邹 瑾

（四川大学经济学院，四川成都610065）

人口老龄化与房价
——基于中国省级面板数据的分析

邹 瑾

（四川大学经济学院，四川成都610065）

文章采用2002-2011年的省级面板数据分析了中国人口年龄结构变化对住房价格的影响及其区域差异。结果发现：老龄化所导致的房价波动滞后于老龄化进程，各年龄阶段人口比例对房价均产生正向影响，但不同年龄阶段在不同区域的解释力度不尽相同。对此实证检验结果，文章认为可以从我国居民的改善性住房需求与投资渠道匮乏、人口家庭结构小型化以及城市集聚效应等方面进行解释，并以前瞻性政策加以应对。

人口老龄化；房价；区域效应

一、引言

近年来，人口老龄化问题已成为全世界共同面临的重大挑战。至2012年末，中国65岁及以上人口接近1.3亿，占总人口的9.4%，中国已成为老龄化最为严重的发展中国家之一。老龄化既是个社会问题，也是个经济问题，老龄化对经济体系的影响学术界讨论已久，但研究热点主要集中在对老龄化可能导致的劳动力短缺现象和社会养老负担加重等问题的应对上，鲜有关注老龄化对房价的影响。

而房地产业作为我国经济的支柱产业，房价的涨跌牵一发而动全身，是各界关注的热点。众所周知，影响房价的因素众多。购房作为人们一生中重要的消费决策，人口年龄结构极可能是影响住房价格的重要因素。老龄化可能通过对房价的影响，从而深刻改变原有社会和经济发展模式的资源配置关系，进而影响经济社会发展的各个方面。因此，全面理解老龄化对经济体系所造成的影响亟须认真研究老龄化与房地产价格的关系。老龄化会不会引起房价的剧烈波动或者单边下降，直接影响我国房地产市场的交易行为，进而影响经济体系的安全与社会的稳定和谐。

鉴于此，本文旨在对中国住房价格与人口年龄结构之间的关系进行实证，希冀能合理解释两者的关系，加深对老龄化社会下房价变动趋势的认识。

本文的贡献在于三个方面：一是在控制其他影响住房价格因素后，探讨人口年龄结构对房价的影响。二是加入对区域经济差异性的考察，研究各经济区域的人口年龄结构对于住房价格的影响是否不同。本文将29个省人口年龄结构的资料按经济区域分为东部、中部和西部①三块区域，借此分析全国与各区域间人口年龄结构与住房价格之间的差异程度。三是将人口年龄结构分为两组区间（15～64岁、65岁及以上人口数），考虑人口年龄分布对住房价格的影响。

二、文献综述与理论假说

国外对人口老龄化与房价影响研究的文献很多，得出的结论也众说纷纭，总的说来，可以分为“悲观”和“乐观”两种论点。

悲观论者提出了“资产消融”假说，认为老龄化可能造成房价崩溃。研究始于Mankiw和Weil（1989），他们应用资产供给-需求的动态模型（M-W模型）分析了老龄化对房价的冲击，其理论前提是消费-储蓄的生命周期理论，认为由于个人收入会随着生命周期变化，为平滑消费，老年期的储蓄率将低于中青年期［1］。因此，老龄化会减少一国居民包括住房在内的资产总需求，使房价下降甚至市场崩溃。Bakshi和Chen（1994）根据投资的生命周期假说，认为人们的资产选择会随生命周期发生变化，随着年龄增大，一方面，投资需求会逐渐由房地产资产转移到金融资产；另一方面，风险厌恶程度会增加，从而要求更高的风险溢价水平［2］。因此，老龄化会带来房地产价格的长期波动。在以后的实证研究中，Venti和Wise（2004）、Farkas（2011）、Nguyen（2012）等也得到类似结论［3-5］。

而乐观论者则认为经济机制本身可以熨平老龄化对房价的冲击。其理论基础是，房价受多种因素影响，不同的禀赋结构、养老金制度安排等都可能缓冲老龄化对房价的负面影响。Brooks（2002）考虑了禀赋结构对于老龄化和房价相互关系的影响。他将人的财富禀赋分为两种：房地产等可交易资产与人力资本等不可交易资产［6］。由于人力资本会随年龄递增而不断衰减，为减少人力资本的风险暴露，人们会调整其资产组合结构，将股票等风险资产转换为房地产等较为安全的资产，从而缓和老龄化对房价的负向作用。Walker和Le⁃fort（2002）以智利和秘鲁等新兴国家为样本，研究了养老金私有化改革对人口老龄化与资产价格关系的影响，实证指出养老金私有化改革会降低资本成本，减小资产价格的波动［7］。

综上所述，理论上，人口老龄化通过消费-储蓄以及投资的生命周期变化对房价产生冲击，但就其影响的程度，研究存在争议，原因在于理论模型建立在抽象的假设基础上，无法穷尽所有影响房价的因素。国外研究集中于发达国家数据的实证，但由于文化传统、经济金融体制的差异，使得相关理论在我国是否成立尚值得探究。目前，讨论人口冲击对我国房价影响的文献相对较少，刘学良等（2011）讨论了人口冲击对房价的影响，认为需要警惕婚龄人口高峰过后可能导致的住房需求萎缩和房价下跌，但其未对人口年龄结构变化所造成的影响做出分析［8］。高见（2010）以抚养比为人口变量，讨论了人口老龄化对房价的作用，结果发现抚养比对住房价格显著正相关，与国外结论相悖［9］。但模型未设置控制变量，也没有对不同年龄段的影响和区域差异做进一步讨论，稍显欠缺。因此，本文以人口年龄分布作为人口变量，将宏观因素及供给方因素纳入模型作为控制变量，分析人口老龄化对房价的影响及其区域差异，试图使研究的结论更为可靠。

综上所述，本研究提出两项理论假说：

理论假说1：当全国、东部、中部与西部当期与滞后一期15～64岁人口比例发生变动时，对于住房价格的影响预期为显著正相关。

理论假说2：当全国、东部、中部与西部当期与滞后一期65岁及以上人口比例发生变动时，对于住房价格的影响预期为显著负相关。

三、实证检验

（一）变量的选择与计量模型设定

1.变量的选择

本文以住宅平均销售价格P作为被解释变量。综合上文分析和已有研究的结论，将解释变量分为三类：宏观经济因素、成本面因素和人口因素，选取如下变量进行讨论：

（1）成本面因素：财政收入占GDP比例。理论上，房地产开发成本主要体现为土地成本，但由于地价与房价孰因孰果，研究尚无一致结论，若直接以土地成本代表成本面因素，可能面临计量模型的内生性问题。另一方面，在地方政府的非税收入中，土地出让收入占据重要地位，“土地财政”现象较为普遍，有观点认为“土地出让金至少是当地财政收入的50%以上”［10］。因此，政府的财政收入或可作为成本面因素的代表。为消除其规模差异，本文以财政收入占GDP比例作为解释变量，以RE表示。一般认为，该变量应与住房价格正相关。

（2）宏观经济变量：实际利率。利率主要通过改变资金的使用成本来对房地产价格起作用，其作用渠道既可能是通过供给方给予房价上行影响，也可能通过需求方给予房价下行影响。在本文中，为消除通货膨胀的影响，以5年以上贷款基准利率扣减通货膨胀率作为解释变量，用RI表示。

（3）人口因素。这是本文研究的重点，为考察人口年龄结构变化对房价的影响，考虑以下变量：①15～64岁人口比例。Mankiw和Weil（1989）早就指出房屋需求变量与成年人人口相接近［1］，故本研究参考其说法，加入人口年龄分布变量。另外，考虑65岁以上老年人口的购房需求较少，故将实际需求者的年龄段划分为15～64岁，以15～64岁人口比率作为解释变量，用WO表示。②65岁及以上人口比例。本文的重点在于考察老龄化对房价的影响，故加入老年人口比例进行探讨，以65岁及以上人口比例作为解释变量，用WT表示。

2.计量模型的设定

根据上述分析，可以将住房价格P视为关于（RE，RI，WO，WT）的函数，参考相关文献设定以下计量模型：

其中，模型一为探讨当期各解释变量对于房价的影响程度，模型二为探讨各解释变量滞后一期对于房价的影响程度。为消除量纲问题，本文采取了半对数模型，即对住宅平均销售价格进行了对数化处理。

（二）数据来源与处理

考虑数据的可得性，本文选取了除西藏、海南及港澳台以外的全国29个省（直辖市/自治区）2002-2011年共10年的数据。各变量数据来源和处理如下：

（1）住宅平均销售价格P，数据来源于“国泰安数据库”中的“中国区域研究数据库”。

（2）实际利率RI，依据公式：RI＝（I－CPI）×100计算得到。

其中，I表示5年以上贷款基准利率的年度值，鉴于各年利率的调整频次不一，故以历次调整前后的5年以上贷款基准利率为基准，以各利率水平实际生效天数占全年天数之比为权数进行加权平均计算而来。5年以上贷款基准利率数据来自中国人民银行网站。CPI表示居民消费价格指数，数据来自“国泰安数据库”中的“中国区域研究数据库”。百分化的目的是为了消除量纲的影响，以下不再赘述。

（3）财政收入占GDP比例RE，据公式：RE＝R/GDP计算而来。其中，R表示各地的财政收入，GDP表示各地的国内生产总值，数据均来自“国泰安数据库”中的“中国区域研究数据库”。

（4）15～64岁人口比例与65岁及以上人口比例，依据以下公式计算而来：

15～64岁人口比例＝（15～64岁人口数/人口总数）×100

65岁及以上人口比例＝（65岁及以上人口数/人口总数）×100

其中，15～64岁人口数、65岁及以上人口数与人口总数均来自《中国统计年鉴》（各年）。

（三）实证结果

1.模型一实证结果

由于本文数据结构呈现出截面维度N大于时间维度T的特点，判断为“短面板”数据，可以不考虑面板数据的非稳定性，无须进行面板单位根检验和面板协整分析［11］。

为检验当期人口年龄结构对房价的影响是否存在区域差异，本文不仅针对全国层面的数据进行了实证，还将全国进一步地分为东部、西部和中部三个区域分别进行拟合，使用的软件是STATA 12.0（下同）。模型一的回归结果见表1。

表中的Haussman检验结果表明，全国及东部、中部、西部地区均应采用固定效应模型FE进行拟合。表中第2列为全国层面的回归结果，第3～5列分别为东部、中部、西部地区的拟合结果，除西部地区外，模型的拟合优度均较理想。

先来看控制变量对房价的影响。无论是在全国还是各区域，当期财政收入占GDP比例对房价都呈现显著的正影响，和一般判断一致，但其在东部和中部地区的影响要强于在西部地区的影响。再来看当期实际利率对房价的影响。从全国层面看，当期利率对住房价格也呈现显著正影响，说明利率通过供给方起的作用大于通过需求方起的作用，反映我国房地产市场呈现较强卖方市场特征，房地产成本极易转嫁于买方。从分区域的回归结果看，实际利率对西部地区房价的影响较大，而对东部和中部的影响并不显著。

下面来看最关心的问题：当期人口年龄结构指标对房价的影响情况。从回归结果看，人口年龄结构变量对房价影响的显著性并不相同。全国层面的回归显示当期15～64岁人口比例对住房价格影响为正且较显著，而65岁以上的人口比例对住房价格虽然也存在正效应但并不显著。再来看分区域的拟合结果，当期15～64岁人口比例对房价的影响，在东部地区较显著，影响系数为0.023 9，但在中部和西部均不显著；当期65岁及以上人口比例对房价的影响，在中部地区显著，影响系数为0.068 5，但在东部和西部地区均不显著。

由于回归模型可能存在异方差、截面相关及序列相关等问题，为进一步验证上述结果的可靠性，我们对模型一的各回归方程进行相应的稳健性标准差调整。就全国层面的回归，由于截面维度大于时间维度，可以忽略序列相关问题，仅考虑控制异方差和截面相关问题，以“FE+聚类稳健标准差”估计进行修正。而对各区域数据的回归，由于截面维度与时间维度非常接近，考虑同时控制异方差、序列相关和截面相关，用Driscoll和Kraay（1998）所提出的Driscoll-Kraay标准差进行调整［12］。调整后的回归结果见表2。

从稳健性检验回归结果看，控制变量对房价影响的结果与表1基本一致，只是财政收入占GDP比例对西部地区房价影响的显著性水平由1%上升为10%。从人口变量对房价的影响看，当期15～64岁人口比例对东部地区房价的影响变得不再显著，其他结果与表1差别不大。

2.模型二实证结果

模型二考虑滞后一期各解释变量对当期房价的影响，回归结果见表3。

根据表3中的Haussman检验结果，除西部地区外，均以FE方法进行估计。从调整后的R2可见，FE模型的拟合结果都较好。

下面来看滞后一期各控制变量对房价的影响。首先，全国及各区域滞后一期财政收入占GDP比率对当期房价都呈现出很显著的正效应，但影响程序要略低于当期值对房价的影响。从分区域的结果看，滞后值在东部和中部地区的影响大于在西部地区的影响。其次，滞后一期实际利率对当期房价的影响，明显弱于当期值对房价的影响。从全国层面看，滞后值对房价的影响仅在10%的水平下显著。而分区域估计的结果都不显著。

回到本文关注的重点：滞后一期的人口变量对当期房价的影响。由表3可见，滞后一期的各人口变量对房价影响的显著性水平有了较大改善。除西部地区外，滞后一期的15～64岁人口比例对当期房价都存在显著正影响，与理论假说一致，且影响程度高于当期值对房价的影响。从分区域的结果看，滞后值在东部地区的影响程度最高，影响系数达0.045 6，而中部地区仅0.028 7，西部地区的影响系数与中部地区接近，但并不显著。再来看滞后一期的老年人口比例对当期房价的影响，除东部地区外，滞后值对房价的影响皆为显著正相关，比之当期值的影响，不仅显著性水平有所改善，影响程度也大幅增加。当全国滞后一期老年人口比例每变动1%时，住房价格甚至会变动3.68%；在分区域回归结果中，其对中部地区房价的影响系数最高，为0.097 2，对西部地区的影响程度略低，影响系数为0.055 2，而对东部地区，尽管两者也呈现正效应，但并不显著。

为检验上述结论，仍需对回归结果进行调整。和前面一样，使用“聚类稳健标准差”调整全国层面的回归；用Driscoll-Kraay标准差调整东部和中部地区的回归。而对于西部地区，由于原估计方式为随机效应模型，随机效应模型本身已考虑了异方差问题，理论上说只需考虑截面相关和序列相关问题。但由于随机效应模型中，缺少同时控制截面相关和序列相关问题的有效方法，本文只能退而求其次，仅处理随机效应模型容易面临的序列相关问题，所使用的估计方法是两阶段广义最小二乘法（G2SLS），调整后的回归结果见表4。

从表4可见，全国、东部和中部地区调整后的回归结果与表3基本一致，前述结论依然成立。但由于对西部地区使用了不同的估计方法，得出的结论与表3有所差异。在西部地区，滞后一期财政收入占GDP的比例对当期房价的影响依然显著，但影响程度下降，影响系数由0.063 3下降为0.028 7。滞后一期实际利率、滞后一期的各人口变量对当期房价的影响都不再显著，影响系数也有较大下降。

四、结论及政策建议

本文在控制其他影响住房价格的因素后，探讨了中国各省人口年龄结构与住房价格间的影响关系，主要结论如下：

第一，从控制变量的影响看，研究发现在全国层面，财政收入占GDP比例和实际利率都会对房价产生持续正影响，其作用程度随时间流逝递减。这一方面说明了地方政府在房价波动中扮演着重要角色，有着为房地产市场托市的利益动机。另一方面，说明了售房方各项成本的增加都大幅转嫁给购房者，充分体现了我国房地产市场具有较强的垄断性市场特征。从分区域回归的结果看，财政收入占GDP比例对东部和中部地区房价的影响程度明显高于西部地区，这或与东部和中部地区房地产市场发展更成熟有关。而实际利率对西部地区房价的影响更大，则可能是由于西部地区融资渠道主要在银行，更易受到银行利率调整的影响。

第二，从15～64岁人口比例与房价的关系看，在全国与所有区域，当期和滞后一期15～64岁人口比例对房价的影响都基本为正，与理论假说基本一致。但其显著性并不特别理想，从修正后的结果看，当期的影响，只有全国的数据较为显著，而在滞后一期的影响中，西部并不显著。这可能与人口年龄结构的范围太广有关，国外研究通常是以30～60岁人口比例作为解释变量，得到显著的正相关关系。一般认为，从15岁至30岁多为在校学生或职场新人，30岁后方具有实际购房能力。由于暂时无法获得我国30～60岁人口比例数据，更为稳健的结果有待未来研究。从分区域的影响看，15～64岁人口比例在东部和中部地区的影响明显优于西部地区，除西部地区房地产市场发展较缓这一原因外，笔者认为可能与西部地区的城市化率偏低有关。西部地区城市化率仅为43.63%②，在全国平均水平之下，低于东部地区和中部地区。本文所使用的房价指标反映的是城镇商品房的价格，非城镇人口占比偏高容易削弱人口变量的影响。

第三，从65岁及以上人口比例与房价的关系看，在全国与各区域，当期值和滞后一期老年人口比例对房价都呈现正效应，与本文的理论假说相悖，笔者认为造成这一现象的原因如下：①改善性住房需求与投资渠道匮乏。1978年时30岁以上的人到今年为65岁以上，这部分人群位处改革开放以来经济高速增长时期，大多受益于1998年以前的福利房分配制度，也有一定积蓄。这使得这些人群在现有住房之下，一方面，期盼再购新房以改善居住环境；另一方面，受制于投资途径的缺乏，期盼购房用于投资，从而产生大量住房需求，推高房价。②人口家庭结构小型化。近年来我国平均家庭户规模约为3人/户，家庭规模的缩小意味着更多的住房需求，由于年轻一代的积蓄较少，这部分需求的实际买单人一部分是老年人，加大了老年人口比例与房价的正相关性。从分区域的实证结果看，老年人口比例对房价的影响，在中部和西部地区较为显著，而在东部地区并不显著。原因可能在于东部经济最为发达，以大城市居多，而大城市的集聚效应主要吸引的是年轻人，使得该区域老年人购房的需求拉动效应并不明显。

综上，本文提出如下政策建议：

第一，针对人口年龄结构缓慢变化的趋势，从模型控制变量影响角度出发，建议通过逐步转变经济发展方式，削弱地方经济发展对土地财政的依赖。目前可行的措施宜为稳妥推进房产税等财税制度改革，减少地方政府出于对土地出让金渴求的托市动机。考虑到各变量对不同区域影响程度不同的特点，国家的房地产调控政策也应因地制宜，避免采取一刀切的做法。

第二，随着老龄人口数量的增多和家庭规模的小型化发展，我国房地产市场将进一步呈现出数量需求在地理区域上的不平衡性和不同年龄阶段家庭对房产个性化、差异化的需求特征。基于此，建议通过产业政策调整和盘活二手房市场，促进各地房地产市场稳定平衡发展。目前可行的政策措施为坚定不移地以统筹城乡发展思路来引导未来我国的城镇化建设，引导青壮年人群在地域上的合理流动，避免对部分大城市在房地产需求上产生过度集中的压力；同时，考虑通过减低税费和便利市场信息沟通等手段搞活二手房市场，以存量住房调剂来满足不同年龄阶段人群的不同需求，平抑增量住房需求，实现资源的充分利用，抑制房地产泡沫。

第三，各人口变量滞后期的影响大于当期影响，说明人口老龄化所导致的房价波动滞后于人口老龄化进程，而国家政策效应又总是滞后于房价波动。因此，为防止人口老龄化对我国房地产市场可能造成的冲击，应该敏锐察觉当前的老龄化进程，本着对房地产市场标本兼治的原则，着眼于影响房地产市场的长期变动因素，对人口老龄化所产生的房地产价格波动效应作前瞻性预测，预见性地进行政策调整。

注释：

①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和广西；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部地区包括重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。

②城市化率根据公式城市化率=城镇人口数/总人口数×100%计算。根据中国统计年鉴（各年）的数据计算，西部各省平均城市化率为43.63%，中部为49.36%，东部为64.29%，全国为51.27%。

［1］Mankiw N G，Weil D N.The baby boom，the baby bust，and the housing market［J］.Regional Science and Urban Econom⁃ics，1989，19（2）：235-258.

［2］Bakshi G S，Chen Z.Baby boom，population aging，and capital markets［J］.Journal of Business，1994，67（2）：165-202.

［3］Venti S F，Wise D A.Aging and housing equity：Another look［C］//Wise D A.Perspectives on the Economics of Aging.Chi⁃cago：University of Chicago Press，2004：127-180.

［4］Farkas M.Housing Demand and Demographic Trends：Evi⁃dence from Hungary［D］.Budapest：Central European Univer⁃sity，2011.

［5］Nguyen H.Population Aging and the Effects on Real Estate and Financial Asset Returns［R］.SSRN Working Paper，Waltham：Brandeis University，2012.

［6］Brooks R.Asset-market effects of the baby boom and so⁃cial-security reform［J］.The American Economic Review，2002，92（2）：402-406.

［7］Walker E，Lefort F.Pension reform and capital markets：Are there any（hard）links［J］.Abante，2002，5（2）：77-149.

［8］刘学良，吴璟，邓永恒.人口冲击、婚姻与住房市场［EB/ OL］.（2012-09-20）［2014-01-20］.http：//www.cfrn.com.cn/ getPaper.do?id=3553.

［9］高见.老龄化，金融市场及其货币政策含义［M］.北京：北京大学出版社，2010：137-143.

［10］郑新业，李芳华.土地财政有多重要［R］.北京：中国人民大学中国经济改革与发展研究院，2010.

［11］陈强.高级计量经济学及Stata应用［M］.北京：高等教育出版社，2010：147-165.

［12］Driscoll J C，Kraay A C.Consistent covariance matrix estima⁃tion with spatially dependent panel data［J］.Review of eco⁃nomics and statistics，1998，80（4）：549-560.

［责任编辑：余志虎］

Population Aging and Housing Price—Based on the Analysis of the Panel Data at Provincial-level in China

ZOU Jin
（School of Economics，Sichuan University，Chengdu 610065，China）

The paper makes an analysis on the impact of changes in the age structure of China’s population on housing prices and their regional differences based on the panel data at provincial-level from the year of 2002 to 2011.The results show that the house price fluctuations caused by the aging lag behind the aging process，and each age group has a positive impact on housing prices，but the explanatory power of different age group varies in different regions.The results are also empirically tested.The paper be⁃lieves that the results can be explained by improvement of housing needs of our residents，lack of investment channels，smaller family members and urban agglomeration effects，etc.，and the forward-looking policies should be taken to deal with them.

population ageing；housing price；regional effect

F293.3

A

1007-5097（2014）07-0048-05

10.3969/j.issn.1007-5097.2014.07.010

2013-12-20

教育部人文社会科学研究青年基金项目（13XJC790007）

邹瑾（1981-），女，四川自贡人，讲师，博士，研究方向：房地产金融，老龄化经济学。