国内重点城市商品住宅价格影响因素实证研究

刘在军

（广东金融学院，广州 510521）

住宅价格影响因素非常复杂，涉及到我们生活的方方面面，有宏观的也有微观的，有直接的也有间接的，有需求方面的也有供给方面的，有与土地相关的也有与地上建筑物有关的，有与建筑物的居住因素有关也有与建筑物的工业商业性质有关的等等。本文拟在前人研究的基础上，根据价格形成的机理，综合宏观和微观因素来分析我国重点城市商品住宅价格的影响因素，从而为房地产市场的宏观调控提供政策建议。

由于国内房地产行业和房地产企业的发展历史均比较短，因此房地产业是一个地域特征很强的行业。目前国内商品住宅市场发展较快的基本都是直辖市和省会城市，特别是北京、上海、广州、深圳等发达地区的城市，近年来房价涨幅较大，下面主要就这四个重点城市的房价影响因素进行分析。

1 我国重点城市住宅价格的供需影响因素

1.1 重点城市商品住宅市场的需求因素

对商品住宅市场需求来说，其影响因素有两大类：经济因素和非经济因素。经济因素包括居民收入水平、居民消费水平、房价水平、财政金融状况等；非经济因素包括政策因素、人口因素、都市计划、交通建设、社会心理因素等。其中的主要因素是：经济发展水平和居民收入、居民的住房消费倾向、人口和家庭户数的变化、住宅价格、政府的住房政策等。

从需求来看，住宅价格(需求价格)是指在特定时间内需求者对一定数量的住宅愿意并有能力支付的最高价格，是购买意愿和支付能力的统一，没有购买意愿或没有支付能力，需求价格都不能形成。由此可见，家庭收入与住宅价格有着密切的关系，1990年Meen按照效用最大化的理论对此进行了研究，其研究的结论是：

在约束条件：HPh+CPc=Y下，使用Lagrange推导并微分后，可以得到如下关系式：

上式中：r为折现率;t为时间;Ph为住宅价格;Pc为其它商品价格;Y为家庭年收入;H为住宅消费量;C为其它商品消费量。可见，在影响住宅价格的因素中，家庭年收入是一个重要的因素。

同时，还应注意到人口数量与住宅价格之间存在的密切关系，因为在家庭收入一定的情况下，人口数量增加，对住宅的需求则增加，住宅价格将上升。人口数量下降，对住宅的需求则下降，住宅价格将下跌。实证研究方面，Milne(1991)，Breedon&Joyce(1992)，Drake(1993)，Holly&Jones(1997)，Chen&Patel(1998)等人的研究结果表明，家庭年收入与住宅价格之间存在正相关关系，且具有统计意义上的显著性。

我国目前缺乏完善的家庭年收入和需求价格统计制度，所以笔者在后面的实证研究中，采用了“在职职工平均工资”和“常住人口数量”指标，这会影响到实证结果在国际之间的比较研究，但对实证结果本身还是有意义的。

1.2 重点城市商品住宅市场的供给因素

从供给方面看，住宅价格(供给价格)是指在特定时间内开发商对一定数量的住宅愿意并有能力出售的最低价格，是盈利水平和供给能力的统一，没有足够的盈利水平或没有足够的供给能力，供给价格都不能形成。由此可见，住宅可供给的数量与住宅价格存在密切的关系。

除了住宅的供给数量外，开发商的盈利水平也直接影响住宅供给，从而间接影响住宅价格。作为追求利润最大化的微观企业，开发商所制订的供给价格必然是在利润为零的成本价格之上，所以住宅价格又必然受到开发成本的影响。如果用公式表示则有：住宅价格(供给价格)=开发成本+最大利润+纳税额，所以开发成本必然成为开发商制定住宅供给价格的重要指标。

理论上分析住宅价格的构成，实际也是从供求方面或者说从房地产开发商角度来考察这一问题。通过对国内住宅开发过程分析可知，一个住宅项目的完结主要包括住宅开发生产和流通销售两个过程，对这两个过程再做进一步分析，便可以得到住宅价格构成的基本要素，如表1所示。

表1 住宅价格构成要素

在本论文的实证研究中，采用 “住宅的年竣工面积”和“年房地产投资”两项指标来描述住宅的有效供给情况;采用“土地成本”和“建设成本”两项加总的“主要成本”指标来描述开发成本。尽管这只是对供给的一个近似描述，但这种尝试还是有意义的。

此外，我们注意到住宅价格总是与一个国家或地区的经济发展阶段相对应，为了把住宅价格放在当时所处的特定经济发展水平中来考虑，在后面的实证研究中，笔者引入了“人均GDP”、“人均GDP增长率”和“三次产业比例关系”等三个指标，作为环境条件因素，用来描述研究对象所处区域的经济发展水平。

2 重点城市住宅价格影响因素模型的构建

为研究方便，我们做以下假设：①每个因素对价格的影响程度是不相同的，可以进行简化；②在简化的基础上，可以从某一角度，抽象出一组可以量化(或便于收集历史数据)的因素，以便对价格的变动作更深入的研究：③在上述基础上，可以建立起价格变动的数学模型，从而挖掘更为有益的启示。

2.1 模型的构建

按照以上假设，同时参照国内外学者的研究成果，我们初步将影响住宅价格的因素分为三类，即供给因素、需求因素和环境条件因素，然后再对这三类因素进行有侧重的细分，思路是：不考虑太具体的细节，比如建筑物的“地理位置、街区、交通”和“朝向、楼层、电梯数量”等因素对住宅价格的影响，而是从“平均”和“总体”上进行把握。

下面是对上述三大类因素进行进一步细分的结果，见表2。

表2 住宅价格影响因素归纳

①需求因素：细分为人口数量因素、收入水平因素、购房贷款因素四项具体指标。指标中第一项、第二项是影响需要的直接因素；第三项是影响需要的间接因素，因为购房贷款隐性地增加了收入水平（由于该项统计数据较少，后面未进入实证研究)。

②供给因素：细分为主要成本（包括土地成本和建安成本）因素、房地产开发投资因素等三项具体指标。指标中第一项是影响供给的成本因素；第二项是影响供给的资金(资本)因素。

③环境条件因素：细分为年人均GDP因素、年人均GDP增长因素、三个产业结构比例关系三项具体指标。指标中第一、二项指标反映的是整个经济发展水平状况；第三项指标反映的是整个社会经济结构的状况。他们同时影响到住宅的供给和需求。

下面我们将利用上面的具体指标，建立相关数学模型，并利用重点城市的历史数据进行实证分析，试图找到重点城市住宅价格与上述具体影响因素之间所可能存在数量关系。

根据需求理论，住宅的价格取决于住宅的需求量Qd和住宅供给量Qs的自然平衡，用函数表示即：

将变量代入式(1)有：

式(2)可以看作是一个关于住宅价格P的隐函数方程，所以住宅价格P必然与人口M、收入I、住房贷款水平L、房地产开发投资V、土地成本Pg、建安成本Pb和其它因素Ot(含Od和Os)之间所存在着一定的函数关系，这种关系可以表示为：

式(3)也可用线性的具体函数表示为：

再进一步，如果我们设定住宅价格P的估计量为因变量Y(住宅价格，元/m2)；设定人口M、收入I、主要成本（土地成本Pg、建安成本Pb）、房地产开发投资V的估计量分别为X1(常住人口数量，万人)、X2(在职职工年平均工资额，百元)、X3为主要成本(元/m2)、X4(房地产开发投资，亿元)；设定其它因素Ot用 X5(人均 GDP，千元)、X6(人均 GDP 增长率，%)、X7(第三产业比例，%)进行描述和估计，我们得到综合因素影响下的住宅价格影响因素模型的函数形式：

2.2 数据来源及数据处理

本文研究所采用的数据或来自这四个城市的统计局、房地产管理局公开发布的数据，以及《中国统计年鉴》上的相关数据，时间区间是2006-2008年。但在对这些原始数据进行研究时，我们发现这些数据存在着不完备、统计口径不一致等问题。鉴于上述情况，在使用这些数据检验回归模型前，我们对其进行必要的技术处理，这些处理包括统一数据的统计口径、补充完善、平滑处理等。

2.3 模型的检验与参数确定

经过拟合优度和显著性检验、多重共线性检验、异方差检验与处理、自相关检验与处理，得到最终的模型总览，见表3。

表3 模型总览

在基本消除异方差和自相关后，模型调整后的拟合优度判定系数为0.902，说明因变量变化的90.2%仍可以由模型解释，总体上看，模型很有效。

表4 未进入模型因素与几个进入模型因素间相关性分析

上表是未进入模型因素与进入模型的常住人口数量、在职职工年平均工资、房地产开发投资间相关性分析表。从表中可以看出，年人均GDP因素与进入模型的常住人口数量、在职职工年平均工资、房地产开发投资因素存在着很高的相关关系(0.921-0.961)，所以在处理多重共线性问题时它被排除了。而第三产业比例因素与上述进入模型的三因素之间也存在着较高的相关性，同时它与住宅价格之间的相关性又不是很强，所以在设定的F检验对应P-值临界值的情况下也被排除了。总之，年人均GDP因素也是影响住宅价格的一项重要因素，只是稍稍弱于常住人口数量、在职职工年平均工资、房地产开发投资因素而未能进入最终回归模型；第三产业比例因素，尽管对住宅价格也有影响，但相对其它因素还比较弱，所以没有进入最终回归模型。

表5是自相关修正后的最终回归系数，回归系数的t检验p-值小于0.05的显著性水平，表明预测变量的作用显著。

根据上表，最终的回归模型估计为：

从具体数据上看，常住人口数量(万人)、在职职工年平均工资(百元)、主要成本（建安成本、土地成本）(元/m2)、房地产开发投资(亿元)、人均GDP增长率(%)等诸要素，每增加一个单位所对应的房地产价格的变化分别是 8.932、7.329、10.951、-1.353、1.954 个单位(元/m2)。

3 模型影响程度分析

我们选定的住宅价格影响因素涉及需求、供给和环境条件等方面，由于它们单位各不相同，所以其对住宅价格的影响程度无法进行直接比较。但是，标准化后的回归系数(Beta)是所有变量标准化(见表5)后得到的，具有可比性，我们可用其绝对值进行排序，并粗略地按统计学上的重要性ABC原则分类。我们设定：

|Beta|≥0.6为A类，影响很大；

|Beta|≥0.3为B类，影响比较大；

|Beta|＜0.3为 C类，影响一般。

按此标准，主要成本因素、常住人口数量因素的|Beta|值分别为0.645和0.632，属于A类；房地产开发投资因素、在职职工年平均工资的|Beta|值为0.428-0.547，属于B类；年人均GDP增长率的|Beta|值为0.092，属于C类。

由此可见，如果综合分析重点城市住宅价格的影响因素，在我们观察的时间段里，主要成本因素、人口数量因素是影响商品住宅价格的主要因素，其次是房地产开发投资因素、在职职工年平均工资因素，而人均GDP增长率因素对住宅价格的影响是比较弱的。主要成本因素、人口数量因素对商品住宅价格影响较强，是因为主要成本对住宅价格存在明显的“成本推动效应”，主要成本中土地成本占比较大，目前地方政府的“土地财政”政策使“地王现象”频现，土地出让金的大幅上涨必然促使房价不断攀升；常住人口数量(万人)对住宅价格的影响具有“需求拉动效应”，因为重点城市的城市价值相对其他城市较大，对外地人才具有吸引力，外地人才的大量涌入使常住人口猛增，引进的人才大多有购房需求，所以对房价上涨存在明显的拉动作用。实证研究结果与重点城市的现实情况是基本相符的。

本文是对国内重点城市商品住宅市场近三年历史数据的一个回归分析，在更长的一个观察期内，随着商品住宅市场供求关系的变化，这样的数量关系可能还会发生一些新的变化，需要我们今后的关注和研究。即便这样，上述的研究结果，对于总结重点城市商品住宅价格规律和指导今后商品住宅市场的理性发展，还是很有意义的。

[1]李启明.论中国房地产业与国民经济的关系[J].中国房地产,2002,(6).

[2]刘玉录.产权：中国房地产业发展的一个关键因素[J].中国房地产金融，2002,（3）.

[3]乔志敏.房地产价格研究[M].经济管理出版社，2002.

[4]谭刚.房地产业周期波动：理论、实证与政策分析[M].经济管理出版社，2001.

[5]沈悦，刘洪玉.我国房地产业的增长空间分析[J].建筑经济，2003,(7).

[6]吴拯.中国房地产业市场结构优化研究[J].天津城市建设学院学报，2002,（9）.

[7]Stephen E.Roulac.The Strategic Real Estate Framework Process Linkages Decisions[J].The Journal of Real Estate Research,1996，(3).

[8]John M.Quigey.Real Estate Prices and Economic Cycles[J].International Real Estate Review,1999，（1）.

[9]Case.K.E.,Shiller.R.J.The Behavior of Home Buyers in Boom and Post Boom Markets[J].New England Economic Review,1998,(11).