中國房地產市場的脆弱性評估：來自房價波動的證據

向為民 謝 靜 李 嬌

2003—2020 年中國房地產市場經歷了六輪周期，均伴隨著房價的快速上漲，但近幾年市場處于疲軟期，房地產企業出現大量風險事件。2018 年12 月召開的中央經濟工作會議提出要“構建房地產市場健康發展長效機制，堅持房子是用來住的、不是用來炒的定位，因城施策、分類指導，夯實城市政府主體責任，完善住房市場體系和住房保障體系”。2021 年7 月召開的中共中央政治局會議指出，要“堅持房子是用來住的、不是用來炒的定位，穩地價、穩房價、穩預期，促進房地產市場平穩健康發展”。保持房地產市場穩定能更好地兜住民生底線，穩住經濟基本盤。然而，房地產投資屬性突出，過度金融化趨勢明顯，市場結構性泡沫高懸，居民資產中房產占比過高，地方經濟過度依賴房地產，房企高負債風險凸顯。

中國住房市場脆弱性主要表現為內在穩定性差、抗外界干擾性能不足、自我平衡和自我調節能力弱。與多年備受關注的房地產泡沫相比，中國房地產市場的脆弱性尚未受到足夠重視，而脆弱性特征使房地產市場風險極易傳導至與其密切相關的金融市場，一旦房地產市場遭受風險事件的沖擊，將不利于中國經濟的穩定發展。在房地產市場中，房地產價格波動是房地產市場受內外因素影響的最直觀表現，房地產市場脆弱性也主要集中于房地產市場價格的脆弱性。因此，結合脆弱性理論，通過分析房地產市場價格與影響其內在穩定性主要因素之間的關系變化，識別房地產價格在結構性突變點受主要因素作用效應的波動狀況，探討房地產市場的脆弱性問題，對提高中國房地產市場韌性、防范房地產市場系統性金融風險、促進房地產市場健康穩定有序發展具有重要意義。

一、相關文獻綜述

就脆弱性研究而言，脆弱性概念最早出現在20 世紀 60 年代末對自然災害的研究，20 世紀70 年代后，學者們開始研究生態系統脆弱性，在地質領域中Timmerman 提出脆弱性指的是一種度，是系統在遭遇災害時受到不利影響的程度。此后，脆弱性在經濟社會領域中被提及，明斯基首次在經濟學研究中融合脆弱性概念，提出了“金融脆弱性”假說。聯合國開發計劃署（UNDP）1999 年明確提出“經濟脆弱性”概念，即在經濟發展過程中對因受到出乎預料的事件沖擊而產生的損害所具備的承受能力。近年來，關于經濟脆弱性的研究成果頗豐，主要涉及小島嶼國家經濟脆弱性、欠發達國家經濟脆弱性、中國城市脆弱性、中小型旅游城市經濟系 統脆弱 性、實體經濟脆弱性、宏觀經濟脆弱性等。 有關市場脆弱性的研究集中在股票、債券等金融資本市場領域，主要涉及新興市場變遷中股市脆弱性影響因素的檢驗，通過觀察債券市場整體波動點來衡量債券市場的脆弱性，以及疫情沖擊下對新興市場因債務違約引發脆弱性的擔憂。鑒于房地產的金融屬性，研究發現金融脆弱性與房地產價格波動存在雙向因果關系，房地產與金融的緊密聯系正在成為房地產脆弱性的一個重要特征。面對市場波動的不確定性增加，房地產市場的潛在非穩定狀況也逐漸被關注。學術界分別從居民家庭、房地產企業、銀行業等視角展開探討。研究表明，中國城市住房市場由于先天發育不足、制度機制缺陷、后天促長催高及短期化調控政策的影響，其市場機制決定資源配置的功能被削弱，已表現出內生調節機制缺損、內在穩定性差等脆弱性特征。尤其受房價風險溢出效應和周期性波動的影響，近年來房地產市場的過度繁榮所致的潛在脆弱性愈發明顯，恐將引發系統性金融風險。總體而言，關于房地產市場脆弱性的研究成果較少，且尚無完整的房地產市場脆弱性的度量指標體系與方法，對房地產市場脆弱性的系統分析與認識仍然缺乏。

就房價波動的主要影響因素研究而言，學術界對房地產市場的研究起步較早，有關房價波動的影響因素研究較為成熟，針對其主要影響因素的研究頗豐。預期價格、建筑成本、就業率、消費者收入、消費者投機行為、工業股票指數和信貸利率等因素逐漸被考慮到房地產價格供給需求方程中。部分學者發現，居民可支配收入、常住人口與失業率會影響住房需求，人均可支配收入變動率的滯后項對住宅價格的變化率有著顯著的正向解釋能力。但近年來，經濟基本面和房價的歷史信息難以解釋各城市房價的上漲。雖然基本面在1996—2007 年的房價決定中影響最大，但預期起著極為顯著的作用，中國房地產市場中存在一定程度的泡沫，當消費性需求占主導時，上期房價越高，房價波動越小；當投機性需求占主導時，上期房價越高，房價波動越大。同時，預期房地產收益率是2004 年中國房價增長拐點出現的重要因素，且中國住房價格短期波動和區域特征明顯，市場主體預期引致的投資性需求和成本因素是房價波動性上揚的主因。有部分學者從需求、供給及宏觀環境的視角，指出人均可支配收入是影響2011 年之前中國房地產價格的最主要因素。有學者從更廣泛的角度來分析房價上漲的合理性，認為需求層面的收入、人口結構、移民等是影響房價上漲的重要因素，供給層面的土地供給政策同樣對房價上漲起到明顯的作用。從住房屬性來看，房價的影響因素既包括收入、人口和教育等消費屬性因素，又包括房價預期與股票市場收益率等投資屬性因素，還包括貸款利率和信貸等同時涵蓋了兩種屬性的因素。還有學者將房價影響因素進一步梳理為供給、需求、土地與宏觀環境四類因素，認為供給對房價起著決定作用。此外，中國房地產市場存在明顯的政府干預，政府主要通過土地要素影響住房供給以實現對住房市場的間接干預。值得注意的是，經濟基本面是長期房價穩定的基礎，相較于供給因素，需求因素的影響更重要，而預期則是中國房地產市場化改革之后，尤其是2008 年以來房價持續上漲的重要原因。可見，已有研究側重點不同，研究對象、樣本期間、選取指標和結論亦迥異，但均認同經濟基本面和預期因素是影響房地產價格的主要因素，并從供給、需求、宏觀經濟因素三方面展開了相關研究。

綜上所述，相關研究頗豐，但也存在不足。面對市場劇烈波動的不確定性，涉及房地產市場脆弱性的研究還不夠充分，且多從金融視角側重于研究房地產市場某一具體問題，或僅從風險溢出角度探討房地產市場的不穩定性問題，而忽略了影響市場的核心是供給與需求，缺乏多重復雜因素疊加下對房地產在市場供需失衡時由房價大漲大跌引致脆弱性的判斷。目前尚無被一致認可的完整的房地產市場脆弱性的度量指標體系與方法，但學術界已注意到房地產市場價格與影響其內在穩定性主因之間的關系變化。有學者從市場價格波動入手，利用房價自回歸和門檻模型研究了美國主要州的房地產市場是否存在房地產泡沫脆弱性。結果發現，從住房回報和個人收入增長的依賴關系來看，各州住房市場均已呈現住房泡沫脆弱性。參考此方法，本研究旨在厘清中國房地產市場是否存在脆弱性，如存在，會呈現怎樣的脆弱性特征？針對以上問題，本文擬從房地產市場內在穩定性入手，從供給、需求、宏觀經濟三方面確定房地產價格主因，結合經濟基本面和預期對房價波動的作用來分析中國房地產市場的脆弱性狀況。

二、理論分析

（一）房地產市場脆弱性的內涵界定

對房地產市場脆弱性進行界定是本研究的基礎。在社會科學領域，脆弱性通常被分為經濟脆弱性和金融脆弱性。經濟脆弱性是在發展過程中抵抗經濟內外部自然因素和人為因素干擾的能力，而金融脆弱性則是高負債、不穩定的金融狀態。就脆弱性內涵而言，已有研究指出，系統內部的不穩定性已成為脆弱性的重要反映，這種不穩定性使系統在面臨擾動時出現不可恢復的損害，且脆弱性在系統內部和外部因素共同作用下產生，在不同擾動的影響下其表現不同，因而研究分析時應更有針對性。雷雨亮從開放經濟條件下國際金融危機沖擊對國內房地產市場的影響來解讀脆弱性；而荊中博等則更突出房價的極端上漲，以度量市場風險溢出、風險累積與中國房地產市場系統性風險的關系來說明脆弱性。合理資源配置涉及的市場機制包括供求、價格、競爭、信用、利率和工資的共同作用，卻不易被界定。當前中國房地產金融市場尚不成熟，外資在房地產市場主要資金來源中的占比不高，與國外房地產市場受金融市場沖擊所致的脆弱性表現并不一致，其風險的積累在于房價大幅波動而非單一的極端上漲或極端下跌。鑒于房地產業與經濟協調發展的緊密聯系，本文考量房地產市場的脆弱性主要基于市場供需和宏觀經濟因素，分析房地產市場內部不穩定性反應，側重從房地產市場的經濟脆弱性角度來展開。結合以上理論分析，這里將房地產市場脆弱性定義為房地產市場經濟發展的內在穩定性差，其價格往往脫離經濟基本面的支撐，面對內外部因素的干擾時比較敏感，當不可預料事件發生時遭受損失的概率大、程度高，且短期內市場自我調節和價格恢復能力弱。

（二）基于供需理論的房價波動影響因素

房地產市場發展的內在穩定性主要體現在價格波動趨勢中，房地產市場價格波動反復正是房地產市場內在穩定性差的現實表現。而經濟基本面變化通過房地產市場供給、需求和宏觀經濟環境傳導至房地產市場價格，這一傳導過程可通過存量—流量模型來刻畫，且考慮住房市場的增量子市場和存量子市場，通過兩個子市場供給和需求的均衡共同決定住房價格。某特定區域i的住房市場在時間t 供求均衡時的住房價格P由總需求D和總供給S決定，用公式表示為：

需求因素方面，消費者收入作為影響房價的重要因素，通過居民住房消費需求作用于房價，當收入提高時，居民住房支付能力增強，住房有效需求增加，房價隨之升高。收入是房價的基礎解釋變量，當收入對房價變化的解釋程度低或呈現負相關關系時，就是房地產市場價格脆弱性的表現。

供給因素方面，主要考慮構成房地產開發成本的建筑成本、土地價格，以及政府干預。建筑成本上升會直接導致新建住房價格上漲，增量市場的價格變化會在一定程度上傳導至存量住房，從而引起整體房價的變化。同樣，由于土地價格在成本中的占比較大，土地價格上漲更會推動整體房價上漲。另外，中國房地產市場的發展往往伴隨著地方政府干預，地方政府主要通過財政政策和土地政策干預房地產市場。

宏觀經濟環境方面，區域經濟發展是房地產市場發展的基礎與前提條件，人口則是房地產市場發展的核心動力，而常住人口增加會帶動長期住房消費，導致住房供不應求，推動房地產市場價格上漲。房地產市場發展與區域經濟、人口狀況的協調程度反映了房地產市場的可持續性，當三者間出現不協調關系時，房地產市場發展就不可持續，會加劇房地產市場脆弱性。再者，由于政府宏觀調控在我國經濟發展中占據重要地位，其中利率是貨幣政策的重要工具，可將利率作為宏觀調控的替代指標，而就業作為經濟發展的基石，也是宏觀經濟環境中的重要因素之一。將住房總需求方程和住房總供給方程分別表示為：

其中，住房需求方程中變量主要有p，inc，GDP，pop，emp，rate，x，分別代表房價指標、收入指標、經濟發展指標、人口指標、就業指標、利率指標和其他外生變量；住房供給方程中變量主要有 p，cost，fiscal，supply，y，分別代表房價指標、成本指標、財政政策、土地政策和其他外生變量。

將式（2）和式（3）代入式（1），可得住房價格P的簡化模型：

式（4）中，模型的左、右兩邊分別為住房價格指標和經濟變量指標。

此外，預期也是影響房地產價格的重要因素。房地產市場價格預期因素體現為上期房價，由于上期房價上漲而引起當期房價上漲的部分，不屬于經濟基本面的范疇，應歸入泡沫。理性的房地產市場泡沫可推動經濟加速發展，但當上期房價解釋力遠超經濟基本面時，泡沫就是非理性的，將加重房地產市場脆弱性。

據此，在式（4）中考慮房價滯后算子的影響，得到新的住房價格模型：

其中，l（P）為房價滯后算子，其他各符號的含義同式（4）。

（三）房地產市場脆弱性的影響機理

理論上，經濟基本面反映一國或者一個區域影響房價的宏觀經濟條件，是決定國家和地區房地產長期均衡價格的主要因素，也是影響房地產市場內在穩定性的重要方面。房地產市場價格與經濟基本面之間存在著動態均衡關系。即，房價上漲，經濟基本面應產生相應的變化去達成另一水平的均衡。若房價上漲過快，經濟基本面的支撐難以適應房價變化，受預期影響，房地產市場形成虛假繁榮泡沫，地區房價漲跌頻繁轉換，在政府干預下，其內在穩定性會變弱，從而帶來潛在的市場脆弱性（見圖1，下頁）。研究表明，房地產區域市場存在門檻，房價一旦超越門檻，將呈現房地產從繁榮到蕭條或正或反的轉換，且房地產具有非常典型的順周期特征，房價與經濟基本面之間的長期動態均衡還表現為房價波動與經濟周期變化的一致性。 在一定時期內，如果房價超越或低于門檻值頻繁變化，房地產市場在繁榮和蕭條的狀態之間反復轉換，脫離與相應經濟基本面的支持，在受到政府干預等外部沖擊時，房地產市場將會反映出內部不穩定性，顯示出脆弱性。

圖1 房地產市場脆弱性的影響機理

三、實證分析與檢驗

（一）變量選取與數據說明

選取2003—2020 年中國省際數據構建面板模型以研究中國房地產市場脆弱性，數據來源于國家統計局官網和《中國統計年鑒》，各變量說明如表1（下頁）所示。

表1 變量定義與說明

基于文獻研究和理論分析，需求基本面中的收入與房地產價格的關系是研究房地產市場價格脆弱性的關鍵點，宏觀經濟環境中的區域經濟和人口狀況是房地產市場可持續性的前提條件，而預期是房地產市場整體脆弱性的重要影響因素，通過房價的滯后項來刻畫，故將房價滯后項、收入、地區生產總值與人口規模作為房地產價格的主要解釋指標。其中，房價增長率采用環比增長率，比較基礎為上一期房價水平。同時，考慮到房價還受到其他因素的影響，土地指標反映供給，就業和利率指標反映其他宏觀經濟環境因素，財政政策和土地政策反映地方政府干預，因此，把就業、土地成本、利率、財政政策和土地政策作為控制變量在模型中加以考慮。

（二）房地產市場脆弱性的初步分析：基于動態面板的估計

1.模型設定

研究表明，房地產市場并非完全有效，房價對決定因素的變化存在滯后效應，其滯后變量具有顯著性。研究全國房地產市場整體情況，考慮到解釋變量中包含被解釋變量滯后項，建立動態面板模型，模型中有31 個研究對象和18 年研究期，時間維度小于橫截面維度，屬于短面板，可建立動態GMM 模型，通過識別變量顯著性、系數符號和大小來分析房地產市場價格脆弱性、市場可持續性和市場整體脆弱性狀況。基于上述理論分析，為更加直觀反應各地區的相對情況，將所選變量作對數化處理，得到如下動態面板模型：

其中，β是常數項，β—β分別是各變量的回歸系數，t-n 表示滯后n 期，α為被解釋變量n階滯后項的回歸系數，η、ε分別為不隨時間變化的個體效應和殘差，i 和t 分別表示地區省份和時間年份。

2.描述性統計分析和單位根檢驗

表2 展示了房價和居民收入的分年度描述性統計結果。2003—2020 年，全國房價平均值和收入水平呈逐漸上升的趨勢，房價從2003 年的1 982 元/平方米上升至 2020 年的 10 759 元/平方米，收入從2003 年的5 568 元增長至2020 年的 32 086 元。經計算，2004—2007 年、2009—2011 年、2016—2018 年三個時期內房地產價格的年漲幅為13.75%，超過居民收入年均增速（10.92%）。2004—2011 年房價增速在6%—19%區間內劇烈波動，雖然2011 年后房價漲幅波動放緩，但呈明顯上升趨勢，表明房價與居民收入水平之間的差距日益擴大。此外，房價收入比更直觀地反映了家庭住房購買能力，全國房價收入比從2003 年的 6.5，波動上漲到 2014年的7.1，而后持續上漲到2020 年的9.2，顯示房價上漲的收入支撐力不足。因此，本文得出中國房地產市場呈現房價與經濟基本面關系不密切、非經濟基本面對房價的作用更強的特征，總體上房地產市場具有脆弱性。

表2 2003—2020 年全國房價和居民收入的分年度描述性統計（元/平方米、元）

為緩解異方差帶來的影響，對絕對值的變量取對數，為避免建模時出現“偽回歸”，繼續進行單位根檢驗來考察其序列的平穩性。綜合運用LLC（Levin—Lin—Chu）檢驗、ADF-Fisher 檢驗、PP-Fisher 檢驗方法對面板數據進行單位根檢驗，檢驗結果顯示所有變量均為平穩序列，可直接展開回歸分析。同時，通過進一步考慮LR、AIC、SC 和HQ 準則確定模型的最優滯后階數，在5%的顯著水平下，大多數準則選擇了滯后二階（見表3），因此，選擇用房價滯后二階來研究變量之間的作用關系。

表3 滯后期選擇結果

3.回歸分析與穩健性檢驗

上文中構建的動態面板模型能得到較為準確的回歸結果，由于變量內生性問題，混合最小二乘、固定效應與隨機效應回歸存在估計量偏誤，動態GMM 估計采用在模型中加入工具變量的方式來降低內生性影響。GMM 估計方法包括差分GMM 與系統GMM，在樣本有限情況下，相較于差分GMM，系統GMM 的估計偏差更小、效率更高，故本文采用系統GMM 研究全國層面的基本情況。

考慮加入不同變量建立不同模型，表4（下頁）中模型1、2、3 的估計結果進一步證實了選擇被解釋變量一階和二階滯后項作為解釋變量的合理性。Wald 檢驗的P 值均為0，表明解釋變量的選擇是有意義的。Arellano-Bond 檢驗中AR（1）的 P 值小于0.05，AR（2）的 P 值大于 0.05，擾動項無序列相關。Hansen 檢驗的P 值大于0.1，表明模型的工具變量選擇有效。通過增減變量的方式進行穩健性檢驗，各模型變量系數符號及顯著性總體一致，模型穩健。

表4 系統GMM 回歸結果

住房需求方面，在模型 2、3、4、5、6 中，收入對房價的作用不顯著，表明居民人均可支配收入難以支撐起高昂的房價，需求基本面與房價的脫節使房地產市場面臨巨大風險。在模型1 中，雖然房價在5%的水平上顯著被收入影響，但回歸系數為負數，收入上漲1%，房價下降0.2%，收入未對房價起到預期正向推動作用。房價與收入基本面的不協調關系證實了全國房地產市場價格的脆弱性，這與前述主要變量描述性統計分析的初步判斷一致。

預期方面，房價預期對房價的影響顯著，上一期房價增加1%，當期房價增加約1%，側面佐證了況偉大預期房價越高，投機越盛，房價波動越大的觀點。相較于經濟基本面因素，房價預期的作用較大，住房實際價格與基本面價格之間的偏離程度較大，房地產市場存在非理性泡沫，房價波動對心理預期變化的敏感度高，這也是房地產市場整體脆弱性的表現。

宏觀經濟方面，GDP 對房價的影響顯著為正，GDP 增加1%，房價上升0.3%左右，區域經濟發展為房價的上漲提供了前提條件，但人口對房價的影響不顯著或顯著為負，房地產作為主要滿足居住屬性的固定資產，其居住功能未得到充分利用，而更多地表現為投資屬性，將導致房地產市場發展不可持續。利率對房價的影響顯著為負，利率增加1%，房價下降約0.3%，換言之，隨著利率的降低、貨幣政策的寬松，房價水平會上升。就業對房價的影響不顯著或顯著為負，但就業狀況亦是宏觀經濟環境的具體表現，向好的經濟形勢助推房價的上漲，就業與房價呈現的反向關系與之相矛盾。土地單位成本對房價的影響不顯著，進一步支撐了全國房地產市場脆弱性的觀點。

政府干預方面，財政支出對房價的影響顯著為負，地方財政支出增加1%，房價下降0.2%左右，表明地方政府通過增加公共支出，對保障住房基本需求和抑制房價快速上漲起到了一定作用。雖然土地政策對房價的影響顯著，但通過土地政策干預房地產市場起到的作用甚微。

（三）房地產市場脆弱性的進一步檢驗：基于面板門檻模型的估計

閾值是區域房地產市場的重要指標，出現閾值往往意味著房地產市場波動存在斷點，若對房地產市場的描述仍僅靠線性分析，其結論難免會有失偏頗。借助面板門檻模型，尋找是否存在代表“閾值”的結構突變點，當閾值在臨界值上下不同范圍內時，進一步識別解釋變量對被解釋變量的作用情況有無變化，以期為前述動態面板線性分析提供有益補充。此外，有研究指出，房價和收入之間存在弱關系，經濟基本面無法解釋房地產繁榮與蕭條時期的階段性變化，均是房地產市場脆弱性的特征。這里建立門檻模型，將超過臨界值的房價高增長狀態理解為房地產市場繁榮階段，低于臨界值的房價低增長狀態理解為房地產市場蕭條階段，通過判別經濟基本面對不同階段房地產市場價格的解釋是否具有一致性，以及分析房地產價格在不同階段的轉換頻率來判別房地產市場是否脆弱。如果不具有一致性，轉換頻繁，則意味著房地產市場具有潛在的不穩定性，房地產市場脆弱性現實表現突出。考慮到主要影響因素對房價波動的作用效應可能會產生結構性突變，為了從房價波動趨勢中進一步研究房地產市場的脆弱性特征，本文借鑒Hansen的面板門檻模型思想，建立經濟基本面影響房價變動的面板門檻模型：

其中，price為被解釋變量，income是解釋變量，control是工具變量，q是門檻解釋變量。

由上文可知，上一期房價在住房價格面板模型中起著主要作用，且在門檻分析中價格增長率的變化更能反映房價波動趨勢，故以房價增長率一階滯后項為門檻解釋變量來研究全國層面房價波動的門檻效應，門檻模型如下：

門檻檢驗結果如表5 所示，以房價增長率一階滯后項為門檻變量時，單一門檻在1%的顯著性水平上顯著，雙重門檻、三重門檻不顯著，故選擇一階門檻模型進行實證研究。當采用房價增長率一、二階滯后項平均值作為門檻解釋變量、變換工具變量時得到相同結論，門檻回歸模型穩健。因此，以房價增長率一階滯后項為門檻變量時房價波動存在一階門檻，門檻值為0.075。

表5 門檻效果檢驗

由表6 面板門檻模型回歸結果可知，當△price≤0.075 時，收入對房價的影響在5%的水平上顯著為正，收入增加1%，房價上升0.096%，收入變化對房價波動有一定的影響。以2020 年數據為例，有北京、天津、河北等22 個省份處于此階段。當△price＞0.075 時，收入對房價的影響不顯著，處于這一階段的有內蒙古、遼寧、上海等9 個省份。總體而言，全國31 個省（區、市）的收入水平在房價波動中發揮作用不足。

表6 門檻模型估計結果

表7（下頁）詳細展示了2003—2020 年中國房地產市場狀態轉換情況，如北京2003 年和2004年處于低值狀態，2005—2010 年變為高值狀態，這是一次高值—低值變換，而后又經歷了五次變換。除內蒙古外，其他省（區、市）的狀態轉換十分頻繁（超過三次高值—低值變換），這與地方政府短期調控政策頻繁、房地產市場發展不完備、未建立起長效治理機制等有關。上海房價波動劇烈，2009 年房價增長率高達56.7%，而2008 年、2012年和2017 年房價均出現負增長。上海房價漲跌轉換頻率最高，17 年間轉換達11 次。雖然2020 年上海居民人均可支配收入達72 232 元，在31 個省（區、市）中排名第一，經濟發展呈現韌性和活力，但同期商品房平均銷售價格為33 798 元/平方米，房價與經濟基本面之間的脫離現象較為明顯。而對比轉換頻率最低的內蒙古，其居民人均可支配收入雖不及上海的一半，但商品房價格水平遠低于上海，其經濟基本面能夠支撐房價的較平穩上漲。可見，房價波動趨勢的不穩定性從動態層面反映了房地產市場的潛在脆弱性，且呈現顯著的區域分化特征。

南河 東山06 0.0 8 0.05 3 0.13 5 0.20 7 0.18 6 0.18 8 0.07 0.048 0 0.12 3 0.14 8 0.03 3 0.02 0 0.14 0 0.18 1 0.14 5 0.12 1 0.15 8 0.12 4 0.09 0.071 8 0.09 0.060 8 0.03 3 0.05 6 0.05 6 0.04 7 0.07 3 0.05 9 0.07 0.079 5 0.07 4 0.18 6 0.09 0.079 2 0.05 3 0.03西江 建福 徽安0.139 67.00 73 0.1.095 0 14.10 8 0.17 54.10 35.20 6 0.24 17.10 63.20 6 0.04.213 0 73.10 8 0.14 31.00 64 0.0-7 0.10.237 0 38.20 0 0.16.190 0 53.10 0 0.23 19.30 41.20 6 0.13 44.10 14.10 0 0.01 97.00 47.00 3 0.05.016 0 10.00 2 0.06.013 0 28 0.0-2 0.01 66.00 38.00 6 0.08 77.00 57.00 6 0.07 07.10 87.00 6 0.10 72.00 15.00 9 0.04.064 0 56.00 2 0.04況情動波格價產地）房市、區（省各年—2020 2003 7表江浙 蘇江 海上 江龍黑 林吉 寧遼 古蒙內7 0.14 0.141 38.20 2 0.00-5 0.05-0.071 11.00 6 0.13.207 0 44.10 8 0.07 4 0.19.053 0 03.10 7 0.37.267 0 69.10 3 0.08 4 0.00.160 0 80.10 6 0.11.069 0 52.00 6 0.04 4 0.06.099 0 96.00 2 0.21.120 0 62.10 6 0.12 6 0.14.136 0 40.20 2 0.08.006 0 20 0.0-6 0.14 9 0.08.077 0 05.10 0 0.25.231 0 67.50 4 0.14 4 0.16.073 0 97.10 3 0.18.172 0 26.10 7 0.14 0 0.25.117 0 85.10 3 0.06 22.10 10.00 7 0.06 7 0.19.051 0 74.00 2 0.08 0.026 37.00-5 0.02 0 0.05-.044 0 71.00 8 0.03 27.00 68.10 5 0.16 1 0.08.036 0 61.00 0.047-.014 0 22.00 0 0.03 0 0.14.049 0 07.00 0 0.00 50.00 48.20 4 0.05 1 0.07.072 0 25.00 7 0.05.197 0 81.10 9 0.02 0 0.02-.056 0 24.00 6 0.15.044 0 38 0.0-2 0.22 2 0.12.099 0 18.00 4 0.12.172 0 30.10 6 0.06 3 0.16.129 0 99.10 0 0.06.080 0 41.10 1 0.09 4 0.06.094 0 16.10 3 0.09.081 0 02.10 4 0.05-2 0.01.090 0 77.00西山 北河 津天 京北23 0.1 7 0.02-0.012 06.00-9 0.11 7 0.09.237 0 67.00 6 0.22 0 0.16.302 0 43.30 0 0.10-4 0.13.177 0 20.20 1 0.13 5 0.22.217 0 95.30 7 0.04 5 0.07.035 0 75.00 9 0.14 4 0.17.145 0 11.10 8 0.28 5 0.08.195 0 89.20 6 0.01-5 0.12 0.063 52.00-8 0.12 4 0.12.060 0-10.00 5 0.14 4 0.09.064 0 90.00 8 0.06 8 0.04.054 0 15.00 9 0.02 2 0.12.096 0 02.20 3 0.02 8 0.11.269 0 15.20 7 0.12 9 0.11.195 0 69.10 4 0.21 7 0.06 0.047 62.00 11 0.0 0 0.02.042 0-52.00 8 0.01 8 0.04 0.051 49.00 003 2 004 2 005 2 006 2 007 2 008 2 009 2 010 2 011 2 012 2 013 2 014 2 015 2 016 2 017 2 018 2 019 2 020 2

疆新 夏寧 島青 肅甘 西陜 藏西 南云 州貴47.00 0.002 4 0.13 38.00-.013 0-7 0.11 16 0.0-0.061 28 0.1-.007 0 0 0.08 75.30.128 0 7 0.56 51.00.055 0 34 0.1.189 0 8 0.15 04.10.190 0 1 0.38-95.00.160 0 34.00 77.00-8 0.04 81 0.0-.195 0 3 0.16 99.00.108 0 20.10.035 0 3 0.20 31.20.065 0 8 0.36 31.00.201 0 76.00.140 0 4 0.06 06 0.1-.126 0 4 0.18 92.00.095 0 63.10.269 0 3 0.02 68.20.092 0 4 0.23-94.00.229 0 85.10.069 0 4 0.19 25 0.2 66.10 1 0.18 77 0.0.168 0 50 0.1 30.10 1 0.08 91 0.0.317 0 0 0.20 51.10.158 0 04.10.058 0 6 0.24 76.00.042 0 9 0.05-58.10.058 0 89.00.072 0 8 0.02 88.00.024 0 7 0.27 68.00.044 0 84.00 27.00-1 0.22 69.10 22.00-3 0.38 12.10.004 0 05 0.0.072 0 2 0.03 81.00 0.038 8 0.28-60.00 0.024 05 0.0-39.00-0 0.03 59.00.020 0 3 0.24 06 0.0-24.00-72 0.0.071 0 1 0.11 98 0.0.250 0 6 0.29 23.10.108 0 97 0.1.110 0 8 0.07 12.00.210 0 7 0.08 70.20.181 0 09.00.127 0 1 0.18 34.00.088 0 2 0.05 58.00.061 0 27 0.0-.121 0 8 0.06 00.10.092 0 8 0.18 28.00.029 0-川四 慶重 南海 西廣 東廣 南湖9 0.02 26.00 0.177 2 0.02-14 0.0-0.066 6 0.10 07.10.142 0 6 0.10 90.00 0.069 7 0.23 09.20.216 0 3 0.03-76.20 0.076 7 0.16 63.00.295 0 0 0.09 92.00 0.187 1 0.25 00.20.099 0 6 0.15 19.20 0.158 1 0.11 23.00.308 0 3 0.11 07.00 0.031 1 0.11 36.20.150 0 4 0.15 94.00 0.164 9 0.17 44.20.395 0 3 0.09 49.10 0.174 8 0.18 06.10.024 0 9 0.05 53.00.205 0 8 0.10 73.00.117 0-4 0.11 30.00 0.068 9 0.00 96.00.098 0 3 0.09 21.10 0.048 8 0.01 09 0.0-.075 0 7 0.05 01.00-.004 0-2 0.02-06 0.0-.003 0 2 0.02 78.00 0.018 2 0.05 00.00.058 0 6 0.05 33.10 0.078 9 0.07 38.20.198 0 4 0.11 61.00 0.127 4 0.12 88.10.229 0 6 0.05 10.10 0.108 6 0.06 42.00.058 0 6 0.05 91.00 0.057 3 0.05 17.00-0.066 9 0.02-62.00 0.029態狀值高的值檻門于高為據數粗加，未態狀值低的值檻門北湖4 0.03 3 00 2 0 0.11 4 00 2 4 0.35 5 00 2 9 0.12 6 00 2 5 0.19 7 00 2 7 0.01-8 00 2 7 0.17 9 00 2 0 0.06 0 01 2 9 0.19 1 01 2 4 0.12 2 01 2 4 0.04 3 01 2 7 0.04 4 01 2 3 0.06 5 01 2 7 0.14 6 01 2 1 0.14 7 01 2 7 0.10 8 01 2 1 0.06 9 01 2 5 0.02 0 02 2于低為據數粗加：注

四、結論與政策建議

從脆弱性理論和房地產價格影響因素出發，在分析預期與經濟基本面對房價的作用機制后，本文基于供需理論構建了住房價格動態模型，利用系統GMM 估計初步分析了全國層面的房地產市場脆弱性狀況，利用面板門檻模型進一步分析了房價波動的內在穩定性，得到如下結論：預期因素對房價上漲起到了主要作用，其影響程度遠超收入、GDP 等經濟基本面因素，而收入、人口對房價的影響不顯著，房價變化無法通過經濟基本面變化來解釋，其快速上漲缺乏作為“穩定器”的基礎因素作支撐，表明房地產市場中存在較多非理性成分，暴露了房價的潛在脆弱性和市場發展的不可持續性。同時，我國房地產市場價格波動存在一階門檻效應，門檻值為0.075。整體上，全國31 個省（區、市）的收入水平在房價波動中的主導作用不足。除內蒙古外，其他省份在2003—2020 年的房價高增長與低增長之間頻繁轉換，具有顯著的區域分化特征。據此，提出如下政策建議：

第一，強調穩預期，盡量保持房地產市場調控政策的一致性。繼續堅持“房住不炒”，通過減少相機決策的調控方式，更多采用中長期調控策略，以政策的一致性和連貫性賦予公眾堅定的預期和信心。抑制房地產市場過熱地區的投資和投機熱情，努力改變居民固有的房價只漲不跌的慣性思維，促使居民形成合理的住房消費觀，實現穩定的房價預期。

第二，千方百計提高居民收入，形成適應房價發展的經濟支撐。持續加大力度使投入房地產的投機資金回歸實體經濟，重點發展實體經濟，促進更充分、更廣泛就業，提升居民整體收入水平，提高居民住房支付能力，使房價和經濟基本面回歸長期均衡狀態，夯實房價的經濟支撐，從而增強房地產市場的抗風險能力和韌性。

第三，依據房地產市場差異，落實因城施策的房地產調控政策。根據各省（區、市）所呈現的房地產市場脆弱性特征，精準制定相宜的房地產市場調控方向與措施。對于脆弱性表現較強的地區（如上海），應在充分考慮城市價值的基礎上，確定房價上升的合理區間，保持房價相對穩定上漲，重點防范房地產市場系統性風險。而對于房地產市場脆弱性較弱的地區（如內蒙古），應結合當地房地產市場實際情況，以穩定增長為基礎，依據經濟基本面的長期發展態勢，著力激發房地產市場主體活力。