房地产价格对城镇居民收入差距的影响研究基于区际差异化市场比较

周建军　叶婷　鞠方

摘 要：运用聚类分析方法和五等法计算六大类别不同代表省市的基尼系数，依据2002～2011年省市面板数据考量6个不同类别省市房地产价格对收入差距的影响。结果表明：我国不同类别省市的房价波动对基尼系数的变动呈现出一定的差异性与区域性；第一、三类地区房价波动对城镇居民收入差距产生显著影响；第二类地区房地产市场投资投机活动不如第一、三类城市活跃，房价波动幅度比较稳定；第四、五类地区房价波动对收入差距的影响程度次于第二类地区；第六类地区房价波动幅度小，对收入差距不足以产生显著影响。

关键词： 房地产市场；聚类分析；收入差距

中图分类号： F293.3 文献标识码： A 文章编号：1003-7217（2014）06-0109-05

一.引 言

房地产业是国民经济的基础性、先导性及支柱性产业，房地产价格的波动不仅关乎人民安居乐业与社会和谐，而且牵动着整个宏观经济的健康发展，是社会各界关注的焦点。20世纪90年代以来，我国房地产行业得到了巨大的发展，房地产价格大幅度提升。从现实状况来看。（1）快速城市化进程推动房地产需求总量不断增长。截至2012年底，城镇人口比重达到52.57%，比2002年上升13.48%。（2）房地产价格波动区际差异明显。东部地区房价明显高于同期的中西部地区水平，且房价波动幅度与中西部地区差距也在逐步拉大，截至2011年东部区域房地产价格水平已达到8561.53元/平方米，而西部地区水平为3667.75元/平方米，两者相差达2.3倍。即使地区相邻、经济发展程度相当的区际，其房价波动也大相径庭。（3）房价收入比畸高及房地产无成本代际传递可能扩大收入差距。我国房价对收入差距的影响可以表述为房价每上升1个百分点，贫富差距扩大0.23%。研究认为，房价收入比保持在6～7之间属于合理的范围，且用于衡量收入分配公平的指标基尼系数，2011年我国达到了0.459，超过了0.4的国际警戒线的标准。不仅如此，我们还必须清醒地认识到，贫富差距将随着区际房价波动差异化及房地产无成本的代际传递而进一步拉大，步入“富者越富，贫者越贫”的怪圈。从理论研究来看。近年来，理论界对房地产问题的研究进行了孜孜不倦的探索，房地产价格波动及房地产调控相关理论的研究更是成为重头戏，且其研究成果丰硕。但是，以往的研究通常拘泥于同质空间，即在假设全国房地产市场整体统一的状况下，探讨房地产价格波动及其影响因素，并做出统一的政策安排，在这种“一刀切”的政策环境下，收效不及初衷。因此，在我国房价高于居民收入能够合理支撑的范围，居民收入差距不断扩大的现实问题面前，基于区际差异化市场的比较来分析房价波动、收入差距是一个崭新的视角。二、文献综述与理论分析

（一）文献基础

住宅市场是典型的区域性市场，住宅位置的长期固定性，决定了住房周围的环境，包括经济发展水平、绿化情况、交通环境、教育医疗等会对房地产的价值产生显著的影响，由此，房地产市场并不是一个全国统一的市场，而是具有区域的差异性特征[1]。居民会根据不同区域的住宅价格差异而选择居住区，且住宅价格与职工工资之比能够反映不同城市与区域之间房地产发展水平的差异[2]。国外许多学者已对区域房地产价格波动的差异进行了深入的分析与研究[3]。发现不同地区的房地产市场有着不同的市场基本条件，使得房地产价格的波动存在着区域差异[4]。沈悦、刘洪玉（2004）对我国14个城市的房地产价格进行实证分析，也证实经济基本面的不同造成房地产价格波动的区域差异[5]。梁云芳、高铁梅（2007）更进一步分析了28个省市自治区的房地产价格的波动，研究指出其波动的地区不平衡性显著，建议对房地产市场采取因地制宜的调控政策，避免过去一刀切的情况[6]。

住房作为家庭的重要财富之一，具有消费和投资双重特性[7]。此后，不少学者运用局部均衡模型对两者之间的关系进行了更加深入的研究，分析指出居民收入差距和房价之间具有正向关系[8]。房价上涨使得收入在不同阶层之间进行了转移，在一定程度上推动了收入差距的扩大，从而产生“富人更富，穷人更穷”的马太效应[9]。陈灿煌（2007）发现城市居民商品房平均销售价格每增加 1%， 城市居民收入差距将扩大 0.5339 %[10]。

学术界普遍认为房价波动的收入分配效应传导机制可以分为两个渠道，财富效应和信贷效应。一方面，当房地产价格波动时，居民的家庭财富数量也将会随之发生变化，从而改变其消费与支出组合，进一步对总需求和经济发展产生影响，这就是房地产的财富效应[11]，并且住房价格上涨带来的财富效应要大于其他金融资产价格上涨引起的财富效应[12]；当房地产价格不断上涨时，富裕家庭的财富将增加，加之我国投资渠道比较狭窄，高收入群体将闲余资金投入房地产市场，获得高额利润，而普通家庭无力购买房产，从而导致财富不平等程度加剧[14]；但是房价波动引起的财富效应在不同的区域有着较大的差异[13]。另一方面，房价上涨会使得房地产的价值增加，从而房屋的抵押价值也随之增加，家庭的外部融资能力进一步扩大，改变了居民家庭的消费支出或者决策，这就是住房信贷效应。研究发现，住房的信贷效应与抵押贷款购房的首付比例规定和住房抵押品的价值有关[15]；

财经理论与实践（双月刊）2014年第6期2014年第6期（总第192期）周建军，叶婷等：房地产价格对城镇居民收入差距的影响研究基于区际差异化市场比较

目前我国对房地产宏观调控政策效果的区域差异的研究大多限于对东、中、西部三部分划分的格局，从省（市）级房地产市场差异的角度来分析房价波动对收入差距影响的研究目前仍处于相对空白状态。鉴于此，本文认为有必要对我国各省（市）具有同类特征的房地产市场进行合理的划分，并在其基础上研究房价波动对收入差距的影响。

（二）房价波动的收入分配效应理论解析

1.房价波动的区域差异原因分析。从宏观角度，影响我国房价波动的主要是供给、需求、成本、以及其他方面因素。经济增长、税收、居民收入、产业结构、二元结构、地区差距、社会保障、居民消费行为和土地与金融制度等都与房价波动紧密相关。空间地理因素也是房价波动的影响因素之一，越来越多的国际融资进入中国房地产市场，增加了我国房地产市场的投机性需求，导致房地产价格的异常波动。从微观视角来看，主要包括：消费者行为、政府行为和房地产商行为。认为 “未来房地产价格会继续高涨”的预期会使得消费者对住房的需求过度膨胀，造成房价的非理性上涨；同样政府通过宏观调控行为对房地产价格产生较大的影响，以地方政府为主体的行为如从货币政策角度、房地产税收角度、地价与土地供应量角度也会对不同区域的房价及其波动产生影响；至于房地产开发商，作为房地产市场的供给者，他们往往会捂盘惜售来哄抬房价，攫取暴利，对房地产市场造成干扰，不同区域房价波动不一。

2. 房价波动的收入分配效应的传导机制。一般来说，房价波动影响收入分配分为三个渠道，即宏观渠道、中观渠道和微观渠道。其中宏观渠道主要包括家庭工资性收入占比、短期存款利率、长期存款利率等；中观渠道又称区域渠道，主要影响因素为区域和产业因素，集中体现为经济发展与房地产发展的区域非均衡性与房地产投资的资产替代性；微观因素则包括对居民家庭住房特征和居民个体特征等因素。房价波动对收入分配的传导效应通过以上三种渠道，集中体现为财富效应和信贷效应：住宅作为家庭的主要资产，一方面，房价上涨会增加居民的家庭总财富，即为“财富效应”；另一方面，房价上涨会增加以住房抵押贷款为主的家庭负债，同时又会扩大家庭的外部融资能力，表现为“信贷效应”。总体而言，区域因素对不同类型房地产市场的划分产生重要影响，而宏观因素与微观个体因素主要影响房地产市场“财富效应”和“信贷效应”的发挥，对收入差距的形成产生作用。

三、区域差异化市场的划分

（一）数据来源及指标的选取

选取我国大陆30个省市（西藏自治区除外）的房地产市场发展状况异质性的代表，对其房地产市场进行区域划分。30个省市的房地产数据主要来源于各个省、市自治区的房地产统计年鉴以及2001～2012年的《国家统计年鉴》。

对30个省市进行区域划分，主要通过运用聚类分析构建房地产市场分类指标体系来实现，而指标的选取及指标体系的构建需遵循可获取性、综合性以及代表性等基本原则上开展。具体而言，将建立包括4个一级指标和11个二级指标（见表1），在此基础上对各指标进行描述性统计、标准化处理，并计算类与类之间的距离，然后通过输出的凝聚状态表对观测值进行分类处理，便可将相似性较大的房地产市场归为一类，以区分不同城市的空间异质性。

表1 房地产市场分类指标

一级指标

二级指标

代码

房地产市场供给

开发土地面积增长率

C1

竣工面积增长率

C2

房地产市场需求

人均储蓄余额

C3

人均可支配收入增长率

C4

销售竣工率

C5

销售施工率

C6

房地产市场投资

房地产投资比例

C7

房产税

C8

税收收入

C9

房地产价格

房价增长率

C10

房价收入比

C11

（二）我国房地产市场聚类分析结果

根据我国房地产市场的实际情况，运用SPSS19.0分析软件进行聚类，经过软件的计算处理将我国30个省市房地产市场合理划分类六个类别。下表2将我国30个省市的房地产市场明显的聚集为六个类别（类别序号与排序无关，是仅用于区别不同类别的代号），聚类效果比较理想。第一类包含北京市、上海市和浙江省；第二类包含天津市和福建省；第三类包含江苏省、山东省和广东省；第五类包含河北省、辽宁省、河南省和四川省；第六类包含海南省、贵州省、甘肃省、宁夏回族自治区、青海省和新疆回族自治区；其他省（市）自治区则包含于第四类之中。

表2 聚类结果表

第一

类

第二

类

第三

类

第四类

第五类

第六类

北京

天津

江苏

山西内蒙古吉林

河北

海南贵州

上海

福建

山东

安徽江西湖北

辽宁

甘肃宁夏

浙江

广东

陕西重庆云南

河南

青海新疆

黑龙江湖南广西

四川

通过聚类分析发现，房地产市场特征相近的省市基本在同一类别之内，聚类结果显示，我国房地产市场具有明显的区位趋同的特征且与当地的经济发展程度密切相关，比如第一类北京、上海和浙江属于我国东部沿海经济发达的地区，房地产经济发达；而第四类包含的省市基本处于中部地区及部分西部地区，经济发展水平处于中等不及第一类地区省市的发展程度，房地产经济发展水平居于中游地位；西部地区的经济处于欠发达状态，其反映的房地产市场经济发展水平也待于进一步的提升。

四.实证分析与检验

（一）指标的选取和数据的获取

在上文聚类分析的基础上依次在每个类别中选取一个省市作为该类别的代表，分别为北京市、天津市、江苏省、湖南省、河北省和贵州省。采用各个省市2001年至2011年商品房各年的平均住宅价格及其城镇居民收入的基尼系数作为主要指标进行实证分析。采用基尼系数，即一定人口所获得的收入比例来反映收入分配差距的总体水平。

（二）数据的处理及检验分析

计量经济理论表明，众多的经济变量尤其是面板数据，大多是非平稳的变量，用非平稳的变量进行回归分析，其结果在很大程度上表现为伪回归。为避免伪回归现象，需要对面板数据进行单位根检验和协整检验。数据通过检验后利用格兰杰因果关系检验判断不同代表城市房价的变化是否对收入差距的变化产生影响及影响程度如何。由于前文已引入不同变量通过专业软件对我国不同省级的房地产进行了聚类分析，因此，以下的检验分析采用Eviews6.0对数据进行处理。

1.面板单位根检验和面板协整检验。

运用LCC检验，Breitung检验和Hadr检验方法对整体层仿和基尼系数进行面板数据单位报检验，结果表明原序列是一阶单整而非平稳的序列。因此需要对非平稳面板变量进行协整检验，以避免伪回归。本文主要采用Pedroni方法对面板数据进行协整检验。检验结果表明除了Panel vstat检验接受原假设外，其余检验均拒绝“不存在协整关系”的原假设。综合考虑认为，两个面板变量存在协整关系，可以进行回归分析。

2.格兰杰因果检验。

本文对北京市等6个省市两两之间进行格兰杰因果关系检验，分别取滞后1阶（时滞1年）和2阶（时滞2年）进行分析。鉴于文章篇幅所限，只列出研究所需的实证结果，如表3和表4。

表3 滞后1年的格兰杰因果关系检验结果

Pairwise Granger Causality Tests

Sample： 2002 2011

Lags： 1

Null Hypothesis：

Obs

FStatistic

Prob.

JNBEIJING does not Granger Cause PHBEIJING

9

0.78721

0.4091

PHBEIJING does not Granger Cause JNBEIJING

6.59247

0.0425

JNTIANJING does not Granger Cause PHTIANJING

9

0.03138

0.8652

PHTIANJING does not Granger Cause JNTIANJING

4.24221

0.0481

JNJIANGSU does not Granger Cause PHJIANGSU

9

0.01327

0.9120

PHJIANGSU does not Granger Cause JNJIANGSU

1.03380

0.0602JNHUNAN does not Granger Cause PHHUNAN

9

0.00097

0.9762

PHHUNAN does not Granger Cause JNHUNAN

1.29677

0.0982

JNHEIBEI does not Granger Cause PHHEIBEI

9

0.16011

0.7029

PHHEIBEI does not Granger Cause JNHEIBEI

1.90234

0.0970

JNGUIZHOU does not Granger Cause PHGUIZHOU

9

3.33462

0.1176

PHGUIZHOU does not Granger Cause JNGUIZHOU

0.20026

0.6702

表4 滞后2年的格兰杰因果关系检验结果

Pairwise Granger Causality Tests

Sample： 2002 2011

Lags： 1

Null Hypothesis：

Obs

FStatistic

Prob.

JNBEIJING does not Granger Cause PHBEIJING

8

1.71996

0.3180

PHBEIJING does not Granger Cause JNBEIJING

3.73317

0.0360

JNTIANJING does not Granger Cause PHTIANJING

8

0.23135

0.8064

PHTIANJING does not Granger Cause JNTIANJING

2.52317

0.0684

JNJIANGSU does not Granger Cause PHJIANGSU

8

0.73470

0.5499

PHJIANGSU does not Granger Cause JNJIANGSU

3.81172

0.0448

JNHUNAN does not Granger Cause PHHUNAN

8

0.34550

0.7328

PHHUNAN does not Granger Cause JNHUNAN

1.05380

0.0801

JNHEBEI does not Granger Cause PHHEBEI

8

0.13337

0.8801

PHHEBEI does not Granger Cause JNHEBEI

1.28136

0.0961

JNGUIZHOU does not Granger Cause PHGUIZHOU

8

2.30066

0.2479

PHGUIZHOU does not Granger Cause JNGUIZHOU

0.01861

0.9817

通过对表3分析发现，当时滞1年时，可以拒绝原假设“PHBEIJING does not Granger Cause JNBEIJING”，也就是拒绝“北京市房价变动不是北京市基尼系数变动的原因”的假设，因为其F统计量等于 6.59247，相应的概率值P=0.0425，小于5%的检验水平，也就是说在95%的置信区间，可以相信北京市房价变动影响了本市的基尼系数的变动。同样的分析过程，可知在5%的检验水平上，只有北京和天津拒绝原假设；而在10%的检验水平上，除贵州省外其余省市皆拒绝原假设，即接受各个省（市）份房价变动影响本省（市）基尼系数的变动。

从表4滞后2年的的格兰杰因果关系检验结果中看出，在5%的检验水平下，北京市拒绝“北京市房价变动不影响北京市基尼系数变动”的原假设，其P值较滞后1年的0.0425降低至0.0360；同样在5%的置信水平下，江苏也拒绝原假设，其滞后1年的P值由0.0602降低至滞后两年的0.0448；天津市则在5%的检验水平下拒绝原假设，接受“天津市房价的变动不影响天津市基尼系数的变动”的原假设；在10%的检验水平下，除贵州省以外，其余5个省市均拒绝原假设。总体来说，比较滞后2年的格兰杰因果关系检验结果与滞后1年的检验结果，北京、湖南、河北、贵州的检验结果比较稳定，变动较大的省市为天津市和江苏省。

五.结论及政策建议

通过聚类分析法将我国大陆30个省市（西藏自治区除外）的房地产市场划分为六大类别。聚类结果表明，处于同一类别省市的房地产市场具有区位趋同性并与当地的经济发展水平密切相关。

进一步通过对六大不同类别省市的房价与其基尼系数关系的分析，发现不同类别的住宅价格变动与基尼系数的变动之间的关系呈现出一定的差异性与区域性。结合各类省市的经济发展水平与房地产市场发展状况，可以进一步分析出这种差异性对当地居民的收入差距的不同影响程度。住宅价格对收入差距影响的滞后1期与滞后2期格兰杰因果检验表明，第一类省市的房价对收入差距在当期和滞后期能够产生显著的影响，第三类城市房地产产价格的波动在当期对收入差距的影响延后到第二期才显现出来，说明房地产作为一种资产同时具有双重属性。一方面，作为家庭财富的重要组成部分对当期家庭资产总值不会产生较大影响；另一方面，房地产被运用于投资保值和投机收益的虚拟性增强，使得在房价居高不下的市场状况下，拥有多套房产的持有人能从中获取较为丰厚的投资或投机收益，因此，在滞后期表现为房地产价格波动对收入差距产生较大的影响。第二类省市的房价波动对收入差距的影响在滞后2期的影响不如第一期显著，表明当地房地产市场的投资、投机活动不如第一、三类城市活跃，房价波动幅度比较稳定。第四、五类省市房价波动对收入差距的影响次于第二类城市，说明当地房地产市场发展比较稳定，供给比较充足，房地产主要满足刚性需求，作为虚拟资产的特性表现不充分；第六类省市的经济发展处于偏下水平，加之此类省市位于我国边疆地带或地理位置距离经济发达地区较远，房地产市场发展缓慢，房产做为刚性需求的动机更加强烈，投资投机者从较小波动幅度的房价中套取的利差不足以对收入差距产生显著的影响。

综合以上实证分析结论，结合我国不同区域房地产市场发展实际，要使房地产稳定发展，解决由于房价波动带来的收入差距扩大问题，需要实施因地制宜、差别对待的分类宏观调控政策。第一、三类地区存在投资与投机需求，应该将其视为调控重点调控地区，第二类、第四类与第五类应列为调控重点观测地区，而第六类应列为调控重点扶持培育的地区，在金融税收与供需调控等具体政策上不一刀切，把各个类别的特征、各类房地产市场发展中存在的问题弄清楚后，提出针对性较强和比较合理的分类房地产市场宏观调控政策，在稳房市的同时促民生。

参考文献：

[1]Frederic S. Mishkin. Housing and the monetary transmission mechanism[J].Finance and Economics Discussion Series，Federal Reserve Board， Washington，2007，13（10）：231-287.

[2]Case K E， Shiller R J. Forcasting prices and excess returns in the housing market[J]. AREUEA journal，1990，18（3）：253-273.

[3]Campbell J， Cocco. How do house prices affect consumption？ evidence from micro data[J]. Journal of Monetary Economics， 2007，（54）：591-621.

[4]Case K E， Shiller R J. Forcasting prices and excess returns in the housing market[J]. AREUEA journal，1990，18（3）：253-273.

[5]沈悦，刘洪玉.住宅价格与经济基本面：1995～2002年中国14城市的实证研究[J]..经济研究，2004，（4）：123-131.

[6]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.

[7]Miles D. Housing， financial market and the wider economy[M]. New York and Chichester ： John Wiley and Sons Ltd，1994：165-173.

[8]Malpezzi S A. Simple errorcorrection model of house prices[J]. Journal of Housing Economics，1999，8（1）：27-62 .

[9]陈健，高波.非线性视角下的中国房地产财富效应的测度研究——基于1996～2008年省际面板数据的分析[J].广东金融学院学报，2010，（5）：99-111.

[10]陈灿煌.房价上涨与城市居民收入差距的关系[J].统计与决策，2007，（22）：87-89.

[11]黄静，屠梅曾.房地产财富与消费：来自于家庭微观调查数据的证据[J].管理世界，2009，（7）：34-45.

[12]O Flaherty B. An economic theory of homelessness and housing[J]. Journal of Housing Econimics，1995，（4）：13-49.

[13]陈彦斌，邱哲圣，李方星.宏观经济学新发展： Bewley 模型[J].经济研究，2010，（7）：141-151.

[14]邬丽萍，周建军. 房价波动对消费支出影响的实证分析[J].财经理论与实践，2009，（1）：109-112.

[15]鞠方，于静静.我国商品房空置率对房价波动影响的实证研究[J].湖南科技大学学报，2013，（6）：69-74.

[16]张传勇. 中国房价波动的收入分配效应研究[D].上海：华东师范大学，2012.

（责任编辑：钟 瑶）