基于面板数据的中国房地产市场泡沫分析

宋连方，刘那那

(东北财经大学 研究生院，辽宁 大连 116025)

一、文献综述

1998年，我国开始住房制度改革，随后福利化分房结束，住房商品化开始，房地产业进入持续快速发展的时期。与此同时，房地产价格连年快速攀升。2005年，美国《华尔街日报》曾经以“中国房产泡沫破裂只是迟早问题”为题发表过一篇评论文章，文章指出中国房地产市场存在严重泡沫，而且泡沫终将会破裂。房地产泡沫是指房地产价格脱离其基础价值而持续上涨的过程及状态，是房地产行业内外因素共同作用的结果［1］。

房地产方面的研究文献有很多，向阳对房地产市场的泡沫成因进行了分析，认为土地价格是房地产市场泡沫产生的内在动力，土地的虚拟资本特性、预期、投机、非理性行为以及房地产业与金融业的密切关系则是房地产泡沫产生的主要原因［2］。刘治松［3］认为我国房地产泡沫可以用空置量和空置率、房价收入比、房价增长率与GDP增长率三个指标综合反映。王佳秋和高丽丽［4］运用路径分析方法得出土地价格泡沫、房屋空置率泡沫、房地产投资泡沫、房价虚长泡沫均对房地产泡沫存在影响，且作用强度依次减少。李美丹［5］对中国商品房平均价格和房地产投资进行了协整分析，由于房地产市场存在较严重的投机行为，导致商品房平均价格和房地产投资之间不存在因果关系。张立君等［6］论述了房地产泡沫综合指标评价法并提出了房地产泡沫预警方法。安鹏等［7］运用层次分析法和指数移动平均法构造变量，得出宏观政策因素、市场的乐观预测、供需不平衡和房地产业高利润导致的过度投资是影响上海房地产泡沫程度的显著因素。魏战武［8］则主要分析了房地产市场泡沫产生的原因，并论述了泡沫的规避路径。孔原和刘览［9］以无锡为例得出住宅市场价格与市场价格预期和城市人口因素显著正相关且前者成为住房价格快速上涨的主要动力。李建碧和姚林［10］运用因子分析从房地产泡沫的指标体系中提取出三个公因子，分别主要反映房地产投资方面的因素、房价方面的因素、商品房供求状况方面的因素。王佳秋等［11］构建了房地产泡沫评价指标体系，并利用ARIMA模型建立了房地产市场预警模型，进行了预测分析。

本文在已有研究的基础上，构建了房地产市场泡沫评价综合指标和影响因素指标，并利用面板数据模型方法对我国房地产市场泡沫进行了实证研究。

二、实证研究及结论

1.指标和数据的选取

(1)房地产综合指标

反应房地产泡沫的指标比较多，本文选取房地产开发投资额与GDP的比值、房地产价格指数与城镇居民CPI指数的比值、空置率三个指标来反应房地产市场的泡沫大小。

目前我国GDP的增长中的很大一部分是由房地产市场的发展来拉动的，房地产开发投资在GDP中占的比重太高，则经济对房地产的依赖程度就会太大，经济发展的稳定性就会降低。因此，本文用房地产开发投资额与GDP的比值来表示房地产市场的泡沫大小，即Y1=房地产开发投资额/GDP。

房地产价格指数反应的是房地产的价格变动情况，CPI反应的是居民消费价格指数变化情况，若房地产价格指数与CPI的比值过大，则表明房地产价格上涨快于居民平均消费价格指数上涨，即房地产市场存在泡沫。因此本文用房地产价格指数与CPI的比值来反应房地产市场的泡沫大小，即Y2=房地产价格指数/城镇居民CPI。

之所以把空置率作为房地产市场泡沫指标，是因为空置率反应了房地产市场的供需关系，空置率高表明供给过剩而需求不足，空置率低则正好相反。由于租房面积反应的是房地产市场的真实住房需求，而销售面积则反应的是包括投资需求在内的一系列需求，本文则采取租房面积比销售面积来表示空置率，即Y3=商品房出租面积/销售面积。

本文在以上三个指标基础上，采用对三个指标的乘积开三次方来表示房地产市场泡沫综合指标，即房地产市场泡沫综合指标 Y。

(2)房地产市场泡沫影响因素指标

居民购买房产往往有两种目的，即自己居住和资产投资，这就意味着住房具有消费与投资双重意义，可以满足消费和投资两种需求，既是生活必需品，又是投资理财的一种选择。购买住房的大部分来自居民的可支配收入，既使在现今按揭买房盛行的情况下，每月的还款还是来自家庭每月通过收入来还款，居民可支配收入的高低直接决定住房的价格水平。因此选取居民可支配收入增长率作为房地产市场泡沫影响因素指标，即X1=城镇可支配收入增长率。

在房地产价格稳步上升的行情中，房地产公司以房地产为抵押品的资产的价值上升，贷款银行资产负债状况改善从而可以从银行获得更多贷款，同时银行的贷款质量上升将使银行增加对房地产公司的贷款。如此相互作用，将会推动房地产价格节节攀升，使得房地产价格偏离实际均衡价格，进一步导致房地产泡沫的膨胀。考虑到数据的可得性，本文选取房地企业获得的银行贷款增长率来表示银行信贷对房地产市场泡沫指标的影响，即X2=银行信贷增长率。

地价对房地产市场泡沫的影响可以从两方面理解。一方面，地价是房价的组成部分，即土地价格构成了商品房的成本，地价的上升，房子的成本就会上升，则房价相应上升。另一方面，房价上升将会刺激土地的需求，从而导致地价的上涨，地价上涨进而又导致了房价的上涨。如此循环往复，土地价格不断上涨则会引起房地产市场泡沫的行成。本文选取土地交易价格增长率作为影响房地产市场泡沫的又一指标，即X3=土地交易价格增长率。

(3)数据的选取

由于西藏数据的缺失，本文选取以除西藏外的全国30个省份为横截面，以2004—2008年为时间跨度的面板数据进行实证分析，数据来自《新中国60年统计资料汇编》、《中国房地产统计年鉴》(2004—2009)。

2.实证分析

在对面板数据模型进行拟合时需要对模型的设定形式进行检验，即检验样本数据符合混合回归模型、变截距模型以及变系数模型中的哪一种，还要判断模型的固定效应和随机效应，以得到有效的参数估计。模型设定形式检验需要使用协方差分析检验，固定效应和随机效应的判断则要根据Hausman检验来进行［12］。

首先，使用协方差分析检验不能直接在Eviews中作，需进行以下两个假设检验:

假设1:斜率在不同的横截面样本点上和时间上都相同，但截距不相同，即该模型形式为变截距模型:

假设2:截距和斜率在不同的横截面样本点和时间上都相同，即该模型形式为混合回归模型:

显然，如果接收了假设2，则没有必要进行进一步的检验，采用混合回归模型。如果拒绝了假设2，就应该检验假设1，判断是否斜率都相等。接受了假设1为变截距模型，拒绝假设1为变斜率模型，即采用以下形式:

检验假设2的F统计量为:

检验假设1的F统计量为:

其中，模型中α为常数项β1和β2为系数，检验公式中，S1、S2、S3分别为采用式 (3)、(1)、 (2)时估计的残差平方和，n为截面个数，T为时期数，K为非常数项解释变量数。

其次，需要判断模型的固定效应和随机效应。

采用Hausman检验，其前提是如果模型包含随机效应，它应与解释变量相关。

原假设H0:随机效应与解释变量不相关。备择假设H1:随机效应与解释变量相关。如果接受原假设采用随机效应模型，如果拒绝原假设采用固定效应模型。

本文在假设检验和模型参数估计中使用的是Eviews6.0软件。模型假设检验结果如下:

表1 模型设定检验

从表1可知，F2＞1.68，所以可拒绝 H2，即不适合用混合回归模型;再进行H1的检验，F1＜1.71，所以接受H1，即不适合用变系数模型，因此要采用变截距模型。Hausman检验拒绝原假设，应采用固定效应模型。所以本次分析采用固定效应变截距模型，即模型 (1)。

使用固定效应变截距模型对参数进行拟合，结果如表2和表3所示。

表2 固定效应变截距模型系数估计结果

在表2中，模型的可决系数R2为0.93，模型对因变量的解释程度较好。从表2可看出，从全国范围来看，三个影响因素中，城镇居民可支配收入和土地价格对房地产市场泡沫存在正的影响，系数分别为0.026和0.004，城镇居民可支配收入的影响相对较大一些;而银行信贷则对房地产市场泡沫有负的影响。上表分析结果也表明，以全国整体来看，社会的发展，经济的增长，人民生活水平的提高是导致房地产需求旺盛、价格高涨的根本原因;土地价格作为房地产成本的一个组成部分，一定程度上也通过一定的传导机制造成了房地产市场价格的上升;银行信贷之所以是负的影响，可能是因为近几年国家宏观调控政策控制银行对房地产公司的贷款量，但银行贷款在房地产企业资金来源中占的比例较小，贷款的减少并没有使房地产市场增长明显下降，从而使银行贷款与房地产市场呈现负相关。

表3 固定效应变截距模型各地区截距项结果

在表3中，各地区的截距项存在较大差异，表明不同地区的各个影响因素指标对房地产市场泡沫产生的影响不同，即城镇居民可支配收入、银行信贷、土地价格这三个影响因素对房地产市场泡沫的影响程度，在不同的地区效果有差异。其中，影响效果最大的是上海，远远高于其他省份，其次则是北京也高于别的省份，紧随其后的则是广东、重庆、海南等省份。这几个省都是经济最发达或是房地产开发的比较早的省，相对于其他地区而言，房地产市场发展比较快，受居民生活水平、银行信贷、土地价格的影响也比较大。

三、政策建议

基于以上研究结果，城镇居民可支配收入是导致房地产市场过快发展的主要原因，同时土地价格也对房地产价格的上升产生了一定的影响，本文则给出以下政策建议。

1.继续大力发展经济适用房建设，健全住房保障体系

虽然城镇居民收入水平的上升促进了房地产价格的上升，但是城镇的低收入阶层以及进城务工的农民工的住房问题仍是影响社会稳定的一大问题，解决这一问题就要健全住房保障体系，不断完善经济适用房政策，加强经济适用房建设计划的管理，落实住房补贴政策，提高居民购房能力，合理确定经济适用房的建设规模，着力解决中低收入家庭的住房问题。

2.加强土地交易制度管理

政府部门要加强政务公开制度的建设并将政务公开法制化，政府主管部门要严格土地投标的管理。这些措施可以加强政府政策的透明度［13］。另外，为了抑制土地的炒买炒卖，可以考虑开征土地财产税，改变之前土地交易实行的一次性交易后不用再用付任何成本的形式，从而规范土地交易市场，抑制开发过热，降低房地产市场的成本，达到控制泡沫的作用。

3.加大金融监管力度

目前，房地产业的发展规模和速度都超出了其他行业，围绕房地产市场已经形成了一个涉及建筑、金融等多个行业的关联性很强的产业关联集合。但是我国并没有建立起一个与房地产市场发展相适应的包括政策性房地产金融机构和商业性房地产金融机构、担保或保证机构的完整的房地产金融机构体系，房地产金融监管缺乏，除《商业银行法》中有关银行设立和资金运用规定外，对房地产金融机构的管理尚无一个明确的专门机构，房地产金融业务的有关规范也有待制订［14］。这样就很容易因为监管体制的不健全，而导致泡沫的产生和扩大。虽然国家针对房地产市场采取了一系列的宏观调控措施，但这并不代表监管是完善的，在泡沫放大之前建立专门的监管机构，加大监管力度才能有效防止泡沫的破裂。

［1］杨灿，刘赟.关于房地产泡沫量的测度研究［J］.统计与决策，2008，(19):41-43.

［2］向阳.房地产泡沫形成机理分析［J］.西南民族大学学报，2005，(1):85-89.

［3］刘治松.我国房地产泡沫及泡沫测度的几个理论问题［J］.经济纵横，2003，(10):28-31.

［4］王佳秋，高丽丽.房地产泡沫相关因素及相关关系的实证研究［J］.数学的实践与认识，2006，(1):80-84.

［5］李美丹.房地产投资与房价的相关分析——基于房地产泡沫的分析［J］.中国物价，2007，(3):58-60.

［6］张立君，冯东梅，寇莉松.房地产泡沫评价方法与预警分析［J］.科技和产业，2007，(5):65-68.

［7］安鹏，蔡明超，高国华.中国房地产泡沫的测度与成因解析——以上海为例［J］.统计与决策，2008，(20):115-118.

［8］魏战武.我国房地产泡沫的现状及规避路径研究［J］.资源与环境，2008，(3):66-67.

［9］孔原，刘览.基于价格回归模型的住宅房地产泡沫实证研究——以无锡住宅市场为例［J］.河南商业高等专科学校学报，2009，(2):36-40.

［10］李建碧，姚林.中国房地产泡沫区域差异:基于因子分析的实证研究［J］.经济研究导刊，2010，(21):114-115.

［11］王佳秋，朱捷，杨春玲，等.房地产泡沫预警及数学模型研究［J］.大学数学，2010，(5):139-146.

［12］尹希果.计量经济学原理与操作［M］.重庆:重庆大学出版社，2010.

［13］刘慧，路正南.我国房地产泡沫的实证分析［J］.经济纵横，2006，(2):103-104.

［14］邵谦谦，王洪.日本房地产泡沫的成因分析及对我国的经验借鉴［J］.中国房地产金融，2003，(5):42-46.