城市商品住宅价格影响因素分析

来源：网络收集时间：2026-09-15

导读：城市商品住宅价格影响因素分析高霞蒋立红厉文平【摘要】笔者通过因子分析将影响城市商品住宅价格的因素划分为城市基础设施与环境因子、城市规模因子、城市经济因子和城市区位因子。并在此基础上，利用主成分回归法分析了这四类影响因子与城市商品住宅价格

城市商品住宅价格影响因素分析

高霞蒋立红厉文平

【摘要】笔者通过因子分析将影响城市商品住宅价格的因素划分为城市基础设施与环境因子、城市规模因子、城

市经济因子和城市区位因子。并在此基础上，利用主成分回归法分析了这四类影响因子与城市商品住宅价格的关联度，确定了四类因子的重要性排序为：城市经济因子、城市规模因子、城市基础设施和环境因子、城市区位因子。

【关键词】城市商品住宅价格影响因子因子分析主成分回归

【中图分类号】Ｆ２９３．３【文献标识码】Ａ【文章编号】１００６—２０２５（２００８）０１—００２４—０４

【作者简介】高霞，北京师范大学地理与遥感科学学院硕士研究生，主要研究方向为城市开发与地价评估；蒋立红，北京师范大学地理与遥感科学学院副教授，研究生导师，主要研究方向为土地利用与房地产开发；厉文平，北京师范大学地理与遥感科学学院硕士研究生，主要研究方向为城市开发与地价评估（北京１００８７５）。

一、引言选取区位、经济、居民收入、基础设施、环境等多方面的自１９９０年我国土地制度市场化以来．我国商品住指标，应用定量化的分析方法，从城市综合特性的角度宅价格持续上扬，尤其是上海、杭州等城市连续几年上研究影响商品住宅价格形成的主要因素．分析商品住宅涨幅度超过２０％。有些城市商品住宅价格的上涨甚至超价格形成和支撑的动力机制．并结合我国宏观经济的现过了居民收入增长可以支付的能力。房价的过快上涨不状提出政策建议。

仅会导致需求萎缩和市场波动．也会加重居民的购房负二、城市商品住宅价格影响因素的指标选择担，进而影响到国民经济和社会的稳定发展。分析影响影响城市商品住宅价格变动的因素很多．各因素对城市商品住宅价格的因素．探索城市商品住宅价格的规城市商品住宅价格的影响不同．既有主要因素．又有次律．对促进商品住宅价格与城市社会经济水平、居民收要因素．既有直接因素，又有间接因素，但影响城市商品入水平等的协调发展和城市商品住宅市场的健康有序住宅价格的因素不外乎两种：内生因素和外生因素。内发展具有重要意义。

生因素主要指房地产业内部的统计指标：外生因素主要商品住宅价格受到诸多因素的影响．如地区经济发指城市的区位、经济、基础设施、环境等。本文主要反映展水平、居民收入、人口等区域因素，以及土地供应制表征城市综合特性的指标对商品住宅价格的影响．因此度、住宅管理制度、货币供应量等宏观因素，除此之外，选择外生因素，并选取反映城市区位、人口、经济、居民还有住宅的个别因素。研究房屋个别因素影响的典型方收入、规模、基础设施、环境等要素的１２项指标（表１），法是Ｈｅｄｏｎｉｅ住宅价格模型，住宅区位、建筑结构、套型分析其与商品住宅价格之间的关系。

特征、邻里环境等都对住宅价格有直接影响。由于区位、三、城市商品住宅价格影响因素的实证分析人文及自然环境的差异．各种因素对房地产的发展具有本文的影响因素多数来源于《中国城市统计年鉴不同的作用．本文在借鉴前人研究成果的基础上，以我

２００５｝．只有距海岸线的最短距离以及通过城市的国道国３５个重点大中城市２００４年商品住宅价格为因变量：

数量是通过全国交通图进行度量获得。商品住宅价格数

臣■

万　

方数据

据来源于《中国统计年鉴２００５＞＞。该价格是包括了别墅、高档公寓、经济适用房屋和普通商品住宅在内的住宅平

均价格，由于别墅、高档公寓和经济适用房屋所占住宅

数量的比例相对较少．因此该平均价格可以用来表示商品住宅的价格。研究意在通过商品住宅价格与各影响因素的相关分析确定与房价相关性较大的因素．然后采用因子分析方法去除各个影响因素之间的共线性．进而确定房价主要的影响因子及其与上述影响因素的载荷关系，最后通过主成分回归．建立回归方程．以揭示各因子对商品住宅价格影响的数量关系。

表１：影晌商品住宅价格的备选指标

指标及单位指标含义Ｘ，（千米）距海岸线的最短距离Ｘ“条）通过城市的国道数量Ｘ３（ＴＹ元１国内生产总值Ｘ“万人）年末总人口数Ｘ５（平方千米）建成区面积Ｘ６（兀）人均地区生产总值ｘ“元）职工平均工资

Ｘ“人）每１０万人拥有教育行业从业人员数Ｘ“人）每ｌＯ万人拥有的医生数量Ｘ．ｄ平方米）人均铺装道路面积ｘ．。（辆）每万人拥有公共汽电车

Ｘ，“平方米／人）

人均园林绿地面积

（一）相关分析

通过ＳＰＳＳ软件计算各影响因素与城市商品住宅价格之间的Ｐｅａｒｓｏｎ相关系数．见表２。

表２：２００４年各影响因素与商品住宅价格的Ｐｅａｒｓｏｎ相关系数影响因素

房价

距海岸线的最短距离幸｝

通过城市的国道数量叭ｎ

地区生产总值ｎ｝

年末总人口ｎ建成区面积ｎ木

￥

人均地区生产总值ｍ｝幸

职工平均工资

ｎ｝｝

每１０万人拥有教育行业从业人员数ｍ

●

每１０万人拥有医生数量ｎ

人均铺装道路面积ｎ｝｝

每万人拥有公共汽电车ｎ￥￥

人均绿地面积

ｎ

咿伊；号渺附渺饼加｝绀小｝

数据来源：《中国城市统计年鉴２００５），其中，¨，Ｐ＜ｌ％；｝，ｐ＜５％

依照分析结果，剔除通过城市的国道数量、年末总人口、每１０万人拥有教育行业从业人员数、每ｌＯ万人拥有医生数量等与房价的Ｐｅａｒｓｏｎ相关系数较小，且没有通过双尾（０．０５）（０．０１）检验的因素。余下因素为：地区

万　

方数据生产总值、建成区面积、人均地区生产总值、职工平均工资、人均铺装道路面积、每万人拥有公共汽电车数量、人均园林绿地面积和城市距海岸线的最短距离。其中距海

岸线最短距离与房价呈负相关，通过了双尾（ｏ．０１）检验，

其余因素与房价皆呈正相关，皆通过Ｔ（ｏ．０５１的检验。所余８个主要因素与商品住宅价格的相关性较大．基本涵盖了城市区位、经济、居民收入、基础设施、环境等诸多

方面。

（二）因子分析

剩余的８个影响因素还较复杂．变量之间包含了某些无法直接测量的潜在属性．而因子分析将变量转换为公共因子．在很大程度上减少了描述事物属性的参数．即所谓“降维”。在此，对剩余的影响因素进行因子分析，以降低维数，同时找出这些影响因素之间的潜在属性．来反映城市的综合特性。

在剩余的８个影响因素中．由于数据单位不同首先进行标准化处理．然后应用统计软件ＳＰＳＳ对样本进行相关分析，得出相关系数矩阵（表３），可以看出，商品住宅价格的影响因素问存在着不同程度的相关性．其中．

Ｘ３和Ｘ５、）【６和Ｘ７、Ｘ１０和Ｘ１１、Ｘｌｏ和Ｘ１２、Ｘ１１和Ｘ１２有极大

相关性，其相关系数分别为０．８３、０．９０、０．８９、０．８９和

０．９３。

表３：