上海二手房房價影響因素

潘添翼，賈德錚

(上海立信會計金融學院，上海 201209)

1 國外住房價格影響

在西方發(fā)達國家，城市房價動態(tài)問題比我國更早地受到重視?，F(xiàn)代西方供求理論認為，市場中的價格是供給與需求均衡時的價格，Gottlieb認為長期房價變化與總體經(jīng)濟發(fā)展是同步的。Malpezzi用誤差修正模型研究了房價與收入之間的關系，但Gallin的實證研究并沒有發(fā)現(xiàn)房價與收入之間存在協(xié)整關系。

Nellis和Longbottom(1981)等外國學者實證研究顯示，城市居住人口數(shù)量、個人存款、利率水平以及通貨膨脹預期等因素對住宅價格有較大影響。Lennon H.T.Chony等(2007)對香港住房價格的實證研究表明，房齡、住宅周邊環(huán)境及綠化、附近交通公交站點布局等是影響區(qū)域住宅價格的主要因素。

2 國內宏觀的貨幣供應對于房價的影響

2.1 貨幣供應量的影響

在20世紀90年代之后，房屋價格才基本與宏觀經(jīng)濟研究方法有了聯(lián)系：比如基于房地產(chǎn)供需方程的方法、存量-流量模型與經(jīng)濟波動模型等。

王碩(2013)通過推導房價的存量-流量模型，發(fā)現(xiàn)貨幣供應量與房價之間的關系為正，從長遠看，貨幣供給的調控效果顯著。胡銘煌(2014)指出，貨幣供應主要通過兩個途徑引起房價上漲，除了貨幣發(fā)行導致資產(chǎn)價格上升外，房地產(chǎn)市場投資占貨幣發(fā)行總量比例上升也是重要原因。

此外，韓鑫韜和王擎(2011)研究了我國房價增長率與貨幣供應量、匯率以及利率的線性波動關系?，q珂(2012)從貨幣政策角度入手，通過構建向量誤差修正模型實證發(fā)現(xiàn)，貨幣供應量與房價之間存在顯著的因果關系，即貨幣供應量增加推動了房價上漲。

通過實證分析發(fā)現(xiàn)，貨幣供應量對房價有直接影響，兩者為正相關，并且貨幣供應量的滯后期也與房價正相關，呈遞增效應。

2.2 現(xiàn)在高房價的產(chǎn)生

中國的經(jīng)濟增長率在6%～6.5%，我們把它叫作新常態(tài)，叫作L型，但是中國每年M2廣義貨幣的年均增加量是在13%～14%，也就是說每年貨幣的新增投放量是經(jīng)濟增長的一倍以上，M2增加的13%～14%復合的增加下去，一般每個5年到6年，整個中國的貨幣總量會翻一番。

當經(jīng)濟扯上房地產(chǎn)之后，人們就開始不淡定了。中國建設銀行董事長田國立在“2018陸家嘴論壇”上說到當房地產(chǎn)被賦予太多金融屬性，就很容易形成社會問題。巨大的財富已經(jīng)被裹挾進了房地產(chǎn)，大量社會資金資源被配置到房地產(chǎn)市場，房地產(chǎn)市場又沒有形成與之相適應的風險管控和對沖機制，同時房地產(chǎn)金融化在不斷違背金融風險和收益相匹配的基本原則，最終會使得房地產(chǎn)市場越來越依賴推高房價。

3 微觀作用對房價的影響

3.1 地區(qū)的選取

上海市是一個比較有代表性的城市，其房價是在所有城市中排在第三的。上海的地鐵、高架等道路交通的建設也是排在全國前列的。上海GDP居中國城市第一位，在亞洲僅次于日本東京。上海既是全球人口規(guī)模和面積最大的都會區(qū)之一，又是國家的經(jīng)濟貿易中心之一，所以各界精英都在此購買住宅。

3.2 指標的選取

大多數(shù)的文獻中，選取指標大致從三個方面：住宅的區(qū)位特征、建筑特征、鄰里特征。

首先區(qū)位特征一般是從整個城市的角度去衡量。對出行成本、出行時間以及便利程度進行衡量。其次是建筑特征，Ball(1973)指出，如果一套住宅擁有更多令人滿意的建筑特征，那么對這些特征而言，在市場上所能獲得的價格就更高。最后是鄰里特征，鄰里的社會階層對住宅價格有顯著影響。公共服務設施，超市、醫(yī)院等也有影響。Des Rosiers發(fā)現(xiàn)每增加一個購物中心，則其附近的一套住宅的市場價格將增加27美元。那么上海二手房同樣受到諸多因素的影響，同時各個因素也對二手房房價的影響程度不同，本文選取了一些影響因素來進行分析。

樓層與電梯：住宅樓層相對于總樓層的位置，影響著房屋的價格。但有無電梯也成了一個很關鍵的因素。如果住宅樓層為6樓、7樓或者更高，那么購房者將會介意有無電梯。因為電梯的存在給居住者尤其是老年人上下樓的出入提供了很大的便利，但同時也不是免費享用，也要付出相應的代價。

車位數(shù)和建造年代：隨著現(xiàn)在私家車的逐漸增多，小區(qū)的車位數(shù)能否滿足整個小區(qū)的私家車也是一個影響房價高低的重要標準。同時小區(qū)的建造年代也起到了作用，因為小區(qū)很少會預判到現(xiàn)在的私家車輛已經(jīng)是成幾何倍數(shù)地增長。

房間數(shù)：一套住宅房間數(shù)量的多少，通常說的幾室戶對房價有一定影響。房間數(shù)會影響到整個住處的房屋結構，買房的人可能會考慮到這個因素，所以價格也會因此受到影響。

周邊配套設施：一個小區(qū)周圍的配套設施是否完善，影響著住戶的居住體驗，購房者會將其考慮在內。周圍有沒有超市、餐飲、醫(yī)院、教育機構，都是會影響到房價的因素。

離市中心是否近：由于繁華地段是在市中心，上班族上班地點也多數(shù)會在市中心。那么住宅離市中心是否近，也將成為一個影響因素。

3.3 數(shù)據(jù)來源

本文選擇了上海二手房市場進行分析，數(shù)據(jù)來自房地產(chǎn)交易網(wǎng)站——安居客。由于網(wǎng)絡上提供的各個小區(qū)房屋信息較為完整準確，并且安居客網(wǎng)站的數(shù)據(jù)可信度較高。它線上房源總數(shù)超過300萬套，尤其是二手房房源覆蓋了該城市95%的在售房源。

3.4 模型的建立與處理

首先是異方差檢驗， 異方差性是相對于同方差而言的。同方差是為了保證回歸參數(shù)估計量具有良好的統(tǒng)計性質，經(jīng)典線性回歸模型的一個重要假定：總體回歸函數(shù)中的隨機誤差項滿足同方差性。若不滿足這一假定，意味著隨機誤差項具有不同的方差，則稱線性回歸模型存在異方差性。在建立計量經(jīng)濟模型時模型應檢驗是否存在異方差性。本文使用White異方差檢驗法。詳見表1。

表1 異方差檢驗系數(shù)

注：a.因變量: e1。

運用White異方差檢驗，自變量e1是擬合值，e2是擬合值的平方，得到的參數(shù)未能滿足t檢驗，所以不能拒絕原假設，因此不存在異方差。那么就利用最小二乘法對多個自變量和房屋單價之間關系進行建模。

然后考慮交互作用，當實驗研究中存在兩個或兩個以上自變量時，其中一個自變量的效果在另一個自變量每一水平上表現(xiàn)不一致的現(xiàn)象。某一因素的真實效應隨著另一因素的改變而改變。

樓層的變化不是單獨影響房屋單價的，有無電梯也會在起到作用，所以是共同影響房屋單價，將自變量中樓層和有無電梯作為交互項。因為在老小區(qū)肯定沒有充分考慮到現(xiàn)在私家車的變化，而現(xiàn)在購房者幾乎人手一輛私家車，所以能否給予他們一個車位，成了住戶住在這個小區(qū)體驗好壞的一部分。車位對于房價也不是單獨影響，要考慮到建筑年代，所以兩者設為交互項。

最終筆者將周邊配套設施、房間數(shù)、離市中心是否近、車位數(shù)×建造年代、樓層×是否有電梯設置成自變量，將其和房屋單價進行OLS回歸。相關數(shù)據(jù)結果見表2。

表2 數(shù)據(jù)匯總

續(xù)表

3.5 模型數(shù)據(jù)分析與解釋

根據(jù)回歸結果，可以看出R=0.817，表明自變量和因變量之間的線性關系非常強。判定系數(shù)R2=0.668，調整后的R2=0.606，說明該模型能解釋因變量差異的百分比是66.8%，說明基本能解釋房價變化的因素。方差分析的F統(tǒng)計量為10.862，顯著性檢驗值也小于0.001，說明方程高度顯著。表明進入方程的自變量與房屋單價之間的線性關系成立?？梢酝ㄟ^比較各住宅特征對應的標準化回歸系數(shù)的大小，來確定各個自變量對于房屋單價影響程度的多少。

周邊配套設施的影響(X周邊配套設施)：標準系數(shù)為0.23。說明對房屋單價產(chǎn)生正影響。配套設施越完善，房屋價格越高。周邊配套設施能讓住戶減少很多不必要的麻煩，比如周圍的超市、醫(yī)院等，對于小區(qū)而言出行是否便利，路程長短，都會對房屋單價造成影響。

房間數(shù)的影響(X房間數(shù))：標準系數(shù)為-0.214。說明房間數(shù)對房屋單價產(chǎn)生負影響。但眾多文獻表明，建筑結構、房間數(shù)、臥室數(shù)和住宅價格正相關。就本文收集的數(shù)據(jù)做出的線性回歸來看，有不同的觀點。房間數(shù)每增加一個單位，房屋單價相應減少-0.214個單位。房間數(shù)影響到了房屋的結構，并不是說房間數(shù)越多越好，也是要考慮到整個的構成。如果一間是70m2，適合小家庭居住的也不需要很多的房間，如果有五六個房間顯然不合適。格局是關鍵因素，因為面積若相同，開放式設計看來比隔成一間間的設計更寬敞。房間較少但都寬敞的話，反而有助提升房價。

離市中心是否近(X離市中心是否近)：標準系數(shù)為0.508。關乎地段的問題似乎是重中之重。離市中心越近，生活得越高檔，生活質量越高。對于新結婚或者剛結婚不久的白領青年來說，在市中心周圍買房，尤其是二手房，既可以離工作單位近，又有較好的生活品質，一舉兩得。

q2(X車位數(shù)×X建造年代)：標準系數(shù)為-0.272。房屋單價受到小區(qū)車位數(shù)影響，同時又與建造年代有關。樣本中X建造年代的均值是2001.9。所以在X建造年代的均值上，X車位數(shù)的影響是X車位數(shù)變化一單位的時候，房屋單價變動(-0.272×2001.9)。意味著當車位數(shù)上升但是建造年代還是陳舊的時候，顯然是會負面影響房價的，購房者也都更愿意購買新房。樣本中X車位數(shù)的均值是332.5。在X車位數(shù)的均值上，X建造年代變化一單位，房屋單價變動(-0.272×332.5)。盡管房子一年一年在建造，但沒有想過爆炸式的車輛數(shù)量的增長。就算是房屋再新，車位數(shù)不夠依然是購房者的一個顧慮。因為在當下幾乎是人人有車，甚至還不止一輛。其實我們不難發(fā)現(xiàn)在房價上漲的同時，車位的價格也在上漲。所以如果一個小區(qū)擁有充足的停車資源，那么購房者不用為買車位而擔心。當車位夠多，不再需要買車位的時候，那房子將是越新越好。但按現(xiàn)在來看，并沒有完全做到。

q4(X樓層×X電梯)：標準系數(shù)為0.293，對房屋單價有正影響。若該小區(qū)配有電梯(X電梯=1)，那么在這個前提下，房屋價格升高β×X樓層個單位。若該小區(qū)不配有電梯(X電梯=0)，則房屋單價將只受到樓層高度的單獨影響。房屋單價受到有無電梯的影響且還要由房子所在樓層決定。

4 總 結

房地產(chǎn)業(yè)有句老話“地段，地段，還是地段?！闭f明地段對房地產(chǎn)的影響十分大。本文通過線性回歸，也得出了相同的結論。

老公房其實越來越不適合現(xiàn)代人居住。往往沒有想到日后規(guī)劃，從小區(qū)到房屋，都沒深謀遠慮到四五十年之后。在購房者基本上人手一輛私家車的年代，每天下班回家的停車難題，讓他們不是很樂意面對。但老公房面積相當小，一房一般35左右，兩房則55m2左右，是名副其實的小戶型住宅，適合在市中心上班的白領租住。根據(jù)地段一般比周邊新房便宜40%～60%。老公房生活配套設施也已經(jīng)相當成熟，大賣場、學校、醫(yī)院等已經(jīng)屬于標配。尤其是上海地區(qū)的房子，20世紀80年代的多層房屋和20世紀90年代的多層房屋主要是5～7層的戶型結構，意味著沒有電梯。所以，有很多因素影響購房者的決策，同時也影響著房屋單價。

而現(xiàn)在造房技術越來越好，樓房是越造越高，現(xiàn)在的住宅動不動就二三十層。所以在以后是否是電梯房，也不再是購房者主要考慮的問題。能否左右房價也成為很小的因素。樓層的高低不再受到有無電梯的牽制。在今后，樓層的高低，主要影響視線、采光，將成為對房屋單價影響更大的因素。

隨著生活越來越好，人們對戶型要求也有所提高。慢慢從小廳大臥向大廳小臥轉變。人們更加側重于室內空間的合理化，不再是考慮廚衛(wèi)兼并的問題，不再是大結構和面積的問題，而是如何更加能適合人們居住的問題。當房間數(shù)趨于穩(wěn)定的時候，購房者都普遍選擇2室戶、3室戶的時候，其他的一些因素開始對房屋單價造成影響。

在未來，我們的房屋功能布局可能會效仿日本。將一個衛(wèi)生間做成“四式分離”。將洗澡、洗漱、廁所、洗衣更衣這四個功能形成獨立空間，可以同時做，互不影響。對于快節(jié)奏的上海而言，以后人們會更傾向于這種功能布局。那么，對于二手房的購房者，就會關心到衛(wèi)生間的裝修布局。

未來的趨勢是人們到郊區(qū)追求好的環(huán)境，好的生活質量，而不是要在市中心。除了一般的二手房，郊區(qū)的二手別墅也可能在今后成為購房者的考慮目標，并非必須是很大的豪宅，能夠讓平民百姓住得起的就行。

但現(xiàn)在足夠大也未必是件好事，購房者還需要思考的是“房地產(chǎn)稅”。2018年7月16日，統(tǒng)計局發(fā)言人毛勝勇表示：將會加快房地產(chǎn)稅相關政策舉措的推進，促進市場平穩(wěn)健康發(fā)展。買房將要顧及的家里人口以及購買房屋面積。那么面積這個因素在將來也會被重點考慮，太大的房子將會較難出售。

綜上來看，未來影響房屋單價的因素，可能會變?yōu)樽≌囊暰€和采光，這個可以用零一變量衡量。視線好為2，視線一般為1，視線差為0，采光也是同理。大膽猜測一下中國在以后可能就是離市中心是否遠來衡量房屋價格。但估計可能不會在最近的10年甚至20年出現(xiàn)。還有就是對于衛(wèi)生間的布局，是否有“四式分離”，會影響到房屋單價。再者就是房地產(chǎn)稅對房屋面積的影響，從而導致影響房屋單價。