我国房地产价格影响因素分析

刘正才 刘耀泽

（上海师范大学商学院，上海 200234）

一、引言

伴随着我国经济进入中高速发展的阶段，房地产业也在迅速发展，随之而来的房价问题困扰着人们的生活，尤其是北上广等一线城市，还有一些二三线城市等，近年来房价上涨速度已超过GDP发展速度，使得越来越多的人沦为“房奴”一族。什么是影响房地产价格的主要因素？房地产价格的总体走势会不会维持在稳定水平？本文利用Stata统计工具，运用POOL混合模型对面板数据进行实证研究，希望可以为未来房地产业发展提供有意义的思路。

二、文献综述

1.文献综述

对于房地产价格的影响因素问题研究，不同的学者发表了不同的观点。周雪以北京市房价作为研究对象，选取1993年～2012年数据，利用Eviews软件对建立的线性回归模型进行分析，对各变量进行ADF检验得到时间序列平稳性，并利用EG进行协整分析及建立误差修正模型[1]。卢亚伟用理论与实证相结合的方法，分析影响郑州市房地产价格的因素，发现影响郑州市房价的经济因素中GDP和贷款利率对房价影响显著以及经济因素比政治因素更能影响房价[2]。刘庆鹏致力于对我国房地产价格区域差异及其影响因素进行研究，将影响因素划分为市场需求因素、市场供给因素、宏观经济因素三个方面，以我国35个大中城市为研究对象，结合2003年～2014年度数据建立面板模型回归分析，发现一类城市以及二三类城市影响房价上涨的因素，并提出了合理化建议[3]。郭娜等采用有向无环图方法实证分析各金融因素与房价之间的因果关系，认为“影子银行”等新型融资渠道增加使社会融资规模在扩大，利率变化在房地产市场发展过程中起到基础性作用，并提出进一步有效实施房地产市场调控的建议[4]。张静选取2000年～2017年月度数据，使用灰色关联分析法定量分析，发现货币供应量、金融机构的各项存款余额、房地产开发投资额、中长期贷款利率和国内生产总值与房地产价格有较高的灰色系数；对这些变量构建VAR模型进行进一步研究，发现国内生产总值对房地产价格的影响是正向的[5]。杜渐以河北省为例，通过灰色关联度理论，从供给和需求两侧分析影响房地产价格上升的因素，认为城镇居民可支配收入、区域GDP、固定资产投资额是最关键的三个指标[6]。

2.文献评述

本文在前人研究的基础上，利用Stata1 5.1统计工具，使用POOL模型对北京、上海两个一线城市房价变动进行变截距面板数据分析，研究发现地区生产总值、城镇居民人均可支配收入、地区总人口数、土地购置费用是影响房地产价格变动最关键的指标。值得关注的是地区生产总值与地区总人口数在这两个地区与房价变动呈反向相关关系，城镇居民人均可支配收入成为影响北京和上海地区房地产价格变动最主要的指标。希望本文的研究成果会为后人研究提供借鉴作用。

三、影响我国房地产价格的理论分析

1.价值是价格的决定性因素

房地产作为一种商品，应具有商品所具有的所有属性，首先满足价值决定价格这一规律。北京、上海作为一线城市，具有独特的地理位置优势以及丰厚的资源优势等，这些优势使得北京、上海的房地产价格上涨飞快，相关基础设施、社会福利、服务会很健全也会促进房价上涨。同时，价格会围绕价值上下波动，土地购置费用在一定程度上反映建筑物的价值，因此会反映在房地产的价格上，更好的周边配套设施、更好的生活便利性也会很大程度上影响房地产的价值。如北京的三环以里和上海的黄浦区、徐汇区、静安区等老城区的价值会与郊区价值不同，价格会高于郊区价格很多。本文以上海市为例，用几组指标作为衡量标准，分析上海近年来房地产业发展飞快的原因。

（1）指标一：房地产开发投资额与全社会固定资产投资之比。该指标作为衡量国民经济均衡发展的指标，据统计近10年该指标平均值为0.48（正常范围是0.22～0.28），可见上海市该指标比值情况一直偏大，房地产开发投资占全社会固定资产投资比重大，表明上海市房地产产业对国民经济发展促进作用很强，房地产开发投资过热，近十年该比值不断拉大且没有减缓趋势，因此可以说明房地产在这十年间发展速度过快。

（2）指标二：商品房销售面积与商品房房屋竣工面积之比。该指标作为同市场协调关系的指标，据统计近10年平均值为0.88（正常范围是0.7～0.9）。该指标从近10年平均情况来看，是在正常范围之内，但就逐年情况来看可以发现，前五年指标偏大，后5年指标偏小，因此可以得出销售量与竣工量之间关系不协调，体现了房地产市场竣工面积较大，需求偏少。结合实际情况来看，也体现为竣工面积绝对量太大使得比值偏小，或由于近年来房价过高导致销售面积较少，因此可以作为衡量房地产在这十年间发展速度过快的指标。

（3）指标三：住宅竣工面积与商品房竣工面积之比。该指标作为同内部协调的指标，据统计该指标平均值为0.64（正常范围是0.8～0.9）。该指标值近10年的情况一直处于正常范围之下，且处于逐年降低的趋势，说明上海市作为房地产业发展比较成熟的城市，房地产市场需求已不满足于居民住宅需求，居民在提高居住水平和改善居住环境的同时，也加大对第三产业等商铺的投资。

2.供求关系影响价格

（1）影响房地产价格的需求因素。影响房地产价格的需求因素主要有地区生产总值、城镇居民人均可支配收入、地区总人口数，这些因素在一定程度上会影响房地产的价格。地区生产总值衡量在一定区域内，所有常住居民在一年内生产活动转化的最终结果，作为需求的指标，在一定程度上会影响房地产价格。城镇居民人均可支配收入与房地产价格成正向相关性，作为需求指标，城镇居民人均可支配收入这个指标大，会增加在房地产相关上的投资，会使房地产价格上涨，反之下降。地区总人口数作为需求指标，会在一定程度上影响这一地区房地产的需求量，会使房价波动。

（2）影响房地产价格的供给因素。影响房地产价格供给因素主要有竣工房屋面积、待开发土地面积、土地购置费用，在一定程度上会影响房地产的价格。竣工房屋面积的大小会对房地产的价格产生直接影响作用。竣工房屋面积越大，会增加房屋供给，在需求一定的情况下，会使房地产价格下降，供应商会减少供给，需求一定，会使房地产价格上涨。同样，待开发土地面积大，会增加建筑面积投入，供给会增加，在需求一定的情况下会使价格下降，减少供给，需求一定，又会使价格上涨。土地购置费用与房地产价格呈正向变动关系，土地购置费用高，这一地区楼盘价值越高，基础配套设施越好，会建筑中高档住宅区。因此，供给水平会影响房地产价格。

以上海市为例，说明供求关系对影响房地产价格的作用。上海市的老城区，如黄浦区、静安区、徐汇区、长宁区、杨浦区等，单位面积房价居高不下，房价过高。老城区拥有得天独厚的自然及经济优势，如优渥的地理位置、便捷的交通条件、基础设施完善、配套设施建设齐全，据统计，2011年～2019年9年间，这5个老城区的房屋均价增长率分别为1.2、0.8、1.38、1.25、1.48、1.24，除静安区为0.8倍外，其余5个城区房屋单位均价均翻了一倍多。在基数就很大的基础上，单位价格溢价空间更大。究其原因，越来越多高学历、高收入人群选择在上海定居，他们更看重住房是否与公司近、是否交通便利、是否基础配套设施齐全、是否利于小孩子上学等因素，因此需求越来越大，促使房价上涨飞快。而这些老城区不会有更多的待开发土地面积，反而浦东、松江、奉贤、青浦等新区会有更多的待开发土地面积以及更低的土地购置费用，会使新区的供给加大，因此更多的年轻人会选择郊区买房，又会使房价上涨。

四、实证分析

1.样本选取与数据来源

本文选取2000年～2019年，上海市和北京市地区生产总值、城镇居民人均可支配收入、地区总人口数、竣工房屋面积、待开发土地面积、土地购置费用，作为解释变量（数据来源于前瞻数据库），这一期间两个城市的平均房价作为被解释变量（数据来源于安居客），研究影响房价变动的主要因素。

2.描述性统计

表1

本文利用Stata 15.1统计软件，对数据进行描述性统计。统计结果发现，被解释变量北京和上海的房价的平均值是26413.05，标准差是16802.46，最小值是7777，最大值是59868，表明房价上涨较快，房地产业发展较快。地区生产总值这一指标的平均值是15853.13，标准差是9646.978，最小值是2478.76，最大值是35039.02。城镇居民人均可支配收入这一指标的平均值是34336.51，标准差是19559.36，最小值是10349.69，最大值是72607.94。地区总人口数这一指标的平均值是1980.305，标准差是357.3801，最小值是1357，最大值是2451.6。竣工房屋面积这一指标的平均值是2502.721，标准差是631.3081，最大值是3770.88，最小值是1167.88。待开发土地面积这一指标的平均值是832.7825，标准差是695.8875，最小值是150.4，最大值是2914.8。土地购置费用这一指标的平均值是768.314，标准差是698.4187，最小值是60.31，最大值是2136.27。除地区总人口数、竣工房屋面积这一指标外，其余指标代表的实际情况都比预计情况发展水平更快。

3.单位根检验

单位根检验是平稳性检验的一种方法，为了验证时间序列中是否具有单位根，以防止数据出现伪回归现象。本文对1个被解释变量与6个解释变量取对数后，选取LLC（2002）方法进行长面板单位根检验，结果证实数据组平稳。

4.实证结果与分析

根据单位根检验结果验证数据的平稳性，本文选取变截距面板数据模型，检验截距项是否发生变化，根据实际情况选取LR检验：LR=-2（lnLR-lnLU）。原假设H0：u1=u2=u3=…=un；备择假设H1：ui不全相等。LR检验结果发现，LR检验统计量值为62.8272，而卡方检验5%显著性水平下对应的临界值为2104.1282，因此LR统计量小于临界值，接受原假设，因此选择POOL混合模型。可以得出的表达式为：

lny=3.414-0.35lnx1+1.54lnx2+0.064lnx3+0.037lnx4+0.03 7x5+0.121x6+e

表2

在0.05的显著性水平下，可以判定x1地区生产总值、x2城镇居民人均可支配收入、x3地区总人口数、x6土地购置费用是影响房价变动最关键的几个指标。其中x1地区生产总值与x3地区总人口数两个指标系数是负数，与房价变动呈反向相关关系，而其他指标与房价变动成正向相关关系。具体分析可以发现：x2城镇居民人均可支配收入这一指标对房地产价格变动影响最大，这很符合实际情况，说明在城镇居民人均可支配收入多的情况下，人们会选择改善居住环境，更加会将剩余资金投资于住房，可以促进需求增长，促进房价上涨；x3地区总人口数越多，对住房的需求更大，但系数是负数，说明这一地区整体生活水平可能中低收入人群偏多，在供给一定的情况下，会倾向于投资低端住房，或者无住房，因此不会正向促进房价上涨；x1地区生产总值也起到抑制房价上涨的作用，地区生产总值越高会促进经济发展，人们会投资住房，相反会抑制房价，可能是因为这两个地区贫富差距过大，中低收入家庭占大多数，还停留在温饱水平；x6土地购置费用与房价呈现正向相关关系，土地购置费用越高房价会越高，目标人群是中高档消费人群，会加强基础设施建设，会给住户提供良好的服务，反之，土地购置费用越低，房价会更低，目标消费人群可能是中低收入人群，会建设成中低档住房。

五、结论与启示

1.要大力发展北京、上海地区新区的基础设施建设

以上海市为例，要加快发展新区基础设施建设，拓展地铁线路沿线，使得更多线路地铁通向新区，并且促进新区之间的沟通交流；加快发展新区居民住宅配套设施建设，以及新建居民住宅配套设施建设，提高更多闲置土地的利用效率，更利于居民生活条件的改善。这样可以减少贫富差距，降低出现“富人更富，穷人更穷”的局面的概率，也会有利于抑制房价上涨。

2.要进一步改善住房供给结构

在需求一定的条件下，房地产企业商品房竣工面积越大、开发投资越多，会降低房地产价格，因此控制供给量至关重要。要正确界定和区分完全市场化供应、半市场化供应和非市场化供应比例。以及大力发展房屋租赁，构建成熟健全的租赁市场体系，完善租赁住房市场结构。

3.要完善保障性住房建设

（1）加快完善保障性住房建设，使得中低收入家庭可以改善居住环境，提升全社会的幸福指数。

（2）加快完善保障性住房建设，进而拉动相关产业发展，促进固定资产投资建设和刺激中低收入家庭消费增长。

（3）保障性住房作为一般商品房的替代品，可以有助于抑制上海市房价快速上涨。