论文部分内容阅读
摘要：近十年来，天津的住宅价格一直处于稳步上升的一个趋势，为了进一步了解天津房价走势，分析其各方面的影响因素十分有必要。首先对于住宅价格影响因素进行了文献查阅研究，其次本文选取了天津的住宅商品房价格与住宅商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数、住宅竣工平均造价、住宅竣工面积等七个因素进行研究，最后通过创建线性回归模型，分析得出具有显著性影响的因素。分析结果显示，整体而言，天津住宅商品房的价格受房地产住宅投资的影响作用比较大，并根据相关数据结果的分析，提出相应的合理化建议。
关键词：天津 影响因素 住宅价格 线性回归
0引言
天津作为四大直辖市之一，一座超大城市，它的住宅价格处于一个较高的水平层次，备受关注。天津在整个京津冀一体化的进程当中，目前来看扮演的更像是居住区的角色。以教育、医疗、养老等带动整体经济发展，缓解北京人口压力。科学地认识房地产市场的发展规律，客观地评价房地产市场发展现状，对于天津居民投资、消费规划以及为政府部门的决策提供依据具有十分重要的意义。在这种情况下，如何准确地预测房价显得相当重要。而近十年来，天津的住宅价格一直处于稳步上升的一个趋势，为了进一步了解天津房价走势，分析其各方面的影响因素十分有必要。
1基于多元线性回归分析住宅价格影响因素
一般来说，市场的供给和市场的需求决定了市场均衡价格。同样的，房地产市场价格是由供给、需求以及其它非市场因素所决定。因此，将天津市住宅价格归结为需求因素、供给因素和其他方面的因素。
需求因素为：地区生产总值、人口、住宅商品房销售面积;供给因素：住宅竣工面积、住宅竣工平均造价、房地产住宅投资、房地产开发企业个数;在商品房价格的影响因素当中，除了需求因素與供求因素外，还包括政策因素，社会状况，环境因素，心理因素等。
由于影响商品房房价的因素比较多，而且复杂，并且存在一些难以量化的定性因素，因此本文选取2003-2018连续十六年住宅商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数、住宅竣工平均造价、住宅竣工面积等七个因素作为参数进行研究。通过多元回归分析以及逐步回归分析对这七个影响因素进行分析，并据此得出相应的结论。
2模型的构建
在对影响住宅价格因素的分析中，本文选取住宅商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数、住宅竣工平均造价、住宅竣工面积这七个主要因素来进行分析。其中住宅价格为因变量，其他因素为自变量。通过天津统计局官网和国家统计年鉴，得到2003—2018年的相关数据，其中：我们用y来代表天津市住宅商品房平均销售价格（元）;x1代表的是住宅商品房销售面积（万平方米）;x2代表房地产住宅投资（亿元）;x3代表年末常住人口（万人）;x4代表地区生产总值（亿元）;x5代表房地产开发企业个数（个）;x6代表住宅竣工平均造价;x7代表住宅竣工面积。创建回归模型：
y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+ε。
通过SPSS进行回归分析，统计结果显示，所有的自变量共同决定因变量，没有剔除变量，继续查看模型拟合度。模型汇总结果显示，变量间的线性相关系数R=0.994，R^2=0.988，调整之后的R^2=0.9781，表示拟合度良好，变量相关程度高。然后进行方差检验，结果可知对给定的显著水平α=0.05，F检验统计量相应的概率p值小于0.001，于是拒绝原假设，变量之间线性关系显著，于是建立线性模型，再查看正态分布。结果可以看出该直方图基本符合正态分布。
通过分析标准化残差图是在一条直线上的散点图，基本上都在一条直线上，因此符合正态分布，具有统计意义。因此我们可以得到回归方程：
y=-99.891-1.718x1+4.553x2+1.463x3-0.035x4+5.807x5+0.495x6-5.188x7
回归结果表明，2010-2019年间的天津市住宅商品房房价的81.1%可由住宅商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数、住宅竣工平均造价、住宅竣工面积的变化来解释。回归系数的符号和数值较为合理，但地区生产总值和住宅竣工面积的符号和实际不符。R^2=0.988，调整之后的R^2=0.9781说明模型有很高的拟合优度。F=94.144，说明商品房销售面积X1、房地产住宅投资X2、年末常住人口X3、地区生产总值X4和房地产开发企业个数X5、住宅竣工平均造价X6、住宅竣工面积X7对住宅商品房平均销售价格y的总影响是显著的。
接下来进行模型的检验与改正，我们采用相关性检验以及共线性诊断等步骤
最终的模型为：
y=2399.658+7.032x2
3结语
本文使用的多元线性回归模型，收集了几项影响商品房房价的数据，即商品房销售面积，房地产住宅投资，年末常住人口，地区生产总值，房地产开发企业个数，住宅竣工平均造价，住宅竣工面积估计出了天津市住宅商品房价格预测的线性回归方程：
y=2399.658+7.032x2
即估计出的模型表明天津市住宅商品房房价与房地产住宅投资有密切的关系。鉴于商品房房价和各变量之间不是完全的线性关系，并且存在政策因素等不易量化的影响因素，模型预测值与真实值之间还是存在一定的误差。但是，模型的相关检验顺利通过，能较大程度上预测房价走势。
基于此，提出以下建议：
严格控制房地产住宅投资，加大管控力度;严格土地管理，降低土地溢价率，提高居住用地的比例;完善统计体系，规范统计渠道，按时发布土地供应情况、商品住房上市情况、交易情况及住宅销售价格指数。
参考文献：
[1]梁云芳，高铁梅.我国商品住宅销售价格波动成因的实证分析[J].管理世界，2006（8）：76-82.
[2]任芳玲，左童.延安市旅游收入预测及影响因素分析[J].延安大学学报：自然科学版，2019（3）：18-22.
[3]潘婷.房价影响因素研究综述[J].广西质量监督导报，2021（02）：5-7.
[4]何承朔.基于多元线性回归建模的武汉市房价预测[J].科技经济导刊2018（28）
[5]刘丽泽.基于多元线性回归模型及ARIMA模型的北京市房价预测[J].科技经济导刊2018（29）176-177
[6]李丹，朱家明，李薇，徐亮.基于多元回归模型的房价影响因素研究[J].辽宁工业大学学报（自然科学版）2019（03）
侯琦（1998-），男，汉族，河北省定州市，硕士，工业工程与管理，天津工业大学，天津市，300000
关键词：天津 影响因素 住宅价格 线性回归
0引言
天津作为四大直辖市之一，一座超大城市，它的住宅价格处于一个较高的水平层次，备受关注。天津在整个京津冀一体化的进程当中，目前来看扮演的更像是居住区的角色。以教育、医疗、养老等带动整体经济发展，缓解北京人口压力。科学地认识房地产市场的发展规律，客观地评价房地产市场发展现状，对于天津居民投资、消费规划以及为政府部门的决策提供依据具有十分重要的意义。在这种情况下，如何准确地预测房价显得相当重要。而近十年来，天津的住宅价格一直处于稳步上升的一个趋势，为了进一步了解天津房价走势，分析其各方面的影响因素十分有必要。
1基于多元线性回归分析住宅价格影响因素
一般来说，市场的供给和市场的需求决定了市场均衡价格。同样的，房地产市场价格是由供给、需求以及其它非市场因素所决定。因此，将天津市住宅价格归结为需求因素、供给因素和其他方面的因素。
需求因素为：地区生产总值、人口、住宅商品房销售面积;供给因素：住宅竣工面积、住宅竣工平均造价、房地产住宅投资、房地产开发企业个数;在商品房价格的影响因素当中，除了需求因素與供求因素外，还包括政策因素，社会状况，环境因素，心理因素等。
由于影响商品房房价的因素比较多，而且复杂，并且存在一些难以量化的定性因素，因此本文选取2003-2018连续十六年住宅商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数、住宅竣工平均造价、住宅竣工面积等七个因素作为参数进行研究。通过多元回归分析以及逐步回归分析对这七个影响因素进行分析，并据此得出相应的结论。
2模型的构建
在对影响住宅价格因素的分析中，本文选取住宅商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数、住宅竣工平均造价、住宅竣工面积这七个主要因素来进行分析。其中住宅价格为因变量，其他因素为自变量。通过天津统计局官网和国家统计年鉴，得到2003—2018年的相关数据，其中：我们用y来代表天津市住宅商品房平均销售价格（元）;x1代表的是住宅商品房销售面积（万平方米）;x2代表房地产住宅投资（亿元）;x3代表年末常住人口（万人）;x4代表地区生产总值（亿元）;x5代表房地产开发企业个数（个）;x6代表住宅竣工平均造价;x7代表住宅竣工面积。创建回归模型：
y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+ε。
通过SPSS进行回归分析，统计结果显示，所有的自变量共同决定因变量，没有剔除变量，继续查看模型拟合度。模型汇总结果显示，变量间的线性相关系数R=0.994，R^2=0.988，调整之后的R^2=0.9781，表示拟合度良好，变量相关程度高。然后进行方差检验，结果可知对给定的显著水平α=0.05，F检验统计量相应的概率p值小于0.001，于是拒绝原假设，变量之间线性关系显著，于是建立线性模型，再查看正态分布。结果可以看出该直方图基本符合正态分布。
通过分析标准化残差图是在一条直线上的散点图，基本上都在一条直线上，因此符合正态分布，具有统计意义。因此我们可以得到回归方程：
y=-99.891-1.718x1+4.553x2+1.463x3-0.035x4+5.807x5+0.495x6-5.188x7
回归结果表明，2010-2019年间的天津市住宅商品房房价的81.1%可由住宅商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数、住宅竣工平均造价、住宅竣工面积的变化来解释。回归系数的符号和数值较为合理，但地区生产总值和住宅竣工面积的符号和实际不符。R^2=0.988，调整之后的R^2=0.9781说明模型有很高的拟合优度。F=94.144，说明商品房销售面积X1、房地产住宅投资X2、年末常住人口X3、地区生产总值X4和房地产开发企业个数X5、住宅竣工平均造价X6、住宅竣工面积X7对住宅商品房平均销售价格y的总影响是显著的。
接下来进行模型的检验与改正，我们采用相关性检验以及共线性诊断等步骤
最终的模型为：
y=2399.658+7.032x2
3结语
本文使用的多元线性回归模型，收集了几项影响商品房房价的数据，即商品房销售面积，房地产住宅投资，年末常住人口，地区生产总值，房地产开发企业个数，住宅竣工平均造价，住宅竣工面积估计出了天津市住宅商品房价格预测的线性回归方程：
y=2399.658+7.032x2
即估计出的模型表明天津市住宅商品房房价与房地产住宅投资有密切的关系。鉴于商品房房价和各变量之间不是完全的线性关系，并且存在政策因素等不易量化的影响因素，模型预测值与真实值之间还是存在一定的误差。但是，模型的相关检验顺利通过，能较大程度上预测房价走势。
基于此，提出以下建议：
严格控制房地产住宅投资，加大管控力度;严格土地管理，降低土地溢价率，提高居住用地的比例;完善统计体系，规范统计渠道，按时发布土地供应情况、商品住房上市情况、交易情况及住宅销售价格指数。
参考文献：
[1]梁云芳，高铁梅.我国商品住宅销售价格波动成因的实证分析[J].管理世界，2006（8）：76-82.
[2]任芳玲，左童.延安市旅游收入预测及影响因素分析[J].延安大学学报：自然科学版，2019（3）：18-22.
[3]潘婷.房价影响因素研究综述[J].广西质量监督导报，2021（02）：5-7.
[4]何承朔.基于多元线性回归建模的武汉市房价预测[J].科技经济导刊2018（28）
[5]刘丽泽.基于多元线性回归模型及ARIMA模型的北京市房价预测[J].科技经济导刊2018（29）176-177
[6]李丹，朱家明，李薇，徐亮.基于多元回归模型的房价影响因素研究[J].辽宁工业大学学报（自然科学版）2019（03）
侯琦（1998-），男，汉族，河北省定州市，硕士，工业工程与管理，天津工业大学，天津市，300000