周峰,楊美超
(安徽財(cái)經(jīng)大學(xué)金融學(xué)院,安徽蚌埠233030)
城市間房地產(chǎn)價(jià)格波動(dòng)差異的動(dòng)態(tài)分析
周峰,楊美超
(安徽財(cái)經(jīng)大學(xué)金融學(xué)院,安徽蚌埠233030)
不同經(jīng)濟(jì)發(fā)展水平城市的房?jī)r(jià)波動(dòng)存在著明顯的差異。為探析造成這種差異的深層次原因,分別選取一、二、三線有代表性的城市作為樣本,首先直觀地分析了各類(lèi)別城市之間房?jī)r(jià)的波動(dòng)差異。然后針對(duì)不同類(lèi)別城市分別建立了面板數(shù)據(jù)模型(Panel Data)和誤差修正模型(ECM),深入分析造成房?jī)r(jià)波動(dòng)差異的長(zhǎng)期和短期原因。結(jié)果表明:收入對(duì)不同類(lèi)別城市房?jī)r(jià)影響不同,并且對(duì)同一類(lèi)別城市房?jī)r(jià)的長(zhǎng)期和短期影響也不一樣;實(shí)際利率對(duì)一線城市房?jī)r(jià)影響顯著,而對(duì)二、三線城市房?jī)r(jià)影響不顯著;經(jīng)濟(jì)發(fā)展水平越高的城市,房?jī)r(jià)由短期非均衡向長(zhǎng)期均衡調(diào)整的速度越快。最后根據(jù)以上分析給出政策建議。
房?jī)r(jià);波動(dòng)差異;面板數(shù)據(jù)模型;誤差修正模型;動(dòng)態(tài)調(diào)整
我國(guó)的房地產(chǎn)市場(chǎng)從本世紀(jì)初開(kāi)始,已經(jīng)繁榮了十余年,對(duì)我國(guó)經(jīng)濟(jì)產(chǎn)生了巨大影響。房?jī)r(jià)的波動(dòng)與人們的生活息息相關(guān)。近幾年來(lái)我國(guó)房?jī)r(jià)頻繁波動(dòng),由于我國(guó)各城市間經(jīng)濟(jì)發(fā)展水平以及房地產(chǎn)行業(yè)發(fā)展程度等因素的差別,各城市房地產(chǎn)價(jià)格波動(dòng)呈現(xiàn)出明顯的異質(zhì)性。面對(duì)房?jī)r(jià)的波動(dòng),政府傾向于實(shí)施總體性的宏觀調(diào)控政策,然而這些政策對(duì)各城市房?jī)r(jià)調(diào)控效果不一,甚至對(duì)于某些城市房?jī)r(jià)起到反面作用,扭曲了房地產(chǎn)價(jià)格形成機(jī)制。在經(jīng)濟(jì)新常態(tài)的大背景下,當(dāng)前房?jī)r(jià)上漲乏力。本文擬對(duì)經(jīng)濟(jì)發(fā)展水平不同的各類(lèi)別城市房?jī)r(jià)波動(dòng)差異以及造成這種差異的長(zhǎng)、短期原因進(jìn)行深入分析,以期為國(guó)家實(shí)行差異化的宏觀調(diào)控政策提供政策建議。
國(guó)內(nèi)外學(xué)者在房?jī)r(jià)影響因素的差異研究方面做了巨大貢獻(xiàn)。主要側(cè)重于兩種方式:一種是將全國(guó)從地理位置上劃分為不同區(qū)域,再對(duì)各區(qū)域分別建立面板模型,從而分析各區(qū)域房?jī)r(jià)波動(dòng)的影響因素的異同;另一種是選取若干大城市,從總體上分析這些城市的房?jī)r(jià)波動(dòng)及影響因素。
國(guó)外學(xué)者對(duì)區(qū)域或者城市差異與房?jī)r(jià)波動(dòng)之間關(guān)系進(jìn)行了研究。如Mayer(2005)等分析了住宅成本對(duì)美國(guó)46個(gè)大都市房?jī)r(jià)的影響[1]。Zan Yang et al(2010)研究了貨幣政策對(duì)瑞典各地區(qū)房?jī)r(jià)的異質(zhì)性影響,發(fā)現(xiàn)貨幣政策對(duì)住宅價(jià)格的影響具有區(qū)域差異性,利率因素在核心經(jīng)濟(jì)區(qū)對(duì)房?jī)r(jià)具有顯著影響[2]。Azad Chowdhury R et al(2014)基于馬爾科夫轉(zhuǎn)換向量自回歸(MSVAR)模型分析了英國(guó)9個(gè)地區(qū)的房?jī)r(jià)變動(dòng)周期的差異。研究發(fā)現(xiàn)這9個(gè)地區(qū)可以劃分為兩大區(qū)域,這兩大區(qū)域在房?jī)r(jià)變化周期的規(guī)模、持續(xù)時(shí)間等方面存在很大的差異,并且實(shí)施統(tǒng)一的房屋調(diào)控和貨幣政策會(huì)擴(kuò)大上述差異[3]。
國(guó)內(nèi)的研究主要有:羅剛強(qiáng)、趙濤(2010)在存量-流量理論框架基礎(chǔ)上建立了面板數(shù)據(jù)模型,實(shí)證分析了1999-2008年間中國(guó)東、中、西部經(jīng)濟(jì)基本面因素對(duì)住房?jī)r(jià)格波動(dòng)的影響[4]。梁云芳、高鐵梅(2007)也將全國(guó)省份劃分為東、中、西三個(gè)部分,再分別建立誤差修正模型和面板數(shù)據(jù)模型分析這幾個(gè)區(qū)域房?jī)r(jià)波動(dòng)的長(zhǎng)、短期差異及其原因,并重點(diǎn)研究了宏觀貨幣政策對(duì)不同區(qū)域的影響[5]。張亞麗、梁云芳、高鐵梅(2011)對(duì)我國(guó)35個(gè)大中城市建立了房?jī)r(jià)決定模型,分析了預(yù)期收入、收益率與房?jī)r(jià)波動(dòng)之間的關(guān)系[6]。魏瑋、王洪衛(wèi)(2010)利用面板向量自回歸(PVAR)模型分析了不同類(lèi)型的貨幣政策工具對(duì)我國(guó)東、中、西部地區(qū)房?jī)r(jià)的影響特征[7]。
綜上所述,以上學(xué)者考慮了房?jī)r(jià)波動(dòng)的區(qū)域差異,但是卻忽略了同一省份內(nèi)部城市之間經(jīng)濟(jì)狀況、房地產(chǎn)行業(yè)發(fā)展水平等的差異性;另外他們所選取的城市基本屬于同類(lèi)的城市,這就忽視了經(jīng)濟(jì)發(fā)展水平差異、自然稟賦不同以及金融環(huán)境懸殊等因素對(duì)房?jī)r(jià)可能造成的影響。本文在前人的研究基礎(chǔ)上從新的角度分析了房?jī)r(jià)影響因素的差異:考慮到同一類(lèi)別城市之間政治、經(jīng)濟(jì)、房地產(chǎn)市場(chǎng)、金融發(fā)展水平、消費(fèi)習(xí)慣等因素相似,不同類(lèi)別城市之間這些因素有著明顯差異,選取一、二、三線若干代表性城市為樣本①,分析了經(jīng)濟(jì)發(fā)展水平不同的城市房?jī)r(jià)波動(dòng)差異的本質(zhì)原因。下文首先定性分析了一、二、三線城市間房?jī)r(jià)波動(dòng)的區(qū)別,然后在理論分析基礎(chǔ)上選取合適指標(biāo),基于本文的研究重點(diǎn)以及數(shù)據(jù)的可得性,分析了影響不同類(lèi)別城市房?jī)r(jià)的長(zhǎng)短期因素。
我國(guó)各城市經(jīng)濟(jì)發(fā)展水平、房地產(chǎn)行業(yè)發(fā)展程度等方面存在很大的差異,使得房?jī)r(jià)的城市差異性在我國(guó)表現(xiàn)的尤為明顯。分別選取一、二、三線中部分城市的房?jī)r(jià)數(shù)據(jù),其變動(dòng)如圖1、圖2、圖3所示:
圖1 一線城市房?jī)r(jià)趨勢(shì)圖
圖2 二線代表性城市房?jī)r(jià)走勢(shì)圖
圖3 三線代表性城市房?jī)r(jià)趨勢(shì)圖
在圖1、2、3中均引入了全國(guó)房屋均價(jià),以便于更直觀地將全國(guó)房?jī)r(jià)與各城市房?jī)r(jià)進(jìn)行比較。由圖可以看出各類(lèi)別的城市房?jī)r(jià)雖然在某些年份有所下降,但總體趨勢(shì)都是上升的。具體來(lái)說(shuō),一線城市的房?jī)r(jià)明顯高于全國(guó)的平均水平。2004年以前,各城市房屋均價(jià)相對(duì)集中,房?jī)r(jià)上漲較為緩慢。在2004年以后房?jī)r(jià)上漲速度加快,各城市之間的房屋均價(jià)變得日趨分散,并且越來(lái)越偏離全國(guó)均價(jià)。城市商品住房銷(xiāo)售均價(jià)從2001年的4 047.2元/平方米上升了到2012年13 886元/平方米,到2014年底北京中心城區(qū)新房均價(jià)最高達(dá)到150 000元/平方米。二線城市(除南京外)的房?jī)r(jià)與全國(guó)均價(jià)相差不大,并且上升趨勢(shì)和幅度與全國(guó)平均水平較為一致,由圖可以看出二線各城市之間房?jī)r(jià)的變動(dòng)趨勢(shì)和幅度也很相近。三線城市(除太原外)房?jī)r(jià)大部分位于全國(guó)均價(jià)以下,且與全國(guó)均價(jià)差距較小,并且房?jī)r(jià)上升幅度與全國(guó)均價(jià)也比較一致。
(一)指標(biāo)說(shuō)明以及數(shù)據(jù)來(lái)源
房地產(chǎn)價(jià)格受多種因素影響,有些在長(zhǎng)期對(duì)房?jī)r(jià)起作用,有些在短期對(duì)房?jī)r(jià)起作用。根據(jù)上述分析以及本文的研究重點(diǎn),選用的指標(biāo)如下:選取各城市住宅商品房平均銷(xiāo)售價(jià)格(記為PH)來(lái)表示房?jī)r(jià),作為因變量。選取各城市的人均GDP(記為INC),反映居民的生活水平,居民的生活水平的提高一方面會(huì)增加對(duì)住宅商品房的有效需求,另一方面會(huì)增加對(duì)住宅商品房的投資性需求。商品房成交量(用住宅商品房銷(xiāo)售面積代替,記為SH),是衡量當(dāng)期住宅市場(chǎng)成交量的重要指標(biāo)。選取商業(yè)銀行五年期貸款基準(zhǔn)利率(記為rr)作為利率因素,將利率剔除各城市的CPI,作為各城市的實(shí)際基準(zhǔn)利率。為消除異方差性,在后續(xù)研究中,對(duì)上述指標(biāo)進(jìn)行了對(duì)數(shù)處理。由于某些城市的實(shí)際利率為負(fù),因此對(duì)實(shí)際利率不進(jìn)行對(duì)數(shù)處理。
由于大部分變量數(shù)據(jù)只公布到2012年,因此本文選用2001-2012年的數(shù)據(jù)進(jìn)行實(shí)證分析。本文數(shù)據(jù)選自于《中國(guó)統(tǒng)計(jì)年鑒》、《城市統(tǒng)計(jì)年鑒》和wind數(shù)據(jù)庫(kù)。
(二)數(shù)據(jù)平穩(wěn)性檢驗(yàn)
在進(jìn)行實(shí)證分析之前,為避免由于數(shù)據(jù)的非平穩(wěn)性導(dǎo)致偽回歸現(xiàn)象的出現(xiàn),本文先對(duì)有關(guān)數(shù)據(jù)進(jìn)行面板單位根檢驗(yàn)。面板單位根檢驗(yàn)的方法有多種,各檢驗(yàn)都有各自的優(yōu)點(diǎn)和不足,為了使檢驗(yàn)更加準(zhǔn)確,本文選用相同根的LLC檢驗(yàn)和不同根的IPS檢驗(yàn)與Fisher-ADF檢驗(yàn)。應(yīng)用Eviews 8.0軟件,檢驗(yàn)結(jié)果顯示,在顯著性水平為5%的前提下,綜合三種檢驗(yàn)方法,一、二、三線城市住宅商品房銷(xiāo)售均價(jià)的對(duì)數(shù)Ln(PH)、商品房銷(xiāo)售面積的對(duì)數(shù)Ln(SH)以及人均GDP的對(duì)數(shù)Ln(INC)的水平值都是非平穩(wěn)的。而他們各自的一階差分值顯示都是平穩(wěn)的,并且結(jié)果非常顯著,從而以上三變量屬于一階單整I(1)序列,而實(shí)際利率的水平值是平穩(wěn)的,因此實(shí)際利率屬于I(0)序列。
(三)數(shù)據(jù)協(xié)整關(guān)系檢驗(yàn)
由上述單位根檢驗(yàn)結(jié)果知,住宅商品房銷(xiāo)售均價(jià)、銷(xiāo)售面積以及人均GDP為同階單整,為了判斷各變量之間是否存在長(zhǎng)期穩(wěn)定關(guān)系,需對(duì)各變量的數(shù)據(jù)進(jìn)行面板協(xié)整檢驗(yàn)。面板協(xié)整檢驗(yàn)的方法主要有兩類(lèi),一類(lèi)是基于面板數(shù)據(jù)協(xié)整回歸檢驗(yàn)式殘差數(shù)據(jù)單位根檢驗(yàn)的面板協(xié)整檢驗(yàn),是對(duì)Engle-Granger兩步法的推廣,屬于第一代面板協(xié)整檢驗(yàn)。前人對(duì)房?jī)r(jià)影響因素的研究多使用此類(lèi)方法。但此類(lèi)方法有諸多不足。本文采用第二代面板協(xié)整檢驗(yàn)方法,即基于推廣的Johansen跡的Fisher檢驗(yàn)方法,它能夠檢驗(yàn)多個(gè)協(xié)整關(guān)系并且允許面板數(shù)據(jù)存在平穩(wěn)的或非平穩(wěn)的共同成分,即面板數(shù)據(jù)的空間相關(guān)性。檢驗(yàn)結(jié)果如表3所示:
表1 一、二、三線城市變量面板數(shù)據(jù)協(xié)整檢驗(yàn)結(jié)果
由表1的檢驗(yàn)結(jié)果可知,一、二、三線城市變量之間均存在顯著的協(xié)整關(guān)系,且至少存在三個(gè)協(xié)整關(guān)系。說(shuō)明各城市的變量間存在長(zhǎng)期均衡。從而可以對(duì)一、二、三線城市分別建立面板模型。
(四)面板數(shù)據(jù)模型(Panal Data)
面板模型表達(dá)的是變量之間的長(zhǎng)期均衡關(guān)系。本節(jié)將對(duì)一、二、三線城市分別建立面板數(shù)據(jù)模型。由于本文數(shù)據(jù)較少,如果通過(guò)F檢驗(yàn)來(lái)確定模型形式,會(huì)出現(xiàn)截面數(shù)不足,參數(shù)無(wú)法估計(jì)的問(wèn)題。但是考慮到所選取的樣本是三個(gè)類(lèi)別的城市數(shù)據(jù),每個(gè)類(lèi)別的城市之間由于房地產(chǎn)發(fā)展程度,經(jīng)濟(jì)發(fā)展水平等因素具有很大的相似性,可假設(shè)每一類(lèi)別的城市間不存在經(jīng)濟(jì)結(jié)構(gòu)性差異。因此可以對(duì)一、二、三線城市分別建立不變參數(shù)的面板數(shù)據(jù)模型。模型形式如下:
其中j=1,2,3分別表示一、二、三線城市的面板方程,i表示每個(gè)面板方程的截面標(biāo)識(shí),βj2表示房?jī)r(jià)對(duì)人均國(guó)內(nèi)生產(chǎn)總值的彈性,βj3表示房?jī)r(jià)對(duì)房屋交易面積的彈性,uj,it是隨機(jī)擾動(dòng)項(xiàng)。模型估計(jì)結(jié)果如下:
表2 面板上數(shù)據(jù)模型估計(jì)結(jié)果(括號(hào)內(nèi)是Prob.值)
由表2知,在長(zhǎng)期,一、二、三線城市的房?jī)r(jià)對(duì)人均GDP的彈性系數(shù)均為正值,說(shuō)明人均GDP在長(zhǎng)期對(duì)房?jī)r(jià)起了推動(dòng)作用。這主要是因?yàn)殡S著居民收入水平的上升,人們對(duì)住房的有效需求也隨之增加,從而推高了房?jī)r(jià),這與現(xiàn)實(shí)情況相一致。人均GDP對(duì)一線城市房?jī)r(jià)的長(zhǎng)期影響最大,對(duì)二線城市的作用次之,對(duì)三線城市的長(zhǎng)期影響較小。這主要是因?yàn)槌鞘薪?jīng)濟(jì)發(fā)展水平越高,房地產(chǎn)業(yè)與金融業(yè)都更加成熟,人們對(duì)于投資或者投機(jī)的經(jīng)濟(jì)意識(shí)越強(qiáng)烈,而房地產(chǎn)在過(guò)去十年一直是公認(rèn)的高收益、低風(fēng)險(xiǎn)的投資性資產(chǎn),尤其在金融危機(jī)時(shí)期。這就導(dǎo)致社會(huì)上大量的避險(xiǎn)和投資資金流入房地產(chǎn)市場(chǎng),且經(jīng)濟(jì)發(fā)展水平越高的地區(qū)越明顯。這也能在一定程度上解釋近幾次的房地產(chǎn)泡沫在發(fā)達(dá)城市比較嚴(yán)重的現(xiàn)象。
在住房成交量方面,從長(zhǎng)期來(lái)看,住房成交量對(duì)一、二線城市房?jī)r(jià)的影響為負(fù)值,并且影響逐漸降低,對(duì)三線城市的影響不顯著。住房成交量的增加,會(huì)在一定程度上抑制一、二線城市房?jī)r(jià)上漲,這主要是因?yàn)槌山涣康脑黾釉陂L(zhǎng)期會(huì)不斷滿(mǎn)足居民對(duì)房屋的需求。我們知道有效需求過(guò)多,出現(xiàn)供不應(yīng)求時(shí)就會(huì)導(dǎo)致價(jià)格上漲,而當(dāng)需求不斷滿(mǎn)足后,住房?jī)r(jià)格的上行壓力就會(huì)減輕。成交量對(duì)一、二線城市的影響逐漸降低,對(duì)三線城市影響不顯著,可能的解釋是在本文所研究的年份中,我國(guó)二、三線城市化進(jìn)程不斷推進(jìn),尤其是三線城市,城市人口的不斷增加,收入的不斷提高使得即使成交量在增加,也并沒(méi)有降低居民對(duì)房屋的有效需求。
(五)面板誤差修正模型(ECM)
以上建立的面板數(shù)據(jù)模型描述了房?jī)r(jià)影響因素間的長(zhǎng)期均衡關(guān)系,但現(xiàn)實(shí)經(jīng)濟(jì)運(yùn)行往往是非均衡的。為此,本部分將建立誤差修正模型,以分析房地產(chǎn)市場(chǎng)由短期非均衡向長(zhǎng)期均衡的動(dòng)態(tài)逼近過(guò)程[8]。
由(1)式的估計(jì)方程可以得到殘差序列,將其作為誤差修正模型的誤差修正項(xiàng),即:
經(jīng)檢驗(yàn),上式殘差序列是平穩(wěn)I(0)序列,在誤差修正模型中引入實(shí)際利率rr以及房?jī)r(jià)的一階滯后項(xiàng)兩個(gè)因素。建立如下誤差修正模型:
上式變量前面的D是對(duì)相應(yīng)變量進(jìn)行差分,表示各變量的波動(dòng)。變量前的系數(shù)表示短期彈性。加入房?jī)r(jià)的滯后項(xiàng)以反映前期房?jī)r(jià)對(duì)本期房?jī)r(jià)的影響,即房?jī)r(jià)的適應(yīng)性預(yù)期的影響。上式中ecmj,it項(xiàng)表示房?jī)r(jià)對(duì)均衡值的短期偏離。系數(shù)α表示房?jī)r(jià)從短期非均衡向長(zhǎng)期均衡的調(diào)整力度。綜上,上式表明房?jī)r(jià)不僅取決于各變量的短期變化,還取決于對(duì)房?jī)r(jià)的適應(yīng)性預(yù)期,以及房?jī)r(jià)偏離均衡值程度的影響。估計(jì)結(jié)果如表3:
表3 誤差修正模型估計(jì)結(jié)果(括號(hào)內(nèi)為Prob.值)
從表3可以看出,從短期來(lái)看,人均GDP對(duì)一線和二線城市房?jī)r(jià)的影響不顯著,而對(duì)三線城市的房?jī)r(jià)有正的推動(dòng)作用。結(jié)合長(zhǎng)期人均GDP對(duì)各類(lèi)城市房?jī)r(jià)的影響可以發(fā)現(xiàn),人均GDP增長(zhǎng)在長(zhǎng)期會(huì)增加居民所持有的財(cái)富,而財(cái)富存量的增長(zhǎng)會(huì)提高一、二線城市居民對(duì)房地產(chǎn)的投資或投機(jī)性需求。故人均GDP對(duì)一、二線城市的房?jī)r(jià)主要有長(zhǎng)期影響。人均GDP對(duì)于三線城市既有長(zhǎng)期影響又具有短期影響。因?yàn)槿€城市居民對(duì)于房地產(chǎn)主要是有效需求不足,當(dāng)居民收入增加,居民預(yù)期收入也會(huì)增加,導(dǎo)致居民的有效需求增加,人們便開(kāi)始貸款買(mǎi)房,從而刺激房?jī)r(jià)上漲。
實(shí)際利率在短期對(duì)一線城市的房?jī)r(jià)具有抑制作用,即隨著基準(zhǔn)利率的增加,短期內(nèi)會(huì)使一線城市房?jī)r(jià)下降。原因在于,利率的上升在短期會(huì)抑制一線城市居民對(duì)房屋的投機(jī)性需求。而對(duì)于二、三線城市,由于投資投機(jī)意識(shí)相比較弱,因此利率對(duì)二、三線城市居民的住宅商品房的需求影響較小,從而對(duì)二、三線城市的房?jī)r(jià)影響不顯著。
表3中所列變量在解釋短期波動(dòng)時(shí),部分解釋變量被剔除,從可決系數(shù)可以看出,未被剔除的變量只能解釋房?jī)r(jià)的部分變動(dòng)。房?jī)r(jià)的短期變動(dòng)是由多方面因素綜合作用的結(jié)果。通過(guò)調(diào)整系數(shù)可以發(fā)現(xiàn),一、二、三線城市調(diào)整系數(shù)均為負(fù)值,說(shuō)明房?jī)r(jià)在多種因素共同作用下都會(huì)從短期偏離向長(zhǎng)期均衡值回歸。且一線城市的調(diào)整系數(shù)的絕對(duì)值大于一、二線城市,說(shuō)明一線城市由短期的非均衡向長(zhǎng)期均衡回歸的力度更大,調(diào)整得更加迅速。這主要是因?yàn)榻?jīng)濟(jì)發(fā)展水平越高的城市,其市場(chǎng)價(jià)格機(jī)制越健全,金融以及房地產(chǎn)行業(yè)發(fā)展得越成熟,這些都有助于房?jī)r(jià)向長(zhǎng)期均衡的回歸。
綜上所述,文章為了盡可能全面地研究不同經(jīng)濟(jì)發(fā)展水平城市間的房?jī)r(jià)影響因素的差異,分別對(duì)一、二、三線城市建立了面板數(shù)據(jù)模型和面板誤差修正模型,用面板數(shù)據(jù)模型來(lái)分析不同類(lèi)別城市房?jī)r(jià)長(zhǎng)期影響因素的差別,用面板誤差修正模型來(lái)分析不同類(lèi)別城市房?jī)r(jià)短期影響因素的差異。根據(jù)前文的分析,得出如下結(jié)論:
首先,收入水平的提高對(duì)不同經(jīng)濟(jì)發(fā)展水平的城市影響不一樣,并且對(duì)于經(jīng)濟(jì)發(fā)展水平相同的城市長(zhǎng)期和短期影響也不一樣。主要表現(xiàn)在,收入水平的提高在長(zhǎng)期對(duì)經(jīng)濟(jì)發(fā)展水平高的城市不僅會(huì)提高人們對(duì)住房的基本需求,還會(huì)提高其投資和投機(jī)性需求。這是因?yàn)榻?jīng)濟(jì)發(fā)展程度高的城市,人們的投資意識(shí)強(qiáng),金融投資環(huán)境也更加成熟,更加便利,而對(duì)經(jīng)濟(jì)發(fā)展程度低的城市,主要是提高了居民對(duì)住房的基本有效需求,能買(mǎi)得起房子的人更多了。
其次,住房成交量在長(zhǎng)期對(duì)一、二線城市影響逐次遞減,對(duì)三線城市影響不顯著。這主要是因?yàn)樽》砍山涣糠从沉藢?duì)住房需求的滿(mǎn)足。三線城市在剛需的作用下住房成交量即使?jié)M足了部分有效需求,但近些年三線城市的城市化進(jìn)程不斷推進(jìn),居民對(duì)新房的剛需變動(dòng)不大,從而成交量對(duì)三線城市房?jī)r(jià)影響不顯著。
再次,實(shí)際利率在短期對(duì)一線城市的房?jī)r(jià)起了抑制作用,而對(duì)二、三線城市房?jī)r(jià)的影響不顯著。這種抑制作用主要是通過(guò)抑制對(duì)房屋的投資性需求來(lái)影響房?jī)r(jià)。
最后,從調(diào)整系數(shù)上來(lái)看,經(jīng)濟(jì)發(fā)展水平越高的城市,由于房地產(chǎn)業(yè)發(fā)展程度更高,金融環(huán)境更加完善,市場(chǎng)機(jī)制更加健全,房?jī)r(jià)在多因素共同作用下由短期非均衡向長(zhǎng)期均衡回歸得更快。
鑒于上述分析,給出如下的政策建議:首先,政府在實(shí)施調(diào)控政策時(shí)應(yīng)該考慮到不同經(jīng)濟(jì)發(fā)展水平的城市房?jī)r(jià)的影響因素具有很大的差異,不宜采取總體性的宏觀政策,應(yīng)針對(duì)不同經(jīng)濟(jì)發(fā)展水平的城市采取差異化的調(diào)控政策。如在經(jīng)濟(jì)發(fā)展水平高的城市實(shí)施的調(diào)控政策應(yīng)側(cè)重于抑制投機(jī)性需求。其次,應(yīng)不斷完善我國(guó)金融市場(chǎng),不斷健全市場(chǎng)機(jī)制、利率機(jī)制等,因?yàn)榱己玫沫h(huán)境和機(jī)制會(huì)使得房?jī)r(jià)更快地回歸均衡。
注釋?zhuān)?/p>
①一、二、三線城市的劃分來(lái)源于《中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫(kù)》,天津相對(duì)于其他一線城市的房?jī)r(jià)偏低,因此本文將其歸入二線城市中,而杭州由于其房?jī)r(jià)增長(zhǎng)與一線城市非常接近,將其歸入一線城市。本文為了使所選取的樣本具有代表性,選取樣本考慮城市發(fā)展水平的相似性,同時(shí)考慮地理位置的分布盡量分散。樣本中一線城市包括:北京、上海、深圳、廣州、杭州。二線城市包括:重慶、南京、成都、沈陽(yáng)、武漢、長(zhǎng)沙、天津、西安、鄭州。三線城市包括:南昌、石家莊、合肥、太原、貴陽(yáng)、蘭州。
[1]Charles Himmelberg,Christopher Mayer,Todd Sinai.Assessing High House Prices:Bubbles,F(xiàn)undamentals,and Misperceptions[J]. NBERWorking Paper No.11643,2005(9).
[2]Yang Z,Wang S,Campbell R.Monetary policy and regional price boom in Sweden[J].Journalof PolicyModeling,2010,32(6):865-879.
[3]Azad Chowdhury R,Maclennan D.Regional house price cycles in the UK,1978-2012:a Markov switching VAR[J].Journal of European Real Estate Research,2014,7(3):345-366.
[4]羅剛強(qiáng),趙濤.區(qū)域經(jīng)濟(jì)基本面與住房?jī)r(jià)格波動(dòng)——1999-2008年?yáng)|、中、西部地區(qū)房?jī)r(jià)動(dòng)力因素的經(jīng)驗(yàn)研究[J].西安電子科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2010(4):73-80.
[5]梁云芳,高鐵梅.中國(guó)房地產(chǎn)價(jià)格波動(dòng)區(qū)域差異的實(shí)證分析[J].經(jīng)濟(jì)研究,2007(8):133-142.
[6]張亞麗,梁云芳,高鐵梅.預(yù)期收入、收益率和房?jī)r(jià)波動(dòng)——基于35個(gè)城市動(dòng)態(tài)面板模型的研究[J].財(cái)貿(mào)經(jīng)濟(jì),2011(1):122-129.
[7]魏瑋,王洪衛(wèi).房地產(chǎn)價(jià)格對(duì)貨幣政策動(dòng)態(tài)響應(yīng)的區(qū)域異質(zhì)性——基于省際面板數(shù)據(jù)的實(shí)證分析[J].財(cái)經(jīng)研究,2010(6):123-132.
[8]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模:Eviews應(yīng)用及實(shí)例[M].北京:清華大學(xué)出版社,2005:295-296.
Dynam ic Analysis of the Differences of Fluctuations of Real Estate Price Among Citiesw ith Different Econom ic Levels
ZHOU Feng,YANGMei-chao
(Department of Finance,AnhuiUniversity of Finance and Economics,Bengbu,Anhui233030)
There exists obvious distinctions in the housing price fluctuation among cities with different economic levels.Taking some representative first-tier,second-tier and third-tier cities as examples,firstly,we analyze the different fluctuation characteristics of the different ranked cities qualitatively and then establish panel datamodel(Panel Data)and error correctionmodel(ECM)respectively among the three kinds of cities.According to these twomodels,we can draw a conclusion of the factors affecting the house prices and its influence from short-term to long-term.The conclusion indicates that incomes have different effects on different kinds of cities;real interest rates have significant effects on the first-tier cities,butnoton the second-tier or the third-tier cities.It is faster for the first-tier cities that the price of house regresses from volatility in short-term to equilibrium in long-term.Finally,we propose some policy suggestions.
housing price;fluctuation diversity;panel datamodel;ECM;dynamic change
F293.3
A
1671-9743(2015)04-0026-06
2015-03-11
周峰,1989年生,男,安徽安慶人,碩士研究生,研究方向:宏觀金融;楊美超,1990年生,女,安徽合肥人,碩士研究生,研究方向:經(jīng)濟(jì)增長(zhǎng)。