房价变动影响因素分析——以北京市为例

The Industrial Study

| 产业研究

房价变动影响因素分析

——以北京市为例

成 倩

南京信息工程大学 江苏南京 210044

摘要:北京市作为我国的首都，其便利的交通以及丰富的资源吸引广大农村人口和青年人口的涌入，人口的

增长使得房屋需求量增加，若房屋的需求量超过市场上的供给量时，房价便会不断飙升。通过本文的分析研究，

不仅可以预测未来的房价水平，还可以通过控制这些因素来抑制房价的不断飙升。

关键词:北京市房价；影响因素；多元回归模型

中图分类号:F062.9 文献识别码:A 文章编号:1673-5889(2020)031-0032-03

一、引言

目前我国经济的持续增长有很大一部分来自于房地产行业的拉

动，根据国家统计局的数据，2018年商品房销售额占GDP的比值为

16.66%，这是历年来的最高值。这说明该领域迎来了其繁荣时代。

这同样表明目前房地产行业是我国GDP的主要贡献者，要想拉动

GDP的增长，应当大力促进房地产行业的发展。但若房价上涨到难

以承担的地步，则可能会产生“泡沫经济”。本文从从理论和实证

出发，全面分析房价变动影响因素是如何推动房地产行业发展的。

Ｙ=β+βΧ+βΧ+βΧ+βΧ+βΧ+βΧ+βΧ+

011223344556677

βΧ+βΧ+βΧ+μ

88991010

为了不该变原始数据的性质和关系，同时消除数据间的异方差

性，故而将各个数据取对数，得到的模型为：

Ｙ=β+βlnΧ+βlnΧ+βlnΧ+βlnΧ+βlnΧ+βln

011223344556

Χ+βlnΧ+βlnΧ+βlnΧ+βlnΧ+μ

67788991010

利用EVIEWS软件做多元线性回归，根据EVIEWS得出的结

果，可以看出该回归方程的拟合优度非常好，R2=0.996384,无限

接近于1。整个回归方程的F值为137.7759，远远大于百分之五水平

下的标准值3.63，因而回归方程的显著性很好。但对单个自变量进

行显著性检验时发现，并非每个解释变量对于被解释变量都是显著

的。查询T检验临界值表后发现，在百分之五水平下，自由度为6的

临界值为2.447.根据上表的结果，可以发现除了15～64岁人口占当

年总人口的百分比和房地产开发企业购置土地面积外，其他解释变

量均不能通过T检验。

因而我们需要通过剔除不显著变量来修改模型。这里首先剔

除T值最小的变量，也就是住宅商品房销售面积。对剩余变量运用

EVIEWS软件继续做回归，根据EVIEWS结果可以看出剔除一个变

量后的回归方程，拟合优度和显著性水平均非常好，但根据回归结

果可以发现，仍旧存在解释变量对被解释变量不显著，因而继续修

二、北京市房价变动影响因素的实证研究

(一)数据的选择

本文选择的数据如表1所示：

Y:住宅商品房平均销售价格；X1:住宅商品房销售面积；X2:

房地产开发企业竣工面积；X3：房地产开发住宅投资额；X4：年末

常住人口；X5：15～64岁人口占当年总人口的百分比；X6：人均国

内生产总值；X7：货币供应量；X8：居民消费价格指数；X9：房

地产开发企业购置土地面积；X10：通货膨胀率。各个数据均从国

家统计局中搜集而来。

(二)北京市房价变动影响因素的回归模型

将从供给、需求和国家三面层面出发选择的影响因素作为解释

变量，将北京市住宅商品房平均销售价格为被解释变量，构建多元

回归模型：

32

现代商业

MODERN BUSINESS

改模型，剔除T检验值最小的房地产开发企业竣工房屋面积。继续

运用EVIEWS软件做回归，得到结果如下表，根据上述分析结果，

继续剔除T检验值最小的解释变量货币和准货币(M2)供应量，回归

结果如表2所示。

方程的拟合优度非常好，R2=0.996314，非常接近于1，F值为

308.9190，回归方程的显著性也非常好。各个解释变量的T检验也

均通过，各个变量都对解释变量有显著影响。

根据原始回归模型结果画出的拟合图如图1所示，由此图可见回

归方程的拟合程度很好。

根据上述回归结果，得出多元回归模型为：

lnＹ=73.95050-0.418394lnΧ-4.331391lnΧ+15.72506lnΧ5

14

+1.600790lnΧ-7.297982lnΧ-0.577600lnΧ+0.127026lnΧ

68910

表1 北京市房价及其各影响因素

住宅商品房平年末常

住宅商品房地产开发房地产

时间均销售价格住人口

房销售面企业竣工房开发住

(元/平方米)(万人)

积(万平方屋面积(万宅投资

米)平方米)额(亿元)

2000年4557898.221365.6288.261364

2001年47161127.51707.35464.221385

2002年44671604.42384.4586.741423

2003年44561771.12593.65632.971456

2004年4747.142285.83066.99775.991493

2005年6162.132823.73770.88779.531538

2006年

7375.4122053193.89863.621601

2007年10661.21731.52891.65991.661676

2008年116481031.42557.99940.561771

2009年132241880.52678.55906.621860

2010年171511201.42386.711508.951962

2011年15517.910352245.241778.312019

2012年16553.51483.42390.861627.992069

2013年178541363.72666.351724.562115

2014年184991136.53054.121846.082152

2015年223001126.82631.451889.542171

2016年28489981.372369.951925.862173

2017年34117608.781466.671694.672171

2018年37420.19696.191557.92026.062154.2

产业研究 |

The Industrial Study

表1(续)

15～64岁人均国居民消

货币和房地产开

准货币发企业购

时间(M2)供置土地面

人口占当内生产费价格通货膨

年总人口总值指数(上胀率

的百分比(元)年=100)

应量(亿积(万平方

元)米)

2000年0.7014987942134610103.516905.20.40%

2001年0.7039978717158302103.1234090.70%

2002年0.702996950618500798.231356.8-0.80%

2003年0.70400110666221223100.235696.51.20%

2004年0.7091731248725410710139784.73.90%

2005年0.72040314368298756101.538253.71.80%

2006年0.72323716738345578100.936573.61.50%

2007年0.72529920494403442102.440245.94.80%

2008年0.72800124100475167105.139353.45.90%

2009年0.7304912618061022598.531909.5-0.70%

2010年0.745330808725852102.439953.13.30%

2011年0.74429836302851591105.644327.45.40%

2012年0.74150739874974149103.335666.82.60%

2013年0.739182436841E+06103.338814.43.20%

2014年0.734519470051E+06101.6333831.50%

2015年0.7301500281E+06101.822810.81.40%

2016年0.725098536802E+06101.422025.33%

2017年0.718153592012E+06101.925508.37.50%

2018年0.712660061826744102.1218.193.13%

表2 多元回归图

VariableCoefficientStd. Errort-StatisticProb.

C73.9505014.353215.1521900.0009

LOG(X1)-0.4183940.093835-4.4588290.0021

LOG(X4)-4.3313911.611438-2.6879040.0276

LOG(X5)15.725062.9120395.4000160.0006

LOG(X6)1.6007900.4006603.9953840.0040

LOG(X8)-7.2979821.946822-3.7486650.0056

LOG(X9)-0.5776000.151131-3.8218590.0051

LOG(X10)0.1270260.0535362.3727460.0451

R-squared0.996314

F-statistic308.9190

Prob(F-statistic)0.000000

MODERN BUSINESS

现代商业

33

The Industrial Study

| 产业研究

图1 回归模型拟合图

三、建议

根据上述实证结果，本文提出以下几点建议：

(一)大力鼓励房地产开发商建造中低档住房

北京市作为我国一线城市的代表拥有丰富的资源与机会，因此

也吸引了大批中青年的涌入。据前文的分析，15～64岁人口属于劳

动人口，这部分人口比例的增加带动了房价的增加。根据北京市房

价变动影响因素静态分析结果得知，人口比例每增加一个单位，房

价相应的增加15.72506个单位。

其原因是这部分人口较其他年龄段的人口而言，对于房屋的需

求较为强烈。但是尽管购买住房的需求强烈，但这部分人口由于面

临家庭、职场等压力，其购买能力却有限。而房地产开发企业均是

以营利为导向的，因而他们更愿意开发一些面积较大、总价较高的

高档住宅。这造成了供需不匹配，房价虚高的现象。所以政府应当

大力鼓励房地产开发商多建造中低档住房和保障房等，对于建造这

类住房的企业给予一定鼓励或者加大建造高档住房企业的税收，共

同促进中低档住房的建造。

(二)严厉打击“炒房”现象

据前文北京市房价变动影响因素动态分析结果可知，上一期

的房价对下一期的房价也产生了很大影响，据方差分解结果，上

一期的房价变动额对本期房价变动额的影响达到了90%，据脉冲

响应结果，房价对其自身产生正向冲击。然而，“炒房”现象的

出现使得房价不断被炒高，房价不断飙升，又激励了更多人加入

“炒房”行列。

因此，政府应当严厉打击“炒房”现象。首先可以严格控制银

34

现代商业

MODERN BUSINESS

行的信贷政策，因为目前大部分居民购买房屋都需要从银行贷款，

所以可以通过调整贷款利率，控制贷款额度等方式限制“炒房”行

为，同时还可以实施限购政策，以此来减少一人购买多套房屋来

“炒房”的行为。

(三)大力发展租赁市场

根据经济学的理论知识，市场上供需的不均衡是导致房价不断

飙升的主要原因。目前与消费者相匹配的供给无法满足消费者的需

求。因此，政府可以通过大力发展租赁市场来增加满足消费者需求

的房屋供给量，减少部分消费者的房屋需求，从而达到抑制房价上

涨的目的。