中型城市房價影響因素探析

陳秉宇

（南京審計大學公共管理學院，南京211815）

一、引言

近年來，我國房價不斷上漲，房地產市場不均衡，房地產價格存在較大波動，且大型城市與中小城市之間存在較大差異。許多學者現對房價波動的影響因素，進行了相關研究。縱觀國內外文獻，大多都集中在綜合的房價考察上，而不區別不同城市類型的房價。現以揚州市的房價波動為研究對象，提出如下理由。第一，當考察房價波動的影響因素時，考察中小城市房價形成機制的研究較少。第二，因揚州市位于房地產市場相對發達的長江三角洲地區，且是典型的中型城市，故深入研究揚州市房價波動的機制與影響因素具有理論和現實意義。

二、房價的形成機制

從資本因素來看，房地產是資本密集型產業，房地產價格與利率、信貸規模息息相關。利率是資金的價格，其能夠調節房地產市場的供給和需求。利率同時影響房地產市場的供需兩端，降低利率能提高房地產市場的需求與供給，提高利率則會引起兩者的緊縮。房價作為供需兩種因素共同作用的結果，其波動與利率變化的關系是不確定的，取決于供需兩種因素的強弱比較。

貨幣供應量與銀行信貸規模也對房價波動產生影響。與利率的作用機制不同，貨幣供應量和信貸規模的擴張對房價有推動作用。貨幣作為一般等價物，貨幣供應量增加時總價格水平上升，房屋價格水平自然上漲。另外，由于“貨幣幻覺”存在，貨幣供應量增加可能催生房地產泡沫，增加房地產投資需求，從而推動房價上漲。而信貸規模對房價的推動作用在于，信貸規模的擴張可以通過各種渠道進入房地產市場，從而刺激房價上漲。反之，房價上漲又通過抵押品價值上升的機制，刺激社會總體信貸規模的擴張。

大小城市的聯動關系可能也對房價波動造成影響。放眼于整個長三角地區，揚州市的房價浮動屬于較小的，揚州市的房價主要受南京的影響，加上區位、交通、人口，揚州市的經濟活動并不像江蘇其他城市那樣活躍，資本、人才流動也不像其他臨近上海的城市那樣密集。因此，揚州市的房價影響因素研究可以代表蘇北、蘇中以及安徽省多數不靠近上海的城市。

表 1 OLS 估計結果（GDP、INT、LOAN、M2、PNJ、PL、POLICY）

三、數據說明與實證分析

（一）數據說明

現采用月度數據，樣本區間為2011 年6 月至2016 年 6 月，共 72 個樣本期。揚州市（PYZ）與南京市（PNJ）房價數據取自中國指數研究院發布的百城價格指數，該指數將樣本區域內已獲銷售許可的在售房地產全部納入計算范圍，樣本覆蓋城區、郊區以及房地產較為發達的下轄縣市。樣本價格采用項目實際價格，即扣除了優惠減免等實際購房價格。

月度土地成交均價PL 由以下公式計算得出。土地成交均價PL=土地出讓金/土地出讓面積。其中，土地出讓金與土地出讓面積數據整理自揚州市國土資源局網站與CREIS 中指數據。利率（INT）使用中國人民銀行發布的五年期貸款基礎利率。貨幣供應量（M2）采用揚州市金融機構人民幣存款余額，信貸規模LOAN 采用揚州市金融機構貸款余額，這兩個指標均整理自揚州市統計局官網，且均為累計值，單位為億元。

（二）實證分析

現對外生政策變量“國五條”的顯著性進行檢驗。在選取的樣本中，2013 年3 月出臺的“國五條”是揚州市房價波動的分水嶺。從該時點開始，房價中應當包含了政府的限購政策，從而房價呈現出回落態勢。因此，以“國五條”為界，揚州市房價應當出現結構性變化。

利用Eviews7.2 軟件輸出揚州市房價序列PYZt自相關及偏自相關系數分析圖，發現自相關系數（Autocorrelation）隨滯后期增加呈正弦波衰減，趨向于0，偏自相關系數（Partial Autocorrelation）是一步截尾的。因此，可以認為序列PYZt 是一個AR（1）過程。

由于現選擇的變量較多，先構建一個多元線性回歸模型，剔除不必要的變量。根據Chow 檢驗結果，設置方程形式如下。

用OLS 法得到各參數估計結果。

估計結果顯示，變量利率INT、南京市房價PNJ和成交土地均價PL 不顯著。

鑒于許多研究都發現，房價與經濟基本面之間存在長期相關關系，由于序列PYZ、GDP、M2 以及LOAN 都是一階單整的，猜想其之間可能存在協整關系。現將變量分為兩組，（PYZ、GDP）和（PYZ、M2、LOAN），分別考察房價與經濟基本面，以及房價與資本因素的長期均衡關系。

先考察房價PYZ 與產出GDP 之間是否存在長期均衡，采用Johansen 檢驗，并將政策因素POLICY作為外生變量考察兩者間的協整關系，結果跡檢驗統計量和最大特征值統計量均表明，在0.05 顯著性下PYZ 和GDP 不存在協整關系，即揚州市房價與產出之間不存在長期均衡，這與大部分現有研究結果不符。現認為數據替代問題導致產出不能很好地解釋房價波動，由于缺少GDP 月度數據，故根據以往研究的經驗采用規上工業增加值作為產出替代數據，但未考慮，揚州市產業結構。揚州市主要產業并不是工業，工業增加值不能很好包含產出信息，因此導致了變量的不協整。

接下來考察房價PYZ 和貨幣供應量M2、信貸規模M2 是否存在長期均衡，現采用Johansen 檢驗，并將政策因素POLICY 作為外生變量考察兩者間的協整關系，結果跡檢驗統計量和最大特征值統計量均表明在 0.05 顯著性下 PYZ 和 M2、LOAN 之間存在一個協整關系，表明了房價與貨幣供應量、信貸規模之間存在長期均衡的關系，這一協整關系可以用向量誤差修正（VEC）模型進行估計，由估計結果（見表2）得到協整方程。

方程（2）表明，在長期中，揚州市房價與貨幣供應量呈正相關，與信貸規模呈負相關。這說明揚州市房價波動長期主要受資本因素影響。

表 2 VEC 估計結果（PYZ，M2，LOAN）

下面用脈沖響應函數考察以上長期均衡的動態特征，即揚州市房價PYZ 面對一個新息沖擊時有何反應。取PYZ、M2、LOAN 一階差分序列DPYZ、DM2、DLOAN 建立向量自回歸（VAR）模型，采用Cholesky 方法進行分解，設置追蹤期數為24，得到脈沖響應函數。可以發現，揚州市房價對自身一個正向沖擊在第一期即達到最大，然后迅速衰減，從第三期開始趨向于0。揚州市房價對當地貨幣供應量一個正向沖擊在第一期沒有響應，第三期出現一個正的峰值，之后呈正弦波衰減，趨向于0。揚州市房價對當地信貸規模一個正向沖擊在第一期沒有響應，第二期出現一個負的響應，之后正負波動，總體為負。在VAR 模型中變量對于自身的響應，即來自未考慮的其他因素，也來自自身的積累效應。這表明，揚州市房價累計效應比較顯著，即價格預期對揚州市房價波動有很大影響。

最后，用方差分解法來研究各個變量對房價波動的重要性。結果顯示，揚州市房價受自身沖擊影響最大，第一期影響為100%，第三期下降至90%并趨于穩定。這表明，揚州市房價波動很大程度上受自身價格預期的影響。比較貨幣供應量和銀行信貸對房價波動的貢獻，貨幣供應量的貢獻為7%，高于信貸規模的3%。

四、結論與政策建議

現以2011 年至2016 年揚州市月度數據為基礎，對揚州市房價波動的影響因素進行了實證分析，得出以下結論。第一，限購政策能夠顯著地抑制揚州市房價上漲。第二，揚州市房價波動受當地土地價格波動影響較小，且與中心城市南京房價波動關聯性不大。第三，揚州市房價與當地貨幣供應量與信貸規模存在長期均衡關系，且均為正相關關系。第四，揚州市房價波動受市場預期影響較大，且貨幣供應量和信貸規模對房價波動的影響是短效的。

針對以上結論，現給出以下政策建議。第一，短期內政府可以采取緊縮的貨幣政策來抑制房價。由于數據問題，得出了利率對房價波動影響不顯著的結論，但利率作為一種貨幣政策工具，依然可以用于調節房價波動。當房價上漲過快，可以提高利率，增加購房成本抑制需求。雖然提高利率可能導致開發商融資成本升高，使其供給減少，但是由于房地產建設周期長的特點，短期內供給變化慢于需求變化，提高利率的總效應依然是抑制房價。第二，政府限購政策的影響是顯著的，可以作為調控房價的有效政策工具。但是限購政策的作用是短效的，也會扭曲部分合理需求。為維持經濟社會穩定，房地產行業穩健發展，政府應追求長效機制調控房價。第三，揚州市房價受自身預期影響很大，說明購房者或投機者依據上一期價格行事，因此政府應注意適應性預期對房價波動的影響。政府應做到保持政策穩定性，要向房地產市場主體提供更多信息，合理引導供求雙方的預期，降低信息不對稱帶來的錯誤預期，抑制由此產生的投機行為。