基于主成分分析的南京市商品房價格波動影響因素實證研究 摘要房價問題一直是關系國計民生的大問題，一直是大眾談論的熱點問題，然而到底是什么在影響著房價，本文致力于對這一問題進行探索。因為不同地區(qū)的實際情況不同，不能一概而論，所以選擇南京為研究對象。針對商品房價格波動的影響因素，基于江蘇省南京市2007-2019年相關統(tǒng)計數(shù)據，從經濟發(fā)展、購房需求、售房成本、教育水平等四個方面選取指標，結合主成分分析法對商品房價格進行回歸，結果表明：經濟發(fā)展是影響南京市房價波動的關鍵因素，與經濟發(fā)展相比，購房需求、教育水平以及售房成本對商品房價格的貢獻較小。根據分析結果，為調控房價波動提出合理建議。關鍵詞：房價波動；主成分分析；影響因素目錄摘要 4Abstract 51緒論 71.1研究背景和意義 71.2文獻綜述 72主成分分析法 92.1主成分分析法的原理 92.2主成分分析法的步驟 92.2.1原始指標數(shù)據的標準化 92.2.2計算相關系數(shù)矩陣R 92.2.3求相關矩陣R的特征根和特征向量，確定主成分 102.2.4計算綜合得分 102.3主成分分析法的優(yōu)點 102.3.1可消除評價指標之間的相關影響 102.3.2可減少指標選擇上的工作量 102.3.3可以減少計算工作量 103指標選取與數(shù)據來源 113.1指標選取 113.2數(shù)據來源 124實證分析 144.1主成分分析法的適用性檢驗 144.1.1多重共線性檢驗 144.1.2KMO和Bartlett球形檢驗 154.2提取主成分 154.3主成分回歸分析 164.3.1未標準化系數(shù)做回歸 174.3.2標準化系數(shù)做回歸 195結論與意見 235.1結論 235.2意見 23參考文獻 241緒論1.1研究背景和意義自1998年住房分配政策取消以來，國內的房地產業(yè)正式進入了一個新的發(fā)展階段。在2000完成住房制度改革后的短短幾年時間里，縱觀國內，無論沿海地區(qū)還是中西部欠發(fā)達地區(qū)，城市商品房都如雨后春筍般拔地而起，成為了經濟發(fā)展，產業(yè)投資中不可忽視的一部分。然而過快的發(fā)展必將帶來一系列問題，隨著房地產行業(yè)的快速發(fā)展，房價也在節(jié)節(jié)攀升，北上廣深等一線城市的房價已經逐步超出了普通老百姓的承受能力。商品房價格的持續(xù)走高使房價走進了大眾視野，同時也受到政府和社會的重視。作為國民經濟的支柱產業(yè)，房地產行業(yè)的興衰直接關系著國民經濟能否穩(wěn)定運行。然而事實表明房價的上漲帶來的經濟效應，以及其過快的增速已經嚴重影響到社會的和諧與安定，為了房地產行業(yè)健康、穩(wěn)定地發(fā)展，國家必須有所行動。以南京市為例，19年初網絡上關于“南京房價突破限價”、“南京調控放松”的消息甚囂塵上。而南京發(fā)展和改革委員會也發(fā)布了《南京堅持房價穩(wěn)控政策不動搖》一文對該消息進行了回應。文中明確表示住房問題是關乎國民生計的大問題，必須要維護房地產市場的穩(wěn)定發(fā)展，一旦房產市場發(fā)生過熱問題，需要根據國家及地區(qū)的有關政策規(guī)定，在房價上升期間實施系列措施維持房價的穩(wěn)定，有效防范房價不正常浮動風險。但盡管國家政策層已經啟動了幾輪調控，房價也沒有絲毫要穩(wěn)定下來的跡象，一房難求、房價虛高、“鬼屋”等現(xiàn)象仍然困擾著中國老百姓。為此，我們必須深入了解房價波動后面的“隱形的手”是什么，需要深刻認識到真正造成商品房價格波動的原因是什么。找準問題，對癥下藥，只有制定針對性政策，才能從根部解決房價高漲帶來的經濟問題。1.2文獻綜述根據中國知網對于商品房價格主題詞的檢索可以發(fā)現(xiàn)，對應該領域的文件篇數(shù)共有4884篇，其中外文占有22篇，主要都是國內學者對于商品房價格的研究。從開始研究的時間我們也可以看出，外國學者從2010年開始出現(xiàn)有關于該領域的研究成果，而我國早在1986年就出現(xiàn)了關于該領域的研究，這也同我國國情相吻合。根據對1986年至2021年的文獻統(tǒng)計發(fā)現(xiàn)，1996年之前對于該領域的研究甚少，96年頒布全面推進住房公積金制度之后，研究人員加大了對該領域的研究，2006年前后達到峰值，2008金融危機至2018年十年內，房地產、商品房價格一直受到廣泛關注。在對商品房價格的影響因素研究中，中國學者采用了不同的方法，并取得了一定的研究成果。肖晚秋以上海市為例，采用偏最小二乘回歸法，對上海市房價進行了回歸分析，最終得出結果，認為對上海市房價波動影響最大的是人均存款，第二重要的是房地產開發(fā)投資，其后依次是房屋造價、常住人口以及廣義貨幣供給。許嘉琪建立計量模型，對影響我國商品房價格的指標進行回歸分析，得出商品房價格與人均可支配收入以及土地購置費存在密切關系。王雨晨利用EViews對影響房價的五個重要因素進行了回歸分析，結果表明城鎮(zhèn)居民人均可支配收入、住宅竣工面積、GDP對房價具有顯著影響。肖文根據西方經濟學理論，建立VAR模型，以合肥市為例進行研究，得出了各影響因素是從需求和供給兩側對商品房產生影響的結論。簡鑫以云南省為例，利用多元線性回歸分析模型對云南省房價波動的影響因素進行研究，發(fā)現(xiàn)云南省地區(qū)生產總值以及云南省的城鎮(zhèn)居民家庭人均收入對房價的影響相對顯著。黎永紅首先對影響我國商品房價格的指標進行了分析，后從三方面對我國房地產市場的特征進行了闡述。本文在國內學者研究的基礎上，以南京市為例，利用主成分分析法對影響商品房價格的因素進行回歸，希望找到影響南京市房價波動的真正原因，為制定調控房價政策做出貢獻。

2主成分分析法2.1主成分分析法的原理主成分分析法（PCA）的中心思想是降維，將原有的多個指標轉化為幾個少數(shù)指標。但轉化的前提是保證數(shù)據信息流失較少，所轉化的指標是能夠包含原有指標大多數(shù)信息的綜合指標。我們將轉化后的指標成為主成分，各個主成分之間無線性相關關系，且主成分能由原來的指標線性表示。2.2主成分分析法的步驟2.2.1原始指標數(shù)據的標準化由于和觀測值指標的計量單位是不同的，為了排除數(shù)量級和量綱不同帶來的影響，首先對原始數(shù)據進行標準化處理設有n個樣本，P項指標，可得數(shù)據X=(Xij)n×p,i=1,2,?,n;j=1,2,?,p;Xij表示第Xij=(其中：Xj=1ni=1nXij,S2.2.2計算相關系數(shù)矩陣RR=(其中：r且有：rjj=1，rjk=rkj，i=1,2,2.2.3求相關矩陣R的特征根和特征向量，確定主成分根據特征方程R-λI=0，計算p個特征根λi（i=1，2，ui=u將標準化后的指標變量轉換為主成分：Fi=ui1xF1稱為第一主成分，?，F(xiàn)p稱為第一般主成分個數(shù)等于原始指標個數(shù)，如果原始指標個數(shù)較多，進行綜合評價是就比較麻煩。主成分分析法是選取盡量少的k個主成分（k<p）來進行綜合評價，同時還要是損失的信息量盡可能少。K值由方差貢獻率i=1kλ2.2.4計算綜合得分計算綜合得分：F=i=13指標選取與數(shù)據來源3.1指標選取為分析南京市商品房價格波動的影響因素，本文選取南京市商品房價格為觀察變量。并本著科學性、代表性、可操作性的原則，從經濟發(fā)展、購房需求、售房成本，教育水平四個方面選取影響南京市房價波動的指標。在經濟發(fā)展方面。選取國民生產總值、城鎮(zhèn)居民可支配收入以及第三產業(yè)固定投資額作為衡量指標。選取原因：選取國民生產總值的原因是，國民生產總值是衡量國民經濟的重要指標，會通過影響國民經濟影響總需求，對商品房價格造成影響；選取城鎮(zhèn)居民可支配收入的原因是，當居民的可支配收入提高，投資熱情和投資能力也會相對提升，可能會造成房地產產業(yè)投資過熱；選取第三產業(yè)固定投資額的原因是，第三產業(yè)固定投資額的多少直接影響房地產行業(yè)的總供給，將直接影響商品房的價格。（二）在購房需求方面。選取城鎮(zhèn)居民人均消費性支出、居民消費價格指數(shù)、人口數(shù)作為衡量指標。選取原因：選取城鎮(zhèn)居民消費性支出的原因是，了解人們用于消費的總數(shù)是多少，可以得出房地產行業(yè)的支出占比，了解房地產行業(yè)的走勢；選取居民消費價格指數(shù)的原因是，居民價格消費指數(shù)是反映通貨膨脹（或緊縮）的重要指標，通貨膨脹會造成房地產相對升值，人們會大量涌入房產市場；選取人口數(shù)的原因是，人口數(shù)作為基本的統(tǒng)計指標，從根源上影響著購房需求，二胎政策必定會在未來一段時間內造成人口數(shù)的上升，隨之而來的便是購房需求的增加以及房價的不斷上漲。（三）在售房成本方面，選取房地產開發(fā)投資額、房屋竣工面積作為衡量指標。選取原因：選取房地產開發(fā)投資額的原因是，房地產開發(fā)投資額越高說明資本家的投入越多，房屋的成本越大。為了獲取更高的利潤，房產商就會相對太高房屋銷售價格；選取房屋竣工面積的原因是，房屋竣工面積反映了市場上現(xiàn)存的房屋總量，如果房屋滯銷，資本家就會通過提高房屋銷售價格來維護自己的利益。（四）在教育水平方面，選取學校數(shù)、在校學生數(shù)作為衡量指標。選取原因：選取學校數(shù)的原因是，教育資源分配不均造成房地產市場上學區(qū)房價格虛高。選取在校學生數(shù)的原因是，學生數(shù)代表了人們對于房屋的剛性需求。具體指標選取見表3.1。表3.1商品房價格波動影響因素指標體系表被解釋變量一級指標二級指標商品房平均銷售價格Y（元平方米）經濟發(fā)展國民生產總值X1（億元）城鎮(zhèn)居民人均可支配收入X2（元）第三產業(yè)固定投資額X3（億元）購房需求城鎮(zhèn)居民人均消費性支出X4（元）居民消費價格指數(shù)X5（上年=100）人口數(shù)X6（萬人）售房成本房地產開發(fā)投資額X7（億元）住宅竣工面積X8（萬平方米）教育水平學校數(shù)X9（所）在校學生人數(shù)X10（人）3.2數(shù)據來源本文的指標數(shù)據均取自《南京市統(tǒng)計年鑒》，數(shù)據包括2007-2019年南京市各項指標數(shù)據，具體數(shù)據見表3.2.表3.2南京市2007-2019年房價及影響因素原始數(shù)據表時間Y(元平方米)X1（億元）X2（元）X3（億元）X4（元）X5（上年=100）X6（萬人）X7（億元）X8（萬平方米）X9（所）X10(人)2007年50313283.7320317.00920.3613278.44103.70617.17445.97682.971187.001712747.002008年51093814.6223123.001052.8115132.73106.20624.46508.171062.261157.001762021.00續(xù)表3.2時間Y(元平方米)X1（億元）X2（元）X3（億元）X4（元）X5（上年=100）X6（萬人）X7（億元X8（萬平方米）X9（所）X10(人)2009年71854230.26255041344.4816339.1100.1629.77595.681516.28116017852502010年95655012.64283121671.7518156104.2632.42754.761039.57121218135062011年93106145.32322001924.320763105.4636.36896.731169.09125318410242012年101067201.57363222244.9123493102.7638.481015.761699.73127818352832013年114958011.78398812723.4724129102.7643.091120.181039.39125318318252014年111988820.75425683244.4525855102.6648.721125.49677.38147018582392015年114899720.77461043354.4927794102653.41429.021449.1152619042442016年1775410503.02499973708.5729772102.7662.791845.61241.33157519520852017年1565311715.1545384402.9831385101.9680.672170.211077.49160820122002018年1963812820.4593083942.3633537102.4696.942354.171176.85166020771752019年19007140309535933103.1709.822501.261582.34172421601354實證分析由于本文選取對南京市房價波動造成影響指標較多，數(shù)據較為復雜繁瑣，現(xiàn)利用SPSS軟件利用主成分分析法對選取的指標進行降維，希望得到具有代表性的綜合指標（即主成分）。對主成分提取后做回歸分析，最終得到南京市商品房價格的回歸模型。解釋所得到的回歸模型，了解各指標對于南京房價波動的影響程度，借此對房價的調控提出可行性建議。4.1主成分分析法的適用性檢驗4.1.1多重共線性檢驗利用SPSS軟件輸出相關矩陣，檢驗各指標之間是否存在多重共線性。指標間相關系數(shù)矩陣見表4.1。表4.1指標間相關性系數(shù)矩陣表相關性X1X2X3X4X5X6X7X8X9X10X110.9994450.9832390.996589-0.403170.9585590.9733290.1192480.9579140.955975X20.99944510.9817830.996388-0.411210.9635650.9764950.1304160.9546930.961713X30.9832390.98178310.981013-0.434360.9200290.9477240.0682610.9510860.918356X40.9965890.9963880.9810131-0.401580.9437950.9624430.1707160.9452630.949098X5-0.40317-0.41121-0.43436-0.401581-0.38343-0.3764-0.3602-0.37868-0.34882X60.9585590.9635650.9200290.943795-0.3834310.9842810.104820.9279830.991085X70.9733290.9764950.9477240.962443-0.37640.98428110.1247190.9472740.984223續(xù)表4.1相關性X1X2X3X4X5X6X7X8X9X10X80.1192480.1304160.0682610.170716-0.36020.104820.12471910.0215590.175103X90.9579140.9546930.9510860.945263-0.378680.9279830.9472740.02155910.926501X100.9559750.9617130.9183560.949098-0.348820.9910850.9842230.1751030.9265011由表4.1可知，居民消費價格指數(shù)同其它指標之間不存在多重共線性；房屋竣工面積同其它指標之間不存在多重共線性；除居民消費價格指數(shù)和房屋竣工面積之外的其余指標之間均存在多重共線性。例如國民生產總值（X1）與城鎮(zhèn)居民人均可支配收入的相關性系數(shù)達到了0.999454，屬于高度相關。由于指標間存在嚴重的多重共線性，直接對各變量進行回歸分析得到的結果不可信，不具有實際意義，得到的回歸模型也無法為制定房價調控政策做出貢獻。同時主成分分析適用于相關性較強的變量，各變量之間的相關性越強，越能凸顯主成分濃縮原始變量的能力。為了消除指標之間的多重共線性，采取主成分分析法，進行主成分提取，得到一組新的、相互無關的綜合變量。4.1.2KMO和Bartlett球形檢驗利用SPSS軟件進行KMO和Bartlett球形檢驗，檢驗各指標間的相關程度。結果如下表：表4.2KMO和Bartlett球形檢驗KMO取樣適切性量數(shù)0.773Bartlett球形檢驗近似卡方273.220自由度45顯著性0.000由表4.2的檢驗結果可知KMO值為0.773>0.6，Bartlett球形檢驗顯著性水平<0.05，兩個指標都說明各變量之間的關聯(lián)程度較高,表明研究對象適合做主成分分析并且主成分分析的結果也較為理想。4.2提取主成分根據主成分分析法的原理，我們希望選取的主成分能夠盡可能多地反映原有變量或指標的信息。同時，據統(tǒng)計學的理論，采取“方差”來表示信息,所提取的主成分的方差越大，其中所包含的信息就越多。利用SPSS軟件得出主成分能夠解釋的總方差。結果如下表所示：表4.3主成分方差解釋表成分初始特征值提取平方和載入合計方差的%累計%合計方差的%累計%17.9879.80579.8057.9879.80579.80521.10811.07790.8821.10811.07790.88230.7137.13398.01540.1231.23499.24950.0470.46999.71860.0160.16499.88370.0090.09199.97480.0020.0299.995900.00499.9981000.002100由表4.3可知，所提取的第一主成分的初始特征值是7.80，方差百分比79.805%，第二主成分的初始特征值是1.108，方差百分比分別是11.077%。兩個主成分的方差累積貢獻率為90.882%（>85%），如果舍去其余主成分，丟失的信息僅為9.118%，數(shù)據流失性小，選取前兩個主成分進行我們的分析，分析的結果也是可靠的、可信的。故提取兩個主成分來反映南京市房價波動的影響因素。通過碎石圖我們能夠更直觀的看出各主成分的方差貢獻率。如下圖所示：圖4.1碎石圖從碎石圖可以看出，第一主成分和第二主成分部分的圖形斜率較大，說明二者包含了絕大多數(shù)信息。從第三主成分開始圖形斜率出現(xiàn)大幅度下降且逐漸趨近于零。故選擇第一主成分和第二主成分作為最終分析的綜合指標，將其記做變量F1和F2。.3主成分回歸分析根據分析，我們可知提取兩個主成份的分析結果是可信且可靠的，利用SPSS對所提取的兩個主成分和商品房價格Y進行回歸分析。4.3.1未標準化系數(shù)做回歸4.3.1.1因變量與主成分回歸利用SPSS,輸入商品房價格為被解釋變量，所得到的兩個主成分為解釋變量，我們可以得到如下結果：表4.4：被解釋變量與主成分回歸模型摘要模型RR方調整后的R方標準估算的錯誤被解釋變量與主成分回歸0.9620.9250.9111470.322表4.5：被解釋變量與主成分回歸模型系數(shù)未標準化系數(shù)標準化系數(shù)t顯著性B標準錯誤常量11733.846407.79428.7740.000主成分14720.572424.4450.96011.1220.000主成分2301.943424.4450.0610.7110.493根據表4.5的輸出結果，采取為標準化的系數(shù)作為回歸模型的系數(shù)，可以得到回歸方程1：Y=11733.846+4720.572F1+301.943F2上述方程中Y表示南京市商品房價格未標準化的值，根據表4.4可知該回歸模型調整后R2=0.9114.3.1.2第一主成分做回歸利用SPSS，輸入第一主成分為被解釋變量，原始變量為解釋變量，我們可以得到如下結果：表4.6：第一主成分與解釋變量回歸模型摘要表模型RR方調整后的R方標準估算的錯誤第一主成分與解釋變量回歸1.0001.0001.0000.00000003表4.7：第一主成分與解釋變量回歸模型系數(shù)表未標準化系數(shù)標準化系數(shù)t顯著性B標準錯誤常量-3.88506360.000續(xù)表4.7為標準化系數(shù)標準化系數(shù)t顯著性B標準錯誤X13.52E-0500.125312313.10X28.87E-0600.1252557760X39.85E-0500.12116876990X41.71E-0500.124448591.80X5-0.0310-060.00400.122627669.50X7000.12417777720X8000.04221320400X90.00100.12127291150X109.41E-0700.122729398.10根據表4.7輸出結果，采取未標準化系數(shù)為回歸模型系數(shù)，可以得到回歸方程2：F1=-3.885+(3.522E-5)X1+（8.873E-6）X2+（9.851E-5）X3+（1.706E-5）X4-0.031X5+0.004X6+0.001X9+（9.414E-7）X10根據表4.6可知該模型調整后的R24.3.1.3第二主成分做回歸利用SPSS，輸入第二主成分為被解釋變量，原始變量為解釋變量，我們可以得到如下結果：表4.8：第二主成分與解釋變量回歸模型摘要模型RR方調整后的R方標準估算的錯誤第二主成分與解釋變量回歸1.0001.0001.0000.00000004表4.9：第二主成分與解釋變量回歸模型系數(shù)未標準化系數(shù)標準化系數(shù)t顯著性B標準錯誤常量-41.82302440.000X11.621E-50.0000.05794621.3610.000X23.428E-60.0000.04865056.6190.000X35.562E-50.0000.069627355.4550.000X44.208E-60.0000.03172846.1690.000X50.3980.0000.62224644918.7800.000X60.0020.0000.060204144.4380.000X79.117E-50.0000.065613371.3730.000X8-0.0020.000-0.694-22945593.4010.000X90.0010.0000.1151694270.4360.000X103.257E-70.0000.042166113.8070.000根據表4.9輸出結果，采取未標準化系數(shù)為回歸模型系數(shù)，可以得到回歸方程3：F2=-41.823+（1.621E-5）X1+（3.428E-6）X2+（5.562E-5）X3+(4.208E-6)X4+0.398X5+0.002X6+(9.117E-5)X7-0.002X8+0.001X9+(3.257E-7)X10根據表4.8可知該模型調整后的R24.3.1.4未標準化系數(shù)回歸方程將回歸方程2和回歸方程3代入回歸方程1，我們可以得到因變量Y與原始變量之間的回歸模型Y=-19233.73831+0.171194X1+0.042935X2+0.481794X3+0.081770576X4-26.164386X5+19.486186X6+0.02752814X7-0.603886X8+5.022543X9+0.00449834X10標準化系數(shù)做回歸我們可以利用上述的回歸方程進行預測南京市商品房的價格，但是要想比較各指標對商品房價格的影響程度，我們需要得到標準化系數(shù)的回歸方程1.因變量與主成分回歸方程1：Y=0.960F1+0.061F22.第一主成分做回歸方程2：F1=0.125X1+0.125X2+0.121X3+0.124X4-0.049X5+0.122X6+0.124X7+0.042X8+0.121X9+0.122X103.第二主成分做回歸方程3：F2=0.057X1+0.048X2+0.069X3+0.031X4+0.622X5+0.060X6+0.065X7-0.694X8+0.115X9+0.042X104.標準化系數(shù)回歸方程將方程2和方程3代入方程1可得Y=0.123477X1+0.122928X2+0.120369X3+0.120931X4-0.009098X5+0.12078X6+0.123005X7-0.002014X8+0.123175X9+0.119682X104.3.2.5結果分析由回歸方程可知，上述影響因素除居民消費指數(shù)、房屋竣工面積外均對房價呈積極影響。表4.10：二級指標標準系數(shù)絕對值排序表二級指標變量標準系數(shù)絕對值國民生產總值X10.123477學校數(shù)X90.123175房地產開發(fā)投資額X70.123005城鎮(zhèn)居民人均可支配收入X20.122928城鎮(zhèn)居民人均消費性支出X40.120931人口數(shù)X60.12078第三產業(yè)固定投資額X30.120369在校學生人數(shù)X100.119682居民消費價格指數(shù)X50.009098住宅竣工面積X80.002014根據對各指標的標準系數(shù)可知，對南京市商品房價格波動大小的指標排序依次為：國民生產總值>學校數(shù)>房地產開發(fā)投資額>城鎮(zhèn)居民人均可支配收入>城鎮(zhèn)居民人均消費性支出>人口數(shù)>第三產業(yè)固定投資額>在校學生人數(shù)>居民消費價格指數(shù)>住宅竣工面積。表4.11：一級指標標準系數(shù)絕對值排序表一級指標二級指標變量標準系數(shù)絕對值合計經濟發(fā)展國民生產總值X10.1234770.366774城鎮(zhèn)居民人均可支配收入X20.122928第三產業(yè)固定投資額X30.120369購房需求城鎮(zhèn)居民人均消費性支出X40.1209310.250809居民消費價格指數(shù)X50.009098人口數(shù)X60.12078售房成本房地產開發(fā)投資額X70.1230050.243785住宅竣工面積X80.002014教育水平學校數(shù)X90.1231750.242857在校學生人數(shù)X100.119682綜合來看，影響南京市商品房價格波動的主要因素是經濟發(fā)展，購房需求、售房成本及教育水平相較于經濟發(fā)展對房價波動的貢獻較小。從經濟發(fā)展的角度而言，隨著綜合國力的提升，國家大力發(fā)展地區(qū)經濟，各個產業(yè)都得到繁榮發(fā)展，房地產行業(yè)作為國民經濟的主要成分，國民經濟的整體提升勢必會到導致房地產行業(yè)的快速發(fā)展。居民可支配收入提高，人們在滿足日常生活需求外，會選擇將一部分資產用于投資，房地產行業(yè)門檻低，升值空間大，是大多數(shù)投資者的首選。越來越多的人抱有投機動機進入房地產行業(yè)，就會造成房價虛高，房地產泡沫的現(xiàn)象。因此，經濟發(fā)展會促進房價的增長，從教育水平角度而言，中國人一直以教育為重，自古代便有“孟母三遷”，現(xiàn)在人們的思想更加先進，對于教育更加重視，父母都想給子女提供也更加優(yōu)越的教育環(huán)境。加上現(xiàn)在的國家政策下，實行對口教育，房產證變成了孩子上學的必需品，越好的學校的學區(qū)房價格便越高，不少父母認為上了優(yōu)質的學校，孩子的未來便有了保障，不惜一切代價購買學區(qū)房，使得學區(qū)房價格斷崖式上漲。教育水平自然也變成了房價上漲重要因素。從購房需求角度而言，人們的消費性支出越高，在滿足其他生活需求之后，投資占比便會變高，人們對房屋的相對需求增高，便會造成房價相對上漲，因此城鎮(zhèn)居民人均消費性需求對房價波動有促進作用。居民消費價格指數(shù)反映了通貨膨脹，居民消費價格指數(shù)變高，說明貨幣貶值，而房地產作為不動產，相對而言會保值，將會導致更多的人涌入房地產行業(yè)。所以居民消費價格指數(shù)對房價的增長有抑制作用。從售房成本角度而言，房地產開發(fā)投資額增長，說明房產商投入的成本上升，為了獲取更高的利潤，房地產廠商勢必會通過提高房屋銷售價格來維護自己的利益，因此房地產投資額會對房價增長有促進作用。住宅竣工面積會從供給方面對房價造成影響，住宅竣工面積增大，現(xiàn)有房屋供給量就會上升，房價便會相對應有所下降。因此住宅竣工面積對房價的增長有抑制作用。5結論與意見5.1結論本文利用主成分分析法對南京市商品房價格的影響因素進行了分析，并建立了計量模型，得到以下結論：（1）經濟發(fā)展影響南京市房價的主要因素。其中南京市的國民生產總值對房價的影響最為顯著，其每上漲一個單位，商品房價格均對應上漲約0.123477個單位。（2）南京市的居民消費價格指數(shù)和住宅竣工面積對于商品房的價格具有負增長，其中消費價格指數(shù)的影響更為顯著。其每上漲一個單位，商品房價格對應下降0.009098個單位。5.2意見為更好調控南京市的房價，根據上面得出的回歸模型提出以下建議：第一，制定更加有針對性的宏觀經濟政策，推動經濟的高質量發(fā)展。在保持國民經濟可持續(xù)發(fā)展的前提下，政府必須將重心放在經濟發(fā)展的質量問題上，實施適應國民經濟增長的政策，保證房價處于合理范圍。第二，合理的進行教育資源的配置，避免學區(qū)房脫軌式增長。配置教育資源，避免學區(qū)房價斷崖式增長。實現(xiàn)對教育資源的合理配資要求政府要堅決秉持就近入學的理念，堅持按區(qū)劃分原則不動搖，將入學變成硬性問題，堅持公平公正按規(guī)定辦理入學，將房價維持在合理的范圍內。第三，加大對房地產行業(yè)的監(jiān)管力度，避免房地產市場過度膨脹。對于房地產的投資要適度否則就會對市場的運行形成阻礙。政府要提高房地產市場的準入門檻，正確引導市場預期，嚴格執(zhí)行“限售政策”。我們要時刻堅持政府19年提出的“房子是用來住的，不是用來炒的”這一原則，合理購房，適度投資。第四，落實“去庫存”政策，考慮不同收入居民的消費能力，針對性制定政策。在鼓勵人們購買房屋的同時，大力發(fā)展住房租賃市場。當代青年正在轉變自己的購房思想，不再認為買房是必須達成的目標，越來越多的人選擇租房。發(fā)展住房租賃市場能夠有效的緩解房地產行業(yè)的壓力，達到調控房價的目的。最后，我們應該知道，商品房價格的波動不僅僅是供求雙方博弈的結果，政府制定的相關政策也會對其造成一定程度的影響。因此僅靠房地產市場的自我調節(jié)來達到調控房價波動這一目的是不合理也是不現(xiàn)實的，政府也應該積極采取相關政策。只有將市場調節(jié)和政府調節(jié)相結合，才能更好地抑制房價的波動，解決困擾老百姓的現(xiàn)實問題。本文建立的南京市房價波動影響因素回歸模型具有一定應用價值，可以幫助政府有關部門對實施調控政策后的市場進行預期判斷那，從而采取更具有針對性地措施，避免房價出現(xiàn)劇烈波動。參考文獻[1]梁云芳，高鐵梅.中國房地產價格波動區(qū)域差異的實證分析[J].經濟研究，2007（8）：133-142.[2]趙麗麗，焦繼文.房價影響因素的灰色關聯(lián)度分析[J].統(tǒng)計與決策，2007（23）：74-75.[3]馮皓，陸銘.通過買房而擇校：教育影響房價的經驗證據與政策含義[J].世界經濟，2010,33（12）：89-104.[4]況偉大.利率對房價的影響[J].世界經濟，2010,33（4）：134-145.[5]周澤炯,邢澤斌.商品