張明、劉瑤:中國城市房價走勢與波動的驅動因素探析

語言: CN / TW / HK

摘要

本文構建了研究中國房價走勢與波動的分析框架,將影響房價的變數劃分為需求類、供給類、金融類與政策類,實證分析了2005-2017年中國31個省份及自治區與70個大中城市房價的驅動因素,並進一步探討了一、二線城市與五大區域核心城市群房價驅動因素的異質性,實證結論如下:

第一,全國31個省份房價一定程度上由供需類的基本面變數驅動,人口流入及優質資源數量、個人貸款增速與家庭部門槓桿率是其房價走勢的最顯著驅動因素,人均收入、貨幣供給增長與政策調控對房價波動的影響最為明顯;

第二,需求類與金融類變數驅動著全國70個大中城市房價的走勢,需求類變數中,常住人口比例上升是房價上漲的顯著推動因素,金融類變數中,個人住房貸款利率的降低對房價的抬升作用最大,幾乎全部金融類變數驅動著大中城市房價的波動;

第三,一、二線城市房價走勢與波動受金融因素驅動更為顯著,人均土地購置面積也是其房價變動的重要因素;

第四,近年來房地產調控在一定程度內導致房價反向波動,政策難以達到預期效果。以上表明,人口或資源流動、信貸與槓桿率是此輪全國房價漲跌的重要原因,而人均收入的拉大、資金過度集聚與土地供給的失衡是此輪城市房價分化拉大的重要原因。

引言

1999 年中國城鎮住房制度改革以來,居民住房消費水平不斷提高,房屋成為家庭部門消費的重頭戲,甚至中國經濟的“晴雨表”。特別是 2005-2015 十餘年間,中國房地產市場呈現一個顯著的特徵事實:一面是中國各省市房價的普遍加速上漲,另一面是以住建部為代表的監管部門對房價進行頻繁調控。 2015 年後,中國房地產呈現新一輪復甦與回暖,房價也悄然出現地域間與城市間的顯著分化:一線城市最先領漲,沿海地區的二線城市緊隨其後,三四線城市房價漲幅差異巨大,並且這一變化逐漸形成中國房價變動的新趨勢。這似乎表明使用單一的國家層面的巨集觀資料分析中國房價走勢將不再適用,探析省份、城際間的異質性將對於把握中國房價的未來至關重要。

與此同時,房價在評估金融穩定與預警系統性風險方面扮演著關鍵角色。當房地產泡沫過度聚集乃至導致房價突然顯著下行時,將對家庭部門資產負債表、企業信心與商業銀行借貸能力構成巨大沖擊。資料顯示, 2018 年中國 50 個大中城市房價收入比為 11.36 ,如此高槓杆支撐的居高房價背後也暗藏著房價顯著下行的風險。那麼,分類找出房價的驅動因素,對於保持經濟增長、維持金融穩定、穩定消費者信心均有積極的意義。

鑑於此,本文構建了研究中國房價走勢與波動的分析框架,將中國房價的驅動因素劃分為供給類因素、需求類因素、金融類因素與政策類因素,以全國 31 個省份及自治區與 70 個大中城市為樣本,分地域與城市討論了 2005-2017 年間中國房價走勢與波動的驅動因素。如果此輪房價變動主要由供需因素驅動,那麼意味著該地區住房價格仍由經濟基本面決定,政府可以從供給側與需求側共同構建調節房價的長效機制,引導房屋“只住不炒”;如果此輪房價更多由金融因素與政策因素決定,那麼意味著該地區城市房價已偏離基本面,具有一定的金融屬性甚至是資產泡沫,一旦出臺打壓房價的嚴厲政策或居民顯著加槓桿,此類地區房價將具有較高的下行風險。本文剩餘部分的結構安排如下:第二部分為文獻回顧,第三部分構建研究中國房價走勢與波動的分析框架,第四部分是針對中國房價走勢與波動驅動因素的定量實證分析,第五部分為穩健性檢驗,最後部分為結論與政策建議。

文獻回顧

關於房地產驅動因素的文獻並不鮮見。 Muth 1971 )從微觀角度構建模型,表明單位面積建造成本、與 CBD 的距離、土地使用面積等變數均為驅動房價走勢的影響因素。隨著人口流動與資本流動程度顯著提升,更多的文獻開始關注房地產驅動的巨集觀因素。金融狀況是較多文獻關注的一個重要變數,金融狀況可以通過多種渠道驅動房價波動。例如,公司債券的風險溢價上升將驅動信貸供給收縮,從而影響包括房價在內的資產價格波動( Gilchrist& Zakrajšek, 2012 ); Adrian 等( 2019 )分析了融資狀況對 GDP 增長的潛在影響,發現在短期內融資狀況偏緊通常導致經濟下行風險增加,由於居民收入下降、失業率增加導致住房消費減少; Ortalo-Magne& Rady 2005 )發現家庭收入是驅動房價的重要變數,對於預測房價走勢具有重要意義。

家庭部門負債狀況是影響房價走勢的又一關鍵變數。 IMF 2019 )發現無論發達國家還是發展中國家中,信貸高漲都與房價下行高度相關;家庭部門負債對於房價影響的傳導機制與金融狀況傳導機制類似,家庭部門槓桿率增加將對經濟增長、家庭收入與就業產生負面影響,通過以上三個渠道家庭負債對於房地產市場構成潛在衝擊。2008年全球金融危機後,部分學者開始著手於探索發達國家家庭部門槓桿率、房地產泡沫與金融危機的關係,卻得出了截然相反的結果。 Dang 等( 2010 )發現,金融危機的爆發與房地產市場的次級貸款累積直接相關,而次貸增加由於低質量借款者的高槓杆密切相關。然而, Bhutta (2015) 對這一觀點提出了質疑,他發現來自房地產投資者的房地產市場資本流入比來自信用評分較低的首次購房者的資本流入增長更快,這表明次級借款者的債務對金融危機的貢獻其實有限。

資金流動與人口結構同樣是驅動房價走勢因素之一。跨境資本流動通常驅動發達經濟體的房價,例如, Caballero 等( 2008 )實證發現新興市場過剩的儲蓄追逐美國的安全優質資產,再加上美國長期的低利率,導致跨國資金流入推升美國房價。對於中國而言,由於資本賬戶未完全開放,一個城市的房價通常由人口結構與區域間資金流入而推動。徐建瑋等( 2012 )認為年輕人口撫養比例的提高將推升房價;鄒瑾( 2014 )認為人口年齡結構將長期決定房價波動。

此外,供給、需求類及週期性因素也在房價決定中扮演重要角色。 Philips 1988 )認為收入與預期均會驅動房價走勢。 Gattini& Hieber (2010) 使用住房供應指標來預測歐元區的住房市場發展,發現住房供應指標包括住宅投資和實際利率與房價波動相關。餘華義( 2010 )發現土地政策是驅動房價的重要因素,土地供應量增加有助於推動房價上漲。 Aherene 等( 2005 )發現房價變動與信貸週期有關, OECD 國家貨幣供應量增加後,房價將首先面臨上漲。

從研究方法上來看,除了少數文獻研究在 DSGE 模型框架下研究外生衝擊對房價的影響,大部分為實證研究。例如, Liu 等( 2011 )構建了融入房價和固定投資的 DSGE 模型,討論了信貸約束如何影響房價等巨集觀經濟變數波動; Hirata 2012 )通過構建含有利率、貨幣政策、產出、信貸及不確定性因素的 FA-VAR 模型,剖析了全球房價波動的驅動因素,發現全球主要國家房價走勢是同步的,全球利率衝擊將對房價構成負面影響,但貨幣政策對其影響不大,不確定性衝擊則是驅動房價的最重要因素;劉金全和呂夢菲( 2018 )通過構建 VAR 模型研究了貨幣政策、 GDP 增速與居民槓桿率對房價的影響,發現寬鬆型貨幣政策是中國房價上漲的主力。況偉大( 2013 )使用北京市 1040 名城鎮住房所有者的調查問卷,使用 logit 模型考察了開徵房產稅對預期房價的影響,發現開徵房產稅對抑制房價作用有限,開徵越早作用越好;丁如曦和倪鵬飛( 2015 )採用探索性資料分析方法和空間計量技術,研究了中國城市房價的區域空間格局與特徵,發現中國城市間房價依賴於周邊城市房價波動的空間正向溢位效應影響,這種影響在區域間存在異質性。

結合上述研究,不難發現多數文獻著重於探索單一變數對於房價驅動的影響,多采用 VAR 模型將房價看作內生變數,鮮有文獻對中國城市房價驅動因素進行全景式探索與貢獻程度的考量。據此,本文構建了研究中國房價走勢與波動的分析框架,探索了 2005-2017 年間中國 31 個省份及自治區與全國 70 個大中城市房價的驅動因素,本文的主要貢獻如下:第一,構建中國房價影響因素的分析框架,將驅動房價的因素劃分為供給類、需求類、金融類與政策類變數,討論驅動房價走勢和波動的主要因素及貢獻程度;第二,從省級到地市,由整體至區域,對中國房價影響因素進行全面分析探索;第三,本文的結果一定程度上反映了該地區或城市的房價是由經濟基本面驅動還是金融類因素驅動,為政策決策者與購房消費者提供一定的參考價值。

中國房價走勢與波動影響因素的分析框架

為構建中國房價走勢與波動的分析框架,依據中國居民住房可能同時兼有商品和金融屬性,並且房價受政策變動影響較大,參考平安證券( 2017 )的研究,我們將中國房價走勢與波動的驅動因素劃分為四類:第一類為需求類因素;第二類為供給類因素;第三類為金融類因素;第四類為政策類因素。這四類因素基本囊括了影響中國房價的主要成因。

(一)需求類因素

驅動中國房價的需求因素大抵可歸為三類:一類是居民收入類變數,一類是存量人口需求,另一類是流量人口流動需求,具體如下:

人均收入水平: 用一個地區或城市的人均 GDP 表示。根據住房的居民財富效應,人均收入水平是影響住房購買力需求的最關鍵變數,收入水平越高的地域,通常具有越高的購房需求,房價也因此越高。

常住人口/戶籍人口: 本地戶籍人口通常具有穩定數量的家庭住房。相比之下,外來常住人口是該地區或該城市購房的剛性需求來源。該比例數值越大,說明購房需求越為強烈,房價也將上漲。對於人口流入較快的大中城市,該比例上升與房價上漲的正相關關係將更為顯著。

工作人口/常住人口: 在常住人口中,工作人口比例越大,表示具有更強的剛性購房需求。在房價漲幅位居前列的城市中,通常具有較高的工作人口比例。該變數與房價通常呈現正相關關係。

優質公共資源數量: 一個地區或城市優質公共資源數量越多,表示具有更高的潛在人口流入,預示著潛在的購房需求越為旺盛,將長期推高房價。教育與醫療通常是最為優質的公共資源,我們使用“ 211 大學+三甲醫院”數目來作為優質公共資源數量的工具變數。

(二)供給類因素

住房作為一種普通商品,價格由供需定律決定。影響房價的供給類因素通常包括土地供給面積及房屋庫存等。

土地購置面積 :土地供給是影響房價波動的重要驅動因素。然而,由於地區或城市面積大小存在差別,整體土地供給與房價的相關性並不大。但是,人均土地購置面積通常與房價具有較強的負相關關係,即土地供給較為充分的地區或城市,房價漲幅越小。該變數用土地購置面積/常住人口表示。

人均商品房庫存: 用庫存/常住人口表示。理論上,庫存越低的地區或城市,表明房屋越供不應求,房價漲幅的空間越大。該變數通常與房價漲幅呈負相關關係。

(三)金融類因素

驅動中國房價的金融類因素主要與信貸規模、利率水平與估值水平有關。一方面,房價通常與信貸週期及利率週期的輪動有關,另一方面,房屋作為一種資產,兼有金融屬性,因而房價受到金融類因素的影響也較大。

住房貸款餘額增速: 信貸週期與房價走勢具有較高的同質性及相互強化的效果。例如,房價上行的預期提高了居民購房意願,導致住房貸款餘額增速加快,而反之,居民過剩的購房意願又推高房價的上行預期。因此,住房貸款餘額增速越快,房價上行越快。

M2 同比增速: M2同比增速越快,通常預示著流動性環境越為寬鬆,這將助推房價上行。同時,依據歷史資料,M2同比增速通常領先於房價變動 5-6 個月,是房價走勢的先行指標。

住房貸款利率: 貸款利率水平是驅動房價走勢的重要因素。理論上,住房貸款利率上升將增加購房者的融資成本,抑制房價的上漲;反之,住房貸款利率下降將減輕購房者成本,助推房價上行。值得注意的是,住房貸款利率的變動對於剛需購房者作用有限,對於具有投資需求的購房者作用更強。

購房槓桿水平: 購房槓桿水平作為估值指標,被視為房價的“市盈率”。我們通常將房價收入比作為槓桿水平的代表變數,在形成單邊預期的條件下,房價收入比越高,房價上漲預期越容易被放大,因此兩者通常呈現正相關關係。同時,家庭部門槓桿率也可視為購房槓桿水平的另一替代指標,家庭部門加槓桿,通常對於房屋等資產價格具有一定的推動作用。

(四)政策類因素

政策調控 :在實踐中,我們發現政策類因素對於中國房價走勢的驅動作用不容小覷。例如,當住建部出臺“國六條”、“國八條”的房地產調控政策時,房價走勢將可能受到外生衝擊而出現逆轉。由於房地產調控政策有直接政策也有擬定方案的間接政策,我們只將影響房價預期的直接政策納入分析框架中。在理性預期的情況下,若出臺嚴調控政策,則視為抑制房價政策;若出現限令取消等寬鬆政策,則被視為助推房價上漲政策。我們將每條政策視為虛擬變數,助推房價記為 +1 ,抑制房價記為 -1

結論與政策涵義

2005 年以來,中國房地產市場呈現總體上漲、城市間分化加劇的趨勢。通過構建中國房價走勢與波動的分析框架,本文將驅動房價的影響因素劃分為需求類、供給類、金融類與政策類變數,從省際到城市層面,構建面板迴歸方程,分別考察了 2005-2017 31 個省份與自治區、全國 70 個大中城市房價走勢與波動的驅動因素,並且進一步探索了 35 個核心城市與五大區域核心城市群房價驅動因素的異質性,主要結論如下:

第一,從全國範圍內看,各省份房價的走勢與波動在一定程度上由供給類與需求類的經濟基本面因素決定,住房仍具有較大程度的商品屬性。 住房用地供給的增加、人均收入水平的提高、常住人口與工作人口的流入、優質資源的集聚均將驅動房價變動,但“總量型”的政策調控可能造成房價短期內逆向波動,不易達到理想政策預期。

第二,從全國70個大中城市房價來看,城市房價的走勢與波動主要由需求類與金融類變數驅動,這可能表明全國主要城市的住房兼有商品與金融資產屬性。 土地供給與商品房庫存的增減不再是影響房價的顯著因素,居民槓桿率的變動、貨幣供給量的增長快慢、個人貸款利率的調整是房價走勢與波動的最大貢獻因素。這可能表明未來全國主要城市的房價走勢具有較大的不確定性,同時需警惕私人部門間債務可能形成聯動與溢位效應,推高房價或者導致房價下跌,引發金融風險。

第三,從全國35個核心城市房價來看,一、二線城市住房的金融屬性或許遠大於商品屬性,房價收入比的槓桿類變數是核心城市房價走勢的最大貢獻因素。 這即意味著一、二線城市的房價已脫離傳統的經濟基本面因素,未來房價的波動性將顯著上升,房地產市場的風險將顯著增加。同時,土地供給一定程度上驅動著一、二線城市房價的走勢,這即意味著增加房屋用地供給能夠有效為“過熱”的樓市“降溫”。

第四,從全國五大區域核心城市房價來看,京津冀地區與長三角地區核心城市的房價主要由金融因素驅動, 鑑於兩區域常態化的高房價,未來兩區域房價將面臨更多的不確定性風險; 珠三角地區核心城市的房價主要由需求類與金融類變數驅動, 鑑於該地區對人才引進的優惠政策與優質資源的集聚,未來珠三角核心城市群房地產市場將延續活躍的局面; 中部三角與西部三角地區核心城市的房價仍由供需類基本面因素主導, 幾大核心城市的增長潛力與空間溢位效應將導致需求類因素未來可能推升兩地區的房價, 未來中部三角與西部三角地區的核心城市將是房地產市場的“潛力股”。

本文的結論具有一定的政策啟示:

首先,中國房地產市場應加強結構性調控政策,也應避免同類政策頻繁變動或政策滯後導致的反向預期。 新常態下的房地產調控應構建劃分區域與城市的差別化調控路徑與體系、“因城施策”。 一、二線城市房地產調控政策應注重增加供給,而三、四線城市應避免形成大規模庫存;

其次,監管部門應重點監控一、二線城市房價,尤其是抑制京津冀地區與長三角地區的投機性炒房需求;

再次,政府部門應落實熱點城市的保障房與廉租房制度,引導熱點城市房價逐漸迴歸理性,並在一定區域內形成示範效應與正外部性;

最後,應避免誘導居民部門過快加槓桿的行為,商業銀行應審慎確定住房貸款首付比例與貸款額度,避免違約風險與系統性金融風險的發生。

注:本文為筆者與博士生劉瑤合作,發表於《南京社會科學》2021年第6期。

分享到: