我国住宅销售价格的影响因素分析
来源:用户上传
作者: 孙雪梅
作者简介：孙雪梅，性别：女，籍贯：黑龙江省鹤岗市，工作单位：东北财经大学，职称：研究生，学位：学士学位，研究方向：国民经济核算。
摘要：房价问题关系到国计民生。随着我国房地产市场迅猛发展，越来越多的问题也暴露出来，过高的房价已经远远超过了广大居民的购房承受能力，并导致物价总水平的不断攀升，通货膨胀压力凸现。房价问题己成为社会各界讨论的热点之一。本文以全国35个大中城市为研究对象，结合Panel Data模型，运用多元回归分析方法研究住宅价格的影响因素。面板数据分析结果显示，人均可支配收入对住宅销售价格的影响最为显著；同时，通过比较东中西部的模型，分析我国住宅销售价格的区域差异，得出三大地带城市住宅价格的解释变量不尽相同，即使相同，其影响效应也是有差异的。在此基础上，本文提出了相应的政策建议。
关键词：住宅价格；影响因素；Panel Data模型；回归分析
一、引言
随着我国经济的快速增长，房地产行业在国民经济中的重要性日益凸显，已经逐渐发展成为我国基础性、先导性和支柱性产业，并日益成为国民经济发展的增长点。但是住宅市场却似乎在逐渐脱离我们的控制。住宅市场的繁荣一方面对促进我国经济的增长起到了举足轻重的作用，但另一方面高昂的房价又阻碍了许多百姓实现“居者有其屋”的愿望。快速上涨的房地产价格已经演变成为万众瞩目的经济问题和社会问题，更是引起了政府、企业、媒体舆论、专家学者和购房者的高度重视，对于我国住宅价格的争论一直没有停息过。相关部门针对房地产市场的不同状况釆取了一系列调节措施，房价虽然也有短期的上下起伏，但是似乎一直都维持在一个较高的市场价格水平之上。那么怎样的一个水平才是合理的呢？是否房价的上涨就一定不合理，一定会形成泡沫？
回答当然是否定的。在房地产市场的发展过程中，有很多因素支撑着房价上涨的合理性。一方面，随着我国经济快速增长、城镇化进程不断推进，大量的外来居民不断涌入，带来了房地产市场一股强劲的刚性需求。预计在21世纪头30年，中国将有5亿人口从农村搬进城市。新增城市人口的住房问题亟待解决，城市房地产市场在未来面临着十分巨大的需求；另一方面，随着居民收入水平的上升以及财富的增加，对人均住宅面积和住房质量有了更高的追求，这些都推动着居民对住房的改善性需求；最后，从住宅供给的角度来看，住宅价格与住宅的生产成本息息相关，成本推动也很可能是住宅价格上涨的原因。
综上可见，一方面，在复杂的经济环境下，房价非理性的上涨可能会存在泡沫，进而存在一系列的不良影响；而另一方面，住宅价格的高涨也有其合理的支撑因素。那么，怎样的住宅价格才算合理呢？其影响因素有哪些？不同因素的影响力大小又如何，是否有哪些因素起主导作用？这些都是本文亟待解决的问题。住宅价格既关系到一般老百姓的生产和生活问题，也关系到一个城市的发展潜力和竞争力，更关系到一个国家的金融稳定、宏观经济政策等等。定性和定量研究城市住宅价格的影响因素，可以为政府进行宏观调控提供依据，为消费者购房提供信息支持，为企业投资开发项目提供参考。
本文以中国35个大中城市为例，对我国住宅销售价格的影响因素进行实证分析。首先从需求和供给层面上选取变量指标，先是采用规范的分析方法，然后再通过计量实证，应用Panel Data模型建立城市住宅价格模型。通过对比分析，找出哪些是影响住宅价格的主要因素，哪些是次要因素；同时将35个大中城市划分为东中西部三个地区，利用已有数据分别建立三大地带的截面固定效应模型，根据回归结果分析我国住宅销售价格的区域差异，进而为维持房地产行业乃至促进国民经济健康发展提供理论上的帮助。
二、实证分析
（一）变量选取与模型建立
1.变量的选取
根据以上分析，住宅的价格受供给和需求的影响。因此本文是从供求的层面来进行变量的选取。这里我们以城市为单元选取住宅销售价格HP（元/㎡）作为被解释变量，解释变量选取对住宅需求和供给有最大影响的因素：人口、收入水平、消费水平、GDP及住宅长期供给。
根据模型的需要，并考虑到变量资料数据的可获得性及可量化性，此处选取市区非农业人口这一指标来反映人口因素；以城镇居民人均可支配收入指标代表居民收入水平；选取恩格尔系数作为衡量消费水平的指标；GDP是反映一个地区经济发展的重要指标；对于住宅长期供给，本文选取商品住宅竣工面积这一指标。
综上所述，本文将选取市区非农业人口POP （万人）、城镇居民人均可支配收入PDI（元）、恩格尔系数ENG（%）、GDP（亿元）、商品住宅竣工面积HBS（万㎡）这五个变量作为分析住宅价格的解释变量来构建模型。
2.数据来源与分析方法
本文的数据主要来源于官方统计年鉴和主流金融数据机构，其中，35个大中城市从2006年到2010年的商品住宅销售价格以《中国房地产统计年鉴》和全国相关城市的统计年鉴中“商品住宅平均销售价格”数据为标准；五个解释变量的有关数据分别来自《中国统计年鉴》、《中国城市统计年鉴》、《中国房地产统计年鉴》和《中国区域经济统计年鉴》。相关数据的补充来源于国家统计局、中国统计信息网和中经网等相关网站。
上述这些数据，在具体某一年份是截面数据，针对某一个城市而言，是时间序列数据，所以本文采用面板数据分析方法，以保证数据样本容量的充足性。
本文所采用的计量分析软件为SPSS 16.0，利用逐步回归进入法（Stepwise），对中国35个大中城市2006-2010年的相关面板数据进行分析，以确定各宏观经济变量对住宅价格的影响程度。在进行实证回归之前，本研究先对这些数据进行去通胀的处理，同时为了减少量纲对回归结果的影响，对每个带单位的数据进行指数化处理。在去通胀处理时，用居民消费价格指数对住宅销售价格、城镇居民人均可支配收入进行去通胀化，用国内生产总值指数对GDP进行去通胀处理。 3.模型的构建
以Panel Data模型为基础，以上述五个影响因素为自变量，以每平方米商品住宅平均销售价格为因变量建立模型，同时采用对数—线性转换，为消除异方差，除恩格尔系数外，其他变量都以自然对数进入回归方程。我们将设定截面固定效应模型，如公式所示：
（二）我国住宅销售价格的影响因素分析
1.第一次回归分析
本次回归方程自变量进入模型的标准和经过筛选进入模型的自变量如表1-2所示。根据逐步进入法的原理，会首先选择对因变量贡献最大的自变量进入回归方程；随后重新计算各自变量对y的贡献大小，并考察已在方程中的变量是否由于新变量的引入而不再有统计意义。如果有，则将它剔除，并重新计算各自变量对y的贡献。如仍有变量低于入选标准，则继续考虑剔除，直到方程内没有变量可被剔除，方程外没有变量可被引进为止。从表1-2可以看出，根据确定的标准，五个变量依次全部进入了模型，其中lnPDI最早进入模型。
从表1-3显示的回归分析结果可以看出，最早进入模型的变量lnPDI对因变量的解释程度达到77.3%。进入模型的五个自变量，调整后的R2达0.860，即所有自变量均显著，模型具有良好的解释能力。同时根据方差分析结果，F检验都通过统计检验，表明回归方程是有意义的。下面以城镇居民人均可支配收入为固定自变量，将所有其他自变量依次加入回归方程，构建出5个回归模型，并对它们分别进行回归分析，结果见表1-4。实证结果显示所有的自变量都通过了t检验，这表示回归系数是有意义的。由此得到回归方程如下：
我们发现，模型中的恩格尔系数的系数为正值。从理论上分析，恩格尔系数越低则说明居民生活水平越高，从而对住宅消费的能力也就越高，因此可以推断住宅价格也应越高，即住宅价格与恩格尔系数成反比。但从实证结果来看其回归系数却是正值，这表示恩格尔系数越高住宅价格也就越高，显然结果和理论上的分析存在矛盾。另外我们通过对原始数据进行分析发现，有些城市恩格尔系数低但住宅价格不高，而有的城市恩格尔系数相对较高相应住宅价格也较高，如杭州2010年的恩格尔系数为38.5%，其住宅价格达到14259元/㎡；而银川2010年的恩格尔系数仅有32.1%，其住宅价格却只有3610元/㎡。显然，恩格尔系数与住宅价格之间的关系在现实与理论当中存在不一致性。另外，人口数量对住宅价格的影响系数为负，这也与预计不符。判断一个模型的好坏，除了自变量对因变量应有很好的解释性外，其实证结果还必须和理论分析具有一致性。因此，为了进一步提高模型的有效性，我们剔除了恩格尔系数和市区非农业人口这两个变量再次进行回归分析。
2. 第二次回归分析
回归结果表明，首先进入回归方程的自变量是人均可支配收入，它对因变量的解释程度已经达到77.3%。因此，从全国范围来讲，对住宅价格影响贡献最大的动力因素是人均可支配收入。从表2-2中给出的方差分析结果来看，由于F=259.877，P=0.000，表明回归方程也是有意义的。根据表2-4显示的回归分析结果可以看出，所有的自变量都通过了t检验，可认为其回归系数是有意义的。由此又可得出回归方程如下：
lnHP=-2372+1010lnPDI+0246lnGDP-0149lnHBS（R2=0826）
通过两次回归分析可以发现，对城市住宅价格影响贡献最大的就是人均可支配收入，可见人均可支配收入的增加对住宅价格有很强的推动作用，这也从实证角度论证了家庭收入是影响住宅价格的最主要因素这一理论假设；国内生产总值和商品住宅竣工面积对住宅价格也存在着显著的影响，这三个变量对住宅价格的解释程度达82.3%。一般而言，城市生产总值反映了一个城市的规模，决定了住宅需求的数量，这也论证了城市规模对住宅价格有重要影响的推断，实证结果和现实观察到的现象呈现很好的一致性。如北京、上海、广东等经济发达，收入较高的城市，其相应的住宅价格也相对较高。
（三）我国住宅销售价格的区域差异分析
为了进一步分析实证结果对现实的意义，我们分别对东部、中部和西部三大地带的商品住宅价格与上述几个解释变量之间的关系进行实证分析。本文依据各城市人均GDP最大值对35个大中城市进行区域划分，大于2万的城市划为东部；在2万—1.2万之间的城市划为中部；小于1.2万的城市划为西部：
以上三个表分别显示了影响东中西部地区城市住宅价格的主要因素进入模型的变量。可以看出，东部地区的五个变量都进入了模型，而中部地区的lnGDP变量没有进入模型，西部地区模型中lnPOP变量被剔除。通过比较三个地区进入模型的变量，其进入次序也有显著差异。lnPDI在三个模型中都是最先进入的变量，这也与全国住宅价格影响因素的分析结果是相吻合的，可见人均可支配收入对住宅销售价格的影响是最大的；lnGDP和lnPOP对东部地区住宅价格影响显著，却分别在中部和西部地区的模型中统计不显著，可见影响住宅销售价格因素的区域差异。
我国城市住宅销售价格的区域差异分析结果由表3-3显示，结果证实，东中西部三大地带的商品住宅价格受到变量的影响因素不尽相同：东部主要受到人均可支配收入和国内生产总值的影响；中部主要受到人均可支配收入、市区非农业人口和商品住宅竣工面积三个变量的影响；西部主要受到恩格尔系数的影响。另外，即使受到相同因素的影响，影响的效果也是不同的。比如，同样是人口的变动，对中部城市住宅价格的影响要比对东部的影响大：中部市区非农业人口每增加10%，通过影响需求，住宅价格将相应上涨2.54%，而东部城市的市区非农业人口每增加10%，住宅价格却下降1.95%；同样是国内生产总值的影响，GDP对东部城市住宅价格的影响要比西部大，东部的GDP每增加10%，城市住宅价格将增加4.07%，而西部的GDP每增加10%，住宅价格只增加1.66%。这种差异的产生，主要是与这三大地带城市规模及人口流动性、房地产市场活跃程度和经济发展程度息息相关的。 三、结论与建议
从经济学的角度分析，住宅价格是由住宅需求价格和住宅供给价格共同作用决定的，因此研究住宅价格变化的主要因素也必须从住宅需求价格和住宅供给价格两方面去进行，这样才能理清住宅价格变化的各种动力因素。从住宅市场运行的实践看，影响住宅价格的因素会在不同阶段、不同区域，直接影响或者通过其它因素间接导致住宅价格的起伏变化。但是，由于当前统计的不完善和数据的缺乏，35个大中城市最近五年的相关数据只能截止到2010年。另外，根据数据的可得性与代表性，在需求层面选取了市区非农业人口、人均可支配收入、国内生产总值和恩格尔系数，供给层面选取了商品竣工面积作为解释变量，对被解释变量商品住宅销售价格进行建模和实证研究。随后利用已有数据和模型对我国三大地带的城市住宅价格进行实证研究。
根据本文的分析结果，对全国而言，城镇居民可支配收入、国内生产总值和商品住宅竣工面积对城市住宅价格存在显著影响。人均可支配收入是形成住宅需求最有效的动力，它和GDP共同反映了城市消费水平和经济发展状况，住宅价格的变化主要受这两个因素的影响。商品住宅竣工面积代表供给层面的影响因素，对城市住宅价格的影响显著，但影响效应不及家庭收入水平和国内生产总值大。可见住宅价格主要是由需求层面的影响因素推动的。实际上，要准确评价一个城市住宅价格的高低并预测住宅价格的变化，城市人口规模也是很主要的动力因素。本文采用市区非农业人口这一变量来代表人口因素，分析结果显示在模型中的系数为负值，对住宅价格存在显著影响。这一结论与理论相悖，反映了我国目前住宅市场的现实情况是：人口已经得到了有效的控制，但房地产市场价格却依旧很高。这种矛盾揭示了房地产市场价格偏高的畸形现象。
通过对35个大中城市近五年的面板数据分析发现，住宅价格的影响因素几乎不随时间变化，即解释变量对房价变动的时间影响很小，但是区域影响却很显著，在不同的区域有较大的差异。对三大地带而言，东中西部的城市住宅价格所受的影响因素不尽相同。但即使所受的影响因素一样，其影响效果也是不同的。以上实证结果可以给我们一些启发。首先，应该根据不同地区影响城市住宅价格因素的变动情况，分析当地住宅价格变动的合理性；其次，当国家在对一些地区的住宅价格进行限制或者在鼓励某些地区房地产市场的发展时，针对不同的地区，应采取最适合不同地区特点的政策，这样才能取得最有效的效果。为控制房地产价格过快增长，确保房地产市场稳健发展，应该逐步完善以下几个方面的工作：
1.控制人口规模。随着经济的发展，我国城镇居民的家庭收人水平不断提高，城市化进程不断加快，越来越多的人口流入城市，城市人口规模不断扩大，对城市房地产的需求必然增加。因此，要适当把握城市化的进度，尤其是控制大城市的发展规模，控制城市常住人口的增长；同时要大力发展中小城市的建设规模，缩小城乡差距，改善农民经济状况，这样有利于为大城市减压。
2.继续发挥政府宏观调控的功能。这几年国家的宏观调控在房地产市场稳定发展以及确保整个社会经济的稳定发展方面发挥了巨大的作用，但是政府不应过分依赖央行的利率政策来达到控制住宅价格上涨的目的，而应该采取一系列的政策措施。比如可以通过税收调节手段，提高住宅投机成本，减少投机性需求。
3.因地制宜，对症下药。同样的政策措施，市场反映各异、效果差别也很大。根据目前全国城镇居民收入和商品住房价格存在较大差距的实际情况，对不同地区城市房地产价格上涨也应实行有差别的调控政策。中西部地区的国民经济发展水平相对落后，因此对中西部地区城市房地产价格的调控，就不能只根据中央宏观调控政策来操作，而应该因地制宜，由中西部地区各大城市政府针对本地的实际情况，制定具体的房地产市场政策，进行积极有效的住房价格控制。（作者单位：东北财经大学）
参考文献：
[1]董志勇，房地产价格影响因素分析：基于中国各省市的面板数据的实证研究，N，中国地质大学学报，2010.
[2]梁云芳、高铁梅，中国房地产价格波动区域差异的实证分析，J，《经济研究》，2007年第8期.
[3]杨帆，房地产价格的影响因素研究——基于35个大中城市面板数据的分析，J，《价格理论与实践》，2011年第11期.
[4]刘在军，国内重点城市商品住宅价格影响因素实证研究，J，《统计与决策》，2010年第14期.
[5]蔡丽娟，35个大中城市住宅价格宏观经济影响因素研究，C，经济科学出版社，2012.
转载注明来源:https://www.xzbu.com/3/view-4573139.htm
