江宏业 马社胜

（广西大学商学院，广西 南宁 530004）

一、引言

自改革开放以来，我国进入经济发展的快速通道。作为新兴产业代表的房地产行业更是迅猛发展，为我国经济增长做出了重大贡献。从2000～2010年之间，我国而房地产行业的平均增长率几乎是GDP增长率的两倍，充分展示了房地产行业对我国经济增长的贡献力度。

房地产行业高速发展的同时也暴露出很多问题，例如房地产投资增长过快，商品房空置率增加，供需不合理，阶段性供给过剩，商品房质量不过关，偷工减料严重，房地产价格增长过快等等。近几年房价增长率高达20%，让普通大众望而生畏。广西是西部各省中经济发展较快的省份之一，房地产行业近年来得到了快速发展，房价也逐年飙升，从2000年到2010，广西房价由1450元到3562元。2011年受国家政策因素影响，房地产价格增速稍微放缓，但没有明显下降，广西什么样的房价才算为一个合理水平呢，现存争议较大，没有定论。

二、影响房地产价格的因数

房地产行业所需资金量大、资金周转时间长、涉及的产业链广，受国家宏观调控影响显著。本文主要从商品房的需求、商品房的供给和宏观经济形势这三个方面因素进行阐述。

（一）对商品房的需求

1.人口因素。房子是人类居住的必需品，人口增多对商品房的刚性需求就会增大。随着80后慢慢进入社会且都到了结婚生子的时期，对房子的刚性需求越来越大，促使房地产价格上扬。

2.城镇居民人均可支配收入。城镇居民人均收入水平是决定其消费的关键因数，人均收入水平提高，就会使居民的消费增加，但随着人均收入水平的不断提高，用于购买食品消费所占比例会相应减少，用于够购买房地产等耐用消费品相应增加。所以可知城镇居民人均收入和商品房价格成正相关的关系。

3.城市化率。近来来城市化进程加速，城镇人口占比由1995年的30%上升到2011年的50.3%，首次超过农村人口。城镇化的加速一方面大大增加了城镇居民对商品房的需求量，另一方面促使商品房供给跟不上需求的步伐，造成房价上扬。

4.商品房的销售情况。商品房的销售情况必须把商品房的销售面积与销售额结合起来进行分析，商品房销售面积反映居民对商品房的需求量，销售额反映市场的综合情况，商品房的销售情况与价格很难有明显的关系。

（二）商品房的供给

1.商品房的投资额。商品房投资越多产出越多，商品房投资增加使当年商品房施工面积增加，引起当年或次年的房屋竣工面积增加，影响商品房的供给，从而影响商品房价格。

2.商品房成本。房地产成本主要是三大块，土地购置费、建安成本、税收。06年以来土地购置费增长迅速，占据了总成本的60%，土地购购置费的增加无形中推高了房价上涨。

（三）宏观经济形势

中国房地产行业受政策导向明显，所以宏观经济形势对房地产行业的影响比较显著。我主要从消费者价格指数，通货膨胀率、利率，货币政策和财政政策来阐述宏观经济形势和商品房之间的关系。生活中消费价格指数用CPI代替，然而它具有很明显的滞后性，一旦CPI过高，一般国家就会施行紧缩的货币政策，使流通中的货币量减少，从而减少各行业的投资。通货膨胀来临时，人们往往会放弃手中的货币或从银行兑出自己的存款，购置实物，增加房地产等耐用品的购买，推动房价上涨。国家紧缩性的货币政策，使居民还贷压力增加，可能导致房地产行业资金链断裂，房价随之下跌。

三、搜集数据和建立模型及处运作

（一）数据的搜集

通过中经网和广西统计年鉴综合得到了2000年至2011年的数据。其中的因变量是商品房平均售价（y）、各因数分别是广西商品房投资额（X1）、每万平米土地购买价格（X2）、销售面积（X3）、广西省GDP（X4）、城镇居民人均可支配收入（X5）。

注：数据来源于中经网产业数据库。

（二）模型的建立

设线性回归模型为Y=c+aX1+bX2+dX3+eX4+FX5+ε。其中a、b、d、e、f分别是回归参数X的相应系数，c为常数项，ε是随机扰动项，通过这一线性方程可以得出他们之间的一些相关关系。

用Eviews6.0软件进行数据处理。运行结果如下

由运行结果可知R2=0.999914，说明模型的拟合效果非常好，F检验的相伴概率是0.000000证明多元线性回归方程高度显著。

异方差检验得F检验的相伴概率是0.1172，不能拒绝原假设，认为原假设成立，原模型无异方差。

序列相关检验，得出残差与其滞后变量之间的关系Et=3028.905-0.127339Et-1，R2=0.015931，Prob（F-statistic）=0.711531，方程的拟合优度、方程的显著性、回归系数均很差，因此该方程不存在一阶自相关，二阶乃至多阶的序列相关性利用以上方法同证，回归方程不存在序列相关。

四、对模型得出结果的解释

由Eviews6.0软件运行结果得出了样本方程为Y=274.867+1.860135*X1+0.164333*X2-0.208427*X3-0.561558*X4+0.400708＊X5。

由方程可知各个解释变量与因变量之间的关系。商品房投资额、城镇居民人均可支配收入和土地购置费与商品房的平均售价有很强的正相关关系，符合经济学的意义。不过此运行结果表土地购置费和商品房平均售价的正相关关系并不是很强，这主要由以下三点原因造成：第一，广西地区的市场经济还不完善，很多土地拍卖没有实行完全的市场化运作。第二，有一部分土地不是通过正常的拍卖售出，它的成交价不能代表市场市价。第三，广西省涵盖很多地级市，各地市差异不同，有可能统计数据并不完全真实。

运行结果可知广西自治区GDP、商品房销售面积与广西商品房平均售价呈负相关关系。看上去不符合经济学意义，GDP与商品房平均售价为什么会呈负相关关系呢？第一，广西省商品房的平均售价增长率远远高于GDP的增长率。第二，GDP的快速增长并不是居民收入的快速增长，而只是一小部分人的收入高速增长，使贫富差距越来越大，GDP快速增长的实质性好处并没有留给居民。第三，贫富差距的拉大使居民消费更加萎缩，大部分居民都买不起房。销售面积与商品房价格的关系成双面性，在这里与商品房平均售价呈负相关关系，属于正常的关系，符合经济学意义。

五、解决房价问题的建议

房价问题已经成为时代的主流议题，房子成了普通大众的奢侈品。房地产行业的持续繁荣推动着我国经济的高速发展，我们既要使普通大众买得起房，实现居者有其屋的目标，但也不能狠压房价，以牺牲经济增长为代价。应该怎样解决高房价的问题？作者仅从以下几点提出一些解决广西高房价的措施。

（一）保持适当增长的房地产投资规模

2005年以来广西地区出现了房地产投资过热的现象，主要表现在房地产投资额急剧上升，大量圈地，日以继夜的施工，房地产价格不断飙升等等。国内外历史表明，房地长投资过热不利于房地产行业的健康发展，给经济社会的可持续发展带来严重挑战，不利于抵抗风险特别是全球性的金融危机，不利于产业结构调整和社会资源的极度乱费。例如90年代初的海南房地产热，海南全民投入房地产行业，似乎一片欣欣向荣的景象，当国家对过热的经济进行调整时，就留下的就是我们众人皆知的海南烂尾楼现象，直到21世纪初才使海南经济走上正轨。因此，国家应该出台相应的政策，防止房地产投资开发过热的问题，使房地产投资开发规模保持适中的速度发展。使房地产投资开发与经济增长，居民人均收入，城市规模，城市化率等一系列因数相结合。

（二）加快广西省经济发展脚步

广西省GDP排名一直处于全国的中下游，属于西南部的欠发达地区，经济发展比较落后，产业结构不完善，缺乏带动经济增长的工业基础，主要依靠旅游业和服务业支撑其发展，缺乏后劲。全国工业化发展基本接近尾声，广西不可能依靠大规模的制造业促使其经济增长。第一，它可以利用自己的地理位置大力发展港口贸易，建立物流中心，以东盟一体化发展为契机使自己踏入快速增长的时期。第二，充分利用本省的自然因素，大力发展旅游业，促使经济发展。第三，完善分配机制，降低广西地区的贫富差距，完善广西地区的社会保障制度，强调二次分配的公平性，加大转移支付力度，既可以使居民接受房地产价格的正常上涨，也扩大了内需，促进经济和房地产业的可持续发展。

（三）完善土地市场的管理

1.土地成本近年来成为是商品房成本的最重要的组成部分。首先，要把土地价格透明化。具体的做法由广西省国土局根据个地方的经济情况研制出一套切实可行的办法。主要是通过市场化的运作模式来解决土地价格问题，通过公开竞拍的方式转让土地，既保证了市场的有序进行还能市政府的土地得到保值增值的效果。其次，通过招标买卖土地，及时统计和公布已经拍卖了的土地价格，在市场经济情况下使房地产行业健康有序发展。

2.从源头上控制房地产市场投资过热。就是要彻底改变地方政府现有的土地出让和供给模式，在土地出让的决赛上不是扮演一个商人的角色，更多的应该从社会公益角度出发。第一，应大力支持普通商品房的土地供应而严格控制别墅项目的土地供应。第二，对存量土地的严格管理，实行经营性用地和存量土地脱离的办法。第三，严格管理土地转让，对不合法的土地转让进行严厉的制裁，依法制止炒卖土地的行为。

（四）合理规划

首先，政府要保持清醒的头脑，根据广西的实际情况，有全局观念地开发土地资源，合理规划。减少为了政绩而开展的形象工程，政绩工程，以极大的投入得到极少的回报，既有碍于城区的合理布置，又乱费了大量土地资源。其次，政府应做到以民为本，而不是以追逐高额的利润，大面积转让高价土地。而应该加大对保障房和低档次的商品房土地的供应，使普通大众都能够买得起房。再次，规范商品房的销售制度，遏制炒房行为，打击扰乱市场的非法投机。

[1]刘洪玉.中国房地产市场中的泡沫与过热问题分析.建筑经济，2003，（2）:36-40.

[2]唐莉，张永娟房地产产业链关联性的分析研究.世界经济文汇，2006，（9）:23-26.

[3]王聪.基于多因素10915七ic的城市房地产价格预测模型研究[D].大连:大连理工大学，2008.

[4]杨波，赵玉，李艳军.影响房地产价格的宏观因素一以北京，深圳为例[J].中国物价，2008，（11）:56-58.