基于VAR模型的珠海市房價影響因素及預測實證研究摘要住房問題是民生大事，每年都是人們議論、關注的重點。中國的房地產業務,也是推動中國經濟水平發展的關鍵行業。珠海市,在近年備受社會矚目,隨著二零一八年港珠澳大橋的成功通航,在二零二零年二月,珠海市將被確認為第五批中央和地方財政支持的發展居家和社會養老服務改革試驗區域,珠海取得成就以及有利于城市發展的信息越來越多，其發展前景以及城市具有的潛力吸引越來越多的人來珠海。其住房價格也將成為想來珠海發展、生活的關注對象。因此，研究房價的影響因素以及預測其未來發展很重要。本文通過翻閱前人的研究基礎，選取可能對珠海市房價產生影響的因素，先通過灰色關聯度分析，判斷各個影響因素與房價的關聯度，通過關聯度大小選取數據進行VAR模型建立，得出房價最大影響為心理預期房價。將一階差分后的房價當作人們心理預期房價變化建立MA模型對2022年房價做出預測，同時做出灰色預測模型，將兩個預測結果與實際值做對比，發現MA模型與實際房價更接近，預測效果更好。關鍵詞：珠海市；房價；VAR模型；灰色模型；MA模型；預測目錄摘要….……I1 緒論……. 緒論1.1研究背景珠海市已持續幾年榮登全國十佳宜居城市,更是于2020年2月,珠海市確立為第五批中央財政支持的發展居家和社會養老服務改革試驗區域,在粵港澳大灣區發展戰略的影響下，珠海作為唯一一個陸路相通的城市，吸引著越來越多的人養老生活或來珠海發展。但珠海房價近年來居高不下，珠海市房保持著較高速度增長，房價的高速增長，引起人們的擔憂，政府開始出臺政策，有意識抑制房價的過快增長，但是房價的增長速度卻未見放緩，仍然以高于人均可支配收入增長速度增長。雖然，近年來疫情的影響對于房地產行業的打擊巨大，但是在粵港澳大灣區發展戰略刺激下，珠海經濟將會進一步增長，帶到房價繼續上揚，要維持經濟高速發展，珠海市人口吸引力將會是關鍵，如何穩定房價，將是提高珠海競爭力的一大難點。1.2文獻綜述1.2.1房價的影響因素現狀國內外學者的在影響因素方面開展了不少研究，他們從多角度對房價做出分析研究，得到許多有價值的結果。將文獻資料的結果分成下列幾類：收入鐘先哲，丁曉云[1]通過使用計量經濟模型中的經典線性模型，得出主要影響因素為人均可支配收入。趙茗羽[2]通過聚類分析法以及PanelData模型得出城鎮居民人均可支配收入顯著影響高收入地區房價.劉美辰[3]使用卡爾曼濾波法對山東省2000-2014年年度數據做分析，得出人均可支配收入增加會引起房價上漲。人口楊貴中[4]采用1997年~2005年的成都市商品住宅價格相關統計，得出最主要的需求原因為成都市非農業人口增加。高田[5]對南京市房價進行主成分分析，得出南京市房價上升的主要原因是常住人口。消費者價格指數儲亞偉，黃賢峰，鄭語欣等[6]學者通過對主成分的分析研究了阜陽市影響因素，發現房價影響因素最主要因素有消費者價格指數。符云玲[7]提出使用VAR模式,利用格蘭杰因果檢驗證明消費者價格指數對房價波動的重要影響。固定資產投資周國富[8]對天津市商品住宅價格進行定性分析得到主要影響因素有滯后一期固定資產投資價格指數對于商品房價格的貢獻最大。 任昕[9]使用最佳子集法分析北京市房價，最終得出房地產的大規模投資，是北京市房價不斷上漲的最大推動力生產總值黨光遠，楊濤等[10]學者采用了多元線性的回歸方法研究唐山市房屋,認為地區生產總值和房屋竣工建筑面積都是影響房屋質量最主要的因素,而地方生產總值又是對需求影響中最好的代表。武若男教授[11]通過建立var模型,并采用方差分解方法分析因素,確定了房地產價值和國內生產總值之間的雙向格蘭杰關系。余彬,盛佳豪[12]使用灰色關聯度分析銅陵市的商品房房價，得出關聯度最高的是全市人均GDP。商品房面積顧余生[13]通過回歸模型分析后得出的結論,房屋竣工面積和房屋銷售面積是影響最大的兩個因素。王萬濤[14]根據貴州省在2008~2019年的統計資料,通過構建VAR模型的脈沖響應方程,確定了貨幣供給、城鎮居民可支配收入和商品房住宅銷售增長率,對樓市都有正面影響。貨幣供應量Nellis與Longbottom[15]得出貸款存量余額影響房價的結論。儲蓄存款李繼玲[16]通過建立回歸模型,確定了城鄉居民人民幣儲蓄存款余額對商品房售價存在的正面影響因素。通過上面的研究不難得出，國內外在房價影響因素的研究上有不少成果，對影響因素的研究方法也是多種多樣，除了上述的八個學者研究的因素，還有許多可能的因素，如土地價格、輿論引導、通貨膨脹等因素。1.2.2房價的預測研究現狀早期的房價預測模型比較單一，許多學者使用回歸模型做出預測，卻因房價自身存在無規律性，自身易受到別的影響因素造成的影響，早期學者通過使用回歸模型進行預測所得到的結果不可以清楚反映出房價變化趨勢。在此之后，采用使用時間序列ARMA模型，發現該模型可以有效地反映房價隨著時間變化的走勢。時間走到現在,越來越多預測方法出現,有時序回歸模型,以及人工神經網絡模型,灰色模型，VAR模型，多因素回歸及狀態回歸模型。外國學者Browna[17]使用Kalman濾波的時序回歸模型,對倫敦房價做出了預估。Guirguis等[18]多位研究者綜合運用了指數平滑法、GARCH、VECM、AR、帶自回歸參量和隨機參量的Kalman濾波和GARCH等對國家樓市做出估計。Selim[19]則利用了Hedonic回歸模型,以及人工神經網絡等對該國房價做出了估計。國內學者關于房價預測研究也小有成果，楊中宣，楊洋洋[20]采用ARIMA模型，根據2000-2015年河南省住宅平均價格，對2016-2000年河南省住宅平均價格做出預測。李鳳至[21]采用了灰色預測法,以2015~2017年的四川商品房市場平均售價為主要分析對象,并給出了2018年1月至2019年2月的四川商品房售價趨勢預報,，得出的模型預測精度較好。周琴[22]采用人工神經網絡BP算法,對莆田市房價進行了預估，模型準確度高，誤差控制在1%。珠海市房價主要影響因素分析2.1珠海市房價影響因素的選取珠海房市價高速增長，2013年至2021年這段時間，珠海市房價漲幅超過了100%，房價漲幅趨勢如圖2-1所示。圖圖STYLEREF1\s2SEQ圖表\*ARABIC\s11探究影響房價的影響因素，分析其影響程度，通過翻閱文獻，結合數據處理有效性，最終選取了8個可能作為影響珠海市房價的主要影響因素。年平均常住人口總數（人）。常住人口數量通常會決定房屋需求量，因為年初年末人口數量有所差距，為消除差距所帶來的影響，在此選取年均常住人口總數作為人口數量的指標地區生產總值（現價，萬元）。地區生產總值是統合地方經濟活動中所生產出來的所有最終商品和勞動成果,可以反映一個地方國民經濟情況的指數。人均可支配收入（元/人*年）。人均可支配代表著民眾的消費能力,也可以體現出民眾是否可以承受房價壓力,而人均可支配收入也代表著在房價影響中的供給影響。全市固定資產投資額（萬元）。固定資產投資額中包含了對房地產的投資，房地產商為了回收投資成本，會根據投資成本對商品房房價進行調整。人均國內生產總值（元）。國內生產總值是當年國內經濟中產出的全部勞動產品和勞務成果，國內生產總值反映的是當年國內的經濟狀況，觀察國內平均經濟水平變化對于當地的房價所帶來的影響，因此選取人均國內生產總值為指標。商品房銷售面積（萬平方米）。商品房銷售面積大小是即體現了人們當年對商品房的需要量，需求量與價格會相互影響，當年的需求量也可能會影響未來價格的定價。貨幣供應量（億元）。貨幣供應量能反映當期是否存在通貨膨脹或者通貨緊縮的風險。居民消費價格指數（以1985年為100）。反映了一般居民在家庭購物時消費產品和服務的價格水平波動狀況，會影響居民商品房購買力。對珠海市房價和上述八個影響因素總計九個變量進行了重命名，方便之后的研究分析。命名結果如表2-1所示。表STYLEREF1\s2SEQ表\*ARABIC\s11變量變量名珠海市房價Y平均常住人口X1地區生產總值X2人均可支配收入X3全市固定資產投資X4儲蓄存款X5商品房銷售面積X6貨幣供應量X7居民消費價格指數X82.2數據預處理本文數據來源為國家統計局，珠海統計局，安居客。研究對象是月度數據，得到地區生產總值，商品房銷售面積為季度數據，因為數據各月不相同，數據為累加總和，因此使用eviews軟件，采用二次匹配總和法，人均可支配收入為年度數據，采用二次匹配均值法，將低頻數據轉為高頻數據。2.3房價影響因素篩選由于因素的選擇數量較多,將采用灰色關聯度分析，篩選出關聯度最高的前四位影響因素再進行下一步分析。以珠海市房價為參照序列,八個主要影響因素為比較序列。我們將選擇直線型無量綱化方式中的均值化消除數據量綱。本文選擇ρ=0.5。使用R軟件可以算得房價與各影響因素的關聯性，關聯度排名如表2-2所顯示,由表得出了各影響因素得與房價之間的灰色關聯度,從高至低以此為貨幣供給、存款儲蓄、本地工業生產總額、全市企業投入、平均收入、商品房銷售規模、居民消費價格指數、平均常住人口。表STYLEREF1\s22變量X1X2X3X4關聯度0.62255230.81364420.74689160.7661136關聯度大小排名7354變量X5X6X7X8關聯度0.90005940.71840350.90301420.6027186關聯度大小排名2618八個影響因素與房價的灰色關聯度均大于0.6，通過了關聯度檢驗。從結果上看，八個關聯度得到數值高且接近，前四位中的兩個來自經濟層面，兩個來自供需層面，說明影響珠海市商品房房價的影響因素主要來自多個方面，關聯度第一第三的影響因素貨幣供應量和地區生產總值代表經濟的因素，關聯度分別超過0.9和0.8。珠海市經濟水平發展迅速，商品房價格與經濟水平相關，貨幣供應量、地區生產總值，都很好體現出這一點。儲蓄存款和全市固定資產投資反映貢獻層面，儲蓄存款越多，人民購買能力越強，固定資產投資越高，房地產行業更有活力，供給越多。而x3所代表的人均可支配收入關聯度并未高于x5的儲蓄存款，這是因為人們的收入水平不同，同時人們的日常開銷也不同，儲蓄水平也不同，買房需要人們儲蓄加上貸款，所以兩者的關聯度不同，而且儲蓄存款關聯度更高的原因。平均常住人口是和商品房房價關聯性最小的,體現的是對供需方面的影響,基于供需理論，所以人口增長必然會造成了對房屋的需求量上升,進而造成了房價的上升。通過灰色關聯度分析，得到了關聯度最高的四個影響因素：地區生產總值，全市固定資產投資，儲蓄存款，貨幣供應量構建VAR模型，進行房價主要影響因素確認。2.4房價主要影響因素確認2.4.1VAR模型的相關理論解釋VAR模型介紹向量自回歸模型（VAR模型）于1980年被Sims提出，采用多個方程聯立構建出該模型，VAR模型把系統所有內生變量當作系統中全部內生變量滯后值函數來構建出模型，通過此方法達到計算模型中所有內生變量的動態關系效果。VAR模型依靠數據的統計特性而不是以嚴格的經濟理論為依據。P階VAR模型表達式如式所示:y其中yt是內生變量向量，xt是外生變量向量，A1，A2格蘭杰因果關系檢驗格蘭杰因果關系檢驗假設了所有變量預測信息存在于變量的時序中。如果變量在該檢驗的結果顯示影響并不顯著，說明了該變量任意變量不存在格蘭杰因果關系，如果結果顯著，就說明它與一個或者多個變量有格蘭杰因果關系。VAR模型的脈沖響應函數在分析構建出的VAR模型，研究某誤差項（脈沖）發生變化后將會對整體造成的動態影響，而并不是研究某一變量發生變化后對另外某單一變量的影響，因此被稱為脈沖影響函數分析法。VAR模型的方差分解方差分解是通過分析VAR模型中的所有結構沖擊對于變量變動(一般用方差度量)的貢獻程度，其得到的結果可以評價不同結構沖擊的重要性。2.4.2VAR模型構建為了消除各個變量之間量綱差異，本段使用數據采用取對數的方法，來達到消除數據量綱的目的。各個變量的平穩性檢驗表STYLEREF1\s23變量檢驗形式（C，T，K）P值ADF統計值結論Lnx2(C,T,10)0.0332-3.620323平穩Lnx4(C,0,11)0.2696-2.039823不平穩Lnx5(C,T,12)0.4488-2.264315不平穩Lnx7(C,0,12)0.2955-1.979199不平穩lny(C,0,1)0.1078-2.545470不平穩Dlnx4(0,0,11)0.0000-4.870817平穩Dlnx5(0,0,11)0.2946-0.970681不平穩Dlnx7(0,0,11)0.1370-3.002814不平穩Dlny(0,0,0)0.0000-6.545816平穩D(lnx5,2)(0,0,10)0.0000-7.345306平穩D(lnx7,2)(0,0,11)0.0000-8.444051平穩本文對變量進行平穩性檢驗，采用的檢驗方法為ADF單位根檢驗。檢驗結果如表2-3所展示，由表結果可以得知，在原始序列中的Lnx2平穩，而不平穩變量經一階差分之后，Dlnx4，Dlnx5平穩，其他不平穩，不平穩的變量在經過二階差分之后達到平穩。協整檢驗通過ADF單位根檢驗可以得知，經過一階或二階差分調整后，序列才從不平穩變為平穩，但是使用差分后數據構建VAR模型，結果會導致損失變量信息，甚至使數據失去經濟意義，因此，在構建模型前，需要序列通過協整檢驗確認，保證序列具有長期均衡關系。先構建VAR模型，然后確認在協整關系檢驗中的滯后階數。表STYLEREF1\s24LagLogLLRFPEAICSCHQ0744.9805NA2.21e-13-14.94910-14.81803-14.896071916.4355322.12761.15e-14-17.90779-17.12139-17.5896121028.619199.43801.98e-15-19.66908-18.22735*-19.0857531052.15139.456612.06e-15-19.63941-17.54234-18.7909341094.58166.860431.48e-15-19.99154-17.23914-18.8779251146.86277.10056*8.78e-16*-20.54267*-17.13493-19.16389*61166.57027.073061.02e-15-20.43575-16.37268-18.7918271191.13931.270541.10e-15-20.42706-15.70866-18.51798檢驗結果為表2-4，從表可得知，最優的滯后階數為5。格蘭杰因果關系檢驗表STYLEREF1\s25ExcludedChi-sqdfProbDDLNX716.7656350.0050LNX225.44220150.3643DLNX41.73743150.8842DDLNX511.7082850.0390All27.63718200.1183四個主要影響因素和房價之間的格蘭杰因果關系檢驗結果如表2-5所展示。在置信度為0.05時，貨幣供應量和儲蓄存款是房價的格蘭杰原因，地區生產總值和全市固定資產投資不是房價的格蘭杰原因。房價不是其他四個影響因素的格蘭杰原因。模型平穩性檢驗構建VAR模型后，檢查模型是否平穩，模型平穩性檢驗結果如圖2-2所示，通過圖中點的分布可知，所有的特征根都在單位圓內，因此構建的五階VAR模型通過了平穩性檢驗。圖圖STYLEREF1\s2SEQ圖表\*ARABIC\s12構建VAR模型后，為深入分析這四個影響因素對房價帶來的影響，使用軟件畫出這些影響因素對于房價的脈沖影響函數圖，結果如圖2-2所展示，圖中各個小圖形展示了各變量在變動了一個標準差之后對房價的脈沖函數圖，實線表示受到變量沖擊后房價變化，虛線表示房價變化的二倍標準差。觀察各個小圖，可以得知貨幣供應量是沖擊較為顯著的因素，因為貨幣供應量上升會提升銀行信貸能力，保障房地產業開發建設所需資金，購房者資金也有資金實現購房。而房價最主要的影響來源房價自身，并且沖擊是正向的，說明房價因為有市場記憶性，產生了自我維持現象，在實際狀況中，是投資者與消費者由于對房價存有心理預期導致結果。當期的房價確定很大程度會因為歷史房價被影響，與近期的歷史房價不會產生太大的誤差，與之相應，未來的房價也會被當期的房價影響。圖圖STYLEREF1\s2SEQ圖表\*ARABIC\s13方差分解圖表STYLEREF1\s2SEQ圖表\*ARABIC\s14圖2-3為房價的方差分解圖。圖中的各種小圖表示的是各變量的沖擊強度對房價變化的相對貢獻度。通過各小圖可以得知，貨幣供應量的沖擊強度對于房價的變化相對貢獻度從第一期2%快速升到14%并保持穩定，地區生產總值沖擊強度對于房價的變化相對貢獻度則最后穩定在6圖表STYLEREF1\s2SEQ圖表\*ARABIC\s142.5模型比較與結果分析在進行房價的影響因素研究過程中，使用了兩種研究方法。第一種灰色關聯度分析，得出在選取的八個影響因素中，貨幣供應量、地區生產總值、儲蓄存款、全市固定資產投資為關聯度最大的四個變量，接下來通過選取這四個變量，建立VAR模型，得出結論，人們心理預期房價對房價影響最大，貨幣供應量短期內影響不大，但從長期來看，有較為明顯的影響，地區生產總值對房價影響穩步提升。最后，影響程度排名與灰色關聯度排名一致，相互驗證兩種研究方法的合理性。珠海市房價預測3.1預期房價對房價的影響通過影響因素研究得出的結論，房價變化最主要的因素為預期房價。通過翻閱文獻資料，發現學者普遍認為，市場參與者心理預期是解釋房價波動的重要因素之一，與結論不謀而合。居民根據房價變化趨勢，得出一個心理預期，在大部分房市持續上漲的情形下，居民會看漲預期，在“晚買不如早買”的心理驅動下，人們看漲預期會導致住房需求的提前釋放，在需求帶動下，引起房價上漲。在珠海這種發展速度較高的城市，經濟基本因素即便在疫情的沖擊下，仍然保持穩定水平，經濟因素無太大波動，居民預期房價對房價變動的影響將會更為顯著。圖3-1為滯后一期商品房銷售面積和差分后房價圖，將兩折線放入同一圖中，可以看出兩者變化趨勢相近，人們會預期房價變化，來判斷未來是否會購房，影響房價需求，進而影響房價。因此，將一階差分后的房價設為人們的預期房價變化，通過預期房價變化建立模型進行預測，具有較高的可行性，為保證結果準確性，通過建立灰色預測模型進行比較，驗證預測結果。圖圖STYLEREF1\s3SEQ圖表\*ARABIC\s113.2.1基于預期房價變化建立ARMA模型原始序列的平穩性檢驗將預期房價變化設為新變量yfj，利用ADF單位根檢驗的方法檢驗預期房價變化的平穩性.表STYLEREF1\s3SEQ表格\*ARABIC\s11數據P值Yfj0.01表3-1顯示的是對預期房價變動數據的平穩性試驗結果,從上表可以得知P值約為0.01，拒絕了變量不穩定的原假設，因此預期房價變化數據平穩。確定模型階數圖STYLEREF1\s3SEQ圖表\*ARABIC\s12為更好確定模型參數，本文選擇比較自動定階與通過自相關圖和偏自相關圖得到的模型AIC值確定最優模型參數，通過比較模型的AIC值，值越小越合理，圖3圖STYLEREF1\s3SEQ圖表\*ARABIC\s12x表STYLEREF1\s32模型AICARMA(1,1)1532.03MA(1)1530.16模型評價圖STYLEREF1\s3SEQ圖表\*ARABIC\s13假若建模合適,則模型殘差值將符合于均值為零的正態分布,而對于任何滯后階數,殘差自相關系數應為零。圖3-3為殘差檢驗的Q-Q圖形,由圖可知,幾乎所有點均落于直線上,可以建立模型殘差滿足均值為零的正態分布。表3-3為經過檢測殘差的自相關系數是不是為零的檢驗結果表,由表可知,在殘差的自相關系數是否為零的假設檢驗中。p值為0圖STYLEREF1\s3SEQ圖表\*ARABIC\s13表STYLEREF1\s33模型P值MA(1)0.90113.2.2基于MA(1)模型的預測圖STYLEREF1\s3SEQ圖表\*ARABIC\s14通過前文建立的MA(1)模型預測2022年1月到12月的心理預期房價變化，預測結果如圖3圖STYLEREF1\s3SEQ圖表\*ARABIC\s14圖STYLEREF1\s3SEQ圖表\*ARABIC\s1圖STYLEREF1\s3SEQ圖表\*ARABIC\s153.3.1灰色模型介紹灰色模型（greymodels）又稱GM建模,具有嚴密的理論基礎,其優點就是簡便實用,是指利用少量的、不完整的數據，建立灰色微分預測模型，對事物發展規律作出模糊性的長期描述。它不但可以在資料量大時預測結果較好,而且在資料量較少的情形下,預測結果也不錯。因此本文將通過利用matlab軟件構建GM(1,1)模式,對珠海市住房未來房價做出預測。3.3.2運算過程通過對加原始序列生成新序列:x其中x(1)(k)=i=1dx其中a被稱為發展灰數，μ被稱為內生控制灰數，a有效區間為（-2，2），被記待估參數向量α=α其中B=求解微分方程可得預測模型:x因為α是通過最小二乘法得出得近似值，所以x1k+1是一個近似表達式。為與原序列x(1)當k=0,1,?n-1時由式得到的數據擬合值；當k≥n時，得到預測值，然后用累減運算還原，得x3.3.3運算結果將2013年1月到2021年12月珠海市房價作為原始數據代入模型，得到得預測模型如式所示。y預測前必須先進行模型試驗,因此本文將采用后驗差檢測方法,后驗差的檢測指標如表3-1所給出，表中P表示小誤差概率，C表示標準差比。建立模型的檢驗結果如表所示，由表3-2可知，后驗差檢驗模型效果等級好，標準差比C值小，說明殘差序列蘊含的信息少，模型擬合效果好。表STYLEREF1\s34等級標準好P>0.95,C<0.35合格P>0.80,C<0.50勉強合格P>0.70,C<0.65不合格P≤0.70,C≥0.65表STYLEREF1\s35后驗差檢驗標準差比C0.3449模型效果等級：好小概率誤差P0.9907通過驗證得知GM(1,1)模型擬合效果好，2013年至2021年12月模型的擬合效果如圖3-6所示，由圖可知模型將房價擬合為平滑曲線，對房價預測比實際結果時高時低，用該模型對2022年一年進行樣本外預測，得出結果為25090，25264，25440，25617，25795，25974，26154，26336，26519，26703，26889，27076圖圖STYLEREF1\s3SEQ圖表\*ARABIC\s163.4模型預測結果比較圖STYLEREF1\s3SEQ圖表\*ARABIC\s17將2022年1月至3月的實際值與兩個模型得出的預測值導入同一張折線圖內，圖為3圖STYLEREF1\s3SEQ圖表\*ARABIC\s17結論與政策建議4.1研究結論論文主要以珠海房價為主要研究對象,并采用平均常住人口,地方生產總值,人均可支配收入,全市固定資產投入,貨幣供應量,以及商品房銷售面積當作影響因素，進行分析，最終確立房價的主要影響因素，通過對影響因素建立時間序列模型，得出珠海市2022年月度的預測房價，再通過建立灰色預測模型，與實際房價作出對比，驗證預測值的準確性。得到了以下幾點結論：第一、對住房價格的影響因素采用灰色關聯度模型獲取了各個指標之間和房價的關聯性,通過關聯度排序確定了各指標關聯程度，關聯度最高的前四位依次為貨幣供應量、儲蓄存款、地區生產總值、全市固定資產投資。第二、建立VAR模式,利用脈沖響應分析和方差分解,確定影響房價最主要的因素是居民的心理預測因素,而隨著心理滯后期數的提高,其影響也會減小,最終穩定在74%水平。其次就是貨幣供應量，短期內，貨幣供應量影響程度不明顯，但隨著滯后期數到達六期以后，影響程度就到達10%以上水平，說明貨幣政策是政府調控房價的有利手段。第三、通過建立灰色預測模型和MA模型,預測出中珠海2022年的房價水平,與現實數據進行對比后,認為MA模型更貼近于現實房房價,而且預測值和現實房價的差距也不大，結果更有參考價值。4.2政策建議房地產市場供應合理，滿足人民生活需求，穩定房價具有重要意義。根據本文的研究結論，提出以下建議：第一、政府部門應當靈活運用公開的房產價值預期,促進房產開發成本透明性,從而降低購房投機活動。促使開發商、房產企業及時向購房人提供公開、暢通、準確信息傳播,使有意購房人有渠道了解到房產市場,及時掌握房價走勢。住宅開發和購買的過程公開化、制度性、透明性可以有效調節消費者的心里預期,也有助于購房人及時進行理性決定,從而降低市場投機性情況出現,實現了控制房價的目的第二、完善貨幣政策，靈活調控房價。通過VAR模型可知，貨幣供應量對于未來房價的影響是存在的，從貨幣供應量入手，抑制貨幣供應量快速增長從而實現調控房價的目標。央行可用數量型工具（公開市場業務、存款準備金率）影響貨幣的供給，運用價格型工具（存貸利率、匯率）調空貨幣供應量時，通過提高利率，提高融資成本，從而提高房貸借貸成本，從消費者角度，利率提高會增加購房者貸款成本，這些方法間接減少銀行貸款數量，減少了信用創造，從而間接減少貨幣供應量，實現房價調控。最后、維持房地產開發與經濟增長的良好關系，保持穩定良好的經濟增長。地區生產總值提高會一定程度上提高房價，房價也是一個地區經濟水平的晴雨表，也是宏觀經濟發展的需要，協調好兩者的關系，使兩者水平相適應，房地產市場與地區經濟發展就能夠齊頭并進。

參考文獻鐘先哲，丁曉云.中國城鎮房價影響因素分析現代商貿工業[J]2018(18):118-119趙茗羽房價影響因素的區域性分析 華北理工大學學報(社會科學版)[J],2019(04):37-41劉美辰基于卡爾曼濾波法的房價波動影響因素分析——來自于山東省2000—2014年的數據現代經濟信息[J],2017(11):479-483楊貴中.成都商品住宅價格影響因素分析與房價預測西華大學[D],2007高田.南京市房價影響因素的實證研究經濟研究導刊[J]2019(12):125-127+172儲亞偉，黃賢峰，鄭語欣房價影響因素的研究及預測——以阜陽市為例山東農業工程學院