杨世东

（安徽建筑大学经济与管理学院，安徽 合肥230601）

1 问题的提出

2016 年12 月召开的中央经济工作会议首次提出要坚持“房子是住的，不是炒的”的定位，综合运用财政、土地、税收、投资、立法等手段，建立符合国情、适应市场规律的基本制度和长效机制。2019 年12 月中央经济工作会议重申坚持房住不炒的定位，全面落实“因城施策，稳地价、稳房价和稳预期的长效机制”。2021 年3 月李克强总理作政府工作报告，坚持住宅是居住用的、不是投机用的，稳定地价、稳定房价和预期。

2002 年合肥市商品房销售均价为1753 元/平米，到2019 年上涨了7.6 倍达到13365 元/平方米，年均增幅为12.69%，其中2004 年、2010年和2016 年的增幅均超过20%。由于2009 年出台了房地产救市政策，直接导致2010 年合肥市商品房销售均价增长了39.66%，增幅为历年最高。另外，利好政策下带来的上涨预期，加之货币流动性持续宽松带来的低廉融资成本和房地产开发企业豪赌土地市场为2016 年合肥市商品房销售均价的快速上涨提供了强烈支持空间，该年增幅达到了21.75%，再度创造了新的历史。自2016 年10 月合肥市重启房产限购的“房十条”后，合肥市商品房销售均价涨幅逐年回落。2021 年4 月，合肥市出台房地产“新政八条”，在严格执行现有房地产市场调控政策的基础上，坚持民生属性、突出精准调控、强调综合施策，多举措满足群众居住需求。随着多轮次房地产调控政策的稳步实施，合肥市房地产市场进一步平稳健康发展。

本文基于单位根检验和协整分析方法，选取城镇居民人均可支配收入、房地产开发投资额、常住人口数、货币供应量等7 个指标，对合肥市房地产价格影响因素进行实证分析，旨在检测调控政策对合肥市房地产价格的作用效果，为合肥市建立和完善房地产市场调控长效机制提供政策依据。

2 变量选取和数据处理

房地产市场价格的影响因素很多，缘由在于房地产市场本身的复杂性。一般而言，可将其分为需求端因素、供给端因素和经济环境类因素三大类。需求端因素包含城镇化水平、居民收入、人口数量和房地产销售规模等，供给端因素包含货币政策变量、财政政策变量、土地变量和开发规模变量等，经济环境类因素包括经济发展水平变量等[1]。

鉴于数据的可获得性和可量化，本文选取的房地产市场价格影响因素变量有城镇居民人均可支配收入（Ic）、房地产开发投资额（Iv）、常住人口数（Pop）、货币供应量（M2）、通货膨胀率（r）、商品房新开工面积（Area）、国内生产总值（GDP）。商品房销售均价（P）变量数据由商品房销售额除以商品房销售面积得出。变量数据均为2002 年至2016 年的年度数据。

我国房地产市场统计数据存在不及时、不精确、不全面和口径不一等问题，另外，我国房地产市场统计数据来源不唯一，且数据有着较大的差别。为了确保变量数据的准确性和权威性，货币供应量（M2）、通货膨胀率（r）数据来源于中国人民银行，其余变量来源于历年《合肥统计年鉴》。为了消除价格因素的影响，本文分别利用居民消费价格指数、GDP 平减指数和固定资产投资价格指数对城镇居民人均可支配收入、GDP 和房地产开发投资额进行了平减。本文构建经济计量模型的软件是Evie w s。

3 变量的平稳性检验

时间序列的平稳性是指其统计规律不会随着时间而发生变动。理论上，有两种含义的平稳，一是完全平稳（又称狭义平稳），另一是宽平稳（又称广义平稳），一般而言，我们关于平稳性的概念均指宽平稳。宽平稳是指随机过程｛Y1，Y2，……，YT｝的均值函数、方差函数均为常数，自协方差函数仅是时间间隔（t-s）的函数。即：

所谓时间序列的非平稳性，是指以上三个条件不能全部满足。假定生成序列的随机过程是非平稳的，OLS 得到的计量经济模型将不再可靠。假定一个序列在成为平稳序列之前经过d次差分，则该序列被称为d阶单整序列，记作I（d）。只有当两个非平稳时间序列为同阶单整序列时，才可能存在协整关系。

关于变量的平稳性检验，本文采用单位根检验方法，并采用AIC 准则来确定自回归的最佳滞后阶数。变量的平稳性检验结果见表1。

表1 检验结果

由表1 可知，只有变量r、GDP 是平稳的，把变量Pop、Area 进行一阶差分后都变成平稳的，即它们是I（1）序列，把变量P、Ic、Iv、M2进行二阶差分后都变成平稳的，即它们都是I（2）序列。由于变量P、Ic、Iv、M2均是序列，从而可以进一步考察各影响变量与P之间是否存在协整关系，而变量r、GDP、Pop、Area 与P不是同阶单整序列，故它们之间不存在协整关系。

4 协整分析

4.1 协整检验

假定序列Y1t，Y2t，…Ynt，都是阶单整，即I（d），存在一个向量α=（α1，α2，…，αn），使得，这里Yt=（Y1t，Y2t，…Ynt），d≥b≥0 则称序列Y1t，Y2t，…Ynt，是（d,b）阶协整，记为Yt～CI（d,b），α 为协整向量[2]。协整能用来描述某些经济变量的水平值之间存在长期稳定关系，假定某些时间序列是协整的，那它们就不能相互分离太远，一次冲击只能使它们短期内偏离均衡位置，在长期内会自动回到均衡位置。假定它们之间不是协整的，它们就可以随意分离，相互之间无任何长期均衡关系。另外，协整检验可以避免伪回归。

为检验两变量是否协整，恩格尔和格兰杰于1987 年提出了EG 检验法。若两序列都是同阶单整的，构建变量间的回归模型，对回归模型的残差值进行ADF 检验，若该残差是平稳的，则两变量存在协整关系[3]。

变量P、Ic、Iv、M2都是序列I（2），由此可进一步分别检验变量P与各影响变量Ic、Iv、M2之间是否存在协整关系。以变量P为被解释变量，变量Ic、Iv、M2分别作为解释变量，分别进行普通最小二乘回归，然后对各回归方程的残差估计值进行检验，检验结果详见表2，最后判定两变量是否存在协整关系。

表2 变量间的协整关系检验结果

由表2 可知，变量P与各影响变量Ic、Iv、M2之间的回归方程残差估计值的统计量值均小于临界值，说明它们的估计残差序列均为平稳序列，从而表明解释变量Ic、Iv、M2与被解释变量P之间具有协整关系。

4.2 协整模型

解释变量Ic、Iv、M2与被解释变量P之间具有协整关系，本文应用OLS 方法，分别建立各个解释变量与P之间的协整模型，以测度它们对P的影响。经建模发现，部分回归模型存在一阶自相关，本文使用迭代估计来消除自相关性，得到的模型如下：

对回归模型（4）、（5）和（6）进行经济意义检验和统计检验，结果如下。

（1）回归模型（4）、（5）和（6）的参数估计值符号都与理论分析相吻合。

（2）回归模型（4）、（5）和（6）的可决系数分别为0.9609、0.8661 和0.9710，说明三个模型对样本数据均拟合较好。

（3）三个模型中的解释变量参数估计值都显著地通过了检验，即三个模型中的解释变量对被解释变量的影响均是显著的。

（4）通过偏自相关系数检验可知，三个回归模型均不存在自相关性。

（5）通过怀特异方差检验可知，三个回归模型均不存在异方差性。

基于上述计量分析结果可知，变量P与各影响变量Ic、Iv、M2之间存在长期的均衡关系，即在长期内，货币供应量（M2）和合肥市房地产开发投资额每增加1 亿元，合肥市商品房销售均价将分别平均增加0.0035 元/平米、5.8021 元/平米，合肥市城镇居民人均可支配收入每增加1 元，合肥市商品房销售均价将平均增加0.288 元/平米。

5 研究结论

货币供应量与合肥市商品房销售均价存在长期的均衡关系，货币供应量增加，必然推动经济发展，与此同时大部分增发的资金将流向房地产，进而加速推进房价上涨。值得关注的是，通货膨胀率、常住人口数、GDP 等与合肥市商品房销售均价不存在着长期的均衡关系。房地产开发投资额与合肥市商品房销售均价存在长期的均衡关系，一般而言，行业投资规模增速较快，表明行业呈现高速发展态势，这对于资金密集型的房地产业来讲更是如此。城镇居民人均可支配收入与合肥市商品房销售均价存在长期的均衡关系，随着居民收入水平的增加，房地产需求也将增加，最终将推动房价上涨[4]。

总之，货币政策、财政政策等对合肥市房价的调控都有着显著的效果，从而为建立和完善合肥市房地产市场调控长效机制提供了政策依据。