量的散點圖來簡單的判斷。如果散點圖呈帶狀分布，則不存在異方差；如果隨著解釋變量的增大，被解釋變量波動逐漸增大或減少，則很可能存在異方差的現(xiàn)象。實踐中，常常使用加權(quán)最小二乘法消除異方差。7）多重共線性檢驗所謂多重共線性是指各個解釋變量之間存在線性關(guān)系或接近線性關(guān)系的現(xiàn)象。多重共線性常常會導(dǎo)致回歸系數(shù)方差增大，從而使得t檢驗難以通過。用SPSS檢驗多重共線性共有四種方法：容忍度、方差膨脹因子、條件指數(shù)和方差比例。本文選用條件指數(shù)和比例方差這兩種方法來檢驗共線性。（2）方差比例通過對解釋變量協(xié)差陣進行矩陣分解，協(xié)差陣的每個特征根可以解釋各個解釋變量方差的一部分。若對于幾個不同的解釋變量，某個特征根能夠解釋的方差比例都很高（一般認為都超過50%），則可以認為這幾個解釋變量之間存在較強的共線性。二、定量分析現(xiàn)實世界中，一個事物的運動變化，總是與其他事物相關(guān)聯(lián)。其中，有的還存在因果關(guān)系，這種因果關(guān)系有的是線性的，有的是非線性的。當預(yù)測對象與其影響因素的關(guān)系是線性的，且只有一個影響因素時，就可以用一元線性回歸方法建立其一元線性回歸預(yù)測模型，來表述和分析其因果關(guān)系；當有兩個或多個影響因素同時作用于一個預(yù)測對象時，則用多元線性回歸法建立多元線性回歸預(yù)測模型。本文就是以多對一的關(guān)系，因此，用多元線性回歸模型進行統(tǒng)計檢驗。影響因素的選擇和度量住宅需求影響因素很多，可以描述各影響因素的統(tǒng)計指標也很多，我們根據(jù)以上定性分析，以北京市為例，選用商品住宅年銷售量、人均國內(nèi)生產(chǎn)總值、城鎮(zhèn)居民存款余額、城鎮(zhèn)居民人均可支配收入、金融機構(gòu)年末貸款余額、年末人口、年末戶數(shù)、住宅價格增長值、城鎮(zhèn)人口程。影響商品住宅需求的因素有:城鎮(zhèn)居民收入、國內(nèi)生產(chǎn)總值、住宅價格、消費結(jié)構(gòu)、利率、人口結(jié)構(gòu)、城市化水平等等?？紤]短期內(nèi)人口結(jié)構(gòu)、住宅政策不變、住宅貸款利率主要通過對住宅價格和住宅成本來影響住宅需求等因素,文章主要考察人均GDP、城鎮(zhèn)居民人均可支配收入和商品住宅銷售價格三個變量對商品住宅需求的影響。為避免回歸模型中自變量之間出現(xiàn)多重共線性問題,（五）逐步回歸法逐步回歸（Stepwise Regression）是一種常用的消除多重共線性、選取“最優(yōu)”回歸方程的方法。其做法是將逐個引入自變量，引入的條件是該自變量經(jīng)F檢驗是顯著的，每引入一個自變量后，對已選入的變量進行逐個檢驗，如果原來引入的變量由于后面變量的引入而變得不再顯著，那么就將其剔除。引入一個變量或從回歸方程中剔除一個變量，為逐步回歸的一步，每一步都要進行F 檢驗，以確保每次引入新變量之前回歸方程中只包含顯著的變量。這個過程反復(fù)進行，直到既沒有不顯著的自變量選入回歸方程，也沒有顯著自變量從回歸方程中剔除為止。SPSS在linear Regression過程中的statistics子對話框里“collinearity Diagnostics”提供對多重共線性的診斷。顯然，容忍度越小，多重共線性越嚴重。有學(xué)者提出，存在嚴重的多重共線性。方差擴大因子法一般稱為方差膨脹因子法，取容忍度的倒數(shù)，若大于10則存在嚴重的多重共線性。由于城市居民人均可支配收入與另外兩個因素的相關(guān)系數(shù)較大
外語相關(guān)推薦
鄂ICP備17016276號-1