要素结构性变动与房地产市场稳定——基于重庆的典型分析*

李 娇,向为民

(重庆工商大学 管理科学与工程学院，重庆 400067)

房地产对中国国民经济稳健增长的贡献仍显著，其市场要素的结构性变动日益明显。2019年，中国房地产业拉动上下游行业增加值占比达17.2%，即使2020年受新肺炎冠疫情影响，在消费不振、出口前景不明、制造业投资低迷的情况下，房地产投资对拉动中国经济回稳发挥了关键性作用，促进房地产市场平稳健康发展仍是未来中国经济工作的重点任务。同时，房地产市场要素的结构性变动日益明显，如对房地产市场产生重要影响的人口因素，正面临少子化老龄化日益加剧的结构性危机。2030年，中国新出生人口将下滑到1 100万以下，2055年老龄人口恐达峰值4.87亿，约占总人口的35%。人口年龄层次变化对房市产生多元化涟漪效应，随着少子化老龄化加快，住房需求减少，住房价格恐大幅下跌。[1]已有研究还表明，流动人口变迁、土地供需错配、货币政策宽松、经济发展不均、存量市场差异等叠加作用，造成地区房价严重分化，衍生诸多问题。[2-5]部分地区住房短缺，房价上涨过快，房地产投机严重，导致过度金融化；而部分地区住房过剩，房价跌幅过大，挤占土地与资金，房企资金链断裂，造成资源严重浪费。这些都不利于整体房地产市场稳定，亦给国民经济稳健发展带来潜在风险。2020年4月9日，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，针对推进土地要素市场化配置、引导劳动力要素合理畅通有序流动、推进资本要素市场化配置、加快要素价格市场化改革等提出了具体要求。因此，厘清要素变化与房地产市场的关系，准确量化要素结构性变动对房市稳定的影响，对推进土地、资本等要素市场化配置，引导劳动力要素合理畅通有序流动，降低房价大幅波动的可能性，保持房地产市场稳定显得尤为重要。

一、文献综述

有关房地产市场稳定发展，学界主要围绕政府行为展开研究，关注房地产政策调控效果，强调各国防范房地产风险的经验与教训。[6]价格是市场问题的集中体现，房地产市场调控核心是稳价格。国内研究在重视房地产调控效果的同时，也侧重从稳房价的角度重点探讨房地产价格波动与房地产市场长效机制的构建。[7]而关于要素结构性变动，1957年库兹涅茨就发现产业要素结构变化是非常重要的经济现象，要素市场尤其劳动力的变化是推动市场转变的主要驱动力。近期要素市场的变化是促使中国经济向“新常态”转变的主要原因。鉴于房地产对国民经济发展的重要作用，要素变化对房地产市场的影响也逐步引起学界关注，大致呈现以下两种研究范式。

一是从单一因素变动深入考量其与房地产市场的关系。如傅贻忙等[8]建立动态面板模型，探讨了人口结构变迁对房地产库存的影响。余吉祥等[9]基于城市建设用地供给理论，分析城市建设用地指标的配置逻辑及其对住房市场的影响。倪鹏飞[4]借鉴新经济地理模型，验证了货币政策宽松、供需空间错配如何造成房价持续分化。

二是以房价为自变量考察其如何影响要素变化，或与要素变动的共同作用。如李永乐[10]分析了房地产价格变动通过各类主体行为决策对人口、土地和资本流动产生的影响，研究了其内在机理和作用规律。张莉[11]匹配出房价如何影响劳动力流动的微观数据库，发现房价对劳动力流动确实存在“倒U”形影响。

梳理文献发现，房价分化是房地产市场分化的外在表象，市场要素差异则是其内部引力。涉及要素和房地产市场的研究，更多的是从单一因素深入考量与房地产市场的关系。面对要素变化趋势与整体市场发展，已有研究对要素结构性变化的影响关注不够，忽略了房地产市场的稳定在多因素共同作用下，要素配置差异的综合变化可能会对市场发展带来的影响。尤其是在一个稳定发展的房地产市场中，其影响并没被准确描述。要准确量化要素结构性变动对房市稳定的影响，需要明确房地产市场稳定的重要因素是什么，以及描述市场要素结构性变化在一个相对平稳的房地产市场中扮演的角色是什么。现有研究并不能为以上问题提供系统性答案。故本文在明确市场主要支撑因素的基础上，选取房价稳定的典型城市，深入解析要素结构性变动的影响，以期给房地产市场稳定和结构性改革提供有益借鉴。

本研究主要贡献体现在：突破原有房地产市场与要素研究多从单因素来解读的研究范式，侧重从多个因素的结构变化(同时考虑人口、土地、金融、市场存量，并构建了综合结构变化指数)来探讨房市稳定发展，契合房市受多要素共同影响的现实，丰富了要素变化与房市关系的研究；选择典型房地产市场稳定期的相关数据，分别采用线性和非线性的定量分析，对要素结构性变动影响房市稳定效率进行测度，研究结论更准确，能为地方政府精准施策房市调控提供依据。

二、研究基础、模型构建与典型选择

(一)研究基础

首先，影响房地产市场的因素纷繁芜杂，但住房市场与宏观经济之间存在非常紧密的关系，消费者支出、劳动力、货币、经济增长等宏观经济变量从供需方面影响着房地产市场。其中，居民收入是其支出的重要来源，价格则是市场集中变化的体现，住房需求和住房价格的理论与实证都强调收入是非唯一的决定因素。研究房价的实证模型一般都源自代理模型，其常用的分析范式认为收入与住房存量对房价具有重要影响。[12]而Saiz & Bruyne[13]基于效用函数，引入人口迁移、地理位置等因素，建立了多城市房地产价格分异模型，认为要维护房地产市场稳定，房地产价格与城市居民经济收入、城镇人口、建成区面积及房地产存量具有重要关联。此外，国内学界比较认可任泽平[14]提出的房地产长期看人口、中期看土地、短期看金融。因此，本文确定影响房地产的支撑因素为居民收入、人口、土地、金融、市场存量、地区产业。

其次，经济增长研究表明要素投入是经济增长的直接动力，要素结构因配置差异会对经济增长产生重要影响[15]。即，要素投入形成经济产出，当要素投入发生波动，产出随之波动。要素结构变迁带来结构效应变化，结构效应变化将导致不同的增长速度，从而影响经济增长的稳定。房地产作为特殊商品，房地产价格是其市场价值的表现形式，如果将房地产看作其市场产出，那么市场投入要素波动，引致房地产价格波动，要素结构变化亦将影响房地产市场的稳定。此外，我国进行供给侧结构性改革是为提高生产效率，有效解决生产要素和资源结构性错配。随着房地产市场发展，房地产的要素差异和资源错配直接体现在人口流动不均、住宅与非住宅的土地要素投入差异、可获得金融支持变化等方面，间接反映出地方经济产业与居民收入的差异性。理论上，低效率部门的要素资源会向高效率部门转移，有助于高效率部门提高生产效率，增加供给能力。实际上，高效率经济发达地区的房地产供给情况更为复杂，虽然该地区居民收入高，对人口吸引力大，住宅市场需求旺盛，但因人口、土地、金融、房地产存量等直接要素的结构性变化，尤其是人口老龄化趋势带来当地居民实际购买力逐渐下降，以及受土地资源约束，住宅市场供给有限，导致住宅价格上涨，非住宅供给则存在过剩。

鉴于此，为进一步分析房地产市场重要因素对其稳定的影响程度，明确结构性变化对房地产价格波动影响的重要性，根据Abramowitz & Solow[16][17]的增长核算模型，参考方福前和詹新宇[18]融合Chenery & Romer的相关理论构建产业结构升级对经济波动效应分析模型的思路，本文以房价波动代表房地产市场，将上述明确的房地产主要支撑因素作为要素投入，并考虑要素结构，建立公式(1)：

pricet=f(incomet,industryt,structt)

(1)

式中，pricet表示房地产价格，incomet为居民收入，industryt为地区产业，structt代表直接影响要素的结构，具体包括人口、土地、金融、市场存量，则公式(1)又可表示为：

pricet=f(incomet,industryt,peoplet,landt,loant,stockt)

(2)

以公式(1)为例，其线性关系表述为公式(3)：

lnpricet=α0+α1lnincomet+α2lnindustryt+α3lnstructt+μt

(3)

εpri,t=α0+α1εinc,t+α2εind,t+α3εstr,t+μt

(4)

式(4)给出了收入波动、产业波动及直接影响要素结构变动对房价增长变动的影响，构成后续研究的基础。本文重点关注α3的符号和显著性。若α3为负，表明要素结构变动越大，房价波动幅度越小，即要素结构变动对房地产市场稳定具有抑制作用；反之，显著为正，则说明要素结构变动大，房价波动幅度反而越大，即要素结构变动对房地产市场稳定存在杠杆效应；若α3不显著，则代表要素结构变动对房地产市场稳定没有显著性影响。

(二)模型构建

基于上述分析，构建计量模型实证检验因素变动对房市稳定的具体影响与作用大小。根据理性假设下的生命周期模型，在有效率的市场中，价格应当对决定因素的变化，尤其是反应时滞后变量不显著性。但几乎所有实证表明房地产市场不是完全有效率，滞后因素无一例外是重要的[12]，存在公式(5)。即，过去房价会影响当前购买，从而影响房地产市场。

(5)

上式中，pricet为t时的房价，εt代表误差项，Δ为一阶差分。据此，在解释变量中引入被解释变量的滞后项，考虑控制变量，为缓解异方差带来的影响，将绝对量因素取对数，构建动态面板回归模型(见式6)。

pricei,t=α0+α1strcturei,t+α2lnincomei,t+βpricei,t-1+γcontroli,t+εi,t

(6)

其中，pricei,t为商品房销售价格的增长率，structi,t为要素合成结构指数，lnincomei,t代表居民收入水平，xi,t是控制变量，主要为地区产业发展。为进一步明确随着收入增长，人口、产业、土地、金融、存量对房价增长的影响，将上述合成结构指数表述为对应的四项单项指数，得模型(7)。

pricei,t=α0+α1peoplei,t+α2landi,t+α3loani,t+α4stocki,t+α5lnincome+βpricei,t-1+γcontroli,t+εi,t

(7)

此外，引入变量滞后项，可能带来内生性问题，且经济收入、人口、土地等因素并非独立的外生变量，存在相互影响、共同作用于房价，且不同时期，各变量的相对影响力也是动态变化[19]。因此，借鉴Arellanno & Bond在1991年提出的一阶差分GMM估计，在动态面板的基础上增加额外工具变量，对相关变量和数据进行处理，进一步采用工具变量估计法解决变量内生性问题。

(三)典型选择

重庆是中国极具代表性的区域，其近十年房地产市场的平稳发展尤其引人注目。重庆地处中国内陆西南部，是中国的直辖市、国家中心城市、超大城市。截至2021年，重庆市常住人口为3 212.43万人，总面积8.24万平方千米，包含了经济发达的主城九个区和经济欠发达的渝西片区、渝东片区和渝东南片区。2011年，重庆与上海正式成为中国房产税改革试点城市。1997年以来，随着工业化城镇化，重庆保持了“政府主导规划+市场化土地储备机构”的土地要素供给保障与合理的房地产建设总量调控。相比中国其他3个直辖市，在人口流入不足、收入水平较低的情况下，重庆借助经济快速发展，成为房地产价格唯一保持平稳增长态势的城市。2010—2016年，重庆整体房地产价格和住宅价格的定基和环比增长率均保持在-0.5%～1.5%的波动区间，仅2017年出现较大幅度攀升。重庆房地产市场在2010—2016年无明显的大涨大跌，处于平稳状态，符合本文对平稳市场样本的要求。

图1 2010—2018年重庆房地产销售价格增长情况

三、变量说明与数据描述

(一)变量选取及说明

鉴于数据可得，各变量选取见表1。

表1 变量及描述性统计

核心解释变量。人口结构用就业人口占比表示。因为，相对人口社会结构和人口空间结构，人口自然结构对房地产存在更显著影响[8]，尤其18～60岁的住房需求密集年龄人口与房价具有正相关[20]。金融结构用存贷比表示，存贷比是监管层监测银行流动性、控制信贷规模的一个重要指标。土地结构和存量结构中将住宅占比代入模型，非住宅占比用于稳定性检验。

额外工具变量。一是前期居民收入水平可通过预期影响后期居民消费作用于房地产市场，说明存在前定变量。但前期的房价与要素结构变动并不会直接对当期居民收入产生影响，因此考虑将房价一阶滞后项与综合结构指数一阶滞后项作为居民收入的额外工具变量。二是针对单独结构指数，基于数据可得，选取卫生机构床位数和农作物播种面积分别作为人口要素和土地要素的工具变量。因为，合格的工具变量只能通过内生变量渠道对因变量产生影响。城市人口增加将带来对卫生机构床位需求的增长，但卫生机构床位对城市房价影响微乎其微。同样，农作物播种面积并不直接作用城市房价，其面积增加，在城市建设用地约束下，意味着商品房建设用地的减少。

控制变量。经济越发达地区，第三产业越繁荣，产业结构参考陶新宇等[21]、余吉祥等[9]的指标设定，用产业间比值反映产业服务水平，选用产业产值占GDP的比值用于稳定性检验。

(二)数据来源及描述性统计

数据均来源于历年《重庆市统计年鉴》，样本期间为2010—2016年。由于部分区县的数据缺失较多，故最终保留了23个区县的完整数据。分析显示，地区间房地产价格增长率的变化相对较小，而各要素的地区差异和时间差异显著，表明重庆房地产市场的价格相对平稳，但房地产市场要素的结构性变化较大，这亦佐证了本研究是在一个相对平稳的房地产市场中探讨要素结构变化的影响。此外，住宅用地比、金融结构、产业结构的差异明显，尤其是居民可支配收入与地区产业结构之间的差距大，这与重庆市政府对房地产市场的土地供给类型和区域配置实行了严格控制、地区人口变化相对较小、地区经济发展与收入水平不均衡的现实相一致。

(三)房地产要素结构指数合成

综合结构指数的合成常用算术平均法和主成分分析法。房地产要素结构指数是本文的基础指标，由于面板数据中单个结构指标的权重可能会随时间和数据的变化而变化，且主成分法需依据数据特征赋予指标相应权重，但受数据精确度约束，可能出现权重异常情况。因此，参考陶新宇等[21]做法，运用算术平均法，由人口、土地、金融、市场存量结构指标合成房地产要素结构指数。

以2009年为基期，对原始数据按公式(8)进行处理，以排除异常值，更合理反映其变化。其中，Xi(t)是某指标第i个地区的原始数据，Xmax(0),Xmin(0)分别为对应数据的最大值，最小值，权重均取1/4。

(8)

四、实证分析

(一)动态面板回归

1.基本分析

根据LLC检验和Fisher-ADF检验，结合傅贻忙[8]、刘晨跃等[22]的做法，确定被解释变量滞后阶数为一阶。由于区县样本数N=23远大于时间样本数T=7，满足一阶差分GMM估计“N大，T小”的要求，选择短动态面板模型，采用两阶段估计。AR(1)和AR(2)检验的原假设分别表示模型不存在一阶和二阶序列相关，通过了扰动项序列相关检验与工具变量有效性检验，结果详见表2。

表2列(1)显示，整体上当期居民收入与房价预期对房价增长具有显著作用，要素结构变动对房地产价格增长率在10%的水平上显著，说明要素结构合成指数增加1%，平均房价增长率会下降0.316%，要素结构变动对房市稳定产生一定抑制作用。

表2列(2)进一步考察结构的四个单项指数与房价增长率之间的关系，发现其影响存在较大差异。其中，人口结构变化的影响最大，其系数为负且在1%水平上显著，表明18～60岁的就业人口越多，房价增长率越小，房地产市场越稳定。其次是土地结构，其系数亦为负且在1%水平上显著，土地供应中住宅用地占比越大，表明住宅供给充分，房价增长越小，亦是保证房市稳定的另一重要因素。以上有关人口和土地的研究发现亦佐证了余吉祥等[9]提出的“逆人口聚集方向的城市建设用地叠加偏非住宅用途的配置模式对居民用地供给和住房市场会产生显著的挤压效应，导致人口、土地和住房的空间错配”。再次为市场存量结构，其系数同样为负，且在10%水平上显著，表明住房存量占比提高，在一定程度上不利于房价过快增长，却有利于房市稳定，这与重庆住宅市场的新房供应较充足的现实情况一致。最后，金融结构的变化影响相对最小，其系数为负但并不显著，可见金融机构存贷比越大，信贷规模越大，越不利房市稳定，从侧面印证了倪鹏飞[4]认为持续宽松的货币政策会加剧房价分化。

表2 动态面板回归分析

2.区域异质分析

重庆房地产市场区域特征显著，本文进一步分区县板块进行区域差异性分析。受土地数据限制，按板块划分后仅渝西片区和主城片区获得有效分析结果(1)鉴于数据可得，为保持分析的一致性，后面涉及区域差异分析时均按主城区与渝西片区进行研究。，见表2列(3)-(5)。相比全市样本，渝西片区采用合成指数研究，除结构变动指数的影响不再显著外，其余变量的显著性不变，但居民收入对房价的影响程度明显增强。而利用单项结构指标分析，要素变动中仅人口变动在10%水平上存在显著，且影响程度激剧变大。主城片区仅采用结构合成指数分析有效，要素变动的影响不明显，产业结构变动的显著性下降，仅预期房价仍维持在1% 水平上显著。可能的解释是，主城区房价增长并非主要由当地居民收入支撑，而受房价预期影响更多，从侧面反映出主城房价因发展预期存在投资或投机的影响。渝西片区地处重庆西部，在重庆国民经济和社会发展格局中处于第二梯队，经济发达度低于重庆主城却高于重庆平均水平。随着重庆城市发展，主城扩容，当地居民收入增长与发展潜力突显，吸引越来越多就业人口，对当地房价增长产生重要作用。实际上，2018年后渝西地区被划入重庆一小时经济圈，归入发达的重庆大都市区，预期利好，房价增长也愈发迅速。值得一提的是，相比其他同类型城市，收入水平相对较低，长期人口增幅不高的重庆，其房地产市场平稳发展，往往被归咎于地方政府对土地和房屋建设量的有效把控，这似乎与上述研究结论并不完全符合。但深究发现，正是由于国家对重庆的定位，以及重庆自身经济发展的潜力，才提升了对重庆房地产市场发展的预期。地方政府坚持与之匹配的管控，为重庆房市的稳定奠定了基础。

(二)稳健性检验

替换部分变量，进行稳健性检验。表3模型1的产业结构指标替换为第三产业产值占GDP的比值。模型2在模型1的基础上，将房地产价格增长率改成定基形式(2009=100)。模型3的土地结构和存量结构均采用非住宅占比形式。结果显示，产业结构、土地结构、存量结构的系数符号为负。这是因为，产业结构原指标反映第三产业与其他产业的相互关系，而替代指标刻画的是第三产业与总产值的比例关系，土地结构和存量结构的替换变量与原指标为相反数据。模型2中预期房价增长的影响不再显著，主要是房地产价格增长率原指标为环比形式，房价预期尤其是上年房价增长(即滞后一阶的房价增长)对当期影响大，而改为定基却以2009年房价为基础，远期房价对当期房价的影响非常小。此外，其余变量的影响程度变化不大，且系数正负方向未改变。总之，前述动态面板回归的结论具有较好稳健性。

表3 稳健性检验

五、进一步分析

(一)测度要素结构性变动影响房市稳定效率

上述研究显示除市场可控因素(包括要素变动、产业发展和居民收入)对房地产市场稳定具有显著影响外，不可控因素(如市场预期)也发挥了显著作用。为弥补前述房市重要因素对市场不确定性因素考量的不足，此处采用固定效应面板随机前沿分析(PSFA)，进一步探讨要素结构性变化对房市稳定的影响程度。采用此方法，一是随机前沿分析属于参数模型，通过构造前沿生产函数，考虑了不确定性因素，将误差扰动项分解为随机扰动项和技术非效率项，能对技术效率及其影响因素进行测算。二是我国区域房地产市场差异较大，技术水平也不相同，采用相同的生产前沿边界，忽视地区个体效应，将导致效率项和无效率项的估计结果存在较大偏差。

参考Wang & Ho[23]的固定效应随机前沿模型：

yit=αi+xitβ+vit-uit

(9)

(10)

本文借鉴经典柯布-道格拉斯生产函数，加入影响技术非效率的变量，利用最大释然估计进行检验。此处侧重分析技术效率，以刻画除随机因素之外的技术非效率因素的影响程度。因此，沿用综合房地产要素结构指数(见表4列1)以及单项人口结构、土地结构、贷款结构、市场存量结构四个指标(见表4列2)，主要进行技术无效率估计。

表4 效率方程估计结果

表4效率方程估计结果显示，LR检验拒绝原假设，模型设定合适。前沿生产函数γ分别为0.786 6与0.499 1，扰动项所致的误差近半是技术无效率，说明要素结构性变动具有较大的技术无效率，而不确定性因素亦占据了一定影响。从要素结构变动看，综合结构指数的估计系数为-0.482 4，在1%的水平上显著，整体要素结构变动对重庆房市稳定效率提升带来正面影响。其中，人口结构的系数均为正，表明就业人口的减少不利于房市稳定效率的提高。而金融存贷比、住宅用地占比、住宅市场存量的提升则显著促进了房市的稳定发展。

技术效率代表了个体实际产出与最大产出的距离，分别采用要素综合指数和单项指数进行测算。重庆主城九区房地产市场稳定的技术效率均值分别为0.627 9与0.335 7，渝西地区分别为0.284 8与0.237 9，即主城九区房市要素结构变动存在较大的技术无效率，不确定性因素带来的随机误差存在显著影响，而渝西地区的要素结构变化在当地房市稳定效率中具有重要作用。可见，不可控因素对发达的重庆主城九区房市稳定发展具有不可忽视的影响，而要素结构变动在欠发达的渝西地区，其作用更明显。这进一步佐证了市场预期等不确定性因素对房市稳定的重要作用以及要素结构变化对房市稳定影响的地区差异性。

(二)面板门槛的非线性分析

继续构建面板门限模型，将研究拓展到非线性关系描述，考虑要素结构性变动对房地产市场稳定可能产生的跳跃式影响。因为，阈值是区域住房市场的重要指标[7]，随着居民收入和房地产市场发展，要素结构变化对房地产市场的影响可能存在跃迁型波动，而非传统意义上的线性增长。现实中，一个正常有序的房地产市场，不会脱离经济收入的束缚而无限制地随意发展。收入对房价上涨的解释能力弱时，是房地产市场不稳定且具有脆弱性的反映。[24]反之，收入对房价上涨的解释能力强时，则是房地产市场稳定的表现。那么，当房价增速越过阈值，房市状态处于房价增速频繁转换的状态，意味着市场越不稳定；如果转换越不频繁，市场则越稳定。

据此，针对个体区县进一步分析，当要素结构变动达到特定数值后，是否存在门槛效应引起滞后房价增长发生结构突变？如果具有结构突变，在门槛点是否存在频繁转换带来的市场潜在不稳定？前述理论分析表明，当期居民收入对房价具有决定性作用，而前期房价增长又对居民收入具有重要影响。以滞后一阶的priceit为门槛解释变量，着眼全市层面，分别就结构合成指标和单项指标建立面板门槛模型：

pricei,t=α0+β1Structi,tI(Δpricei,t-1≤γ)+β2Structi,tI(Δpricei,t-1>γ)+α1controli,t+α2Tvi,t+εi,t

(11)

其中，门限值是γ,I(·)为示性函数，controli,t为控制变量，Tvi,t是工具变量。公式(11)为结构合成指标的单门槛模型，多门槛模型以及结构单项指标门槛模型均由其扩展所得。

首先，模型设定检验显示(见表5)，结构合成指标模型与单项指标模型均通过门槛效应检验，存在双重门，门槛值r1=0.241 7，r2=0.3。因房价滞后项作为门槛变量加入模型，故工具变量仅考虑l.struct、lnbed和lncrop。分别加入工具变量后，仍存在两阶门槛效应，门槛值不变，证实了门槛模型的稳健性。

表5 门槛设定检验

其次，表6门槛效应检验显示：整体上，当预期房价增长率在0.241 7～0.3之间，要素结构变动对即期房价影响的程度最大，具有显著性；而预期房价增率变动小于0.241 7或大于0.3，影响度下降，并不具显著性。其中，就业人口变动对即期房价影响最明显，尤其在预期房价增率大于0.3时，具有显著性。土地结构变动虽然仅存在单一门槛效应，但门槛值相对较高，当预期房价增长率超过0.351 9时，住宅用地对即期房价的影响度和显著性明显增强。金融机构的存贷变化对即期房价影响不显著，虽然在预期房价增长率大于0.3之前，其影响度较高，但随着预期房价增长其影响度明显下降。住宅市场存量随着预期房价增率变动为大于0.241 7且小于0.3，其影响度最大，并存在显著性，随后影响度明显减少，且不再有显著性。结果表明了重庆样本区县房市整体稳步上涨的发展态势，虽然存在两个结构突变点，但房市稳定状态良好。同样，加入工具变量后，模型系数大小、结构与方向没有显著变化，验证了模型的稳健性。

表6 门槛效应检验

最后，对比各区县房价在门槛点转换情况。2010—2016年，23个区县在门槛值间转换次数最多为2次，分别是主城片区的渝中区，渝西片区中的长寿区、大足区、铜梁区和荣昌区，这表明重庆房地产市场在门槛点整体不存在频繁转换，要素结构变动随着房价预期改变给房地产市场带来的影响有限，与前述动态面板模型分析的结论一致。

六、研究结论及建议

在明确房地产重要支撑因素的基础上，以重庆为典型样本，采用短动态面板、面板随机前沿分析及面板门槛模型，探究要素结构变动对房地产市场稳定的影响。研究发现：从综合指标看，预期房价增长率在0.241 7～0.3之间，要素结构变动对即期房价的影响最大。从单项指标看，就业人口变化对房地产市场稳定的影响最显著，后依次为住宅用地供应、住房市场存量、金融贷款。就业人口越多，房价增长率越小，房地产市场越稳定，在预期房价增率大于0.3时，其影响最明显。住宅建设用地供应越大，住宅供给越充分，房价增长越小，当预期房价增长率超过0.351 9时，其影响增强。住房存量增加在一定程度上不利于房价过快增长，却有利于房市稳定，在预期房价增率变动大于0.241 7且小于0.3时，其作用变大。金融机构存贷比越大，信贷规模越大，越不利于房市稳定。此外，当期居民收入对房市稳定具有显著作用，房价预期与要素结构变动亦会对房市稳定产生重要影响，但存在地区差异。发达地区的房地产市场，市场预期发挥的作用更突出，欠发达地区更依赖市场要素结构变化。需要说明的是，因部分数据缺失，在区域异质分析中，虽然实证分析仅展示出重庆主城区和渝西地区的有效性，但并不妨碍其代表的发达地区房地产市场和欠发达地区房地产市场的对比分析。待以后数据完善，将研究扩展到中国更多区县，相信其结论将更完善，这也是后续进一步研究的方向。

因此，保持房地产市场稳定，夯实经济，提升收入，稳定预期是基础；优化要素投入结构，吸引更多就业人群是关键；而仅靠增加土地和住宅供应换取房市平稳并非长久之策。为继续保持重庆房地产市场的健康平稳发展，除仍需坚持合理且有规划的土地和房地产开发量外，还需从根本上夯实房地产市场平稳发展的经济基础，面对城市群战略发展新机遇，更好地发挥地方政府的调控作用。在发达地区，尤其要坚持“房住不炒”，进一步加强对预期的合理引导，执行以常住人口增量为核心的新“人地挂钩”，保持房地产金融政策稳定，加快房地产市场健康发展长效机制的建设。在欠发达地区，地方政府应前瞻性地做好区域发展规划，明晰区域定位，科学预测经济、产业、人口、城镇等发展态势，合理规划土地供应和房地产产品形态与数量。尤其是积极落实区域经济发展战略，强化产业引领，增强产业对人口、人才的吸引力，激发房地产市场潜在购买力，为商品房去化提供稳定支撑。