我國住宅銷量和價格的主要影響因素
——住宅市場宏觀調控政策效果分析

賴純見，陳 迅

(重慶大學 經濟與工商管理學院， 重慶 400044)

一、引言及文獻綜述

為了調控我國住宅市場，2010年國務院先后發(fā)布了“國十條”、“新國五條”等一系列行政、財政政策調控措施，并以年內六次上調存款準備金率和二次加息的貨幣政策配合，2010年可謂是房價調控政策年。2011年初重慶、上海兩地開征房產稅，短時間內連續(xù)四次上調存款準備金率和二次加息，住宅限購等調控措施的出臺愈發(fā)密集、愈發(fā)嚴厲。而據國家統計局數據，2011年一季度全國100個城市中82個城市房價環(huán)比上漲；4月，70個大中城市中有61個城市房價環(huán)比上漲，67個城市同比上漲。

這引發(fā)我們對住宅市場的主要影響因素和國家宏觀調控政策收效等問題的思考。城市住宅市場特別是住宅價格是社會各界廣泛關注的熱點問題，其影響因素、宏觀調控政策效果研究也一直是房地產經濟與金融學界關注的熱點問題。國內外現有研究，對住宅價格影響因素的研究主要有宏觀經濟的、住宅市場和土地市場方面的；對住宅市場宏觀調控政策效果的研究主要是貨幣政策或財稅政策方面的。

宏觀經濟影響因素主要是住宅價格與宏觀經濟、金融市場、銀行貸款、財富等之間的互動關系。沈悅等(2004)[1]采用1995—2002年我國14個城市的數據研究表明，經濟基本面的當前或歷史信息都可以部分解釋住宅價格水平和變動。皮舜(2004)[2]采用1997—2003年間房地產市場與金融市場的月度數據，分析發(fā)現我國房地產市場和金融市場在長期和短期都存在著雙向線性因果關系。周京奎(2005)[3]對四個直轄市的數據研究表明，住宅價格的上漲與寬松的貨幣政策密切相關。李亞明(2007)[4]研究了我國房地產價格與居民消費的關系，得出了房地產財富效果在長期為正向而在短期不確定的結論。這些研究表明，住宅價格與宏觀經濟面變量有很強的相關關系。

從住宅市場方面看，主要是租金、住宅供給、需求、投機等因素的影響。Brown(1997)[5]及Holly(1997)[6]認為，在市場出清條件下，租金水平與住宅的使用成本相等。Malpezzi(2005)[7]在住宅供給缺乏彈性的條件下，住宅的投資和投機需求是房地市場繁榮和衰退的重要原因之一，這反映了住宅二手市場在調節(jié)新房市場中有重要作用。

從土地市場方面看，Potepan(1996)[8]研究發(fā)現，土地價格上升將導致房價的均衡價格上升。Ahmed (1998)[9]、Ooi (2007)[10]和嚴金海(2006)[11]分別對英國、新加坡和中國的房價和地價的關系進行研究，發(fā)現房價和地價在長期是協整的，短期內各國有差異。 Bostic(2007)[12]認為土地價格已經反映了住宅的位置、區(qū)位等因素價值，土地價格占住宅價格的比例是解釋住宅價格變動的最主要因素。Zhang(2008)[13]的研究表明，土地供給、土地價格和土地政策是影響房價的重要因素。因此，土地市場變量是影響住宅價格的重要變量。

在住宅價格的宏觀調控政策方面，現有研究主要是針對貨幣政策或財政政策。Modigliani(1975)[14]研究指出，信用額度在抵押市場上對房地產業(yè)有間接的作用。Kling (1991)[15]研究發(fā)現名義利率和貨幣供給的沖擊對辦公建筑有很強的影響。Kosuke Aoki (2004)[16]的研究表明，房屋在對消費者提供住房服務的同時也起到了間接降低借款成本的作用，這放大了貨幣政策對住房投資、房屋價格的影響作用。Matteo(2000)[17]研究發(fā)現，貨幣政策通過對住宅需求的沖擊而導致住宅價格短期波動效果明顯。Glenn(2005)[18]研究表明，早期實行一些反泡沫的貨幣政策能夠避免住宅價格的過度膨脹。陳多長等(2004)[19]研究了各類稅收對房地產價格的影響，發(fā)現稅收對住宅價格有雙重的影響作用。楊紹媛等(2007)[20]從分析住房成本和資產收益角度，證明稅收在短期內會提高住宅價格。Oates(1969)[21]對美國新澤西州的調研發(fā)現，財產稅和公共支出對房地產價值的有較大影響。高凌江(2008)[22]研究發(fā)現我國35個大中城市公共支出對房地產價格的有較大影響。

與現有研究相比，本文的不同之處在于：(1)綜合考慮影響住宅市場銷量和價格的宏觀經濟、住宅市場和土地市場狀態(tài)變量建模。(2)將宏觀調控行政、財政政策變量(虛擬變量)引入模型，并結合宏觀經濟變量、貨幣政策變量討論政策效果。(3)綜合考慮城鎮(zhèn)住宅銷量和價格的均衡性，以聯立方程建立住宅市場變量(銷量和價格)小系統，采用三階段最小二乘法(3SLS)分析。

二、住宅銷量和價格的影響因素

參考前述研究結論，綜合住宅市場的種種影響因素，分類定義如下：

(一)宏觀經濟狀態(tài)變量

主要是gdp(國內生產總值)，cpi(消費者價格指數)，dincome(城鎮(zhèn)人均可支配收入)。

(二)宏觀調控政策變量

1.貨幣政策調控變量：m2(廣義貨幣供應量)，loan(金融機構房地產企業(yè)貸款余額)，loanrate(金融機構人民幣貸款基準利率)。

2.行政手段和財政政策調控變量：policy(虛擬變量，按季度統計，國家出臺相關行政調控手段或財政政策取值1，否則取值0)。

(三)住宅市場狀態(tài)變量

pt(住宅成交價格，新房)，qt(住宅成交量，新房)，psecond(二手住宅價格)，invest(房地產開發(fā)投資總額，余額)，qnew(住宅新開工面積)，qcompl(住宅竣工面積)，quncompl(住宅施工面積)。

(四)土地市場狀態(tài)變量

pland(住宅用地價格)，qland(土地出讓面積)。

(五)其他變量

國際經濟形勢、國家重大國際活動或自然災害等未知變量的影響(模型以誤差自回歸AR(P)修正變量替代)。

三、樣本數據與研究方法

本文所有的時間序列均為全國2001年1季度至2010年4季度的季度數據，共40組樣本值，數據來源于中國產業(yè)數據網(原數據采集于建設部、國土資源部、中國人民銀行、中國房地產協會、房地產交易中心、《中國統計年鑒》、《中國房地產工業(yè)年鑒》)。將住宅市場狀態(tài)變量qt(銷量)、pt(價格)設為依賴變量，而其余各序列為可能的解釋變量。模型對解釋變量的選擇，按對依賴變量的擬合有利原則取舍(不減弱顯著性的前提下)。其中gdp、cpi、psecond和pland是以相應的指數數據作為價格的代理變量，同時對其余序列數據進行了平滑處理，以消除季節(jié)效果。各變量取值均為統計數據的自然對數值，這樣既能降低異方差的可能性，又便于將回歸系數理解為經濟變量“彈性”。

在對數據進行單位根檢驗后，本文采用E-G兩步法進行協整檢驗?？紤]納入模型的變量很多，為避免在第一階段OLS估計過程中出現多重共線性使得估計值無效，采用逐步回歸法進行解釋變量的選擇，即從擬合度高的單變量回歸開始，在有利于依賴變量擬合度提高而解釋變量系數t檢驗顯著下增列解釋變量。再檢驗單個方程(除依賴變量外不含其余內生變量)的殘差的平穩(wěn)性和同方差性、序列相關性，根據檢驗結果確定殘差自回歸AR(p) 誤差修正項。

建立聯立方程模型系統，檢驗可識別性。采用三階段最小二乘法估計系統各參數，并檢驗其顯著性。結合宏觀調控政策解釋、分析回歸結果，提出住宅市場調控政策設定建議。

四、研究結果與分析

(一)時間序列平穩(wěn)性檢驗

本文運用ADF方法對各個變量的平穩(wěn)性進行了單位根檢驗，其檢驗結果如表1所示。

表1 各變量的單位根檢驗結果

如表1所示，絕大部分變量在5%的顯著水平是平穩(wěn)的，非平穩(wěn)變量的一階差分序列在1%的顯著水平上是平穩(wěn)的。因此，各非平穩(wěn)的變量都是一階單整序列，即I(1)。

(二)聯立方程模型建立

以pt(銷量)、qt(價格)為內生變量，其余變量為外生變量，設定住宅市場均衡狀態(tài)模型：

(1)

其中vi、vj是外生變量(不含虛擬變量policy)，p、k是可能納入方程的外生變量個數(不含設定的虛擬變量policy)。

為避免三階段最小二乘法在一階段OLS估計中出現多重共線性，對單方程采用逐步回歸法(去掉單個方程中內生變量，以擬合度和顯著性優(yōu)先用Eviews5.0進行選擇試驗)選擇納入模型的外生變量。選擇結果是：

應納入銷量qt方程的外生變量有m2(廣義貨幣供應量)、qland(土地出讓面積)、qcompl(住宅竣工面積)、dincome(城鎮(zhèn)居民可支配收入)；應納入價格方程的外生變量有psecondh(二手住宅價格)、gdp(國內生產總值)、cpi(消費者價格指數)、pland(土地出讓價格)，在加入虛擬變量policy(行政或財政政策調控變量)后(1)式調整為：

(2)

由于在防止多重共線性的逐步回歸過程中，已剔除掉一階單整的變量，且內生變量均是平穩(wěn)序列，故沒有協整檢驗問題。

對模型(2)的每個方程用OLS進行初步回歸，得到：

回歸方程(3)：調整后R2=0.48，D.W=1.06，S.E.=0.130 1，LM(2)=0.046，LM(3)=0.054，W=0.157 9；回歸方程(4)：調整后R2=0.73，D.W=1.28，S.E.=0.014 0，LM(2)=0.031，LM(3)=0.097，W=0.282 6。其中LM(i)是G-B檢驗的掃尾概率，W是White異方差檢驗掃尾概率。

從初步回歸看，在5%的檢驗顯著水平下，兩個方程均無異方差現象，而均為至3階滯后無自相關，即2階滯后自相關。所以考慮運用Cochrane-Orcutt迭代法修正自相關，模型調整為：

(5)

其中ut-i、wt-i是滯后i期系統誤差，εit為模型估計殘差。ut-i、wt-i反映了國際經濟形勢、國家重大國際活動、自然條件變化、戰(zhàn)爭等未知變量對系統的影響

模型(3)有兩個內生變量，兩個獨立方程，且顯然滿足聯立方程組的可識別性的階條件和秩條件，所以該模型是可識別的。

(三)3SLS回歸結果及分析

聯立方程間可能涉及誤差相關和解釋變量與誤差相關等情況，所以選擇3SLS(三階段最小二乘法)對系統(5)采用Eviews5.0回歸分析，結果為：

qt回歸方程：調整后R2=0.73，D.W=2.42，S.E.=0.082 0。

pt回歸方程：調整后R2=0.77，D.W=1.97，S.E.=0.011 9。

從回歸結果可看出，對系統方程自相關調整后，解釋變量對依賴變量的擬合度提高了，變量參數估計值的顯著性增加了，而且兩個方程都已消除了序列相關(樣本容量n=40、非常數項解釋變量個數為6時，D.W的臨界值dL=1.175，dU=1.854)。

回歸所得解釋變量參數估計值即為回歸元對相應變量的彈性。將回歸參數估計值按t檢驗顯著性及其絕對值大小列序，見表2：

表2 解釋變量參數估計值(彈性)結果排序

從表2可以看出，解釋住宅銷量qt的最重要因素是價格pt，其彈性達到-3.935，反映出居民對住宅消費的層次，說明住宅商品對絕大部分居民來說屬于奢侈品、高消費品。那種期望通過價格調整達到人人都買得起房的愿望和做法是不現實的。房地產商所炒作的購房“剛性需求”只不過是中國人傳統觀念上渴求有形固定資產安全感(“安居”)而盲目、被動、超前高消費的一種曲解。我們會看到中國老人被迫拿出自己一輩子省吃儉用攢下來以備養(yǎng)老的錢，給孩子撐“臉面”—— 購房成家；剛畢業(yè)的大學生夫妻向親友借錢付齊首付款銀行按揭購房，從此過上“房奴”的苦日子。住房在發(fā)達國家也不是必需消費品，否則就不會出現2008年美國的“次貸”危機。所以，政府連續(xù)出臺如此嚴厲的住房調控政策，除了從民生角度考慮外，避免這種危機更是其深層次原因。

其次是廣義貨幣供應量m2，其彈性系數也接近3，這反映了我國近十年流動性支撐的房產銷售量(本文研究結果沒有得出m2支撐房價的結論)，貨幣供應的增加會帶來住房消費的大幅倍增。反而，表征實際消費能力的城鎮(zhèn)居民可支配收入(變量dincome)對銷量的彈性小于1，說明流動性對住宅市場的支撐作用遠超過居民可支配收入。從2001年末到2010年末10年中，城鎮(zhèn)居民人均可支配收入增長2.8倍，而住宅銷量和廣義貨幣供應量則分別上漲了5倍和4.7倍。從這種意義上說，流動性創(chuàng)生了“剛性需求”， 因此，貨幣政策對住宅市場調控的作用不容小覷，它與直接行政手段(限購、限價等)等相比，不僅奏效而且可減少效率和社會福利損失。

解釋住宅價格pt的重要因素依次是國內生產總值gdp、住宅用土地交易價格pland和二手住宅價格psecondh。由于這三個變量采用的時間序列是指數的，所以彈性反映了它們與住宅價格pt之間增長率的配比關系。gdp的彈性系數最高，表明十年來我國GDP的增長率的變化與住宅價格的增長率的變化有互動性和共生性。住宅價格加速上漲，帶動GDP加速上漲，反過來又拉動住宅價格更快上漲。從這種意義上說，我國的高房價與GDP的持續(xù)高增長緊密相關，我們應該像適應GDP增長那樣去適應住宅價格的增長，像計劃、管理GDP增長率那樣去監(jiān)督、調控住宅價格增長率。就住宅價格調控政策制定而言，從土地交易價格pland和二手住宅價格psecondh著手(兩項彈性之和接近50%)應該是有效果的。

從2001至2010年的數據來看，虛擬變量policy的彈性系數僅為-0.011(顯著)，表明這十年國家行政手段和財政政策(稅收是重點)對住宅價格pt調控有降低住宅價格的效果，但效果不佳。而這些貨幣政策以外的調控措施，對住宅銷量qt的影響從較長期的統計數據看并不顯著。事實上，行政手段和財政政策的打壓會呈現短期成交量下滑，但這期間積蓄起來的購買意愿往往促成了未來購買量的井噴。這種井噴調整了購房者的預期，帶來房價的加速上揚。這產生了住宅市場調控下扭曲的規(guī)律，越控越漲，越漲越控，惡性循環(huán)。

開發(fā)商的行為變量，即住宅竣工面積qcompl和土地出讓面積(開發(fā)商購買土地面積)qpland均對房產銷量有正向的影響，這是住宅市場交易量增長的先決條件。本文分析沒有得出開發(fā)商這些行為會影響住宅價格的結論。

10年的數據表明，消費者價格指數CPI推動住宅價格上漲不顯著。這說明購房者以住房置業(yè)作為通貨膨脹的天然避風港的觀點，至少在近10年是缺乏數據支撐的。

五、結論與政策建議

本文對我國2001年1季度至2010年4季度的宏觀經濟、住宅市場、土地市場數據，結合10年來國家住宅市場宏觀調控政策進行了分析，為了避免虛假回歸問題，我們采用了單位根檢驗、逐步回歸法?？紤]到住宅市場狀態(tài)變量銷量(qt)和價格(pt)之間以及二者的影響因素之間存在的系統性，我們采用聯立方程模型來盡可能完整地提取各個變量樣本數據中的信息。為避免序列相關和方程間誤差相關、解釋變量與誤差相關，我們采用了Cochrane-Orcutt迭代法修正自相關，并用三階段最小二乘法(3SLS)求解聯立方程模型。

研究結果發(fā)現，影響住宅銷量的最主要因素是住宅價格、廣義貨幣供應量，其彈性分別為-3.935和2.965。這表明我國住宅消費屬于奢侈品消費，期望通過價格調整達到人人都買得起房的愿望和做法是不現實的。土地供應量、城鎮(zhèn)居民可支配收入、住宅竣工面積也都是影響住宅銷量的因素。影響住宅價格的最主要因素是GDP，而且彈性達到1.318。住宅價格與宏觀經濟變量的這種匹配性，詮釋了宏觀調控政策的要旨，即住宅價格調控政策是尋求與GDP平衡的住宅價格增長速度(不要漲得太快或跌得太快)，而不是簡單地理解為降低交易價格。住宅用土地價格、二手房價格也是住宅價格的重要解釋變量，這為調控住宅價格的行政手段和財政政策的制定提供了思路。我們還發(fā)現，10年來住宅市場宏觀調控政策對住宅價格的控制是有效果的，但效果不強(彈性-0.011)；而對住宅銷量的影響很大(貨幣政策m2，彈性2.965)。數據沒有證明CPI推高房價，所以，從統計意義上說，城鎮(zhèn)居民沒有把住宅作為抵御通貨膨脹的工具。而銷量對價格的解釋力不顯著，恰恰詮釋了當前限購政策的局限性。

就住宅市場的宏觀調控政策，建議：(1)理清思想認識，不能一提到調控住宅市場就劍指降低房價。把住宅市場調控的目標統一到尋求與GDP增長速度相適應的住宅價格增長率(調高調低看區(qū)域GDP增長情況)以及尋求與城市化進程和居民可支配收入相匹配的住宅建設銷售總量上來。這不僅可以引導居民從住宅資產價格只漲不跌的神話中回歸理性，而且可以把地方政府從“完成房價調控任務”還是“完成GDP增長任務”兩難境地的彷徨中解脫出來。(2)住宅市場宏觀調控的政策選取上，應以貨幣政策為主，以行政手段和財政政策為輔。近十年的宏觀調控政策效果，統計上看貨幣政策很顯著(特別是流動性的控制)，而非貨幣政策收效不佳。而且貨幣政策是間接的，調控引發(fā)的該行業(yè)效率損失和社會福利損失更小。(3)土地市場和二手住宅市場的宏觀調控政策，是住宅市場(新房)宏觀調控政策一前一后的兩個支點。經濟增長的每一階段，都不能孤立的出臺住宅市場調控政策，否則治標不治本，政策效果受到局限。

[參考文獻]

[1] 沈悅，劉洪玉.住宅價格與經濟基本面：1955—2002年中國14城市的實證研究[J].經濟研究， 2004(6):78-86.

[2] 皮舜.中國房地產市場與金融市場的Granger因果關系分析[J].系統工程理論與實踐， 2004(12):29-33.

[3] 周京奎.貨幣政策、銀行貸款與住宅價格—對中國四個直轄市的實證研究[J].財貿經濟， 2005(5):22-27.

[4] 李亞明，佟仁城.中國房地產財富效果的協整分析和誤差修正模型[J].系統工程理論與實踐，2007(11):1-6.

[5] Brown J P，Song H，Mcgillivray A. Forecasting UK house prices:A time varying coefficient approach[J].Economic Modelling， 1997,14:529-548.

[6] Holly S， Jone N.House prices since the 1940s: Cointegration， demography and asymmetrics[J].Economic Modelling, 1997,14:549-565.

[7] Malpezzi S， Wachter S M. The role of speculation in real estate cycles[J]. Journal of Real Estate Literature， 2005,13: 143-164.

[8] Potepan M . Explaining in’ metropolitan variation in housing prices， rents and land prices[J]. Real Estate Economics， 1996,24: 219-245.

[9] Ahmed A， Tsoukis C. Ricardian causal ordering and the relation between house and land prices: Evidence fromEngland[Z]. Applied Economic Letter， 1998，5: 325-328.

[10] Ooi J， Lee S. Price discovery between residential land and housing markets[J]. Journal of Housing Research, 2007,15: 95-112.

[11] 嚴金海.中國的房價與地價：理論、實證和政策分析[J].數量經濟與技術經濟研究， 2006，18:17-26.

[12] Bostic R W， Longhofer S D， Redfearn C L.Land leverage: Decomposing home price dynarnics[J].Real Estate Economics, 2007,35: 183-208.

[13] Zhang H. Effects of urban land supply policy on real estate in China: An econometric analysis[J].Journal of Real Estate Literature, 2008,16: 55-72.

[14] Modigliani F. The Channels of Monetary Policy in the Federal Reserve-MIT University of Pennsylvania Econometric model of the United States[J].Modelling the Economy， 1975,16:240-267.

[15] Kling J L and T E McCue. Stylized Facts About Industrial Property Construction[J].Journal of Real Estate Research, 1991,6:293-304.

[16] Kosuke Aoki James Proudman，Gertjan Vlieghe. House Prices， Consumption， and Monetary Policy: a Financial Accelerator Approach[J].Journal of Financial Intermediation, 2004,13:414-435.

[17] Matteo Iacoviello. House Prices and The Macroeconomy in Europe:Results from a Structural Var Analysis[R].European central bank working paper， 2000,18.

[18] Glenn D Rudebusch. Monetary Policy and Asset Price Bubbles[Z].FRBSF Economic Letter, 2005,18: August 5.

[19] 陳多長，蹤家峰.房地產稅收與住宅資產價格：理論分析與政策評價[J].財貿經濟，2004(1):57-60.

[20] 楊紹媛，徐曉波.我國房地產稅對房價的影響及改革探索[J].經濟體制改革，2007(2):136-139.

[21] Oates Wallace E. The Ef f ects of Propert y Taxes and L ocal Publ ic S pending on Propert y values[J]. Journal of Political Economy, 1969,77:957-971.

[22] 高凌江.地方財政支出對房地產價值的影響—基于我國35個大中城市的實證研究[J].財經理論與實踐， 2008 (1):85-89.