2007年，深圳市住房价格在各种宏观调控政策的打压下，仍然同比增长了近50%。2008年上半年，继续高位运行，下半年开始出现下滑，而2009年，由于宽松货币政策、税收优惠政策的刺激，房价从3月份开始出现环比上涨，全年房价上涨幅度堪比2007年。近三年，在我国房地产宏观调控政策频繁变化的背景条件下，深圳市住房价格跌宕起伏，成为社会各界关注和议论的焦点。因此，分析住房价格变化影响因素对于实现我国稳定住房价格的目标，促进房地产市场健康发展都具有积极的作用，但是，住房价格影响因素是多层次的，多领域的，是一个非常复杂的系统，难以进行全面系统的分析。本文拟通过岭回归模型对深圳市1997-2008住房价格变化进行实证分析，找出影响深圳市住房价格变化的主要因素。
影响房地产价格的经济因素很多，包括经济发展水平和居民收入水平，物价水平，利率，房地产投资的规模和结构，财政收支状况以及金融市场发育情况，尤其是房地产金融市场状况，房地产投资状况等。经济因素主要包括居民可支配收入、经济发展状况、利率、物价等。
其他因素主要包括区位因素和社会因素。区位因素是指房地产所在地区和市场特点对房价产生影响的因素。社会因素主要是指政治安定情况和社会治安状况。一般说来，政治不稳定，社会动荡，经常发生犯罪案件，人们的生命财产无法取得保障，房地产价格自然会下降。
利率严格来说为离散型变量，但考虑通货膨胀等因素的变化，认为利率为变量。因为国家每年调整利率的频率和幅度没有任何规律可寻，所以对于一年内利率有多次变动的，采用简单算术平均计算平均利率。
由于影响住宅价格因素的复杂性和和多样性，将所有研究因素都纳入研究分析不太现实，难度较大。在选择住宅价格影响因子时，要考虑到起主要影响作用的因子，同时这些因子要易于量化处理。基于以上考虑，利用1997-2008年序列资料作为基础数据，从中选择以下指标作为分析因子：gdp、人均可支配收入、房地产开发投资额、中长期贷款、年末常住人口数、住宅地价指数、利率、商品住宅竣工面积、住宅出让土地面积、商品住宅销售面积。
（三）模型分析
下面为了得到每个影响因素对深圳市住宅交易均价的影响程度，本文将上述因素分别与深圳市住宅交易均价建立计量经济学模型。其中模型表达式为：
，其中，y为深圳市住宅交易均价，x为某个影响因素，
为待估计参数，
为随机误差项。
根据深圳市1997——2008年的历史数据，利用dps软件分别对gdp、人均可支配收入、房地产开发投资额、中长期贷款、年末常住人口数、住宅地价指数、利率、商品住宅竣工面积、住宅出让土地面积、商品住宅销售面积等10个因素与深圳市住宅交易均价作一元线性回归分析，其结果见下表。
引入变量 |
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 |
房地产开发资产投资x3 |
0.778 |
17.89 |
0.461 |
0.002 |
中长期贷款x4 |
0.976 |
226.07 |
2.27 |
0.000 |
年末常住人口指数x5 |
0.831 |
25.62 |
0.675 |
0.0005 |
住宅地价指数x6 |
0.925 |
66.60 |
1.245 |
0.000 |
利率x7 |
0.315 |
0.008 |
0.187 |
0.929 |
商品住宅竣工面积x8 |
0.201 |
0.268 |
0.98 |
0.467 |
住宅出让土地面积x9 |
0.740 |
14.30 |
1.42 |
0.004 |
商品住宅销售面积x10 |
0.300 |
0.088 |
0.219 |
0.773 |
（1）模型的有效性检验
从上面的回归分析结果可以看出，除了gdp、中长期贷款两个指标dw检验结果取值在2左右，其余指标dw检验结果取值明显小于2，说明除了gdp、中长期贷款两个指标不存在一阶自相关外，其余指标均存在较为明显的正自相关，模型估计是无效的。
（2）拟合优度和显著性检验
通过上表可以看出，大部分变量所构成的模型的调整相关系数r都偏小，说明模型拟合程度不高，也就是说被解释变量与解释变量间的相关程度不高，用回归模型不能很好的模拟样本观测值。从方程和变量的显著性来看，只有gdp、中长期贷款、住宅地价指数、年末常住人口指数等4个变量的决定系数在0.8以上。因此，可以知道对深圳市住宅交易价格影响比较大的因素有gdp、中长期贷款、住宅地价指数、年末常住人口指数。
2、多个影响因素分析
住房价格各种影响因素是相互作用的，构成一个复杂的系统。因此，必须把各种因素看成一个系统来分析，这样更能科学的解释深圳市住房价格变化情况。
通过对变量之间作相关系数发现，部分变量之间存在高度相关性，可以推出变量间可能存在多重共线性问题。
目前应用于多个变量处理办法的普通最小二乘法多元线性回归和主成分分析法都存在一定的缺陷，应用这两种方法的前提是要求变量之间必须相互独立，但是，这一条件在现实情况中很难得到满足，因为在实际研究过程中很多变量都是相互影响，相互作用的，很容易产生多重共线性问题，如果这一问题没有得到解决的话，盲目地用现有的统计分析方法就很难得到科学的结论。通过对变量之间的相关性可以看出，在显著性水平条件下，很多变量之间存在着高度相关性，也就是说存在严重的多重共线性，不满足普通最小二乘法和主成分分析法的应用条件，为了克服这些缺陷，保证数据分析的准确性和科学性，本文采用岭回归分析法。
岭回归是一种常用的处理多重共线性问题的回归方法，岭回归的回归参数是由岭回归的正规方程组给出：
式中：x为n×m阶系数矩阵，由标准化后的各个x变量所组成；b为估计得到的系数向量；k为可以调整的正数，即岭参数，0<k<1；i为m×m阶单位矩阵。与经典的最小二乘回归中的正规方程相比较可以发现，岭回归中的
在矩阵中加入了对角元素k。岭回归方法实际上是一种改良的最小二乘法，是以放弃最小二乘法的无偏估计，放弃部分精确度为代价来寻求效果稍差但更符合实际情况的回归分析过程。虽然岭回归分析所得残差平方和比最小二乘回归要大，但是，它对病态数据的忍耐力远远强于最小二乘回归。
岭回归选择变量的基本原则有：剔除岭迹图上标准化岭回归系数比较稳定且绝对值比较小的自变量、岭回归系数不稳定且震动趋于零的自变量以及标准化回归系数很不稳定的自变量。由于岭回归是有偏估计，为了尽量保留信息，零参数的取值不宜太大。另外，还要保证岭迹图上各岭回归系数的岭估计基本稳定，且符号合理，残差平方和增加不明显。
运用dps程序，得到不同岭参数下各自变量的岭回归系数，见下表。
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 |
对影响住房价格的10个变量做岭迹分析，岭迹图见上面。可以看出，岭迹图基本稳定。根据岭回归自变量选择原则，去掉回归系数很小且震动趋于零的商品住宅竣工面积、商品住宅销售面积，剔除这两个变量后再作岭迹图，图见下面。
从上面岭迹图可以看出，k＝0.2后，各变量的回归系数符号开始稳定，且系数大小也开始稳定，因此，选取k=0.2，计算此时的岭回归估计结果为：调整相关系数r′=0.96，f=16.93，显著性水平为0.02，模型整体拟合效果不错，此时标准化岭回归方程为：
y=0.00065x1+0.1557x2+0.1603x3+0.1962x4+0.1589x5+0.2709x6+0.1440x7-0.0902x9
模型影响效果分析：从上面回归方程的系数知道，影响深圳市住房价格的因素可以分两类，一类是正的影响；一类是负的影响。除了住宅出让土地面积一个指标与住房交易价格呈负相关外，其余7个指标均对深圳市住房价格起正影响。
模型影响程度分析: 由于岭回归方程的回归系数是标准化的，其值大小是具有可比性的，而且从回归系数的大小可以直接反映出其影响程度大小。因此，可以推出各影响因素对深圳市住房价格的影响程度分别为：住宅地价指数＞中长期贷款＞房地产开发投资＞年末常住人口指数＞gdp＞利率＞住宅出让土地面积＞居民可支配收入。
模型具体数值分析: 根据上述方程可以得出，住宅地价指数每上升1个百分点，住房销售均价就上升0.2709个百分点；中长期贷款每增加1元，住房销售均价就增加0.1962元；房地产开发投资每增加1元，住房销售均价就增加0.1603元；年末常住人口指数每上升1个百分点，住房销售均价就上升0.1589个百分点。同样，根据上述方程可以得出，可以得出其他影响因素对房价的影响大小。
从岭回归分析结果看出，影响住宅价格主要因素有住宅地价指数、中长期贷款、房地产开发投资、年末常住人口、gdp、利率等，而人均可支配收入、商品住宅竣工面积、商品住宅销售面积对住房价格的影响非常小。
1、宽松的货币政策为房价上涨提供了强有力的支撑作用
房地产业属于资金密集型行业，无论房地产开发或是房地产置业环节中，都需要大量的资金作为保障，而目前我国房地产行业资金来源渠道较为单一，主要依靠银行信贷，因此，我国房地产市场的快速发展与宽松的货币政策是密不可分的。另外，无论从国际还是国内的经验看，对于房地产贷款的抑制肯定能对房价的上涨产生巨大影响。这也是市场对房地产信贷政策异常敏感的原因。
2008年11月，在金融危机的背景条件下，国务院推出了一系列的房地产救市政策，导致2009年我国70个大中城市房价再现了2007年的疯狂涨势。与2009年年初相比，多数一线城市到年底出现了50%以上的上涨，深圳甚至达到80%。据国家统计局数据显示，2009年前11个月，我国房地产开发企业资金来源中，银行信贷资金超过1.6万亿元，比2008年同期增长60%以上。2009年全国近10万亿元的银行新增贷款中，约六分之一流入到了房地产开发领域。
2、地价上涨是导致房价上涨的重要原因
尽管关于房价与地价的辨证关系，业界一直存在不同的看法。有的认为：地价不是决定房价的主要因素，地价上涨不一定导致房价上涨；有的认为：地价与房价有本质的联系，地价是房价的主要组成部分，地价上涨会带动房价的上涨。
从经济学角度看，房地产市场供需状况才是影响房价的决定性因素；但是，从生产费用价值论看，地价是房地产开发成本的重要组成部分，作为理性经济人，在房价定价过程中，一定会考虑地价对房价的贡献因素。
尽管房价受经济发展水平、开发商的房屋开发成本和对未来房地产市场的预期及消费者的收入水平、消费者的偏好和预期等多种因素的影响，但是，地价与房价有着千丝万缕的联系，这是不可否认的事实。
从本次对深圳市地价与房价关系研究结果看，不论是单因素分析还是多因素分析，地价与房价均存在高度相关关系。
3、宏观经济环境变化是引起房价上涨的外部原因
从本次分析结果来看，gdp、人口等宏观经济环境都与房价变化有较强的相关性，对于这点我们不难理解。经济发展一定会带动房价的上涨，这都很容易理解，目前问题是房价上涨速度远远超过了经济发展的速度。人口的增加一定会带来住房需求的增加，深圳作为一个外来人口为主的城市，人口增加对住房刚性需求的带动是非常明显的，这也是近几年深圳房价居高不下的重要原因。
