影响房价因素实证分析

        影响房价因素实证分析

摘要：影响房地产价格的因素很多，从根本上讲其影响因素在于房地产的供求关系。本文从城镇人口变动的角度研究其对房地产价格变动的影响，运用全国平均数据和31个省市的分地区数据分别进行了实证分析，得出了房地产价格与城镇人口变动之间的内在规律性以及不同地区之间存在的差异性。

关键词：城镇人口，房地产价格，协整模型，面板数据

一.引言

近几年房地产价格的高速上涨成为人们最关注的经济问题之一。1997-2006这十年来，商品房的销售金额平均的年增长速度达到30.74%，销售面积平均年增长速度为22.85%，价格平均每年上涨6.42%。其中住宅的销售额平均年增长速度达到31.63%，销售面积平均每年增长23.17%，价格平均每年上涨6.86%。如此高速的增长使得房地产这一行业对GDP 的贡献率也逐年增加，由1997年的20.9%上升至2006年的67.7%,成为带动经济增长的重要因素之一。是什么带动房地产价格如此快速的增长?众说纷纭。从宏观经济的角度讲，影响房价的因素有很多，国家的、国际经济环境、经济周期的轮回等，都会直接或间接影响到房价的涨跌，但是从根本上看，最后决定着中国房价涨跌的关键，仍是供给与需求的关系。本文着力于需求层面分析导致房价上涨的人口因素。

中国住宅总量需求可归纳为两个方面：第一，现有城镇居民要求改善住房条件，包括旧宅拆迁；第二，城镇人口数量增加形成的住房需求，包括原有城镇居民其子女未来长大成人对住房的需求，以及外来流动人口对当地住房的需求。中国每年高于1.2%的人口出生率,如果按13亿人来算，每年增加的人口就达1600万之多。同时，大量流动性人口涌进城市，我国城镇化水平保持长期的高速发展，1997年到2006年的10年中，我国城镇人口增加1.8257亿，平均每年增长4.46%；城镇化率从31.91%增加到43.9%，平均每年城镇化水平增加一个百分点，平均每年的城镇新增人口大约1826万人，这必将扩大对城镇住宅的需求量。

国内外很多学者就人口变化与房地产价格的关系提出了自己的看法。Meen,Geoffery and MarkAndrew (1996)1发现住宅价格对失业率有显著的反应，人口和就业增长可以使住宅价格显著上涨。Anthony Murphy，John Muellbauer and Gavin Cameron(2006)2利用28年的数据对英国的流动人口与住宅价格之间的关系进行研究，得出流动人口对住宅价格的水平会产生一定的影响。Peter Linneman and Albert Saiz(2007)认为地区人口的增长与地区房地产业的发展有着密切的联系，并利用美国各地区的人口数据进行了相关的研究。施昌奎（2007）5认为人才流的聚集使中国大城市住房需求持续高涨,流动性人口与引进人才的激增使住房需求保持旺盛状态。黄世宽（2007）6认为决定商品房价格居高不下的根本因素在于供求关系,并且分析了当前房地产市场需求的主要来源在于城镇人口的变动。王春艳、吴老二（2007）7基于1997-1999年广东省各地级市的数据,运用空间计量经济学研究珠三角城市圈内人口迁移与房地产价格之间的关系，发现人口迁移等因素可以显著地影响房地产价格水平。杨波（2007）8归纳出城市化进程中的速度演变规律和空间演变规律,继而分析了房地产业与城市化的同步发展关系, 认为房地产业与城市化具有一种内在的协调发展关系。还有很多学者就北京、深圳、长江三角洲、济南等地区的城镇人口与房地产价格的关系进行了深入的研究。

从下表可以看到，全国城镇化率较高的省份集中在东部地区，尤其以北京、天津、上海和广东四个地区最高，而住宅价格居于前四位的仍然是这些地区，从数据显示可以看出二个指标之间具有一定的相关性。

（表1）全国各地区城镇化率及住宅价格对比（2006）

地区	城镇化率(%)	住宅价格 (元/平方米)	地区	城镇化率(%)	住宅价格 (元/平方米)
全  国	43.90	3119	河  南	32.47	1843
北  京	84.33	7375	湖  北	43.80	2422
天  津	75.73	49	湖  南	38.71	1655
河  北	38.44	2028	广  东	63.00	45
山  西	43.01	1806	广  西	34.	1973
内蒙古	48.	1627	海  南	46.10	3735
辽  宁	58.99	2884	重  庆	46.70	2081
吉  林	52.97	1858	四  川	34.30	2123
黑龙江	53.50	2035	贵  州	27.46	1584
上  海	88.70	7039	云  南	30.50	2191
江  苏	51.90	3375	西  藏	28.21	1687
浙  江	56.50	4510	陕  西	39.12	2297
安  徽	37.10	2153	甘  肃	31.09	1703
福  建	48.00	3656	青  海	39.26	1840
江  西	38.68	1591	宁  夏	43.00	1869
山  东	46.10	2400	新  疆	37.94	1684

本文主要侧重从全国平均水平和分地区研究城镇人口数量变动对房地产价格（主要是住宅价格）的影响。

二、实证

本文进行以下两个方面的研究：

一是全国平均房价与城镇人口变动之间的关系；

二是对各地区住宅价格和城镇人口的面板数据建模，研究不同地区城镇人口变动对住宅价格变动的影响。

1．房地产价格变动与城镇人口变动之间的关系：

图1

由于住宅价格数据仅从1991-2006年，样本量过小，且商品房销售价格与住宅价格指数序列无论是绝对数序列还是对数序列走势接近（见图1），所以为了验证城镇人口变动对住房价格变动的关系，以商品房销售价格代替住宅价格进行研究，时间段为1987-2006年。

对商品房销售价格的数据是利用各年商品房销售额除以实际销售商品房屋面积所得，利用城市消费品价格指数（1987=100）缩减可得实际销售价格（即序列Y），X为城镇人口数据。分别对两序列取对数，得LY和LX（见图2）。为避免伪回归，先对两个序列分别进行平稳性检验。

图2

结果如下：

表2

	ADF	1%临界值	5%临界值	10%临界值	AIC
LY(c,t,2)	-3.251637	-4.6193	-3.7119	-3.29	-2.487986
DLY(c,0,1)	-3.033772	-3.8877	-3.0521	-2.6672	-2.082406
D2LY(0,0,3)	-4.6266	-2.7570	-1.9677	-1.6285	-2.369507
LX(c,t,1)	-2.721947	-4.5743	-3.6920	-3.2856	-6.845468
DLX(0,0,1)	-0.444976	-2.7158	-1.9627	-1.6262	-6.475076
D2LX(0,0,1)	-3.010552	-2.7275	-1.92	-1.6269	-6.454838

二者的二阶差分序列均在1%的显著性水平下通过平稳性检验，同是二阶单整，可以建立协整模型：

得估计结果为：

R2=0.852，DW=0.552，F=103.738

对残差进行平稳性检验：

表3

ADF Test Statistic	-3.090571	1%   Critical Value*	-2.7158
		5%   Critical Value	-1.9627
		10% Critical Value	-1.6262

在1%的显著性水平上通过检验，可以认为残差序列是平稳的。

建立误差修正模型:

得估计结果为:

从模型整体估计结果来看，全国商品房实际平均销售价格的对数序列与城镇人口的对数序列存在长期均衡的关系。协整模型表明，城镇人口的变动对商品房销售价格的变动有着显著的影响，城镇人口每增加1%，商品房实际销售价格就会上涨0.935%。

误差修正模型显示的结果表明，差分序列对的影响并不显著，但误差修正项是显著的。说明就短期波动而言，各差分序列对商品房实际销售价格的一阶差分序列无显著的影响，但当短期波动偏离长期均衡时，系统将会以0.455的调整力度将非均衡状态拉回均衡状态。

2、利用全国31个省市的1998-2006年的住宅价格和城镇从业人员（缺少各地区城镇人口数据，所以以此变量代替）的对数序列进行建模，主要侧重研究二者之间的弹性变动关系。

面板数据模型主要有三类9：

（1）无个体影响的不变系数模型

（2）变截距模型

（3）变系数模型

对于采用何种模型，选用协方差分析检验以下两个假设：H1：斜率在不同的截面样本点上和时间上都相同，但截距不同；H2：截距和斜率在不同的截面样本点上和时间上都相同。检验方法是， 如果接收了Ｈ２， 则没有必要进行进一步的检验。如果拒绝了Ｈ２， 就应该检验Ｈ１， 判断是否斜率都相等。如果Ｈ１被拒绝则采用模型３。

检验H2的统计量为：～

检验H1的统计量为：～

其中S1，S2，S3分别为模型（3）、（2）、（1）的残差平方和。

经检验F2=26.85>F(60,180)=1.393，F1=3.96>F(30,180)=1.523，所以采用变系数模型进行估计。根据HAUSMAN检验结果，可以判断采用固定影响变系数模型（见表4）。

表4

Test Summary		Chi-Sq. Statistic	Chi-Sq. d.f.	Prob.
Cross-section random		100.291272	1	0.0000

建立模型如下： 

估计结果如下：

表5

变量	系数	T-统计量	概率	外汇
北京	0.4044	1.9380	0.0539	3.6231
天津	3.5608	1.18	0.2358	-13.9945
河北	-0.4774	-1.0707	0.2855	8.101299
山西	0.2908	0.1696	0.8654	3.0874
内蒙古	-2.1132	-4.2670	0.0000	17.21682
辽宁	2.1035	0.4422	0.6588	-8.86102
吉林	-1.2067	-2.4794	0.0139	12.31921
黑龙江	-1.4938	-6.4037	0.0000	14.91997
上海	2.0621	16.1165	0.0000	-6.71569
江苏	1.7609	8.60	0.0000	-6.84732
浙江	1.53	18.2139	0.0000	-4.911
安徽	-7.7226	-4.9430	0.0000	53.79614
福建	1.8059	13.0632	0.0000	-5.75056
江西	1.8472	3.15	0.0003	-6.58516
山东	2.1302	13.5621	0.0000	-9.788
河南	0.8686	0.5046	0.6143	-1.03729
湖北	-0.0593	-0.0699	0.9444	5.416938
湖南	0.2406	0.3380	0.7357	3.2016
广东	0.7968	11.8275	0.0000	0.102083
广西	1.3573	3.0955	0.0022	-3.05985
海南	5.0839	9.7203	0.0000	-18.70
重庆	2.3876	6.2607	0.0000	-8.81831
四川	2.0692	6.2753	0.0000	-8.652
贵州	1.6601	4.1099	0.0001	-4.45254
遇难	1.1696	4.91	0.0000	-1.72193
	1.6676	3.1697	0.0017	-0.49786
陕西	0.0678	0.0776	0.9382	4.5704
甘肃	2.0733	1.6814	0.0941	-6.6321
青海	1.8625	8.1612	0.0000	-3.08124
宁夏	2.1543	5.2911	0.0000	-4.53966
	1.1120	2.9829	0.0032	-1.5203

从上述结果看，除北京、天津、河北、山西、辽宁、河南、湖北、湖南、陕西、甘肃以外，其他各省的系数均通过显著性检验，说明这些省的城镇从业人数的变动对当地住宅价格的变动有着显著的影响，或者说城镇从业人数是当地住宅价格的重要影响因素。其中上海、山东、海南、重庆、四川、宁夏的城镇从业人员对住宅价格的弹性较高，每增加1%的城镇从业人员，住宅价格上涨均在2%以上，说明住宅价格的上涨与人口的变动是相符的。而内蒙古、黑龙江、吉林和安徽的弹性系数为负，以及天津、河北、山西、辽宁、河南、湖北、湖南、陕西、甘肃各省的系数未通过显著性检验，与这些地区城镇从业人员的变动有关，从1998-2006年这些地区的城镇从业人员数变化波动较大，大多数地区1998年的城镇从业人员均为各地样本时间段的最高值，导致出现负系数，这也说明这些地区城镇从业人数与城镇人口的差别较大。就北京地区而言，虽然城镇从业人员与住宅价格同方向变动，但系数未通过显著性检验，说明北京地区的住宅价格受人口影响的因素较小，主要受其他一些因素如收入等的影响，不排除是由于住宅价格虚高导致的结果。江浙一带和广东省既是东部沿海发达省份，同时也是人口集聚的大省，但这些地区城镇人口对房价的弹性小于2，作用并没有十分突出，可能这些地区的住宅价格与当地收入水平有更密切的关系，有待于进一步的验证。综上，从分地区的发展情况来看，城镇从业人口的变动对住宅价格的影响是明显的。

三、结论

根据实证结果从全国平均水平的角度看，城镇人口对房地产价格确实具有显著的影响，二者之间具有内在协调性，城镇人口的增加促进房地产价格的上涨，而如果人口数量下降同样会极大影响房地产的变化，这一点在日本和欧洲已得到印证。从各地区来看，二者关系的地区差异较为明显，这与区域发展不平衡有关。一方面是人口流动聚集的结果，另一方面也是地区城镇居民收入差异的结果。如何协调二者之间的关系对于社会发展及稳定有着重要的意义。就中国的土地所有制度而言，由于土地的所有权掌握在手中，并没有完全的市场化交易，所以对于住房的供给方面我们是没有办法从一个完全市场化的角度来分析。这也是我国房地产价格中存在的重要问题。我们同样也要看到，随着人口的自由流动，更多的人愿意去一些大城市或经济发展水平较高的城市，同时也愿意让自己的后代留在那里继续发展，所以对大城市的购房需求应该是随着人口流动数量增加而增加的，需求的增加是明显的，所以就目前经济发展状况看，如果不考虑其他因素，房价应该是随着城镇人口数量增加而增加的。

参考文献：

[1] Anthony Murphy，John Muellbauer and Gavin Cameron， Housing Market Dynamics and Regional Migration in Britain[R]，Royal Economic Society Annual Conference，2006

[2] Meen,Geoffery and MarkAndrew, modeling regional housing prices :a review of the literature[R], The centre for spatial and real estate economics, Department of economics, The University of reading,1996. 

[3]James·H.Stock, Mark W. Watson, Introduction to Econometrics[M],上海，上海财经大学出版社，2004：271-291，552-559

    [4]中国统计年鉴（1999-2007）[M]，北京：中国统计出版社

[5]施昌奎，资金流、人流决定大城市房价走势 [J],城市开发,2007.7:34-35

[6]黄世宽，房地产市场需求来源分析 [J]，现代商业，2007.17:10-11

[7]王春艳，吴老二，人口迁移、城市圈与房地产价格——基于空间计量学的研究[J]，人口与经济，2004.4：63-67

[8]杨波，房地产与城市化的协调发展关系研究[J]，青岛科技大学学报（社会科学版），2007.6：11-16

[9]高铁梅，计量经济分析方法与建模-EVIEWS应用及实例[M]，北京：清华大学出版社，2006：154-157，302-324