收入水平、人口流动与房价波动——基于省级面板数据的IV-2SLS估计

魏兰叶

(湖南大学 工商管理学院，湖南 长沙 410082)

一、引言

住房作为家庭财富的典型组成部分，是抵押银行贷款的关键，对财富收入比的长期变化趋势和金融部门的完善健全具有重要的作用[1-2]。房地产市场化改革以来，中国房价长期保持较高的增速，2003—2016年间，36个大中城市的实际平均房价由2003年的2 642.9元/平方米上升至2016年的7 835.71元/平方米，涨幅超过296.48%。同时，中国居民的收入水平也得到了大幅提升，但居民的收入增速远不及房价的涨幅，2010—2015年50个大中城市的平均房价收入比为10.75，2017年深圳市的房价收入比甚至攀升至40，严重偏离3～7的国际标准区间[注]房价收入比=商品住房销售均价(元/平方米)×人均住房建筑面积(平方米)/年人均可支配收入(元)。。国家统计局数据表明，2003—2016年房地产开发企业的营业利润增加了20.15倍，由2003年的430.37亿元增至2016年的8 673.23亿元，利润增长在中国各部门中居于首位，资产收益率在全球资产市场中稳居第一。作为一个重要的经济指标，房价波动不仅关系到房地产开发企业的利润回报，还关系到居民的房贷负担，高房价易引发楼市崩盘；房产的财富价值以及住房本身所承载的医疗、教育、人文环境、交通设施等隐性价值，将房价与经济、政治、居民幸福感和生活质量捆绑在一起。因此，要实现全体人民住有所居，不让房地产成为少数投机者的游戏，避免房价波动加深社会阶层分化而引发社会矛盾，就必须确保房价不能脱离经济基本面，不能偏离居民可承受的范围。

中国的房价波动与城市化进程的推进伴随着的大规模劳动力流动并非毫不相关[3]。改革开放以来中国区域化经济发展战略，城乡经济发展差距的迅速扩大引发城乡公共品供给、预期收入、社会福利水平的差距也持续拉大，吸引大量的农村富余劳动力向城市转移。不可否认的是，过去农村劳动力的“候鸟式”转移为中国的工业化和城市化做出了重要贡献；同时在高校扩招背景下，发达地区对人口流动本身就具有强大的“磁场效应”，越来越多的大学生向经济发达的东部沿海地区集中迁移，2003—2016年间中国高等学校毕业人数增加了4倍多，年均增速超过14.3%，可以说高校扩招加快了中国的人口流动[4]。无论是外来务工人员，还是高素质人才迁移带来的刚性住房需求均推动迁入区的房价上涨[5]。然而近年来，不断高企的房价也使得外来人口望而却步，解决好流动人口的住房需求，避免高房价对高素质人才的挤压效应，是当前中国发达地区面临的一大社会问题[6]。此外，2015年以来，中国的流动人口增速开始下滑，在人口深度老龄化时期，人口流动呈现出明显的区域分化现象。根据《中国流动人口发展报告2017》中国流动人口继2016年之后继续下降，但流动人口占总人口的比重维持在17%以上，依然占据很大的比重。虽然一线城市处于人口净流入的高地，但在人才引进战略带动下，二线城市逐渐成为人口流入的热点区域，未来一段时间内人口的大规模迁移仍是中国经济社会发展中的重要特征。要预测人口逆流趋势的出现将如何作用于房价的变化，就必须理清人口流动与房价之间的关系，这对地区经济健康发展和资源合理配置尤为重要。

针对房价影响因素的研究成果已经较为成熟，越来越多的学者逐渐将研究重点转向人口结构、税收政策、土地政策等某一个或者某几个方面，而选择的指标变量会直接影响研究结果，易导致研究结论出现偏差，不利于经济决策者把握房价变化的成因，最终难以保证政策制定的有效性。事实上，如果缺乏人口和一定的收入水平作为支撑，房价上涨可能蕴藏着非常大的经济风险。本文以2003-2016年中国大陆30个省、市和自治区(不包括西藏)的实际房价为研究主体，在控制模型内生性问题的前提下，分析收入水平、人口流动对房价的影响，同时考虑地区差异性，揭示各区域影响房价变化的关键因素。

二、变量选取与描述

(一)模型构建

由于房价主要由供给和需求决定，因此考虑在模型分析中加入影响房价的供给因素和需求因素。除收入水平、人口流动、抵押贷款利率和预期收益外，离婚率、未婚率、人口结构和住房持有成本从需求端影响房价走势，住房库存、房地产交易环节税和土地价格则从供给端影响房价变化。土地出让收入是中国地方政府公共财政收入的重要来源，因此必须考虑政府行为对房价的推动作用，不然会存在变量遗漏问题。构建的模型如公式(1)所示：

lnhpit=β0+β1lnyit+β2lnpmit+γXit+εit

(i=1，2，…，n;t=1，2，…，14)

(1)

其中，i代表地区，t表示年份；Xit为影响实际房价的其他控制变量，εit为随机误差项。

本文选用除西藏自治区外，中国大陆地区30个省、市、自治区2003-2016年省级层面的数据为研究样本。表1是相关指标的解释说明。

表1 主要变量解释说明

(二)描述性分析

在观测期内，中国实际房价与收入水平呈现逐年上涨的变化趋势(见图1)，从曲线斜率看，东部地区的人均可支配收入和实际房价的增幅均高于中西部地区，且与人均可支配收入相比实际房价的增幅更加明显；东部地区的实际房价及人均可支配收入远高于中、西部地区，地区间实际房价和收入水平的差距呈现继续扩大的发展趋势，实际房价的地区差距一直领先于人均收入水平差距；东部地区人口流动与实际房价的变动方向大致一致，而中西部地区则不明显。具体表现为：东部地区的实际房价由2003年的2 737.84元/平方米增加到2016年的11 995.56元/平方米，涨幅高达438.1%；东部地区与中西部地区的实际房价差距由2003年的2.19倍增至2016年的2.82倍。样本期间东部地区的人均可支配收入由2003年的10 273.9元增至2016年32 948.3元，涨幅超过320.6%；人均收入差距也从2003年的1.77倍拉大到2016年的2.16倍。此外，从人口流动情况看，东部地区保持长期的人口净流入状态，同时波动性较强，中西部地区则处于人口流出状态，但在2010年之后，东部地区的人口流入增速逐渐趋缓，特别是2015年开始东部地区的净流入人口逐年减少，中部地区人口的跨省流出的降幅明显，意味着未来中西部地区人口的跨省流动对经济发达地区房价的支撑作用可能降低。不过，人口流动、收入水平与实际房价的关系还有待进一步的实证分析。

图1 2003—2016年分地区实际房价、人均可支配收入与人口流动变化趋势图(从左至右分别为：东、中、东部沿海和西部地区)

三、实证分析

(一)中国层面的回归结果

当遗漏人口流动变量时，得到的回归结果显示，收入水平对实际房价的弹性系数为1.02，明显高估了收入水平对实际房价的影响。但是又因为人口流动与收入水平具有很强的正相关关系，在1%的显著性水平下，二者的相关系数为0.38，因此直接加入人口流动变量可能会影响回归结果的准确度。豪斯曼检验结果在5%的显著性水平下拒绝“解释变量均为外生变量”的原假设，且异方差稳健的DWH检验的p值小于0.05，均证明了人口流动是内生变量，需要引入工具变量克服模型存在的内生性问题。根据公共产品的供给对人口迁移具有的“磁场效应”[7]，接下来，把医疗条件、空气质量、交通密度和教育条件作为人口流动的工具变量[注]实证研究发现，样本数据中教育和文化高度相关，故在工具变量中没有加入文化水平指标。，进行2SLS回归，不可识别性检验结果得出Kleibergen-Paap rk LM统计量的p值是0.00，强烈拒绝工具变量不可识别的原假设，服从χ2分布的C统计量为1.54，对应的p值为0.46，接受工具变量满足外生性的原假设；而且工具变量与内生变量的相关性Shea's PartialR2为0.15且高度显著，证实了工具变量的有效性。模型5和模型6的计量结果表明，收入水平和人口流动会推高实际房价，人均可支配收入增长1%，实际房价提高约0.45%；人口流动增加1%，实际房价上涨约0.56%。

尽管IV-2SLS的回归结果是一致的，但估计系数不能满足无偏性假设，该方法可能扭曲回归结果的显著性，且其扭曲性会随着弱工具变量而增大。通过沃尔德检验，其最小特征值的统计量为16.47，在15%的显著性水平下拒绝“弱工具变量”的假设。为确保结果的稳健性，采用有限信息最大似然法进行回归[注]由于篇幅限制，未列出所有回归结果，感兴趣的读者可以向作者索取。，该方法对弱工具变量不敏感，对比发现，LIML与IV-2SLS的各变量回归系数十分相近，进一步证实了工具变量的有效性。在存在异方差的条件下，GMM的估计结果比IV-2SLS更有效，估计结果显示最优GMM的系数值与IV-2SLS接近，且Hansen检验p值拒绝工具变量过度识别的假设。进一步，考虑迭代GMM，模型7、8是迭代GMM的回归结果，发现迭代GMM与两步GMM的估计值均高度显著且差别很小。

表2 全国层面收入水平、人口流动对房价影响效应估计结果

注：括号中的数字为统计量值；*、**、***分别表示10%、5%和1%显著性水平拒绝原假设。下同。

(二)分样本回归结果

综合表2回归结果中变量的显著性条件及检验指标的稳健性，发现IV-2SLS的估计结果较好。表3是分地区的估计结果，可以看出，2003—2016年主要解释变量对分地区房价的影响系数存在显著的差异。

从需求端看，收入水平与房价显著正相关，西部、中部和东部地区收入水平对房价上涨的作用依次减弱。收入水平作为住房购买能力和地区经济发展水平的重要衡量指标，该结论反映出中西部地区房地产的消费属性高于东部地区。人口流动对东部、西部地区的影响显著，但对中部地区不显著。具体而言，东部地区外地人口占户籍人口的比重每增加1%，房价增长超过0.7%，西部地区的跨省外移人口减少反而导致房价下跌，可能归因于西部地区低技能劳动力净流出减少，但这类人群的大多数拥有自建房，不存在买房需求或者买房需求相对较低。

预期收益对东部、中部和西部地区的房价上涨的贡献率是依次降低的，预示着东部地区房地产预期收益增加，住房的投机性需求相应增加，容易导致房价上涨偏离市场的基本面，引起房价走高。房地产持有环节税能够带动中部地区的房价上涨，但对其他地区无显著影响。可能因为当前中国房地产持有环节税过低，税制不合理，造成税收政策不能发挥调控房价的作用[10-11]。东部地区的抵押贷款利率可以有效抑制房价上涨，但对其余地区的影响不显著。2008年以来，中国政府以限购和限贷为主的房地产调控政策，贷款利率的起伏与调控力度的宽松或收紧密切相关，实证结果表明贷款利率对房价的影响在东部地区明显，政策调控应与区域差异结合起来。未婚率增加将推动房价上涨，东部地区未婚率对房价的弹性系数最大。回归结果指出未婚人数占比增加确实拉高了房价，也暗含着光棍男为“脱光”而买房的坚挺需求，引起市场的供应压力加大，推高了房价。与未婚率相比离婚率对东部沿海地区的房价影响更大，故需要预防“假离婚”造成的房地产市场供求关系紧张而带动房价上升。从人口结构看，东部、中部地区的少年抚养比对房价的影响系数显著为负。与学者陈国进等的研究结论一致，即少年抚养比的下降是东部和中部地区房价上涨的关键因素[12]。东部地区的老年抚养比与房价呈显著负相关关系，而东部沿海地区和中部地区的老年抚养比与房价显著为正，具体表现为东部沿海地区的老年抚养比增加1%，房价大约提高0.07%；中部地区的老年抚养比增加1%，该地区房价上升约0.2%。

表3 分区域收入水平、人口流动对房价影响效应估计结果

从供给端看，房地产交易环节的税负增加对西部地区的房价有负向，但东部地区房地产交易环节税能够显著提升房价水平。表明高税负会增加西部地区房地产开发商的成本，降低房地产开发商的投资热度，有助于房地产市场降温；但东部地区的房地产税收能否抑制房价上涨，关键点不在税收政策，主要受市场大环境的影响；中部、西部地区的住房库存与房价显著正相关。换言之，由于“板块轮动效应”，房地产市场相对冷清的中、西部地区，住房库存增多，反而进一步带动了房价的逆势上涨，有必要考虑高库存潜在的房地产风险。不过，以东部沿海地区为代表的高房价地区，库存量已经开始压迫东部沿海地区的房价增长，但很可能这只是库存量对房价影响的阶段性表现。

从地方政府的影响看，土地价格前面的估计系数均不显著。表明土地成交价格并不能直接推动房价上涨，即地价是高房价主导因素的主张没有实证支持。本文进一步研究发现房价与地价是单方向因果关系，即房价能够推高地价，与学者叶贵等人的观点一致[13]。不过，土地财政依赖对东部沿海高房价地区和中部地区的影响强度要高于东部、西部地区，进一步分析发现土地财政依赖并不能推高地价，可能的解释是房地产低投机成本带动房价上涨，提高了地方政府的“土地”依赖性，造成房价上涨表现出“棘轮效应”。即土地财政依赖推动房价持续上涨，在一定程度上只要存在土地财政依赖，只要依靠土地引资的竞争模式不变，就不可能实现房价的理性波动。

四、结论与政策启示

(一)结论

本文利用2003—2016年中国大陆30个省份的相关数据，在控制其他影响因素的前提下，通过计量模型估计了中国及分地区的房价影响因素。实证结果表明：

1.整体上看，收入水平和人口流动是支撑中国房价上涨的关键因素，人口流动的影响高于收入水平对房价的影响。住房库存、土地财政依赖、房地产交易环节税和预期收益能够显著拉高房价；抵押贷款利率有助于抑制房价涨势过高。此外，从人口因素看，与陈国进、李威的理论分析一致，本文发现少年抚养比降低和老年抚养比上升加快了房价的上涨；未婚人口占比提高拉高了房价的涨势，但离婚率并不能显著抬高房价，即从全国层面看不能将高房价归因于增高的离婚率。

2.分地区看，与中部、西部地区相比，东部地区住房的消费属性最低；由于马太效应的存在，东部地区大规模的人口净流入是该地区房价上涨的关键因素，而且人口流动的主要驱动力是各地区教育条件、医疗水平、环境质量等公共品的供给差异。土地财政依赖和预期收入助推了房价上升，根据预期收益对房价的弹性系数可知，东部地区居民房价上涨的预期，对房价走高有重要推动作用。

此外，需要特别指出税收对房价的影响。一方面，从全国层面来看，房地产交易环节税对房价的弹性系数略大于房地产持有环节税对房价的弹性系数，也就是说调节交易环节税对房价的影响可能更大；另一方面，分地区的研究结果表明，房地产持有环节税与房价的负相关性并不显著，相反中部地区房地产持有环节税增加对房价上涨有着很强的拉动效应，东部、东部沿海的房地产交易环节税对房价的影响显著为正，西部地区则显著为负。可见，通过开征房地产税可能并不会抑制房价的快速上涨，尤其对于高房价地区。

(二)启示

本文认为中国房价波动是房地产市场供给与需求相互作用的结果，且影响因素具有明显的区域差异性，以东部沿海为代表的发达地区房地产的投机性需求明显强于其他地区，中、西部地区也表现出非理性繁荣。故需要根据各地区房地产市场的特征，从供给和需求两方面着手，实现房价理性波动，保证居民住有所居。具体而言，需要考虑以下几点。

1.要引导人们理性消费。在中国居民的普遍观念中住房对生活有重要意义，房子代表着他们的社会地位和个人成就，尤其是中国的老年人口占比较高，从全球范围看，中国老年人的“利他心理”更加明显，促使较多的老年人帮助子女购房，再者青年人的消费行为缺乏理性，享乐主义及攀比心理使得中国青年的购房比例较高，可以说以家庭为单位的财富分配，增加了开发商抬高价格的动机，推动了房价的上涨；中部、西部地区的住房库存增加，实际房价反而上涨，与2016年住房库存量较大的三、四线城市房价的非理性飙升的事实一致，表明房地产发展已经偏离了市场机制，还需加强房地产流通环节的市场监管，确保政策的持续有效性，引导老百姓理性购房。例如，在棚户区改造过程中要避免开发商与中介相互勾结，推高房价，最终导致去库存发展成为房价飙升；此外，当前经济还处于结构调整期，要预防高房价预期恐慌导致居民的住房刚性需求和改善性需求提前释放，使得消费者的购买能力透支，对居民消费产生“抑制效应”而阻碍消费结构升级。在存量房时代，应运用大数据和“互联网+”技术，完善住房服务体系，减少买卖双方的信息不对称性，避免消费者盲目购房。

2.要严格限制住房的投机性需求和投资需求。稳定消费者对房地产的预期收益有助于稳定房价，加快建立租购并举的住房制度，增加租赁住房和共有产权住房的供给，扶持壮大租赁市场。鼓励传统物业向现代物业转型，以更加优质的产品和服务吸引业主，建立多元化供给和保障机制，降低房产的预期收益。例如，要求房地产开发商增加精装房的供给比例，尤其是三四线城市及县城，满足刚需购房者多样化的需求，在一定程度上减少精装二手房的市场需求，减少房地产投机行为；在居住观念转变，人口大规模流动和政策利好等因素的推动下，鼓励房地产租赁企业实施长短租并行的机制，严格审查机构资金来源，做好风险防范，合理分配市场资源，确保中国住房租赁市场的持续稳定增长；推出房产税，充分授权地方政府，让政府根据地方差异和消费者个人及家庭特征制定区间税率[14]，在避免房产税的征收抑制低收入人群的刚需的前提下，增加炒房客的住房持有成本。尤其是要根据各地区的实际情况合理减少房地产交易环节税，建立现代的财政制度，更好地发挥税收对房价的调控功能。多渠道保证住房土地供应，转变地方政府收入模式，降低政府的土地财政依赖[15]，在给予地方政府权力的同时必须建立严格的监督系统，将房地产市场的政策落实情况纳入地方政府政绩考核，完善中国的住房制度；征收“空房税”、“空置税”、“物业税”结合“限贷”、“限售”、“限离”等行政调控方式，同时支持科技创新，鼓励企业积极探索新高利润发展领域，吸引资金、人员和经济资源向新领域转移，避免房价被投机者或投资者操纵，降低房地产的资产属性。

3.推进“租购同权”，鼓励城市包容性发展，让租房者也可以享有同等的基本公共服务。公共服务供给决定着人口流动趋势，一、二线城市拥有较好的教育、医疗等优势稀缺资源以及更多的发展机遇、创新环境、政治资源、人力资源等隐性价值。因此，在人口净流入的地区，推行用集体建设用地建设租赁住房，缓解土地供给与人口流动不相配的矛盾，增加租赁房的供应，提高租赁住房的位置、设计及小区配套设施对租户的吸引力，同时保证城市基本公共服务的有效供给，使公共服务能够满足所有居民的需求，解决不满足购房条件和低收入群体住房的供给压力；然后，加强租房市场实施过程的监管力度，确保政策补贴的有效性，避免租金的不合理波动，要逐渐放开户籍特别是一线城市的户籍，取消公民福利与户籍绑定关系，真正实现公共资源平权。最后，增加中部和西部地区的公共服务供给，逐步实现基本公共服务均等化推进区域平衡发展，同时发挥市场经济手段引导人口在区域间流动，减缓人口流动引发的住房市场供给压力，在一定程度上降低人口流动的社会财富转移效应，减弱发达地区对落后地区产生的“虹吸效应”。