■ 朱君妍 張 婷 張金娟

房價區(qū)域差異影響因素實證分析

■ 朱君妍 張 婷 張金娟

近年來，各城市房價漲勢普遍趨緩，但個別大城市房價依然居高不下。房價區(qū)域性差異及影響因素引起了人們的廣泛關(guān)注。本文在系統(tǒng)總結(jié)相關(guān)理論知識和已有研究成果的基礎(chǔ)上，對城市房價宏觀影響因素建立簡單的多元線性回歸模型，選取國內(nèi)二十七個大中型城市，定量研究影響住宅房地產(chǎn)價格的因素，判斷各因素的影響程度。

房價區(qū)域差異影響因素理論分析

房地產(chǎn)具體市場價格是由眾多因素相互作用形成的，一個城市房價的高低，可能是其中一個因素或者幾個因素共同作用的結(jié)果。只有對影響房價的因素進行綜合考慮才能分析清楚造成區(qū)域差異的原因。

綜合分析，筆者認為城市住宅房地產(chǎn)價格區(qū)域差異的影響因素主要有一般因素和區(qū)域因素。

影響城市間房地產(chǎn)價格區(qū)域差異的一般因素包括社會因素（人口因素、社會穩(wěn)定狀況和城市化）、經(jīng)濟因素（國內(nèi)生產(chǎn)總值GDP、物價和居民收入）、制度政策因素（貨幣政策、城市規(guī)劃、土地規(guī)劃政策和行政隸屬變更政策）和心理因素等。同一時期，對不同城市來講，人口越多，社會狀況越穩(wěn)定，城鎮(zhèn)化程度越深，房價越高；經(jīng)濟發(fā)展越快，地區(qū)生產(chǎn)總值越大，物價和居民收入越高，房價越高；制度政策越有利于促進居民對住房形成有效需求，如提高貨幣供應(yīng)量，房價越高。同樣，人們對一個城市心理預(yù)期越高，該城市房價也會越高。

影響城市間房地產(chǎn)價格區(qū)域差異的區(qū)域因素主要有區(qū)位和自然因素。區(qū)位在這里著重指城市間的相對位置，房地產(chǎn)位置的優(yōu)劣直接影響其所有者或使用者的經(jīng)濟收益、生活滿足程度和社會影響。因此，房地產(chǎn)坐落的位置不同，價格有較大差異；住宅房地產(chǎn)的相對位置優(yōu)劣，主要是看交通是否方便，以及與各中心城市的遠近。自然因素主要指自然地理條件，包括環(huán)境、氣候、河流、地形等各種復(fù)雜因素。

我國房價區(qū)域差異影響因素實證分析

根據(jù)區(qū)域差異以及數(shù)據(jù)獲取難易程度，本文選取了27個大中型城市，其中東北地區(qū)城市有沈陽；華北地區(qū)城市有北京、石家莊、天津等；華東地區(qū)城市有上海、南京、杭州等；華中地區(qū)城市有武漢、長沙；華南地區(qū)城市有南昌、深圳、廣州等；西南地區(qū)城市有成都、昆明、重慶等；西北地區(qū)城市有西安、西寧、銀川等。

本文選取以上27個城市的人均地區(qū)生產(chǎn)總值、城市常住人口總數(shù)、區(qū)位和自然因素四個變量來建立簡單的多元線性回歸模型以分析各個因素對房地產(chǎn)價格（住宅商品房平均銷售價格）差異的影響。

（一）變量選取和數(shù)據(jù)說明

本文主要以各城市住宅商品房平均銷售價格為研究對象，分析住宅商品房價格與各影響因素之間的關(guān)系。自變量社會因素選取常住人口總數(shù)，經(jīng)濟因素選取人均地區(qū)生產(chǎn)總值，區(qū)域因素選取區(qū)位和自然因素，因變量住宅房地產(chǎn)價格選取住宅商品房平均銷售價格進行分析。

住宅商品房平均銷售價格：指報告期內(nèi)住宅類商品房屋的銷售總額除以銷售總面積而計算得出的平均價格。

人均地區(qū)生產(chǎn)總值：即“人均GDP”，一個地區(qū)，在核算期內(nèi)（通常為一年）實現(xiàn)的生產(chǎn)總值與所屬范圍內(nèi)的常住人口的比值，由于流動人口對地區(qū)經(jīng)濟有較大影響，用戶籍人口得出的結(jié)果會有一定的偏差，故在此選用地區(qū)常住人口。

常住人口總數(shù)：指地區(qū)所屬范圍內(nèi)的常住人口數(shù)量，由于流動人口對城市住宅房價有較大影響，故選用地區(qū)所屬范圍內(nèi)的常住人口而非戶籍人口。

區(qū)位因素：本文中提到的區(qū)位因素著重指的是城市間的相對位置，其中包含與中心城市的距離及交通便利程度?，F(xiàn)初步將我國政治、經(jīng)濟、文化、體育中心北京設(shè)為賦值基點，賦值100。而后，將東北、華東、華南、華中、西南、西北板塊的中心城市沈陽、上海、廣州、長沙、成都、西安就區(qū)位相比較進行賦值。就上海而言，上海是我國經(jīng)濟中心，交通便利，地處沿海地帶，與國外貿(mào)易往來較為頻繁，同時又是廣州、北京等發(fā)達城市的中點地帶，所以考慮將上海賦值105。其他中心地帶城市之間通過和北京相比外，再和已賦值的城市進行相比，最終得出賦值結(jié)果。其次，中心城市的賦值結(jié)果得出后，再分板塊進行板塊內(nèi)城市賦值。因為城市地理位置較近，賦值結(jié)果相對而言就較為準(zhǔn)確，如華北地區(qū)的北京、天津、石家莊等。具體賦值情況見表。

自然因素：通過對影響房價的主要自然因素指標(biāo)進行分析得出：地形、氣候、環(huán)境及臨海等對房地產(chǎn)價格有一定影響。綜合考慮這些因素，同樣以北京為賦值基點，賦值3。深圳與北京相比，溫差較小，環(huán)境條件要優(yōu)于北京，而且屬于周邊臨海城市，水資源豐富，綜合考慮以上幾個因素同北京相比后，給其賦值4。其他城市依次賦值，具體賦值情況如文末賦值情況表所示。

SUMMARY OUTPUT回歸統(tǒng)計Multiple R 0.885337 R2 0.783822 Adjusted R2 0.744516標(biāo)準(zhǔn)誤差 2463.97觀測值 27方差分析

df SS MS F Signi-ficance F回歸分析 4 4.84E+08 1.21E+08 19.94196 4.64E-07殘差 22 1.34E+08 6071146總計 26 6.18E+08

Coef-ficients 標(biāo)準(zhǔn)誤差 t Stat P-value Lower 95% Upper 95% 下限95.0% 上限95.0%Intercept -16020.7 4901.489 -3.26854 0.003515 -26185.8 -5855.64 -26185.8 -5855.64 X Variable 1 0.292238 0.863914 0.338272 0.738365 -1.49941 2.083887 -1.49941 2.083887 X Variable 2 639.8281 221.1278 2.893476 0.008431 181.2371 1098.419 181.2371 1098.419 X Variable 3 241.6255 90.75936 2.662265 0.014231 53.40211 429.8489 53.40211 429.8489 X Variable 4 172.9431 1061.086 0.162987 0.872017 -2027.62 2373.502 -2027.62 2373.502

（二）模型的建立

根據(jù)住宅房地產(chǎn)價格與其主要影響因素的關(guān)系，建立房價與各影響因素的多元線性回歸方程，設(shè)回歸模型為：

其中：

P：住宅商品房平均銷售價格（元/平方米）

X1：常住人口總數(shù)（萬人）

X2：人均國內(nèi)生產(chǎn)總值（萬元）

X3：區(qū)位因素

X4：自然因素

β0為常數(shù)項，β1，β2，β3，β4分別為X1，X2，X3，X4的系數(shù)，μ為修正系數(shù)。

（三）模型求解、回歸性檢驗及實證分析

1．模型的求解和回歸性檢驗

用Excel軟件，數(shù)據(jù)分析工具進行回歸分析，結(jié)果如下：

2．?dāng)?shù)據(jù)分析

“回歸統(tǒng)計表”中，相關(guān)系數(shù)Multiple R=0.885337＞0.6，表明各變量之間的關(guān)系為高度正相關(guān)；復(fù)測定系數(shù)R2=0.783822，表明用自變量X1，X2，X3，X4可解釋因變量P變差的78.38%；調(diào)整后的復(fù)測定系數(shù)Adjusted R2=0.744516，說明自變量能說明因變量P的74.45%，因變量P的25.55%要由其他因素來解釋。

“方差分析表”中，Significance F（F顯著性統(tǒng)計量）的P值為4.64E-07（即4.64×10-7），遠小于顯著性水平0.05，所以說該回歸方程回歸效果顯著，方程中至少有一個回歸系數(shù)顯著不為0。

由“回歸參數(shù)表”得出估算的回歸方程為：

該表中的P-value為回歸系數(shù)t統(tǒng)計量的P值。其中X2，X3的P值均小于顯著性水平0.05，因此該兩項的自變量與P顯著相關(guān)。而X1，X4的t統(tǒng)計量的P值大于顯著性水平0.05，因此這兩項（即年末常住人口與自然因素）的回歸系數(shù)不顯著。

由此可知，在常住人口總數(shù)、人均國內(nèi)生產(chǎn)總值、區(qū)位因素和自然因素四個影響因素均與城市住宅房地產(chǎn)價格成正比。

在一定范圍內(nèi)，當(dāng)人均國內(nèi)生產(chǎn)總值增加10000元，住宅房地產(chǎn)價格相應(yīng)每平方米增加640元，反之則減少；某城市所屬地區(qū)區(qū)位條件越好，該城市的住宅房地產(chǎn)價格越高。而年末常住人口數(shù)量和自然因素，從結(jié)果上來看，對城市住宅房地產(chǎn)價格也存在正向的影響，但是，從回歸性上來看，在5%的顯著性水平下，對住宅房地產(chǎn)價格的影響作用并不顯著，不存在明顯的相關(guān)性。

由上述對結(jié)果的分析可知，在5%的顯著性水平下，人均地區(qū)生產(chǎn)總值、區(qū)位與城市住宅商品房價格存在明顯的相關(guān)關(guān)系，而城市常住人口總數(shù)、自然因素與城市住宅商品房價格不存在明顯的相關(guān)關(guān)系。

建議：尊重區(qū)域差異性，合理調(diào)控房價

通過對2014年全國27個大中城市的數(shù)據(jù)進行定量分析發(fā)現(xiàn)，影響城市間住宅房地產(chǎn)價格差異的因素有該城市的人均GDP和區(qū)位，他們與住宅房地產(chǎn)價格均存在正向的顯著相關(guān)關(guān)系，即：當(dāng)一個城市經(jīng)濟更為發(fā)達時，相應(yīng)該城市的住宅房地產(chǎn)價格就越高；當(dāng)一個城市區(qū)位條件更優(yōu)時，對應(yīng)的住宅房地產(chǎn)價格就越高。但是，從結(jié)果的復(fù)測定系數(shù)R2可以看出，還有相當(dāng)一部分其它因素如人口、自然因素對城市間住宅房地產(chǎn)價格差異也存在一定影響。

當(dāng)然，本文仍然存在以下不足：一是對區(qū)位、自然因素賦值存在一定主觀性，可能會對結(jié)果產(chǎn)生一定影響；二是房地產(chǎn)區(qū)域性特點很強，研究結(jié)論受到一定程度的限制；三是對影響因素的量化和模型的構(gòu)建需要做進一步的考量。因此，一是希望在以后的研究當(dāng)中能夠準(zhǔn)確量化影響因素，使其能更精準(zhǔn)地說明房價與各影響因素之間的關(guān)系；二是可以選取多種模型進行模擬，找到最適宜的模型進行研究。

據(jù)此，提出以下建議：一是政府必須尊重并足夠重視房地產(chǎn)價格的區(qū)域差異性，給予實地調(diào)查研究，分析引起區(qū)域價格差異的具體原因；二是因地制宜地制定合理的房地產(chǎn)市場調(diào)控政策，盡量平衡區(qū)域間經(jīng)濟發(fā)展的差異，保持房地產(chǎn)市場的適度均衡，避免出現(xiàn)較大的分化趨勢。

各城市統(tǒng)計數(shù)據(jù)及賦值情況表

（作者單位：天津商業(yè)大學(xué)商學(xué)院）