房价上涨的需求驱动和涟漪效应——兼论我国房价问题的应对策略，本文主要内容关键词为：房价论文,涟漪论文,效应论文,需求论文,应对策略论文，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。
房地产业曾一度成为中国许多城市经济增长的支柱产业和重要推动力，直到今天，在35个大中城市，房地产投资占全市固定资产投资依然平均保持在25%以上。房地产业的快速发展也为中国大规模城市建设提供了财政支持。然而房地产过度发展也带来了许多问题。土地财政和以土地为担保的信贷膨胀在一些城市变得非常严重。房地产市场过度繁荣侵蚀着中国正在进行的转型升级空间。尤其是高房价诱发的一系列社会问题一直在不断发酵。为实现房地产市场有序健康发展，房价一直是中国中央政府房地产市场调控的重要抓手。2013年中央政府甚至要求地方政府公开房价控制目标，并予以数量化。从效果看，不断强化的行政干预能遏制房价快速增长趋势，尤其是2011年年初出台的限购限贷政策，甚至在一些城市造成房价负增长。然而，从一些城市房价变化看，行政干预并没有使房地产市场真正回归“正常”状态。不仅如此，行政手段还催生出一系列逃避政策限制的扭曲行为，导致市场更大程度的租值耗损。
这里暂且不论政府行政干预背后的政治动因，也不考虑调控是否合乎正当性要求，仅就房价问题而言，如何选择合适应对策略，至少涉及一个问题，即经验上虽然我国各地房价被认为过高(吕江林，2010；等等)①，但过高是否一定就是问题，就需要政府干预。而回答这一问题，关键需要分析房价变化的驱动因素，通过比较不同驱动因素寻找其中的非理性成分。基于这一认识，房价变化驱动因素一直是学术界研究房价问题的重点，相关研究非常丰富。围绕20世纪90年代中期以来房价变化的原因，已有文献给出的解释主要有三个方面。
一是需求变化推动房价变化，但这类文献在实证结论上存在较大分歧。例如Sutton(2002)、Pagés and Maza(2003)、McQuinn and O'Reilly(2008)等分析认为，收入和利率是房价上涨的主要驱动因素。Abelson et al.(2005)、Posedel and Vizek(2010)基于门槛误差纠正模型的研究也得出，在长期，真实房价主要由收入和利率所决定。Meen(2002)通过估计美国和英国房价长期收入弹性获得，房价对收入变化不仅敏感，而且敏感度非常大，两国房价收入弹性分别达到2.71和2.51。而Gallin(2003)基于面板协整检验则认为，没有证据表明美国城市房价和收入之间存在协整关系。Annett(2005)基于17个发达国家数据和结构VAR分析同样得出，人均收入在欧盟国家并不是短期房价变化的主要因素。除了收入和利率，Wheaton(1990)、Case and Shiller(2003)等研究发现，通货膨胀、预期等影响住房购置决策的需求面因素在房价泡沫形成中也充当了重要角色。对于中国房价变化，沈悦和刘洪玉(2004)，梁云芳和高铁梅(2006，2007)等研究认为，收入也是中国房价变化的一个重要原因②。况伟大(2012)等认为，城市房价上涨还相当程度源于住户对房价的上涨预期③。
二是房价变化一定程度上与住房供给质量、结构等因素变化有关，但这类文献主要解释住房价格的区域差异。例如Boyle and Kiel(2001)在研究环境外部性对房价的影响时发现，包括空气和水质量在内的环境污染一定程度上可以解释房价差异。Davis(2004)也发现房屋所在地区血癌患病率上升会导致房价成比例下降。Black(1999)、Figlio and Lucas(2004)等在研究公共支出与房价关系时发现，学校质量提高会导致大而持久的房屋溢价。Gibbons(2004)，Timothy and Mueller(2011)分别基于伦敦和北爱尔兰数据的研究发现，地区犯罪和暴力对房价有较大影响，侵财案件导致财产损失每上升1个标准差，房价就会下降10%。国内学者平新乔和陈敏彦(2004)、况伟大(2005)、王岳龙(2011)等基于住房供给成本变化的研究发现，地价上涨与房价上涨有密切关系，但实证结论还比较模糊④。
三是公共政策变化对房价变化具有相当高的解释力。例如Glaeser and Gyourko(2002)、Quigley and Raphael(2005)、Glaeser and Ward(2006)研究发现，美国一些地区不断强化的土地使用管制对住房建设施加了日趋强化的人为限制，无形中造成住房价格上升。Ihlanfeldt(2007)基于截面特征价格模型对管制房价效应的研究进一步发现，管制指数每上升1个单位，房价大约上升7.7%。Dumm et al.(2012)、Cheung et al.(2009)分别基于建筑法规和税收征管严厉程度变化的研究同样发现，公共政策变化对房价具有显著影响。这一现象在中国的一些实证文献中同样被证实，例如袁志刚和樊潇彦(2003)、易宪容(2009)等研究发现，中国扩张性利率和信贷政策是房价持续上涨的一个重要原因⑤。梁若冰和汤韵(2008)、冯皓和陆铭(2010)、赵安平和罗植(2012)等研究发现，中国城市房价变化中存在明显的公共支出资本化现象⑥。
然而，尽管学术界对房价变化驱动因素开展了一系列有价值的研究，但通过这些研究并不能从整体上把握房价问题的应对策略。因为已有研究虽然在探究房价上涨驱动力时，分析了需求、供给、政策等多个驱动因素，但主要侧重于某一方面，并没有对不同因素的驱动力作比较分析，从而无法抓住房价问题的主要矛盾和矛盾的主要方面，所以很难据此制定有针对性的调控政策。不仅如此，已有文献几乎都未考虑中国全域性房价上涨现象⑦。基于上述原因，本文对已有研究作了进一步扩展。首先基于住房特征价格模型，分析不同因素对房价上涨的驱动力，并通过比较识别不同驱动力的相对驱动强度及其分位特征，确定中国住房价格持续上涨的主要原因。其次将特征价格模型和空间计量模型结合在一起，通过构造空间权重，观察房价上涨是否存在地区间涟漪效应，探究房价全域性上涨的原因。
二、实证模型和估计方法
在已有房价变化实证文献中，用于房价分析的模型主要有现值定价模型、资产定价模型和特征价格模型，但三者之间，特征价格模型自Ridker and Henning(1967)开始就一直被看做房价及其决定因素分析的标准模型。该模型的基本结构为：
该模型假定住房价格主要是由住房购买者基于效用最大化目标根据住房特征和自己偏好对房屋所做的价值评估。基于该模型的特征回归分析就被用于识别住房每个特征对房价的边际影响，并根据不同影响的估计系数将房价变化分解成不同住房特征的贡献。然而，在Sirmans et al.(2005)所做的文献评述中，基于该模型的回归结果，同一个特征变量对房价的影响非常模糊。出现这种情况的原因，三位作者在文中认为主要源于该模型实际上是一个均值回归模型。均值回归模型最大特点在于估计结果完全是代表性当事人的偏好显示，不考虑个体之间在房屋特征主观评价上的差异性。然而近年来一些研究发现，不同购买者对房屋特征的主观评价有着很大差异，同样特征对不同收入阶层、不同地区住户而言，其价值可能存在较大差异。不仅如此，由于房屋的特殊性，在不同价格区间，购买者对房屋特征的评价也会存在差异。后者在Zietz et al.(2008)的研究中得到经验上的支持。正是因为这一客观事实，基于房价分布的均值回归需要做适当改进。然而，上述改进在Lancaster(1966)和Rosen(1974)等看来，又无法通过地区差异、不同设定或数据选择准确识别。
除此之外，已有文献在讨论房屋的特征隐含价格时，一般都是假定房屋价格只受消费者基于房屋特征主观评价的影响，其他因素在任何一个时点上都是固定的，并独立于特征隐含价格。然而Holly et al.(2010)、Leguizamon(2010)在研究美国州房价数据或俄亥俄州6个都市统计区房价数据时发现，由于存在一些可观察和不可观察因素导致的共同冲击或购买者的比较购买行为，房屋之间或地区之间房屋价格并非独立，而是表现出相互依赖关系，一个房屋或一个地区房屋价格的变化对相邻地区或相邻房屋价格产生影响，造成地区间或房屋间房价变化的溢出效应。Kiefer(2011)在研究房价决定过程时进一步发现，考虑邻里效应的特征价格模型在回归结果上明显优于未考虑邻里效应的特征价格模型。Liao and Wang(2010)研究认为，忽视房价的空间溢出是导致不同特征在特征价格回归分析中估计结果不一致的一个重要原因。
基于上述情形，后续文献从不同角度对传统特征价格模型进行了修正。就房价分布均值回归存在的估计不足，一些文献采用了分位数回归方法替代OLS方法，例如Zietz et al.(2008)利用分位回归方法对美国犹他州房屋交易数据的分析表明，购买者对房屋特征的定价在房价分布的不同区间存在明显差异。除了分位数回归，一些文献也采用了分离回归方法消除样本异质性产生的估计问题，然而正如Heckman(1979)曾指出的，这种截断回归方法同样会产生有偏的参数估计。同时截断回归还会因数据分离造成重要信息遗漏。相比较，分位回归却可以利用全部样本信息，通过估计x对整个条件分布y|x的影响反映样本全貌。就房价的空间溢出效应，空间计量经济学的出现为解决这一问题提供了可能。已有文献在特征价格模型基础上对空间溢出效应所做的改进主要有两种方法，一种是the lattice model，一种是the geostatistical model。两个方法的区别在于，前者使用先决空间权重矩阵在函数形式上明确表达了邻里影响，后者考虑空间依赖性，在回归函数中估计参数化的方差协方差矩阵以改进估计有效性。尽管两种方法有不同的着力点，但在处理空间溢出效应上一样有效。
然而，已有文献在处理策略上总是仅考虑其中一个方面，很少有文献同时考虑两个方面，尽管Liao and Wang(2010)在研究中国长沙市房价问题时同时使用了空间计量和分位回归方法，但文章仅是一个截面数据分析。作为已有文献的一个扩展，本文将分位回归和空间溢出效应同时应用到一个由中国35个大中城市构成的面板数据集⑧。首先构建35个大中城市房价面板空间计量分析模型式(2)：
以度量第i个城市房价如何受其相邻城市房价影响，该矩阵的对角线元素都为0，非对角线上元素由相邻城市权重构成，每一行元素之和经标准化后都等于1。在经验上，W的设置方法主要有两种：一种根据地理区位确定相邻地区，即将相邻地区影响设置为距离的损失函数，距离越远，相互间价格溢出效应就越低。一种根据经济发展水平确定相邻地区，即将相邻地区设置为人均GDP差异程度的损失函数，以相邻地区与本地人均GDP之差绝对值倒数为权重系数。为避免权重矩阵设置的武断性，本文同时采用上述两种方法构造W。(3)式是根据人均GDP接近程度构造的权重矩阵i行j列系数，(4)式是利用距离损失函数设置的权重矩阵，其中
是利用MATLAB7.0软件依据经纬度计算得到的城市i和j的球面距离。两种方法构造的权重矩阵对角元素
=0。
需求面因素包括人均可支配收入、人口密度、人口增长率、人口结构和融资便利程度五个变量⑩，其中收入变量度量购买能力，人口变量度量购买压力，资本市场变量度量融资约束，后者主要源于中国相当部分购房者需要通过外部融资取得购买能力，而融资约束的强弱将直接决定潜在市场需求，具体度量采用市辖区银行贷款占GDP比重。人口结构采用65岁以上和15岁以下人口占市辖区人口总量比重表示，同时为进一步区别人口年龄结构差异，在估计时我们区分老人赡养和少儿抚养比对房价影响的差异性。供给面因素包括度量住宅供给总量的新建住宅竣工面积，度量供给结构的高档住宅竣工面积占新建住宅竣工面积比重，度量市场竞争程度的单位城建区面积房产开发企业个数(11)，度量销售压力的住宅空置率，度量供给成本的土地销售价格指数(12)，度量房产企业融资难易程度的住宅投资完成额中银行贷款所占比重。除上述指标，文章还考虑了另一种类型的供给面因素，即住房所在城市品质，包括教育等公共服务。因为大量研究表明公共服务差异影响住房品质，进而会资本化为房价的一部分。因受数据所限，本文仅选择教育和医疗卫生两类影响城市品质的因素(13)。政策和外部环境因素包括土地供给、财政政策和货币政策、通胀水平。其中土地供给采用房产企业当年购置土地面积表示。货币政策采用3～5年期银行贷款利率表示，和已有文献不同的是，本文并没有对贷款利率做通胀处理，因为我们发现经过通胀处理后无法观察到货币政策的松紧程度，也会造成不同城市面对的货币政策不同(14)。财政政策，文章选择两个指标予以刻画，一是房地产业单位投资综合税收负担，二是政府住房支出力度，两者分别反映政府对房产市场的财政收支干预强度(15)。为考察地方政府土地财政需要是否形成推高房价的压力，我们在控制变量中还考虑了土地财政依存度这个指标，其度量采用土地出让价款与财政支出的商表示。
上述所有变量取值都是根据历年《中国房地产统计年鉴》、《中国城市统计年鉴》、《中国人口年鉴》、中国资讯行数据库和国研网城市数据库、中国人民银行网站、财政部网站、国家税务总局网站等相关统计整理计算得到。在实证估计时，所有数据都采用对数形式进入模型。表1呈现了各变量简单统计描述。
在对模型进行正式估计之前，我们对模型设定进行分析。首先对因变量房价的空间相关性进行检验，检验因变量是否存在空间上的相关性，已有文献通常利用Moran'I的渐进正态分布检验，然而，在经验上，当误差项分布未知或地区间存在显著异方差时，有限样本容量的Moran'I检验可能会作出错误推断。考虑到本文样本特征，为准确起见，我们在Moran'I检验基础上，同时采用了RLM-lag检验。从表2检验结果看出，地区间房价存在空间上的相关性，但这种空间上的相关性在2010年开始变得不太显著，由于缺乏2010年以后的完整数据，所以我们目前还无法就此推断2010年之后地区间房价趋势是否开始分化。
在获得(8)式估计结果之前，考虑到模型中变量过多可能出现多重共线性问题，文章在估计前首先对变量间相关性进行检验，结果表明，除了土地价格与邻近地区房价相关系数在0.6以上，其他解释变量之间的pearson和spearman相关性检验至少在10%显著水平上都未通过，说明存在共线性的可能性较低。据此在估计时解释变量中不再包含土地价格指数变量。其次考虑到实证中变量和数据结构特征，文章对模型中变量的组间异方差和组内自相关进行检验。修正的Wald检验结果显示chi2(35)=208.16，对应的p值小于1%，强烈拒绝组间同方差原假设。组内自相关的Wooldridge检验显示F值72.94，对应的p值小于1%，强烈拒绝不存在一阶组内自相关原假设。在此基础上，对模型中变量的内生性进行识别，由于样本组间存在显著异方差，所以传统的Hausman检验不再适用，我们使用异方差稳健的DWH检验，结果表明，相邻地区房价(lhp)、土地供应量
和住房供应量
为内生变量。经过上述两步检验，文章对模型(8)式进行了改造，使用动态面板模型。由于模型存在组间异方差，所以估计时选择稳健标准误。在工具变量选择上，文章选取了三个内生变量的一阶滞后项，而因变量一阶滞后项的工具变量则选择其二阶滞后项。由于模型使用了较多工具变量，相比较差分GMM，系统GMM估计相对更准确些，所以文章选择系统GMM对动态面板模型进行估计。为检验工具变量的有效性，对所选工具变量进行检验，Sargan检验和Kleibergen-Paap Wald检验都显示，所有工具变量都有效并通过过度识别检验。不仅如此，即使采用稳健标准误估计的Hansen检验，同样显示所有工具变量有效。尽管据此有理由认为模型估计不存在弱工具变量影响，但为稳健起见，在(8)式估计时，文章还是选择了对弱工具变量更不敏感的LIML估计进行稳健性分析。
四、实证结果及其分析
文章首先选择动态面板工具变量的系统GMM方法对(8)式进行估计，并作为稳健性分析，选择对弱工具变量不甚敏感的LIML方法作了重新估计。表3归纳了两种空间权重下的估计结果。除个别变量在两种估计方法之间存在较大差异外，大部分变量估计结果较为相近，所以接下来主要选择系统GMM估计结果。因为在N较大，T较短的情况下，系统GMM估计结果更为精确。从模型Ⅰ和模型Ⅱ估计结果看，除变量
估计系数出现较大差异，其他变量至少在方向上是相同的，并与直观预期一致。从各变量具体估计结果看，很多因素对房价变化有影响，这里既包括传统的供给需求因素，也包括政策和城市环境因素。但不同因素对房价影响强度和方向存在较大差异。就供给因素而言，在本文所选指标中，除房产投资融资便利程度外，影响都很小，对房价影响弹性系数都在0.05以下。在影响方向上，房产企业新建住宅面积变化对房价影响为负，其他变量影响为正。这一实证结论基本符合直观认识，供应量增加，在其他因素不变情况下，会形成房价下降压力。和总量效应相一致，住房供给结构也对房价有正向影响，即表中
估计系数为正。新建住房中高档房比例越高，在住房总量中普通住宅所占比重相应下降，从而导致结构变化中的总量效应。和总量与结构效应相比，房产企业融资便利程度对房价影响不仅更显著，而且力度更强，为前者的2倍以上。如果联系近年来中国政府对房地产融资运用的宏观调控政策，可以看出，政府融资紧缩计划对房价调控应该说收到了一定效果。如果用房产企业融资便利程度度量政府对房产企业的信贷紧缩强度，则该强度每上升1个百分点，将会使房价下降0.1个百分点。在所有供给面因素中，住房空置率影响与经济学直觉完全相反。理论上，住房空置率越高，意味着住房销售压力越大，房价向下压力越大。然而本文实证结论却显示，住房空置率越高，至少在10%水平上反而会推高房价。这种直觉与经验背离，可能与中国目前住房空置率统计口径有关(16)。中国目前对这一指标的统计没有区分销售与否，这就使得许多已被购置的住房因长期无人居住而被统计进去。而来自于中国其他统计渠道的信息显示，已销售住房空置率比例相当高。后者在很大程度上说明，原本反映供给的统计指标在中国更多反映的是需求。如果这一情况属实，住房空置率与房价的同向变动关系也就不难理解了。
就政策面因素而言，税收政策和政府经济适用房供给对房价有显著影响，但影响与理论预期相反。理论上，税收政策和经济适用房供给都会对住房市场产生影响，前者增加了住房成本，后者增加了住房供给，但两者影响房价的方向应该是一致的，都会降低住户对商品住宅的购买需求，从而对房价产生向下压力。然而，本文实证结论却表明，两者都是促进了房价上涨。出现这种情况的原因有两个：(1)就税收政策而论，与住房市场的课税政策有关，中国目前住房课税政策主要是针对房产企业和住户住房交易环节，两者在投资性住户比较大和刚性需求情况下，都会推高房价；(2)就经济适用房供给而论，与中国目前经济适用房分配政策有关，从中国目前大部分地区实行的经济适用房分配政策看，低收入住户所占比例并不高，这使得经济适用房的供给不仅未能有效缓解低收入住户的住房需求，反而增加了中高收入住户的商品房购买能力。相比较，文章并没有在实证结论中发现地方政府财政依赖和土地供应对房价产生显著影响(17)，这一结论与已有研究存在较大差别。理论上，如果不存在中间漏损，地方政府出于土地财政需要，增加土地供应，可出售住房就会更多，从而对住房价格形成向下压力。但实际上在中国，土地供应和可售住房之间存在巨大漏损，这种漏损主要表现为，大量土地被开发商购置后闲置，这一点在图1中可以得到直观反映(18)。所购置土地的大量闲置造成政府土地调控无法传递到住房交易市场，因此，对一些学者提出的政府为平抑房价应增加土地供应的政策建议需谨慎对待。和政府土地供应一样，中央政府货币政策也没有对房价产生显著系统影响。这一实证结论和供给因素中房产企业的融资便利程度相对照，可以获得一个直观认识，即中国政府利率政策调控效果远不如信贷政策调控效果。
图1 当年土地开发面积占购置土地面积的比例(%)(19)
从需求面因素看，收入、人口密度和融资便利程度对房价都有显著影响，其中收入影响最大最显著，房价对收入变化弹性高达0.3到0.5。联系中国2003-2010年间城镇居民人均收入变化，从2003年到2010年，中国城镇居民年人均总收入从9061.22元上升到21033.42元，增长约1.2倍，由此导致的房价增长大约为0.42到0.6倍。同期中国35个大中城市房价增长约1.35倍(20)。相比较，收入变化对房价变化的贡献平均高达约45%。相比较收入变化的影响，人口密度和融资便利程度的影响相对较小，前者弹性约为0.1，后者仅约0.045。尽管很小，但也看出，近年来中国城市人口激增和城镇化趋势以及更加宽松便捷的融资环境，对房价产生了强大推力。在需求因素中，实证结果虽然显示通胀对房价有正向作用，即通胀会推高房价，但这种影响并不显著。和人口密度不同，人口自然增长率在整体水平上对房价没有显著影响。这种差异说明，两个指标虽然都是度量人口压力，但前者却是一个更合适的指标，而这种差异也是与人口自然增长统计有关。和已有研究不同，本文并没有发现人口结构对房价有显著影响，不过两指标估计系数都为负号，说明过高的抚养或赡养负担会降低住户对住房的实际购买能力。
除上述传统因素，表3还显示，房价变化具有显著惯性作用和空间扩散效应。就前者而言，导致房价惯性变化的原因可能有很多，如果按照已有文献处理方法将因变量一阶滞后项表达成住户房价预期，那么房价惯性变化反映出住户对房价变化的适应性预期，住户适应性预期结构也是推动房价的重要力量。当然这种力量也会在住房市场清淡时表现为住户观望状态。虽然这种力量源于住户自我理性，但对整个市场而言，却具有较大危害性。不过这种力量在土地资源日趋稀缺的现实背景下对房价的向下调整具有较强刚性。所以在中国房价很容易涨上去但不太容易跌下去，除非这种预期结构与系统持续外生冲击结合在一起。就后者而言，虽然强度没有惯性作用大，但跨区扩散效应却非常显著。不过这种扩散在不同权重下存在较大差异，即房价地理空间扩散几乎为经济空间扩散强度的2倍。说明中国房价的扩散机制呈现出明显的自然特征，即房价相互影响表现为相互之间的自然扩散过程，也即地区间房价扩散(21)。如果将这一因素与土地价格联系在一起，房价空间相关性也可能与土地价格空间相关性有关。因为地理位置相邻地区，土地价格差异会很快被开发商所利用。
表3仅是房价影响因素的一个均值回归，无法揭示参数在样本分布不同分位点上的变化路径。所以在表3基础上，表4和表5总结了房价影响因素动态面板工具变量分位数回归结果。表4和表5显示，表3中各变量变化对房价的影响在不同分位点上存在较大差异，不仅如此，这种差异的变化路径在不同变量之间又存在巨大不同。就房价滞后效应而言，惯性作用呈现出明显的先降后升变化，不仅如此，影响显著程度在中间几个分位点还不显著。房价滞后效应的这种变化路径如果用住户房价预期结构进行解释，就是住户对房价变化出现了预期结构调整，即在价格较低时，相信价格上涨会有惯性，但随着房价进一步上涨超出住户原有预期，住户认为房价上涨将会停止，但随着房价不因公众预期而停止并继续强势上涨后，住户反而会预期房价进一步上涨。房价滞后效应的这种变化反映出，当房价超出某一水平时，预期推高房价的作用反而被强化。就收入而言，收入变化在高分位点上的影响不仅较大，而且显著度也更高。房价变化收入效应的这种变化路径意味着，房价越高，收入在其中发挥的作用会变得越来越强。这一逻辑完全符合需求变化的理论预期，因为对住房的需求如果没有收入作为支撑总是不能持续的。从g[，3]和s[，5]影响的变化路径看，两者正好相反，前者随着分位点提高，影响逐步增强并更加显著，后者随分位点提高却逐步减弱并不再显著。这种差异说明，税收负担随着房价上升有更显著的成本推进效应，而融资可及性如果没有收入作为支撑，随着房价上升到一定水平，对普通老百姓而言没有太大实际意义。
就房价跨区扩散效应而言，两种扩散机制在不同分位点的变化基本一致，表现为较高和较低分位点都不显著，而中间分位点显著的特征。但两者还是存在一定差异，相比较，房价的地理空间扩散在更多分位点上都较为显著，而经济空间扩散仅在中间分位点上显著。这种差异也说明，如果没有经济实力支撑，房价的趋同效应将减弱，尤其在高价位上，地区间房价的分化就会更明显。和上述变量不同，表5的3个变量分位点回归很有意思。以人口密度度量的人口增长对房价影响在较高和较低分位点上都不显著，而
和
原本在均值回归中不显著的变量在某些分位点上却是显著的，尤其是，直到第8分位点才对房价产生显著影响。通胀变量的表现说明，当房价处于高位时，通胀形成的货币价值损失担心将会助推住户购房需求。
五、结论与进一步分析
面对备受诟病的房价，决策者应持有怎样的态度，采取怎样的应对策略，在不伤及市场功能和市场机制正常作用的前提下，满足社会各方需求，实现居者有其屋，是中国政府面对的一个现实问题，也考验着政府的智慧。为此，面对持续攀升并高位运行的房价，决策者在做出任何决策之前需要对导致房价变化的因素做出分析。房价上升的诱发因素不同，决策者需要采取的调控策略也不同。如果一味为满足某种政治需要，推行行政干预，不仅会伤及市场，而且会掩盖矛盾。基于本文前述实证分析，文章发现，在过去十多年中，影响中国房价变化的因素有很多，但不同因素对房价上升的贡献存在较大差别。根据式(8)估计结果，在剔除不显著变量基础上将式(8)改为式(9)形式，其中lhp、policy、D、S分别表示房价空间扩散效应(这里为简便起见暂不标出两种空间权重构造方法)、政策面影响、需求面影响和供给面影响。在政策面因素中包括影响显著的
和
，在需求面因素中包括
，在供给面因素中包括
和
。式(9)中等号右边每类因素前系数α实际上是该类因素各变量在模型Ⅰ和模型Ⅱ估计系数的简单平均。在此基础上对式(9)两边求全微分得到式(10)：
依据式(10)，并根据各变量在2003年至2010年的增长率，就可以分析不同因素对房价变化的贡献。具体结果见图2(22)。图2的计算结果表明，虽然五个方面因素对房价变化都有贡献，但贡献大小存在明显差异。在所有因素中，需求面因素的贡献最大，而在需求面因素中，收入上升对房价的驱动力又最大。政策性因素的影响也比较明显，其中税收政策对房价上升的贡献约为5%，经济适用房供给增加对房价的驱动作用约为-0.5%。房价的空间扩散效应对房价上涨的贡献约为20%，房价变化的惯性作用，即房价增长的滞后效应对房价上涨的贡献约为22%，影响相对较大。两者和收入一道构成了房价上涨的主要因素。在所有五类因素中，供给面因素的贡献最小，仅有大约-2.5%，而且主要是针对房产企业的信贷政策所致。这一结论也说明，过去若干年不断收紧房产企业融资环境对抑制房价过快上涨还是起到了一定作用。如果将本文房价滞后效应、房价的地理空间涟漪效应与土地价格联系在一起，可以认为土地价格变化对房价变化的贡献是比较大，但没有房价滞后影响和空间扩散效应大，因为后二者不仅存在成本传导机制，而且存在需求传导机制。
图2 不同因素对房价变化的驱动能力(%)
依据前述各因素贡献比较，可以看出，政府调控房价的空间很小。换句话说，在中国房价调控中，需要政府行政干预的条件并不充分。首先看对房价影响最大的需求面因素，无论是人口压力还是收入水平上升产生的住房需求，都是市场和市场主体的自然反应。在中国城乡分割治理的历史背景下，大量人口涌入城市成为城市居民，无形中形成了巨大的潜在住房需求。人为抑制这部分需求或通过某些限制性措施阻止这种趋势显然不是一项好的治理策略，至少与正在推进的城市化国家战略相悖。而随着收入水平的上升，在中国传统观念下，改善自己的住房条件，也是一种合乎情理的选择，理应得到满足。不仅如此，在通胀背景下，面对有限投资渠道，购买住房也是一种理性选择。尽管在其中有一部分需求不是基于真实需要，但只要是居民个人的理性选择，任何人为抑制都会造成巨大的福利损失。其次看价格滞后影响、空间涟漪效应和土地价格因素，虽然三者变化都会导致房价上涨，但任何一方面都不适宜通过非经济手段阻断其影响。以土地为例，政府可以为平抑房价降低土地价格吗？显然这不是一种合宜做法，只要土地价格是市场供求的真实反映，任何调控只会扭曲土地价格造成土地资源的误配。同时，如果干预措施不当，在其他条件不具备的情况下，降低土地价格平抑房价还会导致收入分配的进一步恶化。
尽管上述分析表明，像所有商品一样，房价是住房的市场交易价格，其高低反映市场供求关系。如果仅仅因为其过高导致低收入群体住房需求无法满足，政府就强加干预，那么类似属性的商品有很多，难道所有这些商品价格过高都要干预吗？所以仅仅因为住房的特殊商品属性，对其价格变化进行行政干预，至少与深化市场经济改革的总体方向不一致，也会导致更大范围的市场扭曲。但这并不表明政府在房价问题上没有发挥作用的余地。正如前述分析中指出的，中国城市房价问题最主要来自于需求因素，而强大的需求因素又来自于城乡分割治理和长期形成的巨大城乡差异，以及现有的二级土地制度。如果政府能在制度上调整城乡差异，在公共品供给上实施倾斜性的供给政策，在土地制度上有所突破，就可能在很大程度上减缓城市住房的需求压力。除此之外，调整目前政府在房地产市场的一些调控政策和调控思路，充分发挥市场机制的作用，减少人为扭曲，改变目前政府作为低收入保障房的唯一供给者角色，由实物供给转向货币化直补，通过综合应用税收和支出工具，在尊重和满足投资型市场需求和改善型市场需求的同时，保护低收入者住房需求，并最大程度实现市场机制在土地和住房上的配置功能，实现土地的集约利用和房地产市场的健康发展。当然，在调控策略上并不是说用经济手段替代目前的行政干预就是正确的，还要考虑经济手段的正当性。
感谢耿立娟硕士所做的数据整理工作，感谢石绍炳博士在研究方法上提供的指导，感谢两位审稿人和沈玉平教授提出的宝贵修改意见，当然文责自负。
①吕江林，“我国城市住房市场泡沫水平的度量”，《经济研究》，2010年第6期。
②沈悦、刘洪玉，“住宅价格与经济基本面：1995-2002年中国14城市的实证研究”，《经济研究》，2004年第6期；梁云芳、高铁梅，“我国商品住宅销售价格波动成因的实证分析”，《管理世界》，2006年第8期；梁云芳、高铁梅，“中国房地产价格波动区域差异的实证分析”，《经济研究》，2007年第8期。
③况伟大，“房地产税、市场结构与房价”，《经济理论与经济管理》，2012年第1期。
④平新乔、陈敏彦，“融资、地价与楼盘价格趋势”，《世界经济》，2004年第7期；况伟大，“房价与地价关系研究：模型及中国数据检验”，《财贸经济》，2005年第11期；王岳龙，“地价对房价影响程度区域差异的实证分析——来自国土资源部楼盘调查数据的证据”，《南方经济》，2011年第3期。
⑤袁志刚、樊潇彦，“房地产市场理性泡沫分析”，《经济研究》，2003年第3期；易宪容，“信用扩张的合理界与房价波动研究”，《财贸经济》，2009年第8期。
⑥梁若冰、汤韵，“地方公共品供给中的Tiebout模型：基于中国城市房价的经验研究”，《世界经济》，2008年第10期；冯皓、陆铭，“通过买房而择校：教育影响房价的经验证据与政策含义”，《世界经济》，2010年12期；赵安平、罗植：“扩大民生支出是否会推高房价”，《世界经济》，2012年第1期。
⑦有关房价的空间扩散效应近年来受到了一些学者的关注，Bourassa et al.(2010)曾对房价空间扩散效应的研究方法做过归纳和比较分析。在国内，一些研究也获得了这一现象的经验证据。但已有关于房价空间扩散效应的研究都是分析一个城市内部相邻区域住房价格的相互影响，很少研究房价的跨城市扩散效应和扩散机制。
⑧35个大中城市包括北京、天津、石家庄、太原、呼和浩特、沈阳、大连、长春、哈尔滨、上海、南京、杭州、宁波、合肥、福州、厦门、南昌、济南、青岛、武汉、长沙、郑州、广东、深圳、海口、贵阳、南宁、重庆、成都、西安、昆明、兰州、银川、西宁、乌鲁木齐。
⑨研究房价问题，样本选择主要有两种类型，一种为地区样本，如以城市、州等为样本，一种为住户调查样本，两类样本在研究房价问题时针对的问题有一定区别，以地区为样本的数据结构常见于研究房价动态化，后者常见于研究住房价格的横向差异和住户住房消费决策或房产财富变化效应。
⑩本文在需求面因素选择上没有考虑预期因素，主要源于已有文献度量预期主要是采用滞后项，例如Herring and Wachter(2002)等，而本文在估计模型中采用了动态面板模型，所以在某种程度上也可反映出预期的作用。
(11)本文对市场竞争程度的度量既不同于平新乔和陈敏彦(2004)，也不同于况伟大(2012)，前者采用一级发企业占全部开发企业比重表示，后者采用以边际成本度量的市场勒纳指数表示。
(12)理论上测度房屋生产成本，可以利用房产企业主营业务成本表示，但由于现有统计仅有2006年以后35个大中城市房产企业财务指标统计，因此选取土地销售价格指数作为替代。
(13)由于受数据所限，本文没有考虑太多的住房所在城市品质因素，比如气候环境等。对于选择的两类公共服务的度量，本文分别采用高等学校数量、每万人床位数表示。
(14)为反映货币政策的实际松紧程度，利率采用银行贷款的同期优惠利率或最低浮动利率。
(15)由于这两个指标缺乏直接的统计数据，所以文章采用了两个替代方法予以间接测度。其中房地产业综合税收负担采用该城市所在省或自治区房地产业综合税收负担表示，即用历年《中国税务年鉴》中分行业税收统计与《中国统计年鉴》房地产投资完成额获得历年单位投资税收负担。用经济适用房和廉租房竣工面积与新建房竣工面积获得政府保障房支出力度。
(16)按照国际惯例，商品房空置率在5%～10%为合理区，表示商品房供求基本平衡，空置率达到10%～20%，被认为进入危险区，如果在20%以上说明存在商品房的严重积压，对国民经济将会产生较大影响。而在中国，据国家电网利用智能网络在全国660个城市的调查结果，共查出有高达6540万套住宅电表数连续6个月为零，也有媒体报道，在上海、深圳、北京等一线城市，房屋空置率已经达到了40%。
(17)为了谨慎起见，我们也采用土地出让收入除以市本级财政收入表示城市政府土地财政依存度，这一指标也是已有文献常用指标，估计结果虽然为正，但同样不显著。同时我们在估计时放弃了空间考虑，直接使用本市政府土地财政依存度进行估计，结果并没有发生根本性变化。
(18)这一现象在中国国土资源部出台《国土资源部关于严格建设用地管理促进批而未用土地利用的通知》等相关文件后有所减弱，但依然存在。
(19)考虑到房产企业在购得土地后一般很难实现当年开发这一客观事实，图中数据为当年开发土地占上年购置土地的比例。
(20)数据来源于2011年和2004年《中国统计年鉴》。
(21)Chen et al.(2011)在研究中国台湾四个地区房价指数的先行滞后关系和动态联系时也发现房价的空间扩散效应，不仅如此，该研究还发现房价的扩散效应是双向的。
(22)由于省略了其他变量的影响，所以图中各因素的贡献加总并不等于100。
标签：回归模型论文; 房价论文; 工具变量论文; 城市中国论文; 空间分析论文; 差异分析论文; 政策影响论文; 特征选择论文; 城市选择论文; 价格发现论文; 土地政策论文; 经济论文; 购房论文; 数据分析论文;