房地产价格区域经济（精选12篇）
房地产价格区域经济 篇1
1. 影响房地产价格变动的主要经济因素
1.1 供求关系因素
在房地产业中, 生产周期长和资金规模大是房地产商品最为明显的特点, 因此在某段时间内和某些特定的区域中, 就可能会出现产品相对过剩或短缺这种现象, 也就使得房地产业的价格呈现出波动的形式。由于房地产业具有不动产性、资产属性和资本附加性, 使得房地产业不会随着使用价值的消耗和消失而减少或转移了房地产商品的价值, 具有较长的价值使用年限, 且随着投入的增加, 其价值也会跟着增长。同时, 这三种特殊的属性使得房地产商品的供求与价格关系的表现更加明显, 有时甚至会使其发生扭曲, 从而导致价格的波动更加剧烈和明显。
1.1.1 需求因素对房地产价格波动的影响
在房地产业中, 界内人士普遍认为在短周期内, 房地产缺乏弹性, 因此对房地产价格波动产生影响的主要因素为市场需求因素。从城市住宅业未来的发展角度看, 对房地产价格波动造成影响的原因主要有三个方面: (1) 城市的大规模拆迁而造成的需求迫切; (2) 城市外来人员对房子的购买需要和当地居民对住房环境改变的需要; (3) 城市的土地出让, 使得土地的价格大幅度上升, 从而带动了房地产价格的变动。虽说地价上涨和房地产供给结构的变动是影响房价上涨的直接原因, 但归咎到底, 影响房价上涨的深层次原因为消费者的预期发生改变, 因此, 有学者认为:造成房价上涨的重要原因包括人均可支配收入、投资成本和预期这三个方面。业界人士在对房价上涨原因进行分析时, 都比较关心市场供需对价格变动的影响, 房地产可以看做是一种投资品, 而投资需求的大量存在极易对房地产需求造成较大的波动, 随着时间的推移, 波动幅度会发生变动, 从而导致了房地产供求关系的不稳定。
1.1.2 供给因素对房地产价格波动的影响
房地产价格与土地价格之间的关系作为业内人士争议的焦点问题, 许多学者认为土地出让方式的变动在一定程度上推动了地价的上涨, 但那也仅仅是市场低价的释放而已, 并非是影响房价的决定因素。研究房价与地价的基本关系可以看出, 两者间都起到了相互影响的作用。地价的下滑和上升, 势必造成房价的下降和上升, 而从长远的角度看, 房价的走势也在一定程度上影响了土地价格的走势。另外, 地价对房价的影响程度会随着土地级别的下降而逐步下降, 同样的道理, 某特定区域范围内的房价的不断上涨也会对该区域内的地价的上涨起到推动的作用, 这两者间存在着的这种相互影响的关系及相互制约的关系, 也就表现为市场供给关系对房地产价格的影响。
1.2 经济基础面因素
房地产价格是经济面的一个敏感指标, 通过对房地产价格的分析, 其原因主要是因为房地产价格与经济面存在着正相关的关系, 当房地产价格出现下行波动时, 那就意味着经济基本面的状况出现了恶化, 相反的, 则表示经济基本面的态势良好。另外, 经济面与房地产价格也存在着相互的作用。房价的下行或上行波动不仅仅是反映出经济面好坏状况而已, 同时在一定程度上会对经济面造成影响。当房价的波动对两者之间的平衡关系造成了影响, 那么为了维持这种平衡, 经济面则应做出相应的调整, 也就势必会对当前的经济状况造成影响。
1.3 城市化进度因素
随着我国经济的发展和人口的不断增加, 城市化得到了较为快速的发展, 通过对这一现象的分析, 城市化进程已逐步成为房地产业繁荣增长的原动力, 并且成为目前我国房价快速上涨的一个合理的“说辞”。随着我国城市化进程的推进与发展, 在极大程度上也使房价呈现出向上波动状态, 其主要原因是因为在对城市土地进行开发和利用的同时也使得城市土地的价值得到了提升, 另外, 由于城市的积聚效应, 使得房产价值和附加价值得到了增加。城市化本身孕含着与之相反的态势, 即在形成积聚的同时也在不断地形成分散。城市化进程存在着边际成本, 假如城市的积聚所产生的成本超过了其所带来的经济效益, 那么就会使得城市化进程的速度逐步下降直至自然停止。所以当城市化快速发展或发生停滞时, 房价必然会出现上行或下行的波动。
1.4 经济周期因素
社会经济周期是一种客观存在的主体, 通过对其分析, 可以发现该周期是一个增长、繁荣、衰退、萧条直至再重复的链式循环模型, 且处于一个不断运行的状态。而房地产行业是中国经济的主要组成部分, 自然也存在着经济周期, 在忽略了连带效应和时滞效应的时候, 其波动规律与经济周期的变动是一致的。由于当前中国经济周期性表现得不是明显, 因而对周期的研究就显得极为困难。且我国房地产业正处于成长的阶段, 房地产业的规模正在持续的扩大, 也就无法体现出实际应有的波动状况。但是, 通过对经济研究方法和房地产指数研究体系的分析研究, 并将房地产业规模的影响排除之后, 通过对实际情况的分析, 已经可以证明经济周期对于房地产价格的影响性。
1.5 经济全球化因素
伴随着全球化的加速发展, 国际金融市场规模也在不断地扩大, 跨国资金的快速全球性流动, 使得各国的资产价格也在剧烈的波动。世界宏观经济正处于短周期低速增长的阶段, 过度增长所带来的后果已经逐步地显露出来。各国经济发展政策的调整是不难看出的, 这种调整会对房地产价格波动造成影响, 如果处理不当就会造成不能承受的后果出现, 使得经济处于持续性的经济疲软阶段, 而这又进一步恶化了房地产价格波动。
2. 政府对房地产价格波动的控管对策及改进措施
2.1 政府对房地产价格波动的调控
(1) 政府对国民经济波动的整体调控宏观调控政策应与整个国民经济的宏观政策相一致, 并服从国家的经济政策。当国民经济不能承受房地产业的发展时, 房地产业会给其他行业带来巨大压力, 为了使宏观经济的持续健康发展, 就要采取宏观调控措施改变房地产业中的不良因素。
(2) 政府调控因供求失衡而形成的房地产经济波动在房地产业中, 供需不平衡是普遍的。因此, 实际上为了减少这种供需不平衡的状况才对房地产市场进行宏观调控, 单凭市场经济的调节能力往往会使房地产陷入经济危机致使房地产业元气大伤, 为了避免这种状况出现使得房地产业能够正常运转, 这时根据矛盾的不同采取不同的调控方针。
(3) 政府调控因宏观政策变化而形成的房地产经济波动即使会对房地产经济造成影响, 政府仍然应该坚持执行正确的宏观经济政策, 因为正确的宏观经济政策保障了房地产业长远、健康的发展。同时政府应该采取措施制止不当和失控状态的宏观经济政策对于不当的或失控状态下的宏观经济政策。政府应保持房地产业宏观政策的稳定, 尽量避免重大经济决策的变化, 这样会对房地产企业制订长期发展战略, 减少企业决策的盲目性、短期性和投机性产生有利影响。
2.2 政府调控的主要措施
(1) 政府应对行政审批环节进行简化, 降低市场交易成本政府对房地产开发项目严格而繁琐的监管不符合市场经济发展规律。市场可以检验审批中的大部分环节, 政府要做的是在开发前审查房地产开发企业的资质和信誉, 并且在建设中和建筑完成后进行标准规范的质量验收。另外, 还要对每一个必须进行的审批环节所需的具体时间进行严格规定, 对超过期限的情况可提出申诉索取赔偿。
(2) 改进或变更价格双轨制土地转让市场大量存在价格双轨制, 导致这一问题的根源并未最终解决, 某种商品在市场上只要存在两种价格, 运用各种方式找到政策漏洞的人就会出现。政府在全国范围内取消协议出让土地的方式, 才能将公平公正公开的环境赋予市场。
(3) 政府对税收政策进行改进, 降低居民住房交易税费, 对于各中小企业在信贷方面的支持也不断加大。第一, 按照新制定的《企业所得税法》来实施, 对于个人房地产的税收制度持赞同态度;第二, 改革税费并实施结构性减税的措施。通过减退税或是抵免税的方法, 达到减轻居民税和企业税的目的, 以推进企业的投资力度, 以及刺激居民的消费力度, 最终使得房地产市场能朝向稳定健康的方向持续发展。
参考文献
[1]牛德利.房地产价格波动的经济因素分析[J].价值工程, 2011.30
[2]危冠元.影响我国房地产价格的经济因素分析[J].现代商业, 2008.27
[3]曹英.长沙市房地产价格波动的经济因素分析[J].内江科技, 2010.31
房地产价格区域经济 篇2
【网络综合-房地产评估师考试指南】：
房地产成交价格不仅关系当事人之间的财产权益，而且也关系着国家的税费收益。因此，加强房地产交易价格管理对于保护当事人合法权益和保障国家的税费收益，促进房地产市场健康有序发展，有着极其重要的作用。
《城市房地产管理法》规定：“国家实行房地产成交价格申报制度。房地产权利人转让房地产，应当向县级以上地方人民政府规定的部门如实申报成交价，不得瞒报或者作不实的申报。”2001年8月原建设部发布的《城市房地产转让管理规定》（原建设部令第96号，以下简称《转让管理规定》）中也规定：“房地产转让当事人在房地产转让合同签订后90日内持房地产权属证书、当事人的合法证明、转让合同等有关文件向房地产所在地的房地产管理部门提出申请，并申报成交价格”；“房地产转让应当以申报的成交价格作为缴纳税费的依据。成交价格明显低于正常市场价格的，以评估价格作为缴纳税费的依据”。这些规定为房地产成交价格申报制度提供了法律依据，如实申报房地产成交价格是交易当事人的法定义务，是房地产交易受法律保护的必要条件之一。
房地产权利人转让房地产、房地产抵押权人依法处分抵押房地产，应当向房屋所在地县级以上地方人民政府房地产管理部门如实申报成交价格，由国家对成交价格实施登记审验后，才予办理产权转移手续，取得确定的法律效力。这一规定改变了原来计划经济体制下价格由国家确定或审批的管理模式，实行交易双方自愿成交定价，向房地产管理部门申报价格的制度。房地产管理部门在接到价格申报后，如发现成交价格明显低于市场正常价格，应当及时通知交易双方，并不要求交易双方当事人更改合同约定的成交价格，但交易双方应当按不低于房地产行政主管部门确认的评估价格缴纳了有关税费后，方为其办理房地产交易手续，核发权属证书。
房地产经纪人在代办有关交易手续时，应坚持如实申报，不可迁就当事人意愿瞒价申报，避免可能的房地产交易纠纷及由此引发的含税收征管在内的一系列法律责任，防范执业风险。
如果交易双方对房地产管理部门确认的评估价格有异议，可以要求重新评估。重新评估一般应由交易双方和房地产管理部门共同认定的房地产评估机构执行。交易双方对重新评估的价格仍有异议，可以按照法律程序，向人民法院提起诉讼。通过对房地产成交价格进行申报管理，既能防止房地产价格不大起大落，又能有效防止交易双方为偷逃税费对交易价格做不实的申报，保证国家的税费不流失。
房地产价格区域经济 篇3
关键词：房价 货币政策 税收政策
根据中国人民银行和国家统计局提供的相关数据显示，2009年，全国房地产企业当年资金来源比上年新增17509亿元，增幅达到44.2%。国内贷款11293亿元，比2008年增长了3688亿元，增幅48.5%，其他资金来源27459亿元，增长了11485亿元，增幅甚至达到了71.9%。2009年整个房地产市场呈现迅速升温的势态。2010年4月，国家统计局的相关数据显示，全国3月份的房屋销售价格指数达到了111.7，这是自1998年房改以来的新高。不断上涨的房价，普通民众望楼兴叹的现状，不仅对社会和谐发展极其不利，还有可能引发房地产泡沫，危害经济健康发展。
一、我国房地产价格的现状分析
1．房地产价格的定义
房地产价格，是由房产价格和土地价格联合决定的。房产价格和土地价格紧密联系，互相影响对方，彼此制约。在我国，土地是国家所有的，通过招拍挂的制度流向市场。土地价格是租用土地的预期收益以及土地使用权的购买价格。我国的地价是以土地使用权出让为前提，一次性支付多年地租的现值总和，其中民用住宅土地的使用权限为七十年。
2．我国房地产价格一直走高的原因分析
（1）银行体系流动性过剩的分析
众所周知，中国连年的贸易顺差，人民币的持续升值，造成外汇储备激增。伴随而来的对人民币升值预期，国外热钱不断涌入中国。人民币升值和升值预期让人们纷纷抛售持有的美元，购买人民币，央行被迫发行相应的基础货币换取外汇。外汇储备的增加导致基础货币增加，通过货币乘数的效应使货币供给量成倍的增加，超出实体经济所能吸收的货币量，导致银行体系流动性过剩。
（2）流动性过剩推高土地价格刺激房价上涨
我国目前的资本市场发展不健全经济结构不够优化，因此银行资金最安全的流向就是房地产领域。房地产企业的土地购置资金和后续建设等所需投资的资金大多来自银行的贷款。特别是上市公司的房地产企业不仅容易得到银行的贷款，还可以通过多种融资渠道得到资金，造成房地产企业投资资金严重过剩。
（3）流动性过剩刺激信贷增长推动高房价
近年来，随着经济增长，居民储蓄越来越多，银行存贷差越来越大，存贷比愈来愈高，流动性过剩的问题加剧。银行系统为了释放过剩的资金，大量的发放贷款。而房地产开发对于资金的要求巨大，并且在开发环节中的土地财政收入涉及到地方GDP和绩效考核，使得房地产企业更加容易获得银行的巨额贷款。
二、我国货币政策对房地产价格的影响
1．存款准备金率对房价的影响分析
（1）存款准备金是指金融机构为保证资金清算和方便客户能提取存款而存放在中国人民银行的存款。如果央行采取宽松的货币政策，降低存款准备金率，就会增加流通中的货币供给量，银行体系可供贷款的数量会提高，流向房地产企业和投资投机者手中的资金相应会增加，导致房地产市场过热和投资投机需求增长，房价上涨。
（2）利率对房价影响分析
央行提高存贷款利率，会减少流通中的货币量，抑制资金流动性过剩的问题，从而使房价降低。贷款利率增加，直接导致房地产企业的融资成本增加，流向市场的投资资金减少。另外在投资成本增加的情况下，企业的预期利润减少，会促使房地产企业对投资项目的选择更加慎重，企业不会盲目的投资，就可减少流通中的投资资金，抑制房地产投资过热和房价上涨。
三、我国税收政策对房地产价格的影响
1.我国房地产的相关税收
作为宏观经济政策中的重要调控手段，税收进入了房地产业的各个环节。税收政策在国际房地产市场的调控上有着重要经验，在国外很多国家，物业税的实施有效抑制了炒房。在以往我国对房地产的调控中，税收政策也发挥了重要作用。
2.各环节税种对于我国房地产价格的影响
（1）开征物业税对我国房地产价格的影响
增加业主持有房产期间成本的最有效手段就是征收物业税。物业税又称“不动产税”，主要针对土地、房屋等不动产，要求其承租人或所有者为了保有它们，每年都要缴付一定税款，而应缴纳的税值会随着房产市值的升高而提高。因此，住房价格上涨就意味着房屋资产价值增加，个人所要缴纳的房地产税款也会相应的增加。
（2）流转环节现行的税种对房地产价格的影响
房地产流转是房地产价值的实现环节，流转环节的税种主要是在房产交易和租赁过程中发生的。在房地产流转环节设置大量的税种，与现阶段我国房地产市场的现状不太和谐。在房地产交易行为中，购买者涉及了印花税，契税两个税种。对普通商品房的购买者征收契税，将增大购买者的购房成本，抑制合理需求。
（3）持有环节现行的税种对房地产价格的影响
在房屋的持有阶段设置税种，可以起到合理利用房屋资源的作用，有利于房屋资源的流通。但是在房地产持有环节中，我国现行税制的税种非常少，税率也比较低，主要是在房地产持有环节中，我国现行税制的税种非常少，税率也比较低，主要有房产税，城镇土地使用税和城市房地产税，而城市房地产税主要是涉外的。
四、建立合理房价体系的政策建议
1.对流动性过剩进行疏通
在我国现阶段，居民和企业的投资渠道是非常匮乏的。而我国目前比较普遍的投资渠道中，股市的收益有可能巨大，但是伴随的风险同样巨大，一般民众对于股市持风险规避的态度。再就是各种收益率非常低的基金和理财产品，以及国家定时定量发售的长短期国债。基本上来说这些都不是理想的投资品。
2.住宅用地环节
应该控制房地产企业囤地，促进住宅用地供应环节的土地上市量。对于房价上涨过快的城市，要增加其居住用地的土地供应总量，大幅度增加公共租赁住房、经济适用房和限价房用地的供应。对于部分房价过高，房价上涨势头还在不断加剧的城市，应该进一步完善土地招拍挂环节的制度标准，以开发商的资质，实力等综合指标来评判拿地资格。
3.住房贷款利率方面
可以根据不同城市的房价高低建立不同的公积金贷款额度。建议房价比较高的地区可以相应的提高公积金贷款单笔最高额度，使得首付更低，以保证购房者能够切实享受到公积金的低利率带来的好处。
4.房地产税方面
建立完善均衡合理的税收政策，让税收杠杆在房地产调控中发挥更大作用。加快物业税细则的出台，以有效的抑制投资投机性的购房需求。在税收征管环节严格执法，不断加强对房地产行业各个环节税收的控管与税务稽查。做到有法可依，有法必依，执法必严。
5.加快廉租房的供给
地方政府应通过财政支出，自行修建廉租房和公有住房，直接增加保障性住房的供给，解决地方低收入居民和进城务工人员的住房问题。
参考文献：
1.《统计与决策》2011年22期.
2.《关于调整个人住房转让营业税政策的通知》，财政部公布，2011年1月27日.
房地产价格区域经济 篇4
关键词：房地产,价格,影响因素
在中国房地产市场上, 影响房地产价格因素很多。各种因素对房地产价格的影响方向不尽相同, 有的因素变动会使房地产价格上涨, 有的因素则会使房地产价格下跌;各种因素对房地产价格的影响程度也有差别, 有的是主要因素, 有的则是次要因素, 各种因素对房地产价格的作用方式也有差别, 有的影响是直接的或明显的, 有的影响则是间接的或隐蔽的。全面而深刻地认识这些因素及其作用特点, 不仅有利于正确制定房地产价格, 而且有利于搞好房地产开发和经营。影响房地产价格的因素大体有以下八个方面:
一、商品房开发成本因素
商品房开发成本是指房地产为开发一定数量的商品房所支出的全部费用就其用途来源, 大致可分为三大部分: (1) 土地取得和开发成本。土地取得成本是指取得房地产开发用地所需的费用、税金等。土地开发成本是指在取得房地产开发用地后, 进行土地开发所需的直接费用、税金等。 (2) 建筑物建造成本。包括建造房屋及附属工程所发生的土建工程费用和安装工程费用。 (3) 其他费用。主要包括管理费用、投资利息、销售费用、销售税费以及开发利润。房地产开发与其他一般行业相比, 具有建设周期长、投资数额大、投资风险高的特点, 因此, 开发企业在开发与销售过程中, 就会产生较大的各种费用支出。
二、房地产供求因素
供给与需求的平衡影响房地产价格的变动趋势, 供给与需求是形成价格的两个最终因素。其他一切因素, 要么通过影响供给, 要么通过影响需求, 作用于房地产价格。
三、经济因素
宏观经济变量、土地交易价格、城镇居民人均可支配收入、商业贷款利率、消费者对房价的预期以及货币供应量都是影响房地产价格的经济因素。
四、行政因素
行政主要是指制度、政策、法规、行政措施等。其中土地制度和住房制度对房地产价格有着决定性影响。税收制度也是影响房地产价格的一个重要因素, 因为不论是直接还是间接对房地产课税, 都会减少利用房地产的收益, 由此可能导致房地产价格低落。此外, 城市发展战略、城市规划和土地利用规划, 特别是城市规划中的规定用途、容积率、覆盖率、建筑高度等指标, 也会在不同程度上影响房地产价格。
五、社会因素
影响房地产价格的社会因素主要包括以下三方面:一是政治安定状况。如果政局稳定, 社会安宁, 有利于增强投资者购买房地产的信心, 这是保持房地产价格稳定的积极因素, 还有可能促使房地产价格上升。相反, 政治不稳定, 社会动荡频繁, 必然造成房地产价格低落。二是社会治安状况。如果房地产所在地区经常发生各类犯罪案件, 则意味着人民生命财产缺乏保障, 由此会导致当地房地产价格低落。三是城市化发展水平。一般说来, 城市化意味着人口向城区集中, 造成城市房地产需求不断增加, 带动城市房地产价格上涨。
六、人口因素
房地产的需求主体是人, 人口数量、质量和家庭规模对房地产价格有很大影响。一般而言, 人口密度高的地区, 对房地产的需求相应增加, 房地产供给相对缺乏, 因此导致房地产价格水平趋高;而且由于人口密度高, 促进了商业、服务业、娱乐和旅游观光等事业的发展, 从而也会推动房地产价格上升。在人口素质方面, 社会文明发达, 劳动者文化水平高, 必然讲究生活质量, 对居住和工作条件及其周围环境有更高的要求, 这也会增加房地产的需求, 从而影响房地产价格趋高。
七、环境因素
主要包括三类因素:一是自然环境条件。在同一城市中, 不同区域或地段的空气污染、水源洁净、交通便利、绿化程度等是各不相同的, 即使在同一区域内各种建筑物的周围环境和小气侯也不尽相同, 从而会对当地房地产价格产生影响。二是市政基础设施条件。主要包括交通运输设施、邮电通讯设施和给排水设施等, 这些设施完善与否直接影响到当地企业生产经营和居民的生活条件, 因而会在很大程度上影响房地产价格。三是公共建筑配套设施条件。主要包括商业服务设施, 文化教育设施、体育娱乐设施和医疗卫生设施等。这些配套设施条件越好, 当地房地产价格往往越高, 反之, 价格就低。
八、房地产投机因素
房地产投机是以房地产商品为对象, 在房地产市场中进行的投机活动。受房地产商品与房地产市场特征的影响, 在房地产经济活动中容易产生房地产投机行为。从房地产商品特征来分析, 不论是房地产商品的不可移动性、异质性, 还是在使用上的耐久性、投资与消费的二元性, 都容易导致房地产投机行为。从房地产市场特征与市场结构来分析, 不论是不完全竞争和不完全开放等主要市场特点, 还是区域性、层次性等其他市场特征, 也十分容易导致房地产出现房地产投机行为。房地产投机行为是在法律规定范围内, 针对法律体系的漏洞而形成的逐利行为, 如果要通过法律来强行规范, 则可能同时会抑制不少正常的经济行为, 因此很难采用法律来进行干预。
结束语
笔者总结归纳了影响我国房地产价格的八个方面的重要因素, 我国的相关部门在调控房地产价格时应综合考虑以上因素, 制定具有针对性的措施, 这样才能满足广大人民群众的住房需求, 引导中国房地产市场健康发展。
参考文献
[1]、张大亮周丽梅, 顾客需求的变化对房地产价格的影响[J], 价格理论与实践, 2004 (4)
北京房地产“均值价格”曲线分析 篇5
京市房地产近一个多月以来出现的新变化格外值得关注。先是180平方米以上的大户型出现罕有的抛售，有些从未有过交易的豪华小区内，整幢别墅在密集抛售，且有加速抛售的趋势；再是房地产价格上升过快，上半年房价同比上升26％，北京三环内房地产商品房平均价已达每平方米5.2万，远超市场公开信息披露值。
经过调查，近期集中抛售大户型房产的业主，并非对北京市乃至对国家宏观经济失去信心，而是强烈担心中央将在近期强制推行房地产新政，其中包含房产税、个税、遗产税等有力措施，并且很有可能在采取上述措施后，全面放开房产限购，这将强烈冲击已趋于饱和的房地产市场，必将使地产市场价格逆转。
大户型的居住者大致分为富翁、为官者两类人。前者怕调控新政，后者则在极力规避反腐。他们抛售大户型房产，既有无奈，又表现出较大的坚定成份。所以，在房产出手的交易谈判中，为富者杀价较为缓慢，寸金寸移——挂单观望居多；为官者杀价较为凶狠，甚至想一步达成交易。
大户型原本是稀缺资源，这一户型历来极少交易。按房地产交易商的说法：此类户型从前连看都未看过，近期的抛售让他们开了眼。因此，想让这一群体之外者接盘，难度非常大。
笔者在走访中了解到，这类“特种群体”对房产信息公开化怀有“激烈抵触”情绪。多数人口坚称：今年底实现房产信息公开化办不到。
上述现象至少说明，房地产市场已出现了分化的迹象。房价或将变得多元性，房价将出现历史性拐点，今后的定价条件和趋势值得关注。
从全局看，目前房价显现出三种分化趋势：一是经济发达地区价格将相对居高，非发达地区价格将趋于弱化。例如，京、沪、穗等城市房价将阶段性维持高位；二是同一城市核心区与非核心区价格将分化。例如，北京三环以内价格相对居高；三是不同房型价格也在现分化。例如，传说中房产税免交的划线定在“人均80平方米以内”，根据目前我国人口家庭结构特点，未来在80平方米、160平方米等户型将会受到追捧。
定价要满足两个基础条件：其一，要有两条“均值价格”曲线相互交叉：一条（境外线）从首尔——东京——台北“均值价格”曲线，一条（境内线）从北京——上海——广州“均值价格”曲线；其二，在这两条“均值价格”曲线相交的时点，由同期反映出的美元与人民币汇率博弈价，即为北京市未来房地产（高位区间）“均值价格”的“转化价位”。目前，定价呈现国际化区域均衡化趋势。“京沪穗”三地与境外“首东台”三地的地价正在日趋 “接轨”，而“两条“均值价格”曲线相互交叉”，恰好是“定价呈现区域均衡化趋势”的具体体现。目前，从首尔——东京——台北的“均值价格”曲线，正在“由高点向下滑行”；而从北京——上海——广州“均值价格”曲线，正在“由低向高攀升”；这两条“均值价格”曲线“相交”的时点，或正是北京未来房地产（高位区间）“均值价格”的价位。
全国房地产价格上涨 篇6
房屋销售价格涨幅增加
今年以来，国民经济稳步增长，城镇居民收入大幅增加，消费者的投资和收入预期较好。随着住房制度改革继续深化，房地产二级市场加速开放，房地产开发销售商把房屋的建筑质量、高科技含量和高档次社区建设同步抓，并开展了积极的促销活动，房屋销售势头良好，房地产市场稳步升温，价格继续上涨。3季度与去年同季相比，全国房屋销售价格上涨4.0％，涨幅比2季度扩大了1.2个百分点。其中，东部地区的宁波、南昌、青岛、杭州、上海等地，房屋销售价格继续保持大幅增长，涨幅分别达到19.2％、9.5％、8.7％、8.4％和7.9％。西部地区的兰州、银川、西宁等城市受西部地区开发建设快速发展的带动，房屋销售价格也分别上涨4.6％、4.8％和3.2％。
商品房销售价格比去年同季上涨3.5％。商品房销售价格的上涨，除了需求增加的因素外，房屋质量、物业管理水平、居住环境等的逐步完善抬高了其销售价格，部分地区供需矛盾的加剧、卖方市场的出现，也在一定程度上拉动了销售价格上涨。在商品房销售中，住宅价格上涨3.7％。其中，经济适用房和普通住宅销售价格分别上涨1.5％和4.2％；豪华住宅价格上涨2.7％。非住宅用房销售价格上涨2.5％，其中，商业用房和写字楼销售价格分别上涨2.8％和1.9％。
私有住房销售和公房交易价格分别上涨8.2％和3.3％。受需求增加，特别是二级市场逐步开放的影响，私有住房中住宅的销售价格上涨幅度较高，达到12.9％。
土地交易价格继续保持较高涨幅
3季度，土地交易价格继续保持大幅上涨，与去年同季相比上涨了6.3％。其原因，一是部分地区实施了新的土地基准地价；二是一些地区在土地交易中实行了拍卖和竞标等交易方式；三是部分地区的土地供应量不足。与去年同季相比，3季度居民住宅用地交易价格上涨6.7％，商业旅游娱乐用地交易价格上涨2.0％，工业用地交易价格上涨仅0.3％，其他用地价格则上涨了9.2％。35个大中城市中，土地交易价格涨幅较高的城市依次是南昌、杭州、上海和南宁，分别达到45.3％、16.9％、10.0％和8.2％。
房屋租赁价格继续上涨
3季度，各大城市房屋租赁价格涨跌互现，平均比去年同季上涨1.1％。由于继续受部分地区去年上调公房出租价格的滞后影响，住宅租赁价格上涨2.5％，其中公房和私房的租赁价格分别上涨2.2％和3.6％。商业用房租赁价格微涨0.4％，厂房仓库租赁价格上涨0.8％，办公用房租赁价格则下跌0.7％。
房地产价格区域经济 篇7
2007年美国次贷危机和2008年全球性金融危机的爆发, 把主要国家政府和经济学家的目光牢牢地集中在房地产信贷领域。在中央银行利用货币政策对房地产市场进行调控的过程中, 利率是作为货币政策的主要中介指标存在并且发挥作用。国内外学者的理论与经验研究证明的, 房地产价格与利率之间存在密切的联系。但是, 房地产市场是区域性市场, 由于房地产商品自身的不可移动性和房地产消费的区域性, 不同地区房地产难以互相替代, 这使得房地产市场的发展呈现区域性不平衡。
二、统一利率政策和房地产市场价格区域差异实证分析
(一) 变量设置、样本选取及数据说明。
本文选取全国35个大中城市 (东部16个、中部8个、西部11个) 从2001年到2008年的季度数据作为样本。选取房屋销售价格指数作为住宅价格指标;选取相应区间的贷款基准利率和个人住房贷款利率的实际值作为利率政策指标。相关的全部数据均来源于国研网、中国人民银行网站和中国国家统计局的统计公报。实证检验前, 对所有数据取自然对数。
(二) 实证检验
1、数据平稳性检验。本文采用ADF方法对所有变量进行单位根检验, 所有变量皆为一阶单整。
2、协整检验。在平稳性检验基础上, 本文使用E-G两步法对35个城市的房价和相应的实际利率分别进行协整检验。
首先, 从开发商的角度, 即供给角度来进行检验。用最小二乘法将35个城市房屋价格销售指数的对数和相应的实际贷款基准利率进行回归。其回归式如下:
模型中pi为第i个城市的房屋价格销售指数;ri是第i个城市的实际利率。
回归结果显示, 房价与贷款基准利率具有长期均衡稳定关系的城市在中部有4个、东西部各1个。
其次, 从消费者的角度, 即需求角度进行检验, 方法同上。回归结果显示, 房价与个人住房贷款利率具有长期均衡稳定关系的城市在中部有4个、东部1个、西部2个。
3、误差修正模型。为了进一步揭示不同地区住宅价格变化原因, 研究利率的短期变动对房价的影响。对于通过协整检验的城市, 分别用其房价与房价的一、二、三期滞后项、贷款基准利率指标及其一、二、三期滞后项以及误差修正项建立误差修正模型。由于所有样本的第三期利率滞后项的对数差分的检验结果无一显著, 故将之去掉。因而最终的误差修正模型如式 (2) 所示:
其中, pi, t是第i个城市的当期房价;ri, t是第i个城市的当期利率水平;εi, t-1表示第i个城市协整回归所得残差是上一期值。
误差修正结果表明:短期房价受贷款基准利率及其滞后项短期变动影响的城市有3个, 其中东部1个、中部2个。利率及利率的滞后项对房价的影响基本呈正向相关。这说明, 国家对房地产市场的宏观调控措施能够对房地产供给起到抑制作用。而利率及其滞后项的回归系数值都较小, 说明利率短期变化对房价短期走势如果有影响的话, 其弹性也较小。房价的滞后项对当期房价存在短期影响的均为正向影响。这说明, 在一些城市, 房价短期变化具有惯性, 也即这些地区的房价受其他一些与利率无关因素的影响。
同理, 构造误差修正模型, 对于房价与个人住房贷款利率存在协整关系的城市, 从消费者的角度研究个人住房贷款利率的短期变动对消费者购房需求从而对房价的影响程度。误差修正结果表明:短期房价受住房贷款利率及其滞后项短期变动影响的城市有4个, 其中东部1个、中部2个、西部1个。值得注意的是, 东部地区和中西部地区的利率及利率的滞后项对房价的影响方向是相反的。
4、差分经典回归。对于房价与利率不具备长期协整关系的城市, 本文对其数据进行了差分以消除数据非平稳造成的影响, 之后进行经典回归, 来寻求利率及其滞后项短期变动对房价变化的影响。
仍然是首先从开发商的角度, 检验贷款基准利率的短期变动对住房供给从而对房价的短期变动的影响, 构建经典回归模型如式 (3) :
其中, pi, t是第i个城市的当期房价;ri, t是第i个城市的当期利率水平, 实证过程不断剔除不显著变量。回归结果表明:贷款基准利率对短期房价存在影响关系的城市东部有6个、中部2个、西部3个。
同理, 从消费者角度对房价和个人住房贷款利率不具有长期协整关系的24个城市构建房价短期变动与房价短期变动滞后项、个人住房贷款利率短期变化及其滞后项的经典回归模型, 不断剔除不显著的变量。回归结果表明:个人住房贷款利率对短期房价存在影响关系的城市数东部7个、中部2个、西部1个。
三、结论
综合此前协整检验、误差修正模型、差分经典回归三个部分, 现汇总如表1所示。 (表1) 由表1可知, 东部房价与贷款基准利率和个人住房贷款利率的短期关系比较显著, 受贷款基准利率和个人住房贷款利率的短期影响最少的是西部地区。而中部房价与贷款基准利率和个人住房贷款利率更多的存在一种长期稳定关系。利率政策对中部地区的房地产市场调控在长期来讲最有效, 而对东部地区的房地产市场影响短期最明显, 但长期不显著。
参考文献
[1]张红, 殷红.房地产金融学[M].清华大学出版社, 2007.
[2]周京奎.货币政策、银行贷款与住宅价格———对中国四个直辖市的实证研究[J].财贸经济, 2005.5.
房地产价格区域经济 篇8
滇中城市经济圈 (指云南中部以昆明为核心, 半径约150-200 公里左右, 包括曲靖市、玉溪市和楚雄彝族自治州四个州市组成的行政辖区, 总面积94558 平方公里, 占全省土地面积的24%, 根据云南省2014 年统计年鉴得出:截止2014 年末, 该区域人口1760.8 万人, 占全省总人口的37.55%, 创造的GDP为7283.9 亿元, 占全省生产总值的56.57%。) 作为云南省经济发展最快的区域。在实现国家“深化沿海开放、加快内地开放、提升沿边开放”战略中有着举足轻重的作用, 滇中城市经济圈是我国向西南开放的重要桥头堡枢纽及国际化经济开放示范区。
2016 年滇中城市经济圈建设进入深化期, 经济一体化进程也在不断加快、程度不断加深。目前, 滇中城市经济圈经济联动效应明显, 资金、物资、人力资源和信息等要素流动频繁。滇中城市经济圈房地产市场的融合在很大程度上得到了推动, 各个城市之间的房地产市场的联系更加紧密, 为这些城市的房价联动奠定了基础。
随着滇中经济圈武定至易门、江川至通海、功山至东川3 条高速公路相继贯通, 还有正在实施中的沪昆高铁、渝昆高铁建设等通道系列工程、为实现滇中城市经济圈域内联动提供便利。城市群域的“同城效应”日益显著, 从而促使不同城市房价的同步变动。
目前许多国内外学者对房价的联动效应进行分析。Ashworth和Parker (1997) [1]对英格兰区域房价研究发现, 东南部房价对其它区域有显著的滞后影响。Stevenson (2004) [2]发现爱尔兰房价存在共同的收敛趋势。Luo等 (2007) [3]利用计量方法对澳大利亚八个城市的房价传导进行研究。国内, 位志宇和杨忠直 (2007) [4]长三角房价走势的趋同性研究中表明, 上海通过自身累计效应, 不仅带动了上海房价的上升, 而且产生了较大的溢出效应。带动了浙江和江苏房价的增长, 江苏对浙江房价也有较强的溢出效应。王松涛等 (2008) [5]借鉴区域房价相关研究的“波纹效应”理论, 利用计量经济学方法对全国主要城市的房价互动关系进行研究, 结果表明, 北京, 上海, 宁波等10 个城市为“核心城市”, 房价的正向新生信息能引发区域内所有其它城市房价的上涨。陈章喜和黄准 (2010) [6]对珠三角房地产价格互动关系实证研究表明, 广州、深圳、东莞的房价变动有共同的趋势, 在三个城市之间, 房价变动的关联程度有强弱之分。
上述研究主要利用计量经济学的Granger因果和VAR模型。Granger因果检验方法认为:若在包含了变量X和Y过去信息的条件下, 对Y的预测效果要好于只单独由Y的过去信息对Y的预测, 则称X是Y的Granger原因, 否则称之为非Granger原因。因此, 这种检验方法只能对房价传导作出定性相关关系的分析, 不能给予定量的说明。在VAR模型中, 若通过乔利斯基 (Cholesky) 分解, 使误差项正交, 给出脉冲响应函数和方差分解结果, 可给出变量的动态因果关系。但该模型假定变量同期因果间存在递推关系存在着较大的争议。结构VAR模型, 允许使用参数的过度识别, 通过预先给出变量的同期关系给出Bernanke方差分解。但该方法对变量的同期因果关系主要依赖于主观判断。
2000 年, Sprites首先正式提出有向非循环图 (DAG) 方法, 并指出该方法能更直观地分析变量间的非时序因果关系, 通过变量间的条件依赖和条件独立给出变量的同期因果关系。该方法为数据驱动方法, 通过图模型理论识别变量的同期结构, 利用Bernanke方法给出动态因果分析。近几年, DAG方法被广泛应用于金融市场的相关结构分析[7,8,9]和商品价格指数的传导[10,11,12,13,14]。
由于近年来滇中城市经济圈房价很高, 尤其是昆明、曲靖和玉溪等。因此, 本文选取滇中城市经济圈的昆明、曲靖、玉溪、楚雄和武定为研究对象研究区域房价的传导关系, 通过对滇中城市经济圈不同城市之间房地产价格相互影响的机制及其影响程度的大小研究与分析, 为该区域房地产市场一体化及房价互动提供观测视角, 进而在理论上为区域城市间房地产价格的总体调控提供一定的借鉴。
1 有向非循环图技术
1.1 有向非循环图理论
图模型是一个二元组<G, F>, 其中G=<V, E>为拓扑图, V是点集, 表示随机变量的集合, E (哿V×V) 为边集合, 两点间至多有一条边, 记号 (α, β) ∈E表示α, β之间有边相连。—, →分别表示无向边、有向边。F是V上与G相适应的概率分布族。
若W= (w0, w1, …, wn) 是V中的一个点序列, 且对都有 (wi-1, wi) ∈E, 则称W为从w0到wn的一条长度为n的路径;当起点和终点重合, 即时, 称W为一个环。
所有边都是有向边且方向相同的路径称为有向路径;有向路径的起点和终点重合形成有向环。若图中所有边都是无向边, 称该图为无向图;所有边都是有向边但无有向环的图称为有向非循环图 (DAG, Directed Acyclic Graph) 。
记号X⊥Y|Z[G]表示图G中点集X和Y之间的所有路径都被Z阻断, 也称被集合Zd-分离;|Z[P]表示对于分布P, 变量集X和Y关于Z条件独立。对V中任意三个不交子集X, Z, Z, 若X⊥Y|Z[G]成立等价于|Z[P]成立, 则称G与P相互忠实, 这时关于分布P的所有条件独立性都可用图G中的分离性直观地表示。
若α-β, 则称α, β互为邻居;若α→β, 则α是β的父结点, 而β是α的子结点;若从α到β有一条有向路径, 则称α是β的祖先, β是α的后代。用记号ne (α) , pa (α) , ch (α) , an (α) , de (α) 分别表示点α的邻居, 父结点, 子结点, 祖先, 后代。
1.2 向量自回归模型
向量自回归模型 (简称VAR, Vector autoregression model) 模型, 是一种常用的计量经济模型, 1980 年由克里斯托弗·西姆斯 (Christopher Sims) 提出。VAR模型被广泛应用于宏观经济领域。因结构VAR模型与经济理论密切相关, 经济上容易解释, 但其过度识别, 参数不易估计。而利用有向非循环图方法可为结构VAR模型的过度识别提供限制, 便于经济解释。
结构随机干扰项vt= (v1t, v2t, …, vk) t′为向量白噪声过程, 即vt序列不相关且E (vtv′) t=∑v为对角矩阵, B (ii=0, 1, …, p) 为k×k矩阵。假设式 (1) 表示因果结构, 则该因果结构可通过非循环有向因果图 (causal DAG) 表示。若已知变量的DAG如图1, 则对应的结构VAR模型 (1) 的参数p=1, k=3, 系数B0, B1为下三角矩阵。因此通过确定同期变量的DAG, 可为结构VAR模型的过度识别提供限制。
其中Ai= (I-B0) -1Bi, 这里假定残差项ut= (I-B0) -1vt服从多维正态分布。
定理1对于标准VAR模型 (2) , 令Jt-1= (Y′t-1, …, Y′t-p) ′, Ut表示向量 (u1t, …, uk) t′剔除uit, u (jti≠j) 后所剩下分量中的任意r个分量 (r=0, 1, …, k-2) , Yt表示向量Yt= (y1t, …, yk) t′剔除yit, y (jti≠j) 后所剩下的与Ut相对应的分量, 则有ρ (uit, ujt|U) t=ρ (yit, yjt|Yt, Jt-1)
定理1的证明见文献[16]。
对于多维正态分布, 偏相关系数为零与条件独立性是等价的, 即ρ (Xi, Xj|X (h) ) =0等于Xi和Xj被X (h) d-分离, 其中X (h) 表示{X1, …, Xn}剔除分量Xi, Xj后所剩集合的子集, 此时称X (h) 为变量Xi和Xj的分离集。如果Xi和Xj的无条件相关系数ρ (Xi, Xj) =0, 则称Xi和Xj的分离集为空集, 记为φ。
1.3有向非循环图算法
有向非循环图 (DAG) 方法本质上是建立在可观测到无条件相关系数和偏相关系数基础之上的一组变量之间同期因果流的分配。有向边刻画了每对变量之间存在 (或没有) 因果关系。
Sprites等人提出了PC算法建立因果DAG, 确定变量间的因果关系。PC算法为:第一步, 首先构建一个完全图, 即任意两个变量间都有无向边, 将无条件相关系数不显著的边剔除;第二步, 在剩余的边中进行1阶偏相关系数 (给定第三个变量条件下两变量的条件相关系数) 检验, 将1阶偏相关系数不显著的边剔除;对通过1阶偏相关系数检验的边, 再进行2阶偏相关系数 (给定其它两个变量条件下两变量的偏相关系数) 检验, 将2阶偏相关系数不显著的边剔除, 以此类推。对于N个变量的集合, 则变量之间最多可进行N-2阶偏相关系数检验。在偏相关系数检验中, 将剔除两变量之间无向边时的条件变量称为这两个变量的分离集。若两变量之间的边是根据无条件相关系数剔除的, 记空集覫为两变量的分离集。最后, 该算法利用分离集对图中剩余的无向边进行标向, 确定变量的DAG。
考虑一组3个变量A、B和C, 若A和B之间有边, C和B之间有边, 而A和C之间不存在边, 且若A和C是无条件不相关的, 而在B给定的时候却是条件相关的 (即{B}不是A和C的分离集) , 则可确定因果流向为A→B←C。若已知A→B, 且C和B之间有边, 若在B给定的情况下A和C是条件不相关的 (即B在A和C的分离集中) , 则将无向边B-C标向为B→C。
实证研究中, 菲舍尔的z统计量用来检测条件相关系数统计上是否显著为零。菲舍尔的z统计量可表示为:
其中, n为观测样本数, ρ (i, j k) 为基于序列k, 序列i和j的总体条件相关系数, k表示序列k的变量数目, 若序列i, j和k为正态分布且r (i, j k) 是给定k下i和j之间的样本条件相关系数, 则z (ρ (i, j k) , n) -z (r (i, j k) , n) 为标准正态分布。
2 实证分析
2.1 数据来源
本文样本取自2009 年7 月-2014 年12 月的云南省的昆明 (KM) , 曲靖 (QJ) , 玉溪 (YX) , 楚雄 (CX) , 武定 (WD) 的房地产价格环比指数, 数据来源于云南发展和改革委员会和云南统计网, 整合了相同交易月对应的66 个数据, 分别记为KM, QJ, YU, CX, WD。
2.2 单位根和协整检验
令五大城市房地产环比指数Yt= (KMt, QJt, YXt, CXt, WDt) ′, 采用ADF统计量对上述变量进行单位根检验。通过观察变量序列图2, 可以初步判断变量是平稳的, 进一步进行ADF单位根检验如表1, 利用AIC准则进行定阶, 检验结果如表2。检验结果表明变量序列本身是平稳的。
由上可知, 房价指数均是平稳的时间序列, 进一步探讨它们之间还可能存在某种平稳的线性组合关系, 这种线性组合关系反映了变量之间长期稳定的比例关系 (即协整关系) 。本文首先对上述变量建立标准向量自回归模型, 再利用Johansen协整检验法, 对五个变量进行协整检验。检验结果如表2所示。检验结果拒绝无协整关系的假定, 说明房价指数存在一个协整方程。
2.3 Granger因果关系检验
协整检验结果告诉我们变量之间是否存在长期的均衡关系, 但是这种关系是否构成因果关系还需要进一步验证。这就需要在此基础上, 利用Granger因果分析继续进行研究。Granger因果关系检验的基本原理是:在做Y对其他变量 (包括自身的过去值) 的回归时, 如果把X的滞后值包括进来能显著地改进对Y的预测, 我们就说X是Y的 (Granger) 原因;类似地定义Y是X的 (Granger) 原因。为此需要构造:
其中 μt为白噪声序列, α, β 为系数。n为样本量, m, k分别为Yt, Xt变量的滞后阶数, 令 (3) 式的残差平方和为ESS1; (4) 式的残差平方和为ESS0。
原假设为H0:βj=0, 备择假设为H1:βj≠0 (j=1, 2, …, k) 。若原假设成立则:, 即F的统计量服从第一自由度为m, 第二自由度为n- (k+m+1) 的F分布。若F检验值大于标准F分布的临界值, 则拒绝原假设, 说明X的变化是Y变化的原因。
注:*、** 和*** 分别表示在10%、5%和1%的显著性水平下拒绝原假设.
表3 给出了房价指数的Granger因果检验。结果表明, 昆明和曲靖在1%显著性水平下存在双向的Granger因果关系, 即昆明和曲靖房价联系密切。楚雄和玉溪房价均是曲靖房价变动的Granger原因。昆明和玉溪是武定房价变动的Granger原因。武定房价对其它城市房价变动无显著影响。以上计算均通过Eviews软件实现。
2.4 有向非循环图分析
建立VAR模型后, 估计残差项相关系矩阵:
下面应用PC算法对估计的残差项进行 (偏) 相关系数检验, 取10%显著性水平进行检验, 结果如表4。首先构建完全无向图 (图3) , 无条件和1 阶偏相关系数不能排除边, 在2 阶偏相关系数检验基础上剔除边KM-YU, KMCX, QJ-WD, WD-CX。在3 阶偏相关系数检验基础上剔除边WD-YU。剔除后的剩余边见图4。由于昆明在滇中城市经济圈中的核心地位, 因此可确定同期因果DAG (图5) 。以上计算通过matlab编程实现。
2.5 方差分解
为清晰了解五个变量的动态因果关系, 对VAR模型进行Bernake方差分解。方差分解的结果见表5。
由表5 结果发现, 昆明的房地产价格冲击对自身有100%的解释能力, 不管短期还是中长期昆明的房地产价格都比较依赖自身市场过去的表现。楚雄和武定房价冲击对昆明的房价变动几乎没有影响, 曲靖和玉溪房价对昆明房价变动有微弱的影响。
无论短期还是长期, 昆明房价冲击对曲靖房价变动影响比较突出, 解释能力从23%增加到49%。说明昆明的房地产价格对曲靖的房地产价格有一定的指向作用。玉溪房价冲击对曲靖房价变动长期有些微弱影响。
玉溪房价冲击对自身解释能力在65%以上, 另外昆明房价冲击对玉溪房价变动影响相当显著, 即玉溪房价与昆明房价有一定的趋同效益。除此之外, 楚雄和武定的房价冲击基本对玉溪房价无影响。
楚雄房价主要受自身过去房价影响, 自身冲击的解释能力在60%以上。曲靖房价冲击对楚雄房价变动, 无论短期还是长期都有一定的解释能力, 基本在10%左右。昆明房价随时间推移对楚雄房价变动的影响程度在不断增强。说明昆明和曲靖房价对楚雄房价存在着一定的传导效应。武定房价对楚雄房价变动基本无影响。
武定房价相对比较独立, 主要依赖自身过去市场表现。其它房价冲击对武定房价存在微弱的影响。
根据上述方差分解结果显示昆明通过自身的“累计效应”不仅带动了昆明自身房价, 而且产生了较大的“溢出效应”, 同时也带动了曲靖和玉溪的房价的增长。而曲靖的房价也有较强的溢出效应, 但是武定和楚雄对昆明房价上涨均有相对较小的贡献度。
3 结论
本文对云南滇中城市经济圈昆明、玉溪、曲靖、楚雄和武定5 个城市的房价传导进行分析。先建立结构VAR模型, 通过对VAR模型各项的偏相关系数检验, 利用DAG方法给滇中城市经济圈城市房价的同期因果关系图, 并且利用方差分解进一步分析各个市场之间的动态关系。
实证结果表明昆明的房价主要依赖于自身市场过去的表现。昆明房价对曲靖和玉溪房价的传导显著。因此, 曲靖和玉溪房价在具体预测趋势时可充分考虑昆明房价的变动。滇中城市曲靖、楚雄和武定同期联系密切, 且曲靖房价对另外两个城市有一定的传导和溢出效应。
本文特别指出, 在研究时完全依据昆明, 曲靖, 玉溪, 武定, 楚雄在市场上表现出的房价来分析城市之间的溢出效应和替代效应, 由于这些数据的形成背后已经包含了宏观经济基本面对房价的影响, 所以依据这样思路预测出的房价变动趋势更具科学性。因而本文通过方差分解对房价传导的动态因果关系和强度的分析, 其实证结果对预测有交互影响的区域内不同城市的房价变动趋势具有很强的社会经济意义。
摘要：本论文主要分析滇中城市经济圈昆明, 玉溪, 曲靖, 楚雄, 武定房价的传导效应。首先介绍图模型DAG方法的基本原理和算法, 且建立房价指数的VAR模型, 通过对VAR模型各项之间的偏相关系数分析, 确定各个变量之间的同期因果关系, 为结构VAR模型的过度识别提供限制。通过方差分解对房价传导的动态因果关系和强度的分析, 其实证结果对预测有交互影响的区域内不同城市的房价变动趋势具有很强的借鉴意义。
房地产价格区域经济 篇9
一、城市发展的必然要求
1. 城市扩张:
改革开放以来,中国经济一直保持较高的增长速度,城市经济繁荣使得城市边界不断扩张,人口流动以及城市化进程的加快,大量农村人口涌入城市,加上城市远期规划的不断出台,城市旧城改造进程加快,使得城市住宅需求不断增加。
2. 人民收入水平提高:
城市居民对住宅需求大小,与城市居民收入多少成正比,而其居民收入最终取决于城市经济发展的速度和水平。随着经济的不断发展,人民生活水平不断提高,城市居民物质生活条件不断改善,收入水平大幅增加,亦使房地产住宅需求随之增加。
3. 社会财富效应及城市化进程:
中国刚刚进入城市化的加速阶段,到2020年,可能有60%～65%的乡村居民变为城市居民,未来15年将会有4亿人口进城。20世纪60年代“婴儿潮”时期出生的庞大人口群体正介于40至50岁之间,他们社会阅历丰富,社会财富又主要集聚在他们手中,目前正处于消费旺期。财富效应还会带来相应的房地产投资动机,推动房地产需求的增加。
4. 城市住宅价格高低:
城市住宅价格高低是影响住宅需求量最明显的经济因素,特别是在短期内更能影响住宅的需求量。住宅价格上升,是住宅需求量限制的制约因素;反之,价格下降或过低,则会增加对住宅的需求。
从上图中可以看出,社会经济的发展促进了城镇的城市化进程,从而带来的城市人口增加,住宅需求增加,使得房地产产业急剧发展。
二、城市住宅供给结构不合理
由于土地资源的稀缺性,土地供给的刚性以及国家严格保护耕地的国策,使得住宅供给不能无限扩大。长期以来,我国住房供给结构不合理,经济适用房和廉租房供给比例太小,高价商品房的供给比例占了主导,大户型、豪华型供过于求,而价格适中的中小户型供应偏少。由于每套住房面积过大,总的售价过高,普通市民特别是中低收入者购买难度加大。
三、房地产市场的需求失衡
从经济学的角度看,在需求不断增长的情况下,由此产生的涨价预期是房价上涨的根本动力。从市场表现看,房价不断上涨是市场需求旺盛或供小于求的表现,另外,商品房积压、空置率一直保持4%～7%的水平。如果剔除投机炒作等外因,只有一个原因,即有效供给不足,即供给结构不合理带来的市场扭曲价格。
上图为房地产价格供给模型,价格P0为考虑合理空置率的市场均衡价格,此时市场空置量为(Qs0-Qd0),需求的不价格提高至P1,在P1点的有效需求为Qd1,房屋空置量(Qs1-Qd1),由于有效供给不足,市场供求结构不合理,购买房所能接受的价格为P2,此时市场提供的供给为Qs2,小于市场需求Qd2,出现需求不足。
以上需求模型很好地解释了目前房地产市场需求不足与空置率上升同在的市场现象。若进一步考虑部分投资者的投机动机,房地产价格的上升,房地产市场的扩张与房地产价格的扩张,使投资者产生非理性预期,认为价格将在远期继续上升,基于投资者“买涨不买跌”的心理,房地产市场的投资需求进一步增加。另一方面,房地产开发商在非理性预期影响下,也控制房地产销售,极易造成市场虚假繁荣,引发市场泡沫与社会风险。
房地产价格区域经济 篇10
2008年, 随着雷曼兄弟破产、“两房”被政府接管等一系列事件的发生, 美国次贷危机进一步深化成金融风暴波及全球, 宏观经济出现剧烈波动。在此国际背景下, 国内经济亦不容乐观, 现在金融危机也已经开始逐渐渗透到实体经济领域, 直接导致了外贸出口下滑, 外贸顺差减少, 与国内房地产周期演变重叠, 从而影响工业和投资下降的结果, 造成经济迅速下行趋势, 2008年第三季度GDP增幅回落至9%。为了稳定经济, 我国政府决定采取扩大内需为主和稳定外需相结合的方式, 采取更强有力的措施扩大国内需求特别是扩大消费需求, 以拉动经济增长。长期以来, 投资、消费、出口是拉动我国经济增长的“三驾马车”, 在国内消费不振、外贸出口急剧下降的形势下, 政府出台了旨在扩大内需的四万亿刺激计划, 其中32%与房地产行业直接相关, 包括廉租房、保障性住房等措施。
从2008年10月下旬开始, 政府连续出台救市政策, 这不仅为购房者提供了更多的利好, 最为重要的是从一定程度上改变了购房者的市场预期, 这对于促进楼市的回暖具有积极作用。2008年11月份, 土地成交量出现回暖迹象, 比2007年同期分别增加了8.3%和159%, 比上月成交土地面积也增加了37.8%。同时, 伴随着商品房住宅量的成交量、成交面积的增加, 经济适用房、限价性住房等保障性住房成交套数增加了46.2%, 成交面积增加了49.3%。目前, 市场上房地产开发土地供给依然充足, 房地产开发投资增长在稳步回升;房地产供给将出现结构性差异, 商业地产出现过剩, 保障性住房供给力度不断加大;房地产价格持续调整;房地产市场体系将逐步完善。
由此可见, 宏观经济的波动对房地产价格有着重要影响, 而房地产投资作为固定资产投资的重要组成部分, 房地产价格的变化势必对宏观经济的运行产生重要影响。虽然从理论上, 对房地产价格和宏观经济波动关系进行分析的文献很多, 但从实证角度具体检验房地产价格和宏观经济波动关系的文献还不是很成熟。本文将从国内外两个方面对研究房地产价格与宏观经济波动的文献进行综述, 以期进一步探讨影响房地产和宏观经济波动的实际因素, 同时对相关文献所采用的模型进行归纳、整理, 期望能对进一步的研究提供有益的视角。
二、房地产价格与宏观经济关系的实证研究
房地产价格是指房地产市场上供需双方所形成的价格。从各国房地产价格的波动情况来看, 房地产价格一般具有阶段性、城市差异性与协同性、泡沫性三个特点。就阶段性而言, 房地产价格的阶段性或周期性与宏观经济波动是密切相关的, 有时宏观经济波动表现为房地产价格波动, 同时又会引起宏观经济波动。根据经济周期理论, 房地产价格与宏观经济基本变量存在互动关系, 主要表现为宏观经济的一个或多个经济变量会引起房地产价格的变动, 同时房地产行业的变化也会引起宏观经济的波动, 在变化过程中两者形成相互加强的互动机制。从各国相关文献资料来看, 影响房地产价格的宏观经济基本变量主要包括收入、消费、利率、就业率、通货膨胀率、建筑成本、房地产供给等基本变量。
房地产价格与宏观经济的关系包括两个方面, 一是宏观经济变化对房地产价格波动的影响, 宏观经济变化对房地产价格的影响主要是通过对房地产供给和需求的影响来实现的;二是房地产价格波动对宏观经济的影响, 在这方面, 已有的研究表明, 学者们主要是从房地产价格是否影响总消费和总投资两个角度进行分析的。
(一) 国外的相关研究
房地产业在国外许多国家已是成熟的产业, 有关房地产业的地位作用已有了明确的认识。从国外的文献来看, 大部分的经济学者对于房地产价格与宏观经济关系的实证研究, 主要侧重于从均衡理论的角度出发, 在传统的回归分析模型的基础上, 更多地运用独立线性系统、数量经济模型、技术经济评估模型等来进行数据分析。
首先, 宏观经济运行的基本面会影响投资需求, 进而通过利率影响房地产的供给, 而经济增长会影响居民收入进而影响对房地产的需求, 根据均衡理论, 市场竞争机制最终会通过房地产价格出清市场。Clapp和Giaccotto (1994) 利用简单回归分析, 认为宏观经济的变化对于房地产价格有着很好的预测能力, 不符合有效市场的假说。而Quigley (1999) 采用供求平衡确定价格的模型, 对美国1986—1994年41个都市区域的年度数据进行研究, 认为对住宅价格的解释能力在12%~30%之间, 各变量的显著水平超过了99%, 说明美国经济基本面可以解释美国房地产价格的变化。同时, Iacoviello (2002) 通过建立SVAR模型研究来6个欧洲国家 (法国、德国、意大利、西班牙、瑞典和英国) 过去25年的影响房地产价格波动的宏观经济因素, 研究发现在利率上调之后, 各国的房地产价格会出现不同程度的下跌。Miki Seko (2003) 通过利用SVAR模型分析出日本各地区的住宅价格和经济基本面有着比较强的相关性, 可以预测房地产市场的发展。同时, 房地产价格的变化是影响宏观经济运行的重要因素。Chirinko, De Haant和Sterken (2004) 运用SVAR模型对13个国家进行研究, 研究了13个发达国家的情况, 发现对一国而言, 房屋比股票对消费、产出等实际经济有更大的作用, 房价上涨1%之后, 消费上涨0.75%, 房价上涨1.5%之后, GDP上涨0.4%。
其次, 对房地产的需求而言, 受经济增长影响的居民收入是主要影响因素, 而根据不同经济理论对收入度量是此类文献关注的主要内容, 如永久收入假说。Geoffrey Meen (2002) 通过对英国、美国住宅价格的时间序列分析发现, 无论是暂时性收入还是持久性收入, 对房价的弹性都很大, 尤其是在美国对于供给弹性欠佳的市场上, 长期收入的弹性更高。而Gcof Kenny (1999) 利用协整技术, 利用VECM模型, 来对爱尔兰住宅市场供给和需求两方面建模, 他的研究表明, 持久收入增加会引起房地产价格的上涨, 并对住宅的需求有一定比例的增加。同时, Abrahma和Hendershott (1996) 利用了一个考虑滞后过程在内的住宅价格变化模型, 该模型提示了住宅价格上涨与住宅建设成本、就业率和收入直接相关, 住宅价格上涨幅度和利率上升成负相关。
最后, 对房地产的供给方面而言, 宏观经济的变动通过对利率的影响进一步影响实际的房地产投资。在这一方面, Giulindori (2005) 通过建立一系列VAR模型, 研究发现利率上调之后, 9个欧洲国家 (比利时、芬兰、法国、爱尔兰、意大利、荷兰、西班牙、瑞典和英国) 的房地产价格会出现不同程度的下降。同时, Case和Robert (2003) 验证了房地产价格与投资回报存在正的自相关。房地产价格和回报的高度自相关会产生正反馈交易行为, 并推动房地产价格向预期的方向发展, 在上升过程中可能会形成价格泡沫。
基于上面的分析, 我们可以发现国外文献主要基于均衡理论、收入假说等经济理论构建模型, 如SVAR模型。采用的数据主要采用横截面数据和时间序列数据, 从而具体的计量模型主要集中在传统的OLS回归、SVAR模型、协整分析等。
(二) 国内的相关研究
我国房地产市场相对国外来说, 虽然起步比较晚, 但伴随着我国经济的迅速发展, 房地产行业也呈现出良好的发展态势。房价问题不仅关系到城市的发展和金融的安全, 更关系到普通老百姓的生活成本。房价问题的重要性和房地产价格的敏感性吸引了国内大量学者和公众的广泛关注。从国内的文献来看, 国内学者对于房地产价格与宏观经济关系, 大都从理论上来进行分析, 进行实证研究的文章比较少, 并主要集中在以下几个方面。
首先, 鉴于宏观经济基本面对房地产价格的重要影响, 采用合适的数据、模型对二者关系的研究一直以来都是大家关注的重点。沈悦, 刘洪玉 (2004) 利用1995—2002年我国14城市的中房住宅价格指数与宏观经济基本面相关变量的平行数据, 运用混合样本回归以及添加城市、年度哑变量等分析方法, 对住宅价格与经济基本面的关系进行实证研究。研究结果表明, 经济基本面对住宅价格水平的解释模型存在着显著的城市影响特征。姜彩楼、徐康宁、李永浮 (2007) 运用2003年3月至2006年8月的月度数据, 通过协整方法、Granger检验研究了上海市房地产价格变动的影响因素。结果表明, 宏观经济发展水平和房地产投资力度是影响上海市房地产价格变动的重要因素。而人均可支配收入、空置面积等反映市场供需关系的指标对房地产价格的影响较小。张益丰 (2008) 利用协整检验与Granger因果检验等方法对我国房地产销售价格和经济发展、居民人均收入以及上地拍卖价格等变量加以实证分析, 指出单纯依靠降低土地价格来遏制房价上涨政策是不可行的;提出加大农村投入、缩小城乡收入差距、减少地域之间的经济差距等一系列能够平抑房屋价格快速上涨的政策建议。
其次, 在我国, 由于房地产开发的资金来源主要是银行贷款, 从而银行利率的变动对房地产投资有重大影响, 因而会影响到房地产供给及其价格变化。例如, 梁云芳、高铁梅、贺书平 (2006) 利用协整分析和HP滤波, 计算了房地产均衡价格水平, 以及房地产价格偏离均衡价格的波动状态, 得出结论:我国房地产市场价格的偏离只是受部分地区的影响。通过利率来调控房地产市场, 成效不大, 但信贷规模的变化对房地产投资有较大的影响。而崔光灿 (2009) 运用面板数据模型对我国1995—2006年31个省市的数据进行分析后发现, 房地产价格明显受利率和通货膨胀率的影响, 而且房地产供给、收入等基础性宏观经济变量在中长期也决定房地产价格。房地产价格明显影响到宏观经济稳定, 房地产价格上升会增加社会总投资和总消费, 房地产投资通过“财富效应”对消费的影响始终明显, 对社会总投资的影响也非常显著。
最后, 随着我国房价的连续上涨, 住房支出成为居民支出的主要组成部分, 居民的生活压力上升, 居民消费支出受到重大影响, 进而影响到扩大内需的实现, 是影响房地产需求的主要因素。姚玲珍、刘旦 (2006) 在生命周期假说的基础上, 构造了一个城镇居民资产与城镇居民人均消费关系的模型, 并利用1978—2006年的数据, 分阶段实证研究了中国城镇居民住宅资产对城镇居民人均消费的影响。宋勃 (2007) 在考虑通货膨胀的条件下, 利用我国1998—2006年的房地产价格和居民消费的季度数据建立误差修正模型 (ECM) , 使用Granger因果检验方法对我国的房地产价格和居民消费的关系进行实证检验, 得出结论, 短期而言, 两者存在Granger因果关系;长期来说, 房屋价格上涨是居民消费增加的Granger原因。
由于我国宏观经济政策在房地产市场上的重要作用, 使得对宏观经济政策的研究成为影响房地产价格的重要因素, 例如, 房地产信贷政策将会直接影响房地产贷款利率, 而宏观财政政策则会影响居民收入, 进而影响对房地产的需求。周京奎 (2005) 利用中国4个直辖市房地产价格数据和宏观经济数据, 运用单整与协整检验方法及误差修正模型, 对住宅价格与货币政策之间的互动关系进行实证研究。研究结果表明住宅价格上涨与宽松的货币政策有紧密的联系。
可以看到, 国内文献于国内文献相比, 除横截面数据、时间序列数据之外, 还采用了面板数据, 从而可以使用更多的信息, 相关的计量方法主要包括:协整方法、Granger检验、误差修正模型 (ECM) 、面板数据模型, 同时对宏观经济政策的分析也是国内文献重点关注的问题。
三、总结
国外在房地产价格和宏观经济波动关系的研究上要早于国内, 并且重视在经济理论的基础上构建结构计量模型进行定量分析, 这为国内的相关研究提供了很好的借鉴。近年来, 随着国内房地产市场的迅速发展, 对房地产价格和宏观经济关系的研究逐渐增多, 并且大量采用了相关计量模型进行定量分析。但是, 对于以下几个方面的研究仍显不足:
(一) 宏观经济政策在我国经济运行中起着重要作用, 特别
是房地产市场的发展也一直是我国宏观调控的重要目标。但是, 现在对宏观经济政策的研究更多地集中在理论分析方面, 缺乏全面的实证分析。如果能够对宏观经济政策对稳定经济、促进房地产行业发展的政策效应进行定量分析, 那么我们就可以对相应的政策效应和实施效果进行预测、评估。
(二) 目前对宏观经济波动的分析主要是封闭经济条件下
进行的, 但全球金融危机对我国宏观经济波动、房地产行业发展产生了重大影响, 这表明随着经济全球化的深入, 我国房地产市场的发展将会更过的受国际经济发展的影响, 因而在开放经济条件下, 讨论房地产价格和宏观经济波动的关系具有重要意义。
(三) 在影响房地产价格的宏观经济基本变量中没有对
政府不要干预房地产价格 篇11
为什么要推进金融领域的改革？
龙永图：拿银行业来说，由于历史原因，几大银行占到了80%以上的份额，小微银行很少，所以目前中国的金融体制改革是使大中小微型的银行和金融机构要并存，形成良好的金融生态。银行大了当然很好，抗风险能力强，但是太大的话也会有问题，大到有时候会绑架国家金融产业。大中小微金融机构都要并存，就像大自然中多物种的并存才是一个良好的生态，所以现在的金融目标就是要扩大中小微金融银行和金融企业，这样使得我们的金融生态环境更加好。
银行业的市场化、金融机构之间的竞争，到底会对我们中国经济和实体经济的发展带来什么样的影响？
龙永图：外资银行想通过上海自贸区的实验慢慢发展起来，对混合制也有鼓励，加上国有银行、民营银行、私有制银行平衡发展，最终目的是更好地为金融服务。从另一方面来说，大型国有银行很难为民企小微企业提供服务，所以就必须要有相对应的民营银行、金融机构提供对这些实体经济的帮助。只有小微发展了、实体经济发展了，才能解决就业的问题，稳定的问题，民生的问题，这是我们整个经济体制改革的重要的目标。
那么对于中小企业，尤其是外贸型企业的发展，你有什么样的建议。
龙永图：我建议外贸企业和中小企业走专业化道路，把进口和出口有机结合起来，因为进口会成为我们外贸当中非常重要的一个部分，要尽快转型成为国际进出口贸易，既要进口也要出口。特别是制造业，对零部件、生产原料的需求的增长，进口是有很大的潜力的。
一部分企业把房产和实业发展相结合，但国家始终在出台一些比较严厉的房地产调控措施，你对目前房地产政策怎么看？
房地产价格区域经济 篇12
我国房地产的繁荣始于1998年中国住房制度改革。自此之后, 房地产行业持续发展, 投资规模不断加大, 逐渐成为了我国经济的支柱产业。但持续的快速发展也带来了诸多问题。房地产市场投资过热, 房价一路飙升, 出现了泡沫经济。如我国商品房平均销售价格, 以2008年为界, 仅用一年, 就从3, 800元/平方米涨到了2009年的4, 681元/平方米, 2010年站上了5, 000元大关, 达到5, 032元/平方米, 到2013年, 已经达到了6, 237元/平方米 (数据来源:国家统计局网站) , 远远超过了正常范围。面对高昂的房价, 网络上出现了一个大热的词汇, “房奴”。高昂的房价对普通民众来说根本难以承受, 以几乎全部存款交毕首付后至少要背负数十年的债务。我们的国民付出艰辛的努力摆脱了各种压迫, 如今却又要为买房低下头颅。除却“房奴”还有一个词在网络上大热, 叫“蜗居”, 指的是像蜗牛一样, 缩在巴掌大的家里。尤其是在京、沪等超一线城市, 房价畸高, 有的家庭甚至祖孙三代租住在区区几十平米的房子里。与民众买不起房同时存在的却是住房的供给过剩。近些年除却鄂尔多斯, 全国各地的各种“鬼城”已是屡见不鲜。房子卖不出去, 许多企业出现资金周转困难, 很容易出现资金链断裂等问题, 最终走向破产。长此以往并不利于房地产市场发展。
一边是刚性需求得不到满足, 一边又是房屋供给存在过剩。很明显, 仅仅依靠市场的调控, 房地产市场的供需很难达到平衡。而供需不平衡就决定了房价始终不能达到均衡价格, 房价将持续高企。有2008年美国次贷危机的前车之鉴, 政府对房价的调控已到了刻不容缓的地步。因此, 中央逐渐加强了对于房地产市场的调控。如2008年出台的《关于促进房地产市场健康发展的若干意见》, 2010年的“新国十条”, 2011年的“国八条”, 以及刚刚结束的2015年“两会”, 李克强总理提出的“住房保障逐步实行实物保障与货币补贴并举, 把一些存量房转为公租房和安置房”, “强化地方政府合理调控房地产市场的责任, 因地制宜, 分城施策”等调控手段, 以及自2008年以来央行的频繁调息。效果如何, 还有赖于市场的进一步检验。但我们需要了解的是, 无论是房地产的开发还是购买都需要大量的资金, 这使得房地产行业的性质必然是资金密集型。因而货币政策应始终被看作一项重要的调控手段。由于我国实行“先富带动后富”的这样一种策略, 使得东、中、西部各省份经济发展水平存在巨大的差异。除此之外, 文教水平、收入水平等方面也存在着差异性, 这就注定了统一的政策将在不同的地区取得不一样的效果。因而关于货币政策对房地产价格影响的研究, 也不能停留在整体层面上, 而是应该关注区域间的差别。
二、货币政策调整效果的理论分析
根据以往的研究结果, 货币政策主要是从供应、需求以及金融支持三方面来影响房地产价格的。
(一) 货币政策对房地产市场的供应会产生影响。
供应上的影响实际上是指房地产开发商对于货币政策的反应。按照一般的设想, 当实行从紧的货币政策的时候, 利率上调, 存款准备金率上调, 信贷规模缩小, 对于开发商来说取得开发贷款更加困难了, 即使取得了贷款, 虽然利率的上调幅度不大, 但作为资金密集行业的开发商其贷款数额十分巨大, 还款的压力也大大增加。也就是此举将会增加其开发成本, 压缩开发利润, 从而促使市场供应量的减少, 商品房价格下降, 有效挤压地产泡沫。但我们所说的是一般设想。也存在这样一种情况, 即开发商将实行从紧货币政策带来的成本增加转移到消费者头上, 在这种情况下, 房价反而出现了上扬。当实行宽松的货币政策时, 开发商将易于取得贷款, 房地产市场供应量增加, 如若需求没有巨大变化, 此时房地产价格将会有所下降, 但同时应谨防供给过剩。
(二) 货币政策对房地产市场的需求会产生影响。
需求上的影响实际上指投资者对于货币政策的反应。作为投资者, 他们的需求分成刚性需求和投机需求两种。欠发达地区多为刚性需求, 而发达地区由于经济发达, 出现了一定程度的投机行为, 并且在近年的发展中, 投机行为对房产市场的影响已越来越不能小觑。在实行紧缩性货币政策的时候, 利率上升, 存款准备金率上升, 信贷规模减小。对普通消费者来说, 一种情况是获得按揭贷款更加困难, 造成投资者还贷压力增加, 投资成本增加, 市场需求下降, 房价下降的情况;另一种情况则是随着我国城镇化水平不断提高, 增加的刚性需求得不到满足, 无论货币政策作出怎样的调控, 只要刚性需求不能满足, 调控效果将收效甚微。而对于发达地区的投机者来说, 一方面从紧的货币政策压缩了投机者的利润空间, 从而导致投机者减少投机行为, 房价趋于平稳;另一方面, 由于投机者多拥有雄厚资金储备, 面对从紧货币政策可能不会减少他们的需求, 反而会形成升值预期, 增加房产持有, 推动房价进一步上升。
(三) 货币政策对房地产市场的金融支持会形成影响。
金融支持, 主要指的是信贷规模方面对于货币政策的反应。央行实行从紧的货币政策, 银根收紧, 致使银行信贷规模收缩, 放贷行为更加谨慎。这使得按揭贷款和投资贷款同时收缩, 致使市场需求和供给同时下降, 房地产价格下降。但这对于拥有雄厚资金的投机者可能影响不大。同时银行将倾向于放贷给优质客户, 很可能造成小企业得不到足够贷款, 面临资金链断裂甚至破产的结果, 但也在某种程度上整合了市场的资源, 推动房地产市场资源配置的优化升级。但也存在这种可能, 由于我国银行多具有超额准备金, 所以极有可能央行的货币政策对控制信贷规模并无太大作用, 从而对房地产价格无明显影响。
以上理论分析给出了货币政策对于房地产价格的影响机制, 不同的经济发展水平决定了货币政策对于需求、供给、金融支持的影响是存在多种可能的, 也就是我们说的区域性差异。而具体结果有赖于实证研究的分析。
三、货币政策对房地产价格影响存在区域化差异的分析
由于我国东、中、西部经济发展差异非常大, 要素之间的存在着流动性障碍, 这使得我国经济现状不符合最优货币区定义, 从而货币政策的调整存在着一定程度上的区域效应。为了进一步说明货币政策对不同地区房价影响的区域化差异, 本文将给出2004年到2013年东、中、西部地区代表性省市房价走势, 其中包括东部地区的上海, 北京, 广东, 天津, 中部地区的安徽, 湖北以及西部地区的陕西, 甘肃。此外, 也给出2004年到2013年利率变动水平, 货币供应量变动水平以及人均可支配收入变动, 以此来探究三者对房价的影响及其带来的区域化差异。
其中, 房地产价格用商品房平均销售价格来表示, 单位为元/平方米;利率则选用以金融机构1~3年 (包括3年) 人民币贷款基准利率;货币供应量用我国广义货币量M2来表示。它能够比较全面地反映我国货币供应量的变化情况, 一定程度代表了金融体系中信贷规模的扩张程度;人均可支配收入用各地区城镇人均可支配收入来表示, 以此来反映各省市自治区的经济情况。货币政策对房地产价格有何影响, 是否具有区域差异性, 可由下面的图表分析来一探究竟。
图1显示我国贷款利率在2007年年底达到了峰值7.56, 且2007年以前一直呈现增长态势, 说明2004~2007年采取的是一个比较宽松的货币政策。进入2008年, 受经济危机的影响, 进入降息阶段, 在2008年底达到最低值5.4, 说明国家实行宽松货币政策推动经济复苏。进入2010年, 我国经济已实现快速复苏, 因而实行新一轮从紧货币政策, 预防通货膨胀。大体来说利率对于东、中、西部地区的房价都呈现负相关, 这与理论预期是相一致的, 且东部地区房价对利率波动相对敏感。但与房价走势相对比, 利率对于各地区房地产价格的影响都较为微弱。利率不断波动, 而房价几乎一直在上涨。造成这一现象的主要原因是东部地区经济发达, 市场开放, 资金充足, 利率等货币政策影响传导较为顺畅。且东部地区存在大量投机者, 利率上升会压缩利润空间, 造成部分投机者持币观望, 因而虽然利率对东部市场调控不甚明显, 东部市场对于货币制度也是最为敏感的。中、西部地区相比东部地区经济发展水平较低、市场开放程度不足, 利率传导渠道阻碍颇多。且中、西部地区的消费者需求多属刚性需求, 投机因素较少, 因此利率上涨的确会减少部分购房意向, 但在刚性需求为主的市场, 利率的影响并不显著。与此同时, 随着我国经济的进一步发展, 中部市场的发展潜力与东部相比较低的房价使得中部市场成为继东部市场之后又一个投资热点。因此中部市场相比西部市场对于利率的敏感性又更强一些。
数据来源:国家统计局
数据来源:国家统计局
数据来源:国家统计局
图2显示, 以2009年为界, 之前的年份货币供应量基本呈现一个比较平稳的态势, 2009年M2猛增到606225.01亿美元, 同比增长27.7%, 应为应对2008年经济危机, 增大市场中流通货币量的缘故。2009年之后到2011年呈快速下降态势, 应为我国经济快速复苏, 从而调整货币供应量以应对通胀形势。2011~2013年则趋于平稳, 整体水平降到2009年之前的状态。总的来看, 对比房价走势, 货币供应量与房价大体呈现正相关关系。货币供应量对于东部、中部房地产市场的影响比对西部地区影响更为显著, 其中对东部市场影响尤为剧烈。但东部市场内部房价变化并不与M2变化完全一致。如2009年M2猛增, 北京市房价大幅提升, 但上海提升水平相比北京市便显得稍显不足, 反而在调控前的2008年出现了大幅上涨。2009~2011年M2快速减少, 北京市房价反应迅速, 2010年立即出现了房价下降, 而上海市并天津市在次年即2011年才出现下降, 而广东省对于M2的增减皆没有太大反应。总的来说东部市场明显对M2变化更加敏感, 而地区内的差异性当取决于其他因素, 如居民消费习惯, 资本构成, 刚性需求与投机需求比例等等。货币供应量增加时很大程度上反映了信贷规模的扩张, 无论是房地产开发商还是投资者取得贷款都会相对方便, 从而促使需求和供给的双重增加, 促使房价上扬, 反之亦然。我国东部地区相比中部地区经济发展水平更高, 市场成熟程度也更高, 是我国传统的投资热点地区, 相关政策又更加倾向东部地区, 货币供应量增加对房价带来的影响相比西部一定更为显著。作为中部地区, 经济发展水平相对东部较低, 相对西部水平更高, 因而对于货币供应量的反应程度居中。而西部地区作为欠发达地区, 刚性需求旺盛, 消费者购房更为谨慎, 且货币政策传导机制受阻, 货币供应量增加极有可能使得货币更多流向中、东部市场, 而不能刺激西部市场需求。但相信随着“西部大开发”等倾向西部发展战略的实施, 西部市场快速发展也只是时间问题。
数据来源:国家统计局
人均可支配收入方面, 东、中、西部地区房地产市场的反应也存在差异性。如图4所示, 对比房价变化图可知三大地区人均可支配收入与房地产价格都呈现正相关, 但东部地区明显相关程度如中、西部地区。比如2008~2009年, 上海市人均可支配收入上涨了2162.9元, 而房价却从约8, 195元/平米猛涨到了12, 840元/平方米;2010~2011年北京市人均可支配收入涨幅3830.1元, 而房价反而从17, 782元/平方米降到了16831.95元/平方米, 出现了负相关。原因应为东部地区金融市场更为发达, 投资渠道更加多样, 东部地区的居民出于减小投资风险的考量, 增加的可支配收入可能会选择更加多样化的投资组合, 从而使得可支配收入与房价呈现了负相关。而中、西部地区房地产市场刚性需求旺盛, 居民可支配收入增加, 会推动购房需求增加, 从而推动房价上扬。
四、基于货币政策调控房地产价格的政策建议
从实证结果来看, 货币政策在各个区域中的调控效果具有一定的差异性, 单一采用全国性政策不能有效平衡各区域房地产市场的发展, 反而可能加剧区域房地产市场之间的差距, 造成整个房地产市场的非对称发展。因此, 由上述结论, 我们提出以下建议:
(一) 实行区域化的货币政策, 适当放权地方政府。
考虑东中西部存在的差异, 施行区域化的货币政策;或者在统一的货币政策下, 允许各地区政府根据实际情况进行一定改动, 从而使得货币政策施行更加贴合各地实际情况, 发挥调控的最大效用。
(二) 加强金融监管, 推动资源优化配置。
面对当前东部地区投资过热, 中西部地区发展不足的情况国家应加强金融监管, 适当压制东部地区的投机行为, 向中西部地区释放利好政策, 促进中西部需求上升, 从而弱化地区发展的不平衡。
(三) 增加房地产市场透明度, 减少信息不对称。
通过完善房地产市场的信息透明程度, 将有关信息及时、准确发布, 从而减少消费者的信息不对称, 促进供需平衡, 有效减少市场波动。
摘要：房地产行业作为与民众生活息息相关的行业, 一直是我国政府关注的重点。但自1998年中国住房制度改革以来, 房价发展的态势并不稳定, 除了市场的自动平衡, 也依赖于政府的宏观调控。而货币政策一直是政府调控房价的重要手段。研究发现, 货币政策对房地产价格影响效果一般, 且具有区域差异性。本文依照聚类分析法, 将我国房地产市场按照传统的东、中、西部进行分类研究, 认为货币政策确存在影响力的区域差异性, 并主张政府在进行调控时考虑区域化的货币政策, 从而缩小房价地区差异, 促进房地产市场平稳发展。