高房价对劳动力人口的“驱逐”方式※——基于中国35个大中城市的实证分析

张佐敏 邝 雄 戴 玲

一、 引 言

房价快速上涨是我国城市过去十几年发展过程中的一个显著特征，在居民缺乏投资渠道、地方政府依赖“土地财政”和未来货币政策难于预料的情况下，高房价可能持续困扰我国经济社会健康发展。过去十几年来，中国房价大部分时间都在持续上涨。房价问题一直是新闻媒体和学术界关注的焦点。高房价对于经济的影响是多方面的，房价会通过收入效应和替代效应影响居民的消费行为，同时也会改变居民的投资需求使得储蓄行为出现变化，甚至会通过财富效应、信贷效应和替代效应影响人们的就业，是驱动中国宏观经济周期波动的重要因素。房价是否影响城市劳动力人口呢? 人口老龄化背景下劳动力的重要性将逐渐提升，在中长期内劳动力有可能成为城市竞争的重要资源。

已有较多文献研究人口规模或人口结构对房价的影响。Mankiw、Weil(1989)和Holland(1991)讨论了出生率和人口规模对房价的影响。郭娜、吴敬(2015)认为人口数量增长是推动我国房地产价格上涨的重要因素。徐建炜、徐奇渊、何帆(2012)与陈国进、李威、周洁(2013)则探讨了人口结构对房价的影响，他们的实证结果都表明少儿抚养比的下降和老年抚养比的上升是造成我国房价持续上涨的人口结构因素。中年赡养负担减轻和老年人的“利他”购房动因，形成了两代人的积蓄同时释放于房地产市场的现象，推动了房价上涨。叶永刚、王凌伟、魏海瑞(2016)的实证结果也支持了少儿抚养比下降是房价提升重要推力的结论。邹瑾、于焘华、王大波(2015)从人口老龄化的角度研究房价上涨的原因，他们的研究结果也表明老龄人口对房价具有正向的推动作用，但这种推动作用正随着我国老龄化进程的加剧在不断弱化。

人口是影响房价变化的重要因素，那么反过来房价对人口是否会有影响呢？对于这一问题，有部分学者从城市人口流动的角度进行了研究。多数研究结论都认为高房价不利劳动力流入，如国外学者Brakman(2002)对德国劳动力流动的研究发现，房价上升对劳动力流入产生负面影响。国内学者，陈广桂(2004)认为城市房价虚高使得我国农民市民化成本高昂，提高了农民人口向城市转移的成本，是我国城市化滞后的主要原因。孔艳芳(2015)把农村劳动力人口向城市“迁移”和向市民“转化”区分看待，把农村转移劳动力实现向市民“转化”的比重与向城镇“迁移”的比重之间的差额定义为人口城镇化缺口。文章通过实证分析发现，飞涨的房价和居民消费能力不足是造成城镇化缺口持续扩大的关键因素，高房价限制了农村迁移人口的市民化进程。刘纪学、董纪昌(2012)也分析了人口城市化与房地产市场的关系，但他们的实证结果显示我国人口城市化与房地产市场具有明显的正相关关系，其中房价对人口城市化有推动作用，与孔艳芳(2015)的实证结果并不一致。但也有认为房价对劳动力流入影响甚微的，如Saiz(2007)利用美国大都市区域数据进行研究，发现住房成本对移民的影响并不明显，因为移民更重视移入区域的生活便利条件。

如上所述，房价和人口存在着紧密的联系，但高房价究竟是促进人口的城市化还是抑制人口向城市转移或将劳动力人口“驱逐”出原有城市，现有文献对这一问题的探讨还比较匮乏。由于劳动力是一个城市经济发展的原动力，特别是在人口老龄化的趋势下，劳动力将日益成为稀缺资源，一个城市是否能够吸引劳动力，将关系到这个城市未来经济发展的活力。在当前城市房价普遍较高的背景下，房价持续高涨是否对城市劳动力产生“驱逐”效应呢？若存在“驱逐”效应，高房价主要“驱逐”哪些群体？城市是否可以通过财政手段弱化高房价对城市劳动力的“驱逐”效应、提高城市对劳动力的吸引力呢？这些问题对于城市的发展至关重要，但现有文献对这些问题并没有清晰的解答。基于上述原因，本文试图围绕高房价对城市劳动力人口影响这一主题，利用35个大中城市的数据对房价与城市劳动力人口的关系进行实证研究，以期对上述问题得出有价值的结论。

二、 理论假设

一般而言，劳动力迁移到一个新的城市有三个动机：(1) 寻找更好的工作机会、(2) 享受城市生活消费的便利、(3) 享受城市教育资源、创业或就业机会和良好基础设施等公共福利。其中，第一个动机是手段而非目的，通过寻找好的工作机会增加收入，最终目的还是为了增加最终的消费(效用)水平。后两个动机则可以直接带来效用的提升，属于迁移者效用的两个直接影响因素。如果迁入一个城市，能够提高劳动力的收入，增加他的消费水平和消费便利，同时又能享受到城市的公共福利，迁入城市得到的最终效用大于他在其它地方的保留效用，劳动力人口就会选择移居到这个城市。

如果在移居过程中，一个城市的房价过高，会对劳动力的迁移产生什么影响呢？首先，如果迁移劳动力是选择购买房产，高房价会“侵蚀”购买房产劳动力的收入水平，削弱劳动力迁移的第一个动机。因为，住房消费是居民消费的重要组成部分，如果为了满足住房消费需求劳动力支付了较高的购房费用，其迁入城市增加的收入很大一部分就投入到了住房消费当中，用于其它的消费就会受到挤压，最终消费带来的总效用有可能会低于迁入这个城市之前的保留效用，这种情况下，劳动力会倾向于选择迁出这个城市；其次，如果劳动力不是选择购房而是选择以租房的形式解决住房消费问题，则迁入这个城市的第二个消费便利动机会被削弱。因为租房的舒适性和便利性远不及直接拥有房产，城市生活消费便利的体验会在租房的不便利影响下感受不深，使得第二个迁移动机带来的效用不再明显。此外，房价往往跟房租具有正相关关系，特别是在人口流动大的一、二线城市(张所地、赵华平、李斌，2014)，租金的增加同样也会侵蚀劳动力的劳动收入，削弱迁移的第一个动因。当租房一方面在减少收入的同时，另一方面又满足不了住房舒适性的需要，而且还使得迁移劳动力感受不到这个城市消费的便利，劳动力最终也可能会选择迁出这个城市。所以，在一个房价高涨的城市，不管迁移劳动力是选择购房还是租房，劳动力选择留在这个城市的可能性都会降低。基于上述分析，本文提出以下理论假设：

H1：高房价将“驱逐”城市劳动力人口。

考虑到不同产业劳动力的工资水平不一样，一个产业劳动者的工资收入高，则迁移第一个动机带来的最终效用会提高很多，如果增加的效用可以消化高房价带来的效用损失，则高房价对他的“驱逐”效应可能没有工资收入低的人群高，所以本文提出另一个理论假设：

H2：产业越低端、工资水平越低，高房价对城市劳动力人口的“驱逐”作用越明显。

由于城市劳动力对一个城市的发展至关重要，若高房价存在对劳动力人口的“驱逐”效应，政府是否可以有所作为，提高城市对劳动力的吸引力，防止劳动力人口流出呢？由上述对劳动力迁移的动机可知，除了寻找工作机会增加收入和享受城市生活消费便利外，劳动力选择迁入城市还存在第三个动机：享受城市教育资源、创业或就业机会和良好基础设施等公共福利。若政府能增加在教育、科技、城市建设等方面的公共投入，则可以强化劳动力迁移的第三个动机。当公共福利增加的效用能够抵消高房价带来的效用损失，高房价对劳动力的“驱逐”效应在某种程度上就会被弱化，因此本文提出第三个理论假设：

H3：财政加大在教育、科技、城市维护建设等方面的投入可削弱房价上涨对城市劳动力人口的“驱逐”效应。

三、 研究设计

1. 实证模型

本文将研究的焦点集中在房价对城市劳动力人口的影响上，已有较多文献表明了人口规模或人口结构对房价的影响，即现实中城市人口规模与房价的关系是相互影响的。城市劳动力人口作为城市人口的一部分，因此城市劳动力人口与房价存在内生性问题。联立方程可以有效解决变量之间的内生性问题，为检验第一个假设，文章建立的联立方程为：

(1)

其中Labour为城市就业人口，Price为房价，Population为城市人口，Xl为影响城市就业人口的控制变量，Xp为影响房价的控制变量。控制变量中Xl包括工资水平(Wage)、教育条件(Teacher)、医疗条件(Doctor)、人文条件(Book)、市政服务水平(Bus)、投资条件(Investment)、开放程度(Open)以及常数项(Cons1)；Xp包括市政建设水平(Road)、环境条件(Environment)、交通便利程度(Trafic)、时间趋势(Year)以及常数项(Cons2)。在实证模型(1)中，若实证结果表明α1显著为负，则证明房价上涨确实“驱逐”城市劳动力人口。

不同行业之间收入水平存在差异，因此高房价对劳动力的“驱逐”可能是非对称的：产业越低端、工资水平越低对高房价越敏感。为更细致地研究高房价对劳动力的“驱逐”情况，将城市劳动力人口按三大产业进行划分，分别考察高房价对三大产业劳动力的影响，实证模型为：

(2)

其中Industryjit为城市i第t年第j产业的就业人口。在实证模型(2)中，若实证结果表明αj1显著为负，则证明房价上涨确实“驱逐”城市第j产业的劳动力人口；若αj1为负值并且绝对值越大，表明高房价对第j产业的劳动力人口“驱逐”越严重。

劳动力人口是城市发展的源泉，政府是否可以有所作为减轻高房价对劳动力人口的“驱逐”作用呢？为检验这个命题，建立以下实证模型：

(3)

其中Policy代表政策变量，分别用财政在教育(Education)、科技(Science)以及城市维护建设(Construction)等方面的投入表示。在实证模型(3)中，若实证结果表明房价与政策变量交乘项的系数γ显著为正，则表明相应政策可以削弱房价上涨对城市劳动力人口的“驱逐”效应。

2. 数据与变量说明

本文的研究样本选自全国35个大中城市。相对于以省级层面数据为样本，以市级层面数据为样本的好处是，市级层面数据能提供更多有价值的信息，因为相同时期内劳动力在城市之间的流动远大于与劳动力在各省之间的流动，即市级层面劳动力人口的变异率更大；另外，城市平均房价更具代表性，而省份平均房价会掩盖省份内部各城市之间的巨大差距。样本时期为1999年至2013年，之所以没有用到更新数据，是由于实证模型中许多控制变量2013年之后的数据严重缺乏。数据主要来自宏观经济与房地产数据库，个别缺失数据由《中国城市统计年鉴》补齐。

城市就业人口(Labour)由年末单位从业人员数的对数值表示，第一至三产业的就业人口(Industry)由相应产业的就业人数的对数值表示，城市人口(Population)由城市年末人口的对数值表示，房价(Price)由商品房平均销售价格的对数值表示，工资水平(Wage)由职工平均工资的对数值表示，教育条件(Teacher)由人均专任教师数表示，医疗条件(Doctor)由人均医生数表示，人文条件(Book)由公共图书馆每百人藏书数表示，市政服务水平(Bus)由万人公共汽车拥有量表示，投资条件(Investment)由外商投资占社会总投资比表示，开放程度(Open)由进出口额占总产出比值表示，市政建设水平(Road)由人均城市道路面积表示，环境条件(Environment)由建成区绿化覆盖率表示，交通便利程度(Trafic)由人均客运量表示，时间趋势(Year)由年份表示，教育(Education)、科技(Science)以及城市维护建设(Construction)由财政在教育、科学以及城市维护建设方面的支出表示。需要特别说明的是第一产业就业人数不是指农民数量，而是指在农业企业从业的人员数量。

3. 模型识别与估计方法

对联立方程进行估计的前提条件是实证方程符合识别条件。实证模型(1)中，第一个方程存在1个内生变量(Price)，而被第一个方程所排斥的外生变量有7个(Wage、Teacher、Doctor、Book、Bus、Investment、Open)，即第一个方程可以识别，但是存在过度识别问题；第二个方程存在1个内生变量(Population)，而被第二个方程所排斥的外生变量有4个(Road、Environment、Trafic、Year)，即第二个方程也是可以识别，同样存在过度识别问题。实证模型(2)和(3)的情况与实证模型(1)类似，都是可以识别，但是存在过度识别问题。对于过度识别的联立方程，可采用系统估计的方法，如三阶段最小二乘法(陈强，2014)。本文采用三阶段最小二乘法对联立方程进行估计。

四、 实证分析

1. 高房价与城市总就业人口关系

表1的第1列报告了迭代3阶段最小二乘法对实证模型(1)的估计结果。表1的第1列显示，房价对就业人口的回归系数为负值，表明了在其他条件不变的情况下，房价上涨将不利于就业人口的增加。这是由于房价上涨增加了工人生活成本，原本在这个城市工作的部分工人可能离开这个城市而选择其他住房成本更低的城市，部分收入较低的农民工也可能返回农村。

表1的第1列显示，就业人口对城市的工资水平、教育条件、医疗条件、市政服务水平、投资条件和开放程度的回归系数为正，表明这些因素都有利于城市吸引更多劳动力。工资水平上升有利于城市吸引更多劳动力，是由于取得劳动收入是工人就业的主要目标，工资水平越高对工人的吸引力越强。人均专任教师数、人均医生数和万人公共汽车拥有量增加有利于就业人口增加，是由于这些人均值越高代表政府所提供的人均公共资源越多。外商投资比和进出口额占总产出比越高的城市就业人口数量越多，是由于外商投资比和进出口额占总产出比越高代表城市投资环境越好，城市越开放和包容。但是，表1的第1列显示，就业人口对人文条件的回归系数为负，但不显著，表明公共图书馆人均藏书对城市吸引劳动力的贡献不明显。表1的第1列还显示，房价对市政建设水平、环境条件、交通便利程度和时间趋势的回归系数为正，表明这些因素都有利于房价提升。

高房价“驱逐”城市就业人口时，是否首先对就业工人的家属产生影响呢？将实证模型(1)第一个方程的城市就业人口改为城市常住人口，并将估计结果列在表1的第2列。估计结果显示，房价对城市常住人口的回归系数显著为负，并且绝对值大于房价对城市就业人口的回归系数。将实证模型(1)第一个方程的城市就业人口改为城市年末人口，并将估计结果列在表1的第3列。回归结果显示，房价对城市年末人口的回归系数也是显著为负，并且绝对值也大于房价对城市就业人口的回归系数。表明：高房价“驱逐”城市就业人口时，首先“驱逐”的是就业工人的家属。这可能是由于城市中有大量农民工就业，对农民工而言，城市工作对他们十分重要，即使房价有所上涨，部分农民工也不会立刻离开所工作的城市，而是租用面积更小的住房或与他人合租，并让原本跟随他们而没有工作的其他家庭成员，如配偶和小孩，返回农村，以节约住房成本。

特别需要注意的是，表1的第1列虽然显示房价对就业人口的回归系数为负值，但并不足以证明文中的第一个假设“高房价将‘驱逐’城市劳动力人口”，因为该系数并不显著。这可能是由于：35个大中城市是人们就业相对较佳地区，即使房价上涨，人们还是比较倾向于留在原来工作的地方；转换工作城市涉及的成本较高，如在新的城市找工作要面临一段时期失业、要放弃以前建立起来的良好客户关系和需要支付搬家费用等；房价上涨对不同产业有不同影响，当所处的产业发展前景较好、利润较高时，人们对高房价的抵御能力较强。

表1 房价对城市总就业人口影响的实证回归结果

注：括号内的数值为p值；*、**和***分别表示10%、5%和1%显著水平。

2. 高房价与三大产业就业人口关系

上一小节研究了房价对城市总就业人口的影响，虽然发现房价对城市总就业人口的回归系数为负值，但是并不显著。本节将重点探讨回归系数不显著的原因，以进一步确认高房价是否真的“驱逐”城市就业人口？如果是，是如何实现的？由于处于不同产业的工人收入水平存在一定差异，从而不同产业的工人对高房价的抵御能力可能存在差异，因此先将城市劳动力按三大产业进行划分，然后分别研究房价对各个产业劳动力的影响。

表2为实证模型(2)的估计结果，其中第1至3列分别报告了实证模型第一个方程的被解释变量为第一至第三产业的就业人口。从表2可以看到，各个产业就业人口对房价的回归系数都为负值，进一步表明了高房价对城市劳动力具有“驱逐”作用。需要注意的是，第一产业就业人数不是指农民数量，而是指在农业企业就业的人数。各个产业就业人口对房价的回归系数中，只有第一产业就业人口对房价的回归系数才显著，其他的都不显著。这可能是由于第一产业工人的平均工资水平比较低，房价相同的涨幅，对第一产业工人的影响远大于对第二、三产业工人的影响。

另外，表2的其他基本结论与表1的第1列大致相同：教育条件、医疗条件和投资条件改善，以及市政服务水平和开放程度提升有利于各产业就业人口增加；市政建设水平和交通便利程度提升，以及环境条件改善将促使房价上涨。

由于第二、三产业就业人口对房价的回归系数不显著，影响了文中第一个假设的可信度，需要进一步找出其中原因。那么把工资收入较高的城市样本和工资收入较低的城市样本放在一起回归，是否模糊了高房价对第二、三产业工人迁徙的作用机制呢？为理清这个问题，首先将城市按平均工资进行排序，然后根据工资排序结果把城市分成多个子样本重新对实证模型(2)进行估计，并由表3将回归结果呈现。城市排序时，各城市以1999年至2013年各年工资的平均值由高到低进行排序。

表3的(1)列报告了除去工资水平最高的5个城市后，以第二产业就业人口为实证模型(2)第一个方程被解释变量时的回归结果。结果显示，第二产业就业人口对房价的回归系数为负值，表明了房价上涨对第二产业就业人口具有“驱逐”效应，但是回归系数依然不显著。表3的(2)、(3)列分别报告了除去工资水平最高的10个城市和除去工资水平最高的15个城市后，以第二产业就业人口为实证模型(2)第一个方程被解释变量时的回归结果。两个回归的结果都显示，第二产业就业人口对房价的回归系数均为负值，并且回归系数都在5%水平下显著，有力地证明了房价上涨对第二产业就业人口具有“驱逐”效应。对比表3的(1)、(2)、(3)列第二产业就业人口对房价回归系数的绝对值，可以发现工资收入水平越低的城市，回归系数的绝对值越大，表明工资水平越低，高房价对第二产业劳动力的“驱逐”作用越大。

表2 房价对三大就业人口影响的实证回归结果

注：括号内的数值为p值；*、**和***分别表示10%、5%和1%显著水平。

表3的(4)、(5)、(6)列呈现的结果表明房价对第三产业劳动力的影响与对第二产业劳动力的影响相似。具体情况如下：表3的(4)列报告了除去工资水平最高的15个城市后*除去工资水平最高的5个和10个城市样本的，并以第三产业就业人口为实证模型(2)第一个方程被解释变量的回归已做，其结果与表3的(4)列相似，故在表3中没再报告这两个回归的结果。，以第三产业就业人口为实证模型(2)第一个方程被解释变量时的回归结果。结果显示，第三产业就业人口对房价的回归系数为负值，表明了房价上涨对第三产业就业人口具有“驱逐”效应，但是回归系数不显著。表3的(5)、(6)列分别报告了除去工资水平最高的20个城市和除去工资水平最高的25个城市后，以第三产业就业人口为实证模型(2)第一个方程被解释变量时的回归结果。两个回归的结果都显示，第三产业就业人口对房价的回归系数均为负值，并且回归系数都在5%水平下显著，有力地证明了房价上涨对第三产业就业人口具有“驱逐”效应。对比表3的(4)、(5)、(6)列第三产业就业人口对房价回归系数的绝对值，也可以发现工资收入水平越低的城市，回归系数的绝对值越大，表明工资水平越低，高房价对第三产业劳动力的“驱逐”作用越大。不同的是，相对于第二产业，高房价对第三产业劳动力的“驱逐”作用对工资水平依赖程度更高，即相对于第二产业，高房价对第三产业劳动力的“驱逐”只有城市工资水平更低时才发生。这种情况的出现，是由于第三产业的工资水平高于第二产业的工资水平，使得第三产业工人对高房价的抵御能力高于第二产业工人对高房价的抵御能力。

表3 分样本房价对第二、三产业就业人口影响的实证回归结果

注：括号内的数值为p值；*、**和***分别表示10%、5%和1%显著水平；第(1)至(6)列的样本分别为除去工资水平最高的5个、10个、15个、15个、20个、25个城市。

表2表明了高房价对第一产业劳动力具有明显“驱逐”作用，表3又表明了当城市工资水平较低时高房价对第二产业劳动力也有明显“驱逐”作用，并且当城市工资水平变得更低时高房价对第三产业劳动力也有明显“驱逐”作用，即表2和表3的回归结果证明了文章的第二个假设。同时，文章第二个假设的证明又为文章第一个假设的成立提供了充分条件。

3. 财政政策对房价与城市就业人口关系的影响

城市发展不可避免带动房价上涨，而房价上涨对劳动力人口具有一定的“驱逐”效应。充足的劳动力人口是城市发展的源泉，政府是否可以削弱房价上涨对城市劳动力人口的“驱逐”效应呢？财政政策是市级政府调节资源配置的主要抓手，以下内容研究财政在教育、科技以及城市维护建设等方面的支出对房价与城市就业人口关系的影响。表4报告了实证模型(3)的回归结果。

表4 财政政策对房价与城市就业人口关系影响的实证回归结果

续表

注：括号内的数值为p值；*、**和***分别表示10%、5%和1%显著水平。

从表4可以看到，就业人口对房价与财政教育支出交乘项、房价与财政科技支出交乘项以及房价与财政城市维护建设支出交乘项的回归系数都为正，并且都达到了1%的显著水平，表明了财政在教育、科技以及城市维护建设等投入削弱了高房价对城市劳动力人口的“驱逐”效应，证明了文章的第三个假设。

财政在教育方面的投入有利于削弱高房价对城市劳动力人口的“驱逐”效应，是由于人们就业时除了考虑房价和工资水平等重要因素之外，小孩可获得的教育资源也是人们考虑的一个因素。在我国，公立学校占绝大部分，而公立学校基础设施、教师工资和其他日常运营费用绝大部分都依赖于当地财政对教育的投入。财政对教育投入越多，教育资源越优质、对有小孩的劳动力吸引力越大。另外，35个大中城市都有高等学校，财政在教育方面的投入，其中一部分就流入了高校。财政对教育投入越多，当地高校分享到的资金可能就越多，高校就可能办得越好，从而招收更多学生。大学毕业后，有相当大比例的学生留在当地就业，从而增加该城市劳动力。财政在科技方面的投入有利于削弱高房价对城市劳动力人口的“驱逐”效应，是由于财政在科技方面的投入很大一部分是通过对科技企业的补贴实现的，财政在科技方面的投入越多，该城市科技企业生存环境越好，越多科技企业向该城市集中，其中深圳和北京就是典型的例子。科技企业集中的同时，还吸引其他相关企业向该城市靠拢，增加了对劳动力的吸引力。另外，财政对科技的投入有一部分通过科研项目的形式流入高校，促进了高校增强实力，进而招收更多学生，而部分学生毕业后将留在当地就业。在通过增强高校实力而增加城市劳动力方面，财政科技投入的作用与财政教育投入的作用是相似的。财政在城市维护建设方面的投入有利于削弱高房价对城市劳动力人口的“驱逐”效应，是由于城市维护建设投入有利于增加城市基础设施、改善城市生活环境以及提升城市形象，从而增加对劳动力的吸引力。

五、 结论与政策建议

本文以1999-2013年全国35个大中城市的数据研究了城市房价与劳动力人口之间的关系。本文研究的主要结论为：

(1) 房价上涨将“驱逐”城市就业人口。因为房价上涨增加了工人生活成本，原本在这个城市工作的部分工人可能离开这个城市而选择其他住房成本更低的城市，部分收入较低的农民工也可能返回农村。另外，高房价“驱逐”城市就业人口时，首先“驱逐”的是就业工人的家属。

(2) 产业越低端、工资水平越低，高房价对城市劳动力人口的“驱逐”越明显。高房价对第一产业劳动力人口的“驱逐”作用明显高于对第二、三产业劳动力人口的“驱逐”作用。高房价“驱逐”二、三产业劳动力人口时受当地工资水平影响很大，工资水平越低的城市，人们对高房价的抵御能力越弱，高房价对劳动力人口的“驱逐”作用越大。工资水平相同的城市，高房价对第二产业劳动力人口的“驱逐”作用又大于对第三产业劳动力人口的“驱逐”作用。

(3) 财政加大在教育、科技、城市维护建设等方面的投入可削弱房价上涨对城市劳动力人口的“驱逐”效应。

1. Brakman S.:New Economic Geography in Germany: Testing the Helpman-Hanson Model，HwwaDiscussionPapers, 2002.

2. Holland, A.S.:The Baby Boom and the Housing Market: Another Look at the Evidence,RegionalScienceandUrbanEconomics，2004, 21 (4):565-571.

3. Mankiw, N.G., Weil, D.N.: The Baby Boom, the Baby Bust, and the Housing Market,RegionalScienceandUrbanEconomics，1989， 19(2)： 235-258.

4. Saiz A.: Immigration and Housing Rents in American Cities,JournalofUrbanEconomics， 2007, 61 (2):345-371.

5. 陈广桂：《房价、农民市民化成本和我国的城市化》，《中国农村经济》2004年第3期。

6. 陈国进，李威，周洁：《人口结构与房价关系研究》，《经济学家》2013年第10期。

7. 郭娜，吴敬：《老龄化、城镇化与我国房地产价格研究——基于面板平滑转换模型的分析》，《当代经济科学》2015年第2期。

8. 孔艳芳：《房价、消费能力与人口城镇化缺口研究》，《中国人口科学》2015年第5期。

9. 刘纪学，董纪昌：《我国人口城市化与房地产发展协调研究》，《数学的实践与认识》2012第15期。

10. 徐建炜，徐奇渊，何帆：《房价上涨背后的人口结构因素：国际经验与中国政局》，《世界经济》2012年第1期。

11. 叶永刚，王凌伟，魏海瑞：《人口年龄结构、预期与中国房价：基于需求方的视角》，《统计与决策》，2016年第4期。

12. 张所地，赵华平，李斌：《房地产宏观调控影响下的房价与租金关系研究——基于中国35个大中城市面板数据的实证分析》，《数理统计与管理》2014第2期。

13. 邹瑾，于焘华，王大波：《人口老龄化与房价的区域差异研究——基于面板协整模型的实证分析》，《金融研究》2015年第11期。