城镇化、门槛效应与房地产价格变动
2014-12-31黄庆华姜松
黄庆华 姜松
摘 要：在新时期，城镇化是可持续发展引擎与政府政策操作“主轴”，但其也引起了学界对房价上涨的诸多猜忌。本文基于中国省际面板数据经验研究发现：样本跨期内以非农就业人口占比衡量的城镇化对房地产价格变动的边际影响存在门槛效应，当城镇化水平跨越相应门槛值后其对房地产价格变动的边际影响效应亦发生显著变化。研究结论在澄清争议、推动城镇化和房地产市场健康稳定发展等方面具有重要借鉴意义和启示。
关键词：城镇化；门槛效应；房地产价格；门槛面板模型
中图分类号：F2933 文献标识码：A
文章编号：1000176X（2014）11009908
一、引 言
从工业革命开始，城市化和工业化呈并驾齐驱之势，成为人类文明进步的重要标志。以世界最早推行城镇化的英国为例，从19世纪开始英国就已经有3000%的人口居住在城市了，到了19世纪末期，其城市人口的比重已经超过7000%[1]，基本实现了城镇化进程，其实践经验也成为诸多国家学习与效仿的典范。一般意义上来说，城镇化是人类社会发展到一定阶段的必然产物。随着中国改革开放深入推进以及经济社会全面发展，城镇化稳步推进、发展迅速：城镇化率由1978年的1792%上升到2012年的5260%。城镇化率按照户籍人口测算，数据源自《中国统计年鉴》。
收稿日期：20140819
基金项目：国家社会科学基金重大招标项目“中国新型城镇化包容性发展的路径设计与战略选择”（12&ZD100）；国家社会科学基金一般项目“全球价值链视角下西部制造业转型升级机制与路径研究”（14BJY076）
作者简介：黄庆华（1971-），男，重庆大足人，副教授，博士，硕士生导师，主要从事产业经济和区域经济方面研究。Email：hqh@swueducn
姜 松（1986-），男，江苏连云港人，特聘副教授，博士，主要从事数理金融方法及应用、农村区域发展方面研究。Email：jiangsong876@126com按照世界城镇化规律“诺瑟姆”S曲线的划分标准，中国城镇化已步入“加速阶段”，城镇化成为不可逆转的潮流与趋势，推动城镇化发展成为新时期政府战略选择与政策操作的“主轴”。党的“十八大”提出：“推动信息化和工业化深度融合、工业化和城镇化良性互动、城镇化和农业现代化相互协调，促进工业化、信息化、城镇化、农业现代化同步发展”；党的“十八届”三中全会亦明确提出“推进新型城镇化，是新的时代条件下全面建成小康社会，加快社会主义现代化建设的重大战略”。《国家新型城镇化规划（2014—2020年）》的制定与颁布更体现了政府对城镇化速度提升、质量保障与阶段跨越的深刻认知与战略决断，城镇化也被视为经济增长的“新引擎”。
房地产与城镇化存在着千丝万缕联系。加快推进城镇化进程需保持房地产市场平稳健康发展，这也是中国城镇化进程中必须解决好的重大问题[2-3]。城镇化过程中的房地产行业崛起，为固定资产投资、经济社会稳定运行、城镇化进程推进以及人民生活水平的提高做出了巨大贡献[4-5]。据统计资料显示，1999年中国房地产业产值为3 68179亿元，到2010年上升至22 31555亿元，上涨了606倍，年均增幅达1779%，房地产业产值占国内生产总值的比重由1999年的410%上升为2010年的556%。但房地产“双重”属性决定其不仅是日常生活的必需品，更是保值增值投资品，随着房地产市场化改革的推进，房地产销售面积不断增加，与此同时房地产价格也不断上涨[6-7]，在这样的背景下，城镇化在诸多影响房价变化的因素中可能变得日益重要[8]。那么，中国快速城镇化进程是否是导致当前房地产价格上涨的成因？在不同城镇化阶段其影响效应存在怎样差异？回答这些问题将具有重要理论与实践意义。
关于房地产价格上涨成因的探讨一直是理论界关注的重点与热点问题。国外学者中，Chen[9]、Malpezzi和Wachter[10]、Aizenman和Jinjarak[11]、Kallberg 等[12]分别认为股票价格变动、“土地投机”、经常性账户、实体经济因素和金融因素、区位及交通条件等是形成房地产价格上涨的原因。Potepan[13]、Roback[14]、Oliver[15]均认为收入是导致房地产价格上涨的成因。中国国内学者中，王爱俭和沈庆劼[16]、梁云芳和高铁梅[17]、杜敏杰和刘霞辉[18]、朱梦楠和刘林[19]、原鹏飞和魏巍贤[20]、姜松和王钊[7]以及李智等[21]研究发现，信贷政策、地方公共支出、人民币汇率、国际资本流动、居民收入、“泛地产化”和预期惯性均会引致房地产价格上涨。此外，人口城镇化是所有城市的基础，是人口向城镇集聚的过程，人口城镇化也被经济学家公认为经济发展中的积极力量，引起了世界广泛关注，已经成为社会科学家研究的主体内容[22-23]，关于城镇化与房价变动关系及其影响的研究开始跃入研究视线。陈石清和黄蔚[24]、周文兴和林新朗[25]、中国金融40人论坛课题组[26]、谢福泉和黄俊晖[27]研究表明城镇化的快速推进会引致房地产价格上涨。
总体而言，学术界关于房地产价格上涨及城镇化影响房地产价格上涨的研究成果较为丰富，为本文写作提供了一个逻辑起点与分析范式，为本文研究空间拓展奠定了坚实基础。但梳理相关文献发现已有研究存在以下问题：（1）受制度屏障牵制，城镇化是让农民转为市民，进入城市的农民当然需要房子，但就目前房价而言，不仅迁往城市的农民根本无力购房，即便城市的中、高收入阶层也无力购买[28]。现有研究结论无法给予解答并揭示这一客观实际，研究结论的科学性、合理性有待进一步深化。（2）在城镇化量化指标选取方面学者普遍采用城镇户籍人口占总人口比重来衡量。这种方法是建立在户籍制度基础之上的，有些居民虽然居住于城镇但却并没有城镇户口，采用户籍人口来测度城镇化水平实际上是对城镇化水平的低估[29]，会使研究结论存在偏误。（3）在研究方法选择上，已有研究大多拘泥于时间序列及静态面板模型，鲜有动态面板模型，尤其是门槛面板模型运用。门槛面板模型可以揭示城镇化“动态”演进过程中对房地产价格变动的影响效应，可以兼顾回顾过去、定位现实与展望未来“三重”功效，提高了研究结论可信度及内涵。鉴于此，本文将综合运用动态面板模型与门槛面板模型，揭示城镇化对房地产价格变动的影响及其门槛效应，为澄清城镇化与房地产价格上涨的诸多讨论与争议和政府科学决策提供经验佐证与支撑。
二、模型设计、变量说明及数据来源
1模型设计
面板数据（Panel Data）涵盖时间与截面两个统计维度，比时间序列所涵盖的信息量更大、意义更丰富和深刻，很好地解决了样本量狭小和不足的问题[30]。为此，分析城镇化对房地产价格变动影响时，引入面板数据分析模型：
RPCit=0+α·CITit+φit（1）
其中，i表示区域，t表示时间，RPCit表示第i区域t年的房地产价格，CITit表示第i区域t年的城镇化水平，φit表示随机误差项，为了控制被解释变量自身滞后效应影响，并解决由此引发解释变量控制不足所带来的计量估计偏差，进一步将（1）式转变为动态面板模型：
RPCit=0+1·RPCi，t-1+2·RPCi，t-2+…+k·RPCi，t-k+α·CITit+φit（2）
其中，RPCi，t-1，RPC3，t-2，…，RPCi，t-k表示RPCit的1阶至k阶滞后项。当然，影响房地产价格变动的因素还很多，不可能穷尽。为此，进一步引入一系列控制变量CON′it，则式（2）可进一步改写为：
RPCit=0+1·RPCi，t-1+2·RPCi，t-2+…+k·RPCi，t-k+α·CITit+β·CON′it+φit（3）
式（3）揭示了动态面板模型下，城镇化对房地产价格变动的影响效应，但其无法揭示在城镇化演进过程中，对房地产价格变动的影响效应。为此，基于Hansen[31]的门槛回归方法，将式（3）改写成动态门槛面板模型的一般形式：
RPCit=0+1·RPCi，t-1+2·RPCi，t-2+…+k·RPCi，t-k+β·CON′it+α1·CITit·I（qit≤θ1）+α2·CITit·I（θ1
其中，qit为门槛变量，θ1、θ2和θ3分别为门槛值，此处假定存在三个门槛值。I（·）为指示函数。同时，为了简化式（4），令α′=（α1，α2，α3，α4），且设定：CITit（θ）=CITit·I（qit≤θ1）CITit·I（θ1
RPCit=0+1·RPCi，t-1+2·RPCi，t-2+…+k·RPCi，t-k+α′·CITit（θ）+β·CON′it（5）
按照Hansen[31]的基本思想，θ的值应该是使回归残差平方和最小时所对应的值。因此，第一个门槛值估计后，就需进一步对门槛个数进行检验，以此验证门槛值划分样本群组及参数是否存在显著差异。即不存在门槛值的零假设为H0：α1=α2=α3=α4，并构造LM统计量对其进行检验。
F=S0-S（θ1）σ2（6）
其中，S0表示在零假设下的残差平方和；S（θ1）为一个门槛值下的回归残差平方和，σ2为其残差的方差估计。由于（6）式中的F分布为非标准分布，按照Hansen[31]的基本思想，可通过“自助法”（Bootstrap）获取检验临界值。检验通过后，即可构造估计计算的θ置信区间，其中，S（θ）为对应不同门槛值所得的残差平方和。
LRn（θ）=S（θ）-S（θ1）σ2（7）
2变量说明
房地产价格（RPC）。目前学术界关于房地产价格的衡量方法较多，归纳起来主要有：商品房销售额除以商品房销售面积、全国住宅价格指数以及商品房平均销售价格等[17-32-33-34]。基于统计便宜性及数据可获性，本文采用商品房平均销售价格来表示。
城镇化（CIT）。目前对城镇化的测度基本上从两个层面展开：一种是建立指标体系对城镇化水平进行测度，另一种就是采用单一指标方法进行测度。建立指标体系方法虽然可以更好地涵盖城镇化所有内涵特征，但由于主观因素以及操作复杂性问题，这种方法在实证中的运用范围毕竟有限。单一指标方法由于操作性较强，深受学者青睐。但传统以户籍制度为基点衡量的城镇化水平会造成城镇化水平低估。为此，参照陆铭和陈钊[35]的方法用非农就业人数占总就业人数的比重来反映城镇化水平。
控制变量（CON′）。房地产价格变动是一系列因素相互作用、联合驱动的结果。为此，本文基于已有研究成果，从供给和需求的双重层面筛选影响房地产价格变动的控制变量。在供给层面选取房地产开发企业数（ENP）、外商直接投资（FDI）、土地供应（ETH）、货币政策（MON）和房地产业的利润空间（ERN）作为控制变量。在需求层面选取基础设施条件（INF）、城镇居民收入水平（INC）、贸易开放（TRA）和改善性需求（HOD）作为控制变量。其中，供给层面的土地供应和货币政策及房地产业的利润空间分别采用房地产企业本年度购置土地面积、中央银行基准贷款利率、房地产开发竣工房屋造价房地产开发竣工房屋造价越低说明房地产业利润空间越大，反之，则说明利润空间较小。作为代理变量。需求层面的基础设施条件，贸易开放和改善性需求分别采用铁路客运量、公路客运量和水路客运量平均值，该值越大说明该区域基础设施条件越好。贸易开放度， 贸易开放度=进出口总额/国内生产总值。城镇居民人均住房面积等作为代理变量。
3数据来源
经验分析最终样本包括中国内地28个省份：北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、陕西、青海、宁夏。时间跨度为1999—2010年。所有数据均来自《中国统计年鉴》、《新中国六十年统计资料汇编》、《中国商务年鉴》、《中国房地产年鉴》、国泰安CSMAR数据库、中宏教研支持系统（MCDB）与国研网统计数据库等。各变量描述性统计信息如表1所示。
三、面板数据的单位根与协整检验
1面板数据单位根检验
面板数据涉及时间和截面两个维度，易出现“伪回归”现象。为避免建模存在偏差，首先对面板数据实施单位根检验，以验证其平稳性。本文综合运用LLC（Levin， Lin & Chu t）、IPS（Im， Pesaran and Shin W-Stat）、ADF（ADF-Fisher Chi-Square）、PP（PP-Fisher Chi-Square）等方法对实证面板数据的平稳性进行检验。由表2可知，除MON、INF、INC三个变量在相应的显著性水平下拒绝原假设，即为平稳序列外，RPC、CIT、ENP、FDI、ETH、ERN、INC、TRA、HOD等变量均为非平稳序列。为了将非平稳序列变为平稳序列，采用差分法对非平稳性序列进行处理。由处理结果可知，经过处理后的ΔRPC、ΔCIT、ΔENP、ΔFDI、ΔETH、ΔERN、ΔINC、ΔTRA、ΔHOD在相应的显著性水平下均拒绝原假设，说明差分处理的数据已成为平稳序列。
2面板数据的协整检验
如果一组非平稳数据存在一个平稳的线性组合，就可以说明该组数据是协整的。只有数据间存在协整关系，研究才有价值，这就有必要对面板数据间的协整关系做进一步检验。结果如表3所示。由表3中LLC（Levin， Lin & Chu t）、ADF（ADF-Fisher Chi-Square）、PP（PP-Fisher Chi-Square）等
四、实证结果及分析
1动态面板估计结果及分析
引入被解释变量滞后项后，面板模型即转换成为动态面板模型。传统静态面板的估计方法也就容易产生估计偏误。关于动态面板估计方法一般有两种，即差分GMM估计方法和系统GMM估计方法[6]。通过对比两种方法可知，系统GMM估计方法较优。而系统GMM估计方法又可以分为一步系统GMM估计方法和两步系统GMM估计方法。表4给出了动态面板模型的系统GMM方法估计结果。其中，模型I为静态模型估计结果。模型II和III为引入因变量一阶滞后项的一步和两步系统GMM估计结果。模型IV至V为引入因变量二阶滞后项的一步和两步系统GMM估计结果。由表4可知，在模型II至V中，RPCi，t-1、RPCi，t-2均通过显著性检验，且由Wald值可知，引入因变量滞后项后模型显著性水平明显提高。同时，通过一步和两步系统GMM估计结果可知，两步系统GMM估计结果较优，为此选取模型V作为分析依据。由Arellano-Bond检验和Sargan检验可知，模型总体较为合适，工具变量选择恰当，过度识别成立。
在模型V中，RPCi，t-1、RPCi，t-2与RPC间存在正向效应，但影响系数呈递减趋势，这说明房地产市场主体对房地产价格上涨预期是理性的，可以根据统计、历史和逻辑等知识对房价走势进行分析判断[7]。城镇化（CIT）对房地产价格变动的影响并不显著，这说明以非农就业人口占比衡量的城镇化对房地产价格上涨的影响并不显著，这与已有研究运用城镇户籍人口衡量城镇化并认为其是推动房地产价格影响显著为正的研究结论并不相同。这可能是由于：一是以户籍人口衡量的城镇化水平是对中国城镇化水平的低估，无法精确反映和衡量城镇化进程中房地产市场需求总量及其对房地产价格产生的冲击效应，研究结论也就存在偏差。二是受长久以来“二元”制度安排“掣肘”、城乡贫富差距牵制以及在房地产业投资占据主导地位的投资氛围下，作为城镇化真正的需求主体——农业转移人口无力承担高房价，也并未成为房地产市场中真正的需求主体。三是在现行政府绩效考核与评估体系下，以行政力量主导推动城镇化的“外生性”模式也导致城镇产业“空心化”，“产城融合”与城镇化的质量较差，无法形成强大就业容纳，也是造成其影响效应不显著的重要成因。
从控制变量来看：房地产开发企业数（ENP）对房地产价格变动的边际影响效应并不显著，这说明中国房地产开发企业数量增加没有显著提高房地产业供给量以实现房地产价格下降。房地产业外商直接投资（FDI）对房地产价格变动的影响显著为负，这一方面说明外商直接投资可以优化房地产市场资金结构，化解房地产企业的资金需求“瓶颈”，进而可以增加房地产供给降低房地产价格。另一方面，由于外商直接投资身份存有“特殊性”，负向效应也可能说明当房地产业“泡沫化”较为严峻时国际资本为了规避风险迅速逃离，使房价面临“骤跌”的风险。这从一个侧面揭示了中国应继续深化房地产业利用FDI影响的认知，对其风险性做系统评估，力争“取其精华，去其糟粕”[6]。土地供应（ETH）对房地产价格变动的影响显著为正，这说明房地产开发企业当期土地购置面积的增加，会强化房地产需求主体预期，推动房地产价格上涨。货币政策（MON）与房地产价格变动间存在显著正向效应，且边际影响系数最大，这说明中国房地产业的迅速发展在很大程度上依赖于中国金融体系的支持，即此房地产开发企业资金获取成本相对低廉，在很大程度上为房地产价格上涨提供了“温床”。房地产业利润空间（ERN）对房地产价格变动的影响效应并不显著，理论上讲中国房地产业正处于初级发展阶段，进入成本相对较低、行业投资回报率较高、升值空间较大，房地产供给应该不断增加，使房地产价格不断下降。但实证却表明其房地产利润空间对房价的影响并不显著，为了追求利润最大化，房地产市场中涌现的各类盲目投机行为可能是其最好解释。基础设施条件（INF）与房地产价格变动间存在显著负向效应，这说明中国房地产开发过程中基础设施配套往往存在滞后性和不同步性，房地产价格变动与基础设施间并不存在相应的“响应机制”。城镇居民收入（INC）对房地产价格变动的影响效应显著为正，这说明城镇居民收入水平的提高，会引致房地产价格的上涨。贸易开放水平（TRA）与房地产价格变动间存在显著的负向效应，这说明随着中国贸易开放程度的显著提升其对房地产价格也产生了显著的抑制作用。这主要源于贸易开放条件下，房地产业融资速度加快、融资渠道拓宽，在一定程度上使房地产市场规模的“乘数效应”显著增强，房地产供给急剧增加，进而通过供给冲击机制使房地产价格下降。改善性需求（HOD）与房地产价格变动间存在显著的正向效应，说明改善需求会通过需求冲击机制作用于房地产价格，推动房地产价格上涨。
2门槛面板估计结果及分析
在动态面板模型下，城镇化对房地产价格变动的影响效应并不显著，这可能说明城镇化对房地产价格变动的影响效应可能并不是线性模型下所揭示的简单线性关系，其可能存在门槛效应，在不同门槛区制下城镇化对房地产价格变动的影响效应并不相同，城镇化跨越相应门槛值后，其对房地产价格变动的影响效应也会发生差异性变化，抑或说在城镇化的不同阶段，其对房地产价格变动的影响效应会存在显著差异。为此，本文进一步运用面板数据模型的门槛估计技术，对城镇化影响房地产价格变动的门槛效应做进一步检验，以揭示城镇化在不同的门槛区制下影响效应的转换特征。
进行门槛效应检验的关键步骤就是要确定城镇化门槛值的数量进行检验。本文通过设置3 000次的Bootstrap方法模拟计算“似然比统计量”LM值以确定城镇化对房地产价格变动影响效应的门槛值。表5给出了城镇化门槛值个数检验结果。从表5可以看出，城镇化的Bootstrap LM值在相应的显著性水平下拒绝原假设，也就是说城镇化对房地产价格变动影响效应存在3个门槛值。
实施城镇化门槛值个数检验后，就要确定城镇化门槛值及其影响效应。由表6可知，城镇化存在082、086、091等三个门槛值，各门槛值所对应的区间就可以分别表示为CIT≤082、082< CIT≤086、086< CIT≤091、CIT> 091等四个门槛区间或阶段。接下来通过运用门槛面板估计技术就可以估计出在不同区制内，城镇化对房地产价格变动的不同影响效应。结果显示，以非农就业人口占比衡量的城镇化水平在不同的门槛区制内对房地产价格变动的影响效应存在显著差异，总体而言，随着城镇化跨越相应门槛值其对房地产价格变动的影响效应不断递增。具体而言，当城镇化率（CIT）≤082时，城镇化对房地产价格变动的影响系数较小但并不显著，处于这一区间内的样本占比为8988%，这也是中国现实情况的真实反映，和前文运用动态面板模型所得研究不谋而合。但当其迈过门槛值082后，以非农就业衡量的城镇化水平对房地产价格变动的影响效应均显著为正，且当其处于城镇化率（CIT）> 091这一门槛区制后，城镇化对房地产价格变动的影响系数达到最大化，届时由城镇化的快速推进所引发的需求冲击就成为中国房地产价格上涨的重要原因。说明中国新型城镇化推进过程中，应切实处理好城镇化推进与房地产价格稳定间的关系，这也预示着城镇化进程中房地产市场健康发展、房地产价格稳定仍是未来中国不可回避的重要议题。
五、结 论
中国省际面板数据的协整检验表明：长期来看，以非农就业人口占比衡量的城镇化水平与房地产价格变动之间存在长期均衡关系，样本区间内中国城镇化发展对房地产价格变动的影响为正，但其影响效应却并不显著，这同已有学术界运用户籍人口占比衡量城镇化进而展开研究所得结论并不相同。当然，这也恰恰揭示在“二元”制度安排下，受城乡贫富差距，房地产市场中“刚需”抑制、投资需求旺盛，政府行政命令主导的“外生性”城镇化模式的影响，以农业转移人口空间迁移、职业转变、身份变换、社会福利与城镇公共资源均等共享为核心的城镇化发展中所隐匿的房地产供需失衡的结构性矛盾。同时，城镇化对房地产价格变动的影响存在门槛效应，尤其是当城镇化跨越第三个门槛值后，其对房地产价格变动的正向效应将达到最大化。此外，房地产开发企业、外商直接投资、土地供应、货币政策、房地产利润空间、基础设施条件、 贸易开放以及改善性需求等控制变量对房地产价格变动的影响效应也各不相同。基于实证结论，本文提出以下政策建议。
第一，推进城镇化与房地产业的协调发展。城镇化推进过程中，房地产业健康与持续、房地产价格的理性稳定是不可避免的问题，它不仅关系到经济社会的稳定，更关系到全面小康社会建设预期目标实现。但现有以政府主导的城镇化模式在中央政府和地方政府博弈中演化成为“造城运动”，这不仅造成城镇产业空心化，而且在城乡收入差距和贫富差距拉大的情况下也“膨化”了房地产业投机需求，助推房地产价格的非理性上涨。为此，新时期应基于资源禀赋和资源环境承载，建立健全城镇产业体系，“以产聚城”、“产城融合”。一方面为农业转移劳动力城镇化提供强有力的就业承载，另一方面也助推房地产业性质转变和功能转型，实现新型城镇化推进与房地产业的协调发展。
第二，力推新型城镇化发展与农业转移人口有序流动的有机融合。城镇化演进过程也是农业转移人口有序流动的过程。但受当前中国城镇化发展结构性矛盾、制度安排倾向偏差及公共服务不均衡等多重因素的影响，农业转移人口在城镇化进程中的流向往往存在单一性、无序性，纷纷流向大中城市，各类小城市、小城镇却“无人问津”，这在一定程度造成大中城市房地产“供不应求”而价格疯涨和小城市、小城镇盲目造城所形成的“供过于求”而“泡沫膨化”的两难并存的尴尬局面，这不但使城镇化发展质量不高，而且使房地产价格长期处于非理性状态。为此，应坚定不移地推动新型城镇化战略，构建大中城市、小城市和小城镇层次分明、布局合理、功能完备的新型城镇体系，并通过相关制度安排、体制改革和优惠政策叠加，引导农业转移人口向各层次城镇有序流动、均衡分布，实现新型城市化发展与农业转移人口有序流动的有机融合。
第三，贯彻总体调控与结构性调控并重的房地产调控策略。实证结论揭示以非农就业人口占比衡量的城镇化水平在跨越相应门槛值后其对房地产价格变动的影响效应显著为正，且当其跨越第三个门槛值后其影响系数达到最大，这充分说明随着农业转移人口城镇化水平提高，在需求冲击机制驱动下房地产价格会迎来结构性上涨的境地。所以，新时期应转变房地产调控思路，切实贯彻总体调控与结构性调控并重的房地产调控策略：一是在总体层面逐步强化宏观调控中的经济手段，弱化政府直接行政干预手段，确保房地产市场调控政策的持续性和稳健性，实现供需有效衔接和市场平衡。二是加快中小型普通商品房、保障房和经济适用房的供应，切实执行城镇化过程中农业转移人口首套房利率和贷款优惠政策，而对于在抑制投资性需求层面，除了继续实施限购政策等“治标”措施外，还应扩大房产税的试点范围并加快其立法进程，以达到“治本”目标。三是在空间结构层面，各地亦应根据自身实际、有的放矢，采用“分类调控”策略。
参考文献：
[1] Perkins， DH， Radelet， S， Lindauer， DLconomie du Développement [M] De Boeck Supérieur， 2008
[2] 李克强关于调整经济结构促进持续发展的几个问题[J]求是，2010，（11）：3-15
[3] 李克强 在改革开放进程中深入实施扩大内需战略[J]求是，2012，（4）：3-10
[4] 国家统计局综合司课题组关于房地产对国民经济影响的初步分析[J]管理世界，2005，（11）：30-33
[5] 姜松，王钊中国房地产业如何利用FDI：影响因素与作用机理[J]贵州财经大学学报，2013，（3）：77-86
[6] 姜松，黄庆华，王钊FDI、门槛效应与房地产业发展——基于1999—2010年省际面板数据的实证[J]软科学，2013，（7）：7-12
[7] 姜松，王钊“泛地产化”与中国地区房地产价格变动[J]广东行政学院学报，2013，（6）：64-71
[8] 骆永民城市化对房价的影响：线性还是非线性？——基于四种面板数据回归模型的实证分析[J]财经研究，2011，（4）：135-144
[9] Chen， NK Asset Price Fluctuations in Taiwan： Evidence from Stock and Real Estate Prices 1973 to 1992[J] Journal of Asian Economics， 2001， 12（2）： 215-232
[10] Malpezzi， S， Wachter， SM The Role of Speculation in Real Estate Cycles [J] Journal of Real Estate Literature， 2005， 13（2）： 141-164
[11] Aizenman， J， Jinjarak， YCurrent Account Patterns and National Real Estate Markets [J] Journal of Urban Economics， 2009， 66（2）：75-89
[12] Kallberg， JG， Liu， CH， Pasquariello， P On the Price Comovement of US Residential Real Estate Markets [J] Real Estate Economics， 2014， 42（1）： 71-108
[13] Potepan， MJ Explaining Intermetropolitan Variation in Housing Prices， Rents and Land Prices [J] Real Estate Economics， 1996， 24（2）： 219-245
[14] Roback， JA The Value of Local Urban Amenities： Theory and Measurement [M] University Microfilms， 1982
[15] Oliver， B Explaining Regional Variation in Equilibrium Real Estate Prices and Income [J] Journal of Housing Economics， 2012， 21（1）：1-15
[16] 王爱俭，沈庆劼人民币汇率与房地产价格的关联性研究[J]金融研究，2007，（6）：13-22
[17] 梁云芳，高铁梅中国房地产价格波动区域差异的实证分析[J]经济研究，2007，（8）：133-142
[18] 杜敏杰，刘霞辉人民币升值预期与房地产价格变动[J]世界经济，2007，（1）：81-88
[19] 朱梦楠，刘林短期国际资本流动、汇率与资产价格——基于汇改后数据的实证研究[J]财贸经济，2010，（5）：5-13
[20] 原鹏飞，魏巍贤房地产价格波动的宏观经济及部门经济影响——基于可计算一般均衡模型的定量分析[J]数量经济技术经济研究，2010，（5）：88-103
[21] 李智，李伟军，高波紧缩性货币政策与房地产市场的价格之谜——基于VAR模型和符号约束VAR模型的比较[J]当代经济科学，2013，（6）：33-42
[22] Davis， K The Urbanization of the Human Population [M] The City Reader， 19661-14
[23] Ravallion， M， Chen， S， Sangraula， P New Evidence on the Urbanization of Global Poverty [J] Population and Development Review， 2007， 33（4）： 667-701
[24] 陈石清，黄蔚中国房地产价格与城市化水平实证分析[J]财经理论与实践，2007，（2）：109-112
[25] 周文兴，林新朗中国住房价格与城市化水平的关系研究——动态面板与空间计量的实证分析[J]重庆大学学报（社会科学版），2012，（5）：1-7
[26] 中国金融40人论坛课题组加快推进新型城镇化：对若干重大体制改革问题的认识与政策建议[J]中国社会科学，2013，（7）：59-76
[27] 谢福泉，黄俊晖城镇化与房地产市场供需：基于中国数据的检验[J]上海经济研究，2013，（8）：115-123
[28] 马光远城镇化引发房价暴涨？[J]中外管理，2014，（3）：23
[29] 姜松，王钊农民专业合作社、联合经营与农业经济增长——中国经验证据实证[J]财贸研究，2013，（4）：31-39
[30] 姜松，王钊农民专业合作社联合经营经济效应及实现条件[J]广东商学院学报，2013，（3）：61-69
[31] Hansen， BE Threshold Effects in Non-Dynamic Panels： Estimation， Testing， and Inference [J] Journal of Econometrics， 1999，93（2）： 345-368
[32] 况伟大房价与地价关系研究：模型及中国数据检验[J]财贸经济，2005，（11）：56-63
[33] 王来福，郭峰货币政策对房地产价格的动态影响研究——基于VAR模型的实证[J]财经问题研究，2007，（11）：15-19
[34] 徐建邦，梁富山房地产价格波动对地方财政收入的效应研究——基于京、津、沪、渝四个直辖市面板数据的实证分析[J]财经问题研究， 2011， （10）：89-94
[35] 陆铭，陈钊城市化、城市倾向的经济政策与城乡收入差距[J]经济研究，2004 ，（4） ： 50-58
（责任编辑：于振荣）
参考文献：
[1] Perkins， DH， Radelet， S， Lindauer， DLconomie du Développement [M] De Boeck Supérieur， 2008
[2] 李克强关于调整经济结构促进持续发展的几个问题[J]求是，2010，（11）：3-15
[3] 李克强 在改革开放进程中深入实施扩大内需战略[J]求是，2012，（4）：3-10
[4] 国家统计局综合司课题组关于房地产对国民经济影响的初步分析[J]管理世界，2005，（11）：30-33
[5] 姜松，王钊中国房地产业如何利用FDI：影响因素与作用机理[J]贵州财经大学学报，2013，（3）：77-86
[6] 姜松，黄庆华，王钊FDI、门槛效应与房地产业发展——基于1999—2010年省际面板数据的实证[J]软科学，2013，（7）：7-12
[7] 姜松，王钊“泛地产化”与中国地区房地产价格变动[J]广东行政学院学报，2013，（6）：64-71
[8] 骆永民城市化对房价的影响：线性还是非线性？——基于四种面板数据回归模型的实证分析[J]财经研究，2011，（4）：135-144
[9] Chen， NK Asset Price Fluctuations in Taiwan： Evidence from Stock and Real Estate Prices 1973 to 1992[J] Journal of Asian Economics， 2001， 12（2）： 215-232
[10] Malpezzi， S， Wachter， SM The Role of Speculation in Real Estate Cycles [J] Journal of Real Estate Literature， 2005， 13（2）： 141-164
[11] Aizenman， J， Jinjarak， YCurrent Account Patterns and National Real Estate Markets [J] Journal of Urban Economics， 2009， 66（2）：75-89
[12] Kallberg， JG， Liu， CH， Pasquariello， P On the Price Comovement of US Residential Real Estate Markets [J] Real Estate Economics， 2014， 42（1）： 71-108
[13] Potepan， MJ Explaining Intermetropolitan Variation in Housing Prices， Rents and Land Prices [J] Real Estate Economics， 1996， 24（2）： 219-245
[14] Roback， JA The Value of Local Urban Amenities： Theory and Measurement [M] University Microfilms， 1982
[15] Oliver， B Explaining Regional Variation in Equilibrium Real Estate Prices and Income [J] Journal of Housing Economics， 2012， 21（1）：1-15
[16] 王爱俭，沈庆劼人民币汇率与房地产价格的关联性研究[J]金融研究，2007，（6）：13-22
[17] 梁云芳，高铁梅中国房地产价格波动区域差异的实证分析[J]经济研究，2007，（8）：133-142
[18] 杜敏杰，刘霞辉人民币升值预期与房地产价格变动[J]世界经济，2007，（1）：81-88
[19] 朱梦楠，刘林短期国际资本流动、汇率与资产价格——基于汇改后数据的实证研究[J]财贸经济，2010，（5）：5-13
[20] 原鹏飞，魏巍贤房地产价格波动的宏观经济及部门经济影响——基于可计算一般均衡模型的定量分析[J]数量经济技术经济研究，2010，（5）：88-103
[21] 李智，李伟军，高波紧缩性货币政策与房地产市场的价格之谜——基于VAR模型和符号约束VAR模型的比较[J]当代经济科学，2013，（6）：33-42
[22] Davis， K The Urbanization of the Human Population [M] The City Reader， 19661-14
[23] Ravallion， M， Chen， S， Sangraula， P New Evidence on the Urbanization of Global Poverty [J] Population and Development Review， 2007， 33（4）： 667-701
[24] 陈石清，黄蔚中国房地产价格与城市化水平实证分析[J]财经理论与实践，2007，（2）：109-112
[25] 周文兴，林新朗中国住房价格与城市化水平的关系研究——动态面板与空间计量的实证分析[J]重庆大学学报（社会科学版），2012，（5）：1-7
[26] 中国金融40人论坛课题组加快推进新型城镇化：对若干重大体制改革问题的认识与政策建议[J]中国社会科学，2013，（7）：59-76
[27] 谢福泉，黄俊晖城镇化与房地产市场供需：基于中国数据的检验[J]上海经济研究，2013，（8）：115-123
[28] 马光远城镇化引发房价暴涨？[J]中外管理，2014，（3）：23
[29] 姜松，王钊农民专业合作社、联合经营与农业经济增长——中国经验证据实证[J]财贸研究，2013，（4）：31-39
[30] 姜松，王钊农民专业合作社联合经营经济效应及实现条件[J]广东商学院学报，2013，（3）：61-69
[31] Hansen， BE Threshold Effects in Non-Dynamic Panels： Estimation， Testing， and Inference [J] Journal of Econometrics， 1999，93（2）： 345-368
[32] 况伟大房价与地价关系研究：模型及中国数据检验[J]财贸经济，2005，（11）：56-63
[33] 王来福，郭峰货币政策对房地产价格的动态影响研究——基于VAR模型的实证[J]财经问题研究，2007，（11）：15-19
[34] 徐建邦，梁富山房地产价格波动对地方财政收入的效应研究——基于京、津、沪、渝四个直辖市面板数据的实证分析[J]财经问题研究， 2011， （10）：89-94
[35] 陆铭，陈钊城市化、城市倾向的经济政策与城乡收入差距[J]经济研究，2004 ，（4） ： 50-58
（责任编辑：于振荣）
参考文献：
[1] Perkins， DH， Radelet， S， Lindauer， DLconomie du Développement [M] De Boeck Supérieur， 2008
[2] 李克强关于调整经济结构促进持续发展的几个问题[J]求是，2010，（11）：3-15
[3] 李克强 在改革开放进程中深入实施扩大内需战略[J]求是，2012，（4）：3-10
[4] 国家统计局综合司课题组关于房地产对国民经济影响的初步分析[J]管理世界，2005，（11）：30-33
[5] 姜松，王钊中国房地产业如何利用FDI：影响因素与作用机理[J]贵州财经大学学报，2013，（3）：77-86
[6] 姜松，黄庆华，王钊FDI、门槛效应与房地产业发展——基于1999—2010年省际面板数据的实证[J]软科学，2013，（7）：7-12
[7] 姜松，王钊“泛地产化”与中国地区房地产价格变动[J]广东行政学院学报，2013，（6）：64-71
[8] 骆永民城市化对房价的影响：线性还是非线性？——基于四种面板数据回归模型的实证分析[J]财经研究，2011，（4）：135-144
[9] Chen， NK Asset Price Fluctuations in Taiwan： Evidence from Stock and Real Estate Prices 1973 to 1992[J] Journal of Asian Economics， 2001， 12（2）： 215-232
[10] Malpezzi， S， Wachter， SM The Role of Speculation in Real Estate Cycles [J] Journal of Real Estate Literature， 2005， 13（2）： 141-164
[11] Aizenman， J， Jinjarak， YCurrent Account Patterns and National Real Estate Markets [J] Journal of Urban Economics， 2009， 66（2）：75-89
[12] Kallberg， JG， Liu， CH， Pasquariello， P On the Price Comovement of US Residential Real Estate Markets [J] Real Estate Economics， 2014， 42（1）： 71-108
[13] Potepan， MJ Explaining Intermetropolitan Variation in Housing Prices， Rents and Land Prices [J] Real Estate Economics， 1996， 24（2）： 219-245
[14] Roback， JA The Value of Local Urban Amenities： Theory and Measurement [M] University Microfilms， 1982
[15] Oliver， B Explaining Regional Variation in Equilibrium Real Estate Prices and Income [J] Journal of Housing Economics， 2012， 21（1）：1-15
[16] 王爱俭，沈庆劼人民币汇率与房地产价格的关联性研究[J]金融研究，2007，（6）：13-22
[17] 梁云芳，高铁梅中国房地产价格波动区域差异的实证分析[J]经济研究，2007，（8）：133-142
[18] 杜敏杰，刘霞辉人民币升值预期与房地产价格变动[J]世界经济，2007，（1）：81-88
[19] 朱梦楠，刘林短期国际资本流动、汇率与资产价格——基于汇改后数据的实证研究[J]财贸经济，2010，（5）：5-13
[20] 原鹏飞，魏巍贤房地产价格波动的宏观经济及部门经济影响——基于可计算一般均衡模型的定量分析[J]数量经济技术经济研究，2010，（5）：88-103
[21] 李智，李伟军，高波紧缩性货币政策与房地产市场的价格之谜——基于VAR模型和符号约束VAR模型的比较[J]当代经济科学，2013，（6）：33-42
[22] Davis， K The Urbanization of the Human Population [M] The City Reader， 19661-14
[23] Ravallion， M， Chen， S， Sangraula， P New Evidence on the Urbanization of Global Poverty [J] Population and Development Review， 2007， 33（4）： 667-701
[24] 陈石清，黄蔚中国房地产价格与城市化水平实证分析[J]财经理论与实践，2007，（2）：109-112
[25] 周文兴，林新朗中国住房价格与城市化水平的关系研究——动态面板与空间计量的实证分析[J]重庆大学学报（社会科学版），2012，（5）：1-7
[26] 中国金融40人论坛课题组加快推进新型城镇化：对若干重大体制改革问题的认识与政策建议[J]中国社会科学，2013，（7）：59-76
[27] 谢福泉，黄俊晖城镇化与房地产市场供需：基于中国数据的检验[J]上海经济研究，2013，（8）：115-123
[28] 马光远城镇化引发房价暴涨？[J]中外管理，2014，（3）：23
[29] 姜松，王钊农民专业合作社、联合经营与农业经济增长——中国经验证据实证[J]财贸研究，2013，（4）：31-39
[30] 姜松，王钊农民专业合作社联合经营经济效应及实现条件[J]广东商学院学报，2013，（3）：61-69
[31] Hansen， BE Threshold Effects in Non-Dynamic Panels： Estimation， Testing， and Inference [J] Journal of Econometrics， 1999，93（2）： 345-368
[32] 况伟大房价与地价关系研究：模型及中国数据检验[J]财贸经济，2005，（11）：56-63
[33] 王来福，郭峰货币政策对房地产价格的动态影响研究——基于VAR模型的实证[J]财经问题研究，2007，（11）：15-19
[34] 徐建邦，梁富山房地产价格波动对地方财政收入的效应研究——基于京、津、沪、渝四个直辖市面板数据的实证分析[J]财经问题研究， 2011， （10）：89-94
[35] 陆铭，陈钊城市化、城市倾向的经济政策与城乡收入差距[J]经济研究，2004 ，（4） ： 50-58
（责任编辑：于振荣）
