房地产价格波动对地方财政收入的效应研究——基于京、津、沪、渝四个直辖市面板数据的实证分析

徐建邦，梁富山

(东北财经大学 统计学院，辽宁 大连 116025)

一、引 言

当前，学术界关于房地产与地方政府关系区域差异的相关研究，较多地集中在房地产价格上涨的地方政府因素方面。国外学者Case等从全球房地产市场周期和经济基本面来分析房地产问题［1］。Collyns和 Senhadji利用相关数据，借助亚洲金融背景，分析房地产的根源［2］。而国内相关学者也对此做出了深入的研究和分析，如，高凌江通过分析地方财政支出与房地产价值之间的关系，得出地方财政支出和房地产价值两者之间存在高度正相关关系，同时他指出，城市持续高水平的财政支出，经过时间的积累，必定通过房地产价值的增加予以体现［3］。王怡指出大部分省市的收入水平、境外投机资金和经济波动会直接影响房地产价格，且影响程度不同，房价的地区差异由此产生［4］。刘梦珊指出房地产价格的提升受地方财政支出的影响，而土地出让收入与房地产价格也具有正相关性［5］。赵昕东 、杜雪君分别从宏观经济的层面和房地产税来研究分析房地产价格波动，也得出了类似的结论［6－7］。

基于国家体制不同，国内外对于房地产价格及房地产业与经济关系的研究内容存在较大差异。国外多从房地产市场与经济基本面及影响等方面来研究地区间房地产价格的差异，而国内则主要对房地产及其相关行业与地方政府财政之间的关联性做出全面而详尽的分析研究。但国内外研究都肯定了一点:房地产价格波动会影响地方政府的财政收入。

本文正是基于当前国内外学者的研究思路，选取我国经济发展最快和市场化程度最高，房地产开发比较规范、交易信息比较透明，且政府收入与支出较为明细的京、津、沪、渝四个直辖市面板数据［8］(Panel Data)或称平行数据，是指包含若干个截面个体成员 (各公司、各省市地区等)在一段时期内的二维结构数据)，建立回归模型来研究房地产价格波动对地方财政收入效应。该研究成果不仅可以帮助上述四市的决策机构更客观地认识房地产业在不同地区和不同时期对地方财政收入的作用，还可供我国其他地方政府制订与房地产业及城市发展相关的政策提供参考。

二、实证分析

1.模型构建与指标处理

(1)模型构建

本文用房地产价格的对数值和其他相关经济指标来解释北京 (BJ)、天津 (TJ)、上海(SH)、重庆 (CQ)四直辖市的地方财政收入。为了考察房地产价格波动对地方财政收入的影响，将模型的形式设定如下:

其中，被解释变量lnLFit和解释变量lnHPit分别是第i直辖市在时期t的地方财政收入和房地产价格的对数值;而可能影响到地方财政收入的主要相关因素都被包含在控制变量Xit中;uit表示混合随机误差项，并且服从均值为零、方差为的正态分布。

控制变量［9］的含义是指控制其他经济指标或政策环境变化带来的对被解释变量的影响指标。如果模型中不加入控制变量，很可能会产生伪回归。本文主要考虑经济因素对各直辖市财政收入的影响，分别选择工业增加值 (IIV)和其他第三产业产值 (TI)作为控制变量进入模型。

(2)指标处理

地方财政收入LF:各直辖市财政收入均为自然口径的决算收入，且不包括中央对地方的税收返还数。为了消除价格因素的影响，本文采用居民消费价格指数 (上年=100)对各数据进行平减。

房地产价格HP:选取各直辖市当年的商品房销售额除以当年的商品房销售面积来度量。

工业增加值IIV:按当年价格计算的工业增加值。为了消除价格的影响，本文采用工业品出厂价格指数 (上年=100)对各数据进行平减。

其他第三产业增加值TI:按当年价格计算的第三产业增加值减去房地产开发投资额 (替代房地产业增加值)，然后采用商品零售价格指数 (上年=100)来对各数据进行平减。

2.数据来源及变量的描述性统计

本文数据来源:《中国统计年鉴》、《新中国五十年统计资料汇编》、分省统计年鉴以及《中经网统计数据库》公布的相关数据。考虑到重庆在1997年才被设立为直辖市，于是在问题的研究中，选取了1997—2009年省际面板数据。同时，为防止数据在处理过程中由于单位过大，使得软件非人为地缺少小数位，将原始数据单位统一修订为万元;为了消除地方财政收入和各解释变量存在的异方差和量纲的问题，本文在实证分析时对所有变量进行了取自然对数处理。

本文采用Eviews6.0软件做数据分析，各变量的描述性统计结果如表1所示。

表1 相关变量描述性统计一览表

3.实证分析

(1)模型设定的检验

在对面板数据模型进行估计时，需要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，以防止因设定了错误的模型形式而导致估计结果偏差或错误。本文使用较为常用的F检验，检验如下假设:

两个F检验统计量分别为:

其中，S1、S2、S3分别是变系数模型、变截距模型和混合回归模型的回归残差平方和。

模型形式检验的基本过程是:

接下来，给定显著性水平α，若F1＜Fα［(N－1)K，NT－N(K+1)］，则不拒绝原假设 H10，从而表明利用变截距模型来拟合样本是合适的。否则，拒绝该原假设，并利用变系数模型来拟合样本。

根据上面的分析，结合本文的具体问题，分别估计变系数模型、变截距模型和混合回归模型，并通过SUR(似不相关回归)加权，得其残差平方和分别为:

在此N=4，T=13，K=3，利用式 (2)以及式 (3)可得两检验统计量的计算结果:

在0.5%显著水平下，F0.005(12，36)=3.0267， F0.005(9，36)=3.2965。显然可以看出:F2＞F0.005(12，36)，F1＜F0.005(9，36)，故拒绝H20，接受H10。因此选择变截距模型进行数据拟合，再者考虑到残差序列存在一阶序列相关。为此本文在引入AR(1)基础上，建立动态面板数据模型进行估计，具体形式为:

(2)固定效应与随机效应的选择——Hausman检验

确定面板数据模型的基本形式后，还需要判断是选择固定效应模型还是随机效应模型。一方面，可以根据所研究问题的特点来定，即仅对样本自身的效应进行分析使用固定效应模型，用样本推断总体效应则使用随机效应模型。另外，也可以通过检验固定效应与其他解释变量是否相关作为进行固定效应和随机效应模型筛选的依据。本文做了后一种处理，以增强选择的科学性，所使用的方法为Hausman检验［10］。该检验的基本思想是，在固定效应与其他解释变量不相关的原假设下，采用OLS估计固定效应模型和采用GLS估计随机效应模型得到的参数估计都是无偏且一致的，只是前者不具有效性;如果原假设不成立，那么固定效应模型的参数估计将仍然是一致的，而随机效应模型的参数估计却不是。检验结果如表2所示。

表2 四个直辖市的Hausman检验结果

从表2中看出，Hausman检验的卡方统计量对应的伴随概率小于0.001，随机效应的原假设应予以拒绝，所以选择固定效应模型。

(3)四个直辖市的实证结果

对式 (4)进行估计的结果如表3所示。为了消除面板数据可能出现序列自相关和截面异方差现象，在回归的估计方法选取中利用SUR(似不相关回归)对各解释变量截面加权，并引入AR(1)进行 Pooled EGLS(Cross－section SUR)估计。

表3 模型估计结果

根据输出结果，可以写出引入AR(1)的固定效应变截距模型的估计结果:

由表3可知，所示的估计结果表明解释变量房地产价格和工业增加值的系数在1%的水平下都是显著的，同时其他第三产业增加值也在2%水平下通过了检验。解释变量的所有系数估计值符号都为正，与期望的结果一样，从而说明各解释变量对被解释变量地方财政收入有正相关关系，即边际增长倾向。

固定效应反映各直辖市自发财政收入相对于地方平均财政收入的偏离，体现了各直辖市由房地产价格、工业增加值、其他第三产业解释变量引起的自发财政收入的结构差异。尽管解释变量lnHP、lnIIV、lnTI以及滞后一期项AR(1)的边际效应相同，但这四个直辖市的自发财政收入水平存在着显著差异。其中，北京的自发财政收入水平最高、上海次之，天津最低。各直辖市自发财政收入水平的差异原因是多方面的，可能是由各直辖市的独特的自身性质引起的，比如房地产业发展程度不一，或者是其区位优势的差异以及三次产业的侧重方向不同等。

模型的判定系数和校正的判定系数均较大，用于检验的F统计量也很大，从整体上看固定效应变截距模型对地方财政收入具有良好的解释能力。从表3中的一阶自回归滞后一期项AR(1)的t统计量和伴随概率，可以看出AR(1)是显著的，引入AR(1)后的DW统计量等于1.88，非常接近于2，从而表明引入AR(1)模型的估计结果的残差序列不存在一阶序列自相关。

常数项C值对应的t统计量和伴随概率明显不能使其通过显著性检验，并且滞后一期的地方财政收入每增加1个百分点，则能正向解释当年地方财政收入的0.84个百分点的。加之北京(BJ)和上海 (SH)的固定效应均为正值，而天津 (TJ)和重庆 (CQ)则为负值。鉴于此，我们将研究对象分为两类:一类是京沪两市，另一类则是津渝两市。我们有理由怀疑截面个体成员之间 (即地区差异)的房地产价格波动是否也会对地方财政收入有显著差异?于是我们将京沪两市和津渝两市分别研究，建立面板数据模型予以分析。

4.京沪两市和津渝两市的实证结果

根据前述的Hausman检验判断 (过程略)，京沪两市和津渝两市宜分别采取随机效应变截距和固定效应混合回归模型进行数据拟合。估计其结果如表4所示。

由表4分析可知:

(1)京沪两市的实证结果分析

京沪两市结果表明，解释变量工业增加值和其他第三产业增加值的系数都是显著的，且其系数估计值符号都为正，与期望的结果一样，从而说明各解释变量对被解释变量地方财政收入有正相关关系，即边际增长倾向。而解释变量房地产价格则没有通过检验，除房地产业以外的其他第三产业较显著，说明北京、上海两市的房地产价格对其财政收入相对于工业增加值和其他第三产业而言，影响依然较弱，并且还是靠着工业和除房地产业以外的其他第三产业来推动其财政收入。同时，从结果中可以看出，北京、上海两市的其他第三产业增加值的系数明显高于工业增加值和房地产价格，这与其第三产业比重较大，工业比重相对较小的事实相符。

(2)津渝两市的实证结果分析

津渝两市结果表明，解释变量房地产价格和工业增加值的系数都是显著的，与期望的结果一样，而房地产业价格的系数估计值符号为负，工业增加值的系数估计值符号为正，说明两者对地方财政收入具有很大的负向关联性。房地产价格的不断攀升，从长远来看，不利于地方财政收入的增加;工业增加值增加，能直接并且很大地增加地方财政收入。同时，从结果中可以看出，解释变量其他第三产业增加值则没有通过检验，说明津渝两市市的其他第三产业的发展依然相对于京沪两市较为滞后，津渝两市还是靠着工业和房地产业关联互动来推动其财政收入，这与其工业比重较大，第三产业比重相对较小的事实相符。

(3)京、津、沪、渝四市的总体分析

京沪两市以及津渝两市模型的判定系数和校正的判定系数均较大，F统计量也都较大，从整体上看，模型对地方财政收入具有良好的解释能力。

表4 模型估计结果

三、结论与政策建议

1.结论

通过相关理论介绍和具体的实证分析，可以得出以下结论:

(1)房地产价格波动与地方财政收入存在正相关关系

地方财政收入与房地产价格成同方向变动。房地产价格的上涨可以吸引大量资金进入房地产领域，同时通过影响房地产开发投资、房地产销售和房地产租赁市场的发展作用于地方财政收入。作为房地产业税收的税基，房地产开发投资额、销售额和租赁额的增长直接为地方财政收入增收。

(2)不同地区 (即京沪两市和津渝两市)的房地产价格波动对地方财政收入的影响程度存在差异

从京沪两市和津渝两市的实证分析中可知:不同地区的房地产价格波动对地方财政收入的贡献程度以及变动方向不同;京沪两市的房地产市场发展程度相对较高，城市规模已达到相当的程度，虽房地产业税收在其地方税收中占有较大比重，然而扩大城区相对较难，使得土地面积相对固定，导致土地供给紧缺，房地产价格相对偏高，总体来看，房地产价格升或降的波动空间较小，所以对其地方财政收入影响效应并不明显，但房地产价格波动与地方财政收入的变动的方向依然是同向的;津渝两市房地产市场正处于上升阶段，土地储备相对充足，房地产价格变动空间较大，但由于其地方资金来源相对京沪两市而言较少，并与本地的工业发展形成对资金的同向需求，而导致二者的负相关，鉴于工业增加值的效应直接且作用范围广，使得房地产价格波动对地方财政收入呈现负向变动。

(3)地方财政收入与自身滞后效应和产业结构有关

根据表3可知AR(1)是显著的，同时DW统计量非常接近于2，滞后一期的地方财政收入每增加1个百分点，能正向解释当年地方财政收入的0.84个百分点，地方财政收入与自身滞后一期效显著相关;同时，地方财政收入与其所在区位的产业结构有关，京沪两市第三产业比重较大，工业比重相对较小，房地产价格波动对地方财政收入具有微弱的同向变动，而津渝两市工业比重较大，第三产业比重相对较小，房地产价格波动对地方财政收入具有显著的负向变动。

2.政策建议

基于上述结论，我们给出以下政策建议:

(1)地方政府应理性对待房地产业的发展，不该过分依赖其对地方财政的增收效应

房地产价格上涨确实能在一定程度上增加地方财政收入，但若过分依赖房地产业的增收效应，势必造成房地产业畸形扩张、产业结构失衡，最终会阻碍总体经济发展，财政收入必将受到影响。在房地产市场发展起步或上升期，房价上涨可以对地方财政收入产生一定贡献，且与其地方工业的发展还有负向关联性，但是房地产业的发展是受土地有限性的约束，当房地产市场发展成熟时，房地产对地方财政收入的增收效应会随之减弱。同时，房地产价格上涨需要经济基本面的支撑，若房地产价格持续上涨、与经济基本面脱离，形成泡沫，也将影响财政收入。因为一旦泡沫破裂，房价出现大幅波动，势必对地区经济及财政收入产生较大冲击。地方政府必须尽早意识到这个问题，不能仅仅盯住眼前的短期利益而忽视长远的财政收入风险。

(2)要注意地区的差异性，因时因地引导产业发展

虽然从整体上看，房地产价格波动与地方财政收入正相关，但地区不同，影响的程度也有所不同。地区政府在制订产业发展政策时，必须考虑本地的具体情况。一味地强调发展房地产支柱产业，未必都有收效。以四个直辖市为例:京沪两市的房地产价格波动对地方财政收入具有微弱的同向变动;津渝两市的房地产价格波动对地方财政收入具有显著的负向变动。于是，如果期望通过调整产业结构来增加财政收入，京沪两市要在适当发展工业的基础上，大力发展第三产业，同时适当发展房地产业;津渝两市则应大力发展工业和第三产业，而房地产业关不应是优先和重点发展的对象。

(3)要维持正常稳定的房地产业和房地产市场秩序

地方财政收入对其自身滞后一期效应有较大的依赖。地方财政收入应稳步增加，但这需要历届地方政府和人民不断地付出和累积。通过高价出让土地或某些税收政策，可以在短时间内大幅度增加地方财政收入，但受多种因素影响，其效果终将难以为继。一旦因房地产原因导致地方财政收入锐减，其后续影响是可以预期的。因此，“维稳”是必需的。各地方政府应采取多种措施、全方位地解决房地产业、房地产市场和居民住房等问题。包括:政府必须对房地产市场进行宏观调控;要整顿房地产市场秩序;要提供相应的保障义务;要引导房地产的理性消费和投资，抑制投机行为等等。当前的重要任务，是在保障居民住房权利的前提下，防止出现房地产价格大起大落的情况。房地产泡沫的形成和破裂对于地方政府和民众而言都不是好事，而民众的生计更重于政府的财政收入。

［1］Case，B.，William，N.G.，Geert，K.R.Globle Real Estate Markets Cycles and Fundamentals［R］.NBER Working Paper，2000.7566.

［2］Collyns，C.，Senhadji，A.Lending Rooms，Real Estate Bubbles and the Asian Crisis［R］.IMF Working Paper，2002，wp/02/20.

［3］高凌江.地方财政支出对房地产价值的影响——基于我国35个大中城市的实证研究［J］.财经理论与实践，2008，29(1):85－89.

［4］王怡.房地产价格区域差异的影响因素分析——基于收入、境外投机资金、经济波动的研究［D］.长春:吉林大学硕士学位论文，2010.

［5］刘梦珊.地方政府土地出让收入、财政支出与房地产价格之间关系的分析［D］.西安:西北大学硕士学位论文，2010.

［6］赵昕东.中国房地产价格波动与宏观经济——基于SVAR模型的研究 ［J］.经济评论，2010，(1):65－71.

［7］杜雪君.房地产税对房价的影响机理与实证分析［D］.杭州:浙江大学博士学位论文，2009.

［8］白仲林.面板数据的计量经济分析［M］.天津:南开大学出版社，2008.5.

［9］袁振华.房地产价格波动对地方财政收入的影响研究——基于上海市的实证分析［D］.上海:上海师范大学硕士学位论文，2010.

［10］樊欢欢，张凌云.Eviews统计分析与应用［M］.北京:机械工业出版社，2009.6.