南京市住宅均價宏觀預測模型研究

夏正昊

【摘要】近年來，我國的經濟迅速發展，城市人口不斷增多，推動了住宅市場的發展。本文就以南京市為例，通過對影響住宅市場的各種宏觀因素進行量化分析，建立統計住宅均價預測模型。首先對各因素進行相關性分析，完成自變量的篩選；其次對選定的自變量構建多元線性模型，并對之檢驗；最后運用線性回歸和基本面判斷的方法完成各自變量值的預測，從而得到南京市未來住宅均價的預測值。結果發現居民儲蓄余額與住房長期貸款利率是影響南京住宅均價的關鍵因素，并得出未來三年南京市住宅均價增速會大概率放緩的結論。

【關鍵詞】南京市；住宅均價；宏觀；預測模型

影響房地產市場的宏觀因素錯綜復雜，經濟和人口等因素在其中發揮重要的作用。本論文通過對南京市住宅均價影響因素的分析，建立了科學的預測模型，以此映射我國住宅價格的變化，為政府與開發企業提供建議

1、宏觀因素

1.1經濟因素

經濟發展水平是支撐房地產市場健康發展的一個重要因素，國內生產總值 （GDP）是衡量國民經濟發展的總體指標[1]，對住宅市場影響巨大。居民的人均可支配收入是另一個極其重要的因素，住宅商品房作為高值耐用品，需要消費者支付的資金額較大，因此要求其必須具有良好的收入水平。同時，目前我國居民住宅購置的資金主要來自于銀行貸款，理論上住房利率與房地產需求量成反比例變化，從而進一步影響住宅價格。最后，城鎮居民儲蓄存款與房地產市場需求呈正相關關系，如果一個城市的城鎮居民儲蓄存款的數量增長，那么購買住房的資金就會增加，并反饋到住宅價格上。

1.2非經濟因素

人口數量是影響房地產市場的一個直接因素。隨著人口的自然增長和我國城市化進程的加快，城市規模不斷擴大，大量農業人口向城市聚集，城市人口不斷膨脹，因此必然會導致住房、用房需求的增加，從而傳導到住宅價格變化上。另一方面，隨著城鎮人口比例的提高，居民購買能力加強，住宅市價格水平也會上移。

2、模型構建與檢驗

2.1模型選擇

根據統計學經驗可知 ，任何一個系統的運行規律盡管不盡相同，但都可以用近似的各要素特征的線性方程組來表示。故本文選擇多元線性回歸模型進行預測，來表示南京住宅與各因素之間的關系，其自變量與因變量的關系可表示為：

Y=b_0+b_1 x_1+b_2 x_2+…+b_p x_p+ε

其中，Y為因變量，x_1，x_2，…，x_p為自變量，ε為隨機變量，b_0，b_1，b_2，…，b_p為待估參數。

2.2自變量的選擇與篩選

通過以上分析，影響南京住宅均價的可量化宏觀因素為GDP、人均GDP、城鎮居民人均可支配收入、居民儲蓄余額、年初住房長期貸款利率、年末總人口、城鎮化率，數據來自南京市2010-2016年國民經濟和社會發展統計公報。如表1所示，運用 SPSS對上述因素進行雙變量相關性分析，找出與住宅均價相關程度較高的自變量，并剔除與這幾個自變量相關程度較高的其余次要變量，可以得出影響南京住宅均價的兩個關鍵因素為：居民儲蓄余額和年初住房長期貸款利率[2]。

2.3模型構建

建立房地產市場需求預測的二元一次線性回歸模型，其中因變量南京市住宅均價定義為Y，自變量居民儲蓄余額和年初住房長期貸款利率分別定義為x_1、x_2：

Y=b_0+b_1 x_1+b_2 x_2+ε

通過SPSS的分析得出模型公式：

Y=18953.981+1.866x_1-2253.195x_2+ε

如表2所示，模型擬合情況較好，預測值同觀測值的相關系數為 0.987，且模型可以解釋97.3%的觀測數據，滿足一般要求。

2.4模型檢驗

2.4.1方差分析（F檢驗）

如表3所示，回歸模型的線性相關性顯著，其sig值遠小于0.01的一般要求，故通過線性回歸假設。

2.4.2回歸參數顯著性檢驗（T檢驗）

如表4所示，兩個自變量系數為0的概率分別為0.003和0.004，遠小于0.05的一般要求，且t值絕對值均大于2，故模型回歸有效。

3、住宅均價預測

今年來，受房貸政策性緊縮的時滯效應影響，房貸利率全面收緊。同時金融環境正漸步入嚴控和收緊的通道，未來房貸利率水平將繼續提高。因此，本文預測模型中假定未來三年住房長期貸款利率將保持2017年的增速，即20%。對于另一個自變量居民儲蓄余額的預測，本文根據對自變量散點分布圖的分析和對未來經濟環境的判斷，決定采用一元線性預測模型。自變量和因變量的預測結果如表5所示。

4、結果分析

從南京市住宅均價宏觀預測模型的形式來看，居民儲蓄余額與住房長期貸款利率是影響南京住宅均價的關鍵因素。一方面，南京市居民儲蓄存款與房地產市場需求呈正相關關系，如當居民儲蓄存款數量增長時，購買住房的資金就會增加，從而會導致住宅價格水平的提高；反之價格水平會降低[3]。另一方面，由于我國居民購買住宅的資金主要來自于銀行貸款，理論上利率與住宅價格水平成反比例變化，即銀行利率提高，居民買住房的成本就會增大，勢必也將會使住宅市場需求減少，最終導致成交量和成交價格同時下移；反之則上移。

從南京市住宅均價宏觀預測模型的結果來看，來三年南京市住宅均價增速會大概率放緩。一方面，南京市宏觀經濟上漲動力強勁，未來居民儲蓄余額將繼續增長，從而支撐住宅價格水平的穩定提高。另一方面，在銀根逐步縮緊的大環境下，住房貸款利率將繼續提高，從而限制了房價增速的加快。

5、研究結論

以本文研究結果來看，居民儲蓄余額和住房長期貸款利率將決定南京住宅價格的水平，且將導致未來三年住宅均價增速放緩。對于政府，必須把握好房貸利率的變化，并根據城市自身發展的特點進行政策的調整，確保住宅價格的穩定。對于開發商，面對未來流動性逐步收縮的大環境，必須要認識到房地產的野蠻生長期已經離去，一定要控制融資成本，并做好投資測算，控制項目風險。

6、創新點

本次研究的數據時間跨度較長，具有一定的合理性，能夠使分析結果更加準確，另外，在研究過程中充分考慮了各經濟因素和非經濟因素，因而能夠真實反映宏觀因素與南京住宅均價的關系。除此之外，在建立價格預測模型時，進行了全面的模型檢測，因此能夠保證研究結果的可信度，為政府調控和房地產項目開發提供一定的依據。

7、展望

對城市住宅價格水平產生影響的除了經濟、人口等宏觀因素，還有政策、市場存量、城市配套發展等其它因素，而本次研究的范圍較為局限，因此還應當不斷擴展研究范圍。另外，在模型預測時對住房利率的預測方式較為簡單，在運用時需要進行進一步的分析與調整。第三，本文研究沒有涉及到一些細節問題，因此之后在研究過程中必須在此方面進行提高，使得研究結果更加精確。

結語：

總而言之，本文通過構建量化模型的方式，得到居民儲蓄余額與住房長期貸款利率是影響南京住宅均價的關鍵因素，以及出未來三年南京市住宅均價增速會大概率放緩的重要結論，為政府住宅市場調控和企業房地產項目開發提供參考。

參考文獻：

[1]張勤.我國房地產模型的分析與結論---基于20個大中型城市的研究[J].經濟師，2014，（4）：80-83.

[2]裴燕飛.城市房地產發展與城市社會、經濟和生態環境綜合系統協調性的評價[J].統計與決策，2015，（2）：38-40.

[3]李林.哈爾濱城市交通與住宅房地產開發協調的發展研究[D].東北林業大學，2012.