商品住房市场模拟预测模型及其应用——以南宁市为例

黄轲，胡振章，张永玲（南宁市住房保障和房产管理局信息中心，广西南宁530000）



商品住房市场模拟预测模型及其应用
——以南宁市为例

黄轲，胡振章，张永玲
（南宁市住房保障和房产管理局信息中心，广西南宁530000）

摘要：本文从经典“供给—需求”框架出发，通过分析决定商品住房市场供给、需求、价格的因素，引进城市经济因素和政策因素，采用1999—2014年南宁市商品住房市场相关数据，构造了商品住房市场模拟预测模型，刻画商品住房市场运行的动态结构。研究结果显示，各模型样本内模拟情况良好，模型残差均为零均值同方差平稳序列，总体预测性能较好。

关键词：新建商品住房市场；模拟预测模型；供给；需求；南宁市

一、引言

1999年以来，南宁市商品住房市场进入快速发展时期。特别是2004年以来，商品住房市场运行突出表现为新建住房价格整体上持续快速上升、销售面积快速增长、房地产开发投资活跃、房地产经济与地区国民经济发展不协调等特点和问题。

为了进一步提高市场预测精度，协助房地产主管部门深刻把握南宁市商品住房市场运行规律，促进南宁市房地产市场健康可持续发展，南宁市住房保障和房产管理局信息中心成立“南宁市房地产监测预警预测研究”课题组。作为其课题组成员，我们基于现代计量经济理论建立计量经济模型，设计研制“南宁市商品住房市场模拟预测模型”，对商品住房市场做模拟和预测，以实现市场早期预警监测。目前，由于房地产市场监测预测实务领域尚没有针对南宁市商品住房市场研制开发的市场模型，因此该模型的开发设计，能够丰富南宁市房地产市场预警预报研究成果，填补该领域空白，具有较为重要的实践和政策意义。

文章结构安排如下：第二部分是文献评论，简要评论在房地产市场模拟预测方面已有文献的技术路线和主要结论；第三部分介绍本文预测模型的设计思路、数据来源，以及案例城市商品住房市场和城市经济运行基本情况回顾；第四部分是预测模型设定和模型参数估计，并给出预测结果；最后是本文的结论、不足与值得拓展的内容。

二、文献评论

已有的研究具有以下特点：第一，已有研究多基于系统动力学仿真模型，系统动力学建模的优点在于能够处理高阶次、非线性、复杂反馈的系统问题，但这种建模方式应用在房地产市场研究领域，需要研究员深刻把握市场的动态结构，而由于数据不完整、市场不完善等原因实际上很难做到这一点。另外，系统动力学建模过程复杂，刻画的市场模型不够直观，不易解释经济含义。第二，已有研究大多将房地产市场做整体分析，缺少对房地产市场中最重要的商品住房市场的专门分析。第三，对房地产市场的模拟预测建模更多集中于房价，缺少对市场价格、需求、供给等几个主要方面全面的模拟与预测。第四，许多研究在模型构建和参数确定上主观性较大，没有交代基本参数和模型初始值的确定过程。

通过对文献的评论我们实际上已经说明，本文与已有研究的不同之处：第一，我们使用计量经济学中经济含义更为直观、形式更为灵活的单方程模型建模，分别建立供给、需求和价格三个模型。在实际建模中，通过不断修正模型，使模型对历史数据拟合较好，避免先验的决定市场动态结构的问题。第二，我们以南宁市为案例城市，集中研究商品住房市场的动态结构，并给出对新建商品住房市场最核心的方面供给、需求和价格的模拟和预测。

三、设计思路与数据说明

1、模型设计思路

商品住房市场运行状况主要由供求关系决定，供求关系是决定价格的基础，因此，能够抓住市场本质的市场模型需要从市场供需状况出发，构建一套完整的市场监测指标体系：一是描述市场运行的核心方面供给侧、需求侧和交易价格；二是量化说明供给、需求和价格的决定因素，描述以上三个方面的动态结构，模拟其历史过程并预测未来轨迹。基于这种考虑，本文的基本思路是，将商品住房市场分解为价格、供给、需求三个可观测模块，每个模块内含相关市场指标，建立市场监测指标体系，然后构造计量经济学模型，模型内包含供给、需求、价格的决定因素，最后进行模拟与预测。同时商品住房市场不是孤立的市场，与地方经济和宏观经济等基本面因素关系紧密并受其影响，因此我们设置了相应的人口、经济指标反映经济基本面对商品住房市场的影响（见图1、表1）。

图1　商品住房市场运行及其外部环境

表1　市场指标符号及说明

2、数据说明

本文采用年度数据，样本区间为1999—2014年，共16个年度观测。商品住房开发投资额、商品住房竣工面积、商品住房土地开发投资面积、商品住房销售面积、商品住房销售价格、城镇居民家庭可支配收入、在岗职工平均工资、城市总人口、城镇居民消费价格指数等来源于各年《南宁市统计年鉴》，贷款利率水平、广义货币供应量同比增速根据中国人民银行网站数据信息整理，城镇居民住房自有率根据各年《城镇房屋统计公报》估算。报告数据的区域范围为南宁市区。由于样本区间较小，我们认为预测对各项指标作2—3年预测是较合理的研究目标。同时，为平滑数据消除异方差影响，对所有进入模型的序列数据均做取对数处理。

3、数据观察

1. 孵化器的租金2017年小幅上涨3%。孵化器企业2017年平均租金为39.26元/m2，2016年平均租金为38.08元/m2，租金上升幅度并不大，只有8家(36%)的租金上调，上调的幅度为1元/m2～5元/m2不等，其余64%的孵化器企业租金没有变化。其中中医药健康科技园的企业都是自己公司培育的企业，没有收租金。阿尔派智能制造创业孵化园租金最低，只有22元/m2；松山湖国富科技孵化有限公司租金最高，达66元/m2。

在建模之前，我们简单描述1999—2014年之间南宁市商品住房市场指标和经济基本面相关指标主要特征。16年间南宁市商品住房市场和城市经济各项指标均出现明显上升趋势，尤其是2004年以来上扬速度明显加快。

商品住房销售面积2003年开始快速增长，16年间累计增长1569.03%，竣工面积累计增长627.89%。受2008年金融危机影响，2008年商品住房销售面积、竣工面积出现短期回落。城镇住宅开发投资快速增长，从1999年的6.1亿元增长至2014年的368.23亿元，16年间累计增长5932.44%。其中土地开发投资额增长至2014年的99.72亿元。

同期经济基本面相关指标逐年增长，但其上扬速度较商品住房市场各项指标要慢。比如，商品住房平均销售价格自2005年开始快速上涨，16年间累计上涨316.37%，高于同期城市居民可支配收入累计增长295%，其他指标如住宅销售面积、竣工面积累计增速则远高于城镇居民可支配收入和城镇在岗职工平均工资。这些事实说明住房价格与收入水平指标增长速度不匹配，一定程度上说明商品住房市场与地区国民经济发展并不十分协调。

四、模型设定及参数估计

遵循一般化建模方法，我们并不从先验的理论模型出发，而是综合考虑各种能够影响商品住房市场供给、需求和价格的因素，先建立关于市场三个方面最一般的模型，然后逐步剔除统计意义上不显著的因素，将模型约化为一个变量和参数都很节俭的模型，最后得出估计结果。

1、供给模型设定及参数估计

一般而言，影响新建商品住房供应的因素包括：价格预期、货币供应量、货币政策、土地投资、商品房开发投资。通过反复对数据进行拟合，我们给出新建商品住房供给缩约模型形式和估计结果，除五年期以上贷款利率外，其余变量均以对数形式进入模型。

由式（1）可知，新建商品住房供给（由新建商品住房竣工面积Snt表示）受商品住房土地开发投资额Lt、各期中长期贷款利率水平It、广义货币供应量余额增速M2rt、商品住房开发投资额invt和商品住房销售价格（Pt）影响。

最后估计模型结果如下：

（注：1、括号内为t统计量；2、被解释变量为新建商品住房竣工面积Snt，（下同）。）

最后估计的模型解释了89.6%的住房供给变化，这一点可以从调整后的R2看出，模型的D-W检验效果良好，说明避免了自相关性。模型包含的所有变量包括价格变量都在5%的显著性水平下通过检验。该模型的经济含义是，土地开发投资与商品住房供给呈正向相关，土地开发投资额每增加1%，竣工面积增加1.378%；利率水平与住房供给呈正向相关，利率水平每增加1%，竣工面积增加0.416%；值得注意的是，广义货币供应增速与住房供给呈负向相关，货币供应增速每增加1%，竣工面积下降0.089%；住房开发投资与住房供给为负向关系，住房开发投资每增加1%，竣工面积下降1.412%；销售价格同样对住房供给有正向影响，住房销售价格每增加1%，竣工面积增加0.28%。

2、需求模型设定及参数估计

商品住房需求模型应同时体现自住需求和投资需求。自住需求反映住房的消费属性，主要包括刚性需求和改善性住房需求；投资需求反映住房的投资属性和市场价格波动。影响商品住房自住需求的因素有：居民购房能力、城市人口数量、人口结构、家庭结构。影响投资需求的因素包括：价格预期、货币供应量、住房价格、货币政策。

与供给模型一样，我们首先从最一般需求决定模型出发，经过反复建模筛选，逐步剔除统计意义不显著的因素，最终，将模型设定为：

模型被解释变量为新建商品住房销售面积。由于模型有明显序列相关，故最后结果采用Newey-West稳健回归估计。估计结果如下：

模型解释了高达99.4%的住房需求变化，这一点可以从调整后的R2看出。模型所有变量在5%的显著性水平下都通过检验。模型变量中，城镇居民人均可支配收入、新建住房供给、城镇人口总量、潜在住房需求和新建住房需求呈现正相关关系，是决定当期居民住房需求的主要正向影响因素，居民可支配收入和人口总量是反映城镇居民房屋购买力的重要指标。潜在住房需求受人口增长和家庭结构影响，潜在住房需求增加对增加住房需求预期有正向影响。具体而言，可支配收入每增加1%，销售面积增加3.541%；城市人口总量每增加1%，销售面积增加4.494%；潜在住房需求每增加1%，则当前需求增加7.878%；新建住房价格每增加1%，销售面积增加1.445%。

但利率水平对新建住房需求起负向影响，显然利率水平决定了购房成本，当利率水平上升，购房人按揭贷款成本增加，购房人需求意愿降低。利率水平平均每增加1%，则新房需求降低0.976%。

3、价格模型设定及参数估计

根据经典“供给—需求”框架和市场实际运行情况，商品住房价格由“供给—需求”因素直接决定，其他影响价格的因素对价格的间接影响被供给和需求吸收，分别进入供给模型和需求模型。同时价格还直接受到城镇居民可支配收入、潜在住房需求以及货币环境影响。因此，商品住房价格模型设定为：

图2　新建商品住房供给模型预测结果

图3　新建商品住房需求模型预测结果

图4　新建商品住房价格模型预测结果

价格模型解释了92.8%的住房价格变化，为了避免自相关性，价格模型同样使用Newey-West稳健回归估计。价格模型中住房供求比、城镇居民人均可支配收入、潜在住房需求对新建住房销售价格有正向影响效应。其经济含义是，供求比反映市场供求力量对比，该指数增加说明市场需求力量上升，则对住房价格产生向上的压力，平均而言供求比每增加1%，使得新建住房价格上升2.62%；可支配收入是除了住房需求以外的重要影响因素，较高的可支配收入也对住房价格起到推动作用，可支配收入平均每上升1%，使得住房价格上升0.486%。

4、预测结果分析

本部分给出住房供给、需求和价格模型的预测结果，我们分别给出预测值与实际值的比较，并计算了预测误差（见图2至图4）。根据供给模型、需求模型和价格模型给出的模拟和预测值可以很好地追踪各指标实际值，并且预测残差为零均值同方差平稳时间序列，说明三个模型预测性能较好。根据我们的模型估计，2016年南宁市商品住宅竣工面积367.71万平方米，销售面积811.32万平方米，销售均价7254.33元/平方米。

五、结论与展望

研究房地产市场与城市经济环境动态互动关系，提高对房地产市场，特别是商品住房市场价格、需求、供给等方面预测准确性，一直是房地产市场主管部门和学界探索的热点问题之一。城市经济和政策的变化影响市场供求，而市场供求和价格的变化也会使房地产主管部门调整房地产调控政策并影响城市经济环境。本文尝试将商品住房市场供求价格与城市经济及政策因素联合建模，分别建立商品住房市场的供给模型、需求模型和价格模型，在模拟预测模型中加入城市经济变量和政策变量，利用供求和价格模型对南宁市商品住房市场年度数据进行模拟预测，研究结果显示模型的历史拟合和外推预测性能良好。但本文的研究存在局限性，我们使用的是单方程模型，即对商品住房市场供给、需求和价格三方面分别建模，这一定程度上避免了联立方程模型先验的决定市场结构问题，然而市场的运行过程往往与先验的理论模型不一致。市场供求价格三方面是相互关联的整体，故我们未来的研究应引进结构化的向量自回归模型，这样既能保证预测精度又能够刻画市场供求价格三方面的动态结构关系。

参考文献

［1］罗平：城市住宅市场价格系统动力学模型实证研究［J］.人文地理，2001，16（2）.

［2］朱湘岚、黄有亮：南京市城市住房需求的系统动态学分析［J］.基建优化，2003，24（2）.

［3］裘建国、袁翠华：南京市商品住宅市场预警实证研究［J］.建筑经济，2006（4）.

［4］韩志超：基于系统动态学的我国住宅市场发展研究［D］.哈尔滨工业大学，2007.

［5］曾五一、孙蕾：中国房地产价格指数的模拟和预测［J］.统计研究，2006（9）.

［6］马海涛、陈琳、路正南：基于灰色理论的中国房地产价格指数预测［J］.统计与决策，2007（19）.

［7］徐波、程文仕、韩晶茹：基于灰色系统理论的中国房地产市场预测模型改进研究［J］.中国城市经济，2010（6）.

（责任编辑：刘冰冰）

基金项目：2014年南宁市青秀区重大科技项目，基于二三维GIS房产信息分析与决策支持系统，编号：2014RJ12S。