OECD国家人口年龄结构变动对房价的影响

王先柱，王 云

(安徽工业大学 商学院，安徽 马鞍山 243000)

一、引言

OECD是世界上经济最为发达的国家和地区，自20世纪60年代以后，其主要成员国人口结构变动进入到后人口结构阶段，主要表现为低出生率、低死亡率和低人口自然增长率并存的局面。人均预期寿命的延长和生育率的下降导致各国和地区人口老龄化程度不断加深，已然成为世界上人口老龄化最严重的国家和地区[1]。人口作为住房消费的主体同时也是影响房价的主要因素之一，在人口结构不断发生变化的过程中，OECD国家和地区的房价也发生着变化。

如图1所示，1970—2018年OECD国家的实际住房价格指数呈现波动上涨的趋势，少儿抚养比与老年抚养比之间形成“剪刀差”，老年抚养比与住房价格指数的变动趋势相同，少儿抚养比与住房价格指数的变动趋势相反。根据老年抚养比与少儿抚养比的含义以及参考已有研究文献，二者可以分别作为人口老龄化与出生率的代理变量，二者与实际住房价格指数之间的关系见图1所示。与传统意义上有所不同，随着老年人口的增多与出生率的下降，住房价格呈现上涨的发展态势。目前，中国人口结构正发生变动，人口老龄化不断加深、出生率不断下降，人口结构对住房价格究竟有着怎样的影响，是中国亟需研究的问题。

本文的创新点主要表现在以下两点：一是选取的样本是具有代表性的OECD中的31个国家。OECD主要成员国已经完成了人口结构的转变，研究其人口结构与房价之间的关系，有助于对后发国家尤其是对中国目前所面临的人口结构与房价之间的问题具有现实参考意义。此外，其在应对人口结构转变对经济带来的冲击方面取得的成功经验，也值得借鉴和学习；二是摒弃了以往研究中的人口抚养比，将人口年龄细分为各个年龄段，旨在找出不同年龄段群体对房价产生的影响程度以及目前导致住房价格不断上涨的主要人口因素。

图1 1970—2018年OECD国家实际住房价格指数与抚养比情况图

二、文献综述与研究假设

人口结构与房价之间的关系一直是学术界研究的焦点。纵观已有研究，将人口结构影响房价的理论机制粗略分为以下五种，并根据理论影响机制提出几点理论假设。

(一)预期理论

根据国外最早提出的耐用商品的特性，住房可以视为一种特殊的耐用商品，兼具消费属性与投资属性。因此，人们对于住房的需求可以分为住房消费需求和住房投资需求两种。一般来说，根据理性预期理论，购房者对未来房地产市场看涨，会增加投资性住房需求，从而推高房价；若购房者对未来房地产市场看跌，会增加住房消费性需求，进而房价上涨。而理性预期理论受到多种因素的影响，其不能决定房价的走势[2]。而完全理性预期的假设前提非常严苛，对房价的解释力也是微乎其微[3-4]，因此在分析房价时应该加入非理性预期。适应性预期作为一种非理性预期，对房价波动具有很好的解释力[5]。

(二)生命周期理论

Modiglianni的生命周期理论从微观角度研究了人口结构因素对房价的影响。该理论认为，中年人口比重上升会促使房价上涨，老年人口比重上升，住房价格会下降[6-7]。国内学者陈国进等人基于生命周期理论研究了中国人口结构与房价之间的关系，他们认为少儿抚养比的下降是导致中国房价持续上涨的主要人口结构因素，同时老年抚养比的上升也是推动房价上涨的因素之一[8]。根据莫迪利安尼的生命周期理论，青年人口和老年人口主要是以消费为主，而中年时期主要进行储蓄和投资行为。因此根据他的理论，在其他假定不变的情况下，仅从生命周期理论出发，可得出青年人口与老年人口对住房的需求主要是消费需求，尤其是刚刚步入婚育年龄的青年群体，他们对住房的需求几乎是刚性的。而对于老年群体，要视具体情况而定。西方发达国家比较注重医疗养老政策，因此很多刚刚步入老年的老年人更愿意选择住在养老院等，这就会相应减少住房需求；而中国的医疗和养老政策并不完善，很多老年人的养老问题都需要子女个人解决，这就无形中会增加老年人住房需求。处于中年的群体对住房的需求除了消费需求，还有投资需求。一方面，中年人口处在事业的高峰时期，随着子女的诞生，他们会扩大目前住房的规模和改善住房环境；另一方面，随着住房成为身份地位的象征，为了满足内心的虚荣，也会改善目前的居住环境，购买能够彰显自己身份地位的房屋，这种情况称为改善型住房需求。此外，中年时期，收入水平较高，在房地产市场看好的情况下，更多的人愿意把储蓄投入房产，这就会产生投资性住房需求，无论是消费需求还是投资需求，都会增加住房需求，进而促使房价上涨。

(三)代际交叠模型

Allias最早提出世代交叠的概念，为以后的代际交叠模型奠定了模型基础。Manchester在Allias的基础上构建世代交叠模型，考察婴儿潮、住房和可贷资金之间的关系，发现无论是在静态预期还是理性预期下，婴儿潮都是导致房价上涨的主要原因[9]。从代际的角度讨论人口结构变动对房价的影响，主要是将不同的代际相互联系，再通过代际交叠模型进行分析，来说明不同代际对房价产生的影响。可以说，代际交叠模型为宏观经济领域的研究提供了微观理论基础。将代际交叠模型运用到住房市场，能很好地解释人口结构变动对住房市场的影响，因为可以通过不同代际人口规模的变化来分析人口年龄结构变动对住房需求的影响，进而对房价产生的影响。一般来说，代际交叠模型是建立在生命周期理论的基础上的，但是利用代际交叠模型分析人口年龄结构对房价的影响比生命周期理论分析人口结构对房价的影响更为准确，因为代际交叠可以将代际之间相互联系，顾名思义可以将其上一代的财富转移到下一代，更为贴合实际。

假定代表性个体生命周期分为四个阶段：少年、青年、中年和老年。少年时期，个体与父母同享一幢房子，没有经济来源；青年时期，个体刚刚步入婚育年龄，自己结婚生子，收入不高，接受父母的资助买房；中年时期，个体处于人生事业的巅峰时期，收入水平较高，开始计划帮助自己的子女买房，还要留出一部分资金赡养老年父母；步入老年之后，自己的子女已成家立业，将自己的遗产留给子女。从代际模型分析得出，少年时期个体无住房需求，是主要的消费群体。因此，少年人口的增加会加重家庭经济负担，降低购房能力，购房需求下降，导致房价下跌。青中年群体是购房的主力军，其中青年群体依靠中年父母的资助有能力买房，中年群体收入水平较高，具有较高的购房能力和购房意愿，前者主要是住房刚性需求，后者主要是改善型住房需求，因而房价会随着这两个群体人口数量的增加而上涨。老年人口对房价的影响就比较复杂，对于刚刚步入老年的老年人口，身体素质还很好，因为祖孙之间存在较大的代际差异，很多老年人口会选择搬出去独住，这样就会衍生出额外的住房需求，即家庭规模趋于小型化会增加住房需求，造成房价上涨。对于进入高龄的老年人，可能要回归大家庭或者养老院，其住房空出来过继给重孙，这时家庭的住房需求就会受到影响，如果社会中进入婚育年龄的重孙辈人数高于高龄的老年人口数，则家庭的住房需求会上涨，房价上涨；反之，住房需求会下降，房价下跌。

(四)人口红利效应与人口负债效应

人口结构的转变不仅对社会和经济发展产生影响，同时也是影响住房价格的重要因素。在人口结构转变过程中，人口红利效应使得适龄购房人口增加，增加了住房需求，促进房价上涨。与人口红利效应起到相反作用的是人口负债效应，主要表现是净消费人口增加，如少儿抚养比的增加，全社会储蓄率下降，对社会经济发展造成影响，经济低迷，整个社会进入到不婚、不育和不买房的低欲望时代[10-11]。人口增长效应主要表现为总人口规模的扩增，住房的消费主体是人，因此人口总规模的扩张会增加住房需求总量，房价上涨。

(五)美国“婴儿潮”与“抚养比”假说

Mankiw与Holland等讨论了美国出生率与人口结构对美国房价的影响，他们认为20世纪50年代的“婴儿潮”是导致70年代美国房价上涨的主要原因，并预测20年以后，随着“婴儿低谷”一代的到来，美国的房价将会下跌47%[12-13]。但是，在20年后美国的房价非但没有下降，反而上涨了近30%。之后许多文献指出，曼昆和威尔的预测不准确主要是因为忽略住房供给和收入水平等其他因素对房价的影响[14-15]。Elöd Takáts利用1970—2009年22个发达国家的数据分析了人口结构对房价的影响，得出人口规模与房价呈正比，而人口抚养比与房价呈反比[16]。陈斌开等认为中国历史上人口出生高峰是导致2004年以后我国房价不断上涨的原因之一[17]。徐建炜等通过对19个OECD国家的研究发现，OECD国家的人口抚养比与房价之间呈现负相关，而中国的老年抚养比与房价之间呈现正相关关系[18-19]。基于美国“婴儿潮”对美国房价的影响，国内一些学者认为中国房价随着20世纪80年代的出生高峰和90年代的出生低谷呈现出倒“U”型[20]。

假设1：在适应性预期下，本期房价变动只与上期房价波动有关，与下期房价变动无关，因此上期房价变动越大，本期房价变动就越大。

假设2：从生命周期理论的角度出发，青年群体与老年群体的增加主要带来住房刚性需求的增加，中年群体主要是改善性住房需求与投资性住房需求的源头。

假设3：根据代际交叠模型，少儿群体的减少会增加住房需求，长期会促进房价的上涨，而老年群体的增加对住房价格的影响不确定。

假设4：人口红利与人口规模增长促进房价上涨，人口负债增加会抑制房价上涨。

三、数据来源与模型设计

(一)变量选择

本文主要研究OECD中31个国家1960—2014年人口年龄结构与房价之间的关系，因此选取每个国家每年的实际住房价格指数(hpi)(1)这里的实际住房价格指数是以2015年为基期获得。作为被解释变量。本文的解释变量包括人口年龄结构和人口分布两个方面。人口年龄结构包括0～24岁的少年组(sn)、25～44岁的青年组(qn)、45～64岁的中年组(zn)和65岁以上的老年组(ln)；人口分布主要选取人口密度(dp)和城镇化率(ui)两个变量，人口密度反映了一个国家或者地区内人口分布的经济特征，城镇化率反映了人口城乡分布情况和一定时期内人口向城市集聚的程度。本文还选取了居民消费价格指数(2)这里的居民消费价格指数是以2015年为基期获得。(cpi)、房价收入比(hir)、粗出生率(fr)和人均GDP(3)人均GDP按照现价美元计算获得。(gdp)等变量作为控制变量。

(二)数据来源

搜集整理了OECD中31个国家(4)前OECD共有34个国家，鉴于数据可得性和完整性，本文选取其中具有代表性的31个OECD国家，分别是：澳大利亚、奥地利、加拿大、智利、爱沙尼亚、捷克共和国、芬兰、法国、爱尔兰、新西兰、葡萄牙、西班牙、韩国、日本、意大利、挪威、比利时、英国、美国、瑞典、瑞士、丹麦、希腊、荷兰、德国、卢森堡、波兰、匈牙利、斯洛伐克共和国、冰岛、以色列。1960—2014年的年度数据(5)https://stats.oecd.org/。，其中实际住房价格指数、人口年龄结构、居民消费价格指数和房价收入比的数据来自OECD数据库，其中人口年龄结构数据是通过获得的实际数据经过一定的计算得到的；人口密度、城镇化率、粗出生率和人均GDP的数据来自世界银行数据库。

(三)模型设定

基于Cobb-Douglas生产函数模型和双对数线性模型进行分析。基本的函数模型表达式为：

Y=A(t)KαLβeμ。

其中，Y表示经济产出，表示的是实际住房价格指数。A(t)表示综合发展水平；K表示非劳动要素投入水平；L表示劳动要素投入水平；α、β分别表示非劳动要素和劳动要素的产出弹性系数，且α、β>0。μ表示随机干扰项，μ≤1。

本文研究的是人口结构与房价之间的关系。为了使得各变量之间呈现出线性关系，对各变量均进行了对数变换，模型具体可以表达为：

lnhpi=lnA(t)+α1lnsn+α2lnhir+α3lnui+α4lnfr+α5lngdp+α6lndp+α7lncpi+μ1

(1)

lnhpi=lnA(t)+β1lnqn+β2lnhir+β3lnui+β4lnfr+β5lngdp+β6lndp+β7lncpi+μ2

(2)

lnhpi=lnA(t)+γ1lnzn+γ2lnhir+γ3lnui+γ4lnfr+γ5lngdp+γ6lndp+γ7lncpi+μ3

(3)

lnhpi=lnA(t)+η1lnln+η2lnhir+η3lnui+η4lnfr+η5lngdp+η6lndp+η7lncpi+μ4

(4)

lnhpi=lnA(t)+λ1lnsn+λ2lnqn+λ3lnzn+λ4lnln+λ5lnhir+λ6lnui+λ7lnfr+λ8lngdp+λ9lndp+λ10lncpi+μ

(5)

其中，人口年龄结构变量包括少年组(sn)、青年组(qn)、中年组(zn)和老年组(ln)。此外，还选取了反映人口分布的人口密度(dp)和城镇化率(ui)作为解释变量。

式(1)～(5)是在传统的柯布—道格拉斯生产函数的基础上引入人口结构各变量的扩展C-D生产函数。考虑到OECD国家的人口分布情况，在各式中加入了人口密度变量，以检验人口结构各变量在人口密度一定的情况下对房价的影响。

四、人口结构对房价影响的实证研究

(一)统计性描述

为了消除量纲的影响，本文对变量进行对数化处理，主要变量的统计性描述如表1所示。

表1 描述性统计

(二)模型回归检验方法

本文主要采用LLC、Fisher-ADF单位根检验(6)由于本文的样本数据为长面板数据，为此根据渐近理论检验的前提条件采用LLC、Fisher-ADF检验方法。判断变量是否为平稳时间序列。检验结果如表2所示。从检验结果来看，每个变量均通过了单位根检验，说明这些变量在时间序列上是平稳的。为了判断各变量之间是否存在协整关系，本文进行了Kao检验、Perdroni检验和Westerriund检验，检验结果如表3所示。结果显示，各变量之间均在1%的显著水平上拒绝原假设，即表明各变量之间存在长期均衡的稳定关系(7)在对面板数据中各变量之间是否存在长期均衡关系进行检验时，Kao检验、Perdroni检验和Westerriund检验各有优势和不足，可以互补，因此通常是三者同时使用，以便尽可能排除一些干扰因素。。

表2 单位根检验结果

注：***、**、*分别表示在1%、5%、10%检验水平下显著。

表3 协整检验结果

注：***、**、*分别表示在1%、5%、10%检验水平下显著。

通过建立实证模型分析31个OECD国家人口年龄结构的变动对房价的影响，采用的面板数据模型可以表示为：

yit=xitηn+ui+εit(i=1，2，…，N；t=1，2，…，T)

(6)

式(6)中，N表示截面个数，在本文即指所选取的OECD成员数；T表示观测时期数。被解释变量为yit，在模型中表示的是实际住房价格指数；解释变量为xit，表示人口年龄结构等人口变量和其他控制变量向量；nn表示解释变量向量对应的n维系数向量，其中n表示解释变量个数。μi表示个体异质性的截距项，εit为随机误差项。

由于选用的面板数据为长面板数据，即时间维度T相对于截面维数N较大，对于可能存在的个体固定效应使用个体虚拟变量(LSDV)进行估计。同时鉴于扰动项εit可能存在组间异方差和组间同期相关，为此对面板数据模型进行了组间异方差的沃德检验和组间同期相关的半参数检验，结果拒绝同方差和无组间同期相关的原假设。本文采用两种方法对这个问题进行处理。一是使用LSDV法估计系数和面板校正标准误差模型(PCSE)对标准误差进行校正；二是先对面板数据中的扰动项可能存在的异方差的条件方差函数进行假设和修正，再使用广义最小二乘法(FGLS)进行回归估计(8)由于FGLS比PCSE更有效，本文主要以FGLS的估计结果进行分析。。

(三)实证结果分析

本文旨在研究人口年龄结构的变动对房价的影响，因此先整体将各国的人口年龄结构变量对房价进行回归，然后将各个年龄结构细分后再对房价进行回归。针对被解释变量，均选用PCSE和FGLS估计法依次对模型进行估计，以检验结果的稳健性。首先将所有的人口年龄结构变量都加入到模型中，再分别对四个年龄层次的变量进行回归，回归结果如表4所示。模型1和模型2是分别采用FGLS和PCSE估计法将所有年龄结构的变量都加入到模型中的回归结果。从结果中看到两种估计方法的结果近乎一致，说明估计结果较稳健。

0～24岁的少年组的系数显著为负，说明随着少儿群体的增加，房价将会下降，这与我们的假设3是相符的；25～44岁的青年组系数显著为正，说明青年群体的增加会促进房价的上涨，与假设2相符。对于这个结果是不难理解的，从回归结果看出人口出生率与房价之间负相关，而OECD国家的出生率近几十年都是逐年下降的，且各国的生育率也是不断降低，这也解释了这些国家近几十年房价上涨的现象。45～64岁的中年组，其回归系数也为正，但是并不显著，说明这一阶段的群体对房价的影响不稳定。模型3、4、5、6分别是少年组、青年组、中年组和老年组对房价影响的回归结果(9)由于PCSE结果与FGLS结果系数显著性一致，在这里只列出了FGLS的回归结果，如有读者需要，可索要。。从回归结果上面看，与模型1中的各年龄结构变量对房价影响的方向是相同的，只有系数的变化。由于中年组对房价影响系数最大且最为显著，我们将对其年龄组细分进行研究。中年组和老年组对房价的影响，前者表现不显著，而后者的显著性降低，笔者已将其年龄组进行细分，以便找到其中不显著的原因。

表4 总样本回归结果

注：系数值下方括号内数值为z检验值，***、**、*分别表示在1%、5%、10%检验水平下显著。

表5是青年组和中年组部分年龄段群体对房价影响的回归结果。结果显示，30～34岁年龄段群体对房价的影响最大且最显著，其经济含义可以表述为30～34岁年龄段人口增加一个百分点引起房价上涨近0.5个百分点。此外，25～29岁、35～39岁和40～44岁年龄段人口对房价的影响也是很显著的，说明人口年龄结构中影响房价的主体主要集中在青年适婚年龄群体和处在事业高峰的中年群体，与我们的理论假设1、2、3相符。从适应性预期来看，青中年群体对未来房地产市场看好，会增加现期住房购买活动，增加住房投资性需求，进而推高房价；从需求端的角度来看，青年群体正处在适婚年龄，购房是出于刚性需求；处在事业高峰的中年群体，追求的是一种改善型住房需求，这一年龄阶段的群体追求高档型的住房环境，会急于提高目前的住房水平来彰显自己的身份地位。在假设2中，老年群体对房价的影响是不确定的，在表4中，得出的结果是64岁以上老年群体对住房价格有负效应，即老年群体的增加会抑制房价上涨。

为了证明假设2中老年群体对房价影响的不确定性，将55～79岁以上群体单独进行回归，将年龄在80岁以上的视为老年群体，如表6所示。从表6中可以很直观地看出每个年龄段对房价的影响方向及程度。其中，55～79岁年龄段老年群体对房价有显著负向作用，80岁以上老年群体的增加会促进房价的上涨，这可能与目前OECD国家家庭小型化发展有关。随着医疗水平和生活水平的提升，人们的寿命不断延长，与中国家庭观念不同的是，西方国家追求独立，老年人为了提高生活质量会选择搬出去独住，这样会产生一部分养老型住房需求，促进住房价格的上涨。结合表5与表6的回归结果，可以总结出目前导致高房价的主要人口因素，即住房刚需和改善型住房需求居高不下是引起房价过高的主要原因。此外，老年人口对住房的要求较低，他们所追求的是一种养老型的住房，随着老年人口尤其是80岁以后老人群体的增多，使得养老型住房需求也在不断上涨，这也是导致房价上涨的一个因素。

表5 青、中年各年龄段回归结果

注：系数值下方括号内数值为z检验值，***、**、*分别表示在1%、5%、10%检验水平下显著。

表6 55岁以上年龄段人群与房价之间回归结果

注：系数值下方括号内数值为z检验值，***、**、*分别表示在1%、5%、10%检验水平下显著。

五、主要结论与启示

通过研究OECD中31个国家1960—2014年的人口年龄结构与房价之间的关系，发现人口年龄结构与房价之间存在密切的关系。进一步研究表明，少儿人口与老年人口的增加均会导致房价下跌，青年人口与中年人口的增加会造成房价上涨。青中年是购房群体的主力军，少儿人口的增加导致少儿抚养比的上升，造成家庭经济负担加重，从而削弱其购房能力；随着生活水平的提升，中年群体不再一味的追求物质层面的财富，转而更加关注精神层面的满足，对住房的要求不再仅仅满足住房的基本功能，尤其是对于OECD中的发达国家，越来越多的青年群体步入中年，改善型住房需求是造成其房价不断上涨的主要因素之一。老年人口的增加虽说是房价下跌的原因，但是本文中的实证结果并不显著，我们猜测老年人口对房价的影响存在一个界值，但是这个界值是多少不在本文研究的范围，在此不做赘述。

根据研究结果，可以了解到造成中国房价不断攀升的主要人口因素是少儿人口的不断减少和青中年群体不断增多。少儿人口没有购房能力，加重了家庭的经济负担，降低家庭的购房意愿与购房能力，因此少儿人口的下降提升了家庭购房意愿与购房能力，增加了住房有效需求；青中年人口是购房需求的主力，青年群体刚刚步入婚育年龄，根据中国的传统文化，房子是构成家和归属感的基础，有房才有家，才有安全感，因此青年群体在适婚年龄时期会促进住房需求上涨。中年群体处于事业高峰期，文化致使国人视房子为身份的象征，为了彰显自己的身份地位，中年群体会选择高质量的住房，从而产生大量的改善型住房需求。与国外有所不同的是，中国老年人口的增多会使房价上涨，一方面是因为一部分老年人得益于福利分房制，使得他们在步入老年时期拥有大量积蓄，步入老年之后他们选择投资房产；另一方面，中国老年人具有极强的“利他心理”，在国内房价不断上涨的过程中，大多数老人可能帮助子女购买住房，增加住房市场有效需求，从而抬高房价。

根据以上分析，结合中国的实际情况，本文提出以下几点建议。一是如果人口结构的变迁是影响房价的主要因素，且主要表现为青中年群体的增加促进住房刚性需求和改善型住房需求的增加，则中国目前所采取的调控房地产的政策(如提高二套房首付比例和贷款利率)对满足居民的住房需求具有负面影响。为了满足人们的住房需求同时稳定房价，政府应该从增加土地供应等房地产供给方面进行改革。二是中国政府应该采取有效措施抑制住房刚性需求和改善型需求，加强人口因素对房价影响的检测与预警机制；同时，应该大力推进养老和医疗等制度的改革，积极应对人口老龄化对房价造成的负面冲击，合理调整和平衡人口年龄结构对房价产生的影响。三是人口结构波动会引起房地产市场的周期性波动，从人口年龄结构来看，未来中国房价不具备快速上涨的趋势，因此，为了房地产市场稳定健康的发展，中国应该采取相应的政策，避免房价下行给经济带来的冲击。