葛夢(mèng)圓，吳義東

(安徽工業(yè)大學(xué)商學(xué)院 安徽 馬鞍山 243032)

0 引言

房地產(chǎn)具備居住和投資的雙重屬性，我國(guó)自古以來(lái)的“成家立業(yè)”傳統(tǒng)思想和“住有所居”理念使得居民對(duì)于房屋擁有的歸屬感強(qiáng)烈，隨之房?jī)r(jià)的漲跌問(wèn)題成為中國(guó)政府和百姓特別重視的民生話題(湛東升等，2020)[1]。中國(guó)的房地產(chǎn)市場(chǎng)改革從1998年正式啟動(dòng)，歷經(jīng)20余年的快速發(fā)展，房地產(chǎn)市場(chǎng)呈現(xiàn)出房?jī)r(jià)快速上漲的態(tài)勢(shì)(圖1)，進(jìn)而引發(fā)了一系列的社會(huì)問(wèn)題，為此國(guó)家也高度重視對(duì)于房地產(chǎn)市場(chǎng)的調(diào)控。政府先后出臺(tái)相關(guān)政策如“國(guó)八條”(2005)、“927新政”(2007)、“新國(guó)八條”(2011)、“國(guó)五條”(2013)、“四限”(2016)促進(jìn)房市的正常發(fā)展，但收效甚微，并陷入“越調(diào)越漲”怪圈(王先柱和楊義武，2015)[2]。2022年國(guó)務(wù)院政府工作報(bào)告又再次強(qiáng)調(diào)了“房住不炒”，穩(wěn)地價(jià)、穩(wěn)房?jī)r(jià)、穩(wěn)預(yù)期，因城施策促進(jìn)房地產(chǎn)業(yè)良性循環(huán)和健康發(fā)展。2010—2019年10年間，中國(guó)商品房平均銷(xiāo)售價(jià)格上漲了85%，10年來(lái)平均增速達(dá)到7.08%，房?jī)r(jià)不斷飛漲。高房?jī)r(jià)減弱了居民消費(fèi)需求，年輕購(gòu)房群體壓力增大，社會(huì)出現(xiàn)了“不敢結(jié)婚不敢生育”的現(xiàn)象，更伴隨著供需失衡、房地產(chǎn)市場(chǎng)保障和金融架構(gòu)不健全等問(wèn)題，甚至引發(fā)泡沫和金融危機(jī)。隨著各城市經(jīng)濟(jì)發(fā)展差距不斷拉大，供需資源錯(cuò)配，大城市發(fā)展的資源和人口問(wèn)題一直凸顯，城市發(fā)展分化更引起了現(xiàn)階段房?jī)r(jià)的持續(xù)分化。鑒于此，在“人口—資產(chǎn)價(jià)格模型”和效用函數(shù)分析基礎(chǔ)上，構(gòu)建“利率-土地-人口”房?jī)r(jià)模型，從外部的貨幣政策端和內(nèi)部的房地產(chǎn)市場(chǎng)供求兩端進(jìn)行綜合分析，厘清房?jī)r(jià)變化的理論邏輯，為新時(shí)期房地產(chǎn)市場(chǎng)平穩(wěn)健康發(fā)展和良性循環(huán)提供理論參考。

圖1 2000—2019年全國(guó)商品房平均銷(xiāo)售價(jià)格情況

1 文獻(xiàn)綜述

房?jī)r(jià)歷經(jīng)多輪調(diào)控仍陷入了“越調(diào)越漲”的怪圈。伴隨2003年以來(lái)全國(guó)大量城市房?jī)r(jià)的快速上漲，2008年下半年出現(xiàn)的金融危機(jī)，房?jī)r(jià)又表現(xiàn)出了反彈現(xiàn)象(呂江林，2010)[3]。對(duì)于高位運(yùn)行的房?jī)r(jià)如何將其回歸理性區(qū)間是政府政策調(diào)控的重要痛點(diǎn)，解決該問(wèn)題需要厘清房?jī)r(jià)變化的驅(qū)動(dòng)因素，不同因素作用方向與效果大相徑庭(李永友，2014)[4]。研究影響房地產(chǎn)價(jià)格變化的驅(qū)動(dòng)因素涵備豐富的現(xiàn)實(shí)意義與政策含義(張莉等，2017)[5]，目前國(guó)內(nèi)外圍繞該問(wèn)題展開(kāi)了系列研究，主要從金融政策類(lèi)因素、供給端因素以及需求端因素分析房?jī)r(jià)的變化及走向趨勢(shì)。

基于金融政策類(lèi)因素的研究而言，外部的宏觀經(jīng)濟(jì)發(fā)展和國(guó)家政策的實(shí)施對(duì)房地產(chǎn)市場(chǎng)的運(yùn)行起到支撐與規(guī)制作用，特別是對(duì)于房地產(chǎn)的投資屬性，金融類(lèi)因素極易引發(fā)其波動(dòng)。對(duì)于貨幣政策調(diào)控房?jī)r(jià)的研究中，大多認(rèn)為緊縮性的貨幣政策能夠?qū)Ψ績(jī)r(jià)產(chǎn)生抑制性作用，如Matteo Iacoviello(2005)[6]發(fā)現(xiàn)緊縮的貨幣政策與房?jī)r(jià)之間表現(xiàn)出負(fù)相關(guān)關(guān)系；Marco Del Negro &Christopher Otrok(2006)[7]提出擴(kuò)張性貨幣政策對(duì)其有正向作用。陳創(chuàng)練和戴明曉(2018)[8]說(shuō)明了數(shù)量型貨幣政策對(duì)于調(diào)控房?jī)r(jià)方面的效果更好；郭文偉(2016)[9]發(fā)現(xiàn)提高短期貸款利率，能夠有效抑制我國(guó)各層次房?jī)r(jià)泡沫，短期利率的調(diào)整更為敏感。Signe Rosenberg(2019)[10]探索貨幣政策對(duì)其作用效果，研究發(fā)現(xiàn)利率與房?jī)r(jià)之間呈現(xiàn)出一種負(fù)向關(guān)系；Gueye Ghislain Nono[11]利用VECM估計(jì)和脈沖響應(yīng)函數(shù)進(jìn)行分析，論證房?jī)r(jià)與實(shí)際利率二者表現(xiàn)出一種長(zhǎng)期的負(fù)聯(lián)系。

基于供給端因素的研究而言，Paul De Vries&Peter Boelhouwer[12]提出在住房市場(chǎng)穩(wěn)定發(fā)展情況下，供給能夠?qū)π枨蟮臎_擊做出反應(yīng)，住房供給量增加房?jī)r(jià)下降；楊慧和李超[13]研究發(fā)現(xiàn)住房市場(chǎng)上供給量越多房?jī)r(jià)就會(huì)越低，二者之間表現(xiàn)出負(fù)向關(guān)系；余華義[14]認(rèn)為對(duì)于富有中國(guó)特色的房地產(chǎn)市場(chǎng)政策來(lái)說(shuō),特別是在土地政策方面，發(fā)現(xiàn)土地供應(yīng)量對(duì)于房?jī)r(jià)來(lái)說(shuō)具備有顯著的負(fù)向作用。

基于需求端因素的研究而言，李永友[15]通過(guò)IVQR和空間計(jì)量分析房?jī)r(jià)上漲的全域性現(xiàn)象，發(fā)現(xiàn)其主要由于需求驅(qū)動(dòng)、價(jià)格變化慣性以及漣漪效應(yīng)作用；李成等[16]基于供求關(guān)系研究發(fā)現(xiàn)房?jī)r(jià)的提升源于一、二、三線城市常住人口和信貸規(guī)模的增加，擴(kuò)張了房地產(chǎn)供需缺口；鄧宏乾和張雪[17]從人口結(jié)構(gòu)方面探討對(duì)住房?jī)r(jià)格的影響，結(jié)果表明人口流動(dòng)率與房?jī)r(jià)之間表現(xiàn)出一種正向關(guān)系；張明和劉瑤[18]通過(guò)研究我國(guó)70個(gè)大中城市的房地產(chǎn)價(jià)格變化，認(rèn)為在需求類(lèi)變量中，常住人口比例上升是顯著地影響房?jī)r(jià)上漲的重要因素。

梳理已有文獻(xiàn)，大多數(shù)從單一的因素角度分析對(duì)房?jī)r(jià)的影響，或者將多種因素簡(jiǎn)單地統(tǒng)一納入研究范圍探索對(duì)房?jī)r(jià)的影響，較少文獻(xiàn)能夠在較為完整的框架里面，通過(guò)理論模型推導(dǎo)，對(duì)我國(guó)貨幣政策端、房地產(chǎn)市場(chǎng)供給端和需求端因素進(jìn)行系統(tǒng)性經(jīng)濟(jì)分析。為此文章通過(guò)效用函數(shù)進(jìn)行推導(dǎo)得出“利率-土地-人口”房?jī)r(jià)模型，從外部貨幣政策端和房地產(chǎn)市場(chǎng)供求兩端進(jìn)行綜合分析，探討政策內(nèi)外聯(lián)動(dòng)下對(duì)房?jī)r(jià)的合理有效調(diào)控。

2 理論模型分析與研究假設(shè)

在“人口-資產(chǎn)價(jià)格模型”和DCP模型[19，20]基礎(chǔ)上，通過(guò)對(duì)消費(fèi)效用函數(shù)進(jìn)行分析，引入了貨幣政策價(jià)格型工具利率、房地產(chǎn)市場(chǎng)土地供給和人口數(shù)量3因素進(jìn)行綜合分析，構(gòu)建“利率-土地-人口”的房?jī)r(jià)模型，深入研究貨幣政策端、房地產(chǎn)市場(chǎng)供給端和需求端對(duì)房?jī)r(jià)的影響。

TU=f(X1,X2)

(1)

P1X1+P2X2=I

(2)

maxTU(X1,X2)

(3)

假設(shè)市場(chǎng)上存在兩種商品，一種是房地產(chǎn)，另一種是其他商品，消費(fèi)者在購(gòu)買(mǎi)房地產(chǎn)時(shí)得到的總效用函數(shù)為

TU=λlnChome+μlnCother

(4)

TU為總的消費(fèi)效用，Chome為購(gòu)買(mǎi)房地產(chǎn)商品產(chǎn)生的消費(fèi)，Cother為購(gòu)買(mǎi)其他商品產(chǎn)生的消費(fèi)，對(duì)二者取對(duì)數(shù)形式表示兩種不同的效用；λ和μ分別為對(duì)房地產(chǎn)消費(fèi)的偏好和對(duì)其他商品消費(fèi)的偏好。消費(fèi)者需要受自身收入條件的約束，由于購(gòu)買(mǎi)房地產(chǎn)需要大量資金，消費(fèi)者無(wú)法在短時(shí)期內(nèi)從自身的可支配收入中分解出大批資金進(jìn)行房地產(chǎn)消費(fèi)，故需要向銀行獲取貸款，得出其在購(gòu)買(mǎi)房地產(chǎn)時(shí)需要受到的預(yù)算約束條件為

PhomeQhome+PotherQother≤income+loan

(5)

Phome為購(gòu)買(mǎi)房地產(chǎn)的價(jià)格，Pother為購(gòu)買(mǎi)其他商品的價(jià)格，Qhome為房地產(chǎn)的消費(fèi)數(shù)量，Qother為除了房地產(chǎn)以外的其他商品的消費(fèi)數(shù)量；I為個(gè)人總的資金數(shù)量，進(jìn)一步細(xì)化則分為個(gè)人可支配的資金income和銀行貸款資金loan。

為了實(shí)現(xiàn)效用的最大化，需要對(duì)總效用函數(shù)式(4)進(jìn)行一階處理,得到最大化條件，進(jìn)而得出用房地產(chǎn)消費(fèi)表示的Cother

Chome+Cother=income+loan

(6)

Cother=income+loan-Chome

(7)

對(duì)式(4)消費(fèi)總效用函數(shù)進(jìn)行帶入處理，求出在效用最大化時(shí)Chome房地產(chǎn)消費(fèi)的具體表達(dá)式:

TU=λlnChome+μlnCother

=λlnChome+μln (income+loan-Chome)

(8)

(9)

(10)

λ(income+loan)-λChome=μChome

(11)

(12)

房地產(chǎn)消費(fèi)Chome=PhomeQhome得出房地產(chǎn)消費(fèi)數(shù)量Qhome，引入房地產(chǎn)市場(chǎng)供給端因素Land(用房地產(chǎn)企業(yè)土地購(gòu)置面積進(jìn)行衡量)和需求端因素人口數(shù)量People,得到每個(gè)消費(fèi)者獲得的房地產(chǎn)供給為L(zhǎng)and/People

(13)

(14)

(15)

可以看出房地產(chǎn)價(jià)格與房地產(chǎn)供給端土地因素呈現(xiàn)反向關(guān)系，與需求端人口數(shù)量呈現(xiàn)正向關(guān)系，與銀行貸款呈現(xiàn)正向關(guān)系。又因?yàn)殂y行的貸款量受利率影響，而利率與銀行貸款規(guī)模表現(xiàn)出負(fù)向關(guān)系，式(15)可以進(jìn)一步轉(zhuǎn)化為

(16)

r對(duì)loan存在負(fù)向影響，loan對(duì)Phome存在正向影響，綜合來(lái)看通過(guò)銀行貸款的傳遞表現(xiàn)出利率r對(duì)房地產(chǎn)價(jià)格的負(fù)向影響。式(16)即為本文所論述的最終模型。綜合探討貨幣政策端的利率、房地產(chǎn)市場(chǎng)的供給端(房地產(chǎn)企業(yè)土地購(gòu)置面積)、需求端(人口數(shù)量)3個(gè)方面對(duì)房地產(chǎn)價(jià)格的影響，為此提出以下假設(shè)：H1：利率與房?jī)r(jià)之間負(fù)相關(guān)。利率提升，供求數(shù)量均減少的情況下，對(duì)于剛性需求特別是中低收入者來(lái)說(shuō)，利率上升購(gòu)房成本上升，對(duì)利率的敏感度高，需求對(duì)利率敏感度大于供給使得利率上升房?jī)r(jià)下跌。H2：房地產(chǎn)市場(chǎng)土地供給與房?jī)r(jià)之間負(fù)相關(guān)。房地產(chǎn)市場(chǎng)土地供給增加使得供應(yīng)量相對(duì)增加，在其他條件不變的情況下，房地產(chǎn)價(jià)格出現(xiàn)降低趨勢(shì)。H3:人口與房?jī)r(jià)之間正相關(guān)。人口規(guī)模的增加擴(kuò)張房地產(chǎn)市場(chǎng)需求，特別是對(duì)于人口不斷流入的發(fā)達(dá)城市，由于供給缺口存在，需求的提升使得房?jī)r(jià)不斷上漲。

3 實(shí)證分析

3.1 實(shí)證模型設(shè)定

根據(jù)上文的理論模型分析，在式子(16)的基礎(chǔ)上構(gòu)建如下計(jì)量回歸模型

Price=F(policy,supply,demand)

(17)

lnPriceit=α0+α1rt+α2lnlandit+α3lnhpeopleit+α4lnpergdpit+α5lnstockt+μi+εit

(18)

其中i表示不同城市，t表示不同時(shí)間；Priceit表示i城市在t年的商品房平均銷(xiāo)售價(jià)格；r表示價(jià)格型貨幣政策工具，即5年以上貸款基準(zhǔn)利率；land表示房地產(chǎn)市場(chǎng)的土地供給，用房地產(chǎn)開(kāi)發(fā)企業(yè)購(gòu)置土地面積衡量；hpeople表示需求端的人口因素，用城市戶籍人口數(shù)量進(jìn)行衡量；pergdp表示人均GDP；stock為股票價(jià)格；μi為個(gè)體異質(zhì)性方面的擾動(dòng)項(xiàng)，εit為跟隨個(gè)體與時(shí)間而改變的經(jīng)典擾動(dòng)項(xiàng)。為盡可能排除異方差的影響，避免數(shù)據(jù)波動(dòng)，保證模型穩(wěn)定性，除利率變量外，其余變量均取對(duì)數(shù)處理進(jìn)行彈性分析。

3.2 數(shù)據(jù)指標(biāo)說(shuō)明與描述性統(tǒng)計(jì)

3.2.1 樣本及變量選取說(shuō)明

在經(jīng)濟(jì)發(fā)展水平較高的城市，居民也多居住于此，以城市的維度研究房?jī)r(jià)更富有實(shí)踐意義，考慮到2008年金融危機(jī)對(duì)房地產(chǎn)市場(chǎng)的沖擊，故選取數(shù)據(jù)的時(shí)間跨度避開(kāi)了該年份,最終選取2010—2019年中國(guó)35個(gè)大中城市的面板數(shù)據(jù)進(jìn)行實(shí)證分析，實(shí)證軟件為Stata16版本。為消除通貨膨脹的影響，以2010年為基期，采用歷年各城市的CPI數(shù)據(jù)對(duì)各價(jià)值型變量進(jìn)行平減處理。各數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站、中國(guó)人民銀行網(wǎng)站及CEIC宏觀經(jīng)濟(jì)數(shù)據(jù)庫(kù)。

在數(shù)據(jù)選取方面：由于房?jī)r(jià)隨著時(shí)間不斷發(fā)生變化，不同地區(qū)的房?jī)r(jià)存在差異，因此本文選擇的是城市商品房的年平均售價(jià)；價(jià)格型貨幣政策工具，本文選擇了5年以上貸款基準(zhǔn)利率進(jìn)行衡量，商業(yè)銀行貸款的利率基于中央銀行貸款的基準(zhǔn)利率，基準(zhǔn)利率的變動(dòng)會(huì)影響購(gòu)房者的買(mǎi)房成本和房企的開(kāi)發(fā)成本,中長(zhǎng)期貸款占大多數(shù)，長(zhǎng)期利率更具有代表性；對(duì)于反映房地產(chǎn)市場(chǎng)供給端因素，選取房地產(chǎn)開(kāi)發(fā)企業(yè)購(gòu)置土地面積進(jìn)行衡量；對(duì)于反映房地產(chǎn)市場(chǎng)需求端因素，選取城市戶籍人口數(shù)量進(jìn)行衡量；控制變量選取人均GDP反映各個(gè)城市發(fā)展程度，同時(shí)另外一控制變量參考楊慧(2019)運(yùn)用R2分解得出的房?jī)r(jià)影響因素貢獻(xiàn)度結(jié)果，選取了股票價(jià)格，即上證綜合指數(shù)進(jìn)行衡量。

3.2.2 描述性統(tǒng)計(jì)

表1看出35個(gè)大中城市的平均房?jī)r(jià)存在約13倍的差距，房?jī)r(jià)分化背后則是各個(gè)城市歷年經(jīng)濟(jì)發(fā)展差距不斷拉大的深刻反映。各城市土地供給差異說(shuō)明城市之間的房?jī)r(jià)存在較大差距的內(nèi)在因素；城市人口數(shù)量方面差距21倍之大，反映出不同城市房地產(chǎn)需求的巨大差異。

表1 各變量描述性統(tǒng)計(jì)

3.3 數(shù)據(jù)檢驗(yàn)

3.3.1 多重共線性檢驗(yàn)

模型數(shù)據(jù)存在多重共線性會(huì)導(dǎo)致系數(shù)估計(jì)失真，為此需通過(guò)計(jì)算各變量的方差膨脹因子VIF來(lái)檢驗(yàn)多重共線性問(wèn)題。表2檢驗(yàn)結(jié)果顯示本文是可以安全地忽略多重共線性問(wèn)題并使用這些變量進(jìn)行回歸。

表2 多重共線性檢驗(yàn)

3.3.2 單位根檢驗(yàn)與協(xié)整檢驗(yàn)

為避免偽回歸等問(wèn)題，采取適用短面板數(shù)據(jù)的HT檢驗(yàn)方法進(jìn)行單位根檢驗(yàn)，水平值除了lnpergdp不平穩(wěn)之外，其余變量均在1%水平下顯著平穩(wěn)，通過(guò)對(duì)各變量再進(jìn)行一階差分可以發(fā)現(xiàn)其結(jié)果均呈現(xiàn)出平穩(wěn)性。對(duì)變量進(jìn)行面板協(xié)整檢驗(yàn)，從表3結(jié)果可以看出變量之間具備協(xié)整關(guān)系，即變量之間存在著長(zhǎng)期均衡關(guān)系，具有經(jīng)濟(jì)意義。

表3 面板變量單位根檢驗(yàn)

3.4 實(shí)證結(jié)果分析

3.4.1 基礎(chǔ)回歸分析

(1)F檢驗(yàn)

在輸出的F檢驗(yàn)中其p值為0.0000，拒絕原假設(shè)，固定效應(yīng)FE優(yōu)于混合回歸。然而由于未使用聚類(lèi)穩(wěn)健標(biāo)準(zhǔn)誤，故采取LSDV法進(jìn)行檢驗(yàn)發(fā)現(xiàn)大多數(shù)個(gè)體虛擬變量均很顯著(p值為0.000)，存在個(gè)體效應(yīng)不使用混合回歸(見(jiàn)表4)。

表4 面板協(xié)整檢驗(yàn)結(jié)果

(2)豪斯曼檢驗(yàn)

為確定本文面板數(shù)據(jù)所使用的模型，采取修正的豪斯曼檢驗(yàn)，檢驗(yàn)結(jié)果p值為0.0000。為了使用聚類(lèi)穩(wěn)健標(biāo)準(zhǔn)誤，進(jìn)一步確定是否為固定效應(yīng)模型，檢驗(yàn)結(jié)果顯示Sargan-Hansen statistic值為 13.697，p值為0.0177，拒絕隨機(jī)效應(yīng)，則本文應(yīng)使用固定效應(yīng)模型。

(3)回歸結(jié)果分析

進(jìn)一步檢驗(yàn)表明存在異方差，由上述檢驗(yàn)結(jié)果得出本文最終采用固定效應(yīng)回歸模型+穩(wěn)健性標(biāo)準(zhǔn)誤方法進(jìn)行估計(jì)，并且控制城市個(gè)體效應(yīng)。

表5中的第(1)列為混合最小二乘法估計(jì)結(jié)果，第(2)列為最小二乘虛擬變量估計(jì)結(jié)果，第(3)列為固定效應(yīng)模型回歸結(jié)果，第(4)列為隨機(jī)效應(yīng)模型回歸結(jié)果。由上述分析最終確定本文采取固定效應(yīng)模型，列(3)可以看出利率的系數(shù)顯著為負(fù)，利率與房?jī)r(jià)表現(xiàn)出負(fù)向關(guān)系，印證假設(shè)H1，利率每增加一單位，即利率提高1%的情況下，房?jī)r(jià)會(huì)下跌4%，由于利率的提升使得貸款成本提升，在一定時(shí)期內(nèi)供給時(shí)滯不能及時(shí)調(diào)整，需求減少房?jī)r(jià)下跌，表明貨幣政策價(jià)格型工具的緊縮能夠有效抑制房?jī)r(jià)的上漲；土地供給的系數(shù)顯著為負(fù)，印證假設(shè)H2，房地產(chǎn)企業(yè)土地購(gòu)置面積每增加 1%，房?jī)r(jià)隨之下降0.032%，表明房地產(chǎn)市場(chǎng)供給端的增加導(dǎo)致了房?jī)r(jià)的下跌；城市人口數(shù)量系數(shù)顯著為正，印證假設(shè)H3，戶籍人口數(shù)量每增加 1%，房?jī)r(jià)隨之上升0.801%，房地產(chǎn)市場(chǎng)需求端增加，房?jī)r(jià)上漲。

表5 基本回歸結(jié)果

上述結(jié)果與理論分析H1、H2、H3相呼應(yīng)，利率的作用要大于房地產(chǎn)供給端的土地因素和需求端的人口因素作用，表明近些年來(lái)35個(gè)大中城市的房?jī)r(jià)具有較強(qiáng)的金融屬性，房?jī)r(jià)對(duì)貨幣政策信號(hào)的變動(dòng)更為敏感；需求端的影響程度大于供給端，反映出對(duì)于房地產(chǎn)市場(chǎng)的調(diào)控要注重城市人口需求端問(wèn)題，解決現(xiàn)階段青年人群住房剛需問(wèn)題。

在價(jià)格型貨幣政策工具這一影響因素中引入了不同期限的利率，依次選擇了一年以內(nèi)(含一年)貸款基準(zhǔn)利率ro、一至三年(含三年)貸款基準(zhǔn)利率rt和五年以上貸款基準(zhǔn)利率r。如表6所示，列(1)-(3)為3種不同期限的利率工具在使用OLS估計(jì)的結(jié)果，列(4)-(6)則為使用固定效應(yīng)模型估計(jì)的結(jié)果?？梢钥闯隼蕦?duì)房?jī)r(jià)的影響仍然存在著負(fù)向作用，但不同期限的利率工具作用不同，ro的系數(shù)絕對(duì)值大于rt和r，表明短期的利率工具對(duì)房?jī)r(jià)的調(diào)控效果最為有效，為我國(guó)今后的房地產(chǎn)市場(chǎng)調(diào)控工作提供政策依據(jù)。

表6 引入不同期限利率水平的回歸結(jié)果

表7在考慮了35個(gè)大中城市存在的發(fā)展差異后，對(duì)城市數(shù)據(jù)進(jìn)行了分組回歸，(1)至(2)列為35個(gè)大中城市總樣本數(shù)據(jù)運(yùn)用OLS和FE估計(jì)后的回歸結(jié)果，(3)至(4)列為一線和新一線城市回歸結(jié)果，(5)至(6)為二三線城市回歸結(jié)果。以上3組樣本結(jié)果均與理論分析結(jié)果一致； 列(4)可以看出一線和新一線城市在供給方面其系數(shù)不顯著，表明目前發(fā)達(dá)城市土地供應(yīng)緊缺，人口密度大，城市房?jī)r(jià)高，無(wú)論對(duì)其房地產(chǎn)土地供給怎么調(diào)整也無(wú)法顯著影響其房?jī)r(jià)，亟需解決城市人口數(shù)量和房地產(chǎn)剛需問(wèn)題；列(6)可以看出二三線城市在人口因素方面系數(shù)不顯著，表明在發(fā)展水平較低的城市，土地供應(yīng)較為充足，而人口多流入發(fā)達(dá)城市，當(dāng)?shù)匦枨鬁p弱相對(duì)來(lái)說(shuō)使得該因素對(duì)房?jī)r(jià)不能夠顯著影響。

表7 分組回歸結(jié)果

3.4.2 面板工具變量法回歸分析

采取D-M檢驗(yàn)，結(jié)果顯示存在內(nèi)生性問(wèn)題，為此采用面板工具變量法進(jìn)行深入分析。參考多數(shù)文獻(xiàn)做法，選取土地供給和人口數(shù)量的滯后期作為工具變量；其次為了使工具變量有效且通過(guò)檢驗(yàn)，本文選取了城市建設(shè)用地面積cityland作為land的工具變量，選取原因：第一，城市建設(shè)用地面積和房企土地購(gòu)置面積有關(guān)，房企所購(gòu)置的土地面積受某階段政府土地的規(guī)劃指標(biāo)影響。第二，現(xiàn)階段我國(guó)城市總的土地供給受到國(guó)家和當(dāng)?shù)卣?guī)劃指標(biāo)的嚴(yán)格管制，該變量可以反映當(dāng)?shù)卣耐恋匾?guī)劃供給情況，滿足外部性條件，同時(shí)它能影響房企購(gòu)置的土地面積量，但不會(huì)對(duì)房?jī)r(jià)的變動(dòng)產(chǎn)生直接影響。為加以驗(yàn)證，將cityland引入固定效應(yīng)模型進(jìn)行回歸，其系數(shù)不顯著，原先的各個(gè)變量顯著性和系數(shù)均未發(fā)生較大變化?；谝陨戏治?，本文選取了land和hpeople的滯后一期以及外部的cityland作為工具變量，采用最大似然法LIML、兩階段最小二乘法2SLS和兩階段GMM 進(jìn)行估計(jì)，結(jié)果如表8所示。

表8 工具變量法回歸結(jié)果

首先采用Kleibergen-Paap rk LM統(tǒng)計(jì)量進(jìn)行不可識(shí)別檢驗(yàn)，檢驗(yàn)通過(guò)；其次采用Cragg-Donald Wald F統(tǒng)計(jì)量進(jìn)行弱識(shí)別檢驗(yàn)，根據(jù)Stock-Yogo weak ID test critical values可以看到Wald F統(tǒng)計(jì)量的值均大于其15%水平上的臨界值，故拒絕工具變量弱識(shí)別假設(shè)；為了穩(wěn)健起見(jiàn)，使用對(duì)弱工具變量更不敏感的LIML法進(jìn)行估計(jì)，發(fā)現(xiàn)Wald F 9.063遠(yuǎn)大于其臨界值 5.44，并且其系數(shù)估計(jì)值與2SLS一致，也側(cè)面印證了不存在弱識(shí)別問(wèn)題；最后采用Hansen J統(tǒng)計(jì)量進(jìn)行過(guò)度識(shí)別檢驗(yàn)，接受原假設(shè)，即工具變量是外生的合理變量。綜上本文所選取的工具變量具有一定合理性。實(shí)證結(jié)果均與理論分析一致，且因?yàn)椴捎霉ぞ咦兞糠ㄊ悄軌蜉^好地解決模型存在的內(nèi)生性問(wèn)題，使得模型回歸結(jié)果更加顯著有效。

3.4.3 穩(wěn)健性檢驗(yàn)

為進(jìn)一步驗(yàn)證實(shí)證結(jié)果穩(wěn)健性，利用加權(quán)平均的銀行間同業(yè)拆借利率IBO007作為r的替換變量，結(jié)果如表9所示。運(yùn)用以上的回歸分析方法發(fā)現(xiàn)其結(jié)果與前文分析一致，再次說(shuō)明了本文結(jié)果是穩(wěn)健的。

表9 穩(wěn)健性檢驗(yàn)結(jié)果

4 結(jié)論與啟示

為保證房地產(chǎn)業(yè)的持續(xù)健康發(fā)展和經(jīng)濟(jì)的平穩(wěn)運(yùn)行，房?jī)r(jià)的穩(wěn)定顯得至關(guān)重要。本文從政府的貨幣政策端——價(jià)格型工具利率、房地產(chǎn)市場(chǎng)供給端——土地以及需求端——人口方面進(jìn)行綜合分析，探討我國(guó)房地產(chǎn)市場(chǎng)如何調(diào)控實(shí)現(xiàn)房?jī)r(jià)的穩(wěn)定健康發(fā)展。

上述分析得出如下結(jié)論：第一，貨幣政策價(jià)格型工具利率的提升和房地產(chǎn)企業(yè)土地購(gòu)置面積的增加，意味著緊縮性貨幣政策的外部環(huán)境以及房地產(chǎn)市場(chǎng)供給端的增加，都可以帶來(lái)抑制房?jī)r(jià)上漲的效果；城市戶籍人口規(guī)模增加使得房地產(chǎn)市場(chǎng)需求上升，進(jìn)而引發(fā)房?jī)r(jià)的上漲。第二，房?jī)r(jià)對(duì)貨幣政策信號(hào)的變動(dòng)更為敏感，房?jī)r(jià)具有較強(qiáng)的金融屬性；需求端的影響程度大于供給端，反映出對(duì)于房地產(chǎn)市場(chǎng)的調(diào)控要注重城市人口需求端問(wèn)題，特別是解決現(xiàn)階段青年人群住房剛需問(wèn)題。第三，城市發(fā)展水平差異，一線和新一線城市土地供應(yīng)緊缺，人口密度大，城市房?jī)r(jià)高，亟需解決城市人口數(shù)量和房地產(chǎn)剛需問(wèn)題。二三線城市土地供應(yīng)較為充足，而人口多流入發(fā)達(dá)城市，當(dāng)?shù)匦枨鬁p弱使得該因素對(duì)房?jī)r(jià)不能夠顯著影響，對(duì)于這類(lèi)城市需要進(jìn)一步發(fā)展，吸引人才留住人才。

政策啟示如下：第一，貨幣政策價(jià)格型工具利率對(duì)房?jī)r(jià)調(diào)控的影響力不斷擴(kuò)大。房?jī)r(jià)對(duì)貨幣政策信號(hào)的變動(dòng)更為敏感，要注重短期利率工具對(duì)調(diào)控房?jī)r(jià)的運(yùn)用。第二，我國(guó)房?jī)r(jià)上漲的問(wèn)題需要房地產(chǎn)市場(chǎng)的內(nèi)外聯(lián)動(dòng)改革，除了外部貨幣政策的推動(dòng)，內(nèi)部供求兩端需要共同發(fā)力才能進(jìn)行合理有效的房?jī)r(jià)調(diào)控。在供給端，增加房屋用地供給能夠有效為過(guò)熱樓市降溫，改變目前土地供給的用途管制，根據(jù)市場(chǎng)需求增加人口流入較多城市的商住用地供給。對(duì)于需求旺盛地區(qū)適當(dāng)調(diào)整供給結(jié)構(gòu)，嚴(yán)格限貸限購(gòu)。不斷完善土地供應(yīng)機(jī)制和保障性住房制度，推進(jìn)經(jīng)濟(jì)適用房、廉租房建設(shè)，堅(jiān)持租購(gòu)并舉，完善長(zhǎng)租房政策。第三，因城施策，差異化調(diào)控。新常態(tài)下的房地產(chǎn)調(diào)控應(yīng)該構(gòu)建劃分區(qū)域和城市的差別化調(diào)控路徑與體系，發(fā)展水平較低城市，加快推進(jìn)城鎮(zhèn)化建設(shè)，留住本地人才，吸引外來(lái)人口遷入；發(fā)達(dá)城市加強(qiáng)與周邊地區(qū)的合作，建立城市圈共同發(fā)展，特別是兩城市邊界地區(qū)可以守望相助共同發(fā)展，實(shí)現(xiàn)產(chǎn)業(yè)協(xié)同，帶動(dòng)邊際地區(qū)發(fā)展，轉(zhuǎn)載中心城市人口壓力。