江蘇省房市的定量研究

　　摘 要： 相對于上海、廣州、深圳等地，無錫、蘇州特別是南京的經濟并不具有明顯的優勢，但房價相比前者卻不低。在諸多影響江蘇房價的因素中，哪些是關鍵因素？本文嘗試做出解答。本文從主成分角度，選取江蘇省作為樣本，挑選與房價有關的代表性因素作為指標，運用spss16.0，得到各因子間關系，以從對房價影響的各因素中從實證的角度提煉出關鍵因子，以對房地產市場實證研究有一定的啟發作用。
　　關鍵詞： 江蘇省房地產市場 房價 影響因素 主成分分析 供需因素
　　
　　一、研究意義
　　自1998年來，房價節節攀升，一躍成為目前廣大國人最關心又最憂慮的一個問題。學者們對這個問題已做過很多研究。楊媛、鮑夏夢（2010）采用上海2000—2008年房屋銷售指數和土地交易價格指數，運用格蘭杰因果檢驗得出了房價與地價之間相互作用的關系［１］。李濤（2010）從需求方面對房價的高企做了分析，并建立模型檢驗二者的相關性，發現了房價高需求彈性和市場的超額需求現象［2］。曹洪（2005）對房地產各評價指標進行綜合比較，給出了房地產市場發展的一些建議［3］。牛毅（2005）單純分析我國房地產價格高居不下的成因，如空置面積，土地價格的持續上漲，以及房地產建設項目稅費，等等，從而給出了控制房價的建議［4］。孟曉慶、李曉晨（2010）以北京、上海、廣州等城市為例，使用結構方程模型對我國主要大城市房價高企的原因進行了實證研究［5］。
　　從以上的研究中，我們沒有看到對江蘇省房地產市場的具體實證研究，但是在2010年公布的中國城市房價排行榜中（見圖1），江蘇各主要城市的排名均居比較靠前位置，而且在房價均價前20名的城市中，江蘇有三個席位，分別是南京、蘇州和南通。北京、上海、廣州等地房價畸高的形勢，與這些地方已經比較成熟的經濟發展環境，以及較高的人均收入呈正相關。然而，根據相關統計數據顯示，相對于這些城市的高人均收入，2009年江蘇人均收入最高的蘇州以14565元僅居第15位，更別說房價居全國第9位，而人均收入僅在全國排第28位的南京了。本文嘗試從江蘇省的情況出發，做相關的實證研究。
　　鑒于此，本文嘗試運用主成分分析方法，對影響江蘇房價的各因素進行衡量，找出影響江蘇房價的主要因素。
　　二、研究指標的選取
　　房價，是指特定時間段內房產的市值。樓盤的價格由多種因素構成，這涉及很多微觀因素，鑒于獲取數據的困難性，我們這里只研究城市房價均價的情況。對于一個城市的房價來說，影響因素可以簡單概括為兩個主要方面：供給因素、需求因素。
　　從供給的角度看，最根本的是該地區的經濟發展速度，城市新建住房的數量、庫存數量，還有政府對住房市場的供給調控政策，等等，這些都直接影響到一地住房的供給。
　　需求方面的影響因素比較多，居民的收入水平，該地區的國民生產總值，消費價格指數，以及人口密集度，等等，都直接影響到對于住房的需求能力和需求數量。
　　對房價水平因素評價要選取多個指標綜合評價，根據以上房價供需方面的分析，下面選取一些指標建立地區樓市的指標體系。
　　從供給因素選取房屋建筑竣工面積（X1）指標反映新建住房的供給量，選取房地產開發投資額（X2）反應潛在的房屋供給能力。選取居民人均可支配收入（X3）、物價指數（X4）、江蘇省GDP（X6）反映地區的經濟實力；選取地區人口出生率（X5）指標反映對新增住房的需求，選取這個指標的原因是在目前江蘇省“只生一個孩子”政策下，新生兒能在更大程度上測度和反映家庭對住房的需求；選取人口密度（X7）和人均住宅面積（X8）指標反映公眾現有住房需求的大小。另外一個地區房價的波動與附近城市的房價也有很大的聯動關系，故而我們這里單選取上海作為參考對象，我們采用的上海的人均可支配收入作為衡量上海居民消費能力，以及對于房價的敏感度的指標。
　　三、研究結果與分析
　　運用SPSS計算得出的相關系數矩陣，發現房屋竣工數量（X1）與房地產開發投資（X2），城鎮居民人均可支配收入（X3），全省GDP（X6），以及人均住宅面積（X8）等幾個指標有著極其顯著的關系，相關系數都在0.98以上，表明許多變量之間的相關性比較強，證明它們存在信息上的重疊。
　　在載荷矩陣中，第一主成分中房屋建筑竣工面積（X1）、房地產投資額（X2）、居民人均可支配收入（X3）、江蘇省GDP（X6）和人均住宅面積（X8）載荷值大于0.9，可以作為反映房地產市場發展水平的因子；第二個主成分中物價水平（X4）載荷值為0.852，周邊城市居民人均可支配收入水平（X9）的載荷值為0.75，可以作為反映地區消費能力的因子；第三個主成分中只有居民人口出生率（X5）的載荷值和人口密度（X7）的值較大，可以作為反映當地人口密集度的因子，第四個主成分中人均住宅面積（X8）載荷較大，可以反映地區房屋潛在需求水平或者房屋供給現狀的因子。
　　前4個主成分的特征值累計貢獻率達99.861%，故而提取前4個主成分，即M=4，我們從經濟學上對這四個主成分進行解釋，第一個主成分反映地區房地產市場發展水平，第二個主成分反映地區消費能力，第三個主成分反映當地經濟發展水平，第四個主成分反映地區房屋潛在需求水平，我們據此對4個主成分進行命名。
　　將得到的特征向量與標準化后的數據相乘，然后就可以得出主成分得分值。將前面9個指標轉換成F1、F2、F3、F4四個指標來反映地區的產業結構轉換能力，F1、F2、F3、F4的線性組合為：
　　F1=Zx1*0.19+Zx2*0.35+Zx3*0.37+Zx4*（-0.16）-0.3*Zx5+0.36*Zx6-0.32*Zx7+0.37*Zx8+0.37*Zx9
　　F2=Zx1*0.19+Zx2*0.28+Zx3*0.10+Zx4*（0.82）+0.4*Zx5+0.16*Zx6+0.05*Zx7-0.07*Zx8+0.07*Zx9
　　F3=Zx1*0.08+Zx2*0.32+Zx3*0.13+Zx4*（-0.5）+0.56*Zx5+0.2*Zx6+0.51*Zx7-0.11*Zx8+0.07*Zx9
　　F4=Zx1*0-Zx2*0.04+Zx3*0.10+Zx4*（0.21）-0.54*Zx5+0.04*Zx6+0.79*Zx7+0.13*Zx8+0.09*Zx9
　　以每個主成分所對應的特征值占所提取主成分總的特征值之和的比例作為權重計算主成分綜合評價模型：
　　其中表示第主成分因子的特征值如表3。
　　四、結語
　　得出的綜合主成分值與我們所知道的現實經濟情況大體符合，在存在福利分房的情況下，房屋的供給與房價的關系負相關或不相關，而進入21世紀，當房地產市場發展逐漸成熟之后，房屋的供給量直接影響到了房屋的價格。房地產市場的發展水平體現的是一地公開透明有效地進行房屋交易的程度，由上面的主成分值可知，一直以來我們房地產市場發展水平大部分年份是呈負相關的，這可能與我們選取的樣本有關系，但也不排除炒房團或者尋租行為的影響。地區消費能力與房價，從直覺上說，應該是正相關的，我們得出的實證數據顯示，二者的相關關系呈正相關。
　　
　　參考文獻：
　?。?］楊媛，鮑夏夢.上海房價與地價關系的實證考察，商業時代［J］.2010，（20）：139-140.
　?。?］李濤.房價波動的需求變異因素剖析，經濟問題［J］.2010，（8）：45-47.
　　［3］曹洪.對房地產價格指標的思考，價格月刊［J］.2005，（8）：18-19.
　　［4］牛毅.我國房地產價格為何居高不下，中國房地信息［J］.2005，（3）：53-55.
　　［5］孟曉慶，李曉晨.我國主要城市房價高企成因探析及治理對策——以北京、上海、上海、深圳等城市為例，價格理論與實踐［J］.2010，（6）：30-31.
　?。?］連曉麗.我國房價指數預測模型比較，價格理論與實踐［J］.2010，（7）：42-43.