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：

White Heteroskedasticity Test:

F-statistic 2.779810 Probability 0.049670

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/22/05 Time: 21:50

Sample: 1 31

Variable Coefficie

nt Std. Error t-Statisti

c

Prob.

C 6.08E+12 2.29E+13 0.265539 0.7960 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

R-squared 0.847552 Mean dependent var 1.17E+12

Adjusted R-squared 0.542656 S.D. dependent var 1.78E+12

S.E. of regression 1.21E+12 Akaike info

58.69986

criterion

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

Variable Coefficie

nt Std. Error t-Statisti

c

Prob.

X1 1651.403 87.67703 18.83508 0.0000

R-squared 0.924432 Mean dependent var 7446408. 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 Durbin-Watson stat 1.930762 Prob(F-statistic) 0.000000

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

Variable Coefficie Std. Error t-Statisti Prob.

X2 60.57577 9.136899 6.629795 0.0000

X1 1547.354 57.83197 26.75604 0.0000

C -3711880. 765709.2 -4.847637 0.0000 R-squared 0.970594 Mean dependent var 7446408. 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

Sample: 1 31

Included observations: 31

Variable Coefficie

nt Std. Error t-Statisti

c

Prob.

X1 1392.586 243.1554 5.727144 0.0000

X2 64.15614 10.72532 5.981748 0.0000

X3 0.924103 1.409311 0.655713 0.5176

C -4115494. 988624.2 -4.162850 0.0003 R-squared 0.971055 Mean dependent var 7446408. 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

Included observations: 31

Variable Coefficie

nt Std. Error t-Statisti

c

Prob.

X1 1569.186 66.74467 23.51029 0.0000

X2 64.04945 10.56258 6.063810 0.0000

X4 -69455.16 102797.7 -0.675649 0.5050

C -2476469. 1985261. -1.247428 0.2230 R-squared 0.971083 Mean dependent var 7446408. Adjusted R-squared 0.967870 S.D. dependent var 7227629. S.E. of regression 1295550. Akaike info

criterion

31.10668

Sum squared resid 4.53E+13 Schwarz criterion 31.29171 Log likelihood -478.1536 F-statistic 302.2316 Durbin-Watson stat 2.298423 Prob(F-statistic) 0.000000

回归：

Dependent Variable: Y

Method: Least Squares

Sample: 1 31

Included observations: 31

Variable Coefficie

nt Std. Error t-Statisti

c

Prob.

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

C -4428358. 863348.9 -5.129279 0.0000 R-squared 0.973242 Mean dependent var 7446408. 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 Durbin-Watson stat 1.861895 Prob(F-statistic) 0.000000

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 Std. Error t-Statisti Prob.

X2 60.57577 9.136899 6.629795 0.0000

X1 1547.354 57.83197 26.75604 0.0000

C -3711880. 765709.2 -4.847637 0.0000 R-squared 0.970594 Mean dependent var 7446408. 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

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。

从经济学角度,浅析中国房价

从经济学角度，浅析中国房价 刘英英 1102204112 淮阴工学院 摘要：随着中国经济的迅速发展，近几年中国房价一路走高，可谓是风光无限。但也让无数的潜在购房者望而却步，造就了无数的“房奴”为房梦而奔波。许多到了已婚年龄的80后青年一房难求，导致“蜗居”“蚁族”“裸婚”等现象的产生，是什么造就了中国房地产价格的居高不下？本文运用相关的经济学原理，浅析其原因和影响，以及其给人的思考。 关键词：供给与需求，生产成本，经济学，危害，措施 正文： 一）供给与需求的影响 在经济学家的眼中，价格是由供给和需求决定的；价格的变动是由供给和需求的变化决定的。我国是一个人口众多的发展中国家，人口基数大、人口增长快，而且城市化水平低，农村人口多，必然会对住房产生大量需求，再加上数以万计的大学毕业生需要在城市寻找自己的生存空间、买房、扎根、建立自己的家庭，导致了城市住房需求量的急剧增加，同时随着生活水平的提高，越来越多的人需要更优越的居住环境静，这也促进了房产的需求。另外，投机炒房减少供给。受前几年房价涨高的影响越来越多的人加入了投机炒房的行列，低价买入然后弃之不用或出租出去，从而影响了市场的供给，导致了房产价格的增长。因此，近些年中国房价一路飙升。 通过经济学的理论分析可知，商品价格是指有市场上商品的需求曲线和供给曲线决定的均衡价格。由于房地产供给的有限性和房地产商的极力宣传，大家错把需要曲线（需要是相当于对物品的偏好，并没有考虑支付能力等因素)看做需求曲线(需求是指既有愿望，又有支付能力的需要。如果没有支付能力，则不能将需要称为需求。形成需求有三个要素：对物品的偏好，物品的价格和手中的收入。)，需要曲线的需求量大于需求曲线，同等供应曲线条件下，商品房的价格高于其实际价值，形成了高房价。同时，随着我国经济的发展，城市化水平不断提高，对商品房的需要量不断加大，而需要住房的居民收入的增长跟不上经济发展速度，商品房的高价位一次次被刷新。 按照常理推断，既然我国商品房价格形成是由市场需要曲线和供给曲线决定的，市场需求量被高估了，那么多开发的商品房进入市场会冲低商品房的价格并形成商品房滞销的局面。但现实为什么常常出现商品房热销的局面?其根本原因在于利润的趋势，大家认为商品房的价格会持续走高。因为按照现实中参照的市场需要量，商品房市场的供应量还较小，商品房市场处于供小于求的局面，存在升值的空间。而且商品房是缺乏弹性的商品，需求量的变动随价格变动不敏感。同时，由于受土地等因素的制约，商品房不可能实现无限的供给，这就进一步坚定了大家对商品房升值的信心，这样就造成了我国商品房极度热销的场面。 二)生产成本的增加 房地产市场的发展依赖于土地，甚至可以说地理区位因素可以决定房地产的价格及档次。土地作为不可再生资源，其供应量是有限的，而且每一区位的土地都是独一无二的。可见，土地在房地产市场中发挥着不可替代的作用。

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

计量经济学论文12篇

计量经济学论文 中国商品进口额模型研究 摘要:通过对中国商品进口额及其主要影响因素的数据分析，得到关于中国商品进口额的函数，并用计量经济学的方法，对模型进行检验，探究其增长的规律性，从而使商品进口额成为一个可预测的经济变量。 关键词:计量经济学模型多重共线性异方差性自相关性 一、研究意义 改革开放以来，随着经济的发展，人们生活水平的不断提高，人民日益增长的物质文化需要不断提高，中国的商品进口额发生了很大的变化，进口数额不断上升，从1985年的1257.8亿元到2007年的73284.6亿元。影响中国商品进口额的因素很多，这里选取教材课后练习中的数据，研究中国商品进口额和国民生产总值的数量关系，商品进口额与居民消费价格指数的数量关系，对于探究中国商品进口额增长的规律性，预测商品进口额的发展趋势具有重要意义。 二、因素分析及模型建立 1、因素分析 一国的商品进出口属于对外贸易的内容，一国对外贸易的发展情况对经济增长有着重要影响，影响对外贸易发展的因素有很多，从大的方面来说，主要是世界经济的发展情况和国内经济发展的冷热情况，还有就是一国的对外贸易政策的等因素。有研究显示，对外贸易对一国经济增长的影响主要是进口增长对经济增长有较大的促进作用。这里，对中国商品进口额的研究，主要选取国内生产总值和居民消费价格指数，国内生产总值和居民消费价格指数说明了一国的经济发展情况。经济的发展，居民的生活水平得到了提高，居民对国外商品的需求也增大，所以，对这两个因素对进口额的影响有一定的参考意义。 2、变量选取与模型建立 这里选取“中国商品进口额”为被解释变量，用Y表示，选“国内生产总值”、“居民消费价格指数”为解释变量，分别用X1、X2表示。所以，模型假定为 LnY=β0+β1㏑X1 +β2㏑X2 + μ 其中u为随机误差项。 下表为1985——2007年中国商品进口额、国内生产总值、居民你消费价格

高房价原因的经济学分析

高房价原因的经济学分析 2009年年初以来，上海房价连破2万和2.2万两个关口，与去年13665元/平方米的均价相比，分别大涨46%和61%。我来到上海已经是第十个年头了，去年下半年开始，我的确有一种2003年下半年那种感觉。什么感觉？房价在加速上涨！而最近有关针对房地产的调控政策也频繁出台，但上海楼市近期并未出现明显降温趋势。很多人对此有分析，仁者见仁智者见智。今天我们也来分析一下。 我的分析很简单，经济学的供求分析。经济学里面讲供求，也就是商品的价格取决于供给和需求。需求大于供给，价格上升；需求小于供给，价格下降。房子作为一种商品，也应该如此。这是经济学的基本方法。分析价格上升下降因素，就从供给和需求开始。 可如果我们就说，房价上升过快，是因为买房子的人多，可卖的房子少，对是对，可有点流于表面了。看问题应该深入，要深入分析供给和需求两方面。 上海包括北京、深圳主要城市，房价高的根源在哪里呢？有人说在于投机者炒房，如温州炒房团。还有人一直把矛头指向房地产开发商，认为是他们抬高了房价。 上述两种分析我认为都不正确。先分析第一种。在上海，工作10年以上的人基本都有房子，其中一部分也许拥有2套以上房子，这些人买第二套房子肯定是为了投资，这也无可非议。党的十六大报告还明确提出要鼓励增加人民的财产性收入，我以前的专栏也分析过，财产性收入就包括房产。我一直不认为这些白领投资者拉高了房价，甚至就是温州炒房团，我也认为他们总体加起来也没有那么大的实力，可以把一个国家的房地产价格炒起来。房地产的投资者无非是预测未来房价上升，是房价的被动接受者。 接下来，我们看看房地产开发商。改革开放30来年，没有房地产的商业化，我们哪里会住上外观不错的商品房呢？计划经济时代我们住什么样子的房子？作为一种企业，房地产开发商追求利润最大化，报出高房价似乎也无可非议。有些开发商用一些销售策略炒楼花，房号，捂盘，自己买卖制造虚假繁荣现象，诱骗大家去买，我看也不可怕。这些手段可以去揭露和打击，但我想不能杀鸡取卵，我们需要有社会责任感

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

计量经济学期末课程论文范文

中国经济增长影响因素实证分析 摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。本文采用经济增长模型和多元线性回归分析方法对1980～2010年中国经济增长因素进行研究，分析了物质资本、劳动力、消费对国内生产总值的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。 关键词：消费、投资、经济增长、劳动力，实证分析

一、文献综述 （一）经济增长理论 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值的（GDP）的增长来计算。经济增长是经济学研究的永恒主题。 古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 （二）影响因素的分析 从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有全世界近1/4 的人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主导因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。

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：

地价房价关系经济学分析

地价房价关系经济学分析 地价与房价关系的经济学分析 刘琳刘洪玉 内容提要地价与房价的关系对政府宏观调控房地产市场意义重大,本篇论文从经济学的角度对地价与房价的关系进行了分析。首先,论文从供给角度、需求角度和运行过程中供给和需求的转化三个方面分析了地价与房价的因果关系;其次,论文对地价与房价的数学关系进行了探讨;最后,论文对政府宏观调控房地产市场提出了相应的对策。 关键词地价房价经济学分析 2001年4月,国务院《关于加强国有土地资产管理的通知》明确指出:“为增强政府对土地市场的调控能力,有条件的地方政府要对建设用地试行收购储备制度。”在土地收购储备的过程中,很多城市都开始严格限制协议用地范围,推行土地使用权招标和拍卖。与协议用地相比,招标和拍卖土地使用权的价格上升了。为此,建设部门及房地产开发商抱怨地价过高,影响了房产价格;很多居民也把房价过高、买不起房归咎于地价过高。而与此同时,土地部门却说地价高是由于房价的不断飙升引起的。为此,只有深入分析房价和地价的关系,才能弄清房价和地价的相互影响,才能判断地价是否过高。本篇论文以经济学的角度从因果关系和数学关系两个方面探讨了地价与房价的关系,并根据分析的结果,为政府对房地产市场进行宏观调控提出了相应的对策。 一地价与房价的因果关系 对地价与房价因果关系的解释,实际上就是回答究竟是房价高导致了地价高,还是地价高导致了房价高。对这个问题的回答,要从需求和供给以及市场运行的不同角度来分析。 1.从需求的角度来看,房价上涨导致了地价的提高 地价和房价的本质都是一种产权价格,并且都是由供求关系来决定的,二者不同的是:在国内目前的情况下,土地市场所决定的地价更倾向于是一种需求价格。因为土地的自然供给没有弹性,其经济供给受自然供给的限制,也缺乏弹性;并且,土地的供给是由政府垄断的。因此,在这种情况下,地价主要由需求一方决定,需求上升则地价上升,需求下降则地价下降。而增量市场中的房价除了取决于需求方面,还要受供给价格的影响。因为增量房地产的供给不同于单纯的土地(没有生产费用)供给,它是一个生产的过程,所以必须通过销售价格补偿生产过程中的各种支出并获得合理利润,才能维持再生产过程。因此增量市场中的房价作为一种供给价格不仅是买方愿意购买的价格,更应是卖方愿意出售的价格。 进一步地分析,作为需求价格的地价实际上是由引致需求引起的,即由于对土地上产出物的需求导致了对土地的需求,这方面最着名的解释为“玉米法律悖论”。 1800年英国制定了限制进口谷物的玉米法律,导致了国内对玉米的需求上升,图1表明了玉米法律对玉米市场和土地市场的影响。 ①玉米市场:玉米法律将需求曲线由d1移到d2,国内玉米的价格由P1上升到P2,对玉米的生产量由C1上升到C2。 ②土地市场:由于国内玉米的生产量上升,导致了对土地需求的增加,使土地需求曲线由D1上升到D2,因为土地供给价格弹性很小(图中假设土地供给完全没有弹性),所以对土地需求的增加导致了土地价格由R1上升到R2。 “玉米法律悖论”说明了地价高是因为玉米的价格高,玉米法律提高了玉米的价格,刺激了国内玉米的生产和对种玉米的土地的需求。由于土地资源是有限的,因此地主们就提高地价来满足对土地的需求。因此,地价高是玉米价格高的结果,而不是玉米价格高的原因。 “玉米法律悖论”应用到城市房地产市场,我们就可以得出:房价高刺激了对土地的需求,由于土地的供给价格弹性小而导致了地价的升高,即从需求角度来看,地价高相对房价高是结果,

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》期末论文

《计量经济学》期末论文 我国居民消费水平的影响因素分析 经济学院 09级国际经济与贸易2班 晋兆晖 290508210

我国居民消费水平的影响因素分析 内容摘要：改革开放以来，随着我国经济的飞速发展，人民生活水平不断提高，居民消费水平也不断增长。消费作为拉动经济发展的重要因素，具有较高的研究价值。本文通过建立计量模型,运用计量分析方法对影响城镇居民消费支出的各因素进行相关分析,找出其中关键影响因素,以为我国政策制定者提供一定参考。虽然各地区的经济消费结构会有所差异，但总体还是有绝大部分相似之处的。分析之后最终促使消费需求成为引领中国经济健康、快速、持续发展的基石。 关键词：计量经济模型居民消费水平人均可支配收入居民储蓄 一、选题背景 消费是经济活动的终点，一切经济活动的目的就是为了满足人们不断增长的消费需求。但另一方面，消费又是经济活动的起点，是拉动经济增长的动力。一国或某一地区居民的收入水平与其消费需求之间存在着紧密的联系，这一点无论在西方经济学的经典理论中还是在国内外许多学者的实证研究中都得到证实。 随着改革开放以来中国经济高速增长，居民生活水平与消费水平也随之不断提升，我国作为一个巨大的消费市场正吸引着来自世界各地的目光。国家制定并实施了一系列相关财政及货币政策来刺激消费，但是居民存款额依然居高不下，居民消费虽有增长却不能支撑整个国民经济的发展。不管是从宏观还是微观来分析，居民的最终消费支出都直接影响到国民经济运行及整个经济的发展，所以对我国居民最终消费支出的问题进行研究是必不可少的，而且十分重要。我们可以运用研究的结果来分析现状并制定正确的应对方针，这有重大的现实意义。 二、变量的选择分析 根据传统的凯恩斯消费理论，消费需求是个人可支配收入的函数，收入水平的高低直接影响居民的消费水平，可支配收入增加的同时就是增加自己的银行储蓄为以后的购房、养老、医疗保健做准备，这对居民的消费支出有很大的影响。所以可支配收入这一因素必须选取为模型的解释变量。 居民储蓄是影响居民最终消费的直接因素，居民储蓄越多，最终消费就越少，储蓄越少，最终消费支出就越多。 物价水平对消费者的消费倾向会有影响，即影响到居民的消费支出，当居民的收入不变时，若物价上涨，则消费支出增加；反之，居民收入不变，若物价下跌，则消费支出减少。对于物价水平，选择通货膨胀率来反映。 恩格尔系数作为衡量一个国家和地区人民生活水平状况的指标，也是需要被列

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。

计量经济学(第四版)习题及参考答案解析详细版

计量经济学（第四版）习题参考答案 潘省初

第一章 绪论 1.1 试列出计量经济分析的主要步骤。 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）预测和政策分析 1.2 计量经济模型中为何要包括扰动项? 为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 1.3什么是时间序列和横截面数据? 试举例说明二者的区别。 时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。 横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 1.4估计量和估计值有何区别？ 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130，则 根据这个样本的数据运用均值估计量得出的均值估计值为 5.1074 130 96104100=+++。 第二章 计量经济分析的统计学基础 2.1 略，参考教材。

2.2请用例2.2中的数据求北京男生平均身高的99％置信区间 N S S x = = 4 5 =1.25 用 =0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。 2.3 25个雇员的随机样本的平均周薪为130元，试问此样本是否取自一个均值为120元、标准差为10元的正态总体？ 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/2510/25 X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即 此样本不是取自一个均值为120元、标准差为10元的正态总体。 2.4 某月对零售商店的调查结果表明，市郊食品店的月平均销售额为2500元，在下一个月份中，取出16个这种食品店的一个样本，其月平均销售额为2600元，销售额的标准差为480元。试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？ 原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?480/16 X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = 0.83 < 131.2=c t , 故接受原假 设,即从上次调查以来，平均月销售额没有发生变化。

从微观经济学角度分析影响房价的因素

从微观经济学角度分析影响房价的因素 摘要：房价关系着和影响着每个家庭，房价是个备受关注的问题，本文从微观经济学角度出发,从供需、消费者和博弈机制三个方面来分析影响房价的因素。 关键词:房价供需消费者博弈机制 一、供需影响着房价 1.住房供给影响房价。这里主要从供给结构来谈。我国居民人均居 住面积与其它国家尤其是发达国家的人均居住面积相比,仍存在很大的差距,绝对住房供给水平并不高，供给方面存在结构不合理的问题,存在空置。这里引入空置这一概念。①空置一词来源于西方，指建筑物的整体或部分未得到使用，处于等待出租状态或者出售状态。由此可见，空置一方面表明房屋未被使用,另一方面还意味着所有权人准备将房屋出租或者出售,只有两方面都满足的房屋才是空置房屋。否则，不能称其为空置。空置也是一种供给,且:供给＝需求+空置率。空置率是指某一时刻空置房屋面积占房屋总面积的比率。当市场交易以买卖为主且购买者就是房屋将来的实际使用者时,使用者注重的是房屋的服务功能，价格直接体现了使用者对房屋的支付意愿。从卖方角度看，面临的主要问题是能否及时将房屋销售出去，因为销售时间越长,市场价格变化的可能性越大，价格风险不断增加；同时，空置期越长,管理的费用就越高。因此，在预计销售时间较长时，卖方为了减少风险就可能降低销售价格;相反，空置面积减少,购买者增加时,卖方就有可能

提高价格。 2.土地的供给影响房价。土地的供给总量影响着房地产产品供应总 量。土地供给就是可供利用的土地的数量，分为自然供给和经济供给。所谓土地的经济供给,就是指在自然供给的基础上,经过开发,可为人类直接用于生产,生活等各种用途的土地的数量。土地供给是房地产市场基础，土地供给假如是被储备、闲置或者是被蓄意囤积，那么土地供给量只能部分转化为房地产市场的供给。 所以这里所说的土地供给总量为有效供给总量。土地供给总量对房地产市场有着两方面的影响：一方面是影响房地产产品的供给总量；另一方面是影响生产和预期。但影响力的时效不同,对房地产产品供给的影响，由于房地产开发周期的原因，要在１～2年之内才能显现出来,但对投资和消费的影响却是当期的。由于房、地的紧密关系，土地供给量与房地产增量有着密切关系，土地供给量是房地产增量的基础,他们之间的关系由容积率来反映。设房地产增量为QR,土地供给量为QL，容积率为Ｆ,则有QR=F×QＬ。则当容积率不变时,土地供给量与房地产增量呈线性正相关关系。容积率越大，单位面积土地上的建筑容量，即建筑面积就越大。以今年一季度为例,1－3月,全国房地产开发企业完成土地购置面积6１66万平方米，同比增长30.0%，土地购置费1203亿元,同比增长56.5%,2010年3月份,全国7０个大中城市房屋销售价格同比上涨11.7%，其中新建住宅销售价格同比上涨1４.2%，新建商品住宅价格同比上涨15.9%。②综上所述,土地的供给直接影响着住房

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

计量经济学期末报告

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

计量经济学答案(部分)

第一章导论 一、单项选择题 1-6: CCCBCAC 二、多项选择题 ABCD;ACD;ABCD 三.问答题 什么是计量经济学？ 答案见教材第3页 四、案例分析题 假定让你对中国家庭用汽车市场发展情况进行研究，应该分哪些步骤，分别如何分析？（参考计量经济学研究的步骤） 第一步：选取被研究对象的变量：汽车销售量 第二步：根据理论及经验分析，寻找影响汽车销售量的因素，如汽车价格，汽油价格，收入水平等 第三步：建立反映汽车销售量及其影响因素的计量经济学模型 第四步：估计模型中的参数； 第五步：对模型进行计量经济学检验、统计检验以及经济意义检验； 第六步：进行结构分析及在给定解释变量的情况下预测中国汽车销售量的未来值为汽车业的发展提供政策实施依据。 第二章简单线性回归模型 一、填空题 1、线性、无偏、最小方差性（有效性），BLUE。 2、解释变量；参数；参数。 3、随机误差项；随机误差项。 二、单项选择题 1-4：BBDA;6-11：CDCBCA 三、多项选择题 1.ABC; 2.ABC; 3.BC; 4.ABE; 5.AD; 6.BC 四、判断正误： 1. 错； 2. 错； 3. 对； 4.错； 5. 错； 6. 对； 7. 对； 8.错 五、简答题： 1.为什么模型中要引入随机扰动项？ 答：模型是对经济问题的一种数学模型，在模型中，被解释变量是研究的对象，解释变量是其确定的解释因素，但由于实际问题的错综复杂，影响被解释变量的因素中，除了包括在模型中的解释变量以外，还有其他一些因素未能包括在模型中，但却影响被解释变量，我们把这类变量统一用随机误差项表示。随机误差项包含的因素有：

房价上涨的经济学分析

论文大纲 一、提出当前房价上涨的现象 二、对当前房价上涨现象的原因进行分析 1.个人观点 供求关系导致房价上涨 2.其他观点 ①土地出让拍挂政策 ②长期持续的低利率环境及人民币的升值 三、针对房价上涨提出一些建议

房价上涨的经济学分析 摘要：近几年中国各城市房价的急剧走高有目共堵，百姓的购房负担急剧上升，房价问题甚至被称为百姓头上的“新三座大山”之一。房价的虚高和依然攀升的态势不仅带来了一系列的社会性问题，也对面临改革重大关口的中国经济产生了深刻的影响。 关键词：房价上涨，原因，政策 正文： 最近几年来，房地产价格好像一只氢气球，停也不停地向上飞升。然而氢气球飞得太高就会因为内外压差而爆炸，那么房地产经济是否也会像氢气球一样，最终也会崩溃呢？面对急剧上涨的房价，百姓购房的压力也在增长，同时更是激化了各个阶级，穷人与富人之间的矛盾，长此以往，必将带来严重的社会问题。因此，用经济学的观点理性地分析这一现象，并对之提出改善措施是必不可少的。 房价上涨的原因： 在中国计划经济向社会主义市场经济转型的过程中，房地产这一行业也由原来的计划体制向市场体制转变，城市居民的住房从原来的福利分配为主到目前的自主购买为主，这一转变是购房需求的社会基础。 我们都在课上学过经济学中最基本的理论之一，供求关系，即当开始时的价格高于均衡时的价格时，消费者愿意购买的数量低于供给量时，生产者必然会形成激烈竞争，从而使价格水平下降，价格下降进一步导致供给量减少、需求量增加。竞争将会一直持续下去，直至价格降至均衡水平，需求量与供给量相等时为止。相反当开始时的价格低于均衡时的价格时，消费者愿意购买的量高于生产者愿意供给的量，这时就会出现超额需求。为了得到有限的供给，消费者之间也会展开竞争，结果自然是价格上升，这又将导致供给量增加和需求量减少。竞争一直持续下去，直至价格上升至均衡水平。价格机制就像一只“看不见的手”，引导着供求关系达到这个均衡状态。 首先看需求方，即消费者。目前主要的购房者主要包括以下三类：城市建设过程中产生的拆迁户，这是他们的刚性要求；手头比较宽裕，而住房却是早期购买或是单位福利分配，不能满足现在居住水平需求的人，他们在稳定收入的支撑下，对购房也有着强烈的需求；还有就是因为结婚而不得不购买新房的年轻人，由于中国不知何时流传下的传统，使得他们在还没有足够稳定的生活和事业基础上，不得不背负沉重的房贷包袱。随着城市向郊区的不断扩张，城市化规模的不断扩大，越来越多居住在城市边缘的人加入了第一类人的行列；而随着经济的飞速发展，人民生活水平不断提高，人们对住房的要求也越来越高，这就催生了第二类人的不断增加；随着当年婴儿潮出生的人群现在已经加入到大学毕业生和结婚适龄阶段的队伍中，直接导致了第三类人的激增。 之前的一段中已经详细地分析了消费者对购房的需求是相当巨大的，而房地产本身由于土地供应的有限性，供给量是有限的，结合供给关系的理论，可以知道在这种需求远远高于供给的形势下，房价上涨已成为一种必然。再加上开发商囤积居奇，炒房团的热钱以及部分地方政府的无能和腐败，对本来已经供不应求的房价更是火上浇油。 而且国人在面对房价上涨这一现实时，更是迫不及待地想要抢先购房，越是涨越是买，使得市场的自我调控“失灵”了，更是导致了房价的一涨再涨。 当然供求关系的原因只是最主要的原因，对于房价上涨其他人也提出了一些比较切合实际的看法。