副省級城市房地產(chǎn)價(jià)格影響因素的實(shí)證研究

劉 寧，徐 娟

(沈陽建筑大學(xué)管理學(xué)院，遼寧 沈陽 110168)

我國房地產(chǎn)業(yè)是各主要城市的支柱產(chǎn)業(yè)，房地產(chǎn)價(jià)格作為監(jiān)控房地產(chǎn)市場的重要指標(biāo)，對其影響因素的研究是具有重要指導(dǎo)意義的。房地產(chǎn)價(jià)格影響因素的調(diào)控是房地產(chǎn)市場的核心問題，其合理發(fā)展對房地產(chǎn)市場的健康發(fā)展至關(guān)重要。近兩年，各地政府實(shí)行嚴(yán)格的房地產(chǎn)市場調(diào)控政策，房價(jià)漲幅已經(jīng)有所回落，但是，截止2020年9月，15個(gè)副省級城市中仍有8個(gè)城市的商品房銷售價(jià)格呈上漲趨勢，最高漲幅達(dá)到14.03%。

目前，關(guān)于房地產(chǎn)價(jià)格影響因素的研究主要側(cè)重于對單一影響因素的研究，綜合性研究較少。Walks[1]對加拿大主要城市的房地產(chǎn)價(jià)格影響因素的相關(guān)數(shù)據(jù)進(jìn)行收集，通過對數(shù)據(jù)以及建立的住宅商品房市場的價(jià)格模型進(jìn)行分析發(fā)現(xiàn)，居民人均可支配收入對房地產(chǎn)價(jià)格有顯著影響。Wendy Nyakabawo等[2]經(jīng)過研究發(fā)現(xiàn)，經(jīng)濟(jì)危機(jī)過后，美國房地產(chǎn)業(yè)的重新振作帶動了其他產(chǎn)業(yè)的恢復(fù)和發(fā)展，從而使美國從經(jīng)濟(jì)危機(jī)中走出來，進(jìn)而也帶動了人均收入的增加。同時(shí)，人均收入的增加也會促進(jìn)房價(jià)的上漲。Balazs Egerti[3]通過對東歐、中歐和OECD 3個(gè)組織的房地產(chǎn)價(jià)格影響因素進(jìn)行分析發(fā)現(xiàn)，中歐和東歐的人口結(jié)構(gòu)和勞動力市場對房價(jià)的影響比OECD中發(fā)達(dá)國家的顯著性更高。陳珂等[4]收集了1998—2015年深圳的GDP、工資和房價(jià)的相關(guān)數(shù)據(jù)，建立三者之間的理論傳導(dǎo)模型，并通過多元線性回歸分析發(fā)現(xiàn)，GDP、工資及房價(jià)之間的傳導(dǎo)是一個(gè)動態(tài)的作用與傳導(dǎo)過程。趙志強(qiáng)等[5]收集了2002—2013年我國31個(gè)省(自治區(qū)、直轄市)的房地產(chǎn)價(jià)格影響因素的相關(guān)數(shù)據(jù)，發(fā)現(xiàn)我國的居民消費(fèi)對房地產(chǎn)價(jià)格有顯著影響。但是，由于全國經(jīng)濟(jì)發(fā)展的不平衡，不同地區(qū)存在著一定差異。陳國進(jìn)等[6]根據(jù)1999—2011年我國31個(gè)省(自治區(qū)、直轄市)的房地產(chǎn)價(jià)格影響因素的相關(guān)數(shù)據(jù)，通過動態(tài)面板估計(jì)發(fā)現(xiàn)，少兒撫養(yǎng)比和老年撫養(yǎng)比對我國房價(jià)都有顯著影響，國家兒童數(shù)量降低而老年人口不斷增加，會導(dǎo)致房價(jià)不斷上漲。當(dāng)我國處于人口老齡化初期時(shí)，子女負(fù)擔(dān)較輕，父母有額外的資金與子女共同買房，從而使房價(jià)不斷上漲。當(dāng)老齡化嚴(yán)重時(shí)，子女的負(fù)擔(dān)過重，老人會將部分房屋賣出以保證自己的生活，從而導(dǎo)致房價(jià)不斷下降。王春艷等[7]對1997—1999年廣東省各地級市的人口遷移指標(biāo)進(jìn)行了分析，運(yùn)用空間計(jì)量方法分析發(fā)現(xiàn)，隨著遷移人口的增多，房子作為遷移人口生活的剛需，必然會導(dǎo)致房地產(chǎn)價(jià)格的上漲。黃居林[8]對我國房價(jià)與地價(jià)的關(guān)系進(jìn)行了分析，發(fā)現(xiàn)房價(jià)對地價(jià)的影響比地價(jià)對房價(jià)的影響更加顯著。

綜上所述，國內(nèi)學(xué)者對房地產(chǎn)價(jià)格影響因素與房價(jià)之間關(guān)系的研究較為豐富，將房地產(chǎn)價(jià)格的影響因素分為經(jīng)濟(jì)、社會、政策和市場4個(gè)方面。雖然國內(nèi)學(xué)者對房地產(chǎn)價(jià)格影響因素的研究較多，但大部分是針對某一個(gè)城市或全國城市進(jìn)行研究，并且影響因素的選擇過于單一。筆者通過建立面板數(shù)據(jù)，分析了15個(gè)副省級城市整體以及不同區(qū)域的房地產(chǎn)價(jià)格影響因素與房價(jià)之間的關(guān)系，并提出針對性的建議。

一、房地產(chǎn)價(jià)格影響因素的面板數(shù)據(jù)分析

1.模型的理論構(gòu)建

面板數(shù)據(jù)是由時(shí)間序列數(shù)據(jù)和截面數(shù)據(jù)共同組成的，所以，面板數(shù)據(jù)有兩個(gè)維度。面板數(shù)據(jù)分析需要進(jìn)行單位根檢驗(yàn)、協(xié)整檢驗(yàn)、面板數(shù)據(jù)模型的確定和面板數(shù)據(jù)影響形式的確定。單位根檢驗(yàn)是為了防止面板數(shù)據(jù)存在偽回歸問題，在進(jìn)行回歸分析之前需要對其平穩(wěn)性進(jìn)行檢驗(yàn)，以保證最終檢驗(yàn)結(jié)果的可用性。單位根檢驗(yàn)方法選擇了相同根單位根的LLC檢驗(yàn)和不同根單位根的ADF和PP檢驗(yàn)。如果經(jīng)過單位根檢驗(yàn)發(fā)現(xiàn)變量之間是同階單整的，那么就可以進(jìn)行協(xié)整檢驗(yàn)，協(xié)整檢驗(yàn)是考察變量間長期均衡關(guān)系的方法，利用Kao檢驗(yàn)進(jìn)行協(xié)整分析。面板數(shù)據(jù)模型包括3種形式：變系數(shù)模型、變截距模型和不變系數(shù)模型，用F檢驗(yàn)來確定模型屬于哪一種模型，以避免回歸模型出現(xiàn)偏差。面板數(shù)據(jù)模型的影響形式分為固定影響和隨機(jī)影響，一般采用Hausman檢驗(yàn)來判定。變截距模型的統(tǒng)計(jì)量F1和不變系數(shù)模型的統(tǒng)計(jì)量F2表示為

(1)

(2)

式中：S1為變系數(shù)模型的殘差平方和；S2為變截距模型的殘差平方和；S3為不變系數(shù)模型的殘差平方和；K為解釋變量個(gè)數(shù)；N為截面?zhèn)€數(shù)；T為每個(gè)截面觀測時(shí)期的總數(shù)。

經(jīng)過F統(tǒng)計(jì)量的計(jì)算，進(jìn)行判別：如果F2

2.指標(biāo)與樣本數(shù)據(jù)選擇

(1)指標(biāo)的選擇

在房地產(chǎn)價(jià)格影響因素中，對人口變量、經(jīng)濟(jì)變量、政策變量和市場變量4個(gè)方面進(jìn)行分析，具體選取的變量如表1所示。

表1 各變量的名稱、符號及單位

在變量的選取上，對于解釋變量，筆者選取了人口、經(jīng)濟(jì)、政策和市場4個(gè)方面的代表指標(biāo)。通過文獻(xiàn)閱讀以及數(shù)據(jù)分析等方法，對房價(jià)有顯著影響的指標(biāo)進(jìn)行具體分析。在人口因素中，選取了人口流動率，即對人口的遷移狀況進(jìn)行分析；在經(jīng)濟(jì)因素中，選取了人均GDP，人均GDP是衡量人民生活水平的一個(gè)標(biāo)準(zhǔn)；在政策因素中，選取了土地供給量作為土地政策指標(biāo)；在房地產(chǎn)市場因素中，選取了房地產(chǎn)價(jià)格滯后一期、房地產(chǎn)投資額滯后一期和房屋竣工面積。房價(jià)水平是以各個(gè)城市的商品房平均銷售價(jià)格來衡量的；人口流動率的計(jì)算式為：(年末人口數(shù)-上年年末人口數(shù)-上年年末人口數(shù)×人口自然增長率)/年末人口數(shù)，式中人口數(shù)均指常住人口[9]；人均GDP是各個(gè)城市地區(qū)生產(chǎn)總值與年末總?cè)丝跀?shù)的比值；土地供給量、房地產(chǎn)投資額滯后一期和房屋竣工面積等數(shù)據(jù)是由國家數(shù)據(jù)以及各城市統(tǒng)計(jì)公報(bào)整理得到的。

(2)研究區(qū)域及數(shù)據(jù)來源

研究對象為我國15個(gè)副省級城市，包括廣州、杭州、武漢、哈爾濱、沈陽、成都、濟(jì)南、南京、西安、長春、大連、青島、深圳、廈門、寧波。目前，我國房地產(chǎn)業(yè)存在發(fā)展不平衡的問題(見圖1)。2019年，商品房銷售價(jià)格存在明顯的區(qū)域性差異，根據(jù)2019年的商品房銷售價(jià)格，將15個(gè)副省級城市進(jìn)行區(qū)域劃分[10]，分為高房價(jià)水平、中房價(jià)水平和低房價(jià)水平3個(gè)區(qū)域。高房價(jià)區(qū)域代表城市：深圳、杭州、南京、廈門、廣州；中房價(jià)區(qū)域代表城市：寧波、武漢、青島、濟(jì)南、大連；低房價(jià)區(qū)域代表城市：西安、成都、哈爾濱、沈陽、長春。筆者對2011—2018年15個(gè)副省級城市的房地產(chǎn)價(jià)格、人口流動率、人均GDP、土地供給量、房地產(chǎn)投資額滯后一期、房屋竣工面積的面板數(shù)據(jù)進(jìn)行收集分析。原始數(shù)據(jù)來源于國家統(tǒng)計(jì)局和各個(gè)城市的統(tǒng)計(jì)年鑒、統(tǒng)計(jì)公報(bào)。

圖1 2019年副省級城市商品房銷售價(jià)格以及近5年房價(jià)增長率均值

二、房價(jià)影響因素的實(shí)證分析

1.單位根檢驗(yàn)

筆者對2011—2018年我國15個(gè)副省級城市的時(shí)間序列數(shù)據(jù)進(jìn)行收集，單位根檢驗(yàn)方法選擇了LLC檢驗(yàn)、ADF檢驗(yàn)和PP檢驗(yàn)。同時(shí)，對人均GDP、土地供給量、房地產(chǎn)價(jià)格滯后一期、房地產(chǎn)投資額滯后一期、房屋竣工面積等變量數(shù)據(jù)取對數(shù)，由于人口流動率是比率性指標(biāo)，且存在負(fù)值，所以不對其取對數(shù)。

通過對副省級城市面板數(shù)據(jù)的單位根檢驗(yàn)結(jié)果進(jìn)行分析，發(fā)現(xiàn)該面板數(shù)據(jù)是平穩(wěn)的，且各個(gè)變量都是二階序列，通過了檢驗(yàn)，所以各個(gè)變量都是同階單整的。

2.協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)使用Kao檢驗(yàn)進(jìn)行分析，分析結(jié)果如表2所示。

表2 副省級城市的Kao檢驗(yàn)

Kao檢驗(yàn)的結(jié)果P值為0.000 0，所以拒絕原假設(shè)，不存在協(xié)整關(guān)系，即各解釋變量與被解釋變量之間存在長期均衡關(guān)系。

3.面板數(shù)據(jù)模型的確定

首先，通過計(jì)算變系數(shù)模型的殘差平方和S1、變截距模型的殘差平方和S2和不變系數(shù)模型的殘差平方和S3，然后，根據(jù)式(1)、式(2)計(jì)算出F1、F2的值，在5%的水平下查找F分布所對應(yīng)的F值，最后，根據(jù)上述判定標(biāo)準(zhǔn)對模型形式進(jìn)行判定。計(jì)算結(jié)果和判定如表3所示。

表3 副省級城市的模型形式的確定

結(jié)果表明F2

4.區(qū)域模型的檢驗(yàn)

(1)單位根檢驗(yàn)及協(xié)整檢驗(yàn)

筆者將高房價(jià)區(qū)域、中房價(jià)區(qū)域和低房價(jià)區(qū)域的數(shù)據(jù)序列進(jìn)行LLC、ADF和PP檢驗(yàn)，通過了單位根檢驗(yàn)和協(xié)整檢驗(yàn)，因此，各解釋變量與被解釋變量之間存在長期均衡的關(guān)系。

(2)確定面板數(shù)據(jù)模型的影響形式

筆者分別對高房價(jià)、中房價(jià)和低房價(jià)區(qū)域的房地產(chǎn)價(jià)格影響因素與房價(jià)的關(guān)系進(jìn)行分析，根據(jù)上述判定標(biāo)準(zhǔn)對模型的形式進(jìn)行判定。根據(jù)檢驗(yàn)結(jié)果及判別標(biāo)準(zhǔn)可知，高房價(jià)區(qū)域和低房價(jià)區(qū)域的面板數(shù)據(jù)為不變系數(shù)模型，中房價(jià)區(qū)域的面板數(shù)據(jù)為變截距模型。

5.檢驗(yàn)結(jié)果與分析

15個(gè)副省級城市總體的房地產(chǎn)價(jià)格影響因素與房價(jià)之間的關(guān)系的回歸結(jié)果，以及根據(jù)2019年各城市商品房銷售價(jià)格劃分的3個(gè)區(qū)域的回歸結(jié)果如表4所示。

表4 副省級城市的回歸結(jié)果匯總

(1)總體分析

總體的回歸方程的擬合度較好，R值為0.993 3，調(diào)整后R2值為0.993 0。15個(gè)副省級城市的整體回歸分析結(jié)果顯示，人口流動率、人均GDP和房地產(chǎn)價(jià)格滯后一期與房價(jià)顯著正相關(guān)，房屋竣工面積與房價(jià)顯著負(fù)相關(guān)，而土地供給量和房地產(chǎn)投資額滯后一期和對房價(jià)的影響不顯著。

在房地產(chǎn)價(jià)格影響因素中，房地產(chǎn)價(jià)格滯后一期對房價(jià)的影響程度最大，房地產(chǎn)價(jià)格滯后一期每上升1%，房價(jià)上漲0.942 7%，即購房者根據(jù)上期房價(jià)對未來房價(jià)進(jìn)行預(yù)測，影響其對商品房的需求量，進(jìn)而對房價(jià)產(chǎn)生影響，房價(jià)本身具有自我促進(jìn)的作用。人均GDP對房價(jià)的影響較大，人均GDP每上升1%，房價(jià)上漲0.058 9%。房屋竣工面積和人口流動率對房價(jià)影響程度較小，對房價(jià)的促進(jìn)效用分別只有0.020 6%和0.011 9%。

(2)不同區(qū)域分析

通過對3個(gè)區(qū)域的房地產(chǎn)價(jià)格影響因素對房價(jià)的影響分析發(fā)現(xiàn)，不同區(qū)域的房地產(chǎn)價(jià)格影響因素對房價(jià)的影響程度是不同的。

①高房價(jià)區(qū)域。高房價(jià)區(qū)域的人口流動率、人均GDP、土地供給量、房地產(chǎn)價(jià)格滯后一期以及房屋竣工面積對房價(jià)有顯著影響，其中，人口流動率、人均GDP、土地供給量、房地產(chǎn)價(jià)格滯后一期與房價(jià)正相關(guān)，房屋竣工面積與房價(jià)負(fù)相關(guān)。房地產(chǎn)價(jià)格滯后一期對房價(jià)的影響程度最大，促進(jìn)效應(yīng)為0.697 1%；人均GDP對房價(jià)的影響程度也較大，促進(jìn)效應(yīng)為0.217 3%；土地供給量和房屋竣工面積對房價(jià)的影響程度較??；人口流動率對房價(jià)的影響最小?？傮w來看，回歸方程的擬合度較好，R值達(dá)到0.962 0，R2值為0.956 4。

②中房價(jià)區(qū)域。中房價(jià)區(qū)域的人口流動率、人均GDP、房地產(chǎn)價(jià)格滯后一期對房價(jià)有顯著的正向影響，房地產(chǎn)投資額滯后一期與房價(jià)負(fù)相關(guān)。房地產(chǎn)價(jià)格滯后一期對房價(jià)的影響最大，促進(jìn)效應(yīng)為0.697 3%；人均GDP對房價(jià)的影響也較大，促進(jìn)效應(yīng)為0.550 7%；房地產(chǎn)投資額滯后一期和人口流動率對房價(jià)的影響較小。總體來看，回歸方程的擬合度較好，R值達(dá)到0.967 4，R2值為0.956 1。

③低房價(jià)區(qū)域。低房價(jià)區(qū)域的人口流動率、土地供給量和房地產(chǎn)價(jià)格滯后一期對房地產(chǎn)價(jià)格影響的顯著性很高，其中，人口流動率和房地產(chǎn)價(jià)格滯后一期與房價(jià)正相關(guān)，土地供給量與房價(jià)負(fù)相關(guān)。房地產(chǎn)價(jià)格滯后一期、土地供給量、人口流動率3個(gè)顯著影響因素對房價(jià)影響程度依次減弱?？傮w來看，回歸方程的擬合度較好，R值達(dá)到0.873 6，R2值為0.855 0。

人口流動率和房地產(chǎn)價(jià)格滯后一期對3個(gè)區(qū)域的房價(jià)都有影響，房地產(chǎn)價(jià)格滯后一期對房價(jià)的影響程度最大，而人口流動率對房價(jià)的影響程度較小。人口流動率對3個(gè)區(qū)域的房價(jià)影響程度是依次減弱的，由于高房價(jià)區(qū)域經(jīng)濟(jì)比較發(fā)達(dá)，大量人口會從經(jīng)濟(jì)不發(fā)達(dá)區(qū)域涌入經(jīng)濟(jì)發(fā)展較快的高房價(jià)區(qū)域，高房價(jià)區(qū)域人口增多，必然會增加對房地產(chǎn)市場的需求，進(jìn)而導(dǎo)致房價(jià)上漲；人均GDP對中房價(jià)區(qū)域房價(jià)的正向影響高于高房價(jià)區(qū)域，由于中房價(jià)區(qū)域的商品房價(jià)格相較于高房價(jià)區(qū)域低，所以當(dāng)人均GDP增加時(shí)，人們?yōu)榱烁纳菩枨髸黾訉Ψ康禺a(chǎn)的投資，進(jìn)而使房價(jià)上漲；土地供給量對高房價(jià)區(qū)域的影響要高于低房價(jià)區(qū)域，由于高房價(jià)區(qū)域的商品房增值空間較大，是投機(jī)者投資熱點(diǎn)區(qū)域，所以當(dāng)土地供給量增加時(shí)，房地產(chǎn)開發(fā)商會增加房地產(chǎn)的投資，炒房行為使房價(jià)上漲；房地產(chǎn)價(jià)格滯后一期對3個(gè)區(qū)域的房價(jià)影響是依次加強(qiáng)的；隨著房地產(chǎn)投資額滯后一期的提高和房屋竣工面積的增加，房地產(chǎn)供給量增多，導(dǎo)致房價(jià)降低。

三、結(jié)論與建議

1.結(jié) 論

通過對15個(gè)副省級城市的整體分析，人口流動率、人均GDP和房地產(chǎn)價(jià)格滯后一期與房價(jià)顯著正相關(guān)，房屋竣工面積與房價(jià)顯著負(fù)相關(guān)，而土地供給量和房地產(chǎn)投資額滯后一期和對房價(jià)的影響并不顯著。由于副省級城市是經(jīng)濟(jì)較為發(fā)達(dá)的城市，隨著人口流動率的增加，城市住房的剛性需求也會增加，而隨著房地產(chǎn)市場需求的增加，房價(jià)會不斷上漲。人均GDP和房地產(chǎn)價(jià)格滯后一期的提高，會對商品房的需求產(chǎn)生影響，進(jìn)而間接影響房地產(chǎn)價(jià)格。房屋竣工面積會對房地產(chǎn)市場供給產(chǎn)生影響，進(jìn)而影響房地產(chǎn)價(jià)格。

筆者針對3個(gè)區(qū)域的分析結(jié)果發(fā)現(xiàn)，不同區(qū)域的房地產(chǎn)價(jià)格影響因素對房價(jià)的影響程度是不同的，甚至，同一影響因素在不同區(qū)域?qū)Ψ康禺a(chǎn)價(jià)格波動的顯著性都是不同的。

2.建 議

(1)實(shí)行合理的人口政策

通過上述分析發(fā)現(xiàn)，人口流動率對房價(jià)有一定的促進(jìn)作用，所以政府應(yīng)該實(shí)行人口政策，合理控制城市人口規(guī)模以及人口流動情況。對于高房價(jià)區(qū)域，應(yīng)該實(shí)施嚴(yán)格的人口流動政策，針對流動人口制定相應(yīng)的住房政策，使流動人口住有所居，但也要控制流動人口數(shù)量，保證人口數(shù)量在合理范圍內(nèi)；對于中、低房價(jià)區(qū)域，既要保證人口數(shù)量的合理性，又要促進(jìn)人口的流動性，以推動當(dāng)?shù)胤康禺a(chǎn)業(yè)的發(fā)展。

(2)抑制投機(jī)行為

隨著經(jīng)濟(jì)的發(fā)展，人們生活水平不斷提高，會將多余的資金用于投資。房地產(chǎn)既是消費(fèi)品也是投資品，如今，人們收入水平越來越高，會將大量的資金投入到房地產(chǎn)業(yè)，大量房地產(chǎn)投機(jī)行為的出現(xiàn)會導(dǎo)致房價(jià)不斷上漲。對于投資需求較大的高房價(jià)區(qū)域，政府應(yīng)加強(qiáng)宏觀調(diào)控，通過調(diào)節(jié)貸款利率和稅收政策來抑制房地產(chǎn)市場的投機(jī)行為。中房價(jià)區(qū)域目前也有較大的投機(jī)機(jī)會，因此，當(dāng)?shù)卣残枰訌?qiáng)政策調(diào)控，通過對土地政策進(jìn)行調(diào)整來保證房地產(chǎn)市場的健康發(fā)展。低房價(jià)區(qū)域目前應(yīng)實(shí)施一些優(yōu)惠政策，刺激房地產(chǎn)市場的投資，促進(jìn)低房價(jià)區(qū)域房地產(chǎn)的健康發(fā)展。

(3)健全房地產(chǎn)市場體系

首先，應(yīng)建立健全的房地產(chǎn)價(jià)格監(jiān)控體系，對于房地產(chǎn)價(jià)格應(yīng)進(jìn)行動態(tài)的監(jiān)測與研判，并及時(shí)向社會發(fā)布房價(jià)的監(jiān)測情況；其次，應(yīng)加強(qiáng)房地產(chǎn)市場的供給側(cè)改革，供需不平衡是導(dǎo)致房價(jià)上漲的重要原因，由于高房價(jià)區(qū)域的投機(jī)需求和剛性需求較大，政府應(yīng)增加供給渠道，減少因供不應(yīng)求而導(dǎo)致房價(jià)上漲的問題發(fā)生，而對于中、低房價(jià)區(qū)域，通過加強(qiáng)商品房去庫存政策來加快商品房的銷售，提高房屋的建筑質(zhì)量以及周邊配套設(shè)施的質(zhì)量，完善中小城市的資源配置，充分發(fā)揮供給端對消費(fèi)者的吸引力。