需求驱动的商品房价模型及实证分析

1、需求驱动的商品房价模型及实证分析论文摘要：基于2001-2007年中国商品房场需求大于供应;的经验判断，在假定中国商品房供应相对无弹性条件下，导出房价的需求决定模型；并依据季度数据实证分析商品房价与其影响因素的长期均衡关系，发现：家庭可支配收入提高是房价上涨的主要动力，房价预期对房价上涨的正影响也不可无视；而扩大购房消费贷款规模那么有助于抑制房价上涨，可推行有选择对象的适度扩大购房消费贷款规模措施。论文关键词：需求驱动,商品房价,需求决定模型,购房消费贷款,房价预期陈科邮箱：ckhbestyahoo 郑小平1963，男，汉，浙江杭州，日本立命馆大学经济学部教授，学术博士，研究方向为区域经济地址

2、：日本国滋贺县草津市野路东1-1-1立命馆大学经济学部，525-8577 ：81-77-561-5042邮箱：zhengec.ritsumei.ac.jpTheCommercialHousingPriceModelDrivenbyDemandandItsEmpiricalAnalysisCHENKeZHENGXiao-Ping(1SchoolofFinanceandEconimics,ChongqingJiaotongUniversity,Chongqing，400074；2.DepartmentofEconomics,RitsumeicanUniversity,KusatsuinJapan，

3、525-8577)一引言1998年，中国房地产业开始复苏，其后几年房地产投资快速增长，房价也持续上涨。在房价上涨的最初几年里，购房者、开发商及政府相关管理部门并不担忧房价泡沫，因为那时的商品房需求大于供应，房价上涨是市场规律决定的。但2004年以后，一些大城市或沿海城市的房价年增速高达两位数，还是需求大于供应造成的？一直以来，业界存在中国房地产市场有刚性需求的简单判断，后来的实证分析也直接或间接说明需求是房价上涨的重要驱动因素之一。如沈悦和刘洪玉2004)，周京奎2005，郝前进和陈杰2007，梁云芳和高铁梅2007等基于面板数据，立足于房地产需求理论或房地产供需理论，分析特定时期内中国房地产

4、价格波动及其与经济根本面、政策划态、市场变化的关系，认为：中国各地区的经济根本面、城市化开展与房价波动关系密切，货币政策对局部区域房价的调控是有效的，收入与商品房需求差异都是区域房价波动的主要动力。此外，还有学者依据时间序列分析房价波动问题，如HuiYue(2006)、沈悦和卢文兵2021、李宾2021、魏巍贤和原鹏飞2021、贺建清2021等采用协整分析、因果分析、脉冲响应分析法、新古典增长模型等方法，分析全国或区域房价波动与收入、信贷、股票价格、市场供需平衡、滞后住宅价格等因素之间的关系，强调局部地区存在房价泡沫，且真实利率波动对房价影响显著。但这些研究较少给出明确判断房价波动的大前提是需

5、求大于供应;还是供应大于需求;，而利率的代理变量又常用一年期或三年期贷款利率，从使某些研究结论带有很大的模糊性。因此，本文拟基于月度或季度数据，运用房价的需求决定模型，考察受需求驱动的中国商品房价格与经济根本面、需求量、货币政策之间的长期均衡关系，揭示需求大于供应;条件下房价波动的实质。二房价的需求决定模型国外关于房地产价格波动的实证研究文献较多，普遍认为房地产市场通常是无效的，容易产生超额得利，引起投机行为，因而房价的波动应有两个主要驱动力：市场根本因素MarketFundamentals和非根本因素Non-fundamentals。尽管房地产的真实价格是由需求和供应决定的，但短期内供应是无

6、弹性的，房地产价格将决定于影响需求曲线移动的市场根本因素，包括经济因素、人口特征、市场状况等，相应的房价模型theinverteddemandmodel被广泛地应用于一个国家或地区的房地产价格波动的实证研究中参见HuiYue(2006)，XiaoTan(2007)，Stevenson(2021)等的引言或文献综述。从中国房地产市场开展的实际来看，尽管2005年前后因土地供应政策变化使房地产供应弹性略有不同，但在强需求趋势下，可以假设房地产供应相对无弹性，专注于商品房需求理论中的房价波动分析。根据Stevenson(2021)对房地产投机行为产生的描述，购房者可分为自住消费者、理性投资者和投机者

7、三类，相应的房地产商品需求可分为消费需求和投资或投机需求。于是，根据需求理论，并结合Wilson,e.t.(2002)对国家、地区和更微观的房地产细分市场中反映市场根本因素的代理变量总结，可知：房地产商品的消费需求主要受价格P、家庭收入水平Y、居住本钱P也可用房屋租赁价格，因为买房的替代消费是租房，见Himmelberg,e.t.(2005)，人口数N等因素的影响；而其投资或投机需求的主要影响因素为价格P、预期房价、可获得资金I、证券投资或其他个人投资收益R作为房地产投资的时机本钱等。于是房地产需求函数可写为：(1)这里X、X为其他因素。考虑到，中国房地产商品化初期的购房资金主要来源于积蓄和亲

8、朋好友的借款，而后那么主要依靠银行贷款，且投资或投机需求所占比例一直相对较小投机行为多出现在一些经济较兴旺的东部城市；而Dufwenberg,et.(2005)的模拟实验研究又说明，投机行为非根本因素引起的房价波动并不受参与投机行动的投机者人数比例的影响，因而没有必要分购房自住者和投机者来构建模型，所以将上述房地产需求函数改写为：(2)这里X为其他因素。于是，相应的房价函数aninverteddemandfunction为：(3)借鉴大多数研究者做法，采用半对数函数形式求解房价，那么房价的需求决定模型为：(4)式4的房价、收入、人口数均可直接观测到，可获得资金、证券投资收益和商品房需求量常常用

9、银行房贷额L、股票市场价格PS和已销售商品房面积S来间接测量。而居住本钱和房价预期那么难以获得，需要估算。其中，居住本钱的估算式往往比拟复杂，一些变量数据同样也难以获取，使估算多停留在理论讨论上，因而先前的研究文献大都倾向于用贷款利率r、房屋租赁综合指数等作为居住本钱的代理变量。比方Himmelberg,et.(2005)提出的居住本钱计算公式为，其中为单位居住本钱，为无风险利率，为资产税率，为典型购房者的边际税率,为贷款利率，为房屋价值的折价率，为未来一期的预期资本收益率，为额外风险溢价率。这里的一些变量数据如、在中国是难以获得的，使居住本钱估算失去了意义。对房价预期的估算那么相比照拟成熟，

10、如Riddel(1999)假设预期房价与经济因素、人口特征等变量有线性关系，可由估计得到。这里为由所有相关变量组成的向量，而这些相关变量又与滞后一期的房价有非常密切的相关关系，因而常用滞后期的房价L(P)或其增长率g来反映。综合上述分析，依据时间序列数据，式4可以改写为：(5)三样本数据收集中国房屋商品化是从1998年开始的，而真正意义上的房地产市场化那么是从2000年开始的，中国房价的上涨也是从这一年开始的；而2021年及以后，除经济根本面、市场供需状况、国家宏观调控政策影响房价外，房地产开发商与购房者或投资者的博弈能力也发生了很大的变化，加上美国次贷危机的影响，明显减弱了需求对房价波动的影

11、响，将不列入样本区间。另外，从国研网收集房价、收入等相关变量的月度或季度资料时，发现2001-2007年所需变量数据的季度资料比拟齐全，故确定研究样本的时间区间为2001年第1季度至2007年第4季度。式5中，商品房平均销售价格反映P，家庭可支配收入用居民可支配收入乘家庭平均人口算出代表Y，及商品房销售面积S来源于国研网；r和L数据来源于中国人民银行网站，其中r用5年以上贷款利率代替，以反映房屋购置者的按揭贷款年限大都在5年以上的事实；而L用中长期贷款余额代表，那么是基于房屋按揭贷款数据不全，而中长期贷款大局部由消费贷款组成，消费贷款中房屋按揭贷款又占绝大比重；PS用每个季度最末一个交易日的沪

12、市综指收盘价代表，将不列入实证分析的房价模型中；的代理变量为L(P)，其滞后阶数由实证分析确定。为真实反映2001-2007年间的房价变化，需要剔出物价因素的影响。物价上涨率用每个季末居民消费价格指数的累计数减1后计算而得，数据来源于国研网。用P、Y、L、PS等序列的现价值直接除以相应的居民消费价格指数，即得其真实值；用名义利率r序列平减相应的物价上涨率，即得真实利率；而S与物价上涨没有关系，不需要作任何处理。此外，由于收集的是季度数据，序列P、Y、S存在明显的季节波动，因而还需剔出季节因素的影响。这里采用Eviews5.0中提供的Tramo/SeatsOptions方法对三个变量的对数序列分

13、别进行季节调整。为了方便分析，仍以LnP、LnY、LnS、r、LnPS和LnL反映剔出物价或季节因素影响的对数序列。四实证分析1样本数据的平整性检验采用Eviews5.0中的PPPhillips-Perron检验法对各变量序列进行平稳性检验，各序列对数水平值的检验模型根据对数序列趋势图而定，选择一次差分序列的检验模型也采用同样的方法，而Bandwidth那么根据Eviews5.0的默认标准Bartlettkerne提供自动选择标注模型栏的括号内。检验结果显示，所有序列均为1阶单整，满足协整分析的条件。2协整分析采用Johansen检验对这6个变量间的协整关系进行分析时，假定数据有线性趋势，协整

14、方程只包含截距项，并取滞后阶数为2，其Johansen协整检验结果见下表1。从表中第四列和第六列的概率大小，可以判断这六个变量存在5个协整方程，说明这六个变量之间存在某些长期均衡关系。表1Johansen协整检验结果 协整关系 个数假设 特征值 迹检验统计量 概率* 最大特征值 检验统计量 概率* 0* 至多1个* 至多2个* 至多3个* 至多4个* 至多5个 0.999996 0.943244 0.885485 0.693826 0.489670 0.004278 484.2468 172.4160 100.6910 46.51469 16.92462 0.107186 0.0001 0.0

15、000 0.0000 0.0003 0.0303 0.7434 311.8307 71.72505 54.17631 29.59007 16.81743 0.107186 0.0001 0.0000 0.0000 0.0026 0.0193 0.7434 注：迹检验显示在0.05显著水平下有5个协整关系；*在0.05显著水平下拒绝原假设；*MacKinnon-Haug-Michelis(1999)概率3Granger因果分析由于变量间的Granger因果分析对滞后期比拟敏感，应先建立一个相对较优的VAR模型，然后以该模型为根底，进行Granger因果分析。受样本数据长度的限制， 变量不是因 C

16、hi-sq统计量 自由度 概率 LnY r LnL LnPS LnS All 9.258842 4.471750 12.73801 0.456818 10.26650 50.78060 2 2 2 2 2 10 0.0098* 0.1069* 0.0017* 0.7958 0.0059* 0.0000 注：*在0.05显著水平下拒绝原假设；*在0.15显著水平下拒绝原假设4模型估计根据Granger因果分析结果及代理变量选择分析，式5的计量经济模型为：(6)式6中k的选择从1开始，直到所选k能使L(LnP)通过t检验、不存在自相关并无单位根为止。经测试最终确定k=1，式6的OLS估计结果为：注

17、：*在0.05显著水平下通过t检验可以发现：12001-2007年这7年间，中国家庭可支配收入的提高对房价上涨有显著的助推作用弹性系数为0.891，真实购房贷款利率抑制房价的作用那么不太明显，这与大局部国内实证研究结论一致，但小于李宾2021的研究结论；2中长期贷款余额增加即扩大对房屋按揭贷款规模将有助于房价的下降，其弹性系数绝对值接近收入弹性的一半，可作为制定房价调控措施的重要依据；3商品房需求量对房价上涨也有一定的助推作用，其弹性系数为0.162；4房价预期对房价上涨的助推作用也不可无视，与任荣荣等人2021的研究结论一致。具体而言，上一个季度的房价每上涨1个百分点将平均引起本季度房价上涨

18、0.368个百分点，这种对房价的短视预期;极易诱发供应弹性不变假定下的各类购房需求增加，进而推动房价上涨。五结论2001-2007年这7年间，中国商品房刚性需求长期存在，居民自住购房是需求主流，家庭收入是影响房价上涨的最核心因素；在房价短视预期;的助推下，购房需求增加对房价上涨的正影响也不可无视；贷款买房与贷款开发房地产对房价波动的长期影响应区别对待，在一定条件下适当增加购房消费贷款有利于房价下降，但提高真实购房贷款利率的房价抑制作用很小。总之，我们不能否认中国商品房市场存在需求大于供应引起房价上涨;的问题，且随着中国经济的快速开展，中国家庭收入增加的事实不可逆转，将进一步推高房价，形成房价自

19、我实现的预期效应;，使采用利率、市场准入、土地拍卖、限制高档别墅开发等调控政策作用不显著。因此，专注于改善供应结构以配合商品房市场的刚性需求结构，实施有选择对象的适度扩大购房消费贷款规模措施，将是一条减缓房价持续上涨速度的可行路径。参考文献1 沈悦, 刘洪玉. 住宅价格与经济根本面:19952002 年中国14 个城市的实证研究,经济研究,2004, (6):78-86.2 周京奎. 货币政策、银行贷款与住宅价格对中国4 个直辖市的实证研究, 财贸经济, 2005, (5): 22-27.3 郝前进, 陈杰. 长三角房地产市场的价格差异及决定因素, 经济地理, 2007, (6): 985-9

20、89.4 梁云芳, 高铁梅. 中国房地产价格波动区域差异的实证分析,经济研究,2007, (8): 133-142.5 Hui, E. C.M. Yue, S. Housing price bubbles in Hong Kong, Beijing and Shanghai: a comparative study, Journal of Real EstateFinance and Economics, 2006, (33): 133-142.6 沈悦, 卢文兵. 中国股票价格与房地产价格关联性研究,当代经济科学, 2021, (4):87-92,127.7 李宾. 房价变动及其趋势新古典增

21、长理论的启示. 经济评论, 2021(4):44-50.8 魏巍贤, 原鹏飞. 住房价格上涨的金融支持及检验基于VEC模型的实证分析, 财贸研究, 2021, (2):83-89.9 贺建清. 基于流动性过剩视角的房价波动分析, 南京财经大学学报, 2021, (2):16-20.10 Xiao, Q. Tan, G. K. R. Signal extraction with Kalman filter: A study of the Hong Kong property price bubbles , Urban Studies, 2007, (44): 865-888.11 Stevenson, S. Modeling housing market fundamentals: Empirical evidence of extreme marketconditions, Real Estate E