属于由市场供求来决定价格的商品住宅范畴，因而将归类为保障性住房而不是商品住宅来统计；最后，房价采价方法将取消上年同期样本的调查，只采集上期、本期的样品房的价格，使统计数据更能及时反映房价的变化。在收入统计上，国家统计局将建立城镇在私营单位工作的工人工资的统计，并探索构建城乡一体化的住户收支调查指标体系。
《21世纪经济报道》2008年10月10日揭露了一个惊人的现象，北京市房地产数据的“地下交易”每年交易额在6亿元以上。 北京市房地产交易数据每天都会在北京市房地产交易管理网上公布，而且每天更新，为什么房地产公司不从官方公开信息去获得数据，而要花重金从地下“黑市”购买数据呢？
据业内人士说，北京房地产交易管理网“外网”上的数据有限，不具备“研究性”。而且外网数据有一些查询障碍，例如不能查过期楼盘项目情况，更不能得到一段时间内的综合数据，房地产交易管理网上的数据是由各个楼盘自己上报，而各个楼盘上报数据的时间和统计范围都不统一，另外房地产交易管理网往往仅发布套数、成交均价等基础数据，也不能全面反映市场情况。也正因为地方房地产数据被分别垄断，这些地方原始数据提供方虽然掌握着垄断资源，但却对各自区域外的市场一无所知。房地产开发企业普遍更喜欢更详细、真实的数据，而不是用一个抽样等统计办法算出来的平均值。
事实上，如果没有一个公开、透明的房地产数据披露体制，则人们对市场的判断根本不具有可取性，而仅仅依靠政府部门采取的宏观调控政策，没有购买者的预期判断相配合，房地产调控政策很难取得实效。
电子书 分享网站
面板数据模型选择
一般而言，面板数据模型的误差项由两部分组成，一部分是与个体观察单位有关的，它概括了所有影响被解释变量，但不随时间变化的因素，因此，面板数据模型也常常被成为非观测效应模型；另外一部分概括了因截面因时间而变化的不可观测因素，通常被成为特异性误差或特异扰动项（事实上这第二部分误差还可分成两部分，一部分是不因截面变化但随时间变化的非观测因素对应的误差项Vt，这一部分一般大家的处理办法是通过在模型中引入时间虚拟变量来加以剥离和控制，另一部分才是因截面因时间而变化的不可观测因素。不过一般计量经济学的面板数据分析中都主要讨论两部分，在更高级一点的统计学或计量经济学中会讨论误差分量模型，它一般讨论三部分误差）。
非观测效应模型一般根据非观测效应的不同假设可分为固定效应模型和随机效应模型。传统上，大家都习惯这样分类：如果把非观测效应看做是各个截面或个体特有的可估计参数，并且不随时间而变化，则模型为固定效应模型；如果把非观测效应看作随机变量，并且符合一个特定的分布，则模型为随机效应模型。
在实际研究中经常采用的Panel data回归模型（或TS/CS （Time Series /Cross Series）模型）是固定效应模型（fixed effect model；FEM）和随机效应模型（random effect model；REM）。在实证研究中一般通过对数据的Hau*an检验以确定是选用固定效应模型还是随机效应模型。在模型中；如果模型中的系数 为确定性变量；即模型中省略因素对个体差异的影响是固定不变的；则模型为固定效应模型。如果 为随机变量；即模型中省略因素对不同个体的影响是随机的；则模型为随机效应模型。
因此使用面板数据，主要有三种模型可供选择，即OLS模型、固定效应（Fixed Effects，FE）模型和随机效应（Random Effects，FE）模型。利用F检验识别使用OLS模型还是FE模型； 再利用LM 检验（lagrangian multiplier test）识别使用OLS模型还是RE 模型，最后用Hau*an 检验使用RE 模型还是FE模型。本文所有的模型全部过程用Givewin2软件 或者EVIEWS5软件完成。
首先；对模型进行选择。利用检验来确定是选择固定效应模型还是随机效应模型其检验的统计量为：W= ，其中 是固定效应模型的估计结果； 是随机效应模型的估计结果，而∑是两种估计量协方差矩阵之差，即：∑=Var（ ）…Var（ ）；实际上Hau*an检验是一种Wald统计量；它渐进服从自由度为k的 分布；其中k为模型中解释变量的个数。在给定显著性水平 下；若W《 ；则采用随机效应模型；否则；采用固定效应模型。从理论上讲；若仅以样本自身效应为条件进行推论；宜采用固定效应模型；如果欲以样本对总体效应进行推论；则应采用随机效应模型。一般情况下；对于住宅产业来说；居民对房子的消费倾向在短时间内保持了相对的稳定；具有时间的一致性。因此，本文利用软件Givewin2 和Eviews5来计算检验的值；并且根据其判别规则选择固定效应模型。其次；在参数不随时间变化的情况下；对截距和斜率参数的两种假设的情况下进行检验。
当横截面的单位是总体的所有单位时，固定效应模型是一个合理的模型。如果横截面单位是随机地抽自一个大的总体，则使用随机效应模型较为合适。本文是对全国所有省市的住房供给进行分析，为了控制不同省份的个体特征，本文主要采用固定效应模型。
中国城镇住房价格变化特征
从总体上看，1991—2006年，中国城镇住房销售平均价格保持平稳上涨，出现了两个上涨周期，第一个周期是1992…1993年，第二个周期是2003年以后，第二上涨周期从时间上明显拉长；从结构上看，1998年以来，经济适用房销售平均价格基本比较稳定，略有上升，但2004年后上涨速度明显加快；1997…2003年，别墅、高档公寓等的销售平均价格基本平稳，稳中有降，但2003年后却出现了快速上涨的趋势；与此同时，别墅、高档公寓等的销售平均价格远远高于住房销售平均价格，接近住房销售平均价格的两倍；可以推断别墅、高档公寓等的价格高于普通住宅价格两倍以上。
2001年后，我国土地交易价格指数的上涨速度超过了房屋销售价格指数，说明在一定程度上，土地价格的上涨对房价上涨起了推波助澜的作用。房屋销售价格指数快速上涨，特别是在2003年后出现了上涨速度加快的势头。房屋租赁价格指数每年的上涨幅度不大，说明住宅租金保持平稳；房屋销售价格指数上涨快于房屋租赁价格指数上涨，房屋销售市场与房屋租赁市场之间的价值扭曲现象进一步加剧。
中国城镇住房价格与投资
长期以来，我国国民经济保持持续快速的增长，中国城镇住房价格保持稳定增长，人均GDP的增长速度快于城市住房价格的增长速度，但在2003年以后，住房价格上涨出现很大变化，且出现了加速增长的趋势，住房价格的增长速度已经开始超过人均GDP的增长。
近年来，我国全社会固定资产投资和房地产投资出现持续快速增长的趋势，全社会固定资产投资和房地产投资对住房价格的拉动作用十分明显。房地产投资增长持续高于全社会固定资产投资的增长，房地产投资占固定资产投资的比重不断提高，但2003年以后，随着国家对房地产的宏观调控的实施，房地产投资持续上涨的势头有所抑制，增长速度开始回落。中国城镇住房价格的变化与经济发展水平密切相关。1997年以来，中国城镇住宅价格平稳增长，住宅价格的增长和物价增长水平基本保持同步，住房价格始终略高于居民消费价格上涨，但在2003年下半年以后，居民消费物价和住房价格都出现了加速上涨的趋势，房价上涨突然加快，大大超过了同期消费物价的上涨水平。
书 包 网 txt小说上传分享
中国城镇住房需求总量模型与预测
房地产市场是否健康发展的一个关键指标就是是否有足够的有效需求支撑。同时，未来需求量的研究有利于为政府制定土地的供应计划和开发商理性地开发土地，尽可能避免住房供应弹性小带来的供需不匹配，而造成住房价格的大幅波动。因此，对住房需求量的合理预测是稳定整个住房市场的关键。
当前，中国住宅供给是否过量？未来的需求量到底有多大？又有多少理论需求可以转化成实际有效需求？需要如何实施宏观调控？本部分在研究中国住房市场现状的基础上，对未来住房需求量进行预测。本节将城市住房潜在需求量分为两部分：一是城市化和人口增长推动的住房需求；二是城镇居民改善性住房需求。主要指收入增长所带来的对居住水平提高的客观需求。
当然，影响住房市场需求的因素众多，变量关系错综复杂，给预测住房市场的需求增加了相当大的难度。以上测算也只是一个理论上的估计，与实际有效需求之间还有很大的差异。
一是在潜在住房需求中，改善型需求不仅占有相当比重，而且具有较大的需求弹性。这一部分需求能否转换为有效需求，以什么方式实现转换，既取决于居民现时的支付能力以及对未来的收入预期，也取决于与之相关的政策，比如首付比例、利率水平和按揭政策等。
二是城市化和人口增长所带来的住房需求也不一定能够全部转化为实际有效需求。比如部分城镇新居民（如进城农民和和刚工作的大学生）因经济能力所限，暂时只是潜在的而非现实的需求。
三是政策的改变，投资性需求被抑制。比如2003年以来的宏观调控政策极大地影响了投资性需求，住房市场的投机和炒房被有效限制，特别是2007年以来，央行多次加息和提高存款准备金率，并在12月份实行“第二套房”贷款政策，对改善性需求的释放形成极大的影响。
此外，对城市人口的预测是总人口的预测，没有细分不同年龄�