房地产市场繁荣与房价：文献综述

张田

摘 要：房地产行业对于对经济增长和财富效应能产生巨大影响，而且又是典型的高杠杆部门，因此房地产市场的稳步健康发展备受各界关注。本文对房地产市场的主要问题进行文献综述，涉及收入不平等与房价的关系、房地产市场繁荣与泡沫、房价的影响因素等，以期为后续研究提供全面、可靠的理论基础。

关键词：收入不平等；房地产市场繁荣；房价

中图分类号：F832.2 文献标识码：B 文章编号：1674-0017-2017（8）-0066-05

一、引言

无论对于发达国家还是发展中国家，房地产行业在宏观经济中都起着至关重要的作用。从经济增长的带动看，每次经济繁荣大多与房地产带动的消费投资有关，而每次经济衰退则多与房地产去泡沫有关。从财富效应看，房地产市值一般是年度GDP的2-3倍，这是股市、债市、商品市场、收藏品市场等其他资产市场远远不能比拟的。由于房地产行业对经济增长和财富效应有巨大的影响，又是典型的高杠杆部门，因此房地产市场的稳步健康发展备受各界关注。本文力图对房地产市场的主要问题进行文献综述，涉及收入不平等与房价的关系、房地产市场繁荣与泡沫、房价的影响因素等，以期为后续研究提供全面、可靠的理论基础。

二、收入不平等与房地产市场价格

（一）收入不平等与房价形成自我强化的反馈机制。近年来，全球很多国家的收入不平等问题愈演愈烈。同时，全球房价也呈现不断上涨趋势。这两者之间的关系并非偶然。Fudong Zhang（2016）运用不完全市场均衡模型，对收入与房价之间的交互影响进行分析。模型清晰刻画出房地产市场的主要特征：住房能产生租金收入和资本利得；市场摩擦造成住房资产调整并不频繁，住房资产能获得非流动性溢价。研究发现，收入不平等和房地产市场之间相互作用，形成自我强化的动态反馈机制。具体看，由于能获得潜在资本利得，大多数富裕家庭会囤积住房，助推房价攀升。同时，由于房地产财富存在偏态分布，因此房价上涨导致住房的资本收益差距扩大，进而造成收入不平等继续加剧。此外，研究还对中国2002年至2012年的房地产市场进行剖析，发现房价的增长伴随着私人储蓄率的增加。究其原因，一是经济收入较少的家庭为了购买住房具有强烈的储蓄动机。二是富有家庭为了实现投资组合再平衡、保持资金流动性也会不断增加储蓄。

（二）收入不平等与住房价格：英国案例。过去20年间英国政府出台的多种政策措施基本无效，包括对住房开发商的激励政策、向购房者疏通抵押贷款渠道以及近年的“购房援助计划”等。Brian Green， Faiza Shaheen（2014）研究发现，收入不平等与房价之间存在强烈的相关性。收入不平等主要通过以下渠道推高房价：一是竞买规则。卖方在市场上寻找出价最高的人群，收入差距加大会让卖方找到支付能力更强的高收入人群，低收入人群从而被挤出房产市场。二是市场投机。财富聚集在顶层会使富人加大房市投机，助推房价泡沫。三是临避主义（nimbyism）变成显著问题。即社会发展中出现了这样一种趋势，随着人们财富增加，他们准备花高价购买高档住宅以限制附近出现新建住宅。四是住户搬家间隔时间增加说明市场交易量萎缩，新房建设量的减少影响了潜在供给，推高价格。上述机制相互作用与反馈造成房价进一步上涨。

（三）收入分配与房价：基于分配模型的视角。Niku等（2013）构建出一种分配模型来探讨收入分配和房价之间的关系，模型中购房者的收入各不相同而且房屋质量也存在差异。每个家庭都拥有一所住宅，并且渴望得到一所理想住宅，因此每个家庭都是潜在的买方和卖方。研究发现，住房的价格梯度（price gradient）取决于人们的财富水平。收入水平的增加会提高房价及其分化程度。实证研究结果显示，随着1998年至2007年间美国收入不平等逐年加剧，美國6大都市圈的平均房价因此受到负面影响，但该结论不适用于奢侈性住宅。奢侈性住宅的价格与收入不平等程度没有明显关系，其价格主要受到市场供需层面的影响。

三、房价波动的溢出效应对房地产市场的影响

近年来，随着中国房地产市场的快速发展以及房价增长的起伏，人们开始思考一些城市的房价变动是否会影响到其他地区住房价格，不同地区之间的房价波动是否存在某种机制影响。Qian Zhang，Dexiang Mei（2015）运用DCC-MVGARCH模型，来研究中国不同城市房价波动的动态相关性，探讨中国城市房价波动溢出的传导关系。本研究采用非线性Granger因果关系检验和脉冲响应函数法，分析了2005年7月至2015年1月间北京、上海、广州、深圳、天津和重庆六个城市月度新商品房价格指数，调查城市房价波动的溢出效应。结果表明：一是短期内城市房价的波动存在正面溢出效应，但长期看，溢出效应将逐渐消失。二是房价波动的溢出效应和城市空间距离并不一定存在相关性，也可能受到经济发展水平等因素的影响。三是上海房价对其他城市房价影响较大，这可能与其强大的经济发展水平有关。

在分析研究的基础上，文章提出以下政策建议。一是应尽可能保持房地产监管政策的稳定性。二是在加强对房地产市场统一调控的同时，根据不同区域发展实际情况予以差别对待。三是对房地产价格波动幅度较大且具有明显溢出效应的地区加大调控力度，以避免其他城市房价出现关联波动，从而确保房地产市场整体稳定。

四、中国房地产市场繁荣与泡沫

（一）解读中国的房地产繁荣。中国作为全球第二大经济体和全球经济增长的主要引擎，其长达十多年的房地产市场繁荣引起了全球经济界与政界的关注。Hanming Fang等（2017）对2003至2013年间中国120个主要城市构建出住房价格指数，评估这些城市的房价波动。研究主要观点包括：一是一二三线城市的房地产市场能提供高投资回报，因此住房对投资者的吸引力高于银行存款和中国股市。二是一二三线城市的房价在当地均属于高水平。对于低收入家庭，房价收入比已经超过八倍。三是在房地产市场繁荣的同时，中国的家庭也通过银行存款积累了大量现金。需要注意，中国房地产市场的扭曲在很大程度上是金融体系缺陷带来的后果。在本文研究的时间区间中，银行利率始终处于低位，大约100万亿人民币沉淀在银行存款账户里，而获得的实际利率几乎为0，于是家庭对住房的投资需求成为了中国高房价的推动因素。四是当人们把住房视为投资资产时，风险因素就是评估房市的一个重要维度。未来中国经济下行压力加大，由于低收入家庭通常通过大量借款来购买住房，一旦人们对未来的预期发生转变，高房价收入比使得中国房地产市场面临潜在风险。五是从供给角度看，中国房地产市场供给取决于当地政府土地出让，土地出让收入是地方政府财政收入的主要来源。鉴于土地供给具有垄断性，地方政府的土地出让策略是决定中国城市房价的关键因素。endprint

（二）中国房地产市场泡沫评估。自2003年以来，中国房地产市场价格持续快速增长。经济学家推测，高房价是中国房地产市场泡沫的结果。但是目前，尚没有足够的证据支持关于中国房地产市场泡沫的猜测，而且学术界对泡沫是否存在的论证方法也存在激烈争论。Liu Chen（2011）运用1999年至2007年间中国最大的35个城市的房地产市场相关数据，通过将房价分解为基本和非基本要素，运用Van Norden，Schaller（1994）的繁荣-泡沫体制转换模型（fad-bubble regime-switching model）检测中国房价非基本要素的走势，以此对中国房地产市场泡沫进行评估。研究发现，在中国一些具有较高GDP和收入水平的城市，确实存在房价投机泡沫。同时研究也表明，使用定量方法对房价的短期预测是不可靠的，但可以对房价的长期趋势做出粗略预测。从需求角度看，人们购买住房主要有三大动机：居住价值、投资和投机，因此刚性购房者数量将决定房价的长期走势。鉴于1990年后出生的人数减少，未来20年房价可能呈现下降趋势。总而言之，运用定量方法来预测房价泡沫何时会破裂并不可信。

（三）利用资产定价法评估中国房价。Qu Feng， Guiying Laura Wu（2015）运用均衡资产定价法，以无套利条件下的租金房价比为指标，通过对2013年四季度中国主要城市租金房价比的数据分析，以及人口、收入水平、土地供给等基本因素对预期房价估值的预测，发现中国房价上涨主要基于中国经济的强劲增长和大规模的城镇化进程，中国房市整体上不存在资产泡沫。

此外，该研究有两点需要说明。一是国家层面的整体房市均衡并不能消除地方房价泡沫。如果要评估某个城市是否存在房市泡沫，就需要获得该城市的具体相关数据，一般来说较难获得。二是房价预期增长率也是一个很敏感的因素。由于收入具有很大的弹性，同时收入的预期增长率本身就很高，这样即使收入预期增长发生很小的变化，由此带来的房市波动也是较大的。

（四）对中国部分热点城市房价过热的探讨。2009年中国房价飙升和贷款急剧增长引发了人们对房地产泡沫的担忧。Ashvin等（2010）运用两种方法测算房地产的基准价格：一是对价格与长期基本面的面板回归，二是测量房价与租金和持有成本之间的关系。然后再用第二种方法分析价格方差。研究发现：一是中国整体房价并没有显著超过基准价格，但是房价过高的现象在部分城市的普通住宅市场和高端市场都有显现。在2010年前半年，中国整体房价并不是特别高。但是东部省市，尤其是上海和深圳和一些内陆城市确实出现了房价过高的情况。北京和南京的部分区域房价也严重偏离基本面。二是中国房价的调整较迅速。过去十多年以来，一旦房价严重偏离基本面，很快就会出现调整。调整时间大概是1个季度，与香港的2-4个季度和新加坡的5个季度相比调整相对迅速。这种房价的调整模式与2008年之前很多发达经济体（尤其是美国、新西兰、法国）均不同，这些发达国家的房价偏离持续期较长，房价走势往往以一个突然较大的调整而告终。三是考虑到中国实际利率长期处于低位，国民缺乏其他投资渠道，住房抵押贷款的增长趋势以及房地产投资在整体投资中的重要性，中国房价快速上涨依旧有结构性动力。

五、房价的影响因素

（一）房价的驱动因素分析。James A. Kahn（2008）构建了包括土地、住房和其他商品在内的一般均衡增长模型，以解释过去40年里房价变化的原因。他提出，生产率增长趋势是房价中长期变化的一个重要驱动因素，其他因素例如人们偏好的非均匀性以及房屋所在土地价格的上升也是影响房价变化的重要因素。另外，研究还揭示出，次贷危机中由于生产力增长放缓而引起的房地产市场低迷从经济角度剖析具有合理性。当时，抵押贷款借款人普遍认为生产率下降、房价向下逆转的可能性极小，因此当时次级抵押贷款的产生符合当时的经济状况，被借贷双方认可。

（二）住房市场供需均衡对中国房价变化的影响。2009年以来，中国房价出现逆转性上涨，这引发了人们对房地产市场泡沫的担忧。此轮房价上涨主要是由于土地价格大幅上涨所致。Gregory C Chow，Linlin Niu（2014）运用供给-需求方程式，对中国城市住宅市场商业化以来居民住房需求和供给情况进行研究分析。研究发现，城市住房价格的快速增长可以通过由收入决定的需求和建设成本影响的供给之间的均衡得以解释。同时研究显示，当前住房价格的快速增长主要是由于可支配收入的增长推动需求曲线快速向上移动，而城市住房总量的供应不能保持同步增长所导致。

此外，本研究运用该框架对中国1987年至2012年的城市住房市场进行定量研究，发现城市住房需求的收入弹性约为1，价格弹性约为-1.1，住房总供给的价格弹性约为0.5。住房需求的收入弹性约为0.7，因为收入的提高造成需求曲线的移动明显快于供给曲线的移动。同时，该研究对收入弹性的估计与在其他国家和20世纪30年代初中国发现的结果相似。

（三）中国货币政策对房地产市场的影响。2008年金融危机之后，中国实施了宽松的货币政策和财政刺激计划，在保证经济高速增长的同时也带来了银行贷款的增加，而银行贷款很大一部分流向了房地产市场。房价上涨从侧面反映了信贷泡沫、产能过剩和资源错配问题。Ziao Zhang（2017）研究了中国货币政策对房地产价格的动态影响及两者之间的因果关系。因为相对于二三线城市，北京的住房需求非常高，房价对政策敏感度也非常高，因此文章侧重研究了M2货币供应量变动对北京房价影响。基于2006-2016年的北京房价和货币供应量及其他宏观经济变量的月度指标，构建出一个VAR模型。此外，为了检验货币供给对其他城市是否存在强烈影响，文章还构建出新的VAR模型以观察深圳的房市，并用CPI指数替代了M2进行稳健性检验。研究发现，M2货币供给冲击对北京房價有显著正向影响，作用时间长达5-9个月，但是房价冲击对M2货币供应没有影响。相较而言，运用深圳数据建立的VAR模型则显示M2货币供给冲击对深圳房价只有较小影响，且影响时间只有1个月，而采用CPI数据替换后的模型显示结果与原模型一致，这说明货币冲击对房价有正面影响，但是影响程度会因为制度差异而不同。而且，研究还发现，财政支出对北京房价也有正向影响，但是对深圳房价没有显著影响，汇率对房价没有明显影响。endprint

（四）北京地方限购政策对房市的影响。中国主要城市的房价飙升，引发了人们对资产价格泡沫和房价承受力的担忧。购房限制政策是中国最严厉的房地产市场干预措施之一，以抑制投机性需求，控制房价飙升。北京是第一个实施限购政策的城市。Weizeng SUN等（2014）采用断点回归方法（regression discontinuity design）研究发现，北京房市在限购政策下，二手房价格下降17 - 32%，租金价格下降约1/4，待售房屋库存下降1/2到3/4，租赁房屋库存没有显著变化。在住房供应缺乏弹性的市场中，限购政策对价格的影响较大，对数量影响较小。限购政策能够在不损害租赁者利益的前提下降低住房价格。当然，为了提高住房负担能力一味地抑制价格，而不控制空置率，限购政策也无法长期有效。另一方面，限购政策对高端楼盘的价格影响更大，相关买主从限购政策中获益更多。

需注意的是，限购政策并不能阻止部分人的投机行为，本文可能低估了这方面的投机需求。长远来看，避免或减少过度投机购买房屋的最有效方法也许是为人们提供更多的替代品，从而有效实现闲置资金投资，并提供良好收益以及通货膨胀保护机制。

（五）宏观经济变量对中国房价的影响。大量的实证研究和理论发现，房价能够反映长期的经济基本面。然而，相关实证分析也表明，中国房价的上涨已偏离了经济基本面。人们认为，中国的房地产政策，尤其是土地政策使经济基本面与房价之间的作用机理产生了扭曲。Zheyu Li（2015）采用统计模型对不同数据模型下的房价进行了估算。研究表明，土地供应与其他变量对房价产生了负面影响，而房地产金融抵押贷款对房价具有正向作用。同时，空置房面积与住房销售面积反映了住房市场的供给与需求，对房价表现出负面影响。研究还发现，中国各城市的房价影响因素存在差异。

（六）中国房地产价格的基本面与波动性。Yongheng Deng、Eric Girardin， Roselyne Joyeux（2015）运用北京和上海高频住宅价格序列，对房价增长驱动因素的备择假设进行检验。该研究有三个主要贡献。首先，收集了中国北京和上海房地产市场2005年1月至2010年的高频日交易数据，以减少官方公布的住房价格数据偏差。其次，提出了顺序性探究策略（sequential research strategy），对基础性因素对房价波动的影响加以观测。第三，评估了近期中国房价和房价波动上涨的决定因素，研究表示人们对房地产泡沫的担忧可能是毫无根据的，而基本面的变化可以很好解释房价的此轮上涨。

此外，研究结论还表明，在影响房地产的具体变量中，租金增长和土地供应对房价波动性具有正向影响。货币政策似乎无法影响长期波动，这与宏观审慎政策（贷款价值比，限购政策）的有效性形成了对比。

（七）中国房价波动与资本账户。Yuan Tian， Kevin P.Gallagher（2015）研究发现，海外短期资本流动对我国房价上涨存在中等程度的影响，对房地产市场波动性的影响更为明显。此外，分位数回归分析显示，热钱在房价上涨的过程中放大了资本流动对房价的影响。在市场波动性方面，回归模型表明，房地产市场波动性越强，短期资本流动对这种波动的影响越大。研究还发现，2006年出台的中国资本账户监管措施（CARs）似乎对整体住房价格的下降影响不大，但是对减少中国房地产市场价格波动性有巨大影响。

本文假设政策的时间效应在研究中保持不变。实际上，一项政策可能只在某一特定时期内有效。虽然中国的房地产泡沫似乎在某种程度上已经下降，但随着中国资本账户的开放，该研究提出必须制定有效机制来评估资本流动对资产价格的影响，在必要时要对资本流入采取临时性的监管举措。

（八）中国土地与房价测算。美国次贷危机以来，住房市场的稳定性受到各国决策者和学者的广泛关注。随着近年来中国房地产价格快速上扬，中国对全球增长的贡献不断扩大，许多人对中国房地产市场的稳定性提出质疑。Deng， Gyourko，Wu（2012）根据2003-2011年中国35个主要城市的土地拍卖情况，构建出恒质土地价格指数（constant quality land price indexes）。尽管不同市场的土地价格增长存在异质性，但平均来看，过去九年间，除过东南沿海地区外，许多城市的恒质土地价格指数均经历了年均两位数的增长，土地供应数量自2008年也翻了一番。实证结果显示，土地价格上涨有三个主要特征：一是每年土地价格均明显向均值回归，二是各城市土地价格变化明显受到国家层面（并非各地政府）共同因素的影响，三是土地价格波动性很大，房价波动主要受土地市场波动的影响，而非受建筑成本或建设行业工资的影响。

此外，该研究还对中国两个著名房价指数“新建住宅价格指数”和“70个大中城市住宅价格指数”进行剖析，认为中国官方公布的这两个指数具有明显的向下偏差。相较之下，房地产特征价格指数（hedonic indexes）更能准确地反映中国主要城市房价的变化。

（九）澳大利亚房价上涨因素分析与住房承受能力。Mike Berry（2006）研究了澳大利亚房价上涨的因素：一是资本市场的金融自由化，具体表现为宽松的信贷政策，监管机构鼓励金融创新并降低住房贷款准入门槛。二是宽松的信贷环境使得租赁投资市场迅速增长。三是越来越多女性进入劳动力市场，推动家庭收入不断增长。四是2000年股市回调的影响将居民储蓄的主要方式从股票转向房地产。五是投资者一直以来对实物资产的偏好，例如黄金和房地产，尤其是面對日益复杂的国际局势。此外，研究还提出有三个强化因素将房价变动和消费联系起来：一是房产抵押效应。次贷危机就是很好的一个例子。二是住宅建设。随着房价的上涨，住宅建设也愈发活跃，带动GDP增长迅速。当房价下跌时，房地产开发商利润下降，随之而来的住宅建设下降，总需求放缓GDP的增长。三是对耐用消费品需求的增长。建筑业和房屋装修激活了对诸多消费品的需求，促进了消费和经济的增长。endprint

住房承受能力對整体经济健康有着重要影响。在房屋压力加剧的情况下，住房价格上涨的风险会增加经济的整体波动，甚至在一定程度上加强了商业周期的振幅，使得宏观政策制定者更难以有效应对，住房承受能力的水平和稳定性可能会被视为宏观经济政策成效的有用指标。

纵观上述文献，聚焦房地产市场的研究众多，学者们从不同层面开展的探讨已经形成了分析房地产市场繁荣机制、房价影响因素的基本框架，这些文献为我们后续深入研究奠定了基础。目前，部分现有文献结论相互支撑验证，譬如土地供给与土地价格对于房价及其波动有明显影响的观点被普遍认可。但是需要注意，由于研究对象、样本或者方法的差异，部分研究结论存在争议，如收入不平等与房价之间的关系等，这有待未来进一步完善。

参考文献

[1]Fudong Zhang， Inequality and House Prices[J]， Job Market Paper，2016.

[2]Hanming Fang，Quanlin Gu，Wei Xiong，Li-An Zhou，Demystifying the Chinese Housing Boom[R]，NBER Working Paper，2015，No.21112.

[3]Zhang， Q.， Mei， D.X. An Empirical Research on Interactive Relationship of Urban Housing Prices in China： Analysis of SixMajor Cities[J]. Low Carbon Economy. 2015， 6， 64-72.

[4]Yuan Tian，Kevin P.Gallagher，Housing Price Volatility and the Capital Account In China[R]， GEGI Working Paper，2015， No. 2.

[5]Yongheng Deng，Joseph Gyourko，Jing Wu， Land and House Price Measurement in China[R]，NBER Working Paper，2012，No.18403.

[6]Ashvin Ahuja， Lillian Cheung， Gaofeng Han， Nathan Porter， Wenlang Zhang，Are House Prices Rising Too Fast in China？[R]，IMF Working Paper，2010，WP/10/274.endprint