林志倫+李雄英

摘 要 選取了我國(guó)30個(gè)省市2006～2015年的面板數(shù)據(jù)，應(yīng)用面板數(shù)據(jù)計(jì)量模型回歸的方法，基于R語(yǔ)言對(duì)影響商品房?jī)r(jià)格的因素進(jìn)行實(shí)證研究.首先，經(jīng)過(guò)Hausman檢驗(yàn)與F檢驗(yàn)確定面板數(shù)據(jù)的模型為混合估計(jì)模型；模型可以通過(guò)十折交叉驗(yàn)證法、殘差正太性的檢驗(yàn)、Q-Q圖檢驗(yàn)、變量間共線性的檢驗(yàn)；最后經(jīng)過(guò)逐步回歸分析，結(jié)果表明土地價(jià)格、商品房銷(xiāo)售面積、居民可支配收入、人均國(guó)內(nèi)總產(chǎn)值財(cái)政收入占地區(qū)生產(chǎn)總值比重、匯率這6個(gè)指標(biāo)對(duì)商品房?jī)r(jià)格都有顯著性的影響.其中，土地價(jià)格和居民可支配收入對(duì)商品房?jī)r(jià)格的影響最為突出.

關(guān)鍵詞 商品房?jī)r(jià)格；面板數(shù)據(jù)；逐步回歸；交叉驗(yàn)證；R語(yǔ)言

中圖分類(lèi)號(hào) F293.35文獻(xiàn)標(biāo)識(shí)碼 A

Abstract This paper selected the panel data of 30 provinces and cities in China from 2006 to 2015， and used the method of regression of the data metrology model of the application panel. Based on the R language， this paper made an empirical study on the factors affecting the price of commercial housing.First， through Hausman test and F test， the model of panel data was mixed with estimation model.The model can be tested by ten fold cross validation， the test of residual positive， Q-Q graph test， and the cross-linear test of variables.Finally through stepwise regression analysis， the results show that land prices， commercial housing sales area， residents' disposable income， per capita gross domestic product GDP proportion of fiscal income， exchange rate， the six indexes of commercial housing price has a significant impact.Among them， land price and dweller disposable income have the most outstanding influence on commodity house price.

Key words commercial house price； panel data； gradual regression； cross validation； R language

1 引 言

自從進(jìn)入21世紀(jì)以后，國(guó)內(nèi)商品房的價(jià)格持續(xù)上漲，特別是在2007年，我國(guó)商品房?jī)r(jià)格平均上漲了9.7%.中央政府從2005年開(kāi)始針對(duì)于商品房?jī)r(jià)格上漲過(guò)快問(wèn)題而實(shí)施了一系列相關(guān)的調(diào)控政策，實(shí)際上并沒(méi)有達(dá)到預(yù)期的效果.2007年，美國(guó)商品房破滅導(dǎo)致次貸危機(jī)的發(fā)生，通貨膨脹壓力增大，商品房市場(chǎng)甚至出現(xiàn)衰退的跡象，商品房?jī)r(jià)格持續(xù)下跌.2009年開(kāi)始，來(lái)自于各個(gè)行業(yè)的資金相繼地投入到商品房行業(yè)中，商品房市場(chǎng)有所復(fù)蘇，商品房?jī)r(jià)格急劇上漲.2011年下半年開(kāi)始，中央政府采取更加嚴(yán)厲的房?jī)r(jià)調(diào)控政策，商品房?jī)r(jià)格才開(kāi)始表現(xiàn)出緩慢下降的趨勢(shì).2017年，我國(guó)又陸續(xù)地出臺(tái)了一些新的購(gòu)房政策，[1]實(shí)行限購(gòu)，增加城市土地的供應(yīng)面積，商品房稅立法，房貸利息抵稅，落實(shí)營(yíng)改增等.

國(guó)內(nèi)外學(xué)者對(duì)于商品房?jī)r(jià)格影響因素研究的成果比較豐富，從不要角度解釋了商品房?jī)r(jià)格波動(dòng)的原因.Peng和Wheaton[2]對(duì)香港1965～1990年商品房?jī)r(jià)格的影響因素進(jìn)行了實(shí)證研究，發(fā)現(xiàn)土地供給變化對(duì)商品房?jī)r(jià)格影響較大.Abraham和Hendershott[3]發(fā)現(xiàn)商品房?jī)r(jià)格與建設(shè)成本、就業(yè)率和收入有直接相關(guān)的關(guān)系，而商品房的價(jià)格和利率具有負(fù)相關(guān)的關(guān)系.周京奎[4]研究了我國(guó)4個(gè)直轄市，最后結(jié)果發(fā)現(xiàn)商品房?jī)r(jià)格與貨幣政策、銀行貸款有著比較強(qiáng)的相關(guān)關(guān)系.平新喬[5]認(rèn)為地價(jià)的上升推動(dòng)了房?jī)r(jià)的上升.王愛(ài)儉、沈慶劼[6]進(jìn)行實(shí)證分析，發(fā)現(xiàn)匯率低估會(huì)導(dǎo)致商品房?jī)r(jià)格的上漲.此外，地方政府的土地規(guī)制[7]也被認(rèn)為是商品房?jī)r(jià)格快速上漲的一個(gè)重要原因.

本文的創(chuàng)新之處在于對(duì)選擇的混合估計(jì)模型進(jìn)行十折交叉驗(yàn)證法、殘差正太性的檢驗(yàn)、Q-Q圖檢驗(yàn)、變量間共線性檢驗(yàn)，分別發(fā)現(xiàn)模型的誤差較小，樣本數(shù)據(jù)的殘差符合正態(tài)分布，樣本數(shù)據(jù)近似服從正態(tài)分布，變量的共線性程度較小.

商品房產(chǎn)業(yè)作為我國(guó)國(guó)民經(jīng)濟(jì)的重要產(chǎn)業(yè)，是地方經(jīng)濟(jì)增長(zhǎng)和財(cái)政收入增加的重要來(lái)源，商品房?jī)r(jià)格的波動(dòng)對(duì)居民生活安定和國(guó)家經(jīng)濟(jì)穩(wěn)定發(fā)展有重要的影響.到底影響商品房?jī)r(jià)格波動(dòng)的主要因素有哪些？找到影響我國(guó)商品房?jī)r(jià)格的主要影響因素將對(duì)中央政府引導(dǎo)我國(guó)房地產(chǎn)市場(chǎng)健康發(fā)展具有重要的實(shí)際意義.

2 影響商品房?jī)r(jià)格變量指標(biāo)的選取

在研究商品房?jī)r(jià)格的主要影響因素時(shí)，本文在選取指標(biāo)時(shí)主要遵循以下5個(gè)原則.

1）全面性.選取影響商品房?jī)r(jià)格的因素必須符合全面性原則，才可以真實(shí)地反映商品房?jī)r(jià)格的相關(guān)影響因素.

2）科學(xué)性.選取的指標(biāo)要準(zhǔn)確和客觀，能夠體現(xiàn)各影響因素指標(biāo)的現(xiàn)實(shí)意義.

3）易獲得性.各個(gè)指標(biāo)的數(shù)據(jù)還要盡可能地容易獲得.endprint

4）可計(jì)量性，影響因素指標(biāo)數(shù)據(jù)需要明確和可計(jì)量，便于進(jìn)行數(shù)據(jù)的客觀分析.

5）可比性，所選取的影響因素指標(biāo)和分析結(jié)果要有可比性，便于比較.

基于這些原則的基礎(chǔ)上，本文借鑒國(guó)內(nèi)國(guó)外學(xué)者研究的基礎(chǔ)上，主要從商品房的供給、商品房的需求、地方政府政策、金融貨幣政策等4個(gè)因素，土地價(jià)格、商品房銷(xiāo)售面積、商品房開(kāi)發(fā)投資完成額、居民可支配收入、人均國(guó)內(nèi)總產(chǎn)值、人口密度、財(cái)政收入占地區(qū)生產(chǎn)總值比重、銀行活期存款利率、匯率等9 個(gè)指標(biāo)展開(kāi)實(shí)證研究.[8]詳細(xì)情況見(jiàn)如表1所示.

2.1 商品房?jī)r(jià)格影響的因素及指標(biāo)的解釋

1）商品房的供給因素

影響商品房供給的因素有土地價(jià)格、商品房銷(xiāo)售面積以及商品房開(kāi)發(fā)投資完成額等，本文將其統(tǒng)稱為供給因素.

根據(jù)經(jīng)濟(jì)學(xué)供給關(guān)系可知，商品房銷(xiāo)售面積越大，商品房的供給量越充足，一般會(huì)導(dǎo)致商品房?jī)r(jià)格下跌，故商品房銷(xiāo)售面積與商品房?jī)r(jià)格有負(fù)相關(guān)的作用.

土地價(jià)格上升最終會(huì)導(dǎo)致商品房?jī)r(jià)格的上漲.故土地價(jià)格與商品房?jī)r(jià)格有正相關(guān)的作用.

隨著商品房開(kāi)發(fā)投資完成額的增加，商品房單位面積的建設(shè)成本也在增大，從而提高了商品房的銷(xiāo)售價(jià)格.故商品房開(kāi)發(fā)投資完成額與商品房?jī)r(jià)格有正相關(guān)的作用.

2）商品房的需求因素

本文選取居民可支配收入、人均國(guó)內(nèi)總產(chǎn)值、人口密度作為商品房需求因素指標(biāo).

居民可支配收入與人均國(guó)內(nèi)總產(chǎn)值作為衡量居民收入水平的重要指標(biāo)，居民可支配收入與人均國(guó)內(nèi)總產(chǎn)值的增長(zhǎng)會(huì)提高居民買(mǎi)房能力，讓買(mǎi)房的欲望成為現(xiàn)實(shí)，提高房屋的有效需求.故居民可支配收入、人均國(guó)內(nèi)總產(chǎn)值與商品房?jī)r(jià)格有正相關(guān)的作用.

人口密度增大，代表人均住房面積減少，住房資源變得更為稀缺，房子的需求量增大，導(dǎo)致商品房?jī)r(jià)格上漲.故人口密度與商品房?jī)r(jià)格有正相關(guān)的作用.

3）地方政府政策因素

商品房行業(yè)成為地方經(jīng)濟(jì)增長(zhǎng)和財(cái)政收入增加的重要來(lái)源，地方政府為了提高政績(jī)，從而加大對(duì)商品房行業(yè)的干預(yù)，實(shí)施一系列的政策手段來(lái)保持甚至維護(hù)商品房?jī)r(jià)格的上漲.本文將“財(cái)政收入占地區(qū)生產(chǎn)總值比重”作為地方政府政策因素的指標(biāo).故財(cái)政收入占地區(qū)生產(chǎn)總值比重與商品房?jī)r(jià)格有正相關(guān)的作用.

4）金融貨幣政策因素

本文選取銀行活期存款利率、匯率作為金融貨幣政策因素的指標(biāo).

當(dāng)代居民購(gòu)買(mǎi)商品房主要是以住房貸款為止，利率的上升會(huì)增加商品房產(chǎn)商的資金壓力，迫使產(chǎn)商選擇降價(jià)商品房的銷(xiāo)售價(jià)格.同時(shí)，也增加貸款買(mǎi)房者的購(gòu)房成本，從而抑制商品房?jī)r(jià)格的上漲，降低房?jī)r(jià).本文使用的是銀行活期存款利率.故利率與商品房?jī)r(jià)格有負(fù)相關(guān)的作用.

匯率的上升代表著人民幣的升值，國(guó)內(nèi)居民的實(shí)際購(gòu)買(mǎi)力增加，帶有消費(fèi)品和投資品功能的商品房需求量也會(huì)隨著增加，從而提高商品房的銷(xiāo)售價(jià)格.本文使用的匯率單位為一單位美元可兌換的人民幣.故匯率與商品房?jī)r(jià)格有正相關(guān)的作用.

3 數(shù)據(jù)的預(yù)處理及面板數(shù)據(jù)模型的選擇

本文選取我國(guó)30個(gè)省市（由于西藏?cái)?shù)據(jù)有缺失，為保證面板的完整性而去掉西藏）2006～2015年間的面板數(shù)據(jù).樣本數(shù)據(jù)來(lái)源于《中國(guó)商品房數(shù)據(jù)庫(kù)》《中國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)庫(kù)》《中國(guó)金融數(shù)據(jù)庫(kù)》《中國(guó)統(tǒng)計(jì)年鑒》、中國(guó)人民銀行網(wǎng)站等.本文使用的軟件為R語(yǔ)言.為了便于表達(dá)，分別記商品房銷(xiāo)售價(jià)格、土地價(jià)格、商品房銷(xiāo)售面積、商品房開(kāi)發(fā)投資完成額、居民可支配收入、人均國(guó)內(nèi)總產(chǎn)值、人口密度、財(cái)政收入占地區(qū)生產(chǎn)總值比重、銀行活期存款利率、匯率為Y，X1，X2，X3，X4，X5，X6，X7，X8，X9.

3.1 數(shù)據(jù)的預(yù)處理

因?yàn)楦髦笜?biāo)的單位含義不一致，在比較分析時(shí)會(huì)產(chǎn)生差異，從而使得各個(gè)指標(biāo)之間不具有綜合可比性.因此，有必要先對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，也叫無(wú)量綱化處理.即先用每個(gè)指標(biāo)值與其均值做差，再除以該指標(biāo)的標(biāo)準(zhǔn)差.標(biāo)準(zhǔn)化處理后的各個(gè)指標(biāo)均值為0，方差為1.經(jīng)過(guò)數(shù)據(jù)的標(biāo)準(zhǔn)化后初步得到預(yù)處理的面板數(shù)據(jù).

3.2 面板數(shù)據(jù)模型的介紹

面板數(shù)據(jù)包括截面和時(shí)間序列2個(gè)維度，是截面數(shù)據(jù)和時(shí)間序列數(shù)據(jù)綜合起來(lái)的一種類(lèi)型數(shù)據(jù).面板數(shù)據(jù)是若干個(gè)截面成員在一段時(shí)期內(nèi)的樣本數(shù)據(jù)的集合，其中每一個(gè)截面成員都包含這個(gè)時(shí)間段內(nèi)的觀測(cè)值.

3.2.2 選擇面板數(shù)據(jù)模型的實(shí)證研究[10]

1）確定面板數(shù)據(jù)的影響形式

本文通過(guò)Hausman檢驗(yàn)來(lái)對(duì)模型的影響形式進(jìn)行選擇.Hausman檢驗(yàn)是對(duì)同一個(gè)參數(shù)的2個(gè)估計(jì)量差異顯著性進(jìn)行檢驗(yàn).Hausman檢驗(yàn)的原假設(shè)是隨機(jī)效應(yīng)模型的系數(shù)與固定效應(yīng)模型的系數(shù)無(wú)差別.如果接受原假設(shè)，便選擇隨機(jī)效應(yīng)模型，否則就選擇固定效應(yīng)模型.本文的Hausman檢驗(yàn)結(jié)果如表2所示.

由表2的檢驗(yàn)結(jié)果可知：Hausman檢驗(yàn)的P值遠(yuǎn)遠(yuǎn)大于0.05，故接受原假設(shè)，應(yīng)該采用隨機(jī)效應(yīng)模型.

2）確定面板數(shù)據(jù)模型的形式

前面已經(jīng)列舉了3種面板數(shù)據(jù)模型的形式，并介紹了模型檢驗(yàn)相關(guān)的方法，使用F檢驗(yàn)即可.本文的F檢驗(yàn)結(jié)果如表3所示.

由表3的檢驗(yàn)結(jié)果可知：F檢驗(yàn)的P值大于0.05，故接受原假設(shè)，采用混合估計(jì)模型.

4 面板數(shù)據(jù)模型的檢驗(yàn)

根據(jù)上面檢驗(yàn)的結(jié)果，可建立計(jì)量模型的形式為混合估計(jì)模型，表達(dá)式為：

4.1 逐步回歸分析

建立好計(jì)量模型之后，本文接下來(lái)采用逐步回歸分析的方法對(duì)以上模型進(jìn)行估計(jì)，并剔除不顯著的變量，最后得到以下的估計(jì)結(jié)果，如表4所示.

根據(jù)逐步回歸分析的結(jié)果，剔除不顯著的變量X3，X6，X8，模型的擬合優(yōu)度R2為0.8891，調(diào)整的R2為0.8868.因此，得到的模型擬合優(yōu)度比較理想.endprint

4.2 十折交叉驗(yàn)證法檢驗(yàn)?zāi)Ｐ驼`差[11]

本文使用交叉驗(yàn)證法的目的在于提高均方誤差的可靠性.交叉驗(yàn)證一般用于建模中，交叉驗(yàn)證的本質(zhì)是在給定的樣本中，隨機(jī)選出大部分樣本建立模型，剩下小部分樣本用剛建立的模型進(jìn)行檢驗(yàn)，并求出這小部分樣本的均方誤差.這個(gè)過(guò)程一直在循環(huán)，直到所有樣本都被預(yù)報(bào)一次而且僅被預(yù)報(bào)一次，最后計(jì)算出樣本均方誤差的平均值.

本文通過(guò)R語(yǔ)言去實(shí)現(xiàn)，結(jié)果顯示的均方誤差為0.351 7，比較接近前面通過(guò)逐步回歸計(jì)算得到的均方誤差0.336 5，說(shuō)明該模型的誤差較小，模型的效果較好.

4.3 樣本殘差正太性的檢驗(yàn)

4.4 樣本數(shù)據(jù)正態(tài)性的檢驗(yàn)

為了檢驗(yàn)樣本數(shù)據(jù)是否近似地服從于正態(tài)分布，本文應(yīng)用Q-Q圖法.樣本數(shù)據(jù)Q-Q圖是一種散點(diǎn)圖，橫坐標(biāo)為樣本值，縱坐標(biāo)為樣本的分位數(shù).如果Q-Q圖上的點(diǎn)近似地在一條直線附近，那么就可以判定樣本數(shù)據(jù)近似地服從正態(tài)分布.本文得到的結(jié)果如圖2所示.

從圖2可以看到，樣本Q-Q圖上的點(diǎn)近似地在一條直線附近，那么可以知道樣本數(shù)據(jù)近似地服從于正態(tài)分布.

4.5 變量間共線性的檢驗(yàn)[12]

多重共線性指一個(gè)回歸模型里面的一些或全部解釋變量之間存在著高度的相關(guān)關(guān)系.度量共線性嚴(yán)重程度的一個(gè)標(biāo)準(zhǔn)是方陣X′X的條件數(shù)，定義為k=λ1λp，λ1為矩陣X′X的最大特征值，λp為矩陣X′X的最小特征值.一般地，當(dāng)k<100，則可以認(rèn)為共線性程度很??；當(dāng)100≤k≤1 000，則可以認(rèn)為共線性程度較強(qiáng)；當(dāng)k>1 000，則可以認(rèn)為共線性程度比較嚴(yán)重.其中X為經(jīng)過(guò)標(biāo)準(zhǔn)化后的樣本指標(biāo)組成的設(shè)計(jì)矩陣.

本文結(jié)合R語(yǔ)言，得到樣本變量的特征值如表5所示.

根據(jù)表5的結(jié)果可以得到條件數(shù)k=98.4.因此，樣本數(shù)據(jù)變量的共線性程度較小，變量的選取比較合理.

經(jīng)過(guò)前面十折交叉驗(yàn)證法、樣本殘差正太性檢驗(yàn)法、樣本數(shù)據(jù)正態(tài)性的檢驗(yàn)法、變量間共線性的檢驗(yàn)法，可知：該計(jì)量模型的擬合優(yōu)度較高，標(biāo)準(zhǔn)誤較小，模型效果不錯(cuò)；該計(jì)量模型的隨機(jī)擾動(dòng)項(xiàng)服從經(jīng)典基本假設(shè)條件，滿足Gauss-Markov假設(shè)；樣本數(shù)據(jù)近似地服從于正態(tài)分布；且變量間的共線性程度較小，指標(biāo)的選取比較合理.因此，該計(jì)量模型的實(shí)際應(yīng)用型較好，可認(rèn)為商品房銷(xiāo)售價(jià)格與土地價(jià)格、商品房銷(xiāo)售面積、居民可支配收入、人均國(guó)內(nèi)總產(chǎn)值、財(cái)政收入占地區(qū)生產(chǎn)總值比重、匯率這6個(gè)指標(biāo)有顯著性的關(guān)系.計(jì)量模型為：

5 計(jì)量模型回歸結(jié)果的分析

本文建立的計(jì)量模型經(jīng)過(guò)十折交叉驗(yàn)證、樣本殘差正太性檢驗(yàn)、樣本數(shù)據(jù)正態(tài)性檢驗(yàn)、變量間共線性檢驗(yàn)之后，可知該模型的效果較好，商品房?jī)r(jià)格影響的主要因素可以解釋商品房?jī)r(jià)格波動(dòng)的情況.再根據(jù)前面逐步回歸分析的結(jié)果可得到以下結(jié)論.

1）土地價(jià)格：土地價(jià)格在5%的顯著性水平下通過(guò)t檢驗(yàn)，且土地價(jià)格每上升1%，商品房銷(xiāo)售價(jià)格就上漲0.393 9%.土地價(jià)格也是商品房?jī)r(jià)格在供給因素里面影響最大的一個(gè)指標(biāo)，體現(xiàn)了土地資源的有效性，缺乏性，導(dǎo)致商品房供不應(yīng)求[13].

2）商品房銷(xiāo)售面積：商品房銷(xiāo)售面積在5%的顯著性水平下通過(guò)t檢驗(yàn)，且商品房銷(xiāo)售面積每上升1%，商品房銷(xiāo)售價(jià)格就下跌0.063 63%.擴(kuò)大商品房的銷(xiāo)售面積，增大商品房的供應(yīng)量，可以有效地緩解商品房?jī)r(jià)格的上漲的壓力，體現(xiàn)了經(jīng)濟(jì)學(xué)原理供求關(guān)系價(jià)格波動(dòng)的原理[14].

3）居民可支配收入：居民可支配收入在5%的顯著性水平下通過(guò)t檢驗(yàn)，且居民可支配收入每上升1%，商品房銷(xiāo)售價(jià)格就上漲0.405 8%，這是影響商品房?jī)r(jià)格因素里面最為顯著的一個(gè)指標(biāo).對(duì)于沒(méi)房的居民來(lái)說(shuō)，隨著居民可支配收入的增長(zhǎng)，這些居民的買(mǎi)房意愿逐漸增強(qiáng)，從而提高了商品房的價(jià)格.模型的結(jié)果跟實(shí)際生活也比較吻合[15].

4）人均國(guó)內(nèi)總產(chǎn)值：人均國(guó)內(nèi)總產(chǎn)值在5%的顯著性水平下通過(guò)t檢驗(yàn)，且人均國(guó)內(nèi)總產(chǎn)值每上升1%，商品房銷(xiāo)售價(jià)格就上漲0.170 9%，人均國(guó)內(nèi)總產(chǎn)值與商品房?jī)r(jià)格有正相關(guān)的關(guān)系[16].

5）財(cái)政收入占地區(qū)生產(chǎn)總值比重：財(cái)政收入占地區(qū)生產(chǎn)總值比重在5%的顯著性水平下通過(guò)t檢驗(yàn)，且財(cái)政收入占地區(qū)生產(chǎn)總值比重每上升1%，商品房銷(xiāo)售價(jià)格就上漲0.197 4%，體現(xiàn)了地方政府在經(jīng)濟(jì)中的參與度對(duì)房?jī)r(jià)產(chǎn)生了顯著的正向推動(dòng)作用.政府對(duì)房?jī)r(jià)的干預(yù)越大，商品房的財(cái)政稅收越多，商品房的價(jià)格就越高.因此，政府對(duì)商品房的干預(yù)這一行為對(duì)商品房?jī)r(jià)格的影響不可忽略[17].

6）匯率：匯率在5%的顯著性水平下通過(guò)t檢驗(yàn)，且匯率每上升1%，商品房銷(xiāo)售價(jià)格就上漲0.146 7%.商品房雖然作為一個(gè)非可貿(mào)易商品，不過(guò)在經(jīng)濟(jì)快速發(fā)展的今天，隨著經(jīng)濟(jì)體內(nèi)可貿(mào)易部門(mén)勞動(dòng)生產(chǎn)率增長(zhǎng)，非可貿(mào)易商品的相對(duì)價(jià)格也隨之提高，最終引發(fā)商品房?jī)r(jià)格的增長(zhǎng)[18].

6 結(jié) 論

根據(jù)以上計(jì)量模型回歸分析的結(jié)果以及分析的結(jié)論，針對(duì)有效緩解我國(guó)商品房?jī)r(jià)格上漲的調(diào)控方面，尤其是大城市商品房的價(jià)格久居不下，本文提出以下三個(gè)有關(guān)政策方面的建議.

1）擴(kuò)大城市土地供應(yīng)的有效面積，增多商品房單位面積的供應(yīng)量.隨著我國(guó)居民收入水平的提高，有些人已經(jīng)擁有自己的房子，便把投資商品房當(dāng)作一種理財(cái)?shù)倪x擇，無(wú)形中抬高了商品房的價(jià)格.因此，地方政府應(yīng)該適當(dāng)抑制投資需求，有效控制商品房的價(jià)格，讓更多低收入的居民有能力買(mǎi)得起屬于自己的房子.

2）地方政府多鼓勵(lì)經(jīng)濟(jì)適用房、廉租房、公共租賃房等保障性住房的建設(shè)，同時(shí)增加向中低收入階層的居民提供經(jīng)濟(jì)適用房.在我國(guó)各個(gè)城市中，中低收入水平的居民占多數(shù)，這嚴(yán)重影響到大部分居民能夠購(gòu)買(mǎi)到屬于自己的房子.地方政府應(yīng)增加經(jīng)濟(jì)適用房等福利性住房的供應(yīng)，等價(jià)于增加中低收入階層居民購(gòu)買(mǎi)房子的補(bǔ)貼，提高他們的收入，從而有效抑制商品房?jī)r(jià)格的上漲，促使我國(guó)房地產(chǎn)市場(chǎng)可持續(xù)健康地發(fā)展.endprint

3）分離地方政府和房地產(chǎn)市場(chǎng)之間的聯(lián)系.分稅制改革直接給予地方政府新加稅種的權(quán)利，而在地方政府地財(cái)政支出不斷增加的壓力下，地方政府不得不提高商品房的稅收，提高地方政府的財(cái)政收入水平.因此，只有擺脫地方的“土地財(cái)政”和“房產(chǎn)財(cái)政”的現(xiàn)象，弱化地方政府和商品房市場(chǎng)的關(guān)系，中央政府對(duì)商品房的政策調(diào)控目標(biāo)和渠道才能得到統(tǒng)一，取得更好的效果，從而使得商品房?jī)r(jià)格的快速上漲得到有效的控制.

參考文獻(xiàn)

[1] 李宗龍.央行營(yíng)業(yè)管理部等：出臺(tái)關(guān)于加強(qiáng)北京地區(qū)住房信貸業(yè)務(wù)風(fēng)險(xiǎn)管理的通知[J].中國(guó)商界，2017（4）：78.

[2] 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.

[3] ABRAHAM J M，HENDERSHOTT P H.Bubbles in Metropolitan Housing Markets[J].Nber Working Papers，1994，（35）：171-192.

[4] 周京奎.貨幣政策、銀行貸款與住宅價(jià)格——對(duì)中國(guó)4個(gè)直轄市的實(shí)證研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2005（5）：22-27.

[5] 平新喬，陳敏彥.融資、地價(jià)與樓盤(pán)價(jià)格趨勢(shì)[J].世界經(jīng)濟(jì)，2004（7）：3-10+80.

[6] 王愛(ài)儉，沈慶劼.人民幣匯率與房地產(chǎn)價(jià)格的關(guān)聯(lián)性研究[J].金融研究，2007（6）：13-22.

[7] 陳志武.中國(guó)的政府規(guī)模有多大[N].經(jīng)濟(jì)觀察報(bào)，2008-02-23（6）.

[8] 董志勇，官皓，明艷.房地產(chǎn)價(jià)格影響因素分析：基于中國(guó)各省市的面板數(shù)據(jù)的實(shí)證研究[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2010，10（2）：98-103.

[9] 王俊超，呂蓬.變系數(shù)面板數(shù)據(jù)模型的研究[J].科技展望，2016，26（17）：148.

[10]郭策，肖逸.基于省級(jí)面板數(shù)據(jù)的房地產(chǎn)價(jià)格影響因素分析[J].統(tǒng)計(jì)與決策，2013（16）：132-134.

[11]翟曉芳，劉全明，程耀東，等.基于轉(zhuǎn)發(fā)層次分析的新浪微博熱度預(yù)測(cè)研究[J].計(jì)算機(jī)工程，2015，41（7）：31-35.

[12]楊梅，肖靜，蔡輝.多元分析中的多重共線性及其處理方法[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29（4）：620-624.

[13]劉降斌，李亮亮. 房地產(chǎn)價(jià)格影響因素的實(shí)證研究——基于我國(guó)各省的面板數(shù)據(jù)分析[J].經(jīng)濟(jì)研究導(dǎo)刊，2014（5）：21-22.

[14]郭策，肖逸.基于省級(jí)面板數(shù)據(jù)的房地產(chǎn)價(jià)格影響因素分析[J].統(tǒng)計(jì)與決策，2013（16）：132-134.

[15]黃燕.中國(guó)城鎮(zhèn)化進(jìn)程對(duì)房地產(chǎn)價(jià)格影響的實(shí)證分析[J].南京審計(jì)大學(xué)學(xué)報(bào)，2016，13（6）：23-32.

[16]徐錦，葉子青.基于VAR模型的商品房?jī)r(jià)格影響因素分析[J].統(tǒng)計(jì)與決策，2017（11）：93-97.

[17]王娟.宏觀調(diào)控下的房地產(chǎn)價(jià)格影響因素及其趨勢(shì)研究[J].統(tǒng)計(jì)與決策，2013（6）：125-128.

[18]王松濤.城市經(jīng)濟(jì)開(kāi)放度對(duì)商品房?jī)r(jià)格的影響研究——基于中國(guó)35個(gè)大中城市面板數(shù)據(jù)模型的分析[J].南開(kāi)經(jīng)濟(jì)研究，2009（2）：91-102.endprint