城市化对房地产价格的影响机理及实证研究

马宁

摘要：在理论层面揭示城市化对房地产价格的影响机理后，以中国2001-2017年时序数据为研究样本，建立了城市化與房地产价格变化之间的向量自回归模型，实证研究了城市化对房地产价格的影响。结果表明：①城市化对房地产价格的影响集中体现在人口城市化、土地城市化和经济城市化对房地产价格变化的影响上。②人口城市化、土地城市化、经济城市化与房地产价格变化之间存在协整关系，即它们之间存在长期的均衡关系。③人口城市化、土地城市化、经济城市化与房地产价格之间均存在单项因果关系，人口城市化是房地产价格变化的格兰杰原因，但是土地城市化和经济城市化不是房地产价格变化的原因。④中国房地产价格存在依赖自身惯性发展的现象，房地产价格的变动在很大程度上是受自身冲击的影响。

关键词：城市化;房地产价格;机理;向量自回归

中图分类号：F293.3 文献标识码：B

文章编号：1001-9138-（2019）01-0044-50 收稿日期：2018-12-20

1引言

房地产价格关乎民生，一直以来都广受社会各界关注。在某搜索引擎上输入“房价”，会显示大量有关房地产价格的讨论与思考，特别是现阶段很多城市房地产价格高企且增长幅度较大，成为阻碍城乡劳动力转移的一个重要因素。

那么，是什么因素导致了房地产价格变动？李继玲指出，城市化水平、房地产国内贷款额和城乡居民年末储蓄存款余额是推动房地产价格上涨的重要因素。特别是城市化发展速度与质量的不断提升，给房地产价格波动造成了极大影响。张炜构建了城市化进程中不同类型城市房地产价格波动分析框架，并对城市化进程中房地产价格波动特征进行了系统审视。也有很多学者对城市化影响房地产价格变动做了大量实证探讨。王文莉等研究发现，在一个国家或地区的城市化进程中，城市化速度与房价租金比成正相关的关系。吴振华等认为，城市化的持续推进和住房市场的货币化改革促使城市住房需求得到集中性释放，进而推动房地产价格上涨。王鹤等以中国2000-2012年地级市数据为研究样本，利用动态空间杜宾模型实证探讨了城市化对房地产价格变动的直接效应和间接效应。罗良文以中国大陆（市、自治区）2004-2012年数据为基础，利用面板数据回归模型实证分析了区域城市化发展差异对房地产价格的影响。总体而言，这些成果对于把握城市化与房地产价格变动之间的关系提供了丰富的文献支撑，但是现有关于城市化影响房地产价格的文献多侧重于实证研究，缺乏理论层面对二者作用机理的探讨，研究的系统性还有待加强。基于此，本文以中国2001-2017年时序数据为样本，首先在理论层面揭示了城市化影响房地产价格的作用机理，并以此为基础，通过向量自回归（Vector Auto-Regression，VAR）方法实证分析了城市化对房地产价格的影响方向与程度，研究结果对新发展常态下城市发展政策与房地产管控策略制定具有一定的参考价值。

2理论分析：城市化如何影响房地产价格

城市化是一个复杂的系统工程。城市化发展水平的提高不仅表现为城市人口的增长，往往还伴随着城市土地面积的扩展、经济发展方式的转变。城市化实际上是由人口城市化、土地城市化和经济城市化相互作用形成的统一体。基于此，本文将分别从人口城市化、土地城市化和经济城市化三个方面探讨其对房地产价格的影响机理。

（1）人口城市化对房地产价格的影响。人口城市化是城市化的直接表现形式之一，是农村人口不断向城市区域集聚的过程。在其他条件不变的情况下，人口城市化水平的提升会直接增加房地产市场需求，改变房地产市场供需结构，对房地产交易市场和租赁市场的价格都会产生一定影响。与此同时，人口城市化发展所导致的人口集聚给房地产开发及相关产业发展提供了充足的人力资源保障，间接影响房地产价格。

（2）土地城市化对房地产价格的影响。土地城市化是指农用地向城市用地转变的过程，它不仅为人口城市化和经济城市化提供空间支持，还通过规模效应与结构效应对房地产价格产生影响。一方面，土地城市化的发展直接表现为城市建设用地面积的扩大，在目前中国社会经济发展阶段，这些新增城市建设用地大多通过房地产投资来实现，而房地产投资规模的变化势必会对房地产价格产生影响。另一方面，土地城市化往往伴随着产业结构的调整与变化，而这些都会进一步传导到房地产业的开发布局上，影响房地产投资结构与价格。

（3）经济城市化对房地产价格的影响。经济城市化是资本、技术等生产要素向城市流动的过程，不仅为城市发展提供了物质基础与动力，对房地产业发展与房地产价格也会造成较大影响。总体来看，房地产业属于资金密集型产业，经济城市化水平的提升不仅可以为房地产业发展提供较好的经济发展环境，而且可以为房地产开发投资提供直接的资金支持与保障，夯实房地产业发展的基础，也会对房地产价格产生一定的传导效应。

3研究方法

3.1变量选择

参照已有研究成果，本文分别用城镇人口占总人口比重表征人口城市化（PU）水平，用建成区面积占地区总面积的比重表征土地城市化（LU）水平，用第三产业产值占GDP的比重表征经济城市化（EU）水平。而对于房地产价格（REP），则用商品房平均销售价格表示。

3.2模型设定

向量自回归是目前理论界探讨特定变量之间相互关系时较具代表性的方法。VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单个变量自回归模型推广到由多元时间序列组成的“向量”自回归模型。通过VAR模型可以预测和分析系统变量受到随机扰动冲击后所产生的反应程度的大小、正负及持续时间。其矩阵表达式为：

式中，a、b为参数。u为随机扰动项，Y为内生变量，X为外生变量。t、p分别表示当期时间和的滞后期。r为X的滞后期。

本文将根据VAR模型的基本原理，建立由人口城市化、土地城市化、经济城市化与房地产价格组成的双变量VAR模型，就城市化对房地产价格的影响开展实证分析。主要包括以下6个基本步骤：①数据的平稳性检验;②VAR模型的建立;⑧协整关系检验;④格兰杰因果关系检验;⑤脉冲响应分析;⑥方差分解分析。

3.3数据来源与处理

本文所利用到的人口城市化、经济城市化和房地产价格数据来源于2018年《中国统计年鉴》，土地城市化数据则通过《中国城市建设统计年鉴》（2001-2017）相关数据整理、计算而来。为消除异方差、异常值和不同量纲对研究结果可能产生的负面影响，分别对PU、LU、EU和REP进行对数化处理，处理后变量名称分别为InPU、InLU、InEU和InREP。数据处理主要借助Eview9.0软件实现。

4结果分析

4.1单位根检验

单位根检验是预防时间序列数据“伪回归”的基础性工作。Eviews 9.0软件提供了六种方法对变量的单位根进行检验，如ERS检验、PP检验、ADF检验等。其中又以ADF（Augmented Dickey-Fuller）检验方法应用最为广泛。本文也主要采用ADF方法对变量进行单位根检验，具体结果如表1所示。从表I可以看到，InREP、InPU、InLU和InEU的ADF统计值均大于10%的置信水平下的临界值，不能拒绝原假设。即原始序列InREP、InPU、InEU和InLU存在单位根，是非平稳的。而对InREP、InPU、InLU和InEU进行一阶差分后，它们分别在1%、5%、10%和5%的显著性水平下拒绝原假设，即序列InREP、InPU、InLU和InEU都是一阶单整序列，满足协整检验的前提条件。

4.2VAR模型构建

在正式构建VAR模型之前，先利用Eviews 9.0软件确定模型的最优滞后阶数。表2反映的是不同准则下的滞后阶数结果。带“*”表示该准则下所应选取的最佳滞后期数。

从表2可以清楚地看到，除了对数似然值准则外，其他准则均认为滞后阶数为2时，VAR模型最理想，即VAR（2）最有效。通过VAR（2）模型的平稳性检验结果显示，VAR（2）模型全部特征根在单位圆曲线内（见图1），说明该模型是一个平稳系统，可以进行脉冲响应和预测方差分析。

4.3协整检验

协整检验主要用来描述变量之间的长期均衡关系。Engle-Cranger两步法和Johansen特征根迹检验法是目前理论界检验变量间协整关系较为常用的方法。其中，前者适用于两变量模型的检验，后者主要用于进行多变量的检验。因此，本文采用Johansen特征根迹检验法对变量间的协整关系进行检验，如表3所示。

从表3可知，变量InREP和InPU、InLU、InEU之间存在协整关系，最大特征值检验和迹统计量检验均表明在5%的显著性下，至少存在3个协整关系。从这个角度来看，InREP和InPU、InLU、InEU之间存在长期均衡关系，这与前文的理论分析基本一致。

4.4格兰杰因果关系检验

由4.3可知，房地产价格与人口城市化、土地城市化和经济城市化之间存在长期均衡关系，但是它们之间是否存在实践上的因果作用关系还有待进一步验证。本文选取滞后阶数为2，对人口城市化（InPU）、土地城市化（InLU）、经济城市化（InEU）与房地产价格（InREP）之间的关系进行了格兰杰因果检验，具体结果如表4所示。

由表4可知，对于“InPU不是InREP的格兰杰原因”这一假设，对应的概率值为0.0653，拒绝了原假设，即InPU是InREP的格兰杰原因。同样地，格兰杰因果检验也拒绝了原假设“InREP不是InLU的格兰杰原因”和“InREP不是InEU的格兰杰原因”。即“InREP是InLU和InEU的格兰杰原因”。但是，对于原假设“InREP不是InPU的格兰杰原因”、“InLU不是InREP的格兰杰原因”和“InEU不是InREP的格兰杰原因”，发生的概率分别为0.6565、0.1347和0.3651，均接受了原假设。从这个层面来看，人口城市化、土地城市化、经济城市化与房地产价格之间均存在单项因果关系，人口城市化是房地产价格变化的格兰杰原因，但是土地城市化和经济城市化则不是房地产价格变化的原因。

4.5脉冲响应分析

脉冲响应函数能够直观地刻画出不同变量之间的动态交互作用。其基本思路是分析模型受到某种冲击时，随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响轨迹。本文分别借助Eviews 9.0软件给出了基于VAR模型的房地产价格与人口城市化、土地城市化、经济城市化之间相互冲击的动态响应和累积响应过程（见图2-图5）。其中，横轴为滞后阶数，本文取10（年），纵轴为响应强度。中间实线为脉冲响应函数的计算值，两条虚线从上到下分别表示正负两倍的标准差偏离度。

由图2可知，来自自身的冲击对房地产价格的正向效应非常显著。这种效应在第1期时达到最大，响应值为0.043448，随后迅速回落，第2期为-0.001305。第3期又有小幅反弹，随后便一直在0值以上低位变动。从表3可以看到，面对人口城市化的一个标准差冲击，房地产价格第1期无响应，第2期和第3期的响应强度逐年升高，响应值分别为0.006030和0.008998。第3期以后，响应强度有所回落。但是总体来看，从第1期开始，人口城市化的一个正交化冲击对房地产价格变化产生正向影响，且这种影响具有持续性，这与前文格兰杰因果检验的结论较为一致。从图4可以看到，面对土地城市化的一个标准差冲击，房地产价格在第1期的响应强度为0，随后表现出持续波动并最终收敛于0的发展态势。在整个分析期内，房地产价格对土地城市化响应的波动性较大。从房地产价格对经济城市化一个标准化冲击的响应轨迹来看（见图5），房地产价格前4期的响应较为显著，出现先下降后持续上升的波动，且波动幅度较大。响应值在第4期达到峰值0.001157后又迅速回落为负值。而且可以看到，除了第4期為正响应外，其余期数的响应值均为0或负值。

4.6方差分解

脉冲响应函数能够很简明地反映出一个内生变量冲击对其他变量产生的影响，而反差分解则可以揭示每一个结构冲击对内生变量变化的贡献程度。以InREP为被解释变量而形成的反差分解结果如表5所示。

由表5可知，在第1期，InREP变动对InREP变动的解释力度为100%。这意味着中国房地产价格的变动主要是受自身冲击的影响，房地产价格存在依赖自身惯性发展的现象。这一结果与脉冲响应函数基本一致，但是其贡献率表现出逐年下降趋势。到第10期时，InREP变动的86.42%可以由InREP的变动解释。人口城市化对房地产价格变化的贡献持续上升，由第1期的0.00%增加至第10期的7.73%。土地城市化的贡献则呈波动上升态势，最大为第6期的5.68%，最小为第1期的0.00%。经济城市化的贡献虽然从第2期开始表现出积极效应，但是贡献度较低，每期的贡献率均不到1%。

5结论与讨论

本文在理论层面揭示城市化对房地产价格的影响机理后，以中国2001-2017年时序数据为研究样本，建立了城市化与房地产价格变化之间的VAR模型，通过单位根检验、协整检验、脉冲响应分析等过程实证研究了城市化对房地产价格的影响。得到以下结论与启示：

（1）城市化是城市人口增长、城市土地面积扩展和经济发展方式转变的综合过程，其对房地产价格的影响也可进一步分解为人口城市化、土地城市化和经济城市化对房地产价格变化的影响。

（2）人口城市化、土地城市化、经济城市化与房地产价格变化之间存在协整关系。这一结论与目前已有的很多文献一致，意味着中国房地产价格变动与人口城市化、土地城市化、经济城市化之间存在一种相互影响、相互促进的关系。

（3）人口城市化、土地城市化、经济城市化与房地产价格变化之间均存在单项因果关系。人口城市化是房地产价格变化的格兰杰原因，但是房地产价格变化不是人口城市化的格兰杰原因。土地城市化和经济城市化不是房地产价格变化的格兰杰原因，但是房地产价格变化是土地城市化和经济城市化的格兰杰原因。

（4）中国房地产价格存在依赖自身惯性发展的情况。从脉冲响应函数结果来看，来自自身的冲击对房地产价格的正向效应非常显著。而且从方差分解结果来看，房地产价格自身的变动对房地产价格变动的解释力度最大，与脉冲响应函数反映的内容一致，人口城市化、土地城市化和经济城市化的贡献度则相对较低。

（5）本文尽管从理论和实证层面系统揭示了城市化对房地产价格的作用机制与特征，但是并没有将区域异质性這一现实特征纳入到分析框架中，缺乏对这种作用机制区域差异性的探讨，没有提出如何利用它们之间的作用关系设计出协同发展的路径与策略，这些都是后续研究的重点内容与方向。