张明、刘耀：中国城市房价走势及波动驱动因素分析

张明现任中国社会科学院金融研究所副所长、国家金融与发展实验室副主任、中国首席经济学家论坛主任。

注：本文为作者与博士生刘耀合作，发表于《南京社会科学》2021年第6期，转载时请务必注明出处。 为了节省篇幅，本文省略了定量研究部分、参考文献、英文摘要和脚注。 全文请参见中国国家知识基础设施。

【摘要】：本文构建了研究中国房价走势和波动的分析框架，将影响房价的变量分为需求、供给、金融和政策类别，并对31个省区的走势进行实证分析研究了2005年至2017年中国70个大中城市房价驱动因素，并进一步探究了一二线城市和5个主要区域核心城市群房价驱动因素的异质性。 实证结论如下：第一，全国31个省份的房价在一定程度上由供需决定。 在基本面变量的驱动下，人口流入和优质资源量、个人贷款增长和家庭部门杠杆是其房价走势最重要的驱动因素。 人均收入、货币供应量增长和政策调控对房价波动影响最为明显； 第二章 2.需求和金融变量驱动全国70个大中城市房价走势。 需求变量中，常住人口比例上升是房价上涨的重要驱动因素。 金融变量中，个人住房贷款利率下调对房价有重要影响。 提升效应最大，几乎所有金融变量都带动大中城市房价波动； 第三，一二线城市房价走势和波动受金融因素驱动更为显着，人均土地购置面积也是房价变化的重要因素； 第四，近年来房地产调控在一定程度上导致房价逆向波动，政策难以达到预期效果。 由上可见，人口或资源流动、信贷和杠杆率是此次全国房价涨跌的重要原因，而人均收入增加、资本过度集中、土地供给失衡则是此次全国房价涨跌的重要原因。此次城市房价分化扩大。

一、简介

1999年我国城镇住房制度改革以来，居民住房消费水平持续提升，住房成为居民部门消费的亮点，甚至成为中国经济的“晴雨表”。 尤其是2005年至2015年的十几年里，中国房地产市场呈现出一个显着特征事实：一方面，中国各省市房价普遍加速上涨，另一方面，监管部门以住房城乡建设部为代表的房价调控频频。 2015年之后，中国房地产呈现新一轮复苏复苏，房价也悄然呈现出明显的区域和城市分化：一线城市率先领跑，沿海二线城市紧随其后，三线城市紧随其后。四线城市房价上涨。 差异巨大，这种变化逐渐形成了中国房价变化的新趋势。 这似乎表明，利用单一国家层面的宏观数据来分析中国房价走势将不再合适。 分析省市之间的异质性对于把握中国房价的未来至关重要。

同时，房价在评估金融稳定和预警系统性风险方面发挥着关键作用。 当房地产泡沫过度积累，甚至导致房价突然大幅下跌时，将对居民部门的资产负债表、企业信心和商业银行的贷款能力产生巨大影响。 数据显示，2018年，中国50个大中城市房价收入比为11.36。 如此高杠杆支撑的高房价背后，也存在着明显的房价下行风险。 那么，分类识别房价的驱动因素对于保持经济增长、维护金融稳定、稳定消费者信心具有积极意义。

鉴于此，本文构建了研究中国房价走势和波动的分析框架。 它将中国房价的驱动因素分为供给因素、需求因素、金融因素和政策因素。 以全国31个省区、70个大中城市为样本，分地区、分城市探讨2005-2017年中国房价走势和波动的驱动因素。 如果说本轮房价变化主要由供需因素驱动，则意味着该地区房价仍由经济基本面决定。 政府可以共同构建从供给侧和需求侧调节房价的长效机制，引导房子“只住不炒”。 ; 如果本轮房价更多地由金融因素和政策因素决定，则意味着该地区城市房价已经偏离基本面，具有一定的金融属性甚至资产泡沫。 一旦出台严厉的抑制房价政策或居民大幅加杠杆，该地区房价将面临较大的下行风险。 本文其余部分的结构如下：第二部分为文献综述，第三部分构建了研究中国房价趋势和波动的分析框架，第四部分为中国房价驱动因素的定量实证分析趋势和波动，第五部分是稳健性检验，最后一部分是结论和政策建议。

2。文献综述

关于房地产驱动因素的文献并不新鲜。 Muth（1971）从微观角度构建了一个模型，表明单位面积的建筑成本、距CBD的距离、土地使用面积等变量都是驱动房价走势的影响因素。 随着人口流动和资本流动程度显着增强，更多文献开始关注房地产驱动的宏观因素。 财务状况是很多文献关注的重要变量，财务状况可以通过多种渠道驱动房价波动。 例如，企业债券风险溢价的上升将带动信贷供给的收缩，从而影响包括房价在内的资产价格波动（&šek，2012）； 等人。 （2019）分析了融资条件对GDP增长的潜在影响，发现短期内融资条件偏紧通常会导致经济下行风险增加，居民收入下降、失业率上升，导致住房消费下降； - Magne＆Rady（2005）发现家庭收入是驱动房价的重要变量，对于预测房价趋势具有重要意义。

家庭部门的债务状况是影响房价走势的另一个关键变量。 国际货币基金组织（2019）发现，无论是发达国家还是发展中国家，信贷增长与房价下跌高度相关； 家庭部门债务对房价影响的传导机制与金融状况的传导机制类似。 家庭部门杠杆率的提高将对经济增长和家庭收入产生影响。 对就业产生负面影响，家庭债务通过上述三个渠道对房地产市场产生潜在影响。 2008年全球金融危机后，一些学者开始探讨发达国家家庭部门杠杆率、房地产泡沫与金融危机之间的关系，但得到了完全相反的结果。 党等人。 （2010）发现，金融危机的爆发与房地产市场次级贷款的积累有直接关系，而次级贷款的增加与低质量借款人的高杠杆率密切相关。 然而，（2015）对这一观点提出了质疑，发现房地产投资者流入房地产市场的资本增长速度快于信用评分较低的首次购房者的资本流入，这表明次级借款人的债务对房地产市场的贡献是金融危机的影响其实是有限的。

资金流向和人口结构也是房价上涨的因素。 跨境资本流动通常会推动发达经济体的房价上涨。 例如，等人。 （2008）实证发现，新兴市场过剩储蓄追逐美国安全优质资产，加上美国长期低利率，导致跨境资本流入推高美国房价。 对于中国来说，由于资本账户尚未完全开放，城市房价通常由人口结构和区域间资本流入驱动。 徐建伟等. （2012）认为年轻人口抚养比的增加将推高房价； 邹进（2014）认为，人口年龄结构将决定房价的长期波动。

此外，供给、需求和周期性因素也在决定房价方面发挥着重要作用。 （1988）认为收入和预期都会驱动房价趋势。 &(2010)利用住房供给指标预测欧元区住房市场发展，发现住宅投资、实际利率等住房供给指标与房价波动相关。 余华义（2010）发现，土地政策是推动房价的重要因素，土地供应的增加将有助于推动房价上涨。 （2005）发现房价的变化与信贷周期有关。 OECD国家货币供应量增加后，房价首先会面临上涨。

从研究方法来看，除少数文献研究是在DSGE模型框架下研究外生冲击对房价的影响外，大部分都是实证研究。 例如，刘等人。 (2011)构建了整合房价和固定投资的DSGE模型，并讨论了信贷约束如何影响房价等宏观经济变量的波动； (2012) 建立了一个包含利率、货币政策、产出、信贷和不确定性的 DSGE 模型。 因素FA-VAR模型分析了全球房价波动的驱动因素，发现全球主要国家的房价走势是同步的。 全球利率冲击会对房价产生负面影响，但货币政策对其影响不大，不确定性冲击将是推动房价的最重要因素； 刘金泉、卢梦飞(2018)通过构建VAR模型研究了货币政策、GDP增速和居民杠杆率对房价的影响，发现宽松的货币政策是我国房价上涨的主要推动力。 匡维维(2013)对北京1040名城镇住房业主进行了问卷调查，并利用logit模型检验了征收房产税对预期房价的影响。 他发现，开征房产税对于抑制房价的作用有限，而且开征越早越好； 丁如曦、倪鹏飞(2015)运用探索性数据分析方法和空间计量技术研究中国城市房价的区域空间格局和特征，发现中国城市房价取决于房价的空间正溢出效应周边城市的波动。 这种影响在地区之间存在异质性。

结合上述研究不难发现，大多数文献侧重于探讨单一变量对房价驱动因素的影响，并且大多采用VAR模型将房价视为内生变量。 很少有文献对中国城市房价驱动因素进行全景探索和贡献程度。 。 在此基础上，本文构建了研究我国房价走势和波动的分析框架，从我国31个省区市和全国70个大中城市的房价驱动因素入手，探究了我国房价走势和波动的分析框架。 2005年至2017年。本文的主要贡献如下：一、构建了我国房价影响因素的分析框架，将房价驱动因素分为供给、需求、金融和政策变量，并探讨了房价驱动的主要因素。价格趋势和波动及其贡献； 二是从省级到地级市、从整体到区域，对我国房价影响因素进行全面分析和探索。 第三，本文的结果在一定程度上反映了该地区或城市的房价是由经济基本面还是金融因素驱动的，为政策制定者和消费者购房提供了一定的参考价值。

三、中国房价走势及波动影响因素分析框架

为了构建中国房价走势与波动的分析框架，基于中国居民住房可能兼具商品属性和金融属性，且房价受政策变化影响较大的事实，参考研究根据平安证券（2017）的研究，我们结合中国房价的走势和波动，将驱动因素分为四类：第一类是需求因素；第二类是需求因素；第二类是需求因素。 第二类是供给因素； 第三类是财务因素； 第四类是政策因素。 这四类因素基本涵盖了影响中国房价的主要原因。

(1)需求因素

驱动中国房价的需求因素大致可以分为三类：一是居民收入变量，一是现有人口的需求，二是流动人口的需求，具体如下：

人均收入水平：用一个地区或城市的人均GDP来表示。 根据住房的居民财富效应，人均收入水平是影响住房购买力需求的最关键变量。 收入水平较高的地区通常有较高的购房需求，因此房价也较高。

常住人口/户籍人口：当地户籍人口通常拥有稳定数量的家庭住宅。 相比之下，常住外来人口是该地区或城市购房的刚性需求来源。 该比率越大，说明购房需求越强，房价上涨。 对于人口流入较快的大中城市来说，这一比例的增加与房价上涨的正相关性会更加显着。

工作人口/常住人口：常住人口中，工作人口占比越大，购房刚性需求越强。 房价涨幅最高的城市往往拥有较高的工作人口比例。 该变量通常与房价呈正相关。

优质公共资源数量：一个地区或城市的优质公共资源数量越多，意味着潜在人口流入量越高，表明潜在购房需求越强，从而推高该地区的房价。长期。 教育和医疗通常是最优质的公共资源。 我们采用“211大学+三级医院”的数量作为优质公共资源数量的工具变量。

(2)供给因素

住房作为一种普通商品，其价格由供求规律决定。 影响房价的供应因素通常包括土地供应面积和房屋库存。

拿地面积：土地供应是影响房价波动的重要驱动因素。 但由于地区或城市规模的差异，总体土地供应量与房价的相关性并不显着。 然而，人均土地购置面积通常与房价存在较强的负相关关系。 即在土地供应充足的地区或城市，房价涨幅越小。 该变量表示为征地面积/常住人口。

人均商品房保有量：以保有量/常住人口表示。 理论上，一个地区或城市的库存越低，住房供应短缺的情况就越严重，房价上涨的空间就越大。 该变量通常与房价增长呈负相关。

(3)财务因素

驱动中国房价的金融因素主要与信贷规模、利率水平和估值水平有关。 一方面，房价通常与信贷周期和利率周期的轮动有关。 另一方面，房子作为一种资产，具有金融属性，因此房价受金融因素的影响也很大。

住房贷款余额增速：信贷周期与房价走势同质性较高，且相互促进。 例如，房价上涨预期增加了居民购房意愿，导致住房贷款余额加速增长。 相反，居民过度的购房意愿推高了房价上涨的预期。 因此，住房贷款余额增长速度越快，房价上涨的速度就越快。

M2同比增速：M2同比增速越快，通常表明流动性环境更加宽松，从而推升房价。 同时，从历史数据来看，M2同比增速通常领先房价变化5-6个月，是房价走势的先行指标。

住房贷款利率：贷款利率水平是推动房价走势的重要因素。 理论上，住房贷款利率上调会增加购房者的融资成本，抑制房价上涨； 反之，住房贷款利率下降会降低购房成本，推高房价。 值得注意的是，房贷利率变动对刚需购房者影响有限，但对有投资需求的购房者影响较大。

购房杠杆水平：作为估值指标，购房杠杆水平被视为房价的“市盈率”。 我们通常用房价收入比作为杠杆水平的代表变量。 在形成单边预期的条件下，房价收入比越高，房价升值预期越容易被放大，因此两者通常呈现正相关关系。 同时，家庭部门杠杆率也可以被视为购房杠杆水平的另一个替代指标。 居民部门杠杆率上升通常会对房屋等资产价格产生一定的推动作用。

（四）政策因素

政策调控：实践中我们发现政策因素对我国房价走势的驱动作用不可低估。 例如，当住建部出台“国六”、“国八”房地产调控政策时，房价走势可能会受到外生冲击而出现逆转。 由于房地产调控政策包括直接政策和制定计划的间接政策，因此我们仅将影响房价预期的直接政策纳入分析框架。 在理性预期的情况下，如果出台严格的调控政策，就会被视为抑制房价的政策； 如果出现解除限购等宽松政策，就会被视为推高房价的政策。 我们将每项政策视为虚拟变量，推动房价记为+1，抑制房价记为-1。

4、实证分析：中国房价走势及波动的驱动因素

5. 稳健性测试

六、结论和政策影响

2005年以来，中国房地产市场总体呈现上涨趋势，城市间分化加剧。 本文通过构建中国房价走势和波动的分析框架，将房价驱动因素划分为需求变量、供给变量、金融变量和政策变量，构建了从省际到城市层面的面板回归方程，并考察了2005-2017年全国31个省区和70个大中城市的房价走势和波动驱动因素，进一步探讨了35个核心城市和2017年房价驱动因素的异质性。 5大区域核心城市群。 主要结论如下：

首先，从全国范围来看，各省份房价的走势和波动在一定程度上是由供需经济基本面决定的，住房仍然具有较大程度的商品属性。 住房用地供应的增加、人均收入水平的提高、常住人口和工作人口的流入、优质资源的集聚等都会驱动房价的变化。 但“总量式”的政策调控可能会导致房价短期内出现反向波动，难以达到理想水平。 政策预期。

其次，从全国70个大中城市的房价来看，城市房价的走势和波动主要由需求和金融变量驱动，这或许表明全国主要城市的住房既有商品和金融资产属性。 土地供应和商品房库存的增减不再是影响房价的重要因素。 居民杠杆率变化、货币供应量增速、个人贷款利率调整等是房价走势和波动的最大影响因素。 这或许预示着全国主要城市未来房价走势存在较大不确定性。 同时，需要警惕私营部门债务可能形成联动和溢出效应，推高房价或导致房价下跌，引发金融风险。

第三，从全国35个核心城市房价来看，一二线城市住房的金融属性可能远大于商品属性。 房价收入比杠杆变量是核心城市房价走势的最大贡献者。 这意味着一二线城市的房价已经脱离了传统的经济基本面。 未来房价波动将显着加大，房地产市场风险显着加大。 同时，土地供应在一定程度上带动一二线城市房价走势，这意味着增加住房用地供应可以有效为“过热”的楼市“降温”。

第四，从全国五大区域核心城市房价来看，京津冀地区、长三角地区核心城市房价主要受金融因素驱动。 鉴于两地区房价常态化高位，未来两地区房价将面临更多不利。 确定性风险：珠三角地区核心城市房价主要由需求和金融变量驱动。 鉴于该地区人才引进优惠政策和优质资源集中，未来珠三角核心城市群房地产市场将持续活跃； 中三角、西三角核心城市房价仍受基本面供需因素主导。 几个核心城市的增长潜力和空间溢出效应将导致未来两地区房价上涨的需求因素。 未来，中三角和西三角地区的核心城市将是房地产市场的“潜力股”。

本文的结论具有一定的政策含义：

首先，中国房地产市场应加强结构性调控政策，避免同类政策频繁变动或政策滞后造成反向预期。 新常态下的房地产调控应建立分地区、分城市的差异化调控路径和制度，实行“因城施策”。 一、二线城市房地产调控政策应以增加供给为主，三、四线城市应避免形成大规模库存；

其次，监管部门应重点监测一二线城市房价，特别是抑制京津冀地区、长三角地区的投机性炒房需求；

三是政府部门要在热点城市落实保障性住房和廉租住房制度，引导热点城市房价逐步回归理性，在部分地区形成示范效应和正外部性；

最后，避免诱导居民部门过快加杠杆。 商业银行应审慎确定住房贷款首付比例和贷款额度，避免违约风险和系统性金融风险的发生。