中國城市商品住宅價格：統計方法與變化規律

　　摘要：住房價格問題是當前我國各級政府和社會各界最關注的熱點之一，這也突顯了在我國住房市場中實現高質量住房價格統計的重要性。本文首先從理論和實證兩個角度分析了三種主流住房價格統計方法在我國新建商品住宅市場中的適用性，指出當前我國住房價格統計中主要使用的非同質性方法（“商品房平均價格”）和樣本匹配方法（“70個大中城市房地產價格指數”）均可能存在對住房價格真實漲幅的系統性低估，特征價格法則更有可能實現對新建商品住宅價格走勢的準確反映。基于這一認識，本文利用特征價格法和全樣本真實交易數據，首次計算得到35個大中城市2006年至2010年間新建商品住宅同質性價格指數。統計結果顯示，這一期間各主要城市——尤其是若干東部地區熱點城市持續處于住房價格快速上漲過程中，且這種上漲已經明顯脫離了經濟社會基本面的支撐，需要特別警惕可能由此引發的住房價格泡沫和居民住房支付能力不足等問題。
　　關鍵詞：住房價格指數；特征價格法；中國
　　中圖分類號：F293.3
　　一、引言
　　以住房價格問題為核心的住房市場問題，已經成為當前影響我國宏觀經濟穩定發展與社會和諧最關鍵的因素之一。多個城市出現的住房價格持續大幅上漲，以及由此引發的居民住房支付能力不足、住房價格泡沫累積、住房金融風險加大等社會和經濟問題不僅引起了全社會的空前關注，也引發了政府對住房市場的密集干預。與此同時，國內外學者也紛紛引入各種理論和計量分析工具，嘗試對住房價格上漲原因做出解讀，進而為相關調控政策制定提供依據。
　　任何圍繞住房價格問題的分析、研究和調控政策制定，無疑都需要以對住房價格水平和走勢的準確把握為前提。作為我國的官方統計機構，國家統計局自20世紀90年代起就持續開展主要城市房地產價格調查統計工作，現已形成 “商品房平均價格”（以下簡稱“平均價格”）和“70個大中城市房地產價格指數”（以下簡稱“70指數”）兩大房地產價格指標體系，并均以新建商品住宅價格指標作為其核心。但是，近年來這兩項統計指標的真實性、準確性屢屢受到學術界和公眾的質疑與批評。首先，這兩項統計數據本身即存在巨大差異。以北京、上海、廣州、深圳四個傳統一線城市2005年3季度至2010年2季度間①新建商品住宅價格走勢為例（圖1），“平均價格”給出的年均名義增長率分別為25.8%、13.1%、15.6%和13.9%，而“70指數”則僅為10.5%、3.1%、6.4%和5.2%，不足前者的一半。這種統計數據 “打架”現象顯然使得數據使用者無所適從。其次，也是更為重要的，這兩項指標被普遍認為明顯偏離公眾對住房市場運行狀況的感知，特別是被懷疑存在對住房價格上漲幅度的嚴重低估。尤其是“70指數”，消除通貨膨脹影響后前述四個城市在2005年3季度至2010年2季度間的新建商品住宅價格年均漲幅分別僅為8.5%、0.5%、3.7%和2.4%——顯然很難將其與“住房價格問題”聯系在一起。2010年初的“1.5%”事件②，更是將上述批評和質疑推向了頂峰。
　　在此背景下，進一步改進住房價格統計指標，實現對住房價格——尤其是當前最受關注的新建商品住宅價格水平及其變化軌跡的及時、真實、準確度量，為政府管理和調控決策提供科學依據，并為相關分析和研究提供高質量數據基礎，成為當前我國房地產經濟學界和統計學界研究者共同面臨的重要任務。作為一種嘗試，本文以住房價格統計方法為關注重點，通過理論和實證分析證明特征價格法是我國新建商品住宅價格統計最適宜的方法，并利用全樣本真實交易數據，在國內首次開展了覆蓋全部35個大中城市的同質性新建商品住宅價格指數編制，以期能夠實現對當前我國住房市場運行狀況——尤其是所存在的住房價格問題有一個更準確認識。
　　二、我國新建商品住宅價格統計方法的理論分析
　　概括而言，住房價格統計主要涉及兩個關鍵性技術問題，即基礎數據源選擇和價格統計指標編制方法（以下簡稱“價格統計方法”）設計。其中，基礎數據源選擇基本遵循統計指標編制的一般原則，即在一定的可行性條件約束下，滿足真實性、準確性、全面性和及時性等基本要求（吳璟、劉洪玉，2007）。基于這一原則，全樣本真實住房交易數據被公認為住房價格統計的理想基礎數據源。同時，隨著2004年以來各主要城市房地產市場信息系統的逐步建立完善，此類數據目前在我國也已經具備了良好的可獲得性。因此，以真實交易數據取代開發企業填報數據或抽樣調查數據，已經成為當前我國住房價格統計在基礎數據源選擇方面的總體趨勢，并已經被明確列入2011年2月國家統計局發布的新版《住宅銷售價格統計調查方案》中。
　　相比之下，住房價格統計方法設計則更為復雜和困難，也遠未達成共識。住房和住房市場所固有的空間固定性、高度耐久性、高度異質性、交易不頻繁性和非集中性等特點，使得住房價格統計不能簡單套用普通商品和金融資產價格統計的一般方法，而必須進行相應調整。
　　其中，住房高度異質性是住房價格統計中需要解決的最主要問題。住房是一種最典型的異質性商品，不同住房單元在區位、鄰里、物理等屬性方面都可能存在顯著區別，而這些屬性恰恰是決定特定住房單元價格的關鍵要素。這就意味著，以市場中觀察到的住房單元交易價格為基礎進行價格統計時，其結果事實上同時受到住房價格變化和住房特征變化的雙重影響。這違背了價格統計中應當遵循的“同質可比”的前提條件，可能導致“非同質性誤差（non-constant quality bias）”。這就決定了住房價格統計過程中有必要進行“質量調整（quality adjustment）”，即控制不同樣本（住房單元）之間的質量差異，進而在同質可比前提下考察純粹的住房價格變化。
　　根據如何在住房價格統計中實現質量調整，可以將現有住房價格統計方法劃分為三大類。下面首先從理論上對其在我國新建商品住宅價格統計中的適用性進行討論。
　　（一）非同質性方法
　　顧名思義，非同質性方法即忽略前述住房異質性特征及由此可能引發的非同質性誤差，仍直接以各報告期交易住房單元成交價格的算術平均值、加權平均值或中位數等指標作為價格統計結果。我國現有兩項住房價格統計指標中的“平均價格”指標即采用非同質性方法進行計算。該指標將開發企業填報的新建住房銷售金額和銷售面積分別在城市、省、全國等各層面進行加總后，將銷售金額總額除以銷售面積，計算得到平均銷售價格，實際上等價于以住房單元面積為權重，計算各報告期內成交住房單元單價的加權平均值。
　　非同質性方法的最大優勢是對基礎數據源的要求較低，尤其是不需要成交單價、單元面積之外的其他住房屬性信息。此外，如果各報告期內成交的住房單元屬性不存在系統性變化，且樣本量足夠大，非同質性誤差將僅影響住房價格統計結果的信度（即加大統計結果中包含的隨機誤差），而不影響結果效度（即不存在系統性偏誤）。這意味著此時非同質性方法在長期維度上仍然可以給出對住房價格走勢的準確反映，盡管在短期內（特定報告期中）其波動可能源于市場交易結構波動所引發的非同質性誤差（尤其是在交易規模相對較小的城市中；例如，圖1-D中深圳市在2009年3季度至2010年2季度間“平均價格”指標的劇烈波動，可能就源于這種誤差）。
　　但是，目前我國多數城市新建商品住宅市場中都存在著成交住房單元屬性的系統性變化，這將使得非同質性誤差表現為系統性偏誤。其中最典型的是在區位屬性方面，目前大多數城市（尤其是大中城市）都持續處于住房郊區化過程中。這可以理解為住房區位屬性的持續“降低”，將導致非同質性方法在長期維度上系統性低估住房價格上漲幅度（相當于以當前處于城市郊區的住房價格，與以往城市中心地區的住房價格進行比較）。
　　綜合上述分析，非同質性方法盡管因其低基礎數據要求而具有高可行性的優勢，但其固有的同質性誤差不僅降低了價格統計結果在短期維度上的可靠性，而且可能在長期維度上存在系統性偏誤。這就突顯了在住房價格統計過程中進行質量調整的重要性。
　　（二）樣本匹配方法
　　第一種質量調整思路是借助各國統計部門在編制計算居民消費價格指數時普遍采用的樣本匹配（sample matching）思路，即僅選擇那些在不同報告期內沒有發生任何質量變化的相同樣本，據此進行價格統計，從而利用此類樣本固有的同質性特點達到質量控制目的。其中最典型的是存量住房價格統計中的重復交易法（repeat sales method；Bailey、Muth和Nourse，1963；Case和Shiller，1987，1989），即僅考慮在各報告期內至少交易過兩次的樣本數據，進而在假設同一物業在不同報告期內保持各項特征不變的前提下，利用相同物業在兩次交易間的價格差異編制住房價格指數。
　　但是新建商品住宅市場中顯然不存在此類重復交易樣本，這就限制了重復交易法在我國新建商品住宅價格統計中的應用。因此，在新建商品住宅價格統計中應用樣本匹配思路時，難以直接以住房單元作為匹配樣本，而需要采用其他形式的匹配樣本③。在我國城市新建商品住宅市場中，住房項目（樓盤）正是一種適宜選擇。同一住房項目內的住房單元不僅具有相同的區位條件和鄰里環境，而且通常在戶型、裝修、設施等物理屬性方面也具有高度相似性，有助于在住房價格統計中進行質量調整。我國現有兩項住房價格統計中的“70指數”正是采用了這種在項目層面上實現樣本匹配的思路。該方法以新建住房項目作為價格統計中的基本單元，首先利用加權平均公式計算每一在售項目在該報告期的平均價格，再將該平均價格與同一項目前一報告期平均價格進行比較，計算其環比變化率。在逐一計算得到各項目本報告期環比變化率的基礎上，進一步利用各項目交易量為權重計算環比變化率的加權平均值，作為該報告期全市新建住房環比變化率的最終結果。理論上，上述方法能夠有效控制交易住房單元在項目層面上的質量差異，從而部分滿足同質可比要求。正因為這一優勢，2011年2月國家統計局發布的新版《住宅銷售價格統計調查方案》中，盡管在若干技術細節上進行了微調和改進，但在基本方法上仍然延續了以上基本思路。
　　但是，由于其過度依賴于項目層面住房價格變化情況，上述項目層面樣本匹配方法應用于中國新建商品住宅市場統計時，至少存在以下兩方面問題。首先，這種方法仍無法實現對單元層面住房屬性差異的控制，甚至放大了單元層面住房屬性變化對最終統計結果的影響。多數情況下，特定住房項目在取得預售許可證后，其全部單元將同時投放市場。一個合理的假設是（同時也基本符合現實市場情況），戶型、樓層、朝向等方面屬性較受歡迎的住房單元將被首先選購，相反滯銷單元（“尾盤”）則通常具有某一方面的不利條件。這將導致同一項目在不同報告期內成交的住房單元存在單元層面屬性的持續“下降”，從而導致最終統計結果存在對住房價格漲幅的系統性低估。
　　其次，單一住房項目銷售價格走勢還受到其開發企業定價行為的顯著影響。特別的，若干國內外實證研究都發現，住房市場中賣方定價行為通常存在顯著的“錨定效應（anchoring effect）”現象（Northcraft和Neale，1987；Genesove和Mayer，2001；Leung和Tsang，2010）。表現在新建商品住宅市場中，即開發企業在對待售單元定價進行調整時，可能受到同一項目此前出售單元價格水平的影響，使得價格調整幅度低于市場價格實際變化幅度，從而導致項目層面樣本匹配法的統計結果存在“過度平滑誤差（over-smooth bias）”。而在近年來多數城市住房價格整體保持持續上漲的背景下，這種過度平滑誤差也將主要表現為對住房價格上漲幅度的系統性低估。
　　綜合上述分析，項目層面樣本匹配法應用于我國新建商品住宅價格統計時可能存在系統性的向下偏誤，這有可能正是導致圖1所示“70指數”漲幅顯著低于“平均價格”的主要原因。此后的實證研究部分將進一步對此進行驗證。
　　（三）特征價格法
　　住房價格統計中另一類主要質量調整方法是借助于特征價格模型（hedonic model），因此被統稱為特征價格法（hedonic method）。特征價格模型認為住房由一系列特征組成，相應的，特定住房單元價格也取決于其包含的各種特征的數量以及每種特征的特征價格。式（1）給出了其最常見的形式：
　　（1）
　　其中，c為常數項，X1…Xn分別為住房的n個特征因素，β1…βn分別為對應的特征價格，Dt為時間啞元變量（在第t期等于1，其他期等于0），αt為時間啞元變量系數，ε為隨機誤差項。利用特征價格法進行住房價格統計最常見的一種思路（“一次性建模形式特征價格法”），即將各報告期成交住房單元價格和屬性數據一次性引入式（1）所示特征價格模型中，再利用估計得到的各時間啞元系數計算住房價格指數（Blackley，Follain和Lee，1986；Thibodeau，1989；Kiel 和Zabel，1997）。
　　理論上，特征價格法同樣能夠在很高程度上滿足同質可比要求。但特征價格法的準確應用有賴于高質量基礎數據源，尤其是除住房交易價格外，還需要包含對各種住房屬性數據的完整反映，否則缺失變量（omitted variable）問題仍可能導致統計結果的系統性偏誤。這也成為很長一段時間以來制約特征價格法在我國住房價格統計中應用的最主要原因。但隨著各城市房地產市場信息系統的完善，目前住房屬性數據已趨于完備，尤其是前述存在系統性變化的區位屬性等因素已經有條件在基礎數據源中得到合理體現，這就使得特征價格法有可能獲得對我國新建商品住宅價格走勢的準確反映。
　　三、中國城市新建商品住宅價格統計方法的實證檢驗
　　為驗證此前對三種主流方法在我國新建商品住宅價格統計中適用性——尤其是潛在問題的分析，以下進一步通過實證分析進行檢驗。
　　（一）數據
　　在某城市④房地產主管部門的支持下，基于該城市房地產網上簽約系統和房地產市場信息系統，采集得到該城市2004年1月至2009年12月間全部新建商品住宅交易數據，共53.9萬條，分布在2534個住房項目中⑤。
　　除成交價格（每平方米單價）和成交時間外，該數據還包括至城市中心距離、至最近地鐵站距離、項目總面積、單元面積、總樓層、單元所在樓層等住房屬性信息。如圖2所示，該城市新建商品住宅市場在2004年至2007年間經歷了明顯的住房郊區化過程，成交單元與城市中心距離平均值從2004年1月的3.5公里逐步上升至2007年12月的6.2公里，此后則相對保持穩定。這種住房屬性特征的顯著趨勢性變化再次佐證了在住房價格統計中實現質量調整的必要性。
　　（二）實證分析結果
　　理論分析中討論的三類方法都將應用到上述微觀交易數據中，具體設定如下：
　　1．非同質性方法。非同質性方法中選用加權平均法進行計算，并以單元面積作為權重，再將得到的各月份平均價格轉化為定基比指數，即與現行“平均價格”指標所采用的計算方法完全一致。
　　2．樣本匹配方法。樣本匹配方法中選擇以住房項目為匹配單元，但較現行“70指數”所采用方法略有改進：首先采用特征價格法，逐一計算各項目的同質性價格指數⑥，由此得到各項目各月份同質性價格的環比變化率；再以各項目交易規模 （套數）為權重，計算各項目環比變化率的加權平均值，得到整體市場月度環比變化率，并最終轉化為定基比指數。
　　3．特征價格法。特征價格法采用最常見的“一次性建模”形式，即在式（1）所示特征價格模型中，以單元成交價格（對數形式）為因變量，以至城市中心距離（對數形式）、至最近地鐵站距離（對數形式）、項目總面積、單元面積、總樓層、單元所在樓層等住房屬性和月度時間啞元變量為自變量，最后依托估計得到的時間啞元系數計算定基比指數。
　　圖3給出了根據上述三種方法計算得到的該城市2004年1月份至2009年12月份間新建商品住宅價格月度定基比指數。
　　如圖3所示，三種方法給出的價格統計結果存在顯著的差異，尤其是在長期趨勢方面，且這些差異與此前理論分析結論基本一致。一方面，同質性的特征價格法指數顯示的價格漲幅高于非同質性的加權平均指數，前者在考察期間的月均增長率為1.31%（相當于年均上漲16.9%），后者則為1.15%（相當于年均上漲14.7%）。聯系前述理論分析和圖2給出的不同時期成交住房單元與城市中心距離變化情況，這種差異很可能反映了住房郊區化這一住房特征趨勢性變化的影響，亦即反映了加權平均指數中存在的非同質性誤差（對住房價格漲幅的系統性低估）。特別的，與圖2反映的住房郊區化趨勢高峰期相一致，這種同質性誤差也主要體現于2004年至2007年間。這一期間二者的月均漲幅分別為1.55%和1.81%，相差0.26個百分點，相反2008年至2009年間的二者月均漲幅則基本保持一致（分別為0.35%和0.34%）。
　　另一方面，項目層面樣本匹配法給出的考察期間住房價格月均漲幅僅為0.46%，遠低于其他兩種方法。根據前述理論分析，這可能源于同一項目內交易住房單元屬性系統性變化和開發企業定價行為所導致的系統性向下偏誤。這也再次解釋了圖1中 “70指數”給出的價格漲幅顯著低于“平均價格”的原因。
　　（三）方法比選小結
　　綜合前述理論分析和實證檢驗，我國新建商品住宅價格統計中，非同質性方法盡管在簡便易行方面具有獨特優勢，但在當前多數城市新建商品住宅交易單元屬性存在系統性變化（尤其是住房郊區化趨勢）的情況下，可能因為非同質性誤差而導致對住房價格長期趨勢的向下系統性偏誤。項目層面樣本匹配法因為難以有效控制同一項目內部單元層面住房屬性的趨勢性變化，同時受到開發企業定價行為影響，同樣可能存在明顯的向下偏誤問題。相比之下，在日益完備的基礎數據資源的支持下，特征價格法更有可能得到對我國新建商品住宅價格走勢的準確反映。
　　這也從方法層面指出了我國現有住房價格統計指標可能存在的問題。由于“平均價格”采用非同質性方法中的加權平均價格法進行計算，“70指數”采用項目層面樣本匹配法進行計算，根據前述分析二者很有可能都低估了新建商品住宅價格的真實漲幅，且從實證檢驗結果看“70指數”存在的偏誤可能尤其明顯。
　　需要強調的是，上述分析主要針對新建商品住宅市場展開，不完全適用于存量住房價格統計。一方面，如果存量住房市場中也存在住房屬性的趨勢性變化，則非同質性方法同樣可能存在系統性偏誤。但另一方面，此前針對項目層面樣本匹配法提出的單元層面住房屬性趨勢性變化和開發企業定價行為影響等因素僅適用于新建商品住宅市場，這意味著項目層面樣本匹配法有可能能夠在我國存量住房價格統計中得到有效應用。當然這仍需通過進一步深入分析加以驗證。
　　四、主要城市新建商品住宅同質性價格指數的計算和分析
　　前述分析顯示，特征價格法是當前開展我國新建商品住宅價格統計的最佳方法。基于這一認識，在有關部門支持下，筆者基于各城市新建商品住宅全樣本交易數據，利用特征價格法⑦計算得到35個大中城市2006年1月至2010年12月同質性新建商品住宅價格定基比指數。盡管受時間序列長度限制，目前尚無法基于該同質性價格指數開展嚴格的計量經濟學分析，但在此基礎上開展的初步分析仍有助于更深入認識近年來我國新建商品住宅價格變化的總體情況。
　　（一）全國層面分析
　　在各城市指數基礎上，以各城市2006年至2010年間新建商品住宅累積交易套數為固定權重，可以采用加權平均法匯總得到這一期間35個大中城市新建商品住宅價格指數匯總值。考慮到這35個大中城市在全國新建商品住宅市場中所占據的決定性份額 ⑧，該指數足以在很大程度上表征全國新建商品住宅價格的整體走勢。
　　表1給出了2007年至2010年全國層面同質性價格指數匯總值年增長率。除2008年受國際金融危機影響，價格略有下降外，2007年、2009年和2010年新建商品住宅價格均處于快速上漲過程中，名義價格漲幅均接近30%，這也使得這一期間新建商品住宅價格年均復合增長率高達19.81%。該表也顯示，該同質性價格指數漲幅明顯超過“平均價格”和“70指數”。盡管這可能部分源于三項指標在覆蓋城市范圍上的差異，但也再次驗證了兩項現有住房價格指標可能存在的系統性偏誤。
　　除新建商品住宅價格外，表1同時給出了國民生產總值、城鎮居民消費價格指數、城鎮居民人均可支配收入等經濟社會基本面因素在同一時期內的變化情況。除2008年外，新建商品住宅價格上漲速度不僅遠高于物價上漲的整體水平，也明顯超過經濟增長和人民收入水平提高的速度 （尤其是2009年和2010年）。一方面，從住房的經濟屬性（資產屬性）看，這表明近年來住房價格的快速上漲很有可能無法得到經濟社會基本面的有效支撐，住房價格中的不合理成分（甚至“泡沫”成分）正在加大，其累積的風險可能對住房市場乃至整個宏觀經濟的正常運行帶來潛在風險。另一方面，住房價格上漲速度明顯超過居民收入增長速度，兩者年均增長率差接近7個百分點，這意味著從住房的社會屬性看，這一期間我國城市居民住房支付能力整體上處于不斷削弱的過程中。
　　（二）地區和城市層面
　　表2基于此前全國層面指數類似的加總公式和計算方法，給出了東、中、西部地區各年度新建商品住宅同質性價格指數增長率。盡管不同地區各年份價格走勢基本一致，但價格變化幅度存在顯著差異。概括而言，東部地區住房價格上漲最快，年均復合名義增長率達到22.14%。特別是2009-2010年以來的住房價格上漲過程中，東部地區城市漲幅大幅超過中、西部地區城市。西部地區緊隨其后，同期年均復合名義增長率接近20%。中部地區城市住房價格上漲最慢，但其年均漲幅也接近15%。
　　具體到各個城市，圖4和圖5分別給出了2006年至2010年間各城市新建商品住宅同質性價格指數的年均復合名義增長率，及其與當地地區生產總值、城鎮居民人均年可支配收入年均復合名義增長率的對比情況。僅從新建商品住宅價格漲幅看，各城市差異極大，價格上漲速度最快城市的年均增幅約為上漲速度最慢城市的4倍。更重要的，從住房價格和基本面因素的對比情況看，35個城市中有14個城市（主要集中于東部地區）的住房價格上漲速度超出當地經濟增長速度（圖4），而住房價格上漲速度超出居民收入增長速度的城市更達到了26個 （圖5）。這意味著這些城市中存在不同程度的住房價格泡沫和居民住房支付能力弱化問題，尤其是在北京、上海等“超級明星城市”中，這些問題已經十分突出。相反，武漢、成都等中、西部地區城市和少數東部地區城市（天津、沈陽等）中，住房價格上漲速度則與經濟增長和居民收入提升速度基本同步。這一方面表明，“區別對待”、“因地制宜”，仍然應當是當前分析我國住房價格問題，乃至制定、實施相關管理和調控政策時的基本出發點。另一方面也顯示，相對于住房價格的經濟角度不合理性問題（住房價格泡沫）而言，社會角度不合理性問題（居民住房支付能力弱化）更加值得關注。
　　五、結論
　　住房價格問題是當前我國政府和社會各界最關注的熱點問題之一。而實現對住房價格水平和變化情況的及時、真實、準確反映，則是開展相關分析、研究和制定管理、調控政策的基礎。本文集中關注我國新建商品住宅價格統計的方法選擇問題，對三種主流住房價格統計方法在我國新建商品住宅市場中的適用性進行了討論。理論和實證分析結果顯示，非同質性方法和樣本匹配法并不能很好地適應我國新建商品住宅市場的特點，并因而使得當前我國普遍使用的“平均價格”和“70指數”兩項住房價格統計指標可能系統性低估新建商品住宅價格上漲幅度。相比之下，特征價格法則是當前我國開展新建商品住宅價格統計的最佳方法選擇。
　　基于這一認識，本文利用特征價格法和全樣本真實交易數據，首次計算得到35個大中城市2006年至2010年間新建商品住宅同質性價格指數。該統計結果顯示，各主要城市——尤其是若干東部地區熱點城市在這一期間整體處于住房價格持續快速上漲過程中，其漲幅不僅明顯超過此前 “平均價格”和“70指數”給出的統計結果，也超出了經濟增長和居民收入水平提高的速度，可能導致住房價格泡沫和居民住房支付能力弱化問題，并以支付能力問題尤為嚴重。
　　上述研究結論提示我們，要高度重視當前我國特別是若干熱點城市住房市場中存在的價格風險，并結合導致我國城市住房價格快速上漲的原因，包括寬松的貨幣政策、受限的土地供應、加速的城鎮化和人口流動進程、不健全的稅收制度、缺失的保障性住房供給等等，及時采取有針對性的政策調控措施進行必要的市場干預，以降低住房市場風險。
　　注釋：
　　①2005年7月，國家統計局對“平均價格”計算過程中新建住房預售單元的處理方法進行了調整（此前預售單元在交房時納入統計，此后在交易達成時納入統計）。同月“70指數”也發生調整，除覆蓋城市由35個大中城市擴大至70個外，在數據來源和計算方法上也進行微調。這些調整都可能造成結果序列前后不完全可比。因此本文在討論這兩項指標時，僅針對2005年3季度以后的序列。
　　②2010年2月25日，國家統計局發布的《2009年國民經濟和社會發展統計公報》顯示，2009年全國70個大中城市房屋銷售價格上漲1.5%，其中新建住宅價格上漲1.3%，二手住宅價格上漲2.4%；房屋租賃價格下降0.6%。該數據立即招致了媒體的強烈抨擊。3月3日國家統計局局長馬建堂在接受記者采訪時承認現行住房價格統計方式存在缺陷。
　　③另一種方法則是選定一定的“標準樣本”，在每個報告期對其進行估價，從而人為“創造”重復“交易”樣本。盡管在住房價格統計領域尚未得到應用，但目前國土管理部門進行土地價格監測和統計時就采用了這種思路（詳見國土資源部土地利用管理司和中國土地勘測規劃院聯合運行的“中國城市地價動態監測系統”）。
　　④該城市為我國一個特大型城市。根據數據提供者要求，隱去該城市名稱。
　　⑤這里所指的“項目”采用預售/銷售許可證號進行界定，一個預售/銷售許可證號視為一個項目，因此可能與現實市場中的“樓盤”不完全一致。
　　⑥因為數據條件限制，樓層等因素影響能夠通過這一改進得到控制，但朝向、戶型等單元屬性仍無法控制。因此，理論分析中提出的單元層面住房屬性系統性變化問題盡管有所改善，但仍然存在。
　　⑦計算過程中采用的特征價格法具體形式為“多重鏈式指數形式特征價格法”。該方法效果與本文此前討論的“一次性建模形式特征價格法”基本一致，并可更好解決指數更新問題。詳見吳璟（2009）。
　　⑧2006年至2010年間，35個大中城市新建商品住宅交易面積在全國所占比重保持在40%以上，交易金額比重保持在60%以上。
　　參考文獻：
　　[1]吳璟，劉洪玉. 住房價格統計中的數據源選擇問題研究[J]. 價格理論與實踐，2007，（6）：59-60.
　　[2]吳璟. 中國城市住房價格短期波動規律研究[D]. 北京：清華大學工學博士學位論文，2009.
　　[3]Bailey，Martin，Richard Muth and Hugh Nourse. A Regression Method for Real Estate Price Index Construction[J]. Journal of the American Statistical Association，Vol. 58，No. 304 （1963）: 933-942.
　　[4]Blackley，Dixie，James Follain and Lee Haeduck. An Evaluation of Hedonic Price Indexes for Thirty-four Large SMSAs[J]. AREUEA Jour