区域异质性视角下人口老龄化对住房均价的影响研究

李乔漳 张莎莎 万富元

（1.中国人民银行钦州市中心支行，广西 钦州 535099；2.北部湾财产保险股份有限公司钦州分公司，广西 钦州 535099）

一、引言与文献综述

历史表明，老龄化程度的变化会对人类社会生活的各领域产生重大且深远的影响。其中，老龄化进程可能通过住房需求和现实购买力等渠道影响房地产价格。从我国实际情况看，近20 年来我国商品住宅平均销售价格持续上涨、人口老龄化程度不断加深，同时，由于经济金融、生态环境、人文教育等因素发展不均衡，各地区的人口年龄结构、房地产市场发展程度均存在较大差异。因此，为有效应对老龄化对房地产市场的冲击，有必要深入研究我国老龄化与住房均价波动的关联性，以及不同区域老龄化程度对住房均价的冲击方向、力度。

现有大量研究人口老龄化与住房均价相关性的文献，其代表性结论总体上可归纳为四种不同观点：一是老龄化对住房均价构成显著负向冲击。Bakshi&Chen（1994）提出生命周期投资假说，认为投资者会在早期（20～30岁）倾向于投资住房，但是随着年纪增长，投资偏好将转向金融资产。相关研究结果表明，二战后人口平均年龄的增长，导致股票价格上升和住宅需求、价格下降。Jeremy（1998）提出“资产崩盘假说”，认为不再提供劳动力服务的老龄人口为获取收入，大概率会出售房产类固定资产，进而导致市场上住房供应量上升、价格下降。Elod（2012）对欧美22 国数据进行实证分析，结果表明随着人口老龄化程度加深，未来40 年发达经济体的住房均价年均降低0.8个百分点。陈斌开等（2012）实证发现住宅需求与年龄构成高度相关，当我国人口增长率下降、老年抚养比上升，将极大削弱未来住房需求，从而推动住房均价下行。二是老龄化对住房均价形成显著正向作用。徐建炜等（2012）对10年期各地区数据进行分析，认为老龄化将推动住宅需求，主要原因是目前的老龄人口历经房改积累大量财富，同时计划生育使其对独生子女的爱护之情更为浓厚，为子女买房的能力及意愿较强。邹瑾（2014）表示老龄化对住房均价存在正向效应，主要原因是老年人群对青年群体购房的资助，形成间接的住房购买需求，从而推动住房均价上涨。三是老龄化与住房均价波动的联系不紧密。Chen &Gibb（2012）综合运用宏微观模型，采用仿真模拟方法，验证发现苏格兰人口老龄化与住房均价的相关性不显著。张超（2015）利用贝叶斯模型平均法（BMA）对我国30个省（市、自治区）2002～2013年数据进行实证研究，发现经济水平、年龄构成、城镇化率等解释变量不是我国住房均价变动的主导因素。四是老龄化对住房均价的影响受外部因素制约。陈彦斌和陈小亮（2013）认为，人口老龄化从需求层面作用于房市，主要是受城市化进程、家庭规模等多种因素制约。牟新娣等（2019）采用门限面板等计量模型对我国31省（市、自治区）数据进行验证，发现经济发展状况及城镇化水平能抵消老龄化对住房均价的部分负向冲击。

目前，学术界尚未形成关于人口老龄化与住房均价相互关系的一致结论，部分文献甚至持相反观点。从国内学术成果看，由于我国房地产市场起步较晚、人口老龄化进程较短等因素影响，专家学者对我国人口老龄化作用于住房均价的研究较少，且多为整体性研究，未充分考虑区域差异化特性。因此，本文将结合实际国情，分区域探讨老龄化与住房均价波动之间的联系，进而提出差异化调控建议，助力推动房地产市场稳健运行、维护经济发展和社会稳定。

二、我国老龄化和住房均价的变迁情况、区域异质性特征及影响机理

（一）老龄化程度的变迁情况、区域异质性特征

1956年，联合国将老龄化定义为：65岁（含）以上人口数量占比突破7%。1982 年，老龄问题世界大会明确严重老龄化界限为60岁（含）以上老龄人数占比突破10%。我国老龄工作委员会公开信息显示，1999年我国迈入老龄化社会。此后，随着出生率连年下滑和寿命逐步延长，我国人口老龄化进程逐步加速。联合国发布的1990～2020年老龄化进程展望，测算30年期限内全球老龄人数年均增长率为2.5%，而中国为3.3%。而根据国家统计局发布的2018 年数据，我国60 岁（含）以上老龄人数为2.49 亿，比老龄化社会起步的1999 年净增长1.18 亿，且是目前全球唯一一个老龄人数超越2亿的国家；65岁（含）以上老龄人数为1.67亿，占总人口比重达到11.9%，已进入严重老龄化阶段。此外，我国老龄化进程除了发展态势迅猛、高龄化趋势加剧等特点，同时还存在地区间发展严重不均衡、城乡倒置等现象。区域老龄化进程的不均衡，主要表现是经济发达的东部沿海地区老龄化进程显著快于经济相对落后的中西部内陆地区，如最早（上海1979 年）及最晚（宁夏2012 年）跨入老龄化社会的地区之间间隔33 年。一方面，20 世纪70 年代，发达地区在执行“少生优生，晚婚晚育”的计划生育政策方面更为严格，生育率相对欠发达地区更低。此外，随着部分居民对生活品质、事业发展等的追求，“丁克”家庭不断涌现，发达地区生育率在一定程度上受到限制。2018 年，北京、上海以及天津的出生率仅为8.24‰、7.2‰和6.67‰，不及排名靠前的海南、青海、广西等地出生率的一半。人口老龄化的城乡倒置现象，主要表现为部分欠发达地区大量年轻劳动力向一二线城市迁徙，导致欠发达地区人口结构失衡，尤其是贫困乡村空巢老人数量与日俱增，农村老龄化程度日趋严重。

（二）住房均价的变迁情况、区域异质性特征

自1998年施行货币化房改，历经20年，我国房地产业高速发展成为支柱产业，在促进经济发展、推动就业及保障民生方面贡献突出。与此同时，住房均价逐步上涨，虽经历数次调控，仍处于高位。从住房均价变迁历程看，自房改以来，我国商品住宅平均售价持续走高：1998 年1854 元/m2—2006 年超3000 元/m2—2012 年超5000 元/m2—2018 年8736 元/m2，20 年间住房均价上涨4.7 倍。从全国各区域来看，区域间分化特征明显，突出表现为一、二线热点城市住房均价持续上涨、住房供不应求，同时部分偏远的山区地级市却面临严峻的去库存挑战。剖析房地产市场区域分化的原因，根本在于房屋供需和土地价格，关键推力则是流动性充裕背景下资金寻求安全增值资产，部分三、四线城市尤其是偏远山区地级市人均收入整体偏低、迁入人口总量相对较少，导致投资（机）型购房行为和二手房交易相对疲弱。分地区看，根据《2018年分区域房地产运行报告》，2018 年全年，北京、上海、天津以住房均价34142、26890和16054元/m2领跑全国，分列前三名；内蒙古、甘肃等七个地区的住房均价则低于6000元/m2。

（三）相关影响机理

老龄化可能通过住房需求和现实购买力等渠道对住房均价形成冲击。根据“资产消融假说”和“生命周期理论”，老龄人口不再积累财富，住房需求降低，从而间接导致住房均价下跌。而受我国房改红利和传统家庭财富代际转移文化的影响，我国部分老龄人口积累了一定量的财富，同时具备协助儿女后代购房的意愿，进而推动住房均价上行。

1.“资产消融假说”及“生命周期理论”。资产消融（Asset Market Melt-down）假说，是指进入退休年龄的人口，倾向于减持房产类固定资产，从而增加市场供给，引发此类资产价格下降，情况严重时甚至有可能导致市场崩盘。资产消融假说的基本模型为Qk=s（WN），其中Q、k分别代表资产价格及供给数量，s、W、N 则代表居民储蓄率、工资率及储蓄人数。生命周期理论（Life Cycle Hypothesis），根据劳务供给情况将人的一生分为3个阶段，包括尚未开始提供劳务的幼少期、正在提供劳务的青壮期和已退出劳务市场的老年期，理性人将严格按照收入预算约束对消费储蓄进行合理规划，对人生三个阶段的消费进行最佳配置，实现财富效用最大化。其中，老年期（退休）人们不再积累财富，处于负储蓄、纯消费的状态。生命周期理论的基本公式为公式（1）。

其中，C为理性人年消费支出，βw为财富消费率（以年消费支出占财富比例表示），Wr为实际财富，βyw为薪资消费率（以年消费支出占薪资总额的比例表示），yw为年薪资总额。根据生命周期理论，退休人口不再积累财富（不再购买住房，甚至出售住房），从住房供给及需求两个层面对住房均价形成负面影响。

2.房改红利和家庭财富代际转移。房改红利起源于计划经济时期，我国实行住房统一建造、分配及租住价格低廉的福利性住房制度。20世纪80年代初期，住房制度开启改革试点（措施包括出售公房、提租补贴等），至20 世纪90 年代末期房改覆盖所有城镇，原租户以超低价购买超过20亿平方米的公房。此特殊历史阶段，由于房改导致居民家庭资产陡然出现大幅增加的情况，被我国专家学者统称为房改红利。通过房改红利，这一代老龄人积累了大量的财富。家庭财富代际转移是指一个家庭内父辈财富向子辈流动的迁移，其前提蕴含利他主义、交换动机、父母投资回报假说等原理。从国情看，我国父辈存在着长期照顾子女的观念，尤其是在计划生育政策的背景下，父辈对独生子女的爱护心理更为强烈，不仅表现为遗产传承，更表现为一起生活时的各项家庭支付，如自愿承担子女居家费用、帮助子女购买住房等。

三、变量选取及模型构建

（一）数据区间及变量选择

结合我国房改、老龄化进程情况，本文的样本区间设定为1999～2018年。参考现有研究文献，本文选取全国31 省（市、自治区）的年度相关数据进行人口老龄化对住房均价的影响研究（港澳台地区数据缺失，故未纳入模型分析）。其中，商品住房均价为被解释变量；老年抚养比设定为解释变量；对住房均价影响较大的因素包括地区经济发展水平（人均地区生产总值）、城镇化率、人口规模、少儿抚养比和居民消费价格指数作为控制变量。

（二）数据来源、处理及模型构建

本文利用1999～2018年国家统计局公开数据，进行模型构建及相关分析。由于部分年度指标缺失，最终有效样本数为615个。相关数据进行无量纲处理，描述性统计分析结果详见表1。对以上变量建立计量模型，如方程式（2）所示。

方程式（2）中i是具体的省（市、自治区），t是年份，α是截距项，ε是包含宏观经济、房地产政策等其他住房均价影响因素在内的误差项。

表1 变量的描述性统计结果

（三）区域划分

如前所述，我国不同区域的商品住房均价及老龄化程度均存在显著异质性特征。而传统的区域划分方法仅从地域层面将我国各省（市、自治区）简单归类为东、中、西部地区3 类，不能准确反映实际区域差异。因而，本文利用离差平方和法（Ward’s Method）对1999～2018年我国31省（市、自治区）人均地区生产总值数据进行系统聚类，最终将31省（市、自治区）按经济发展水平划分为发达、次发达和欠发达3 类区域，继而研究老龄化作用于住房均价是否存在区域异质性。

图1 聚类分析结果的水平树状图

由聚类分析结果可以看出，发达地区涵盖北京、上海等3 市，次发达地区涵盖江苏、福建等7 省（自治区），欠发达地区涵盖吉林、贵州等21 省（市、自治区）。31省（市、自治区）具体划分情况如表2所示。

表2 我国31省（市、自治区）按三类区域划分情况

四、实证分析

（一）全国整体情况

1.单位根检验。本文运用LLC、IPS、ADF 和PPFisher 等方法，检验变量序列的平稳性。结果如表3所示，原始样本序列非平稳，经一阶差分后均平稳。

表3 单位根检验结果

2.协整检验。本文利用Kao 检验和Pedroni 检验法对一阶平稳的序列进行协整检验。结果如表4 所示，各统计量p值均为0，表明协整关系成立。

表4 协整检验结果

3.回归分析。为确定回归估计模型，本文对全国面板数据进行F检验及Hausman检验。结果如表5所示，全国数据的分析应使用固定效应模型。回归估计结果如表6所示，可得出全国数据的模型公式（3）。

表5 F检验和Hausman检验结果

表6 全国面板数据固定效应模型回归估计结果

由回归结果可知，在1%的显著性水平下，老年抚养比与住房均价表现为正相关关系，老年抚养比每提升1个单位，住房均价将上升0.013927个单位。从实际国情看，一方面，在经济发展及储蓄偏好等多重因素作用下，我国老年人口财富逐渐积累、购买能力增强。《中国康养产业发展报告（2019）》指出，我国城市老年人口中45%有存款，且人均存款余额为8万元左右。此外，和许多无房无车的年轻人相比，大多数老年人拥有一套或多套住房。另一方面，老年人群受到传统的家庭财富代际转移文化影响，愿意资助子女购房或购房馈赠、传承给子女，形成间接的购房欲望。以上购买能力及购房欲望共同作用形成现实的购房需求，进而推升住房均价。

人均地区生产总值、人口数量、少儿抚养比、城市化水平、物价指数等指标对住房均价具有显著的正向作用，主要原因是收入增长、人口增多、城市化进程加快、物价上涨等会通过购买能力、购买需求、建筑成本等渠道带动住房均价上扬。

（二）分区域面板数据

1.发达地区。经F 检验及Hausman 检验（见表7），对发达地区面板数据采用固定效应模型进行分析（回归结果见表8），可得关系如方程（4）。

表7 分区域F检验和Hausman检验

表8 不同区域各因素对住房均价的影响情况

如表8回归结果所示，发达地区老年抚养比与住房均价负相关。在5%的显著性水平下，老年抚养比每上升1 个单位，住房均价将下跌0.036480 个单位。一方面，发达地区老龄化程度较深，社会抚养负担较重，老龄人口抚养支出对购房需求形成挤出效应。从北京市情况看，2018 年该市60 岁（含）以上户籍老龄人数占比为25.4%、户籍老龄人口抚养系数（户籍劳动人口抚养老龄人口的比例）为42.2%。以上海市为例，该市是我国首个开启老龄化进程、且目前程度最深的地区。2018年，上海60岁（含）以上、65岁（含）以上老龄人口分别为503.28万人和336.90万人，占总人口的比重分别为34.4%和23.0%；80 岁（含）以上户籍高龄人口占比高达16.2%。上海老龄化问题加剧，主要是由于“丁克”家庭涌现导致出生率下降及医疗发达促进寿命延长，此外，近年来随着外来务工人口的长期定居，部分随迁老人赴沪养老或为子女照料孩子等，导致上海外来老年人口数量大幅扩张。2017年，上海65 岁（含）以上外来老年人口总量达到30.72 万人，比上年增长35.0%。另一方面，发达地区更为注重养老生活品质，在老龄人口储蓄总额不变的情况下，老年医疗保健、教育旅游等消费与住房消费具有替代效应。根据北京银发消费发展论坛于2019年11月发布的信息显示，最近20 年参与经常性教育活动的北京老年人约40%，其中老年文旅和教育将成为新的消费增长方向。据上海市质量协会《2016 年上海老年人出游现状与需求调查》的结果显示，上海老年人口外出旅游比例达77.8%。

人均地区生产总值、物价指数上升均导致住房均价下降，主要原因是随着购买能力增强及物价上扬，发达地区在提升生活品质等方面的支出对住房购买形成挤占。人口数量、少儿抚养比、城镇化水平的提高则引发住房均价上涨，一方面是居住需求推升住房均价，另一方面是随着地区城镇化水平提高，商品房因周边交通便利、基础设施完善等出现增值。

2.次发达地区。经F 检验及Hausman 检验（见表7），对次发达地区面板数据亦采用固定效应模型进行分析（回归结果见表8），可得关系如方程（5）。

回归结果显示，次发达地区人口老龄化与住房均价相关关系不显著，一方面原因是次发达地区老龄化呈现出特殊的发展特点，从数据看，次发达地区的老年人口占比不高，但基数庞大。2018年末，山东省60岁（含）以上老年人数达到2239 万，是全国唯一超过2000 万的地区。而广东60 岁（含）以上、65 岁（含）以上常住人口占同期全国对应年龄段人口的比重分别为5.90%和5.87%。另一方面可能原因是次发达地区住房均价受多重因素影响，老龄化与住房均价的相互作用未能完全显现。

次发达地区人均地区生产总值、人口数量、城镇化率和物价指数对住房均价具有正向影响，主要是随着人均地区生产总值的提升、人口数量的增长及城市化进程加快，居民家庭住房需求及购买能力增强；物价指数对住房均价的影响与发达地区结论相反，原因在于次发达地区非固定资产消费未对住房需求产生显著替代效应，反而是物价从房屋建造成本、配套支出等层面助推住房均价上扬。

3.欠发达地区。经F 检验及Hausman 检验（见表7），对欠发达地区面板数据采用固定效应模型进行分析（回归结果见表8），可得关系如方程（6）。

从固定效应回归结果看，欠发达地区老年抚养比与住房均价存在显著的正向关系。在1%的显著性水平下，老年抚养比每提升1 个单位，住房均价会上涨0.02562 个单位。这一回归结果与发达地区截然相反，原因在于欠发达地区的消费理念、开化程度等相对落后，表现为养老性消费支出相对较低、老龄人口的家庭财富代际转移传统观念相对较强，因此大部分老年人群将储蓄用于资助子女购房。

欠发达地区人均地区生产总值、人口数量、少儿抚养比、城镇化水平、物价与住房均价显著正相关，主要是通过增强购买力及扩大住房需求、完善配套设施等渠道引发住房均价上涨。

五、结论及相关启示

（一）实证结论

一是老龄化对住房均价存在较为显著的影响。从全国及各区域实证分析结果看，人口老龄化通过财富积累强化购买力、家庭财富代际转移、养老需求等渠道作用于住房均价。

二是不同区域老龄化进程引发的住房均价波动存在差异。从对比情况看，不同区域人口老龄化对住房均价的作用力存在较大差异。其中，发达地区的老龄化对住房均价形成负向冲击，次发达地区老龄化对住房均价作用微弱，而欠发达地区则表现为显著的促进作用。

三是其他因素对住房均价的影响存在区域异质性特征。实证结果表明，发达地区的人口数量、城镇化水平对住房均价具有显著正向影响，物价指数与住房均价则呈现较为显著的负相关性；次发达地区人均地区生产总值、人口数量和城镇化率对住房均价具有显著正向作用；欠发达地区各指标均对住房均价产生正向影响，其中人均地区生产总值、人口数量和物价指数影响更为显著。

（二）相关启示

一是正视老龄化对住房均价的冲击效应。老龄化进程加速，加剧住房均价波动，从而对房地产市场、乃至整个经济社会的稳健发展产生不利影响。因此，一方面要合理调整人口结构。采取放松生育管制、鼓励生育“二孩”、扶持相关婴幼产业发展等措施，推动人口保持合理增长率，从而调整人口年龄构成，减缓老龄化进程，降低其对住房均价的冲击效应。另一方面要加快构建科学合理的养老保障体系。针对人口老龄化加剧趋势，地方政府应建立健全养老保险和老年福利体系，加大养老服务、卫生医疗、保健等方面的公共支出，保障养老服务基础设施供给，以更好地应对我国养老问题，助力削弱老龄化对住房均价的冲击。

二是分区域施行差异化的房地产调控措施。为降低各区域不同老龄化进程对住房市场造成的差异化冲击，应持续推进“因城施策”，针对不同区域老龄化、住房均价的发展特征，采取针对性调控政策并根据相关变化适时调整。如针对欠发达地区人口老龄化进程加快、住房大量剩余的情况，应实行积极的“去库存”政策；针对发达地区住房均价高企且波动幅度大、老龄化对住房均价影响显著的情况，一方面是加强保障性住房建设，实现低收入群体的刚性住房需求，另一方面，引导毗邻但分属不同区域的城市开展合作，发挥城市集群的房地产系统调控作用，引导劳动力人口在不同区域间合理转移，避免过度集中或促进“大城市工作、小城市居住”常态化，从居住场所层面平缓老龄化进程，避免其加剧房地产价格波动。

三是促进区域协同发展。除老龄化进程外，住房均价还受到地区经济、社会发展水平的影响。因此，通过倾斜性的就业、税收、金融等政策，鼓励经济欠发达地区充分利用大数据、云计算、智慧物联平台等，发挥“后发优势”，推动地区经济水平和城镇化进程提档升位。同时，统筹考虑不同区域的区位优势、资源禀赋，深入推进落实“一带一路”南向通道、长三角一体化、京津冀协同发展等国家战略，采取区域间开展“飞地经济”、对口帮扶、两地双园等措施，促进资源、产业和其他经济活动的腾挪、梯度转移，深入构建区域关联格局，从而促进城市群经济协调发展，形成应对老龄化挑战的合力，有效缓和老龄化的冲击，早日实现习近平总书记提出的“让全体人民住有所居”的目标。