住房价格长期趋势与短期波动影响因素研究

安辉　王立婷　谷宇

摘 要：本文基于2002年至2010年全国35个大中城市的面板数据，利用AH模型对住房价格进行拟合，并从长期趋势和短期波动两个角度对住房价格的影响因素进行研究。研究结果表明：在全国，土地价格水平、房地产开发投资额、地区人均国内生产总值、人口、住房贷款利率、人均收入等六个解释变量在住房价格长期趋势方面有较大作用，其中房地产开发投资额及人口是住房价格短期波动的重要影响因素。同时，不同区域的住房价格影响因素也会有所不同。

关键词：住房价格；影响因素；AH模型

中图分类号：F293.3 文献标识码：A 文章编号：10035192（2014）02001307doi：10.11847/fj.33.2.13

A Research on Influencing Factors of Housing Prices on Both theLongterm Trends and Shortterm Fluctuations：Based on Panel Data of 35 Large and Mediumsized Cities in China

AN Hui， WANG Liting， GU Yu

（School of Economics， Dalian University of Technology， Dalian 116024， China）

Abstract：In this paper， we establish AH model to simulate the real housing price based on panel data of 35 large and mediumsized cities and analyze the factors affecting housing prices from both the longterm trends and shortterm fluctuations. The results show that： in China， land prices， real estate investment， regional GDP per capita， population， housing loan interest rate and income per capita are the main factors of housing prices in the long run， while real estate investment and population can have a significant effect on shortterm housing prices. Meanwhile， diverse factors are influencing different regions of China.

Key words：housing price； influencing factors； AH model

1 引言

住房市场的非理性繁荣对金融市场稳定性是一个巨大的挑战，因而对住房价格影响因素的探究一直是房地产业研究的重要课题。住房价格的变化一方面表现为长期趋势性变化，如2002年以来我国持续上涨、居高不下的住房价格趋势，从2002年至2010年，我国35个大中城市的平均住宅销售价格上升了2.2倍之多；另一方面则表现为围绕这一趋势的短期波动，即住房价格短时间内的剧烈震荡或小幅波动，如2008年上海、南京等城市在金融危机的冲击下住宅销售价格较2007年有所回落，但这种降温未能改变此后住房价格继续上升的趋势。

因此，住房价格影响因素的研究需要从长期与短期加以区分。住房价格的长期趋势与短期波动影响因素有哪些？相同的因素在长期和短期发挥的作用是否相同？不同的地区是否具有相同的因素？针对这些疑问，本文结合住房的长期趋势与短期波动对住房价格运行情况进行描述，其中短期波动既涵盖自相关过程，也包括均值回归过程，从而对不同地域范围、不同时间长度的住房价格影响因素进行探究。

2 文献综述

住房价格影响因素的研究可以从两方面进行总结：一是住房价格长期趋势研究，二是基于长期趋势的住房价格短期波动研究。

住房价格长期趋势有两种研究角度。一是基于经济基本面的研究，即利用人均可支配收入、人口数等经济基本面因素对住房价格进行解释。国外学者对此研究颇多，如Egert和Mihaljek[1]对中东欧地区的研究结果表明中东欧地区的住房价格能够用经济基本面和一些转轨特定要素进行解释。此类研究较为典型的还有Potepan[2]，Quigley[3]等。我国学者针对住房价格的研究也大多聚焦于此，一般的结论是人均可支配收入、总人口、失业率、空置率等有一定的解释力[4]。

二是基于非经济基本面的研究。此类研究角度繁多，仅以国内为例：陈超，柳子君，肖辉[5]利用房地产市场各主体的博弈行为构建模型，得出地方政府利益是住房价格上升的根本原因，开发商垄断是高住房价格的直接原因；温海珍[6]从住宅特征价格模型出发，从建筑特征、邻里特征、区位特征等方面对影响杭州住宅价格的因素进行了研究，得出建筑面积是最为重要的影响因素的结论；张亚丽，梁云芳和高铁梅[7]将住房视作资产，通过跨期优化选择模型说明预期房地产收益率等因素会推动住房价格上涨。

短期波动往往要涉及自相关过程与均值回归过程，因此基于长期趋势的住房价格短期波动研究文献可依此分为三类。其一是针对自相关过程的研究。自相关过程描述的是当期价格与前期价格的自相关程度，有效性检验是研究自相关过程的合理途径，因此学者大多从有效性检验进行研究。国外学者对此研究颇多，由于市场选取的差异以及统计口径的不同，其实证研究结论也往往有所出入，如Case和Shiller[8]与Larsen和Weum

[9]通过研究得出美国、挪威房地产市场弱有效性不成立，而Guntermann和Smith[10]与Rosenthal[11]则认为美国、英国的房地产市场弱有效性成立。我国学者也对此有所研究，如郑思齐和刘洪玉[12]以北京、上海的住宅市场与写字楼市场为研究对象，表明这四个房地产市场弱有效性均不成立。

安辉，等：住房价格长期趋势与短期波动影响因素研究——基于全国35个大中城市的面板数据

Vol.33， No.2预 测2014年第2期

其二是针对均值回归过程的研究。均值回归过程指实际住房价格会在相关驱动力的推动下向均衡价格靠拢

[13]，这种研究常常基于误差修正模型。国外学者在此方面多有研究，如Klyuev[14]通过均衡住房价格方程与误差修正方程、Tumbarello和Wang[15]通过向量误差修正模型对美国、澳大利亚、新西兰和加拿大等国的住房价格进行了一定解释。这一模型对于分析我国房地产市场现状也有重要意义，梁云芳和高铁梅

[16]通过误差修正模型对我国不同区域的房地产价格影响因素进行研究，并对实际利率、人均GDP等因素的影响进行了定量测算。

其三则为针对自相关过程与均值回归过程共同作用的研究。为了更好地从这两个过程共同作用的角度对实际住房价格进行描述，Abraham和Hendershott[17]建立了房地产价格模型（以下简称为AH模型）。该文献通过对30个城市1977年至1992年的数据对均衡住房价格进行回归，并对实际价格偏离均衡价格的影响因素进行了测算，研究结果表明，单独考虑均衡价格，或单独考虑实际价格的调整只能解释城市住宅价格波动的40%，但两者同时考虑将解释住房价格波动的60%。在这一模型提出后，自相关系数、收敛系数与反应系数开始受到关注，短期波动因素的定量测算成为了住房价格研究的重要方向。Capozza，Hendershott，Mack等[18]基于1979～1995年62个大城市的面板数据对AH模型进行了回归，该文献经过实证分析，认为较高的实际收入、人口增长率和实际建筑成本会使自相关程度较高，而较低的建筑成本会导致均值回归过程的增强。在此之后，Capozza，Hendershott和Mack[19]，Malpezzi和Wachter[20]，Chen，Carbachoburgos，Mehra等[21]学者也均从此模型出发，对不同地区的住房价格的波动规律与短期驱动力因素进行了研究。而国内从此角度进行研究的文献颇少，洪涛，高波和毛中根[22]采用AH模型对1998年至2003年中国31个省（市、区）的实证研究，得出了实际价格没有严重偏离均衡价格的结论，并从模型中的系数入手对短期波动影响因素进行了讨论。

综上所述，目前研究我国住房价格文献多聚焦于长期趋势，针对短期波动的研究起步较晚，尤其在结合价格发散与均值回归这一角度。相比国内已有的基于AH模型的研究，本文将研究对象锁定为城市，并对其进行分组比较，从而更好地分析房地产业的地域性差异；同时，2002年以后我国房价明显呈非理性的繁荣，并经历了金融危机的冲击，政府曾经多次出台宏观调控政策，因此本文基于该阶段的样本并注重对短期波动因素进行定量研究，以期为政策制定提供依据。

3 研究方法

对住房价格的研究通常包括实际住房价格与均衡住房价格。实际住房价格是指经过通货膨胀修正的住房价格，此价格不是理论上的价格，而是实际存在于房地产市场的价格；而均衡住房价格是指在市场出清状态下，需求曲线和供给曲线的交点所对应的价格，此价格为理论上的价格，不是实际存在的价格。

在房地产市场中，住房价格的波动一般由以下两个部分组成：

（1）长期趋势。即均衡住房价格的改变，住房本身的价值发生了变化，由于在长期市场总是趋向均衡的，因此均衡住房价格往往可以用来描述住房价格的长期运行趋势。

（2）短期波动。即实际价格的调整过程，由于实际住房价格的变动往往基于均衡住房价格发生，且作用时间短，因此可将这种调整看做围绕长期趋势发生的短期波动。短期波动又可细划分为两个过程，第一个过程是自相关过程。由于房地产市场的连续性，以及参与者的非理性预期，住房价格通常在短期内表现出正自相关性。在过热的房地产市场中，自相关过程推动了住房价格的进一步发散，从而形成了住房价格的价格发散过程。第二个过程是均值回归过程。该过程是促使实际住房价格向均衡住房价格靠拢的重要力量。当实际住房价格高于均衡住房价格时，均值回归的力量会促使其下降至均衡价格水平；反之亦然。因此，均值回归过程是确保房地产市场泡沫消除和实现住房价格稳定的重要过程。

基于上述基本原理，本文现引入AH模型作为本文的计量模型。AH模型是Abraham和 Hendershott提出的住房价格模型，它将住房价格的运动分为两部分，第一部分为均衡价格的形成，从长期趋势的角度对住房价格进行研究；第二部分为实际价格的调整，从短期波动对住房价格进行研究。在AH模型中，自相关过程和均值回归过程并非单独运行，而是同时作用于房地产市场的。其模型形式如下

（1）式代表均衡价格的形成，P*t表示t期的均衡住房价格，Xt表示住房价格的影响因素。（1）式利用实际住房价格与相应解释变量对该式进行拟合，所得到的拟合值即为均衡住房价格。（2）式代表实际价格的调整，其中Pt表示t期的实际住房价格，式中的各期均衡住房价格值由（1）式得出。

在（2）式中，αΔPt-1描述了自相关过程，其中α为自相关系数， 自相关系数越大，当期实际价格变化就越依赖于前期实际价格变化。在房地产市场中，由于正反馈交易者的存在，住房价格通常呈现出不断上升的趋势，当期价格也在一定程度上反映了前期价格信息，因此这里的自相关系数一般会大于零。

β（P*t-1-Pt-1）描述了均值回归过程，其中β为收敛系数，收敛系数越大，促使实际价格向均衡价格运动的驱动力就越大。在房地产市场中，这一系数描述了实际住房价格向均衡住房价格回归的过程，由于泡沫不可能不被约束地持续膨胀，也不可能在短时间内被完全消灭，因此往往会有0<β<1。

γΔP*t代表均衡价格变化所引起的实际价格变化，其中γ为反应系数。反应系数则代表了实际价格变化能被均衡价格变化解释的程度，反应系数越大，均衡价格变化的解释力越强。在实际中，实际住房价格的变化往往并不能被均衡住房价格变化全部解释，其调整并不完全及时、准确，因此会有0<γ<1。

（2）式可以很好地描述实际住房价格的改变可以由哪些部分来解释，却无法精确衡量每一个解释变量对住房价格短期波动的影响。Capozza，Hendershott，Mack等在AH模型的基础上对该理论提出了扩展，（2）式可以改写为（3）式

其中i代表不同的解释变量，k代表不同城市，Xt为各解释变量在时间序列上的平均值。通过对αi和βi的测算，我们可以定量测算出解释变量i对住房价格短期波动的影响。

AH模型既包括对住房价格长期趋势方面的研究，也涵盖了短期波动中的自相关过程与均值回归过程，可以较全面地从运行规律方面对住房价格影响因素进行定量测算。本文将通过（1）式来确定住房价格长期趋势的影响因素，通过（3）式确定住房价格短期波动的影响因素。

4 实证分析及结果：基于AH模型的研究

4.1 样本选取与数据处理

本文选取住房价格（PRICE）为被解释变量，土地价格水平（LAND）、房地产开发投资额（CI）、地区人均国内生产总值（PGDP）、人口（POP）、住房贷款利率（LIB）、人均收入（AW）为解释变量。其中住房价格用全国35个大中城市住宅销售价格来计算，人口用非农人口数来计算，住房贷款利率用个人住房贷款基准利率计算，人均收入用职工平均工资来计算。本文所有变量均为2002年至2010年的年度数据（2011年起国家统计局开始采用新的统计指标与统计口径，2011年之前与之后的数据具有不完全可比性），且除人口外所有数据均经过了CPI处理。在数据来源方面，住房价格来源于国家统计局；房地产开发投资额、地区人均国内生产总值、人口、收入来源于中经网；住房贷款利率来源于中国人民银行；土地价格水平来源于中国城市地价动态检测系统。

4.2 住房价格长期趋势影响因素的实证研究

由于包含了时间序列，面板数据在处理前常进行平稳性检验，但本文使用的面板数据为仅有9期的短面板，因此不必对其进行平稳性检验。下面本文首先将35个大中城市作为一个整体，对全国范围内的住房价格长期趋势影响因素进行研究；然后将这35个城市分为四组，分别进行拟合以寻找各自的影响因素。本文按照国家统计局的划分方式，将全国35个大中城市分为东部地区、中部地区、西部地区、东北地区等四个区域，其中东部地区城市包括北京、天津、石家庄、上海、南京、杭州、宁波、福州、厦门、济南、青岛、广州、深圳、海口；中部地区城市包括太原、合肥、南昌、郑州、武汉、长沙；西部地区城市包括呼和浩特、南宁、重庆、成都、贵阳、昆明、西安、兰州、西宁、银川、乌鲁木齐；东北地区的城市包括沈阳、大连、长春、哈尔滨。

（1）35个大中城市住房价格长期趋势回归结果

在收集数据并处理数据后，本文首先对（1）式进行拟合，可得如下结果（括号中为t值）。

回归结果表明所有解释变量均通过t检验，各变量的系数符号均具有经济意义：①土地价格水平系数为0.6123445，这说明它的上升会引起实际住房价格的上升。这是由于土地价格水平可以在一定意义上说明土地获取成本，当土地价格水平较高时，房地产市场的供给水平会下降，从而影响住房价格的变动。②房地产开发投资额系数为0.0001026，与住房价格也具有正相关性，这是由于房地产开发投资额是用来衡量房地产市场热度的重要衡量手段，当房地产开发投资额增加，其市场的非理性繁荣会推动住房价格的上涨。③地区人均国内生产总值与住房价格正相关，该系数值为0.0248775，这是由于国内生产总值是衡量经济发展程度的指标，当某一地区经济高速发展，其房地产市场也应相对发达。④人口系数为1.273704，说明人口的增多会引起实际住房价格的上升。这是由于人口会在一定意义上影响住房的需求，人口越多，住房需求越大。⑤人均收入系数符号为正，其大小为0.0435595。这说明人均收入的上升会促进实际住房价格的上升。由于人均收入在一定程度上代表了人们购买住房的能力，因此人均收入与住房价格之间应呈现正相关的关系。⑥住房贷款利率系数是唯一为负值的系数，该系数值为36.74238。住房贷款利率是住房需求的影响因素之一，利率越低，人们越容易取得贷款，住房需求也会随之增大。模型F检验的结果也同样显著，同时，该模型的拟合优度达到了81.98%，因此可以认为，在长期，这六个解释变量较好地解释了35个大中城市住房价格的变化。

（2）四个区域住房价格长期趋势回归结果

接下来本文将35个大中城市分为四个区域分别对（1）式进行拟合，其拟合结果如下。

四个区域的回归结果有较大出入，其中东部地区有四个解释变量的系数显著（LAND、CI、LIB、AW），中部地区仅有两个解释变量的系数显著（LIB、AW），西部地区为三个（CI、PGDP、AW），东北地区为三个（CI、PGDP、POP）。由此我们推测，住房价格的长期趋势影响因素的不同，往往是区域的长期属性决定的。四个区域地理禀赋、发展程度、社会文化各不相同，这种区域的差异性造成了影响因素的差异。东部地区大多为沿海城市，地理位置优越，交通便利，相对其他地区较为发达；中部地区拥有富饶的自然资源如煤炭资源等，高耗能工业发展快；西部地区自然条件相对恶劣，发展起步较晚，人口较少；而东北地区工业发展起步早，目前正在经历产业结构升级的过程。因此，尽管以35个大中城市整体为研究对象时这六个解释变量均显著，但在各区域分别进行回归时，影响因素是各不相同的。

以土地价格水平为例。在本文使用的数据中，东部地区土地价格水平平均值高于6000元/平方米，而其他三个地区则均不足2000元/平方米。东部地区人口稠密，城市土地供应较为紧张，而市场开放程度较高又使供求关系可以较好地发挥作用，因此其土地价格水平较高，在长期内会成为重要的影响因素。而其他三个地区土地价格水平相对而言较低，在长期内，土地价格水平就不会对住房价格产生很大影响。

此外，在本文的回归结果中，东北地区房地产开发投资额的系数为负，和其在全国范围内回归的符号不同。房地产开发投资额对住房价格的影响可能有两种作用的途径：一种途径是，当房地产开发投资额增加时，由于需求难以立刻改变，这种供给上的增多会引起住房价格的下跌；另一种途径是，房地产开发投资额的增多会使房地产市场流入资金更多，从而进一步促进房地产市场整体的非理性繁荣，导致住房价格上涨。因此在全国范围内，第二种作用发挥得更为明显，而在东北地区房地产开发投资额影响住房价格主要是通过第一种途径。这也表明，相同的解释变量在不同的地区中作用是不同的。

综上所述，这六个影响因素在四个区域中均具有部分解释力，且拟合优度均在80%以上，这说明其可以较好地解释住房价格长期趋势。

4.3 住房价格短期波动影响因素的实证研究

本部分将对这六个解释变量进行检验，以探究其在影响长期趋势的同时是否也可以作用于短期波动。

（1）35个大中城市住房价格短期波动回归结果

根据（3）式，本文对实际住房价格进行拟合，回归结果表明仅有βpop=-0.0011209、αci=-7.99e-08以及βci=1.29e-07通过t值检验，这说明这六个因素在短期波动方面并无较大影响。

土地价格水平的自相关系数αland和均值回归系数βland均不显著，这说明土地价格水平无论是在价格发散过程还是在均值回归过程中影响均不明显。土地价格水平在住房价格长期运行趋势方面是一个很好的解释变量，然而其在短期波动方面并不具有显著的影响。这是由于土地交易本身具有弱流动性，土地价格的变化无法迅速作用于房地产市场，其在供给方面对住房价格的影响需要一定的时间，所以土地价格水平几乎不会影响住房价格短期波动。类似地，地区人均国内生产总值、住房贷款利率、人均收入与土地价格水平的自相关系数与收敛系数也均不显著。这三个因素通常在长时期内会影响住房价格的变动，其作用较为缓慢、持久，对短期波动影响并不显著，相比之下其在长期趋势方面的解释力更强。

人口的自相关系数αpop不显著，而收敛系数βpop十分显著，这说明人口是否高于平均水平对自相关过程的影响不大，但对均值回归过程有十分明显的作用。人口的收敛系数为负，这说明人口对均值回归过程有负面作用，人口高于平均水平时会抑制实际住房价格向均衡住房价格回调，人口数量越大，收敛速度越慢。这一结果同样具有现实意义，当人口数量较大时，与之相对应的住房需求也会较大，需求上的高水平会直接抑制住房价格的回落，从而使住房价格在短期内无法进行有效调整。

房地产开发投资额是衡量房地产开发商投入的重要指标，其自相关系数αci及收敛系数βci均显著。房地产开发投资额的自相关系数为负，这说明房地产开发投资额对自相关系数具有负面作用，即会抑制住房价格的价格发散过程；其收敛系数为正，这说明房地产开发投资额高于平均水平会促进均值回归过程的发生。值得注意的是，这里房地产开发投资额的符号与其在均衡价格回归方程中的符号具有相反的意义。这是由于在全国，短期内，房地产开发投资额的增多会使房地产供应增多，在需求尚未及时调整之际，这种供给上的增多会立刻作用于住房价格，使住房价格下跌；而在长期内，房地产开发投资额的上升会增强房地产市场流动性，流入资金的增多会推动房地产市场的非理性繁荣，最终导致住房价格在长期内上涨。这与前文的分析是相呼应的，这表明一个变量在长期与短期中的作用可能是不同的，这也正是本文从长期趋势和短期波动对影响因素进行研究的原因所在。

由上述结果可以看出，长期住房价格的影响因素往往并不能作用于短期波动，在这六个变量中，人口、房地产开发投资额是35个大中城市住房价格短期波动的重要驱动力。

（2）四个区域住房价格短期波动回归结果

四个区域分别对（3）式进行拟合，结果显示由于地域的差异性，四个区域的短期波动影响因素各不相同。东部地区有三个系数显著（αci=-8.23e-08、βpop=-0.001288、βci=1.38e-07），中部地区仅有一个系数显著（αci=-9.84

由此我们推测，与长期趋势影响因素不同，某个因素若成为住房价格短期波动影响因素可能往往至少符合以下条件中的一个：一是该因素代表了具有时效性的某个社会现象，而这一社会现象在短期内变化显著，从而使住房价格在短期内也随之波动。以人口为例，由于沿海地区相对发达，这些地区会吸引更多的人来此发展，因此东部地区和东北地区往往人口流动性较高，在这些地区人口就成为了主要短期影响因素。二是该因素有多种影响住房价格的渠道。以房地产开发投资额为例，如之前本文所分析，这一变量可以通过多种途径对住房价格产生影响，尽管各个区域具体情况不同，但由于其作用渠道的多样性，这一影响因素可以随着地域的不同具有不同的影响途径，因此其在各个区域的短期波动方面都具有较强的解释力。

此外，值得注意的是，在本文的回归结果中，东北地区住房贷款利率在自相关和均值回归过程中发挥的作用比较特殊。与房地产开发投资额类似，利率对住房价格的影响也有两种渠道。第一种渠道是指住房贷款利率的上升会增加购房成本，从而使投资收益下降，此时，储蓄等其他投资收益上升，投资者往往会降低投资房地产市场的热情，因此住房价格会随着利率的上升而下降；第二种渠道是指当住房贷款利率上升时，人们预期这一利率仍将上升，在这种情况下人们反而会尽快购买住房，以防将来成本上升，此时，住房价格会随着利率的上升而上升。从本文的研究结果看，利率往往是通过第一个渠道对住房市场产生影响的，而在东北地区住房价格短期波动方面，则是两种渠道共同发挥作用。

同样需要解释的还有地区人均国内生产总值，回归结果表明较高的地区人均国内生产总值会抑制住房价格的上升。这一回归结果可能是由于样本期选择问题造成的：东北地区四个城市（沈阳、大连、长春、哈尔滨）土地资源相对丰沃，其人均土地拥有量位于全国前列，土地价格水平一直维持在相对较低的水平，住房价格也长期处在较低的水平。在样本期中，除了大连，其他三个城市的住房价格仅在最后两期才开始有显著提升。据此，本文推测，由于样本期选择问题，滞后效应十分明显，因此地区人均国内生产总值与住房价格在回归结果中不显示为正相关，样本期推后可能会解决这一问题。

综上所述，在住房价格短期波动方面，土地价格水平、人口、地区人均国内生产总值、住房贷款利率、人均收入、房地产开发投资额这六个解释变量在不同的地区具有不同的解释力。

5 结论与政策建议

本文通过建立AH模型，得出了全国35个大中城市以及四个区域的住房价格长期趋势及短期波动影响因素。相同的影响因素在不同的地区发挥着不同的作用；相同的影响因素在长期趋势和短期波动过程中的作用可能会有所不同，甚至是相反的。因此在制定房地产相关政策时，需关注房地产市场的地域性和时效性，根据具体调控目标的不同，对政策进行有针对性的选择。本文提出以下两个方面的具体建议：

（1）土地政策方面：土地价格水平是影响住房价格长期趋势的重要因素，因此土地方面应是房地产市场长期调控关注的焦点。我国现行的土地政策致使土地并没有完全市场化，土地规划、收取出让金等职责均集中于政府，相关活动之间缺乏制约，从而影响了土地市场的进一步发展。土地市场的良好发展是保证房地产市场稳定的必要条件，推动土地交易市场化，是在长期内控制住房价格的有效措施。

（2）信贷政策方面：住房贷款利率同样应是长期调控的重点内容，它的上升在长期内会抑制住房价格的上涨，因此当需要在长期内稳定住房价格时，提高住房贷款利率通常会是一个见效缓慢、但作用持久的选择。短期内，住房贷款利率也有可能会发挥抑制住房价格的作用，也有可能会发挥相反的作用，因此在选择的时候应依据地区的特性而制定政策。房地产开发投资额是一项对住房价格长期趋势和短期波动都有影响的指标，通常情况下它的上升在短期内可以抑制住房价格的上涨，而在长期内会促进住房价格的上涨，但在有的地区无论长期还是短期都会抑制住房价格的上涨。因此，对房地产开发投资额的调控应当谨慎，一般而言，在长期内应使其缓慢下降，在短期内则不可采取限制性过强的政策。

参 考 文 献：

[1]Egert B， Mihaljek D. Determinants of house prices in central and Eastern Europe[J]. Comparative Economic Studies， 2007， 49： 367388.

[2]Potepan M J. Explaining intermetropolitan variation in housing prices， rents and land prices[J]. Real Estate Economic， 1996， 24： 219245.

[3]Quigley J M. Real estate prices and economic cycles[J]. International Real Estate Review， 1999， 2（1）： 120.

[4]沈悦，刘洪玉.住宅价格与经济基本面：19952002年中国14城市的实证研究[J].经济研究，2004，（6）：7886.

[5]陈超，柳子君，肖辉.从供给视角看我国房地产市场的“两难困境”[J].金融研究，2011，（1）：7393.

[6]温海珍.城市住宅的特征价格：理论分析与实证研究[D].杭州：浙江大学，2004.

[7]张亚丽，梁云芳，高铁梅.预期收入、收益率和房价波动——基于35个城市动态面板模型的研究[J].财贸经济，2011，（1）：122129.

[8]Case K E， Shiller R J. The efficiency of the market for singlefamily homes[J]. American Economic Review， 1989， 79（1）： 125137.

[9]Larsen E R， Weum S. Home， sweet home or is italways？ Testing the efficiency of the Norwegian housing market[R]. Statistics Norway， Discussion Papers No.506， 2007.

[10]Guntermann K L， Smith R L. Efficiency of the market for residential real estate[J]. Land Economics， 1987， 63： 3445.

[11]Rosenthal L. Efficiency and seasonality in the UK housing market 19912001[J]. Oxford Bulletin of Economics and Statistics， 2006， 68（3）： 289317.

[12]郑思齐，刘洪玉.房地产市场有效性研究——以北京和上海为例[J].商业研究，2006，（7）：191195.

[13]Malpezzi S. A simple error correction model of house prices[J]. Journal of Housing Economics， 1999， 8（1）： 2762.

[14]Klyuev V. What goes up must come down？ House price dynamics in the United States[R]. IMF Working Paper， WP/08/187， 2008.

[15]Tumbarello P， Wang S. What drives house prices in Australia？ A crosscountry approach[R]. IMF Working Paper， WP/10/291， 2010.

[16]梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133142.

[17]Abraham J M， Hendershott P H. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996， 7（2）： 191207.

[18]Capozza D R， Hendershott P H， Mack C， et al.. Determinants of real house price dynamics[R]. NBER Working Paper， No.9262， 2002.

[19]Capozza D R， Hendershott P H， Mack C. An anatomy of price dynamics in illiquid markets： analysis and evidence from local housing markets[J]. Real Estate Economics， 2004， 32（1）： 132.

[20]Malpezzi S， Wachter S M. The role of speculation in real estate cycles[J]. Journal of Real Estate Literature， 2005， 13（2）： 143164.

[21]Chen C， Carbachoburgos A， Mehra S， et al.. The moodys analytics caseshiller home price index forecast methodology[R]. Economic & Consumer Credit Analytics， 2011.

[22]洪涛，高波，毛中根.外生冲击与房地产真实价格波动[J].财贸经济，2005，31（11）：8897.

综上所述，在住房价格短期波动方面，土地价格水平、人口、地区人均国内生产总值、住房贷款利率、人均收入、房地产开发投资额这六个解释变量在不同的地区具有不同的解释力。

5 结论与政策建议

本文通过建立AH模型，得出了全国35个大中城市以及四个区域的住房价格长期趋势及短期波动影响因素。相同的影响因素在不同的地区发挥着不同的作用；相同的影响因素在长期趋势和短期波动过程中的作用可能会有所不同，甚至是相反的。因此在制定房地产相关政策时，需关注房地产市场的地域性和时效性，根据具体调控目标的不同，对政策进行有针对性的选择。本文提出以下两个方面的具体建议：

（1）土地政策方面：土地价格水平是影响住房价格长期趋势的重要因素，因此土地方面应是房地产市场长期调控关注的焦点。我国现行的土地政策致使土地并没有完全市场化，土地规划、收取出让金等职责均集中于政府，相关活动之间缺乏制约，从而影响了土地市场的进一步发展。土地市场的良好发展是保证房地产市场稳定的必要条件，推动土地交易市场化，是在长期内控制住房价格的有效措施。

（2）信贷政策方面：住房贷款利率同样应是长期调控的重点内容，它的上升在长期内会抑制住房价格的上涨，因此当需要在长期内稳定住房价格时，提高住房贷款利率通常会是一个见效缓慢、但作用持久的选择。短期内，住房贷款利率也有可能会发挥抑制住房价格的作用，也有可能会发挥相反的作用，因此在选择的时候应依据地区的特性而制定政策。房地产开发投资额是一项对住房价格长期趋势和短期波动都有影响的指标，通常情况下它的上升在短期内可以抑制住房价格的上涨，而在长期内会促进住房价格的上涨，但在有的地区无论长期还是短期都会抑制住房价格的上涨。因此，对房地产开发投资额的调控应当谨慎，一般而言，在长期内应使其缓慢下降，在短期内则不可采取限制性过强的政策。

参 考 文 献：

[1]Egert B， Mihaljek D. Determinants of house prices in central and Eastern Europe[J]. Comparative Economic Studies， 2007， 49： 367388.

[2]Potepan M J. Explaining intermetropolitan variation in housing prices， rents and land prices[J]. Real Estate Economic， 1996， 24： 219245.

[3]Quigley J M. Real estate prices and economic cycles[J]. International Real Estate Review， 1999， 2（1）： 120.

[4]沈悦，刘洪玉.住宅价格与经济基本面：19952002年中国14城市的实证研究[J].经济研究，2004，（6）：7886.

[5]陈超，柳子君，肖辉.从供给视角看我国房地产市场的“两难困境”[J].金融研究，2011，（1）：7393.

[6]温海珍.城市住宅的特征价格：理论分析与实证研究[D].杭州：浙江大学，2004.

[7]张亚丽，梁云芳，高铁梅.预期收入、收益率和房价波动——基于35个城市动态面板模型的研究[J].财贸经济，2011，（1）：122129.

[8]Case K E， Shiller R J. The efficiency of the market for singlefamily homes[J]. American Economic Review， 1989， 79（1）： 125137.

[9]Larsen E R， Weum S. Home， sweet home or is italways？ Testing the efficiency of the Norwegian housing market[R]. Statistics Norway， Discussion Papers No.506， 2007.

[10]Guntermann K L， Smith R L. Efficiency of the market for residential real estate[J]. Land Economics， 1987， 63： 3445.

[11]Rosenthal L. Efficiency and seasonality in the UK housing market 19912001[J]. Oxford Bulletin of Economics and Statistics， 2006， 68（3）： 289317.

[12]郑思齐，刘洪玉.房地产市场有效性研究——以北京和上海为例[J].商业研究，2006，（7）：191195.

[13]Malpezzi S. A simple error correction model of house prices[J]. Journal of Housing Economics， 1999， 8（1）： 2762.

[14]Klyuev V. What goes up must come down？ House price dynamics in the United States[R]. IMF Working Paper， WP/08/187， 2008.

[15]Tumbarello P， Wang S. What drives house prices in Australia？ A crosscountry approach[R]. IMF Working Paper， WP/10/291， 2010.

[16]梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133142.

[17]Abraham J M， Hendershott P H. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996， 7（2）： 191207.

[18]Capozza D R， Hendershott P H， Mack C， et al.. Determinants of real house price dynamics[R]. NBER Working Paper， No.9262， 2002.

[19]Capozza D R， Hendershott P H， Mack C. An anatomy of price dynamics in illiquid markets： analysis and evidence from local housing markets[J]. Real Estate Economics， 2004， 32（1）： 132.

[20]Malpezzi S， Wachter S M. The role of speculation in real estate cycles[J]. Journal of Real Estate Literature， 2005， 13（2）： 143164.

[21]Chen C， Carbachoburgos A， Mehra S， et al.. The moodys analytics caseshiller home price index forecast methodology[R]. Economic & Consumer Credit Analytics， 2011.

[22]洪涛，高波，毛中根.外生冲击与房地产真实价格波动[J].财贸经济，2005，31（11）：8897.

综上所述，在住房价格短期波动方面，土地价格水平、人口、地区人均国内生产总值、住房贷款利率、人均收入、房地产开发投资额这六个解释变量在不同的地区具有不同的解释力。

5 结论与政策建议

本文通过建立AH模型，得出了全国35个大中城市以及四个区域的住房价格长期趋势及短期波动影响因素。相同的影响因素在不同的地区发挥着不同的作用；相同的影响因素在长期趋势和短期波动过程中的作用可能会有所不同，甚至是相反的。因此在制定房地产相关政策时，需关注房地产市场的地域性和时效性，根据具体调控目标的不同，对政策进行有针对性的选择。本文提出以下两个方面的具体建议：

（1）土地政策方面：土地价格水平是影响住房价格长期趋势的重要因素，因此土地方面应是房地产市场长期调控关注的焦点。我国现行的土地政策致使土地并没有完全市场化，土地规划、收取出让金等职责均集中于政府，相关活动之间缺乏制约，从而影响了土地市场的进一步发展。土地市场的良好发展是保证房地产市场稳定的必要条件，推动土地交易市场化，是在长期内控制住房价格的有效措施。

（2）信贷政策方面：住房贷款利率同样应是长期调控的重点内容，它的上升在长期内会抑制住房价格的上涨，因此当需要在长期内稳定住房价格时，提高住房贷款利率通常会是一个见效缓慢、但作用持久的选择。短期内，住房贷款利率也有可能会发挥抑制住房价格的作用，也有可能会发挥相反的作用，因此在选择的时候应依据地区的特性而制定政策。房地产开发投资额是一项对住房价格长期趋势和短期波动都有影响的指标，通常情况下它的上升在短期内可以抑制住房价格的上涨，而在长期内会促进住房价格的上涨，但在有的地区无论长期还是短期都会抑制住房价格的上涨。因此，对房地产开发投资额的调控应当谨慎，一般而言，在长期内应使其缓慢下降，在短期内则不可采取限制性过强的政策。

参 考 文 献：

[1]Egert B， Mihaljek D. Determinants of house prices in central and Eastern Europe[J]. Comparative Economic Studies， 2007， 49： 367388.

[2]Potepan M J. Explaining intermetropolitan variation in housing prices， rents and land prices[J]. Real Estate Economic， 1996， 24： 219245.

[3]Quigley J M. Real estate prices and economic cycles[J]. International Real Estate Review， 1999， 2（1）： 120.

[4]沈悦，刘洪玉.住宅价格与经济基本面：19952002年中国14城市的实证研究[J].经济研究，2004，（6）：7886.

[5]陈超，柳子君，肖辉.从供给视角看我国房地产市场的“两难困境”[J].金融研究，2011，（1）：7393.

[6]温海珍.城市住宅的特征价格：理论分析与实证研究[D].杭州：浙江大学，2004.

[7]张亚丽，梁云芳，高铁梅.预期收入、收益率和房价波动——基于35个城市动态面板模型的研究[J].财贸经济，2011，（1）：122129.

[8]Case K E， Shiller R J. The efficiency of the market for singlefamily homes[J]. American Economic Review， 1989， 79（1）： 125137.

[9]Larsen E R， Weum S. Home， sweet home or is italways？ Testing the efficiency of the Norwegian housing market[R]. Statistics Norway， Discussion Papers No.506， 2007.

[10]Guntermann K L， Smith R L. Efficiency of the market for residential real estate[J]. Land Economics， 1987， 63： 3445.

[11]Rosenthal L. Efficiency and seasonality in the UK housing market 19912001[J]. Oxford Bulletin of Economics and Statistics， 2006， 68（3）： 289317.

[12]郑思齐，刘洪玉.房地产市场有效性研究——以北京和上海为例[J].商业研究，2006，（7）：191195.

[13]Malpezzi S. A simple error correction model of house prices[J]. Journal of Housing Economics， 1999， 8（1）： 2762.

[14]Klyuev V. What goes up must come down？ House price dynamics in the United States[R]. IMF Working Paper， WP/08/187， 2008.

[15]Tumbarello P， Wang S. What drives house prices in Australia？ A crosscountry approach[R]. IMF Working Paper， WP/10/291， 2010.

[16]梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133142.

[17]Abraham J M， Hendershott P H. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996， 7（2）： 191207.

[18]Capozza D R， Hendershott P H， Mack C， et al.. Determinants of real house price dynamics[R]. NBER Working Paper， No.9262， 2002.

[19]Capozza D R， Hendershott P H， Mack C. An anatomy of price dynamics in illiquid markets： analysis and evidence from local housing markets[J]. Real Estate Economics， 2004， 32（1）： 132.

[20]Malpezzi S， Wachter S M. The role of speculation in real estate cycles[J]. Journal of Real Estate Literature， 2005， 13（2）： 143164.

[21]Chen C， Carbachoburgos A， Mehra S， et al.. The moodys analytics caseshiller home price index forecast methodology[R]. Economic & Consumer Credit Analytics， 2011.

[22]洪涛，高波，毛中根.外生冲击与房地产真实价格波动[J].财贸经济，2005，31（11）：8897.