基于对数线性模型的商品住房供给侧关键影响因素分析

瞿富强，郭 艳

（南京工业大学 经济与管理学院，南京 211816）

0 引言

对于我国房地产市场出现的问题，很多学者认为应该从供给端入手，解除供给约束，双管齐下才能解决房地产市场的瓶颈问题[1，2]。然而关于房地产市场供给侧改革的途径和具体手段却比较模糊。本文基于供给侧研究视角，以江苏省商品住房为例，通过对商品住房供给侧影响因素的分析，找到对该地区商品住房供给侧有重要影响的关键因素，希望能够为商品住房去库存以及房地产市场供给侧改革确定着力点提供理论参考。

1 商品住房供给侧影响因素的确定

1.1 商品住房供给侧影响因素的识别

对于商品住房供给侧影响因素的识别，本文采用基于中文检索工具CNKI的文献研究法。从供给侧结构性改革被提出到现在为止，关于房地产或商品住房供给侧影响因素的研究文献为0篇。所以本文试图通过分析房地产或商品房供给侧结构性改革的文献，以期从各学者提到的改革路径和对策中辨识出商品住房供给侧影响因素。通过检索和筛选找到了12篇有效文献。由于相关研究过少，为使不遗漏影响因素，本文通过变换各种主题词，如商品房供给的影响因素，商品房供求关系等来进行检索供给侧被提出之前的有关文献，以寻找影响供给侧的因素，最终采用的中文文献一共有44篇。通过内容分析法，本文发现商品住房供给侧的影响因素很多。秦大磊（2016）[3]，张佩峰等（2016）[4]分析了财政政策，特别是房地产税收政策的现状，认为其税收结构不合理，针对性不强是影响房地产投资结构和供应的重要因素，并提出房地产行业的供给侧改革就要推动税制改革。任荣荣和刘洪玉（2008）[5]通过对北京八城区的相关数据进行实证分析，发现土地供应量是影响房地产市场住房供应的一个重要因素。沈悦，刘洪玉（2004）[6]通过对中国房地产开发投资和GDP的关系进行了研究，发现GDP对我国房地产开发投资有显著的单向作用。谢福泉，黄俊晖（2013）[7]研究认为城镇化水平与房地产需求、供给都存在显著的正向相关关系。余呈先（2016）[8]认为可以通过发展养老地产、旅游地产和文化地产等的房地产新业态等来改变房地产市场的供给结构，从而改变房地产市场的产品投资结构。吴先满，蒋昭乙（2016）[9]认为对于房地产行业的供给侧改革，要注重住房结构的调整，可通过放宽和紧缩金融货币政策来实施，同时提出了保障性住房的建设也会较大的影响房地产行业的住房供应结构。

在分析了44篇文献后，本文对相关学者所提出的影响因素进行了以下处理。第一，有些因素虽然各学者的表达方式不同，但其实质是一样的，例如城镇人口总数，城镇化率等指标均反映了城市的城镇化水平，所以本文统一用城镇化这一指标来表示。货币政策，信贷政策，利率水平等，本文将统一使用金融政策这一指标来表示。第二，对于一些指标，如房地产投资额，房地产产品开发成本等指标内容较相似，所以本文统一使用房地产开发成本指标表示。第三，房地产开发企业的利润是由商品房销售价格和其开发成本决定的，所以不再作为分析指标，故进行舍弃。第四，施工房屋面积，竣工面积等是住房供给量的量化指标并非影响因素，所以也进行排除。最后，通过近义指标的合并和非供给侧影响因素的剔除，本文整理出18个商品住房供给侧的影响因素：房地产调控政策，税收政策，土地政策，金融政策，房地产开发成本，房地产开发企业的数量，房地产开发企业的预期，房地产开发企业行为素质，商品住房价格，国内生产总值，保障性住房建设，城镇化水平，新技术，商品住房空置率，房地产关联产业发展，多元化的开发主体，房地产新业态，商品住房质量。

1.2 关键影响因素的确定

帕累托分析法又称ABC分析法，其核心思想是在决定一个事物的众多因素中分清主次。识别出少数的但对事物起决定作用的关键因素和多数的但对事物影响较少的次要因素。本文运用该方法对商品住房供给侧影响因素进行分类，根据44篇文章中不同影响因素的汇总整理，分析制作出表1，并且绘制出帕累托图1。

表1 商品住房供给侧影响因素研究次数分布表

图1 商品住房供给侧影响因素的帕累托图

一般情况下，帕雷托图是按照因素类别累计占用百分比的60%～80%来确定ABC类因素[10]。如果选择80%为界，则A类因素相对于总因素数量较多，所以本文选择60%为界来确定A类影响因素。从图1中可以看到，影响商品住房供给侧的A类因素有土地政策，房地产开发成本，金融政策，预期和住房价格。

2 关键影响因素的建模分析

2.1 模型的建立

通过对比分析已有学者对供给弹性问题的研究[11]，本文建立商品住房供给弹性的对数型线性模型来深入探析自变量对因变量的影响程度及方向。在影响商品住房供给数量侧的A类因素中，因为从开发企业获得土地到其产品竣工具有较长的周期，所以本文用滞后一期的土地供给数量（LAND）作为土地政策的量化指标。用住宅投资额（INV）作为房地产开发成本的量化指标。用利率水平（R）和国内贷款（LOAN）作为金融政策的量化指标，住房价格是商品住房销售均价（P），预期因素在模型中暂不考虑。用商品住房的竣工量（S）来作为商品住房供给的量化指标。建立如下模型：

其中，α0和a是常数，分别表示相应影响因素的供给弹性。

2.2 数据的统计

研究指标房地产开发企业的土地购置面积，住宅投资额，国内贷款，竣工面积的数据来自2005—2016年《江苏省统计年鉴》和《中国统计年鉴》，利率取中国人民银行发布的金融机构人民币贷款基准利率，贷款最长期限设为三年，因为有些年份经过多次调整，所以对其进行加权平均后进行研究。原始数据如表2所示。

表2 研究变量的原始数据统计

2.3 回归分析

在进行回归分析之前，首先对表2的数据进行除利率以外的取对数化处理，处理的结果如表3所示。

表3 研究变量的对数化处理

本文的回归分析运用SPSS20.0，通过数据分析，得到表4，表5和表6的分析结果。

表4 模型汇总

表5 Anovaa

表6 系数a

从表4中可以看出，R的值为0.998，说明因变量可以高度解释自变量，R2的值为0.997，极其接近1，说明该模型的拟合程度非常好，说明本文的分析选择该对数模型极为合适。DW=3.341,该值位于2～4之间，说明模型变量无序列相关。从表5中可以看出，模型的设定检验F统计量的值为311.356，相对的sig为0.001，说明因变量与自变量之间线性关系显著。表6是回归系数表,通过该表可以发现各影响因素对商品住房供给的弹性大小。所研究的各影响因素的供给弹性，除了住房完成投资额供给弹性为负值，其余均为正值。且商品住房价格供给弹性最大，接下来是信贷供给弹性和土地供给弹性，利率供给弹性最小，常量的sig值为0.456，大于0.05，显著性较低，可要可不要。

3 结论

通过文献研究，分析了2004年到目前为止所有学者的有关研究中提到过的商品住房供给侧影响因素，运用帕累托分析法初步从众多影响因素中识别出了具有研究价值的A类影响因素，土地政策，房地产企业的开发成本，金融政策，商品住房价格和房地产开发企业的预期。通过多元线性回归分析，进一步发现A类影响因素中除了商品住房投资额供给弹性为负，其他商品住房供给弹性均为正。说明商品住房投资额和商品住房供给量呈负相关关系，其余因素和商品住房供给量呈正相关关系。而且供给弹性大小却又有较大差异，商品住房价格供给弹性最大，住房完成投资额次之，然后是贷款供给弹性，最后是土地供给量弹性和利率弹性。综合来说，商品住房供给侧影响因素中的关键影响因素有土地政策，房地产开发成本，金融政策，预期和住房价格。但是在商品住房供给侧结构性改革中，应特别注意调控商品住房价格，其次要合理利用金融政策中的信贷政策，房地产开发成本中占较大比例的就是土地购置费，所以也要通过调整土地政策来促进我国房地产供给侧结构性改革。