趙鵬霞，王合玲

（新疆財(cái)經(jīng)大學(xué) 應(yīng)用數(shù)學(xué)學(xué)院，新疆 烏魯木齊 830012）

自古房地產(chǎn)作為不動產(chǎn)和固定資產(chǎn)在人民生活中都具有舉足輕重的地位。近年來，“一帶一路”和“絲綢之路經(jīng)濟(jì)帶”計(jì)劃已在新疆開始實(shí)行，這對新疆的經(jīng)濟(jì)發(fā)展有著巨大的影響，新疆房地產(chǎn)業(yè)又是新疆經(jīng)濟(jì)發(fā)展不可忽視的重要組成部分，它深刻影響著新疆人民的幸福感和新疆的經(jīng)濟(jì)形勢和產(chǎn)業(yè)結(jié)構(gòu)。而目前新疆的房地產(chǎn)市場發(fā)展水平高低不同，各地州房地產(chǎn)價(jià)格有高有低。因此分析和找到影響新疆房地產(chǎn)價(jià)格的主要影響因素，有利于新疆房地產(chǎn)業(yè)長期穩(wěn)定發(fā)展，又有利于為“一帶一路”建設(shè)做貢獻(xiàn)。

1 文獻(xiàn)綜述

對房地產(chǎn)價(jià)格影響因素分析的文章不少。Malpezzi S等[1]創(chuàng)建了一個(gè)模型，研究了房價(jià)受宏觀因素的影響程度，結(jié)果說明消費(fèi)、供給和投資都對房價(jià)有重大影響。周建軍等[2]以湖南省為例對其各省市房地產(chǎn)價(jià)格影響因素進(jìn)行了分析，從四個(gè)方面進(jìn)行實(shí)證，具體得到了影響湖南省房地產(chǎn)價(jià)格的三大關(guān)鍵因素并給出建議。袁芳[3]先是對影響因素排序，然后找到影響房地產(chǎn)價(jià)格的主要因素，最后進(jìn)行房價(jià)預(yù)測。王鶴[4]運(yùn)用廣義空間面板數(shù)據(jù)模型分析我國東、中、西區(qū)域影響房價(jià)的因素及其差異。紀(jì)祥裕[5]實(shí)證分析了房地產(chǎn)價(jià)格變動及其空間溢出效應(yīng)對產(chǎn)業(yè)結(jié)構(gòu)升級的影響。梁云芳等[6]則是對比比較了不同區(qū)域的房產(chǎn)價(jià)格，找到了主要影響因素。

基于新疆的地理位置特殊，又是一帶一路建設(shè)的重要地區(qū)，因此對新疆分區(qū)域?qū)嵶C分析房地產(chǎn)價(jià)格影響因素是勢在必行的。

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源及指標(biāo)選取

考慮到數(shù)據(jù)的可獲得性，本文選擇新疆2008—2016年十三個(gè)地州市的六個(gè)影響因素進(jìn)行有關(guān)分析，各數(shù)據(jù)均來自于各地州統(tǒng)計(jì)年鑒。從需求及供給角度選取具體的變量如表1所示。

表1 指標(biāo)選取Tab.1 Indicator selection

為了更好的分析新疆的房地產(chǎn)價(jià)格狀況，在具體分析時(shí)，我們將十三個(gè)地州市按傳統(tǒng)劃分為三個(gè)區(qū)域：北疆、南疆、東疆。各區(qū)域和包含城市如下表2。

表2 區(qū)域劃分Tab.2 Regional division

2.2 數(shù)據(jù)描述分析

在進(jìn)行分析之前先對各地區(qū)平均房地產(chǎn)價(jià)格做一個(gè)簡單的描述性統(tǒng)計(jì)分析如圖1所示，從折線圖中可以看出烏魯木齊市房價(jià)平均水平總體較高，其他地區(qū)房價(jià)相比于烏市大致在3000元上下波動。這是歷年平均房地產(chǎn)價(jià)格，它不能看出每年各地房地產(chǎn)價(jià)格的變動。

圖1 各地平均價(jià)格折線圖Fig.1 Average price line chart

下面是新疆分區(qū)域房地產(chǎn)價(jià)格折線圖，由圖二可知，北疆所包含的各地州平均房地產(chǎn)價(jià)格相對高于其他兩個(gè)區(qū)域，南疆區(qū)域次之。這也許是新疆地域廣茂，各區(qū)域難免存在經(jīng)濟(jì)發(fā)展不均衡的問題。

圖2 分區(qū)域房地產(chǎn)平均價(jià)格折線圖Fig.2 Sub-regional real estate average price line chart

另外，還做了各地區(qū)2008—2016年的折線圖，可以看出每年各地州房價(jià)的走勢。從歷年折線圖可以看出各地州房價(jià)逐年攀升，這是意料之中的?？偟膩碚f烏魯木齊從房價(jià)水平均處于最高水平；且從圖中可以看出喀什和田等地區(qū)房價(jià)攀升速度在后幾年逐漸加快，從2008年的1 500元左右增加至2016年的5 000元左右，除了該地區(qū)自身經(jīng)濟(jì)發(fā)展外，這與國家和新疆對該地區(qū)的政策實(shí)施是密不可分的。由于篇幅有限，這里不再展示有關(guān)分析的折線圖。

2.3 模型介紹

本文所用數(shù)據(jù)為面板數(shù)據(jù)（Panel Data），它既有時(shí)間序列的特征，也有截面數(shù)據(jù)的特征，即由n個(gè)時(shí)間點(diǎn)和m個(gè)對象組成的數(shù)據(jù)。面板數(shù)據(jù)由于同時(shí)包含兩個(gè)維度，因此在尋找數(shù)據(jù)時(shí)有較高的難度，不易獲得。

在實(shí)證分析時(shí)，采用多元線性回歸模型和加入虛擬變量模型進(jìn)行分析，具體介紹如下。

多元線性回歸模型是指包含一個(gè)因變量和若干自變量的回歸模型，相比單一線性回歸模型其優(yōu)勢在于可以有多個(gè)自變量來解釋因變量，避免遺漏重要解釋變量。其模型表示如公式（1）所示：

其中，y為應(yīng)變量，c為截距項(xiàng)，βi為自變量系數(shù)，xi為自變量，μi為誤差項(xiàng)，i=1,2,…,6。

虛擬變量(Dummy Variables)回歸模型是指在上述多元回歸模型中引入一個(gè)或多個(gè)虛擬變量而組成的模型。加入虛擬變量回歸的好處是一個(gè)回歸結(jié)果可以解釋兩種情況，即一個(gè)回歸模型有兩用。對于有定性變量的數(shù)據(jù)分析，該方法尤其適用。

引入虛擬變量的方式有加法引入和乘法引入以及加法和乘法同時(shí)引入。其中加法引入只影響回歸的截距項(xiàng)而不改變其他參數(shù)；而乘法引入則影響模型的斜率但并不影響截距項(xiàng)；當(dāng)既引入加法又引入乘法時(shí)，則模型的截距項(xiàng)和斜率同時(shí)受到影響。在具體分析時(shí)，可根據(jù)實(shí)際問題選擇虛擬變量的引入方式。

另外還需注意虛擬變量的引入規(guī)則，分為兩種情況：如果回歸模型有截距項(xiàng)，則在模型中引入（m-1）個(gè)虛擬變量；若回歸模型無截距項(xiàng)，則設(shè)置m個(gè)虛擬變量，其中m為分類變量的個(gè)數(shù)。

3 實(shí)證分析

實(shí)證分析均采用Eviews 8軟件，該軟件是計(jì)量經(jīng)濟(jì)學(xué)分析常用軟件，其具有操作簡單，功能強(qiáng)大等特點(diǎn)。

主要從三個(gè)方面進(jìn)行實(shí)證，分別是從新疆整體，從新疆分為三個(gè)區(qū)域以及加入虛擬變量進(jìn)行具體分析。在分析前，我們對面板數(shù)據(jù)進(jìn)行取對數(shù)操作，目的是消除數(shù)據(jù)的異方差。

3.1 新疆整體房地產(chǎn)價(jià)格影響因素實(shí)證分析

首先基于面板數(shù)據(jù)，我們從新疆整體進(jìn)行實(shí)證分析，建立如下多元線性回歸模型:

其中，c為截距項(xiàng)，βi為系數(shù)，xi為自變量，μi為誤差項(xiàng)，L（xi）為x的滯后項(xiàng)，L（y）為y的滯后項(xiàng)，i=1,2,…,6。

在這里，因變量y為房地產(chǎn)價(jià)格，自變量x1為生產(chǎn)總值，x2為城鎮(zhèn)居民可支配收入，x3為本年完成投資，x4（-1）為本年施工房屋面積滯后一期，x5（-1）本年竣工房屋面積滯后一期，y（-1）房地產(chǎn)價(jià)格滯后一期?；貧w結(jié)果如下表2。

表3 新疆整體房地產(chǎn)價(jià)格影響因素實(shí)證分析結(jié)果Tab.3 Empirical analysis of the factors affecting the overall real estate price in Xinjiang

由結(jié)果知，模型R2為0.999 986，調(diào)整的R2為0.999 903，整體模型擬合較好。各個(gè)解釋變量回歸結(jié)果都有良好的顯著性，x1、x2、x3、x4和x5每增長1%，y增加55.541 52元,1 552.318萬元,654.803 8元,1 030.018元和102.376 9元。從需求供給角度來看，x1，x2增加引起房地產(chǎn)價(jià)格上升遵循經(jīng)濟(jì)規(guī)律；x4、x3和x5是供給因素，其增加也引起房地產(chǎn)價(jià)格上升，這不遵循經(jīng)濟(jì)規(guī)律，說明新疆房地產(chǎn)市場存在投機(jī)需求；而當(dāng)期房地產(chǎn)價(jià)格增加，使得人們對買房預(yù)期減少，進(jìn)而使得下一期房價(jià)減少。

3.2 北疆、南疆和東疆房地產(chǎn)價(jià)格影響因素實(shí)證分析

為了看新疆房地產(chǎn)價(jià)格影響因素是否存在區(qū)域差異，按照上述回歸法分別對北疆、南疆和東疆?dāng)?shù)據(jù)進(jìn)行回歸，建立如下模型:

其中，各符號含義與（2）式相同，回歸結(jié)果如表4。

表4 北疆房地產(chǎn)價(jià)格影響因素實(shí)證分析結(jié)果Tab.4 Empirical analysis of factors affecting real estate prices in northern Xinjiang

由上述分析知，北疆和南疆地區(qū)模型擬合度較好，東疆地區(qū)模型擬合效果一般。對北疆地區(qū)房地產(chǎn)平均價(jià)格有顯著性影響的主要因素有：x3(本年完成投資)、x5(滯后一期竣工房屋面積)和(滯后一期房地產(chǎn)平均價(jià)格)y。對南疆地區(qū)房地產(chǎn)平均價(jià)格有顯著性影響的主要因素有：x1(生產(chǎn)總值)、x2(城鎮(zhèn)居民可支配收入)、x3(本年完成投資)、x4(本年施工面積滯后一期)、x5(滯后一期竣工房屋面積)和y(滯后一期房地產(chǎn)平均價(jià)格)。而東疆地區(qū)不顯著。

3.3 含有區(qū)域虛擬變量的新疆房地產(chǎn)價(jià)格影響因素實(shí)證分析

引入?yún)^(qū)域虛擬變量，此時(shí)模型含有截距項(xiàng)，依據(jù)虛擬變量引入規(guī)則應(yīng)引入兩個(gè)虛擬變量（即當(dāng)D=1時(shí)，代表北疆地區(qū)；D=0時(shí)，代表南疆和東疆地區(qū)）。至于虛擬變量引入方式經(jīng)過檢驗(yàn)，乘法引入時(shí)R2值更大，故選取乘法引入虛擬變量。結(jié)果如表5。

表5 引入地區(qū)虛擬變量的房地產(chǎn)影響因素的分析結(jié)果Tab.5 Analysis results of real estate influencing factors introducing regional dummy variables

由結(jié)果知，模型的擬合優(yōu)度為0.648 614，D-W為2.180440，說明模型殘差不存在嚴(yán)重的序列自相關(guān)。從系數(shù)來看，北疆GDP系數(shù)為0.020 554，南疆和東疆GDP系數(shù)為0.033 458；北疆本年完成投資為-0.145 702，東疆和南疆為0.075 111；北疆本年施工面積為-0.200 165，東疆和南疆為-0.171 776；北疆滯后一期房地產(chǎn)價(jià)格為0.305 344，東疆和南疆為0.306 400；說明北疆比南疆和東疆對房地產(chǎn)價(jià)格拉動作用?。槐苯擎?zhèn)居民可支配收入系數(shù)為0.456 6，東疆和南疆城鎮(zhèn)居民可支配收入為0.178 227；北疆本年竣工面積為0.065 17，東疆和南疆為-0.051 647；說明北疆對房地產(chǎn)價(jià)格拉動作用更大。

4 結(jié)論

由Eviews實(shí)證分析我們得到如下結(jié)論：

1.從整體分析看，除GDP和本年施工房屋面積滯后一期外，其余因素均對房地產(chǎn)價(jià)格有明顯影響。

2.分北疆、南疆和東疆來看，影響三個(gè)區(qū)域的因素各有不同。

3.加入虛擬變量后，可知北疆相比與南疆和東疆受供給影響小，需求因素大。也可看出在新疆供求理論表現(xiàn)不明顯。