关于中国房价调控政策的有效性分析——基于“国八条”房产新政的经验证据

蔡正喆

(中国人民大学 经济学院，北京 100872)



关于中国房价调控政策的有效性分析
——基于“国八条”房产新政的经验证据

蔡正喆

(中国人民大学 经济学院，北京 100872)

根据我国35个大中城市2002-2012年住房价格面板数据固定效应的回归结果表明，2005年颁布的房价调控政策并没有有效地抑制此后房价的快速上涨。从固定效应回归结果来看，在模型引入房价调控政策的哑变量无一例外地增加了截距项，并且具有统计显著性。在稳健性检验中，即使在引入房价调控政策哑变量与相关解释变量的交互项之后，其回归系数仍然显著。因此，房价调控政策的制定不仅需要考虑基本经济层面的因素，而且需要管理居民关于住房需求与供给变化的预期。

房价；“国八条”房产新政；面板数据；固定效应

一、问题的提出

居高不下的房价已成为当前中国一个严重的社会问题，受到社会各界的广泛关注。针对这一问题，中央政府先后出台各种相关措施①，以控制房价过快上涨的势头，然而房价依然逐年上涨、居高不下②，我们不禁要问，中央政府的这一系列房地产调控政策是有效的么？限制中央政策调控效果又是哪一些呢？同时住房作为一种特殊的商品，兼具“消费品”和“投资品”两种属性，并且在中国特殊的制度背景下，住房价格又和土地价格紧密联系，而后者正是地方政府一个重要的财政收入来源。这一系列原因都大大增加了中国住房价格形成机制的复杂性。为了排除各种影响因素的干扰，本文以一次具体的房地产调控政策——2005年出台的“国八条”作为分析对象，基于2002-2012年全国35个大中城市住房价格的面板数据，对政府房地产调控政策的有效性进行了实证检验。在此基础上，我们还对抑制中国房价调控政策有效性的原因作了进一步分析。

现有关于中国房价的决定因素与政府调控机制的研究，主要表现为以下三个方面：一是地方政府的土地财政因素。王岳龙等[1]和周彬等[2]认为，随着地方政府越来越依靠“土地财政”，房价的逐渐攀升也引起地价的上升，地价的上升又会引起房价的进一步上涨。虽然中央政府力图通过扩大住房供给与抑制住房投资性需求两方面来抑制住房价格的急速攀升，然而依靠土地财政的地方政府，即使增加住房供给也有可能导致公众支付意愿的下降。张涛等[3]认为随着政府增加土地供给以及公共设施供给，以财政收入最大化为目标的地方政府能够利用购房者关于公共设施价值判断的差异，最终使得房产价格超过其内在价值。二是与地方基本经济社会因素的变化有关。比如说，有些研究从人口结构变化探讨房价上升背后的深层次的、基本的人口和经济因素。政府管制政策力图在短期内抑制房价的快速上升，然而，中国人口结构中少年人口抚养比例的提高则会从整体上提升住房需求进而推动房价的上涨[4]。陈斌开等[5]认为人口结构变化会导致住房需求结构的转变，并会在长时期引起住房供给以及住房需求的显著变化，这些引发住房供需结构的深层次因素将宏观房价调整政策短期的无效性。随着诸如人均收入以及家庭可支配收入等的增长，居民对于住房的需求将出现上升，来自地区性房地产市场的证据支持这一观点[6]。此外，从整体上来看，随着城镇化的推进以及农民工进城等，人们对于商业住宅的需求也将不断攀升。诸如人口结构、家庭可支配收入、城镇化以及农民工进城等经济基本面因素及其变化等会引发住房需求的上升趋势[7-9]，房价调控政策一旦很难减弱这些趋势性力量对于住房价格上涨的影响，就很难取得预期的效果。三是住房的投资性或是投机性需求。住房作为一项资产，对住房的需求与利率和信贷之间密切相关。理论上而言，住房作为一项资产，利率的上升有助于抑制房价。此外，房地产银行信贷扩张会刺激对住房的消费需求和投机需求，从而推升房价。然而，有关实证研究发现，提升利率的宏观调控政策并没有起到有效抑制房价急速上升的效果[10-12]。研究认为，因为我国的利率市场化进程较为缓慢，利率作为资产价格在配置资源上的功效还有待强化，结果是通过利率手段对房地产市场进行调整的效果并不显著。

综合上述，尽管诸多研究从理论与实证、微观机制与宏观视角分析了导致房价上涨的相关因素，然而，现有关于住房价格的经验研究，都只是在某种程度上揭示出房屋价格与上涨相关因素的相关关系。然而，实际过程中既可以是地方政府土地财政激励推动了住房价格的上涨，也可能土地价格的上涨实际上是由住房价格的不断上涨推动的。究其原因，主要是因为住房既可以是人们消费的对象又可以是人们投资的对象，那些影响人们消费选择以及投资选择的诸多因素进而可以对住房价格产生影响。本文的研究则试图通过一项具体的外生政策冲击以检验和识别其中的因果关系。

二、数据来源和变量设计

本文实证过程中采用的数据绝大部分来自《中国房地产统计年鉴》(2003-2013)以及《中国城市统计年鉴》(2003-2013)。本文选取《中国房地产统计年鉴》中35个大中城市2002-2012年的对数化住房平均销售价格作为被解释变量，并且选取《中国城市统计年鉴》(2003-2013)中相关的衡量35个大中城市经济和社会发展水平的数据作为对数化房价水平的解释变量。在关于35个大中城市住房价格面板数据固定效应回归模型中，本文将人均财政收入(该城市的地方财政预算内收入与年末总人口之比，单位：千元)、全市人均GDP(千元)、市辖区人均GDP(千元)、全市职工年平均工资水平(千元)、市辖区职工平均工资水平(千元)、人均储蓄(千元)、人均储蓄的增长率(%)、商品房空置率(空置住宅与新开工住宅之比)(%)、城市绿化状况(%)、房企资产负债率(%)、城市建设用地占市辖区面积之比(%)、地方财政收入在国内生产总值中的占比(%)、房地产开发投资占全市固定资产投资之比(%)以及城镇居民失业率(%)等引入固定效应回归方程。

此外，本文将“国八条”的颁布作为一个政策冲击的哑变量，策略是将“国八条”颁布之前的年份定义为0，将2005年及之后的年份定义为1③。在之前诸多关于房价影响因素的跨地区面板回归的实证研究中，商品房空置率要么被研究者们忽略，要么缺乏对其进行深入的解释。在房地产市场，商品房空置率的上升或是下降具有两个相反的含义[13]。一方面，商品房空置率的上升可能意味着经济不景气以及资产失业；另一方面，商品房空置率的上升也可能意味着经济前景太好，因为开发商预期住房需求会增长，所以未雨绸缪多盖新楼盘，结果导致商品房空置率上升。本文在解释变量中引入商品房空置率，目的是分析住房供给方的预期是否影响住房价格的上涨及其背后的传导机制。

在面板回归中，常用的方法是固定效应以及随机效应模型。固定效应模型一般假设这些观察不到的地区个体特征与所含的变量相关。就本文的实证研究而言，利用固定效应进行回归可以较为有效地处理遗漏变量问题。在本文的固定效应模型回归中，城市所在地理位置、政治文化地位以及经济地位等与包含的解释变量相关，并且在本文考察的时期内，这些城市的地理位置、年均温度湿度以及政治经济地位等并未发生明显的变化。而在随机效应回归中，一般假设观察不到的个体效应与模型已经包含的解释变量无关。

三、基本回归分析

本文的基本回归方程如下：

(1)

其中i是城市，t是年份，logYit是各城市在t年的住房年均销售价格的对数。Xit是回归方程中的控制变量，包括各城市的人口增长率、失业率、人均国内生产总值、人均国内生产总值的增长率、城市建设用地占市辖区面积的比率、城市绿化水平、职工平均工资、人均财政收入、地方财政收入占GDP比重、商品房空置率水平、住房投资占全部固定投资比例以及人均储蓄的增长率等，βt是相关协变量的估计系数。为了避免显而易见的共线性问题，在本文中，人均储蓄增长率与人均储蓄作为解释变量是单独引入回归方程的，人均财政收入(地方政府预算内财政收入/年末总人口之比)与财政收入占GDP的比重也是分别引入的。αi是横截面上每个城市的个体特征，σt是时间效应。Dt是房价调控政策冲击的哑变量，当t<2005时，也即是观察的年份在2005年之前时，Dt=0，其他情形则为1。本文最为感兴趣的回归系数即γ，2005年之前，γDt=0；2005年之后，γDt=γ。

表1　固定效应回归的基本结果

注：括号内为对应系数估计值的稳健标准误差，***，**，*分别代表1%、5%和10%的显著性水平。在模型(3)，本文还加入全市职工平均工资水平以及人均储蓄，系数估计值分别为0.00002(0.000002)和0.0030(0.0024)，括号内为标准差，下同。在模型(4)，本文还加入市辖区平均工资水平，系数估计值为0.00003(0.000001)。在模型(5)中，本文还加入市辖区人均GDP作为解释变量，系数估计值为0.0073(0.0024)，在1%的显著性水平上。在模型(6)中，本文还加入地方财政收入占GDP的比重作为解释变量，系数估计值为0.0365(0.0115)，在1%的显著性水平上，为了制表的考虑，本文并没有在表格中报告结果。

从回归结果中我们可以发现，在各列回归之中“国八条”政策哑变量的估计系数均在1%的水平上显著为正，说明中央政府的宏观调控政策不仅没有抑制房价的上升趋势，甚至还推动了房价的上涨。对于其他控制变量而言，无论是全市的人均GDP还是市辖区人均GDP，对于住房价格都具有显著的正向影响。此外，地方财政收入占GDP的比重每增加一个单位，可以使得住房价格提高3.65%。在包含人均财政收入的所有固定效应回归模型，估计系数有时为正有时为负，这可能跟模型(1)、(2)和(3)中解释变量过少有关。当增加更多可能影响住房价格的因素之后，不管是人均财政收入(模型(5))还是地方财政收入占GDP的比重(模型(6))，这两个解释变量与住房价格呈现出显著的正相关，并且都在1%的水平上显著。失业率与人均储蓄的增长率与住房价格负相关，不过统计上并不显著。从人均储蓄增长率来看，房价上升很可能引发居民对住房资产的投资需求，从而在一定程度上对储蓄产生抑制作用。商品房空置率系数显著为负，这意味着商品房供给的增加在一定程度上可以抑制房价的快速上涨。不过，从其估计系数来看，这一抑制作用可能很难抵消其他因素对房价的推动作用。

综合以上对于回归结果的分析，我们认为，中央房价调控政策无效的原因主要表现为三个主要方面：第一个方面是财政分权视角下地方政府的土地财政激励，即使中央政府通过相关措施增加住房供给以及抑制住房的投资性需求，地方政府仍然存在很强烈的卖地激励，在控制土地供给增量的前提下，与“国八条”颁布之前相比，有限的土地供给将推动土地价格的上升，这进而又会推动房价上涨。第二个方面则是人口结构变动将在较长的时期内在地引发住房需求的上升，结果是，房价调控政策很难改变房价上涨的趋势性变化。此外，随着家庭可支配收入的增长，对于住房的消费需求和投资需求也会上升。诸如人口结构以及家庭收入等是推动房价变动的深层次力量，很有可能将导致房价调控政策达不到预期的效果。第三个方面则是关于利率和信贷可得性与住房价格之间的联系。住房本身是一项资产，利率与信贷可得性与这一资产的价格之间的关系十分复杂。理论上而言，资产投资不仅取决于其实际的回报率(真实利率)而且取决于预期的投资回报率(利率预期)，提升利率以及约束商业银行房地产信贷在改变实际回报率的同时也影响到了投资者预期，如果房价调控政策对住房消费者以及投资者的预期不能产生实际影响，同样会导致政策本身的无效性。针对这些问题，本文将在稳健性检验部分作进一步的分析和验证。

四、稳健性检验

关于面板数据固定效应的检验首先是豪斯曼检验，本文豪斯曼检验的结果认为，可以拒绝“随机效应”的原假设，采取固定效应模型具有一定的合理性。对于时间效应而言，因为固定效应估计量相当于每一个截面的组内估计量，所以，时间效应是平均意义上的结果，对于固定效应模型本身不会产生太大的影响。不过，即使固定效应的模型设定不存在问题，仍然不能说回归本身是具有充分说服力的。在诸多涉及到哑变量的回归方程中(无论是在多元回归、面板数据还是在受限因变量回归模型中)，一个常用的办法是引入哑变量与数值变量以及哑变量与解释变量的交互项针对原模型进行更为细致的检验。

因此，本文在稳健性检验中把“国八条”已经颁布的年数引入回归方程。“国八条”这一房地产市场调控新政是在2005年1月份颁布，那么就2006年而言，这一变量的值就为2，相应地，对于2007而言，这一数值就为3。对于2005年之前而言，这一值就为0。引入这一数值变量的目的是把它作为衡量政策冲击对住房价格的持续影响。此外，为了控制其他政策的影响，本文分别将“国六条”(2006年房地产行业新政)和2009年颁布的“国四条”作为政策哑变量引入了回归方程。

五是加强新技术推广力度。发挥农业技术在中药材生产中的作用，推广中药材规范化种植技术的。重点推广黄芪、甘草等用工量大，投入高的中药材机播、机收技术，降低生产成本，提高经济效益。通过科学实验，掌握甘草、黄芪、板蓝根等大面积种植的中药材作物生长习性，对当地土地、气候等环境的适应性，不断改进栽培方法、措施，提高中药材的产量和质量，促进了中药材生产向规范化方向发展。

(2)

引入这一计量方程的目的是想探讨，随着时间推移，来自房地产市场新政是否会能有效抑制住房价格的快速上升？这就取决于γ的正负及其统计上的显著性了。对于一般的政策哑变量0、1这两数值的设定而言，其忽略了政策冲击本身的持续性。理论上来说，真正起作用的宏观调控政策不仅应该能直接影响名义变量，而且应该影响到公众关于相关名义变量的预期。从这一意义上来说，仅仅从0、1哑变量的设定来分析“国八条”政策是否有效地抑制了房价的快速上升是不够的。此外，本文还将引入哑变量与人均财政收入或地方政府财政收入占GDP比重、商品房空置率等交叉项，进一步检验政策冲击对房价的影响。在基本回归模型中，引入单独的哑变量仅仅改变回归结果的截距项，而引入解释变量与哑变量的交互项后，可以分析“国八条”政策颁布前后，控制变量与被解释变量之间的相关性是否会出现显著的改变以及住房价格的变动在多大程度上与哑变量的变动有关。

(3)

其中，pcgdp是人均GDP，在基本回归方程中，人均GDP实际上包含在协变量中。比如基本回归方程(1)即描述了人均GDP与住房价格之间的关系，固定效应回归结果表明，人均GDP与住房价格存在显著的正相关。不过，在基本回归方程(1)中，并不能确定房价调控政策颁布前后，人均GDP与被解释变量之间的关系是否会出现根本的改变。在引入交叉项后(在2005年及2005年后，Dt=1，在2005年前，Dt=0)，则可以发现人均GDP与住房价格在“国八条”政策颁布前后截面上的斜率是否出现明显变化。

稳健性检验表明，不管是衡量房价调控政策的哑变量，还是地方财政收入占GDP的比重或者人均GDP，与房价还是呈现出显著的正相关，这些结果与基本回归方程的结论是一致的。商品房空置率与房价之间存在负相关，与基本回归方程的结果较为类似，“国八条”政策的哑变量与“国八条”政策之后的年份交互项的估计系数显著为正，这表明即使在考虑到政策的作用时间的情况下，调控政策也很难取得预期的效果。在引入“国八条”政策哑变量与人均GDP的交互项这一检验模型中，尽管哑变量与解释变量交互项的估计系数为负，不过，其绝对值远远小于人均GDP的估计系数，而且其在统计上也并不显著。财政收入占GDP比重的变化与住房价格的正相关关系，在一定程度上刻画了地方政府财政激励与商业住房价格上涨存在的关系。除此之外，稳健性检验表明，人口增长率、人均储蓄增长率以及失业率与住房价格之间的统计关系与基本回归方程所刻画的相一致。

表2　35个大中城市住房平均价格固定效应回归模型的稳健性检验

注：(1)括号内为对应系数估计值的稳健标准误差，***，**，*分别代表1%、5%和10%的显著性水平；(2)政策哑变量与人均GDP交互项以及政策哑变量与地方财政收入占GDP之比交互项中的政策是指“国八条”房价调控政策，财政收入占比是指地方政府财政收入与GDP的比重；(3)在模型(2)中，“国六条”政策哑变量的回归系数为0.2334(0.0248)，在1%的显著性水平上，括号内为标准差，下同。在模型(3)中，加入“国四条”政策哑变量后，其系数估计值为0.2148(0.0356)，在1%的显著性水平上。在模型(4)中，“国八条”政策哑变量与人均GDP交互项的系数估计值为-0.0018(0.0013)，在模型(5)中，“国八条”政策哑变量与地方财政收入占GDP比重的交互项系数估计值为0.0095(0.0087)。为了制表的考虑，表格中并未报告其结果。

在我国诸多政策的颁布及执行方面，一个常见的现象是“上有政策、下有对策”。中央政府更多是从战略角度出发来制定房价调控政策，而地方政府在调控当地房价过程中将遭遇更为现实的财政收入减少的问题。考虑到地方财政激励背后存在较为复杂的动因以及人均财政收入、地方财政收入占GDP比重与人均GDP、失业率等之间可能存在的相关性问题，本文进一步引入衡量地方财政激励的工具变量。无论是人均财政收入还是地方政府预算内收入占GDP的比重，都与地方政府扩大财政收入来源这一激励密切相关。本文引入2002-2012年全国35个大中城市当年该市长已经履职的年数这一新的数据，并且把它作为衡量地方政府财政激励的代理变量。本文此处关注的是，相比“国八条”房价调控政策之前，地方政策土地财政激励是否可能在“国八条”政策颁布之后出现明显的转变？当前，很多地方政府又十分依赖土地财政。房价的攀升既有利于相关产业的发展，又有利于地方财政的增收。市长作为当地政府的一把手，对当地的经济建设和社会发展发挥着较为重要的作用。假设地方政府土地财政激励确实是导致住房价格上涨的一个重要因素，如果经济增长是当地市长政绩考核指标的话，这将意味着市长在履新之后将会很快启动通过土地为地方财政创收这一模式，而土地财政将推动房价的快速上涨。与此一样，随着任职年份的增加，市长履职的年数将与土地价格呈现出正相关④。不过，需要警惕的是，市长任期与地方政府财政激励也可能呈现出反向的关系。对于那些任期较短的市长来说，其履职的年份较短是因为很快就转入更高的领导岗位，比如说由市长转为市委书记(对于样本中的35个大中城市而言，这些市委书记要么是中央政治局委员，要么是省委常委)，经济增长并不能作为政绩考核指标，其对于地方政府土地财政激励并不会表现出强烈的偏好。相反，这些具有远大政治前途的市长们主导的政策安排将更有可能与国家抑制房价快速上涨的政策保持高度一致。

为了考察市长履职的年数与政策哑变量交互项对住房价格的交互影响，本文引入以下计量模型对土地财政激励导致住房价格快速上涨这一问题进行更为深入的检验：

(4)

其中，T为市长履职的年数。本文的计算方法是，对于那些从2002年开始上任的市长，其在2002对应的履职年数为1年，对于那些在2002年之前开始的市长(比如说2001年，其在2002年履职的年数为2年)。对于代理市长，计算方法是，其刚开始履职代理的年数同样记为1年。比如说某市长在2001年开始代理市长，在2002年的人代会上正式当选，则其在2002年的履职年数为2年，以此类推。如此计算在实际中也许会导致出现一系列问题。比如说有的市长从2001年12月份开始代理市长，到次年3月份人代会召开时，他实际上履职的时间半年就不到。不过，本文实证重点是分析房价调控政策的有效性问题。即使市长履职的年数与住房价格之间的统计关系(即θ)不明确，仍然可以分析履职年数与国八条政策哑变量的交互项对住房价格的影响(γ1)。利用上述模型，固定效应模型中允许出现不同的截距及斜率，进而可以检验模型本身的稳健性。

表3　市长履职年数与“国八条”政策哑变量的交互项

注：(1)括号内为对应系数估计值的稳健标准误差，***，**，*分别代表1%、5%和10%的显著性水平；(2)在模型(4)本文还加入房地产投资占全市固定投资比重作为解释变量，系数估计值为0.0099(0.0077)，在统计上不显著。为了制表的考虑，表格中并未报告这一结果。

哑变量的估计系数(γ0)与基本固定效应回归模型的结果一致，引入“国八条”房价调控政策哑变量与市长履职年数交互项的稳健性检验结果表明，市长履职的年数与房价之间正相关。对于θ的估计结果表明，市长履职的年数越长，房价上涨的幅度越大。不过，在考虑市长履职年数与“国八条”政策哑变量的交互项后，这一系数显著为负。在2005年之前，Dt=0，可以不考虑房价调控政策冲击对房地产市场的影响，此时市长履职年数与房价之间的协相关系数为θ。在2005年及2005年之后，Dt=1，(θ+γ1)则是市长履职年数与房价之间的协相关系数，对于表3中的模型(1)、(2)、(3)和(4)而言，这一系数小于零，分别为-0.0022、-0.0020、-0.0100以及-0.0139，其绝对值无一例外地小于地方财政收入占GDP比重与房价之间的协相关系数(参见表2)。从这一角度来看，在房价调控政策颁布之后，即使地方政府能够抑制土地财政激励，对于房价的上涨也只能产生轻微的影响，并不会从根本上抑制房价上涨的趋势。

五、结　语

为了检验政府房价调控政策的有效性问题，本文以一次具体的房地产调控政策——2005年出台的“国八条”作为分析对象，基于2002-2012年全国35个大中城市住房价格的面板数据，实证检验了这次政府房地产价格调控的政策效果问题。研究结果表明，“国八条”房价调控政策并没有显著地抑制中国房价的上涨趋势。其原因在于，来自于住房的需求层面以及供给层面的诸多因素对房价都有显著的影响，同时由于政府政策还会影响消费者的预期，而对于住房价格的预期也会影响房价的上涨或下跌。这一切都使得诸如“国八条”这样的房价调控政策很难改变住房价格的微观决定机制以及住房购买者和投资者的预期等，从而导致房价调控政策很难取得实际的效果，房价快速上涨趋势并没有出现根本的逆转。同时，地方政府由于土地财政原因而在房价调控政策中采取的策略性行为，也会显著地影响房价调控的政策效果。为了进一步完善我国房地产市场的价格调控机制，抑制房价的过快上涨，我们可以从三个方面入手：第一，规范地方政府土地出让收入的使用方式，改革城市建设资金融资方式，从根本上减少地方政府对土地财政的依赖程度。第二，政府应该协调中国大中小各类规模城市的共同发展，形成人口在大中小城市的科学布局，避免使人口过度集中于中国的一、二线城市，以致给当地带来过大的购房负担。第三，适当增加居民住房的土地供给，特别是进一步发展城市保障性住房和廉租房项目，以缓解人民群众关于生活性住房的刚性需求。

注释：

①从2002年至2012年，国务院及相关部委先后通过土地政策(2002年)、“国八条”(2005年)、“国六条”(2006年)、“国四条”(2009年)、“新国十条”(2010年)以及“新国八条”(2011)为代表的房地产市场调控政策，政策的初衷乃是希望通过调整土地供应、货币政策、保障房和廉租房建设、信贷政策以及税收等抑制房价的快速上升，促进房地产市场本身的稳定和有序。

②按照《中国房地产统计年鉴》(2013)公布的数据，从全国35个大中城市2002年至2012年房屋的年均销售价格来看，一直到2012年，部分城市的房屋销售价格才开始出现下降。

③相比2002年的通过“土地政策”调控房价的措施，“国八条”涉及的范围更为广泛。就房价调控政策措施的冲击而言，将2005年之前的年份定义为0，将2005年及之后的年份定义为1，可以在实证上分析来自金融政策、财税政策以及土地政策等方面的调控政策对35个大中城市房价产生的实际影响。

④假设地方政府非常依赖土地财政，当地市长作为政府的一把手，其任期越长，我们就应该能观察到在该市长的任期内，地方政府依赖土地财政的程度将不断增强。当然，市长履职的年数并不一定是一个合适的关于地方政府土地财政激励的代理变量。其中一个关键原因可能在于：本文考察的35个大中城市包括4个直辖市、26个省会城市以及5个计划单列市，这些城市的市长要么任期很短，要么任期较长，本文收集的数据表明，35个大中城市在2002年至2012年间平均任期为3年，最长的任期为10年，最短的任期为1年，相比那些任期较长的市长而言，那些任期较短的市长职别提升得更快，一般具有更好的政治前途。这就会带来一个问题，任期较短的市长会从个人政治前途出发，在实际工作中具有更大的激励去响应国务院颁布的房价调控措施，以致这一内生性问题很难克服。

[1]王岳龙，武鹏.房价与地价关系的再检验：来自中国28个省的面板数据[J].南开经济研究，2009(4)：132-43.

[2]周彬，杜两省.“土地财政”与房地产价格上涨：理论分析和实证研究[J].财贸经济，2010(8)：109-16.

[3]张涛，王学斌，陈磊.公共设施评价中的异质性信念与房产价格：中国房产泡沫生成的可能解释[J].经济学(季刊)，2007，7(1)：111-24.

[4]徐建炜，徐奇渊，何帆.房价上涨背后的人口结构因素：国际经验与中国证据[J].世界经济，2012(1)：24-42.

[5]陈斌开，徐帆，谭力.人口结构转变与中国住房需求：1995-2025：基于人口普查数据的微观实证研究[J].金融研究，2012(1)：129-140.

[6]屠佳华，张洁.什么推动了房价的上涨：来自上海房地产市场的证据[J].世界经济，2005(5)：28-37.

[7]任木荣，刘波.房价与城市化的关系：基于省级面板数据的实证分析[J].南方经济，2009(2)：41-49.

[8]骆永民.城市化对房价的影响：线性还是非线性？—基于四种面板数据回归模型的实证分析[J].财经研究，2011，37(4)：135-44.

[9]陈晨，傅勇.中国高房价的决定：基本面与泡沫分解[J].世界经济文汇，2013(2)：50-66.

[10]况伟大.利率对房价的影响[J].世界经济，2010(4)：134-145.

[11]蔡真，汪利娜.房价与信贷关系研究：兼论当前房价调控政策的有效性[J].金融评论，2011(1)：75-93.

[12]李善燊，沈悦.中国“房价之谜”的检验与原因分析[J].上海经济研究，2012(8)：42-51.

[13]张五常.经济解释卷四：制度的选择(神州增订版)[M].北京：中信出版社，2014.

(责任编辑王婷婷)

2016-02-10

蔡正喆(1987-)，男，湖北省武汉市人，中国人民大学经济学院博士生，主要从事组织经济学、新政治经济学研究。

F293.35

A

10.3963/j.issn.1671-6477.2016.03.0009