房价的计量经济分析引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。
是什么造就了这样的状况。
房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。
而这场博弈的焦点则是房价问题。
如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。
先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。
而对于房价的构成因素，至今仍然是不透明的。
公布房价成本成为另政府极为头疼的一件事。
房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。
写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。
并对这些因素进行统计推断和经济意义上的检验。
选择拟和效果最好的最为结论。
在一定层面上分析房地产如此暴利的因素。
当然笔者的能力有限，并不能全面的分析这一问题。
仅仅就几个因素进行分析。
写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。
关键词：房价成本计量假设检验最小二乘法拟合优度现在我们以2003年的数据，选取30个省市的数据为例进行分析。
在Eviews软件中选择建立截面数据。
现在我们以2003年的数据，选取31个省市的数据为例进行分析。
令Y=各地区建筑业总产值。
（万元）X1=各地区房屋竣工面积。
（万平方米）X2=各地区建筑业企业从业人员。
（人）X3=各地区建筑业劳动生产率。
（元/人）X4=各地区人均住宅面积。
（平方米）X5=各地区人均可支配收入。
（元）数据如下：Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49 27949354 17730.00 2727006. 100569.0 24.43530 9262.460 31272779 16183.90 2429352. 127430.0 31.02330 13179.53 6227073. 4017.600 910691.0 66407.00 20.75480 6778.0305493441. 2952.100 553611.0 108288.0 30.29870 9999.5403593356. 2750.900 574705.0 70826.00 22.61980 6901.42014813618 9139.800 2072530. 60728.00 24.48080 8399.9106345217. 3433.600 932901.0 66056.00 20.20090 6926.1208729958. 4840.800 1048763. 81761.00 22.90280 7321.9808188402. 4969.700 1119106. 74553.00 24.42580 7674.20015163242 8105.000 1492820. 101932.0 24.93280 12380.432818466. 1721.600 353700.0 77472.00 24.17320 7785.040394053.0 121.5000 61210.00 55361.00 23.43200 7259.2505862095. 4939.600 817997.0 69432.00 25.72440 8093.67012253374 8784.600 2070534. 59748.00 26.35850 7041.8702122907. 980.3000 293310.0 72152.00 18.19430 6569.2303967957. 2248.700 522470.0 69238.00 24.92940 7643.570293427.0 121.3000 36593.00 73205.00 19.92990 8765.4504404362. 1580.000 410311.0 93212.00 21.75050 6806.3502236860. 1327.200 449409.0 46857.00 21.11380 6657.240747325.0 242.9000 101501.0 61046.00 19.10550 6745.3201080546. 578.7000 88225.00 61459.00 22.25500 6530.4803196774. 1450.800 203375.0 95835.00 20.78110 7173.540做多重共线性检验：引入的变量太多，可能存在变量间的共线性，影响方程的估计。
首先进行做多重共线性检验可以减少变量使后面的分析变得简洁。
X1 X2 X3 X4 X5 Y X1 1 0.7446 0.0775 0.9041 0.5329 0.8042 X2 0.7446 1 0.7319 0.873 0.4358 0.1606 X3 0.0775 0.7319 1 0.9926 0.241 0.0092 X4 0.9041 0.873 0.9926 1 0.774 0.6127 X5 0.5329 0.4358 0.241 0.774 1 0.214 Y 0.8042 0.1606 0.0092 0.6127 0.214 1可以看出有多重共线性。
采取逐步回归法：第一次回归，我们可以根据T检验值和可决系数看出：X1的效果最好：Dependent Variable: YMethod: Least SquaresDate: 12/06/10 Time: 17:37Sample (adjusted): 1 31Included observations: 31 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.X1 1651.403 87.67703 18.83508 0.0000 C 903234.0 502408.2 1.797809 0.0826R-squared 0.924432 Mean dependentvar 7446408.Adjusted R-squared 0.921826 S.D. dependentvar 7227629.S.E. of regression 2020815. Akaike infocriterion 31.93824 Sum squared resid 1.18E+14 Schwarz criterion 32.03076 Log likelihood -493.0427 F-statistic 354.7601Durbin-Watson stat 1.930762 Prob(F-statistic) 0.000000而X1于X2存在严重自相关，所以引入第二个变量时将X2排除。
通过比较发现引入X3时，拟合优度最大，所以加入X3Dependent Variable: YMethod: Least SquaresDate: 12/06/10 Time: 17:40Sample (adjusted): 1 31Included observations: 31 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.X1 1547.354 57.83197 26.75604 0.0000 X3 60.57577 9.136899 6.629795 0.0000 C -3711880. 765709.2 -4.847637 0.0000R-squared 0.970594 Mean dependentvar 7446408.Adjusted R-squared 0.968493 S.D. dependentvar 7227629. S.E. of regression 1282914. Akaike info 31.05893criterionSum squared resid 4.61E+13 Schwarz criterion 31.19771 Log likelihood -478.4134 F-statistic 462.0886Durbin-Watson stat 2.098685 Prob(F-statistic) 0.000000X3与X5也存在严重共线性，在引入第三个变量时同时排除X5，那只能引入X4了Dependent Variable: YMethod: Least SquaresDate: 12/06/10 Time: 17:47Sample (adjusted): 1 31Included observations: 31 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.X1 1569.186 66.74467 23.51029 0.0000 X3 64.04945 10.56258 6.063810 0.0000 X4 -69455.16 102797.7 -0.675649 0.5050 C -2476469. 1985261. -1.247428 0.2230R-squared 0.971083 Mean dependentvar 7446408.Adjusted R-squared 0.967870 S.D. dependentvar 7227629.S.E. of regression 1295550. Akaike infocriterion 31.10668 Sum squared resid 4.53E+13 Schwarz criterion 31.29171 Log likelihood -478.1536 F-statistic 302.2316Durbin-Watson stat 2.298423 Prob(F-statistic) 0.000000但是引入后通过T检验X4不显著，同时常数项C也变得不显著，且拟合度没有显著提高。