中国地价、房价和物价的互动关系

冉珍梅 钟坚

摘  要：利用中国35个大中城市2002—2016年地价、房价和物价等指标的统计数据，在分析地价、房价和物价的敛散性特征的基础上，构建面板数据联立方程模型，考察地价、房价和物价三者之间的互动关系。实证结果表明：（1）我国地价和房价之间存在双向因果关系，且房价对地价的影响程度要高于地价对房价的影响。（2）地价和房价的相互作用程度和方向存在显著的区域差异和时序差异。譬如，中低房价区域地价和房价同涨同跌，而高房价区域地价和房价此涨彼跌，且房价越高的地区，地价与房价之间的相互作用程度会越小越不显著。（3）房价变动对物价具有正向作用，地价能通过房价的传导机制影响物价。

关键词：地价;房价;物价;面板数据联立方程模型

作者简介：冉珍梅，深圳大学经济学院博士研究生，主要研究方向：区域经济学、宏观经济理论和家庭金融（E-mail： ranmei276@qq.com）。钟坚，深圳大学经济学院教授、博士生导师、经济学博士，主要研究方向：港澳台经济、中文经济特区和宏观经济理论（广东 深圳 518061）。

基金项目：深圳大学研究生创新发展基金“全球视角下中国绿色全要素生产率的跨国溢出效应研究”（PIDFP-RW2018010）。

中图分类号：F293    文献标识码： A    文章编号：1006-1398（2018）-06

一 引  言

改革开放以来，中国房地产业得到迅速发展，房地产业也成为中国经济的重要推动力。截至2016年底，中国全社会房地产业增加值约为48368亿元，占GDP比重达6.5%。与此同时，中国房地产价格持续上涨，房价的疯狂涨势远超一般人所能承受的经济能力，将近85%的家庭无法承受目前的高房价。巨大的生活负担无疑会带来严重的社会经济问题，为应对这些状况，政府及相关部门采取了一系列房价调控政策，但也并未达到明显抑制房价上涨的效果。2016年中国住宅商品房平均销售价格为7203元/平方米，相比上一年增加730元/平方米，增幅达11.3%。房价的不断上涨引起了政策界和学术界的广泛关注，尤其是房价持续上涨的原因以及高房价的外部效应问题已成为学者们讨论的热点话题。

高房价的发生是一系列复杂因素共同作用的结果，包括收入水平、利率制度、人口统计特征、购房者信心和炒楼投机行为等。Ooi和Lee基于享乐评价法考察新加坡地价和房价的关系，研究发现地价与住宅价格在长期内存在正相关关系，地价的上涨往往能驱动房价的上升。就中国而言，中国高房价的始作俑者是否也是高地价？学者们对此进行了大量探讨，但其研究结论不尽相同。宋勃和刘建江研究发现地价的大幅上涨必然会引起房价的大幅度提高。而与此相悖的是，张同龙基于1998-2009年中国房地产市场数据的实证研究，否定了“地价推涨房价”的观点。同样值得关注的是，房价快速上涨受外部因素作用的同时，又势必会对外部经济造成难以估量的影响。尹中立指出房价是物价的重要推手，房价的大幅度飙升是物价上涨的关键因素之一。房价与生活、生产成本均有密切内在联系，能够对一般物价水平产生重要影响。现如今，中国地价和房价居高不下，物价亦呈现暴涨态势，2016年CPI同比增长2.0%，其中农产品价格上涨3.4%，可见对中国地价、房价和物价的研究已迫在眉睫。那么，中国地价、房价和物价三者之间是否存在关联，它们之间的关联程度又有多大？这是本文待解決的关键问题。

通过对现有研究文献的梳理我们发现，目前国内外学者对于地价、房价和物价之间关系的研究绝大多数是以其中两个对象进行探讨，极少有学者将地价、房价和物价结合在一起来探讨三者之间的互动关系。房地产市场调控的三大目标“稳地价、稳房价和稳预期”，最终的落脚点就是确保市场价格的稳定，维护市场秩序。本文将三者结合在一起进行研究，更能全面地考察土地交易市场、房地产市场乃至整个商品市场之间的价格传导过程。单一市场的价格调控政策的实施不仅能影响本市场，在很大程度上也能影响其他市场。同时考察地价、房价和物价三者之间的互动关系，能为不同市场之间调控政策的联动配合，协调解决土地交易市场高地价，房地产市场高房价的调控问题，从而保持价格总水平基本稳定，提供实证支撑。此外，考虑到地价、房价和物质三者之间内在的反馈机制，本文利用中国35个大中城市2002-2016年的面板数据，构建包含地价、房价和物价方程在内的方程组，运用面板数据联立方程估计方法，探讨地价、房价和物价之间的互动关系，回归结果更具稳健性。本文余下内容结构为：第二部分是中国35个大中城市的地价、房价和物价的收敛性分析;第三部分是变量选取、数据来源与模型设定;第四部分是实证结果与分析;第五部分是结论与政策建议。

二 中国35个大中城市的地价、房价和物价的收敛性分析

本文选取中国35个大中城市为研究样本，由于这35个城市的地价、房价和物价存在显著的区域差异性，为了判别中国城市区域市场的地价、房价和物价是否具有收敛性，且不同城市之间是否存在地价、房价和物价收敛俱乐部，从而揭示地价、房价和物价三者之间的变动趋势，本文基于σ收敛、β收敛和俱乐部收敛的模型，考察中国35个大中城市地价、房价和物价的敛散性特征，进而分析我国35个大中城市的地价、房价和物价是否会趋于一致的稳态值，以期为我国区域房地产市场以及土地交易市场的合理规划提供理论依据。

（一）σ收敛

σ收敛是指不同经济体间某一变量值的标准差随时间的推移而逐渐下降，用来反映该变量值的平均离散程度。本文基于标准差的估计方程理论，构建地价、房价和物价的σ收敛模型，分析35个大中城市的地价、房价和物价的静态差距。σ收敛检验方程为：

根据图1中地价、房价和物价σ值的变动趋势可知，随着时间的推移，房价的σ值具有较为明显的下降趋势;物价σ值的变动幅度不是特别明显;地价的σ值在2002—2010年期间有一定的上升趋势，在2010—2016年才开始急剧下降。这意味着中国35个大中城市的房价在2002—2016年期间存在σ收敛，房价的离散程度正逐渐缩小，最终会达到一种稳态水平。究其原因，我们认为受外来冲击的影响，某个区域房价会率先产生波动并随时间的推移传导至其它相邻区域，最终形成区域房价的长期均衡。区域内城市之间的传染效应和迁移效应，会促使各城市的房价最终达到长期均衡状态，即稳态。Brandy认为美国各州的房价存在显著的空间扩散效应，并且持续期非常长。我国学者张凌和田传浩研究发现中国各地区之间存在弱的房价连锁反应现象，除华东以外各地区房价相对全国平均房价的偏离在长期存在稳定的均衡关系。35个大中城市的物价在2002—2016年期间不存在明显的σ收敛，物价至少在短时间内达不到稳态水平;35个大中城市的地价在2002—2010年期间呈现σ发散现象，各城市之间的地价差异极为显著，但在2010年之后，各城市之间的地价差距在不断缩小，最终有可能趋于一致的稳态值。其原因可能在于，地区之间固有的绝对优势和比较优势的差异，导致各地区的商品价格和土地价格的离散程度难以缩小。例如，一个工业城市和一个农业城市主要的供应品和主要的消费品是明显不同的，其供求关系决定的物价也势必会有所不同，且这种差异短时间难以缩小。

（二）β收敛

β收敛是指不同经济体间某一变量值的年均增长率与初始值之间存在负相关关系，即初始值较高的经济体该变量的增长速度要低于初始值较低的经济体。就本文而言，若35个大中城市的地价、房价和物价的年均增长率与初始值之间存在负相关关系，则表明地价、房价和物价增长存在β收敛，反之存在β发散。β收敛检验模型为：

由表1可知，回归参数β_地价和β_物价在1%的显著性水平下显著为负，β_房价在10%的显著性水平下显著为负，这说明中国35个大中城市的地价、房价和物价均在一定的显著性水平下存在β收敛。换言之，中国35个大中城市中地价、房价和物价水平较低的城市，其地价、房价和物价的上涨幅度要比那些地价、房价和物价水平较高的城市大得多，地价、房价和物价最终会趋于一种稳态水平。当房价、地价和物价达到一定水平以后，其可增长的空间会越来越窄，这也就是为什么房地产厂商们愿意到二三线城市进行地产投资，而不选择一线城市的原因。一方面是一线城市的竞争更大，但更多的是一线城市市场趋于饱和，其可挖掘的潜在市场以及可利用的资源（如土地）要比二三线城市要少。正因如此，地价、房价和物价水平较低的城市，其地价、房价和物价的增长要比那些地价、房价和物价水平较高的城市快得多。

（三）俱乐部收敛

Galor认为俱乐部收敛是指在初期经济发展水平接近的经济集团，其各自内部的经济系统之间，在结构特征相近的前提下趋于收敛。为考察地价、房价和物价的俱乐部收敛情况，我们在模型（2）的基础上，引入虚拟变量的概念，将35个大中城市按2002—2016年的住宅商品房平均销售价格的平均值的高低划分为低房价区域（Ⅰ区）、中等房价区域（Ⅱ区）和高房价区域（Ⅲ区）三个区域集团，探讨这三个区域集团各自内部的城市之间地价、房价和物价收敛情况。俱乐部收敛检验模型为：

由表2可知，在地價增长的俱乐部收敛性检验中，地价的回归参数β值在1%的显著性水平下为负，但λ₁和λ₂的回归系数并不显著。这表明中国35个大中城市的地价增长不存在俱乐部收敛，低房价区域、中等房价区域和高房价区域各自内部的地价呈现一定的发散现象，并且区域之间地价的差距也比较大。在房价增长的俱乐部收敛性检验中，房价的回归参数β值在1%的显著性水平下为负，且相应虚拟变量的回归参数λ₁和λ₂的也在1%的显著性水平下显著不为零。这表明中国35个大中城市的房价增长存在俱乐部收敛，低房价区域、中等房价区域和高房价区域各自内部的房价增长呈现明显的收敛现象。在物价增长的俱乐部收敛性检验中，物价的回归参数β值以及λ₁的回归系数在1%的显著性水平下为负，但λ₂的回归系数并不显著。这意味着中国35个大中城市的物价增长整体上不存在俱乐部收敛，但相比于高房价区域而言，中低房价区域内部的物价增长具有一定的收敛现象。

以上收敛性检验结果表明：中国35个大中城市的房价存在σ收敛、β收敛和俱乐部收敛，即无论从哪方面看，各城市市场的房价最终都会达到一种稳态水平。中国35个大中城市的地价和物价整体上只存在明显的β收敛，即高地价和物价区域的地价和物价的增长速度要小于低地价和物价区域，从而使得中国35个大中城市的地价和物价趋于一致，最终达到稳态值。但是，中国35个大中城市的地价和物价的σ收敛和俱乐部收敛的特征在不同的时间段和不同区域内部存在明显的差异，比如说，在2002—2010年期间，各城市的地价属于σ发散，而在2010—2016年期间，各城市的地价属于σ收敛。因此，本文利用中国35个大中城市2002—2016年的相关统计数据，实证分析地价、房价和物价的互动关系时，须针对不同区域（低房价区域、中等房价区域和高房价区域）样本数据以及不同时段（2002—2010年和2010—2016年）样本数据分别进行面板数据的联立方程模型估计，全面考察中国地价、房价和物价三者之间的互动关系。

三 变量选取、数据来源与模型设定

（一）变量选取与数据来源

考虑到数据的可获取性和有效性，以及中国房价问题主要出现在城市，本文选取中国35个大中城市2002—2016年的时间跨度数据进行研究。选择35个大中城市也是许多文献常选的样本，样本选择的一致性也便于实证发现的横向比较。选取的变量及其数据来源情况见表3。

1.内生变量

设定三个内生变量：（1）地价（Land Prices，简写为LP）。地价是指土地买卖双方的交易价格。目前，由于我国土地不得直接买卖，因此所谓的地价仅仅是出让或转让土地使用权的价格，而非直接买卖土地所有权的价格。本文在此以土地交易价格指数（上年价格=100）来反映城市的地价水平。（2）房价（House Prices，简写为HP）。本文选取新建住宅销售价格指数（上年价格=100）作为房价的衡量指标。住宅销售价格指数是一定时期住宅销售价格变动程度和趋势的相对数，该指标排除了房屋质量、地理位置等因素的干扰，反映的是由住宅供求关系和成本波动等因素带来的房价变动。（3）物价（Commodity Prices，简写为CP）。居民消费价格指数是反映居民购买消费商品和服务的价格水平变动的重要指标。因此，本文在此以居民消费价格指数（上年价格=100）来反映城市的物价水平。

2.外生变量

鉴于实证模型设定的需要，本文设定以下外生变量：（1）财政收入（Fiscal Revenue，简写为FR）。地方政府财政收入与土地招拍挂密切相关，土地出让是缓解地方政府财政缺口的重要手段。Deng等人研究发现，地方政府财政缺口压力越大，土地出让价格会越高。换言之，当地方政府财政收入下降时，为了缓解财政压力，地方政府出让的土地价格会有所上涨。因此，本文将财政收入作为影响地价的因素纳入到地价的方程之中。（2）工资收入（Wage Income，简写为WI）。工资收入水平反映的是某一区域在一定时间内劳动者平均收入的高低程度。工资上涨是成本推动型通货膨胀的重要影响因素，王建华和李红涛利用1999—2010年间中国省级面板数据研究发现，工资上涨确实会在一定程度上推高物价水平。因此，本文将工资收入作为影响物价的因素纳入到物价的方程之中，其中各城市的工资收入水平是以在岗职工平均工资来衡量的。（3）房地产住宅投资（Real Estate House Investment，简写为RI）。理论上而言，房地产住宅投资规模增加，房地产市场的住宅供给量便会随之增加，从而导致住宅价格下跌。因此，本文将房地产住宅投资作为影响房价的供给因素纳入到房价方程之中。（4）人口规模（Population Scale，简写为PS）。房价的影响因素除供给面的因素外，还包括需求面的影响因素。一般而言，城市人口规模扩大，房地产市场的房屋需求量便会随之增加，进而导致房屋价格上涨。因此，本文将人口规模作为影响房价的需求因素纳入到房价方程之中。

3.数据来源

三个内生变量的数据来源为：房价（HP）和物价（CP）的直接指标或替代指标的数据均来自于国研网统计数据库（2002—2016）;地价（LP）2002—2010年的数据来自于国研网统计数据库，2011—2016年的数据来自于中指数据库和中经网统计数据库。四个外生变量的数据来源为：财政收入（FR）、工资收入（WI）、房地产住宅投资（RI）和人口规模（PS）的直接指标或替代指标的数据均来源于中华人民共和国国家统计局（官网网址为：http：//www.stats.gov.cn/）（2002—2016）。

（二）模型设定

联立方程模型最早是由挪威奥斯陆大学的Haavelmo于1943年提出的，是由多个相互联系的单一方程组成的方程组，能够较为全面地反映经济系统的运行规律。与单一方程模型在对各经济变量之间的关系进行估计时忽视各变量之间的内生性及双向因果关系相比较，采用联立方程模型则更能有效地避免研究变量之间可能存在的内生性和相互作用关系导致的模型估计结果出现偏差，以得到一致性估计结果。就本文而言，理论上地价、房价和物价三者之间存在双向推动关系，地价推高房价，房价亦可能拉高地价。因此，本文采用联立方程模型相比于单一方程模型要更合适，回归模型更具较强的稳健性。鉴于此，本文借鉴Bhatia以及Peng和Wheaton 的研究思路，构建包含地价、房价和物价的面板数据联立方程模型，考察地价、房价和物价三者之间的内在作用机制。考虑到地价、房价和物价的滞后效应的影响，我们在模型中加入了相应变量的滞后项。同时，为避免工资收入、房地产住宅投资、人口规模和财政收入的过度异常波动的影响，本文对该四个变量进行对数处理。构建的面板数据联立方程模型为：

四 实证结果与分析

（一）实证过程与结果

根据联立方程模型识别的阶条件和秩条件可知，面板数据联立方程模型为过度识别，可以对总体参数进行估计。对于过度识别的联立方程模型可以采用两阶段最小二乘法（2SLS）和三阶段最小二乘法（3SLS）。但是，相比于单一方程估计法的2SLS，3SLS是将所有方程作为一个整体进行估计，能够消除不同方程误差项之间可能存在的相关性。鉴于此，为提高估计结果的有效性，本文采用三阶段最小二乘法（3SLS）来估计模型。此外，考虑到不同区域（低房价区域、中等房价区域和高房价区域）和不同时段（2002-2010年和2010-2016年）地价、房价和物价之间的收敛特征的差异性，本文对总体样本数据、分区域样本数据和分时段样本数据分别进行3SLS估计，详细探讨总体、不同区域和不同时期我国地价、房价和物价三者之间的互动关系。

（1）总体样本数据的估计结果

总体样本数据的联立方程估计结果如表4所示。由表4的结果可知，土地价格对房价的影响系数为正，且在10%的显著性水平下显著;同时房价对地价的影响系数也为正，且在5%的显著性水平下显著。这意味着地价和房价存在双向因果关系，地价每增加1%，房价将上涨约0.0573%，反之，房价每增加1%，地价将上涨约0.1079%。究其原因可能在于，一方面土地价格上涨增加了房地产开发成本，从而拉高房价;另一方面房价的高涨使得房地产开发有利可图，从而拉高其对土地的需求量，进行导致地价上涨，最终的结果就是出现高房价和高地价共存的局面。但是，相比于地价对房价的影响，房价对地价的影响程度要更大，且更加显著。房价对物价的影响在5%的显著性水平下显著为正，当房价增加1%时，不仅地价会同时上涨，物价也会上涨0.0347%。最后值得注意的是，无论是地价、房价，还是物价均会受到前期地价、房价和物价的显著影响，但其影响的程度和方向不尽相同。当期的地价和房价会受到过去两期的正向影响，即当地价和房价上涨时，意味着近两年内的地价和房价均会有所上升，上升幅度分别为0.4772个单位和0.1853个单位，短期内地价和房价不会下跌。與此相反的是，当物价上涨时，意味着未来两年的物价会有所下跌，下跌幅度为0.2741个单位。究其原因可能是，物价的快速上涨，促进了居民的预防性储蓄，提高了居民负收入效应，从而对消费产生“挤出效应”，进而在一定程度上缓解了物价的上涨趋势。

（2）分区域样本数据的估计结果

本文按照35个大中城市2002—2016年平均房价高低，将35个大中城市划分为低房价区域、中等房价区域和高房价区域三个区域组，进一步考察不同区域地价、房价和物价三者之间的互动关系。估计结果如表5所示：

在低房价区域，土地价格每增加1%，房价将随之上涨0.38%;反之，房价每增加1%，地价将随之上涨0.44%，且均在1%的显著性水平下显著。同时，房价每上涨1%，又会引起物价在5%的显著性水平下增加0.07%。由此可知，低房价区域的土地价格每增加1%，通过房价的上涨传导机制，可以导致该区域物价水平上涨0.03%。

在中等房价区域，土地价格每增加1%，房价将随之上涨0.15%;反之，房价每增加1%，地价将随之上涨0.23%，且均在5%的显著性水平下显著。同时，房价每上涨1%，又会引起物价增加0.04%，但并不显著。由此可知，中等房价区域的土地价格每增加1%，通过房价的上涨传导机制，可以导致该区域物价水平上涨0.006%。

在高房价区域，地价和房价存在反方向的双向因果关系，即当地价增加1%时，房价在10%的显著性水平下下跌0.10%;反之，当房价增加1%时，地价将随之下跌0.12%，但不显著。同时，房价每下降1%，又会引起物价下跌0.01%，但并不显著。由此可知，高房价区域的土地价格每增加1%，通过房价的传导机制，可以引起物价下跌0.001%。

因此，从以上结果可以发现，地价和房价之间的双向因果关系在中低房价区域和高房价区域恰恰相反。在中低房价区域，地价和房价属于同跌同涨的双向因果关系，高地价会促进高房价，高房价亦会推动高地价。但值得注意的是，低房价区域内地价和房价之间的相互作用程度要比中等房价区域更大更显著，且房价对地价的影响程度要大于地价对房价的影响。在高房价区域，地价和房价属于此跌彼涨，此涨彼跌的双向因果关系，高地价会抑制房价的上涨，高房价亦会限制地价的上涨，但其作用效果不是很显著。此外，无论是在哪个区域，房价对物价的影响都为正，只是住房价格越高的区域，房价对物价的影响程度会越小，且越不显著。总言之，地价、房价和物价之间的相互作用在不同的区域内存在较为明显的差异，三者之间的作用关系不能一概而论。

（3）分时段总体样本数据的估计结果

根据前文中国35个大中城市地价、房价和物价的收敛性分析结果可知，2010年之前各城市的地价呈现σ发散现象，而在2010年之后才有了一定的收敛趋势。此外，2010年之前我国房价不断持续高涨，2010年中央政府出台了一系列房地产调控政策，从抑制需求、增加供给、加强监管等方面对房地产市场进行全方位调控，进而抑制房价过快上涨。增加住房供给无疑又冲击了土地市场，引发北京等热点城市频现“地王”。因此，本文以2010年为分割点，将样本期2002—2016年划分为2002—2010年和2010—2016年两个时段进行实证检验，以考察地价、房价和物价三者之间互动关系的时序差异。估计结果如表6所示：

由表6的估计结果可知，在2002—2016年期间，我国地价和房价之间的作用关系存在明显的时序差异，而房价与物价之间的作用关系并无太大改变，其影响系数仅由0.0187降为0.0126，变动幅度不到0.01。2002—2010年期间，地价对房价的影响系数在1%的显著性水平下显著为正（0.1581），且房价对地价的影响系数也在1%的显著性水平下显著为正（0.9213）;2010-2016年期间，地价对房价的影响系数在10%的显著性水平下显著为负（-0.1795），且房价对地价的影响系数也在10%的显著性水平显著为负（-0.0667）。

（二）结果分析与讨论

通过上述面板数据联立方程模型的实证结果，我们可以看出：地价与房价之间存在双向因果关系，房价与物价之间存在正相关关系，地价在一定程度上能够通过房价的传导机制对物价造成影响。相比于地价对房价的影响，房价对地价的影响程度要更大更为显著。此外，不同区域和不同时段内地价、房价和物价三者之间的作用程度和方向亦存在显著差异。

（1）总体上，地价和房价之间存在正向的双向因果关系，且房价对地价的影响程度要高于地价对房价的影响。土地市场与房地产市场息息相关，房屋的建成离不开土地这块基石。由此可想而知，房价和地价之间势必会有所关联。当土地价格上涨时，房屋的建设成本会上升，从而导致房地产厂商们的投资热情下降，房屋供给量减少，进而引起房屋价格上涨。反之，当房屋价格上涨时，房地产厂商们会普遍认为投资房地产业将有利可图，其对土地的需求量会增加，从而引起土地价格进一步上涨。但需要指出的是，房价每增加1%，地价将上涨约0.1079%，而地价每增加1%时，房价仅上涨约0.0573%，其约占房價对地价影响的1/2。

（2）在中低房价区域和高房价区域，地价和房价之间的双向因果关系恰恰相反，且房价越高的区域，地价与房价之间的相互作用程度会越小越不显著。在中低房价区域，地价和房价属于同跌同涨的双向因果关系，高地价会促进高房价，高房价亦会推动高地价。在高房价区域，地价和房价属于此跌彼涨，此涨彼跌的双向因果关系，高地价会抑制房价的上涨，高房价亦会限制地价的上涨。究其主要原因，我们认为，一方面在中低房价区域（如重庆和武汉），房地产市场属于供给约束型市场，因土地价格变动所引起的房屋供给量变化给房地产市场价格造成的影响很大，但随着地价和房价逐渐上涨，并趋于饱和，房地产市场逐渐转向需求约束型市场，因土地价格变动所引起的房屋供给量变化对房价的影响将会随之减小。另一方面在房价高涨的一线城市（如北京和深圳），由于前期的炒楼投机行为等一系列因素造成房地产价格涨势过快，房价基本趋于饱和，房地产市场的供给远大于实际需求，房地产市场中无房但又买不起房的人逐渐增多，房屋空置率较大。此时，土地价格的上涨并不能减少市场中已有房屋库存量，反而会因高房屋空置率、低房屋购买率以及房价抑制调控政策等原因，致使房价下跌，已确保房地产市场稳定。

（3）地价和房价之间的双向因果关系存在明显的时序差异。2002—2010年期间，地价上升会导致房价上涨，反之，房价上升又会导致地价上涨。但是，2010—2016年期间，地价上升会导致房价下跌，反之，房价上升又会导致地价下跌。2010年绝对是中国房地产市场和土地市场形势翻新的一年，一系列的调控政策在此之后层出不穷。“国十一条”从“调结构、抑投机、控风险、明责任”四个方面，正式确定了2010年中国房地产政策基调和架构。由此可以认为，2010年之前，地价和房价之间的互动关系主要受市场化的供求变动决定价格的机制作用，地价上涨，导致房屋建设成本上升，房屋供给量减少，房价上涨。反之，房价上涨，导致土地需求量增加，土地价格上涨。2010年之后，为抑制地价和房价的持续增长态势，政府及相关部门采取一系列的调控政策对土地市场和房地产市场进行监控，同时限制地市和楼市的投机行为。因此，此阶段的地市和楼市的价格波动主要受政府干预的影响，当某市场的价格上涨时，政府及有关部门会预计另一市的价格会有所上升——供求价格论，从而对另一市施加更严格的抑制价格上涨的措施，进而导致该市价格下降。

（4）无论是总体，还是不同区域，亦或是不同时段，房价对物价的影响都为正，地价亦能通过房价传导机制对物价带来相应的影响，但影响的程度和方向会有所不同。房地产行业与其他行业之间存在重要且复杂的投入产出关系，房价的变动势必会对其他相关行业的成本产生显著影响，并最终影响这些行业生产的最终商品的价格，进而影响一般物价水平。此外，土地作为生产的关键要素之一，其价格的变动也会影响最终商品的成交价格，进而影响一般物价水平。

五 结论与政策建议

本文利用中国35个大中城市2002—2016年地价、房价和物价等指标的统计数据，在分析地价、房价和物价的敛散性特征的基础上，构建面板数据联立方程模型，考察地价、房价和物价三者之间的互动关系。主要结论包括以下几个方面：

1. 我国35个大中城市的房价趋于收敛态势，且中低房价区域的房价增长速度要快于高房价区域，从而促使各城市的房价最终达到一种稳态水平。然而，地价和物价的收敛趋势则不是特别明显和顺畅，尤其是地价。在2010年之前地价呈现σ发散现象，2010年之后各城市之间的地价差距才逐渐缩小。这可能与近年来我国城市一体化和交通一体化的发展有关，城市之间的合并以及城市交通网的便利打破了地区间固有的比较优势和绝对优势的差距。
2. 总体上而言，我国35个大中城市的地价和房价之间存在正向的双向因果关系，高地价会推高房价，同时房价的上涨又会进一步拉高地价。这就好比是，土地是原材料，房屋是产品，在市场化机制作用下，产品价格的上涨会拉高原材料价格，而原材料价格的上涨必将推高产品价格。但是，它们之间的这种关系一旦受到政府政策的严格干预，就会发生转变。例如，当房地产市场的价格上涨时，政府及有关部门会预计土地交易市场的价格会有所上升——供求价格论，从而对土地交易市场施加更严格的抑制价格上涨的措施，进而导致该市价格下降。因此，政府及有关部门的调控政策对于降低地价和房价是不可或缺的，但需要从两个市场全面均衡考量。
3. 房价的变动对物价具有正向促进作用，地价亦能通过房价的传导机制影响物价。房地产业的发展与人们的生活息息相关，一方面房价的上涨会导致居民的消费成本和劳动力成本增加，从而迫使工资水平提升，物价上涨;另一方面房价的上涨会导致企业的生产成本增加，从而促使商品价格上涨。

本文的政策启示在于，地价、房价和物价三者之间存在显著的互动关系，地价、房价和物价的调控政策在一定程度上既可以直接影响各自的调控目标，又可以间接作用于其他的调控目标。比如说，为了确保物价稳定，中央银行既可以通过利率政策直接调控物价，也可以通过房价和地价的调控政策间接的影响物价水平。现阶段，我国政府及有關部门想要摆脱如今高地价、高房价和高物价的三高局面，仅仅考虑各自市场或各自内部政策的制定和实施，是远远不够的，必须要将土地市场调控政策、房地产市场调控政策和央行通胀政策进行系统性的协调整合，已确保地价、房价和物价的持续协调发展，才有可能达到抑制地价和房价，降低物价水平的调控目标。同时，价格调控政策的制定和实施应该充分考虑地域差异和时序差异。由于不同地区的经济发展水平、居民消费习惯、人口统计特征、土地交易市场和房地产市场都存在较大差异，且不同时段上，市场经济处于不同的发展周期阶段，面临的经济形势迥异，从而导致地价、房价和物价的发展趋势，以及三者之间的相关作用方向和程度存在显著的地域和时序差异。因此，中央政府在制定相关政策时，需要统筹全局，充分考虑到国家政策的时空效应，因时因地的灵活制定或调整地价、房价和物价的调控政策，以确保我国土地市场、房地产市场和物价水平的健康持续发展。

【责任编辑  吴应望】