中国人口老龄化会减少住房需求吗？

丁 洋，郑江淮

(1. 对外经济贸易大学 国际经济贸易学院，北京 100029；2. 南京大学 经济学院，江苏 南京 210093)

一、问题的提出

一般认为，人口老龄化会减少住房需求，并使房价下跌，因为住房需求的主力群体是青壮年，老年人倾向于抛售房产[1]。

很多国家的发展历程都验证了这一判断，其中，最典型例子的就是美国，在上个世纪90年代，“婴儿潮”期间出生的大量人口纷纷步入了老年，这使住房需求迅速降温，直接诱发了房价下跌。类似地，日本在1990年前后开启了人口老龄化的时间窗，房价旋即步入长达20多年的下降通道，至今仍无起色。

从理论上讲，中国人口老龄化对房价的压力应该比西方国家更大，因为有计划生育等人为因素的叠加影响。自上个世纪70年代以来，计划生育造就了大量的“2+1”型家庭，人口老龄化又催生了大量“4+2+1”型家庭，届时一对年轻夫妻将继承来自于双方祖父母、外祖父母及父母的多套房产，住宅将严重过剩，价格将大幅下跌。谢国忠就曾预言，人口老龄化会使中国房价降一半还不止*参见：“谢国忠：房地产泡沫正在破灭，2014年房价跌50%”，《中国证券报》2014年1月20日。。

但现实却出乎预料，近十几年来，中国人口老龄化率不断提高，房价却丝毫没有松动的迹象，反而像脱缰的野马，急速攀升。如图1所示，2000-2015年，65岁及以上老年人口比例从6.96%升至10.47%，年均增加0.23%，住宅商品房的每平米销售均价却从1948元增加到6473元，名义涨幅达2.32倍。

那么，人口老龄化为什么没有使中国房价下跌呢？

本文首先从理论维度分析了这个问题。我们发现，在“一个家庭需要一套房”的基本规律下，决定住房需求不是人口数而是家庭数。人口老龄化催生大量的独居型老人家庭，他们会产生新的住房需求。这是老龄化背景下房价不降反升的原因之一。只有当老年人进入高龄阶段后，才回归大家庭，家庭数才减少，住房需求开始下降。因此从理论上说，老龄化对住房需求的影响是呈倒U型的，即开始时是刺激住房需求的，只有达到一定临界后，才转为下降。

利用中国2005-2015年的省级面板数据，可以证明确实如此。在65岁以上人口占比达到18%前，随老龄化率提高，商品房成交套数是一直增加的，此后才开始减少。目前中国人口65岁以上人口比例约为11%，即便今后老龄化加速，每年以0.35%的速度递增，至少在未来20年内，老龄化都是刺激住房需求的。

上述结论具有重要的政策内涵：首先，它提醒我们，那种寄希望于老龄化来遏制房价的想法是不可取的。在未来较长一段时间内，老龄化非但不会平抑房价，还会助推房价，对此不能掉以轻心，房地产调控也须臾不能放松。其次，老龄化助推房价的渠道是独居型老人对住宅的需求，而这类需求与青壮年有很大不同，引导好老年人的住房需求，既能提高其晚年生活品质，又能缓解对房价的冲击。

图1 中国人口老龄化与房价演变趋势

二、文献综述

关于人口老龄化对住房需求的影响问题，国外学者进行了大量的研究。

其中，最有代表性的可追溯到Mankiw的一篇种子文献。在这篇文章里作者提出一个重要假说，即在人的生命周期的不同阶段住房需求是不同的：在20岁之前，因为没有购买力，住房需求近乎为零；20-30岁，因为要结婚生子，开始出现首次置房需求；30-40岁，住房需求趋缓，并达到高峰；40岁之后，开始进入递减区间[1]。该假说成功地解释了美国70年代的房价上涨，并为其后分析人口结构变化对房地产影响的文献提供了基本的研究框架。

至于从生命周期到住房需求的传导机制，一般认为是不同年龄段的人的收入预期及风险偏好不同所致：青壮年的未来收入预期高，风险偏好度大，因此更倾向于配置像房地产这样的大类资产；老年人相反，收入预期下降，风险偏好降低，倾向于配置保守的资产，减少房地产投资。但在“老龄”的具体界定上，不同研究者存在一定的分歧，比如，McFadden认为，人过50岁之后住房需求就开始减少[2]，Chiuri & Jappelli则认为至少要到65岁之后[3]。

上述理论得到了实证研究的广泛验证，就以美国为例，在上个世纪70年代，“婴儿潮”期间出生的20-30岁人口达到峰值时，住房需求最旺盛，但当他们步入老龄化阶段后，住房需求又迅速回落[2]。其他一些OECD国家，比如，德国、日本、荷兰、英格兰[4-6]，甚至中东欧的一些国家[7]，均显示出类似的住房需求随人口结构变化而变化的趋势。

但现实中，似乎又出现了矛盾的一面，那就是，自上个世纪90年代之后，除德国和日本外，多数发达国家的老龄化程度不断提高，而住房需求乃至房价也一直在上升，这种“双升”的局面与今天中国很类似。那么，它是不是打破了Mankiw的判断[1]，否定了老龄化对房地产的负向影响呢？

答案是否定的，人们并不否认老龄化的负面影响，只不过，在老龄化过程中叠加了其他因素的影响，它们可能是正向的，抵消了老龄化的负面影响。概括起来，这些因素大致包括：1、经济增长。尽管老龄化使适龄购房人口减少，但经济增长本身会催生出更大的新增购房需求[8]。2、利率。宽松的货币政策会刺激人们的购房需求，并抵消老龄化的影响[9]。3、少年抚养比。决定购房能力的是人口的总抚养比，而不仅仅是老年抚养比，人口老龄化使老年抚养比上升，但随着出生率的下降，少年抚养比也下降，甚至是以更快的速度下降，进而导致总抚养比下降，家庭的住房消费能力上升。

上述研究具有很大的启发意义，但我们并不能照搬它们来解释中国的问题。举一个简单的例子，家庭是房屋的基本消费单元，决定其需求的不仅是人口总数，更应该是家庭总数，而家庭数不仅取决于人口数量，还取决于家庭的人均规模。在其他因素相同的情况下，家庭规模越小，就会衍生出更多的家庭及住房需求。西方学者可以不考虑这一因素的影响，因为它们早已完成家庭小型化的演变历程，家庭规模已趋于稳定，家庭数主要取决于适龄购房人口数，但中国则不然，在经济发展过程中，社会转型也在加速进行，家庭小型化、核心化趋势不断蔓延。在这种情况下，人口老龄化很可能会与家庭小型化一起产生交织发力，并使它对住房需求的影响呈现出新的特点，因此，我们还要结合中国的具体情况展开具体的研究。

但目前国内学术界就人口老龄化对住房需求的影响进行研究的还并不多见，且多与西方研究范式相近。一些学者检验了生命周期中不同年龄段的人对住房需求的变化，并得出了随着老龄化加剧，住房需求下降的结论[10-11]。当然，也有学者指出，当叠加进其他一些因素后，比如少年抚养比下降[12]、老人对子女购房进行资助[13]、城镇化[14]等因素的影响后，老龄化对住房需求的影响会显得更加复杂，甚至会被掩盖掉[15]，反言之，当剔除这些因素后，老龄化对住房需求的负向冲击仍是成立的。

总的来看，国内学者对上述问题的研究，与西方文献没有根本的区别，重点仍是人口结构对适龄购房人数的影响以及外生叠加因素的影响，而没有融入中国特有的国情因素特别是家庭小型化趋势所可能带来的内生变化。在这个问题上，陈彦斌等虽有所涉及[14]，但他们并没有进行系统的佐证，只是在默认此假说的基础上进行预测。本文余下部分将致力于探讨这个问题。

三、人口老龄化对住房需求影响的理论分析

西方主流文献一般都是秉承新古典经济学的分析范式，以个人为决策单位来分析不同年龄段人口的住房需求变化，但实践中房地产属于大类资产消费，金额巨大，对多数家庭来说，不可能仅凭个人喜好来决策，而要考虑家庭利益的最大化，因此属于典型的集体决策行为。家庭决策是我们分析的出发点。

假设经济中有一个典型的家庭，从第一代父母开始，每隔T年增加一代人，下面以第一代父母的生命周期为主线来考察家庭住房需求的阶段性变化：

1、第一代父母达T岁，属青年期，因为婚育，产生了Mankiw意义上的首次置房需求[1]，这是“刚需”。此间会生育子女，并与子女同住。

2、第一代父母达2T岁，属中年期，这时子女成年并婚育，一般需要独立住房，这时就产生了家庭的第二次购房需求。当然，也不排除第一代父母与已婚子女同住的情况，但随着经济社会发展，家庭小型化、核心化，已成为一种广为接受的现代生活方式，影响到中国社会的各个角落。现实中，很多适龄男青年被女方父母逼着买婚房的情形屡见不鲜，就是真实的写照。

3、第一代父母达3T岁，入老年期，这时孙辈成年并要婚育，一般也要有独立住房，由此产生了家庭的第三次购房需求。问题就出在这里。

如何解决孙辈的住房问题？过去的解决办法就是存量房的代际转移。以前，人均寿命较短，在孙辈进入婚育年龄时，第一代父母(即祖父母)可能已经去世，其房屋让渡给孙辈，这样家庭房屋消费不再增加，只是存量房在代际间的转移，但老龄化打破了这种平衡，因为在孙辈的婚育年龄，祖父母完全有可能还健在，这时，除非祖父母与子女或孙辈同住，否则，就必须购置第三套住房以独居。

一般而言，老人独居会导致人口老龄化与户数增加相伴而行，就以德国为例，1980-2010年，老龄化率从10%提高到26.6%，虽然人口总数维持在7500万左右基本没变，但家庭户却从1900万增加到4000万，翻了一倍还多。

今天中国也出现了类似的变化趋势，2000-2010年，中国65岁及以上人口占比从6.96%提高到8.9%，其间，人口总数基本保持稳定，从12.7亿增加到13.4亿，增幅仅为5.5%，但家庭户数却从3.4亿增加到4.02亿，增幅达18.2%，户数的增幅远超过人口的增幅，其背后就是老人独居带来的家庭小型化。

另一组数据更能直接证明家庭小型化趋势。调查数据表明，2003-2015年，中国一人户家庭比例从7.6%增加到13.1%；两人户从19.1%增至25.3%；三人户则从31.7%降为26.4%；四人及以上的多人户从41.6%降为35.2%。

如果单看城镇家庭，小型化趋势更明显，1990年中国城镇家庭的平均人数是3.5人，1997年降为3.19人，2004年跌破3人，2011年则降至2.87人，目前这种趋势仍在延续。如按发达国家的标准，还有很大的缩小空间，比如2010年，日本的户均人口规模已降至2.46人，德国则已接近于2人。考虑到年轻夫妻的家庭结构多为3口甚至4口人，户均低于3人必定是老人独居使然。

可以说，在老人独居与家庭小型化问题上，中国正在经历与发达国家类似的轨迹。

4、第一代父母达4T岁，属高龄期，这时重孙辈已经成年并要婚育，也要独立住房，但此时第一代父母(即曾祖父母)年事已高，可能失去自理能力，要回归大家庭或搬进养老机构，其住房腾出并让渡给重孙辈，这时家庭住房需求的增长势头开始受到遏制，但是否下降，还取决于新老人口变化的对比。

如果进入婚育年龄的重孙辈的人数大于1，那么腾挪出的房屋不够，就要增置新房，住房需求还会增长；反之，如果婚育重孙辈的人数小于1，那么腾挪出的房子还有富余，家庭的住房需求就会下降。

对照中国当今现实，第二种可能性很大。我们知道，随着经济社会发展水平的提高，人口增长模式会转向“低出生率，低死亡率，低自然增长率”，中国已出现这样的趋势，且愈发明显，特别是出生率，1990-2015年中国人口出生率从2.106%猛降为1.207%，总和生育率平均只有1.2左右，要远远低于公认的维持人口平衡的2.1标准。这意味着，将来在典型家庭里高龄老人的“生产速度”会大大快于适龄购房的年轻人的“生产速度”，其中，尤以“4-2-1”结构为代表，所以住房需求开始下降。

我们可用图2将上述总过程直观地描述出来。

总之，上述分析表明，人口老龄化最终会减少住房需求，但在开始阶段，住房需求仍呈绝对的增长态势，只有达到某一临界点后才开始减少。

基于此，我们提出如下理论假说：

命题：人口老龄化对住房需求的影响呈倒U型，开始阶段非但不会减少，反而会增加，只有当老龄化达到一定程度时，负向影响才开始显现。

图2 第一代父母的生命周期与家庭住房需求

四、实证检验方法与变量处理说明

为检验上述命题，我们将基于2005-2015年的省级面板数据进行检验，面板数据的优点在于，能扩大样本容量，并弱化遗漏变量所可能带来的问题。之所以选择2005-2015年为样本期，既是出于数据可得性的考虑，也是因为自1998年启动住房制度改革后，中国房地产市场经过近6 年的酝酿后于2005年正式进入上涨通道，选择该样本期，有利于剔除周期性因素带来的干扰。如下数据均取自WIND数据库、中经网数据库、国家统计局网站，或整理得出。

(一)模型设置

我们设定如下的计量检验模型：

(1)

式中，下标i代表截面单元，即31个省市自治区，下标t代表时间序列，即2005-2015年。

被解释变量lnH为住宅商品房成交套数的对数。前述分析表明，在老龄化过程中，家庭对新增住房的需求主要是源于家庭小型化趋势下新的家庭的诞生，按一个家庭一套房的逻辑，房屋套数是最能反映住房需求的，甚至优于成交面积。

解释变量中，lnHt-1为滞后一期的被解释变量，之所以引入它，主要是因为房屋交易很可能会受到上一年交易量的影响。

核心解释变量是old，即老龄化率。基于数据的可得性，我们用65岁以上人口在总人口中的比例来表示。一般认为，65岁以上人口比例达7%，或60岁以上人口比例达10%，即可称为老龄化社会，这两个指标有一定的可替代性。

如前所述，老龄化对住房需求的影响可能是倒U型的，为检验这一趋势，还要引入老龄化率的二次项oldsq。如果命题成立，即老龄化在开始时刺激住房需求，只有当达到一定程度时才转向减少住房需求，那么，老龄化影响的一次项系数α2应该为正，二次项系数α3应该为负。

Z为控制变量，即其他一些可能会影响房地产交易的因素，主要包括：1、住宅商品房成交均价的对数lnHP。我们知道，价格是影响成交量的一个重要变量，它汇集了供求两方面因素的影响。2、人均GDP的对数lngdp，引入该指标主要是为了度量经济发展水平对住房成交的影响。3、城镇人口的对数lnupeople，人口数量，特别是城镇人口的数量是决定住房需求的一个重要因素，为控制它，人们通常会引入人口总数和城镇化率两个指标来反映，我们在这里做简化处理，直接引入城镇人口数量，它可以视作上述两指标的乘积。4、利率r。一般来讲，房地产交易多依赖信贷杠杆，利率能反映调控政策的导向以及购房的财务成本。对于一年中利率有变化的，按时间长度取加权利率。5、少儿人口，即14岁以下人口占比young。通常认为，少儿抚养比也会对家庭的住房需求产生重要影响，比如，抚养负担过重会削弱家庭的房屋消费能力。

e为满足白噪声条件的随机扰动项。

(二)GMM估计方法

模型(1)是一个动态面板数据模型，遗漏变量可能会对lnHt-1施加影响，进而导致内生性的问题，因此不能用静态面板数据的估计方法进行估计。

不失一般性，假设有如下的动态面板数据模型：

yi,t=α0+α1yi,t-1+α2xi,t+ui+εi,t

(2)

其中，y为被解释变量，x为解释变量，ui为截面效应。

为消除截面效应，对(2)做差分处理，可得：

Δyi,t=α1Δyi,t-1+α2Δxi,t+Δεi,t

(3)

上式中，Δyi,t-1=yi,t-1-yi,t-2，对照(2)式，仍可能与Δεi,t=εi,t-εi,t-1发生相关性，内生性问题仍存在，为此，需要给Δyi,t-1寻找工具变量，其条件是既与Δyi,t-1高度相关，还要与Δεi,t不相关。一种选择就是，yi,t-2,yi,t-3,yi,t-4……yi,1，滞后两期以上的水平向量，既与当期扰动项无关，也与滞后一期的差分变量相关，在此基础上迭代估计。该方法就是差分GMM估计[16]。

但差分GMM估计会造成两期样本损失，信息损耗较大，为解决这一问题，研究者又提出，在水平工具变量yi,t-2,yi,t-3,yi,t-4……yi,1的基础上再加上差分变量Δyi,T,Δyi,T-1,……,Δyi,2，作为新的集成工具变量，在此基础上，再进行迭代分析。该方法就是系统GMM估计[17]。

一般认为，由于系统GMM包含更多的来自于水平方程的信息，相对于差分GMM估计要可靠一些。当然，实践中使用差分GMM估计或系统GMM估计的都有。为稳妥起见，我们在下面分析中将同时使用两种方法，并进行对比。

五、人口老龄化对住房需求影响的实证检验结果

由于样本期只有11年，而截面单元多达31个，对于这样的宽面板数据，可不必进行稳定性检验，而直接进行GMM分析。模型(1)的估计结果如下：

从表1可以看出，四个模型均能通过工具变量的过度识别检验。

先看差分GMM估计的结果。

表1 房屋成交套数的回归结果(被解释变量：lnH)

注：(1)***、**、*分别代表通过1%、5%、10%的显著性检验；(2)括号内为标准误；(3)Hansen检验的原假设为过度识别检验有效。下同。

从表1第2栏可以看出，lnHt-1的系数不显著，说明当期的房屋成交量没有受到上期成交量的影响。lnupeople的系数显著为正，为0.77，说明城镇人口数对房屋交易产生了重要影响，这与我们的经验直觉相符。young的系数显著为负，且达到-6.399，说明随着少儿人口占比的提高，房屋成交套数会下降，这个结论与多数学者的研究结论一致，一般认为，这主要是由于少儿抚养比会削弱家庭的购房消费能力所致。lnHP的系数也显著为正，达到0.491，说明随房价上涨，房屋成交套数非但没有下降反而上升。这与经验直觉不相吻合，一般而言，成交量应该随价格上升而下跌，之所以出现这种情况，可能的原因就是，中国房地产市场很特殊，是一个典型的卖方市场，价格越高，供给越多，成交越多。另外，居民买涨不买跌的心理也起到推波助澜的作用。

作为最核心的解释变量，old的系数显著为正，为0.123，oldsq的系数显著为负，为-0.671，说明老龄化率对房地产成交套数的影响确实是二次型的，且呈先增后减的趋势，即为倒U型关系，这与前述命题假说相符。

为检验上述结果的稳健性，在第3栏又引入了两个控制变量，即lngdp和r，结果发现，除lnHt-1和lnupeople外，其余变量的系数均没有发现太大变化。两个新增变量的系数情况是，lngdp的系数显著为正，为0.386，说明经济发展水平越高，房屋成交套数越大，究其原因，经济发展水平提高了人们的购房能力。r的系数显著为负，为-0.067，说明随利率提高，房屋成交套数减少，这与经验直觉相符，毕竟，很多人购房都是靠信贷杠杆实现的。

old和oldsq的系数变化都不大，前者变为0.153，后者变为-0.818，它们均能通过1%的显著性检验。对应于这一结果，老龄化对房地产成交套数的影响拐点大约出现在65岁以上人口占比为18.7%处。

下面看系统GMM估计的结果。

比较第4栏和第5栏的结果可以发现，在引入控制变量lngdp和r的前后，old和oldsq的系数相差不大，稳定性较好。为简单起见，我们只汇报引入后的回归结果。第5栏显示，lnHt-1的系数显著为正，为0.487，说明房屋成交套数受上一期成交套数的正向影响，具有一定惯性。lnupeople的系数为0.711，说明城镇人口数对房屋交易有正向促进作用。r的系数显著为负，为-0.060，说明房屋成交套数与利率呈反向变化关系。其余控制变量的系数均不显著。

现在来看核心解释变量old和oldsq的系数，它们分别为0.201和-1.007，均能通过10%的显著性检验，这再次证明，人口老龄化对房屋成交套数的影响是呈二次型形态的，即先刺激后遏制。对应于这一结果，影响拐点大约出现在65岁以上人口占比20%处。

综合上述两种GMM估计的结果，可以发现，在开始阶段，老龄化确实会使房屋成交套数增加，只有当65岁以上人口占比达到18%-20%时，需求才开始减少。这种倒U型的影响证明了前述命题的假说。

六、对人口老龄化影响的进一步解释与检验

从上述结果出发，我们再从如下两个维度展开进一步的检验。

(一)老龄化使套均成交面积先减后增

根据前述分析，在老龄化的开始阶段住房需求之所以不减反增，主要是因为家庭小型化驱使，独居产生了老人的新的购房需求，由于家庭规模小，如果人均住房面积不变，那么，套均成交面积会下降；相反，当进入高龄化后，老人回归大家庭，又会使套均面积变大。为检验这一推测，我们构建如下的计量模型：

(4)

式中被解释变量lnarea为套均成交面积的对数，核心解释变量仍为老龄化率old及其二次项oldsq，与模型(1)不同的是，在那里，二次曲线是开口向下的，而这里，如果上述推测成立，开口应该向上，一次项系数β2应该为负，二次项系数β3应该为正。控制变量与模型(1)相同，因为影响成交套数的那些因素也会对套均成交面积产生影响，比如，城镇人口、经济发展水平、利率等。

利用两种GMM估计方法，模型(4)的估算结果如下表所示：

表2 套均成交面积的回归结果(被解释变量：lnarea)

为避免赘述，同时鉴于系统GMM估计的科学性可能更高，我们先描述一下系统GMM估计的结果，然后再与差分GMM估计结果进行对比。

最后一栏显示了引入全部控制变量后的GMM估计结果，lnareat-1的系数显著为正，为0.169，说明套均成交面积具有一定的惯性。lnupeople的系数为负，说明随城镇人口增加，套均成交面积下降。young的系数为正，达0.472，说明少儿人口占比越大，套均成交面积越大。这也容易理解，孩子越多，家庭所需要的生活面积也应该越大。lngdp的系数为负，说明随经济发展水平的提高，套均面积变小，这与经验常识有一定的冲突。利率r的系数显著为负，说明套均成交面积与利率呈反比，利率越高，购房的财务成本越大，可能会使面积减少。

现在看核心解释变量的情况。old的系数显著为负，为-0.03，oldsq的系数则显著为正，为0.168，说明老龄化对套均成交面积的影响确实是先减后增的，拐点大约出现在65岁以上人口占比17.8%处。

至于差分GMM估计，核心解释变量的系数没有出现太大变化，第3栏显示了引入全部控制变量后的情况，old的系数显著为负，为-0.034，oldsq的系数为0.2，老龄化的影响也是先减后增的，拐点大约是65岁以上人口占17%处。

综合上述两种GMM估计结果，可以发现，一开始老龄化确实会使套均成交面积下降，当65岁以上人口占比达到17%-18%时，才开始变为增加。该拐点与老龄化对成交套数的影响拐点相近。

(二)老龄化使家庭户数先增后减

进一步，如果前述命题正确，那么，在家庭小型化趋势下，在老龄化的开始阶段，老人的独居需要应该会使家庭户增加；相反，当进入高龄后，回归大家庭又使家庭户变少。为检验这一推测，我们设立如下的计量检验模型：

(5)

式中被解释变量lnfamily为家庭户数的对数。解释变量中，老龄化率old及oldsq同前。如果上述推测成立，二次曲线的开口应该向下，一次项系数φ2为正，二次项系数φ3为负。控制变量包括：在校小学生人数的对数lnstudent，之所以引入该变量主要是因为它合成了三个变量的影响：总人口、14岁及以下少儿人口的比例、在校小学生人口比例，这三个变量都会对家庭数量产生影响。总人口及少儿人口比例的影响自不必说，小学生对家庭户数的影响也是非常大的，很多家庭就是因为有孩子上学需接送，而让老人一起居住。另一个控制变量是lngdp，在其他因素相同的情况下，经济水平越高，家庭小型化趋势应该越明显，家庭户数也应该越多。

模型(5)的估算结果如下表所示：

与前类似，先看系统GMM估计的结果，然后再与差分GMM估计进行比较。最后一栏为引入全部控制变量后的GMM估计结果，lnfamilyt-1的系数显著为正，且高达0.966，说明家庭户数具有很强惯性，在很大程度上取决于上一期户数，这是可以理解的。lnstudent的系数也显著为正，为0.05，说明随小学生数量的增加，家庭户数增加。lngdp的系数不显著，说明经济水平对户数影响不显著。

表3 家庭户数的回归结果(被解释变量：lnfamily)

现在来看核心解释变量old和oldsq的系数，它们分别为0.025和-0.221，且均能通过显著性检验。这表明，随着老龄化程度的加剧，一开始家庭户数确实是增加的，后来又转向减少，拐点大约出现在65岁以上人口占11.3%处。

第3栏为引入全部控制变量后差分GMM估计的结果，old和oldsq的系数分别为0.013和-0.121，也证明随老龄化的加剧，家庭户呈先增后减的倒U型关系，拐点大约出现在65岁以上人口占10.7%处。

综合来看，老龄化对家庭户数的影响拐点大约在65岁以上人口占11%处，这个拐点比前面两个拐点都要提前。从理论上讲，三个拐点应该是一致的，至于为什么会出现这个情况，我们认为可能与家庭户界定的模糊性有关，比如，老人已经与子孙分开生活，但户籍上仍显示为一户，进而造成统计上的偏差。

七、结论与建议

(一)对本文结论的简单总结

一般认为，人口老龄化会减少住房需求并使房价下跌，但近年来，中国的人口老龄化并没有使房价下跌，反而节节攀升。为什么？

我们通过理论分析发现，住房需求取决于家庭数，而不是人口数，在家庭小型化趋势下，人口老龄化会使家庭数增加，进而带动住房需求，只有当老龄化达到一定程度时，老年人进入高龄后，回归大家庭或进养老机构，住房需求才会真正下降，所以老龄化对住房需求的影响是先增后减的倒U型。

利用中国2005-2015年的分省面板数据，我们证明了上述推测：在一开始，随着老龄化率的提高，住宅成交套数确实是增加的，只有当65岁以上人口占比达到18%-20%后才开始减少。目前中国该比例约为11%，即便今后老龄化加速，每年按0.35%递增，至少在未来20年内，老龄化都是刺激住房需求的。

(二)政策建议

上述结论具有重要的政策内涵，它告诉我们，寄希望于老龄化来遏制房价的想法并不可取，老龄化非但不会遏制房价，反而会助推房价，因此，房地产调控须臾不能放松。针对老龄化可能带来的影响，我们提出如下的政策建议：

1.构建新型住宅价格预警机制，适时监测老龄化的影响

中国正在加速进入老龄化社会，它对房地产行业的影响是深远的，而且随着时间推移，影响也会不断变化。为保证房地产行业的健康稳定运行，我们应未雨绸缪，构建新型监测体系，把老龄化等人口因素的影响纳入进来：在什么时点，老龄化的影响是怎样的？在什么时点，影响又将转变？对这些信息，我们应进行前瞻性的预测，并向社会发布，供企业、居民等经济主体决策时参考。

2.改善老年住房的供给结构，满足老年人的美好生活需要

老龄化之所以会助推住房需求，主要是家庭小型化背景下老年人对更高品质生活质量的追求，正如十九大报告所指出的，是“人们日益增长的美好生活需求”的一个组成部分。我们既要对这部分进行合理的调节和引导，更要从本质上满足老年人的需要，提高其晚年生活质量。老年人的住房需求与中青年有很大不同，比如面积小、带扶手、保健功能、节能环保、绿色宜居等。目前我国住宅供给还较少考虑老年人的需求特点，存在一定的供求错位。将来应鼓励开发商增加符合这些特点的老年住宅的供给量，并从金融、税收、补贴等政策方面进行引导。

3.优化老年住宅的供给形式，通过租售并举来缓解它对房价的冲击

老年人的住房需求带有一定的过渡性，步入高龄后，他们还是要回归大家庭或进养老机构，房屋终将空出，所以老龄化对房地产价格的助推也是阶段性的。为缓解这一冲击，可以将老年住房需求引向租赁地产，比如老年公寓，由国家来统一建设，到期收回，循环出租，缓解增量需求对房地产价格的冲击。当然，为刺激租赁，国家应在税收上进行相应的设计，比如，征收房屋空置税，对租赁给老年人的业主，在税收方面予以优惠等。

4.通过金融创新等手段，引导高龄老人盘活存量，增加住宅供给

我们可以利用高龄老人对住房需求的下降趋势，在一定程度上抵消老龄化对房价的助推影响，比如通过倒按揭等形式，既解决老年人养老的后顾之忧，也能把部分存量房推向市场，增加供给，平抑房价。当然，这些制度创新要切实考虑老年人的利益需求，真正造福于老人，他们才能从心理上接受。

[1]Mankiw G, Weil D . The baby boom,the baby bust, and the housing market[J]. Regional Science and Urban Economics, 1989, 19: 235-258.

[2]Mcfadden D. Demographics the housing market and the welfare of the elderly[R]. NBER Working Paper, 1994, 7861: 225-288.

[3]Chiuri T J. Do the elderly reduce housing equity? an international comparison[J]. Journal of Population Economics, 2010, 23(2): 643-663.

[4]Ermisch J. The demand for housing in Britain and population aging: microeconometric evidence[J]. Economica, 1996, 63(251): 384-404.

[5]Ohtake F S. The effect of demographics on the Japanese housing market[J]. Regional Science & Urban Economics, 1995, 26(2): 189-201.

[6]Levin E J, Montagnoli, Wright. Demographic change and the Scottish housing market[J]. Journal of Nursing Administration, 2004, 34(9):393-394.

[7]Égert, Balázs, Mihaljek. Determinants of house prices in central and eastern Europe[J]. Comparative Economic Studies, 2007, 49(3):367-388

[8]Farkas M. Housing demand and demographic trends: evidence from Hungray[R]. Central European University Working Paper, 2011.

[9]Martin R F. The baby boom: predictability in house prices and intereat rates[R].International Finance Discussion Papers, 2006.

[10]李 祥, 高 波. 人口年龄结构对住宅市场的影响效应分析[J]. 经济体制改革, 2011(6): 38-42.

[11]陈斌开, 徐 帆, 谭 力. 人口结构转变与中国住房需求: 1999-2025——基于人口普查数据的微观实证研究[J]. 金融研究, 2012(1): 129-140.

[12]徐建炜, 徐奇渊, 何 帆. 房价上涨背后的人口结构因素: 国际经验与中国证据[J]. 世界经济, 2012(1): 24-42.

[13]陈国进, 李 威, 周 洁. 人口结构与房价关系研究: 基于代际交叠模型和我国省级面板的分析[J]. 经济学家, 2013(10): 40-47.

[14]陈彦斌, 陈小亮. 人口老龄化对中国城镇住房需求的影响[J].经济理论与经济管理, 2013(5): 45-57.

[15]邹 瑾. 人口老龄化与房价波动——来自中国的经验证据[J].财经科学, 2014(6):116-124.

[16]Arellano M B. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations[J]. Review of Economic Studies, 1991, 58: 77-297.

[17]Blundell R B. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics, 1998, 87: 115-143.