特定时期住房市场差异演变研究——以江苏省苏州、南通、徐州三市比较为例

胡晓添，濮励杰，赵 静

（1.南京大学地理与海洋科学学院，江苏 南京 210093；2.江苏省住房和城乡建设厅，江苏 南京 210093）

近年来国家宏观调控政策主要基于国家层面，由于中国区域差异较大，地方政府应切实落实国家政策精神，因地制宜制定和实施房地产市场管控细则。当前房地产研究着重于形势分析与政策调控，即房地产泡沫测度［1］、房地产周期［2］、房地产市场阶段［3］、房地产业未来发展趋势［4］等方面的计量与实证研究，但鲜见对不同城市住房市场演化规律的定量分析和比较研究。鉴于此，本文选取中国经济发达地区江苏省的苏南、苏中、苏北三大区域［5］首位城市，比较其在住房市场化过渡时期的特征规律，为国家制定宏观调控政策、地方政府科学管控住房市场提供参考依据。

1 研究区域、数据来源与分析方法

1.1 研究区域

江苏省与上海市、浙江省比邻，是中国经济和文化最发达的省份之一。2006年江苏以占全国1.06％的土地，承载了全国5.7％的人口，生产了全国11.4％的地区生产总值，是典型的人口高密度区与经济高密度区。由于区域的差异性，江苏省在社会经济发展的过程中逐步形成了苏南、苏中、苏北三大经济极化区域［6］，依据社会经济发展规模，分别选取三大区域的首位城市苏州、南通和徐州，作为发达地区、发展地区和欠发达地区的典型城市（表1）。

表1 2005年江苏三大区域首位城市主要指标统计表Tab.1 Statistics ofmain indicators of the primary cities in the threemajor areas of Jiangsu Province in 2005

1.2 数据来源

本文研究对象是江苏省三大区域首位城市的住房市场，相关数据来源于江苏省统计局，并经过房产主管部门核准，数据年限为1997—2005年，这期间正是住房市场化起步与发展的特定时期。其他各项经济类指标均引自三个典型城市对应年份的统计年鉴与统计公报。

1.3 分析方法

因子分析法是研究如何以最少的信息丢失，将众多原始变量缩减成为数量较少的若干因子变量，以及如何使因子变量具有较强可解释性的一种多元统计分析方法［7］。本文运用因子分析法对城市住房市场中的各类因素指标进行计量经济分析，从而辨别影响住房市场演变的主导因子变量，对结论进行现实意义诠释。数据包络分析（DEA）是以相对有效性概念为基础发展起来的一种效果评价方法，优点是适用于多个同质决策单元的相对效率评价，特别是对多投入、多产出的复杂系统做出效率评价［8］，已在土地相关研究中得到运用［9］。通过数据包络分析拟考察住房市场中的各类主要指标“投入”对住房价格及相关“产出”指标的效率测定，结合比较不同发展水平城市住房市场发展特征，可以客观地揭示市场演变规律。

2 城市住房市场主导因素分析

城市住房市场受到外部因素和内部因素的共同影响。外部因素主要有：①地区生产总值指标X1（亿元），宏观经济形势将直接对住房产业发展与购房者的市场预期有着重要的导向作用；②人口总数指标X2（万人），传统观念使得中国居民对自有住房有着强烈的偏好，人口基数支撑着一定的刚性需求；③城镇家庭居民人均可支配收入指标X3（元），购房者收入代表了购买力水平和支付能力。内部因素则主要包括：①住房开发投资额指标X4（亿元），是住房发展商对市场的判断与预期；②住房竣工面积指标X5（104m2），是商品房预售制度下住房市场供应的替代性指标；③住房销售面积指标X6（104m2），住房市场的实际需求量；④住房单价指标X7（元/m2），住房市场变动与调控的景气指标。

对研究期内各个城市住房市场原有变量进行标准化，KMO检验统计量分别为0.864、0.732和0.527，均位于相对适合的区间内，同时Bartlett球形检验中各变量的独立性假设不成立，故因子分析的适用性检验通过。对原有变量采用主成分分析法计算因子荷载与共同度，通过相关系数矩阵R计算得到特征值、方差贡献率和累积贡献率。尽管苏州市和南通市的第二特征根值小于1，但均远高于第三特征根值，与徐州市相关指标对应比较，选取前两位的因子变量，其方差累计贡献值均大于90％，因此前两个因子基本上反映了原变量的绝大部分信息。考察提取两个公因子后的共同度均在80％以上，可知被提取的公因子对各变量的解释能力较强。

为增强因子变量实际含义的表达，对生成的因子载荷矩阵采用方差极大法进行旋转，结果显示：苏州市第一公因子除住房单价外，其他因子指标均表现出较大的载荷，住房市场大部分指标具有协调性，尽管第二公因子的解释力不强，但在一定程度上代表了住房价格在市场的要素作用；南通市第一公因子除单价外的住房市场内部指标具有较高的荷载值，而第二公因子中价格要素的作用更为突出；徐州市第一公因子中住房市场外部指标的荷载值均在0.96以上，同时住房价格效用明显，第二公因子则表达了市场供求关系的作用指标。以上结果表明：江苏省发达地区住房市场各要素作用相对均衡，发展中地区住房市场的内部要素具有导向作用，而欠发达地区社会经济发展的外部因素起主导作用，同时市场供求关系作用显著（表2）。

3 住房市场投入产出效率比较

古典经济学理论认为，价格由供求关系决定，供应和需求的互动决定了价格的形成和波动。城市住房市场通过不同的外部与内部要素之间错综复杂的关联作用，形成了市场的有效需求和承受价格，构建了特定的投入产出体系。选取地区生产总值、总人口数、城镇居民家庭人均可支配收入和住房开发投资额作为输入指标；选取住房销售面积和住房单价作为输出指标，输出指标未选取住房竣工面积是因为该项指标只是住房供应的替代指标。运用Matlab工具对DEA运算程序进行编写，导入输入与输出变量，计算得出结果，并对其规律进行比较分析［10］。

本研究采用的是数据包络分析的CRR投入导向模型，样本数据均通过检验（1997—2005年）。从模型的运行结果看，基于不同城市的横向比较，住房市场运行相对有效年份最多的是南通市，DEA有效值为8年，非有效值1年，但其市场效率逐年下降；徐州市DEA有效值为6年，而非有效值为3年，市场存在不稳定性；苏州市相对有效年份仅有5年，2000年后逐渐由相对非有效趋于有效。基于研究期限内纵向比较，1997年和1998年各市住房市场波动的差异较大，这与城市发展阶段和房产市场基础相关联，而2004年和2005年各市均表现为排位较前的相对有效，一定程度上说明各市房产市场进入了平稳发展时期（表3）。

表2 旋转后因子荷载矩阵表Tab.2 Rotated matrix of com ponent factors loading

表3 DEA模型运行结果表Tab.3 Su-Tong-Xu DEA model results

按照住房市场投入与产出指标分类，对各个要素在研究期限内的最大权重指标进行累计统计（表4）。在投入指标方面，城市人口总数从2001年起对市场发挥主导作用，这一时期城镇居民人均可支配收入重要度有限说明市场以刚性需求为主，而前阶段市场主要受地区生产总值和住宅开发投资额的影响。在输出指标方面，住房销售面积和住房单价重要度具有显著的地区差异化特征，苏州市在2002年前以市场供需为主导，徐州市在2000年后对住房价格更为敏感，而南通市这两个因素表现为交替作用。根据模型测算与分析结果表明，研究区域城市住房市场化时期的拐点在2000年前后。

表4 研究期限内住房市场最大权重指标累计次数表Tab.4 Maximum weight in dices cumulative of the housing market within the research period

4 结论与建议

（1）本文研究住房市场的时空尺度具有特定性。在时间尺度方面，起点是1997年，正值国家全面推行住房制度改革的前夕，处于住房市场变革的触发点，2005年是国家首次正式颁布包含住房市场在内的宏观调控政策起始年份，因此研究期可以说是中国住房市场化的培育阶段。在空间尺度方面，江苏省行政界域内不同城市住房市场有着各自的发展历程，综合苏州、南通、徐州3市住房市场演变特征在一定程度上可以解释中国城市住房市场不同发展阶段的过程，其拐点大致在2000年前后。

（2）城市经济发展阶段决定了住房市场发展的程度，但中国庞大的人口基数形成了一定数量的刚性需求。在城市经济发展的初级阶段，住房市场受外部经济环境和内部机制作用的影响较大，价格因素敏感，市场波动性较大；在城市经济快速发展的过程中，住房市场内部要素对市场起决定性作用，市场也相对稳定；而在城市经济积累到一定规模时，住房市场中各个要素的作用则相对均衡，市场的外部条件影响供需平衡但最终趋于平稳。

（3）研究表明国家宏观调控政策对中国城市住房市场起到重要的调控作用，然而区域的差异性要求地方政府根据城市住房市场的实际情况进行科学管控，因此建议中央政府在出台宏观调控政策过程中，为地方政府贯彻落实宏观政策而制定管控细则给予一定的弹性空间。

（References）：

［1］王子成，明娟.珠三角房地产泡沫测度实证研究——以广州为例［J］.经济地理，2007，27（5）：819-822.

［2］张红，马进军，孔沛.基于动态计量经济学模型的房地产周期研究［J］.清华大学学报（自然科学版），2007，47（12）：2111-2118.

［3］王仁涛.基于模糊模式识别法的房地产市场阶段研究［J］.同济大学学报（自然科学版），2007，35（10）：1440-1444.

［4］马从辉.从数字看房地产业未来的发展趋势［J］.管理世界，2007，（6）：158-159.

［5］简晓彬，沈正平，刘宁宁.苏北与苏中、苏南经济发展差异的演变及成因探析［J］.经济问题探讨，2007，（2）：53-59.

［6］欧向军，赵清.基于区域分离系数的江苏省区域经济差异成因定量分析［J］.地理研究，2007，26（4）：693-704.

［7］薛薇.统计分析与SPSS的应用［M］.北京：人民大学出版社，2001：251.

［8］张晓林，王磊.超效率DEA的两阶段法及其在服务业评价中的应用［J］.天津大学学报（社会科学版），2007，9（2）：148-151.

［9］宋戈，高楠.基于DEA方法的城市土地利用经济效益分析——以哈尔滨市为例［J］.地理科学，2008，28（2）：185-188.

［10］彭玉威，徐小湛，等.MATLAB在数据包络分析中的应用［J］.西南民族学院学报，2002，28（2）：140-143.