租售比与中国城市住房泡沫，本文主要内容关键词为：中国论文,泡沫论文,住房论文,城市论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
众所周知，1998年的东南亚金融危机以及2008年全球金融危机源于住房泡沫破灭。许多国家发生的住房泡沫，不仅导致了大量的房贷违约，而且因资本充足率不足导致了美国、英国、西班牙、冰岛、爱尔兰、匈牙利等国家银行的倒闭。[1]因此，房价泡沫是金融危机的前兆，政策制定者总是将房价作为金融部门脆弱性的重要指标。[2]1992-1993年，海南、北海发生的房地产泡沫，使当地银行系统陷于困境。2005年以来，中国许多城市房价持续上涨，住房泡沫再次被热烈讨论。为防止住房泡沫，中央政府一直将房价作为宏观调控的重点，采取了货币政策(利率政策)、信贷政策(首付比率、限贷政策)和规制政策(限购政策)等多种措施，但调控效果不佳。根据国家统计局《国民经济和社会发展统计公报》，2005-2014年，中国70个大中城市新建商品住宅价格同比涨幅分别为7.6%，5.5%，7.6%，6.5%，1.5%，6.4%，1.63%，0.06%，9.70%和-4.51%。此外，国家统计局统计，2015年7月份70个大中城市新建商品住宅同比价格下降的城市有67个，上涨的城市有3个，最高涨幅为24.0%，最大降幅9.7%；二手住宅同比价格下降的城市有65个，上涨的城市有5个，最高涨幅为24.3%，最低为下降11.0%。据此，中国城市是否存在住房泡沫？ 学术界和业界通常采用租售比(rent to price ratio)来测度住房泡沫。当发生住房泡沫时，租售比通常很低。希默尔贝格等人(Himmelberg et al)比较了美国1980-2004年12个城市的租售比，发现2000年后租售比明显下降。[3]戴维斯(Davis)使用美国1960-2000年每10年一次的住房调查数据、劳动统计局(BLS)的住房租金季度指数以及房地美的重复购买房价季度指数(CMHPI)发现，1960-1995年，美国房屋租售比在5%～5.5%波动，自1995年下降，2006年降至历史新低3.5%，美国1995-2006年存在很大的住房泡沫。[4]恩尼吉等人(Nneji et al.)使用美国1960-2011年住房市场房租和售价的季度数据发现，1999-2006年平均售租比(average price-rent ratio)仅为19，但2006年增至32，房价显著偏离房租，产生了投机性泡沫。[5]国家发改委2008年对70个城市的抽样调查发现，1—6月份中国房屋租售比约为1∶400，即使租赁市场需求旺盛的北京市，房屋租售比已达1∶325，低于国际租售比1∶300的预警线下限，楼市泡沫严重。但问题是，1∶300的预警线的理论基础是什么？吕江林以按揭贷款利率为参照利率，考虑住房投资风险补偿和租金上涨因素，认为合理租售比约为1∶130～1∶170，我国住房市场总体上存在较明显的泡沫，北京、上海、深圳等一线城市泡沫更为严重。[6]同样，上述各种参数设定的理论基础是什么？ 还有一部分文献考察了租售比的决定因素。坎贝尔等人(Campbell et al.)使用1975-2007年美国23个大都市、4个区域和1个国家住房市场数据，运用动态戈登增长模型(dynamic Gordon growth model)和方差分解法发现，住房溢价(housing premia)在国家和地方层面对租售比波动具有显著解释力，而租金增长率、实际利率和住房溢价的协方差能显著降低租售比波动。[7]萨默等人(Sommer et al.)对1995-2006年美国住房繁荣期的模拟结果发现，低利率、低首付比率和高收入显著提高了理性预期均衡房价，但对均衡房租的效应较小，从而降低了租售比。[8]遗憾的是，现有租售比研究仅为实证研究，未从理论上阐明泡沫租售比。据此，本文从理论上构建租售比模型，对测度和解释住房泡沫具有重要的理论和现实意义。 现有文献通常从预期角度，采用理性泡沫和非理性泡沫定义测度住房泡沫。其中，理性泡沫通常有四种测度方法。第一种方法将住房泡沫定义为房价远超预期现金流现值，例如，史密斯和史密斯(Smith and Smith)的研究。[9]第二种方法将均衡房价视为基本价值，实际房价与均衡价格的偏离程度视为住房泡沫，例如，古德曼和锡伯杜(Goodman and Thibodeau)、科斯特洛等人(Costello et al.)、仁恩等人(Ren et al.)的研究。[10][11][12]第三种方法采用计量方法以基本经济面因素估计住房基本价值，然后以残差作为住房泡沫，例如，穆勒波尔和墨菲(Muellbauer and Murphy)、沈悦和刘洪玉的研究。[13][14]第四种方法将消费性需求决定的房价视为基本价值，将投资性需求与消费性需求决定的房价之差视为住房泡沫，例如，克莱顿(Clayton)、慧顿和南柯耶夫(Wheaton and Nechayev)、况伟大的研究。[15][16][17][18]但上述四种理性泡沫测度方法均无法准确测度基本价值。第一种方法采用红利折现模型(DDM)，但无法准确预测未来租金。第二种方法采用均衡房价测度基本价值，但均衡房价本身包含了预期因素，从而也包含了泡沫成分，结果高估了基本价值。第三种方法因遗漏解释变量，残差项不仅包含了泡沫成分，而且包含了非泡沫成分。第四种方法基于住房特性测度住房泡沫，但未严格区分消费性需求。众所周知，住房具有消费和投资双重属性，消费性需求决定了住房的基本价值，投资性需求决定了住房的泡沫成分。尽管克莱顿(Clayton)区分了消费性需求和投资性需求，但未分析二者对住房泡沫的影响。[15]希默尔贝格等人(Himmelberg et al.)测度了美国1980-2004年12个城市的租售比，但将历史租售比作为无泡沫租售比，缺乏理论依据。[3]慧顿和南柯耶夫(Wheaton and Nechayev)以及况伟大区分了自住房(第一套房)和投资房(2套及以上)，但忽视了租赁需求。[16][17][18]实际上，租赁性住房乃真正的消费性需求。最后，非理性泡沫以房价增长率测度住房泡沫。[19]但非理性泡沫不考虑住房基本价值，也无法准确测度住房泡沫。换言之，即便房价增长率很高，但若房价低于基本价值，仍不存在住房泡沫。另一方面，即便房价增长率下降，但若房价高于基本价值，仍存在住房泡沫。 最后，学者们还研究了住房泡沫的成因。一部分学者认为房贷与房价互动产生了住房泡沫，例如，奥卡恩(Oikarinen)、吉萌和马汀—卡瑞卡(Gimeno and Martínez-Carrascal)、萨摩文等人(Sommervoll et al.)、帕克等人(Park et al.)、浩特(Hott)、布吕克纳等人(Brueckner et al.)的研究。[20][21][22][23][24][25]另一部分学者认为预期和投机导致了住房泡沫，例如，况伟大、科思等人(Case et al.)的研究。[26][27]还有一部分学者认为供给缺乏弹性产生住房泡沫，例如，勒纳(Roehner)、马坡森和沃齐特(Malpezzi and Wachter)、格莱塞等人(Glaeser et al.)、黄和唐(Huang and Tang)的研究。[28][29][30][31]再有一部分学者认为开发商和投资者的异质性(heterogeneity)引起了住房泡沫。[32] 综上所述，现有研究要么未严格区分消费性需求和投资性需求，要么缺乏严谨的理论基础。据此，本文余下结构安排如下：首先在消费性和投资性需求基础上，构建租售比理论模型；然后利用中国35个大中城市住房市场数据测度住房泡沫，并检验住房泡沫成因；最后是本文的结论和政策含义。 二、理论模型 为克服现有文献不足，本文在住房消费性和投资性需求的基础上，将租赁市场和所有权市场结合起来，构建住房泡沫理论模型。众所周知，对租赁市场而言，住房通常只能租住，不能出售获利，从而租赁市场为住房消费市场。对所有权市场而言，一方面，住房可出租和出售获利，住房具有投资功能；另一方面，住房可自住，具有消费功能。据此，住房消费可经租房或买房解决。当租房和买房无差异时，租赁市场和所有权市场实现了共同均衡，此时所有权市场完全反映了消费性需求，房价等于住房基本价值，共同均衡租售比为无泡沫租售比。若租赁市场和所有权市场无法实现共同均衡，此时所有权市场反映了投资性而非消费性需求，房价偏离了住房基本价值，各自均衡租售比为泡沫租售比。基于此，本文建模思路如下：首先得到无泡沫租售比，然后得到泡沫租售比，最后通过二者之比测度住房泡沫。 (一)租赁市场均衡 前已述及，租赁需求乃真正的消费性需求，住房基本价值由租赁市场决定。根据现有文献，租赁需求由房租、收入、人口因素决定。据此，租赁需求函数可表示为：
(二)所有权市场均衡 前已述及，住房泡沫成分由投资性需求决定。根据现有文献，住房投资性需求由房价及其增长预期、收入、人口和信贷等因素决定。因现实中难以区分投资性和投机性需求，我们统称之为投资性需求。据此，住房投资性需求函数可表示为：
本期住房供给由上期住房存量以及新增供给构成。根据现有文献，新增供给由本期房价预期、上期开发成本、住房开发规制以及信贷因素决定。只有预期房价高于开发成本时，住房才可能被开发。考虑开发的滞后性，本文假定开发滞后一期，则住房供给函数可表示为：
(三)租赁市场和所有权市场共同均衡：无泡沫租售比 根据产权选择理论(tenure choice theory)，当租赁市场的租金等于所有权市场的住房使用成本(user cost)时，消费者在租房和买房之间无差异，实现了租赁市场和所有权市场的共同均衡。[3][15]即：
式中，uc表示单位房价使用成本，由利率、房产税、维修费、折旧和预期房价增长率构成。[3][33] 式(7)表明，当租赁市场和所有权市场共同均衡时，均衡房价由均衡租金决定，反映了基本面因素和基本价值，称为无泡沫房价。据此，由式(7)，可得无泡沫(基准)租售比为：
(四)租赁市场和所有权市场各自均衡：泡沫租售比 当租赁市场和所有权市场各自均衡时，所有权市场均衡房价包含了泡沫成分，称为泡沫房价。据此，由式(3)和式(6)，可得包含泡沫的租售比为：
式中，HB表示住房泡沫程度。显然，当HB=1时，无住房泡沫；当HB＞1时，房价被低估；当HB＜1时，存在住房泡沫。此外，希默尔贝格等人(Himmelberg et al.)对美国1980-2004年12个城市的租售比发现，存在明显住房泡沫城市的租售比至少上涨了30%，房价被低估城市的租售比至少下降了10%，而无明显泡沫城市的租售比在10%之内变动。[3]戴维斯(Davis)发现，1960-1995年，美国房屋租售比在5%～5.5%波动，自1995年下降，2006年降至历史新低3.5%，下降了30%～36%，1995-2006年存在明显的住房泡沫。[4]恩尼吉(Nneji)发现，1999-2006年美国平均售租比仅为19，但2006年增至32，上升了68.42%，产生了投机性泡沫。[5]科思和席勒Case and Shiller)认为，泡沫情绪指数(the indicators of bubble sentiment)是13%～15%的预期房价增长率。[24]史密斯和史密斯(Smith and Smith)将房价波动15%之内视为公允价值(fair value)。[9]回和申(Hui and Shen)将房价高于预测房价20%视为泡沫，将房价偏离预测房价5%之内视为无泡沫。[34]据此，为方便分析，笔者将住房泡沫程度划分如表1所示。
由式(10)，可得命题1。
命题1的经济含义为：预期房价和居民收入越高，实际租售比越小，住房泡沫指数越小，住房泡沫越大；租客收入越高，实际租售比越大，住房泡沫指数越大，住房泡沫越小；本期住房存量越大，租金越低，实际租售比越小，住房泡沫越大；上期住房存量越大，本期住房供给越大，实际租售比越大，住房泡沫越小；买房者贷款量越大，房价越高，实际租售比越小，住房泡沫越大；买房者贷款利率越大，房价越小，实际租售比越大，住房泡沫越小；上期开发贷款量越大，本期新增供给越大，实际租售比越大，住房泡沫越小；上期开发贷款利率和开发成本越大，本期新增供给越小，实际租售比越小，住房泡沫越大。 三、描述性分析 (一)数据及说明 本文数据包括1996-2013年中国35个大中城市的住房所有权市场与租赁市场数据。住房所有权市场数据包括房价、家庭可支配收入、住房存量、销售额、开发成本、开发贷款、CPI及贷款利率。其中，住房开发成本包括土地成本和建造成本。土地成本以地价表示，住宅地价=住宅土地出让收入/住宅土地出让面积，二者数据来自历年的《中国国土资源统计年鉴》。住房建造成本=住宅竣工价值/住宅竣工面积，二者数据来自历年的《中国房地产统计年鉴》。住房存量=城市人均住房面积×城市人口。房价、家庭可支配收入、住房销售额、市辖区人口、人均住房面积与CPI来自各市历年的《统计年鉴》。五年期及以上贷款利率来自央行网站(http://www.pbc.gov.cn)，并经天数加权调整。为消除通胀影响，以1996年为基期，将房价、年租金、家庭可支配收入、住房销售额、土地成本、建造成本、开发贷款等价值变量经各地CPI转化为实际变量。 因租客数据无法得到，租赁市场数据只包含租金及租赁价格指数。其中，2011年租金数据来自禧泰房产数据库网站(http://www.cityre.cn/)，1996-2013年租金数据经房屋租赁价格指数计算而得，房屋租赁价格指数来自历年的《中国物价年鉴》。 为控制地方政府财政行为以及资本市场对住房泡沫的影响，本文增加地方财政收入和上证指数数据，分别来自历年的《中国财政年鉴》和国泰安经济金融研究数据库(CSMAR)。 (二)住房使用成本(无泡沫租售比)的测算 为测度住房泡沫，首先需测度无泡沫租售比。根据式8，无泡沫租售比可由单位房价使用成本来测度。尽管住房使用成本被众多学者使用，但实际测算会遇到许多困难，必须做出相应假设。据此，借鉴希默尔贝格等人的研究[3]，本文假定：(1)尽管央行允许贷款利率可在基准利率基础上浮动一定比率，但本文以五年期及以上基准利率作为房贷利率；(2)根据2011年上海和重庆的房产税暂行办法，房产税率设定为0.5%；(3)根据1998年和2008年住建部和财政部发布的《住宅共用部位、共用设施设备维修基金管理办法》以及《住宅专项维修资金管理办法》，维修费率设定为2%；(4)根据住建部和国家质量监督局2011年发布的《住宅设计规范》规定，住房资本折旧按50年期、残值率为5%的直线法计提；(5)同一城市房价预期增长率不变，以各城市样本期(1996-2013年)房价几何增长率作为房价预期增长率。 (三)描述性分析 根据住房使用成本测算假定，笔者测算了1996-2013年中国35个大中城市的实际租售比、无泡沫租售比及相应的住房泡沫程度。表2显示，北京2008-2010年以及2012-2013年，天津2011年，石家庄2007-2008年以及2011年，沈阳2005-2008年，上海2009-2010年以及2012-2013年，福州、济南、广州、海口、西宁2012-2013年，长沙2013年，银川2009-2011年，乌鲁木齐2010-2011年，深圳2008-2009年，其HB值介于0.7～0.9，存在轻微住房泡沫。天津2012-2013年，石家庄2009-2010年以及2012-2013年，沈阳2010-2013年、长沙2012年，银川和乌鲁木齐2012-2013年，深圳2010年以及2012-2013年，其HB值小于0.7，存在严重的住房泡沫。值得注意的是，因1999-2013年杭州和宁波房价增长率较高，导致其住房使用成本和HB值为负，存在严重的住房泡沫。可见，住房泡沫不仅发生在东部城市，而且发生在中西部城市。上述16城市住房泡沫问题应引起政府高度重视。 表3显示，除1996-1998年外，长春2009-2013年、太原、南京、郑州和兰州2012-2013年HB值介于0.9～1.1，无明显住房泡沫，而其他年份房价被低估。尽管上述5个城市近些年住房泡沫不明显，但仍值得政府高度警惕。 表4显示，除太原2002-2004年以及2011年HB值为负存在严重住房泡沫外，1997-2013年，大连、青岛、厦门、呼和浩特、哈尔滨、合肥、南昌、武汉、南宁、重庆、成都、贵阳、昆明和西安的HB值大于1.1，表明上述14个城市的房价被低估，不存在住房泡沫，具有较高的投资价值。 四、实证检验 (一)计量模型设定 前已述及，本文以泡沫租售比与无泡沫租售比之比(HB)表示住房泡沫。鉴于HB为比率，由命题1，本文建立如下对数型住房泡沫模型：
式中，
表示住房销售额，因住房抵押贷款数据无法获得，但鉴于其与住房销售额成正比，本文以后者作为替代变量，考察抵押贷款对住房泡沫的影响；①LC和CC分别表示土地成本和建造成本，考察住宅开发成本对住房泡沫的影响；鉴于中国城市土地及其收入为地方政府所有，为控制地方政府的财政行为对住房泡沫的影响，本文引入土地收入与地方财政收入比重变量(LR)；②住房作为投资品，与资本市场紧密关联，本文引入股票市场回报率(SY)，控制资本市场对住房泡沫的影响；③其他变量含义参见公式(1)～公式(5)。需指出的是，式(11)中，前瞻性房价(
)的引入，表明该方程为动态面板数据(DPD)模型，从而OLS，RE和FE估计是有偏的。另一方面，住房泡沫程度可能与预期房价、利率和房贷存在内生性问题。据此，本文采用阿雷拉诺和邦德(Arellano and Bond)以及布伦德尔和邦德(Blundell and Bond)提出的系统GMM估计方法，该法不仅通过滞后的水平和差分变量解决了内生性问题，而且通过引入滞后因变量解决了序列相关问题。[35][36]实际估计时，
为内生变量，其他变量为外生变量。对前瞻性预期房价而言，除滞后水平和差分房价作为工具变量外，本期销售额不仅可以作为本期住房抵押贷款的替代变量，而且可作为前瞻性预期房价的工具变量，因为购房者预期未来房价上涨时通常会增加本期住房购买量。④此外，因地方政府作为城市土地的唯一供给者，其土地出让行为通常受地方财政状况影响，不会直接受住房泡沫影响，但当开发商预期未来房价上涨时会增加本期土地储备，据此本文以土地出让面积(LA)作为前瞻性预期房价的工具变量进行稳健性检验。⑤两步系统GMM估计结果见表5和表6。
(二)回归结果 表5显示，除本期利率和上期利率外，其他解释变量符号与理论预期一致。此外，Sargan检验表明工具变量是有效的，AR(1)和AR(2)检验表明模型差分误差项不存在一阶序列相关，但存在二阶序列相关，符合阿雷拉诺和邦德(Arellano and Bond)序列相关性假定。[35]
表5显示，尽管本期利率和上期利率符号与命题1不一致，但央行通常逆住房周期调整利率，导致本期利率与住房泡沫指数负相关，而利率政策的滞后性导致上期利率与住房泡沫指数正相关。第一，模型1显示，本期利率和上期利率每上涨1%，住房泡沫程度分别提高61.19%和下降20.86%，表明提高利率能抑制住房泡沫形成。第二，房价增长预期对住房泡沫具有显著正影响。下期房价每上涨1%，住房泡沫程度提高0.73%。因此，改变购房者预期是防范住房泡沫的重要因素。第三，居民可支配收入每上涨1%，住房泡沫程度下降1.41%，反映了基本面因素能显著抑制住房泡沫。第四，本期和上期住房存量每上涨1%，住房泡沫程度分别下降1.35%和1.14%。因此，上期住房存量越大、空置率越高，住房泡沫越大。例如，住房过度开发致使鄂尔多斯、温州等“三四线城市”出现了“鬼城”。其五，本期住房销售额(房贷替代变量)每上涨1%，住房泡沫程度提高0.46%。可见，房贷助长了中国城市住房泡沫。上期开发贷款每上涨1%，本期住房泡沫降低0.19%，表明开发贷款能够增加住房供给，抑制住房泡沫。第六，上期土地成本和建造成本每上涨1%，住房泡沫程度分别提高0.10%和0.72%。可见，许多城市出现的“地王”以及建材涨价，助长了住房泡沫。第七，土地收入占地方财政收入比重每上涨1%，住房泡沫程度提高0.17%。可见，地方政府的土地出让行为影响住房泡沫，越依赖土地财政的地方政府，其土地财政行为越能影响住房泡沫。第八，股票收益率每上涨1%，住房泡沫程度下降0.13%。可见，股票回报率越高，资本会越多地流向股票市场而非住房市场，从而抑制住房泡沫形成。模型2和模型3显示，即便将土地出让面积以及住房销售额作为前瞻性预期房价的工具变量，回归结果仍然是稳健的，进一步证明了房价预期可以产生住房泡沫。
为考察不同地区住房泡沫的决定因素，笔者将35个大中城市分为东、中、西部城市以及一二三线城市。表6显示，房价预期对东部城市住房泡沫影响最大，其他地区不显著。这表明，房价增长预期更容易催生东部城市住房泡沫。此外，本期和上期利率对中西部城市住房泡沫的影响大于东部城市。这表明，中国利率政策对抑制中西部城市住房泡沫比东部城市住房泡沫更有效。同样，房价预期对一线城市比二三线城市住房泡沫影响大，本期和上期利率对二三线城市住房泡沫影响大于一线城市。这表明，预期主要在东部和一线城市对住房泡沫发挥作用，而利率政策主要在中西部和二三线城市对住房泡沫发挥作用。 五、结论与政策含义 中国是否存在以及如何测度住房泡沫一直是一个有争议的问题。本文从住房消费性需求和投资性需求基础上构建住房泡沫指标，使用中国1996-2013年35个大中城市住房市场数据测度了住房泡沫，并检验了住房泡沫成因，对中国防范和化解住房泡沫提供了重要的理论和实证依据。 首先，本文在住房消费性需求和投资性需求基础上，构建了基于租售比的住房泡沫模型。理论命题表明，预期房价和本期收入越高，本期住房存量和住房贷款以及上期开发成本越大，租售比越小，住房泡沫越大；而上期住房存量和上期开发贷款量越大，租售比越大，住房泡沫越小。 其次，本文通过泡沫租售比和无泡沫租售比之比测度住房泡沫程度。对中国35个大中城市住房数据研究发现，北京、上海、福州、济南、广州、海口、西宁、长沙存在轻微住房泡沫，深圳、天津、杭州、宁波、石家庄、沈阳、银川、乌鲁木齐存在严重的住房泡沫，应引起政府高度重视；长春、太原、南京、郑州和兰州无明显住房泡沫，但仍值得政府高度警惕；大连、青岛、厦门、呼和浩特、哈尔滨、合肥、南昌、武汉、南宁、重庆、成都、贵阳、昆明和西安14个城市的房价被低估，不存在住房泡沫，具有较高投资价值。 最后，回归结果发现：(1)中国利率政策对抑制中西部以及二三线城市住房泡沫比东部和一线城市更有效；(2)相对于中西部和二三线城市，房价增长预期更容易催生东部和一线城市住房泡沫；(3)居民收入上涨显著抑制住房泡沫；(4)过度住房开发引发住房泡沫，因此，中国应防止住房过度开发，避免出现鄂尔多斯、温州等“鬼城”城市；(5)尽管房贷助长住房泡沫，但开发贷款能够抑制住房泡沫；(6)土地成本和建造成本助长住房泡沫，应防止地价和建造成本过快上涨；(7)土地财政助长住房泡沫，但股票市场回报抑制住房泡沫。因此，为防止住房泡沫，应进一步约束地方政府土地出让行为。 ①况伟大发现，中国住房抵押贷款价值比(LTV ratio)均值为63.02%。实际上，美国住房抵押贷款价值比更高，通常为80%，政府担保性住房贷款甚至超过了90%。[26] ②LR=土地收入/地方财政收入。感谢审稿专家的建议。 ③
，SPI表示上证指数。 ④前瞻性预期房价与住房销售额相关性回归方程如下：
。 ⑤前瞻性预期房价与土地出让面积相关性回归方程如下：
。
标签：租售比论文; 美国房价论文; 房地产泡沫论文; 房价泡沫论文; 城市中国论文; 消费投资论文; 购房论文; 房价论文;
