基于天津房地產行業數據的住房供給模型研究

孫璐穎

(上海海事大學，上海 200135)

一、住房供給量分析

按照西方經濟學理論結合我國經濟的實際情況，分析住房供給的主要影響因素:根據價格與供給量的關系，即價格越高，供給量越小，價格越低，供給量越大。據此推測住宅房價格與住房供給量也存在類似關系，以年度住宅房銷售價格為自變量來推測住宅房供給量的變化情況。根據實際情況，由于我國房地產開發商融資渠道較為單一，一般是銀行貸款，因此推測銀行存款余額與住房供給量有一定關系。開發投資額、房地產企業實收資本和地價屬于房地產商的成本范疇，而成本與供給量有一定的關系。貸款基準利率影響房地產商從銀行貸款的難易程度，進而影響供給量。由于人民幣匯率影響到國際熱錢流入程度，國際熱錢流入帶來很多房地產投機交易，進而影響住宅房供給量。根據上述分析，本文選取住房供給模型的變量及符號說明(如表1所示):

表1 住房供給模型的變量及符號

二、構建模型

1.因子分析與回歸分析

通過KMO和Bartlett球形度檢驗，以判斷能否進行因子分析，結果見表2。

檢驗結果顯示KMO值為0.606，Bartlett的sig值為0.000，說明模型可以進行因子分析。

表2 KMO和Bartlett檢驗結果

因子對變量的解釋方差如表3所示，表中顯示，8個變量只提取了一個成份，在此提出兩種解釋:一是因子分析法在此不合適，所以采用逐步回歸法進行分析;二是選取的8個變量之間關系十分密切，用一個因子對8個變量的解釋度很高，已經超過了0.8。首先分析第二種情況，由于近幾年房價的迅速上漲，以及2004年以來的多次調息導致購房養房成本大幅抬升，目前個人商業貸款和公積金貸款利率分別上升至7.38%和4.95%。在不考慮短期炒作和通貨膨脹的情況下投資購房已經不太具備投資價值，自住型買家很多也由于無力承擔月供而不得不放棄購房。通過打壓投機行為使房地產信貸保持平穩增長，就可以達到國家穩定房價的目標。但如果房價由于其他因素短期內暴漲，信貸規模必然出現大幅度波動，進而加大未來幾年內房價出現暴跌的可能性。在目前的國內外經濟環境下，我國不會大幅度提高存貸款利率，而會更多地依靠提高存款準備金進行宏觀調控。因此存款利率一直以27個基點為單次漲幅進行上調，且年內僅上調3次累計漲幅0.81%，而存款準備金卻以50個基點進行上調，年內上調6次累計漲幅3%，利率小幅度、高頻度的上調會給居民帶來未來存貸款利率上調的預期，而又未實質性改變低利率的格局，應該說是當前情況下的最優選擇。匯率調整一般通過五個渠道來影響房價:一是流動性效應，主要表現為境外資金對東道國房地產市場的投機活動，當東道國貨幣具有升值預期或持續升值時，國外投機資本流入東道國，投入具有高回報的房地產市場，以期獲得貨幣升值和資產價格上漲的雙重收益;二是預期效應，這一效應的實質與流動性效應相似，即國際投機資本預期東道國貨幣將要升值時，會進入東道國的房市，從而抬高房價;三是財富效應，其機理是貨幣升值→進口商品價格下降→進口增加→物價下降→購買力剩余→進入房市，從而抬高房價;四是溢出效應，主要是指貨幣升值通過一系列機制造成國內物價下跌、經濟緊縮，迫使東道國采取擴張性貨幣政策，因此，部分資金有可能流入房市，從而造成房價上漲;五是信貸擴張效應，即在固定匯率(或釘住單一貨幣)制度下，本國貨幣升值或升值預期會吸引大量外資，為了保持匯率穩定，貨幣當局被動買進外幣，同時放出本國貨幣，使流動性增加，銀行信貸擴張，大量貨幣進入房市，從而引起房價上漲。通過上述五個效應，人民幣升值將會引起房價上漲。

表3 解釋的總方差

表4說明一個因子對8個變量的解釋力度都為0.8以上，符合因子分析要求。

表4 成份矩陣a

提取方法:主成份。

a.已提取了1個成份。

因其得出的因子只有一個，不需進行成份轉換。

進行Y對因子回歸結果如下:

R2=0.842

其中F1代表因子，殘差檢驗如圖1所示，殘差通過標準參差的正態PP圖顯示，殘差是服從正態分布的，可以認定主成份回歸方程的擬合效果是顯著的，模型的建立也是可信的。

圖1 回歸標準化殘差的標準PP圖

由因子分析法得出的8個變量只能提取一個因子，設想:住房面積供給可能僅與某一個變量相關，因此，建立最大R2增量逐次交換回歸(swapwise－max R－squared increment)模型來分析住房供給與變量之間的關系。

2.逐步回歸法

最大R2增量逐次交換回歸(swapwise－max R－squared increment)首先將全部自變量n對因變量y分別建立n個一元線性回歸方程，并將使得回歸方程擬合優度達到最大的變量加入回歸方程中，設加入方程的變量為x1.在此基礎上，讓因變量 y分別與(x1，x2)，(x1，x3)，……(x1，xn)建立n－1個二元線性回歸方程。選擇使模型的擬合優度R2增量最大的變量加入回歸方程中，設加入的變量為x2，然后將模型中的變量(目前為兩個)依次與模型外的變量做交換，此時即將x1分別與x3，x4……xn交換，再將x2分別與x3，x4……xn交換，如果存在交換使得模型的擬合效果變好，就選擇使R2增量最大的交換，如此完成逐次交換回歸的第一步。接著，再引入一個使R2增量最大的變量，并作交換，直至模型中變量的個數達到用戶所限定的數目。如表5所示:

表5

模型擬合方程

R－squared 0.845920

系數通過了p檢驗

殘差檢驗

檢驗顯示殘差的自相關性和偏自相關性基本剔除，模型擬合效果較好。

三、模型分析

因子回歸建立回歸等式(1)，雖然通過了檢驗，但只有一個公共因子的情況不符合常規，而且經濟意義上的解釋比較牽強，筆者更傾向于逐步回歸建立的模型等式(2)，模型顯示，影響住房供給量的因素只有一個——地價，其中有兩種原因，一是8個變量關系太密切，所以一個變量可以代表8個變量，二是由于住房供需不平衡，供小于求形成賣方市場，只有地價才能影響開發商對住房的供給量，本文傾向于第二種解釋。因此，政府應當建立公平公開的低價監督制度，從根本上調控房地產開發商的住房供給量，保證經濟持續穩定發展和人民安居樂業。

［1］范里安.微觀經濟學:現代觀點［M］.上海:上海人民出版社，2008.

［2］蔣志宏，卜俐引.探討我國房地產金融創新之路［J］.現代商業，2010(18):33.

［3］鄧永亮.人民幣升值、房價上漲與通貨膨脹［J］.山西財經大學學報，2010(10).

［4］張紅兵，賈來喜，李潞.SPSS寶典［M］.北京:電子工業出版社，2007.

［5］余建英，何旭宏.數理統計分析與SPSS應用［M］.北京:人民郵電出版社，2003.

［6］郝黎仁，樊元，郝哲歐.SPSS實用統計分析［M］.北京:中國水利出版社，2002.

［7］程遙.2009年黑龍江省房地產業發展趨勢與對策［J］.邊疆經濟與文化，2010(1).

［8］鞠波.供過于求?供不應求?——深樓市結構調整勢在必行［J］.中外房地產導報，2005(5).

［9］百度百科，浦東，http://baike.baidu.com/view/288686.htm 2011－09－28.

［10］百度百科，資源，http://baike.baidu.com/view/8439.htm 2011－09－28.

［11］趙克誠.低價與房價變動趨勢及比例關系分析［J］.華東經濟管理，2010(12).