济宁房地产价格现状分析

近期，中央和市陆续出台了针对房地产市场的调控政策，对于受外部环境影响较敏感的房地产业来说，政策的调整无疑会影响房地产市场的发展。认清我市房地产价格现状，客观分析房地产价格走势，并提出可行的对策建议，对保持我市房地产市场的持续健康发展，具有重要意义。     

改进住宅销售价格指数编制质量的一种思路探讨

 在介绍链式更新特征价格法编制房地产价格指数基本原理的基础上,基于大连市商品住宅交易数据全库,结合大连市房地产市场的运行特点,综合考虑各住宅特征信息的可获得性,从建筑特征、邻里特征和区位特征三个方面,确定了22项影响住宅价格的特征因素以及大连市“标准商品住宅”的标准,然后以2006年为基准建模期,采用两期链式更新法构建了大连市商品住宅对数线性特征价格模型,进而计算得到以2006年1月为基期的商品住宅月度特征价格定基指数序列,最后总结了链式更新特征价格法的技术特征以及对于改进我国房地产价格指数编制质量的现实意义,同时提出编制城市房地产特征价格指数所需要的制度规范与保障。     

我国利率政策对房地产价格传导效应研究

文章分析了利率调控房地产价格的效率,通过实证分析得出结论:我国利率政策能够负向影响房价,并且紧缩的利率政策对房价的影响大于扩张的利率政策对房价的影响.针对这些特点笔者提出多种政策配合调控房地产价格以及打击投机行为以维持房地产市场健康发展等政策建议.     

我国房地产价格发展趋势研究

 本文从房地产价格的相关理论出发，主要从房地产需求、房地产供给、房地产金融和房地产宏观调控等角度对影响房价的因素进行了分析，并从实证角度分析了各因素对房价的影响。本研究运用近10年房地产价格季度数据和时间序列模型对房地产价格发展趋势进行预测，最后提出房地产价格发展预警和稳定房价的建议。     

违约风险、房地产贷款市场博弈与房地产价格

本文从事后激励的角度，构建了一个关于房地产个人贷款违约与银行反应策略的博弈模型，对中国房地产价格下跌的诱发机制以及家庭和银行的最优决策进行了理论分析。在此基础上选择35个大中城市作为研究样本，利用面板数据回归模型对相关理论推论进行了实证检验。理论推演和实证研究表明，家庭收入下降和房地产贷款违约是诱发房地产价格下跌的关键因素。提高购房首付比，降低房地产贷款价值比以及保持房地产贷款市场结构的适度集中，既可以抑制房地产价格过快上涨，也可以预防房地产价格发生暴跌风险。当房地产贷款出现违约时，为了避免房地产价格进入下降螺旋，银行的最优策略不是取消房地产抵押品的赎回权，而是采取积极的信贷刺激措施以稳住房地产价格。贷款市场份额占比越高的银行越有激励这样做。     

中国货币政策与资产价格关系的统计研究

作为最重要资产价格之一的房地产价格,对于金融稳定和社会经济有很大的影响,故需对其之间的关系进行定量分析。鉴此,梳理货币政策是否需要干预资产价格的文献,发现三类有影响的观点,并通过建立向量自回归模型,使用中国的经济数据,对货币政策和房地产价格之间的关系进行分析,结论表明：由于房地产在国民经济中处于支柱地位,并且房地产对货币政策的敏感性较强,故决策者应通过货币政策影响房地产价格与房地产投资,进而调控宏观经济。     

服务质量、顾客价值及顾客满意对顾客忠诚影响的实证检验

针对我国房地产经纪服务业发展面临的顾客不忠诚问题,文章对我国房地产经纪服务业进行实证研究.分析了服务质量、顾客价值、顾客满意对顾客忠诚的影响.     

房地产价格泡沫的估算与实证检验

文章根据房地产的金融投资性,以房产价格投机需求、居住消费需求和投资需求共同受房屋出租收入影响为切入点,将通货膨胀、经济增长、风险调整贴现率、消费倾向等变量纳入房产出租收入现值函数,推理出房价收入比模型,进而结合经济转型时期房产供求特征,检验城市化进程、土地财政、非规范收入暴富群体规模、市场流动性约束等变量对房产价格助长的显著性.实证得出如下结论:我国房产价格存在巨大的泡沫,但仍有持续膨胀的趋势;房产价格泡沫的根源之一在于经济增长、通货膨胀、利率调整、消费倾向等参数变动的合力推动房价上升,但房产租赁价格未能同步增长;根源之二在于城市化进程加速、地方财政对出让土地收入的依赖性增强和非规范交易暴富群体扩大对房价的推动作用显著.     

质量交叉效应及其对房地产价格指数的影响——基于Chow检验的交叉变量分析

房地产价格指数的计算和分析,需要充分考虑房屋质量特征变化会产生的影响,应将房屋质量特征因素剔除,从而使房地产价格指数反映房屋的"纯"价格变动.文章引入引入反映质量特征的交叉变量对交互影响进行分析,并且和传统的价格指教计算方法进行比较.同时,试探性的利用Chow检验方法进行了结构变化检验,用来验证房屋特征质量效应对房地产价格指数的影响.     

基于多因素影响的房地产价格预测模型

文章根据我国房地产发展情况以及与其影响因素之间复杂的非线性关系,提出了基于多因素影响的房地产价格预测组合模型.首先运用灰色关联法对影响因素进行计算排序,筛选出主要的影响因素变量,然后应用改进的小波神经网络组合预测法对房地产价格进行预测,最后使用马尔科夫链分析法将预测值区间化,提高预测值的可信度,得出最终预测结果.研究表明,考虑多种因素影响的房价预测模型能够有效地预测房地产价格,且较传统的预测方法大大提高了预测精度.     

The complexity of school and neighbourhood effects and movements of pupils on school differences in models of educational achievement

Summary.  Traditional studies of school differences in educational achievement use multilevel modelling techniques to take into account the nesting of pupils within schools. However, educational data are known to have more complex non-hierarchical structures. The potential importance of such structures is apparent when considering the effect of pupil mobility during secondary schooling on educational achievement. Movements of pupils between schools suggest that we should model pupils as belonging to the series of schools that are attended and not just their final school. Since these school moves are strongly linked to residential moves, it is important to explore additionally whether achievement is also affected by the history of neighbourhoods that are lived in. Using the national pupil database, this paper combines multiple membership and cross-classified multilevel models to explore simultaneously the relationships between secondary school, primary school, neighbourhood and educational achievement. The results show a negative relationship between pupil mobility and achievement, the strength of which depends greatly on the nature and timing of these moves. Accounting for pupil mobility also reveals that schools and neighbourhoods are more important than shown by previous analysis. A strong primary school effect appears to last long after a child has left that phase of schooling. The additional effect of neighbourhoods, in contrast, is small. Crucially, the rank order of school effects across all types of pupil is sensitive to whether we account for the complexity of the multilevel data structure.     

宏观经济因素对房地产价格的长短期影响

本文将购房者、房产商与中央银行纳入统一的模型当中,对房价的影响因素进行理论建模,然后拓展了传统的向量自回归模型长短期分解技术,研究了利率、通货膨胀率、汇率、土地价格以及经济增长率对房价的长期和短期影响。研究表明,利率上升对房价具有长期的负向效应,短期内会加剧房价的波动;通胀预期在长期内促使资金流入房地产行业,对房价会产生推动作用,短期内,通胀促使房地产企业加快投资速度,房屋供给增加预期引起房价下降的冲击;人民币升值在长短期内均与房价上涨存在正向作用;在当前的经济和房地产发展阶段,经济增速提高时,对房地产业的投资和投机具有一定的抑制作用;土地价格长期来看推动房价上涨,短期内对房价影响的传导较慢。     

金融危机和地产调控冲击下地产板块和整体股市的波动性研究

本文采用股票指数数据，通过BEKK—GJR—GARCH模型考察了地产板块和整体股市之间的均值溢出和波动溢出效应，并在此基础之上，进一步考察了在金融危机发生的特定时间窗口下，两者之间的波动溢出效应。此外，本文在引入表征危机事件和地产调控冲击的虚拟变量之后，考察了冲击对地产板块和整体股市波动性的影响。本文的实证模型考虑了非对称性因素并采用广义误差分布（GED）处理“厚尾”问题，是对现有研究范式的有益探索。本文的实证结果认为，地产板块和整体股市之间存在着显著的波动溢出效应，均值溢出效应的存在不甚稳健，但两种溢出效应都存在明显的非对称性。地产板块对整体股市的波动溢出持续性很小，但冲击会加剧波动，反之整体股市对地产板块的则具备持续性，冲击更强烈。波动溢出在2008年金融危机和2015年股灾期间存在变化，尤其是一方对另一方的直接冲击作用都更弱了，可能由两市场联结减弱导致，但非对称性依旧突出。引入表征事件冲击的虚拟变量后，估计结果能够显示出危机和地产调控对于地产板块和整体股市的波动性存在明确影响：直接来看，2010年的房市调控影响幅度最大，超过2015年股灾和2008年金融危机，这一点值得房市调控政策制定者注意；间接来看，六次事件中的五次均对地产板块和整体股市之间的相关性有影响，普遍性很高，由此，风险监管层有必要关注不同冲击下股市内部相关性的变化。     

芜湖市城市化与房地产业发展关系的实证研究

城市化与房地产业发展是当前社会的热点问题。本文通过协整检验、Granger因果检验等计量方法对1991-2008年间芜湖市城市化进程与房地产业发展之间的关系进行实证研究。研究结果表明：就长期而言,城市化与房地产业构成稳定的均衡关系;城市化对房地产投资具有较强的引擎作用,但是对房地产实际销售面积的影响并不明显;房地产业的发展对城市化进程的贡献有限。因此,必须正确认识城市化与房地产业的关系,采取各项措施改变目前靠房地产业带动城市化的模式。     

房地产资本税对房地产业及国民经济影响的实证研究

 本文构建了房地产资本税的可计算一般均衡（CGE）模型,考察了房地产资本税政策对房地产业及国民经济的影响。结论表明,房地产资本税率的提高可以拉动房地产业的发展,而房地产资本税率降低则有利于房地产业的内部结构优化。增加房地产资本税收能够促进与房地产业后向关联较大的原材料工业和金融业、前向关联较大的生产者服务业和消费者服务业的产出增长。房地产资本税率增加还会使得物价上升、政府和居民的收入增长,但税率上升导致要素相对价格的变化使得对资本要素的需求减少。此外,房地产资本税能够减缓房价变动对经济的冲击,并且具有典型的“内在稳定器”作用。     

房地产预警指标体系及综合预警方法研究

 本文在对常用的房地产预警指标体系选择方法及筛选流程进行分析的基础上,提出了一种主、客观相结合的房地产预警指标选择方法,即先采用综合分析方法对指标进行初次选择,然后用聚类分析和相关分析相结合的方法进行再次选择。最后建立了武汉市房地产预警指标系统,并进行了房地产综合预警。     

中国各地区人口特征和房价波动的动态关系

本文分析了人口特征、金融市场和房地产市场三者的相互影响机制，基于2002-2015年中国大陆31个省市自治区直辖市的年度数据，建立了面板平滑转换模型，将人口密度作为异质变量构建计量模型来研究房地产市场的非线性影响因素，研究中国省市人口特征对房价波动的影响机制。实证结果表明：人均GDP对房价的影响随人口密度增加呈现非线性提升效应；人口密度小的城市房地产价格上涨比人口密度大的城市更像是“货币现象”；当人口密度较小时，地区中老年人口占比越大，房价有下降趋势，反映了房地产“年轻人推动房价上涨”的直观趋势，但是极少人口密度比较大城市例外。     

房地产上市公司经营效率的DEA评价

文章运用数据包络分析的CRS和VRS模型,对我国证券市场有代表性的49家房地产上市公司2004年的经营效率进行了分析与评价。通过对各上市公司的技术效率、纯技术效率、规模效率及其规模效益状况的分析得出:从整体上看,我国房地产上市公司的经营发展水平处于上升阶段;在目前经营规模上的经营效率比较高;整体上基本接近规模有效;大部分的上市公司处于规模收益递减区间。