房地产价格区域经济论文

摘要：我国不同区域房地产市场存在着较大的差异，导致同样的利率政策在实施过程中对不同城市房地产市场的调控效果不一。通过实证分析探究利率政策对不同区域房地产市场调控效果的差异性。因此选取2000-2015年北京、上海、武汉、长沙四个城市的年度数据，建立有效的VAR模型，探讨利率政策对房地产价格影响的区域差异效应。以下是小编精心整理的《房地产价格区域经济论文(精选3篇)》，仅供参考，大家一起来看看吧。

房地产价格区域经济论文 篇1：

房地产价格上涨对产业结构升级的影响探析

摘要：文章利用2000年～2012年我国257个城市的数据，建立动态面板数据模型，检验了房价上涨对产业结构升级的影响。研究发现，房地产价格与产业结构升级呈倒“U”型的关系，房价水平较低时，房价上涨有助于产业结构高级化和产业结构合理化，但房价的持续上涨对产业结构升级产生负面影响。

关键词：房地产价格;产业结构高级化;产业结构合理化;动态面板数据模型

一、 引言

本文的研究主要围绕以下两个方面展开：（1）通过构建产业结构高级化和产业结构合理化两个指标，对房地产价格与产业结构升级的关系进行实证分析;（2）构建非线性模型，检验房地产价格上涨对产业结构升级的影响是否与房价水平有关。

二、 文献回顾

关于房地产价格与产业结构升级的关系，研究视角可以概括为两个方面，一是房地产价格上涨导致住房成本提高，促使劳动力向住房成本较低的城市迁移，从而引起产业转移;二是将土地成本作为商务成本的组成部分，直接研究土地或房地产价格上涨对产业转移和产业布局的影响。

在房地产价格、劳动力转移和产业变迁三者关系方面，Helpman（1998）将住房市场引入新经济地理学，较早地研究了房地产价格、劳动力集聚和企业生产之间的联系，他认为房地产价格是工人生活成本的重要组成部分，房价上涨会降低劳动力的相对效用，并阻碍劳动力集聚。因此，房地产价格会影响到企业对劳动力的获取（Albouy，2009），并最终对经济活动产生分散效应（Overman & Puga，2002）。这一思路得到诸多研究的证实，Brakman等（2002）、Saks（2004）、Murphy等（2006）等对英国、德国、美国等国家的实证研究发现，房地产价格上涨对劳动力集聚产生抑制作用。在此基础上，高波等（2012）将房地产价格、劳动力流动、产业转移和产业升级放在统一的框架下进行研究，发现房地产价格上涨是引起劳动力流动，并导致产业在东、中、西部地区进行转移的重要因素，而产业转移又进一步促进了各区域向产业价值链高端攀升，推动了产业结构升级。

不同于上述以劳动力转移为核心研究房地产价格与产业结构升级的关系，部分学者认为土地成本是商务成本的重要组成部分，对产业转移和产业升级具有直接影响。王珺（2010）对劳动力成本和土地成本在影响产业转移中的作用进行了比较分析，认为工资差距是影响产业在国际间转移的直接原因，而在国内地区之间，地价差距比工资差距对产业转移具有更强的推动力。马子红（2006）对产业转移的动因进行了理论分析，认为土地作为稀缺的自然资源和不可移动的生产要素，对区际产业转移影响较大，我国部分产业从长三角和珠三角地区向中西部地区转移，与前者快速上涨的土地价格密切相关。范剑勇等（2011）提出了类似的观点，他们认为经济集聚会提高土地等不可贸易品的价格，“倒逼”产业向同类要素价格水平较低的区域转移。

综上所述，现有文献重点研究了房地产价格对企业区位选择和产业转移的影响，但忽视了房价上涨引起产业转移后对产业结构升级的影响。并且在研究视角上，现有文献主要是通过劳动力转移来分析房价上涨与产业转移的关系，而忽视了土地成本作为商务成本的组成部分对企业区位选择的直接影响，仅有的研究多以定性分析为主，缺乏完整的定量研究。鉴于此，本文通过构建产业结构升级指标，研究房地产价格上涨对产业结构升级的直接影响，从而使房地产价格与产业结构升级关系的研究更加完善。

三、 产业结构升级的测度

产业结构升级通常表现为两个方面，一是产业结构从第一产业为主向第二、三产业为主演进，从劳动密集型产业为主向资本密集型和技术密集型产业为主演进，从初级产品制造为主向中间产品、高附加值产品制造为主演进，也即产业结构高级化;二是各产业之间具有较强的相互转换能力和互补能力，具有较好的聚合质量，从而使产业结构形成相互制约和促进的有机整体，也即产业结构合理化。本文采用产业结构高级化和产业结构合理化两个指标来反映产业结构升级状况。

1. 产业结构高级化衡量方法。关于产业结构高级化的衡量，通常包括单一指标直接衡量和多元指标体系衡量两种方法。考虑到产业结构高级化的复杂性，单一指标难以全面反映高附加值、高加工度、技术和知识密集等产业结构高级化的诸多特征，李欣广（2011）、张正华（2011）等通过筛选能够反映这些特征的指标，构建多元指标体系，然后利用主成分分析法将多元指标合成单一指标，对产业结构高级化程度进行综合评价。鉴于多元指标法在衡量产业结构高级化中的优越性，本文利用该种方法，构建测度产业结构高级化的指标体系，对各城市产业结构高级化程度进行衡量。

根据现有文献关于产业结构高级化衡量指标的梳理，本文从产业结构、就业结构、技术密集度、资本密集度、科技投入、劳动生产率等6个方面选择产业结构高级化的衡量指标，构建完整的产业结构高级化指标体系。具体的指标选择和测算为：（1）产业结构：用第三产业相对比重来表示。第三产业相对比重=各城市第三产业比重/全国257个城市第三产业比重的均值，即计算出全国257个城市第三产业在地区生产总值中占比的均值，然后用每个城市第三产业的比重除以全国第三产业占比的均值，得到每个城市第三产业相对比重。（2）就业结构：用第三产业就业相对比重来衡量。（3）技术密集度：用相对技术进步指数来衡量。其中，技术进步指数用基于Malmquist全要素生产率分解的技术变化指数来表示。（4）资本密集度：用相对劳均资本存量来衡量。各城市资本存量利用永续盘存法（PIM）计算得到，然后用资本存量除以从业人员数量，得到各城市劳均资本存量。（5）科技投入：用科学和教育事业费支出占政府财政预算内支出的相对比重来衡量。（6）劳动生产率：用相对劳动生产率来衡量。在确定了指标体系后，利用主成分分析法便可计算出各城市产业结构高级化指数。

2. 产业结构合理化衡量方法。目前学者通常利用结构偏离度来反映产业结构合理化程度，具体的计算公式为：

DEV=■■-1（1）

式（1）中，DEV表示产业结构偏离度，Y表示地区生产总值，L表示就业数量，i表示各次产业，n表示产业部门数。在经济均衡状态下，各次生产率水平一致，即Yi/Li=Y/L，DEV=0。因此，DEV越大，表示经济偏离均衡状态的程度越大，产业结构越不合理，相反，DEV越小，则说明产业结构合理化程度越高。这一方法非常直观地反映了不同产业发展的协调性，但存在的问题是该指标给予各产业以相同的比重，而事实上，在整体经济中，各产业的重要程度存在相对差异性，对各产业赋予不同的权重更为合理。如干春晖等（2011）借鉴泰尔指数来重新定义产业结构合理化的衡量指标，其表达式为：

TL=■（■）ln（■）（2）

式（2）是在式（1）的基础上，以各次产业产值在总产值中的比重为权重，对产业结构合理化衡量指标进行改进而来的。类似地，TL=0时，表示产业结构处于均衡状态，TL偏离0越大，表示产业结构越不合理。

四、 模型构建与数据说明

1. 计量模型构建。本文利用2000年～2012年我国257个城市的数据，对房地产价格与产业结构升级的关系进行实证研究。由于房地产价格可能受到产业结构升级的影响，如刘嘉毅等（2014）发现，产业结构高级化和产业结构合理化对房地产价格具有促进作用。因此，房地产价格与产业结构升级之间可能存在相互影响的关系。为了避免内生性问题带来的估计偏误，本文建立动态面板数据模型，将房地产价格设定为内生解释变量，从而确保估计结果的无偏性和一致性。所建立的基本计量模型如下：

Vit=？琢+？茁VVi，t-1+？茁hplqhpit+？茁N■XNit+？着it（3）

？茁N■XNit=？茁taxilntaxiit+？茁toadlnroadit+？茁inclnincit+？茁cinlncinit+？茁doclndocit+？茁greengreenit

式（3）中，因变量Vit表示i城市在 t期产业结构升级的状况，分别用产业结构高级化HLit和产业结构合理化TLit来衡量。lqhpit表示相对房地产价格，为本模型的核心解释变量，用i城市在t期的房地产价格除以t期所有城市房地产价格的均值来计算。

Xit表示控制变量。控制变量的选择，主要考虑城市基础设施、劳动力成本、文化娱乐条件、医疗条件、绿化覆盖率等反映城市经济状况和社会公共服务的因素。其中，反映城市基础设施状况的指标包括年末每百人实有出租汽车数量（taxiit）和人均铺装道路面积（roadit）;劳动力成本用人均可支配收入（incit）来衡量，通常人均可支配收入水平越高，意味着企业的劳动力成本越高。在反映社会公共服务状况的指标中，文化娱乐条件用城市所拥有的影剧院数量来衡量（cinit）;医疗条件用城市医生数量来衡量（docit）。最后，模型还控制了城市绿化覆盖率（greenit），用来反映城市的环境状况。

为了消除异方差，模型对年末每百人实有出租汽车数量、人均铺装道路面积、人均可支配收入、影剧院数量和医生数量取自然对数，分别用lntaxiit、lnroadit、lnincit、lncinit、lndocit来表示。

房地产价格上涨对产业结构升级的影响可能与房价水平有关，由于生产率水平和土地成本承受能力的不同，当房价水平较低时，房价上涨首先对传统产业产生挤出效应，为高端产业的发展创造了更大的空间。随着房价水平的提高，高端产业也会受到土地成本的冲击，从而降低发展速度，制约产业升级。因此，房地产价格上涨与产业结构升级之间可能存在非线性的关系。鉴于此，在式（3）的基础上，增加相对房地产价格的二次项，检验在不同房价水平下，房价上涨对产业结构升级的影响有何区别。修正后的计量模型为：

Vit=？琢+？茁VVi，t-1+？茁hplqhpit+？茁′hplqhp2it+？茁N■XNit+？着it（4）

式（4）中，lqhp2it表示相对房地产价格的二次项，其它变量与上式一致。

2. 数据说明。本节所需数据来自中经网统计数据库、《中国区域经济统计年鉴》《中国城市统计年鉴》。各变量的描述性统计如表1所示。

五、 房地产价格上涨对产业结构升级的影响

表2为利用广义矩估计（系统GMM）的方法所估计的房价上涨对产业结构升级影响的参数结果。从表中可以看出，相对房地产价格一次项的系数为正，二次项的系数显著为负，说明产业结构高级化与房地产价格呈倒“U”型的关系。当房价水平较低时，房地产价格上涨对产业结构高级化具有明显的促进作用。近年来，我国房地产价格快速上涨，尤其是东部沿海城市和中西部区域性中心城市上涨最为明显。在此背景下，对土地和房屋租金成本较为敏感的低端制造业等传统产业开始向内陆地区转移。房地产价格上涨在加速产业转移的同时，促使各类产业在全国范围内进行重新区位布局，从而获得更丰富的要素资源和更大的发展空间，对推动各地区产业升级起到了积极作用。

但房地产价格上涨对产业结构升级的促进作用不是一成不变的，而是与房地产价格水平有关。随着房地产价格水平的提高，房价持续上涨对产业结构升级产生抑制作用。当房价水平较低时，房地产价格上涨首先对传统产业产生挤出效应，促使传统产业向内陆地区或级别较低的城市转移，从而为高端产业的发展留出更大的空间。但房地产价格持续上涨同样对高端产业产生负面影响，当房价上涨所产生的高端产业成本提高效应，大于传统产业转移所产生的空间创造效应时，房地产价格上涨对产业结构升级的影响就表现出抑制作用。

类似地，相对房地产价格一次项的系数为负，二次项的系数为正，并且在1%的水平上是显著的。说明房地产价格上涨对产业结构合理化的影响呈倒“U”型，房地产价格在一定程度内的上涨，有助于产业结构合理化，但房价的持续上涨对产业结构合理化产生负面影响。可见，当房价水平较低时，房地产价格上涨产业在不同区域之间重新布局，促进了各地区产业结构合理化，但房地产价格持续上涨会导致传统产业快速离开和高端产业发展放缓，最终降低产业发展的协调性。

综上所述，改革开放以后，我国经济快速发展很大程度上得益于承接国际产业转移。然而，传统产业的不断集中占据了过多的经济资源，挤占了高端产业的发展空间，不利于产业结构升级和产业间的协调发展。而伴随产业集聚所带来的土地资源紧张和房地产价格上涨，加速了传统产业向中西部地区土地成本较低的城市转移，为沿海城市高端产业的发展创造了更多的空间，同时也带动了内陆地区产业升级，从而对各城市不同产业的协调发展起到了积极作用。

六、 研究结论和政策建议

本文利用2000年～2012年我国257个城市的数据，通过建立动态面板数据模型，研究了房地产价格上涨对产业结构升级的影响。研究发现，产业结构升级与房地产价格的关系呈倒“U”型，房地产价格上涨有助于产业结构高级化和产业结构合理化，但随着房价水平的提高，房地产价格上涨对产业结构高级化和产业结构合理化产生负面影响。

根据以上研究结论，提出如下政策建议：第一，在东部地区，一方面应该积极发挥房地产价格在产业转移和产业布局中的调节作用，促进传统产业向外转移，为高端产业的发展创造空间，一方面也要防止房地产价格过快上涨对高端产业发展产生的抑制作用。第二，中西（下转第47页）部地区较低的房价水平是吸引东部地区产业转移的重要因素，应该控制房地产价格上涨速度，承接东部地区产业转移，通过产业结构升级为地区经济增长注入持久动力。第三，人力资本水平较高的城市在吸引东部地区产业转移中更有优势，对地区产业升级具有积极作用，鉴于此，中西部地区应该通过加大教育投入、吸引人才流入等方式提高劳动力的知识和技能水平，为地区产业发展创造更好的人力资源条件。

参考文献：

1. 刘嘉毅，陶婷芳，夏鑫.产业结构变迁与住宅价格关系实证研究.财经研究，2014，（3）：73-84.

2.范剑勇，邵挺.房价水平、差异化产品区位分布与城市体系.经济研究，2011，（2）：87-99.

3.马子红.基于成本视角的区际产业转移动因分析.财贸经济，2006，（8）：46-50.

4.高波，陈健，邹琳华.区域房价差异、劳动力流动与产业升级.经济研究，2012，（1）：66-79.

基金项目：上海财经大学研究生创新基金资助项目（项目号：CXJJ-2012-332）;教育部人文社会科学研究青年基金项目（项目号：14YJC790152）;中国博士后科学基金面上项目（项目号：2013M531157）;浙江省社科联重点项目（项目号：2013Z59）;浙江农林大学人才项目（项目号：2034020012）;杭州市哲学社会科学规划常规性立项课题（项目号：D14YJ08）。

作者简介：王洪卫（1968-），男，汉族，浙江省富阳市人，上海财经大学公共经济与管理学院教授、博士生导师，研究方向为房地产经济、投资经济;谷卿德（1988-），男，汉族，山东省临沂市人，上海财经大学公共经济与管理学院博士生，研究方向为房地产经济;石薇（1980-），女，汉族，湖北省武汉市人，上海金融学院国际金融学院副教授，博士，研究方向为产业经济、房地产经济。

收稿日期：2014-12-20。

作者：谷卿德 石薇 王洪卫

房地产价格区域经济论文 篇2：

利率政策对房价影响的区域差异效应研究

摘 要：我国不同区域房地产市场存在着较大的差异，导致同样的利率政策在实施过程中对不同城市房地产市场的调控效果不一。通过实证分析探究利率政策对不同区域房地产市场调控效果的差异性。因此选取2000-2015年北京、上海、武汉、长沙四个城市的年度数据，建立有效的VAR模型，探讨利率政策对房地产价格影响的区域差异效应。结果表明利率政策变动对不同城市房地产价格的影响深度和强度差异较大，其对北京和上海的房地产价格的影响程度较大，对武汉和长沙的房地产价格的影响较小。

关键词：利率政策；房地产价格；区域差异

1 引言

房地产业是我国国民经济的支柱产业，其具有的先导性和基础性不仅影响着上下游产业的发展，也影响着国民经济的稳定发展。1998年，国务院颁布的第23号文件《关于进一步深化城镇住房制度改革加快住房建设的通知》终结了我国的福利分房制度，标志着住房分配制度的货币化形式的来临。房地产业经历二十年的迅猛发展，已成为国民经济支柱产业。但在快速发展的同时，也带来了房地产业投资过度、房价过高等问题。房屋是“衣食住行”的必要条件，所以房地产市场的稳定发展是人们安居乐业的基本保障。国家也一直非常注重用货币政策来调节其稳定发展。利率政策作为重要的货币政策工具，在我国房地产市场调控中发挥着重要的作用。利率上升会导致资金借贷成本增加，房地产需求特别是投资需求会降低。而短期内，房地产供给不会降低，所以房地产价格会下降。利率下降会激发居民对于房地产市场的投资热情，房地产需求增加，所以房地产价格会升高。

1998年至2002年，房地产业从零开始，为刺激房地产的供需，央行先后五次下调基准利率，促进了房地产业的发展。2003年，在之前的扩张利率政策的影响下，开始抑制房价的过快的涨势。从2004年11月至2007年12月，央行先后8次上调贷款基准利率。但是这种利率政策对房地产市场的调控效果不明显。2008年，美国遭到了次贷危机，给世界经济都造成了负面影响。我国房地产市场也受到了全球金融危机的冲击，进入了萧条阶段。为了刺激房地产市场发展，中央银行从2008年9月至2008年12月，先后5次下调贷款基准利率。政策效果较明显，房地产市场再度恢复发展，房价上涨。2010年，在上一轮的扩张利率政策以及四万亿财政政策的刺激下，房价涨势迅猛。从2010年10月至2011年7月，央行先后5次上调贷款基准利率并且施行限购等约束性政策，使房价得到抑制。2011年至2015年，因上一轮的限购政策导致房地产市场低迷，为刺激房地产市场的需求，2011年12月至2015年10月央行先后8次下调贷款基准利率，房价上涨幅度很大。2016年，为推动房地产市场去库存，央行下调存款准备金率0.5个百分点，对于不限购的城市，调低居民购房首付比例。

纵观我国房地产发展历史，利率政策在我国房地产市场调控过程中发挥着重要的杠杆作用。利率上升通过抑制房地产需求而使得房价下降，而利率下降通过促进房地产市场需求从而拉动我国房地产市场经济的发展。但由于我国各地区的经济发展水平以及金融发展程度不同，所以利率政策对不同城市房地产价格产生了不同的调控效果。本文在考虑到城市经济水平、金融自由度以及地方购房政策的基础上，选择我国四个具有代表性的区域（北京、上海、武汉）作为样本，借此来分析我国利率政策对不同城市房地产价格的调控效果的差异性。

2 研究综述

有关利率政策对房地产价格影响的问题，国内外有大量学者对此作了相关研究。近年来，国内外学者开始越来越多地关注利率政策对不同区域房地产价格调控效果的研究。国外相关问题研究大多围绕欧元区国家使用同一货币政策产生的差异性展开，或者多以发达国家为研究对象。Iacoviello（2005）对欧洲的六个国家的房地产价格影响因素进行了研究，研究发现短期内，货币政策会对房价产生较大的影响，而利率升高会使得各国房地产价格产生不同幅度的上升。Britton 和 Whitley（1997）基于Mundell-Flemming 模型对比了瑞典，德国和法国房价对利率的敏感程度，发现瑞典房价对利率的敏感程度弱于法国及德国，但是他们认为货币政策对房地产价格的影响的区域化差异较小。Gerlash 和 Smets（2001）利用VAR模型分析了货币政策对意大利，法国及德国房价的影响，得出了不同国家的不同货币政策对房地产价格的影响不显著的结论。Harris（1999）通过完善已有的分析方法从不同角度不同层面分析了房地产地区差异形成的原因，认为导致货币政策效应区域差异的根本原因是金融结构和区域经济非均衡。Otrok，Negro 和Christopher （2007）运用VAR模型分析了1986-2004年美国48个州房地产价格数据，认为区域性因素是房价地区差异的主要原因，货币政策对房地产价格影响并不显著。Fratantoni和 Schuh（2003）利用HVAR模型对美国1966-1998年美国货币政策对房价的影响进行了研究，得出了相同的货币政策对不同地区房价的影响程度有较大差异的结论。Negro 和 Otrok（2007）利用贝叶斯方法对1986-2005年美国房地产价格进行了趋势估计，发现地区因素是影响房地产价格长期趋势的主因。

国内也有很多学者研究了利率政策对我国不同区域省市房地产价格调控效果的差异性。原源（2009）利用计量经济学的方法对广义货币供应量，利率，汇率和房地产价格进行了回归分析，发现导致房价上涨的原因包括货币供应量上升及预期本币汇率上升、利率下降；但是利率对房地产价格的影响并不显著，其认为主要原因是我国利率传导机制的不完善，利率对房地产供给的影响较小，及利率传导过程中的影响因素太多。王先柱和毛中根等（2011）从区域性的角度研究了我国货币政策在房地产市场传导过程中的区域性差异，发现利率必须导致一定水平之后才能对房地产需求产生抑制，并且这种抑制作用在东部地区效果更好，同时房地产开发对利率相对敏感，由于是东部地区。同时，他们发现房地產竣工面积对利率并不敏感，但是受银行信贷规模的影响非常显著，特别是中西部地区。曹姣（2011）通过对比长沙和上海两个城市房地产市场差异，发现我国货币政策对房地产价格的影响存在地区差异，上海房价从长期来看与利率正相关，但是短期来看为负相关，长沙不论是短期还是长期来看都是负相关。

目前，国外研究主要集中于欧元地区以及发达国家，国内研究主要是从全国东西部地区进行分类研究。为了使得本文研究的城市更具有代表性，本文在基于城市经济发展水平、金融发展程度以及地方购房政策等因素的考虑下，选取了我国四个具有代表性的城市（北京、上海、武汉和长沙）的样本数据为变量，分别对各个区域的房地产市场建立VAR模型然后进行实证分析。

3 模型的构建与实证检验

3.1 变量选择及数据说明

Christiano、Eichembaum& Evans（1999） 通过分析表明：想要依据资产价格对冲击的反应建立模型，只需要将资产价格输入到货币政策工具以及经济基本面变量的VAR模型即可。基于数据的可得性、非共线性以及相关性的考量，选取物价水平CPI、地区GDP、广义货币供应量M2、居民人均可支配收入Y、三到五年期贷款利率R1以及房地产价格HP作为研究变量。其中，选择三到五年期贷款利率，是考虑到商业银行贷款还款期限是三到五年。为了减少异方差性，所有数据均取对数进行平滑处理。

1998年，我国开始房地产货币化改革，国家于2000年开始在房地产市场宏观政策调控方面逐步加大了货币政策的调控力度，因此本文选取2000年至2016年的年度数据作为样本进行分析。样本数据来自房地产统计年鉴、中经网统计数据库、中国人民银行网站。

3.2 变量单位根检验

在建立经济模型之前，我们必须要对变量的平稳性进行检验，本文采用ADF检验方法。研究结果证明，北京市的所有变量都拒绝了存在单位根的原假设，因此该区域的所有变量都是平稳的。而其他三个城市的某些变量拒绝了原假设，所以对其他的城市的所有变量进行一阶差分，差分后所有变量都拒绝了原假设。所以上海、武汉、长沙三个城市的变量均是一阶单整的，而北京市的变量本身是平稳的。

3.3 协整检验

为了避免出现伪回归的现象，时间序列分析的所有序列都必须是平稳的，即不能有随机或确定趋势。由上可知，上海、武汉、长沙三个城市的所有变量都是一阶单整的，可以采用Johansen协整检验方法对模型中的各变量进行协整检验。检验结果如表1-表4。

表1、表2、表3、表4中显示的是北京、上海、武汉、长沙四个城市各变量的Johansen的检验结果，表中显示了含迹统计量检验和最大特征值统计量检验的结果。结果表明，北京、上海、武汉、长沙的各变量存在着1%显著水平下的协整关系，即各变量之间存在着长期稳定的关系。结果表明，根据四个城市的所有变量进行的脉冲响应分析结果也是平稳可靠的。

3.4 脉冲响应函数

本文采用脉冲响应函数来显示利率增加一个标准差大小的冲击对四个城市房地产价格所带来的影响。由上面的分析可以看出，四个城市的所有变量都是平稳的，所以脉冲响应也是稳定的。

由图1至图4的脉冲响应图可以看出，在利率上升的冲击下，四个城市的房地产价格均会下降，但是下降的程度以及下降时间不一致。北京在第六期达到最大值-0.3%，上海在第二期达到最大值-0.8%，武汉在第三期达到最大值-0.1%，长沙在第八期达到最大值-0.1%。从各个城市的脉冲响应图可以看出，四个城市对利率变动的反应存在着明显的差异，这与国内外学者的研究结果大致相同。利率变动对北京、上海的房价的影响的深度和广度都比较大，而在利率变动条件下，武汉和长沙两个城市的变动比较小且影响时间较短，整个脉冲响应图相对平稳。

4 结论及政策建议

通过以上的分析，利率政策对不同城市的房地产价格调控效果差异较大，利率政策对北京、上海的房地产价格的冲击要强于对长沙、武汉的房地产价格的冲击，由此得出以下结论：

第一，提高利率对房地产价格最终会产生负向的冲击，但并非长期影响。尽管四个城市房地产价格对利率冲击的初始反应不同，但是利率提高最终会导致房地产价格下降。在短期内，利率上升对房地产供给影响不大，但是会减少房地产需求，所以房地产价格会下降。但是长期来看，利率的提高对房地产市场的供给和需求都会产生影响，房地产供给和房地产需求会同时降低，所以利率提高在长期来看对房地产价格的调控效果不明显，这点在脉冲响应图上有所表现。

第二，利率变动对不同城市房地产价格影响的广度和深度都有区别。从图一至图四可以看出，利率变动对北京、上海房地产价格变动的冲击较大，北京和上海的房地产价格对利率政策变动的敏感程度更大，收敛期更久。其中上海的敏感程度最大，主要的原因是上海的金融自由度最高。而武汉和长沙的敏感度较低，收敛期也较短。引起其反应程度差异的最主要的原因是各区域的经济发展程度、金融自由度以及各区域不同的限购政策。

第三，利率的冲击对房地产价格的影响存在时滞性，这种时滞性在不同城市间也存在差异。利率对北京和武汉的房地产价格的冲击在第3期开始显现，利率对上海和长沙的房地产价格的冲击在当期开始显现。

我国因此在将利率作为调控房地产价格的政策工具时，应该充分考虑地区的政策差异、经济发展水平以及金融发展程度房差异性，从而让各地区的房地产价格得到合适的调控效果，提出以下政策建议：

第一，对于经济发展水平较高以及金融发展程度较好的城市，利率政策对其有较明显的调控效果，但是对于经济发展水平较低的地区，利率政策调控效果并不明显。因此对我国房地产市场的调控，不能仅靠单一的利率政策，要辅之以其他的货币政策以及财政政策。

第二，利率政策对不同城市房地产价格的调控会产生不同的时滞性，因此在采取利率政策對房地产价格进行调控时，要考虑到不同城市对利率政策的反应时间。利率政策调整频率过高，会削弱利率政策对房地产市场的调控效果。所以面对相同的货币政策，各地方政府也应该基于当地的情况，辅之以其他财政政策来调控房地产市场。

参考文献

[1]Christiano，Eichembaum& Evans. Monetary Policy Shocks： What have We Learned and to What End？[M].Taylor J.& M.Woodfordeds，Handbook Macroeconomics. New York：North Holland，1999.

[2]Christinao，Eichenbaum & Evans. Is there a Bubble in the Housing Market？ [J].Brookings Papers on Economic Activity，2003，（2）：299-342.

[3]Britton & Whitley. The Theory of Housing and Interests Rates[J].Journal of Financial and Quantitative Analysis，1980，（4）：833-847.

[4]Gerlash & Smets（2001）. The Role of House Prices in the Monetary Transmission Mechanism across European Countries[J].Scottish Journal of Political Economy.2005，（4）：519-543.

[5]Otrok，Negro & Christopher （2007）. the Dynamic Impact of Macroeconomic Aggregates on Housing Prices and Stock of Houses：A National and Regional Analysis[J].Journal of Real Estate Finance and Economics. 1998，（2）： 179-197.

[6]王先柱，毛中根.房地產市场货币政策区域效应—基于我国31个省市的实证分析[J].山西财经大学学报，2011，（10）：52-61.

[7]曹姣.中国货币政策区域效应研究[D].上海：华东师范大学，2006.

[8]原源.我国利率调整对房价影响的理论与实证研究[J].改革与战略，2013，（3）：46-48.

[9]宋旺，钟正生.我国货币政策区域效应的存在性及原因—基于最优货币区理论的分析[J].经济研究，2006，（3）：46-58.

[10]汪增群.中国货币政策区域非对称性效应[M].北京：社会科学文献出版社，2011.

[11]程承坪，张旭.非对称性利率政策对中国房价影响的实证分析[J].经济与管理研究，2011，（9）：42-51.

[12]郭娜，翟光宇.中国利率政策与房地产价格的互动关系研究[J].经济评论，2011，（3）：43-50.

[13]曹永琴.中国货币政策效应的区域差异研究[J].数量经济技术经济研究，2007，3：7-47.

[14]李国杰.转轨时期中国货币政策效力区域非对称性实证研究-基于VAR模型的经验分析[J].经济科学，2006，（6）：31-35.

作者：覃美玲 王鸾凤

房地产价格区域经济论文 篇3：

关于杭州市民住房价格泡沫的实证研究

摘要：文章以杭州市2001-2009年数据为样本，根据与商品房价格有关的地区GDP、人口规模、城镇居民人均可支配收入、商品房建设成本、消费者对房价的预期等主要因素，使用多因素回归模型来分析上一期房地产价格和居民人均可支配收入对本期房地产价格的影响，对房价进行实证分析，结果表明：目前影响杭州市房地产价格的主要因素为投资和投机因素以及全国地区均已经出现较为明显的房地产泡沫。

关键词：投机；房地产价格；多元回归分析

一、问题的提出

自从20世纪80年代末城镇住房商品化开始，城镇居民住房价格就迅速上升。年均增长幅度高于10％。2009的年房价更是经历了一轮疯涨。截至2010年第一季度全国住房成交价在5193元／平方米，较2009年同期增长11.46％。其中，杭州作为一个区域经济中心。房价一直位于全国的前列，2010年4月住房成交均价达到20553元／平方米，较2009年同期涨幅达到47.85％。房价的过快上涨，不仅对广大普通居民的购房产生严重影响，对社会的稳定以及我国经济的持续发展构成威胁。

美国次贷危机带来的住房价格泡沫破裂。应该给我们敲响了警钟。当前我们的住房价格是否存在严重的泡沫、房地产市场泡沫的主要成因是什么、对待房地产市场价格应该采取怎样的预警机制和调控措施，这些都是迫切需要解决的现实问题。由于我国地域广阔，地区差异巨大，各地区的政治、社会状况及经济发展水平都有着显著的差别，区域房地产市场价格也存在着巨大的区别。因此，判断区域房地产市场是否存在泡沫。探讨区域房地产市场建设的合理性。对我国房地产市场的管理具有更为重要的现实意义。基于以上目的，本文采用近十年来杭州的经济数据，建立多元回归模型，对杭州房地产市场价格泡沫状态及其主要成因进行了分析研究，并通过杭州市与全国的比较，说明区域差异的存在。

二、决定房价的理论模型

根据已有的理论与实证研究成果来分析房价与各影响因素的理论关系，构建出城市房价的理论模型。我们将房地产价格分解为两个部分。一部分由经济或市场基本因素驱动，称为基本价格；一部分由房地产市场的投机行为驱动，称为非基本价格。

影响房地产的基本价格因素：

第一，经济发展形势。可用各个城市地区的GDP来反映经济发展形势，经济的高速发展必将推动房地产的快速发展。从理论上分析，经济增长形势越好，房价上涨的可能性就越大。两者应呈现出正向关系。

第二，人民生活水平。用城镇居民人均可支配收入的增加来反映人民生活水平的提高。居民可支配收入决定了其实际购买能力，进而决定了居民住房的消费能力。

第三，土地价格。地价是房地产成本的重要组成部分，其走势直接影响着房价。

第四，房地产投资。从理论上看，房地产投资增加，将导致房地产市场供给的增加，在需求不变或者房地产需求弹性小于供给弹性的情况下，房价将下降。

第五，利率的高低。利率的高低决定了房地产开发商的融资成本，贷款利率降低，开发商就可以以较低的成本获得资金，而房地产开发的利润相对而言是比较有保证的，因此在低利率的情况下，开发商就会有相对可观的收益。中国房地产行业的高负债性决定了利率是影响房地产定价的重要因素。

第六，货币供应量。我国金融市场不发达，市场机制不成熟，间接融资比例很高，房地产投资在相对大的程度上需要银行信贷资金支持。因而货币供应量将从供给方面影响房地产投资信贷规模，从需求方面影响购买水平。

第七，其他因素，如该城市的环境因素、地理位置等。

影响房地产的非基本价格因素：消费者对房价的预期。Levinand—Wright运用房地产价格增长率的历史数据来建立房地产市场投机模型。其中心假设为：人们通过观察房地产的历史价格变化，形成对房地产未来价格变化的预期，从而导致房地产市场需求条件的变化。而这些不断变化的需求条件影响了房地产的供求价格。

三、变量的选择和模型的建立

为了考察导致杭州市房地产价格持续上涨的主要因素是居民自住需求还是投资和投机需求，考虑各相关因素的量化可能性以及数据的可获得性，笔者决定选用人均可支配收入和上一期房地产价格两个变量来解释本期房地产价格变量。因为居民的自住需求主要取决于可支配收人的高低，而投资和投机需求则很大部分取决于上一期的房地产价格，决定投资或者投机行为盈利与否与当期房地产价格的高低无关，只要房地产价格的趋势是上升的，投资和投机行为就会持续发生。

如果是居民自住需求所导致的房地产价格上涨，则模型的结果为人均可支配收入对本期的房地产价格影响较大：如果是投资和投机因素所导致的房地产价格上涨，则模型的结果为上一期的房地产价格对本期的房地产价格影响较大，市场中存在泡沫的因素。于是在即将建立的多元回归模型中被解释变量为房地产价格PT，解释变量分别为可支配收入Y和前一期房地产价格PTl。建立房地产价格函数的计量模型如下：

PT=b0+blPTI+b2Y

①

该模型的经济含义为：本期房地产价格主要取决于上一期的房地产价格PTl和当期的人均可支配收入Y.bo为随机误差。

四、多元线性回归模型与White异方差检验

本模型的实验数据样本为2001年一2009年的时间序列数据。城镇居民人均可支配收入Y和当年房地产价格P。数据来源于杭州统计局网站。样本数据如表1所示。

可以看出，房地产价格pt和城镇居民可支配收入v、上期房地产价格ptl有着较为明显的相关关系，尤其是在06年以后。

然后笔者使用Eviews3.1版软件对数据进行加权最小二乘回归估计，根据回归的结果，估计的模型为：

PT=6128885+0.728829PTl+0.079083Y

(661.4456)(0.525100)(0.177144)，

t=(0 926589)(1.387980)(0.446434)

R2=0.950074　AR=0.933432　F=57.08857

拟合优度：由检验数据中可得到R2=0.950074，修正的可决系数为AR=0.933432。说明该模型对实体经济运行的解释度为95％，模型的拟合性很好。

F检验：针对H0：bl=b2=0。给定显著性水平a=0.05，在F值分布表中查出自由度为k-1=2和n-k=6的临界值Fa(2，6)=5.14。而检验结果中F=57.08857。远大于F的临界值，所以应该拒绝原假设，说明回归方程显著，杭州市上一期房地产价格、人均可支配收入、本期房地产供给等解释变量对被解释变量一本期房地产价格有显著影响。

T检验：分别对H0：bl=0和H0：b2=0在给定显著性水平a=0.05，查t分布表得自由度为n—k=6的临界值t(a/2)=2.447。而验结果中与b1、b2相对应的t统计量的绝对值分别为1.387980和0.446434，也就是说，在其他解释变量不变的情况下，PTl和Y的单独变动对PT的影响并不显著。

为了检验所采用的样本数据之间是否具有异方差性，可以使用回归检验的结果来继续进行White检验，从结果可以看出，Obs*R-squared=4.724401，由White检验可知，在给定显著性水平a=0.05下，查卡方分布表。得临界值为5.99147。比较计算的卡方统计量和临界值，因为Obs*R-squared=4.724401<5.99147。所以接受该模型不存在异方差性的原假设。

由回归结果我们可以看出，前一期的房地产价格对本期的房地产价格有明显的影响。前一期房地产价格PTl的系数为0.728829，具体来说就是在本期其他变量不变的情况下，如果上一期的房地产价格上涨1个百分点，会直接导致本期的房地产价格上涨0.728829个百分点，说明杭州的房地产市场普遍存在比较明显的投资、投机倾向。

为了便于比较观察，我们同样再对2001到2009年期间全国房价影响因素进行分析。2001-2009年全国统计数据，如表2所示。

我们使用Eviews3.1版软件对数据进行加权最小二乘回归估计，估计的模型为：

PT=231.0456+0.819097PTl+0.036427Y

(483.6203)(0.388236)(0.048461)，

t=(0.477742)(2.109789)(0.751673)

R2=0.992762　Ar=0.990349　F=411.4535

拟合优度：由检验数据中可得到R2=0.992762，修正的可决系数为AR=0.990349，说明该模型对实体经济运行的解释度为99％，模型的拟合性很好。

F检验：针对H0：b1=b2=0，给定显著性水平a=0.05，在F值分布表中查出自由度为k一1=2和n—k=6的临界值Fa(2，6)=5.14。而检验结果中F=411.4535，远大于F的临界值，所以应该拒绝原假设，说明回归方程显著，全国上一期房地产价格、人均可支配收入、本期房地产供给等解释变量对被解释变量一本期房地产价格有显著影响。

T检验：分别对H0：bl=0和H0：b2=0在给定显著性水平a=0.05，查t分布表-得自由度为n k=6的临界值t(a/2)=2.447。而检验结果中与b1、b2相对应的t统计量的绝对值分别为2.109789和0.751673，也就是说，在其他解释变量不变的情况下，PTl和Y的单独变动对PT的影响并不显著。

为了检验所采用的样本数据之间是否具有异方差性，可以使用回归检验的结果来继续进行White检验，选择没有交叉乘积项，从结果可以看出，Obs*R-squared=2.868896，由White检验可知，在给定显著性水平a=0.05下，查卡方分布表，得临界值为5.99147。比较计算的卡方统计量和临界值，因为Obs*R-squared=2.868896<5.99147，所以接受该模型不存在异方差性的原假设。

五、回归模型检验结果的现实意义

通过杭州市和全国这两个回归模型的结果数据的对比。我们可以看出：前一期的房地产价格PTl的系数最大，分别为0.728829和0.819097，说明我国的房地产市场普遍存在比较明显的投资、投机倾向，这种情况全国的平均水平表现得更为突出。具体来说就是在本期其他变量不变的情况下，如果上一期的房地产价格上涨一个百分点，会导致本期的房地产价格上涨0.728829，如果是在全国范围内，则会导致本期全国房地产平均价格上涨0.819097个百分点。

收入Y，系数分别为0.079083和0.036427，就是说在本期其他变量不变的情况下。如果本期的收入上涨1个百分点，就会导致本期房地产价格上涨0.079083个百分点，而导致房地产全国平均价格上涨0.036427个百分点。

这两个回归模型对比的现实意义在于：一是说明我国目前的房地产市场普遍存在比较明显的泡沫因素，相对于全国平均水平而言，这种因素在杭州市体现的相对较弱些；二是投资和投机因素对当期房地产的决定因素超过了城镇居民人均可支配收入，也就是说，我国目前房地产市场中的需求主要来自于投资和投机，而不是居民的自住需求，这说明国家历年来出台的各项抑制投资和投机需求的房地产市场调控措施的合理性。

从上述结论1可以看出，作为东部发达城市的杭州，房地产价格泡沫化的程度低于全国平均水平。而通过对其他东部沿海城市数据的收集与分析，在京津沪等东部一些发达城市，相对于全国平均水平而言，泡沫化因素则体现的更加明显。笔者认为以下几方面可以解释这种差异性的存在：

第一，杭州相对于京津沪等东部沿海城市，其城市定位不同。杭州依托于西湖走的是旅游城市、消费服务型城市发展道路。其依托优越的地理环境、优美的风景以及浙江雄厚的经济实力，其房价本身有其合理性的一面、“刚性”的一面。

第二，基于上述，杭州市房价基础比较高，投资投机的成本、风险较大，收益相对较小，抑制了投资者和投机者的动力。

六、防范杭州市房地产市场泡沫的策略性思考

房价上涨的因素基本可以分为主观因素和客观因素两部分。客观因素主要表现为消费者需求的提高、城市化的建设以及人口的增长等实质性因素。主观因素则主要表现为两个方面：一是非理性的市场预期。二是过度的信贷支持。目前我国房地产自有资金比重奇低，我国房地产开发资金的80％以上直接或者间接来自银行贷款。再次，据统计，我国购房者的按揭率为75％。新建商品房60％-70％的购买资金是由信贷支持的。

美国著名经济学家查尔斯，P，金德伯格认为：房地产泡沫可理解为房地产价格在一个连续的过程中的持续上涨，这种价格的上涨使人们产生价格会进一步上涨的预期，并不断吸引新的买者。随着价格的不断上涨与投机资本的持续增加，房地产的价格远远高于与之对应的实体价格，由此导致房地产泡沫。而资产泡沫的形成会产生非常严重的后果，主要表现在以下几个方面：一是泡沫经济会强化正常的经济波动，使经济系统具有更大的不稳定性：二是泡沫经济具有通胀效应：三是泡沫经济扭曲了正常的价格信号，使市场的资源最优配置效应失效：四是资产泡沫的破灭将导致金融危机，甚至经济危机的发生，美国次贷危机便是一个很好的佐证。而上述实证分析表明。当前杭州市房地产市场价格上涨受主观预期影响的比重巨大，投机成分不断增加，具有一定的泡沫成分。因此对于杭州市房地产市场价格的调控，政府必须通过公布城市住房建设规划信息、建立城市住房保障机制等方法消除消费者的非理性市场预期，确立正确的住房消费观念。其次，必须加强金融信贷的控制，严格执行政府的有关规定，从资本渠道消除市场过度投机的资金来源。从而对住房价格起到控制作用。最后，加强对政府政策的宣传力度，加强对购房者的相关知识的教育，提高其认识，降低购房者的恐慌以及盲目的跟风。

从长远的角度来看，房地产市场价格调控还必须从供给管理人手，不能单靠需求管理。对此，需要杭州市政府主管部门尽快建立包含二手房、经济租用房、廉租房、商品房在内的多层次住房供给市场，以满足市场的多元化需求，实现房地产市场价格的有效控制。

参考文献：

1.刘红玉，张红，房地产与社会经济[M1，清华大学出版社,2006.

2.鞠方，欧阳立鹏，我国房地产价格的影响因素及其合理性研究[J]，财经理论与实践,2008[7)，

3.庞皓，计量经济学[M]，科学出版社，2010.

作者：余清阳 周佳俊 钱杏萍