朱順東

摘要：選取2005-2018年北京、天津、廣東、安徽、上海、江西、湖南、河南、江蘇、浙江等9個(gè)省市的相關(guān)數(shù)據(jù)，對(duì)影響房?jī)r(jià)的主要因素進(jìn)行計(jì)量分析。在回歸模型中，將城鎮(zhèn)人口、房地產(chǎn)開發(fā)企業(yè)土地購置價(jià)格、住宅商品房銷售面積以及商品住宅房竣工面積等變量作為影響房?jī)r(jià)重要的要素做自變量同時(shí)控制省市個(gè)體差異和年份差異，最終通過實(shí)證回歸得出：房地產(chǎn)開發(fā)企業(yè)土地購置價(jià)格是影響房產(chǎn)價(jià)格的最主要因素。提出政府應(yīng)根據(jù)具體的省際情況，制定不同的土地制度及調(diào)控政策，消費(fèi)者應(yīng)根據(jù)當(dāng)?shù)胤康禺a(chǎn)市場(chǎng)現(xiàn)狀及自身經(jīng)濟(jì)狀況理性選擇不同購房形式等對(duì)策建議。

關(guān)鍵詞：房產(chǎn)價(jià)格;面板數(shù)據(jù)

自1998-2008年以來，我國(guó)房地產(chǎn)行業(yè)發(fā)展引來了黃金十年，隨后進(jìn)入了全面調(diào)整階段，但整體上房地產(chǎn)發(fā)展依然處于上升勢(shì)頭。近二十年的房地產(chǎn)市場(chǎng)的繁榮發(fā)展，帶動(dòng)其他行業(yè)的增長(zhǎng)成為我國(guó)經(jīng)濟(jì)增長(zhǎng)的重要支柱產(chǎn)業(yè)，但隨著房地方的繁榮發(fā)展和房?jī)r(jià)飛速的增長(zhǎng)也帶來諸多負(fù)面的問題，如住房問題帶來很多人生存的壓力、遏制了居民消費(fèi)增長(zhǎng)、加劇了行業(yè)風(fēng)險(xiǎn)和金融風(fēng)險(xiǎn)等一系列社會(huì)問題。我國(guó)房地產(chǎn)市場(chǎng)中存在的問題引發(fā)了政府的廣泛關(guān)注，在2009年后基本進(jìn)入了全面調(diào)控的階段，陸陸續(xù)續(xù)出臺(tái)了調(diào)控措施。為探究影響我國(guó)房?jī)r(jià)大幅上漲的主要因素，本文以房屋中的住宅商品房為例，選取了一些極具代表性的省市（共9個(gè)）作為全國(guó)房?jī)r(jià)增長(zhǎng)樣本，對(duì)其2005-2018年的相關(guān)數(shù)據(jù)進(jìn)行了研究。本文從供給與需求兩方面對(duì)影響當(dāng)前高房?jī)r(jià)問題的主要因素做出計(jì)量分析，從多層次多角度提出當(dāng)前房?jī)r(jià)上漲問題的應(yīng)對(duì)對(duì)策，為更好促進(jìn)我國(guó)房地產(chǎn)市場(chǎng)健康發(fā)展提供決策參考。

1.研究方法與研究現(xiàn)狀

1.1國(guó)外房地產(chǎn)價(jià)格影響因素的相關(guān)研究

國(guó)外對(duì)房地產(chǎn)市場(chǎng)的相關(guān)研究起步較早Abraham等（1994）以美國(guó)14個(gè)城市為研究樣本，得出當(dāng)?shù)亟ㄖ杀久吭黾?%，房地產(chǎn)價(jià)格將增加0.163%。Quigley（1995）以洛杉磯12年間數(shù)據(jù)為樣本，發(fā)現(xiàn)不同的銷售機(jī)構(gòu)的銷售技巧對(duì)房?jī)r(jià)影響并不顯著。平新喬（2004）運(yùn)用回歸分析，分析發(fā)達(dá)國(guó)家房地產(chǎn)價(jià)格與地價(jià)的關(guān)系，提出地價(jià)與房地產(chǎn)價(jià)格呈顯著正相關(guān)關(guān)系。Guirguis 等采用 VECM、AR、GARCH、帶隨機(jī)參數(shù)和自回歸參數(shù)的 Kalman 濾波及指數(shù)平滑方法對(duì)美國(guó)房地產(chǎn)價(jià)格進(jìn)行預(yù)測(cè)，得出GARCH 和帶自回歸參數(shù)的 Kalman 濾波預(yù)測(cè)精度最優(yōu)。Egert（2007）以歐洲八個(gè)國(guó)家和經(jīng)濟(jì)合作與發(fā)展組織19個(gè)國(guó)家房地產(chǎn)業(yè)為樣本，發(fā)現(xiàn)發(fā)展中國(guó)家人口結(jié)構(gòu)和失業(yè)率對(duì)房地產(chǎn)業(yè)影響較顯著，發(fā)達(dá)國(guó)家則手段和制度、融資等因素更為顯著。原鵬飛和魏巍賢（2012）以中國(guó)為樣本，發(fā)現(xiàn)房地產(chǎn)價(jià)格上漲將帶動(dòng)經(jīng)濟(jì)上行發(fā)展，但同樣比例房地產(chǎn)價(jià)格的下跌，對(duì)經(jīng)濟(jì)帶來的打擊遠(yuǎn)高于上行帶來的推動(dòng)作用。Justyna和Brzezicka（2014）以美國(guó)房地產(chǎn)為樣本，發(fā)現(xiàn)房地產(chǎn)價(jià)格變動(dòng)同樣也是消費(fèi)者行為變化的原因之一。

1.2我國(guó)房地產(chǎn)價(jià)格影響因素的相關(guān)研究

沈悅和劉洪玉（2004）以我國(guó)14個(gè)主要城市1995-2002年數(shù)據(jù)為研究樣本實(shí)證分析論證房地產(chǎn)價(jià)格與經(jīng)濟(jì)關(guān)系得出，城鎮(zhèn)家庭收入狀況對(duì)房地產(chǎn)價(jià)格產(chǎn)生正向顯著影響。陳友軍和曾云兵（2008）運(yùn)用模糊層次分析法研究我國(guó)房地產(chǎn)價(jià)格影響因素，地域差異、收入差異、消費(fèi)者行為偏好差異和文化風(fēng)俗對(duì)房地產(chǎn)價(jià)格變動(dòng)產(chǎn)生影響。顧海峰、張?jiān)?014）利用存準(zhǔn)率和利率兩大貨幣政策工具實(shí)證研究貨幣政策對(duì)房地產(chǎn)價(jià)格的影響作用，研究表明存準(zhǔn)率對(duì)房地產(chǎn)價(jià)格存在長(zhǎng)期穩(wěn)定的正向影響，但是利率對(duì)房?jī)r(jià)沒有顯著的影響。宋稞（2015）運(yùn)用實(shí)證分析研究我國(guó)2000-2014年人口地理分布變化和房地產(chǎn)價(jià)格波動(dòng)，結(jié)果顯示：我國(guó)城鎮(zhèn)化進(jìn)程對(duì)房地產(chǎn)價(jià)格存在顯著相關(guān)關(guān)系。劉佳等（2017）以中國(guó)內(nèi)蒙古地區(qū)為樣本，運(yùn)用面板分析研究近15年當(dāng)?shù)胤康禺a(chǎn)價(jià)格的宏觀經(jīng)濟(jì)影響因素。結(jié)果顯示財(cái)政收入、房地產(chǎn)投資對(duì)地產(chǎn)價(jià)格影響不顯著，地方GDP對(duì)房地產(chǎn)價(jià)格影響顯著。鐘先哲，丁曉云通過計(jì)量模型分析的方法，提出人均可支配收入與房?jī)r(jià)成正比關(guān)系的結(jié)論。王望濤（2020）利用貴州省 2008～2019 年的數(shù)據(jù)建立 VAR 模型，通過脈沖響應(yīng)函數(shù)分析宏觀經(jīng)濟(jì)下貴州省房?jī)r(jià)的影響因素。

2.變量選取與數(shù)據(jù)說明

從需求與供給兩個(gè)方面來分析影響全國(guó)房?jī)r(jià)的主要因素，并從中選取幾個(gè)主要變量，研究各個(gè)變量對(duì)全國(guó)房?jī)r(jià)的影響程度。需求方面：（1）城鎮(zhèn)總?cè)丝?。城?zhèn)總?cè)丝谑侵噶鲃?dòng)人口和戶籍人口兩大類，人口密度是房?jī)r(jià)的幕后推手，城市人口的增加會(huì)產(chǎn)生更大規(guī)模的剛性住房需求，這對(duì)房地產(chǎn)市場(chǎng)及房?jī)r(jià)而言是巨大的正向沖擊。 城市人口的增長(zhǎng)是影響房地產(chǎn)需求的直接因素。在地區(qū)人口密度大，科技發(fā)達(dá)的城市，如深圳，勞動(dòng)力是城市建設(shè)的主力軍，會(huì)極大提高對(duì)住房的需求。 因此常住人口是影響房?jī)r(jià)的重他們對(duì)于住宅商品房的購買欲望即可反映出購房的需求大小。根據(jù)需求理論可知，購房需求的增加會(huì)導(dǎo)致房?jī)r(jià)的上升，城鎮(zhèn)總?cè)丝谘杆僭鲩L(zhǎng)，房?jī)r(jià)也隨之增長(zhǎng)。（2）住宅商品房銷售面積。銷售面積反映出消費(fèi)者對(duì)住宅商品房需求量的大小，與消費(fèi)者需求成正比，因此，住宅商品房銷售面積越大，房?jī)r(jià)則會(huì)越高。供給方面：（1）房地產(chǎn)開發(fā)企業(yè)土地購置價(jià)格。投資商在施工土地上投入資金越多，說明對(duì)該土地重視程度越高。因此，房地產(chǎn)開發(fā)企業(yè)土地購置價(jià)格越高，供給價(jià)格越高，房?jī)r(jià)越高。（2）住宅商品房竣工面積。住宅商品房竣工面積表示住宅商品房總體供應(yīng)數(shù)量，它也在一定程度上反映了房地產(chǎn)行業(yè)的總體供給情況，我國(guó)房地產(chǎn)市場(chǎng)中總需求量大于總供給量，房?jī)r(jià)仍然處于上升趨勢(shì)。

樣本選取與數(shù)據(jù)來源為了使本文選取的數(shù)據(jù)有更高的準(zhǔn)確性及可靠性，選2005年至2018年度的相關(guān)數(shù)據(jù)。本文所用數(shù)據(jù)全部取自于國(guó)家統(tǒng)計(jì)局網(wǎng)站。

3.模型的建立

觀察單位是中國(guó)住宅商品房從2005—2018年的數(shù)據(jù)，總觀察值的個(gè)數(shù)為10×14=140個(gè)。本文以住宅商品房平均銷售價(jià)格PRICE（元/平方米）為被解釋變量，解釋變量分別是①城鎮(zhèn)人口POP（萬人），②房地產(chǎn)開發(fā)企業(yè)土地購置價(jià)格LAND（元/平方米），③住宅商品房銷售面積SALE（萬平方米），④商品住宅房竣工面積COMP（萬平方米）。除此之外，還加入了年份YEAR這個(gè)變量，共5個(gè)變量。對(duì)于這幾個(gè)變量，我們建立以下回歸模型：

PRICEit=β0+β1POPit+β2LANDit+β3SALEit+β4COMPit +Ui+YEARt +εit

其中，i是代表第i個(gè)省市，t是代表年份，Ui是代表省市的個(gè)體效應(yīng)，Vt是代表年份的效應(yīng) ，εit是代表殘差項(xiàng)。

4.實(shí)證分析

4.1變量基本統(tǒng)計(jì)情況

商品房平均銷售價(jià)格均值為8244元/平方米，中位數(shù)為6325元/平方米，最大值為3.74萬元/平米、最小值為0.175萬元/平米，最大值為最小值21倍，說明省際之間房產(chǎn)價(jià)格差異較大，尤其是中西部與東部沿海北京、上海的房產(chǎn)價(jià)格;城鎮(zhèn)人口均值為2929萬元、中位數(shù)為2325萬人、最大值為8022萬人、最小值為783萬人土地購置價(jià)格平均值為4159、中位數(shù)為2429、標(biāo)準(zhǔn)差為4520為均值的1倍，最大值為最小值的52倍，說明省際之間土地購置價(jià)格差異大，和省際經(jīng)濟(jì)發(fā)展水平差異過大相對(duì)應(yīng)，經(jīng)濟(jì)越發(fā)達(dá)省份的土地購置價(jià)格要大于省份欠發(fā)達(dá)地區(qū);銷售面積平均值3749、中位數(shù)為2501、標(biāo)準(zhǔn)差為3061接近平均值，最大值為最小值的25倍;竣工面積均值為3718、中位數(shù)為2897、標(biāo)準(zhǔn)差為2360、最大值為最小值的16.5倍，充分說明省際之間無論在經(jīng)濟(jì)發(fā)展水平還是城市人口規(guī)模上都存在較大的差異。

4.2模型篩選

因本文是采用平衡面板數(shù)據(jù)，通常采用有混合模型、隨機(jī)效應(yīng)模型、固定效應(yīng)模型，每個(gè)效應(yīng)假設(shè)條件不同，為了得出合理的估算之前都在模型估計(jì)之前需要進(jìn)行相應(yīng)的檢驗(yàn)，首先通過LM檢驗(yàn)來判別是否采用隨機(jī)效應(yīng)還是混合效應(yīng)，通過表2檢驗(yàn)結(jié)果中可以看出，LM檢驗(yàn)得出P值為0.000小于0.05，強(qiáng)烈拒絕原假設(shè)，說明隨機(jī)效應(yīng)比混合模型更適合;其次通過F檢驗(yàn)來判別是采用固定效應(yīng)還是混合效應(yīng)，經(jīng)過檢驗(yàn)得出F值為26.29，對(duì)應(yīng)的P值為0.000小于0.05，說明固定效應(yīng)比混合模型更適合;最后通過豪斯曼檢驗(yàn)來判斷是否固定效應(yīng)和隨機(jī)效應(yīng)，通過估算得出豪斯曼檢驗(yàn)卡方值為53.88對(duì)應(yīng)的P值為0.00小于0.05，說明固定效應(yīng)比隨機(jī)效應(yīng)模型更適合，故本文采用固定效應(yīng)模型進(jìn)行分析。

4.3實(shí)證回歸

為了減弱變量之間的序列相關(guān)、極端值、非正態(tài)分布以及異方差性等問題，本文將變量采用對(duì)數(shù)的形式進(jìn)行分析。

實(shí)證結(jié)果如下：人口的回歸系數(shù)為1.435，在1%水平下高度顯著，即城市在研究的期間內(nèi)人口規(guī)模對(duì)房?jī)r(jià)有著顯著正向的促進(jìn)作用，同等條件下人口規(guī)模每增長(zhǎng)1%，房?jī)r(jià)平均增長(zhǎng)1.435%;開發(fā)商土地購置價(jià)格回歸系數(shù)為0.352，在1%水平下顯著，說明土地購置價(jià)格會(huì)顯著正向估計(jì)了房?jī)r(jià)的增長(zhǎng)，在其他條件不變的情況的下，開發(fā)商土地購置的價(jià)格每增長(zhǎng)1%，房?jī)r(jià)平均增長(zhǎng)0.352%;住宅銷售面積回歸系數(shù)為0.03，但不顯著，說明銷售面積對(duì)房?jī)r(jià)無顯著影響;開發(fā)商竣工面積回歸系數(shù)為-0.048，但不顯著，說明竣工面積對(duì)房?jī)r(jià)無顯著影響。綜合來看，通過變量回歸系數(shù)看出，對(duì)房產(chǎn)價(jià)格影響最大的變量要素為省際常駐人口規(guī)模，其次為土地購置價(jià)格。

5.結(jié)論

根據(jù)第四部份的對(duì)國(guó)內(nèi)宏觀經(jīng)濟(jì)政策和發(fā)展動(dòng)態(tài)分析，結(jié)合采集數(shù)據(jù)實(shí)證回歸分析可以看出省際城市的社會(huì)發(fā)展綜合實(shí)力的體系常駐人口的規(guī)模是帶動(dòng)房?jī)r(jià)增長(zhǎng)的重要因素，同時(shí)，土地購置地價(jià)的增長(zhǎng)是帶動(dòng)房?jī)r(jià)增長(zhǎng)的另外一個(gè)重要因素。因此，為使我國(guó)房地產(chǎn)市場(chǎng)達(dá)到健康運(yùn)轉(zhuǎn)調(diào)控的狀態(tài)，我國(guó)政府應(yīng)該“因城施策”。應(yīng)更加合理地出臺(tái)相關(guān)政策進(jìn)行適當(dāng)?shù)暮暧^調(diào)控，政府應(yīng)該制定出一個(gè)更為恰當(dāng)土地規(guī)劃的方案，根據(jù)土地是稀缺資源，具有不可再生的供給特點(diǎn)，對(duì)土地成本把控好更好地促進(jìn)我國(guó)房地產(chǎn)行業(yè)健康發(fā)展。對(duì)于微觀主體，筆者認(rèn)為，對(duì)于剛步入社會(huì)融入城市的青年工作人員，面對(duì)當(dāng)?shù)刂辉霾唤档姆績(jī)r(jià)，無力撬動(dòng)身邊資源支付首付的情況下，租房則不失為明智的選擇;對(duì)于一線城市有能力購房者，因一線城市房?jī)r(jià)一般超過中產(chǎn)階級(jí)的支付能力。倘若無其他有效的投資方式，購買房產(chǎn)仍為不錯(cuò)的穩(wěn)定增值的理財(cái)方式，但要選擇城市發(fā)展前景較好、對(duì)人口吸引較大的城市;對(duì)于非一線的城市的房地產(chǎn)，除非剛需不建議大規(guī)模投資房產(chǎn)。

參考文獻(xiàn)：

[1]ALAN K.REICHERT.The Impact of Interest Rates，Income， and Employmentupon Regional Housing Prices[J].Journal of Real Estate Finance and Economics，1990，（3）.

[2]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）.

[3]平新喬，陳敏彥，融資、低價(jià)與樓盤價(jià)格趨勢(shì)，世界經(jīng)濟(jì)，2004 年 7 月，第 3-10 頁.

[4]譚鵬程，房地產(chǎn)價(jià)格波動(dòng)影響因素的實(shí)證研究——基于廣州市的 VAR模型[J]，特區(qū)經(jīng)濟(jì)，2013 年 10 月，第 37-39 頁.

[5]武田艷，占建軍，嚴(yán)韋，基于 MIV-BP 型網(wǎng)絡(luò)實(shí)驗(yàn)的房地產(chǎn)價(jià)格影響因素研究[J]，數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2015 年 8 月，第 43-50 頁.

[6]王望濤，貴州省房地產(chǎn)價(jià)格影響因素研究———基于宏觀經(jīng)濟(jì)視角[J]，2020年5月，第36-38

[7]周海波，深圳房地產(chǎn)價(jià)格影響因素的實(shí)證研究[J]，特區(qū)經(jīng)濟(jì)，2020年8月，第25-27.