计量经济学分析关于房价问题的初步分析
课程论文
课程名称: 计量经济学
研究课题: 关于房价问题的初步分析学院(直属系): 经济学院
年级/专业/班: 13级国际经济与贸易任课教师: 姚寿福
学生姓名及学号:
唐玲玲：3320131292102
邹清华：3320131292101
黄飘雪：3320131292103
邓培英：3320131292104
黄梦迪：3320131292107
曾乔姿：3320131292105
雷雨哲：3320131292108
周萍：3320131292106
关于房价问题的初步分析
引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。
写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。
写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。
关键词：房价成本拟合优度
现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元）
数据如下：
Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49 27949354 17730.00 2727006. 100569.0 24.43530 9262.460 31272779 16183.90 2429352. 127430.0 31.02330 13179.53 6227073. 4017.600 910691.0 66407.00 20.75480 6778.030
5493441. 2952.100 553611.0 108288.0 30.29870 9999.540 3593356. 2750.900 574705.0 70826.00 22.61980 6901.420 14813618 9139.800 2072530. 60728.00 24.48080 8399.910 6345217. 3433.600 932901.0 66056.00 20.20090 6926.120 8729958. 4840.800 1048763. 81761.00 22.90280 7321.980 8188402. 4969.700 1119106. 74553.00 24.42580 7674.200 15163242 8105.000 1492820. 101932.0 24.93280 12380.43 2818466. 1721.600 353700.0 77472.00 24.17320 7785.040 394053.0 121.5000 61210.00 55361.00 23.43200 7259.250 5862095. 4939.600 817997.0 69432.00 25.72440 8093.670 12253374 8784.600 2070534. 59748.00 26.35850 7041.870 2122907. 980.3000 293310.0 72152.00 18.19430 6569.230 3967957. 2248.700 522470.0 69238.00 24.92940 7643.570 293427.0 121.3000 36593.00 73205.00 19.92990 8765.450 4404362. 1580.000 410311.0 93212.00 21.75050 6806.350 2236860. 1327.200 449409.0 46857.00 21.11380 6657.240 747325.0 242.9000 101501.0 61046.00 19.10550 6745.320 1080546. 578.7000 88225.00 61459.00 22.25500 6530.480 3196774. 1450.800 203375.0 95835.00 20.78110 7173.540 先用Eviews软件进行White检验：
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/22/05 Time: 21:50
Sample: 1 31
nt
X5 1.64E+08 3.88E+09 0.042370 0.9670
X5^2 87293.54 453712.3 0.192398 0.8513
X5*X4 38067124 3.56E+08 0.106810 0.9171
X5*X3 1363.555 6160.070 0.221354 0.8293
X5*X2 -17464.36 50393.75 -0.346558 0.7361
X5*X1 -453312.2 1215201. -0.373035 0.7169
X4 -9.71E+11 1.83E+12 -0.531486 0.6067
X4^2 4.28E+10 6.46E+10 0.661720 0.5231
X4*X3 -1905048. 1949296. -0.977301 0.3515 X4*X2 -19010403 17319142 -1.097653 0.2981 X4*X1 4.23E+08 4.15E+08 1.020801 0.3314 X3 -13869460 34509844 -0.401899 0.6962 X3^2 41.81843 22.62540 1.848296 0.0943 X3*X2 517.0981 231.1954 2.236628 0.0493 X3*X1 -14772.93 8469.467 -1.744258 0.1117 X2 1.51E+08 3.45E+08 0.438853 0.6701 X2^2 2050.261 1851.410 1.107405 0.2940 X2*X1 -67170.59 50453.24 -1.331343 0.2126 X1 7.80E+08 6.17E+09 0.126430 0.9019
var
Adjusted R-squared 0.542656 S.D. dependent
var
1.78E+12
S.E. of regression 1.21E+12 Akaike info
criterion
58.69986
Sum squared resid 1.46E+25 Schwarz criterion 59.67127
Log likelihood -888.8478 F-statistic 2.779810
Durbin-Watson stat 1.809921 Prob(F-statistic) 0.049670
结果显示为没有异方差。
DW值为1.809921，没有自相关。
做多重共线性检验：
X5 X4 X3 X2 X1 X5 1.000000 0.686513 0.279851 0.836241 0.418307 X4 0.686513 1.000000 0.477886 0.540881 0.538697 X3 0.279851 0.477886 1.000000 0.125029 0.960871 X2 0.836241 0.540881 0.125029 1.000000 0.271375 X1 0.418307 0.538697 0.960871 0.271375 1.000000
可以看出有多重共线性。
采取逐步回归法：
第一次回归，我们可以根据T检验值和可决系数看出：X1的效果最好：Dependent Variable: Y
Method: Least Squares
Date: 12/22/05 Time: 21:16 Sample: 1 31
Included observations: 31
var
Adjusted R-squared 0.921826 S.D. dependent
var
7227629.
S.E. of regression 2020815. Akaike info
criterion
31.93824
Sum squared resid 1.18E+14 Schwarz criterion 32.03076 Log likelihood -493.0427 F-statistic 354.7601
依次加入X2，X3，X4，X5：
可得，加入X2后的效果最好：
Dependent Variable: Y
Method: Least Squares
Date: 12/22/05 Time: 21:16
Sample: 1 31
Included observations: 31
X1 1547.354 57.83197 26.75604 0.0000
var
Adjusted R-squared 0.968493 S.D. dependent
var
7227629.
S.E. of regression 1282914. Akaike info
criterion
31.05893 Sum squared resid 4.61E+13 Schwarz criterion 31.19771 Log likelihood -478.4134 F-statistic 462.0886 Durbin-Watson stat 2.098685 Prob(F-statistic) 0.000000
再
回归：
Dependent Variable: Y
Method: Least Squares
Date: 12/26/05 Time: 10:09
Sample: 1 31
nt
X2 64.15614 10.72532 5.981748 0.0000
X3 0.924103 1.409311 0.655713 0.5176
var
Adjusted R-squared 0.967838 S.D. dependent
var
7227629.
S.E. of regression 1296176. Akaike info
criterion
31.10765 Sum squared resid 4.54E+13 Schwarz criterion 31.29268 Log likelihood -478.1686 F-statistic 301.9308 Durbin-Watson stat 2.037807 Prob(F-statistic) 0.000000 加入X4，回归：
Dependent Variable: Y
Method: Least Squares
Date: 12/26/05 Time: 10:09
Sample: 1 31
Variable Coefficie
nt
Std. Error t-Statistic Prob.
X2 64.04945 10.56258 6.063810 0.0000
X4 -69455.16 102797.7 -0.675649 0.5050
var
Adjusted R-squared 0.967870 S.D. dependent
var
7227629.
S.E. of regression 1295550. Akaike info 31.10668
criterion
Sum squared resid 4.53E+13 Schwarz criterion 31.29171 Log likelihood -478.1536 F-statistic 302.2316 回归：
Dependent Variable: Y
Method: Least Squares
Date: 12/26/05 Time: 10:10
Sample: 1 31
X1 1511.624 60.28105 25.07627 0.0000
X2 39.25698 15.77525 2.488517 0.0193
X5 316.7476 193.7661 1.634691 0.1137
var
Adjusted R-squared 0.970269 S.D. dependent
var
7227629.
S.E. of regression 1246240. Akaike info
criterion
31.02907
Sum squared resid 4.19E+13 Schwarz criterion 31.21410 Log likelihood -476.9506 F-statistic 327.3477
我们发现加入X3，X4，X5的效果都不好，T检验都不充分。
于是我们只保留X1，X2再回归，得：
Dependent Variable: Y
Method: Least Squares
Date: 12/22/05 Time: 21:16
Sample: 1 31
Variable Coefficie
nt
Std. Error t-Statistic Prob.
X1 1547.354 57.83197 26.75604 0.0000
var
Adjusted R-squared 0.968493 S.D. dependent
var
7227629.
S.E. of regression 1282914. Akaike info
criterion
31.05893
Sum squared resid 4.61E+13 Schwarz criterion 31.19771
Log likelihood -478.4134 F-statistic 462.0886
Durbin-Watson stat 2.098685 Prob(F-statistic) 0.000000
得出回归函数为：
Y=1547.354 X1+60.57577 X2-3711880
结论：我们总认为房产总价值与许多成分有关，其实在最后我们看到并不是这样。但现实中房价成本具有相当大的难度。不管是资金成本很难简单地以招拍挂价格进行测算，还是融资成本比较难核算。而且房地产的利润要以综合成本衡量。种种原因构成了房价成本确定的难度。而房产行业的暴利，开发商的暴利是来源于开发商的阶层优越感和特殊占有地位，而与之相对的是老百姓的阶层卑微感和相对剥削感。房地产业的暴利如果继续维持，考验的不仅是中国经济的稳定，更是老百姓忍耐的限度。而且这种房产的暴利行为导致了从2003年10月开始的通货膨胀，并造成了中国越来越大的金融风险。我国房价的公开将会采取怎么样的方式，我们将和大家一起拭目以待。
计量经济学论文(eviews分析)-房价的计量经济分析
房价的计量经济分析 引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。 写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。 写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。 关键词：房价成本计量假设检验最小二乘法拟合优度 现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元） 数据如下： Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49
计量经济学-李子奈-计算题整理集合
计算分析题（共3小题，每题15分，共计45分） 1、下表给出了一含有3个实解释变量的模型的回归结果： 方差来源 平方和（SS ） 自由度（d.f.） 来自回归65965 — 来自残差— — 总离差(TSS) 66056 43 （1）求样本容量n 、RSS 、ESS 的自由度、RSS 的自由度 （2）求可决系数)37.0(-和调整的可决系数2 R （3）在5%的显著性水平下检验1X 、2X 和3X 总体上对Y 的影响的显著性 （已知0.05(3,40) 2.84F =） （4）根据以上信息能否确定1X 、2X 和3X 各自对Y 的贡献？为什么？ 1、 （1）样本容量n=43+1=44 （1分） RSS=TSS-ESS=66056-65965=91 （1分） ESS 的自由度为: 3 （1分） RSS 的自由度为: d.f.=44-3-1=40 （1分） （2）R 2=ESS/TSS=65965/66056=0.9986 （1分） 2R =1-(1- R 2)(n-1)/(n-k-1)=1-0.0014?43/40=0.9985 （2分） （3）H 0：1230βββ=== （1分） F=/65965/39665.2/(1)91/40 ESS k RSS n k ==-- （2分） F >0.05(3,40) 2.84F = 拒绝原假设 （2分） 所以，1X 、2X 和3X 总体上对Y 的影响显著 （1分） （4）不能。 （1分） 因为仅通过上述信息，可初步判断X 1，X 2，X 3联合起来 对Y 有线性影响，三者的变化解释了Y 变化的约99.9%。但由于 无法知道回归X 1，X 2，X 3前参数的具体估计值，因此还无法 判断它们各自对Y 的影响有多大。 2、以某地区22年的年度数据估计了如下工业就业模型 i i i i i X X X Y μββββ++++=3322110ln ln ln 回归方程如下： i i i i X X X Y 321ln 62.0ln 25.0ln 51.089.3?+-+-= （-0.56）(2.3) (-1.7) (5.8) 2 0.996R = 147.3=DW 式中，Y 为总就业量；X 1为总收入；X 2为平均月工资率；X 3为地方政府的
计量经济学论文房价影响因素的实证分析
计量经济学论文房价影响因素的实证分析 标准化工作室编码[XX968T-XX89628-XJ668-XT689N]
我国房价影响因素的实证分析 【摘要】：作为国家的支柱产业，房地产的稳定发展关乎国计民生。近几年，房地产价格飞速上涨，连创新高。在这种情况下研究房价的影响因素，具有重要的理论和现实意义本文针对我国房价快速增长的现象，从人均可支配收入、房屋平均造价、房屋销售面积和房屋竣工面积四方面入手．依据收集到的相关数据．利用计量经济学软件Eviews对房价影响因素进行回归分析，得出房价受人均可支配收入、房屋平均造价和房屋竣工面积三方面因素影响的结论。 【关键词】房价 Eviews回归分析 一、引言 住房问题关系到群众的安居乐业和切身利益,关系到社区的安定。经过十多年的发展，我国房地产业已经成为国民经济的支柱产业之一，市场体系趋于完善，住房消费成为扩大内需的新动力和消费热点。但是近年来，我国房地产价格上涨较快，部分地区房价持续飙升，上涨幅度大大超过经济总体增长水平及其它行业产品与服务的上升幅度。房价增长过快的趋势，不仅极大地影响到城市居民的生活质量，也是整个国民经济继续平稳发展的一个不稳定因素，房价问题已经成为一个引起广泛关注的重要经济问题和社会问题。如何解决我国目前房地产市场价格居高不下的问题，对于提高城镇居民生活水平、缓解社会矛盾、保持经济持续发展具有重要意义。写作目的：通过对我国30个省份的有关资料进行分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。 二、文献综述 近几年来，我国房价持续上涨，不断创出历史新高。关于房价上涨的原因,住房和城乡建设部课题组(2004)分析为地价上涨推动多种住房需求旺盛,而深层次的原因在于消费者预期改变[1]。中国社会科学院与社会科学文献出版社(2007)联合发布的《2006年中国房地产发展报告》预测我国房地产价格长期趋势是上升的,其原因在于市场需求旺盛;供给结构失调;国家信贷的积极支持;地方政府的推动;缺乏规范有效的信息披露制度[2]。沈悦、刘洪玉(2004)认为如果房地产价格的上涨只是投机造成,缺乏相应的经济基础支持,这种价格上涨会向市场发出错误的信号,造成房地产市场和经济的虚假繁荣[3]。关于房地产市场的调控方式,梁云芳,高铁梅(2006)通过实证认为我国房地产市场只存在局部泡沫,通过利率来调控房地产市场,成效不大,但是信贷规模的变化对房地产
计量经济学 案例分析
第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y
二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31
计量经济学
名词解释 1、 因果效应：在理想化随机对照实验中得到的，某一给定的行为或处理对结果的影响 2、 实验数据：来源于为评价某种处理（某项政策）抑或某种因果效应而设计的实验 3、 观测数据：通过观察实验之外的实际行为而获得的数据 4、 截面数据：对不同个体如工人、消费者、公司或政府机关等在某一特定时间段内收集到的数据 5、 时间序列数据：对同一个体（个人、公司、国家等）在多个时期内收集到的数据 6、 面板数据：即纵向数据，是多个个体分别在两个或多个时期内观测到的数据 7、 离散型随机变量：一些随机变量是离散的 连续型随机变量：一些随机变量是连续的 8、 期望值：随机变量经过多次重复实验出现的长期平均值，记作E （Y ） 9、 期望：Y 的长期平均值，记作μY 10、方差：是Y 距离其均值的偏差平方的期望值，记作var （Y ） 11、标准差：方差的平方根来表示偏差程度，记作σY 12、独立性：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息 13、标准正态分布：指那些均值102==σμ、方差的正态分布，记作N （0，1） 14、简单随机抽样：n 个对象从总体中抽取，且总体中的每一个个体都有相等的可能性被选入样本 15、独立分布：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息，那么这两个变量X 和Y 独立分布 16、偏差：设Y Y E Y Y μμμμ-??）（为的一个估计量，则偏差是； 一致性：当样本容量增大时，Y μ ?落入真实值Y μ的微小领域区间内的概率接近于1，即Y Y μμ与?是一致的 有效性：如果Y μ ?的方差比Y μ~更小，那么可以说Y Y μμ~?比更有效 17、最小二乘估计量：21)(m i n i -Y ∑ =最小化误差m -i Y 平方和的估计量m 18、P 值：即显著性概率，指原假设为真的情况下，抽取到的统计量与原假设之间的差异程度至少等于样本计算值与 原假设之间差异程度的概率 19、第一类错误：拒绝了实际上为真的原假设 20、一元线性回归模型：i i 10i μββ+X +=Y ；1β代表1X 变化一个单位所导致Y 的变化量 21、普通最小二乘（OLS ）估：选择使得估计的回归线与观测数据尽可能接近的回归系数，其中近似程度用给定X 时预 测Y 的误差的平方和来度量 22、回归2R ：可以由i X 解释（或预测）的i Y 样本方差的比例，即TSS SSR TSS ESS R -==12 23、最小二乘假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ； ②从联合总体中抽取的， ，，，），，（n ...21i i i =Y X 满足独立同分布； ③大异常值不存在：即i i Y X 和具有非零有限的四阶距 24、1β置信区间：以95%的概率包含1β真值的区间，即在所有可能随机抽取的样本中有95%包含了1β的真值 25、同方差：若对于任意i=1，2，...，n ，给定） （条件分布的方差时χμμ=X X i i i i var 为常数且不依赖于χ，则 称误差项i μ是同方差
计量经济学调查报告
大学生月消费支出调查报告 一、引言 在当前尚且低迷，尚未完全复苏的经济环境下，消费问题被大家广泛关注。物价的连续上涨，直接反映了社会的消费和需求问题。当前的消费市场中，大学生作为一个特殊的消费群体正受到越来越大的关注。由于大学生年龄较轻，群体较特别，他们有着不同于社会其他消费群体的消费心理和行为。一方面，他们有着旺盛的消费需求，另一方面，他们尚未获得经济上的独立，消费受到很大的制约。消费观念的超前和消费实力的滞后，都对他们的消费有很大影响。特殊群体自然有自己特殊的特点，同时难免存在一些非理性的消费甚至一些消费的问题。为了调查清楚大学生的消费情况，我决定在身边的同学中进行一次消费的调研，对大家的消费进行归宗和分析。 二、理论综述 我们主要对大学生每人每月消费支出进行多因素分析，并从周围同学搜集相关数据，建立模型，对此进行数量分析。 影响大学生每人每月消费支出的主要因素如下： 1、学习支出 2、消费收入 3、生活支出 三、模型设定 Y：每人每月消费支出 X1：学习支出X2：消费收入 X3：生活支出 四、数据搜集 1、数据说明 我们特对周围大学生的消费水平做了简单调查，再用计量经济学的知识分析其影响因素。 2、数据的搜集情况 人数每人每月消 费 支出Y 学习支出 （X1） 消费收入（X2）生活支出（X3） 1760310800450 2630230600400 311002301350880 4420170450250 59601601000800 6580280500300 78702201000650 8300110400190 910501501300900 10126016015001100 11130030015001000 12500190550310 13600180750420 149001401000760
计量经济学实践报告-影响我国房地产价格因素的分析
计量经济学实践报告： 影响我国房地产价格因素的分析 学生姓名： 学号： 学院：商学院 专业: 国际贸易 指导教师：
摘要：房地产，一个与社会大众息息相关的名词，一个牵动许多购房者神经的名词。眼下的房价无疑是最火热的焦点。本文选取1991-2005年相关的数据，应用计量经济学所学知识对根据经济理论选取的影响我国房地产价格的各因素进行检验，并对其影响程度的大小进行定量分析，修正等一系列的工作，最后确定一个较好的拟合模型，进一步明确和完善相关的经济学知识。以上过程都通过EVIEWS在计算机上实现。最后，对所得的结果作了经济意义的分析，并提出一些相应政策建议。 关键词：房地产价格物价城镇居民收入建材价格 一、问题的提出 近几年来，房地产价格急剧上涨，使得房地产问题变得异常尖锐。今年的经济工作会议和十七大以及年初的两会，对房地产行业的发展持有肯定的表述，房地产业在促进国民经济稳定健康增长，全面改善城乡居民居住状况发挥了巨大的作用，最近几年房地产发展的情况可以看得出来，城乡住宅的建筑量每年保持在13亿平方米，城镇是 5.5—6亿平方米，竣工量是很大的。过去有厂房集中建房，商品房的比例不大，最近的比例很多，达到了80%。人均住房面积大幅度的提升，1978年人均居住面积是2.6平方米左右，现在已经达到了27平方米/人均，这在世界上也是令人瞩目的。人均住房面积的增长是伴随着人口快速增加提升的，房地产业发展给国民经济以及人民生活带来的积极影响，包括对GDP的贡献率，最高峰达到了5.2%，平均水平是4.5%。 我国房地产还是一个年轻产业，自从1990年国务院55号令对土地交易的法律承认开始，标志着我国房地产商品化的开始，到目前为止，已经有17年的发展历史了。这15年来，我国房地产大体经历了三个阶段，就是说1990至1996年为一个阶段，这时的消费者对产品的要求不高，还仅仅只是提供一个居所，对劣质产品、市场需求不是太看重，但市场在起步，总的来说是卖方市场；第二个阶段是从1996年至2000年，随着1998年取消福利分房以后，房地产市场的购房主体发生了变化，集团购买基本退出市场，而个人消费成为主体，购房主体个人化已是一种不可逆转的趋势。随着市场经济的快速发展，除国有、集体所有的房地产公司外，大量的中外合资、合作、独资、私营的房地产企业参与房地产的开发销售。房地产市场开发主体的多元化和购房主体需求的多样化，房地产市场开始完全市场化。第三阶段是在2000年以后，整个中国的房地产快速发展，我国地产市场进入到大规模的市场化开发阶段。从2000年到2005年，我国度过了地产15年这场大戏中分量最重的五年，房地产进入以“ 新产品主义” 为开发导向。2000年以后，整个中国的房地产快速发展，这时不仅要有理念，还要有文化，还要讲产品，是我国房地产发展最为迅速的时期。 二、经济理论陈述 无论是以攫取高额利润还是以快速回笼资金为主要目标，厂商在为楼盘确定价格时通常需考虑三个因素：一是成本——地价、建安成本、税收及其他费用的总和。二是竞争——市场供求总量、直接与间接竞争对手们的价格情况。三是消费者——目标消费者能够接受何种价格。三种因素在楼盘最终定价中所起的作用显然不一样，一般说来市场供求总量与竞争对手的价格只是参考，而成本与消费者则是决定价格策略的根本因素。因此,我选取了建筑材料价格,城镇居民收入,城镇物价指数,城市人口四个因素作为解释变量。一方面，资本
计量经济学案例分析汇总
计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入
计量经济学分析计算题Word版
计量经济学分析计算题（每小题10分） 1．下表为日本的汇率与汽车出口数量数据， X:年均汇率（日元/美元） Y:汽车出口数量（万辆） 问题：（1）画出X 与Y 关系的散点图。 （2）计算X 与Y 的相关系数。其中X 129.3＝ ，Y 554.2＝，2 X X 4432.1∑ （－）＝，2 Y Y 68113.6∑（－）＝，()()X X Y Y ∑－－＝16195.4 （3）采用直线回归方程拟和出的模型为 ?81.72 3.65Y X =+ t 值 1.2427 7.2797 R 2=0.8688 F=52.99 解释参数的经济意义。 2．已知一模型的最小二乘的回归结果如下： i i ?Y =101.4-4.78X 标准差 （45.2） （1.53） n=30 R 2=0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。 回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是i ?Y 而不是i Y ； （3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义 是什么。 3．估计消费函数模型i i i C =Y u αβ++得 i i ?C =150.81Y + t 值 （13.1）（18.7） n=19 R 2=0.81 其中，C ：消费（元） Y ：收入（元） 已知0.025(19) 2.0930t =，0.05(19) 1.729t =，0.025(17) 2.1098t =，0.05(17) 1.7396t =。
问：（1）利用t 值检验参数β的显著性（α＝0.05）；（2）确定参数β的标准差；（3）判断一下该模型的拟合情况。 4．已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2 Y Y 68113.6∑ （－）＝， 求判定系数和相关系数。 5．有如下表数据 日本物价上涨率与失业率的关系 （1）设横轴是U ，纵轴是P ，画出散点图。根据图形判断，物价上涨率与失业率之间是什么样的关系？拟合什么样的模型比较合适？ （2）根据以上数据，分别拟合了以下两个模型： 模型一：1 6.3219.14 P U =-+ 模型二：8.64 2.87P U =- 分别求两个模型的样本决定系数。 7．根据容量n=30的样本观测值数据计算得到下列数据：XY 146.5＝ ，X 12.6＝，Y 11.3＝，2X 164.2＝，2Y ＝134.6，试估计Y 对X 的回归直线。 8．下表中的数据是从某个行业5个不同的工厂收集的，请回答以下问题：
计量经济学案例分析一元回归模型实例分析报告
∑ x = 1264471.423 ∑ y = 516634.011 ∑ X = 52432495.137 ∑ ? ? ? ? 案例分析 1— 一元回归模型实例分析 依据 1996-2005 年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均 消费支出和人均纯收入的数据如表 2-5： 表 2-5 农村居民 1995-2004 人均消费支出和人均纯收入数据资料 单位：元 年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 人均纯 收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4 人均消 费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7 一、建立模型 以农村居民人均纯收入为解释变量 X ，农村居民人均消费支出为被解释变量 Y ，分析 Y 随 X 的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论，建立一元线 性回归模型如下： Y i =β0+β1X i +μi 根据表 2-5 编制计算各参数的基础数据计算表。 求得: X = 2262.035 Y = 1704.082 2 i 2 i ∑ x i y i = 788859.986 2 i 根据以上基础数据求得: β1 = ∑ x i y 2 i i = 788859.986 126447.423 = 0.623865 β 0 = Y - β1 X = 1704.082 - 0.623865 ? 2262.035 = 292.8775 样本回归函数为： Y i = 292.8775 + 0.623865X i 上式表明，中国农村居民家庭人均可支配收入若是增加 100 元，居民们将会拿出其中 的 62.39 元用于消费。
房价的计量经济分析
房价的计量经济分析
计量经济学 课程论文 论文题目房价的计量经济分析 学院经济与管理学院 专业投资学 年级 2014 学号 201424015118 学生姓名黄锦恒 完成时间 2016 年 12 月
房价的计量经济分析 摘要：2015年以来全国整体的楼市销售在政策不断利好的刺激下，温和回暖。2015年是国企改革深化的关键之年。虽然此前国企改革进度总体来说低于预期，但从2015年年初至今，尤其是两会以后，相关政策密集出台，“1+N”国企改革文件出台的预期逐渐加强。由于一线城市在经济增长、产业聚集以随着政府一系列关于房地产政策的出台，我国房地产行业出现回暖迹象，许多城市的房价都在上升期。2015年1至6月份，全国商品房销售面积同比增长3.9%，而1至5月份为下降0.2%，热点城市住宅交易量明显上升。在住宅交易回暖的过程中，房地产市场出现新的运行特征，将对房地产业数量型增长模式提出巨大挑战，值得高度关注。 关键词：房价成本；计量假设检验；拟合优度 1.引言 近年以来，房地产业迅速发展，价格持续稳定上涨，已远远超过一般人所能承受的经济能力。过高的房价有可能超出经济系统的承受能力，从而最终影响经济的稳定。为此基于对我国房价上涨的成因分析，并有针对性地提出了解决房价问题的对策建议2.理论基础 房产是指建筑在土地上的各种房屋，包括住宅、厂房、仓库和商业、服务、文化、教育、卫生、体育以及办公用房等。地产是指土地及其上下一定的空间，包括地下的各种基础设施、地面道路等。房地产由于其自己的特点即位置的固定性和不可移动性，在经济学上又被称为不动产。可以有三种存在形态：即土地、建筑物、房地合一。根据经济学原理，商品的价格由供求变化决定。若供过于求，则价格下降，反之，价格上升。供给与需求理论就是通过协调供给与需求的关系以使产品达到一种均衡价格，住房作为
计量经济学-案例分析-第六章
第六章 案例分析 一、研究目的 2003年中国农村人口占59.47％，而消费总量却只占41.4%，农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。同时，农村居民消费模型也能用于农村居民消费水平的预测。 二、模型设定 正如第二章所讲述的，影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为 t t t u X Y ++=21ββ （6.43） 式中，Y t 为农村居民人均消费支出，X t 为农村人均居民纯收入，u t 为随机误差项。表6.3是从《中国统计年鉴》收集的中国农村居民1985-2003年的收入与消费数据。 表6.3 1985-2003年农村居民人均收入和消费 单位： 元
2000 2001 2002 2003 2253.40 2366.40 2475.60 2622.24 1670.00 1741.00 1834.00 1943.30 314.0 316.5 315.2 320.2 717.64 747.68 785.41 818.86 531.85 550.08 581.85 606.81 为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均纯收入和现价人均消费支出的数据，而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析。 根据表6.3中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得 t t X Y 0.59987528.106?+= （6.44） Se = (12.2238) (0.0214) t = (8.7332) (28.3067) R 2 = 0.9788，F = 786.0548，d f = 17，DW = 0.7706 该回归方程可决系数较高，回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平，查DW 统计表可知，d L =1.18，d U = 1.40，模型中DW 计量经济学实验报告 我国居民储蓄余额的影响因素的计量分析 XX学院 XX专业 小组成员：（姓名及学号） 我国居民储蓄余额的影响因素的计量分析 一．研究的目的要求 1.研究的背景 居民储蓄额作为一个国家经济增长中来源最稳定、数额最大的影响因素，它的高低对一国的经济发展、投资和居民生活等方面都有不同程度的影响。目前我国国内居民储蓄意愿强劲、储蓄额居高不下，形成了储蓄的超常增长，主要呈现以下特点：（1）储蓄率世界之冠；（2）储蓄增长速度高于经济和居民收入增长速度；（3）城乡之间差别大；（4）不同收入阶层分布不均匀；（5）不同地区分布极不平均。我国储蓄的超常增长一方面能为银行提供了充足的信贷资金，保证金融机构的稳健运行，还能为国家提供了物质基础；此外，面对世界的日益发展，高储蓄额还能帮助我国进一步改革。但是，在另一方面我还国存在金融机构对资本的运用效益不高、居民投资渠不多、投资效益不稳定等问题。这些问题导致我国现在储蓄存款过剩、消费不足和资本形成不足同时并存的局面。 2013年6月余额宝正式上线，在此后的一年中该产品的客户数量和管理资产出现爆炸式的增长。截止2014年3月余额宝资金规模已经达到5413亿元，截止2014年4月，居民人民币存款减少1.23万亿元。余额宝作为一条“鲶鱼”和随后出现的众多“宝宝”们一起加速了中国利率市场化的进程，对未来我国储蓄额有着重大影响。 为了分析我国居民储蓄存款如今的发展状况、更好地把握我国储蓄余额未来的走向，所以对我国储蓄余额的及其影响因素的研究是十分必要的。 2.影响因素的分析 为了研究影响中国储蓄余额高低的主要原因，分析居民储蓄余额增长规律，预测中国储蓄余额的增长趋势，需要建立计量经济模型。通过参考相关文献并结合我国经济发展的实际情况提出了以下几个变量。（1）收入水平。根据经济理论可以认为，收入水平是影响储蓄的最主要因素。（2）利率水平。利率作为消费的机会成本也会对储蓄产生影响。理论上认为，利率越高，居民消费的机会成本越高，所以会减少消费增加储蓄；反之，利率越低消费成本越低，居民会增加消费减少储蓄。（3）物价水平。物价水平会影响消费和储蓄。物价水平越高相同消费水平需要支付的货币更多。而且物价水 计量经济学课程论文论文题目：国生产总值对固定资产投资的影响 学生： 学号： 专业： 班级： 指导教师： 完成日期：年月日 摘要 随着我国经济日以不断的增长，在国民经济的发展过程中,固定资产投资对国民 经济的增长起着重要的作用。而在目前的经济现状中，国生产总值与固定资产投 资之间存在共存趋势。本文从国生产总值及固定资产投资的关联性出发，通过对 数据模型的设立，讨论了随着我国国民生产总值与固定资产投资的关联性。 关键词：国生产总值；固定资产投资；经济增长：发展； 目录 一、引言 (3) 二、国生产总值与入境旅游的关联性分析 (3) （一）理论依据 (3) （二）实证分析 (5) 1.模型指标选择 (5) 2.数据来源 (6) 3.模型的设定 (6) 4.模型的估计与检验 (8) 三、结论........................................ 错误!未定义书签。参考文献........................................ 错误!未定义书签。附录 (3) 一引言 随着世界经济逐渐走强，我国经济也快速增长。投资是总需求的一个组成部分，从而带动总产出的水平的增长，投资可以形成新的后续生产能力，为长期的经济增长提供必要的物质和技术基础。文献检索发现，关于固定资产投资和国生产总值的相关性研究有很多，大多为回归分析，协整方差等。并对它们进行了序列相关系检验及修正，异方差检验及其修正，最后给出了相应的修正模型(ECM)。检验结果表明，中国经济的增长是固定资产投资增长的重要原因，最后，结合实证分析得出一些结论，并给出一些建设性的建议。 综上，推断国生产总值对固定资产投资有影响，国生产总值的提高会引起固定资产的增长。本文借鉴他人在针对相对国生产总值与固定资产投资的关系的研究，提出了国生产总值对固定资产投资有影响的论点，之后通过模型对此进行实证分析。本文安排如下：第一部分，引言；第二部分，梳理相关理论研究文献并通过建立模型，进行二者的关联性分析；第三部分，结论。 二国生产总值与固定资产投资的关联性分析 （一）理论依据 1.根据哈罗德--萨缪尔森效应理论论证相对劳动生产率与汇率的关系。 唐旭和钱士春在《相对劳动生产率变动对人民币实际汇率的影响分析－哈罗德--萨缪尔森效应实证研究》中从国相对劳动生产率对相对价格的影响、国际中两国相对劳动生产率对两国相对价格的影响两方面进一步研究了相对劳动生产率对实际汇率的影响。 文章以第二产业与第三产业分别作为贸易与非贸易部门，通过构造第二、三产业劳动生产率与价格缩减指数等数据，发现我国贸易部门相对于非贸易部门的相对劳动生产率一直在上升，非贸易部门相对于贸易部门的相对价格也在上升，符合哈罗德--萨缪尔森效应理论所描述的特征。进一步研究表明，两部门相对生产率对相对价格影响显著，两者呈正向关系，贸易部门与非贸易部门的劳动生产 第八章案例分析 改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存 款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中 国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表 居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。 表8.1为1978-2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。 单位：亿元 2004 鉴数值，与用年底余额计算的数值有差异。 为了研究1978—2003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城 乡居民储蓄存款、国民总收入随时间的变化情况，如下图所示: 图8.5 从图8.5中，尚无法得到居民的储蓄行为发生明显改变的详尽信息。若取居民储蓄的增量 （YY ）,并作时序图（见图 8.6） 从居民储蓄增量图可以看出，城乡居民的储蓄行为表现出了明显的阶段特征: 2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的散布图 看（见图8.7），也呈现出了相同的阶段性特征。 为了分析居民储蓄行为在 1996年前后和2000年前后三个阶段的数量关系，引入虚拟变 量D 和D2°D 和D 2的选择，是以1996>2000年两个转折点作为依据，1996年的GNI 为66850.50 亿元,2000年的GNI 为国为民8254.00亿元，并设定了如下以加法和乘法两种方式同时引入 虚拟变量的的模型: YY = 1+ 2GNI t 3 GNI t 66850.50 D 1t + 4 GNh 88254.00 D 2t i D 1 t 1996年以后 D 1 t 2000年以后 其中: D 1t _ t 1996年及以前 2t 0 t 2000年及以前 对上式进行回归后，有: Dependent Variable: YY Method: Least Squares Date: 06/16/05 Time: 23:27 120000 8.7 1996年和 100000- 40000 2WM GNi o eOB2&ISEea9a9l2949698[Ma2 20CUC ir-“- 1CC0C 图 8.6 *OOCO mnoot ， RtKXD Tconr GF* 计量经济学：部分计算题解法汇总 1、求判别系数——R^2 已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2Y Y 68113.6∑（－）＝， 2、置信区间 有10户家庭的收入（X ，元）和消费（Y ，百元）数据如下表： 10户家庭的收入（X ）与消费（Y ）的资料 X 20 30 33 40 15 13 26 38 35 43 Y 7 9 8 11 5 4 8 10 9 10 若建立的消费Y 对收入X 的回归直线的Eviews 输出结果如下： Dependent Variable: Y Adjusted R-squared F-statistic Durbin-Watson （1（2）在95%的置信度下检验参数的显著性。（0.025(10) 2.2281t =，0.05(10) 1.8125t =，0.025(8) 2.3060t =，0.05(8) 1.8595t =） （3）在90%的置信度下，预测当X ＝45（百元）时，消费（Y ）的置信区间。（其中29.3x =，2()992.1x x - =∑） 答：（1）回归模型的R 2 ＝，表明在消费Y 的总变差中，由回归直线解释的部分占到90％以上，回归直线的代表性及解释能力较好。（2分） 家庭收入对消费有显著影响。（2分）对于截距项， 检验。（2分） （3）Y f =+×45＝（2分） 90%置信区间为（，+），即（，）。（2分） 注意：a 水平下的t 统计量的的重要性水平，由于是双边检验，应当减半 3、求SSE 、SST 、R^2等 已知相关系数r ＝，估计标准误差?8σ＝，样本容量n=62。 求：（1）剩余变差；（2）决定系数；（3）总变差。 （2）2220.60.36R r ===（2分） 4、联系相关系数与方差（标准差），注意是n-1 在相关和回归分析中，已知下列资料： 222X Y i 1610n=20r=0.9(Y -Y)=2000σσ∑＝，＝，，，。 （1）计算Y 对X 的回归直线的斜率系数。（2）计算回归变差和剩余变差。（3） （2）R 2=r 2==， 总变差：TSS ＝RSS/(1-R 2)=2000/=（2分） 我国房价影响因素的实证分析 【摘要】：作为国家的支柱产业，房地产的稳定发展关乎国计民生。近几年，房地产价格飞速上涨，连创新高。在这种情况下研究房价的影响因素，具有重要的理论和现实意义本文针对我国房价快速增长的现象，从人均可支配收入、房屋平均造价、房屋销售面积和房屋竣工面积四方面入手．依据收集到的相关数据．利用计量经济学软件Eviews对房价影响因素进行回归分析，得出房价受人均可支配收入、房屋平均造价和房屋竣工面积三方面因素影响的结论。 【关键词】房价 Eviews回归分析 一、引言 住房问题关系到群众的安居乐业和切身利益,关系到社区的安定。经过十多年的发展，我国房地产业已经成为国民经济的支柱产业之一，市场体系趋于完善，住房消费成为扩大内需的新动力和消费热点。但是近年来，我国房地产价格上涨较快，部分地区房价持续飙升，上涨幅度大大超过经济总体增长水平及其它行业产品与服务的上升幅度。房价增长过快的趋势，不仅极大地影响到城市居民的生活质量，也是整个国民经济继续平稳发展的一个不稳定因素，房价问题已经成为一个引起广泛关注的重要经济问题和社会问题。如何解决我国目前房地产市场价格居高不下的问题，对于提高城镇居民生活水平、缓解社会矛盾、保持经济持续发展具有重要意义。写作目的：通过对我国30个省份的有关资料进行分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。 二、文献综述 近几年来，我国房价持续上涨，不断创出历史新高。关于房价上涨的原因,住房和城乡建设部课题组(2004)分析为地价上涨推动多种住房需求旺盛,而深层次的原因在于消费者预期改变[1]。中国社会科学院与社会科学文献出版社(2007)联合发布的《2006年中国房地产发展报告》预测我国房地产价格长期趋势是上升的,其原因在于市场需求旺盛;供给结构失调;国家信贷的积极支持;地方政府的推动;缺乏规范有效的信息披露制度[2]。沈悦、刘洪玉(2004)认为如果房地产价 第二章案例分析 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y 选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入计量经济学期末报告
计量经济学课程论文(国内生产总值对固定资产投资的影响)
计量经济学-案例分析-第八章
计量经济学计算题解法汇总
计量经济学论文我国房价影响因素的实证分析
计量经济学-案例分析-第二章