论文部分内容阅读
摘 要：从房产的消费品与投资品两重属性入手，将影响房地产价格的因素分为需求方因素、供给方因素、利率和宏观经济与政策四个方面。为考察市场本身有哪些因素影响房价，采用30个省会城市的截面数据对影响房价的因素进行定量分析，发现供给和需求是影响房价最主要的因素。随后引入虚拟变量，考察东、中西部房价是否存在差异，结果发现中西部房价无明显差异，而东部与中西部间房价存在明显差异。
关键词： 房价；截面数据；逐步回归；虚拟变量
中图分类号：F293.3 文献标识码：A 文章编号：1673-291X（2011）35-0103-03
1998年城镇实施住房制度改革后，我国停止了对住房的实物分配，住房商品化的制度得到了逐步确立。其后一长段时间内，房价一直保持稳定。从2004年开始，我国主要城市出现房地产投资过热的问题，房价不断上涨，增速过快。以2010年11月为例，全国70个大中城市房屋销售价格同比上涨7.7%，商品房销售面积和销售额分别环比增长7.4%和12.8%，房地产开发投资为42 697亿元，增长36.5%。由于房地产业对地区经济发展有着极大的拉动作用，房价的稳定与否直接关系着人民生活水平和国家经济发展，因此，有必要研究影响房价的相关因素，以期为政府制定政策、进行房地产调控提供合理建议。
国内外学者对影响房价的因素从各方面进行了研究。Abraham和Hendershott（1994）证实了住宅价格与建设成本、就业率和收入直接相关，而价格上涨幅度与利率呈负相关[1]。Harris（1989）发现，实际利率的变动可以解释市场价格水平， 名义利率只在房地产增值预期形成时发生作用[2]。Ortalo、Magne和Rady（ 1999）认为，住宅需求的波动是市场交易量变化的关键因素[3]。国内，梁云芳、高铁梅（2007）使用面板数据分析发现，人均GDP对房价的影响较大，而实际利率影响较小[4]。郑娟尔、吴次芳（2006）使用23个大中城市的数据研究发现，房价更多地受自身因素而不是地价的影响[5]。沈悦、刘洪玉（2004）对我国14个城市进行了住宅价格和经济基本面的分析，发现近年来的住房价格上涨已无法由经济基本面解释[6]。周京奎（2005）构建了误差修正模型，发现住宅价格上涨与宽松的货币政策有紧密的联系， 住宅价格极大地偏离长期均衡值[7]。
前人的研究工作多使用时间序列数据或面板数据，都引入了利率以及宏观经济政策等因素。但是由于利率及宏观经济政策存在人为的指向性，所以，如果使用时间序列数据或面板数据进行分析，会受人为因素的影响，不利于辨明房地产市场本身有哪些因素影响房价。本文选用2008年我国30个省会城市及直辖市的截面数据，研究房地产市场上影响房价的因素，最后引入虚拟变量，考察东部、中部与西部之间房价是否存在显著差异。
一、影响因素分析、变量选择与数据来源
房产同时具有消费品和投资品的属性。当房产作为消费品时，其价格受供给与需求的影响；当其作为投资品时，其价格主要受收入和利率的影响。而不论是作为消费品还是投资品，价格都会受到国家宏观经济与政策的影响。因此，可以将影响房价的因素大致分为供给方因素、需求方因素、利率和宏观经济与政策因素。由于本文使用截面数据，各地區情况一致，因此不再考虑利率和宏观政策因素的影响。
供给方因素包括：成本、投资和供给意愿。房地产价格主要由土地成本、建安费用以及相关税费组成。成本的变化将直接影响房价。在此，可以选用土地交易价格来反映该影响因素。但是由于数据搜集上的困难，因此不分析该因素的影响。投资是影响供给的另一个主要因素，房地产的投资增加直接导致房地产市场的供给增加。选择固定资产投资总额、本年房地产完成投资这两个个变量来反映投资因素。供给意愿是供给方愿意供给产品的程度，也直接影响着房地产的供给，以本年开发土地面积来反映。
需求方因素包括：收入水平和人口规模。当收入较低时，即使需求方主观上有购房的需求，也会受到收入水平的制约而没有能力购房，因此，收入水平直接限制着需求方的购买能力。在此，以人均GDP来反映这一因素。通常一个地区的人口越多，房产的绝对需求就越大，因此选取年底总人口与人口密度来反映人口规模的影响。
宏观经济因素主要是指地区经济发展水平。房地产业是国民经济的支柱性产业，受整个宏观经济发展水平的影响。在此选取地区生产总值（地区总GDP）来反映地区经济发展水平。
本文选择的主要变量见表1。
本文使用2008年我国30个省会城市及直辖市（除拉萨外）的上述9个变量的数据进行分析。数据来源于2008年中国统计年鉴和中经网统计数据库（城市年度数据库）。
二、模型的估计与调整
首先将所有变量引入回归模型，模型如下：
使用EVIEWS软件计算，结果见表2：
从估计结果可以看出，有多个解释变量的t值不显著，而整体可决系数较高，这说明变量之间可能存在多重共线性。为进一步验证，表3列出了各变量之间的相关系数矩阵。
从表中可以看出，Z1，X1、GDP之间的相关系数很高，接近或超过0.8，可以认为变量之间存在多重共线性。为消除多重共线性，使用逐步回归法对模型进行修正，限于篇幅，省略具体回归步骤。
修正后进入模型的变量顺序依次是：Z2（本年房地产完成投资）、Z4（本年开发土地面积）与X1（地区人均GDP），最后回归结果如下：
回归方程修正可决系数R2=0.7054，方程拟合优度较高；各个解释变量回归系数的t值均大于对应的临界值1.708（取显著性水平为0.05），因此，模型中各变量对房价都有显著影响，模型解释能力较强。进一步对模型进行计量经济学检验，分别使用了拉格朗日乘数检验法、white检验和DW检验发现：模型无遗漏变量，也无异方差和自相关性，因此模型设定与回归结果无误。
从回归结果可以看出，房价与本年房地产完成投资和地区人均GDP正相关，与本年开发土地面积成负相关。本年房地产完成投资每增加1亿元，每平方米住房价格上升约4.21 元。房地产完成投资增加意味着对市场预期的看好，因此， 当房地产完成投资增加时房价会随之上升。人均GDP每增加1万元，每平方米住房价格上升106.6元。当收入水平上升时，人们购买住房的能力上升，同时也希望扩大住房面积，所以会购买更多的住房，对住房的需求上升，拉动房价的上升。本年开发土地面积每增加1万平方米，每平方米住房价格下降约3.14元。这是因为，开发土地面积增加，意味着市场上住房供给增加，因而使得住房价格下降。各变量回归系数的符号均符合经济含义。
三、地区间房价差异分析
为研究区域差异对房价是否有显著性影响，将区域差异作为虚拟变量引入模型：
其中
D1i=1，该城市位于东部地区0，其他，D2i=1，该城市位于中部地区0，其他
在地区的划分上，本文采用文献4中的处理方法。将各省市人均GDP最大值进行排序， 大于2 万的省市划为东部， 海南省人均GDP 虽未大于2万， 但是由于房价较高，也划到东部地区；在1.2—2万之间的省市划为中部地区；小于1.2万的省市划为西部地区。
对模型进行回归后，得到结果如下：
从回归结果看，D2i的系数的t值（仅为-0.09）小于对应的临界值为2.06（取显著性水平为0.05），D2i对Yi没有显著性影响，所以中部与西部地区的房价无明显差异。因此，可去除虚拟变量D2i，将模型修改为：
回归方程修正可决系数R2=0.7753，可以认为模型的拟合程度较好。同时，各解释变量回归系数的t值均大于对应的临界值为2.064（取显著性水平为0.05），模型中各变量对房价都有显著性影响，可以认为模型解释能力较强。进一步对模型进行计量经济学检验。分别使用了拉格朗日乘数检验法、white检验和DW检验发现：模型无遗漏变量，也无异方差和自相关，因此模型设定与回归结果无误。
回归结果中，非虚拟变量的系数符号仍符合经济含义。同时，虚拟变量D1i对房价有显著影响，其回归系数表明，处于东部地区的城市房价要比处于中西部地区城市房价平均高1 494.67元/平方米，这也与现实情况相符。
四、结论
房价受多方面因素的共同影响，从房产的消费品与投资品两重属性入手，将影响房地产价格的因素分为需求方因素、供给方因素、利率和宏观经济与政策四个方面。通过对2008年我国除拉萨外的30个省会城市及直辖市的截面数据进行定量分析，发现：（1）最终进入回归模型的变量为本年房地产完成投资、本年开发土地面积和地区人均GDP，均属于需求方因素和供给方因素。而地区GDP没有进入最终的回归方程，这表明各地区的房价主要受该地区的需求和供给所决定，而与整个地区的宏观经济水平无关。（2）供给方因素最终进入回归模型的变量为本年房地产完成投资（投资因素）与本年开发土地面积（供给意愿因素）。房价与本年房地产完成投资正相关，这是由于房地产完成投资增加意味着对房地产市场预期的看好，因此房价会随之上升。本年开发土地面积与房价负相关，这是因为开发土地面积增加后，市场上的住房供给随之增加，进而使得房价下跌。（3）需求方因素最终进入回归模型的变量为地区人均GDP（收入水平因素）。人均GDP每增加1万元，每平方米住房价格上升106.6元。而反映人口规模影响的变量没有进入最终的回归模型，这表明人口规模对房价没有显著性影响。（4）中国的中部与西部间房价无明显差异，而东部房价与中、西部房价有显著差异。处于东部地区的城市房价要比处于中、西部地区的城市房价平均高1 494.67元/平方米。这可能是由于我国地区经济发展存在差异，东部地区比中、西部地区更为发达，基础设施建设更好，因而有大量人口希望进入东部发达地区，造成了不同地区间住房需求的差异。同时东部地区的收入水平也高于中、西部收入水平。这两个因素综合导致了地区间房价的差异。若要有效控制局部地区房价的快速上升，就需要促使各地区间的协调发展，降低地区间的收入水平差距。这样才能降低人口的不均衡流动，维持房价的稳定。
本文在变量选取上仍然存在一些缺陷，由于数据收集上的困难，没能将对房价有直接影响的成本因素纳入模型。同时由于使用的是截面数据，因而未能在模型中考虑房价预期对房价的影响以及各个经济变量的滞后影响，这将是以后的研究工作。
参考文献：
[1] Abraham M ， P. H . Hendershott . Bubbles in metropolitan housing market [J].Journal of Housing Research，1996，（2）:191-207.
[2] Harris， J. C. The Effect of real rates of interest on housing prices [J].Journal of Real Estate Finance and Economics，1989，（2）:47-60.
[3] Ortalo Magne. and S. Rady. Boom in， Bust out: Young Households and the Housing Price Cycle [J].European Economic Review，
2004，（43）:755-766.
[4] 沈悅，刘洪玉. 住宅价格与经济基本面: 1995—2002 年中国14城市的实证研究[J].经济研究， 2004，（6）:78-86.
[5] 周京奎.货币政策、银行贷款与住宅价格——对中国4 个直辖市的实证研究[J].财贸经济，2005，（5）：22-27.
[6] 郑娟尔，吴次芳.地价与房价的因果关系——全国和城市层面的计量研究[J].中国土地科学，2006，20（11）：31-37.
[7] 梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133-142.
[责任编辑 柯 黎]
关键词： 房价；截面数据；逐步回归；虚拟变量
中图分类号：F293.3 文献标识码：A 文章编号：1673-291X（2011）35-0103-03
1998年城镇实施住房制度改革后，我国停止了对住房的实物分配，住房商品化的制度得到了逐步确立。其后一长段时间内，房价一直保持稳定。从2004年开始，我国主要城市出现房地产投资过热的问题，房价不断上涨，增速过快。以2010年11月为例，全国70个大中城市房屋销售价格同比上涨7.7%，商品房销售面积和销售额分别环比增长7.4%和12.8%，房地产开发投资为42 697亿元，增长36.5%。由于房地产业对地区经济发展有着极大的拉动作用，房价的稳定与否直接关系着人民生活水平和国家经济发展，因此，有必要研究影响房价的相关因素，以期为政府制定政策、进行房地产调控提供合理建议。
国内外学者对影响房价的因素从各方面进行了研究。Abraham和Hendershott（1994）证实了住宅价格与建设成本、就业率和收入直接相关，而价格上涨幅度与利率呈负相关[1]。Harris（1989）发现，实际利率的变动可以解释市场价格水平， 名义利率只在房地产增值预期形成时发生作用[2]。Ortalo、Magne和Rady（ 1999）认为，住宅需求的波动是市场交易量变化的关键因素[3]。国内，梁云芳、高铁梅（2007）使用面板数据分析发现，人均GDP对房价的影响较大，而实际利率影响较小[4]。郑娟尔、吴次芳（2006）使用23个大中城市的数据研究发现，房价更多地受自身因素而不是地价的影响[5]。沈悦、刘洪玉（2004）对我国14个城市进行了住宅价格和经济基本面的分析，发现近年来的住房价格上涨已无法由经济基本面解释[6]。周京奎（2005）构建了误差修正模型，发现住宅价格上涨与宽松的货币政策有紧密的联系， 住宅价格极大地偏离长期均衡值[7]。
前人的研究工作多使用时间序列数据或面板数据，都引入了利率以及宏观经济政策等因素。但是由于利率及宏观经济政策存在人为的指向性，所以，如果使用时间序列数据或面板数据进行分析，会受人为因素的影响，不利于辨明房地产市场本身有哪些因素影响房价。本文选用2008年我国30个省会城市及直辖市的截面数据，研究房地产市场上影响房价的因素，最后引入虚拟变量，考察东部、中部与西部之间房价是否存在显著差异。
一、影响因素分析、变量选择与数据来源
房产同时具有消费品和投资品的属性。当房产作为消费品时，其价格受供给与需求的影响；当其作为投资品时，其价格主要受收入和利率的影响。而不论是作为消费品还是投资品，价格都会受到国家宏观经济与政策的影响。因此，可以将影响房价的因素大致分为供给方因素、需求方因素、利率和宏观经济与政策因素。由于本文使用截面数据，各地區情况一致，因此不再考虑利率和宏观政策因素的影响。
供给方因素包括：成本、投资和供给意愿。房地产价格主要由土地成本、建安费用以及相关税费组成。成本的变化将直接影响房价。在此，可以选用土地交易价格来反映该影响因素。但是由于数据搜集上的困难，因此不分析该因素的影响。投资是影响供给的另一个主要因素，房地产的投资增加直接导致房地产市场的供给增加。选择固定资产投资总额、本年房地产完成投资这两个个变量来反映投资因素。供给意愿是供给方愿意供给产品的程度，也直接影响着房地产的供给，以本年开发土地面积来反映。
需求方因素包括：收入水平和人口规模。当收入较低时，即使需求方主观上有购房的需求，也会受到收入水平的制约而没有能力购房，因此，收入水平直接限制着需求方的购买能力。在此，以人均GDP来反映这一因素。通常一个地区的人口越多，房产的绝对需求就越大，因此选取年底总人口与人口密度来反映人口规模的影响。
宏观经济因素主要是指地区经济发展水平。房地产业是国民经济的支柱性产业，受整个宏观经济发展水平的影响。在此选取地区生产总值（地区总GDP）来反映地区经济发展水平。
本文选择的主要变量见表1。
本文使用2008年我国30个省会城市及直辖市（除拉萨外）的上述9个变量的数据进行分析。数据来源于2008年中国统计年鉴和中经网统计数据库（城市年度数据库）。
二、模型的估计与调整
首先将所有变量引入回归模型，模型如下：
使用EVIEWS软件计算，结果见表2：
从估计结果可以看出，有多个解释变量的t值不显著，而整体可决系数较高，这说明变量之间可能存在多重共线性。为进一步验证，表3列出了各变量之间的相关系数矩阵。
从表中可以看出，Z1，X1、GDP之间的相关系数很高，接近或超过0.8，可以认为变量之间存在多重共线性。为消除多重共线性，使用逐步回归法对模型进行修正，限于篇幅，省略具体回归步骤。
修正后进入模型的变量顺序依次是：Z2（本年房地产完成投资）、Z4（本年开发土地面积）与X1（地区人均GDP），最后回归结果如下：
回归方程修正可决系数R2=0.7054，方程拟合优度较高；各个解释变量回归系数的t值均大于对应的临界值1.708（取显著性水平为0.05），因此，模型中各变量对房价都有显著影响，模型解释能力较强。进一步对模型进行计量经济学检验，分别使用了拉格朗日乘数检验法、white检验和DW检验发现：模型无遗漏变量，也无异方差和自相关性，因此模型设定与回归结果无误。
从回归结果可以看出，房价与本年房地产完成投资和地区人均GDP正相关，与本年开发土地面积成负相关。本年房地产完成投资每增加1亿元，每平方米住房价格上升约4.21 元。房地产完成投资增加意味着对市场预期的看好，因此， 当房地产完成投资增加时房价会随之上升。人均GDP每增加1万元，每平方米住房价格上升106.6元。当收入水平上升时，人们购买住房的能力上升，同时也希望扩大住房面积，所以会购买更多的住房，对住房的需求上升，拉动房价的上升。本年开发土地面积每增加1万平方米，每平方米住房价格下降约3.14元。这是因为，开发土地面积增加，意味着市场上住房供给增加，因而使得住房价格下降。各变量回归系数的符号均符合经济含义。
三、地区间房价差异分析
为研究区域差异对房价是否有显著性影响，将区域差异作为虚拟变量引入模型：
其中
D1i=1，该城市位于东部地区0，其他，D2i=1，该城市位于中部地区0，其他
在地区的划分上，本文采用文献4中的处理方法。将各省市人均GDP最大值进行排序， 大于2 万的省市划为东部， 海南省人均GDP 虽未大于2万， 但是由于房价较高，也划到东部地区；在1.2—2万之间的省市划为中部地区；小于1.2万的省市划为西部地区。
对模型进行回归后，得到结果如下：
从回归结果看，D2i的系数的t值（仅为-0.09）小于对应的临界值为2.06（取显著性水平为0.05），D2i对Yi没有显著性影响，所以中部与西部地区的房价无明显差异。因此，可去除虚拟变量D2i，将模型修改为：
回归方程修正可决系数R2=0.7753，可以认为模型的拟合程度较好。同时，各解释变量回归系数的t值均大于对应的临界值为2.064（取显著性水平为0.05），模型中各变量对房价都有显著性影响，可以认为模型解释能力较强。进一步对模型进行计量经济学检验。分别使用了拉格朗日乘数检验法、white检验和DW检验发现：模型无遗漏变量，也无异方差和自相关，因此模型设定与回归结果无误。
回归结果中，非虚拟变量的系数符号仍符合经济含义。同时，虚拟变量D1i对房价有显著影响，其回归系数表明，处于东部地区的城市房价要比处于中西部地区城市房价平均高1 494.67元/平方米，这也与现实情况相符。
四、结论
房价受多方面因素的共同影响，从房产的消费品与投资品两重属性入手，将影响房地产价格的因素分为需求方因素、供给方因素、利率和宏观经济与政策四个方面。通过对2008年我国除拉萨外的30个省会城市及直辖市的截面数据进行定量分析，发现：（1）最终进入回归模型的变量为本年房地产完成投资、本年开发土地面积和地区人均GDP，均属于需求方因素和供给方因素。而地区GDP没有进入最终的回归方程，这表明各地区的房价主要受该地区的需求和供给所决定，而与整个地区的宏观经济水平无关。（2）供给方因素最终进入回归模型的变量为本年房地产完成投资（投资因素）与本年开发土地面积（供给意愿因素）。房价与本年房地产完成投资正相关，这是由于房地产完成投资增加意味着对房地产市场预期的看好，因此房价会随之上升。本年开发土地面积与房价负相关，这是因为开发土地面积增加后，市场上的住房供给随之增加，进而使得房价下跌。（3）需求方因素最终进入回归模型的变量为地区人均GDP（收入水平因素）。人均GDP每增加1万元，每平方米住房价格上升106.6元。而反映人口规模影响的变量没有进入最终的回归模型，这表明人口规模对房价没有显著性影响。（4）中国的中部与西部间房价无明显差异，而东部房价与中、西部房价有显著差异。处于东部地区的城市房价要比处于中、西部地区的城市房价平均高1 494.67元/平方米。这可能是由于我国地区经济发展存在差异，东部地区比中、西部地区更为发达，基础设施建设更好，因而有大量人口希望进入东部发达地区，造成了不同地区间住房需求的差异。同时东部地区的收入水平也高于中、西部收入水平。这两个因素综合导致了地区间房价的差异。若要有效控制局部地区房价的快速上升，就需要促使各地区间的协调发展，降低地区间的收入水平差距。这样才能降低人口的不均衡流动，维持房价的稳定。
本文在变量选取上仍然存在一些缺陷，由于数据收集上的困难，没能将对房价有直接影响的成本因素纳入模型。同时由于使用的是截面数据，因而未能在模型中考虑房价预期对房价的影响以及各个经济变量的滞后影响，这将是以后的研究工作。
参考文献：
[1] Abraham M ， P. H . Hendershott . Bubbles in metropolitan housing market [J].Journal of Housing Research，1996，（2）:191-207.
[2] Harris， J. C. The Effect of real rates of interest on housing prices [J].Journal of Real Estate Finance and Economics，1989，（2）:47-60.
[3] Ortalo Magne. and S. Rady. Boom in， Bust out: Young Households and the Housing Price Cycle [J].European Economic Review，
2004，（43）:755-766.
[4] 沈悅，刘洪玉. 住宅价格与经济基本面: 1995—2002 年中国14城市的实证研究[J].经济研究， 2004，（6）:78-86.
[5] 周京奎.货币政策、银行贷款与住宅价格——对中国4 个直辖市的实证研究[J].财贸经济，2005，（5）：22-27.
[6] 郑娟尔，吴次芳.地价与房价的因果关系——全国和城市层面的计量研究[J].中国土地科学，2006，20（11）：31-37.
[7] 梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133-142.
[责任编辑 柯 黎]