基于回归模型的保障性住房资金投入的影响因素

本论文是一篇回归分析方面怎样写好医学论文,关于基于回归模型的保障性住房资金投入的影响因素相关毕业论文题目范文。免费优秀的关于回归分析及土地增值税及住房方面论文范文资料,适合回归分析论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

【摘 要】社会保障性住房是我国城镇住宅建设中较具特殊性的一种类型住宅,它是指根据国家政策以及法律法规的规定,由政府统一规划、统筹,提供给特定的人群使用,并且对该类住房的建造标准和销售价格或租金标准给予限定,起社会保障作用的住房.保障房建设投资金入问题一直是政府和地级政府关心关注的问题.本文运用回归模型,对全国31个省市的保障房投入进行了相关性和回归性分析,得出保障房资金投入与城市人口密度和保障房土地供应面积呈线性相关的结论,而与地方GDP、区域市场房价高低等因素关联度较低.希望本文可以对各省市保障房投入资金的预测提供一定的指导和借鉴意义.

【关 键 词 】保障房投入；影响因素；回归分析

1.保障房及投入分析

保障性住房是1998年房改以来,政府基于保障居民基本住房的、与商品房相区分的住房,它属于社会福利事业.“十二五”期间,政府制定了相应的国家政策和法律法规,并在2011年下达了建造1000万套保障性住房的任务,各级地方政府为此开源节流,将大量资金投入到了保障房的建设中.从当前国内研究状况来看,保障性住房的研究包括：供给、分配两个方面.我国学者尽管对这两个方面都有研究,然而在保障性住房建设投入方面国内却鲜有讨论.保障性住房的投入是关乎保障房建设任务能否顺利完成、地方政府能否让人民满意的关键因素.本文立足于保障房投入视角,采用相关性及线性回归模型对其进行了回归分析.

2.影响保障性住房投入的可能相关变量选择

保障性住房的投入是影响地方财政的关键因素.理论上来讲,大量建设保障性住房,会减少商品房土地的供应,在财政上导致地方土地增值税的降低,进一步会影响地方GDP,因此本文选取了土地增值税和地区生产总值作为可能与保障性住房投入相关的变量.随着保障性住房建设的不断开展,人均住房面积会增大,人们的购房压力降逐步减小,进而是居住支出降低,而住房价值则伴随着房屋数量的增大而缩小,因此,本文选取了人均住房面积、住房价值和居住支出作为可能与保障性住房投入相关的变量.

最后,城市人口密度过大,而住房面积的相对不足的表现出了建设保障性住房的必要性、重要性和地方政府改善民生的责任性；鉴于保障性住房的地方政府问责机制的建立,各地方政府迫于完成保障房建设的强制性任务的压力,必将投入较多数量的土地来完成政府的保障性住房的建设要求,因此,本文选取了城市人口密度和保障房土地供应面积作为可能与保障性住房投入相关的变量.

3.影响保障性住房投入的可能因素的相关性分析

相关分析主要研究相关关系,而相关关系是指两个变量之间存在的一种不确定的数量关系,一个变量的取值不能由另一个变量唯一确定.为了找到真正影响保障性住房投入的因素,本文采用了相关性分析的方法.

本文中全国31个省市的土地增值税、地区生产总值、城市人口密度、居住支出、、人均住房面积、住房价值与保障性住房投入数据均来自中华人民共和国统计局网站（http：//.stats.gov./）；保障房土地供应面积数据来自网站（http：//.mlr.gov./）.具体数据见附表.

本文作者运用spss17.0软件,采取简单相关性分析的方法,对上述可能相关因素进行了相关性分析,得出以下分析结果：

土地增值税、地区生产总值、居住支出、、人均住房面积、住房价值等5个可能影响因素的P值检验为0.950、0.636、0.281、0.296、0.137,在5%的显著性水平下不能通过检验,得出这些影响因素与保障房投入相关性较低的结论,剔除了这些因素的影响.

而我们发现,保障房土地供应面积、城市人口密度两个影响因素的P值检验为0.025、0.004,在5%的显著性水平通过检验,可以确定这两个因素与保障性住房投入有较高的相关性,为了进一步研究与这两个影响因素的关系,本文作者继续建立了回归模型.

4.多元线性回归模型分析

回归分析主要研究客观事物变量间的统计关系,它是建立在对客观事物进行大量试验和观察的基础上,用来寻找隐藏在那些看上去是不确定的现象中统计规律性的统计方法.回归分析方法是通过建立统计模型研究变量间相互关系的密切程度、结构状态、模型预测的一种有效工具[1].

由表1的分析结果可知,保障房土地供应面积、城市人口密度两个影响因素与保障性住房投入的相关性较高,因此,本文作者拟对它们进行了回归性分析,希望可以得出线性回归方程,以此来预测地方保障性住房的投入.

4.1引入变量及模型

记Y为各省市地区保障性住房的投入,X1、X2分别为各地区保障房土地供应面积和城市人口密度,β0、β1、β2是未知参数,称其为回归系数,ε表示其他随机因素的影响,假设他们Y、X1、X2之间存在线性相关关系,则满足其线性关系的多元线性方程为：

Y等于β0+β1X1+β2 X2+ε

4.2引入变量及数据

根据上述分析综合,得出如下数据,令Y为各地区保障性住房的投入,X1、X2分别为各地区保障房土地供应面积和城市人口密度,见附表.

4.3回归性分析及检验

运用spss17.0对上述数据进行关于住房保障支出的回归性分析,可得出如下结论：

4.3.1方差分析

由Regression Mean Square等于4326.968,Residual Mean Square等于558.532,F等于7.747,P等于0.002,可知在5%的显著水平下,线性回归显著.模型建立有效,可以运用各地区保障房土地供应面积和城市人口密度来描述各地区保障性住房的投入.

4.3.2回归方程的确定

运用spss17.0可得出关于住房保障支出的回归模型的系数：

可知,偏相关系数结果为：

常数项（Constant）等于 25.452；

保障房供应面积回归系数等于0.025,回归系数的标准误差（Std. Error）等于0.009,回归系数的t检验的t值等于2.909,P等于0.007,在5%的显著水平下有效；

城市人口密度回归系数等于0.007,回归系数的标准误差（Std. Error）等于0.003,回归系数的t检验的t值等于2.133,P等于0.042,在5%的显著水平下有效.

因此,我们认为这两个回归系数都有显著意义.求得回归方程为：

Y等于25.452+0.025 X1+0.007X2+ε

5.线性回归方程的意义

回归性方程通过显著性检验之后,便可以通过它来对未来变化进行预测.对给定的X值,可以根据预测模型得到相应Y的估计值.当地级政府掌握本地区城市人口密度和年初保障房土地供应面积之后就可对本年度保障房资金投入有一定的把握,使之更加理性的进行项目筹资和社会融资.由此回归模型,我们还可以知道,随着城市人口数量的增大,居民住房压力的增大,政府必将投入更多的资金、土地用于保障性住房的建设当中,也就更加体现了保障性住房政策性的强烈.鉴于地方政府政绩观和“GDP唯上” 思想的作怪,他们将会抑制保障性住房的资金投入和土地供给.因此,控制城市人口密度将是地方政府解决居民住房问题的有效途径.

6.结语

保障性住房的资金投入问题一直是及地方政府亟待解决的关键性问题,但解决问题的方法始终停留在“头痛医头脚痛医脚”的层面上.由本文可知,建设保障性住房的紧迫性和压力性更深层次的原因是城市人口密度的增大、土地供应的日渐紧张.然而,18亿亩的土地红线是不可逾越的政策鸿沟,土地供应问题短时间内不能有效的解决；另外,降低城市人口密度的理论方法还不够全面,除控制出生人口、进行城市扩建和建立卫星城以转移人口等方法外,还没有更好的理论支撑,这需要我们更深入的探讨.