大城市住房价格影响因素的动态分析

陈燕

(南京市社会科学院经济研究所副研究员、博士南京210018)

摘要:本文以状态空间的可变参数模型为分析视角,对1998-2010年南京市住房价格变动的影响因素进行实证分析。在多变量分析框架下,根据Kal man滤波法,运用样本空间为13年的时间序列数据对参数进行连续地估计,并对其波动进行了阶段性动态分析。实证结果显示:从空间状态模型来看,市场环境的改变,如城市地区生产总值、城镇居民可支配收入、房地产开发投资额、金融机构存款余额、利率的变化、预期的转变等,住房销售价格都会通过供给与需求的后续调整来得到表现。最后,本文针对实证分析结果提出了若干建议。

关键词:住房价格;状态空间模型;可变参数

中图分类号:F293.344文献标识码:A文章编号:1001-8263(2011)12-0150-07

一、研究思路

随着我国城市经济的持续发展和城市化进程的快速推进,住房需求不断增加,房地产投资快速增长,住房价格呈现不断上升的趋势。城市住房价格由住房市场供求相互作用形成,住房销售价格高低受诸多因素的制约和影响,包括社会因素、经济因素、因素和成本因素等。影响住房市场需求总量的因素有商品房的价格、消费者的收入水平、消费者使用资金的成本、一般商品的价格等等;影响住房市场的供给因素有经济增长水平、货币供应量、资金的使用成本等等。

目前理论界关于城市住房价格变动研究的主流思路大多基于固定参数模型考察各种经济变量在样本期间内的平均影响关系,所得到的回归系数与时间变化无关。然而实证结果表明,固定参数模型不能很好地描述和分析中国城市住房价格影响因素的动态变化,城市住房价格与各影响因素之间不可能是一种长期稳定的线性均衡关系,因此现有的采用固定参数模型的分析不适合反映这种相关关系,本文采用的变参数模型能更好地模拟这种关系。

中国作为一个处于转型期的发展中国家,房地产市场还远未达到成熟的发展阶段,城市化的快速推进、产业结构的优化升级、国际国内金融环境的变化、住房制度的变迁完善、城市住房消费观念的变化都会外生地改变各种变量间的相关系数。以往的实证分析时间跨度短,不具有很强的代表性。因此,为了能够动态反映城市住房价格的影响因素,本文采用南京1998-2010年间的时序数据,建立状态空间的可变参数模型,利用协整分析方法考察南京市住房价格变化的动态特征,以期对取消住房实物分配以来的中国的大城市住

房价格变动影响因素有借鉴意义。

图11998-2010年南京市住宅销售价格变化图

与现有文献在研究中使用截面数据进行静态分析不同,本文分析了南京市住房价格影响因素的动态变化。本文将在第二、三部分建立基于状

150态空间模型的南京市住房价格影响因素的变参数模型,并对变量的平稳性和协整性进行检验,同时对其波动和大小进行分析。最后在本文的第四部分得出相关结论并提出若干建议。

二、分析框架

(一)状态空间模型分析方法

在计量经济学中,状态空间模型(State Space Model)作为研究经济系统的一种有效的建模工具,其应用范围越来越广。我们比较一般的回归模型和状态空间模型发现,一般的回归模型通常假设变量的弹性系数在时间序列内保持不变,即估计一个平均值,然而随着制度等外部环境的变化,有些变量系数往往会在样本区间内发生变化,特别是对制度等有待完善的转型期的国家来说,制度变迁、产业结构升级、社会观念的改变等都会外生地改变各种变量间的回归系数。相比较而言,基于状态空间的可变参数模型表示动态影响有以下优点:一是其可以用来估计不可观测的时间变量,如理性预期、测量误差、长期收入和不可观测因素、经济危机、趋势和循环因素等,状态空间模型将不可观测的变量并入可观测模型,并估计参数值,一起得到估计结果;二是状态空间模型能反映变量间相关系数的动态变化,从而使计量分析更贴近现实变化,能够同步反映经济发展的实际状况;三是状态空间模型是利用强有力的迭代算法)))卡尔曼滤波来估计,对波动可以进行阶段性分析。

(二)南京市住宅价格的实证研究

1.变量选取

本文选取了1998至2010年南京市住宅销售价格(HP)作为因变量进行研究,选取的自变量有南京市地区生产总值(GDP)、城镇居民可支配收入(PDI)、金融机构存款余额(M2)、3-5年期人民币贷款基准利率(RI),房地产开发投资额(HAI)、居民人均储蓄存款余额(DI),运用状态空间模型并得出对应方程进行分析。需要说明的是,有些影响房价的因素如土地价格没有成为本文研究的变量,是因为房地产价格与土地价格显著成正比,土地成本占房地产开发成本的比重较大,在本文就不再进入研究。本文变量选取期限起至1998年,因为我国从1998年开始停止住房实物分配,逐步从福利分房制度向实行货币化分房转变,住房市场逐渐发展繁荣,住房价格成为社会普遍关注问题,所以1998年以后的数据是有效的。本文采用1998-2010年的南京市住房销售价格进行研究,总共利用了13年间的系列数据,样本丰富,满足可变状态模型的建模要求。

2.数据来源

本文基础数据来源于1998-2010年5南京统计年鉴6,2010年数据来自于52011年南京市工作报告6,数据覆盖13年。其中因变量南京市住宅销售均价通过当年住宅销售额比上住宅销售面积计算获得。贷款利率是3-5年期的长期贷款利率各个季度的加权平均数。考虑到样本期间较长,其他相关数据为了保证可比性,对其除以当年城市商品零售价格指数(CP)获得。在进行脉冲分析和方差分解时,同时对数据进行了处理,即以1997年为基期,其后各期分别除以上一期数据再乘以100得到。同时为了保证数据的可比性和容易得到平稳序列,同时削弱可能的异方差,提高模型精度,对数据取自然对数处理。

3.构建状态空间模型

本文采用变系数的计量模型,以状态空间模型进行估计,可以反映出南京市住宅价格随时间的变动情况。一般来说,状态空间模型是由一组测量(Observation)方程和状态(State)方程构成。本文以状态空间模型考察住房价格与地区生产总值、城镇居民可支配收入、金融、房地产开放投资额等的关系,运用Eviews6.0对1998-2010年南京市住宅销售价格进行变参数状态空间模型估计,以卡尔曼滤波算法可以得到如下测量方程和状态方程。

(1)测量方程:

Ln(HP)=c0+sv1ln(GDP)+sv2lnPDI)+sv3ln (M2)+sv4lnRI)+sv5ln(HAI)+sv6ln(DI)+&其中,&是具有固定参数的解释变量

@signal HP=c(1)+sv1*GDP+sv2*PDI+ sv3*M2+sv4*RI+sv5*HAI+sv6*DI+[var= e xp(c(2))]

151

大城市住房价格影响因素的动态分析(2)状态方程:

@state sv1=sv1(-1)

@state sv2=sv2(-1)

@state sv3=sv3(-1)

@state sv4=sv4(-1)

@state sv5=sv5(-1)

@state sv6=sv6(-1)

se=(0.4414***)

se=(0.011**)(0.012**)

**、***分别表示在5%、10%的显著性水平上拒绝原假设。

sv1-sv6为住宅销售价格各影响因素的变参数值:sv1为各个时点商品住宅销售价格对地区国民生产总值敏感程度的变参数序列;sv2为各个时点商品住宅销售价格对城镇居民可支配收入敏感程度的变参数序列;sv3为各个时点商品住宅销售价格对金融机构存款余额敏感程度的变参数序列;sv4为各个时点商品住宅销售价格对3-5年期人民币贷款基准利率敏感程度的变参数序列; sv5为各个时点商品住宅销售价格对房地产开发投资额敏感程度的变参数序列;sv6为各个时点商品住宅销售价格对居民人均储蓄存款余额敏感程度的变参数序列。

我们利用1998年取消住房实物分配后逐步走向住房市场化的13年间影响南京市住房价格水平的供求因素进行动态估计,通过在可变系数服从不同分布情况下得出的回归模型的检验,发现状态方程中可变系数最终采用服从随机游走分布的形式,检验结果表明,经过一次差分处理后所有变量均为平稳变量。另外,本状态空间模型的残差为平稳序列,说明估计结果是有效的。

三、各变参数对商品住宅销售价格的动态影响比较分析

(一)各变参数对商品住宅销售价格的动态影响分析

1.地区生产总值对商品住宅销售价格的动态影响分析

南京市地区生产总值对商品住宅销售价格总体呈现正向影响,即地区生产总值上升则商品住宅销售价格也保持上升趋势,弹性维持在-0.17 -3.1之间,1998-2005年间弹性渐为平稳,2006 -2009年间地区生产总值对城市商品住宅销售价格的弹性产生剧烈震荡(见图2)。从理论上讲,一个城市GDP的增加会给城市房地产业提供一个良好的发展环境,能提升房地产投资者的信心和积极性,也会促使城市居民的潜在住房需求能在经济持续发展过程中成为现实需求,从而拉升房价。南京市的地区生产总值从1998年的865.8亿元跃升为2010年的4902.2亿元,增长517倍,而2010年的住宅销售均价也上升为1998年的2.8倍。

2.城镇居民可支配收入对商品住宅销售价格的动态影响分析

数据显示,2010年南京市城镇居民可支配收入是1998年水平的3.87倍,城镇居民可支配收入对商品住宅销售价格有正向影响,即城镇居民可支配收入上升则商品住宅销售价格上涨,城镇居民可支配收入减少则商品住宅销售价格下跌,弹性维持在0.17-2.07之间,也就是说,城镇居民可支配收入每上升1个百分点,商品住宅销售价格会上升0.17- 2.07个百分点。1998-2006年城镇居民可支配收入对商品住宅销售价格的弹性逐渐变大,2008年前后弹性波动较大,目前弹性又呈上升趋势,说明收入对商品住宅的销售价格的影响在逐渐增大(见图3)。商品住宅价格与城镇居民收入水平理论上呈正相关关系,人均可支配收入每增加1元,理论上房价会上涨0.23元/平方米。消费者购买力对住房价格有较大影响,消费者处于价值链的下游,是住房产品的最终需求者,若住房价格水平高涨超过了消费者的购买力水平,会出现房地产市场有价无市,没有实际有效需求的房地产交易将处于停滞状态,市场的自动调节机制会做出调整,使房地产价格处于合理水平。中低收入人群对房屋的需求主要是住宅需求,收入上升时会刺激他们产生改善生活条件的意愿,从而增加对房产的需求,促使房价上升;高收入人群利用手中的流动资金投资房地产,这种投资或者投机需求更会加剧房产价格攀升。

152

2011年第12期图21998-2010年南京市地区生产总值图31998-2010年南京市城镇居民可支配收入对商品住宅销售价格的动态影响变化图对商品住宅销售价格的动态影响变化图

3.金融机构存款余额对商品住宅销售价格的动态影响分析

总体来看,1998-2010年间南京市金融机构存款余额对商品住宅销售价格呈现负向影响作用,弹性均值为-0.05。从时间序列分布看,2000 -2002年间、2008年前后金融机构存款余额对商品住宅销售价格的弹性波动剧烈,最低值(-0177)和最高值(1.11)均在期间出现,说明金融机构存款余额对商品住宅销售价格的影响不太稳定(见图4)。为应对国际金融危机对我国房地产业的冲击,保持经济的快速增长,2009年实行宽松的货币,南京市金融机构存款余额在2009年的同比增长率高达36%,达到历史最高水平。同年南京市住宅销售面积(1114.03万平方米)和住宅竣工面积(1227.85万平方米)均创历史最高纪录,南京市住宅销售价格同比增长高达50.6%,可见宽松的货币对住宅市场的负面影响很大。

4.贷款利率对商品住宅销售价格的动态影响分析

房地产作为资金密集型企业,融资成本在开发建设总成本中的比重较高,利率的变动将对房地产开发建设成本产生影响,进而影响住房供给水平。总体来看,1998-2010年间南京市3-5年期人民币贷款基准利率对商品住宅销售价格呈现负向影响作用,弹性均值为-0.01。弹性值在-0.06-0.16之间徘徊,说明贷款利率对住宅销售价格的长期影响不大(见图5)。贷款利率是影响住房价格的供给指标,房地产开发商和消费者购买房产都与银行的贷款支持密切相关,贷款利率将影响房地产开发商的融资成本和消费者的购房成本,进而影响住房价格。经验研究表明,名义利率与住宅价格呈负向关系。但实证研究有时会有不同结果,房地产业对利率的敏感性较强,银行利率会对住宅价格产生直接影响,1998-2002年4年中,我国金融机构5次下调贷款利率,加速了住宅需求的释放及投资,住宅销售价格大幅上涨。但几次大的利率上调后,由于预期的博弈性,住房价格不降反升,使得社会对住宅市场预期良好,加剧了住宅销售价格的上涨。总之,利率和房价的变动关系既受供求关系又受预期与风险等多重因素的影响。

5.房地产开发投资额对商品住宅销售价格的动态影响分析

总体来看,1998-2010年间南京市房地产开发投资总量对商品住宅销售价格呈现正向影响作用,弹性均值为0.37,弹性值在0.09-0.73之间徘徊(见图6)。住宅投资总额的增加,促进了房地产业的短期繁荣。房地产投资额的多少及涨幅衡量的是房地产开发的热度,投资过热导致过多的资金进入房地产开发市场,会加大开发的盲目性,使商品房供给增加,住房空置率上升,房地产泡沫加剧,对经济的稳定运行不利。另外,目前我国房地产开发投资进入中低价位住宅和城市保障性住房建设的比重还较小,进入中高档商品住宅的投资比例较高,导致中高档住宅供应量增加,这

153

大城市住房价格影响因素的动态分析

也会拉升城市住房均价。

6.居民人均储蓄存款余额对商品住宅销售价格的动态影响分析

总体来看,1998-2010年间南京市居民人均储蓄存款余额对商品住宅销售价格呈现正向影响作用,弹性均值为0.32,总的来讲,居民人均储蓄存款余额越多,商品住宅销售价格越高。2010年,南京市居民人均储蓄存款余额为55267元,是1998年的4.7倍。1998-2000年间,居民人均储

蓄存款余额对商品住宅销售价格的弹性上升,至2000年上升至最大值0.6,说明此时居民储蓄存款余额对住房销售价格的影响最大。从2000年始至2010年,居民人均储蓄存款余额对商品住宅销售价格的弹性直速下降,并在2008年达到最低点为-0.16,说明在这一段时间内,居民存款余额这一变量对商品住宅销售价格的影响作用在不断减弱(见图7)

。

图4 1998-2010年南京市金融机构存款余额 图5 1998-2010年南京市3-5年期人民币贷款

对商品住宅销售价格的动态影响变化图 基准利率对商品住宅销售价格的动态

影响变化图

图6 1998-2010年南京市房地产开发投资额 图7 1998-2010年南京市居民人均储蓄存款余额

对商品住宅销售价格的动态影响变化图 对商品住宅销售价格的动态影响变化图

(二)各变参数对南京市住宅销售价格动态影响的比较分析

我们把上述弹性序列的描述性统计数据归纳成表1,结合上图进行弹性序列动态影响的比较分析。城镇居民可支配收入弹性序列均值最大,为1.097143,其次依次为地区生产总值、房地产开发投资额、居民人均储蓄存款余额、金融机构存款余额及3-5年期人民币贷款基准利率的弹性序列均值,比较来看,金融机构存款余额及3-5年期人民币贷款基准利率的弹性序列均值较小。可见,在上述六个影响因素中,从影响程度看,城镇居民可支配收入和地区生产总值对城市商品住宅的销售价格影响最大,金融机构存款余额及3-5年期人民币贷款基准利率对城市商品住宅的销售价格影响最小。说明长期影响一个城市或地区住房销售价格的主要因素是地区经济发达程度以及居民的购买能力,金融和货币变动只能短期内影响城市住房销售价格,不能成为长期影响房价的因素。

从影响方向分析,6个影响因素中地区生产

154

2011年第12期

标准离差可以说明各变量住房价格的影响波动程度,从标准离差来看,地区生产总值的标准离差最大为1.014984,城镇居民可支配收入及金融机构存款余额的标准离差均约为0.58左右,其次为居民人均储蓄存款余额的标准离差01312585、房地产开发投资额的标准离差01196714,3-5年期人民币贷款基准利率的标准离差最小为0. 055022。可见,地区生产总值对商品住宅销售价格的影响波动最大,也即影响最不稳定,金融机构存款余额及城镇居民可支配收入对商品住宅销售价格的影响波动也较大;3-5年期人民币贷款基准利率对商品住宅销售价格的影响相对而言波动最小,影响平稳。

表1弹性序列的描述性统计数据表

均值中位数最大值最小值标准离差GDP 1.077243 1.120060 3.10104-0.17471 1.014984

P DI 1.097143 1.250797 2.0696230.1744660.582004

M2-0.052379-0.248074 1.107504-0.7725210.582858

RI-0.012428-0.0303020.161011-0.0604440.055022

HAI0.3671220.37340.7252700.0911000.196714

DI0.324470.34422460.6304-0.10240.312585

数据来源:表中数据根据Evie ws6.0统计结果整理所得。

四、结论和对策建议

根据以上对南京市1998-2010年间影响商品住宅销售价格波动的状态空间模型分析,我们可以得到以下结论:影响南京市住房价格的主要供给因素是地区生产总值、信贷、房地产投资额等,主要需求因素是消费者的收入水平和储蓄状况等。从影响程度看,城镇居民可支配收入和地区生产总值对城市商品住宅的销售价格影响最大,金融机构存款余额及3-5年期人民币贷款基准利率对城市商品住宅的销售价格影响最小。从影响方向分析,地区生产总值、城镇居民可支配收入、房地产开发投资额、居民人均储蓄存款余额对商品住宅销售价格起着正向影响作用,而金融机构存款余额和3-5年期人民币贷款基准利率对商品住宅销售价格有负向影响。

基于以上分析结论,根据南京市房地产市场近年价格上涨较快的特点及诸多影响因素,我们提出以下建议:

第一,重视对住房市场的综合。

本文的实证研究结果与经验研究出现一些出入,说明目前的房地产市场还不是一个成熟的市场体系,尚处于持续不断的产业结构调整阶段,决定大中城市住宅价格的因素也在结构和程度上不断变化。住房价格一直是社会普遍关注的焦点,住房价格上涨过快直接影响了城镇居民家庭住房条件的改善,影响了金融安全和社会稳定,甚至影响宏观经济运行。稳定房价不能单纯地依靠或者从单一方面入手,住房问题从经济学原理方面去思考基本上还是一个供需问题,所以房价就应从影响住房供求的各个方面综合,调整力度可视各因素的影响程度加以修正。在完善住房保障制度的同时,要制定严格合理的对商品房需求的甄别机制,遏制对商品房的投机性需求。同时要处理好房地产行业的可持续发展问题,坚决制止影响行业发展的各种短期行为。

第二,重视货币对城市住房市场的影响,加强房地产市场的信贷管理。

房地产行业号称/第二金融0,货币及银行信贷显著影响着房地产价格的走势。应该控制银行投放房地产领域的放贷总量,合理地使用利率这一宏观手段,传达正确的经济信号,避免房地产投资过热。同时应该调整房地产信贷投向方向,银行信贷的投放应该起到引导作用,不仅要投向获利较多的中高档地产方面,更应该关注保障性住房的建设,促进房地产供应结构的合理发展。实行差别化信贷,对房屋贷款实行差别化利率,通过提高投机性房屋贷款的首付比例和贷款利率来提高房屋投机者的成本,从而遏制市场上对商品房的投机性需求。同时为了建立健全风险预警体系防范房地产信贷风险,应该拓展房地产融资渠道,银行体系要加强对资产质量的管理和对资本充足率的认识,提高经营水平,积极推动房地产证券化,大力拓展房地产直接融资的渠道,实现房地产资金来源的多元化格局。

155

大城市住房价格影响因素的动态分析

第三,重视提升城镇居民收入,坚持房价涨幅与城镇居民收入增加相匹配。

研究结果显示,城镇居民人均可支配收入上升会增强居民的购买能力,提高城市住房的有效需求。对于中低收入、尚无住房的人来说,收入水平的增加会导致住房意愿性的居住需求转变为现实需求,对于中高收入水平、已经拥有住房的人群来说,收入水平的增加会形成改善性居住需求或刺激投资性需求。因此,应该重视城镇居民人均可支配收入等收入型指标,坚持房价涨幅与城镇居民收入增加相匹配,保持合理的房价收入比,防止过度投资投机资本进入房地产市场,进而导致房地产行业过热以致产生泡沫,影响经济社会和谐发展。

第四,以长效的保障性住房体系促进房地产市场健康发展。

按照经济发展阶段论的观点及国际经验,在市场经济发展至较高阶段,公共支出的重点应转向民生支出。/住有所居0是改善民生的主要内容。保障性住房建设是当前各界关注的一个热点问题,不仅关系房地产市场的健康发展,更直接关系百姓的民生福祉。保障性住房体系的建立,在实施民生工程、构建和谐社会中可以发挥突出作用。作为完善的住房市场,建立健全一个稳定的、规模化的公共租赁市场是非常必要的,大力发展公共租赁住房有利于尽快缓解保障性住房供应不足的突出问题,租赁型公共住房更符合我国现阶段低收入群体的住房需求。同时大力发展公共租赁住房有利于多层次解决各类中低收入群体的住房需求。许多城市都不同程度地存在着这样的/夹心层0,比如初级公务员、大学毕业生、引进人才、进城务工人员等,这些人群都成为住房保障的/盲点0。扩大公共租赁住房规模是解决/夹心层0的有益尝试。可以结合商品房市场的情况,及时调节持有房源的投放量以及租售比例,通过对/供需关系0的精细化操控,做到既考虑民生,又更精确地房地产市场。

参考文献:

112沈悦、刘洪玉:5住宅价格与经济基本面:1995-2002年中国14城市的实证研究6,5经济研究62004年第6期。

122韩蓉蓉、白建东、赵婉淞:5银行信贷对房地产价格影响的研究6,5内蒙古农业大学学报6(社会科学版)2011年第2期。132张西琨、缪小林:5我国房地产价格与居民可支配收入关系的实证分析6,5昆明理工大学学报62007年第6期。

142王来福、郭峰:5货币对房地产价格的动态影响研究)))基于V A R模型的实证6,5财经问题研究62007年第11期。

152黄瑜:5土地和货币对商品住宅价格的动态影响)))基于状态空间模型的实证6,5中国房地产62010年第12期。162梁云芳、高铁梅:5价格波动成因的实证分析6,5管理世界6 2006年第8期。

1责任编辑:清菡2

Dynamic Analysis of the Influence Factors on Housing Prices

in Megacities:Variable parameters based on the state space

model estimation in Nanjing(1998-2010)

Chen Y an

Abstract:Using variable para meters of the state space model for the analysis perspective,this paper analysed the factors of1998-2010Nanjing housing price changes.Empirical results show tha t:from the point of the State space model view,market environment changes,such as urban GDP,disposable income

of urban residents,real estate development and investment,fina ncial institutions deposits,interest rate changes,expected changes,etc,housing sales price will follow supply and demand through adjustments to get the perfor mance.Finally,the author proposed empirical results for a number of recommendations.

Key words:housing prices;state space model;variable para meters

156

2011年第12期