人口老龄化对重庆房价的影响

周宁琪 胡艺馨 孙笑

摘 要：人口老龄化和房价都是现今社会关注的焦点问题。人口老龄化对社会消费、人口组成结构等有所影響。房价具有稳定物价，保障民生等方面的作用。本文将以重庆为例，研究人口老龄化对重庆房价的影响，验证人口老龄化与重庆房价之间的相互关系、相互作用，以此预测在人口老龄化背景下重庆房价的走向及人口老龄化的缓解是否有利于重庆房价的稳定。本文通过建立的VAR模型对数据分析得到城镇化率对当地商品房均价的影响较大，城镇人口对当地商品房均价不存在明显的因果关系，影响较小。

关键词：人口老龄化;房价;VAR模型

一、引言

根据国家统计局最新公布的统计数据显示，2019我国的人口总数为140005万人，65周岁及以上人口为17603万人，占我国总人口的比重为12.6%。而根据《2019年重庆统计年鉴》，重庆老年抚养比已达到了11.56%。人口老龄化现象的加剧，开始引起我国社会各界的关注，家庭人口结构的变化可能会直接或者通过经济影响间接导致房地产的供需关系波动，人口老龄化将对社会劳动供给、资源分配、人均储蓄以及社会福利等形成一个长久而持续的影响。

二、文献综述

在人口老龄化的社会背景下分析对房价上涨的影响。这一立题丰富了影响房价上涨因素的研究方向。本文以重庆房价为例，在人口老龄化的影响下对其进行理论与实证研究。为未来重庆房价与人口老龄化之间的联系与作用关系提供新的思路与研究数据。

在中国城市化快速发展的同时，人口老龄化趋势也更加明显，中国是目前世界上最大的发展中国家，我国老年人的人口比重也是十分庞大的，而老龄化的问题不仅是数量增多的问题，还存在着一系列因数量增多和老年人口比重变化引起的其他问题，徐建炜等（2012）则将人口结构的变化作为研究切入点，以此来分析研究我国住房价格持续上涨的现象。而叶永刚等（2016）认为人口年龄结构的变化能够决定房地产未来的发展。而程彦斌（2013）等研究认为，我国人口总规模在今后20～30年内仍将增长，邹瑾研究表明老龄化带来的房价波动滞后于老龄化进程，但在长期和短期内存在不同的效应，在短期内，老年人口比例对房价呈负向作用。国外相关学者之间也存在分歧，Yu Chen等（2012）研究表明人口老龄化——或者更普遍的年龄结构变化——不太可能是房价的主要决定因素，至少在苏格兰是这样。而Lindh等（2008）认为，大量的年轻人与较高的住宅建设率相关，但与那些超过75岁的人相比，则有一个显著的负面影响。

从以往的研究来看，我们发现大多数的学者都将房价市场的研究着眼于老龄化作用于房地产价格的理论机制，关于老龄化对于房地产价格影响的相关研究较为丰富，所得结论多样化。近年来，随着城市经济的蓬勃发展，越来越多的年轻人选择在城市定居和工作，家庭人口结构的变化可能会直接或者通过经济影响间接导致房产的供需关系，进而作用于房地产价格老龄化代表着整个人口结构的老化。目前的研究还可以进行进一步的深入。本文将尝试在前人的研究基础上，综合考虑影响房产价格的因素，以重庆为例，定性研究和定量研究相结合，调查近几年老龄人口数量、重庆房价涨幅情况、房价的影响因素等数据，参考相关研究报告进行定性分析。再结合VAR计量经济模型，判断老龄人口的数量和重庆房价的变化情况之间的相互关系，对重庆房价和人口结构变动进行预测，研究人口老龄化对重庆房价影响与其二者的相互作用关系。

三、实证模型

1.变量说明

本文运用1989年01月--2018年12月的时间序列数据来对重庆市房价的影响因素进行实证分析。本文选取商品房销售额（CHS）和城镇人均可支配收入（PCD）来衡量居民的房屋购买力，用老年抚养比（ODC）作为衡量城镇老龄化水平的变量（该变量由城镇人口总数，城镇化率以及65岁以上城镇人口数量换算得出），商品房销售均价（PS）由商品房销售面积（SAC）和商品房销售额（CHS）换算得出，所用数据均来源于中国统计局网站，重庆市统计局网站，及中国经济网。为了消除时间序列产生的异方差，我们将数据进行对数处理。对于某些年份的缺失数据，我们将通过对月度数据进行加权平均，并且根据收集到的数据整合推算数据。

由于本文中所使用的的数据均是时间序列数据，能够建立可行的VAR模型的前提，是数据是否平稳，否则检验结果会出现虚假回归。因此，为了消除时间序列的异方差，我们对以上数据进行对数处理。

2.模型构建

本文选择VAR模型作为分析针对老龄人口的相关数据对住房价格形成的影响，并选择重庆住房销售量和老年抚养比作为衡量老龄人口对房价的影响指标，同时将家庭户规模、城镇化率、重庆地区生产总值、城镇居民人均可支配收入等影响房价的重要因素作为共同解释变量，构建VAR模型如下：

公式中 是n维列向量，T是样本数，W是滞后阶数， 是n*1误差向量，A为n×n系数矩阵。令 =（LnGDPt，LnODCt，LnCRt，LnRPt，LnHNt，LnPCDt，LnSACt，LnCHSt，LnPSt）。其中LnPS、LnRP、LnCR、LnGDP、LnODC、LnHN、LnPCD、LnSAC、LnCHS表示自然对数的商品房销售均价、城镇人口数、城镇化率。为重庆地区生产总值、为老年抚养比、为家庭户数、城镇人均可支配收入、商品房销售面积、商品房销售额。

四、模型估计结果分析

本文基于Eviews平台建立var模型。

为防止伪回归问题出现，可对序列进行采用单位根检验，若序列不平稳，则可以采用差分或者取对数的方法对有关数据进行预处理使其变为平稳序列然后进行Granger检验或直接将非平稳数据进行Johansen检验，然后进行误差修正。由于年度数据年份较少，故将var模型分成两个模型建立，单独研究城镇人口数、城镇化率对商品房销售均价的影响和家庭户数、生产总值对商品房销售均价的影响。

1.城镇人口、城镇化率对商品房销售均价的影响

本文先对数据进行单位根检验（采用ADF检验的方法），若數据不平稳，则提前对数据进行处理，使其变为平稳序列。对城镇人口数、城镇化率和商品房销售均价的平稳检验得出，商品房销售均价和城镇人口数均不通过单位根检验，数据不平稳。对数据取对数后，商品房销售均价、城镇人口数和城镇化率均通过1%显著性水平下的稳定性检验，本文的研究取5%的显著性水平，故通过预处理，三类数据均变为平稳数据。

在Eviews平台将lnps、lnrp、lncr以var模型的形式打开。在Eviews中进行滞后阶数判断，设定滞后阶数为2时，Lag下滞后阶数为2时*最多，模型拟合效果最好，程序运行结果如表4.2，故选择滞后阶数为2阶。

在eviews平台中，引入1989年-2018年的重庆市商品房销售均价、城镇人口和城镇化率城镇人口、城镇化率和商品房销售均价的var模型，得到以下估计结果：

2. GRANGER因果关系检验

GRANGER因果关系检验是考察变量之间在时间上的先导—滞后关系。且VAR模型的另一个重要应用就是用来检验一个变量与另一个变量是否存在Granger因果关系，这也是建立VAR模型的需要。我们对各变量序列进行因果检验，以进一步分析商品房均价与其他解释变量之间是否存在因果关系。

从GRANGER因果关系检验结果中可知;在5%的显著性水平下，商品房销售价格与城镇化率互为格兰杰原因，说明城镇化率的变动能引发商品房销售均价的变动，商品房销售均价的变动也能引发城镇化率的变动，表明城镇化率与老年人口总量存在相互反馈作用。城镇人口数和城镇化率互为GRANGER原因，其次，商品房销售价格和城镇人口数之间存在单向因果关系，表明商品房销售价格能够引起城镇人口数的变化，而城镇人口数量的变化并不是商品房销售价格变动的直接原因。

3.脉冲响应分析

对城镇人口数（RP）、城镇化（CR）、人均地区生产总值（GDP）、家庭户数（HN）分别施加一个脉冲，城镇人口数对商品房销售均价的影响波动小，最后趋近于0;城镇化对商品房销售均价的影响逐渐减少，最后收敛于0;人均地区生产总值对商品房销售均价的影响在第4期达到最大，然后逐渐减小，最后收敛于0;家庭户数对商品房销售均价的影响正负波动，逐渐增加。由于篇幅问题，我们对于其他变量的具体问题不做过多的展示。

4.方差分解分析

对城镇人口数（RP）、城镇化（CR）、人均地区生产总值（GDP）、家庭户数（HN）进行方差分解，城镇化对商品房销售均价的影响大于城镇人口数对商品房销售均价的影响，且在第14期后趋于稳定;人均地区生产总值对商品房销售均价的影响大于家庭户数对商品房销售均价的影响，且在第6期后趋于稳定。

5.生产总值、老年抚养比、家庭户数、城镇人均可支配收入、商品房销售面积、商品房销售额对商品房销售均价的影响

对家庭户数、生产总值、老年抚养比、城镇人均可支配收入、商品房销售面积、商品房销售额和商品房销售均价进行单位根检验都不能通过5%显著性水平下平稳性，若直接使用不平稳序列建立方程可能出现伪回归现象，使方程失去意义。对此，将这七类数据进行对数处理，处理后生产总值、商品房销售额、商品房销售面积和商品房销售均价能同时通过5%显著性水平下的平稳性检验。但处理后的生产总值、商品房销售额、商品房销售面积和商品房销售均价在Eviews中无法建立Var模型，因此生产总值、商品房销售额、商品房销售面积对商品房销售均价没有影响。

五、结论和建议

我们通过在Eviews平台中建立VAR方程的方法，研究了重庆生产总值、老年抚养比、城镇化率、城镇人口数、家庭户数、城镇人均可支配收入、商品房销售面积、商品房销售额对重庆商品房均价的影响。通过对数据的分析，得出对以下结论：

城镇化率和城镇人口数二者的对数可以通过单位根检验也可以与商品房均价建立VAR方程，并得到方程（2）。方程可以通过格兰杰因果检验，在进行脉冲响应和方差分解时可以得出：重庆城镇人口和重庆城镇化率能对重庆商品房均价产生影响，城镇人口数对商品房销售均价的影响波动小;城镇化率对商品房销售均价的影响逐渐减少。城镇化率对商品房销售均价的影响大于城镇人口数对商品房销售均价的影响。

对此，我们提出以下建议：

1.建立健全交通体系、基础设施，提高城镇化率

俗话说，要致富先修路。交通的便利在一定程度上决定了一个地区的繁荣程度。不少开发商会选择在轻轨周围开发楼盘，提高楼盘的价值。因此，交通的便利性是一个地区“富”起来的关键要素之一。建立健全交通系统能有效加快城镇化进程。

不少从业人员选择外出务工是为了给家人更好的生活条件，因此加强建设基础设施、提高教育医疗环境等能在一定程度上提高居民生活环境。

2.保护地方产业，加快产业发展

人是发展的核心。由于经济资源的匮乏，不少乡镇的青壮年会选择外出务工，因此在我国，乡镇的老龄化程度日益加深。因此，政府可以通过财政等方面的帮扶，保护地方产业，加快产业发展，为居民提供就业支撑，使当地经济朝多元化发展。

着力推进土地、住房、投融资等重点领域改革，建立健全农业转移人口市民化激励体制机制，建立地区中心生活圈。

2020年是我国全面小康的决胜阶段，在实行城乡一体化等政策的大环境下，政府不能忽视城镇化对房价的影响。在城镇化的同时，社会老龄化程度在不断加深，年轻一代的知识水平、思维方式与老一辈差异较大。因此年龄段与受教育程度对房价的影响可以成为一个新的研究方向。

参考文献

[1] 曾洋洋，文春晖.少子老龄化与中国房价波动的动态传递——基于1999-2013年省际面板数据的VAR模型分析[J].中国经贸导刊，2015（24）：69-70.

[2] 何兴强，杨锐锋.房价收入比与家庭消费——基于房产财富效应的视角[J].经济研究，2019，54（12）：102-117.

[3] 万晓莉，严予若，方芳.房价变化、房屋资产与中国居民消费——基于总体和调研数据的证据[J].经济学（季刊），2017，16（02）：525-544.

[4] 张一星.人口老龄化对我国房价的影响——基于中国省际面板数据分析[J].当代经济，2016（30）：4-7.

[5] 徐建炜，徐奇渊，何帆.房价上涨背后的人口结构因素：国际经验与中国证据[J].世界经济，2012，35（01）：24-42.

[6] Yu Chen，Kenneth Gibb，Chris Leishman，Robert Wright. The Impact of Population Ageing on House Prices：A Micro‐simulation Approach[J]. Scottish Journal of Political Economy，2012，59（5）.

[7] Lindh，Thomas，Malmberg，Bo. Demography and housing demand--what can we learn from residential construction data？[J]. Journal of Population Economics，2008，21（3）.

基金项目：重庆第二师范学院高等教育教学改革研究项目“大数据战略背景下应用型本科生 数据思维能力培养探索与实践”（JG2018034），重庆第二师范学院人才引进项目“基于大数据的宏观经济预警研究”（2018BSRC002）。

指导老师：李映桥