商品房價格影響因素計量分析

關于商品房房價影響因素分析——基于計量經(jīng)濟模型摘要：房地產(chǎn)價格不僅與百姓的生活密切相關,而且還關系到城市的開展和國家的長治久安。因而,關注房價的變動具有非常重要的現(xiàn)實意義。本文通過對房地產(chǎn)價格的各種影響因素進行歸納總結,并將1998-2023數(shù)據(jù)代入E-views軟件，建立商品房定價的計量經(jīng)濟模型。從而預測未來商品房定價的走向并提出相關的政策建議。關鍵字：商品房房價；計量經(jīng)濟模型；影響因素；政策建議一引言2011年12月1日，百城價格指數(shù)公布對100個城市的全樣本調(diào)查數(shù)據(jù)顯示，11月，全國100個城市住宅平均價格與10月相比下降0.28%。房地產(chǎn)價格在經(jīng)歷數(shù)年連續(xù)上漲后，開始出現(xiàn)下降趨勢，不少分析人士指出房價的下降表達了國家宏觀調(diào)控措施的效果，也有不少學者擔憂房價下跌是經(jīng)濟衰退疲軟的征兆顯現(xiàn)。改革開放以來，特別是1998年推行城鎮(zhèn)住房制度改革以來，我國國民經(jīng)濟取得了飛速開展，住房消費占我國城鎮(zhèn)居民消費的比重越來越高。房地產(chǎn)投資的持續(xù)快速增長，使得以商品住宅為主的房地產(chǎn)業(yè)成為國民經(jīng)濟的重要支柱產(chǎn)業(yè)，房地產(chǎn)的快速開展對改善居民居住條件、提高人民生活水平、拉動經(jīng)濟增長、擴大就業(yè)以及加快城市建設都發(fā)揮了重要作用，然而我國房地產(chǎn)在開展過程中出現(xiàn)了許多問題，房地產(chǎn)投機現(xiàn)象使房地產(chǎn)價格虛高，泡沫經(jīng)濟。顯現(xiàn)二文獻綜述影響我國房價波動的原因十分復雜，既有商品房本錢上漲原因，又有國家宏觀調(diào)控政策原因。對于這一問題的分析應多角度多層次綜合考慮。1998年，英國學者Gocrffye和MarkAndrew對影響住宅價格的動力因素進行文獻研究，他們發(fā)現(xiàn)文獻理論對區(qū)域住宅價格差異的解釋主要集中在五個領域：(l)人口遷移(migration)；(2)交易和搜尋本錢(transactionsandsearchcosts)；(3)居住區(qū)位遷移(equitytransfer)；(4)住房投機套利(spatialarbitrage)；(5)定價模式(patterinthepricedeterminants)。同時，他們認為影響住宅價格的主要因素是：(l)收入(income)；(2)利率(interestrates)；(3)社會誠信度(creditavailability)；(4)稅收結構(taxstructure)；(5)住房供給(housingsupply)；(6)人口結構(demographicstructure)。〔一〕關于房價的影響因素白福周〔2023〕[1]通過實證研究得出結論：包括土地本錢、前期費用、財務費用、管理費用和綜合費用的住宅本錢的上升推動房價上漲；隨著對土地需求的增長，土地價格的上漲趨勢越來越明顯，土地上的附著物—房屋價格也隨之增長；與CPI同步上升的建筑本錢上升導致房地產(chǎn)價格不斷攀升；利率上調(diào)所導致的開發(fā)商財務本錢的上升對房價的上漲產(chǎn)生一定的作用；在房屋需求增加的情況下供給沒有同步增加，使得在價格杠桿的作用下房價不斷攀高；土地的稀缺、存量供給使地價長期只升不降，導致房屋價格同步上漲。牟峰〔2023〕[2]通過對統(tǒng)計數(shù)據(jù)的分析研究證明，我國人均可支配收入上升帶來的強勁住房需求是導致房價不斷攀升的重要因素；新增城鎮(zhèn)家庭戶數(shù)加大了城鎮(zhèn)房屋消費者住房消費愿望增加量，間接提升了房價；1998年國家住房制度改革政策宣布取消福利分房制度，為房地產(chǎn)市場的崛起創(chuàng)造了優(yōu)越的條件，釋放了大量的購房需求，極大地促進了我國房地產(chǎn)市場的開展；商品房按揭制度，為商品房的消費注入了強大的活力；我國局部消費者不合理的消費價值觀，導致人們普遍急于買房、買大房、買好房，從而形成對房地產(chǎn)市場的過高期望和強大壓力。姜玉英〔2023〕[3]指出影響房地產(chǎn)的主要因素包括四大方面：1、房地產(chǎn)價格的特性：房地產(chǎn)包括土地、建筑物和其它地上定著物三個局部，同時又是實物、權益和區(qū)位三者的綜合體。2、影響房地產(chǎn)需求的因素：消費者的預期，就是對未來房地產(chǎn)市場前景和房地產(chǎn)價格的估計、預測。3、影響房地產(chǎn)供給的因素：房地產(chǎn)開發(fā)投資額的增加，會直接刺激房地產(chǎn)業(yè)的開展；反之，投資水平的降低，會導致房地產(chǎn)業(yè)的開展受到很大的負面影響。4、政策，利率等一些其他因素：一般國民經(jīng)濟開展水平較高的國家或地區(qū)居民收入水平也較高、資金比擬充裕，無論是需求總量上還是供給上作為經(jīng)濟水平衡量尺度的GDP指標都起到了較大的推動作用。〔二〕關于房價的政策措施張琳、楊杰、房勤英〔2023〕[4]1、進一步深化經(jīng)濟體制改革2、保持政策穩(wěn)定性，狠抓執(zhí)行落實3、提高房地產(chǎn)市場的準入門檻，繼續(xù)加強市場標準措施4、標準地方政府在建設保障房過程中的行為5、將解決民眾住房問題納入政績考核體系。姜國軍〔2023〕[5]通過對房價上漲的稅收原因的實證分析，提出了抑制我國房價過快上漲的稅收政策建議：改革現(xiàn)行土地批租制和土地出讓金制度為年租制；標準收費工程，減少開發(fā)環(huán)節(jié)的不合理收費工程，降低稅費本錢；完善土地增值稅制度。在房地產(chǎn)開發(fā)和轉讓環(huán)節(jié)課征土地增值稅；取消房地產(chǎn)流轉環(huán)節(jié)的營業(yè)稅，并入土地增值稅一并征收；取消目前房地產(chǎn)交易環(huán)節(jié)的個人所得稅，而用土地增值稅取代之。栗亮(2023)[6]著重對貨幣供給量對房價的影響做了專門分析，指出在長期中，貨幣供給量增長率對商品房銷售價格增長率不存在意義上的因果關系，但貨幣供給量增長率是商品房銷售價格增長率的短期原因；在長期中，商品房銷售價格增長率對貨幣供給量增長率存在意義上的因果關系，但商品房銷售價格增長率不是貨幣供給量增長率的短期原因。夏飛〔2023〕[7]從提高居民收入增速、緩緩解房價壓力的角度提出建議，即除發(fā)揮市場經(jīng)濟的作用，還需要發(fā)揮政府“無形之手〞“有形之手〞的調(diào)節(jié)作用，通過建立科學、合理的收入增長制度，推動居民收入不斷增加。要聯(lián)動居民收入增長與房價變動，促進企業(yè)主體開展，提高社會就業(yè)能力，制定落實收入增長政策措施，完善勞動者維權組織，縮小勞動者收入差距。蘭莉蕓〔2007〕[8]結合宏觀政策措施與效果提出以下建議：提高認識，妥善處理穩(wěn)定房價與擴大就業(yè)的關系；加強房地產(chǎn)信息平臺建設；穩(wěn)步調(diào)整金融政策，細化按揭貸款首付款的不同繳納比例，在一些房價極端不正常的城市可逐步停止對期房的按揭貸款；進一步完善房地產(chǎn)稅收政策；改革現(xiàn)有的土地政策，改土地出讓金為土地年租金，土地招拍掛過程中，要注意區(qū)分不同市場；進一步理順地方財政收支體制，切斷地方財政與土地出讓的利益關系。綜上所述，國內(nèi)目前關于房地產(chǎn)價格比動機制與對策的研究成果，一是房地產(chǎn)價格波動具有周期性。二是都大體認為房地產(chǎn)投機過度，過度寬松的的金融環(huán)境是導致當前房地產(chǎn)泡沫的原因。三是在都認為對房地產(chǎn)要加強監(jiān)管，政府要積極發(fā)揮調(diào)控作用。四是都進行了大量的實證研究，普遍都采用計量方法進行因素分析。三、本文的缺乏之處〔1〕本文最大的缺乏之處在于數(shù)據(jù)收集缺乏，變量數(shù)量太少。由于模型中一個重要變量房價比僅能截止到1998年因此收集到此時間的數(shù)據(jù)?！?〕本文意在研究當前房價拐點是否已經(jīng)出現(xiàn)，限購令是否發(fā)生作用，以此最好采用月度數(shù)據(jù)，但是無法收集各月數(shù)據(jù)，因此只好采用年度數(shù)據(jù)。模型變量選擇結合文獻綜述中學者的觀點和實際分析，對房地產(chǎn)價格起主導因素的是房地產(chǎn)市場的供給與需求，而房產(chǎn)市場的供求又是多種因素作用，因此需要分析一下房價與多種宏觀因素之間的關系。〔1〕因變量的選取本文研究的是房價變動的因素，因此需要選取房地產(chǎn)的價格作為被解釋變量即因變量，為了數(shù)據(jù)來源準確，房地產(chǎn)價格具體選取商品房平均銷售價格，這里商品房平均銷售價格指在全國范圍內(nèi)開發(fā)的商品住宅、辦公樓、商業(yè)營業(yè)用房以及其它房屋等在某統(tǒng)計年度的平均價格，是一個反映全國各種房地產(chǎn)價格情況的綜合指標。用Y來表示?！?〕自變量的選取根據(jù)理論和經(jīng)驗分析，參考國內(nèi)學者研究，影響房地產(chǎn)價格〔Y〕的主要因素有：城鎮(zhèn)居民家庭人均可支配收入〔X1〕；城鎮(zhèn)居民人均消費性支出〔X2〕；國內(nèi)生產(chǎn)總值〔X3〕；商品零售價格指數(shù)〔X4〕；居民消費價格指數(shù)〔X5〕；房價收入比〔X6〕；竣工房屋面積〔X7〕：房地產(chǎn)開發(fā)投資〔x8〕；房地產(chǎn)開發(fā)企業(yè)的個數(shù)(X9)；由于國家宏觀調(diào)控政策也會對房地產(chǎn)市場產(chǎn)生影響但無法具體計量，以此引入虛擬變量〔X10〕寬松的調(diào)控措施緊縮的調(diào)控措施寬松的調(diào)控措施緊縮的調(diào)控措施01〔X10〕綜上考慮建立計量模型Y=Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8X8+β9X9+β10X10+ε四數(shù)據(jù)收集和模型的建立(一)數(shù)據(jù)的收集經(jīng)過分析選取我國從1998-2023年的宏觀經(jīng)濟數(shù)據(jù)經(jīng)行分析，具體數(shù)據(jù)如下：1998-2023年房價及其影響因素各項變量數(shù)據(jù)年份商品房平均銷售價格〔元/平方米〕城鎮(zhèn)居民家庭人均可支配收入〔元〕X1城鎮(zhèn)居民人均消費性支出〔元〕X2國內(nèi)生產(chǎn)總值〔億元〕X3商品零售價格指數(shù)X4居民消費價格指數(shù)X5房價比X6竣工房屋面積〔萬平方米〕X7房地產(chǎn)開發(fā)投資資金額〔億元〕X8房地產(chǎn)開發(fā)企業(yè)的個數(shù)X9宏觀經(jīng)濟政策X10199820635425.14331.6184402.397.499.46.39170904.83614.2243781199920535854.04615.9189677.197.098.76.15187357.14103.2257621200021126280.0499899214.698.5100.86.3181974.44984.1273031200121706859.65309.01109655.299.2100.76.12182437.16344.1295521200222507702.86029.88120332.798.799.06.19196737.97790.9326181200323598472.26510.94135822.899.9100.96.15202643.710153.8371231200427789421.67182.1159878.3102.8103.36.92207019.113158.35924202005316810493.07942.88183217.4100.8101.67.31227588.715909.25629002006336711759.58696.55211923.5101.0101.57.19212542.219422.95871002007386413785.89997257305.6103.8104.57.44238425.325288.86251802023380015780.811243300670.0105.9105.66.78260307.031203.28756212023468117174.712264343464.698.899.18.03302116.536241.8804071數(shù)據(jù)來源：《中國統(tǒng)計年鑒》〔二〕模型建立及檢驗通過對收集的數(shù)據(jù)進行回歸建立初步模型，回歸結果如下：Y=-920.7849+0.640X1-0.678X2+0.002X3-5.611X4-0.362X5+452.706X6+0.001X7-(25.73-31.866.038-4.72-0.3650.7526.37-7.67-37.95-9.19)R2=1A.R2=0.999999經(jīng)過回歸發(fā)現(xiàn)模型總體擬合較好，其擬合程度到達0.999999，F(xiàn)值明顯大于臨界值，但是，在對各個變量的系數(shù)進行T檢驗的過程中，在5%的條件下，發(fā)現(xiàn)變量只有X1X2X6X7X9顯著，而且有些變量明顯與其實際經(jīng)濟意義不相符，綜合考慮之后可以認為產(chǎn)生上述問題的原因可能是模型存在多重共線性或者變量本身不是重要的解釋變量。因此，需要模型先進行多重共線性檢驗多重共線性分析逐步回歸通過檢驗發(fā)現(xiàn)X3與Y的擬合最好，因此以X3為初始變量。CX1X2X3X4X5X6X7X8X9X10R^2DWY=f(x3)t值1143.14610.854850.0099618.351730.971142.159Y=f(x3,x6)t值-1242.099-5.794000.00741427.09264420.336511.227200.9980782.426Y=f(x3,x6,x9)t值-1196.917-7.6256370.00847320.84500417.055515.27309-0.004293-2.9909520.999092.241568Y=f(x3,x6,x9,x10)t值-746.4600-4.0317290.0093722.76028351.58912.1643-0.006742-5.214459-70.34305-3.0301440.9996082.724165通過逐步回歸得出上表的Y=f(x3,x6,x9,x10)變量顯著，但是X10的系數(shù)符號意義不合理,因此Y=f(x3,x6,x9)為最優(yōu)Y=-1196.917+0〔-7.62563720.8450015.27309-2.990952〕R^2=0.99909DW=2.241568(2)序列相關性檢驗由于所選取的樣本容量較小，因此并不適合DW檢驗，所以采用拉格朗日乘數(shù)檢驗一階滯后：et=15.06878+6.96X3et-1(0.0846770.01551-0.0897-0.6323)R^2=0.06833LM=11X0.06833=0.75163在5%的置信水平下，LM<x^2(0.05)因此模型不存在序列相關性(3)異方差性檢驗采用去掉交叉項的輔助回歸CoefficientStd.Errort-StatisticProb.

C-115688.3100765.1-1.1480990.3029X3-0.0536840.091959-0.5837810.5847X3^22.06E-072.51E-070.8233650.4478X634587.9630310.781.1411110.3055X6^2-2542.7162288.401-1.1111320.3171X90.1765220.3867140.4564670.6672X9^2-2.59E-063.63E-06-0.7146630.5068R-squared0.538991

Meandependentvar642.7331AdjustedR-squared-0.014219

S.D.dependentvar763.8994S.E.ofregression769.3113

Akaikeinfocriterion16.42007Sumsquaredresid2959200.

Schwarzcriterion16.70293Loglikelihood-91.52040

Hannan-Quinncriter.16.31534F-statistic0.974297

Durbin-Watsonstat1.881391Prob(F-statistic)0.522153從回歸結果可以得到：R^2=0.538991nR^2=12*0.538991=6.829在5%的水平下，臨界值為12.59因此接受同方差的假設，所以模型不存在異方差性?！?〕變量協(xié)整性檢驗①檢測時間序列的平穩(wěn)性通過對各個變量的帶有截距項的一階自回歸模型進行檢驗得到Y,X3不平穩(wěn)，X6,X9是平穩(wěn)的。②對個變量取對數(shù)然后進行單位根檢驗變量差分次數(shù)〔C,T,K〕DWADF5%臨界值1%臨界值結論Y2(C,0,2)1.905-6.004028-1.988198-2.847250I(2)X32(C,0,2)1.905-7.085086-5.835186-7.085086I(2)X61(C,0,2)1.876-5.504654-1.988198-2.847250I(2)X91(C,T,2)1.964-3.526065-2.006292-2.937216I(2)由于變量單整階數(shù)相同可以進行協(xié)整檢驗③多變協(xié)整檢驗通過檢驗非均衡誤差項，得到非均衡誤差項是平穩(wěn)的，因此模型是協(xié)整的④誤差修正模型采用直接估計誤差模型，適當估計式為△Yt=-2482.391+0.0102dlx3t-1+0.0144x3t-1+787.89x6t-1-0.0104x9t-1(-4.40564.4799.765-5.37-5.515.025.171-2.885)R^2=0.9986DW=2.1寫成誤差修正模型如下△Yt=-1.689〔Yt-1-0.0089x3t-1-466.48x6t-1+0.0062x9t-1+1468.7〕五結果分析通過分析確定最終的模型△Yt=05dlx9-1.689〔Yt-1-0.0089x3t-1-466.48x6t-1+0.0062x9t-1+1468.7〕其中，應變量Y為商品房平均銷售價格，自變量X3為國內(nèi)生產(chǎn)總值，X6為房價收入比，X9為房地產(chǎn)商的數(shù)量〔1〕國內(nèi)生產(chǎn)總值〔GDP〕變動對房價的上漲產(chǎn)生正向的影響，但其影響程度并不大，GDP的增加對居民的可支配收入、消費性支出、商品零售價格指數(shù)、竣工房屋面積以及房地產(chǎn)方面的總投資均具有影響，而這些因素均能影響房地產(chǎn)的供給與需求，從而影響房地產(chǎn)的價格?！?〕房價收入比變動對房價上漲產(chǎn)生正向的影響，且其影響程度較大，房價收入比是由住宅價格除以居民有效購置力計算求得，反映上漲的房價與人們住房消費能力之間的關系，衡量房價是否處于居民收入能夠支撐的合理水平。居民的消費能力直接影響到居民對房地產(chǎn)的購置能力，從而影響房價的變動。因此，房價上漲主要影響因素是房價收入比，其對房地產(chǎn)的價格起決定性作用。〔3〕房地產(chǎn)商的數(shù)量對房價是負相關的關系，即房地產(chǎn)商的數(shù)量越多，房價會越低，因此打破少數(shù)房地產(chǎn)商的價格壟斷，降低準入門檻，在一定程度上可以降低房價。六、對策建議〔1〕由于居民的消費能力直接影響到居民對房地產(chǎn)的購置能力，從而影響房價的變動。因此，房價上漲主要影響因素是房價收入比，其對房地產(chǎn)的價格起決定性作用。因此要調(diào)控房價調(diào)整投資與消費的比例關系，促進消費與投資關系的協(xié)調(diào)開展。一方面控制投資規(guī)模，調(diào)整投資結構。另一方面，要通過增加居民收入，促進消費增長?！?〕在模型建立之初引入了宏觀調(diào)控因素，但變量檢驗過程中，作用不顯著因此在房價變動過程中政府的調(diào)控似乎沒有產(chǎn)生預期效果。因此如何有效的調(diào)控仍是政府工作重點。〔3〕當前房地產(chǎn)價格開始出現(xiàn)下降趨，因此很難定性成國家宏觀調(diào)控起作用，很大程度是由于房價比的下降，反映投資開始疲軟，經(jīng)濟面臨。政府要采取謹慎措施，在標準房地產(chǎn)市場促進其健康開展的同時，注重刺激市場。同時進一步拉動內(nèi)需，防止經(jīng)濟衰退。參考文獻[1]白福周.房價上漲影響因素實證分析[D].浙江工業(yè)大學，2023[2]牟峰.近年來我國房價上漲原因分析[D].華南理工大學,2023[3]姜玉英淺談房地產(chǎn)價格的影響因素[J]當代經(jīng)濟，2023.4[4]張琳、楊杰、房勤英.淺談當前房價過高形勢下房地產(chǎn)調(diào)控政策[J]當代經(jīng)濟，2023〔6〕[5]沈悅、劉洪玉房地產(chǎn)價格與宏觀經(jīng)濟指標關系的研究[J]價格理論與實踐2023.1[6]栗亮.貨幣供給量對房價影響的分析[J].價格月刊，2023(1)[7]夏飛EVA、會計利潤與企業(yè)價值——來自房地產(chǎn)行業(yè)的證據(jù)[J]生產(chǎn)力研究2023[8]蘭莉蕓城市房價與失業(yè)率的關聯(lián)性[J]南方人口2023附錄回歸結果一初步回歸結果DependentVariable:YMethod:LeastSquaresDate:12/30/11Time:19:21Sample:19982023Includedobservations:12CoefficientStd.Errort-StatisticProb.

C-920.784988.41697-10.414120.0609X10.6396540.02485625.734040.0247X2-0.6777300.021268-31.866860.0200X30.0020350.0003376.0383770.1045X4-5.6114061.189708-4.7166230.1330X5-0.3620231.005045-0.3602030.7799X6452.70618.92082750.747100.0125X70.0012734.83E-0526.370260.0241X8-0.0204980.002677-7.6571990.0827X9-0.0050290.000133-37.951610.0168X10-53.506035.822512-9.1895100.0690R-squared1.000000

Meandependentvar2888.750AdjustedR-squared0.999999

S.D.dependentvar879.1286S.E.ofregression0.767586

Akaikeinfocriterion1.657293Sumsquaredresid0.589188

Schwarzcriterion2.101791Loglikelihood1.056240

Hannan-Quinncriter.1.492724F-statistic1442925.

Durbin-Watsonstat2.689610Prob(F-statistic)0.000648二多重共線性修正結果DependentVariable:YMethod:LeastSquaresDate:12/30/11Time:19:26Sample:19982023Includedobservations:12CoefficientStd.Errort-StatisticProb.

C-1196.917156.9596-7.6256370.0001X30.0084730.00040620.845000.0000X6417.055527.3065415.273100.0000X9-0.0042930.001435-2.9909520.0173R-squared0.999093

Meandependentvar2888.750AdjustedR-squared0.998753

S.D.dependentvar879.1286S.E.ofregression31.04995

Akaikeinfocriterion9.970273Sumsquaredresid7712.798

Schwarzcriterion10.13191Loglikelihood-55.82164

Hannan-Quinncriter.9.910430F-statistic2936.704

Durbin-Watsonstat2.241568Prob(F-statistic)0.000000三序列相關性檢驗結果DependentVariable:REMethod:LeastSquaresDate:12/30/11Time:19:30Sample(adjusted):19992023Includedobservations:11afteradjustmentsCoefficientStd.Errort-StatisticProb.

C15.06878177.95580.0846770.9353X36.96E-060.0004480.0155110.9881X6-2.85398431.81294-0.0897110.9314X90.0001070.0016120.0666650.9490RE(-1)-0.3122460.493799-0.6323340.5505R-squared0.068337

Meandependentvar1.412214AdjustedR-squared-0.552772

S.D.dependentvar27.29385S.E.ofregression34.01094

Akaikeinfocriterion10.19420Sumsquaredresid6940.464

Schwarzcriterion10.37506Loglikelihood-51.06808

Hannan-Quinncriter.10.08019F-statistic0.110024

Durbin-Watsonstat1.503353Prob(F-statistic)0.974468四變量的單位根檢驗YNullHypothesis:D(Y,2)hasaunitrootExogenous:NoneLagLength:0(AutomaticbasedonSIC,MAXLAG=2)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-7.830646

0.0000Testcriticalvalues:1%level-2.8472505%level-1.98819810%level-1.600140*MacKinnon(1996)one-sidedp-values.Warning:Probabilitiesandcriticalvaluescalculatedfor20observations

andmaynotbeaccurateforasamplesizeof9AugmentedDickey-FullerTestEquationDependentVariable:D(Y,3)Method:LeastSquaresDate:12/30/11Time:19:36Sample(adjusted):20012023Includedobservations:9afteradjustmentsCoefficientStd.Errort-StatisticProb.

D(Y(-1),2)-2.3777310.303644-7.8306460.0001R-squared0.881685

Meandependentvar97.33333AdjustedR-squared0.881685

S.D.dependentvar650.5169S.E.ofregression223.7581

Akaikeinfocriterion13.76345Sumsquaredresid400541.4

Schwarzcriterion13.78536Loglikelihood-60.93551

Hannan-Quinncriter.13.71616Durbin-Watsonstat1.743634X3NullHypothesis:D(X3,2)hasaunitrootExogenous:Constant,LinearTrendLagLength:2(AutomaticbasedonSIC,MAXLAG=2)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-2.501823

0.3243Testcriticalvalues:1%level-6.2920575%level-4.45042510%level-3.701534*MacKinnon(1996)one-sidedp-values.Warning:Probabilitiesandcriticalvaluescalculatedfor20observations

andmaynotbeaccurateforasamplesizeof7AugmentedDickey-FullerTestEquationDependentVariable:D(X3,3)Method:LeastSquaresDate:12/30/11Time:19:37Sample(adjusted):20032023Includedobservations:7afteradjustmentsCoefficientStd.Errort-StatisticProb.

D(X3(-1),2)-5.3082492.121752-2.5018230.1295D(X3(-1),3)2.9079341.5309261.8994610.1979D(X3(-2),3)0.7690480.9480630.8111790.5024C-8768.6765786.369-1.5154020.2689@TREND(1998)4183.7291740.0992.4043060.1381X6NullHypothesis:D(X6,2)hasaunitrootExogenous:NoneLagLength:0(AutomaticbasedonSIC,MAXLAG=2)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-5.615866

0.0001Testcriticalvalues:1%level-2.8472505%level-1.98819810%level-1.600140*MacKinnon(1996)one-sidedp-values.Warning:Probabilitiesandcriticalvaluescalculatedfor20observations

andmaynotbeaccurateforasamplesizeof9AugmentedDickey-FullerTestEquationDependentVariable:D(X6,3)Method:LeastSquaresDate:12/30/11Time:19:38Sample(adjusted):20012023Includedobservations:9afteradjustmentsCoefficientStd.Errort-StatisticProb.

D(X6(-1),2)-2.1457310.382084-5.6158660.0005R-squared0.793778

Meandependentvar0.168889AdjustedR-squared0.793778

S.D.dependentvar1.292879S.E.ofregression0.587117

Akaikeinfocriterion1.877255Sumsquaredresid2.757654

Schwarzcriterion1.899169Loglikelihood-7.447648

Hannan-Quinncriter.1.829965Durbin-Watsonstat1.849128X9NullHypothesis:D(X9,2)hasaunitrootExogenous:NoneLagLength:2(AutomaticbasedonSIC,MAXLAG=2)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-4.677340

0.0007Testcriticalvalues:1%level-2.9372165%level-2.00629210%level-1.598068*MacKinnon(1996)one-sidedp-values.Warning:Probabilitiesandcriticalvaluescalculatedfor20observations

andmaynotbeaccurateforasamplesizeof7AugmentedDickey-FullerTestEquationDependentVariable:D(X9,3)Method:LeastSquaresDate:12/30/11Time:19:39Sample(adjusted):20032023Includedobservations:7afteradjustmentsCoefficientStd.Errort-StatisticProb.

D(X9(-1),2)-4.3826400.936994-4.6773400.0095D(X9(-1),3)2.2637620.7783462.9084270.0437D(X9(-2),3)1.1473890.4193962.7358160.0521R-squared0.924779

Meandependentvar-4716.571AdjustedR-squared0.887169

S.D.dependentvar31937.95S.E.ofregression10728.08

Akaikeinfocriterion21.69664Sumsquaredresid4.60E+08

Schwarzcriterion21.67346Loglikelihood-72.93825

Hannan-Quinncriter.21.41013Durbin-Watsonstat1.910084五協(xié)整檢驗NullHypothesis:REhasaunitrootExogenous:NoneLagLength:2(AutomaticbasedonSIC,MAXLAG=2)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-3.029323

0.0071Testcriticalvalues:1%level-2.8472505%level-1.98819810%level-1.600140*Mac