广州市住房租赁新政对房地产市场影响的实证研究

赵 亮，汪园林

（广西大学 土木建筑工程学院，广西 南宁 530000，E-mail:478480112@qq.com）

房地产市场包括住房买卖市场与住房租赁市场，二者紧密相关，要想房地产市场稳定发展，这二者任何一个都不能忽视。而在我国，住房买卖市场明显呈现出一种畸形发展的态势。国家统计局的数据显示，2018年，广州市住宅商品房销售价格为21581.78元/m2，而广州市在岗职工平均工资为111839元，计算得出2018年广州市房价收入比高达19.3（按每套商品房面积100 m2折算）。按照国际公认的标准来看，房价收入比的合理水平应该是在3～6之间的，而中国几乎所有的城市的房价收入比都要高出合理水平一倍左右，广州更是高出5倍左右。针对这一情形，国家提出要大力发展住房租赁市场的政策[1]，其目的，一是要解决刚需家庭的住房问题；二是要遏制住房买卖市场的畸形发展，打击房地产投机炒作问题，引导房地产市场健康发展。而这些政策能否影响以及如何影响房地产市场，成为了房地产市场研究的一个新课题，政策对房地产市场的影响最终会落实到价格上来[2]。

目前国内外对于住房租金与房价之间关系的定性研究主要有两种。一是地租理论，认为房租与房价都是房屋价值的货币表现形式，都反映了房屋的价值，因此，房租与房价之间必然存在一种正向关系；二是迪帕斯奎尔-惠顿模型（D-W模型）[3]，也称四象限模型。四象限的坐标轴由住房租金、住房价格、新开发的建设量与存量4个指标构成。

国内外研究房价与租金关系的定量研究成果颇丰。国外房地产起步较早，Gallin[4]通过美国1970～2003年房价与租金的季度数据进行研究，结果表明，房价与租金之间存在长期稳定的协整关系，且二者互为因果关系。但Himmelberg等[5]的研究却表明，房价与房租之间没有直接关系。对于我国租金与房价关系的实证研究，学术界也有大量的研究成果。方毅等[6]根据现值模型，采用1999年第3季度至2006年第2季度全国35个大中城市房地产销售价格和租赁价格的季度数据，利用面板数据检验房屋销售价格和租金的长期均衡关系，发现两者之间存在（1，-1）的协整向量。余华义等[7]通过1997年第一季度至2007年第二季度全国房屋价格和房屋租金的定基数据采用向量误差修正模型进行研究，结果表明，房价和房屋租金之间存在双向的正向影响关系，房价上升带动房屋租金上升，房屋租金的上升反过来推动房价的上升。刘仁和等[8]利用1993年第二季度至2010年第一季度的数据进行实证分析，结果表明北京、上海、广州和深圳的租金指数和房价指数之间不存在协整关系，说明住宅市场价格与租金不存在长期均衡关系，房价严重脱离了租金这一基本面的影响，表明房价泡沫在长期积聚。张攀等[9]选取1999年第3季度至2010年第4季度上海房价和租金的数据建立VAR模型，结果表明上海房价与租金之间存在长期稳定关系，短期内房价和租金互有影响，但影响方向不定。徐丽红[10]通过选取2009年1月到2014年1月广州市18个楼盘的月度数据建立误差修正模型，研究广州市房价、地价、租金之间的关系，结果表明，三者之间存在长期均衡关系。王广生[11]基于北京市住宅租金时间序列数据，对北京市住宅租金影响因素进行了研究，研究结果表明，北京市住宅价格对北京市住宅租金有正向影响。何成忠[12]以广州市为例，通过Spearman Rank相关性分析，实证得出引起租赁价格上涨幅度的最主要因素是一二手房价的上涨程度，以及人均可支配收入的增长程度，即房价和收入是影响租金上涨的最主要因素。

广州市作为全国首批试点城市之一[13]，自2017年到2018年，密集出台了19条相关政策来支持住房租赁市场的发展。这一系列的政策必然会导致人们在租房和买房之间更加摇摆不定，一边是高企的房价，一边是价格优惠而且越来越规范和成熟的住房租赁市场，对于大多数人来说，租房将会成为一个更好的选择[14]。根据供给和需求理论，随着住房租赁市场的进一步扩大，租赁住房房源越来越多，供给加大，租金与房价之间的关系必然也会随之而改变。因此，本文基于这一系列政策，做出假设，认为在这些政策的影响下，广州市住房租赁市场扩大从而影响住房买卖市场，同时，房价对租金的影响会减小，租金对房价的影响会增大。本文以政策发布时间为分界点，将数据分为新政前、新政后两个子样本来进行对比研究。通过建立租金与房价的向量误差修正模型，将样本分为新政前和新政后两个子样本，对这两个子样本进行对比研究，找出新政前后租金与房价之间关系的变化，进而分析新政对房地产市场的影响。

1 指标与数据选取

本文选取了广州市2009年3月到2019年3月住房租金与房价的月度数据，分别用RP和HP表示。数据来源于禧泰房地产大数据。该数据采用以存量房挂牌为主、兼顾新房和成交的数据体系，与传统数据（成交、申报、新房）相比具有明显优势。通过银行、政府项目实施，禧泰数据对全国主要房地产数据服务商、电商平台、商业银行数据进行比对，禧泰数据的知识信息比同业优50%以上。因此，该数据有较高的可靠性。由于政策颁布起始时间为2017年7月，因此选取2017年8月到2019年3月为新政后的样本。为了与之对照，选取了2016年1月到2017年7月为新政前的样本。由于这些数据为月度数据，可能存在季节因素的影响，为了消除季节性波动，将季节要素从原序列剔除，有必要进行季节调整。本文采用X12方法对原序列进行了季节调整，调整后的租金与房价的时间序列图如图 1所示。从时间序列图来看，二者有很强的相关性。

2 VECM模型的建立与实证研究

向量误差修正模型（VECM）相较于向量自回归模型（VAR）的优点是能够根据误差修正系数考察变量偏离了长期均衡状态之后，将变量拉回到长期均衡状态的速度，进而分析新政前后二者之间关系的变化。该模型能定量研究新政前后租金与房价之间的关系变化。

图1 租金与房价时间序列图

2.1 VECM模型的建模步骤

（1）数据处理。对于月度或季度时间序列数据，常常需要对其进行季节调整，去掉季度效应后才能使用。如考察中国的季度 GDP数据。由于第一季度包含春节，所以通常第一季度的 GDP偏低。如果直接以第二季度的GDP除以第一季度GDP得到环比增长率，那么就会高估第二季度的 GDP增长率；同理，如果将第一季度 GDP除以上一年第四季度GDP则会低估第一季度的GDP增长率。因此，如果不进行季节调整，则会忽略季节效应，掩盖了经济发展的真实波动，从而失去了计量研究的客观性。本文在指标选取与数据一节中已对数据进行了季节调整。

（2）数据检验。对各个经济变量的时间序列数据进行建模之前，往往要进行平稳性检验，也就是检验是否存在单位根。如果时间序列数据不平稳，可能带来以下问题:一是自回归系数的估计值不服从渐进正态分布，t检验失效，无法进行传统的区间估计与假设检验；二是两个互相独立的单位根变量可能出现伪回归或伪相关。因此，模型数据有必要进行单位根检验。单位根检验的方法有很多，本文采用的方法为目前流行和常用的ADF检验。

（3）模型检验。如果原序列是平稳序列，则可以用原序列直接建模。但是如果原序列存在单位根，即为不平稳序列，可以对其进行一阶差分而得到平稳序列，但是差分后序列的经济含义发生了改变，与原序列并不相同，又希望能使用原序列来进行建模回归。如果多个单位根变量之间由于存在某些经济原因而存在长期均衡关系，就有可能使用原序列进行回归。这种方法的核心思想是，对于多个单位根变量之间存在共同趋势，可以通过对这些变量进行适当的线性组合来消除其中的随机趋势，从而得到平稳序列，这就是1987年，Engle和Granger提出的协整理论。协整检验的方法主要有EG-ADF检验和Johansen检验，前者的缺点是不能处理同时存在多个协整关系（即协整秩大于 1）的情形。而且由于EG-ADF法分两步进行，第一步估计的误差有可能带到第二步中，故不是最有效率的方法。因此本文使用的是Johansen检验法。

（4）结果分析。针对研究内容，采用格兰杰因果检验的方法来进行结果分析。格兰杰因果检验思想是，如果X与Y之间存在单向因果关系，那么可以用其中一方的过去值来预测另一方的未来值，反之则不成立。双向因果关系与之类似，二者可以互相用过去值来预测另一方的未来值。

2.2 数据与模型检验

（1）单位根检验。对全样本、新政前、新政后这3个样本数据进行单位根检验，其中DRP和DHP表示全样本租金与房价序列的一阶差分，DRP_01和DHP_01表示新政前样本的一阶差分，DRP_02和DHP_02表示新政后样本的一阶差分，具体如表1所示。从表1中可以看出，3个样本数据都在 5%的显著性水平下为一阶单整，即 I（1）序列。

表1 单位根检验结果

（2）协整检验。本文采用 Johansen方法，综合考虑自由度和滞后项，采用AIC和SC准则分别对新政前、新政后以及全样本数据选取滞后2阶、1阶、2阶来进行协整检验。检验结果如表2所示，结果表明3个样本均存在协整关系。

表2 协整检验结果

2.3 VECM模型构建与分析

基于单位根检验和协整检验的结果，本文分别建立了3个样本的向量误差修正模型（VECM）来刻画全样本、新政前、新政后的住房租金与房价之间联动引导关系。模型基本设定如下:

式中，ECt-1=RPt-βHPt是误差修正项，反应住房租金与房价之间的长期均衡关系；1Ø和2Ø分别是方程中误差修正项的系数，反应变量偏离了长期均衡状态之后，将变量拉回到长期均衡状态的速度；ΔRPt-1和ΔHPt-1是自回归项；Li为滞后算子，其中，i=1，2，…，p；p为变量的滞后阶数。

表3是根据方程建立的3个样本VECM模型的结果，其中，EC值为误差修正项的系数，P值为该系数的显著性水平。

表3 VECM模型结果

全样本VECM模型中，协整方程为:

说明住房租金与房价二者之间存在长期均衡关系。从二者的误差修正项系数可以看出，住房租金RP的EC值为-0.09869且在0.1%的水平上高度显著。而房价HP的EC值为-26.93869，只在10%的水平上显著。

对比来看，新政前与新政后的VECM误差修正模型中的协整方程均显示住房租金与房价之间存在长期均衡关系。但住房租金的EC值由新政前5%水平显著变为了新政后的不显著，房价的EC值始终在0.1%的水平上显著。说明房价不再显著地影响住房租金，但住房租金依然显著地影响房价。从EC值的绝对值水平来看，新政前与新政后相比，住房租金的EC绝对值变小，而房价的EC绝对值变大，说明新政后，住房租金向均衡水平调整的速度减小了，而房价向均衡水平调整的速度增大了。这表明新政后，住房租金对房价的引导作用增强，而房价对住房租金的引导作用减弱。

2.4 均衡水平变化的定性分析

为了便于理解均衡水平的变化，本文基于四象限模型从定性的角度做出分析，结果如图2所示。

图2 新政前后租金与房价之间均衡变化图

四象限模型简称 D-W 模型，主要是用来定性分析住房买卖市场与住房租赁市场之间的联动关系。四象限的坐标轴由住房租金、住房价格、新开发的建设量与存量4个指标构成，其中数值均为正值，越离开坐标原点数值越大。

第Ⅰ象限说明住宅存量是如何确定租金的。横轴代表住宅存量，纵轴代表租金价格，象限内的下斜线表示住房需求曲线，说明住房存量越大，租金价格越低；第Ⅱ象限说明如何通过租金价格以及资本化率来确定住房价格的。资本化率可以被认为是投资房产的人的期望收益率。资本化率的确定与社会经济和资本市场各种资产的投资回报率有很重要的关系；第Ⅲ象限中的射线是开发成本线。如果由于某些原因导致供给缺乏弹性，比如土地管制，那么这条射线则会倾向于水平。从第Ⅱ象限确定的房价出发，引入一条垂线与开发成本线相交，然后从交点处引出一条水平线与新开发建设量轴相交，就可以确定出开发建设的平衡数量；第Ⅳ象限是租赁使用市场的一部分，反应了新增开发建设量是如何转化为存量的。从原点出发的射线代表折旧，折旧率为δ。斜线上任意一点对应的开发量和存量表示开发量刚好抵消折旧量，以保证存量维持不变。

在图2中，实线闭合方框代表新政前原均衡点，而虚线闭合方框代表新政后新的均衡点，ΔR和ΔP为租金和房价两次均衡之间的变化。由于新政刺激了住房租赁市场的供给，导致新开发建设量C增大，经过第Ⅳ象限房地产市场存量调整传导，住宅存量S增大，经过第Ⅰ象限的传导，使得租金的价格下降，后经由第Ⅱ象限资本市场传导，房价也会下降。在第Ⅲ象限，由于政策的鼓励性措施，会给开发租赁性住宅的企业一定的优惠作用，导致企业开发成本降低，曲线斜率增大，这样新开发建设量C也会增大，此时，形成了一个新的均衡闭环。

2.5 格兰杰因果检验

VECM 模型是从长期均衡的角度来考察住房租金与房价之间的联动关系，为了明确二者之间的短期动态关系，通过格兰杰因果检验的方法来进行分析，表4是检验结果。

表4 格兰杰因果检验

在全样本情况下，二者存在较为显著的双向因果关系，但是新政后，房价已不再是住房租金的格兰杰原因，同时，住房租金成为了房价的格兰杰原因。这说明新政后，房价反而不影响住房租金，但是住房租金却影响房价。这从短期动态视角进一步说明新政后住房租金与房价二者之间的关系发生了改变，该结果与表3的结果相互印证。

3 结语

本文基于2009年3月至2019年3月广州市住房租金与房价的月度数据，通过建立全样本、新政前、新政后3个样本的向量误差修正模型，运用协整检验与格兰杰因果检验进行分析，发现广州市住房租金与房价之间存在长期均衡关系。但是新政前后，住房租金与房价之间的关系发生了改变，具体来说，从误差修正系数来看，新政后，住房租金向均衡水平调整的速度减小，而房价向均衡水平调整的速度增大，说明住房租金对房价的引导作用增强，而房价对住房租金的引导作用减弱。从格兰杰因果检验来看，住房租金由新政前不是房价的格兰杰原因变成了新政后是房价的格兰杰原因，进一步说明了新政前后，住房租金与房价关系发生了改变。因此，实证研究的结论与前文政策分析的假设相符合，广州市住房租金与房价之间的关系在新政前后确实发生了改变，且房价对租金的影响减小，租金对房价的影响增强。这使得住房租赁市场发展的同时，也会影响住房买卖市场，二者之间产生了互动融合关系，进一步说明新政推动了广州市住房租赁市场与买卖市场的互动融合发展。

租金与房价之间的关系由脱钩变成挂钩，使得稳定调控房价有了一个新的手段，即大力发展住房租赁市场，租金价格下降，且租赁体验和环境更好，使得住房买卖投资属性降低，这对于稳定调控房价以及房地产市场的健康发展有重要作用。同时，继续扩大政策实施、增大租赁住房供给的同时也要保障租户权益、保量也要保质。