高曉娜 蘭宜生

摘要：本文利用我國2004-2012年35個大中城市面板數(shù)據(jù)和2SLS估計方法，對35個大中城市的土地供給存量彈性及土地供給流量彈性進行估算，考察土地供給彈性與房價波動之間的關(guān)系。研究發(fā)現(xiàn)：我國土地供給價格彈性在城市之間表現(xiàn)出巨大差異，東部地區(qū)的土地供給存量彈性及土地供給流量彈性均低于中西部地區(qū)；土地供給存量彈性對于房價波動沒有顯著影響，提高土地供給流量彈性可以顯著降低房價的波動幅度；在土地供給流量彈性低的城市，預(yù)期對房價的推動作用更大。

關(guān)鍵詞：土地供給；價格彈性；預(yù)期；房價

中圖分類號：F0616 文獻標識碼：A

一、引言

我國住房市場化改革以來，房價在伴隨經(jīng)濟增長而上升的同時還表現(xiàn)出劇烈波動。特別是伴隨著我國房價收入比的進一步增大，加大了我國宏觀經(jīng)濟運行的風(fēng)險。

對于房價波動的影響因素，主流文獻主要從需求方面、供給方面和房價泡沫三個角度入手研究。需求方面的影響因素主要包括：收入、人口和利率等。其中，關(guān)于收入對房價的影響，學(xué)界得出了比較一致的結(jié)論：收入的變化確實可以解釋各城市的住宅價格的上升，在各個國家的實證檢驗中均表現(xiàn)一致[1-3]。人口因素對于房價的影響則在不同國家或者不同的時間樣本下具有不一致的表現(xiàn)。關(guān)于利率對房價的影響，周京奎（2005）通過對中國4個直轄市的住宅價格與貨幣政策的分析，發(fā)現(xiàn)住宅價格的上漲與寬松的貨幣政策有緊密的聯(lián)系[4]。況偉大（2010）認為利率是影響房價的一個重要因素[5]。梁云芳等（2007）結(jié)合省級面板數(shù)據(jù)，發(fā)現(xiàn)實際利率顯著地影響了房價波動，但是在各地區(qū)之間差異不大，并且作用較小[6]。

與住房市場的需求面的研究相比，學(xué)者對供給因素的研究開始的較晚，關(guān)注的焦點為土地供應(yīng)管制對房價的影響。Peng和Wheaton（1994）通過對香港的房地產(chǎn)市場的研究，發(fā)現(xiàn)土地供應(yīng)量的減少確實顯著地提高了房價，但是并沒有影響住房面積的供應(yīng)量[7]。鄭娟爾（2009）結(jié)合中國省級面板數(shù)據(jù)，發(fā)現(xiàn)一年前的土地供應(yīng)量對房屋供應(yīng)量的影響為正，對房價的影響為負，但是土地供應(yīng)量對房價的影響程度非常小[8]。土地供給不足是我國房價高企的重要原因，增加土地供應(yīng)量可以顯著降低房價[9]。Malpezzi和Wachter（2005）認為住房的供給顯著影響了房價的波動，當(dāng)供給缺乏彈性時，預(yù)期將會對住房市場有巨大影響[10]。Glaeser等（2008）在不同的供給條件下模型化了房屋價格對基本面因素的背離，認為更具彈性的住房供給會降低泡沫水平，縮短房價回調(diào)的周期[11]。

很多學(xué)者發(fā)現(xiàn)基本面的因素對房價的解釋作用有限，還有一部分的房價不能被基本面因素所解釋，即房價泡沫。預(yù)期是解釋房價泡沫的一個重要的視角。由于房屋除了居住屬性以外，還具有投資屬性的特點，投資者基于預(yù)期的投機行為可能導(dǎo)致房地產(chǎn)泡沫[12]。呂江林（2010）認為我國城市居民合理的房價收入比上限應(yīng)當(dāng)在438-678倍之間，部分一線城市泡沫水平驚人[13]。陳國進和劉金娥（2011）認為目前我國房地產(chǎn)市場的高度發(fā)展還未對實體經(jīng)濟造成實際的沖擊，但是房價泡沫水平的進一步膨脹可能會通過多種傳導(dǎo)機制影響實體經(jīng)濟[14]。Wang和Zhang（2014）發(fā)現(xiàn)中國東部的一些沿海城市住房價格實際增長水平嚴重偏離了基本面因素的預(yù)測[15]。劉洪玉（2014）對我國35個大中城市的房價泡沫水平進行度量，認為住房供給彈性、金融支持力度是造成泡沫水平城市間差異的重要因素[16]。

關(guān)于土地供給彈性的估計，國內(nèi)學(xué)者還沒有進行深入的研究。學(xué)者們主要關(guān)注的是政府土地出讓行為的經(jīng)濟學(xué)分析。政府的土地出讓行為可以通過土地供給彈性、土地供給量、容積率等來反映[17]。劉洪玉（2015）對土地供給彈性的影響因素進行的探討認為，住房價格、交易量波動及政府對土地出讓金的依賴程度是影響土地供給彈性的主要因素[18]。

綜上所述，收入、人口、利率及土地供應(yīng)都是影響房價水平的重要因素，我國部分城市的房價水平存在著巨大泡沫。本文主要從土地供給彈性的角度來解釋房價波動及房價泡沫。

二、房價波動差異典型事實

自2004年以來，我國各地區(qū)的房價都出現(xiàn)了不同程度的上升，35個大中城市的年平均增長率達到了10%以上，北京、上海和深圳這樣的城市年平均增長率更是達到了15%-20%，而西寧、石家莊和重慶的年均增長率為7%左右（低于全國的平均水平）。說明在我國城市之間、地區(qū)之間出現(xiàn)了價格分化的情況，房價波動在典型城市之間存在著顯著差異。

為了反映城市間房價波動差異，我們將城市做了兩種分類。首先，根據(jù)2004-2012年的城市平均房價將城市分為10等分，分別列出了10分位以下的城市平均價格走勢，90分位以上的城市平均價格走勢及所有城市2004-2012年的平均價格走勢（見圖1），可以發(fā)現(xiàn)：10分位以下城市與90分位以上城市不僅在價格水平上存在明顯差異，在增長率上90分位的城市要明顯高于10分位城市；2008年以后兩組城市之間的分化越來越大，2004年兩組之間的差距為4 208667元/平方米，而2011年兩組城市之間的平均價格差異達到了13 22834元/平方米。其次，按照地區(qū)類型的不同將35個大中城市劃分為東部、中部和西部三類，圖2反映了三類城市2004-2012年的價格走勢，與圖1非常相似。我們發(fā)現(xiàn)不同地區(qū)房價水平及增長率有不同表現(xiàn)，主要差異體現(xiàn)在東部地區(qū)與中西部地區(qū)之間，中部地區(qū)和西部地區(qū)的房價水平及增長率比較相似。東部地區(qū)的房價不僅在絕對值上要高于中西部地區(qū)，房價增長速度也較中西部地區(qū)提升更快，這預(yù)示著東部地區(qū)房價可能存在較高的泡沫風(fēng)險。2004-2009年東部地區(qū)房價保持了較高增長率，2010-2012年東部地區(qū)房價水平有所回落，但回落幅度很小，房價的回落可能與經(jīng)濟增速下降及泡沫的累積程度較高有關(guān)。本文將在第四和五部分進一步探討房價波動差異的原因。

表1 描述了我國重點城市的房價統(tǒng)計情況，深圳的房價波動最大，房價的標準差為5 935915；西安的房價波動最小，房價標準差為1 395347。深圳、北京、上海這三個城市波動水平遠高于其他城市，東部地區(qū)城市的房價波動總體上比較高，但是在東部地區(qū)城市之間房價波動水平也極為不同，說明了東部地區(qū)經(jīng)濟發(fā)展程度、優(yōu)勢產(chǎn)業(yè)、人口資源等發(fā)展差異大。房價波動有以下三個態(tài)勢： 一是東、中、西部呈現(xiàn)梯度遞減的態(tài)勢，且相差幅度較大；二是一線城市明顯高于二線城市；三是經(jīng)濟發(fā)達城市高于經(jīng)濟欠發(fā)達城市。

通過上文描述我們可以得到以下結(jié)論；城市房價波動狀況在城市之間、地區(qū)之間都表現(xiàn)出不同的特點。當(dāng)然城市之間的發(fā)展水平不盡相同、收入狀況也千差萬別，但是隨著城市之間房價差距的不斷加大，我們提出以下問題：除了經(jīng)濟發(fā)展狀況、人口和收入水平，還有什么因素引起房價的急劇分化？土地供給在這方面是否有重要影響？

三、35個大中城市住房市場土地供給存量及流量彈性估計

（一）計量模型與數(shù)據(jù)

本文采用直接估計土地供給方程的方法來估計土地供給價格彈性。供給方程式是非常直觀的供給彈性測度模型。Witte（1975）指出土地的供應(yīng)與土地價格和農(nóng)地成本有關(guān)[19]。Manning（1988）認為除了農(nóng)地成本以外，土地的供應(yīng)還與土地供給的地理約束及政府管制等因素有關(guān)[20]。綜上所述，住宅用地的供應(yīng)主要依賴生地的供應(yīng)水平，以及生地轉(zhuǎn)化為熟地的成本。所謂熟地是指可以直接用于生產(chǎn)的土地，生地是指經(jīng)過開發(fā)后才能進行生產(chǎn)的土地。生地的供給水平與供應(yīng)方的出讓意愿及供給約束有關(guān) 。生地供給方的出讓意愿取決于出讓收益與土地原來的經(jīng)濟產(chǎn)出之間的權(quán)衡，所以出讓收益至少應(yīng)當(dāng)?shù)扔谕恋卦瓉淼慕?jīng)濟產(chǎn)出。生地轉(zhuǎn)化為熟地的成本不僅受原材料價格及工資水平影響，與地面的自然條件和政府的規(guī)劃也有直接關(guān)系。在此，我們主要使用土地價格、農(nóng)地成本、供給約束和土地市場化程度來衡量住宅用地的供應(yīng)。

直接估計方法的優(yōu)點是避免了間接估計過程中系數(shù)誤差的累積，但是在估計的過程中因為價格內(nèi)生性的問題，使得估計結(jié)果存在偏誤。為了解決內(nèi)生性的問題，本文采用的2SLS的估計方法，采用人均工資，人口密度及固定資產(chǎn)投資總額作為地價的工具變量。提出土地供給方程如下：

α2和β2是本文的重要估計參數(shù)，α2代表土地價格變化1%引起的住宅用地存量增加的百分比，β2代表土地價格變化1%引起的住宅性用地的新增供應(yīng)量的百分比。其中下標i，t表示第i個城市第t年的取值。stock代表住宅用地存量；start代表住宅用地的新增供應(yīng)量；market代表土地市場的市場化程度，以協(xié)議出讓占總出讓面積比例表示，協(xié)議出讓的比例越低，代表市場化程度越高，由于我國的土地市場為政府壟斷供應(yīng)，不是真正的自由化市場，土地供給除價格以外，還受到非市場因素的影響；cons代表各城市的土地供給約束，以城市建設(shè)用地占市區(qū)面積的比例來表示，建成區(qū)面積占市區(qū)的比例越高則供給約束越大，可供應(yīng)的土地越少。農(nóng)地征用補償?shù)闹饕罁?jù)是單位土地的農(nóng)業(yè)產(chǎn)值，因此可以用城市當(dāng)年的農(nóng)業(yè)總產(chǎn)值與城市耕地面積的比來測量農(nóng)地成本，但是由于城市耕地面積這一指標2008-2012年缺失，所以在回歸方程中省略了這一變量。

主要變量的定義及基本特征如表2所示，本文主要使用2004-2012年我國35個大中型城市的面板數(shù)據(jù)，各城市的地價數(shù)據(jù)來自“中國城市地價動態(tài)監(jiān)測網(wǎng)”；各城市的住宅用地存量數(shù)據(jù)來自《中國城市建設(shè)統(tǒng)計年鑒》；各城市的新增住宅用地出讓數(shù)據(jù)來自《國土資源年鑒》；土地市場化程度數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》；各城市人均工資、人口密度及固定資產(chǎn)投資總額均來自《中國城市統(tǒng)計年鑒》；地價及工資均通過CPI指數(shù)調(diào)整為實際價格。由于《國土資源年鑒》中2004-2008年沒有新增住宅用地的數(shù)據(jù)，土地流量彈性估計所采用的數(shù)據(jù)時間序列為2009-2012年。

（二）估計結(jié)果

為了檢驗工具變量的合理性，我們對估計式（1）和（2）進行了Sargan-Hansen檢驗，估計式（1）和（2）的P值分別為06301和07835，表明工具變量的選擇是合理的，不存在過度識別的問題。表3列出了估計的35個城市的土地供給存量彈性及土地供給流量彈性，我們可以觀察到存量彈性和流量彈性之間沒有必然的相關(guān)性，存量彈性的估計值在042-0792之間，均值為06006351流量彈性的估計值在0268-0814之間，均值為059644。流量彈性比存量彈性表現(xiàn)出更大的波動，流量彈性更能反映出新增供給的變化水平。天津、上海、北京、重慶直轄市表現(xiàn)出高的存量彈性與自身城市建設(shè)規(guī)模大有關(guān)。深圳和上海表現(xiàn)出低流量彈性，說明了新增土地的供給速度進一步降低，現(xiàn)有的土地存量對土地市場發(fā)揮了重要的作用。國外主流文獻中并沒有對土地供給彈性的估計給予關(guān)注，而研究比較多的是住房供給彈性估計。西方許多國家土地為私有制，城市化率非常高，住宅用地市場主要依靠存量，所以不需關(guān)注住房用地的供給問題。例如美國私人企業(yè)和個人擁有的土地占到了全國土地的58%，且政府對于土地的管制主要表現(xiàn)在控制土地的使用密度和容積率等，而不是土地供應(yīng)量。國外關(guān)于住房供給彈性的估計值在1-3之間[21]，劉洪玉等估計了1998-2010中國的住房供給彈性，估計出流量彈性的均值為04，存量彈性的均值為12[17]。

我們將表3 進行了進一步的分類，將城市分為了高彈性和低彈性兩組，如表4和表5所示。通過兩個表的對比可以發(fā)現(xiàn)，低存量和低流量的城市主要包括：廈門、杭州、深圳、福州等，這類城市的特點是不僅歷史存量水平較低，新增供給能力也比較有限；高存量和低流量的城市主要包括：北京、上海、廣州等，這類城市由于歷史發(fā)展速度快存量較高，新增供給速度提升的潛能有限 ；高存量和高流量的城市包括：濟南、武漢、大連、哈爾濱、沈陽、天津和重慶等，這類城市歷史的供給水平較高，未來也將保持高速供給的態(tài)勢；低存量和高流量的城市包括：石家莊、南昌、鄭州等，這類城市雖然歷史存量水平低，但是未來地價上升時有能力快速調(diào)整供給增加土地供應(yīng)。城市之間表現(xiàn)出不同的土地供給特征，土地的供應(yīng)直接影響到了各城市的住房供給水平及房價波動。

為了分析土地供應(yīng)的地區(qū)差異，將城市劃分為東中西部三類，分別對三類城市進行了統(tǒng)計，如表6所示。發(fā)現(xiàn)存量彈性總體高于流量彈性且表現(xiàn)出更小的波動性，存量彈性表現(xiàn)出由東部到西部逐漸加大的特征；而流量彈性則表現(xiàn)為東部地區(qū)最低，中部地區(qū)最高的特點。這說明中部地區(qū)的土地供給速度加快，供給潛力巨大，東部地區(qū)的土地供給歷史存量水平高，新增土地供給增速減慢，存量土地對東部地區(qū)的土地市場起主導(dǎo)作用。

在模型的設(shè)定上，主要選擇了城市房價波動、土地供給彈性以及城市特征控制變量。下標i代表城市，sd＼[hp＼]代表每個城市2009-2012年的房價標準差，本文用城市層面的房價標準差來衡量房價波動水平；le代表每個城市的土地供給流量彈性；lse代表每個城市的土地供給存量彈性；avwage代表每個城市2009-2012年的平均工資；avpden代表每個城市2009-2012年的平均人口密度；avhs代表每個城市2009-2012年的平均新增房屋供應(yīng)面積，城市新竣工住房面積數(shù)據(jù)來自《中國房地產(chǎn)統(tǒng)計年鑒》。數(shù)據(jù)的時間跨度為2009-2012年。我們主要關(guān)注系數(shù)γ2和χ2，系數(shù)的含義分別為土地供給流量彈性及土地供給存量彈性對房價波動的影響?；貧w結(jié)果報告在表7中。第一列檢查了土地供給流量彈性與房價波動之間的關(guān)系，兩者之間存在著非常顯著的負相關(guān)關(guān)系。第二列加入了城市特征的控制變量，結(jié)果依然表明低供給流量彈性顯著加大了房價波動。第三列檢查了土地供給存量彈性與房價波動之間的關(guān)系，估計結(jié)果表示存量彈性在10%的顯著性水平上影響了房價波動。第四列在第三列的基礎(chǔ)上增加了城市特征的控制變量，發(fā)現(xiàn)土地存量供給彈性對房價波動沒有顯著性影響。綜合表7第一列和第二列的估計結(jié)果，土地供給流量彈性的估計系數(shù)均在1%的顯著性水平上顯著為負，這說明了土地供給流量彈性對房價波動有很強的解釋力。以回歸第二列為基準，系數(shù)可以解釋為土地供給流量彈性每增加1%，房價的標準差會下降4557。土地供給流量彈性的提高可以有效降低房價的波動程度，但是存量供給彈性則對控制房價波動沒有顯著效果。過去幾年我國政府對房地產(chǎn)市場實施了多輪調(diào)控，但是調(diào)控政策主要側(cè)重抑制住房需求，本文的研究結(jié)果表示，提高土地供給流量彈性對于抑制房價波動同樣有效，土地供給調(diào)控可以作為政府穩(wěn)定住房市場的一項重要政策工具。

本文主要使用了Malpezzi和Maclennan（2001）提出的存量-流量模型，這也是目前研究房價的常用模型[22]。我們在該模型的基礎(chǔ)上加入了預(yù)期，對該模型進行了修正。預(yù)期是影響房價的重要非基本面因素，包括理性預(yù)期和適應(yīng)性預(yù)期等。理性預(yù)期是指人們使用所有可用信息對未來做出最佳預(yù)測。適應(yīng)性預(yù)期是指人們相信歷史會重演，以最近的過去來推測未來。由于理性預(yù)期要求人們對未來具有完美信息，而住房購買者通常是信息不完全的，所以理性預(yù)期在房地產(chǎn)市場是不適用的[23]。本文采用適應(yīng)性預(yù)期來構(gòu)造住房的預(yù)期收益。適應(yīng)性預(yù)期用過去一年的房價增長率來代替。

回歸模型中l(wèi)ow代表城市虛擬變量，根據(jù)土地供給流量彈性將城市分為低供給彈性及高供給彈性兩組，當(dāng)城市為低供給彈性時，low變量取值為1，相反取值為0。 回歸模型中的其他變量定義及來源已經(jīng)在前面介紹過，此處不再贅述?；貧w所采用的時間跨度為2004-2012年。在這個回歸模型中，我們主要關(guān)注系數(shù)λ2，即預(yù)期對于房價的影響在兩組城市之間是否有區(qū)別。估計結(jié)果如表8。其中第一列檢查了在沒有加入城市虛擬變量時，預(yù)期對房價的作用，回歸結(jié)果表示當(dāng)預(yù)期增加1%時，房價會提高0418%；第二列加入了城市虛擬變量，采用Radom Effect回歸方法，第一行的系數(shù)代表高供給彈性城市預(yù)期對房價的作用，第二行系數(shù)代表低供給彈性城市預(yù)期對房價的效果，對比兩個系數(shù)可以看到，低供給彈性城市預(yù)期的作用顯著高于高供給彈性城市；第三列采用Fix Effect回歸方法，回歸結(jié)果依然表明，在低供給彈性城市組中預(yù)期對房價的作用更大，回歸結(jié)果是穩(wěn)健的。以第三列為基準，第一行的系數(shù)含義為，高供給彈性城市預(yù)期每增加1%，城市住房價格會上升0361%；第二行的系數(shù)含義為，低供給彈性城市居民預(yù)期增加1%，會導(dǎo)致城市住房價格上升0442%，低供給彈性城市預(yù)期對房價發(fā)揮了更大的作用，回歸系數(shù)在1%的顯著性水平上成立。土地供給流量彈性主要通過預(yù)期放大了土地供應(yīng)對住房價格的影響，引起了房價的劇烈波動，這也驗證了Mallpezzi和Wachter（2005）提出的供給環(huán)境影響投機作用大小的假說[10]。

與其他文獻中實證結(jié)果相同，工資收入對房價的影響顯著為正，工資收入每上升1%，將會拉動住房價格上升0946%。人口因素在加入了城市固定效應(yīng)以后變得不顯著了，這可能與樣本量較小的因素有關(guān)。滯后一期的房屋竣工面積的系數(shù)顯著為負，說明上一期新竣工住房面積每增加1%，將會帶動本期房價下降00394%。通過系數(shù)的比較可以發(fā)現(xiàn)，我國目前的住房價格主要由經(jīng)濟基本面因素決定，而非預(yù)期決定，房價主要被收入變量解釋，但是這并不能排除一些房價嚴重脫離了收入增長的城市，預(yù)期所起到的決定性的作用，結(jié)論與況偉大（2010）的發(fā)現(xiàn)一致。

六、政策建議

（一）研究結(jié)論

通過城市之間及地區(qū)之間的房價對比，發(fā)現(xiàn)房價波動差異廣泛在地區(qū)間及城市間存在。本文主要從土地供給彈性的角度入手來解釋房價波動。結(jié)合2004-2012年35個大中城市的年度數(shù)據(jù)，通過2SLS方法估計了城市層面的土地供給存量彈性及土地供給流量彈性。我們得出以下結(jié)論：實證結(jié)果表明土地供給流量彈性低的城市房價的波動（以標準差來衡量）也更大，而土地供給存量彈性與房價波動之間沒有顯著關(guān)系；土地供給流量彈性主要通過放大預(yù)期來影響房價波動。

（二）政策建議

1.主要應(yīng)從增加供給角度來調(diào)控房地產(chǎn)市場，并且要區(qū)分人口流入城市與人口流出或人口基本穩(wěn)定的城市而采取不同政策，重點是顯著增加人口快速流入的國內(nèi)一線城市的住房土地供給，以平價大量供地促使房價適當(dāng)回落或保持基本穩(wěn)定，扭轉(zhuǎn)“面粉貴過面包”的局面，引導(dǎo)國資、民資和外資大量進入住房供應(yīng)市場，以適度的供過于求改變?nèi)藗儗Ψ績r走勢的預(yù)期，扭轉(zhuǎn)把住房作為投資品甚至儲藏品的不合理行為。應(yīng)當(dāng)指出，18億畝耕地紅線作為民生糧食安全的保障，不應(yīng)當(dāng)成為某些利益集團限制住房供應(yīng)或推高房價的借口，為此，國家要有全國性的統(tǒng)籌政策安排，例如在上海這樣的人口大量流入的特大城市沒有必要保留十幾萬公頃的基本農(nóng)田，而應(yīng)允許把更多耕地轉(zhuǎn)為建房土地，近些年上海住房用地供應(yīng)偏少，每年僅為1 000公頃左右（850-1 100公頃），而上海常住人口規(guī)模上限近些年一再被突破，由1 500萬、1 800萬、2 000萬到2 300多萬，住房用地不足造成地價、房價輪番上漲，影響市民生活，制約城市發(fā)展，并引發(fā)囤積房產(chǎn)的投機行為。為此，我們建議大幅增加上海市住房土地供應(yīng)規(guī)模，比如提高到每年3 000-4 000公頃，同時應(yīng)合理確定每畝土地出讓金的標準，超過部分上交中央財政50%，以此作為中央補償給其他保留18億畝耕地省份的財源。

2.對于土地資源緊缺的一線城市，應(yīng)該加快將閑置的工業(yè)用地轉(zhuǎn)化為居住用地。土地資源在一線城市更為緊缺，快速增長的人口以及城市的急劇擴張都為土地供應(yīng)提出了挑戰(zhàn)。一線城市正面臨著產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級的過程，由過去以工業(yè)為主轉(zhuǎn)化為以高端服務(wù)業(yè)為主的新型產(chǎn)業(yè)結(jié)構(gòu)。應(yīng)當(dāng)加快閑置工業(yè)用地的轉(zhuǎn)化，提升城市的土地儲備量及土地的利用效率。土地儲備量的提升增加了政府對土地政策的操作空間，可緩解大城市的人地供需矛盾 。

參考文獻：

[1] Poterba J. M. Housing price Dynamics： The Role of Tax Policy and Demography[J].Brookings Papers on Economic Activity， 1991（2）：143-148.

[2] Clapp J. M.， Giaccotto C. The Influence of Economic Variables on Local House Price Dynamics[J].Journal of Urban Economics， 1994（36）：161-183.

[3] Potepan M. J. Explaining Inter metropolitan Variation in Housing Prices， Rents and Land Prices[J].Real Estate Economic， 1996（24）：219-245.

[4] 周京奎. 貨幣政策、銀行貸款與住宅價格[J].財貿(mào)經(jīng)濟， 2005（5）：22-27.

[5] 況偉大. 利率對房價的影響[J].世界經(jīng)濟，2010（4）：134-145.

[6] 梁云芳，高鐵梅. 中國房地產(chǎn)價格波動區(qū)域差異的實證分析[J].經(jīng)濟究，2007（8）：133-142.

[7] Peng R.， Wheaton W.C. Effects of Restrictive Land Supply on Housing in Hong Kong： An Econometric Analysis[J].Journal of Housing Research，1994，5（2）： 263-291.

[8] 鄭娟爾. Panel Data模型的土地供應(yīng)量對房價的影響研究[J].中國土地科學(xué)，2009（4）：28-33.

[9] 邵新建，巫和懋，江萍，等.中國城市房價的“堅硬泡沫”——基于壟斷性土地市場的研究[J].金融研究，2012（12）：67-81.

[10]Mallpezzi S.， Wachter S.M. .The Role of Speculation in Real Estate Cycles[J].Journal of Real Estate Literature， 2005，12（2）：143-164.

[11]Glaeser E.， Gyourko J.， Saiz A. Housing supply and housing bubbles[J].Journal of Urban Economics， 2008，64（2）：198-217.

[12]況偉大. 預(yù)期、投機與中國城市房價波動[J].經(jīng)濟研究，2010（9）：67-78.

[13]呂江林.我國城市住房市場泡沫水平的度量[J].經(jīng)濟研究， 2010（6）：28-41 .

[14]陳國進，劉金娥.異質(zhì)信念、通貨幻覺和我國房地產(chǎn)價格泡沫[J].經(jīng)濟管理，2011（2）：46-53.

[15]Wang Z.， Zhang Q.H. Fundamental Factors in the Housing Economics[J].Journal of Housing Economics，2014（25）：53-61.

[16]劉洪玉，姜沛言. 我國城市住房價格泡沫的形成機制及城市間差異研究[J].價格理論與實踐，2014（8）：20-25.

[17]劉洪玉，楊帆.中國主要城市住房供給價格彈性估計與比較研究[J].社會科學(xué)輯刊，2012（6）：112-119.

[18]劉洪玉，姜沛言.中國土地市場供給的價格彈性及其影響因素[J].清華大學(xué)學(xué)報，2015（1）：56-62.

[19]Witte A.D. The Determination of interurban Residential Site Price Differences： A Derived Demand Model with Empirical Testing[J].Journal of Regional Science，1975（15）：351-364.

[20]Manning C.A. The determinants of intercity home building site price differences[J].Land Economics，1988（64）：1-14.

[21]Topel R.， Rosen S. Housing Investment in the United States[J].Journal of Political Economy， 1998（96）：718-740.

[22]Malpezzi S.， Maclennan D. The Long-Run Price Elasticity of Supply of New Residential Construction in the United States and the United Kingdom[J].Journal of Housing Economics， 2001，10（3）：278-306.

[23]Muellbauer J.， Anthony M. Booms and Busts in the UK Housing Market[J].Economic Journal， 1997，107（445）：1701-1727.

Abstract：The paper estimates the stock elasticity of land supply and flow elasticity of land supply by using 2SLS method and panel data of 35 major cities in China between 2004 and 2012 ， to study the relationship between the elasticity of land supply and housing prices fluctuation. The conclusions are as follows： the price elasticity of land supply shows great difference between cities，the stock elasticity and flow elasticity of land supply in the eastern regions are all lower than those in middle and western regions； the stock elasticity of land supply has no significant effect on the fluctuation of housing price and enhancing the flow elasticity of land supply can significantly reduce the fluctuation of housing price； expectation promotes housing prices more in the cities with low flow elasticity of land supply.

Key words：land supply； price elasticity； expectation； housing price

（責(zé)任編輯：李江）