張明、劉瑤 | 中國城市房價走勢與波動的驅動因素探析

注：本文發表于2021年南京社會科學第6号，與作者、博士生劉偉合作，必須注明出處。為了節省篇幅，本文省略了定量研究部分、參考文獻、英文摘要和腳注，全文可以在中國知識網中找到。

摘要： 建構了研究我國房價走勢和波動的分析架構，将影響房價的變量劃分為需求、供給、金融和政策等幾個類别，實證分析了31個省、自治區和70個大中城市房價的驅動因素，進一步探讨了一二線城市和五個區域核心城市房價驅動因素的異質性。 一是全國31個省份的房價在一定程度上受到供需基本變量的驅動 人口流入和優質資源數量、個人貸款增長和家庭部門杠杆是房價走勢最主要驅動因素，個人所得、貨币供應增長和房價波動政策調節最為明顯;幾乎所有的金融變量都帶動了大中城市房價的波動，第三，一二線城市房價的趨勢和波動更受金融因素的帶動，人均土地征用面積也是房價變化的重要因素，第四，近年來， 房地産調控在一定程度上導緻房價逆向波動，政策難以達到預期效果。以上情況表明，人口或資源流動、信貸和杠杆是本輪房價漲跌的重要原因，而個人所得增加、資金積累過多、土地供應失衡是城市房價分化擴大的重要原因。

一、引言

自1999年我國城鎮住房體制改革以來，住房消費水準不斷提高，住房成為家庭部門消費的重點，甚至是中國經濟的"晴雨表"。特别是在2005-2015年期間，我國房地産市場呈現出一個顯著特點的事實：一方面，我國各省市普遍加快房價上漲，另一方面，以住房建設部為代表的監管部門頻繁調控房價。2015年之後，中國房地産呈現出新一輪的複蘇和複蘇，房價也悄然出現區市之間的顯著分化：一線城市率先帶漲，沿海二線城市緊随其後，三四線城市房價漲幅大不相同，而這一變化逐漸形成了我國房價變化的新趨勢。這似乎表明，利用單一的國家層面宏觀資料分析我國房價走勢将不再适用，探索省市之間的異質性将是把握中國未來房價的關鍵。

同時，房價在評估金融穩定性和預警系統性風險方面發揮着關鍵作用。當房地産泡沫過度聚集，甚至導緻房價突然大幅下跌時，将對家庭部門的資産負債表、商業信心和商業銀行的借貸能力産生巨大影響。資料顯示，2018年我國50個大中城市房價收入率為11.36，如此高的杠杆支撐支撐高房價背後的風險房企出現明顯下行趨勢。是以，确定房價的驅動因素對保持經濟增長、維持金融穩定、穩定消費者信心具有積極意義。

有鑒于此，本文建構了一個分析架構，研究中國房價的走勢和波動，将中國房價的驅動因素分為供給因素、需求因素、金融因素和政策因素，以31個省區和70個大中城市為樣本，按地區和城市探讨了2005—2017年中國房價走勢和波動的驅動因素。如果這一輪房價變化主要是由供需因素驅動的，則意味着該地區的房價仍由經濟基本面決定，政府可以共同建構從供需兩側調節房價的長效機制，引導住房"隻活不炒";這些地區的房價将帶來很高的下行風險。本文其餘部分的結構如下：第二部分是文獻綜述，第三部分是建構分析架構來研究中國的房價趨勢和波動，第四部分是對中國房價趨勢和波動驅動因素的定量實證分析，第五部分是穩健性測試， 最後一部分是結論和政策建議。

二、文獻綜述

關于房地産司機的文獻并不少見。Muth（1971）從微觀角度建構了一個模型，表明機關面積建設成本，與CBD的距離和土地使用面積等變量都是推動房價走勢的因素。随着人口流動和資本流動的顯著增加，越來越多的文獻開始關注房地産驅動的宏觀因素。财務狀況是更多文獻關注的重要變量，财務狀況可以通過多種管道推動房價波動。例如，公司債券風險溢價上升将推動信貸供應收縮，這将影響資産價格波動，包括房價（Gilchrist Zakrajšek，2012）;Adrian等人（2019）分析了融資對GDP增長的潛在影響，發現短期内融資緊縮往往會導緻經濟下行風險增加，家庭收入下降導緻住房消費減少，失業率上升;Rady（2005）發現，家庭收入是推動房價的重要變量，對于預測房價走勢非常重要。

家庭部門的債務狀況是影響房價走勢的另一個關鍵變量。國際貨币基金組織（2019年）發現，高信貸水準與發達國家和開發中國家的房價下跌高度相關;2008年全球金融危機後，一些學者開始探索家庭部門的杠杆率、房地産泡沫和發達國家金融危機之間的關系，但得出的結果恰恰相反。Dang等人（2010）發現，金融危機的爆發與房地産市場次級貸款的積累直接相關，次級貸款的增加與低品質借款人的高杠杆率密切相關。然而，Bhutta（2015）質疑這一觀點，發現房地産市場房地産投資者的資本流入增長速度快于信用評分較低的首次購房者的資本流入，這表明次級貸款借款人對金融危機的債務貢獻實際上是有限的。

資金流動和人口結構也是推動房價上漲的因素之一。跨境資本流動經常推動發達經濟體的房價，Caballero（2008）等證據表明，新興市場的過剩儲蓄正在追逐美國的安全和優質資産，再加上美國的長期低利率，導緻跨境流入推高了美國房價。對于資本賬戶尚未完全開放的中國來說，一個城市的房價通常是由人口結構和跨區域流入驅動的。徐建軒等人（2012）認為，年輕人募捐支援比例的增加将推高房價;

此外，供需和周期性因素在房價決策中也起着重要作用。飛利浦（Philips，1988）認為，收入和預期都将推動房價上漲。Gattini-Hieber（2010）使用住房供應名額來預測歐元區的住房市場發展，發現住房供應名額，包包覆宅投資和實際利率，與房價波動有關。餘華誼（2010）發現，土地政策是推動房價上漲的重要因素，土地供應的增加有助于推高房價。Aherene等人（2005年）發現，房價的變化與信貸周期有關，當經合組織國家的貨币供應量增加時，房價将首先面臨上漲。

從研究方法來看，除了在DSGE模型架構下進行少數文獻研究外生沖擊對房價的影響外，大多是實證研究。例如，Liu等人（2011）建構了一個內建到房價和固定投資中的DSGE模型，讨論了信貸限制如何影響宏觀經濟變量（如房價）的波動性，Hirata（2012）通過建構具有利率，貨币政策，産出，信貸和不确定性的FA-VAR模型來分析全球房價波動的驅動因素。不确定性沖擊是推動房價上漲的最重要因素，劉金泉和盧夢飛（2018）通過VAR模型的建構，研究了貨币政策、GDP增長和家庭杠杆對房價的影響，發現寬松的貨币政策是中國房價增長的主力軍。Great（2013）利用對北京1040名城市房主的調查，利用logit模型來考察引入房産稅對預期房價的影響，發現引入房産稅對房價的抑制有限，效果越早越好;研究發現，我國城際房價依賴于周邊城市房價波動的空間正溢出效應，在地區之間具有異質性。

結合以上研究，不難發現，大部分文獻都集中在探索單一變量對房價驅動因素的影響上，利用VAR模型将房價視為内生變量，而關于我國城市房價驅動因素的文獻很少進行全景探索和貢獻程度考慮。在此基礎上，本文建構了研究中國房價走勢和波動的分析架構，探讨了2005-2017年中國31個省區和70個大中城市房價的驅動因素，主要貢獻如下： 一是建構影響我國房價的因素分析架構，将推動房價上漲的因素劃分為供求、金融和政策變量，探讨推動房價走勢和波動的主要因素和貢獻;本文的結果在一定程度上反映了該地區或城市的房價是由經濟基本面還是金融因素驅動的，這為政策制定者和購房者提供了一定的參考價值。

三、我國房價走勢及波動影響分析架構

為了建構中國房價走勢和波動的分析架構，根據中國居民住房可能兼具商品和金融屬性，以及房價受政策變化影響較大這一事實，我們将我國房價走勢和波動的驅動因素分為四類：第一類是需求因素;這四類因素基本上包括影響中國房價的主要因素。

（一） 需求因素

帶動我國房價的需求因素大緻可分為三類：一類是居民收入變量，一類是存量人口的需求，另一類是需求流動的人口流動，具體如下：

個人所得水準：以一個地區或城市的人均GDP計算。根據住房财富效應，個人所得水準是影響住房購買力需求最關鍵的變量，區域收入水準越高，通常随着住房需求越高，房價越高。

常住人口/戶口：當地戶口通常有數量穩定的家庭住房。相比之下，外國常住人口是該地區或城市購房需求的剛性來源。占比越高，住房需求越旺盛，住房價格越高。對于人口流入速度較快的大中城市，這種增長與房價上漲之間的正相關關系将更加明顯。

工作/常住人口：常住人口比例越大，表明對住房的剛性需求越強。在房價增長率最高的城市，工作人口的比例通常很高。該變量通常與房價呈正相關。

優質公共資源數量：一個地區或城市的優質公共資源數量越多，表明潛在人口流入量越高，表明購房潛在需求越強，長期推高房價。教育和醫療往往是最好的公共資源，我們用"211所大學和三甲醫院"的數量作為優質公共資源數量的工具變量。

（2） 供應類型因素

住房作為一種普通商品，價格是由供求規律決定的。影響房價的供給因素通常包括土地供應面積和住房庫存。

土地征用面積：土地供應是房價波動的重要驅動因素。然而，由于地區或城市地區的差異，整體土地供應和房價并不是很相關。但是，人均土地征用面積通常與房價有很強的負相關，即該地區或城市的土地供應越充足，房價漲幅越小。該變量以土地征用面積/常住人口表示。

人均商品房庫存：在庫存/常住人口中。從理論上講，地區或城市的庫存越低，表明住房供應短缺越多，房價上漲的空間就越大。該變量通常與房價上漲呈負相關。

（三） 财務因素

推動中國房價上漲的金融因素主要與信貸規模、利率水準和估值水準有關。一方面，房價通常與信貸周期和利率周期的輪換有關，另一方面，住房作為資産，兩者兼具金融屬性，是以房價也受到金融因素的影響。

住房貸款餘額增長率：信貸周期與房價走勢具有較高的同質化和相輔相成的效果。例如，房價上漲的預期增加了居民的購買意願，導緻住房貸款餘額增長較快，而居民購買房屋的意願過高則推高了房價的上行預期。是以，住房貸款餘額增速越快，房價上漲趨勢越快。

M2同比增長：M2同比增長速度越快，通常預示着流動性環境較為寬松，這将有助于房價上漲。同時，根據曆史資料，M2同比增速通常提前房價變化5-6個月，是房價走勢的領先名額。

住房貸款利率：貸款利率水準是推動房價走勢的重要因素。從理論上講，住房貸款利率上升将增加購房者融資的成本，抑制房價上漲;值得注意的是，住房貸款利率的變化對新購房者的作用有限，對于有投資需求的購房者作用更為強大。

購買杠杆水準：購買杠杆水準作為估值名額被視為房價的"市盈率"。我們通常使用房價收入比作為杠杆水準的代表性變量，房價收入比越高，就越容易放大房價收入比，是以兩者通常表現出正相關。同時，家庭部門的杠杆率也可以看作是購房杠杆水準的另一替代名額，家庭部門加上杠杆，通常對住房等資産價格有一定的促進作用。

（四） 政策類型因素

政策調控：在實踐中，我們發現政策因素作為中國房價走勢的驅動力不容小觑。例如，當住房建設部釋出"全國六國"和"國八"房地産調控政策時，房價走勢很可能受到外部沖擊的影響而逆轉。由于房地産監管和控制政策有直接政策和間接政策用于規劃，我們隻将影響房價預期的直接政策納入分析架構。在理性預期的情況下，出台嚴格的控制政策被認為可以抑制房價，而在解除限制等寬松政策的情況下，則認為是促進房價上漲的政策。我們将每項政策視為一個虛拟變量，将房價記錄為1，并将房價限制在-1。

四、實證分析：中國房價走勢與波動的驅動因素

五、魯棒性試驗

四. 結論和所涉政策問題

自2005年以來，中國房地産市場呈現整體上升趨勢，城市差異化日益明顯。通過建構中國房價走勢和波動分析架構，将驅動房價的因素劃分為需求、供給、金融和政策變量，從省際到城市層面，建構面闆回歸方程，分别研究了中國31個省區和70個大中城市的房價走勢和波動驅動因素。 并進一步探讨了35個核心城市和5個區域核心城市群的房價驅動因素的異質性。

首先，從全國來看，各省房價的走勢和波動在一定程度上是由供需的經濟基本面決定的，住房仍具有較大程度的商品屬性。住房用地供應的增加、個人所得水準的提高、常住人口和勞動人口的流入、優質資源的集中，都會帶動房價的變化，但"總量型"的政策調控可能導緻房價在短期内波動，不容易達到理想的政策預期。

其次，從全國70大中城市房價來看，城市房價和波動主要是由需求和金融變量驅動的，這可能表明全國主要城市住房既有商品又有金融資産屬性。土地供應和商品房庫存的增減不再是影響房價的重要因素，居民杠杆率的變化、貨币供應量的增長和個人貸款利率的調整是影響房價走勢和波動的最大因素。這可能表明全國主要城市房價的未來走向存在更大的不确定性，同時警告人們不要對私營部門債務産生連鎖和溢出效應，推高房價或導緻價格下跌，進而引發金融風險。

第三，從全國35個核心城市房價來看，一二線城市住房的金融屬性可能遠大于商品屬性，房價收入比值的杠杆變化是核心城市房價走勢的最大貢獻因素。這意味着，一二線城市的房價已經脫離了傳統的經濟基本面，未來房價的波動性将大幅上漲，房地産市場風險将大幅加大。同時，土地供應在一定程度上帶動了一二線城市房價走勢，這意味着增加住房用地供應可以有效"降溫""過熱"的樓市。

第四，從五大區域核心城市價格來看，京津冀地區和長三角地區核心城市價格主要是由金融因素驅動的，鑒于兩個地區房價正常居高不下，未來兩個地區将面臨更多不确定性風險;中三角和西部三角地區核心城市的房價仍受供需基本面因素的支配，幾個核心城市的增長潛力和空間溢出效應将導緻需求因素在未來可能推高兩個地區的房價， 而中三角和西部三角地區的核心城市将是未來房地産市場的"潛在庫存"。

本文的結論具有一些政策意義：

首先，中國房地産市場應加強結構性調控政策，也應避免因政策變化或政策滞後而引發的逆向預期。在新常态下，房地産監管應建構劃分地域和城市的差異化控制路徑和體系，以及"逐城政策"。一是二線城市房地産調控政策要注重增加供給，三四線城市要避免形成大規模庫存;

其次，監管部門應重點監控一二線城市的價格，特别是遏制京津冀和長三角地區的投機性投機需求;

三是政府部門要落實熱點城市保障房和低價房制度，引導熱點城市價格逐漸回歸理性，在一定區域形成示範效應和正外部性;

最後，要避免誘使居民部門過快增加杠杆，商業銀行應仔細确定住房貸款的首付比例和貸款金額，以避免違約風險和系統性金融風險的發生。