房价偏离与“补涨”效应——以长三角地区为例

陈 卓

(上海财经大学 公共经济与管理学院，上海 200433)

改革开放以来，我国城市住房体制不断深化改革并取得了举世瞩目的成就。1978年全国人均住房建筑面积仅为6.7平方米，到了2014年年末，该数字已经扩大至40.8平方米。1998年房地产业增加值占GDP的比重仅为1.75%，到2016年已经增加到了6.5%。但与此同时，拉动经济发展所带来的高房价问题逐渐显现出来，引起了社会各界广泛的关注。合理的住房价格应该以宏观经济的发展为基础，而现实中的房价上涨既包括由经济基本面决定的部分，又包含房价偏离基本面的上涨。那么，房价偏离其基本面价格的程度对于我们理解过去的房价上涨以及预测未来的房价走势有何启示？本文将以长三角地区25个城市为例，对房价偏离可能引起的“补涨”效应进行探讨。长三角地区是我国经济增长最迅速、城市化进程发展最快的区域之一，近两年来房价也持续高涨，尤其是该地区的中心城市上海以及副中心城市杭州和南京。选取长三角地区作为研究对象，一方面是因为其住房市场发展的进程走在了全国的前列，可以提供不少值得推广借鉴的经验，具有高度的代表性。另一方面该地区城市内部之间的协同性和认可度较高，关系紧密，互动频繁，不易受地理环境的影响。

一、房价偏离的概念界定

房价偏离一般是指住房市场价格对其均衡价格的偏离，长期来看，住房的均衡价格可以由其基本面价格所决定。[1]在汉语的语义中，“偏离”表示离开了原定的轨道、方向等，这可以形象地描述房价偏离的实质和内涵。根据模型估计得出的基本面价格恰如原定的“轨道”或“方向”，而实际价格如果没有按照原定的计划变化，就出现了“偏离”，两者的差值即为“偏离”的程度。其中，基本面价格是指可以被宏观经济基本面所解释的部分，这些基本面包含了房价的主要影响因素，所以房价偏离也可以认为是住房价格中的非基本面部分。需要说明的是，房价偏离并不等同于房价泡沫，房价泡沫只是房价偏离的一种形式。有学者认为住房价格的高估部分就是泡沫[2]，也有学者将泡沫定义为住房真实价格对其基本价格的显著持续偏离。[3]虽然关于泡沫的定义和形成目前还远没有达成共识，但已有的关于房价泡沫的探讨对房价偏离的研究依然具有重要的借鉴意义。

对房价偏离的测度大致有以下两种方法：第一种是指标法，主要考察房价收入比、房价租金比以及空置率等指标，如果有高于历史平均水平或者国际正常水平的，便认为房价偏离了基本价格。[4]指标法的应用存在一个严重的问题，就是如何令人信服地证明这些指标的正常取值区间或范围。由于各个国家的国情不同，我们不能照搬国外研究的方法和结论，也无法从中获得现成的答案或参照。第二种是模型法，先通过模型计算出住房的基本面价格，再与其真实价格进行比较，得到房价对其基本面价格的偏离。模型法的关键在于如何准确估计基本面价格。已有文献从不同方面对房价的基本面因素进行了深入研究，包括实际收入、人口因素、金融制度、土地价格和公共服务供给等。[5-11]这些因素共同构成了房价的基本面，在以往的研究中得到了较好的应用，本文也在此基础上进行研究。

二、模型与数据

本文在建立房价模型时，假设住房的基本面可以由一系列经济社会变量构成，且每个城市在每个时期都对应一个反映这些经济社会变量的住房基本面价格。参考李永友(2014)[12]的模型设定，结合长三角地区的实际情况，选择人均可支配收入(hp)、年末贷款余额占GDP比重(loan)、人口规模(pop)、住房建设成本(cost)、城镇化率(urban)、土地价格(lp)和城市绿化覆盖率(green)作为基本面价格解释变量。每个城市在每个时期的住房基本面价格可通过估算模型的拟合值得出，其与同期实际房价的差值即为房价偏离。

使用上海市、江苏省13个地级市和浙江省11个地级市共25个城市2005～2013年的统计数据，数据来源于《中国区域经济统计年鉴》、《上海统计年鉴》、《江苏统计年鉴》以及《浙江统计年鉴》。所有的价格型变量均根据各省的居民消费价格指数(CPI)进行了平减处理，以2003年为基期，转化为实际价格，以消除通货膨胀的影响。主要变量的描述性统计结果如表1所示。

表1 变量描述性统计结果

三、长三角地区的房价偏离

(一)固定效应模型回归

在面板模型回归之前，本文对面板序列的平稳性进行了检验，并通过豪斯曼检验判定选择固定效应模型进行估计。表2给出了面板固定效应模型回归的估计结果。可以看到，模型的拟合优度(R2)都很高，这也表明基本面因素确实可以较好地解释实际房价的变动。为了进行对照，同时汇报了模型(1)混合OLS估计和模型(2)随机效应模型估计的结果。模型(3)将所有的解释变量均纳入固定效应模型，但人口规模的对数(lnpop)和城市建成区绿化覆盖率(green)并不显著。模型(5)在去掉不显著的变量后，呈现出良好的估计性质，各个变量均在5%的水平上显著，系数较模型(3)的变化也不大。具体来说，在控制了每个城市的个体固定效应之后，人均可支配收入每增加1%，将会引起长三角城市的住房价格上涨0.42%；贷款余额占GDP的比重每增加1个百分点，将引起住房价格上涨0.46%；而城镇化率每提高1个百分点，则将引起1.02%的房价上升。另外，住房建设成本和土地价格每增加1%，将引起房价上升0.11%和0.14%，影响系数相对较小。由此可见，实际收入、信贷扩张和人口城镇化是近年来长三角地区各城市房价上涨的主要推手。

表2 固定效应模型回归结果

注：括号内为t统计量，***、**和*分别表示1%、5%和10%的显著性水平。

为了进一步区分长三角地区之间的内部差异，模型(6)和模型(7)则对浙江省和江苏省的样本分别进行了回归。结果发现，年末贷款余额占GDP的比重对房价的影响在江苏省并不显著，而在浙江省不仅显著程度很高，系数也较大，说明浙江省的房价上涨与信贷扩张密切相关。一个可能的解释是，浙江省的私营经济发展迅猛，信贷条件的扩张或紧缩必然会对市场产生重要的影响。

(二)动态面板模型回归

预期也是影响房价的重要因素，尤其是对于住房投机性需求者而言，其购买住房的行为容易受到房价涨跌的预期影响。如果预期价格上涨，需求者会出于对未来购房代价的考虑而踊跃购买，从而增加需求；反之亦然。梁云芳和高铁梅(2006)[9]认为，在各种需求因素中，上一期城市住房的价格波动对当期的住房价格具有较强的滞后影响。况伟大(2012)[13]在住房存量调整模型基础上，考察了预期和投机因素对房价的影响，对中国35个大中城市1996～2007年数据的实证结果表明，预期和投机对中国城市房价波动都具有较强的解释力。在现实生活中，投资者并不是完全理性的，往往会表现出从众和跟风的本性，出现所谓的羊群行为。[14]本文使用滞后一期的房价作为市场预期的变量，将其纳入到动态面板模型中，重新进行估计。

表3给出了采用动态面板数据估计的结果。可以看到，滞后一期的房价对当期住房价格有着十分显著的正向影响，验证了心理预期在住房市场中的重要作用。通过比较后发现，模型(10)的估计结果符合实际，与固定效应模型的结论基本一致。因此本文选择该模型的结果作为估算长三角地区各城市房价偏离的基准模型，并求出每个城市在每一年的房价拟合值，经过自然对数函数转换成水平值。实际价格与拟合价格的差值即为房价偏离，也就是模型估计所得到的残差，再用房价偏离除以拟合的基本面价格，就得到了房价偏离度。图1是长三角地区各城市房价偏离度的概率密度直方图。如图1所示，利用模型(10)估计得到的房价偏离度基本上服从正态分布，也说明了本文的计量结果具有较高的可信度。

表3 动态面板模型回归结果

注：括号内为t统计量，***、**和*分别表示1%、5%和10%的显著性水平；AR(1)和AR(2)为残差序列相关性的检验值；Hansen统计量用于工具变量的过度识别检验，括号内为p值。

图1 房价偏离度的直方图

表4汇报了2006～2013年长三角地区各个城市的房价偏离度。总体上看，大部分城市的实际住房价格对基本面都存在着一定的偏离，但并没有出现房价持续大幅超出或低于基本面价格的异常情况。这一发现同王锦阳和刘锡良(2014)[3]考察北京、天津、上海和重庆四个直辖市以及谭政勋(2014)[15]分析珠江三角洲地区所得出的结论相一致。从房价偏离度的年平均值来看，基本呈现出先正后负、再正又负的周期性变化，最大值出现在2010年，为4.74，最小值出现在2012年，为-2.93。大部分城市都曾出现过实际房价超出或低于拟合价格的情况。其中，最大的正向偏离度为2009年的温州，达34.96%；最大的负向偏离度为2011年的杭州，达-21.78%。

值得注意的是， 2011年之后，有些城市的房价偏离度均为负，如南京、无锡、常州、苏州、淮安、盐城、杭州、嘉兴等。而这些城市恰恰在2015年前后同时出现了一轮房价上涨，甚至引发了“恐慌性”购房潮。这究竟是一种巧合，还是另有内在联系？先前实际房价低于基本面价格所形成的价值“洼地”是否会成为后来房价上涨的潜在动力？房价负向偏离是否意味着留有上涨的空间，存在着“补涨”效应？基于这些思考，我们接下来对“补涨”效应展开进一步的分析。

表4 基于动态面板模型估算的长三角地区城市房价偏离度(%)

注：房价偏离度(%)按四舍五入法保留到小数点后两位。

四、“补涨”效应分析

“补涨”效应最初是股市名词，指在一次行情中，如果某些股票没有上涨，那么它们就具有“补涨”的潜力；或者表示平均而言，前一段时期内涨幅较小的股票在后一段时期的表现会比前一段时期内涨幅较高的股票更好。这也有点类似于金融学中的“均值回归”概念，指股票价格无论高于或低于其平均值，都会以很高的概率向平均值回归的趋势。也就是说，股价上涨或者下跌的趋势不管延续的时间多长，都不能永远持续下去，最终会出现一种“均值回归”的规律：涨得太多了，就会向平均值移动下跌；跌得太多了，就会向平均值移动上升。当用在楼市时，“补涨”效应可以理解为如果某些地区的房价没有随着其他地区房价而上涨，那么就存在着未来“补涨”的可能。由于房地产相对于股票等其他资产具有一定的特性，如固定性、区域性和耐用性等，因此学界目前尚未对房价的“补涨”效应有详细的论述，相关研究也不多见。

为了方便讨论，本文以南京和杭州两个典型城市为例，剖析房价偏离下的“补涨”效应。2015年起，南京的楼市经历了多次连涨，土地市场“地王”频出，房地两热。新拍的楼面地价甚至出现高于现有房价的现象，引发“面粉贵过面包”的争议。一时间，楼市陷入抢购热潮，“日光盘”重现，房价也扶摇直上。统计数据显示，至2016年3月，南京房价环比增长了2.23%，同比增长3.16%，连续12个月呈上涨趋势。同时，2015年南京共诞生了20个“地王”，成交金额高达772亿元。仅2016年上半年，就又新产生了9宗“地王”，成交总金额达630亿元，创下近7年来的历史新高。杭州由于商品房历史库存较高的原因，房价并没有出现剧烈的“暴涨”，而是呈现出温和的恢复性上涨趋势。但即便如此，国家统计局数据显示，2016年11月，杭州房价仍然同比上涨了30.1%。同样，杭州也是“地王”频出，土地市场曾一度创造出123.18亿元的当时全国“总价地王”。事实上，为了平抑持续火热的房地产市场，缓解“地王”频出所带来的市场压力，政府也出台了相关管控措施。如南京市政府实行了土地出让最高限价办法，在热点区域的住宅用地出让时，由市政府设定地块的土地出让最高限价。对竞买人报价超过最高限价的，触发“熔断”红线，则终止土地出让，竞价结果无效。但楼市依然没有“退烧”的迹象，甚至出现了出让8块设定最高限价的住宅用地，7块遭遇“熔断”的尴尬局面。

图2 南京和杭州房价指数变化趋势图(2015年5月至2016年11月)数据来源：中国指数研究院百城价格指数(http://industry.fang.com)。

根据模型测算，2011～2013年，南京和杭州的房价偏离度分别为-21.15%、-8.21%、-9.15%和-21.78%、-20.32%、-18.49%，从历史的周期性变化规律来看，未来房价具有一定的上涨潜力。为了验证这种“补涨”效应是否真实存在，图2描绘了南京和杭州2015年5月至2016年11月的房价指数变化情况。在该时间段内，南京的房价指数增长了约42.08%，而杭州的房价指数增长了26.87%左右。与此同时，全国的房价指数也呈普遍上扬的趋势，增长了约22.41%。但在研究期内，南京和杭州的房价涨幅均超过了全国平均水平，处于“领涨”地位。显然，这种短期内的“报复性反弹”有着前期负向偏离的基础，并获得了经济基本面的有力支撑，形成了“补涨”效应。

本文从房价偏离的视角，重新审视南京和杭州近一轮的房价上涨，解释二者可能存在的内在联系。城市历史房价出现连续的负向偏离，即实际房价低于基本面价格，会形成价值“洼地”，房价留有上涨的空间。当时机成熟，这个空间就会成为未来推动房价上涨的潜在动力，释放出“补涨”效应。当然，这只是现实中房价上涨的一种解释，其背后的原因机制还有很多。需要说明的是，房价“补涨”效应并不一定在任何城市和时间上都成立，房价偏离的周期性变化规律还需要谨慎地看待。

五、结论与启示

房价问题已经成为困扰中国经济发展的重大问题，已经影响到了经济发展的各个方面。房价的持续高涨也引起了政府部门的高度重视，出台了一系列调控措施，虽然短时间内有一定的成效，但是房价依然居高不下。由于住房兼有居住和投资双重属性，与基本宏观经济环境有着密切的联系，合理的房价上涨应该以宏观经济的发展为基础。因此，短期的房价调控政策不仅无法实现房价的合理回归，也不利于建立促进房地产市场平稳健康发展的长效机制。

本文检验了长三角地区各城市经济基本面与其实际住房价格之间的关系，并估算了每个城市的房价偏离度。研究发现，实际收入、信贷扩张和人口城镇化等因素是长三角地区房价上升的主要驱动力。基于房价偏离的视角，对可能存在的“补涨”效应进行了事实检验，重新审视南京和杭州近一轮的房价上涨。分析发现，实际房价连续低于基本面价格的城市，未来房价具有上涨的空间，的确存在着“补涨”效应。这也给我们以启示，在市场机制下，房价本身就具有一定的“熨平”机制，房价偏离所带来的价格空间在未来的一定时机会释放出来，短期的房价调控手段并非治本之策。房价偏离与“补涨”效应的解释逻辑，对于深入理解部分城市房价上涨问题具有一定的参考意义。

本文只是粗浅地讨论了研究区域内房价偏离与“补涨”效应可能的联系，并没有对“补涨”的作用强度和滞后时间进行精确的量化，这有待今后进一步研究。