李 斌 張所地 武 斌

一、引 言

預(yù)期對中國商品住宅市場有直接的影響，對二者本質(zhì)關(guān)系的科學(xué)揭示是政府住房調(diào)控、經(jīng)濟(jì)發(fā)展、社會穩(wěn)定以及市場主體投資、消費(fèi)決策的關(guān)鍵。Edwards認(rèn)為預(yù)期是指市場參與者為實(shí)現(xiàn)個(gè)人利益最大化，對未來決策相關(guān)變量的變動(dòng)所進(jìn)行的預(yù)測［1］。由該定義可知，市場主體在追求個(gè)人利益最大化時(shí)，必然會對住房市場進(jìn)行發(fā)展軌跡的事前估計(jì)，這種預(yù)期行為會造成供需決策乃至房價(jià)和市場運(yùn)行的改變。由此，學(xué)術(shù)界亟待深入探討預(yù)期與房價(jià)的關(guān)系，并將此作為消費(fèi)、投資、管理決策的依據(jù)。

房價(jià)影響因素的現(xiàn)有成果主要圍繞經(jīng)濟(jì)、社會、政策、區(qū)域等因素展開分析，如Jeanty等使用密歇根州的人口普查數(shù)據(jù)研究人口遷移和房價(jià)之間的關(guān)系，表明隨著人口的增加，房價(jià)會上漲［2］;Guerrieri等的研究表明，居住社區(qū)的中產(chǎn)階級化現(xiàn)象導(dǎo)致了城市內(nèi)部房價(jià)的差異與波動(dòng)［3］;鄭基超等分析婚姻登記人數(shù)對房價(jià)的影響，結(jié)果表明人口因素是影響房價(jià)的重要變量［4］;韓鑫韜等通過理論分析和實(shí)證研究表明，人民幣匯率變化對房價(jià)波動(dòng)具有顯著的間接負(fù)向影響［5］;李斌等的實(shí)證研究表明，開發(fā)性金融支持、消費(fèi)性金融支持對房價(jià)具有正向支持作用，且這種作用是動(dòng)態(tài)變化的［6］。但是，隨著房地產(chǎn)市場的不斷發(fā)展，上述因素在有些情況下對房價(jià)的解釋有限，預(yù)期對房價(jià)的影響逐漸被學(xué)者們關(guān)注。Song等圍繞美國居民1980—2000年的收入預(yù)期對房價(jià)的影響進(jìn)行實(shí)證研究，表明居民的異質(zhì)收入預(yù)期將造成房價(jià)走高［7］。Holtemoller等對 1980—2004年柏林居民投資于住房的行為進(jìn)行研究，發(fā)現(xiàn)投資者在一般情況下因持有非理性預(yù)期而對未來房價(jià)難以形成正確的看法［8］。Bolt等在一個(gè)連接房租和房價(jià)的標(biāo)準(zhǔn)住房市場模型中引入異質(zhì)預(yù)期，通過在8個(gè)國家的實(shí)證分析證實(shí)了住房市場中該類預(yù)期的存在性［9］。Gelain等在研究標(biāo)準(zhǔn)資產(chǎn)定價(jià)模型中房屋的均衡價(jià)格租金比率時(shí)引入理性預(yù)期和近視預(yù)期，并將兩種模型的預(yù)期值與真實(shí)調(diào)查數(shù)據(jù)進(jìn)行比較，發(fā)現(xiàn)當(dāng)市場參與者持近視預(yù)期時(shí)，相對于基本面偏高的房價(jià)會使市場參與者對未來持有樂觀預(yù)期［10］。譚小芬等的研究表明，人民幣升值預(yù)期會通過流動(dòng)性效應(yīng)、財(cái)富效應(yīng)等途徑對國內(nèi)房價(jià)產(chǎn)生影響［11］。王立凱等的研究發(fā)現(xiàn)，未來收入差距的預(yù)期會對自住房屋需求產(chǎn)生顯著的正向影響［12］。孫偉增等通過問卷調(diào)查方式獲取居民預(yù)期數(shù)據(jù)，并對該預(yù)期與房價(jià)關(guān)系進(jìn)行實(shí)證分析，發(fā)現(xiàn)預(yù)期會通過影響購房需求來影響房價(jià)［13］。張浩通過在上海、廣州的實(shí)證研究發(fā)現(xiàn)，基本面投資者和趨勢型投資者的預(yù)期都會引起房價(jià)變動(dòng)［14］。王頻等在構(gòu)建的DSGE模型中引入預(yù)期沖擊，發(fā)現(xiàn)漲價(jià)預(yù)期會使住房使用成本下降，刺激需求而促使房價(jià)上漲，同時(shí)預(yù)期也有可能造成房價(jià)調(diào)控政策失效［15］。綜觀上述成果，學(xué)者們已洞察到房地產(chǎn)市場主體預(yù)期的存在及其重要性，并對預(yù)期房價(jià)效應(yīng)進(jìn)行理論或?qū)嵶C分析。然而，現(xiàn)有成果往往忽視預(yù)期與房價(jià)關(guān)系的動(dòng)態(tài)變化?，F(xiàn)實(shí)中房價(jià)存在時(shí)間波動(dòng)性和空間差異性，預(yù)期與房價(jià)的關(guān)系是否隨著時(shí)間和空間的變化而動(dòng)態(tài)變化尚不可知，而且鮮有此方面的理論及量化分析。這種不足會造成無法準(zhǔn)確把握預(yù)期與房價(jià)之間的本質(zhì)聯(lián)系，也難以為房價(jià)波動(dòng)、調(diào)控低效等問題給出合理的解釋與解決手段。

若分析預(yù)期與房價(jià)關(guān)系的空間變化，必須以對房地產(chǎn)市場合理的空間劃分為前提。一部分學(xué)者按照地理區(qū)位進(jìn)行劃分，如Huang將美國房地產(chǎn)市場劃分為東北、中、西部等區(qū)域，對不同區(qū)域房地產(chǎn)市場與貨幣政策的相互關(guān)系進(jìn)行實(shí)證分析［16］。國內(nèi)也有學(xué)者按照東部、中部與西部等區(qū)位特征將我國房地產(chǎn)市場分類并進(jìn)行相關(guān)研究，如張紅等［17-18］。另一部分學(xué)者則采用聚類分析方法，如Palmon等均通過對美國不同城市房價(jià)或房價(jià)波動(dòng)的聚類實(shí)現(xiàn)了對住房市場的分類［19-20］。Hepsen等對土耳其71個(gè)城市的住宅市場進(jìn)行聚類分析來為投資決策提供依據(jù)［21］;熊方軍等采用傳統(tǒng)二維聚類法對中國30個(gè)省市的房地產(chǎn)市場進(jìn)行了分類［22］;居祥等采用2010年的統(tǒng)計(jì)數(shù)據(jù)對長江流域房價(jià)進(jìn)行聚類分析并將其劃分為4個(gè)等級區(qū)［23］。若采用按地理區(qū)位劃分的方法，則同一區(qū)位省市的差異、不同區(qū)位省市的相似性都會被忽視;若采用按某一固定時(shí)期的二維聚類方法劃分，則無法考察市場的動(dòng)態(tài)變化特征，聚類結(jié)果的準(zhǔn)確性也會受到影響。因此筆者最終選擇考慮市場動(dòng)態(tài)變化的面板數(shù)據(jù)的聚類方法來對房地產(chǎn)市場進(jìn)行分類。

基于以上分析，選擇中國30個(gè)省(直轄市、自治區(qū))為研究對象，采用面板數(shù)據(jù)模型、面板聚類法，分別從時(shí)間維度和空間維度，動(dòng)態(tài)地、比較地考察預(yù)期與商品住宅價(jià)格之間的數(shù)量關(guān)系，力圖更好地刻畫兩者之間的本質(zhì)聯(lián)系，為管理者、購房者和開發(fā)商深入認(rèn)識房價(jià)運(yùn)行規(guī)律、科學(xué)合理決策提供參考依據(jù)。

二、基于時(shí)間維的實(shí)證檢驗(yàn)

1．實(shí)證模型、變量與數(shù)據(jù)

以中國30個(gè)省(直轄市、自治區(qū))(以下簡稱30個(gè)地區(qū))為研究對象①由于西藏自治區(qū)商品住宅累積銷售額、累積銷售面積、城市居民消費(fèi)價(jià)格指數(shù)、房地產(chǎn)開發(fā)企業(yè)國內(nèi)貸款額等指標(biāo)的月度數(shù)據(jù)缺失較多，故將其從實(shí)證研究對象中剔除。，樣本數(shù)據(jù)是2001年1月至2015年12月的月度面板數(shù)據(jù)。除市場參與者預(yù)期因素之外，首先，從供需均衡分析角度選取土地成本、建筑成本、金融成本、人口等因素作為影響商品住宅價(jià)格的主要因素。其次，樣本期內(nèi)政府針對商品住宅市場的調(diào)控政策頻出，使其成為房價(jià)的關(guān)鍵影響因素，而貨幣、信貸、土地、稅收和行政法律手段等是政府對房價(jià)進(jìn)行調(diào)控的常用手段，因此選取貸款利率、存款準(zhǔn)備金率、房地產(chǎn)開發(fā)企業(yè)國內(nèi)貸款額、土地交易價(jià)格等學(xué)界較為認(rèn)可的指標(biāo)作為貨幣(價(jià)格型)、貨幣(數(shù)量型)、信貸、土地等政策工具的代理變量。其中，貸款利率和土地交易價(jià)格同時(shí)作為影響房價(jià)的成本因素存在;稅收和行政法律手段限于數(shù)據(jù)可獲取性，不對其進(jìn)行實(shí)證分析。最后，對樣本數(shù)據(jù)觀察可知，各地區(qū)房價(jià)走勢有如下特點(diǎn):2001—2003年，房價(jià)略有上升或保持相對穩(wěn)定;2004—2007年，房價(jià)表現(xiàn)為普遍性上漲;2008年，房價(jià)增幅普遍放緩;2009—2013年，房價(jià)普遍大幅上升;2014年后，各地區(qū)房價(jià)增速基本放緩，保持相對穩(wěn)定或小幅上升。因此，應(yīng)該將時(shí)間虛擬變量D2004、D2008、D2009與 D2014引入模型。

綜合上述分析，建立如下房價(jià)決定面板模型:

式中:i表示地區(qū)，t表示時(shí)間，α0為常數(shù)，λi表示各地區(qū)非時(shí)變特質(zhì);β1～β7分別為預(yù)期、土地成本(土地政策)、建筑成本、金融成本(價(jià)格型貨幣政策)、人口數(shù)量、數(shù)量型貨幣政策、信貸政策對住房價(jià)格的影響，β8～β11表示時(shí)間對房價(jià)的影響，εi，t是隨機(jī)擾動(dòng)項(xiàng)。

用商品住宅銷售價(jià)格、竣工房屋造價(jià)、土地交易價(jià)格、5年以上貸款基準(zhǔn)利率、年末城鎮(zhèn)人口數(shù)量、存款準(zhǔn)備金率、房地產(chǎn)開發(fā)企業(yè)國內(nèi)貸款額等指標(biāo)替代房價(jià)、建筑成本、土地成本(土地政策)、金融成本(價(jià)格型貨幣政策)、人口、數(shù)量型貨幣政策、信貸政策參與建模。更重要的是，中國商品住宅市場真正發(fā)展始于1998年，雖然市場主體的經(jīng)驗(yàn)、知識得到極大豐富，但是客觀上市場機(jī)制不健全、信息不對稱等，以及主觀上慣例、習(xí)俗、思維定勢等也會影響人們對信息的分析和篩選，表現(xiàn)為預(yù)期的非理性特點(diǎn)。人們往往會按歷史房價(jià)的波動(dòng)特征對未來房價(jià)變化進(jìn)行判斷，他們認(rèn)為歷史趨勢會延續(xù)到未來，即預(yù)期表現(xiàn)出“短視”特點(diǎn)。結(jié)合房地產(chǎn)市場的上述現(xiàn)實(shí)，參考張亞麗等對預(yù)期的刻畫方法，以市場參與者持短視預(yù)期為假設(shè)條件，并假設(shè)其按最近1年內(nèi)的房價(jià)走勢預(yù)期未來房價(jià)［24-25］。根據(jù)Dipasquale等學(xué)者給出的短視預(yù)期測度方法［26］，預(yù)期可用公式(2)進(jìn)行計(jì)算:

由于沒有官方公布的月度數(shù)據(jù)，商品住宅銷售價(jià)格按式(3)計(jì)算:

采用均值插值法將該指標(biāo)以及竣工房屋造價(jià)年度數(shù)據(jù)轉(zhuǎn)換為月度數(shù)據(jù)。

假設(shè)城鎮(zhèn)人口呈均勻指數(shù)增長，其年度、月度數(shù)據(jù)的轉(zhuǎn)換公式為:

式中，i表示年份，i=2001，2002，…2015;j表示月份，j=1，2，…12;Ni，j、Ni－1，12、Ni，12分別表示第 i年第 j月、上年末以及本年末的城鎮(zhèn)人口數(shù)量。

房地產(chǎn)開發(fā)企業(yè)國內(nèi)貸款額公布的月度數(shù)據(jù)是月度累積值，按照后月減前月的方法將其轉(zhuǎn)化當(dāng)月實(shí)際值。

對樣本數(shù)據(jù)季節(jié)性調(diào)整并剔除通脹影響，同時(shí)對預(yù)期、房價(jià)、造價(jià)、地價(jià)、人口、企業(yè)貸款額取對數(shù)，并用表示。實(shí)證分析使用的統(tǒng)計(jì)軟件是Stata12．0。各統(tǒng)計(jì)指標(biāo)數(shù)據(jù)來源見表1。

表1 統(tǒng)計(jì)數(shù)據(jù)來源

2．模型估計(jì)結(jié)果與分析

對中國30個(gè)地區(qū)2001年1月至2015年12月的樣本數(shù)據(jù)進(jìn)行建模分析，時(shí)間虛擬變量D2004、D2009與D2014的系數(shù)顯著(D2008的系數(shù)不顯著)，證實(shí)房價(jià)具有分階段的波動(dòng)特征。因此，將樣本區(qū)間劃分為4個(gè)階段重新估計(jì)(分別記為模型Ⅰ～Ⅳ)，結(jié)果見表2。

表2 4個(gè)時(shí)段模型估計(jì)結(jié)果

由表2可知:

①模型Ⅰ～模型Ⅳ的擬合優(yōu)度分別為0．535 8、0．2354、0.4033 和 0.8061，擬合能力尚可;F 檢驗(yàn)的P值均為0，都通過了聯(lián)合顯著性檢驗(yàn)。

②從時(shí)間維度看，預(yù)期與房價(jià)的關(guān)系是動(dòng)態(tài)變化的。比較模型Ⅰ～Ⅳ，從作用方向來看，預(yù)期在4個(gè)階段對房價(jià)均產(chǎn)生了正向作用;從作用力度來看，預(yù)期對房價(jià)的影響程度隨時(shí)間推移而不斷加強(qiáng)，預(yù)期房價(jià)上漲1%，實(shí)際房價(jià)將分別上漲0.072 7%、0.1195%、0.2726%、0.5077%。這與現(xiàn)實(shí)情況相吻合:2001年以來，住宅市場參與者對市場趨勢和宏觀基本面的認(rèn)識不斷發(fā)展，政策透明度在不斷提高，市場參與者預(yù)期的主客觀條件逐步完善，且經(jīng)歷了從無到有、從弱到強(qiáng)的過程。2001年至2015年期間，商品住宅價(jià)格始終呈現(xiàn)一種波動(dòng)性上漲的特點(diǎn)，市場參與者往往會依此對未來形成樂觀預(yù)期，進(jìn)而刺激潛在需求轉(zhuǎn)化為現(xiàn)實(shí)需求。因此該預(yù)期對房價(jià)產(chǎn)生了顯著的正向刺激作用，反過來進(jìn)一步加強(qiáng)樂觀預(yù)期，從而使預(yù)期的正向刺激作用不斷強(qiáng)化。該結(jié)論證實(shí)整個(gè)樣本期內(nèi)預(yù)期對市場發(fā)展所起到的重要作用，同時(shí)從時(shí)間維度看，預(yù)期的房價(jià)效應(yīng)是動(dòng)態(tài)變化、不斷加強(qiáng)的。

三、基于空間維的實(shí)證檢驗(yàn)

如果按東、中、西等區(qū)位特征劃分地區(qū)，簡單易行且可體現(xiàn)一定地域特色，但隸屬同一區(qū)位省市的住房市場可能明顯不同，而不同區(qū)位省市住房市場的發(fā)展可能相近。因此，將30個(gè)地區(qū)按商品住宅價(jià)格水平指標(biāo)進(jìn)行面板聚類，并進(jìn)一步探討不同類型地區(qū)預(yù)期與房價(jià)關(guān)系的差異性。

1．面板數(shù)據(jù)的聚類

面板數(shù)據(jù)聚類分析的特點(diǎn)是將面板模型與多元統(tǒng)計(jì)方法相結(jié)合。設(shè)有N個(gè)個(gè)體構(gòu)成總體，x表示個(gè)體特征，T表示時(shí)間長度，則t時(shí)期第i個(gè)個(gè)體的指標(biāo)值用 xit表示，有 i=1，2…，N，0≤t≤T。用距離dij來表示總體中第 i、j個(gè)體的相似性，且有 dij≥0，當(dāng)且僅當(dāng) xi=xj時(shí)，dij=0;dij=dji，對所有 xi和 xj;dij≤dik+dkj，對 xi、xk和 xj。實(shí)證時(shí)選取平方歐式距離表示個(gè)體間的相似程度，并有:

選取離差平方和法描述類間相似程度，并有:

系統(tǒng)聚類時(shí)，每個(gè)xit(i=1，2…，N)首先自成一類，共有N類;根據(jù)相似指標(biāo)把距離較近的兩個(gè)數(shù)據(jù)歸成一類，逐漸凝聚成小類;選擇使類內(nèi)離差平方和增加最小的兩類凝聚，直至所有個(gè)體合并為一類。

2．面板聚類結(jié)果

面板數(shù)據(jù)的聚類結(jié)果見表3。

表3 面板數(shù)據(jù)的聚類結(jié)果

3．模型估計(jì)結(jié)果與分析

從水的實(shí)際用途進(jìn)行歸類，水的使用大致可以分為自然使用和人為使用，自然使用主要包括生活飲用水、家禽用水和家庭用水，相關(guān)用水權(quán)利是一種絕對權(quán)利。人為使用主要體現(xiàn)為水用來進(jìn)行發(fā)電、生產(chǎn)和休閑，相關(guān)用水權(quán)利通常不是絕對權(quán)利。如果自然使用和人為使用存在沖突，如何合理分配水權(quán)呢？通常，人們認(rèn)為自然使用優(yōu)于人為使用。問題是，當(dāng)水資源能夠滿足自然使用需求，但是無法滿足各種人為使用需求時(shí)，如何在用水需求相互競爭的用水人之間分配有限的水資源？

根據(jù)表3，對1～4類地區(qū)分別使用Panel Data模型進(jìn)行估計(jì)，且分別記為模型A～D(表4)。

由表4可知:

①模型 A～D的 R2分別為 0.796 0、0.788 9、0.7606和0.582 3，擬合能力良好;F檢驗(yàn)的P值均為0，都通過了聯(lián)合顯著性檢驗(yàn)。

②從空間維度看，預(yù)期對1～4類地區(qū)房價(jià)都產(chǎn)生了顯著的、力度各異的正向影響。預(yù)期房價(jià)每上漲1%，第 4、2、1、3 類地區(qū)的房價(jià)將上漲 0.328 0%、0.2795%、0.2581%和0.1172%。在第2、4類地區(qū)，預(yù)期是房價(jià)最主要的影響因素，在第1、3類地區(qū)，其影響也僅次于造價(jià)、地價(jià)。從整體來看，預(yù)期已成為了各類地區(qū)房價(jià)的關(guān)鍵影響因素，且大體上表現(xiàn)出了隨房價(jià)水平下降影響程度反而加強(qiáng)的特點(diǎn)。遼寧、內(nèi)蒙古、廣西等房地產(chǎn)業(yè)落后地區(qū)，樣本期內(nèi)房價(jià)漲幅小、波動(dòng)性大;北京、上海等房地產(chǎn)業(yè)相對成熟地區(qū)，樣本期內(nèi)房價(jià)上漲快，更多地突顯出 了其發(fā)展的慣性。兩者相比，前者房價(jià)未來的發(fā)展更具有不確定性，市場參與者為了追求利益、規(guī)避風(fēng)險(xiǎn)，勢必會對市場前景進(jìn)行更慎重的事前估計(jì)，因此這些地區(qū)預(yù)期對房價(jià)的作用更加明顯。上述結(jié)論體現(xiàn)了預(yù)期與房價(jià)關(guān)系在空間上的動(dòng)態(tài)變化。

表4 1～4類地區(qū)面板模型估計(jì)結(jié)果

③成本因素對1～4類地區(qū)商品住宅價(jià)格的影響效果存在不確定性。土地交易價(jià)格對第3、1、2、4類地區(qū)的正向影響程度依次減弱;竣工房屋造價(jià)對第3、1、4、2類地區(qū)房價(jià)的推動(dòng)作用依次遞減，且其為第1、3類地區(qū)房價(jià)波動(dòng)的最主要?jiǎng)右?貸款利率只對第4類地區(qū)產(chǎn)生了顯著的負(fù)向影響。

④宏觀調(diào)控工具對1～4類地區(qū)房價(jià)的干預(yù)效果也存在不確定性。地價(jià)對1～4類地區(qū)的房價(jià)都產(chǎn)生了正向影響，說明樣本期內(nèi)抑制市場過熱的土地計(jì)劃、價(jià)格管制等手段反而刺激了房價(jià)的上漲。貸款利率僅對第4類地區(qū)房價(jià)產(chǎn)生了顯著的抑制作用，而在其他地區(qū)，該手段的干預(yù)效果未得到體現(xiàn)。存款準(zhǔn)備金率對第1、2、4類地區(qū)產(chǎn)生了顯著正向影響，說明樣本期內(nèi)政府使用降低流動(dòng)性、抑制非理性投資的干預(yù)手段，同樣也刺激了房價(jià)上漲，干預(yù)失效。企業(yè)貸款額只對第2、4類地區(qū)產(chǎn)生方向相反的顯著影響，而對其他兩類地區(qū)的影響不顯著。對于天津、浙江等地，由于經(jīng)濟(jì)發(fā)達(dá)、人口密集、需求旺盛，開發(fā)貸款增加反而造成了投資過熱和房價(jià)上漲;而在遼寧、山西等地，市場需求有限，開發(fā)貸款增長、供給增加，會對房價(jià)產(chǎn)生負(fù)向影響。綜上可見，政府只有出臺差異化、精準(zhǔn)性的調(diào)控政策才能真正提高干預(yù)的有效性。

四、結(jié)論與啟示

首先建立了房價(jià)決定面板模型，其次通過考察房價(jià)波動(dòng)的階段性特征和不同地區(qū)房價(jià)動(dòng)態(tài)變化趨勢的差異性將中國30個(gè)地區(qū)的樣本數(shù)據(jù)劃分到4個(gè)階段和4類地區(qū)(樣本期為2001年1月—2015年12月)，最后采用面板計(jì)量模型、面板模型的聚類分析等方法，分別從時(shí)間維度、空間維度探析預(yù)期的房價(jià)效應(yīng)，定量、對比地分析預(yù)期與房價(jià)的動(dòng)態(tài)關(guān)系。主要結(jié)論有:①從時(shí)間維度看，預(yù)期與房價(jià)的關(guān)系是動(dòng)態(tài)變化的。以2004年、2009年、2014年為界將樣本期劃分為4階段，預(yù)期在各個(gè)階段對房價(jià)均具有統(tǒng)計(jì)上顯著的正向影響，且影響程度隨時(shí)間推移而不斷加強(qiáng)。②4個(gè)階段房價(jià)的主要影響因素是不同的，分別是竣工房屋造價(jià)、城鎮(zhèn)人口數(shù)量、竣工房屋造價(jià)和市場參與者預(yù)期。③從空間維度看，市場參與者預(yù)期對各類地區(qū)均產(chǎn)生了統(tǒng)計(jì)上顯著的正向影響，且大體表現(xiàn)出隨房價(jià)水平下降影響程度反而加強(qiáng)的特點(diǎn)。④影響各類地區(qū)房價(jià)的主要因素是市場參與者預(yù)期與竣工房屋造價(jià)，而宏觀調(diào)控政策在各類地區(qū)對房價(jià)的影響效果不確定。

由上述結(jié)論可知，隨著時(shí)間和空間的變化，預(yù)期的房價(jià)效應(yīng)也會發(fā)生變化。這不僅為樣本期內(nèi)房價(jià)波動(dòng)、地區(qū)間市場發(fā)展不平衡，以及住房調(diào)控低效等現(xiàn)象給出了新的解釋，而且反映出科學(xué)管理市場參與者預(yù)期是促進(jìn)市場穩(wěn)定發(fā)展的重要手段。因此，管理部門應(yīng)該實(shí)時(shí)監(jiān)測市場預(yù)期的發(fā)展動(dòng)態(tài)，掌握預(yù)期的作用規(guī)律;完善房地產(chǎn)市場信息公開制度，及時(shí)向公眾發(fā)布房價(jià)、投資額、銷售額等統(tǒng)計(jì)信息，并權(quán)威解讀;加強(qiáng)對企業(yè)、消費(fèi)者專業(yè)知識、信息收集處理能力的培養(yǎng)，引導(dǎo)其形成合理預(yù)期，這樣才可能把握市場運(yùn)行規(guī)律，實(shí)時(shí)調(diào)整決策，采取正確的行動(dòng)。

［1］EDWARDSK D．Prospect theory:a literature review［J］．International Review of Financial Analysis，1996，5(1):19-38．

［2］JEANTY P W，PARTRIDGE M，IRWIN E．Estimation of a spatial simultaneous equation model of population migration and housing price dynamics［J］．Regional Science and Urban Economics，2010，40(5):343-352．

［3］GUERRIERI V，HARTLEY D，HURST E．Endogenous gentrification and housing price dynamics［J］．Journal of Public Economics，2013，100(1):45-60．

［4］鄭基超，倪澤強(qiáng)，孫韋．人口結(jié)構(gòu)對房價(jià)的影響——基于面板數(shù)據(jù)的分析［J］．江淮論壇，2016(5):22-27．

［5］韓鑫韜，劉星．匯率變化對房價(jià)波動(dòng)存在溢出效應(yīng)嗎?——來自1997—2015年中國房地產(chǎn)市場的證據(jù)［J］．中國管理科學(xué)，2017，25(4):7-17．

［6］李斌，和倩，張所地，等．金融支持對房地產(chǎn)市場的時(shí)變影響機(jī)制研究——以山西省為例［J］．經(jīng)濟(jì)問題，2017(7):20-25．

［7］SONG Z，F(xiàn)AVARA G．House price dynamics with heterogeneous expectations［C］//Society for Economic Dynamics ，Istanbul:2009．

［8］HOLTEMOLLER O，SCHULZ R．Investor rationality and house price bubbles:Berlin and the German reunification［J］．German Economic Review，2010，11(9):465-486．

［9］BOLT W，DEMERTZIS M，DIKS C，et al．Identifying booms and busts in house prices under heterogeneous expectations［J］．Ssrn Electronic Journal，2014(450):1-44．

［10］GELAIN P，LANSING K J．House prices，expectations，and time-varying fundamentals［J］．Journal of Empirical Finance，2014，29(3):3-25．

［11］譚小芬，林木材．人民幣升值預(yù)期與中國房地產(chǎn)價(jià)格變動(dòng)的實(shí)證研究［J］．中國軟科學(xué)，2013(8):55-66．

［12］王立凱，張帥．自住房屋需求與預(yù)期收入差距——基于住房地位尋求視角的解釋［J］．經(jīng)濟(jì)問題，2015(12):33-39．

［13］孫偉增，鄭思齊．居民對房價(jià)的預(yù)期如何影響房價(jià)變動(dòng)［J］．統(tǒng)計(jì)研究，2016，33(5):51-59．

［14］張浩．異質(zhì)性預(yù)期、投資者行為與房價(jià)波動(dòng):上海和廣州的雙城記［J］．財(cái)經(jīng)研究，2016，42(8):51-61．

［15］王頻，侯成琪．預(yù)期沖擊、房價(jià)波動(dòng)與經(jīng)濟(jì)波動(dòng)［J］．經(jīng)濟(jì)研究，2017，52(4):48-63．

［16］HUANG M C．Monetary policy implications of housing shift-contagion across regional markets［J］．Journal of Economics and Finance，2012(2):1-20．

［17］張紅，李洋．房地產(chǎn)市場對貨幣政策傳導(dǎo)效應(yīng)的區(qū)域差異研究——基于GVAR模型的實(shí)證分析［J］．金融研究，2013(2):114-128．

［18］張洪，金杰，全詩凡．房地產(chǎn)投資、經(jīng)濟(jì)增長與空間效應(yīng)——基于70個(gè)大中城市的空間面板數(shù)據(jù)實(shí)證研究［J］．南開經(jīng)濟(jì)研究，2014(1):42-58．

［19］PALMON O，SMITH B A，SOPRANZETTI B J．Clustering in real estate prices:determinants and consequences［J］．Journal of Real Estate Research，2004，26(2):115-136．

［20］MILESW．Volatility clustering in U．S．home prices［J］．Journal of Real Estate Research，2008，30(1):73-90．

［21］HEPSEN A， VATANSEVER M．Using hierarchical clustering algorithms for Turkish residential market［J］．International Journal of Economics＆ Finance，2012，4(1):138-150．

［22］熊方軍，鄧長榮，馬永開．基于宏觀調(diào)控的我國房地產(chǎn)市場聚類研究［J］．管理學(xué)報(bào)，2007，4(6):829-832．

［23］居祥，張燕，黃賢金．聚類分析在長江流域地區(qū)房地產(chǎn)價(jià)格研究中的應(yīng)用［J］．經(jīng)濟(jì)地理，2013，33(3):79-83．

［24］張亞麗．預(yù)期、市場基本面和房價(jià)拐點(diǎn)［J］．經(jīng)濟(jì)學(xué)家，2011(9):20-27．

［25］任榮榮，鄭思齊，龍奮杰．預(yù)期對房價(jià)的作用機(jī)制:對35個(gè)大中城市的實(shí)證研究［J］．經(jīng)濟(jì)問題探索，2008(1):145-148．

［26］DIPASQUALE D，WHEATON W C．Urban economics and real estate markets［M］．New Jersey:Englewood Cliffs，1996．