《中国城市住房价格变动影响因素分析.doc》由会员分享,可在线阅读,更多相关《中国城市住房价格变动影响因素分析.doc(10页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、中国城市住房价格变动影响因素分析 许光建,魏义方,戴李元,赵宇 (中国人民大学公共管理学院,北京 100872) 摘要 近 10 多年来,我国房地产业高速发展,住房市场价格呈现持续上涨的特征。本 文运用聚类分析方法,依据房价波动情况,将全国 35 个大中城市划分为三类。在此基础上,从 全国层面以及不同类别城市的角度进行比较分析,通过回归分析得出以下结论:除了地价、居民 收入、信贷规模等宏观性的影响因素外,城市基础设施、教育、医疗卫生等公共服 务的投入也在 一定程度上影响着房价的变动以及不同城市房价水平的差别。 关键词 住房价格;变动趋势;聚类分析;影响因素 中图分类号 F293. 3 文献标识
2、码 A 文章编号 1000 596X (2010) 08 0005 10 一、对 1999 年以来中国城市住房 市场价格变动趋势的回顾 随着改革开放的不断深入和城市化进程的不断 加速,城镇住房市场化改革在不断推进。 1998 年 全面实施的住房制度改革,基本结束了传统的计划 经济体制下具有显著福利性的住房分配制度,加快 了以个人购买住房为主要特征的市场化 、货币化的 改革进程。随着住房抵押贷款制度、城镇土地使用 权出让、低收入居民住房保障等制度逐步建立与完 善,我国城镇住房市场进入了持续繁荣的高速发展 时期。 经过 10 多年的发展,我国的住房产业市场化 程度不断提高,住房投资在 GD P 中
3、的比重越来越 高。根据有关统计资料, 2009 年商品住宅投资占 全社会固定资产投资的比例达 11. 39%,住房产业 己逐渐成为我国的支柱产业之一。但与此同时,住 房的销售价格也持续上涨。 1999 年,全国城镇 (不含我国的台湾、香港、澳门地区,下同 ) 平均 房价仅为每平方米 1 857 元 ,到了 2009 年,平均 房价就超过了 4 000 元, 10 年间上涨了 2 4 倍之 多。分年度来看, 2004 年涨幅最大,同前一年相 比的住房销售价格上涨了 9. 4%。此后房价涨幅有 收稿日期 基金项目 作者简介 1 2010-06-28 教育部“ 211 工程” 许光建 ( 1958
4、), 生导师; 魏义方 ( 1988 ), 戴李元 ( 1985 ), 赵宇 ( 1976 ), 三期子项目“中国特色的公共管理与公共政策学科平台建设” 男,山西晋城人,中国人民大学公共管理学院副院长,教授,博士 女,江苏 徐州人,中国人民大学公共管理学院硕士研究生 ; 男,安徽定远人,中国人民大学公共管理学院博士研究生 ; 女,河北邢台人,中国人民大学公共管理学院博士研宄生。 感谢匿名评审人提出的意见,笔者己经作了相应的修改,本文文责自负。 所放缓,在 2008 年末还一度出现了近 10 年来房价 的首次回落。但是,到 2009 年,房价又迅速回升。 无论是绝对价格,还是相对变动,近期的住房
5、价格 均处于高位运行阶段。表 1 和图 1 显示了 1999 年 以来住房价格的变动趋势。 表 1 1999 一 2009 年中国住房价格变动趋势 年份 住宅销售价格 (元/平方米 ) 新建住宅销售价格指数 (上年=100) 1999 1 857 100. 4 2000 1 948 101. 4 2001 2 017 101. 9 2002 2 092 104. 0 2003 2 197 105. 7 2004 2 608 109. 4 2005 2 937 108. 4 2006 3 119 106. 4 2007 3 645 108. 2 2008 3 576 107. 1 2009 4
6、474 109. 1 资料来源:数据来源于中经网统计数据库。其中 2009 年住宅销售价格来源于国土资源部, 2009 年价格指数以国 家统计局公布的当年 12 月份房屋销售价格指数代替。 价格(元 /平方米 ) 指数 图 1 1999 一 2009 年中国住房价格变动趋势 以下通过近年来房价收入比、房价租售比、竣 工面积与销售面积比等关键指标进一步考察和评价 住房价格波动情况。 (一)房价一收入比的变动趋势 房价一收入比( P IR)是衡量住房价格水平高 低的重要指标。按照世界银行的研宄报告,发达国 家房价收入比一般在 1. 8 : 1 5. 1 :1 之间,发展 中国家在 4 :1 6 :
7、1 之间。 1我国 1999 一 2008 年 城镇房价收入比波动情况如图 2 所示。 整体上,近 10多年来,我国房价收入比在 6 :17. 5 :1 之 间。 2003年以前,房价上涨并不明显,但与此同 时居民收入快速提高,城镇居民房价收入比在相对 较低水平上小幅波动,这一时期居民的住房支付能 力相对较强。进入2004 年以来,居民收入水平的 大幅提局并未提升住房负担能力,房价收入比大幅 跃升,并在 2009 年达到最高比 7.87 :1。中国城 镇居民住房支付能力的显著下降,房价高速増长无 疑是一个重要的推动因素,但是,随着人们生活水 平的不断提升,由对面积、性能等住房品质要求的 提高所
8、带来的影响亦 不容忽视。 (二)房价一房租比变动趋势 住房作为投资品,是家庭财富的重要组成部 分,购买住房可为投资者带来投资收益,住房租赁 则反映了更基本的住房需求,合理稳定的租售比显 示住房价格背后的有效需求支撑。从这个角度来 看,住房销售价格与租赁价格之比也是一个重要的 衡量价格波动的指标。在健全的房地产市场中,销 售市场与租赁市场需协调平衡发展。从图 3 可以看 出,在住房市场化初期,住房租售指数比均大于 1,表明住房租赁价格上升幅度大于销售价格上升 幅度。但 2004 年以后,住房销售价格迅速上升并 长期维持在较高的涨 幅水平;与此同时,租赁价格 上升速度逐渐回落,租售指数比低于 1
9、以下,售价 增长速度快于租价增长速度,租售价格增速之比趋 于缓和。近年来,住房交易市场需求超过租赁需 求,销售市场发展更快。过快的房价上涨速度,不 本文中,若非特殊说明,数据均来源于中经网统计数据库,或是根据该数据库发布的相关数据计算所得。 由于目前我国公布的住房租赁价格数据有限,受此局限本文仅进行相关价格指数比较。 (三)商品房供给和需求变动趋势 住房体制改革以来,商品房交易市场高速发 展,商品房供给和需求快速增加,形成供需两旺的 局面。商品房竣工面积与销售面积持续增长,竣工 面积由 1999 年的 21 410. 8万平方米增至 2009年 的 70 219 万平方米,增长了 228%,2
10、009 年销售面 积是 1999 年销售面积的 6. 4 倍。如图4 所示,从 整体上看,商品房供需比在波动中逐渐下降,由供 给大 于需求逐渐转向供给小于需求。 2004 年以前, 竣工与销售面积之比远大于 1,住房供给远远超过 住房需求, 1999 年二者的比例接近 1. 5 倍; 2005 年首次出现了需求大于供给的状况,此后两者差距 呈现扩大趋势; 2008 年商品房竣工销售面积首现 回落,房屋竣工与销售面积比近似为 1,需求迅速 减少,同期的房价也出现了 11 年来的首次回降 ; 2009 年这一趋势得到扭转,市场需求迅速回升, 供需比为 0. 75,差距达到近年来最大水平,住房 供给
11、远远小于住房需求。 (四)不同城市房价变动差别 住房销售价格及房价变动趋势 在不同区域城市 的分布(见表 2)显示,我国房价存在着显著的城 市差异性。 2008 年在住房价格最尚的城市 深 圳市,房价尚达 12 823 兀 /平方米,是住房价格最 低城市 呼和浩特市的 5. 1 倍左右,不同城市房 价上涨幅度也相差较大。在经济发展程度较高的东 部地区,城市住房价格也相对较高,而东北、中 部、西部地区城市房价则相对较低。但在房价变动 趋势上,即使在同一区域经济水平类似的不同城 利于消费者在租房与买房中作出理性选择,而往往 会驱使消费者在心理预期作用下盲目信贷购房。 市,房价上涨速度也存在明显的差
12、异,部分经济水 平欠发达城市房价涨幅亦处于较高水平。 表 2 2008 年 35 个大中城市住房销售价格与房屋销售价格指数 区域 城市 住宅价格 房价指数 区域 城市 住宅价格 房价指数 (元 /平方米 ) (上一年 =100) (元 /平方米 ) (上一年 =100) 北京 11 648 109. 5 太原 3 743 105. 7 天津 5 598 105. 8 武汉 4 681 104. 9 石家庄 2 630 105. 8 中部 合肥 3 425 108. 4 上海 8 115 105. 9 南昌 3 361 104. 2 南京 4 808 102 7 郑州 3 598 103. 3
13、杭州 8 212 10S 6 长沙 3 165 106. 7 宁波 6 843 109. 2 南宁 3 726 108. 2 东部 济南 4 155 107. 2 昆明 3 499 103. 2 青岛 4 788 105. 1 西安 3 768 101. 1 福州 5 244 103. 9 乌鲁木齐 3 031 115. 5 厦门 8 940 102 7 银川 2 592 111. 8 广州 8 781 99. 8 西部 西宁 2 817 107. 5 深圳 12 823 9S 1 兰州 3 062 109. 8 海口 4 435 110. 4 成都 4 778 103. 4 沈阳 3 856
14、 104 6 重庆 2 640 106. 3 大连 5 617 104 8 贵阳 2 866 106. 6 东北 长春 3 344 107. 0 呼和浩特 2 511 101. 2 哈尔滨 3 515 106 4 资料来源:国家统计局,中国房地产统计年鉴 ( 2009) Z.北京:中国统计出版社, 2010。 综上所述,近 10 多年来,我国房地产市场高 速发展,呈现出供求两旺的繁荣状态,商品房竣工 和销售面积快速增长,供给需求迅速增加,住房销 售市场发展迅速,并超过了住房租赁市场的发展速 度。但与此同时,尤其是 2004 年以来,由于住房 销售价格的持续大幅度攀升,城镇居民住房支付能 力显著
15、下降,住房销售价格涨幅持续高于租赁价格 涨幅,商品房需求超过了供给并且其差距在不断拉 大,住房价格及其涨幅在不同城市间的差异比较 显著。 二、住房价格波动的宏观因素分析 国外学者对房价影响因素的研宄较早,且关注 人口、收入、住房按揭利率以及建筑成本等综合因 素的影响。 2我国的房地产市场起步较晚,对于房 价的定量研宄也是从近几年才开始进行的。沈悦和 刘洪玉分析了城市人口、城镇家庭人均可支配收入 等对住宅价格变化的影响 ;3梁云芳和高铁梅研宄 了信贷规模、人均 GDP 等因素对房价影响的区域 差异性,认为实际利率影响较小 ;41余华义还考察 了土地供应对房价的影响。 5龙奋杰对 35 个主要城
16、市住宅市场研宄发现,我国房价存在明显的城市间 差异性,并对住宅市场进行了城市类别划分。 6 根据笔者对国内外学者研究成果的梳理,影响 住房价格波动的宏观因素主要有人口、居民人均收 入、信贷规模、土地价格以及利率等。 一般来说,人口数量较多的城市或地区,住房 的需求量也越大,相应的,住房价格也越高。随着 城市化水平的不断提高和市场化进程的不断加速, 城镇人口迅速增长所带来的对商品 住房基本居住需 求的增加,是近年来房价快速上涨的重要因素之 一。可以认为人口规模与城镇住房价格存在正相关 关系。 随着经济高速发展和城镇居民收入的增长,房 价也被推动上涨。一方面,居民收入的提高,提高 了消费者购房的支
17、付能力,使得消费者有能力承受 更高的房价;另一方面,随着居民可支配收入的增 多,消费者将追求面积更大、舒适度更高的居住环 境,即改善型住房需求随之增加。 住房价格的波动也在一定程度上受到金融机构发 放信贷量的影响。对房地产开发商发放的信贷, 将增 加市场中商品房的供给量;而对消费者发放的消费信 贷,将增加市场中商品住房的消费和投资需求量。 作为住房价格的一个重要组成部分,土地价格的 变动也是影响房价波动的主要因素之一。我国的城镇 土地归国家所有,房地产企业通过土地交易,从地方 政府手中取得城镇土地的使用权,进行商品房开发。 一般来说,土地价格的上升将带动房价的上涨。 从理论上说,利率对住房价格
18、变动应有较大的 影响,但由于我国仍处于利率市场化的初始阶段, 实行的仍是利率管制制度,中国人民银行直接调整 基准利率,利率的市场化程度还很弱,波动相对并 不频繁,因而,本文将不把利率作为一个独立因素 进行专门探讨。 (一)从全国层面分析住房价格波动因素 1.数据说明。根据以上对房价波动影响因素 的分析,笔者选取住房销售价格指数 /P/表示房 价变动,用居民住房用地交易价格指数 ZP/表示 地价波动,用城镇居民家庭人均可支配收入 D/ (元)和金融机构信贷 Z i V (亿元 ) 来分析各因素 对住房价格波动的影响。样本区间为 1999 一 2009 年分季度数据。数据来源于国家统计局编制发行的
19、 中国经济景气月报。 2数据处理。居民收入的季节变动往往会掩 盖其客观变化,在利 用季节性数据进行相关分析 前,需要对其进行季节调整。 7图 5 为城镇居民家 庭人均可支配收入原始数据序列,图 5 显示,居民 收入存在明显的季节性变化规律,每年第一季度收 入最高。这主要是由于第一季度适逢元旦和中国传 统文化节日春节,往往集中发放年终奖金、津贴、 过节费以及各种实物性补贴,从而使得第一季度的 收入远高于其他季度。采用 Census X12 方法对居 民收入进行处理后,得到的季节调整后的城镇居民 家庭人均可支配收入 / Sd)如图 6 所示。 3.模型分析。结合选取的数据,建立多元线 性回归模型:
20、 i7P/=|3b+31JLPH-(B2D/_S+(iJLA+e 式中,待估参数 Po 为常数项; A, ft, ft 为对应因 素的相关系数;随机误差项 e 表示其他因素对房价 波动的影响。 选用最小二乘法 ( LS), 在 Eviews 软件中进 行回归分析,结果如表 3 所示,回归方程为: HP I=58. 008 7+0. 379 706L P I +0. 009 14DL SA-0. 000 I L N 表 3 回归结果 变量 系数 标准误差 /一统计量 P 值 C 58. 000 87 5. 793 034 10. 012 0. 00 LPI 0. 379 706 0. 057 8
21、54 6. 563 2 0. 00 DI _SA 0. 009 74 0. 002 037 4. 780 7 0. 00 LN -0. 000 1 2 16 五一 05 -4. 645 0. 00 炉统计量 0. 717 72 因变量均值 105. 141 调整及 2 0. 696 55 因变量标准差 3. 653 75 回归标准差 2 012 719 一统计量方差 33. 901 2 残差平方和 162 041 5 P 值 CF 统计量 ) 0. 000 00 模型中 3 个变量共同解释了因变量全国住房销 售价格指数 69. 655%的变动,这也说明住房价格 波动的影响还有其他重要解释因素。
22、模型的 F 检 验的 P 值为 0,说明回归方程总体是显著的。回归 系数的 f 检验表明,3 个自变量对因变量 /P/的 影 响都是显著的。回归结果表明,住房价格波动与 土地价格和城镇居民人均可支配收入正相关,即随 着地价和居民收入的增加,房价增长幅度也随之加 大,这与以上的分析是一致的。系数表明,随 着金融机构的信贷量的增加,房价增长速度会减 慢。而模型中的多重共线性,可能造成回归系数符 号判定错误。对自变量的皮尔逊 ( Pearson)相关 性 检 验( 见 表 4)表 明 ,与 ZiV 存在着高 度的相关性,在 99%的置信水平下,二者之间的 相关系数高达 98. 6%。对丑 P/与 Z
23、iV 的相关性检 验结果(见表 5)显示,在 95 %的置信水平下,房 价 与信贷额实际上存在正向相关关系。 表 4 相关性 项目 DI _ SA LN DI_SA 皮尔逊相关系数 1 0. 986 * 值(双尾 ) 0. 000 样本数 44 44 LN 皮尔逊相关系数 0. 986 * 1 S7g 值(双尾 ) 0. 000 样本数 44 44 注: M表示在 a oi 水平下显著相关(双尾)。 表 5 相关性 项目 LN HPI LN 皮尔逊相关系数 1 0. 306 * 值(双尾 ) 0. 043 样本数 44 44 / P/皮尔逊相关系数 0 306 * 1 值(双尾 ) 0. 04
24、3 样本数 44 44 注,表示在 a 5 水平下显著相关(双尾)。 以上所做的对全国层面相关数据的分析表明, 土地价格、城镇居民人均可支配收入以及金融机构 的信贷量,这 3 个变量在很大程度上可以解释中国 城镇住房价格波动,是影响房价变动的重要因素。 3 者对房价变动均起到正向影响作用。 (二)从不同城市比较分析住房价格波动 因素 我国城镇住房价格存在着显著的城市性差异, 在同样从紧或趋松的宏观调控政策下,不同城市住 房价格走势却显现出明显的不同。住房价格的这种 地 区间差异,也可以反过来解释房价上涨的原因, 因而笔者推断,城市间的显著差异之处也是造成房 价波动的重要影响因素。 1.城市聚类
25、分析。笔者选取国家统计局调查 发布信息的 35 个大中城市 , 根据房价的绝对水 平以及相对涨幅进行分类。数据采用 2008 年 35 个大中城市房地产价格指数,以及对应的城市住 2006 年起扩大至 70 个城市,由于后公布的 35 个城市数据量有限,仅选取之前公布的 35 个城市进行研究。 宅销售价格,前者来源于 2009 年的中国统计 年鉴,后者 来源于 2009 年的中国房地产统计 年鉴。 采用系统聚类分析,将房价及其变动水平相似 的城市归为一组,结果如表 6、表 7 所 7K。 第一类 (一线 )城市有北京、上海、深圳等 6 个城市,房 价指数平均104. 1,平均房价达 9 753
26、. 2 元 /平方 米;第二类(二线 ) 城市包括天津、大连、南京等 10 个城市,房价平均涨幅为 5. 7%,平均房价为 5 094. 7 元 /平方米;石家庄、太原等 19 个城市为 第三类(三线 ),平均房价指数为 106. 9,平均房 价 4 874. 7 元 /平方米。三类城市之间房价水平相 差较大,存在 较为显著的差异。但是, 2008 年这 三类城市房价平均涨幅相差并不显著,这主要是 一二线城市受金融危机影响相对较大,涨幅较以 前有所回落,一线部分城市甚至出现负增长,而 三线城市房价在 2008 年的快速拉升,改变了之 前涨幅长期普遍低于一二线城市的状况。 表 6 35 个大中城
27、市基于房价及房价指数的分类表 类别 城市 第一类 北京、上海、杭州、广州、深圳、厦门 第二类 天津、大连、南京、宁波、福州、济南、 青岛、武汉、海口、成都 第三类 石家庄、太原、呼和浩特、沈阳、长春、 哈尔滨、合肥、南昌、郑州、长沙、南 宁、 重庆、贵阳、昆明、西安、兰州、西宁、 银川、乌鲁木齐 住房价格水平较高、涨幅较快的一二线城市, 人口相对较多,提供的公共服务水平也较高。近年 来,中国越来越多的城市成功申办各种世界型盛 会,如北京奥运会、上海世博会、广州亚运会、深 圳大运会等,促进了城市交通等基础设施以及医疗 卫生等公共服务的建设和完善;而天津、大连、青 岛等旅游城市,当地政府为营造城市
28、旅游环境,也 注重在公共服务方面的支出。城市交通、医疗卫 生、教育等基本公共物品或服务,直接影响到居民 的生活质量,消费者往往“用脚投票”,选择拥有 丰富资源、优质公共服务的区域居住。 8从而使得 公共投入较多、设施便利的一二线城市能够吸引更 多的购房者,进而提升当地的住房价格。笔者由此 推断,基础设施、医疗卫生、教育等公共产品和公 共服务投入也是影响住房价格波动的重要因素。 表 7 三类城市的描述统计 Ward 方法 HP HPI 1 均值 9 753. 166 7 104. 100 0 数量 6 6 标准差 1 983. 905 38 4. 671 19 极小值 8 115. 00 98.
29、 10 极大值 12 823. 00 109. 50 2 均值 5 094. 700 0 105. 740 0 数量 10 10 标准差 772 506 75 2 492 75 极小值 4 155. 00 102 70 极大值 6 843. 00 110. 40 3 均值 3 218. 368 4 106. 857 9 数量 19 19 标准差 444. 243 83 3. 224 96 极小值 2 511. 00 101. 20 极大值 3 856. 00 115. 50 总 计 均 值 4 874. 714 3 106. 065 7 总 数 35 35 标准差 2 566. 804 62
30、3. 379 87 极小值 2 511. 00 98. 10 极大值 12 823. 00 115. 50 2 数据说明。基于数据的可得性,笔者选取 了 13个城市年末总人口 (万人)、地方财政人 均教育支出五乃 ( 万元)、人均医疗卫生支出五丑 (万元)、人均城市维护费 (万元 ) 和城市房屋 销售价格指数丑 /V。我国 2007 年实行预算收支分 类科目改革,从 2007 年起,财政支出科目进行了 相应的调整,故样本时间选取1999 一 2006 年。数 据来源于各城市历 年的统计年鉴,人均支出由各城 市当年相应科目支出除以年末人口计算得出。 3.回归分析。笔者建立以下面板数据模型 HP
31、I,t = a + uPP + i,FF + ,EDu + uMHu + uu 可分为混合回归模型 ( pooled model)、 固定效应模型 ( fixed effects regression model)和随机效应模型 ( random fixed effects regression model) 3 类。 相关随机效应一 Hausman 检验 Pool: CITYP 截面随机效应检验 检验报告 CTn一 统计量 CTn *Sg 自由度 p 值 截面随机 11. 256 979 4 0. 023 8 表 9 参数估计结果 因变量 : 孖尸 / 估计方法: Pooled EGLS (
32、截面加权) 样本 : 1999 一 2006 年 混合数据总计观测数 : 104 单步加权矩阵线性估计 变量 系数 标准误差 一统计量 P 值 C 100. 535 6. 519 37 15. 420 9 0 PP -0. 005 85 0. 008 43 -0 694 8 0. 489 FF 0. 012 83 0. 006 90 1. 858 83 0. 066 4 ED 0. 032 93 0. 005 15 6. 396 59 0 MH -0. 044 1 0. 010 71 -4 118 3 0. 000 1 固定效应(截面 ) BJ C -1. 330 557 sz-c -3. 9
33、24 88 TJ C -3. 721 369 NB-C 0. 3591 56 FZ C -0. 934 158 XM-C -5. 669 69 GZ-C -5. 714 842 HEB-C 0. 921 413 JN-C 0. 941 962 zz-c 1. 886 426 NN-C 2 557 271 CQ-C 15. 798 31 GY-C -1. 169 037 截面系数固定(哑变量) 炉统计量 0. 734 625 因变量均值 149. 242 9 调整尺 2 0. 685 821 因变量标准差 59. 547 79 回归标准差 2 671 115 残差平方和 620. 732 5 一
34、统计量 15. 052 39 P 值 (F 统计量 ) 0 方程结果中,自变量 M 丑 和 的 系 数 符 号 与笔者预期的相反,暗示存在多重共线性问题。由 自变量间相关系数 矩阵及其检验(见表 10)表明, FF, 五 D和 M/3 个变量间存在显著的较高正相关 性。地方财政总支出的增加或减少,对基础设施、 教育、医疗投入造成同步增减。自变量间的相关性 对回归的结果造成了混乱。有必要分别讨论各自与 /P/的 关 系 。 对丑 / 5 /与 4 个自变量分别进行 Pearson相关性检验,如表 11、表 12、表 13、表 F= ( SSSEF N l) NT- N- k), 其 中 , 表
35、示 约 束 模 型 的 残 差 平 方 和 ;5五 表 示非约束模型的残差平方和,此处 i=l。 14 所示。结果表明,房价指数丑 P/与城市基础设 施财政支出 FF、 教育财政支出五 D 以及医疗卫生 财政支出 M/, 均存在显著的正相关关系。其中, Z/5/与和五 D 在 99 %置信水平下正相关,与 M/在 95%的置信水平下正相关。而 /尸 /与尸尸 的正相关关系并不显著,但我们并不能因此否定城 市人口对房价波动的影响作用,这主要与笔者采用 的数据有一定的关系。对于城市人口 P/5 来说,各 城市统计年鉴中统计的年末人口一般以当地户口人 数为准,少部分城市公布的则 是常住人口,统计口
36、径有所不同;而且,统计数据并未单独区分城镇人 口数,而农村的住房由农民在集体土地上自行建 设,不能用于市场交易,亦没有市场价格,使用城 镇与农村总人口数据,在很大程度上影响了最终的 结果。 表 10 自变量相关关系矩阵 项目 PP FF ED MH PP 1 FF -0. 040 86 1 ED -0. 020 79 0. 734 096 1 MH -0. 004 56 0. 685 451 0. 950 477 1 表 11 好 P/与 PP 的相关关系 项目 HPI PP HPI 皮尔逊相关系数 1 0. 054 值(双尾 ) 0. 583 样本数 104 104 PP 皮尔逊相关系数 0
37、. 054 1 值(双尾 ) 0. 583 样本数 104 104 表 12 与 FF 的相关关系 项目 HPI FF HPI 皮尔逊相关系数 1 0 497 * 值(双尾 ) 0. 000 样本数 104 104 FF 皮尔逊相关系数 0 497 * 1 值(双尾 ) 0. 000 样本数 104 104 注: 表示在 a 01 水平下显著相 关(双尾)。 表 13 与 的 相 关 关 系 项目 HPI ED HPI 皮尔逊相关系数 1 0. 340 值(双尾 ) 0. 000 样本数 104 104 ED 皮尔逊相关系数 0 340 % 1 值(双尾 ) 0. 000 样本数 104 10
38、4 注: 表示在 0. 01 水平下显著相关(双尾)。 表 14 与 的 相 关 关 系 项目 HPI MH HPI 皮尔逊相关系数 1 0. 215 # 值(双尾 ) 0. 028 样本数 104 104 PP 皮尔逊相关系数 0. 215 # 1 值(双尾 ) 0. 028 样本数 104 104 注,表示在 a 05 水平下显著相关(双尾)。 三、若干结论 本文对我国近 10多年来房地产市场价格的变 动情况进行了回顾,得出了房价波动的若干特征。 我国房地产市场发展迅速,住房市场价格快速上 涨,在商品房竣工和销售面积快速增长的同时,住 房销售价格的上涨超过了住房租赁价格的上涨,房 价一收入
39、比快速提升,居民支付能力下降。住房价 格以及房价涨幅呈现出了显著的城市差异性。 在全国层面,通过多元回归分析得出,土地价 格、城镇居民人均可支配收入和金融机构信贷 量是 影响住房价格波动的重要因素。地价、收入以及信 贷额的增加,会带来房价上涨速度的加快。 房地产市场在城市之间存在着显著的差异性, 按照房价波动情况,对中国城市进行聚类划分为 3 类。对3 类城市进行差异性分析,笔者认为,人口 以及城市基础设施、教育、医疗卫生等公共服务的 投入,将影响房价的变动。回归分析表明,地方财 政人均公共服务支出,在一定程度上与房价波动存 在正向相关关系,但由于数据代表性不足,人口对 房价的影响并没有得到很
40、好的验证。 参考文献 1 夏刚 .房价收入比来源、用途及局限性 fl .经济研究导刊, 2009, ( 27) 2 龙奋杰,沈悦,刘洪玉,郑思齐,董黎明 .住宅市场与城市经济互动机理研究综述与展望 J.城市问题, 2006, (1). 3 沈悦,刘洪玉 .住宅价格与经济基本面: 1995 2002 年中国 14 城市的实证研宄 Jj .经济研宄, 2004, ( 6). 4j 梁云芳,高铁梅 .我国商品住宅销售价格波动成因的实证分析 fl .管理世界, 2006, ( 8). 5 余华义 .经济基本面还是房地产政策在影响中国的房价 J.财贸经济, 2010, ( 3). 6 龙奋杰 .中国主要
41、城市住宅市场差异的经济分析 M.北京:清华大学出版社, 2008, ( 9). 7 高铁梅计量经济学分析方法与建模 M.北京:清华大学出版社, 2006 8 叶剑平,王娟 .公共服务均等化与中国房价的关系 J.探索与争鸣, 2010, ( 3). (责任编辑:王碧峰 ) AN ANALYSIS ON THE INFLUENTIAL FACTORS IN THE CHANGES OF CHINESE HOUSING PRICE XU Guang-jian, WEI Yi-fang, DAI Li-yuan, ZHAO Yu (School of Public Administration, Re
42、nmin University of China, Beijing 100872, China) Abstract: In the recent decade, the Chinese real estate industry develops very fast and the price of housing market presents a characteristics of constant rise. In this paper, we use the clustering analysis method to classify 35 large and medium-sized
43、 cities into three groups based on the overall changes of the housing price and then make analysis and comparison from the view of national wide as well as the city groups, We conclude based on the regression analysis that besides the major macro influencing factors such as the land price, residents income and the credit amounts of financial institutions, the investment of urban infrastructure and public service such as education and medical care, to some extent, influences the change of housing price. Key words: housing price; the trend of change? clustering analysis? influencing factors
限制150内