住房价格与城镇居民收入分配差距关系研究

杨巧++杨扬长

摘要：收入分配差距增大与住房价格快速增长，是我国经济新常态下需解决的两大问题。从住房价格与收入分配差距的关系入手，厘清两者之间的互动机制，利用2003—2012年26个大中城市相关数据，构造基尼系数与住房价格的面板数据回归模型。实证结果显示，住房价格对基尼系数的影响是正向的；基尼系数对住房价格的影响亦为正向的，但其强度要大于住房价格对基尼系数的影响。同时，研究发现城镇化率、GDP以及第三产业的发展状况等因素亦对住房价格与收入分配差距造成显著地影响。因而在城镇化推进过程中，依据住房价格与收入分配差距的互动关系，应考虑将房地产调控政策与收入分配政策相结合，以求解决房价上涨与收入分配差距拉大这两大问题。

关键词：住房价格；收入差距；基尼系数

文章编号：2095-5960（2016）02-0010-07；中图分类号：F126；文献标识码：A

1998年住房制度改革以来，我国房地产业发展迅速，房价也随之出现上涨。1998年至2013年全国商品房销售价格累计上涨2023%，商品住宅销售价格累计上涨2155%。房价问题不仅是经济问题，也是关系民生的社会问题。居民收入水平是房价的重要决定因素之一，改革开放以来，我国居民收入水平持续增长，1978—2013年，全国城镇居民人均可支配收入从3434元增加到28844元，但同时国家统计局公布的2013年全国居民收入基尼系数为0473，虽比前期有所下降，但从绝对值来看，仍位于 “警戒线”04以上。本文旨在厘清住房价格与居民收入分配差距之间的作用渠道，探讨如何从收入分配角度来建立房价调控长效机制，并通过房价调控使得居民收入分配状况得以优化。

一、文献综述

近年来研究房价与居民收入分配差距的成果较多。部分学者探讨了房价上涨对居民收入分配状况造成的影响。李实等（2005）在中国居民财产不均及其原因的研究中也指出城镇公有住房的私有化使得房价上涨，扩大了城乡之间乃至全国居民的财产差距。[1]陈钊、陈杰和刘晓峰（2008）认为伴随经济的不断增长，房价总体上呈现上升的趋势，在这一过程中，有房一族直接受益于城市的发展，而与低收入群体拉开了差距。[2]Matlack和Vigdor（2006）则对房价与收入差距建立了局部均衡模型，实证分析发现在1970—2000年的美国部分地区，房价是收入差距扩大的显著原因。[3]胡晶晶（2012）利用1999—2010年全国31省份的面板数据构建多因素模型，指出住房价格上涨是通过财富分配效应、消费挤出效应和通货膨胀效应等作用于收入差距的。[4]陈彦斌等（2011）发现储蓄率是房价作用于收入差距的一个媒介指标，过高的房价使得人们不得不提高储蓄率准备首付。这一行为使得居民不得不压缩生活成本，降低了生活幸福指数，其中低收入阶层对此更为敏感。[5]此外，汤浩等（2007）则认为住房金融市场在操作上“嫌贫爱富”的贷款机制起到了进一步扩大财富差距的作用。陈健、高波（2012）采用了2000—2008年31个省份的面板数据，构造联立方程模型，深入讨论了收入差距、房地产价格与消费的关系，发现收入差距与房价存在正向的互动关系，但是对消费的影响呈现出区域的差异性。[6]张传勇（2014）认为房价上涨使得住房潜在可抵押价值也随之上升，扩大了家庭信贷融资能力，从而使得有房族的收入与无房者拉开差距。[7]

居民收入分配状况也会对房价产生影响。刘琳（2007）认为高收入者支付能力增强促进投资意愿，进而推高了房价。[8]王小鲁（2010）估算得出，当基尼系数每上升1个百分点，储蓄率就上升076个百分点，而储蓄率将直接影响房价上涨。[9]这一结论与Mark duda和邓思齐（2006）的对于美国居民支付能力发展情况研究的实证结论相符。[10]王先柱、赵奉军（2013）借鉴米尔鲍尔和墨菲（Muellbauer and Murphy）的建模思路，得出收入差距的扩大在微观上通过挤出效应、在宏观上通过储蓄率的上升引发过度住房投资。[11]Gyourko等（2006）认为在美国的超级明星城市中，高收入者收入的提升将明显推高房价。但也有学者研究发现收入差距与房价呈负相关关系。[12]Niku Mttnen和Marko Tervi（2010）对华盛顿等都市圈的房价及收入差距的研究显示，房价上涨会导致收入差距扩大，但收入差距拉大将降低房价水平。[13]Matlack和Vigdor（2006）则认为要将房地产市场状况作为前提条件考虑，通过其进一步的一般均衡模型分析发现，在景气的房地产市场条件下，收入差距扩大会促使房价上涨，使低收入者的住房负担加重；在不景气的房地产市场条件下，结果反之。

以上述研究为基础，在对房价与居民收入分配差距问题的后续研究中，一方面需要厘清两者之间的作用机理；另一方面，以往国内对此问题的研究大多用全国时间序列数据或者省级面板数据，忽略了不同类型城市房价与居民收入分配差距上的差异性，考虑到住房市场的区域性特点，在数据来源和处理上，本文采用2003—2012年全国26个大中城市的面板数据，对两变量的关联性及经济基本面因素相关性进行实证分析。此外，研究中还需进一步探讨居民收入分配制度改革与建立住房市场长效调控机制的契合点，使调控政策更为有效。

二、住房价格与收入分配差距之间互动机制

（一）住房价格影响收入分配差距的机制

住房价格对于居民收入分配差距的影响直接体现在家庭财富上，这是由房地产价值量大的特性所决定的。《中国民生发展报告2014》①①《中国民生发展报告2014》由北京大学中国社会科学调查中心发布，以“中国家庭追踪调查”项目的追踪数据，以国际前沿的研究视角剖析财富不平等这一社会话题，涵盖中国家庭的财产、消费模式、医疗开销与负担、家庭经营与自雇、住房、主观幸福感等6项子议题。就指出房产占城镇家庭财产比例的中位数在80%左右，这表明住房价格的影响对家庭财富的影响几乎是同步的。从逻辑上讲，住房价格的上涨（下跌）会使得家庭的房地产潜在价值相应上涨（下跌），从而改变家庭的财富状况，进而导致因住房价格而产生的这部分社会财富在不同家庭间分配不均。综合起来可体现在以下几个方面：

1.财富效应

房地产是家庭资产的重要构成，当住房价格波动时，将会对家庭的财富存量产生影响，进而影响收入分配状况和消费决策。[14]对于高收入群体而言，一般拥有不止一套住房，由于当前我国住房保有成本过低，税费政策不完善，使得房价上涨阶段，高收入群体因持有多套房产而产生的资本收入较为可观，家庭财富值得以增长。而对于仅拥有自住房的中等收入阶层，房价的上涨虽然使得其住房抵押价值增加，但很难通过售出、出租等手段获得实际收入。对没有房产的中低收入阶层而言，房价的上涨往往带动房租的上涨使得其住房消费支出上升，削弱了其在其他方面的消费，降低了财富积累速度。[15]

2.挤出效应

家庭可支配收入一定的情况下，房价上涨（下降）将会增加（减少）住房支出，最终影响到其他领域的消费支出。由于低收入阶层住房消费倾向更高，因此房价上涨对低收入阶层造成的消费挤出效应比高收入阶层更为明显，因而使得各阶层的收入差距进一步扩大。[16]此外房价上涨对低收入群体造成的消费挤出效应通常使其减少教育支出[17]，而教育支出的减少不利于其人力资本的提升，使其收入水平难以提升。

3.信贷效应

房价的上涨使得房地产产品的潜在可抵押价值上升。[18]经济形势较好时，资金报酬率高于抵押贷款利率，此时有房产的家庭，可以将住房进行抵押获得贷款，从而获得资本报酬率高于贷款利率的那部分收入。而无房一族，因为没有住房作为抵押品，所以难以获得抵押贷款进行投资。这种情形下，有房一族资本收入份额的提升无疑会拉开有房和无房群体的收入差距。

（二）收入分配差距影响住房价格的机制

1.需求端作用机制

收入分配差距首先影响到住房市场的需求端。住房作为大额消费品，不同收入阶层住房消费倾向和支付能力的变化均会影响其住房需求。收入分配差距的扩大，会使社会财富向金字塔顶端集聚。对于高收入者来说，收入的增加使其住房支付能力增强，有能力负担一套甚至多套住房。而低收入人群则会因为收入的相对缩水减少甚至放弃住房的购买，最终表现为整体住房市场需求的变化，进而影响到住房价格。此外，高收入群体往往向明星城市聚集[19]，此类城市的中低收入人群不仅面临原有城市高收入群体的挤压，还要面临其他城市流入的高收入者的需求挤压，而此类明星城市住房需求却可能由于高收入者的流入使得整体住房需求上升，造成房价过度上涨的现象。

2.供给端作用机制

居民收入分配差距状况并不直接对住房市场供给产生影响，其对供给端的作用主要是通过影响居民储蓄率，间接传导到房地产供给商的资金面。居民收入分配状况会影响整体储蓄率水平，一方面，较高的储蓄率使得银行可贷资金额度增加，房企获得资金更为容易，使得供给增加；另一方面，高储蓄率使得银行具有一定维持低利率的能力，使得房企获得资金的成本较低，也会对供给产生推动。

三、实证分析与结果

（一）变量选取及模型设定

为考察房价与收入差距之间的互动机制，我们建立了基尼系数和住房价格的面板数据回归模型。同时为了更好地比较这两者的关系以及尽可能消除两者可能存在的内生性问题，我们在模型中引入了城镇化率、国内生产总值以及第三产业GDP占比等经济基本面参数，模型设定如下：

GINIit=αit+β1tLNHPit+β2tURit+β3tLNGDPit+β4tTIit+μit，i=1，2……，26 （式1）

LNHPit=χit+φ1tGINIit+φ2tURit+φ3tLNGDPit+φ4tTIit+γit，i=1，2……，26 （式2）

在式1中，GINIit （i=1，2，…，N；t=1，2，…，T）为被解释变量，LNHPit、URit、LNGDPit、TIit （i=1，2，…，N；t=1，2，…，T）为解释变量；在式2中，LNHPit （i=1，2，…，N；t=1，2，…，T）为被解释变量，GINIit、URit、LNGDPit、TIit （i=1，2，…，N；t=1，2，…，T）为解释变量。μit与γit （i=1，2，…，N；t=1，2，…，T）则分别表示式1和式2的随机误差项。各变量的定义及处理如下：

基尼系数（GINI）：基尼系数是国际上常用来综合考察居民内部收入分配差异状况的一个重要分析指标，因而在本文中，基尼系数代表了居民收入差距水平。张建华（2007）利用定积分的方法简化了基尼系数的公式：GINI=1-1N2∑n-1i=1wi+1，N代表总人口按收入高低排序分成的组数，wit则代表累计收入比重。[20]因此，本文收集了各城市统计年鉴中家庭可支配收入分组（大多为五等份与七等份分组）的数据，采用上述公式逐一计算得到最后的基尼系数指标。

住房价格（HP）：用各大城市当年房地产开发企业商品住宅平均销售价格来表示（单位：元/平方米），并对住宅价格取自然对数处理记为LNHP。

城镇化率（UR）：用城镇非农业人口占城镇总人口比重的百分比来表示，代表一个城市的发展程度。

国内生产总值（GDP）：一个国家或地区的经济活动中所生产出的全部最终产品和劳务的价值，反应各城市经济发展水平，计量时取国内生产总值自然对数处理，记为LNGDP。

第三产业占GDP比重（TI）：反映一国或地区经济结构，用各城市第三产业产值与GDP的比值来表示。

（二）数据来源及描述性统计

本文采用2003—2012年全国26个大中城市的年度面板数据进行实证分析。数据来源主要为《北京市统计年鉴》、《上海市统计年鉴》等各大城市的统计年鉴以及《中国统计年鉴》和《中国房地产统计年鉴》等。

考虑到所选取指标的统一性和连贯性，因太原（2003—2012年居民分组收入数据缺失）、呼和浩特（2003—2012年居民分组收入数据缺失）、长春（2003—2012年居民分组收入数据缺失）、哈尔滨（2003—2012年居民分组收入数据缺失）、昆明（2003—2012年居民分组收入数据缺失）、西安（2006—2012年居民分组收入数据缺失）、兰州（2003—2005年居民分组收入数据缺失）、银川（2003—2005年居民分组收入数据缺失）、西宁（2003—2012年居民分组收入数据缺失）等9个城市部分年份数据缺失，研究时从35个大中城市中剔除，选用2003—2012年26个城市面板数据，数据的描述性统计见表1所示。

表1各变量统计描述

变量概念观测数平均值中位数标准误最大值最小值GINI基尼系数260000314269 0305000 0600000 01000000070721LNHP对数化的住房价格260008438545 8423401 9954038 71884130584295UR城镇化率260000569427 0578731 1000000 02408610330139LNGDP对数化的GDP260001715241 1720714 1912287 1464345-0297262TI第三产业GDP占比260000482032 0465750 0765000 03620001254992（三）面板单位根检验结果

对面板数据模型进行估计之前，通常需要对各变量的平稳性进行检验，通常有LLC检验、IPS 检验、 ADF-Fisher检验和 PP-Fisher检验、Breitung t检验、Hadri检验等检验方法。[21]为了保证变量同阶平稳，本文选择了LLC检验、IPS检验等四种检验方法。得出的结果如表2所示，从表2中的检验结果可以看出GINI、LNHP等变量的一阶差分显著拒绝存在单位根的原假设，体现出了平稳性，满足进行面板协整检验的要求。

（四）面板协整检验

为了检验基尼系数、对数化的房价、城镇化率、对数化的GDP以及第三产业GDP占比是否存在长期的均衡，需要对其进行面板数据的协整检验。相对于时间序列的协整检验，面板数据模型由于个体异质性等问题显得更为复杂。面板数据协整检验的方法主要有Pedroni检验、Kao检验以及Johansen协整检验基础上的面板协整检验。本文主要采用前两种方法，在Pedroni检验中有7个统计量，其中有4个组内统计量（Panel v、 Panel ρ、 Panel PP、Panel ADF 统计量）和3个组间统计量（Group ρ、 Group PP、 Group ADF 统计量）。在T<20这种时间较短的计量模型分析中，Panel ADF和Group ADF的检验效果较好，而Panel ρ和Group ρ则反之。在Pedroni与Kao检验中，原假设均为模型涵盖的变量之间不存在协整关系，若在检验中拒绝原假设则表示变量之间存在协整关系。检验结果如表3所示，基尼系数、住房价格等几个变量的Panel PP、Panel ADF、Group PP以及Group ADF均拒绝不存在协整关系的原假设。而其他几个变量不拒绝原假设的问题可有本文小样本解释。因而本文以Panel ADF和Group ADF的检验结果为准，据此可判定基尼系数等5个变量存在协整关系。另外Kao检验结果也进一步支持了变量之间存在协整关系的结论。

表3总样本的协整关系检验结果

检验方法统计量含时间趋势项Panelv-Statistic-2154002（09844）PedroniPanelrho-Statistic1868453（09692）Panel PP-Statistic-2241540（00000）Panel ADF-Statistic-2085309（00185）Group rho-Statistic 5642613（10000）Group PP-Statistic-1531994（00000）Group ADF-Statistic-2136044（00000）KaoAD-Statistic1859419（00315）（五）GINI与LNHP面板数据回归模型

协整检验结果显示基尼系数、对数化的住房价格等五个变量之间存在长期的协整关系。在此基础上，本文先用Eviews6进行了F统计量检验[22]，发现基尼系数与对数化的房价两模型均适合固定效应模型。再进行Hausman检验，GINI模型统计量P值为04686，大于005，因而适合随机效应模型，而LNHP模型的P值显著小于005，设置为固定效应模型更为合适（如表4所示）。

表4GINI、LNHP模型设定检验

模型检验方法模型判断统计量值（P值）结论GINI模型F统计量检验混合模型、固定效应模型32202460（00000）固定效应模型Hausmana检验固定效应模型、随机效应模型3561681（04686）随机效应模型LNHP模型F统计量检验混合模型、固定效应模型80454899（00000）固定效应模型Hausmana检验固定效应模型、随机效应模型40447387（00000） 固定效应模型对样本数据分别进行混合回归模型（Pooled model）、固定效应模型（Fixed Effects Model）、随机效应模型（Random Effects Model）的实证结果如表5、6所示，根据模型估计结果和检验结果，GINI模型采用随机效应模型估计所得结果显著性较好，LNHP模型则更适合采用个体固定效应模型。模型的回归表达式见式3、式4：

GINIit=0763840+0018623LNHPit-0059839URit-0031722LNGDPit-0059201TIit （式3）

其中，GINIit （i=1，2，…，26；t=1，2，…，10）为被解释变量，LNHPit、URit、LNGDPit、TIit （i=1，2，…，26；t=1，2，…，10）为解释变量。

表5GINI面板数据模型估计结果

变量系数（P值）混合模型个体固定效应模型随机效应模型C0532534（00000）0884677（00000）0763840（00000）LNHP-0022053（00702）0037255（00481）0018623（00404）UR-0044295（01467）-0077821（02233）-0059839（01447）LNGDP-0002364（07399）-0034564（00022）-0031722（00110）TI0069718（02627）-0101537（02572）-0059201（00673）R2006807907929190103669Adusted- R2005346007668080089609F统计值4657067（0001207）3036810（0000000）7373306（0000012）观测值260260260GINIit=-5809970+0452855LNHPit+0452855URit+0749263LNGDPit+1978647TIit（式4）

其中，LNHPit （i=1，2，…，N；t=1，2，…，T）为被解释变量，GINIit、URit、LNGDPit、TIit （i=1，2，…，N；t=1，2，…，T）为解释变量。

表6LNHP面板数据模型估计结果

变量系数（P值）混合模型个体固定效应模型随机效应模型C0839146（00886）-5809970（00000）-5454862（00000）GINI-0580477（00702）0452855（00481）0346848（01186）UR0624115（00001）0528175（00173）0442943（00209）LNGDP0396191（00000）0749263（00000）0732214（00000）TI1308649（00000）1978647（00000）2018417（00000）R2064064509631250907758Adusted- R2063500909584750906311F统计值1136514（0000000）2071454（0000000）6273674（0.000000）观测值260260260模型回归结果显示：

第一，基尼系数随着住房价格的上升而上升，随着城镇化率、GDP、第三产业比重的提高而下降。从系数值来看，在影响居民收入分配差距的因素中，城镇化率和第三产业GDP占比系数值较大，说明城镇化和第三产业发展，为劳动者创造了更为公平的就业机会，提升了原先底层收入阶层的收入，从而使得收入差距缩小。另外，GDP的增长带动了居民整体收入的提高，亦是有利于收入差距的缩小。而相对来说，住房价格在该模型中是对基尼系数影响最小的，住房价格的上涨带动基尼系数略微上升。上涨的结论与李实、张传勇等学者保持一致。上涨原因可能在于，占居民财产绝大比例的住房资产，在上涨情况下可以通过“财富效应”“信贷效应”等作用机制增加了高收入群体的资本性收入，而相对压缩了低收入群体的收入。上涨幅度不大的缘由可能是我国城镇居民住房自有率超过了80%，大部分的居民均可享受房价上涨带来的“财富效应”，使得系数不显著。

第二，从LNHP面板模型的回归结果看，基尼系数等四个变量均与住房价格呈正相关关系。对比来看，第三产业GDP占比对于住房价格的影响最大，服务业能够吸纳大量就业人口，人口在城市的集聚使得城市住房需求增加，房价也相应上涨。在本模型中，基尼系数对于住房的影响也是最小的，但明显大于住房价格价对于基尼系数的影响。显然，收入差距的扩大是住房价格上升的一个重要原因。

第三，结合两者检验结果不难发现，住房价格与基尼系数是相互影响的。住房价格上涨将会导致基尼系数上升而基尼系数上升也将会推高住房。只是两者间相互作用的强度有所区别。基尼系数对于住房价格的影响这与本文之前关于房价与收入差距的互动机制的描述是一致的。

四、结论与建议

本文利用面板数据个体固定效应和随机效应模型，基于我国2003—2012年26个大中城市的数据，进行了住房价格与收入差距的关系研究。结果发现，住房价格与收入差距之间对彼此的影响是一致的，但是两者对彼此的影响程度不一致，收入差距对住房价格的作用效果要比住房价格对收入差距的作用效果强烈。另外，研究还发现城镇化率、GDP以及第三产业GDP占比对住房价格和收入差距有着重要的影响，其中第三产业GDP占比对住房价格正向影响十分显著。将住房价格与收入分配差距问题结合起来研究，一方面有利于我们更为清晰地认识造成收入分配差距的原因，另一方面对房价上涨成因也有更为全面地理解。这对政府制定房地产调控政策和收入分配政策有着重要的参考价值。

（一）紧密结合房地产调控与收入分配调控政策

近几年来国家对于房地产调控政策的方向主要集中在对传统投资性需求的抑制上，虽然取得了一定的成效，但是也存在效用不明显、误伤刚需等弊端。因而在房地产调控上，相关部门不妨转换一个新的视角，从收入差距角度入手，结合收入分配政策，在控制住房投机性需求的同时，致力于解决居民收入差距问题，以缩小收入差距带动房价的调整。另一方面积极鼓励新兴产业发展，创造更多更优的投资机会，引导高收入群体富余资金转移，减少房地产的投机炒作行为，从而达到稳定房价的目的，另一方面新兴产业也有利于促进劳动者充分就业，改变收入分配结构，减少收入差距。

（二）进一步加强中低收入群体的住房保障工作

本文研究证实住房价格上涨会通过房地产产品投资、消费等通道，分化不同收入阶层的收入水平，这与中低收入阶层无自有住房或住房负担能力过低的实情相关。因而为了降低房价对收入差距的放大作用，政府应在房地产市场充分发挥“有形的手”的角色，保障经济适用房、公租房、廉租房等保障性住房产品的充分供给，满足无房租房一族居住需求。保障房与商品房的分离能有效隔绝商品房价格上涨对中低收入阶层收入分配的冲击，同时也适当平衡了商品房的供需，稳定商品房房价，这也有利于整体住房市场的健康发展。

（三）协调大中小城市发展，积极优化产业结构

研究还发现城镇化率、GDP以及第三产业GDP占比等经济基本面参数对房价与收入差距亦存在显著地影响，尤其第三产业GDP占比对房价有较大的正向作用。当前城镇化过程，大中小城市发展不均衡，城镇化重量不重质的问题严重，导致服务业发展较好的大城市往往需要过度吸纳人口。人口的增多势必会影响城市住房供需平衡，从而推高房价。另一方面，高收入群体向明星城市的聚居效应也使得居民收入差距不断增大。因而在新型城镇化进程中，要兼顾大中小城市协调发展，积极优化产业结构，协调发展二、三产业，促进城市经济健康发展。

（四）制定房产持有税收政策，做好再分配工作

住房投资性以及投机性需求旺盛的一个原因在于房产保有环节成本缺失的问题。当前阶段，我国尚未出台相关房产持有环节税收的政策。这方面的缺失使得多套住房的持有者在房价上涨期间，其持有收益往往远高于持有成本（物业费等）。这一巨大的利差使得住房投资变得十分诱人。另外就算房价一时处于疲软状态，住房产品良好的抗通胀功能亦是投资性购房者所看重的。因而出台房产保有环节相关税收政策是十分必要的。一方面，房产持有税可以加重投资性购房者持有成本，抑制投资性需求，稳定房价；另一方面，房地产持有环节税作为一种税收，亦可起到调节居民收入，保证社会公平的作用。

参考文献：

[1]李实，魏众，丁赛.中国居民财产分布不均等及其原因的经验分析[J].经济研究，2005（6）：4-15.

[2]陈钊，陈杰，刘晓峰.中国城镇住房体制改革的回顾与展望[J].世界经济文汇，2008（1）：43-54.

[3]Matlack J L， Vigdor J L. Do Rising Tides Lift All Prices？ Income Inequality and Housing Affordability[R].NBER Working Papers，2006，No.12331.

[4]胡晶晶.住房价格上涨对城镇居民收入差距的影响机理与实证分析[J].中国地质大学学报（社会科学版），2012（4）：91-96.

[5]陈彦斌，邱哲圣.高房价如何影响居民储蓄率和财产不平等[J].经济研究，2011（10）：25-38.

[6]陈健，高波.收入差距、房价与消费变动——基于面板数据联立方程模型的分析[J].上海经济研究，2012（2）：53-62.

[7]张传勇.房价与收入分配的内生性及其互动关系[J].统计研究，2014（1）：63-69.

[8]刘琳.如何度量城镇家庭住房支付能力[J].中国投资，2007（2）：12-18.

[9]王小鲁.我国国民收入分配现状、问题与对策[J].国家行政学院学报，2010（3）：23-27.

[10]Mark Duda，郑思齐.利率和收入差距如何左右住房支付能力[J].城市开发，2006（10） ：53-55.

[11]王先柱，赵奉军. 收入差距、挤出效应与高房价[J].经济理论与经济管理，2013（1）：27-34.

[12]Gyourko J， Mayer C， Sinai T. Superstar Cities[R]. NBER Working Papers， 2006， No.12355.

[13]Niku Mttnen， Marko Tervi. Income Distribution and Housing Prices： An Assignment Model Approach [R].CEPR Discussion Paper，2010，No.DP7945.

[14]Arrondel L et al. Consumption and investment motives in housing wealth accumulation： a french study. Journal of Urban Economics， 2001，vol.50：112-137.

[15]高东胜，冯涛.房地产价格与国民收入分配的互动关系——基于联立方程模型的实证研究[J].财经科学，2011（11）：44-52.

[16]张传勇.房价波动收入分配效应的区域差异分析——基于中国省际面板数据的实证研究[J].华东师范大学学报（哲学社会科学版），2014（1）：113-155.

[17]Benjamin et al. Real estate versus financial wealth in consumption. The Journal of Real Estate Finance and Economics， 2004， vol.3： 341-354.

[18]Gan J. Housing wealth and consumption growth： evidence from a large panel of households. Review of Financial Studies， 2010， vol.23：2229-2267.

[19]Grossanan et al. Asset pricing and optimal portfolio choice in the pricing of illiquid durable consumption goods. Econometrica， 1990， vol.58：25-51.

[20]张建华.一种简便易用的基尼系数计算方法[J].山西农业大学学报（社会科学版），2007（3）：275-278.

[21]高铁梅.计量经济分析方法与建模[M].清华大学出版社，2006：101-110.

[22]张晓峒.Eviews使用指南与案例[M].机械工业出版社，2010：261-271.

Housing Price and Residents' Income Distribution Gap

- Based on the Empirical Study of the 26 Large and Medium-sized Cities

YANG Qiao，YANG Yangchang

（Zhongnan University of Economics and Law， Wuhan，Hubei 430073，China）

Abstract：Income distribution gap widening gradually and house price rising rapidly are the two major problems needed to be solved under Chinas new normal. In this paper， we consider the relationship between house price and income distribution gap to clarify the interaction mechanism. Based on panel data of 26 large and medium cities from 2003 to 2012， we construct house price and gini coefficients panel data regression model. The empirical results show that house price's influence on gini coefficient is positive； Gini coefficients influence on house price is positive. And gini coefficient is more pronounced impact on house price. In addition， we find that the urbanization rate， GDP and development of the third industry also have significant impacts on house price and income distribution gap. Thus， in the process of urbanization， based on the interaction between house price and income distribution， we should connect the real estate regulatory policies with the income distribution policies. Its effective to restrain the house prices rising and narrow the income distribution gap.

Key words：housing price； income distribution gap； gini coefficient

责任编辑：萧敏娜