住房價格長期趨勢與短期波動影響因素研究

安輝　王立婷　谷宇

摘 要：本文基于2002年至2010年全國35個大中城市的面板數(shù)據(jù)，利用AH模型對住房價格進行擬合，并從長期趨勢和短期波動兩個角度對住房價格的影響因素進行研究。研究結(jié)果表明：在全國，土地價格水平、房地產(chǎn)開發(fā)投資額、地區(qū)人均國內(nèi)生產(chǎn)總值、人口、住房貸款利率、人均收入等六個解釋變量在住房價格長期趨勢方面有較大作用，其中房地產(chǎn)開發(fā)投資額及人口是住房價格短期波動的重要影響因素。同時，不同區(qū)域的住房價格影響因素也會有所不同。

關(guān)鍵詞：住房價格；影響因素；AH模型

中圖分類號：F293.3 文獻標識碼：A 文章編號：10035192（2014）02001307doi：10.11847/fj.33.2.13

A Research on Influencing Factors of Housing Prices on Both theLongterm Trends and Shortterm Fluctuations：Based on Panel Data of 35 Large and Mediumsized Cities in China

AN Hui， WANG Liting， GU Yu

（School of Economics， Dalian University of Technology， Dalian 116024， China）

Abstract：In this paper， we establish AH model to simulate the real housing price based on panel data of 35 large and mediumsized cities and analyze the factors affecting housing prices from both the longterm trends and shortterm fluctuations. The results show that： in China， land prices， real estate investment， regional GDP per capita， population， housing loan interest rate and income per capita are the main factors of housing prices in the long run， while real estate investment and population can have a significant effect on shortterm housing prices. Meanwhile， diverse factors are influencing different regions of China.

Key words：housing price； influencing factors； AH model

1 引言

住房市場的非理性繁榮對金融市場穩(wěn)定性是一個巨大的挑戰(zhàn)，因而對住房價格影響因素的探究一直是房地產(chǎn)業(yè)研究的重要課題。住房價格的變化一方面表現(xiàn)為長期趨勢性變化，如2002年以來我國持續(xù)上漲、居高不下的住房價格趨勢，從2002年至2010年，我國35個大中城市的平均住宅銷售價格上升了2.2倍之多；另一方面則表現(xiàn)為圍繞這一趨勢的短期波動，即住房價格短時間內(nèi)的劇烈震蕩或小幅波動，如2008年上海、南京等城市在金融危機的沖擊下住宅銷售價格較2007年有所回落，但這種降溫未能改變此后住房價格繼續(xù)上升的趨勢。

因此，住房價格影響因素的研究需要從長期與短期加以區(qū)分。住房價格的長期趨勢與短期波動影響因素有哪些？相同的因素在長期和短期發(fā)揮的作用是否相同？不同的地區(qū)是否具有相同的因素？針對這些疑問，本文結(jié)合住房的長期趨勢與短期波動對住房價格運行情況進行描述，其中短期波動既涵蓋自相關(guān)過程，也包括均值回歸過程，從而對不同地域范圍、不同時間長度的住房價格影響因素進行探究。

2 文獻綜述

住房價格影響因素的研究可以從兩方面進行總結(jié)：一是住房價格長期趨勢研究，二是基于長期趨勢的住房價格短期波動研究。

住房價格長期趨勢有兩種研究角度。一是基于經(jīng)濟基本面的研究，即利用人均可支配收入、人口數(shù)等經(jīng)濟基本面因素對住房價格進行解釋。國外學者對此研究頗多，如Egert和Mihaljek[1]對中東歐地區(qū)的研究結(jié)果表明中東歐地區(qū)的住房價格能夠用經(jīng)濟基本面和一些轉(zhuǎn)軌特定要素進行解釋。此類研究較為典型的還有Potepan[2]，Quigley[3]等。我國學者針對住房價格的研究也大多聚焦于此，一般的結(jié)論是人均可支配收入、總?cè)丝?、失業(yè)率、空置率等有一定的解釋力[4]。

二是基于非經(jīng)濟基本面的研究。此類研究角度繁多，僅以國內(nèi)為例：陳超，柳子君，肖輝[5]利用房地產(chǎn)市場各主體的博弈行為構(gòu)建模型，得出地方政府利益是住房價格上升的根本原因，開發(fā)商壟斷是高住房價格的直接原因；溫海珍[6]從住宅特征價格模型出發(fā)，從建筑特征、鄰里特征、區(qū)位特征等方面對影響杭州住宅價格的因素進行了研究，得出建筑面積是最為重要的影響因素的結(jié)論；張亞麗，梁云芳和高鐵梅[7]將住房視作資產(chǎn)，通過跨期優(yōu)化選擇模型說明預期房地產(chǎn)收益率等因素會推動住房價格上漲。

短期波動往往要涉及自相關(guān)過程與均值回歸過程，因此基于長期趨勢的住房價格短期波動研究文獻可依此分為三類。其一是針對自相關(guān)過程的研究。自相關(guān)過程描述的是當期價格與前期價格的自相關(guān)程度，有效性檢驗是研究自相關(guān)過程的合理途徑，因此學者大多從有效性檢驗進行研究。國外學者對此研究頗多，由于市場選取的差異以及統(tǒng)計口徑的不同，其實證研究結(jié)論也往往有所出入，如Case和Shiller[8]與Larsen和Weum

[9]通過研究得出美國、挪威房地產(chǎn)市場弱有效性不成立，而Guntermann和Smith[10]與Rosenthal[11]則認為美國、英國的房地產(chǎn)市場弱有效性成立。我國學者也對此有所研究，如鄭思齊和劉洪玉[12]以北京、上海的住宅市場與寫字樓市場為研究對象，表明這四個房地產(chǎn)市場弱有效性均不成立。

安輝，等：住房價格長期趨勢與短期波動影響因素研究——基于全國35個大中城市的面板數(shù)據(jù)

Vol.33， No.2預 測2014年第2期

其二是針對均值回歸過程的研究。均值回歸過程指實際住房價格會在相關(guān)驅(qū)動力的推動下向均衡價格靠攏

[13]，這種研究常?；谡`差修正模型。國外學者在此方面多有研究，如Klyuev[14]通過均衡住房價格方程與誤差修正方程、Tumbarello和Wang[15]通過向量誤差修正模型對美國、澳大利亞、新西蘭和加拿大等國的住房價格進行了一定解釋。這一模型對于分析我國房地產(chǎn)市場現(xiàn)狀也有重要意義，梁云芳和高鐵梅

[16]通過誤差修正模型對我國不同區(qū)域的房地產(chǎn)價格影響因素進行研究，并對實際利率、人均GDP等因素的影響進行了定量測算。

其三則為針對自相關(guān)過程與均值回歸過程共同作用的研究。為了更好地從這兩個過程共同作用的角度對實際住房價格進行描述，Abraham和Hendershott[17]建立了房地產(chǎn)價格模型（以下簡稱為AH模型）。該文獻通過對30個城市1977年至1992年的數(shù)據(jù)對均衡住房價格進行回歸，并對實際價格偏離均衡價格的影響因素進行了測算，研究結(jié)果表明，單獨考慮均衡價格，或單獨考慮實際價格的調(diào)整只能解釋城市住宅價格波動的40%，但兩者同時考慮將解釋住房價格波動的60%。在這一模型提出后，自相關(guān)系數(shù)、收斂系數(shù)與反應系數(shù)開始受到關(guān)注，短期波動因素的定量測算成為了住房價格研究的重要方向。Capozza，Hendershott，Mack等[18]基于1979～1995年62個大城市的面板數(shù)據(jù)對AH模型進行了回歸，該文獻經(jīng)過實證分析，認為較高的實際收入、人口增長率和實際建筑成本會使自相關(guān)程度較高，而較低的建筑成本會導致均值回歸過程的增強。在此之后，Capozza，Hendershott和Mack[19]，Malpezzi和Wachter[20]，Chen，Carbachoburgos，Mehra等[21]學者也均從此模型出發(fā)，對不同地區(qū)的住房價格的波動規(guī)律與短期驅(qū)動力因素進行了研究。而國內(nèi)從此角度進行研究的文獻頗少，洪濤，高波和毛中根[22]采用AH模型對1998年至2003年中國31個省（市、區(qū)）的實證研究，得出了實際價格沒有嚴重偏離均衡價格的結(jié)論，并從模型中的系數(shù)入手對短期波動影響因素進行了討論。

綜上所述，目前研究我國住房價格文獻多聚焦于長期趨勢，針對短期波動的研究起步較晚，尤其在結(jié)合價格發(fā)散與均值回歸這一角度。相比國內(nèi)已有的基于AH模型的研究，本文將研究對象鎖定為城市，并對其進行分組比較，從而更好地分析房地產(chǎn)業(yè)的地域性差異；同時，2002年以后我國房價明顯呈非理性的繁榮，并經(jīng)歷了金融危機的沖擊，政府曾經(jīng)多次出臺宏觀調(diào)控政策，因此本文基于該階段的樣本并注重對短期波動因素進行定量研究，以期為政策制定提供依據(jù)。

3 研究方法

對住房價格的研究通常包括實際住房價格與均衡住房價格。實際住房價格是指經(jīng)過通貨膨脹修正的住房價格，此價格不是理論上的價格，而是實際存在于房地產(chǎn)市場的價格；而均衡住房價格是指在市場出清狀態(tài)下，需求曲線和供給曲線的交點所對應的價格，此價格為理論上的價格，不是實際存在的價格。

在房地產(chǎn)市場中，住房價格的波動一般由以下兩個部分組成：

（1）長期趨勢。即均衡住房價格的改變，住房本身的價值發(fā)生了變化，由于在長期市場總是趨向均衡的，因此均衡住房價格往往可以用來描述住房價格的長期運行趨勢。

（2）短期波動。即實際價格的調(diào)整過程，由于實際住房價格的變動往往基于均衡住房價格發(fā)生，且作用時間短，因此可將這種調(diào)整看做圍繞長期趨勢發(fā)生的短期波動。短期波動又可細劃分為兩個過程，第一個過程是自相關(guān)過程。由于房地產(chǎn)市場的連續(xù)性，以及參與者的非理性預期，住房價格通常在短期內(nèi)表現(xiàn)出正自相關(guān)性。在過熱的房地產(chǎn)市場中，自相關(guān)過程推動了住房價格的進一步發(fā)散，從而形成了住房價格的價格發(fā)散過程。第二個過程是均值回歸過程。該過程是促使實際住房價格向均衡住房價格靠攏的重要力量。當實際住房價格高于均衡住房價格時，均值回歸的力量會促使其下降至均衡價格水平；反之亦然。因此，均值回歸過程是確保房地產(chǎn)市場泡沫消除和實現(xiàn)住房價格穩(wěn)定的重要過程。

基于上述基本原理，本文現(xiàn)引入AH模型作為本文的計量模型。AH模型是Abraham和 Hendershott提出的住房價格模型，它將住房價格的運動分為兩部分，第一部分為均衡價格的形成，從長期趨勢的角度對住房價格進行研究；第二部分為實際價格的調(diào)整，從短期波動對住房價格進行研究。在AH模型中，自相關(guān)過程和均值回歸過程并非單獨運行，而是同時作用于房地產(chǎn)市場的。其模型形式如下

（1）式代表均衡價格的形成，P*t表示t期的均衡住房價格，Xt表示住房價格的影響因素。（1）式利用實際住房價格與相應解釋變量對該式進行擬合，所得到的擬合值即為均衡住房價格。（2）式代表實際價格的調(diào)整，其中Pt表示t期的實際住房價格，式中的各期均衡住房價格值由（1）式得出。

在（2）式中，αΔPt-1描述了自相關(guān)過程，其中α為自相關(guān)系數(shù)， 自相關(guān)系數(shù)越大，當期實際價格變化就越依賴于前期實際價格變化。在房地產(chǎn)市場中，由于正反饋交易者的存在，住房價格通常呈現(xiàn)出不斷上升的趨勢，當期價格也在一定程度上反映了前期價格信息，因此這里的自相關(guān)系數(shù)一般會大于零。

β（P*t-1-Pt-1）描述了均值回歸過程，其中β為收斂系數(shù)，收斂系數(shù)越大，促使實際價格向均衡價格運動的驅(qū)動力就越大。在房地產(chǎn)市場中，這一系數(shù)描述了實際住房價格向均衡住房價格回歸的過程，由于泡沫不可能不被約束地持續(xù)膨脹，也不可能在短時間內(nèi)被完全消滅，因此往往會有0<β<1。

γΔP*t代表均衡價格變化所引起的實際價格變化，其中γ為反應系數(shù)。反應系數(shù)則代表了實際價格變化能被均衡價格變化解釋的程度，反應系數(shù)越大，均衡價格變化的解釋力越強。在實際中，實際住房價格的變化往往并不能被均衡住房價格變化全部解釋，其調(diào)整并不完全及時、準確，因此會有0<γ<1。

（2）式可以很好地描述實際住房價格的改變可以由哪些部分來解釋，卻無法精確衡量每一個解釋變量對住房價格短期波動的影響。Capozza，Hendershott，Mack等在AH模型的基礎(chǔ)上對該理論提出了擴展，（2）式可以改寫為（3）式

其中i代表不同的解釋變量，k代表不同城市，Xt為各解釋變量在時間序列上的平均值。通過對αi和βi的測算，我們可以定量測算出解釋變量i對住房價格短期波動的影響。

AH模型既包括對住房價格長期趨勢方面的研究，也涵蓋了短期波動中的自相關(guān)過程與均值回歸過程，可以較全面地從運行規(guī)律方面對住房價格影響因素進行定量測算。本文將通過（1）式來確定住房價格長期趨勢的影響因素，通過（3）式確定住房價格短期波動的影響因素。

4 實證分析及結(jié)果：基于AH模型的研究

4.1 樣本選取與數(shù)據(jù)處理

本文選取住房價格（PRICE）為被解釋變量，土地價格水平（LAND）、房地產(chǎn)開發(fā)投資額（CI）、地區(qū)人均國內(nèi)生產(chǎn)總值（PGDP）、人口（POP）、住房貸款利率（LIB）、人均收入（AW）為解釋變量。其中住房價格用全國35個大中城市住宅銷售價格來計算，人口用非農(nóng)人口數(shù)來計算，住房貸款利率用個人住房貸款基準利率計算，人均收入用職工平均工資來計算。本文所有變量均為2002年至2010年的年度數(shù)據(jù)（2011年起國家統(tǒng)計局開始采用新的統(tǒng)計指標與統(tǒng)計口徑，2011年之前與之后的數(shù)據(jù)具有不完全可比性），且除人口外所有數(shù)據(jù)均經(jīng)過了CPI處理。在數(shù)據(jù)來源方面，住房價格來源于國家統(tǒng)計局；房地產(chǎn)開發(fā)投資額、地區(qū)人均國內(nèi)生產(chǎn)總值、人口、收入來源于中經(jīng)網(wǎng)；住房貸款利率來源于中國人民銀行；土地價格水平來源于中國城市地價動態(tài)檢測系統(tǒng)。

4.2 住房價格長期趨勢影響因素的實證研究

由于包含了時間序列，面板數(shù)據(jù)在處理前常進行平穩(wěn)性檢驗，但本文使用的面板數(shù)據(jù)為僅有9期的短面板，因此不必對其進行平穩(wěn)性檢驗。下面本文首先將35個大中城市作為一個整體，對全國范圍內(nèi)的住房價格長期趨勢影響因素進行研究；然后將這35個城市分為四組，分別進行擬合以尋找各自的影響因素。本文按照國家統(tǒng)計局的劃分方式，將全國35個大中城市分為東部地區(qū)、中部地區(qū)、西部地區(qū)、東北地區(qū)等四個區(qū)域，其中東部地區(qū)城市包括北京、天津、石家莊、上海、南京、杭州、寧波、福州、廈門、濟南、青島、廣州、深圳、海口；中部地區(qū)城市包括太原、合肥、南昌、鄭州、武漢、長沙；西部地區(qū)城市包括呼和浩特、南寧、重慶、成都、貴陽、昆明、西安、蘭州、西寧、銀川、烏魯木齊；東北地區(qū)的城市包括沈陽、大連、長春、哈爾濱。

（1）35個大中城市住房價格長期趨勢回歸結(jié)果

在收集數(shù)據(jù)并處理數(shù)據(jù)后，本文首先對（1）式進行擬合，可得如下結(jié)果（括號中為t值）。

回歸結(jié)果表明所有解釋變量均通過t檢驗，各變量的系數(shù)符號均具有經(jīng)濟意義：①土地價格水平系數(shù)為0.6123445，這說明它的上升會引起實際住房價格的上升。這是由于土地價格水平可以在一定意義上說明土地獲取成本，當土地價格水平較高時，房地產(chǎn)市場的供給水平會下降，從而影響住房價格的變動。②房地產(chǎn)開發(fā)投資額系數(shù)為0.0001026，與住房價格也具有正相關(guān)性，這是由于房地產(chǎn)開發(fā)投資額是用來衡量房地產(chǎn)市場熱度的重要衡量手段，當房地產(chǎn)開發(fā)投資額增加，其市場的非理性繁榮會推動住房價格的上漲。③地區(qū)人均國內(nèi)生產(chǎn)總值與住房價格正相關(guān)，該系數(shù)值為0.0248775，這是由于國內(nèi)生產(chǎn)總值是衡量經(jīng)濟發(fā)展程度的指標，當某一地區(qū)經(jīng)濟高速發(fā)展，其房地產(chǎn)市場也應相對發(fā)達。④人口系數(shù)為1.273704，說明人口的增多會引起實際住房價格的上升。這是由于人口會在一定意義上影響住房的需求，人口越多，住房需求越大。⑤人均收入系數(shù)符號為正，其大小為0.0435595。這說明人均收入的上升會促進實際住房價格的上升。由于人均收入在一定程度上代表了人們購買住房的能力，因此人均收入與住房價格之間應呈現(xiàn)正相關(guān)的關(guān)系。⑥住房貸款利率系數(shù)是唯一為負值的系數(shù)，該系數(shù)值為36.74238。住房貸款利率是住房需求的影響因素之一，利率越低，人們越容易取得貸款，住房需求也會隨之增大。模型F檢驗的結(jié)果也同樣顯著，同時，該模型的擬合優(yōu)度達到了81.98%，因此可以認為，在長期，這六個解釋變量較好地解釋了35個大中城市住房價格的變化。

（2）四個區(qū)域住房價格長期趨勢回歸結(jié)果

接下來本文將35個大中城市分為四個區(qū)域分別對（1）式進行擬合，其擬合結(jié)果如下。

四個區(qū)域的回歸結(jié)果有較大出入，其中東部地區(qū)有四個解釋變量的系數(shù)顯著（LAND、CI、LIB、AW），中部地區(qū)僅有兩個解釋變量的系數(shù)顯著（LIB、AW），西部地區(qū)為三個（CI、PGDP、AW），東北地區(qū)為三個（CI、PGDP、POP）。由此我們推測，住房價格的長期趨勢影響因素的不同，往往是區(qū)域的長期屬性決定的。四個區(qū)域地理稟賦、發(fā)展程度、社會文化各不相同，這種區(qū)域的差異性造成了影響因素的差異。東部地區(qū)大多為沿海城市，地理位置優(yōu)越，交通便利，相對其他地區(qū)較為發(fā)達；中部地區(qū)擁有富饒的自然資源如煤炭資源等，高耗能工業(yè)發(fā)展快；西部地區(qū)自然條件相對惡劣，發(fā)展起步較晚，人口較少；而東北地區(qū)工業(yè)發(fā)展起步早，目前正在經(jīng)歷產(chǎn)業(yè)結(jié)構(gòu)升級的過程。因此，盡管以35個大中城市整體為研究對象時這六個解釋變量均顯著，但在各區(qū)域分別進行回歸時，影響因素是各不相同的。

以土地價格水平為例。在本文使用的數(shù)據(jù)中，東部地區(qū)土地價格水平平均值高于6000元/平方米，而其他三個地區(qū)則均不足2000元/平方米。東部地區(qū)人口稠密，城市土地供應較為緊張，而市場開放程度較高又使供求關(guān)系可以較好地發(fā)揮作用，因此其土地價格水平較高，在長期內(nèi)會成為重要的影響因素。而其他三個地區(qū)土地價格水平相對而言較低，在長期內(nèi)，土地價格水平就不會對住房價格產(chǎn)生很大影響。

此外，在本文的回歸結(jié)果中，東北地區(qū)房地產(chǎn)開發(fā)投資額的系數(shù)為負，和其在全國范圍內(nèi)回歸的符號不同。房地產(chǎn)開發(fā)投資額對住房價格的影響可能有兩種作用的途徑：一種途徑是，當房地產(chǎn)開發(fā)投資額增加時，由于需求難以立刻改變，這種供給上的增多會引起住房價格的下跌；另一種途徑是，房地產(chǎn)開發(fā)投資額的增多會使房地產(chǎn)市場流入資金更多，從而進一步促進房地產(chǎn)市場整體的非理性繁榮，導致住房價格上漲。因此在全國范圍內(nèi)，第二種作用發(fā)揮得更為明顯，而在東北地區(qū)房地產(chǎn)開發(fā)投資額影響住房價格主要是通過第一種途徑。這也表明，相同的解釋變量在不同的地區(qū)中作用是不同的。

綜上所述，這六個影響因素在四個區(qū)域中均具有部分解釋力，且擬合優(yōu)度均在80%以上，這說明其可以較好地解釋住房價格長期趨勢。

4.3 住房價格短期波動影響因素的實證研究

本部分將對這六個解釋變量進行檢驗，以探究其在影響長期趨勢的同時是否也可以作用于短期波動。

（1）35個大中城市住房價格短期波動回歸結(jié)果

根據(jù)（3）式，本文對實際住房價格進行擬合，回歸結(jié)果表明僅有βpop=-0.0011209、αci=-7.99e-08以及βci=1.29e-07通過t值檢驗，這說明這六個因素在短期波動方面并無較大影響。

土地價格水平的自相關(guān)系數(shù)αland和均值回歸系數(shù)βland均不顯著，這說明土地價格水平無論是在價格發(fā)散過程還是在均值回歸過程中影響均不明顯。土地價格水平在住房價格長期運行趨勢方面是一個很好的解釋變量，然而其在短期波動方面并不具有顯著的影響。這是由于土地交易本身具有弱流動性，土地價格的變化無法迅速作用于房地產(chǎn)市場，其在供給方面對住房價格的影響需要一定的時間，所以土地價格水平幾乎不會影響住房價格短期波動。類似地，地區(qū)人均國內(nèi)生產(chǎn)總值、住房貸款利率、人均收入與土地價格水平的自相關(guān)系數(shù)與收斂系數(shù)也均不顯著。這三個因素通常在長時期內(nèi)會影響住房價格的變動，其作用較為緩慢、持久，對短期波動影響并不顯著，相比之下其在長期趨勢方面的解釋力更強。

人口的自相關(guān)系數(shù)αpop不顯著，而收斂系數(shù)βpop十分顯著，這說明人口是否高于平均水平對自相關(guān)過程的影響不大，但對均值回歸過程有十分明顯的作用。人口的收斂系數(shù)為負，這說明人口對均值回歸過程有負面作用，人口高于平均水平時會抑制實際住房價格向均衡住房價格回調(diào)，人口數(shù)量越大，收斂速度越慢。這一結(jié)果同樣具有現(xiàn)實意義，當人口數(shù)量較大時，與之相對應的住房需求也會較大，需求上的高水平會直接抑制住房價格的回落，從而使住房價格在短期內(nèi)無法進行有效調(diào)整。

房地產(chǎn)開發(fā)投資額是衡量房地產(chǎn)開發(fā)商投入的重要指標，其自相關(guān)系數(shù)αci及收斂系數(shù)βci均顯著。房地產(chǎn)開發(fā)投資額的自相關(guān)系數(shù)為負，這說明房地產(chǎn)開發(fā)投資額對自相關(guān)系數(shù)具有負面作用，即會抑制住房價格的價格發(fā)散過程；其收斂系數(shù)為正，這說明房地產(chǎn)開發(fā)投資額高于平均水平會促進均值回歸過程的發(fā)生。值得注意的是，這里房地產(chǎn)開發(fā)投資額的符號與其在均衡價格回歸方程中的符號具有相反的意義。這是由于在全國，短期內(nèi)，房地產(chǎn)開發(fā)投資額的增多會使房地產(chǎn)供應增多，在需求尚未及時調(diào)整之際，這種供給上的增多會立刻作用于住房價格，使住房價格下跌；而在長期內(nèi)，房地產(chǎn)開發(fā)投資額的上升會增強房地產(chǎn)市場流動性，流入資金的增多會推動房地產(chǎn)市場的非理性繁榮，最終導致住房價格在長期內(nèi)上漲。這與前文的分析是相呼應的，這表明一個變量在長期與短期中的作用可能是不同的，這也正是本文從長期趨勢和短期波動對影響因素進行研究的原因所在。

由上述結(jié)果可以看出，長期住房價格的影響因素往往并不能作用于短期波動，在這六個變量中，人口、房地產(chǎn)開發(fā)投資額是35個大中城市住房價格短期波動的重要驅(qū)動力。

（2）四個區(qū)域住房價格短期波動回歸結(jié)果

四個區(qū)域分別對（3）式進行擬合，結(jié)果顯示由于地域的差異性，四個區(qū)域的短期波動影響因素各不相同。東部地區(qū)有三個系數(shù)顯著（αci=-8.23e-08、βpop=-0.001288、βci=1.38e-07），中部地區(qū)僅有一個系數(shù)顯著（αci=-9.84

由此我們推測，與長期趨勢影響因素不同，某個因素若成為住房價格短期波動影響因素可能往往至少符合以下條件中的一個：一是該因素代表了具有時效性的某個社會現(xiàn)象，而這一社會現(xiàn)象在短期內(nèi)變化顯著，從而使住房價格在短期內(nèi)也隨之波動。以人口為例，由于沿海地區(qū)相對發(fā)達，這些地區(qū)會吸引更多的人來此發(fā)展，因此東部地區(qū)和東北地區(qū)往往人口流動性較高，在這些地區(qū)人口就成為了主要短期影響因素。二是該因素有多種影響住房價格的渠道。以房地產(chǎn)開發(fā)投資額為例，如之前本文所分析，這一變量可以通過多種途徑對住房價格產(chǎn)生影響，盡管各個區(qū)域具體情況不同，但由于其作用渠道的多樣性，這一影響因素可以隨著地域的不同具有不同的影響途徑，因此其在各個區(qū)域的短期波動方面都具有較強的解釋力。

此外，值得注意的是，在本文的回歸結(jié)果中，東北地區(qū)住房貸款利率在自相關(guān)和均值回歸過程中發(fā)揮的作用比較特殊。與房地產(chǎn)開發(fā)投資額類似，利率對住房價格的影響也有兩種渠道。第一種渠道是指住房貸款利率的上升會增加購房成本，從而使投資收益下降，此時，儲蓄等其他投資收益上升，投資者往往會降低投資房地產(chǎn)市場的熱情，因此住房價格會隨著利率的上升而下降；第二種渠道是指當住房貸款利率上升時，人們預期這一利率仍將上升，在這種情況下人們反而會盡快購買住房，以防將來成本上升，此時，住房價格會隨著利率的上升而上升。從本文的研究結(jié)果看，利率往往是通過第一個渠道對住房市場產(chǎn)生影響的，而在東北地區(qū)住房價格短期波動方面，則是兩種渠道共同發(fā)揮作用。

同樣需要解釋的還有地區(qū)人均國內(nèi)生產(chǎn)總值，回歸結(jié)果表明較高的地區(qū)人均國內(nèi)生產(chǎn)總值會抑制住房價格的上升。這一回歸結(jié)果可能是由于樣本期選擇問題造成的：東北地區(qū)四個城市（沈陽、大連、長春、哈爾濱）土地資源相對豐沃，其人均土地擁有量位于全國前列，土地價格水平一直維持在相對較低的水平，住房價格也長期處在較低的水平。在樣本期中，除了大連，其他三個城市的住房價格僅在最后兩期才開始有顯著提升。據(jù)此，本文推測，由于樣本期選擇問題，滯后效應十分明顯，因此地區(qū)人均國內(nèi)生產(chǎn)總值與住房價格在回歸結(jié)果中不顯示為正相關(guān)，樣本期推后可能會解決這一問題。

綜上所述，在住房價格短期波動方面，土地價格水平、人口、地區(qū)人均國內(nèi)生產(chǎn)總值、住房貸款利率、人均收入、房地產(chǎn)開發(fā)投資額這六個解釋變量在不同的地區(qū)具有不同的解釋力。

5 結(jié)論與政策建議

本文通過建立AH模型，得出了全國35個大中城市以及四個區(qū)域的住房價格長期趨勢及短期波動影響因素。相同的影響因素在不同的地區(qū)發(fā)揮著不同的作用；相同的影響因素在長期趨勢和短期波動過程中的作用可能會有所不同，甚至是相反的。因此在制定房地產(chǎn)相關(guān)政策時，需關(guān)注房地產(chǎn)市場的地域性和時效性，根據(jù)具體調(diào)控目標的不同，對政策進行有針對性的選擇。本文提出以下兩個方面的具體建議：

（1）土地政策方面：土地價格水平是影響住房價格長期趨勢的重要因素，因此土地方面應是房地產(chǎn)市場長期調(diào)控關(guān)注的焦點。我國現(xiàn)行的土地政策致使土地并沒有完全市場化，土地規(guī)劃、收取出讓金等職責均集中于政府，相關(guān)活動之間缺乏制約，從而影響了土地市場的進一步發(fā)展。土地市場的良好發(fā)展是保證房地產(chǎn)市場穩(wěn)定的必要條件，推動土地交易市場化，是在長期內(nèi)控制住房價格的有效措施。

（2）信貸政策方面：住房貸款利率同樣應是長期調(diào)控的重點內(nèi)容，它的上升在長期內(nèi)會抑制住房價格的上漲，因此當需要在長期內(nèi)穩(wěn)定住房價格時，提高住房貸款利率通常會是一個見效緩慢、但作用持久的選擇。短期內(nèi)，住房貸款利率也有可能會發(fā)揮抑制住房價格的作用，也有可能會發(fā)揮相反的作用，因此在選擇的時候應依據(jù)地區(qū)的特性而制定政策。房地產(chǎn)開發(fā)投資額是一項對住房價格長期趨勢和短期波動都有影響的指標，通常情況下它的上升在短期內(nèi)可以抑制住房價格的上漲，而在長期內(nèi)會促進住房價格的上漲，但在有的地區(qū)無論長期還是短期都會抑制住房價格的上漲。因此，對房地產(chǎn)開發(fā)投資額的調(diào)控應當謹慎，一般而言，在長期內(nèi)應使其緩慢下降，在短期內(nèi)則不可采取限制性過強的政策。

參 考 文 獻：

[1]Egert B， Mihaljek D. Determinants of house prices in central and Eastern Europe[J]. Comparative Economic Studies， 2007， 49： 367388.

[2]Potepan M J. Explaining intermetropolitan variation in housing prices， rents and land prices[J]. Real Estate Economic， 1996， 24： 219245.

[3]Quigley J M. Real estate prices and economic cycles[J]. International Real Estate Review， 1999， 2（1）： 120.

[4]沈悅，劉洪玉.住宅價格與經(jīng)濟基本面：19952002年中國14城市的實證研究[J].經(jīng)濟研究，2004，（6）：7886.

[5]陳超，柳子君，肖輝.從供給視角看我國房地產(chǎn)市場的“兩難困境”[J].金融研究，2011，（1）：7393.

[6]溫海珍.城市住宅的特征價格：理論分析與實證研究[D].杭州：浙江大學，2004.

[7]張亞麗，梁云芳，高鐵梅.預期收入、收益率和房價波動——基于35個城市動態(tài)面板模型的研究[J].財貿(mào)經(jīng)濟，2011，（1）：122129.

[8]Case K E， Shiller R J. The efficiency of the market for singlefamily homes[J]. American Economic Review， 1989， 79（1）： 125137.

[9]Larsen E R， Weum S. Home， sweet home or is italways？ Testing the efficiency of the Norwegian housing market[R]. Statistics Norway， Discussion Papers No.506， 2007.

[10]Guntermann K L， Smith R L. Efficiency of the market for residential real estate[J]. Land Economics， 1987， 63： 3445.

[11]Rosenthal L. Efficiency and seasonality in the UK housing market 19912001[J]. Oxford Bulletin of Economics and Statistics， 2006， 68（3）： 289317.

[12]鄭思齊，劉洪玉.房地產(chǎn)市場有效性研究——以北京和上海為例[J].商業(yè)研究，2006，（7）：191195.

[13]Malpezzi S. A simple error correction model of house prices[J]. Journal of Housing Economics， 1999， 8（1）： 2762.

[14]Klyuev V. What goes up must come down？ House price dynamics in the United States[R]. IMF Working Paper， WP/08/187， 2008.

[15]Tumbarello P， Wang S. What drives house prices in Australia？ A crosscountry approach[R]. IMF Working Paper， WP/10/291， 2010.

[16]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)濟研究，2007，（8）：133142.

[17]Abraham J M， Hendershott P H. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996， 7（2）： 191207.

[18]Capozza D R， Hendershott P H， Mack C， et al.. Determinants of real house price dynamics[R]. NBER Working Paper， No.9262， 2002.

[19]Capozza D R， Hendershott P H， Mack C. An anatomy of price dynamics in illiquid markets： analysis and evidence from local housing markets[J]. Real Estate Economics， 2004， 32（1）： 132.

[20]Malpezzi S， Wachter S M. The role of speculation in real estate cycles[J]. Journal of Real Estate Literature， 2005， 13（2）： 143164.

[21]Chen C， Carbachoburgos A， Mehra S， et al.. The moodys analytics caseshiller home price index forecast methodology[R]. Economic & Consumer Credit Analytics， 2011.

[22]洪濤，高波，毛中根.外生沖擊與房地產(chǎn)真實價格波動[J].財貿(mào)經(jīng)濟，2005，31（11）：8897.

綜上所述，在住房價格短期波動方面，土地價格水平、人口、地區(qū)人均國內(nèi)生產(chǎn)總值、住房貸款利率、人均收入、房地產(chǎn)開發(fā)投資額這六個解釋變量在不同的地區(qū)具有不同的解釋力。

5 結(jié)論與政策建議

本文通過建立AH模型，得出了全國35個大中城市以及四個區(qū)域的住房價格長期趨勢及短期波動影響因素。相同的影響因素在不同的地區(qū)發(fā)揮著不同的作用；相同的影響因素在長期趨勢和短期波動過程中的作用可能會有所不同，甚至是相反的。因此在制定房地產(chǎn)相關(guān)政策時，需關(guān)注房地產(chǎn)市場的地域性和時效性，根據(jù)具體調(diào)控目標的不同，對政策進行有針對性的選擇。本文提出以下兩個方面的具體建議：

（1）土地政策方面：土地價格水平是影響住房價格長期趨勢的重要因素，因此土地方面應是房地產(chǎn)市場長期調(diào)控關(guān)注的焦點。我國現(xiàn)行的土地政策致使土地并沒有完全市場化，土地規(guī)劃、收取出讓金等職責均集中于政府，相關(guān)活動之間缺乏制約，從而影響了土地市場的進一步發(fā)展。土地市場的良好發(fā)展是保證房地產(chǎn)市場穩(wěn)定的必要條件，推動土地交易市場化，是在長期內(nèi)控制住房價格的有效措施。

（2）信貸政策方面：住房貸款利率同樣應是長期調(diào)控的重點內(nèi)容，它的上升在長期內(nèi)會抑制住房價格的上漲，因此當需要在長期內(nèi)穩(wěn)定住房價格時，提高住房貸款利率通常會是一個見效緩慢、但作用持久的選擇。短期內(nèi)，住房貸款利率也有可能會發(fā)揮抑制住房價格的作用，也有可能會發(fā)揮相反的作用，因此在選擇的時候應依據(jù)地區(qū)的特性而制定政策。房地產(chǎn)開發(fā)投資額是一項對住房價格長期趨勢和短期波動都有影響的指標，通常情況下它的上升在短期內(nèi)可以抑制住房價格的上漲，而在長期內(nèi)會促進住房價格的上漲，但在有的地區(qū)無論長期還是短期都會抑制住房價格的上漲。因此，對房地產(chǎn)開發(fā)投資額的調(diào)控應當謹慎，一般而言，在長期內(nèi)應使其緩慢下降，在短期內(nèi)則不可采取限制性過強的政策。

參 考 文 獻：

[1]Egert B， Mihaljek D. Determinants of house prices in central and Eastern Europe[J]. Comparative Economic Studies， 2007， 49： 367388.

[2]Potepan M J. Explaining intermetropolitan variation in housing prices， rents and land prices[J]. Real Estate Economic， 1996， 24： 219245.

[3]Quigley J M. Real estate prices and economic cycles[J]. International Real Estate Review， 1999， 2（1）： 120.

[4]沈悅，劉洪玉.住宅價格與經(jīng)濟基本面：19952002年中國14城市的實證研究[J].經(jīng)濟研究，2004，（6）：7886.

[5]陳超，柳子君，肖輝.從供給視角看我國房地產(chǎn)市場的“兩難困境”[J].金融研究，2011，（1）：7393.

[6]溫海珍.城市住宅的特征價格：理論分析與實證研究[D].杭州：浙江大學，2004.

[7]張亞麗，梁云芳，高鐵梅.預期收入、收益率和房價波動——基于35個城市動態(tài)面板模型的研究[J].財貿(mào)經(jīng)濟，2011，（1）：122129.

[8]Case K E， Shiller R J. The efficiency of the market for singlefamily homes[J]. American Economic Review， 1989， 79（1）： 125137.

[9]Larsen E R， Weum S. Home， sweet home or is italways？ Testing the efficiency of the Norwegian housing market[R]. Statistics Norway， Discussion Papers No.506， 2007.

[10]Guntermann K L， Smith R L. Efficiency of the market for residential real estate[J]. Land Economics， 1987， 63： 3445.

[11]Rosenthal L. Efficiency and seasonality in the UK housing market 19912001[J]. Oxford Bulletin of Economics and Statistics， 2006， 68（3）： 289317.

[12]鄭思齊，劉洪玉.房地產(chǎn)市場有效性研究——以北京和上海為例[J].商業(yè)研究，2006，（7）：191195.

[13]Malpezzi S. A simple error correction model of house prices[J]. Journal of Housing Economics， 1999， 8（1）： 2762.

[14]Klyuev V. What goes up must come down？ House price dynamics in the United States[R]. IMF Working Paper， WP/08/187， 2008.

[15]Tumbarello P， Wang S. What drives house prices in Australia？ A crosscountry approach[R]. IMF Working Paper， WP/10/291， 2010.

[16]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)濟研究，2007，（8）：133142.

[17]Abraham J M， Hendershott P H. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996， 7（2）： 191207.

[18]Capozza D R， Hendershott P H， Mack C， et al.. Determinants of real house price dynamics[R]. NBER Working Paper， No.9262， 2002.

[19]Capozza D R， Hendershott P H， Mack C. An anatomy of price dynamics in illiquid markets： analysis and evidence from local housing markets[J]. Real Estate Economics， 2004， 32（1）： 132.

[20]Malpezzi S， Wachter S M. The role of speculation in real estate cycles[J]. Journal of Real Estate Literature， 2005， 13（2）： 143164.

[21]Chen C， Carbachoburgos A， Mehra S， et al.. The moodys analytics caseshiller home price index forecast methodology[R]. Economic & Consumer Credit Analytics， 2011.

[22]洪濤，高波，毛中根.外生沖擊與房地產(chǎn)真實價格波動[J].財貿(mào)經(jīng)濟，2005，31（11）：8897.

綜上所述，在住房價格短期波動方面，土地價格水平、人口、地區(qū)人均國內(nèi)生產(chǎn)總值、住房貸款利率、人均收入、房地產(chǎn)開發(fā)投資額這六個解釋變量在不同的地區(qū)具有不同的解釋力。

5 結(jié)論與政策建議

本文通過建立AH模型，得出了全國35個大中城市以及四個區(qū)域的住房價格長期趨勢及短期波動影響因素。相同的影響因素在不同的地區(qū)發(fā)揮著不同的作用；相同的影響因素在長期趨勢和短期波動過程中的作用可能會有所不同，甚至是相反的。因此在制定房地產(chǎn)相關(guān)政策時，需關(guān)注房地產(chǎn)市場的地域性和時效性，根據(jù)具體調(diào)控目標的不同，對政策進行有針對性的選擇。本文提出以下兩個方面的具體建議：

（1）土地政策方面：土地價格水平是影響住房價格長期趨勢的重要因素，因此土地方面應是房地產(chǎn)市場長期調(diào)控關(guān)注的焦點。我國現(xiàn)行的土地政策致使土地并沒有完全市場化，土地規(guī)劃、收取出讓金等職責均集中于政府，相關(guān)活動之間缺乏制約，從而影響了土地市場的進一步發(fā)展。土地市場的良好發(fā)展是保證房地產(chǎn)市場穩(wěn)定的必要條件，推動土地交易市場化，是在長期內(nèi)控制住房價格的有效措施。

（2）信貸政策方面：住房貸款利率同樣應是長期調(diào)控的重點內(nèi)容，它的上升在長期內(nèi)會抑制住房價格的上漲，因此當需要在長期內(nèi)穩(wěn)定住房價格時，提高住房貸款利率通常會是一個見效緩慢、但作用持久的選擇。短期內(nèi)，住房貸款利率也有可能會發(fā)揮抑制住房價格的作用，也有可能會發(fā)揮相反的作用，因此在選擇的時候應依據(jù)地區(qū)的特性而制定政策。房地產(chǎn)開發(fā)投資額是一項對住房價格長期趨勢和短期波動都有影響的指標，通常情況下它的上升在短期內(nèi)可以抑制住房價格的上漲，而在長期內(nèi)會促進住房價格的上漲，但在有的地區(qū)無論長期還是短期都會抑制住房價格的上漲。因此，對房地產(chǎn)開發(fā)投資額的調(diào)控應當謹慎，一般而言，在長期內(nèi)應使其緩慢下降，在短期內(nèi)則不可采取限制性過強的政策。

參 考 文 獻：

[1]Egert B， Mihaljek D. Determinants of house prices in central and Eastern Europe[J]. Comparative Economic Studies， 2007， 49： 367388.

[2]Potepan M J. Explaining intermetropolitan variation in housing prices， rents and land prices[J]. Real Estate Economic， 1996， 24： 219245.

[3]Quigley J M. Real estate prices and economic cycles[J]. International Real Estate Review， 1999， 2（1）： 120.

[4]沈悅，劉洪玉.住宅價格與經(jīng)濟基本面：19952002年中國14城市的實證研究[J].經(jīng)濟研究，2004，（6）：7886.

[5]陳超，柳子君，肖輝.從供給視角看我國房地產(chǎn)市場的“兩難困境”[J].金融研究，2011，（1）：7393.

[6]溫海珍.城市住宅的特征價格：理論分析與實證研究[D].杭州：浙江大學，2004.

[7]張亞麗，梁云芳，高鐵梅.預期收入、收益率和房價波動——基于35個城市動態(tài)面板模型的研究[J].財貿(mào)經(jīng)濟，2011，（1）：122129.

[8]Case K E， Shiller R J. The efficiency of the market for singlefamily homes[J]. American Economic Review， 1989， 79（1）： 125137.

[9]Larsen E R， Weum S. Home， sweet home or is italways？ Testing the efficiency of the Norwegian housing market[R]. Statistics Norway， Discussion Papers No.506， 2007.

[10]Guntermann K L， Smith R L. Efficiency of the market for residential real estate[J]. Land Economics， 1987， 63： 3445.

[11]Rosenthal L. Efficiency and seasonality in the UK housing market 19912001[J]. Oxford Bulletin of Economics and Statistics， 2006， 68（3）： 289317.

[12]鄭思齊，劉洪玉.房地產(chǎn)市場有效性研究——以北京和上海為例[J].商業(yè)研究，2006，（7）：191195.

[13]Malpezzi S. A simple error correction model of house prices[J]. Journal of Housing Economics， 1999， 8（1）： 2762.

[14]Klyuev V. What goes up must come down？ House price dynamics in the United States[R]. IMF Working Paper， WP/08/187， 2008.

[15]Tumbarello P， Wang S. What drives house prices in Australia？ A crosscountry approach[R]. IMF Working Paper， WP/10/291， 2010.

[16]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)濟研究，2007，（8）：133142.

[17]Abraham J M， Hendershott P H. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996， 7（2）： 191207.

[18]Capozza D R， Hendershott P H， Mack C， et al.. Determinants of real house price dynamics[R]. NBER Working Paper， No.9262， 2002.

[19]Capozza D R， Hendershott P H， Mack C. An anatomy of price dynamics in illiquid markets： analysis and evidence from local housing markets[J]. Real Estate Economics， 2004， 32（1）： 132.

[20]Malpezzi S， Wachter S M. The role of speculation in real estate cycles[J]. Journal of Real Estate Literature， 2005， 13（2）： 143164.

[21]Chen C， Carbachoburgos A， Mehra S， et al.. The moodys analytics caseshiller home price index forecast methodology[R]. Economic & Consumer Credit Analytics， 2011.

[22]洪濤，高波，毛中根.外生沖擊與房地產(chǎn)真實價格波動[J].財貿(mào)經(jīng)濟，2005，31（11）：8897.