价格的影响因素及价格变化趋势分析(2)

房地产价格的影响因素及价格变化趋势分析

一．房地产价格影响因素分析

二．房价模型

三．分析总结

一． 房地产价格影响因素分析

房地产市场是一个特殊的市场，房地产作为一种特殊的商品，它既具有使用价值，又具有投资价值，它既是一种消费必需品，同时又承载了人们的心理需求。因此，影响其价格变动的因素很多。具体分析如下：

房地产是一种实体，其价格的形成大致可以分为以下四块：土地成本、开发成本、政策稅费以及开发商的预期利润。

首先，对于地价，根据目前公布的数据，平均地价占了房价的37%，是影响房价的重要因素之一。地价上涨，房价跟着上升，房价上涨又进一步推动地价上涨。因此地价与房价呈现一种相互促进的关系。此外，土地的供给是有政府垄断的，这种情况下，地价主要由需方市场决定，需求上升，则地价上升，需求下降，则地价下降。而土地是政府资金的重要来源，而且是有限的，当需方市场疲软时，政府首先一般是采取减少土地供给数量，而不是降低土地地价的策略。在实际运作过程中，通常以楼地价来代替地价，更符合实际。楼面价格即是指单位土地上能开发的房屋面积来计算。因此，楼面地价=地价/容积率。容积率是指一个小区的总建筑面积与用地面积的比率，对于开发商来说，容积率越高，土地利用率越高，开发商可售的面积就越大，但容积率又直接涉及到居住的舒适度，为了保证居民的生活质量，容积率有一定的上限。如果降低容积率，虽然可售的面积减小了，但由于提高了居住的舒适度，可以通过适当的提高房价来密度，因此这个地方纯在一个最优化选择的问题。

其次是开发成本。开发成本包括房屋拆迁、安置成本、工程建设成本、项目管理成本、人员工资成本。开发成本与通货膨胀有密切的关系，由于通货膨胀水平升高，开发成本上涨也比较明显。一方面建筑材料价格的上涨、人员工资的上涨带来了成本增加。其次住宅品质的提升也带来了成本的增加。此外，小区的配套设施和周边的环境对居民的居住舒适度影响显著。其中小区的配套设施建设可归并到开发成本之中。而周边的环境对房价的影响多体现在地价成本里面。

政策税费成本。政策税费与国家的货币政策相关。当通胀水平超标时，国家通常会采用加息政策来紧缩银根。加息从一定程度上也增加了开发商的贷款成本，这种贷款成本往往会转化为房价的一部分。因此影响房地产价格变动因素中，地价、政策税费均受到政府政策的影响。

预期利润。针对房地产价格，消费者在作出投资或置业的决定前通常会通过理性分析，对此类商品作出一定的预测。对于开发商的利润而言，开发商可以根据消费者的预期来调整房屋的销售利润，也就是预期利润。市场景气程度对消费者的预期影响很大，因此开发商的预期利润与市场的景气程度紧密相关。在市场经济条件下，真正决定房价的不是开发商要卖多少房子或是居民需要消费多少房子，而是社会普遍的经济预期。经济预期对房价的影响要比真实的供求关系大很多，随着宏观经济的好转，GDP 不断增长，人均收入不断提高，推动了人们对房价的期待，此时房地产的投资属性占据的比重明显加大。因此这表明房价的上涨并非孤立的，而是与宏观经济状况密切相关。

二、房价模型

房价模型针对不同的使用群体可分为两种。

对于开发商而言，他对房价构成中的地价、房屋构造的开发成本、税费等数据了解，只要对当前市场情况做一个合理的利润预期，就可很容易得到所开发区域的预售价格。

对于普通消费者而言，他们很难获得地价、房屋构造的开发成本、税费等数据，而且对各部分波形大小对房价影响的程度也难以确定，因此他们对房价的预测更多是从房地产价格指数上研究。

针对您发过来的资料，由于只有房屋的销售价格、每月的销售数量、存货面积和供应面积，没有涉及到房屋的地价、开发成本、税费等。因此对房价模型做了相关的简化。

考虑到所给的数据中与房价密切相关的因素有供求比例系数和销售速度化（每月的销售量），因此分别以供求比例系数和销售速度为变量，建立它们与房价的关系模型。

假设销售速度为Y （每月的销售数量/10000,说明此处除以10000是为了拟合的参数不会太大），房价为x 1(千元/平方米，采用千元做单位的目的与前面的相同) ，供求系数为x 2(（月底的库存量+本月销售量）/本月销售量) ，

拟合方法：采用二元线性回归拟合，采用的软件Spss12。

以销售价格为因变量，销售速度和供求系数为自变量，进行二元线形回归。（说明：以前采用的供求比例指数可能不是太合适）

对于70平米的数据拟合结果如下：

Y =1. 924+0. 237x 1-0. 185x 2, 模型拟合度0.838（模型对数据拟合程度，也可粗略认为是拟合结果的可信度）

预测结果与实际结果列于表1中（注：只列出了2009年的预测值，如果感兴趣还可以与2008年的比较）

对于70~90平米的数据，拟和结果如下：

Y =8. 553-0. 962x 1-0. 12x 2，模型拟和度为0.671

拟合后的预测结果列于70~90的Excel 文件中

对于90~125平米的数据，拟和结果如下：

Y =4. 503-0. 003x 1-0. 15x 2，模型拟和度：0.837

拟合后的预测结果列于90~125的Excel 文件中

对于125~144平米的数据，拟和结果如下：

Y =2. 676-0. 101x 1-0. 023x 2，模型拟合度0.404

拟合后的预测结果列于125~144的Excel 文件中

对于144~180平米的数据，拟和结果如下：

Y =2. 137+0. 101x 1-0. 05x 2，模型拟合度0.5

拟合后的预测结果列于144~180的Excel 文件中

对于180平米的数据，拟和结果如下：

Y =4. 39-0. 105x 1-0. 062x 2，拟和度0.48

3．总结

通过上面的拟合可以看出：

（1） 供求系数前面的系数始终为负值，这表明供大于求时，导致销售速度下降。其

原因可能反映了当楼市供应量充足时，消费者都抱有观望心理，因此实际购买量反而下降。而当楼盘供应量不足时，反而会刺激消费者抢购。

（2） 供求系数值随着楼盘面积的增大而减小，这说明对于大面积的楼盘，供给量的

变化对销售速度影响较小，消费者在购买大面积楼盘时要相对理性一些。

（3） 销售价格前面的系数大多数时为负，这表明销售价格上升会导致销售量速度下

降，符合正常的市场调节规律；但也有为正的时候，例如对于70平米和144~180平米的楼盘，这也可能反映了一些房地产的投机行为。尤其对于70平米的楼盘，销售价格前面的系数为正，而且值较大，这可能有两方面的原因：一是这类楼盘面积较小，投资费用较小，而且可以很快转售；二是对于这种小户型的购买这多数可能是刚进入社会的年轻人，他们对住房的需求压力大，因此尽管价格上涨，也必须购买。

（4） 销售价格前面的系数也是随着楼盘面积变大而变小的趋势，这表明对于大面积

楼盘的购买者，价格的影响因素相对较小，个人以为对于大面积楼盘购买者，他们关注的是小区的环境，居住的舒适程度等因素，价格变化是次要因素。

（5） 对于90~125平米的楼盘，价格前面的系数基本为零（0.003），对于这个范围内

的楼盘，价格影响因素基本可以忽略，其原因需要深入分析。

还可以从拟合模型的参数得到更多的信息，需要你们专业人士的分析，偶就不懂了，以上的分析只是个人的浅见，仅供参考。

存在的问题：

（1） 楼盘面积越大，模型的拟合程度越低。可能两方面的原因，一是大面积的楼盘，

价格和供求系数对销售速度的影响有限，需要引入其他的自变量；其次需要采用曲线拟合，但究竟采用哪种拟合曲线，需要更深入的研究。（可以考虑用Spss 曲线回归方式，我现在也不会用，汗颜！！！）

（2） 模型本身只是反映了数据之间的关联关系，还不具备实际的物理意义，对市场

的分析﹑指导能力有限，可以考虑从物理意义上来建模。推荐《MRS 组合预测模型在房价预测中的应用研究》《成都商品住宅价格影响因素分析与房价预测》供参考。

（3） 关于采用Excel 多项式拟合的方法：

第一步，首先选择要拟合的数据，按工具栏上的插入按钮，选择图表中的xy 散点图

第二步，再在图表中选择添加趋势线，选择里面的多项式，旁边有个按钮是选择多项式的次数，并在选项按钮中选择显示公式和显示R 平方值（即拟合度）。 不过个人感觉用多项式拟合的预测效果不是太好，因此没有采用。可以考虑先拟合销售价格与销售速度的关系，得到预测值与实际值的误差数据，然后再拟合供求系数与误差数据的关系，将其作为修正项，来修正销售价格与销售速度的关系。