供地制度变革前后我国主要城市的住房供给弹性——基于20个城市面板数据的实证研究

严思齐，吴 群

(1. 悉尼科技大学 建筑与设计学院，澳大利亚 悉尼 2007；2. 南京农业大学 公共管理学院，江苏 南京210095)

一、引 言

近年来，我国许多城市的住房价格出现了持续快速的增长，过高的房价不仅影响普通民众基本居住权利的实现，还对金融体系乃至整个社会经济的稳定构成了威胁。在这一背景下，高房价的成因逐渐成为社会各界关注和讨论的焦点。由于住房价格是由住房需求和供给共同决定的，房价过快上涨的原因也可归为需求因素和供给因素两类。人口、收入快速增长、流动性过剩等因素是助推房价上涨的主要需求因素，而住房供给弹性较小则可能是导致房价快速上涨的主要供给因素。住房供给弹性指的是住房供给量变动的百分比与房价变动的百分比的比值，它度量了住房供给对房价变化反应的灵敏程度。住房供给弹性的大小与房价的波动程度密切相关。当人口增长、收入上升等因素造成住房需求增长并对房价产生上行压力时，住房供给反应越灵敏(即住房供给弹性越大)，住房新开工量就越大，新增需求越容易得到满足，房价的上涨幅度也就相对较小。反之，如果住房供给反应迟滞(即住房供给弹性较小)，房价的上涨幅度则会相对较大。许多既有的研究(Glaeser，Gyourko和Saks，2006；Glaeser，Gyourko和Saiz，2008；Grimes和Aitken，2010)都证实了住房供给弹性与房价涨幅(或房价水平值)之间的负向关系。虽然住房供给弹性具有重要的经济意义，但有关我国住房供给弹性的实证研究仍然较为鲜见。既有的少量研究在变量选取、模型识别等方面也存在着一定的缺陷。

土地是住房建设中一个至关重要的生产要素，土地的可得性直接影响着住房供给的反应灵敏程度(即住房供给弹性)。当土地供给相对充裕时，房地产开发商拥有充足的生产要素进行住房建设，住房供给相对而言会较富有弹性；反之，当土地供给相对匮乏时，住房供给的反应灵敏程度相对较弱，住房供给弹性相对较小。Saiz(2010)在Alonso-Muth-Mills单中心城市模型的基础上推导了住房供给弹性的理论模型，该模型表明土地可得性对住房供给弹性有正向影响。2004年8月，我国住宅用地供给制度发生了一次重要变革。供地制度变革前，为数众多的存量建设用地使用者与地方政府实际上都是住宅用地市场上的供给者。而在供地制度变革后，地方政府成为了住宅用地的唯一供给者，参加地方政府组织的“招拍挂”成为了房地产开发商获得住宅用地的唯一途径。由于政府管制的加强，自发、活跃的土地交易方式(存量建设用地使用者与开发商间的土地交易方式)的消失，以及存量建设用地转化效率的降低，许多大中城市的住宅用地供给量在供地制度变革后出现了显著下降。从理论上讲，住宅用地供给量的下降会导致住房供给弹性的下降。

本文通过构建和估计新建住房供给的结构式模型来测度我国20个主要城市供地制度变革前后的住房供给弹性，以期加深对我国房地产市场供给特征的理解，并为制定更加科学的房地产市场调控措施提供依据。

二、文献回顾

在既有的研究中,研究者主要通过构建和估计新建住房供给的结构式模型来测度住房供给弹性。在结构式模型中，住房供给量是被解释变量，房价等变量是解释变量。若对模型中的各连续变量取对数，房价变量的系数即表示住房供给弹性。在构建住房供给模型时需要解决两个关键的问题：一是明晰新建住房供给的影响因素，从而确定模型的解释变量；二是决定模型的具体函数形式，即某些自变量是以水平值还是以差分值的形式出现在模型中。

(一)新建住房供给的影响因素

新建住房供给是房地产开发商在规划管制下利用各类生产要素建造住房的一个复杂过程。近年来的研究表明，住房供给主要受住房价格、建设成本、融资成本、土地供给、规划管制和气候条件等因素的影响。由于新建住房决策主要取决于房地产项目的预期收益(房价减去房屋生产成本)，新建住房供给量应与房价正相关，而与建设成本、融资成本负相关(Dipasquale和Wheaton，1994;Blackley，1999;Ball，Meen和Nygaard，2010;Gitelman和Otto，2012)。由于土地是住房建设中重要的生产要素，因而土地供给量应对新建住房供给量有正向的影响(Bramley，1993;Peng和Wheaton，1994;Pryce，1999;王松涛和刘洪玉，2009;郑娟尔，2009；任超群，张娟锋和贾生华，2011)。规划管制对新建住房供给往往产生负向影响。对建筑密度、容积率的管制直接限制了可建建筑面积的大小，而规划许可过程则延长了开发周期，增加了开发项目的融资成本和不确定性(Mayer和Somerville，2000a;Mayo和Sheppard，2001)。气候条件对新建住房供给的影响则是较为直观的。在气候较为极端的地区(过热、过冷或者过于潮湿)，建筑设备维护成本、劳动力工资等往往也较高，较高的成本会对住房建设活动起到抑制作用(Rosen，1979；Cammarota，1989)。

(二)住房供给模型的具体函数形式

在早期的研究中，研究者(Poterba，1984；Topel和Rosen，1988)通常依据Tobin提出的投资q理论构建新建住房供给的结构式模型。根据投资q理论，只有在房价与建设成本的比值大于1时开发商才会投资建房，因而房价和成本变量以水平值的形式出现在模型中。然而Dipasquale和Wheaton (1994) 以及Mayer和Somerville (2000)指出，由于土地和其他生产要素间存在着显著差异，将住房投资视作与其他类型的投资相同是存在问题的。Dipasquale和Wheaton认为，如果房价和成本变量以水平值的形式出现在新建住房供给模型中，则意味着房价上涨会造成开工量的永久性上涨。考虑到土地价格会随着住房存量的增长而上涨，房价上涨事实上只会造成开工量的暂时性上涨。Mayer和Somerville在Capozza和Helsley 构建的城市增长模型的基础上推导了住房新开工量与房价和成本变量的差分值的关系。在他们构建的模型中，住房存量可被表示成房价和成本变量的水平值的函数,而住房新开工量(在忽略拆除和废置等因素的情况下等于住房存量的变化)则可被表示成房价和成本变量的差分值的函数。在近年来的大多数研究中，房价和成本变量通常以差分值而非水平值的形式出现在新建住房供给模型中(Green，Malpezzi和Mayo，2005；Hwang和Quigley，2006；Mayer和Somerville，2000；Ball，Meen和Nygaard，2010；Meen和Nygaard，2011)。

三、实证分析

由于我国住房供给体制市场化确立的时间较短，单个城市数据的时间序列长度十分有限，无法满足构建时间序列模型对样本量的要求。因而本文采用我国20个主要城市2001-2011年间的面板数据构建新建住房供给的结构式模型，并在此基础上测度供地制度变革前后的住房供给弹性。这20个城市包括北京、上海、天津、广州、深圳、南京、杭州、成都、青岛、厦门、大连、宁波、武汉、济南、合肥、福州、长沙、西安、南昌和石家庄。根据《中国房地产统计年鉴》对2011年有关数据的统计，这20个城市商品住宅销售额占全国销售额的比例高达33.7%，因而它们可以作为我国主要房地产市场的代表。通过估计面板数据模型，将得到20个城市的平均住房供给弹性，而非单个城市住房供给弹性的估计。Harter-Dreiman(2004)以及Grimes 和Aitken(2010)等学者也曾通过估计面板数据模型测度多个城市的平均住房供给弹性。

(一)新建住房供给结构式模型的构建

文献综述部分的研究表明，新建住房供给的影响因素主要包括住房价格、建设成本、融资成本和土地供给等，本研究构建的模型中引入的自变量与这些影响因素一一对应。与近年来的许多研究相同，房价和成本变量以差分值的形式出现在模型中。由于房地产开发商在购得土地后需要办理一系列的规划审批手续(包括申请《建设用地规划许可证》、《建设工程规划许可证》、《建设工程施工许可证》等)，土地购置日期与开工建设日期间通常存在着1-2年的时滞，土地供给对住房供给的影响也因而具有滞后性。基于以上分析，模型中引入了滞后1年和2年的土地供给。由于土地供给与新建住房供给一样属于流量变量(flow variable)而非存量变量(stock variable)，因而土地供给以水平值的形式出现在模型中。为了考察供地制度变革后住房供给弹性的变化，在模型中引入了表征2006-2011年间的虚拟变量与房价变量的交互项。这种引入交互项的方法被广泛应用于考察住房供给弹性变化的研究中(Mayer和Somerville,2000a；Saiz,2010；Meen和Nygaard,2011；Gitelman和Otto,2012)。由于开发商在2005年仍可使用供地制度变革前获得的土地，我们预期住房供给弹性会在2006年而非2005年出现显著的下降。新建住房供给模型的具体形式如下:

lnHSit=β0+β1ΔlnHPit+β2ΔlnHPit×D0611+β3ΔlnCCOSTit+β4ΔRINTit

+β5lnLSit-1+β6lnLSit-2+αi+λt+εit

(1)

式中下标i和t分别表示城市i和年份t;lnHSit表示新建住房供给的自然对数；ΔlnHPit和ΔlnCCOSTit分别表示房价、建设成本的自然对数的差分值；ΔRINTit表示融资成本的差分值；lnLSit-1和lnLSit-2分别表示滞后1年和2年的土地供给的自然对数；D0611是表征2006-2011年间的时间虚拟变量；αi是城市特异效应(city-specific effects)，λt是年份特异效应 (year-specific effects),εit是误差项。城市特异效应控制了随横截面单元(在本研究中为城市)变化而不随时间变化的影响因素。由于规划管制强度、气候条件在不同城市间差异显著但却很少随时间变化，因而城市特异效应可以捕捉这些因素对新建住房供给的影响。模型中对所有的连续变量的值取自然对数(融资成本变量和时间虚拟变量是非连续变量)。这样做有三个方面的好处：首先，在对数-对数模型中，斜率系数可以被解释为弹性，因而可以直接得到住房供给弹性的估计；其次，严格为正的变量的条件分布通常具有异方差性和偏态性，取对数可以缓解这一问题；最后，取对数可以缩小变量的取值范围，减少极端观测值对估计结果的影响。在模型(1)中，系数代表2001-2005年间20个主要城市的平均住房供给弹性，系数β1与β2之和则代表2006-2011年间20个主要城市的平均住房供给弹性。

(二)数据描述

本研究采用年度住房新开工量表征新建住房供给量，该数据来源于《中国房地产统计年鉴》。房价数据为各城市商品住宅的平均价格，数据来源于《中国统计年鉴》，并利用国家统计局编制的大中城市房地产价格指数将历年房价调整为2011年价格。建设成本指单位面积房屋的竣工造价(不包含土地成本)，数据来源于《中国房地产统计年鉴》，并利用国家统计局编制的居民消费价格指数将历年造价调整为2011年价格。采用1-3年期贷款基准利率表征房地产开发商的融资成本，数据来源自中国人民银行的统计报告。土地供给为开发商的年度购置土地面积，数据来源于《中国统计年鉴》。各变量的定义和描述性统计如表1所示。

表1 变量定义和描述性统计

(三)供地制度变革前后住宅用地供给量的变化

引言部分的分析指出,政府垄断供地制度确立后许多城市的住宅用地供给量出现了显著下降,这一变化有可能导致住房供给弹性的下降。在此，有必要对供地方式变革前后20个城市住宅用地供给量的变化进行考察。如图1所示，在大多数城市，供地制度变革后的年均住宅用地供给量显著低于供地制度变革前的水平。在北京、上海、武汉、广州、宁波和深圳等城市，年均住宅用地供给量的降幅甚至超过了50%。住宅用地供给量下降的原因可以归纳为以下三个方面：首先，土地交易方式的变化使得住宅用地供给难以跟上需求增长的步伐。在供地方式变革前，数量众多的存量建设用地使用者都是住宅用地的实际供给者(例如通过划拨方式获得土地使用权的国有企业在补缴地价后可以向房地产开发商转让土地使用权)。只要这些存量建设用地使用者与房地产开发商间达成协议，土地交易就会自发地产生，因而住宅用地供给可以对需求变化作出相对充分、及时的反应。供地方式变革后，土地供应的节奏完全由地方政府根据每年初制定的年度土地供应计划进行掌控。这种缺乏弹性和灵活度的供地模式使得住宅用地供给在面对时刻变化的市场条件时难以作出充分、及时的反应。其次，供地制度变革后，工业用地在新增建设用地中占了很大比例，挤占了住宅用地供给的增长空间。由于低价格、大批量的工业用地供给有利于促进招商引资和地方经济的发展，因而地方政府往往倾向于将有限的新增建设用地资源用于工业用途而非住宅用途。最后，存量建设用地的重开发效率在供地制度变革后可能有所降低。经过二次开发的原工业、仓储用地是住宅用地的重要来源。政府垄断供地制度确立前，众多的房地产开发商均参与到土地的二次开发中来。而在政府垄断供地制度确立后，拆迁、土地二次开发主要由地方的土地储备中心负责，而其人力、财力等显然都是有限的。

数据来源：中国统计年鉴(2002-2012)。图1 供地制度变革前后20个主要城市年均住宅用地供给的变化

(四)回归结果与住房供给弹性

本研究采用固定效应估计新建住房供给模型，回归分析使用的是Stata 12软件，回归结果见表1。在异方差或序列相关存在的情况下，常规的OLS估计标准误及以其为基础的t统计量是无效的。近年来，应对这一问题的一个主流方法是使用稳健的标准误(the robust standard errors)和稳健的t统计量(the robust t statistics)。本研究中报告的是对组间异方差(cross-sectional heteroskedasticity)和组内序列相关(within panel serial correlation)稳健的标准误和t统计量。

表2第一列报告的是包含模型(1)中所有解释变量的回归结果，第二列报告的是去除建设成本变量后的回归结果。根据第一列报告的回归结果，房价变量、交叉项变量、融资成本变量和土地供给变量的系数的符号均符合预期，并且这些变量对新建住房供给的影响都具有统计显著性。贷款利率每上涨1个百分点，新建住房供给量将下降4.8%。滞后1年和2年的土地供给每上涨1%，新建住房供给量将分别上涨0.20%和0.22%。建设成本变量的系数的符号与预期不符，且该变量的影响不具有统计显著性，这一结果与许多先前的研究是一致的。对这一结果的一个可能性解释是，由于建设成本与新建住房供给是相互影响的，因而建设成本变量实际上是住房供给模型中的一个内生变量而非外生变量。解决内生性问题的一个通行的方法是使用工具变量法。由于受到数据可得性的限制，与许多既有的研究一样，本研究无法找到建设成本变量的合适的工具变量。第二列的回归中去除了建设成本变量。与第一列的回归结果相比，各变量的系数的符号、大小、显著性几乎均未发生变化，表明是否包含建设成本变量对回归结果的影响是极为微小的。如前所述，房价变量的系数即为2001-2005年间20个主要城市的平均住房供给弹性，而房价变量的系数与交叉项变量的系数之和则为2006-2011年间的平均住房供给弹性。根据回归结果，20个主要城市的平均住房供给弹性由2001-2005年间的3.25下降到2006-2011年间的0.51，表明政府垄断供地制度确立后住房供给弹性出现了极为显著的下降。

表2 住房供给模型的回归结果

注：(1)回归系数下圆括号中为稳健的标准误，方括号中为稳健的t统计量

(2)***、**、*分别表示在1%、5%、10%的水平上显著。

(五)住房供给弹性的国际比较

在得到我国20个城市供地制度变革前后的平均住房供给弹性后，我们将其与其他国家的住房供给弹性相比较，结果如表3所示。既有的国际研究主要测量了英、美等国的住房供给弹性。由于英国的土地利用规划管制较为严格，该国的住房供给被普遍认为是缺乏弹性的。Malpezzi和Maclennan(2001)以及Ball，Meen 和 Nygaard(2010)分别用全国的总合数据估计了英国的住房供给弹性，其结果在0-1之间。Meen 和 Nygaard(2011)用区域数据估计了英国Thames Gateway 和Thames Valley地区的住房供给弹性，其结果在-0.01-1.0之间。Grimes 和 Aitken(2010)对新西兰住房供给弹性的估计结果(0.7-1.1)与英国的结果大体相当。美国住房供给弹性的估计结果则显著高于英国和新西兰。Mayer 和 Somerville(2000)、Malpezzi 和 Maclennan(2001)以及Ball，Meen 和 Nygaard(2010)分别用全国的总合数据估计了美国的住房供给弹性，其结果在1.2-5.6之间。Saiz(2010)用城市数据估计了美国所有都会区(metropolitan area)的住房供给弹性。根据他的研究结果，在人口大于50万的95个都会区中，有75个都会区的住房供给弹性超过了1.0，而仅有20个都会区的住房供给弹性小于或等于1.0。迈阿密的住房弹性最低(0.6)，而威奇托的住房供给弹性则最高(5.45)。根据本文的研究结果，在土地供应方式变革前，我国20个主要城市的平均住房供给弹性与美国的住房供给弹性大致相当，属于富有弹性的范围。而在政府垄断供地制度确立后，20个主要城市的平均住房供给弹性下降到与英国的住房供给弹性大致相当的水平(低于美国所有人口大于50万的都会区的弹性水平)，属于缺乏弹性的范围。

表3 住房供给弹性的国际比较

四、简要结论与政策启示

(一)简要结论

本文通过构建和估计新建住房供给的结构式模型测度了我国20个主要城市供地制度变革前后的住房供给弹性。研究结果表明，20个城市的平均住房供给弹性由2001-2005年间的3.25下降到2006-2011年间的0.51，住房供给弹性的降低可以归因于政府垄断供地制度确立后住宅用地供给的收紧。对住房供给弹性的国际比较发现，在供地制度变革前，20个城市的平均住房供给弹性与美国的住房供给弹性大致相当，属于富有弹性的范围。而在供地制度变革后，20个城市的平均住房供给弹性与英国的住房供给弹性大致相当，属于缺乏弹性的范围。

(二)政策启示

正如本文引言部分的分析所指出的，住房供给弹性的大小与房价的波动程度密切相关。供地制度变革后住房供给弹性的降低从一定程度上解释了为什么近年来部分大中城市的房价出现了持续快速的增长。要抑制房价过快上涨的势头，政府应当采取有效的措施促进住房供给的增长、提高住房供给对房价变化的反应能力。改革现行的住宅用地供给制度是增加住房供给的一个有力的切入点。具体来说，住宅用地供给制度改革可以包含如下两个方面的内容：首先，应该打破地方政府对住宅用地供给的垄断，在符合土地利用规划、城市规划的前提下，允许存量建设用地使用者(包括城市建设用地使用者和农村集体建设用地使用者)向房地产开发商直接供地。其次，应该允许房地产开发商进入土地一级开发领域，从而提高存量建设用地的利用效率。

参考文献：

[1]任超群，张娟锋,贾生华. 土地供应量对新建商品房市场的影响基于 35 个大中城市的实证研究 [J]. 软科学，2011,25(5):1-10.

[2]王松涛，刘洪玉. 土地供应政策对住房供给与住房价格的影响研究[J].土木工程学报,2009，42(10): 116-121.

[3]郑娟尔. 基于 Panel Data 模型的土地供应量对房价的影响研究[J].中国土地科学，2009，23(4):28-33.

[4]Ball，M.，Meen，G. & Nygaard，C. Housing Supply Price Elasticities Revisited Evidence from International，National，Local and Company Data [J]. Journal of Housing Economics，2010，19(4): 255-268.

[5]Blackley，D.M. The Long-run Elasticity of New Housing Supply in the United States: Empirical Evidence for 1950 to 1994 [J]. Journal of Real Estate Finance and Economics，1999，18(1): 25-42.

[6]Bramley，G. The Impact of Land-Use Planning and Tax Subsidies on the Supply and Price of Housing in Britain [J]. Urban Studies，1993，30(1)：5-30.

[7]Cammarota，M.T. The Impact of Unseasonable Weather on Housing Starts [J]. Areuea Journal-Journal of the American Real Estate & Urban Economics Association，1989，17(3): 300-313.

[8]Dipasquale，D. & Wheaton，W.C. Housing Market Dynamics and the Future of Housing Prices [J]. Journal of Urban Economics，1994，35(1): 1-27.

[9]Gitelman，E. & Otto，G. Supply Elasticity Estimates for the Sydney Housing Market [J]. Australian Economic Review，2012，45(2): 176-190.

[10]Glaeser,E.L.,Gyourko,J.& Saks，R.E.Urban growth and housing supply [J]. Journal of Economic Geography，2006，6(1):71-89.

[11]Glaeser，E.L.，Gyourko，J. & Saiz，A. Housing Supply and Housing Bubbles [J]. Journal of Urban Economics，2008，64(2):198-217.

[12]Grimes，A. & Aitken，A. Housing Supply，Land Costs and Price Adjustment [J]. Real Estate Economics，2010，38(2): 325-353.

[13]Mayer，C.J. & Somerville，C.T. Land Use Regulation and New Construction [J]. Regional Science and Urban Economics，2000，30(6): 639-662.

[14]Mayer，C.J. & Somerville，C.T. Residential Construction: Using the Urban Growth Model to Estimate Housing Supply[J]. Journal of Urban Economics，2000，48(1): 85-109.

[15]Mayo，S. & Sheppard，S. Housing Supply and the Effects of Stochastic Development Control [J]. Journal of Housing Economics，2001，10(2): 109-128.

[16]Peng，R. & Wheaton，W.C. Effects of Restrictive Land Supply on Housing in Hong Kong:An Econometric Analysis [J]. Journal of Housing Research，1994，5(2): 263-291.

[17]Poterba，J.M. Tax Subsidies to Owner-Occupied Housing-an Asset-Market Approach [J]. Quarterly Journal of Economics，1984，99(4): 729-752.

[18]Pryce，G. Construction Elasticities and Land Availability: A Two-stage Least-squares Model of Housing Supply Using the Variable Elasticity Approach [J]. Urban Studies，1999，36(13): 2283-304.

[19]Rosen，K.T. Seasonal Cycles in the Housing Market [M]. Cambridge MA: MIT Press，1979.

[20]Saiz，A. The Geographic Determinants of Housing Supply [J]. Quarterly Journal of Economics，2010，125(3): 1253-1296.

[21]Topel，R. & Rosen，S. Housing Investment in the United-States[J]. Journal of Political Economy，1988，96(4): 718-740.