成都地鐵沿線房價變動研究

成都地鐵沿線房價變動研究成都地鐵沿線房價變動研究#根據(jù)前面的分析，選取經(jīng)濟社會發(fā)展（XI）、政策調控（X2）與經(jīng)濟波動（X3）三個指標作為解釋變量來研究對成都市地鐵沿線房價的影響。為了大致分析y與％,X2和X3的關系，首先利用以上地鐵開建后的數(shù)據(jù)分別作出yXtXi,y對X2和y對X3的散點圖（地鐵開建前的散點圖與之類似）。①圖3-2-1-1房價與經(jīng)濟社會發(fā)展因子的散點圖由上圖可知，成都地鐵沿線的房價與經(jīng)濟社會發(fā)展因子之間大體上存在簡單的線性關系，隨著經(jīng)濟社會發(fā)展因子的增大，房價有比較明顯的線性增長趨勢。圖中的直線是用線性模型yi0 1X1 擬合的（其中是隨機誤差）。

由上圖可知，成都地鐵沿線的房價與政策調控因子之間大致上呈現(xiàn)出二次關系，且隨著政策調控因子的增大，房價下降的速率加快。圖中的曲線是用二次函數(shù)模型0 1X2 2X2擬合的（其中是隨機誤差）。圖3-2-1-3圖3-2-1-3房價與經(jīng)濟波動因子的散點圖由上圖可知，隨著經(jīng)濟波動因子的增大，房價有比較明顯的線性增長趨勢,圖中的直線是用線性模型y3 01X3擬合的（其中是隨機誤差）根據(jù)散點圖中自變量與因變量的擬合曲線，確定y與x1、y與*2和丫與x3的函數(shù)模型分別為yi 0 1X1y3 0 1X3結合三個模型并加入虛擬變量D結合三個模型并加入虛擬變量D,建立如下線性回歸方程（其中政策調控的平方項作為新的一次變量）1X12X21X12X223X24X35D(1)模型的平穩(wěn)性檢驗接下來的分析應該為回歸分析做準備，因為數(shù)據(jù)是時間序列數(shù)據(jù)，當把不平穩(wěn)的時間序列數(shù)據(jù)進行回歸時，可能會出現(xiàn)“偽回歸”的現(xiàn)象，所以在做回歸之前很有必要對序列進行平穩(wěn)性檢驗。本文先采用ADF檢驗法對房價，經(jīng)濟社會發(fā)展因子，經(jīng)濟波動因子和政策調控因子4組數(shù)據(jù)進行平穩(wěn)性檢驗結果如下表：表3-2-2-1 平穩(wěn)性檢驗ADF檢驗值1%缶界值5%缶界值10%缶界值結論房價1.0351881-4.057911-3.11991-2.701103非平穩(wěn)經(jīng)濟社會發(fā)展0.83146-4.05791-3.11991-2.701103非平穩(wěn)政策調控-2.7003171-4.121991-3.14492-2.713751非平穩(wěn)經(jīng)濟波動-2.561272-4.12199-3.14492-2.713751非平穩(wěn)由于以上時間序列數(shù)據(jù)都不平穩(wěn)，為了得到其單整階數(shù)，我們對以上數(shù)據(jù)的一階差分序列作單位根檢驗，在10%勺顯著水平下，發(fā)現(xiàn)其t檢驗統(tǒng)計量值均小于臨界值，從而拒絕原假設，認為差分序列不存在單位根，是平穩(wěn)序列。即以上4組數(shù)據(jù)都是一階單整的。為了分析房價與其余三個因子之間是否存在協(xié)整關系，我們先分別做兩變量回歸，然后檢驗回歸殘差的平穩(wěn)性。結果在10%勺顯著水平下，t統(tǒng)計量的值小于相應的臨界值，表明殘差序列不存在單位根，是平穩(wěn)序列，說明房價與其余三個因子之間存在協(xié)整關系，表明其兩兩之間有長期均衡關系。參數(shù)估計與統(tǒng)計檢驗首先我們用向后篩選策略模型對（1）式進行參數(shù)估計，得到偏回歸系數(shù)，偏回歸系數(shù)的標準誤差，標準化偏回歸系數(shù)，回歸系數(shù)顯著性檢驗中 t檢驗統(tǒng)計量的觀測值，對應得概率P值等，如下表：

表3-2-3-1 多元線性回歸分析結果Model標準化前標準化后t顯著性偏回歸系數(shù)標準誤差標準化偏回歸系數(shù)1常數(shù)項4319.977136.67731.607.000經(jīng)濟社會發(fā)展362.244109.749.4243.301.005政策調控-26.87364.446-.031-.417.682政策調控平方項-109.19649.658-.236-2.199.043經(jīng)濟波動269.36353.728.3165.013.000虛擬變量1137.879165.873.6566.860.0002常數(shù)項4309.970131.24332.840.000經(jīng)濟社會發(fā)展348.489102.099.4083.413.003政策調控平方項-97.63840.188-.211-2.430.026經(jīng)濟波動267.43152.211.3135.122.000虛擬變量1135.805161.719.6557.023.000由上表知，Model2剔除了政策調控因子的一次項，但保留了其二次項，可見房價與政策調控因子呈完全二次關系，另外，其余各項均通過 t檢驗，P值均小于0.05。因此，我們將線性回歸模型（1）中的政策調控因子的一次項剔除，改為模TOC\o"1-5"\h\z型：y0 1x1 2x2 3x3 4D (2)然后代入系數(shù)，得模型（3）與模型（4）y 4309.9 348.5x1 97.6x； 267.4x3 1135.8D (3)y 4309.9 348.5x1 97.6x2 267.4x3 1135.8D (4)4309.9 348.5x1 97.6x2 267.4x3, x1 0.62603,D 0y o5445.7 348.5x1 97.6x2 267.4x3, x1 0.62603,D 1在此，我們對改進的回歸模型做一次參數(shù)估計和統(tǒng)計檢驗，如下:表3-2-3-2模型分析ModelRR平方修正的R平方估計的標準誤差1.970(a).940.921239.544102.969(b).939.925233.65121表3-2-3-3方差分析表Model平方和自由度均方F顯著性回歸14378888.28152875777.65650.117.000(a)1 殘差918102.0011657381.375總和15296990.28221回歸1436891178865.800.000(b)2 殘差928079.1291754592.890總和15296990.28221從回歸的結果來看，F(xiàn)值等于65.800,高度顯著，說明模型估計的整體效果尚好。判定系數(shù)R平方等于0.969,修正后的判定系數(shù)等于0.939,說明模型的擬合優(yōu)度較好。另外，通過回歸系數(shù)分析表中可知，經(jīng)濟社會發(fā)展因子、政策調控因子二次項、經(jīng)濟波動因子與虛擬變量D均通過了t檢驗，可見以上四個因素與房價有顯著性關系。3.2.4經(jīng)濟意義檢驗y4309.9348.5x197.6x；267.4x31135.8D4309.9 348.5x1 97.6x2 267.4x3, Xi 0.62603,D 0 （4）y5445.7 348.5x1 97.6x2 267.4x3, x 0.62603,D 1模型（4）可以通過初步的經(jīng)濟意義的檢驗，系數(shù)的符號也符合經(jīng)濟理論。由此模型可以看出，地鐵正式動工時（2006年第一季度），地鐵沿線周圍的房價出現(xiàn)了激增現(xiàn)象且上漲幅度達到1135.8元/平方米，這驗證了地鐵開建這一事件對沿線房價產(chǎn)生了顯著影響。同時在假定政策調控因子和經(jīng)濟波動因子不變的情況下，地鐵完工率每增加5%進行標準化后該數(shù)值增大0.20,然后通過得分系數(shù)矩陣乘以權數(shù)0.303變?yōu)榻?jīng)濟社會發(fā)展因子，增大0.061個單位，最后乘上系數(shù)尸348.5,得地鐵沿線的房價增長21.4元。由此不難推出，隨著地鐵修建工程的推進，受地鐵完工率增大的影響，在地鐵修建的五年中沿線房價將會上漲428元/平方米。加之前面所述地鐵初動工時激增的 1135.8元/平方米，地鐵的修建總體上會促使沿線房價上漲1563.8元/平方米。再者，在假定政策調控因子和經(jīng)濟波動因子不變的情況下，地鐵沿線房價與經(jīng)濟社會發(fā)展因子之間存在簡單的線性關系，也就是當人均季度GDPt漲或地鐵完工率升高，房價會呈線性上漲。在此我們定量的了解GDP對房價的影響，假定其他因素不變，當人均季度 GDP上升100元，進行標準化后增大0.049,然后通過得分系數(shù)矩陣乘以權數(shù)0.264變?yōu)榻?jīng)濟社會發(fā)展因子，增大0.013個單位，最后乘上系數(shù)尸348.5,得房價增長4.6元，由此可見，人均季度GDFM地鐵沿線房價的影響有限，而地鐵在修建過程中的對房價的影響是顯著的。同時，從模型上分析可知，政策調控因子（存款利率和公積金房貸利率）同房價之間存在負二次相關性，政府通過提高金融機構的存貸利率以及住房公積金房貸利率來試圖抑制房價的上漲， 短期看來效果不十分明顯，甚至會加速房價上漲，但隨著時間的累積和調控力度的增大，抑制房價的效果會逐漸突顯。再者本文由04年一季度至09年二季度的成都市整體房價以及地鐵沿線平均房價數(shù)據(jù)做出折線圖如下：圖3-2-4-1地鐵組與非地鐵組房價走勢折線圖由上圖可知：在06年一季度即地鐵修建以前，由于受到地段等因素的影響,成都地鐵沿線房價整體上高于全市平均水平，但是兩者在增長速度上基本保持一致；而在地鐵開始修建之時兩者之間的差距突然增大且在地鐵修建過程中其沿線房價的上升速度也要高于全市整體水平。 所以，地鐵的修建不但提升了沿線的房價也加快了其上升的速度。這也再次證明了地鐵的修建對沿線房價存在巨大影響。3.2.5計量經(jīng)濟檢驗a.模型的異方差檢驗要檢驗模型中是否有異方差，需要了解隨機誤差項 的概率分布，但由于隨機誤差很難直接觀測，因此我們通過對殘差項的分析來對隨機誤差的分布特征進行推測，如下表。表3-2-5-1殘差統(tǒng)計表最小值最大值均值標準離差樣本數(shù)預測值3662.09795988.40194937.0695827.1843022殘差-509.0125314.24118.00000210.2242722標準化的預測值-1.5411.271.0001.00022小準話的殘差-2.179殘差1345H .000.900221一標1一標準0化殘差-1一-2—-10 12標準化預測值圖3-2-5-1殘差散點圖由上圖可知，隨著標準化預測值的變化，殘差點在0線周圍隨機分布，但殘差的等方差性并不完全滿足，方差似乎有增大的趨勢。但通過計算殘差與預測值的Spearman等級相關系數(shù)后，發(fā)現(xiàn)檢驗并不顯著，因此認為異方差現(xiàn)象并不完整。自然也就不會對參數(shù)估計是的統(tǒng)計特性以及參數(shù)的顯著性檢驗等造成不良影響。殘差正態(tài)概率圖正態(tài)分布數(shù)據(jù)正態(tài)分布數(shù)據(jù)圖3-2-5-2 殘差正態(tài)概率圖由上圖可知，數(shù)據(jù)點圍繞基準點做無規(guī)律變動，表明標準化殘差與正態(tài)分布不存在顯著差異，可以認為殘差滿足了線性模型的前提要求。b.模型的自相關檢驗由于本模型的數(shù)據(jù)為時間序列，模型的隨機誤差項t由于本模型的數(shù)據(jù)為時間序列，模型的隨機誤差項t有可能存在相關性,這對于OLS的應用會造成嚴重的后果，違背模型關于 t相互獨立的基本假設,這對于OLS的應用會造成嚴重的后果，違背模型關于 t相互獨立的基本假設,因此我們對模型的自相關性做檢驗。殘差et yt y可以作為隨機誤差t的估計值，畫出et~et1的散點圖如下：圖3-2-5-3 e圖3-2-5-3 et?et1的散點圖由上圖可見，大部分點落在第1,3象限，表明t存在正的自相關。因此我們對模型做DW檢驗，首先，我們算出該模型DW值為1.349,對于顯著性水平a=0.05,n=22,k=5,查DW分布表，得到檢驗的臨界值 dL=0.958和du=1.797,由于DW值大于dL小于du,因此不能確定模型是否存在自相關， 但由于本模型樣本量不大，同時自相關后果嚴重，因此我們選擇拒絕原假設，而不接受無自相關。對此，我們采用廣義差分法來對模型（4）作變換* *yt yt yti,Xit %Xi,t1,11,2,3則模型（4）化為*yt*1*yt*1X1t/2、*2(X2t)ut)0（1 ）(5)利用變換后的數(shù)據(jù)乂，。,（x2t）,x3t估計模型（5）的參數(shù)，然后再做一次自相關檢驗，可得dUDW4dU,可以認為隨機誤差不存在自相關。因此，經(jīng)變換得到的回歸模型（5）是適用的。最后，將模型（5）中的yt,X1t,（x2t）,X3t還原為原始變量yt,x〔t,x2t,X3t,得到的結果為2 2Yt2907.10.33yt1348.5x1t113.4x1,t197.6x2t31.8x2,t1267.4X3t87.0x3t11135.8Dt369.7D- （6）D,由該模型可看出成都市一定時期地鐵沿線的房價的走勢不僅依賴于經(jīng)濟社

會的發(fā)展、經(jīng)濟的波動、政府政策的調控與地鐵的修建， 還與該時期之前的一個時間周期的房價有關。之前的房價每變動1元，就會使這一時期的房價變動0.33元。由此可見成都地鐵沿線的房價在時間上有一定的連續(xù)性， 即一定時期的房價由于受到上一時期固有房價的支撐，而不會因為重大突發(fā)事件的發(fā)生導致房價出現(xiàn)大幅度下降的現(xiàn)象，這也印證了2008年突發(fā)的金融危機未對成都市地鐵沿線房價形成重創(chuàng)。

三.成都市地鐵沿線不同位置樓盤房價的聚類分析為了了解成都市具體的樓盤價，并進一步證實地鐵對不同樓盤房價的巨大影響，同時證明以上回歸方程的正確性，本文考察了 07年以后的成都市距離地鐵不同距離的14個樓盤的房價，并對其進行聚類，具體信息如下:表3-3-1 樓盤基本信息表天府長城圖南多距南二環(huán)站約0.1KM6500南一環(huán)至二環(huán)首座距桐梓林站0.3KM距火車南站0.5KM10000南一環(huán)至二環(huán)距錦江賓館站約0.6KM9500一環(huán)內上錦美地距錦江賓館站約0.9KM7400南一環(huán)至二環(huán)水岸雅居跑離紅花堰站約1.43KM48801北二環(huán)至二環(huán)禾嘉？利好距火車北站約1.5KM5500北二環(huán)至二環(huán)藍光?凱麗香江距火車南站1.7KM距南二環(huán)站0.9KM5300南一二環(huán)之間慕和南道?藍卡威距新會展中心站5KM4300南一二環(huán)之間第一園距紅花堰站約6.3KM4400]北二環(huán)至二環(huán)香江岸距紅花堰站約4.5KM44601北二環(huán)至二環(huán)建川簧門公館距錦江賓館站約1.9KM7800一環(huán)內富麗?碧蔓汀距火車北站約1.78KM6000北一環(huán)至二環(huán)藍光花滿庭距紅花堰站約5KM42001北二環(huán)至二環(huán)米蘭小筑距騾馬市站約1.5KM6500北一環(huán)至二環(huán)對于成都市不同位置的樓盤，它們都面臨著匯率、 CPI和上證指數(shù)三個因素的影響，且其作用力度和方向均大致一致；另外，由于以上樓盤都屬于成都五城區(qū)，人均GD味異不大，因此我們只把“與最近地鐵的距離”作為變量。同時，考慮到不同地段的土地價格存在較大差異，故我們首先將成都市劃分為 5個區(qū)域，分別用不同的顏色標示如下圖：

圖3-3-1 圖3-3-1 區(qū)域指數(shù)分布圖本文對這幾個區(qū)域進行了比較，比較的指標包括地段、空氣指數(shù)、區(qū)域內工廠數(shù)和公共基礎設施數(shù)等，然后對這些指標進行綜合評級，形成區(qū)域指數(shù)（指數(shù)14越低，該區(qū)域越適宜居?。?，結果如下:14表3-3-2 樓盤詳情表樓盤名與原近地鐵站距離/km區(qū)域區(qū)域指數(shù)天府長城圖南多0.1南一環(huán)至二環(huán)3首座0.3南一環(huán)至二環(huán)20.6一環(huán)內11上錦美地0.9南一環(huán)至二環(huán)2水岸雅居1.43北二環(huán)至二環(huán)5禾嘉？利好1.5北二環(huán)至二環(huán)51藍光?凱麗香江0.9南一二環(huán)之間3慕和南道?藍卡威5南一二環(huán)之間3第一園6.3北二環(huán)至二環(huán)5香江岸4.5北二環(huán)至二環(huán)51建川簧門公館1.9一環(huán)內1富麗?碧蔓汀1.78北一環(huán)至二環(huán)4藍光花滿庭5北二環(huán)至二環(huán)51米蘭小筑1.5北一環(huán)至二環(huán)4進而，我們將“與最近地鐵站距離”和“區(qū)域指數(shù)”做為變量，對以上

個樓盤進行層次聚類，結果如下：表3-3-3層次聚類分析中的類成員CASELabel5 10 15 20 25水岸雅居禾嘉■利好富麗'CASELabel5 10 15 20 25水岸雅居禾嘉■利好富麗'碧荽汀米蘭小筑天府長城圖南多瞌光?凱麗香江首座上錦美地紙舍建川董門公館香江岸瞌光花滿庭第一國慕和南道?瞌卡威5612

U54」.3一11 1101396樓盤4類3類1:天府長城？圖南多112:首座113繽舍114:上錦美地115:水岸雅居226:禾嘉？利好227:藍光？凱麗香江118:慕和南道？藍卡威339:第一園4310:香江岸4311:建川簧門公館1112:富麗？碧蔓汀2213:藍光？花滿庭4314:米蘭小筑22圖3-3-2樓盤樹形圖綜合以上分析結果再加上各個樓盤自身的價格列表如下:表3-3-4樓盤分類表類別樓盤名房價1天府長城圖南多「6500首座100009500上錦美地7400藍光?凱麗香江5300建川簧門公館78002水岸雅居4880禾嘉？利好5500富麗?碧蔓汀6000米蘭小筑65003慕和南道?藍卡威4300第一園4400香江岸4460藍光花滿庭4200由以上列表可知，對于不同類別的樓盤，房價之間存在明顯的階梯形差異。首先對于第三類的樓盤，它們與最近的地鐵站距離較遠并且居住指數(shù)普遍較高，整體居住環(huán)境上的劣勢最終反映在了它們的樓價上； 反觀類別一的樓盤，它們多處于成都市的黃金地段，具有地理優(yōu)勢。同時，它們與最近的地鐵站的距離均在1KM以內，交通便利等等，這些最終造成了類別一樓盤如此之高的房價。再者，即使是區(qū)域指數(shù)相同的樓盤，它們各自與最近地鐵站距離上的差異也最終會反映在它們的房價上，“距地鐵的遠近直接決定著房價高低”的現(xiàn)象十分明顯。 以大府長城圖南多、藍光?凱麗香江和慕和南道?藍卡威三個樓盤為例，它們的區(qū)域指數(shù)均為3,但是由于它們各自距離最近地鐵站的距離分別為 0.1KMK0.9KM和5KM這就導致了它們6500元、5300元和4300元的房價上的巨大差異。由此，我們再次通過地鐵站與樓盤的距離分析證明了地鐵的修建對沿線房價的巨大影響。（四）結論與意義.成都地鐵的修建會產(chǎn)生巨大的外部經(jīng)濟效應，對其沿線地區(qū)房價產(chǎn)生的影響是非常顯著的。隨著地鐵修建工程的推進，受地鐵完工率增大的影響，沿線房價將上漲428元/平方米，加之地鐵初動工時激增的1135.8元/平方米，地鐵的修建總共會讓沿線房價上漲1563.8元/平方米。本文基于成都地鐵一號線來研究地鐵沿線的房價變動情況，初步建立了模型并加以求解，其結果進一步證實了地鐵對沿線房地產(chǎn)價格所產(chǎn)生的影響是顯著的。 這不僅體現(xiàn)在隨著地鐵通車日的逐步臨近，成都市總體房價逐步上升，也體現(xiàn)在樓盤與地鐵站的距離越近，其房價越高。.地鐵的修建改變了成都原有的房地產(chǎn)定價原則。之前，樓盤定價基本上會按照離市中心天府廣場的遠近作為參照物，但是現(xiàn)在地鐵也成為了地段的一種標準，地鐵口將成為一個中心點，向周邊輻射，樓盤按照離地鐵口遠近來定價，本文聚類分析中的結論就驗證了這點。.匯率和人均季度GDP等反映國民經(jīng)濟發(fā)展的變量與成都房價大體上呈正一次相關，且由人均季度GDP#上升100元，房價上升4.6元可知人均季度GDP不是影響成都市地鐵沿線房價的主要因素。同樣對于反映經(jīng)濟波動的指標，如上證指數(shù)和CPI,與成都市的房價大致上呈正一次相關。上證指數(shù)和 CPI的升高加劇了成都市地鐵沿線房價的提升，且影響顯著，是決定房價的重要因素之一，這一現(xiàn)象在07年2、3季度表現(xiàn)得尤為突出。.政府對房價的干預措施，即政策調控因子（存款利率和公積金房貸利率），同地鐵沿線房價之間存在負二次相關性，也就是在一定時期內存款利率和公積金房貸利率的升高會導致房價的下降。但由于因子得分系數(shù)與回歸系數(shù)均比較小，該因子并未對成都市地鐵沿線房價產(chǎn)生顯著性的影響。 原因可能在于實際中購房者對于住房的需求仍然很大，住房的供求關系緊張，使得房價仍然居高不下，政府的調控措施在短期內未能起到明顯的效果，這也符合正常經(jīng)濟規(guī)律。因此，政府需采用其他有力手段或加大調整力度來調控房價。.本文將有利于促進房地產(chǎn)產(chǎn)業(yè)朝著健康的方向發(fā)展，同時也有利于分散人群降低市中心的人口壓力。因為房地產(chǎn)定價原則的改變，也會改變人們的買房觀念。地鐵把各個區(qū)域拉近了，城市范圍更大了，可居住范圍也更大了。地鐵的修建加強了郊區(qū)與市中心住宅之間的可替代性，使得郊區(qū)的交通更加便利，加上郊區(qū)的生活環(huán)境好空氣質量高且樓價相對較低等先天