房地产市场的计量研究论文

关键词：房地产市场计量经济模型福建增长

［摘要］房地产是一种稀缺资源,既是生产要素,又是生活必需品,还是投资品。它对我国国内生产总值有重要影响。文章应用计量经济学原理和房地产市场供求理论，建立福建省房地产市场供求的计量经济联立方程模型，并对模型进行动态模拟检验，以确定模型的有效性和预测能力。

一、引言

经过十余年的发展，福建省住宅市场的供应与需求总量都出现了明显的增长，产品类型也不断推陈出新。

“十五”期间，全省房地产开发完成投资1854.73亿元，是“九五”时期的2.2倍，增幅比城镇固定资产投资高3.0个百分点，占城镇固定资产投资27.5%，比“九五”时期提高了5.8个百分点；5年累计竣工房屋面积6079.75万平方米，销售面积6472.94万平方米，分别比“九五”增长1.2倍和1.5倍；销售额1577.46亿元，比“九五”增长2.0倍。

尽管近两年，国家一再出台控制房地产投资规模、平抑房价的各项宏观调控政策，福建省房地产投资仍然保持强劲势头。根据福建省统计局公布数据显示，2006年福建省房地产开发投资787136亿元，增长45.7%。其中，商品住宅开发投资511.68亿元，增长40.7%，占房地产开发投资的65.0%，居主导地位。

商品住宅的销售量达到2021.69万平方米，商品房空置面积持续下降，全年下降30.19%。在空置商品房类型中，商业营业用房占46.6%，商品住宅占28.5%。2006年福州、厦门、泉州三市房屋销售价格分别上涨6.7%、7%和5.8%，高房价的趋势没有得到抑制。房价持续地走高，从根本上讲，是由供求关系决定的。究竟是什么因素影响着福建省的商品房的供给与需求?目前的房地产市场是否已经出现泡沫?为了弄清这些问题，需要通过历史数据，建立数学模型帮助我们了解房地产供求关系的影响因素以及影响程度。本文利用1997年到2005年的数据建立供求的模型，对福建省住宅市场供给需求关系等内容进行分析研究，并对近几年的供求平衡的偏离程度进行分析。

建立的供求模型是以商品房的供求为例的。

一般来讲，影响房地产需求变化的因素较多，主要有:房地产价格、国民收入水平、城市人口、城市化水平、经济政策、预期等，而本文主要考虑国民收入以及价格对需求的影响。影响房地产供给变化的因素也有很多，本文主要是考虑上期房地产需求以及价格，房产投资对供给的影响。

二、模型设计

（一）模型结构建立一个能反映房地产供求关系的计量经济联立方程模型，共选取了2个内生变量、1个滞后变量和3个外生变量，变量之间的关系如图1所示。

（二）模型的变量说明根据图1中具体的经济关系，并充分考虑图中各变量历史资料的可获取、确定模型的变量。

1.内生变量Y1———商品房本年销售面积；单位：万平方米Y2———商品房本年施工面积；单位：万平方米根据数据的可获取性，采用商品房本年销售面积来表示市场需求。用每年施工面积来表示市场供给量。

2.内生滞后变量Y1-1———商品房本年销售面积前一期值；单位：亿元由经验可得知前一期市场需求会影响房产市场供给。

3.外生变量X1———商品房本年销售价格；单位：元/平方米X2———房地产企业的总投资；单位：亿元119X3———居民消费水平；单位：元/人方程式根据图1，构造模型的结构式如下：y1=c(1)*log(x1)+c(2)*x3（1）y2=c(3)*x1+c(4)*x2+C(5)*y1(-1)（2）方程（1）反映房地产市场需求的形成，它与销售价格以及居民消费水平有关。方程（2）反映房地产市场供给的形成，它与销售价格、房地产市场投资额以及前一期房地产市场需求有关。

三、模型的参数估计及检验

（一）数据来源本模型参数估计采用时间序列数据，数据均来自2007年《福建省统计年鉴》，样本区间为1997～2005年。数据处理与模型计算采用的是Excel2000和Eviews3.1软件。（二）参数估计利用Eviews3.1软件对模型采用二阶段最小平方法（2SLS）进行参数估计，参数估计结果如下：

/uploadfile/20100118113105363.jpg"border=0>（三）模型检验本模型估计出来的参数所反映的经济意义与经济理论和实践相符；在0.05显著性水平下本模型各方程均能通过显著性检验；各方程的拟合优度均大于0.97；估计参数在0.05显著性水平下能够通过参数的显著性检验。

上述结论表明，本模型的参数估计结果在经济意义和统计意义上均具有一定的可信度。

四、历史模拟和事后预测

（一）内生变量历史值与模拟值为了检验模型用于模拟分析的可靠性，本文运用上述模型对样本期数据进行模拟，并进行事后120预测，通过计算内生变量1997~2005年模拟值与实际值的相对误差来考察模型的预测能力。计算结果见表1。根据表1的数据显示，绝大部分误差均小于5%，模拟效果良好。其中Y2的模拟误差相对于Y1来说较好。在2004年的Y1值内生变量模拟值及相对误差表曾一度达到11%，这是由于2004的Y1值的缺失，应用插值法来得到一个估计值。这本来就存在着些许误差，结果导致了模拟值和实际值的相对误差达到11%。这是由于数据不全造成的.公务员之家

值相对误差（MPE）均值相对误差（MPE）表示被解释变量在样本期间每个时期的模拟值R(t)和实际值W(t)的平均相对离差，可用于测度事后预测向上或向下偏倚的程度。均值相对误差（MPE）越接近于零，模型预测的上下偏倚程度越好。表2中显示,各项均值相对误差（MPE）接近于零，表明此模型的系统误差较小，模型的预测性能较好.

（三）均方根相对误差（RMSPE）均方根相对误差（RMSPE）表示被解释变量在样本期间每个时期的模拟值与实际值之间的绝对对应程度，主要用于评价模拟值序列与实际值序列的总体拟合度.

从表3可见，各项均方根相对误差（RMSPE）均较小，表明模拟值和实际值的平均偏离程度小，该模型的总体拟合很好。五、结论本文所建立的福建省房地产市场供需的计量经济模型，经过参数估计表明参数估计结果在经济意义和统计意义上均具有较强的可信度。经过动态模拟检验，各项检验结果都非常理想，表明此模型能比较准确地模拟福建省房地产供需在样本期间的动态变化。因此，该模型系统具有较好的拟合优度和预测能力。

［参考文献］

［1］刘福泉.中国住宅经济与国民经济的整合［M］.北京:中国经济出版社,2001.

［2］李子奈.计量经济学［M］.北京:高等教育出版社,2000.

［3］福建统计局.福建统计年2006［Z］.北京:中国统计出版社,2006.

［4］张晓峒.计量经济学软件Eviews使用指南［M］.天津:南开大学出版社，2003.

［5］王学民.应用多元分析［M］.上海:上海财经大学出版社,2004.