Finance 金融, 2020, 10(5), 478-487
Published Online September 2020 in Hans. http://www.hanspub.org/journal/fin https://doi.org/10.12677/fin.2020.105050
上海市近年房地产业分析
薛雨田
东华大学理学院，统计系，上海
收稿日期：2020年8月17日；录用日期：2020年9月1日；发布日期：2020年9月8日
摘 要
本文以柯布道格拉斯函数理论为基础，研究了2000年到2018年上海市房地产业的状况。为了避免多重共线性的问题，我对11个可能反映房地产业因素用逐步回归的方法，并结合相关系数矩阵进行解释变量的筛选，得到6个解释变量。我通过主成分分析将6个解释变量线性表示出3个主成分，分别是失望成分Y1，自然资源损失成分Y2，经营成分Y3。用房地产行业的产业增加值表示产出，将产出与三个成分进行回归分析，得到初步的线性回归方程并进行统计意义分析并结合模型提出相关建议。为了验证时间序列不平稳可能带来的虚假回归问题，经过Johansen Test协整检验，得到上海市房地产业增加值与三个主成分之间存在协整关系。
关键词
房地产业，主成分分析，柯布道格拉斯函数，协整检验
Analysis of Shanghai Real Estate Industry in Recent Years
Yutian Xue
Department of Statistics, School of Science, Donghua University, Shanghai
Received: Aug. 17th, 2020; accepted: Sep. 1st, 2020; published: Sep. 8th, 2020
Abstract
Based on Cobb Douglas function theory, this paper studies the situation of Shanghai real estate industry from 2000 to 2018. In order to avoid the problem of multicollinearity, I used the stepwise regression method to screen the 11 factors which may reflect the real estate industry, and com-bined with the correlation coefficient matrix to screen the explanatory variables, and got 6 expla-文章引用: 薛雨田. 上海市近年房地产业分析[J]. 金融, 2020, 10(5): 478-487. DOI: 10.12677/fin.2020.105050
薛雨田
natory variables. Through principal component analysis, the six explanatory variables are linearly expressed as three principal components: Y1, Y2 and Y3. The output is expressed by the industrial added value of the real estate industry, and the output and the three components are analyzed by regression analysis, and the preliminary linear regression equation is obtained, and the statistical significance is analyzed, and relevant suggestions are put forward combined with the model. In order to verify the false regression problem caused by time series instability, the cointegration relationship between the added value of Shanghai real estate industry and the three principal components is obtained by Johansen test co integration test.
Keywords
Real Estate Industry, Principal Component Analysis, Cobb Douglas Function, Cointegration Test
Copyright ? 2020 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). http://creativecommons.org/licenses/by/4.0/
Open Access 1. 引言
中国的房地产业近年来发展十分迅速，它在中国经济发展之路上的重要地位不言而喻。房地产业作为国民经济新的增长点，为中国经济的快速增长做出了贡献。据有关部门的统计，2003年直接拉动GDP增长1.3个百分点，间接拉动0.6~1.2个百分点。人们的经济水平的提升，物质能力的提升，给予了房地产行业发展的高度重视。房产作为人们生活中的必需品，同时也是极其贵重的财产，房产价格一直是人们关心的大事。而上海市作为中国特大型城市，不仅房产是绝大多数上海市民的关注焦点，上海市的房地产业更是位于全国的发达水平。上海房地产投资在固定资产投资中所占的比例日益提高、炒房投机现象已经成为现实问题，房价持续上涨、消费者不能准时按揭还款等问题也是不断出现，其中蕴含着巨大的金融风险，一旦房地产市场出现问题，将会对经济发展带来巨大影响。由于上海作为一个金融中心，一旦经济出现问题，将会产生巨大影响，所以对上海市的房地产业的研究有着十分重要的现实意义和理论意义。中国学者姜彩楼，徐康宁，李永浮[1]对上海市房地产价格变动进行了研究，研究结果表明，宏观经济发展水平和房地产投资力度等指标对房价影响比较大，而居民可支配收入、空置房面积等直接反映市场供求关系的指标对房价影响比较小。周京奎[2]在城市土地价格波动对房地产业的影响研究中提到：地价和房价变化都有自己的循环路径，并且不同路径间相互影响，最终使房价和地价之间呈现复杂的关系。
在以欧美为代表的发达经济体下，已有许多学者对西方经济的发展进程做出研究，美国数学家柯布(C. W. Cobb)和经济学家道格拉斯(P. H. Douglas)推导了生产函数，很好地描述了美国1899年到1922年产出、实物资本和劳动力之间的关系。之后罗伯特·索洛(Robert Solow)在生产的每一种要素都是根据其边际产出支付报酬的假设下，提出了一种估计技术进步率的方法。基于前人的理论，用模型描述上海市房地产业的经济发展情况。柯布道格拉斯函数可转换为线性函数，所以本文使用主成分分析、线性回归分析的方法，对上海市的房地产业近年状况进行模型拟合，本文以上海房地产业作为研究对象，希望能够抽象出房地产业发展的影响因素对产业产出的一般规律，并提出合理意见。
2. 实证分析
2.1. 数据说明
本文数据使源是国家统计局网站的真实数据，研究上海市2000年到2018年房地产业状况。我用上
DOI: 10.12677/fin.2020.105050
479
金融
薛雨田
海市房地产业产业增加值描述产出情况，而影响房地产行业因素众多，在参考了中国学者胡星辰基于因子与聚类分析的城市房地产业评价指标的研究[3]后，我选择房地产开发企业个数(个)、房地产开发企业平均从业人数(人)、房地产开发企业购置土地面积(万平方米)、房地产开发企业土地购置费用(亿元)、房地产开发企业本年完成投资额(亿元)、房地产开发企业本年实际到位资金(亿元)、商品房销售面积(万平方米)、商品房平均销售价格(元/平方米)、房地产开发企业实收资本(亿元)、房地产开发企业资产负债率(%)、房地产开发企业营业利润(亿元)，这11个因素进行度量。由于影响因素众多，且关系复杂，为了消除变量与变量之间的相关性，使得基于柯布道格拉斯函数变化得到的线性回归模型更可信，我们使用主成分分析的方法把多个变量变为少数几个主成分。
为了能够使用线性回归的方法以及解决影响因素量纲不同、单位不同等问题，我对所有变量进行取对数、标准化的数据处理，并用后一年的数据填充空白值。对变量取对数的原因会在下文讲述。影响因素对应变量如表1所示。
Table 1. Corresponding variables of influencing factors
表1. 影响因素对应变量
房地产开发企业个数(个) 房地产开发企业平均从业人数(人) 房地产开发企业购置土地面积(万平方米) 房地产开发企业土地购置费用(亿元) 房地产开发企业本年完成投资额(亿元) 房地产开发企业本年实际到位资金(亿元)
商品房销售面积(万平方米) 商品房平均销售价格(元/平方米) 房地产开发企业实收资本(亿元) 房地产开发企业资产负债率(%) 房地产开发企业营业利润(亿元)
变量 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11
2.2. 柯布道格拉斯函数
通过以前学者们对西方宏观经济学的研究，柯布道格拉斯函数[4]能较好地描述1899到1922年美国行业的产出、实物资本和劳动之间的关系。柯布道格拉斯函数具有固定参数、可转变为线性函数[5]等优良特征，更方便计算模型参数与分析。柯布道格拉斯函数基本形式如下：
Y=AKαLβ
其中，Y表示产出，A表示技术水平，K表示投入的资本量，L表示投入的劳动量，α、β表示K和L的产出弹性。我们对生产函数两边取对数可得线性形式：
lnY=lnA+αlnK+βlnL
因此，我们对影响因素以及产出的数据全部取对数，简化计算。
DOI: 10.12677/fin.2020.105050
480
金融
上海市近年房地产业分析
