李习平，张华容，武淑琴

（1.中南财经政法大学 工商管理学院，武汉430060;2.湖北中医药大学 管理学院，武汉 430065）

0 引言

中国的房地产市场伴随我国经济体制改革不断深入而成为人们关注的焦点，房地产业成为我国新的经济增长点，对国民经济的发展和人民群众生活水平的提高产生了积极的影响。但是最近几年房价不断飙升，其上升的速度超过了居民工资增长的速度，引发社会的热议。房地产价格作为房地产市场及国家经济运行中的一个重要变量，就目前房地产面临的房地产市场的走势，哪些因素影响了房价，政府如何进行宏观调控等问题成为政府部门、学术界关注的热点和焦点问题，因此对房地产价格影响因素的研究具有重要的理论意义和实践意义。

1 文献综述

我国房地产起步较晚，对房地产经济问题的研究直到20世纪80年代后期才逐渐多了起来，我国在相关理论和实践方面需要在引进国外理论的基础上不断完善和发展。将国民的收入、人口增长、国家利率的变化等因素纳入研究范畴，从理论和实证角度对住宅价格的主要动力因素进行论证，最终归纳为6个主要动力因素，包括居民收入（K Aoki,J Proudman,G Vlieghe，2004；J Gallin，2008；朱丽夏、阮文彪，2006）、利率、信用可靠性、税收结构（JY Campbell,JF Cocco，2007；孙怀通、张伟红，2006）、住宅供给和人口（Guidry、K.J.D.Shilling、C.F.Sirmans，1999；N Girouard,M Kennedy，2006；崔新明，2005）。还有些研究结果表明，房地产价格与国家的经济政策、建造成本、成年人口数量和经济发展的景气度等因素的变化也有重要的关联性（李立、李永辉，2002）。运用供求平衡原理来确定房地产价格模型，认为房地产价格的变化可以用宏观经济基本面的相关指标来解释，尽管宏观经济因素在短期似乎对房地产市场得影响有限，但从长期来看，其影响是非常显著的（E Sims,1980；ngle and Granger,1987；J.M.Quigley，2002；屠佳华、张洁，2005；廖湘岳，2008；彭建林，2009）。研究者还将城市轨道交通系统对住宅价格的影响进行了分析（D.R Bowes,K.R Ihlanfeldt，2001），同时区位因素、邻里因素（Meese和Wallace 1991;Newburger et al.1994）和建筑因素对房价也有影响（Case和Quigley,1991;Henry.O Pollakowski，1995;Quigley,1995），把区位条件、住宅的环境条件、出行方便度、建筑物安全卫生因子、商业服务业繁华程度、市政基础设施的完善程度和住宅的朝向，外观等因素和建筑因素结合在一起，可以解释城市房价变化（李斌，2000）。学者还对“地价与房价的关系”研究（姚先国、黄炜华，2001），得出的结论是地价与房价有关联，但并非线性关系（张红、李文诞，2001；王金明、高铁梅，2004；孔煜，2007）。纵观文献研究，无论是国内还是国外的研究对影响房屋销售价格的影响因素总结比较全面，不同的学者针对不同的环境收集相应的数据进行分析和研究，得出相应的研究成果。但是2008年金融危机以来对各国的经济受到一定程度的冲击，在这种背景下，对房地产价格影响因子的实证研究相对较少。因此，本文重点研究后危机时代，我国房地产价格的影响因子研究。

2 模型构建及假设条件

房地产价格是会受到多种因素影响的，本文在众多的因素中，选择其中几个因素进行分析，构建多元线性回归模型

其中，yt是被解释变量，χtj是解释变量，ut是随机误差项，βi(i=0,1,...k-1)是回归参数（通常未知）。

当给定一个样本 (yt,χt1,χt2,...,χtk-1)(t=1,2,...,T)时,上述模型表示为

此时 yt与 χti已知，βj与ut未知。

为保证得到最优估计量，回归模型（4）应满足如下假定条件。

假定1：随机误差项ut是非自相关的，每一误差项都满足均值为零，方差σ2相同且为有限值，即

假定2：解释变量与误差项相互独立，即

假定3：解释变量之间线性无关。

rk(X'X)=rk(X)=k ，其中 rk(⋅)表示矩阵的秩。

假定4：解释变量是非随机的，且当T→∞时

其中Q是一个有限值的非退化矩阵。

最小二乘(OLS)法的原理是求残差（误差项的估计值）平方和最小。代数上是求极值问题。

3 检验模型

由于计量经济变量组成的时间序列一般都是非平稳的，先对各变量进行平稳性检验，若为非平稳，则可采用协整检验分析各变量之间的关系。在协整检验的基础上，可以进行Granger(1998)因果关系检验。

3.1 变量平稳性检验

根据计量经济学原理，当时间序列含有单位根时，该序列就是非平稳的。而非平稳经济时间序列正好具有这种齐次非平稳特征，即任何非平稳经济序列通过足够次数的差分可以转换成一个平稳的时间序列。

如果时间序列存在形式Yt=α+βYt-1+ut-1，α为常数；ut-1为零均值非自相关随机误差项。如α＜0，表该序列是平稳的，如果对上式进行变换，在等式的两边同时减去Yt-1，则

原假设和备择假设分别是

如果ρ拒绝了原假设，则Yt是平稳的，此时运用ADF检验的到得检验值为Yt-1的t值，可是已不服从标准的t分布。将所估计的ρ的系数除以它的标准误差，从而推出DF检验的τ的统计量。如果τ超过ADF的临界值，即拒绝所给时间序列是非平稳的假设；反之，则时间序列是非平稳的。当ADF检验要包含足够的滞后项以使其误差项是序列上独立的，则称为ADF检验Augmented Dickey-Fuller Test)，如果一个序列在成为稳定序列之前必须经过d次差分，则该序列被称为d阶单整，记为I(d)。

3.2 协整检验

为了检验变量是否为协整，Engle和Granger提出两步检验法（EG检验）。协整的目的是决定一组非平稳时序的线性组合是否具有协整关系，也可以通过协整检验来判断线性回归方程的设置是否合理。如果两个变量都是单整变量，只有当他们的单整阶数相同时才可能协整；两个以上变量如果具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。协整的意义在于它揭示变量之间是否存在一种长期稳定的均衡关系。

3.3 Granger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.Granger(1969)提出的因果关系检验可以解决该问题。其基本原理是：将Y对其他变量(包括自身的过去值)做回归时，如果把滞后值包括进来能显著地改进对Y的预测，我们就认为X是Y的Granger原因。

4 检验结果

4.1 变量选择与数据处理

由于数据收集存在一定的局限性，本文选取2009年3月份至2010年5月份每月的消费者信心指数（X1）、居民消费价格指数（X2）、宏观经济景气指数（X3）和房屋销售价格指数（Y）。数据来源于国家统计局公布的数据整理而成，实证过程全部用Eviews6.0完成。

条件1：选取的均是相对数

选取相对数，减少计量经济学中经常出现的虚假回归问题的概率。

条件2：国家政策对房地产价格的影响纳入到消费者信心指数

国家政策对房地产价格的影响应该是显著的，由于政策对房地产市场供求关系的影响是潜在的，数据收集的难度较大，笔者将这种影响融入到消费者的信心指数中。当国家出台对房地产市场调控措施时，基于微观经济学原理中的消费者预期理论，消费者认为对未来房地产市场会有所变化，从而调整对房屋的需求，通过传动机制间接会影响开发商对房屋的供给，从而调整房地产市场的房屋销售价格。

条件3：因变量的选取

房屋销售价格指数（Y）是因变量主要研究房屋销售价格指数受到哪些因素的影响。

条件4：自变量的选取

消费者信心指数（X1）、居民消费价格指数（X2）、宏观经济景气指数（X3）是自变量。

变量的统计描述如图1。

从图1可以看出，房屋销售价格指数与消费者信心指数、CPI和宏观经济景气指数是同向变化，从2009年3月份开始，房屋价格指数就一直呈现上升的趋势，而消费者信心指数与CPI有升也有降。要想分析这些因素对房屋价格指数的影响程度，必须要进一步的深入分析。

4.2 变量的平稳性检验

对各变量分别进行ADF(Augmented Dick-Fuller)检验，检验结果如表1。

由表1可见，变量房屋销售价格指数在10%显著性水平上是平稳的，其他变量时间序列在5%的显著性水平上都是非平稳的，而消费者信心指数（X1）、宏观经济景气指数（X3）、居民消费价格指数（X2）是二阶差分平稳，记为I（2），变量之间符合存在协整关系的条件。

4.3 变量的协整关系检验

图1 房屋销售价格指数与消费者信心指数、居民消费价格指数、宏观经济景气指数的统计描述

根据Johansen的最大似然方法对Y与X2、Y 与 X3之间的两变量之间的协整关系，其中最优带后期k的选择，这里根据非约束的VAR模型的AIC和SC准则而得到，研究中模型的最优滞后阶数取为2，得出我国房地产销售价格指数与CPI两者之间仅存在一个协整关系，即房地产销售价格指数与居民消费价格指数之间存在一个长期稳定的关系，房屋销售价格指数与宏观经济景气指数之间也存在一个协整关系，即房地产销售价格指数与宏观经济景气指数之间也存在一个长期稳定的关系。通过残差项的相关和偏相关图，可以得出该模型具有拖尾特征，υt是白噪声项。

表1 变量的平稳性检验结果

从上式可以看出，房地产销售价格指数变化与居民消费价格指数变化增长之间存在长期的正向关系，当期房屋销售价格指数增加1个百分点，居民消费价格指数增加0.93个百分点。房地产销售价格指数与宏观经济景气指数之间也存在长期的正向关系，当期房地产销售价格指数增长1个百分点，宏观经济的景气指数增加0.55个百分点。

4.4 变量的因果关系检验

根据赤池信息准则确定各变量的滞后阶数为2，对各变量的因果关系检验如表2所示。

根据表2得出的结果是：

（1）房屋销售价格指数是消费者信心指数的Granger原因，而消费者信心指数不是房地产销售价格指数的Granger原因.这说明我国房地产价格变动是消费者对经济形势的变化是否有信心的原因，即在2009年3月面临全球金融危机的影响，房价出现波动，影响了消费者对未来经济形势的预期，该结果验证了2009年3月份的“两会”，温总理提出的应对金融危机的措施就是要提高消费者的信心指数。

（2）房屋销售价格指数是居民消费价格指数的Granger原因，而居民消费价格指数不是房屋销售价格指数的Granger原因。这一研究结果显示，在我国房地产市场中，房地产价格的变动是我国物价总水平变化的原因，在收集的数据中也显示这一规律，然而从数据来看，即房地产价格的居高不下应该对我国当前的通货膨胀承担一定的责任，居民消费价格的变化不对房地产价格的变化造成影响，说明当前房价与CPI的关系另有原因，即两者之间的关系的关系显著性不强，这说明在我国目前的统计制度中，房屋价格在CPI中所占比重偏低，笔者认为房价上涨对通胀的巨大推动作用被掩盖了，究其原因表现在：其一，居住类价格在我国CPI权重中的占比只有13.6%，远低于食品类价格占比，也远低于世界发达国家居住类价格在CPI权重中的占比；其二，计入CPI的主要是房租而非房价，尽管我国不少地方的房价，在经过暴涨后已经超过2007年的水平，但房屋租金却是在下降的。

表2 Granger因果关系检验结果

（3）房地产销售价格指数与宏观经济景气指数之间仅存在一个单向的关系，即房屋销售价格指数是宏观经济景气指数的Granger原因，这说明当前房地产价格对宏观经济形势是有影响的。笔者认为这一点与经济现实相符，房地产作为当前主要的投资与投机的渠道，它的价格上涨与会带动相关产业的发展，商品房销售额与经济增长之间存在互为长期的因果关系。

5 结论

通过实证研究，笔者认为房地产市场价格的变动与消费者信心指数、CPI以及宏观经济景气指数有正向的关系，都对其产生显著性的影响。研究结果显示，三者对房地产价格影响的程度有差异：房屋销售价格指数每上涨1个百分点，会使消费者信心指数增加0.64个百分点；居民消费者价格上涨0.93个百分点，宏观经济景气指数上涨0.55个百分点。实证分析的研究是与我国社会经济现实相一致的，温总理（2009）的“信心要比黄金和货币还要重要”的表述，即指消费者的信心对房价具有推动作用，这也是我国房价在2009年第二季度出现回暖的一个经济学解释。而居民消费价格的研究结果显示房价对CPI的影响应该是很大的，笔者认为我国应该进行统计改革，加大CPI统计中房屋销售价格所占的比重，以使宏观经济景气指数正确地反映我国经济的基本现状和人民生活水平的状况，使我国的宏观经济政策的效能最大化。

[1]Quigley J M.Real Estate Prices and Economic Cycles[J].International Real Estate Review,1999，2(1).

[2]John O kunev,Patrick Wilson,Ralf Zurbruegg.The Causal Relationship between Real Estate and Stock Markets[J].Journal of Real Estate Finance and Economics，2000,21(3).

[3]梁荣.中国房地产业发展规模与国民经济总量关系研究[M].北京：经济科学出版社.

[4]聂名华.房地产价格的影响因素分析[J].广西市场与价格,1997,(8).

[5]孙怀通，张伟红.我国房地产价格上涨的原因及对策浅析[J].商场现代化,2006,(5).

[6]廖湘岳.我国房地产价格变动与物价总水平变动的关系[J].吉首大学学报(自然科学版),2008,（7）.

[7]张红，李文诞.北京商品房价格变动实证分析[J].中国房地产金融,2001,(3).

[8]孔煜.利率与房价关系的认识[J].建筑经济,2007,(9).

[9]王金明等.对我国房地产市场需求和供给函数的动态分析[J].中国软科学,2004,(4).