房地產(chǎn)價格影響因素分析

朱順東

摘要：選取2005-2018年北京、天津、廣東、安徽、上海、江西、湖南、河南、江蘇、浙江等9個省市的相關(guān)數(shù)據(jù)，對影響房價的主要因素進(jìn)行計(jì)量分析。在回歸模型中，將城鎮(zhèn)人口、房地產(chǎn)開發(fā)企業(yè)土地購置價格、住宅商品房銷售面積以及商品住宅房竣工面積等變量作為影響房價重要的要素做自變量同時控制省市個體差異和年份差異，最終通過實(shí)證回歸得出：房地產(chǎn)開發(fā)企業(yè)土地購置價格是影響房產(chǎn)價格的最主要因素。提出政府應(yīng)根據(jù)具體的省際情況，制定不同的土地制度及調(diào)控政策，消費(fèi)者應(yīng)根據(jù)當(dāng)?shù)胤康禺a(chǎn)市場現(xiàn)狀及自身經(jīng)濟(jì)狀況理性選擇不同購房形式等對策建議。

關(guān)鍵詞：房產(chǎn)價格;面板數(shù)據(jù)

自1998-2008年以來，我國房地產(chǎn)行業(yè)發(fā)展引來了黃金十年，隨后進(jìn)入了全面調(diào)整階段，但整體上房地產(chǎn)發(fā)展依然處于上升勢頭。近二十年的房地產(chǎn)市場的繁榮發(fā)展，帶動其他行業(yè)的增長成為我國經(jīng)濟(jì)增長的重要支柱產(chǎn)業(yè)，但隨著房地方的繁榮發(fā)展和房價飛速的增長也帶來諸多負(fù)面的問題，如住房問題帶來很多人生存的壓力、遏制了居民消費(fèi)增長、加劇了行業(yè)風(fēng)險和金融風(fēng)險等一系列社會問題。我國房地產(chǎn)市場中存在的問題引發(fā)了政府的廣泛關(guān)注，在2009年后基本進(jìn)入了全面調(diào)控的階段，陸陸續(xù)續(xù)出臺了調(diào)控措施。為探究影響我國房價大幅上漲的主要因素，本文以房屋中的住宅商品房為例，選取了一些極具代表性的省市（共9個）作為全國房價增長樣本，對其2005-2018年的相關(guān)數(shù)據(jù)進(jìn)行了研究。本文從供給與需求兩方面對影響當(dāng)前高房價問題的主要因素做出計(jì)量分析，從多層次多角度提出當(dāng)前房價上漲問題的應(yīng)對對策，為更好促進(jìn)我國房地產(chǎn)市場健康發(fā)展提供決策參考。

1.研究方法與研究現(xiàn)狀

1.1國外房地產(chǎn)價格影響因素的相關(guān)研究

國外對房地產(chǎn)市場的相關(guān)研究起步較早Abraham等（1994）以美國14個城市為研究樣本，得出當(dāng)?shù)亟ㄖ杀久吭黾?%，房地產(chǎn)價格將增加0.163%。Quigley（1995）以洛杉磯12年間數(shù)據(jù)為樣本，發(fā)現(xiàn)不同的銷售機(jī)構(gòu)的銷售技巧對房價影響并不顯著。平新喬（2004）運(yùn)用回歸分析，分析發(fā)達(dá)國家房地產(chǎn)價格與地價的關(guān)系，提出地價與房地產(chǎn)價格呈顯著正相關(guān)關(guān)系。Guirguis 等采用 VECM、AR、GARCH、帶隨機(jī)參數(shù)和自回歸參數(shù)的 Kalman 濾波及指數(shù)平滑方法對美國房地產(chǎn)價格進(jìn)行預(yù)測，得出GARCH 和帶自回歸參數(shù)的 Kalman 濾波預(yù)測精度最優(yōu)。Egert（2007）以歐洲八個國家和經(jīng)濟(jì)合作與發(fā)展組織19個國家房地產(chǎn)業(yè)為樣本，發(fā)現(xiàn)發(fā)展中國家人口結(jié)構(gòu)和失業(yè)率對房地產(chǎn)業(yè)影響較顯著，發(fā)達(dá)國家則手段和制度、融資等因素更為顯著。原鵬飛和魏巍賢（2012）以中國為樣本，發(fā)現(xiàn)房地產(chǎn)價格上漲將帶動經(jīng)濟(jì)上行發(fā)展，但同樣比例房地產(chǎn)價格的下跌，對經(jīng)濟(jì)帶來的打擊遠(yuǎn)高于上行帶來的推動作用。Justyna和Brzezicka（2014）以美國房地產(chǎn)為樣本，發(fā)現(xiàn)房地產(chǎn)價格變動同樣也是消費(fèi)者行為變化的原因之一。

1.2我國房地產(chǎn)價格影響因素的相關(guān)研究

沈悅和劉洪玉（2004）以我國14個主要城市1995-2002年數(shù)據(jù)為研究樣本實(shí)證分析論證房地產(chǎn)價格與經(jīng)濟(jì)關(guān)系得出，城鎮(zhèn)家庭收入狀況對房地產(chǎn)價格產(chǎn)生正向顯著影響。陳友軍和曾云兵（2008）運(yùn)用模糊層次分析法研究我國房地產(chǎn)價格影響因素，地域差異、收入差異、消費(fèi)者行為偏好差異和文化風(fēng)俗對房地產(chǎn)價格變動產(chǎn)生影響。顧海峰、張?jiān)?014）利用存準(zhǔn)率和利率兩大貨幣政策工具實(shí)證研究貨幣政策對房地產(chǎn)價格的影響作用，研究表明存準(zhǔn)率對房地產(chǎn)價格存在長期穩(wěn)定的正向影響，但是利率對房價沒有顯著的影響。宋稞（2015）運(yùn)用實(shí)證分析研究我國2000-2014年人口地理分布變化和房地產(chǎn)價格波動，結(jié)果顯示：我國城鎮(zhèn)化進(jìn)程對房地產(chǎn)價格存在顯著相關(guān)關(guān)系。劉佳等（2017）以中國內(nèi)蒙古地區(qū)為樣本，運(yùn)用面板分析研究近15年當(dāng)?shù)胤康禺a(chǎn)價格的宏觀經(jīng)濟(jì)影響因素。結(jié)果顯示財政收入、房地產(chǎn)投資對地產(chǎn)價格影響不顯著，地方GDP對房地產(chǎn)價格影響顯著。鐘先哲，丁曉云通過計(jì)量模型分析的方法，提出人均可支配收入與房價成正比關(guān)系的結(jié)論。王望濤（2020）利用貴州省 2008～2019 年的數(shù)據(jù)建立 VAR 模型，通過脈沖響應(yīng)函數(shù)分析宏觀經(jīng)濟(jì)下貴州省房價的影響因素。

2.變量選取與數(shù)據(jù)說明

從需求與供給兩個方面來分析影響全國房價的主要因素，并從中選取幾個主要變量，研究各個變量對全國房價的影響程度。需求方面：（1）城鎮(zhèn)總?cè)丝?。城?zhèn)總?cè)丝谑侵噶鲃尤丝诤蛻艏丝趦纱箢?，人口密度是房價的幕后推手，城市人口的增加會產(chǎn)生更大規(guī)模的剛性住房需求，這對房地產(chǎn)市場及房價而言是巨大的正向沖擊。 城市人口的增長是影響房地產(chǎn)需求的直接因素。在地區(qū)人口密度大，科技發(fā)達(dá)的城市，如深圳，勞動力是城市建設(shè)的主力軍，會極大提高對住房的需求。 因此常住人口是影響房價的重他們對于住宅商品房的購買欲望即可反映出購房的需求大小。根據(jù)需求理論可知，購房需求的增加會導(dǎo)致房價的上升，城鎮(zhèn)總?cè)丝谘杆僭鲩L，房價也隨之增長。（2）住宅商品房銷售面積。銷售面積反映出消費(fèi)者對住宅商品房需求量的大小，與消費(fèi)者需求成正比，因此，住宅商品房銷售面積越大，房價則會越高。供給方面：（1）房地產(chǎn)開發(fā)企業(yè)土地購置價格。投資商在施工土地上投入資金越多，說明對該土地重視程度越高。因此，房地產(chǎn)開發(fā)企業(yè)土地購置價格越高，供給價格越高，房價越高。（2）住宅商品房竣工面積。住宅商品房竣工面積表示住宅商品房總體供應(yīng)數(shù)量，它也在一定程度上反映了房地產(chǎn)行業(yè)的總體供給情況，我國房地產(chǎn)市場中總需求量大于總供給量，房價仍然處于上升趨勢。

樣本選取與數(shù)據(jù)來源為了使本文選取的數(shù)據(jù)有更高的準(zhǔn)確性及可靠性，選2005年至2018年度的相關(guān)數(shù)據(jù)。本文所用數(shù)據(jù)全部取自于國家統(tǒng)計(jì)局網(wǎng)站。

3.模型的建立

觀察單位是中國住宅商品房從2005—2018年的數(shù)據(jù)，總觀察值的個數(shù)為10×14=140個。本文以住宅商品房平均銷售價格PRICE（元/平方米）為被解釋變量，解釋變量分別是①城鎮(zhèn)人口POP（萬人），②房地產(chǎn)開發(fā)企業(yè)土地購置價格LAND（元/平方米），③住宅商品房銷售面積SALE（萬平方米），④商品住宅房竣工面積COMP（萬平方米）。除此之外，還加入了年份YEAR這個變量，共5個變量。對于這幾個變量，我們建立以下回歸模型：

PRICEit=β0+β1POPit+β2LANDit+β3SALEit+β4COMPit +Ui+YEARt +εit

其中，i是代表第i個省市，t是代表年份，Ui是代表省市的個體效應(yīng)，Vt是代表年份的效應(yīng) ，εit是代表殘差項(xiàng)。

4.實(shí)證分析

4.1變量基本統(tǒng)計(jì)情況

商品房平均銷售價格均值為8244元/平方米，中位數(shù)為6325元/平方米，最大值為3.74萬元/平米、最小值為0.175萬元/平米，最大值為最小值21倍，說明省際之間房產(chǎn)價格差異較大，尤其是中西部與東部沿海北京、上海的房產(chǎn)價格;城鎮(zhèn)人口均值為2929萬元、中位數(shù)為2325萬人、最大值為8022萬人、最小值為783萬人土地購置價格平均值為4159、中位數(shù)為2429、標(biāo)準(zhǔn)差為4520為均值的1倍，最大值為最小值的52倍，說明省際之間土地購置價格差異大，和省際經(jīng)濟(jì)發(fā)展水平差異過大相對應(yīng)，經(jīng)濟(jì)越發(fā)達(dá)省份的土地購置價格要大于省份欠發(fā)達(dá)地區(qū);銷售面積平均值3749、中位數(shù)為2501、標(biāo)準(zhǔn)差為3061接近平均值，最大值為最小值的25倍;竣工面積均值為3718、中位數(shù)為2897、標(biāo)準(zhǔn)差為2360、最大值為最小值的16.5倍，充分說明省際之間無論在經(jīng)濟(jì)發(fā)展水平還是城市人口規(guī)模上都存在較大的差異。

4.2模型篩選

因本文是采用平衡面板數(shù)據(jù)，通常采用有混合模型、隨機(jī)效應(yīng)模型、固定效應(yīng)模型，每個效應(yīng)假設(shè)條件不同，為了得出合理的估算之前都在模型估計(jì)之前需要進(jìn)行相應(yīng)的檢驗(yàn)，首先通過LM檢驗(yàn)來判別是否采用隨機(jī)效應(yīng)還是混合效應(yīng)，通過表2檢驗(yàn)結(jié)果中可以看出，LM檢驗(yàn)得出P值為0.000小于0.05，強(qiáng)烈拒絕原假設(shè)，說明隨機(jī)效應(yīng)比混合模型更適合;其次通過F檢驗(yàn)來判別是采用固定效應(yīng)還是混合效應(yīng)，經(jīng)過檢驗(yàn)得出F值為26.29，對應(yīng)的P值為0.000小于0.05，說明固定效應(yīng)比混合模型更適合;最后通過豪斯曼檢驗(yàn)來判斷是否固定效應(yīng)和隨機(jī)效應(yīng)，通過估算得出豪斯曼檢驗(yàn)卡方值為53.88對應(yīng)的P值為0.00小于0.05，說明固定效應(yīng)比隨機(jī)效應(yīng)模型更適合，故本文采用固定效應(yīng)模型進(jìn)行分析。

4.3實(shí)證回歸

為了減弱變量之間的序列相關(guān)、極端值、非正態(tài)分布以及異方差性等問題，本文將變量采用對數(shù)的形式進(jìn)行分析。

實(shí)證結(jié)果如下：人口的回歸系數(shù)為1.435，在1%水平下高度顯著，即城市在研究的期間內(nèi)人口規(guī)模對房價有著顯著正向的促進(jìn)作用，同等條件下人口規(guī)模每增長1%，房價平均增長1.435%;開發(fā)商土地購置價格回歸系數(shù)為0.352，在1%水平下顯著，說明土地購置價格會顯著正向估計(jì)了房價的增長，在其他條件不變的情況的下，開發(fā)商土地購置的價格每增長1%，房價平均增長0.352%;住宅銷售面積回歸系數(shù)為0.03，但不顯著，說明銷售面積對房價無顯著影響;開發(fā)商竣工面積回歸系數(shù)為-0.048，但不顯著，說明竣工面積對房價無顯著影響。綜合來看，通過變量回歸系數(shù)看出，對房產(chǎn)價格影響最大的變量要素為省際常駐人口規(guī)模，其次為土地購置價格。

5.結(jié)論

根據(jù)第四部份的對國內(nèi)宏觀經(jīng)濟(jì)政策和發(fā)展動態(tài)分析，結(jié)合采集數(shù)據(jù)實(shí)證回歸分析可以看出省際城市的社會發(fā)展綜合實(shí)力的體系常駐人口的規(guī)模是帶動房價增長的重要因素，同時，土地購置地價的增長是帶動房價增長的另外一個重要因素。因此，為使我國房地產(chǎn)市場達(dá)到健康運(yùn)轉(zhuǎn)調(diào)控的狀態(tài)，我國政府應(yīng)該“因城施策”。應(yīng)更加合理地出臺相關(guān)政策進(jìn)行適當(dāng)?shù)暮暧^調(diào)控，政府應(yīng)該制定出一個更為恰當(dāng)土地規(guī)劃的方案，根據(jù)土地是稀缺資源，具有不可再生的供給特點(diǎn)，對土地成本把控好更好地促進(jìn)我國房地產(chǎn)行業(yè)健康發(fā)展。對于微觀主體，筆者認(rèn)為，對于剛步入社會融入城市的青年工作人員，面對當(dāng)?shù)刂辉霾唤档姆績r，無力撬動身邊資源支付首付的情況下，租房則不失為明智的選擇;對于一線城市有能力購房者，因一線城市房價一般超過中產(chǎn)階級的支付能力。倘若無其他有效的投資方式，購買房產(chǎn)仍為不錯的穩(wěn)定增值的理財方式，但要選擇城市發(fā)展前景較好、對人口吸引較大的城市;對于非一線的城市的房地產(chǎn)，除非剛需不建議大規(guī)模投資房產(chǎn)。

參考文獻(xiàn)：

[1]ALAN K.REICHERT.The Impact of Interest Rates，Income， and Employmentupon Regional Housing Prices[J].Journal of Real Estate Finance and Economics，1990，（3）.

[2]周京奎.貨幣政策、銀行貸款與住宅價格———對中國 4 個直轄市的實(shí)證研究[J].財貿(mào)經(jīng)濟(jì)，2005（5）.

[3]平新喬，陳敏彥，融資、低價與樓盤價格趨勢，世界經(jīng)濟(jì)，2004 年 7 月，第 3-10 頁.

[4]譚鵬程，房地產(chǎn)價格波動影響因素的實(shí)證研究——基于廣州市的 VAR模型[J]，特區(qū)經(jīng)濟(jì)，2013 年 10 月，第 37-39 頁.

[5]武田艷，占建軍，嚴(yán)韋，基于 MIV-BP 型網(wǎng)絡(luò)實(shí)驗(yàn)的房地產(chǎn)價格影響因素研究[J]，數(shù)學(xué)的實(shí)踐與認(rèn)識，2015 年 8 月，第 43-50 頁.

[6]王望濤，貴州省房地產(chǎn)價格影響因素研究———基于宏觀經(jīng)濟(jì)視角[J]，2020年5月，第36-38

[7]周海波，深圳房地產(chǎn)價格影響因素的實(shí)證研究[J]，特區(qū)經(jīng)濟(jì)，2020年8月，第25-27.