住房价格影响因素分析-天津市.docxVIP

PAGE 2 1 绪论 1．1 研究背景与意义 房屋是满足人类生活的基本需求之一。对老百姓来说，住房问题是一个亟待解决的问题。最近这些年，快速增长的经济虽然给人们带来了很多福利，但带来了一些问题，如：使得我国很多地方的住房价格飙升，许多人也因此变成了“房奴”。再加上一些人的炒房行为，使得越来越多的人经济压力陡增，无法再承担起住房的代价。住房问题给人们的日常生活带成了一定的困扰。一直以来，国家都在密切关注住房问题，为此出台了许多调控房价的政策；同时也在不断对住房制度进行改革，以保障房地产市场的健康发展。 从产业角度分析，迄今为止，房地产行业仍然是国家经济生活发展的重要基础。而房地产业的良好运行不仅有利于国内生产总值的增长，而且还可以促进经济持续、健康发展。根据相关数据，可以发现从总体来看我国商品住房的销售面积在2005-2018年呈现不断增加的态势，分别在2008、2014年出现小幅度下跌情况，自2016年销售面积的增加速度放缓。官方数据显示，截至2019年12月，全国288个主要城市中，一共有130个城市的住宅房屋平均价格与上一阶段相比呈现上升趋势。 住房价格的演变，是与人们的日常生活和经济发展都密切相关的。研究住房价格的影响因素，不仅可以帮助我们深入了解住房价格并掌握它的核心内涵，而且可以更加准确地对房价的未来走向进行预测。这不但能为购房者的决策提供一些帮助，也有利于国家部门更好地制定相应的政策对房价进行宏观调控。 1．2 国内外研究现状 国外关于住房价格的影响因素的研究开始得比较早。在19世纪初期，Alonso、Mills和Muths首先发表了关于住宅价格影响因素的论文。他们采用均衡分析方法，研究了土地价格和住房价格之间的关系。而Olsen和Multh[1]从中发现了影响住房需求的表达式，可以看出住房的需求量受到家庭平均收入、房屋价格、其他商品价格等因素的影响。在1996年，Abraham和Hendershoot[2]研究得到了住房价格影响因素的模型。通过这个模型，可以看出实际住房价格的变化受到房屋的实际建造成本、平均收入等因素的影响。Haibin Zhu[3]通过研究英国、美国等国家，采用var模型，探索宏观经济因素对房价产生的影响，得出通货膨胀与名义利率、房价存在一定关联。倘若长期的通货膨胀发生加剧，那么价格增速就会放缓，在短期内可能导致住房价格与住房价格的影响因素之间发生失调；而政策利率水平的下降可能会鼓励房价上涨的势头。Noah Kofi Karley[4]博士研究了加纳的住房问题，并发现居民住房消费能力对房地产发展有极为重要的影响。 我国房地产行业的发展在1998年开始。虽然这个行业发展时间较短，但我们国家在研究住房价格的影响因素方面也有很多成果。许多专家、学者都曾经采用线性回归分析、灰色关联分析等方法对影响我国住宅房屋价格的因素进行研究和分析。 丁凤[5]对住房价格影响因素的研究非常有意义，她在研究中运用了很多方法。首先她采用HP滤波的统计方法，分析了上海市房价的波动趋势。然后她通过灰色关联度和VAR模型分析上海市的相关数据，得到房价的影响因素主要来自经济基本面、住房需求、银行信贷、地价等内容。接下来，她选择了3种房价预测模型：时间序列预测模型、灰色预测模型、BP神经网络模型，对房价的未来发展趋势进行预测。结果发现， BP神经网络模型的预测效果更加优秀。陈清鑫[6]等人也是应用了灰色关联度模型分析房价影响因素。他们先判断每个影响因子和房价间存在多大相关性，然后编程，利用GM(1,1)模型对15个城市的房价进行预测。最后得到结果如下：文中研究的城市的未来房价保持不断升高，其中，经济比较发达的地区房价攀升速度较快。 孟倩[7]应用多元回归分析和BP模型对合肥市住房价格的影响因素展开了研究。首先，她研究了合肥市住房价格的现状，发现其时非平稳的。然后，她通过多元对数回归模型对合肥市住房价格的影响因素进行研究，从而得到了影响住房价格的因素分别是区位因素、成交面积、供应均价、人均可支配收入、利率和政策6个因素。最后，她通过BP模型预测合肥市的住房价格，得到的预测值与实际较为接近。 唐文广[8]等人主要采用了多元线性回归模型来分析房地产价格。首先他们应用相关软件对它的价格进行多元线性回归分析，得到回归模型。然后对得到的模型进行一系列分析、检验，并进行实用性验证，最终证明了此模型具有的现实意义。张晶[9]也是研究多元线性回归模型在房价影响因素的应用。他主要探索的是苏州的住房价格问题。在研究影响因素时，他结合了需求、供给理论，从住宅房屋本身、所处的经济环境、当时的社会状态与政府出台的政策四大方面进行分析，将9个具体指标和苏州商品住房均价建立线性回归模型。然后通过建立的模型预测未来房价，符合现实