房地产市场供求与房价关系的实证研究

徐巧 刘文清

摘要：由供给函数：LOG（PRICE） = 4.11+ 0.41*LOG（INVEST） ，即房地产开发商的投资额是影响房价的主要因素。由需求函数：LOG（PRICE） = 1.04 + 0.76*LOG（INCOME）可知，消费者收入是影响房价的主要因素。根据分析，给出了调控房价的针对性政策建议。

关键词：房价;供求关系;回归模型;定性分析;定量分析

中图分类号：F293.3   文献标识码：A   文章编号：1672-9129（2020）16-0146-02

1 房地产市场的供求均衡

供给曲线和需求曲线的交点就是均衡点，其形成过程如图1所示。

房地产的需求曲线以D表示，供给曲线以S表示，横轴表示房屋的数量Q，纵轴表示房屋的价格P。只有在E点供给量和需求量相等，不存在帕累托改进，此时市场出清，实现了房地产市场的均衡。

2 定性分析——供给与需求对房价的影响

2.1供给对房价的影响。

（1）房价上涨的一个重要原因是房屋的成本高。一方面土地出让成本在开发商的造房成本中达到60%-70%的比重，这直接影响着房地产成本的提高，间接造成房价的上涨。另一方面，建材价格上涨也会使不动产价格上涨，由于不动产的保值性和难以替代性等特点，其价格上涨的幅度一般会大于建材价格上涨的幅度。

（2）商品房结构不合理。房地产的用途具有多样性，当一个地区的需求改变时，房地产的使用方式也要随之改变才能平衡供需。比如某地经济发展时，写字楼、商场的供给相对于需求而言严重不足，将会导致这类房产的价格上涨;当某地需要更多中小型住房时，写字楼等的超额供给会加剧对中小型住房房价的冲击。因此，若商品房的建设比例不能因地制宜，将会加剧供需矛盾，从而房价上涨。

（3）房地产市场的垄断。垄断厂商会通过减少供应量的方式来抬高房价，从而获得超额利润。房地产市场的进出壁垒很高，厂商进入或退出这个行业有一定困难，小企业由于技术、资金等的不足难以和大企业抗衡，导致市场由少数几个企业主导，这些垄断企业对市场的价格有一定程度的控制。

2.2需求对房价的影响。

（1）消费者收入水平。

图2为1998-2018年的城镇居民可支配收入水平的折线图。

从上图可知，居民可支配收入逐年上升，并且上升的速度越来越快，因此对房屋住宅的需求量增加，在房屋供给缺乏弹性的情况下，需求大幅度增加推动了房价的上涨。

（2）人口因素

图3描述了我国15-64岁之间的人口趋势。

（3）消费者预期。预期是影响经济活动的重要因素。消费者预期未来房价会下跌，则会减少当期对房屋的消费量，在未来进行购房活动。当市场力量的主体都预期未来房价下跌时，当期购房量必然会下降，从而预期演变为现实，造成未来房产需求量的大幅度上涨，从而房价上涨。

3 定量分析——供求函数的模型构建

3.1建立供给函数。建立供给函数所用到的原始数据为1998年到2018年的统计年鉴数据。建立回归模型，采用变量取对数的方法来消除异方差的影响。供给数据如表1所示。

Eviews软件的建模结果如下：

LOG（PRICE）=4.22+0.41*LOG（INVEST）-0.05*LOG（RATE）（1）

R2（0.97） t（9.82） t（23.90） t（-0.27） F（324.258）

R2 为0.97，接近于1，说明该方程显著。Log（rate）变量的t检验值为-0.27，不能通过t检验，说明该解释变量不显著，因此删除log（rate）变量，修正模型，得到表2所示的检验表。

R2 为0.97，接近于1，说明方程的拟合效果很好。t检验值也均通过检验，说明解释变量显著，得到供给函数。由供给函数知：房地产开发商总投资的对数每变动一个单位，房价的对数就相应变动0.41个单位。

3.2建立需求函数。需求数据如表3所示。

根据经济学原理，一般商品的需求函数为线性需求函数，因此初步构建需求函数为回归函数，并将各变量取对数，消除变量的异方差性。

rate1=log（rate），price1=log（price），income1=log（income），area1=log（area）

将数据导入Eviews，得到表4所示的各变量相关系数矩阵表。

表4 相关系数矩阵表

RATE1PRICE1INCOME1AREA1

RATE11.000000-0.340812-0.366927-0.054701

PRICE1-0.3408121.0000000.9950120.772722

INCOME1-0.3669270.9950121.0000000.781260

AREA1-0.0547010.7727220.7812601.000000

如上表，解釋变量log（rate）与被解释变量log（price）变量的相关系数为-0.34，呈弱相关性，其余各个变量具有强相关性，因此剔除变量log（rate），构建回归模型。

LOG（PRICE）=1.04+0.76*LOG（INCOME）-0.007*LOG（AREA） （3）

R2（0.99） t（6.03） t（26.74） t（-0.32） F（905.52）

此模型中变量log（area）不能通过t检验，因此删除变量，重新构建模型。

LOG（PRICE） =1.04 + 0.76*LOG（INCOME） （4）

R2（0.99） t（6.18） t（43.48） F（1890.43）

各变量均通过检验，得到了需求函数。根据需求函数可知，消费者收入的对数每变动一个单位，房价的对数相应变动0.76个单位。

4 结论与建议

4.1房地产投资。控制房价，可从房地产开发商的投资构成方面着手。房地产投资主要由土地购置和建安支出两部分构成。土地购置费是房地产企业通过各种方式取得土地使用权而支付的费用。建安支出可以发现其大致由三部分构成，包括建筑工程、安装工程和设备工器具购置。

地方政府要降低财政收入对土地出让金的依赖，开辟其他经济来源，从而让市场更好的调节房价。

4.2深入改革房地产体制。仅仅通过市场调节已经不能使房地产市场恢复到健康发展状态，这时政府的宏观调控政策必然要发挥重要作用。房地产体制的改革不仅涉及到房地产市场，还包括与其相关的法律法规、生产要素分配准则、甚至于产权制度和社会信用体系，因此房地产体制的改革是一个长期又复杂的过程。因此政府要协调各方力量，制定全面的计划来对整个房地产市场做出调整。

规划好房地产市场在不同时期的调整目标。对于房地产市场，短期目标是稳定房价、抑制房价的不合理上涨;中期目标应是把土地使用与居民收入和人口增长协调起来，减缓房地产市场的供需矛盾;长期目标就是实现房地产行业的健康和可持续发展。

房地产市场上的购买和投资活动都离不开利率。因此利用住房信贷政策、房地产税等价值工具来调节房地产市场的供求关系。完善和健全住房信贷体系，房地产税收体系，同时辅以相应的补贴政策。

4.3消费者收入水平。要从收入方面控制房价，必须了解全国各地居民的收入水平，将居民收入水平按低、中、高等划分，根据每个层次的收入水平和人口将住房需求进行细分，实现房价的低、中、高等，让每个层次的居民都能买得起房。

4.4控制投资需求和理性预期。政府要积极引导消费者的投资理念，严格监管消费者的投资行为，防止房地产行业出现严重的投机现象，同时，政府应协调各行业均衡发展，促进各个行业的投资机会均等，从而分散消费者的投资偏好，形成正常、合理的房地产投资行为，让该行业积极健康发展。此外，政府应积极引导消费者对房价的预期，从稳定房价方面释放给消费者一种房价短期内不会上涨的信号，从而减少消费者对房地产的投资需求。

参考文献：

[1]马静. 我国房地产现状的探讨[J]. 消费导刊， 2018， （15）：148.

[2]周亮錦，夏恩君，魏星.基于供求关系的房价波动分析[J].北京理工大学学报（社会科学版），2019，21（06）：97-106.

[3]申靖，袁莉.基于房地产市场供求关系的房价模型——以湖南省为例[J].湖南工业大学学报，2013，27（04）：89-93.

作者简介：刘文清，男，1967年出生，成都信息工程大学统计学院副教授，研究方向：数据挖掘。徐巧，女，成都信息工程大学统计学院学生。