房地產市場情緒對商品住宅價格的影響研究

臺紅玉 房月琴 王 燦

一、引言

我國房地產市場近年來呈現較強的波動性，對穩定發展造成一定的沖擊。為此，諸多學者從多方面探究導致房價暴漲暴跌的原因，研究邏輯是由果溯因，從宏觀經濟表象分析微觀經濟變化，以統計學的內核解讀變量變化，對群體共同行為的原因進行分析。然而在此基礎上，我們還要思考最基本的供需關系，房價的劇烈波動終究是起源于買賣行為在短時間內的大量產生或消失，在此基礎上從微觀行為入手，輔以宏觀經濟指標，才能夠以一個比較全面的視角考察整個房地產市場。

目前對房地產領域的研究主要集中在各項經濟指標等宏觀領域，而微觀調查數據又不足以代表巨大的購房群體及房地產市場，因此借鑒行為經濟學思想來衡量微觀行為，來彌補現有研究的不足。心理學研究認為，情緒能夠影響當期決策（Jon Elster，2000）[1]。Agnes Virlics（2013）探究了情緒在經濟決策過程中的作用，認為將心理學、社會學等其他學科的研究成果納入經濟學理論研究，可以得到更準確、更真實的認識[2]。金融市場的研究與經驗也表明，市場參與者的情緒波動會對其投資行為產生顯著影響，進而加劇股票市場的波動。近些年來房地產市場與資本市場有著種種相似性：大額資金沉淀、價值變化緩慢和短時價格波動劇烈，甚至房地產市場的資金流動也與金融市場有著某些共性。

我們不禁聯想，能否將研究金融市場的方法論借鑒至房地產市場，認為市場參與者的情緒是引起房價波動的因素之一，這是一個現實且極具價值的問題。基于此，本文通過對市場情緒的定量測量，將行為經濟學、心理學思想引入房地產領域，研究市場情緒與商品住宅價格是否存在某種聯系。

二、文獻綜述與理論分析

（一）情緒與預期

值得注意的是，在分析情緒與政策關系時，國內現有文獻極易將預期與情緒進行模糊，導致進一步研究時名稱以及邏輯關系的混亂。通常預期與情緒的邏輯關系為：預期是對未來的觀點，預期可以引導情緒，但最終情緒可能會有多種。預期是理性的推斷，而情緒可能是感性反映，兩者都會對最終的行為產生影響。二者的區別還在于，情緒往往具有即時性。

（二）情緒與投資決策

心理學領域已經達成共識，情緒能夠影響投資決策。莊錦英（2003）認為，決策過程中不僅存在作為效用的預期情緒，還存在“即時”情緒直接影響決策行為，因此群體的短時劇烈情緒波動會對宏觀經濟產生一定影響[5]。行為金融學也認為，積極情緒的投資者會高估匯報、忽視風險，從而產生較為激進的投資行為，從而影響資產價格。

（三）情緒與購房行為

國外部分學者從微觀角度研究情緒與房地產市場的關系，認為情緒與買房呈強相關性。如J?rgensen and Cecilie Juul（2016）對多個丹麥首次購房家庭的定性訪談結果進行分析，給出了買房的部分目的：這是一個情緒性的家庭行為[6]。Eddie Chi-man Hui and Ziyou Wang（2014）研究了香港房地產市場，認為大眾情緒對房價走勢有顯著的影響，但并未給出影響程度。國內研究情緒影響房地產市場的文獻相對較少，主要探究房地產市場有無泡沫及其形成原因[7]。宋超英和張乾（2009）運用行為經濟學中的相關理論分析了是否存在房地產泡沫及其如何形成的微觀過程，認為房地產市場存在泡沫且非理性情緒助推了泡沫的形成[8]。

（四）情緒的度量方法

由于宏觀經濟指標替代微觀行為指標不精確且難以真正反映群體的即時情緒，近些年隨著計算機技術和互聯網大數據的發展，一些學者運用文本分析技術或情感分析技術，通過網絡信息擬合情感，借此統計市場參與者的情緒，這種方法在金融學中首先被大量應用，用以估計投資者情緒。Da、Engelberg and Gao（2015）整合民眾關注的搜索數據（關鍵詞如經濟衰退、失業和破產），通過搜索數據的頻度構建了金融與經濟傾向指數來反映投資者情緒[9]。國內學者孟雪井等（2016）也根據相關搜索頻度構建反映投資者情緒的情緒指數[10]。在房地產領域，宋丹丹等（2018）基于城市報媒房地產報道題目認為，報刊代表的好壞情緒以及引起的輿論討論對于房地產市場具有引導作用，由此間接影響了房價的變化[11]。

由于目前房地產領域的研究主要集中在各項經濟指標等宏觀領域，而微觀調查數據又不足以代表巨大的購房群體及房地產市場。因此本文將行為經濟學、心理學思想等引入房地產領域，運用主成分分析法構建我國房地產市場的情緒指數，通過回歸模型實證研究當期市場情緒對當期商品住宅價格的影響。此外，考慮到房地產地域性強的特點，本文還擬實證分析橫向對比市場情緒對東部和中西部城市商品住宅價格的影響程度。

三、研究設計

（一）數據來源及變量說明

本文樣本研究期為2012 年1 月至2018 年12月，由圖1可得，在此期間內普遍來看全國房地產市場包含至少一個完整的上升-下降（價格與面積均考慮在內）的波動周期，能夠得出更準確的結論。所用數據主要來源于wind 數據庫，地方統計年鑒，中國人民銀行官網等，數據處理通過Spss24.0和stata15.0軟件進行。

溶洞中還生活著這里特有的奇異動物——洞螈。洞螈又叫盲螈，從名字中就能知道，這是一種眼睛已經退化的洞穴動物。的確，洞螈無眼瞼，眼睛退化并隱藏在皮下。洞螈是一種兩棲動物，身體呈灰色或粉紅色。它們用鰓呼吸，而奇特的是，粉紅色的鰓卻長在了身體外側，像兩束小小的珊瑚。其實，鰓本身是無色透明的，美麗的粉紅色實際上是血液的顏色。

圖1 70大中城市新建商品住宅價格指數同比-商品房銷售面積同比圖

表1 情緒指數二級指標選取表

1.被解釋變量。商品住宅價格（Hpr）。商品住宅價格=月度的商品住宅銷售額/銷售面積。由于不同地區的商品住宅價格差異較大，為了避免異方差和多重共線性，在進行數據驗證前，對商品住宅價格取自然對數處理。

2.解釋變量。市場情緒指數（Emo）作為綜合指標，本文從宏觀微觀兩個方面選取五項二級指標對其進行擬合。

宏觀指標包含購買熱度、消費者信心、宏觀經濟運行情況三個二級指標。宏觀指標反映實體經濟的波動，房地產與經濟基本面息息相關，當經濟向好，民眾有較高的總量經濟收入，消費情緒較高，則購房行為的發生概率增大。替代指標分別取當月地區商品房銷售面積、當月地區消費者信心指數、當月宏觀經濟景氣指數作為替代變量。

微觀指標包含購買意愿和關注度兩個二級指標。購買意愿參考鄭榮卿（2017）的做法[12]，選取中國人民銀行問卷結果中下季度預備購房比作為購買意愿的替代指標；關注度用當月地區百度搜索熱度平均值的總和來表示。由于百度指數并未提供搜索數據的下載功能，本文基于編寫的爬蟲程序，批量獲取了關鍵詞“房價”的月度時間序列數據。

情緒指數所選成分如表1所示。為去除單位影響，對所有原始數據進行0-1標準化處理再做主成分合成。選取度量情緒的5 個變量做主成分分析，在保證累計方差解釋率達到74%的前提下，得到房地產市場情緒指標。

從表2中可以得出，由于前兩項主成分累積比已達74%，因此選取前兩項主成分構建情緒指數，計算過程如下：

其中F1、F2為兩提取主成分。

3.控制變量。貨幣政策（Ir），選取中國人民銀行公布的5年期及以上貸款利率作為貨幣政策的替代變量；居民收入（Inc），選取城鎮統計年鑒中的居民可支配收入作為居民收入替代變量。由于僅可采集到季度數據，因此為簡化計算，認為居民收入在區域內全年自然平均增長，即年度內居民收入呈線性增長趨勢以計算月度居民收入；住房需求（Peo），選取人口密度作為住房需求的替代變量。城市人口密度=城市常住人口/城市區域國土面積。由于統計局只公布年度人口數據而無月度數據，同時區域內人口的增長率波動較小，總量很難在單一年度的某一月份中出現大幅波動，因此為簡化計算，認為人口在區域內全年自然平均增長，即年度內人口呈線性增長趨勢以計算月度人口密度。區域效應（Reg）作為虛擬變量，數據集合范圍為（1，2，3），其中1 代表東部，2 代表中部，3 代表西部。在進行GMM 回歸時，需要用到工具變量，其需要與模型中內生解釋變量高度相關，但卻不與隨機誤差項相關，本文將解釋變量的滯后一期作為工具變量。

表2 主成分變量選取表

圖2 2012—2018情緒指數與商品住宅價格

（二）模型構建

在構建房地產情緒指數后，將情緒指數與商品住宅價格繪制成圖2，可以發現二者變化有一定相關性。

為了檢驗房地產市場情緒指數與商品住宅價格之間的關系，首先考慮使用OLS（最小二乘法）進行普通回歸檢驗，創建式（1）靜態面板模型：

其中，i 和t 分別表示各個城市和時間，Hpri,t表示i 城市在t 時期的商品住宅價格，Emoi,t表示i城市在t時期的市場情緒指數，Controli,t為各控制變量，εi,t為隨機誤差項。

當解釋變量Emo的系數為正值時，說明情緒的上升促進了商品住宅價格增加，即情緒與商品住宅價格呈現正向相關關系，否則說明情緒與商品住宅價格呈現負向相關關系。

但是考慮到房地產市場情緒指數的二級指標與商品住宅價格均具有聯系性，數據中可能存在較為嚴重的內生性問題，考慮采用動態面板模型的廣義矩估計（Generalized method of moments，GMM）。首先采用Arellano et al（1991）提出的差分DIFGMM 估計方法，消除由于未觀測到的截面個體效應造成的遺漏變量偏誤，得到式（2）模型：

由于DIF-GMM 不僅消除了非觀測的截面個體效應，也消除了不隨時間變化的其他變量，另外，就偏誤和估計準確性而言，多數情形中變量滯后項并不是理想的工具變量。Arellano et al（1991）以及Blundell & Bond（1998）在DIF-GMM 估計的基礎上，引入被解釋變量差分的滯后項和隨機誤差項正交的矩條件，得出系統SYS-GMM模型式（3）（4）：

系統SYS-GMM 模型更好地解決了弱工具性問題。將差分方程和原水平方程聯立組成方程組，工具變量同時包含滯后的差分項和滯后的水平項，將水平方程與差分方程結合進行回歸，使得結果更為穩健。總體上，GMM 方法不要求擾動項的準確分布信息、允許隨機誤差項存在異方差和序列相關，比較而言參數估計更加穩健。

首先用最小二乘法的回歸觀察情緒指數與商品住宅價格之間的關系。考慮到前文在構建情緒指數時，個別指標與房價之間可能存在內生性關系，為了驗證結果可靠性，將情緒指數的滯后一期數據作為工具變量進行2SLS（兩階段最小二乘）回歸，看結果是否仍顯著。

使用工具變量的前提是存在內生解釋變量，為此需要進行豪斯曼檢驗。豪斯曼檢驗結果為拒絕原假設，可以認為滯后一期的情緒指數是內生變量，由于區位項為虛擬變量，不隨時間移動而變化，因此可以進一步使用SYS-GMM（系統廣義矩估計）模型進行估計。

表3 描述性統計表

四、實證結果分析

（一）主要變量的描述性統計

由表3 可知，商品住宅價格的標準差為0.554，說明房價波動的比較強烈。對于可能存在的內生性的影響，本文采用OLS（最小二乘法）、2SLS（兩階段最小二乘法）及GMM（廣義矩估計）三種方法進行回歸。

表4 全國回歸結果表

（二）基本回歸結果分析

如表4所示，回歸結果表能夠較好的解釋市場情緒與商品住宅價格之間的關系：

1.市場情緒指數項系數在四個模型中均顯著為正，可以認為房地產市場情緒與市場上商品住宅價格呈現正向同步趨勢，即隨著市場情緒上漲，住宅價格也將上升。計量體現在加入滯后一期的情緒指數進行回歸時，情緒指數的正向系數降低但仍顯著，將其轉化為工具變量進行回歸后，正相關系數由0.142到0.185顯著增大。市場情緒指數增大意味著市場交易額上升，居民對于商品住宅的關注度增大，促進了購買行為的產生，而房地產商品由于商品特性短期供給不足，導致了價格的上漲。

2.情緒指數的滯后一期變量在模型中進行回歸，回歸系數為正（0.061），卻未達到90%的顯著性要求。與當期情緒指數相比，滯后期的情緒指數系數雖然為正，但對于商品住宅價格的影響并不顯著，這表明情緒指數能夠按照即時性的原則，反映市場的情緒變化。

3.所選控制變量中，利率、人均可支配收入、人口密度項系數均為正，表明其均與商品住宅價格呈正向相關關系。而虛擬變量項四種檢驗模型系數均為負（-0.109），表明區位對于房價有負向的影響。

（三）異質性分析

對比表5東、中、西部地區的結果，可以發現以下幾點差異。

1.情緒指數對商品住宅價格的影響在中西部更大，在東部的影響力較弱。主要觀察對象為Emo項，東部地區的最大系數為0.112，三種回歸方式中有一次報告不顯著。但中西部地區的三次回歸均在95%或99%的置信度下顯著，且最大系數分別為0.254 和0.426。東部地區經濟發達，房地產市場的參與者眾多，信息網絡成熟，情緒由產生至最終影響交易行為時，需要經過眾多考驗，由于本文構造的情緒指數部分反映了理性的判斷，因此理性的交易行為更易被其他突發事件影響，因此情緒對商品住宅價格的影響力在東部較弱。然而中西部地區，由于信息溝通交流較東部地區偏弱，且市場參與者學習能力、網絡參與程度均不及東部地區，因此信息不對稱情況更為嚴重，導致的結果就是通過理性預期產生的情緒更容易催生購買行為，中西部地區投機與套利等需要預期判斷的交易行為較少，因此導致了情緒指數與商品住宅價格的強相關性。

2.滯后一期的情緒指數對商品住宅價格的影響，由東至西逐漸增加。OLS模型中東部地區影響系數為0.032，中部地區0.061，但這兩者未通過顯著性檢驗，同時西部地區為0.168 且通過95%置信度下的顯著性檢驗。橫向對比可以發現，Emot-1系數項由小變大，顯著性從無到有。一方面可以認為，東部地區市場的不可預測性較小，中西部地區的不可預測性較大。另一方面，結合情緒指數的構建成分也可以認為，中西部區域的商品住宅市場獨立性更弱，市場表現更像是一個受到東部地區影響而波動的市場。

表5 分區域回歸結果表

五、結論與建議

為探究情緒與房價波動的內在機理，本文選取我國70個大中城市2012年1月至2018年12月的月度城市數據為樣本，從宏觀微觀兩個方面采用購買熱度、消費者信心、宏觀經濟、購買者意愿和關注度等五項二級指標構建房地產市場情緒指數，通過多種回歸模型實證檢驗市場情緒指數與商品住宅價格之間的相關性，并進行區域異質性的分析。結果發現，市場情緒與商品住宅價格之間存在緊密的相關性，且區域異質性顯著存在。首先市場情緒指數項的系數在四個模型中均顯著為正，情緒與商品住宅價格間存在正向相關的關系，其次，滯后一期的情緒指數項的系數自東部地區向西部地區逐漸增加，西部地區表現為5%水平上的顯著正相關，影響關系因區域差異而有所不同。

與資本市場類似，中國的房地產市場作為一個典型的信息不對稱市場，各方參與者在無法對整體市場進行把握的情況下，容易受到虛假信息、媒體煽動、親友謠傳等因素的影響，產生包括恐慌、懷疑、羊群效應在內的各種情緒，造成短時間內的情緒大幅波動，對房地產市場的平穩發展造成較大影響。政府要控制房地產市場的非理性發展、防止房地產市場價格的過度波動，不僅要站在管理者的角度去統籌大局，還需站在參與者的角度去彌補房地產市場政策的不合理漏洞。首先，政府需要站在市場參與者的角度，建立一個公平公開公正的健康交易市場，建立公開透明的信息傳播平臺，維護好每一位參與者進行市場交易的信心。可以將市場參與者的情緒波動作為衡量即時房地產市場是否健康的指標之一，進行預先的前饋調節，靈活的控制市場波動。其次，政府可以將市場情緒管理納入政府政策考慮范圍之內，科學合理地制定房地產調控政策，只有針對房地產價格波動產生的根本原因，從根源上有的放矢地采取措施，問題才能得以解決。最后，不同區域和不同類型的城市房地產情緒指數對房價的正向推動程度也存在顯著差異，政府對于房地產市場的管理應分城市實施政策。由于我國幅員遼闊，不同城市具有不同的特征，政府因根據各個城市的經濟發展實力，信息網絡發展水平，消費者市場參與度和居民受教育水平等原則，為當地制定并選取合理的房地調控政策。此外，政府還應該加大對住房租賃市場的扶持力度，建立完善正規的住房租賃市場，合理解決我國住房供需矛盾的現狀，同時加快土地制度的房產稅制度深化改革，降低系統性風險，促進我國房地產市場平穩有序的長效機制的建立。