《计量经济学》课程设计报告
设计实验室: 7号楼C307 20 16 年12 月22日 姓 名 年级专业 课程名称 设计小组成员 杨帅通 金融数学 《计量经济学》 杨帅通 高昕 成 绩 学 号 设计名称 指导教师 133414151 我国房地产行业的影响因素 蔡玉杰 教师评语 教师签名: 年 月 日 设计内容 引入影响房地产价格的多个主要变量,利用eviews统计软件建立多项式回归方程,并对得到的回归方程进行异方差性、多重共线性、序列相关性的检验,对模型进行修正,并进行统计推断和经济意义上的检验,选择效果最好回归模型作为结论。从而可以在一定层面上分析影响我国房地产价格的主要原因 二、设计目的 通过得到的模型对我国房地产行业的发展周期进行分析,并进行有效的预测。 三、实验步骤 影响房地产价格的线性回归模型 1研究背景与目的 2相关数据与散点图分析 3模型的初步建立 4模型的检验与修正 5总结与分析
1
四、设计结果及分析(附上必要的回归分析报告,并作以分析) 1研究背景与目的 近年来,中国房价持续走高。尽管国家政策层已经启动了几轮调控,但房价 丝毫没有要稳定下来的迹象,房价高涨,一房难求的情况仍在持续。房地产行业已经成为我国国民经济的支柱产业,不仅影响着国民经济的增长,也牵动着千家万户的心。为了研究影响房价的基本因素的问题,我们需要建立计量经济学模型。并对这些因素进行统计推断和经济意义上的检验。 2相关数据与散点图分析 2.1相关数据 表2:1998-2013全国房地产年度相关数据 商品房平均销售价格年份 (元/每平方米) 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2063 2053 2112 2170 2250 2359 2778 3168 3367 3864 3800 4681 5032 5357 5791 国内生产总值GDP(亿元) 84402.3 89677.1 99214.6 全国房商品房地产开货币供应销售额发投资量(亿元) (亿元) 额(亿元) 104498.50 199897.90 134610.26 2513.30 2987.87 3935.44 4862.75 6032.34 7955.66 3614.23 4103.20 4984.05 6344.11 7790.92 单位土地购置费(万元) 371.34 418.12 434.18 443.75 461.08 城镇居民消费价格指数 99.4 98.7 100.8 100.7 99.0 100.9 103.3 101.6 城镇居民人均可支配收入(元) 5425 5854 6280 6860 7702 8472 9421 10493 11759 13786 15781 17175 19109 21810 24565 109655.2 158301.92 120332.7 185006.97 135822.8 221222.82 10153.80 575.73 159878.3 253207.70 10375.71 13158.25 647.10 184937.4 298755.07 17576.13 15909.25 759.24 216314.4 345603.59 20825.96 19422.92 1042.96 101.5 265810.3 403442.01 29889.12 25288.84 1210.87 104.5 314045.4 475166.60 25068.18 31203.19 1523.53 105.6 340902.8 606225.01 44355.17 36241.81 1887.75 99.1 401512.8 725774.10 52721.24 48259.40 2502.91 103.2 473104.0 851590.90 58588.86 61796.89 2600.48 105.3 519470.1 974200.00 64455.79 71803.79 3392.55 102.7 2
2013 6237 568845.2 1106500.0 81428.28 86013.38 3478.54 102.6 29547 备注:1.数据来源:《2014年中国统计年鉴》 2.城镇居民消费价格指数以1997年=100作为基准 经过分析与研究,我们初步判定影响商品房平均销售价格的因素主要包括国民生产总值GDP、我国货币供应、商品房销售额、管过房地产开发投资额、单位土地购置费、城镇居民消费价格指数、城镇居民人均可支配收入等。 2.2变量说明 变量 商品房平均销售价格 国内生产总值GDP 货币供应量 商品房销售额 全国房地产开发投资额 单位土地购置费 城镇居民消费价格指数 城镇居民人均可支配收入 2.3散点图分析 符号 Y GDP M PRIE I COST CPI PAY 3
从上面商品房平均销售价格与各影响因素的散点图可以看出,Y与GDP,M,PRIE,I,COST,PAY是明显的线性关系。 而经过尝试,发现Y与CPI没有明显的关系。因为CPI是城镇居民消费价格指数,可以考察LN(Y)和LN(CPI)之间是否存在关系。 经尝试,LN(Y)和LN(CPI)之前也没有明显的关系,因此可剔除CPI。 4
3模型的初步建立 根据以上分析,我们建立初步的计量经济模型为: Y??0??1GDP??2M??3PRIE??4I??5COST??6PAY?et 进行OLS回归,得到: 可得到回归模型为: Y?1294.426?0.0079GDP?1.94E-05M?0.0397PRIE-0.0397I?0.057COST?0.015PAY ? (5.8884) (3.8958) (0.0151) (4.6273) (-3.1552) (0.2286) (0.3134) 由以上数据可以看出,R2=0.9972,R=0.9954,可决系数较高,拟合优度较好。F值=541.9517,说明回归方程显著。但是当??0.05时,t?(16)?2.120,不仅22M,COST,PAY的系数t检验不显著,而且I系数的符号与预期相反,因此可能存在多重共线性。 4模型的检验与修正 4.1多重共线性检验 计算个解释变量的相关系数,选择GDP,M,PRIE,I,COST,PAY数据,点击“view/
5
Correlation”,得到相关系数矩阵。 表3:相关系数表矩阵 GDP M PRIE I COST PAY GDP 1.000000 0.993238 0.988945 0.990513 0.990372 0.995000 M 0.993238 1.000000 0.992154 0.995833 0.994257 0.992287 PRIE 0.988945 0.992154 1.000000 0.988010 0.986450 0.989690 I 0.990513 0.995833 0.988010 1.000000 0.991131 0.992817 COST 0.990372 0.994257 0.986450 0.991131 1.000000 0.985082 PAY 0.995000 0.992287 0.989690 0.992817 0.985082 1.000000 由相关系数矩阵可以看出,各解释变量相互之间的相关系数较高,说明各变量之间存在严重的多重共线性。 4.2多重共线性的修正 采用逐步回归法,分别作Y对GDP,M,PRIE,I,COST,PAY的一元回归,结果如表4所示。 表4:一元回归估计结果 变量 GDP M PRIE I COST PAY 参数估计 0.00882 0.00447 0.05635 0.05409 1.30679 0.19496 t统计量 30.90972 21.47498 29.16185 17.04255 19.27192 23.27186 0.98556 0.97053 0.98380 0.95401 0.96368 0.97480 R2 20.98453 0.96843 0.98265 0.95703 0.96018 0.97300 R 备注:数据均保留小数点后5位。 其中,加入GDP的方程R最大,以GDP为基础,依次加入其他变量逐步回归,结果如表5所示。 表5:加入新变量的回归结果(1) 2变量 GDP,M 0.0094GDP,PRIE 0.0048GDP,I 0.0119(6.0213) GDP,COST 0.0095(4.4694) GDP,PAY 0.0092(3.1174) GDP (3.6916) (2.9089) -0.0003M (-0.2283) 6
0.0261PRIE (2.4773) -0.0193I (-1.5713) -1.1059 COST (-0.3319) -0.0093PAY (-0.1409) R2 0.9834 0.9887 20.9856 0.9835 0.9834 可以看出:加入PRIE的方程R最大,以GDP和PRIE为基础,依次加入其他变量逐步回归,结果如表6所示。 表6:加入新变量的回归结果(2) 变量 GDP,PRIE,M GDP,PRIE,I GDP,PRIE,COST GDP,PRIE,PAY 0.00770.00840.0065(3.2210) 0.0312(3.2210) -0.3738(-1.3740) 0.9894 0.0072(2.8609) 0.0314(2.8110) GDP (4.1875) (7.4599) -0.0027(-2.4438) 0.0414(3.7882) 0.0407(6.3334) -0.0371(-5.4485) M PRIE I COST -0.0715(-1.2410) 0.9891 PAY R2 0.9918 0.9965 7
可以看出:加入I的方程R最大,以GDP,PRIE,I为基础,依次加入其他变量逐步回归,结果如表7所示。 表7:加入新变量的回归结果(3) 2变量 GDP M PRIE I COST PAY R2GDP,PRIE,I,M 0.0084(6.6108) 7.63E-05(0.0725) 0.0405(5.4184) -0.0376(-3.8464) 0.9962 GDP,PRIE,I,COST 0.0084(6.5920) 0.0406(5.9722) GDP,PRIE,I,PAY 0.0082(5.4853) 0.0403(5.8879) -0.0376(-4.7347) -0.0379(5.8879) 0.0242(0.1323) 0.9962 0.0091(0.2399) 0.9962 备注:表5,6,7括号里的数据为对应的t值。 当加入M,COST,PAY时R没有变化,其参数的t检验不显著。从相关系数也可以看出,M,COST,PAY与其他变量高度相关,这说明主要是M,COST,PAY引起的多重共线性,应予以剔除。 最后修正多重共线性后的模型为: Y?1348.712?0.0084GDP?0.0407PRIE?0.0371I 2 (13.6994) (7.4599) (6.3334) (-5.4885) R2=0.972 R?0.9965 F=1427.248 DW=1.41956 LM(1)=1.3949(p=0.2376) 4.3模型检验 (1)统计检验: ●拟合优度检验:R2=0.972 R?0.9965 ,说明拟合优度较好。 ●F检验: F=1427.248 >F0.05(3,12)=27.05,所以拒绝原假设,说明回归方程显著,即“国民生产总值”、“商品房销售额”、“全国房地产开发投资额”联合起来确实对“商品房平均销售价格”有显著影响。 ●t
检验:给定给定显著性水平ɑ=0.05,在t分布表中查出自由度为n-k=13的8
临界值为2.16。由表中数据可以看出,GDP,PRIE,I都通过t检验。也就是说,当在其他解释变量不变的情况下,解释变量“国民生产总值”、“商品房销售额”、“全国房地产开发投资额”分别对被解释变量“商品房平均销售价格”都有显著影响。 ●序列相关性检验:对模型进行拉格朗日乘数检验,LM(1)=1.3949(p=0.2376) 说明不存在序列相关性。 ●异方差性检验: 采用WHITE检验。记ei为对原始模型进行普通最小二乘回归得到的残差平方项,将其与GDP,PRIE,I,与交叉平方项作辅助回归,得到: Included observations: 16 C GDP GDP^2 GDP*PRIE GDP*I PRIE PRIE^2 PRIE*I I I^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.551639 4333.081 1.13E+08 -148.8409 3.050574 0.093956 S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 6471.170 19.85512 20.33798 19.87984 2.613574 Coefficient 12670.12 -0.017580 -5.77E-06 -6.20E-05 0.000121 6.309058 0.000376 -0.000384 -1.498899 -0.000187 0.820655 Std. Error 102650.1 2.281494 9.46E-06 5.41E-05 0.000144 5.647428 0.000210 0.000199 17.06414 0.000425 t-Statistic 0.123430 -0.007706 -0.610117 -1.146245 0.841008 1.117156 1.794890 -1.926107 -0.087839 -0.440461 Prob. 0.9058 0.9941 0.5642 0.2953 0.4326 0.3067 0.1228 0.1024 0.9329 0.6750 5492.969 ~2 Mean dependent var 从以上数据可得:R2=0.8207,WHITE统计量nR2=16*0.8207=13.1312,该值小于5%显著性水平下、自由度为9的?分布的相应临界值?0.05=16.92,因此,接受同方查的假设,即不存在异方差性。 (2)经济意义解释
9
2 计量经济模型结果表明,我国商品房价格与国民生产总值和商品房销售额之间有正相关关系,而与全国房地产开发投资额之间则有显著性的负相关关系。其中,国民生产总值是影响我国房地产价格的代表性因素。 5总结 模型二通过选取国内生产总值、货币供应量、商品房销售额、单位土地购置费、全国房地产开发投资额、城镇居民家庭人均可支配收入六个相关变量运用定量的分析方法对此进行了研究,研究发现国民生产总值、房地产开发投资和房地产销售额对房地产价格有显著的影响,即房地产的供给与需求对房地产价格的影响较大。但由于我们采取1998-2013年我国房地产各项相关指标数据所建立起的线性回归模型仍然存在着样本不足等一些局限性问题,实证分析还存在一定的片面性,有待深入,需要进一步收集数据,以提高实证分析的有效度。并且影响我国房地产价格的宏观经济因素众多而复杂,选取的自变量也只是宏观经济因素的代表,并不能全面反映宏观经济因素对房地产价格的影响,这也是模型二研究存在的缺陷。再者就是通过研究发现选取的部分变量对房地产价格的影响与预期发生偏离,这也是研究存在的问题。
10
计量经济学课程设计报告 - 图文
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)