羅孝玲，周琳杰，馬世昌

（中南大學商學院，湖南長沙410083）

●關注房價

房價影響因素的空間非一致性與差異化調控手段
——基于Panel Data模型的實證研究

羅孝玲，周琳杰，馬世昌

（中南大學商學院，湖南長沙410083）

房地產價格受多種宏觀經濟因素的綜合影響，不同城市的房價決定因素可能存在差異。文章將全國城市劃分為四種級別，并選擇17個一、二、三線樣本城市，以貨幣供應量、CPI、GDP、城鎮(zhèn)居民家庭人均可支配收入和社會固定資產投資額為解釋變量，選取2002-2012年的季度數(shù)據(jù)，構建Panel Data模型，研究房價影響因素的空間非一致性，研究結果證明了空間非一致性的存在?；诖?，對一、二、三線城市分別提出了差異性調控手段建議。

房地產價格；空間非一致性；Panel Data模型；調控

一、引言

房地產業(yè)是國民經濟的支柱產業(yè)，房地產及其相關行業(yè)為GDP的貢獻率超過了10%。中國的房地產市場始于1984年；1993年住房商品化改革后，住房的消費、交易和投資功能逐步進入國民視野；2003年，房地產價格上漲速度明顯加快，并開始逐步脫離普通百姓的承受能力；鑒于此，2005年3月國務院印發(fā)“國八條”，要求各地政府高度重視房地產價格的過快增長，由此房地產調控正式拉開序幕；2010年國務院頒發(fā)“國十條”，堅決遏制部分城市房價過快上漲。2013年17號文件（新國五條）堅決抑制投機投資性購房。近年來，國家的宏觀調控政策手段更多、力度更大、也更具持久性。

我國國土面積幅員遼闊，經濟發(fā)展狀況懸殊，不同地域的房地產市場狀況亦存在較大的差異。譬如，從地理分布上看，我國東部沿海地區(qū)的經濟發(fā)展水平顯著高于中部和西部內陸地區(qū)，同時東部地區(qū)的房地產價格和交易活躍程度亦顯著高于中西部地區(qū)；又如，在同一區(qū)域的不同級別和規(guī)模的城市之間也存在經濟發(fā)展和房地產市場狀況的顯著差異。經濟發(fā)展和房地產市場的空間差異決定了國家對房價的調控不能采用“一刀切”的方式來完成，必須分析不同地域、不同城市的房地產價格影響因素，實施有針對性的調控政策，才能實現(xiàn)全國范圍內房產市場的穩(wěn)定有序。

針對地域差異性房地產發(fā)展和房地產調控政策的研究，當前已有學者涉足：中國房地產業(yè)研究小組（1996）研究了我國90年代初房地產投資的區(qū)域分布格局，指出中國房地產發(fā)展表現(xiàn)出明顯的非均衡發(fā)展，投資分布參差不齊，呈現(xiàn)出東重西輕、南強北弱的基本格局［1］；易成棟（2007）研究了我國各區(qū)域房價以及不同地域投資行為的差異，指出我國各地區(qū)房地產市場具有差異性，且其作用機制也有所差異［2］；彭本紅（2008）以省際層面房地產業(yè)的數(shù)據(jù)為樣本，研究了不同地區(qū)房地產業(yè)發(fā)展水平的差異，并將其劃分為領先地區(qū)、先進地區(qū)、趕超地區(qū)、后發(fā)地區(qū)和后進地區(qū)五類［3］；王先柱等（2011）從貨幣政策的角度出發(fā)，研究了統(tǒng)一的貨幣政策在全國31個省市的不同調控效果［4］。

然而，就差異性房地產調控而言，筆者認為粗略地以東西部地區(qū)或不同省份為研究樣本而展開的研究結果是不具實踐操作性的，因為正如前文所述，即使同一區(qū)域的不同城市也存在非常大的差異?；诖耍疚臄M根據(jù)不同城市經濟發(fā)展和房地產狀況的不同劃分城市類別，研究不同類別城市房價的影響因素，以期為差異性調控政策的制定提供依據(jù)。

二、城市劃分標準

當前學術界和實務界充斥著多種分類標準下的多種城市劃分結果，但經筆者考證發(fā)現(xiàn)，這些分類大多缺乏科學合理的標準，而且并非經過專業(yè)機構或官方部門研究和發(fā)布，因此具有較差的科學性。同時，由于本文擬通過研究城市房價與城市經濟指標之間的機理關系來探究城市房價的影響因素，因此對城市類別的劃分應當以城市的房地產狀況和經濟綜合狀況為主，在文獻［5］的分類基礎上，筆者將中國的城市劃分為四類級別的城市，劃分標準和結果如表1。

從劃分結果可以看出，二線、三線、四線城市群體中城市的數(shù)量越來越多，將所有的城市都納入研究樣本是不現(xiàn)實的，因此考慮到樣本城市的地域性分布、多年連續(xù)數(shù)據(jù)的可得性和平衡不同類別樣本的數(shù)量，選擇樣本如下：一線城市樣本選取北京、上海、廣州、深圳、天津共5個城市；二線城市樣本選取杭州、青島、沈陽、重慶、武漢、呼和浩特共6個城市；三線城市樣本選取錦州、常德、洛陽、銀川、海口和西寧共6個城市；四線城市以縣城為主，其房地產及經濟指標統(tǒng)計的完整性很差，故在本文中暫不予考慮。

三、房價影響因素的空間非一致性檢驗

（一）房價影響因素的Panel Data模型構建

關于房地產價格與宏觀經濟關系的研究方法和研究模型，國內外的文獻已有較深入的研究。如Quigley（1999）利用VAR分析法，利用美國房地產價格與空置率、家庭數(shù)、收入和建筑許可等之間的關系［6］；Miki Seko等（2009）通過自回歸模型，利用日本46個縣1980-2001的年度數(shù)據(jù)，研究了私人住宅平均價格與收入、消費價格指數(shù)、住宅年開工量以及人口等因素之間的關系［7］；陳雷（2010）針對合肥市的研究發(fā)現(xiàn)經濟發(fā)展水平、宏觀經濟政策和金融狀況是房價最重要的影響因素［8］；段軍山、白茜（2011）以貸款利率、人均可支配收入為控制變量，建立VEC模型進行了分析［9］；此外，羅孝玲、梁云芳、張建坤、肖卓華等學者對此也有深入研究［10-13］。

在房價影響因素的選擇方面，借鑒已有的研究成果，結合中國房地產市場的實際狀況，本文選擇房地產銷售價格指數(shù)（HPI）作為房地產市場價格的度量指標，選擇貨幣供應量（M2）、樣本城市的CPI、樣本城市的GDP、樣本城市的城鎮(zhèn)居民家庭人均可支配收入（DI）、樣本城市社會固定資產投資額（IFA）作為解釋變量。

在模型方法方面，近年來被學者普遍采用的VAR模型可以分析變量間的長期均衡關系，但是對于數(shù)據(jù)的長度有較高要求，適合分析房地產起步早、數(shù)據(jù)樣本豐富地區(qū)的研究，而我國房地產市場起步較晚，各地數(shù)據(jù)長度不一；而且本文將研究多個城市的情況，涉及的個體較多，綜合認為選取面板數(shù)據(jù)（Panel Data）模型能夠使研究結論更準確。基于以上分析，構建房價影響因素的Panel Data模型如下：

其中，yit為被解釋變量，也就是樣本城市的房地產銷售價格指數(shù)；xit為解釋變量，也就是CPI、M2、樣本城市的GDP、DI和IFA；i＝1，2，3，…，N，表示樣本的序號；t＝1，2，3，…，T，表示時點；αit參數(shù)代表模型的截距項；βkit參數(shù)代表相應解釋變量的待估計系數(shù)；μit為隨機誤差項，它們相互獨立，同時滿足均值為零、等方差為δ2假設。

（二）數(shù)據(jù)來源

以第2節(jié)選定的城市為樣本，選取2002年第一季度至2012年第四季度的季度數(shù)據(jù)構成面板數(shù)據(jù)，其中，樣本城市CPI季度數(shù)據(jù)是以月度數(shù)據(jù)加權均值折算而成，數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。

為了消除數(shù)據(jù)的季節(jié)性因素，首先利用（X-11）法對除了CPI和HPI以外的變量數(shù)據(jù)進行季節(jié)調整；然后，為了消除數(shù)據(jù)的異方差性，對CPI以外的數(shù)據(jù)進行對數(shù)處理。預處理后的變量用lnHPI、lnGDP、lnDI、CPI、lnM2、lnIFA表示。

為避免出現(xiàn)偽回歸，首先對數(shù)據(jù)的平穩(wěn)性進行ADF檢驗，結果顯示，三類城市的所有六個變量的一階序列都是平穩(wěn)的。進一步地，對面板數(shù)據(jù)的協(xié)整關系進行Pedroni檢驗和Kao檢驗，檢驗結果顯示三類城市中各變量存在協(xié)整關系。受篇幅所限，平穩(wěn)性檢驗和協(xié)整關系檢驗結果不一一列出。

（三）模型形式的確定

面板數(shù)據(jù)分析的第一步是對模型的設定進行檢驗，以得到有效的參數(shù)估計。以一線城市數(shù)據(jù)為例，首先，進行F檢驗，計算得到S1=0.398 612，S2=0.539 179，S3=0.591 033，T=44，N=5，K=5，基于此計算得到F1=2.870 266，F(xiàn)2=3.030 317。同理，對二線、三線城市進行F檢驗，得到檢驗結果整理如表2。

給定5%的顯著性水平，查F分布表得：在一線城市中，F(xiàn)1＞F1（20，190），F(xiàn)2＞F2（24，190），故應采用變系數(shù)模型；在二線城市中，F(xiàn)1＞F1（25，228），F(xiàn)2＞F2（30，228），故應采用變系數(shù)模型。在三線城市中，F(xiàn)1＜F1（25，228），F(xiàn)2＞F2（30，228），故應采用變截距模型。

進一步地，應用Hausman檢驗來確定模型的具體形式，計算結果如表3。

以上的檢驗結果表明：三類城市的Hausman檢驗統(tǒng)計量Chi-Sq.均為0，所對應的P值為1（＞0.05），因此接受隨機影響模型中個體影響與解釋變量不相關的原假設，也就是說，對三類城市的面板數(shù)據(jù)檢驗都應該選擇隨機模型。

綜合前文的分析，最終確定三類城市的面板數(shù)據(jù)模型選擇為：一線城市樣本采用變系數(shù)隨機效應模型，二線城市樣本采用變系數(shù)隨機效應模型，三線城市樣本采用變截距隨機效應模型。

（四）Panel Data模型實證結果

模型形式確立后，分別對三類城市樣本進行面板回歸實證分析。

1.一線城市實證結果

利用Eviews6.0對一線城市樣本進行面板模型回歸分析，結果如表4所示。

對于表4的結果，計算各變量的F值和P值，可以得到在5%的顯著性水平下面板回歸方程各個系數(shù)可以通過t檢驗，表明回歸方程的回歸系數(shù)是有效的。因此得到面板回歸方程，以向量形式表達如下：

從面板方程可知：GDP對于除北京外的一線城市房價的影響并不明顯；DI對于房價有顯著的正向影響，其中深圳受到的影響最顯著，人均可支配收入每增長1%，房價會上升0.199 1%；CPI對于一線城市房價的作用非常微弱，影響系數(shù)僅為0.001 9～0.020 6；M2對于上海和深圳房價的影響較為劇烈且顯著，每增加1%，兩地房價每季度同比增長0.6780%和0.194 9%，而另外3個城市的作用并不特別劇烈；IFA對于一線城市房價影響較大，全社會固定投資每增長1%，一線城市房價的上漲幅度達到0.071 8%～0.272 8%。

綜合以上對一線城市的研究可得：貨幣供應量和全社會固定投資可以顯著地推高一線城市的房價；CPI溫和帶動房價上漲；GDP對一線城市房價的作用是不顯著的；而人均可支配收入對一線城市的影響則產生了分化，主要取決于城市的經濟發(fā)展狀況。

2.二線城市實證結果

利用Eviews6.0對二線城市樣本進行面板模型回歸分析，結果如表5所示。

對于上表的結果，同樣地計算各變量的F值和P值，可以得到在5%的顯著性水平下面板回歸方程各個系數(shù)可以通過t檢驗，表明回歸方程的回歸系數(shù)是有效的。因此得到面板回歸方程，以向量形式表達如下：

則面板模型各回歸方程系數(shù)分別為：a→=（-4.178 072，-1.069 943，0.837 526，2.740 359，0.298 789，-0.498 476）T，=（0.080 049，-0.058 744，-0.106 553，-0.146 891，0.034 931，0.324 195）T，c→=（0.072 302，0.072 765，-0.013 966，-0.118 972，-0.029 946，-0.196 577）（0.014 468，0.016 309，0.020 734，0.022 165，0.011 227，0.008 549）T，e→=（0.347 925，0.403 211，0.414 455，0.192 163，0.229 754，0.302 659）T，（-0.181 877，0.036 674，0.127 983，0.229 854，0.061 930，0.099 430）T，C= 6.403 682。

從面板方程可知：GDP對除呼和浩特外的二線城市的房價影響并不明顯，筆者認為這是因為呼市的經濟發(fā)展水平低于其他城市因而房價易于受到GDP的助推；DI對房價的影響不統(tǒng)一，對杭州和青島這兩個排名靠前的城市形成正向影響，對其他發(fā)展程度相對較低的城市形成反向影響；CPI對二線城市房價的影響是一致且溫和的；貨幣供給則顯著地影響了二線城市的房價，譬如對沈陽的影響，貨幣供應量每增加1%，沈陽市的房價漲幅高達0.414 5%；IFA對于二線城市房價的影響整體上也較大，比如對于重慶，全社會固定投資每增長1%，房價會上漲0.229 9%。

綜合以上對二線城市的研究可得：貨幣供給和固定投資顯著推動二線城市房價上漲；CPI溫和帶動房價上漲；GDP只對部分城市的房價有顯著推動作用；可支配收入對于二線城市房價的影響類似于一線城市，均取決于城市的發(fā)展水平。

3.三線城市實證結果

利用Eviews6.0對三線城市樣本的回歸分析，結果如表6所示。

上表的檢驗結果表明，面板回歸方程系數(shù)可以通過t檢驗，進一步地，得到面板回歸方程，以向量形式表示如下：

則面板模型各回歸方程系數(shù)分別為：a→=（-0.038 465，-0.597 621，-0.099 377，0.476 256，1.206 794，0.635 509）T，-0.076 533，c→=-0.093 232，d→=0.016 598，e→=0.116 472，0.045 920，C=4.993 507。

在檢驗模型方面，區(qū)別于一二線城市樣本的是，三線城市樣本的檢驗采用的是變系數(shù)模型，其各回歸方程系數(shù)一致，僅截距項不同，這表明三線城市的房價受到了外部經濟變量的一致影響。上述檢驗結果的現(xiàn)實意義在于：GDP和可支配收入對三線城市房價的影響并不顯著；貨幣發(fā)行量對房價影響最大，貨幣發(fā)行量每增加1%，房價上漲0.116 5%；社會投資對房價有正向影響，社會投資每增長1%，房價上漲0.045 9%；CPI對三線城市的房價有正向影響，CPI每上漲1%，三線城市房價上漲0.016 6%。

（五）三類樣本結果的非一致性分析

綜合對三種城市的面板數(shù)據(jù)模型實證結果，對比分析發(fā)現(xiàn)：①國民生產總值對各線城市的影響都不太明顯，僅對極個別的一線、二線城市的房價有微弱的助漲作用；②城市居民可支配收入對一線、二線城市房價的上漲有較大的正向促進作用，而對三線城市房價的影響則不明顯；③CPI對三類城市都形成了一定的正向影響，但是對二線、三線城市房價的影響顯著強于對一線城市房價的影響，且CPI要弱于可支配收入的作用；④貨幣供給對三類城市尤其是一、二線城市的房價形成了最大的推動作用；⑤社會固定投資對三類城市房價都有較強的推動作用，其強度僅次于貨幣發(fā)行量。

四、差異化調控手段選擇

實證結果表明，不同級別城市的房價受到的影響因素是存在差異的，因此“一刀切”的調控方式是不科學的?；谝陨喜町愋缘难芯拷Y論，筆者認為不同級城市的主管部門應當制定和采取差異化的調控手段。

（一）針對一線城市的調控建議

針對一線城市主要從房地產信貸總量控制、城鎮(zhèn)化影響以及可支配收入三個角度給出意見。①由于房地產兼具商品屬性和金融投資屬性，導致市場游資涌入房地產市場推高房價，而市場游資正是源于貨幣超量發(fā)行。因此，控制貨幣發(fā)行量至其與經濟體系所需貨幣量相吻合的水平是非常重要的，在一線城市控制房地產市場信貸總量是非常有效的。②城鎮(zhèn)化進程的深入使得短期內一線城市的固定投資總額還很難出現(xiàn)大幅下降，因此中央政府應適當向三線、四線地域傾斜，既能調整和平衡全國經濟又能有效控制房價。③居民可支配收入決定購買力，能夠推高房價，因此應當加速改革收入分配機制，引導高收入階層的財富向中低收入家庭分流，提高中高收入階層的消費能力和消費需求。同時，加強保障房建設和管理、完善住房供應體系，兼顧低收入人群的可支配收入低、購買力差的現(xiàn)實情況。

（二）針對二線城市的調控建議

房價的影響因素主要集中在貨幣供應量、城鎮(zhèn)居民可支配收入、消費價格指數(shù)和社會固定投資三個方面：①在控制全國貨幣發(fā)行總量的同時，每一個二線城市也應當出臺更加細化和具體的房地產信貸政策，二線城市應當著力于通過提高首付比例并適度提升放貸利率，嚴格控制投機性資金進入二線城市的房地產市場。②控制二線城市的固定投資規(guī)模對于穩(wěn)定二線城市的房價也將起到重要作用，在大量行業(yè)產能過剩的現(xiàn)實背景下，控制投資規(guī)模的社會意義將遠不止于穩(wěn)定房價。此外，CPI對二線城市房價的影響表明二線城市還必須嚴格地控制本城市的物價水平，這需要努力保障消費品市場供應、穩(wěn)定政府管理的商品和服務價格、加強價格行政執(zhí)法、制定和啟動臨時價格干預制度等具體措施。③與一線城市相同的是，改革收入分配機制、控制財富向少數(shù)人聚積、加強保障房建設和管理、完善住房供應體系亦刻不容緩。從長遠來看，二線城市房地產調控的總基調是強調市場配置資源，然而行政調控與市場調控是一個此消彼長的過程，限購、限價等行政手段將是一個逐步退出的過程，短期內限制性措施仍是二線城市房地產市場的主要調控方式。

（三）針對三線城市的調控建議

三線城市的房地產剛性需求相對較小，但由于房產價格基數(shù)低、新型城鎮(zhèn)化加速等原因，近年來三線城市的房地產市場亦比較活躍。從本文的研究結果看，貨幣供給、固定資產投資和CPI對三線城市房價上漲起到了最關鍵的作用。一方面，雖然與一、二線城市比起來，貨幣供給對三線城市的影響較小，但為了防止投機性資金的涌入，三線城市也應當及時跟蹤和控制房地產信貸總量，靈活收放房地產信貸，尤其是在新型城鎮(zhèn)化和小城鎮(zhèn)化建設的背景下，要尤其注意閑散資金的概念炒作和投機。另一方面，新型城鎮(zhèn)化的建設將不可避免地帶來社會固定資產投資的增加，對于三線城市而言應當特別重視產業(yè)均衡布局和投資效率。除此之外，在不抬高房價的前提下，三線城市還應加大醫(yī)療、教育的扶持力度，減輕居民負擔，切實提高居民的收入水平，全方位、有效率地推進新型城鎮(zhèn)化建設。

五、結束語

不同城市的經濟發(fā)展狀況和房地產市場結構存在差異，導致不同城市的房價影響因素存在空間非一致性。本文將全國的城市劃分為一、二、三、四線的四種等級，選取北京等5個一線城市、杭州等6個二線城市和銀川等6個三線城市為研究樣本，基于2002-2012年的季度數(shù)據(jù)，構建了面板數(shù)據(jù)模型，實證結果顯示不同級城市的房價影響因素確有差異，針對這些差異，筆者提出了兼顧房價調控和經濟發(fā)展之間和諧的差異性調控手段建議，研究認為國內房地產市場調控應當注重城級差異、強調分類指導、突出長效機制構建，研究旨在為中央和地方政府制定調控政策提供理論參考。

［1］中國房地產業(yè)研究小組.中國房地產業(yè)發(fā)展的區(qū)域分析［J］.經濟研究參考，1996（93）：28-44.

［2］易成棟.中國房地產業(yè)的地區(qū)差異——基于第一次經濟普查數(shù)據(jù)的實證研究［J］.經濟地理，2007，27（6）：981-984.

［3］彭本紅，郭小群.我國房地產業(yè)發(fā)展水平差異分析及政策建議［J］.華東經濟管理，2008，22（10）：65-67.

［4］王先柱，毛中根，劉洪玉.貨幣政策的區(qū)域效應——來自房地產市場的證據(jù)［J］.金融研究，2011（9）：42-53.

［5］搜狐焦點網房地產研究所.2011中國城市排行榜發(fā)布［N/ OL］.（2011-04-12）［2013-09-25］.http://hz.focus.cn/nens/ 2011-07-11/1378044.html.

［6］Quigley J M.Real estate prices and economic cycles［J］.Inter?national Real Estate Review，1999，2（1）：1-20.

［7］Miki Seko，Kazuto Sumita，Michio Naoi.Residential Mobility Decision in Japan：Identifying the Effects of Housing Equity Constraints and Income Shocks under the Recourse Loan Sys?tem［R］.The Asian Real Estate-American Real Estate and Urban Economic Association International Conference，the University of California，Los Angeles，2009.

［8］陳雷.合肥房地產業(yè)發(fā)展影響因素的實證研究——來自合肥市1999-2008年的經驗證據(jù)［J］.華東經濟管理，2010，24（5）：19-21.

［9］段軍山，白茜.銀行貸款、可支配收入與房地產價格波動：1999-2010——基于協(xié)整檢驗和VEC模型的實證分析［J］.管理科學，2011（11）：24-29.

［10］羅孝玲，洪波，馬世昌.基于VAR模型的房地產價格影響因素研究［J］.中南大學學報：社會科學版，2012（4）：1-7.

［11］梁云芳，高鐵梅.中國房地產價格波動區(qū)域差異的實證分析［J］.經濟研究，2007（8）：133-142.

［12］張建坤，羅為東.基于自組織理論的房地產業(yè)演化動力研究［J］.華東經濟管理，2010，24（1）：90-93.

［13］肖卓華.宏觀經濟變量對房地產價格的影響［D］.長沙：中南大學，2011.

［責任編輯：余志虎］

Spatial Nonuniformity of Factors Influencing Housing Prices and Different Macro-control Policies—An Empirical Research Based on Panel Data Model

LUO Xiao-ling，ZHOU Lin-jie，MA Shi-chang
（Business School，Central South University，Changsha 410083，China）

The real estate price is comprehensively affected by many kinds of macro economic factors，and the housing prices in different cities may be influenced by different factors.The paper classifies the cities nationwide into four levels，and selects 17 cities at the first，second and third level among them respectively as the samples.Choosing M2，CPI，GDP，Per capita disposable income of urban households and social fixed assets investment as explanatory variables，based on the quarterly data during the year of 2002 to 2012，it builds a Panel Data model to make a research on the spatial nonuniformity of factors influ?encing housing prices.The empirical results prove that the spatial nonuniformity does exist.Based on the study，this paper puts forward different macro-control policies to cities at the different levels.

real estate price；spatial nonuniformity；Panel Data model；macro-control policy

F293.3

A

1007-5097（2014）07-0037-05

10.3969/j.issn.1007-5097.2014.07.008

2013-10-29

國家自然科學基金青年項目（71203241）；湖南省哲學社會科學基金項目（12YBB273）；湖南省博士研究生科研創(chuàng)新項目（CX2012B108）；中南大學研究生自主探索創(chuàng)新項目（2014zzts129）

羅孝玲（1963-），女，湖南衡陽人，教授，博士生導師，研究方向：房地產理論與實踐；

周琳杰（1989-），女，湖南株洲人，碩士研究生，研究方向：房地產理論與實踐；

馬世昌（1988-），男，山東濰坊人，博士研究生，研究方向：房地產理論與實踐。