2007年，深圳市住房價格在各種宏觀調控政策的打壓下，仍然同比增長了近50%。2008年上半年，繼續高位運行，下半年開始出現下滑，而2009年，由于寬松貨幣政策、稅收優惠政策的刺激，房價從3月份開始出現環比上漲，全年房價上漲幅度堪比2007年。近三年，在我國房地產宏觀調控政策頻繁變化的背景條件下，深圳市住房價格跌宕起伏，成為社會各界關注和議論的焦點。因此，分析住房價格變化影響因素對于實現我國穩定住房價格的目標，促進房地產市場健康發展都具有積極的作用，但是，住房價格影響因素是多層次的，多領域的，是一個非常復雜的系統，難以進行全面系統的分析。本文擬通過嶺回歸模型對深圳市1997-2008住房價格變化進行實證分析，找出影響深圳市住房價格變化的主要因素。
影響房地產價格的經濟因素很多，包括經濟發展水平和居民收入水平，物價水平，利率，房地產投資的規模和結構，財政收支狀況以及金融市場發育情況，尤其是房地產金融市場狀況，房地產投資狀況等。經濟因素主要包括居民可支配收入、經濟發展狀況、利率、物價等。
其他因素主要包括區位因素和社會因素。區位因素是指房地產所在地區和市場特點對房價產生影響的因素。社會因素主要是指政治安定情況和社會治安狀況。一般說來，政治不穩定，社會動蕩，經常發生犯罪案件，人們的生命財產無法取得保障，房地產價格自然會下降。
利率嚴格來說為離散型變量，但考慮通貨膨脹等因素的變化，認為利率為變量。因為國家每年調整利率的頻率和幅度沒有任何規律可尋，所以對于一年內利率有多次變動的，采用簡單算術平均計算平均利率。
由于影響住宅價格因素的復雜性和和多樣性，將所有研究因素都納入研究分析不太現實，難度較大。在選擇住宅價格影響因子時，要考慮到起主要影響作用的因子，同時這些因子要易于量化處理。基于以上考慮，利用1997-2008年序列資料作為基礎數據，從中選擇以下指標作為分析因子：gdp、人均可支配收入、房地產開發投資額、中長期貸款、年末常住人口數、住宅地價指數、利率、商品住宅竣工面積、住宅出讓土地面積、商品住宅銷售面積。
（三）模型分析
下面為了得到每個影響因素對深圳市住宅交易均價的影響程度，本文將上述因素分別與深圳市住宅交易均價建立計量經濟學模型。其中模型表達式為：
，其中，y為深圳市住宅交易均價，x為某個影響因素，
為待估計參數，
為隨機誤差項。
根據深圳市1997——2008年的歷史數據，利用dps軟件分別對gdp、人均可支配收入、房地產開發投資額、中長期貸款、年末常住人口數、住宅地價指數、利率、商品住宅竣工面積、住宅出讓土地面積、商品住宅銷售面積等10個因素與深圳市住宅交易均價作一元線性回歸分析，其結果見下表。
引入變量 |
r |
f值 |
dw值 |
sig. |
人均可支配收入x1 |
0.525 |
5.18 |
0.535 |
0.046 |
gdpx2 |
0.961 |
135.61 |
2.09 |
0.000 |
房地產開發資產投資x3 |
0.778 |
17.89 |
0.461 |
0.002 |
中長期貸款x4 |
0.976 |
226.07 |
2.27 |
0.000 |
年末常住人口指數x5 |
0.831 |
25.62 |
0.675 |
0.0005 |
住宅地價指數x6 |
0.925 |
66.60 |
1.245 |
0.000 |
利率x7 |
0.315 |
0.008 |
0.187 |
0.929 |
商品住宅竣工面積x8 |
0.201 |
0.268 |
0.98 |
0.467 |
住宅出讓土地面積x9 |
0.740 |
14.30 |
1.42 |
0.004 |
商品住宅銷售面積x10 |
0.300 |
0.088 |
0.219 |
0.773 |
（1）模型的有效性檢驗
從上面的回歸分析結果可以看出，除了gdp、中長期貸款兩個指標dw檢驗結果取值在2左右，其余指標dw檢驗結果取值明顯小于2，說明除了gdp、中長期貸款兩個指標不存在一階自相關外，其余指標均存在較為明顯的正自相關，模型估計是無效的。
（2）擬合優度和顯著性檢驗
通過上表可以看出，大部分變量所構成的模型的調整相關系數r都偏小，說明模型擬合程度不高，也就是說被解釋變量與解釋變量間的相關程度不高，用回歸模型不能很好的模擬樣本觀測值。從方程和變量的顯著性來看，只有gdp、中長期貸款、住宅地價指數、年末常住人口指數等4個變量的決定系數在0.8以上。因此，可以知道對深圳市住宅交易價格影響比較大的因素有gdp、中長期貸款、住宅地價指數、年末常住人口指數。
2、多個影響因素分析
住房價格各種影響因素是相互作用的，構成一個復雜的系統。因此，必須把各種因素看成一個系統來分析，這樣更能科學的解釋深圳市住房價格變化情況。
通過對變量之間作相關系數發現，部分變量之間存在高度相關性，可以推出變量間可能存在多重共線性問題。
目前應用于多個變量處理辦法的普通最小二乘法多元線性回歸和主成分分析法都存在一定的缺陷，應用這兩種方法的前提是要求變量之間必須相互獨立，但是，這一條件在現實情況中很難得到滿足，因為在實際研究過程中很多變量都是相互影響，相互作用的，很容易產生多重共線性問題，如果這一問題沒有得到解決的話，盲目地用現有的統計分析方法就很難得到科學的結論。通過對變量之間的相關性可以看出，在顯著性水平條件下，很多變量之間存在著高度相關性，也就是說存在嚴重的多重共線性，不滿足普通最小二乘法和主成分分析法的應用條件，為了克服這些缺陷，保證數據分析的準確性和科學性，本文采用嶺回歸分析法。
嶺回歸是一種常用的處理多重共線性問題的回歸方法，嶺回歸的回歸參數是由嶺回歸的正規方程組給出：
式中：x為n×m階系數矩陣，由標準化后的各個x變量所組成；b為估計得到的系數向量；k為可以調整的正數，即嶺參數，0<k<1；i為m×m階單位矩陣。與經典的最小二乘回歸中的正規方程相比較可以發現，嶺回歸中的
在矩陣中加入了對角元素k。嶺回歸方法實際上是一種改良的最小二乘法，是以放棄最小二乘法的無偏估計，放棄部分精確度為代價來尋求效果稍差但更符合實際情況的回歸分析過程。雖然嶺回歸分析所得殘差平方和比最小二乘回歸要大，但是，它對病態數據的忍耐力遠遠強于最小二乘回歸。
嶺回歸選擇變量的基本原則有：剔除嶺跡圖上標準化嶺回歸系數比較穩定且絕對值比較小的自變量、嶺回歸系數不穩定且震動趨于零的自變量以及標準化回歸系數很不穩定的自變量。由于嶺回歸是有偏估計，為了盡量保留信息，零參數的取值不宜太大。另外，還要保證嶺跡圖上各嶺回歸系數的嶺估計基本穩定，且符號合理，殘差平方和增加不明顯。
運用dps程序，得到不同嶺參數下各自變量的嶺回歸系數，見下表。
k |
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
x8 |
x9 |
x10 |
0.1 |
-0.0073 |
0.1224 |
0.2154 |
0.1822 |
0.1920 |
0.2877 |
0.1551 |
-0.0356 |
-0.0867 |
-0.0013 |
0.2 |
0.0104 |
0.1554 |
0.1763 |
0.1933 |
0.1671 |
0.2592 |
0.1349 |
-0.0260 |
-0.0893 |
-0.0075 |
0.3 |
0.0215 |
0.1641 |
0.1589 |
0.1938 |
0.1557 |
0.2429 |
0.1216 |
-0.0226 |
-0.0932 |
-0.0124 |
0.4 |
0.0291 |
0.1665 |
0.1483 |
0.1915 |
0.1484 |
0.2311 |
0.1114 |
-0.0204 |
-0.0960 |
-0.0156 |
0.5 |
0.0346 |
0.1663 |
0.1408 |
0.1884 |
0.1430 |
0.2217 |
0.1031 |
-0.0187 |
-0.0979 |
-0.0176 |
0.6 |
0.0387 |
0.1650 |
0.1350 |
0.1849 |
0.1386 |
0.2138 |
0.0962 |
-0.0171 |
-0.0990 |
-0.0189 |
0.7 |
0.0418 |
0.1632 |
0.1303 |
0.1814 |
0.1349 |
0.2069 |
0.0902 |
-0.0157 |
-0.0996 |
-0.0196 |
0.8 |
0.0443 |
0.1611 |
0.1264 |
0.1779 |
0.1317 |
0.2007 |
0.0850 |
-0.0144 |
-0.0998 |
-0.0199 |
0.9 |
0.0462 |
0.1588 |
0.1230 |
0.1744 |
0.1288 |
0.1950 |
0.0804 |
-0.0131 |
-0.0998 |
-0.0200 |
1.0 |
0.0477 |
0.1564 |
0.1200 |
0.1711 |
0.1262 |
0.1899 |
0.0762 |
-0.0119 |
-0.0995 |
-0.0199 |
對影響住房價格的10個變量做嶺跡分析，嶺跡圖見上面。可以看出，嶺跡圖基本穩定。根據嶺回歸自變量選擇原則，去掉回歸系數很小且震動趨于零的商品住宅竣工面積、商品住宅銷售面積，剔除這兩個變量后再作嶺跡圖，圖見下面。
從上面嶺跡圖可以看出，k＝0.2后，各變量的回歸系數符號開始穩定，且系數大小也開始穩定，因此，選取k=0.2，計算此時的嶺回歸估計結果為：調整相關系數r′=0.96，f=16.93，顯著性水平為0.02，模型整體擬合效果不錯，此時標準化嶺回歸方程為：
y=0.00065x1+0.1557x2+0.1603x3+0.1962x4+0.1589x5+0.2709x6+0.1440x7-0.0902x9
模型影響效果分析：從上面回歸方程的系數知道，影響深圳市住房價格的因素可以分兩類，一類是正的影響；一類是負的影響。除了住宅出讓土地面積一個指標與住房交易價格呈負相關外，其余7個指標均對深圳市住房價格起正影響。
模型影響程度分析: 由于嶺回歸方程的回歸系數是標準化的，其值大小是具有可比性的，而且從回歸系數的大小可以直接反映出其影響程度大小。因此，可以推出各影響因素對深圳市住房價格的影響程度分別為：住宅地價指數＞中長期貸款＞房地產開發投資＞年末常住人口指數＞gdp＞利率＞住宅出讓土地面積＞居民可支配收入。
模型具體數值分析: 根據上述方程可以得出，住宅地價指數每上升1個百分點，住房銷售均價就上升0.2709個百分點；中長期貸款每增加1元，住房銷售均價就增加0.1962元；房地產開發投資每增加1元，住房銷售均價就增加0.1603元；年末常住人口指數每上升1個百分點，住房銷售均價就上升0.1589個百分點。同樣，根據上述方程可以得出，可以得出其他影響因素對房價的影響大小。
從嶺回歸分析結果看出，影響住宅價格主要因素有住宅地價指數、中長期貸款、房地產開發投資、年末常住人口、gdp、利率等，而人均可支配收入、商品住宅竣工面積、商品住宅銷售面積對住房價格的影響非常小。
1、寬松的貨幣政策為房價上漲提供了強有力的支撐作用
房地產業屬于資金密集型行業，無論房地產開發或是房地產置業環節中，都需要大量的資金作為保障，而目前我國房地產行業資金來源渠道較為單一，主要依靠銀行信貸，因此，我國房地產市場的快速發展與寬松的貨幣政策是密不可分的。另外，無論從國際還是國內的經驗看，對于房地產貸款的抑制肯定能對房價的上漲產生巨大影響。這也是市場對房地產信貸政策異常敏感的原因。
2008年11月，在金融危機的背景條件下，國務院推出了一系列的房地產救市政策，導致2009年我國70個大中城市房價再現了2007年的瘋狂漲勢。與2009年年初相比，多數一線城市到年底出現了50%以上的上漲，深圳甚至達到80%。據國家統計局數據顯示，2009年前11個月，我國房地產開發企業資金來源中，銀行信貸資金超過1.6萬億元，比2008年同期增長60%以上。2009年全國近10萬億元的銀行新增貸款中，約六分之一流入到了房地產開發領域。
2、地價上漲是導致房價上漲的重要原因
盡管關于房價與地價的辨證關系，業界一直存在不同的看法。有的認為：地價不是決定房價的主要因素，地價上漲不一定導致房價上漲；有的認為：地價與房價有本質的聯系，地價是房價的主要組成部分，地價上漲會帶動房價的上漲。
從經濟學角度看，房地產市場供需狀況才是影響房價的決定性因素；但是，從生產費用價值論看，地價是房地產開發成本的重要組成部分，作為理性經濟人，在房價定價過程中，一定會考慮地價對房價的貢獻因素。
盡管房價受經濟發展水平、開發商的房屋開發成本和對未來房地產市場的預期及消費者的收入水平、消費者的偏好和預期等多種因素的影響，但是，地價與房價有著千絲萬縷的聯系，這是不可否認的事實。
從本次對深圳市地價與房價關系研究結果看，不論是單因素分析還是多因素分析，地價與房價均存在高度相關關系。
3、宏觀經濟環境變化是引起房價上漲的外部原因
從本次分析結果來看，gdp、人口等宏觀經濟環境都與房價變化有較強的相關性，對于這點我們不難理解。經濟發展一定會帶動房價的上漲，這都很容易理解，目前問題是房價上漲速度遠遠超過了經濟發展的速度。人口的增加一定會帶來住房需求的增加，深圳作為一個外來人口為主的城市，人口增加對住房剛性需求的帶動是非常明顯的，這也是近幾年深圳房價居高不下的重要原因。
