房地产业成长发展轨迹的回归研究

房地产业成长发展轨迹的回归研究

熊华平，魏彦朝，迟成成，李永周

(武汉科技大学 管理学院，湖北 武汉 430081)

摘要：本文采集了28个国家或地区的人均房地产增量和人均国内生产总值等相关数据，采用横向研究方法进行分析，建立了关于房地产业成长发展轨迹的回归模型。结果发现房地产业的发展会随着人均国内生产总值的增长呈现上升、下降、再上升的三阶段特点，并分析出各阶段的边界，以期为预测、评价和规划我国房地产业的发展提供新的方法和依据。

关键词：房地产业；横向研究方法；回归模型

收稿日期：2014-09-28修回日期：2014-12-12

作者简介：熊华平(1975-)，男，湖北公安人，武汉科技大学管理学院副教授，博士，研究方向：建设与房地产管理研究。

中图分类号：F407.9

文献标识码：A

文章编号：1002-9753(2015)01-0184-09

Abstract:A regression model about the track of real estate growth and development was constructed by employing cross-sectional research methods to analyze the date of per capita real estate incremental and per capita gross domestic product intercepted from 28 countries. The result revealed the three-phase-features of the development of the real estate industry, which will rise, fall and rise again with the growth of the gross domestic product per capital. Subsequently, the boundaries of the three-phase were discovered, thus providing new scientific methods and basis for the prediction, assessment and projection of the development of real estate industry in China.

Regression Research on the Growth Path of Real Estate Industry

XIONG Hua-ping, WEI Yan-zhao, CHI Cheng-cheng, LI Yong-zhou

(TheSchoolofManagement,WuhanUniversityofScienceandTechnology,Wuhan430081,China)

Key words: real estate; cross-sectional research methods; regression model

一、引言

科学的宏观调控，有效的政府治理，是发挥社会主义市场经济体制优势的内在要求。房地产业作为国民经济发展的支柱产业，在促进消费、扩大内需、拉动投资增长、保持国民经济持续健康快速发展等方面，发挥了举足轻重的作用。然而，我国房地产业自从市场化以来，一直处于非平稳的运行状态，并且有的时期波动还比较大。这种运行状况表明，房地产业宏观经济政策的调控效果不够理想，甚至有时面对愈调愈高的房价，房地产的许多次调控都成了“空调”。究其原因，除了与我国住房改革的历史原因相关外，还与我国现行的财政政策、税收政策、土地政策以及投资体制等外部因素有较大的关系，更重要的是缺乏对房地产业客观属性与自身发展规律的清楚正确认识。房地产业发展与国民经济一样存在着周期波动规律，一般会经历复苏与增长、繁荣(波峰)、衰退、萧条(波谷)四个阶段[1]。研究并揭示这一过程的规律性、了解和把握房地产市场的走向和趋势，能够为产业政策的制定提供科学的依据以及有价值的信息，是房地产市场科学的宏观调控的重要依据。房地产业是在工业化、城市化和现代化过程中兴起、发展所形成的产业，同时又推动了工业化、城市化和现代化的进展，从而决定了其随着经济发展阶段的变化呈现出一定的成长发展轨迹。然而，房地产业的发展究竟随着经济发展阶段的演进有何变化，存在怎样的发展轨迹，还需要深入研究。

二、研究方法与变量设计

(一)研究方法的选择

描述一个产业的发展轨迹，通常有两种方法，一种是时间序列分析法，另一种是横向研究法。描述一国某产业的成长发展轨迹，人们有时更相信也更倾向于用时间序列分析法，因为在采集一国该产业若干年来的发展数据进行纵向考察时，该国的经济、人文以及产业背景等可以作为固定变量加以忽略。但是，任何计量经济分析的成功最终都有赖于适当数据的获得，如果运用时间序列分析法研究我国的房地产业发展轨迹，数据的采集上会存在着两个明显的不足：一是时间序列法分析的数据要求在足够长的历史时期内有连续性，这个周期一般最短也要30-50年，而我国房地产业作为一个独立的产业出现在我国的经济舞台上是在改革开放后的20世纪90年代初期，距今也只有二十几年，研究所需要的足够长的历史数据无法得到，使用过短的历史数据来描述一个产业的发展轨迹会降低研究的信度和效度；另一个就是我国房地产业在这二十多年中处于一种非平稳的发展状态，受政策影响过大，时间序列数据(time series data)所要求的平稳性可能会难以满足。因此，研究我国房地产业成长发展轨迹不适于采用纵向数据进行描述。

钱纳里、库兹涅茨等人的研究表明跨国截面模型与历史增长模型间存在相似性，如果产业的成长发展有其规律性，那么对一个国家某产业充分长的发展轨迹采用时间序列法研究，与对足够多国家该产业的横向研究法研究的结论是可以互相借鉴的[1-2]。因此基于房地产业成长发展规律的一般性，本文采用横向研究方法，即截取处于不同经济发展阶段的复数国家同一时点房地产业发展的横断面数据(cross-sectional data)，来拟合房地产业在不同经济发展时期的成长发展轨迹。

正如时间序列数据由于平稳性产生了它独有的特殊问题一样，横截面数据也有其自身问题，特别是异方差性(heterogeneity)问题[3]。也就是说，除了研究的数据足够多以外，还要求各国房地产业的发展具有相同的特征。虽然各国的房地产在设计风格上丰富多彩，但各国房地产业具有基本相同的生产力组织形式和交易方式，生产力活动遵循相同的技术规律和经济规律；同时，由于产品不能输入或输出，各国对房地产产品的有效需求基本上由本国经济的发展水平(发展阶段)来决定，因此，每个国家房地产业的发展轨迹及在相同经济发展阶段的产业状况是相似的。至于研究时段内影响房地产业发展的其它因素，诸如国土面积、总人口数、房地产存量、经济环境、人文背景、意识形态以及政治制度等，尽管其影响力会造成同一经济发展阶段下不同国家房地产业发展特征的差异，但由于其影响力具有随机性和不可预测性，结果产生的随机差异只在一定区间内波动，又因为研究的数据足够多，某一国的个别情况不足以影响产业成长轨迹线的总体趋势，这一假设也将在以下数据分析中进行验证。因此，我们仍可从多国横向比较研究中得到房地产业发展的“平均”概括。

(二)变量的确定

本文选用人均房地产增量(一般以年为单位计量)来描述一国房地产业与国民经济协调发展的产出规模。房地产(年)增量，即房屋建筑年竣工面积，指报告期(年)内房屋建筑按照设计要求全部完工，达到入住和使用条件，经验收鉴定合格或达到竣工验收标准，可正式移交使用的房屋建筑面积的总和。之所以做此选择的理由是它能更好地反映房地产业的供给情况以及社会资源在房地产业的聚集程度。同时，当房地产价格处于平稳运行状态时(上涨速度与通货膨胀水平大致相当)，房地产人均年增量还可以在一定程度上反映房地产业投资的增长情况。选用人均GDP来描述一个国家的经济发展水平。各国在不同经济发展阶段中的国土面积、总人口数、房地产存量、经济环境、人文背景、意识形态以及政治制度等对房地产业的影响，以及技术处理时的误差(如描述变量选取的偏差、数据采样和计算的误差等)，均视为随机干扰(stochastic disturbance)，并认为该随机干扰项均值为零、等方差，且彼此不相关，即满足Gauss-Markov假设[4]；在此基础上，可以建立人均房地产增量(房地产发展规模，因变量)随人均GDP(即经济发展阶段，自变量)变动的回归方程来描述房地产业的成长发展轨迹。

三、房地产业成长发展轨迹的回归模型

(一)数据的选取

本文采用的多国人均房地产增量的数据来自《联合国统计月报》，其中包括28个处于不同经济阶段的国家或地区2004-2012年9年来每年新竣工房屋面积数据(房屋面积包括了居住类建筑和非居住类建筑面积)[5]，以其代表各国该时段内房地产业的人均增量。尽管用房屋代表房地产有欠准确，会产生信息漏损，但是房屋基本上能反映整个房地产的全貌。因为房地产按用途分除了包括居住建筑和非居住建筑以外，还包括一些非建筑的特殊物业，例如高尔夫球场，不过由于特殊物业在整个房地产业占的比重较小，并不足以影响研究的有效性和可信性。之所以选2004-2012年这个时段的数据，是基于对数据的连续性与完整性以及可获得性的考虑。为了消除经济波动的影响，对各国各年新竣工房屋面积相应年份的总人口数计算出的人均房地产增量进行算术平均。人口数采用各年的年中人口数，因为数据无法从《联合国统计月报》获取，所以选自于世界银行《世界发展指标》[6]。各国各年份人均GDP数据来自世界银行《世界发展指标》，由于不同年份的统计资料对同一时点数据也经常做出调整，为了使统计数据的口径一致并具有可比性，本文利用世界银行《世界发展指标》中2000年的不变价进行调整，统一换算成以2000年美元为可比价的GDP。

为了兼顾数据采集的代表性与可行性，本文收集、整理了来自《联合国统计月报》、《国际统计年鉴》[7]和世界银行《世界发展指标》中随机的28个国家或地区的数据样本，整理结果如表1所示。

表1　28国或地区人均房地产增量与人均GDP

注：1为房地产业人均增量的相应年度算术均值；

2为人均GDP的年度算术均值；

(二)回归模型的建立

为了研究人均房地产增量和人均GDP之间的关系，根据表1所列样本数据，本文将人均房地产增量(annual floor spaces of construction completed per capital, S)作为因变量，将人均GDP(gross of domestic produce per capital, GP)作为自变量，利用SPSS软件进行回归分析(参数估计)，建立回归模型，结果如表2所示。进而分别用线性方程、二次曲线、三次曲线、S形曲线和幂函数进行趋势拟合，拟合出的回归趋势线如图1所示。

表2　28国人均房地产增量与人均GDP回归计算结果

图1　28国人均房地产增量与人均GDP之间的五种回归曲线图

由表2可以看出，五种曲线显著性水平依次是0.000、0.000、0.000、0.001和0.017，五个回归方程均具有统计意义。通过对比表2五种曲线的R2值，可以发现三次曲线和二次函数的R2值较其他三种曲线的R2值要大，即三次函数和二次函数较其他函数的拟合优度要高。因此接下来只需对三次函数和二次函数进行分析，分别写出这两种曲线的函数表达式：

三次函数：S=-0.316+0.234GP-0.009GP2+0.000097GP3(1)

(-0.941)(4.636) (-5.261)(6.557)

0.356 0.0000.0000.000

二次函数：S=1.049-0.071GP+0.002GP2(2)

(2.436)(-2.243)(4.877)

0.022 0.0340.000

式中， S——人均房地产增量(平方米)；

GP——人均GDP(千美元)；

括号内的数值是系数t检验值，下面的数据是对应的显著性水平。

通过上述回归结果可以看出二次函数回归系数和常数项都达到了10%的显著性水平，而三次曲线常数项的t检验值为-0.941，显著水平为0.356，未达到10%的显著水平，去掉常数项，重新拟合三次曲线，结果如表3所示，拟合出的回归趋势线如图2所示。

重新拟合的三次函数方程如下：

三次函数：S=0.195GP-0.008GP2+0.0000887GP3(3)

(6.638)(-6.373)(7.634)

0.0000.0000.000

式中，S——人均房地产增量(平方米)，GP——人均GDP(千美元)，括号内的数值是系数t检验值，下面的数据是对应的显著性水平。

表3　28国人均房地产增量与人均GDP的三次回归结果

图2　28国人均房地产增量与人均GDP之间的三次回归曲线图

经检验三次函数回归系数的t检验值达到了10%的显著性水平；考察两种曲线的残差分布，如图3和图4所示，均值均在0上下，符合同方差假设， Durbin-Watson指标值均通过检验，可以认为残差不相关。最后比较三次曲线和二次函数的R2值，三次函数曲线为0. 925，大于二次函数的0.723，其拟合优度更高。

通过建立的回归模型，得出在五种回归曲线中，三次曲线的拟合趋势最符合样本数据的特点，这表明，在现阶段，房地产业的发展与国家的经济发展之间的关系，用三次曲线描述较为吻合。

四、房地产业成长发展轨迹回归模型结果分析

根据上文所建立的三次函数回归方程(3)和图2中相应的回归曲线，分析本文得出房地产业成长发展的基本轨迹，如表4所示。

表4　房地产业成长发展轨迹的阶段划分

注：表中数据根据回归方程(3)计算所得，区间预测假设模型服从正态分布。

图3　三次回归方程的残差分布图

图4　二次曲线回归方程的残差分布图

根据分析得到的房地产业的成长发展轨迹可知，当一个国家人均GDP低于16986.04美元(2000年不变价)时，如表1中按人均GDP排名位于前14位的国家，这些国家为了满足国民经济发展、工业化、城市化、国家产业结构调整和提高人民生活水平的基本要求，房地产增量会随着国内需求的增加而迅速上升；此后，随着经济的发展和房地产存量积累水平的提高，社会对房地产的需求，包括需求的质和量的满足度提高，其增长率会下降，但人均房地产增量仍然处于上升阶段，直到达到最高点(极大值点)，即人均GDP大致在16986.04美元(2000年不变价)左右，这时国家经济进入工业化成熟期，如葡萄牙。在这一阶段，房地产增量一直处于增长的过程，但增长的速度会呈现先递增后递减的态势。

当国家的经济发展进入工业化成熟期后，即人均GDP水平处于16986.04美元(2000年不变价)和43141.73美元(2000年不变价)之间，如表1中按人均GDP排名位于15-26位的国家，此时，由于城市化水平和房地产存量都达到了一定程度，并且房地产作为一种耐用消费品，其物理寿命较一般的商品要长得多，经过前一阶段的高速发展之后，许多存量房地产不仅处于物理寿命期内，而且离其经济寿命(年平均使用成本最低的年数)也还有一段时间。此时社会对房地产的需求量会绝对地减少，人均房地产增量会持续下降直至达到最低点(极小值点)。房地产增量达到最低点时，国家的人均GDP水平大致在43141.73美元(2000年不变价)，处于这一时点左右的国家为丹麦，其人均房地产增量分别为1.4228m2。

随着国家经济向更高一阶段发展，逆城市化现象的普遍出现，第三产业的进一步发展，以及国家产业结构优化升级，人们对房地产个性化需求增长，这些因素又会衍生出对房地产新的需求，房地产增量就有可能从最低点再次向上攀升，表1中的卢森堡就属于这种情况，其人均房地产增量都达到了12.0m2以上，由于大多数国家只经历了漫长经济发展时期的前一部分，这一阶段的国家极少并且都属于比较特殊的小国，缺乏代表性和一般性，对于这一增长趋势还需要更多的实证，其原因需要进一步解释，这有可能会影响到轨迹模拟的信度，但任何研究都不是一蹴而就的，只能期待于以后数据丰富以后作进一步的研究和补充。

五、政策建议

(一)房地产业在我国短期内仍需保持适度的调控

基于房地产业成长发展轨迹的一般性，利用回归模型(3)及表4中的结论来分析，在2008-2012年间，中国人均GDP为2870.40美元(算术平均值，2000年美元)，处于房地产业发展轨迹的第一阶段，说明我国房地产业在今后的较长一段时间内，伴随着工业化和城市化的发展，还有较大的发展前景和增长潜力，还处于一种加速上升的状态。在工业化和城市化过程中，人们对居住的刚性需求以及对生活质量水平的改善性需求都十分巨大，巨大的需求拉动着产业的快速发展，房地产业仍将是我国的重要产业，将对国民经济起着重要的支持作用。尽管房地产业最近一段时间以来颇受争议，政府的调控也是重拳频出，但这种上升趋势是不会改变的，是不以人的意志为转移的，这也是政府在制定调控政策需要清楚认识的。

通过模型(3)来考察2011年和2012年我国房地产业的发展情况，2011年和2012年中国的人均GDP分别为3120.93美元和3348.01美元(2000年美元，考虑通货膨胀水平)，通过模型(3)计算出的人均房地产增量分别为0.53336m2和0.56652m2，而这两年中国的人均房地产增量实际值分别为2.3485m2和2.1583m2，在这两年实际增量超合理增量的比例都超过了70%，这说明在现阶段我国房地产业发展过热，并且有的地区已经呈现泡沫化现象，房地产业的发展已经超出了国民经济发展的速度，许多综合性因素纠缠在一起使我国房地产业偏离了正常的发展轨迹。因此，政府在短期内对房地产业保持适度的调控还是非常有必要的。

(二)房地产的调控应加强顶层设计，但从长期来说应让市场发挥决定性作用

在我国由于历史的原因，房地产业短期内补偿性、迅猛的发展，产生了诸多的问题和矛盾。部分城市房价的高启，已经使房地产业面临的不再是一个单纯的产业内价格理性回归的问题，而是一个复杂的经济问题，是一个民生问题，是一个政治问题。实践证明，房价的过快上涨会对我国的消费和非房地产投资存在明显的挤出效应[8]，从而影响着其他产业的发展，房地产业本身的高关联性以及挤出效应的存在，使得对房地产经济的调控越发复杂；而“衣食住行”又是一个基本民生问题，现在的住宅消费颠覆了1998年以前传统的消费观念(免费午餐)。住房支出在城镇居民消费结构中的比重越来越大，房价的上涨，挤压了城镇居民其他消费的空间，降低了其生活质量，使其在经济快速增长的过程中，反而感觉幸福感越来越低。在我国“土地财政”制度下，土地收入成为了有的地方政府的主要财政收入来源，房地产业成为了拉动地方GDP与官员邀取政绩的砝码，而房地产作为人民生活的必需品，房价过高势必会影响社会的和谐与稳定，所以在我国，房地产业又掺进了诸多的政治因素。在以舆论为主体及其它方面的综合导向下，房地产业也成了转型期诸多社会矛盾转移的一个载体。当房地产问题与经济、社会和政治问题纠缠在一起后，会使问题变得空前复杂，也增加了诸多非理性的变数。这些问题的产生，除了房地产自身的问题外，还与我国土地财政、分税制、投资渠道匮乏等都有诸多的干系。

因此，在制定房地产政策时，应该基于房地产业成长发展轨迹和把握房地产的客观规律，找到问题的根源所在而对症下药，才能做到药到病除，而不是采取“杀死病人的方法来消除疾病”，而伤害了国民经济本身。国外的研究和实践证明，更为严格的管制条件下，房地产市场波动更为剧烈[9]。在我国，前段时间实施的一系列的限价、限购和限贷等非市场政策，在短时间内可能有一定的合理性，但长时间的实施，不但不会起到调控的效果，反而扭曲市场、引发波动[10]，甚至会引发一些古怪可笑的社会问题，例如为规避限购而引发的假离婚潮问题。因此，房地产调控政策的制订应加强顶层设计，从深化土地、财政、投资体制改革以及建立城乡统一的土地市场方面去入手解决。让人感到欣慰的是，党的十八届三中全会已经在这些方面作了全面而细致的布置。除此之外，从长期来看，房地产市场的理性回归应让市场自身发挥决定性作用。

(三)房地产业的发展应与国家新型城镇化相互促进、协调发展

城镇化是伴随工业化发展，非农产业在城镇集聚、农村人口向城镇集中的自然历史过程，是人类社会发展的客观趋势，是国家现代化的重要标志。一般来说，城镇化的发展，除了会带来城市人口的增加，还会伴随着城市规模的不断扩大、数量不断增加，将会带来住宅小区、办公楼、商业用房、工业用房的成片崛起，城市集群功能设施的大规模兴建，从而促进房地产业的发展和繁荣。而在另一方面，房地产业的发展又会促进城市空间结构的调整和城市规模的扩大，会提高城市的承载能力，改善其居住功能，美化城市居住环境和城市景观，还会提升城市的品位和吸引力，提高土地利用的经济效益，推动城镇化的发展。

但是从过去特别是改革开放以后的30多年来看，我国的城镇化非常迅速，城镇的常住人口迅速增加，城镇化大幅度提高，平均每年提高1.02个百分点，同时城市人居条件也明显改善。但是在城镇化快速发展的过程中，也出现了很多问题：首先是我国的城镇化速度明显滞后于工业化速度，产业这个问题的主要原因就是我国的户籍制度，大量的进城农民工由于身份的问题，并没有享受城市居民可以享受的公共服务，这对社会的和谐发展是不利的，也不利城市自身的发展，正如李克强总理的说的：大城市既需要拿手术刀的也需要拿剃头刀的；其次，就是城市用地规模扩张过快，土地的城镇化快于人口的城镇化。一些由地方政府主导的城镇化，在房地产业的短暂繁荣过后，留下了许多问题，例如全国各地出现“鬼城”、“空城”，这样不仅造成了大量资源的浪费，还会产生一系列的长期问题；最后，房地产业的发展在促进城市协调发展方面做得不够，在一些大城市，大城市病日益突出，空气污染问题，交通拥堵问题，社会治安问题等等，使城市可持续发展面临越来越多的挑战。这些问题都是房地产业发展与城镇化不协调的表现。我国政府已经逐渐意识到了这个问题的严重性，在《国家新型城镇化规划(2014-2020年)》中就明确提出：要求“走中国特色新型城镇化道路、全面提高城镇化质量”。因此，房地产业的发展在承接国家新型城镇化发展战略的过程中，应根据房地产业发展轨迹和《国家新型城镇化规划(2014-2020年)》，明确房地产业和城镇化所处的阶段和面临的趋势，控制数量强化质量，促进房地产业和国家新型城镇化的协调发展。

五、结语

本文通过对28个国家或地区的人均房地产增量和人均国内生产总值等相关数据进行横截面分析，建立了一个关于房地产业成长发展轨迹的回归模型，得出了房地产业发展的基本规律：房地产业(人均房地产增量)会随着经济发展(人均GDP增长)呈现先上升，后下降 ，而后又上升的三阶段特点，呈现出三次曲线关系。这个结果也昭示着，我国房地产业在很长一段时间内，仍然会处于不断发展和上升的态势。但是，我国房地产业近几年发展，表现已经有些过热，甚至有的地区已呈现泡沫化现象。面对房地产业出现的纷纷扰扰的问题，更应冷静思考、沉着应付，基于轨迹和客观规律寻找问题的根源，加强顶层设计，寻找解决之策，让市场发挥决定性作用，而不是简单地非理性地干预市场，以尽快建立健全房地产业自我修复机制和健康发展的长效机制，促进房地产业与城镇化的协调发展、承接国家新型城镇化的发展战略。

参考文献：

[1] Simon Kuznets．Quantitative aspects of the economic growth of nations: I-x [J]. Economic Development and Cultural Change, 1957(5)：67-69.

[2] [美]H·钱纳里，S·鲁滨逊，M·赛尔奎因：工业化和经济增长的比较研究[M]，上海三联书店，上海人民出版社，1995

[3]多米尼克·萨尔瓦多，德里克·瑞杰. 统计学与计量经济学 [M] . 杜艺中, 译. 第二版. 上海：复旦大学出版社，2008.

[4 Gujarati D N. 计量经济学[M]，林少宫, 译. 第三版. 中国人民大学出版社，2000

[5]Department of Economic and Social Affairs. Monthly bulletin of statistics [M]. New York: United Nations, 1999-2013.

[6]世界银行. 世界发展指标[M]. 北京: 中国财经出版社，2012.

[7]中华人民共和国国家统计局. 国际统计年鉴[M]. 北京: 中国统计出版社，2001-2013.

[8]武康平，胡谍．房地产市场与货币政策传导机制[J]．中国软科学，2010(11)：32-37.

[9]Malpezzi Stephen. Housing Prices，Externalities and regulation in U.S. metropolitan areas [J]. Journal of Housing Research, 1996(2)：29-41.

[10]张娟锋，任超群，贾生华, 等. 房地产干预政策冲击效果评价[J]．中国软科学，2013(1)：43-49.

(本文责编：辛城)