商品房价格财富效应的地区差异研究

2018-01-18张志鹏余海霞

北方经贸 2018年1期

张志鹏，余海霞，罗艳

（郑州航空工业管理学院经贸学院，郑州450046）

随着近年来房价的高速上涨，居民在购房方面的个人居住支出或者是投资保值支出相比过去大大增加，该现象对于居民消费的影响主要归为两类：财富效应和挤出效应。一方面，房产价格的上涨会使得拥有住房的消费者在出售房屋时获得的收益增加，或者预期的收入增加，房地产价格的上升一般也会带来房租的升高，出租房屋者获得收益增加，消费水平提高，所以产生了正的财富效应；另一方面，房价上涨会增加有购房需求者的负担，购房成本提高，他们会降低消费水平增加储蓄去购置房屋，房租成本增加，因此会产生负的财富效应或挤出效应；此外，对于部分消费者，住房是为了满足居住需求而不是投资，也无法变现为实际的购买能力，所以对消费不会产生影响显著的财富效应。由此可见，财富效应有正有负。

二、分析模型与数据来源

（一）理论基础

1.混合估计模型。如果一个面板数据模型定义为 yit=α+βxit+εit，i=1，2...N；t=1，2...T

α和β相同且不随i，t的变化而变化，则称这个模型为混合估计模型。y为被解释变量，x为解释变量，α为截距项，ε为误差项。若选用此模型，则无论还是趋向于无穷，模型参数的OLS估计量均为一致估计量。

2.固定效应模型。固定效应回归是一种空间面板数据中随个体变化但不随时间变化的一类变量方法。固定效应模型分为三种：个体固定效应模型、时刻固定效应模型、个体时刻固定模型。本文选用的是个体固定效应模型：

此时对于不同的个体有截距项不同即随着的变化而变化。

3.平稳性检验。面板数据模型在进行回归之前，必须检验其平稳性，否则可能会影响最终的结果。有些序列本身就是不平稳的，就算回归之后得出的可决系数很趋近于，也没有任何意义，这时候的回归就是伪回归，是不可取的。所以为了避免虚假回归，必须对面板数据进行单位根检验。

（二）模型选择

根据前面所提到的消费函数和为了便于研究房价的财富效应，本文所采取的模型为：lnCit=α+β1lnIPit+β2lnFJit+μit，其中表示城市人均消费支出，表示城市人均可支配收入，表示房屋平均销售价格，用房价变动来表示居民资产财富的变化。

（三）数据来源与预处理

本文数据来自国家统计局的统计年鉴和各个城市的统计年鉴以及统计公报。由于我国房地产市场主要集中于城市，本文选取的是全国31个城市2004年～2015年的城市人均消费支出、城市人均可支配收入和房屋平均销售价格，房价的上涨对于人均消费支出的财富效应。全国31个城市主要包括省会城市以及北京、上海、广州、深圳等一线重点城市，由于拉萨统计局部分数据缺失，无法准确计算，所以并不在研究范围之内。可支配收入、人均消费支出和房价会受到通货膨胀的影响，所以要剔除价格因素的影响。然而各个地区城市价格存在差异，为了准确体现房地产价格的变化，于是计算各个城市以2004年为基期的CPI平减指数，用这个指数剔除价格因素，通过取对数得到的城镇人均消费支出、城镇人均可支配收入和房价的对数序列。

三、实证分析

（一）面板数据的平稳性检验

本文采用的是LLC(Levin-Lin-Chu)检验进行单位根检验，检验结果表明，三个变量均为平稳的，无需进行一阶差分进一步探讨，所以也无需进行协整检验。

（二）F检验和豪斯曼检验

本文采用面板数据模型，面板数据回归模型的类型有：混合效应回归模型固定、效应回归模型和随机效应回归模型，这就需要运用F检验以及Hausman检验来判断决定用三者中的哪一模型。

1.F检验。假设H0：β1=β2=…=βN（混合效应回归模型）

H1：α1=α2=…=αN，β1=β2=…=βN（固定效应回归模型）

其中，T=12，K=2。

如果接受了H1，则为不变参数模型；如果拒绝了H1，则检验H0，如果接受了H0，则为变截距模型，如果拒绝了H0，则为变参数模型。根据以上信息，分别计算混合效应、固定效应和随机效应回归三种回归模型的残差平方和S1，S2，S3和各自的自由度。

通过Eviews8.0检验得表1：

表1 面板数据回归模型F检验的残差平方和与自由度

计算得出F1=30.3361，F2=48.2918，通过公式得到在显著性水平为5%的Fa1（60，279）=1.367，Fa2（90，279）=1.3117。如果 F1＞F[(N-1)k，N(T-k-1)]，则拒绝H0，又 F2＞F[(N-1)(k+1)，N(T-k-1)]，则拒绝 H1。由于F2＞Fa2，则拒绝 H2，又由于 F1＞Fa1，所以本文所用的模型采用变系数模型。

2.Hausman检验。通过Hausman检验得到的值大于临界值，所以不拒绝原假设，应该用随机效应模型，但是由于用随机效应模型得出的可决系数R2很小，模型的拟合程度不好，又选取了固定效应模型做回归，得到的可决系数R2=0.987比较大，拟合程度更好一些，根据Wooldridge的一般经验研究，选择固定效应模型解释会更合理些，因此最终选取固定效应模型。

在这里再考虑商品房平均销售价格变量的固定效应模型在变系数模型情况下的估计系数。

通过变系数模型可以得到不同城市各个变量的收入估计系数房价估计系数如表2。

表2 固定效应模型变系数下的各城市收入系数以及房价系数

从表中可以看出，有些城市的房价系数为正即有财富效应，有些城市的房价系数为负即有挤出效应，有的城市的系数趋近0，财富效应不显著。财富效应的有：深圳、上海、重庆、长沙、郑州、太原、西安、福州、石家庄、哈尔滨、呼和浩特、乌鲁木齐、广州、海口、银川、西宁、兰州、成都、南宁、南京。挤出效应的有：北京、合肥、武汉、天津、济南、南昌、长春、杭州、沈阳、昆明、贵阳。但是这样并看不出区域特性，采用经济意义，由国务院2015年提出的城市，将这31个城市分为了一线城市、新一线城市、二线城市、三线城市。其中一线城市包括：广州、上海、深圳、北京。新一线城市包括：成都、杭州、南京、武汉、天津、西安、重庆、沈阳、长沙、福州、济南。二线城市包括：昆明、郑州、长春、合肥、南昌、哈尔滨、南宁、石家庄、太原、贵阳、呼和浩特。三线城市包括：乌鲁木齐、兰州、西宁、银川、海口。假定各线城市中没有个体差异和时间差异，不存在截距和斜率的变化，因此使用混合效应模型来分析各线城市的财富效应。

表3 全国各城市以及各线城市的消费函数

四、商品房价格财富效应的地区差异分析

综合来看，这组消费函数的估计效果较好的，可决系数都挺高的，模型拟合程度很好。从全国的消费函数来看，修正后的可决系数为0.8014，模型拟合优度很好，解释变量均显著。房价系数为0.0758，表明房价每上涨1%，城镇人均年消费支出增加0.0758%。说明在总体上看，我国房价总体的财富效应是正的，房价上涨会导致人们消费支出增加。

（一）一线城市表现为挤出效应

一线城市的财富效应为-0.1126，体现为挤出效应。现行的土地供给制度和城市化建设，导致了地少人多。房地产生产周期长导致供给曲线陡峭，供给弹性小，房屋没有什么东西可以取代，所以对于一线城市来说，人口集聚性比较强，土地资源稀缺，人们普遍对房地产的价格持有增长预期。实际情况看，我国北京、上海、深圳和天津等一线城市，房价收入比远高于二线和三线城市，对城市居民造成了较大的负担，所以他们一般只能减少消费来支付房屋的费用。中国人的传统观念中房子即为家，并且现在的人结婚的前提是必须有房有车，这就使得买房不仅是年轻人的事情，还是他们的父母所要一起承担的压力，于是伴随着房价的不断上涨，它们对消费的挤占作用也以倍数效应扩大。

（二）新一线城市表现为较弱的财富效应

新一线城市的财富效应为0.0188，体现出较弱的财富效应。新一线城市的房价没有一线城市的房价上涨程度那么大，再加上新一线城市的人均可支配收入近几年也上涨的很快，房价收入比相比于一线城市较低，拥有住房者消费水平会有微小的提高，消费挤压现象不明显，所以房价上涨也并没有产生较为明显的财富效应，对消费也并没有产生明显的促进作用。尽管新一线城市房地产的财富效应并不显著，仍有重蹈一线城市覆辙的可能性，所以可能在不久的将来也会产生挤出效应。

（三）二线城市表现为财富效应

二线城市的财富效应为0.1082，体现为财富效应。由于二线城市的人口变动相对较少，而且那些房屋大多都是居民用来自住的，房价和上涨的幅度都比经济发达的城市要低，同时人们认为房价还有很大的上升空间，会觉得自己的财产在无形中增多，所以会提高消费，因此对消费起到了积极的促进作用。

（四）三线城市的财富效应不显著

三线城市的财富效应0.066，体现为不显著的财富效应。三线城市的房地产市场相比于一二线城市来说比较落后，房地产信息不完善，所以限制了房地产的流动性，并且这些城市的居民买房只是为了居住，投机成分也比较少，同时他们的收入也比较低，房价增长不高，资金紧张，社会保障不高，导致房价的上涨在这些城市的财富效应并不显著。