房地產市場的計量研究論文

導語：房地產市場的計量研究論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

關鍵詞：房地產市場計量經濟模型福建增長

［摘要］房地產是一種稀缺資源,既是生產要素,又是生活必需品,還是投資品。它對我國國內生產總值有重要影響。文章應用計量經濟學原理和房地產市場供求理論，建立福建省房地產市場供求的計量經濟聯立方程模型，并對模型進行動態模擬檢驗，以確定模型的有效性和預測能力。

一、引言

經過十余年的發展，福建省住宅市場的供應與需求總量都出現了明顯的增長，產品類型也不斷推陳出新。

“十五”期間，全省房地產開發完成投資1854.73億元，是“九五”時期的2.2倍，增幅比城鎮固定資產投資高3.0個百分點，占城鎮固定資產投資27.5%，比“九五”時期提高了5.8個百分點；5年累計竣工房屋面積6079.75萬平方米，銷售面積6472.94萬平方米，分別比“九五”增長1.2倍和1.5倍；銷售額1577.46億元，比“九五”增長2.0倍。

盡管近兩年，國家一再出臺控制房地產投資規模、平抑房價的各項宏觀調控政策，福建省房地產投資仍然保持強勁勢頭。根據福建省統計局公布數據顯示，2006年福建省房地產開發投資787136億元，增長45.7%。其中，商品住宅開發投資511.68億元，增長40.7%，占房地產開發投資的65.0%，居主導地位。

商品住宅的銷售量達到2021.69萬平方米，商品房空置面積持續下降，全年下降30.19%。在空置商品房類型中，商業營業用房占46.6%，商品住宅占28.5%。2006年福州、廈門、泉州三市房屋銷售價格分別上漲6.7%、7%和5.8%，高房價的趨勢沒有得到抑制。房價持續地走高，從根本上講，是由供求關系決定的。究竟是什么因素影響著福建省的商品房的供給與需求?目前的房地產市場是否已經出現泡沫?為了弄清這些問題，需要通過歷史數據，建立數學模型幫助我們了解房地產供求關系的影響因素以及影響程度。本文利用1997年到2005年的數據建立供求的模型，對福建省住宅市場供給需求關系等內容進行分析研究，并對近幾年的供求平衡的偏離程度進行分析。

建立的供求模型是以商品房的供求為例的。

一般來講，影響房地產需求變化的因素較多，主要有:房地產價格、國民收入水平、城市人口、城市化水平、經濟政策、預期等，而本文主要考慮國民收入以及價格對需求的影響。影響房地產供給變化的因素也有很多，本文主要是考慮上期房地產需求以及價格，房產投資對供給的影響。

二、模型設計

（一）模型結構建立一個能反映房地產供求關系的計量經濟聯立方程模型，共選取了2個內生變量、1個滯后變量和3個外生變量，變量之間的關系如圖1所示。

（二）模型的變量說明根據圖1中具體的經濟關系，并充分考慮圖中各變量歷史資料的可獲取、確定模型的變量。

1.內生變量Y1———商品房本年銷售面積；單位：萬平方米Y2———商品房本年施工面積；單位：萬平方米根據數據的可獲取性，采用商品房本年銷售面積來表示市場需求。用每年施工面積來表示市場供給量。

2.內生滯后變量Y1-1———商品房本年銷售面積前一期值；單位：億元由經驗可得知前一期市場需求會影響房產市場供給。

3.外生變量X1———商品房本年銷售價格；單位：元/平方米X2———房地產企業的總投資；單位：億元119X3———居民消費水平；單位：元/人方程式根據圖1，構造模型的結構式如下：y1=c(1)*log(x1)+c(2)*x3（1）y2=c(3)*x1+c(4)*x2+C(5)*y1(-1)（2）方程（1）反映房地產市場需求的形成，它與銷售價格以及居民消費水平有關。方程（2）反映房地產市場供給的形成，它與銷售價格、房地產市場投資額以及前一期房地產市場需求有關。

三、模型的參數估計及檢驗

（一）數據來源本模型參數估計采用時間序列數據，數據均來自2007年《福建省統計年鑒》，樣本區間為1997～2005年。數據處理與模型計算采用的是Excel2000和Eviews3.1軟件。（二）參數估計利用Eviews3.1軟件對模型采用二階段最小平方法（2SLS）進行參數估計，參數估計結果如下：

/uploadfile/20100118113105363.jpg"border=0>（三）模型檢驗本模型估計出來的參數所反映的經濟意義與經濟理論和實踐相符；在0.05顯著性水平下本模型各方程均能通過顯著性檢驗；各方程的擬合優度均大于0.97；估計參數在0.05顯著性水平下能夠通過參數的顯著性檢驗。

上述結論表明，本模型的參數估計結果在經濟意義和統計意義上均具有一定的可信度。

四、歷史模擬和事后預測

（一）內生變量歷史值與模擬值為了檢驗模型用于模擬分析的可靠性，本文運用上述模型對樣本期數據進行模擬，并進行事后120預測，通過計算內生變量1997~2005年模擬值與實際值的相對誤差來考察模型的預測能力。計算結果見表1。根據表1的數據顯示，絕大部分誤差均小于5%，模擬效果良好。其中Y2的模擬誤差相對于Y1來說較好。在2004年的Y1值內生變量模擬值及相對誤差表曾一度達到11%，這是由于2004的Y1值的缺失，應用插值法來得到一個估計值。這本來就存在著些許誤差，結果導致了模擬值和實際值的相對誤差達到11%。這是由于數據不全造成的.公務員之家

值相對誤差（MPE）均值相對誤差（MPE）表示被解釋變量在樣本期間每個時期的模擬值R(t)和實際值W(t)的平均相對離差，可用于測度事后預測向上或向下偏倚的程度。均值相對誤差（MPE）越接近于零，模型預測的上下偏倚程度越好。表2中顯示,各項均值相對誤差（MPE）接近于零，表明此模型的系統誤差較小，模型的預測性能較好.

（三）均方根相對誤差（RMSPE）均方根相對誤差（RMSPE）表示被解釋變量在樣本期間每個時期的模擬值與實際值之間的絕對對應程度，主要用于評價模擬值序列與實際值序列的總體擬合度.

從表3可見，各項均方根相對誤差（RMSPE）均較小，表明模擬值和實際值的平均偏離程度小，該模型的總體擬合很好。五、結論本文所建立的福建省房地產市場供需的計量經濟模型，經過參數估計表明參數估計結果在經濟意義和統計意義上均具有較強的可信度。經過動態模擬檢驗，各項檢驗結果都非常理想，表明此模型能比較準確地模擬福建省房地產供需在樣本期間的動態變化。因此，該模型系統具有較好的擬合優度和預測能力。

［參考文獻］

［1］劉福泉.中國住宅經濟與國民經濟的整合［M］.北京:中國經濟出版社,2001.

［2］李子奈.計量經濟學［M］.北京:高等教育出版社,2000.

［3］福建統計局.福建統計年2006［Z］.北京:中國統計出版社,2006.

［4］張曉峒.計量經濟學軟件Eviews使用指南［M］.天津:南開大學出版社，2003.

［5］王學民.應用多元分析［M］.上海:上海財經大學出版社,2004.