重慶市商品房房價影響因素分析

文/施丹紅 陳可心（.重慶大學；.四川外國語大學附屬外國語學校）

面對“需求收縮、供給沖擊、預期轉弱”等多重國內外壓力，2021年召開的中央經濟工作會議中連提25個“穩”，并將“穩字當頭、穩中求進”定為2022年經濟工作主基調。而房地產業作為國民經濟中的支柱產業，其是否穩定無疑具有重要意義。僅2022年年初至今，地方對房產市場調控頻次便超200次。重慶市作為中國中西部唯一直轄市，國內經濟第四極，維持其房地產市場穩定將有益國內經濟穩定，故研究其房產價格影響因素是具有重要學術及現實意義。

一、文獻綜述

目前，影響房價的主要因素可分為需求因素、供給因素、經濟因素三類。需求因素主要有總人口、人口結構、人均收入、城鎮化率等。例如：武以敏等（2015）[2]通過對安徽省房地產市場進行自回歸分析，得出總人口、居民收入均與房價之間存在正相關；李秀芝等（2021）[3]通過灰色關聯分析方法對宜賓市房價進行研究，得出城鎮人均可支配收入、商品房住宅竣工房屋造價對于房價影響最大。供給因素主要有土地供給、房地產開發商投資、土地價格等。例如：李宏博等（2015）[5]通過對重慶市房地產市場進行灰色關聯和嶺回歸分析后，發現房地產價格與人口、開發商投資、GDP呈正相關，與竣工面積和銷售面積呈負相關；高田（2019）[6]運用多元線性回歸模型對南京市房地產價格展開研究，得出房地產開發投資及竣工面積均與房價波動相關。經濟因素主要有GDP、居民消費價格指數、存貸款額等。例如：劉佳等（2017）[7]運用面板分析針對中國內蒙古地區進行研究得出地方GDP對房地產價格影響顯著，而財政收入、房地產投資對房產價格則影響不顯著。

綜上所述，對于房地產價格影響因素的研究主要從需求、供給以及宏觀經濟三個角度切入，但目前對于重慶市的房地產價格分析較少，且存在指標選取不全的問題，故本文將在現有研究基礎上選取變量，并用主成分分析法以降低變量間的多重共線性，最后構建重慶市商品房房價多元線性回歸模型，以分析房價的影響因素。

二、現狀分析

（一）重慶市發展現狀分析

圖1顯示，在2011-2020年期間，重慶市的人均GDP總體呈上漲趨勢，但值得注意的是，其增速總體卻呈下降趨勢，特別是在2017年后，其增速持續低于10%，更是在2020年，首次到達5%以下，經分析發現是在疫情背景下受到了國家整體宏觀經濟下行趨勢的影響。

圖1 重慶市2011-2020人均生產總值統計圖

由圖2可知，重慶市商品房房價在2011-2013年間呈小幅上漲趨勢，2013-2016年間幾乎不變，但2017及2018年出現大幅上漲，價格增長率均超過20%，造成該現象的原因一是受2015年全國樓市牛市的影響，在深圳最先啟動后，傳導到重慶等二、三線城市，二是重慶市城鎮化本身帶來的人口增長轉變成的居住需求，此外，2014-2016重慶市商品房供給減少，而需求增加，以致造成2017及2018兩年間的供需失衡。2020年，商品房房價略有下滑。

圖2 重慶市2011-2020商品房房價統計圖

三、實證分析

（一）變量選取

本文將重慶市商品房銷售平均價格作為被解釋變量(Y)，該指標可衡量重慶市在一定時期內的房價波動情況。且基于現有研究，本文從供給、需求及宏觀經濟角度切入選取解釋變量如表1所示，各解釋變量的具體含義如表2所示。

表1 重慶市房價影響因素指標體系

表2 重慶市房價影響因素指標解釋

（二）模型建立

1.多元線性回歸模型

本文數據來源主要為《重慶市統計年鑒》及重慶市數據網，時間范圍為2003-2020。為降低數據的自相關性及增加數據的平滑性，首先對原始數據取對數，取后多元線性回歸方程如下：

其中，βi(i=0,1,…,11)為回歸參數，ε為式中隨機擾動項。使用SPSS對現有數據進行相關性檢驗，得出指標之間的相關系數均超過0.9，表明它們之間存在嚴重的多重共線性。為避免共線性對實證結果的影響，故考慮使用主成分回歸法。

2.主成分分析

（1）KMO和Bartlett檢驗

對這11個指標進行檢驗后，可得KMO取樣適切性量數為0.816，大于0.8，且Bartlett檢驗的P值為0.000，小于0.05，由此得出適合進行主成分分析。

（2）總方差解釋

通過SPSS進行提取公因子，其結果顯示，如若在11個指標當中提取一個公因子，其旋轉載荷平方和的累計貢獻率為51.22%，但若提取2個公因子，可使旋轉載荷平方和的累計貢獻率達到98.871%。由此表明這2個公共因子可充分反映原始數據的絕大部分信息，因此提取這兩個主成分來反映重慶市房價波動的影響因素，記作F1，F2。

（3）成分得分系數矩陣

結合表3中的系數信息，可得關于主成分F1，F2的表達式如下：

表3 成分得分系數矩陣

（4）多元回歸分析

通過SPSS將已確定的兩個主成分與方將進行多元回歸分析，得到結果如表4所示，可得變量主成分F1，F2在模型中均通過t檢驗，說明變量顯著；R2值為0.981，調整后的R2值為0.978，說明模型解釋能力較好；同時，容差和VIF值均為1，說明本文通過主成分分析法提取的兩個1因子不存在多重共線性問題。

表4 多元回歸結果

通過如上分析，可得多元線性回歸方程：

將其轉化為關于LnXi(i=0,1,…,11)的式子：

通過分析，可將回歸方程對各影響因素的影響程度進行排序，結果如表5所示，影響重慶市商品房房價最主要的因素為需求相關因素中的城鎮化率和城鎮人均可支配收入，其次是宏觀經濟因素中的居民消費價格指數和地區生產總值，而供給相關的因素則是對重慶市商品房房價影響最小的四個因素。

表5 各因素對重慶市房價影響程度排序結果

四、政策建議

基于上述分析及實證研究結果，本文將主要從需求端及宏觀經濟角度切入，提出以下建議：

首先，加快城鎮化進度，合理規劃中長期住房建設。目前一線城市的城鎮化率均達85%以上，但重慶市城鎮化率卻僅有69%，與一線城市仍有較大差距。而城鎮化的推進不僅可擴大房地產市場的需求，還能助推房地產市場結構調整升級。但在加快城鎮化進度時，也需平衡與房地產市場的關系，要合理預計加快城鎮化帶來的住房需求以及合理規劃市場產品結構。

其次，穩步發展經濟，提升城鎮居民人均可支配收入，增強房地產市場預期。近一年來，重慶市商品房市場供銷持續低位運行，市場整體處于供大于求的狀態，市場存量不斷增加。同時受疫情反復及房產市場突發事件的影響，居民對房產市場的預期進一步降低。

因此政府應積極關注經濟運行質量，加強創新能力建設，促進實體經濟發展，提升居民收入，增強居民消費能力；同時建立健全房價監管體系，規范房地產市場發展以提高居民對房地產市場的信心。

最后，合理分配資金及土地資源，滿足居民住房剛性和改善性需求。政府應引導房企合理應用資金，提高資金利用率；并規范金融機構對房地產建設項目的考察流程，防范化解風險，穩定市場。同時，面對居民的剛性及改善性的住房需求，在資金使用等方面適度放松限制，改善住房金融環境。

本文構建的重慶市商品房房價波動影響因素分析模型具有一定實際意義，為政府部門出臺相關政策提供依據。但由于影響房價變化因素眾多，且因素間存在較強的相關性，故可通過優化降低相關性的方法及篩選指標的方式來提升模型的精確性。