周峰，楊美超

（安徽財經(jīng)大學(xué)金融學(xué)院，安徽蚌埠233030）

城市間房地產(chǎn)價格波動差異的動態(tài)分析

周峰，楊美超

（安徽財經(jīng)大學(xué)金融學(xué)院，安徽蚌埠233030）

不同經(jīng)濟發(fā)展水平城市的房價波動存在著明顯的差異。為探析造成這種差異的深層次原因，分別選取一、二、三線有代表性的城市作為樣本，首先直觀地分析了各類別城市之間房價的波動差異。然后針對不同類別城市分別建立了面板數(shù)據(jù)模型（Panel Data）和誤差修正模型（ECM），深入分析造成房價波動差異的長期和短期原因。結(jié)果表明：收入對不同類別城市房價影響不同，并且對同一類別城市房價的長期和短期影響也不一樣；實際利率對一線城市房價影響顯著，而對二、三線城市房價影響不顯著；經(jīng)濟發(fā)展水平越高的城市，房價由短期非均衡向長期均衡調(diào)整的速度越快。最后根據(jù)以上分析給出政策建議。

房價；波動差異；面板數(shù)據(jù)模型；誤差修正模型；動態(tài)調(diào)整

一、引言

我國的房地產(chǎn)市場從本世紀(jì)初開始，已經(jīng)繁榮了十余年，對我國經(jīng)濟產(chǎn)生了巨大影響。房價的波動與人們的生活息息相關(guān)。近幾年來我國房價頻繁波動，由于我國各城市間經(jīng)濟發(fā)展水平以及房地產(chǎn)行業(yè)發(fā)展程度等因素的差別，各城市房地產(chǎn)價格波動呈現(xiàn)出明顯的異質(zhì)性。面對房價的波動，政府傾向于實施總體性的宏觀調(diào)控政策，然而這些政策對各城市房價調(diào)控效果不一，甚至對于某些城市房價起到反面作用，扭曲了房地產(chǎn)價格形成機制。在經(jīng)濟新常態(tài)的大背景下，當(dāng)前房價上漲乏力。本文擬對經(jīng)濟發(fā)展水平不同的各類別城市房價波動差異以及造成這種差異的長、短期原因進行深入分析，以期為國家實行差異化的宏觀調(diào)控政策提供政策建議。

二、文獻綜述

國內(nèi)外學(xué)者在房價影響因素的差異研究方面做了巨大貢獻。主要側(cè)重于兩種方式：一種是將全國從地理位置上劃分為不同區(qū)域，再對各區(qū)域分別建立面板模型，從而分析各區(qū)域房價波動的影響因素的異同；另一種是選取若干大城市，從總體上分析這些城市的房價波動及影響因素。

國外學(xué)者對區(qū)域或者城市差異與房價波動之間關(guān)系進行了研究。如Mayer（2005）等分析了住宅成本對美國46個大都市房價的影響［1］。Zan Yang et al（2010）研究了貨幣政策對瑞典各地區(qū)房價的異質(zhì)性影響，發(fā)現(xiàn)貨幣政策對住宅價格的影響具有區(qū)域差異性，利率因素在核心經(jīng)濟區(qū)對房價具有顯著影響［2］。Azad Chowdhury R et al（2014）基于馬爾科夫轉(zhuǎn)換向量自回歸（MSVAR）模型分析了英國9個地區(qū)的房價變動周期的差異。研究發(fā)現(xiàn)這9個地區(qū)可以劃分為兩大區(qū)域，這兩大區(qū)域在房價變化周期的規(guī)模、持續(xù)時間等方面存在很大的差異，并且實施統(tǒng)一的房屋調(diào)控和貨幣政策會擴大上述差異［3］。

國內(nèi)的研究主要有：羅剛強、趙濤（2010）在存量－流量理論框架基礎(chǔ)上建立了面板數(shù)據(jù)模型，實證分析了1999－2008年間中國東、中、西部經(jīng)濟基本面因素對住房價格波動的影響［4］。梁云芳、高鐵梅（2007）也將全國省份劃分為東、中、西三個部分，再分別建立誤差修正模型和面板數(shù)據(jù)模型分析這幾個區(qū)域房價波動的長、短期差異及其原因，并重點研究了宏觀貨幣政策對不同區(qū)域的影響［5］。張亞麗、梁云芳、高鐵梅（2011）對我國35個大中城市建立了房價決定模型，分析了預(yù)期收入、收益率與房價波動之間的關(guān)系［6］。魏瑋、王洪衛(wèi)（2010）利用面板向量自回歸（PVAR）模型分析了不同類型的貨幣政策工具對我國東、中、西部地區(qū)房價的影響特征［7］。

綜上所述，以上學(xué)者考慮了房價波動的區(qū)域差異，但是卻忽略了同一省份內(nèi)部城市之間經(jīng)濟狀況、房地產(chǎn)行業(yè)發(fā)展水平等的差異性；另外他們所選取的城市基本屬于同類的城市，這就忽視了經(jīng)濟發(fā)展水平差異、自然稟賦不同以及金融環(huán)境懸殊等因素對房價可能造成的影響。本文在前人的研究基礎(chǔ)上從新的角度分析了房價影響因素的差異：考慮到同一類別城市之間政治、經(jīng)濟、房地產(chǎn)市場、金融發(fā)展水平、消費習(xí)慣等因素相似，不同類別城市之間這些因素有著明顯差異，選取一、二、三線若干代表性城市為樣本①，分析了經(jīng)濟發(fā)展水平不同的城市房價波動差異的本質(zhì)原因。下文首先定性分析了一、二、三線城市間房價波動的區(qū)別，然后在理論分析基礎(chǔ)上選取合適指標(biāo)，基于本文的研究重點以及數(shù)據(jù)的可得性，分析了影響不同類別城市房價的長短期因素。

三、我國各城市房價波動分析

我國各城市經(jīng)濟發(fā)展水平、房地產(chǎn)行業(yè)發(fā)展程度等方面存在很大的差異，使得房價的城市差異性在我國表現(xiàn)的尤為明顯。分別選取一、二、三線中部分城市的房價數(shù)據(jù)，其變動如圖1、圖2、圖3所示：

圖1 一線城市房價趨勢圖

圖2 二線代表性城市房價走勢圖

圖3 三線代表性城市房價趨勢圖

在圖1、2、3中均引入了全國房屋均價，以便于更直觀地將全國房價與各城市房價進行比較。由圖可以看出各類別的城市房價雖然在某些年份有所下降，但總體趨勢都是上升的。具體來說，一線城市的房價明顯高于全國的平均水平。2004年以前，各城市房屋均價相對集中，房價上漲較為緩慢。在2004年以后房價上漲速度加快，各城市之間的房屋均價變得日趨分散，并且越來越偏離全國均價。城市商品住房銷售均價從2001年的4 047.2元/平方米上升了到2012年13 886元/平方米，到2014年底北京中心城區(qū)新房均價最高達到150 000元/平方米。二線城市（除南京外）的房價與全國均價相差不大，并且上升趨勢和幅度與全國平均水平較為一致，由圖可以看出二線各城市之間房價的變動趨勢和幅度也很相近。三線城市（除太原外）房價大部分位于全國均價以下，且與全國均價差距較小，并且房價上升幅度與全國均價也比較一致。

四、實證分析

（一）指標(biāo)說明以及數(shù)據(jù)來源

房地產(chǎn)價格受多種因素影響，有些在長期對房價起作用，有些在短期對房價起作用。根據(jù)上述分析以及本文的研究重點，選用的指標(biāo)如下：選取各城市住宅商品房平均銷售價格（記為PH）來表示房價，作為因變量。選取各城市的人均GDP（記為INC），反映居民的生活水平，居民的生活水平的提高一方面會增加對住宅商品房的有效需求，另一方面會增加對住宅商品房的投資性需求。商品房成交量（用住宅商品房銷售面積代替，記為SH），是衡量當(dāng)期住宅市場成交量的重要指標(biāo)。選取商業(yè)銀行五年期貸款基準(zhǔn)利率（記為rr）作為利率因素，將利率剔除各城市的CPI，作為各城市的實際基準(zhǔn)利率。為消除異方差性，在后續(xù)研究中，對上述指標(biāo)進行了對數(shù)處理。由于某些城市的實際利率為負(fù)，因此對實際利率不進行對數(shù)處理。

由于大部分變量數(shù)據(jù)只公布到2012年，因此本文選用2001－2012年的數(shù)據(jù)進行實證分析。本文數(shù)據(jù)選自于《中國統(tǒng)計年鑒》、《城市統(tǒng)計年鑒》和wind數(shù)據(jù)庫。

（二）數(shù)據(jù)平穩(wěn)性檢驗

在進行實證分析之前，為避免由于數(shù)據(jù)的非平穩(wěn)性導(dǎo)致偽回歸現(xiàn)象的出現(xiàn)，本文先對有關(guān)數(shù)據(jù)進行面板單位根檢驗。面板單位根檢驗的方法有多種，各檢驗都有各自的優(yōu)點和不足，為了使檢驗更加準(zhǔn)確，本文選用相同根的LLC檢驗和不同根的IPS檢驗與Fisher－ADF檢驗。應(yīng)用Eviews 8.0軟件，檢驗結(jié)果顯示，在顯著性水平為5%的前提下，綜合三種檢驗方法，一、二、三線城市住宅商品房銷售均價的對數(shù)Ln（PH）、商品房銷售面積的對數(shù)Ln（SH）以及人均GDP的對數(shù)Ln（INC）的水平值都是非平穩(wěn)的。而他們各自的一階差分值顯示都是平穩(wěn)的，并且結(jié)果非常顯著，從而以上三變量屬于一階單整I（1）序列，而實際利率的水平值是平穩(wěn)的，因此實際利率屬于I（0）序列。

（三）數(shù)據(jù)協(xié)整關(guān)系檢驗

由上述單位根檢驗結(jié)果知，住宅商品房銷售均價、銷售面積以及人均GDP為同階單整，為了判斷各變量之間是否存在長期穩(wěn)定關(guān)系，需對各變量的數(shù)據(jù)進行面板協(xié)整檢驗。面板協(xié)整檢驗的方法主要有兩類，一類是基于面板數(shù)據(jù)協(xié)整回歸檢驗式殘差數(shù)據(jù)單位根檢驗的面板協(xié)整檢驗，是對Engle－Granger兩步法的推廣，屬于第一代面板協(xié)整檢驗。前人對房價影響因素的研究多使用此類方法。但此類方法有諸多不足。本文采用第二代面板協(xié)整檢驗方法，即基于推廣的Johansen跡的Fisher檢驗方法，它能夠檢驗多個協(xié)整關(guān)系并且允許面板數(shù)據(jù)存在平穩(wěn)的或非平穩(wěn)的共同成分，即面板數(shù)據(jù)的空間相關(guān)性。檢驗結(jié)果如表3所示：

表1 一、二、三線城市變量面板數(shù)據(jù)協(xié)整檢驗結(jié)果

由表1的檢驗結(jié)果可知，一、二、三線城市變量之間均存在顯著的協(xié)整關(guān)系，且至少存在三個協(xié)整關(guān)系。說明各城市的變量間存在長期均衡。從而可以對一、二、三線城市分別建立面板模型。

（四）面板數(shù)據(jù)模型（Panal Data）

面板模型表達的是變量之間的長期均衡關(guān)系。本節(jié)將對一、二、三線城市分別建立面板數(shù)據(jù)模型。由于本文數(shù)據(jù)較少，如果通過F檢驗來確定模型形式，會出現(xiàn)截面數(shù)不足，參數(shù)無法估計的問題。但是考慮到所選取的樣本是三個類別的城市數(shù)據(jù)，每個類別的城市之間由于房地產(chǎn)發(fā)展程度，經(jīng)濟發(fā)展水平等因素具有很大的相似性，可假設(shè)每一類別的城市間不存在經(jīng)濟結(jié)構(gòu)性差異。因此可以對一、二、三線城市分別建立不變參數(shù)的面板數(shù)據(jù)模型。模型形式如下：

其中j＝1，2，3分別表示一、二、三線城市的面板方程，i表示每個面板方程的截面標(biāo)識，βj2表示房價對人均國內(nèi)生產(chǎn)總值的彈性，βj3表示房價對房屋交易面積的彈性，uj，it是隨機擾動項。模型估計結(jié)果如下：

表2 面板上數(shù)據(jù)模型估計結(jié)果（括號內(nèi)是Prob.值）

由表2知，在長期，一、二、三線城市的房價對人均GDP的彈性系數(shù)均為正值，說明人均GDP在長期對房價起了推動作用。這主要是因為隨著居民收入水平的上升，人們對住房的有效需求也隨之增加，從而推高了房價，這與現(xiàn)實情況相一致。人均GDP對一線城市房價的長期影響最大，對二線城市的作用次之，對三線城市的長期影響較小。這主要是因為城市經(jīng)濟發(fā)展水平越高，房地產(chǎn)業(yè)與金融業(yè)都更加成熟，人們對于投資或者投機的經(jīng)濟意識越強烈，而房地產(chǎn)在過去十年一直是公認(rèn)的高收益、低風(fēng)險的投資性資產(chǎn)，尤其在金融危機時期。這就導(dǎo)致社會上大量的避險和投資資金流入房地產(chǎn)市場，且經(jīng)濟發(fā)展水平越高的地區(qū)越明顯。這也能在一定程度上解釋近幾次的房地產(chǎn)泡沫在發(fā)達城市比較嚴(yán)重的現(xiàn)象。

在住房成交量方面，從長期來看，住房成交量對一、二線城市房價的影響為負(fù)值，并且影響逐漸降低，對三線城市的影響不顯著。住房成交量的增加，會在一定程度上抑制一、二線城市房價上漲，這主要是因為成交量的增加在長期會不斷滿足居民對房屋的需求。我們知道有效需求過多，出現(xiàn)供不應(yīng)求時就會導(dǎo)致價格上漲，而當(dāng)需求不斷滿足后，住房價格的上行壓力就會減輕。成交量對一、二線城市的影響逐漸降低，對三線城市影響不顯著，可能的解釋是在本文所研究的年份中，我國二、三線城市化進程不斷推進，尤其是三線城市，城市人口的不斷增加，收入的不斷提高使得即使成交量在增加，也并沒有降低居民對房屋的有效需求。

（五）面板誤差修正模型（ECM）

以上建立的面板數(shù)據(jù)模型描述了房價影響因素間的長期均衡關(guān)系，但現(xiàn)實經(jīng)濟運行往往是非均衡的。為此，本部分將建立誤差修正模型，以分析房地產(chǎn)市場由短期非均衡向長期均衡的動態(tài)逼近過程［8］。

由（1）式的估計方程可以得到殘差序列，將其作為誤差修正模型的誤差修正項，即：

經(jīng)檢驗，上式殘差序列是平穩(wěn)I（0）序列，在誤差修正模型中引入實際利率rr以及房價的一階滯后項兩個因素。建立如下誤差修正模型：

上式變量前面的D是對相應(yīng)變量進行差分，表示各變量的波動。變量前的系數(shù)表示短期彈性。加入房價的滯后項以反映前期房價對本期房價的影響，即房價的適應(yīng)性預(yù)期的影響。上式中ecmj，it項表示房價對均衡值的短期偏離。系數(shù)α表示房價從短期非均衡向長期均衡的調(diào)整力度。綜上，上式表明房價不僅取決于各變量的短期變化，還取決于對房價的適應(yīng)性預(yù)期，以及房價偏離均衡值程度的影響。估計結(jié)果如表3：

表3 誤差修正模型估計結(jié)果（括號內(nèi)為Prob.值）

從表3可以看出，從短期來看，人均GDP對一線和二線城市房價的影響不顯著，而對三線城市的房價有正的推動作用。結(jié)合長期人均GDP對各類城市房價的影響可以發(fā)現(xiàn)，人均GDP增長在長期會增加居民所持有的財富，而財富存量的增長會提高一、二線城市居民對房地產(chǎn)的投資或投機性需求。故人均GDP對一、二線城市的房價主要有長期影響。人均GDP對于三線城市既有長期影響又具有短期影響。因為三線城市居民對于房地產(chǎn)主要是有效需求不足，當(dāng)居民收入增加，居民預(yù)期收入也會增加，導(dǎo)致居民的有效需求增加，人們便開始貸款買房，從而刺激房價上漲。

實際利率在短期對一線城市的房價具有抑制作用，即隨著基準(zhǔn)利率的增加，短期內(nèi)會使一線城市房價下降。原因在于，利率的上升在短期會抑制一線城市居民對房屋的投機性需求。而對于二、三線城市，由于投資投機意識相比較弱，因此利率對二、三線城市居民的住宅商品房的需求影響較小，從而對二、三線城市的房價影響不顯著。

表3中所列變量在解釋短期波動時，部分解釋變量被剔除，從可決系數(shù)可以看出，未被剔除的變量只能解釋房價的部分變動。房價的短期變動是由多方面因素綜合作用的結(jié)果。通過調(diào)整系數(shù)可以發(fā)現(xiàn)，一、二、三線城市調(diào)整系數(shù)均為負(fù)值，說明房價在多種因素共同作用下都會從短期偏離向長期均衡值回歸。且一線城市的調(diào)整系數(shù)的絕對值大于一、二線城市，說明一線城市由短期的非均衡向長期均衡回歸的力度更大，調(diào)整得更加迅速。這主要是因為經(jīng)濟發(fā)展水平越高的城市，其市場價格機制越健全，金融以及房地產(chǎn)行業(yè)發(fā)展得越成熟，這些都有助于房價向長期均衡的回歸。

五、結(jié)論與政策建議

綜上所述，文章為了盡可能全面地研究不同經(jīng)濟發(fā)展水平城市間的房價影響因素的差異，分別對一、二、三線城市建立了面板數(shù)據(jù)模型和面板誤差修正模型，用面板數(shù)據(jù)模型來分析不同類別城市房價長期影響因素的差別，用面板誤差修正模型來分析不同類別城市房價短期影響因素的差異。根據(jù)前文的分析，得出如下結(jié)論：

首先，收入水平的提高對不同經(jīng)濟發(fā)展水平的城市影響不一樣，并且對于經(jīng)濟發(fā)展水平相同的城市長期和短期影響也不一樣。主要表現(xiàn)在，收入水平的提高在長期對經(jīng)濟發(fā)展水平高的城市不僅會提高人們對住房的基本需求，還會提高其投資和投機性需求。這是因為經(jīng)濟發(fā)展程度高的城市，人們的投資意識強，金融投資環(huán)境也更加成熟，更加便利，而對經(jīng)濟發(fā)展程度低的城市，主要是提高了居民對住房的基本有效需求，能買得起房子的人更多了。

其次，住房成交量在長期對一、二線城市影響逐次遞減，對三線城市影響不顯著。這主要是因為住房成交量反映了對住房需求的滿足。三線城市在剛需的作用下住房成交量即使?jié)M足了部分有效需求，但近些年三線城市的城市化進程不斷推進，居民對新房的剛需變動不大，從而成交量對三線城市房價影響不顯著。

再次，實際利率在短期對一線城市的房價起了抑制作用，而對二、三線城市房價的影響不顯著。這種抑制作用主要是通過抑制對房屋的投資性需求來影響房價。

最后，從調(diào)整系數(shù)上來看，經(jīng)濟發(fā)展水平越高的城市，由于房地產(chǎn)業(yè)發(fā)展程度更高，金融環(huán)境更加完善，市場機制更加健全，房價在多因素共同作用下由短期非均衡向長期均衡回歸得更快。

鑒于上述分析，給出如下的政策建議：首先，政府在實施調(diào)控政策時應(yīng)該考慮到不同經(jīng)濟發(fā)展水平的城市房價的影響因素具有很大的差異，不宜采取總體性的宏觀政策，應(yīng)針對不同經(jīng)濟發(fā)展水平的城市采取差異化的調(diào)控政策。如在經(jīng)濟發(fā)展水平高的城市實施的調(diào)控政策應(yīng)側(cè)重于抑制投機性需求。其次，應(yīng)不斷完善我國金融市場，不斷健全市場機制、利率機制等，因為良好的環(huán)境和機制會使得房價更快地回歸均衡。

注釋：

①一、二、三線城市的劃分來源于《中國經(jīng)濟與社會發(fā)展統(tǒng)計數(shù)據(jù)庫》，天津相對于其他一線城市的房價偏低，因此本文將其歸入二線城市中，而杭州由于其房價增長與一線城市非常接近，將其歸入一線城市。本文為了使所選取的樣本具有代表性，選取樣本考慮城市發(fā)展水平的相似性，同時考慮地理位置的分布盡量分散。樣本中一線城市包括：北京、上海、深圳、廣州、杭州。二線城市包括：重慶、南京、成都、沈陽、武漢、長沙、天津、西安、鄭州。三線城市包括：南昌、石家莊、合肥、太原、貴陽、蘭州。

［1］Charles Himmelberg，Christopher Mayer，Todd Sinai.Assessing High House Prices：Bubbles，F(xiàn)undamentals，and Misperceptions［J］. NBERWorking Paper No.11643，2005（9）.

［2］Yang Z，Wang S，Campbell R.Monetary policy and regional price boom in Sweden［J］.Journalof PolicyModeling，2010，32（6）：865－879.

［3］Azad Chowdhury R，Maclennan D.Regional house price cycles in the UK，1978－2012：a Markov switching VAR［J］.Journal of European Real Estate Research，2014，7（3）：345－366.

［4］羅剛強，趙濤.區(qū)域經(jīng)濟基本面與住房價格波動——1999－2008年東、中、西部地區(qū)房價動力因素的經(jīng)驗研究［J］.西安電子科技大學(xué)學(xué)報（社會科學(xué)版），2010（4）：73－80.

［5］梁云芳，高鐵梅.中國房地產(chǎn)價格波動區(qū)域差異的實證分析［J］.經(jīng)濟研究，2007（8）：133－142.

［6］張亞麗，梁云芳，高鐵梅.預(yù)期收入、收益率和房價波動——基于35個城市動態(tài)面板模型的研究［J］.財貿(mào)經(jīng)濟，2011（1）：122－129.

［7］魏瑋，王洪衛(wèi).房地產(chǎn)價格對貨幣政策動態(tài)響應(yīng)的區(qū)域異質(zhì)性——基于省際面板數(shù)據(jù)的實證分析［J］.財經(jīng)研究，2010（6）：123－132.

［8］高鐵梅.計量經(jīng)濟分析方法與建模：Eviews應(yīng)用及實例［M］.北京：清華大學(xué)出版社，2005：295－296.

Dynam ic Analysis of the Differences of Fluctuations of Real Estate Price Among Citiesw ith Different Econom ic Levels

ZHOU Feng，YANGMei-chao
（Department of Finance，AnhuiUniversity of Finance and Economics，Bengbu，Anhui233030）

There exists obvious distinctions in the housing price fluctuation among cities with different economic levels.Taking some representative first－tier，second－tier and third－tier cities as examples，firstly，we analyze the different fluctuation characteristics of the different ranked cities qualitatively and then establish panel datamodel（Panel Data）and error correctionmodel（ECM）respectively among the three kinds of cities.According to these twomodels，we can draw a conclusion of the factors affecting the house prices and its influence from short－term to long－term.The conclusion indicates that incomes have different effects on different kinds of cities；real interest rates have significant effects on the first－tier cities，butnoton the second－tier or the third－tier cities.It is faster for the first－tier cities that the price of house regresses from volatility in short－term to equilibrium in long－term.Finally，we propose some policy suggestions.

housing price；fluctuation diversity；panel datamodel；ECM；dynamic change

F293.3

A

1671－9743（2015）04－0026－06

2015－03－11

周峰，1989年生，男，安徽安慶人，碩士研究生，研究方向：宏觀金融；楊美超，1990年生，女，安徽合肥人，碩士研究生，研究方向：經(jīng)濟增長。