住宅價格影響因素分析
——基于安徽12地市數(shù)據(jù)的實證

鄭基超 倪澤強

1.安徽省社會科學院；2.合肥學院

一、引言

住宅是承載人們生活、消費的場所，近幾年，房價上漲引發(fā)了廣泛的輿論關注。住宅價格波動成因何在，有哪些因素導致房價變化？學術界對此進行了深入而細致的研究。

首先，收入是影響住宅價格的重要因素，一般認為收入與住宅價格呈正相關。吳壽平（2019）認為，城市人口、工資水平是城市房價上漲的推動力。

區(qū)域人口數(shù)量也會對住宅價格產生影響，楊佳欣,李彥（2020）認為城區(qū)常住人口的變動對城市商品住宅平均銷售價格具有正向作用，城區(qū)常住人口密度增加會導致城市商品住宅平均銷售價格上漲。李嘉楠,游偉翔,孫浦陽（2017）通過實證，認為中國部分城市高房價的原因之一可能在于大量流入的外來人口，其直接帶來與間接導致的住房消費與投資需求的提高推動了城市房價的上漲。

另外，還有學者認為對房價的需求因素中包括投資因素，如杜麗群,程俊霞,郜震浩(2020)認為，居民的購房需求中抵抗通貨膨脹的投資性需求較大。

梳理現(xiàn)有文獻，不難發(fā)現(xiàn)，研究住宅價格波動的文獻很多，研究方法也很成熟。安徽地處中部，近幾年經濟增長速度很快，有一定的典型性，本文搜集了安徽省12個地市相關數(shù)據(jù)，對影響住宅價格的因素進行實證分析，以為厘清影響住宅價格波動的因素貢獻邊際智慧。

二、數(shù)據(jù)描述

截至2019年底，安徽共有16個地級市；本文的分析區(qū)間為2011-2019年，在此期間，樅陽縣從安慶市劃入銅陵市，壽縣從六安市劃入淮南市，上述四市在區(qū)域變動前后相關數(shù)據(jù)不可比，因此將上述四市略去，以剩余12市（合肥市、淮北市、亳州市、宿州市、蚌埠市、阜陽市、滁州市、馬鞍山市、蕪湖市、宣城市、池州市、黃山市）相關數(shù)據(jù)進行分析和回歸，樣本數(shù)據(jù)來自安徽統(tǒng)計局網站的歷年安徽統(tǒng)計年鑒，相關變量數(shù)據(jù)描述如下所述。

（一）住宅平均價格

總體來看，2011-2019年間住宅平均價格逐年上漲，根據(jù)歷年安徽統(tǒng)計年鑒數(shù)據(jù)，經過我們的計算，12市住宅算術平均價格從2011年的4060元/平方米上漲到2019年的7100元/平方米，漲幅明顯，主要上漲階段是在2015年后，以算術平均價格來看2017年上漲幅度最大。需要指出的是，12個地級市之間住宅平均價格差異較大，住宅平均價格最高的合肥市，2019年住宅平均價格為14086元/平方米，最低的宿州市2019年住宅平均價格為5044元/平方米。

分區(qū)域比較來看，根據(jù)歷年安徽統(tǒng)計年鑒數(shù)據(jù)，從2011年到2019年間，合肥市住宅平均價格上漲幅度最大，從2011年的5608元/平方米上漲到2019年的14086元/平方米，其次是馬鞍山市，從2011年的3669元/平方米上漲到2019年的7509元/平方米，隨后是黃山市，從2011年的3852元/平方米上漲到2019年的6682元/平方米，其他地市也有不同幅度的上漲，蚌埠市住宅平均價格上漲幅度最小，從2011年的4384元/平方米上漲到2019年的5857元/平方米。

（二）人口情況

隨著城鎮(zhèn)人口比重的不斷提高，各市城鎮(zhèn)人口數(shù)量在不斷增長。通常情況下，商品住宅主要位于城鎮(zhèn)。所以，一般來說，一個地區(qū)的城鎮(zhèn)人口增長越快，對住宅需求就越大，由此可能對住宅價格產生影響。從圖1可以看出，在2011-2019年間，各市城鎮(zhèn)人口普遍增長，亳州市增速最快，超過了40%，其他各市城鎮(zhèn)人口增長率也都超過了20%。

除了總人口指標，理論界還關注人口結構中的增量住宅需求因素，即結婚購房需求。結婚的居民通常會有新購住宅需求，前期也有學者研究過結婚購房需求對住宅價格的影響。不過以2011-2019年數(shù)據(jù)來看，2019年結婚人數(shù)普遍低于2011年，如合肥市2019年結婚人數(shù)為67331對，阜陽市為90418對，全省合計為539233對；而2011年上述數(shù)據(jù)分別為：92261、105290、710498。因此結婚新購住宅需求可能不是此段時間住宅價格上漲的驅動力，所以在接下來的回歸分析中不使用該變量。

（三）住宅價格與收入關系

一般來說，收入提高對住宅需求會產生收入效應，會提高對住宅數(shù)量或質量的需求。在此我們以各市城鎮(zhèn)非私營單位就業(yè)人員年平均工資情況代表各地的大體收入狀況，數(shù)據(jù)顯示從2011年到2019年各市居民收入都有大幅度提高，比如合肥市2019年非私營單位就業(yè)人員年平均工資為90115元，馬鞍山市為80348元，12市這一指標算術平均值為74744元，而在2011年，上述數(shù)據(jù)分別為：45442元、46439元和38585元。將各地分年度城鎮(zhèn)非私營單位就業(yè)人員年平均工資和年度住宅平均價格做同步對比分析，不難發(fā)現(xiàn)近幾年工資收入與住宅價格基本呈現(xiàn)出同向波動關系，工資收入和住宅價格一樣，都顯示出隨時間推移而穩(wěn)步增長的趨勢。

（四）住宅價格與金融存款

住宅是居民個人財富的一部分，因此，在居民財富上升時，對住宅的相關需求也會上升，比如產生改善性需求，追求更好的居住條件和居住環(huán)境，這可以稱為住宅需求的財富效應。從統(tǒng)計年鑒中我們獲得了各市金融機構住戶存款（個人存款）與住宅平均價格的相關數(shù)據(jù)，從數(shù)據(jù)我們可以看出，隨著時間的推移，二者呈現(xiàn)出同樣的正增長趨勢。除了總量指標，我們更加關注各市人均存款額，從下圖可以看出，各市人均住戶存款（個人存款）額和住宅平均價格也呈現(xiàn)出一定的相關關系。

（五）住宅價格與住宅存量供給

人口、工資、存款均屬住宅價格決定的需求力量。住宅價格是需求和供給交互作用的結果，因此要分析住宅價格波動我們還要研究供給因素。統(tǒng)計年鑒中有各市按用途分的商品房待售情況，其中有商品住宅待售面積數(shù)據(jù)。我們以該指標代表住宅供給因素，將各市2011到2019年間的商品住宅待售面積情況進行分析，不難看出，從2011年到2019年，多數(shù)地市商品住宅存量都經歷了較大的波動，從12市總量來看，商品住宅總量經歷了由低到高再到低的波動，這種波動與住宅價格是存在聯(lián)系的，說明商品住宅待售面積有可能是影響住宅價格的變量。

三、實證結果

（一）計量模型

我們使用如下模型分析住宅價格的影響因素：

其中，P為被解釋變量，即各市歷年住宅平均價格向量，b是系數(shù)向量，X為一系列解釋變量向量，包括人口、收入、存款、商品住宅待售面積等諸多變量，實證將分析這些變量的變動對區(qū)域住宅價格的影響，e是擾動項向量。其中，人口變量使用的數(shù)據(jù)是各市城鎮(zhèn)人口數(shù)量，收入變量使用的數(shù)據(jù)是各市城鎮(zhèn)非私營單位在崗職工年平均工資，存款變量使用的數(shù)據(jù)是各市人均存款（將各市住戶存款或個人存款總額除以常住人口數(shù)量），商品住宅待售面積變量使用的是各市人均商品住宅待售面積（將各市商品住宅待售面積除以常住人口數(shù)量）。

（二）回歸結果

由于各變量都是絕對值，計量標準不統(tǒng)一，無法進行實證，因此我們用ln函數(shù)將上述變量轉化為自然對數(shù)值以方便分析。如上所述，各地房價、人口、收入、存款、商品住宅待售面積等變量差別較大，而且住宅市場是明顯的區(qū)域性市場，顯然存在個體效應，因此我們進行面板回歸，固定效應模型面板回歸結果如下表所示，回歸結果顯示總的R平方為0.4868。

表1 面板回歸結果

面板回歸結果顯示人口、收入和存款變量對住宅價格有顯著的正相關作用，顯示出住宅價格上漲有城鎮(zhèn)人口增長和收入及居民存款增加的因素，不過上述三個變量中，人口和存款兩變量不夠顯著，而收入變量在10%水平顯著。人均商品住宅待售面積做為供給因素，對住宅價格產生了明顯的負向作用，而且比較顯著，顯示出增加住宅供給能夠起到平抑住宅價格上漲的作用。

四、結論和建議

實證結果大體厘清了過去9年安徽省12地市住宅價格上漲的一些影響因素，根據(jù)實證結果，為促進住宅市場平穩(wěn)健康發(fā)展，我們提出如下政策建議。

1.堅決落實住宅的居住屬性，采取多種措施限制住宅的投資性和投機性購買。同時暢通居民投資渠道，豐富金融資產類別，為居民提供風險、收益相匹配的金融產品。

2.根據(jù)住宅市場供求狀況對住宅供應量進行宏觀調控。住宅市場是一個區(qū)域性的產品供給市場，要精準把握地區(qū)住宅供求狀況，對住宅價格呈現(xiàn)出上漲趨勢的地區(qū)，要根據(jù)區(qū)域城鎮(zhèn)化帶來的增量住宅需求，在符合規(guī)劃發(fā)展要求的情況下加大住宅供應量，平抑價格波動。

3.構建完善的出租房市場，提供多層次的高質量居住方式選擇。建設高質量的住宅租賃市場，提升租賃房居住品質和居住體驗，增加由房地產企業(yè)開發(fā)的長租房供應，大力推進租購同權。