我國區域性房地產泡沫問題研究

摘要：本文通過建立面板數據模型對我國的區域性房地產泡沫進行估計。結果顯示，在區域房地產價格較高的城市，泡沫比率通常也較高?？傮w而言，一線城市的泡沫比率最高(14.57%)，二線城市次之(7.78%)，最后是三線城市(4.72%)，并且各線城市的泡沫程度有逐步放大的趨勢。對泡沫比率的面板回歸結果認為，針對房價上漲過快過猛的利率調控收效甚微。因此，本文認為，針對城市房地產市場的調控必須把握區域異質性，實施房地產專項調控并建立房地產預警指標具有重要意義。

關鍵詞：房地產泡沫；固定效應模型；隨機效應模型；面板數據

中圖分類號：F293.35 文獻標識碼：Ａ 文章編號:１００３－９０３１(２０11)05－００32－０5DOI:10.3969/j.issn.1003-9031.2011.05.08

一、引言

近年來，我國房地產價格不斷上漲，并且呈現顯著的區域異質性，房地產價格的攀升在東部沿海地區和個別大城市尤為突出。人們對房地產價格的關注越發集中，針對房地產泡沫的討論更是不絕于耳。由于房地產泡沫首先出現在大城市和金融系統發達地區，僅就全國房地產市場來研究泡沫問題，并不能說明全部問題。故而從區域角度來測度房地產泡沫更顯針對性和實踐意義。

本文選取了1999—2008年全國一線城市、二線城市和三線城市共12個城市的面板數據作為研究樣本，采用面板數據單位根檢驗和協整檢驗對數據特征進行識別，通過建立面板回歸模型對其房地產泡沫進行測度。本文試圖回答兩個問題：一是中國的區域性房地產泡沫是否存在，泡沫比率是否顯著；二是針對區域性房地產泡沫的利率調控是否有效。

二、區域房地產泡沫的研究狀況

目前，圍繞區域性房地產泡沫問題，國內外學者進行了諸多研究，其中大部分以地區面板數據作為研究樣本，基本可以分為兩類。

第一類是基于面板數據提供的信息，借助面板數據單位根檢驗和協整檢驗，對房價——收入比率或租金——房價比率進行分析來判斷泡沫存在性。以Malpezzi(1998)和Gallin(2006)為代表。前者借助面板數據單位根檢驗研究了美國133個城市房價與收入的長期關系，拒絕了這兩者存在協整關系的假設，但是并未對協整系數的一階估計做出解釋[1]。后者彌補了這一缺陷，并推翻了前述結論，認為泡沫現象已經出現[2]。在此基礎上，Vyacheslav Mikhed and Petr Zemcik(2007)遵循貼現模型的思路，借助面板數據單位根檢驗、協整檢驗和Granger因果檢驗對美國房價和租金的關系以及房價——租金比率進行了分析[3]。該方法具有較強的理論基礎，對于成熟度房地產市場而言可操作性較強。但是，就中國房地產市場而言，數據可得性不佳，尤其是租金數據相當欠缺，因此采用該方法測度中國的區域房地產泡沫并不合適。

第二類是以與房地產特征緊密聯系的基本面變量為視角來關注區域房地產市場，通過對房屋基礎價值的估計來識別泡沫。以Smith and Smith(2006)和Himmelberg， Mayer and Sinai(2005)為代表。前者借助10個城市單一家庭的房屋租金和價格數據估計了房屋的基礎價值，結果顯示，在所觀測的大部分城市均不存在泡沫。并且指出，通過比較房價指數與其他指數或其回歸模型估計值的關系來評估泡沫存在缺陷。后者認為，房價增長率、房價——租金比率和房價——收入比率等傳統泡沫測度法具有誤導性，因為其無法對區域市場長期實際利率及房價長期增長率做出解釋，而這些因素近年來顯得相當重要，在利率較低時房價對利率變化是極為敏感的，在房價長期增長率較高的城市房價變化亦較為敏感[4-5]。在該方法下，可以根據區域房地產特征選取對房地產基礎價值產生影響的主要因素，在此基礎上通過建立面板數據模型對房地產基礎價值進行測度，故而借助該方法來研究中國的區域房地產泡沫是合適的?？傊@兩種方法各有優劣，究竟采取哪種方法對房地產泡沫進行測度比較可靠，至今學術界尚未形成統一意見。然而，出于數據可得性，借助單位根檢驗和協整檢驗來識別中國房地產泡沫顯然不合適?；诖?，很多國內學者遵循后一種方法的基本思路，對中國區域房地產泡沫進行了測度，如洪濤、西寶、高波(2007)，苑德宇、宋小寧(2008)以及錢金保(2008)等，這為本文測度區域性房地產泡沫提供了重要依據[6-8]。

三、面板數據模型

（一）模型與變量的選取

借助面板數據來研究區域房地產市場具有諸多優勢，其考慮了區域房地產市場的異質性以及房地產變量的動態調整過程。因此，面板數據模型被廣泛應用于分析房地產價格波動及泡沫問題?；诿姘鍞祿Ｐ停鄩研酆土纸ê?2010)對我國房價上漲的驅動因素進行了研究[9]。韓麗鵬和謝秀娥和郭曉杰(2010)研究了我國房價的財富效應[10]。魏巍賢和李陽(2005)分析了我國房地產需求的地區差異[11]。劉潔和李文(2010)分析了房地產價格與物業稅之間的相關關系和區域差異[12]。余華義(2010)分析了經濟基本面和房地產政策對房地產價格的影響[13]。鑒于此，本文通過建立面板數據模型來對中國區域性房地產泡沫進行測度，并在此基礎上對利率政策的調控效果做出評價。

房地產泡沫通常表現為房地產價格對基本面的偏離，因此房地產價格通?？梢苑纸鉃閮刹糠郑阂皇怯苫久鏇Q定的部分，也即房地產基礎價值；二是由非基本面決定的部分，即為泡沫項，包括理性泡沫和投機泡沫。其中，影響房地產基礎價值的變量包括利率，收入和土地價格；影響房地產泡沫項的變量包括房地產價格滯后項和房地產價格波動率。本文分別選取實際金融機構中長期貸款利率(Rate)、城鎮家庭人均可支配收入(Inc)和城市土地出讓價格(Land)作為利率、收入和土地價格的代理變量。房屋銷售價格(Hpp)作為房地產價格的代理變量。前期房地產價格Hppt-1和前期房地產價格波動率(⊿Hppt-1=( Hppt-1-Hppt-2)/ Hppt-2)分別作為理性泡沫和投機泡沫的代理變量。

本文選取一線城市、二線城市和三線城市共12個城市1999—2008年的面板數據，數據來源于歷年《中國城市(鎮)生活與價格年鑒》、中國人民銀行網站和中國智數房地產行業數據庫。各變量的具體處理過程如下：（1）通貨膨脹率取年度定基比數據，以1998年為基期根據居民消費價格指數年度環比數據計算年度定基比指數，從而得到通貨膨脹率。（2）Hpp取實際值，由2008年房屋銷售價格與歷年房屋銷售價格指數得到各城市歷年房屋銷售價格名義值，再以通貨膨脹率平減得到房屋銷售價格實際值。（3）Inc取實際值，再經通貨膨脹率平減得到。（4）Rate取實際值，由金融機構中長期貸款基準利率（5年以上）經通貨膨脹率平減得到。（5）Land取實際值，由各地區城市土地出讓集中價格經通貨膨脹率平減得到。以上變量除Rate和⊿Hppt-1外，全部取取自然對數，并且進行指數平滑處理。以小寫字母表示對數化和指數平滑處理后的各變量，分別以hpp、⊿hppt-1、rate、inc、land表示房價、前期房價波動率、利率、收入和地價。

(二)面板變量的單位根檢驗與協整檢驗

對所有變量的單位根檢驗（見表1）結果顯示，所有變量的水平值基本是非平穩的，其中hpp在LLC統計量下是平穩的，然而在其它3個統計量下都是非平穩的，因而本文仍可認為hpp是非平穩的。與此同時，各變量的一階差分都是平穩的，也即各序列均為一階單整序列。因此，有必要對模型包含的變量進行協整檢驗（見表2），結果表明，在8個統計量中，只有3個不能拒絕“各面板變量之間不存在協整關系”的原假設，故而據此認為各面板變量之間存在協整關系?；诖耍疚恼J為，對各面板變量做回歸分析是恰當的。

（三）模型的設定與估計

本文以Jesse M. Abraham and Patric H. Hendershoti (1994)和Eric J. Levin and Robert E. Wright(1997)作為理論分析框架，將房價分為兩部分：一是由基本面因素決定的房屋基礎價值；二是由非基本因素決定的非基礎價值，即偏移項，包括泡沫項和隨機干擾項[14-15]。用公式可以表述為：

Pt= P*t+θt （1）

其中P*t表示由經濟基本面決定的房屋基礎價值，θt表示房屋實際價格對其基礎價值的偏離。

基于已有的文獻，國內外學者普遍認為利率、收入和土地價格是影響房地產基礎價值最主要的因素，故而可以將房地產基礎價值表示為該三者的線性組合，即：

P*t =β0+β1*rate+β2*inc +β3*land（2）

同時，偏離項主要受前期房價和前期房價波動率的影響，于是可以將偏離項中由前期房屋價格水平和前期房屋價格波動率解釋的部分視作泡沫成分，定義ut為隨機擾動項，于是偏移項θt可以表示為：

θt=κ0+κ1Pt-1+κ2* (Pt-1-Pt-2)/Pt-2+ut（3）

基于此，由全國一線城市、二線城市和三線城市1995—2009年的面板數據建立的實證模型如下：

hppit=β0+β1*rateit+β2*incit +β3*landit +β4* hppit-1+

β5*⊿hppit-1+εi+λi+uit （4）

其中，hppit、rateit、incit、landit、Pt-1和⊿hppit-1分別表示房價、實際利率、人均可支配收入、土地價格、前期房價和前期房價波動率。下標i和t分別表示城市和年份，εi和λi分別表示個體效應和時間效應項；uit為隨機誤差項。從而根據估計出來的泡沫項的系數，估算中國12個代表性大中城市1999—2008年房地產泡沫比率，估算公式為

bubbleit=(β4*Pit-1+β5*⊿hppit-1)/(β0+β1*rateit+β2*incit+β3*landit)*100% （5）

四、中國區域性房地產泡沫的估計結果與實證分析

（一）中國區域性房地產泡沫模型的比較分析

運用Eviews 6.0對（4）式做回歸分析，得到面板數據模型的固定效應和隨機效應估計結果（見表3）。從中可以看出，各回歸模型的系數至少在5%的顯著性水平上顯著。并且回歸結果一致認為，利率、人均可支配收入、土地價格、前期房價和前期房價波動率都可以正向推動房價的上升，這與余華義（2010）等人的研究結果基本吻合。在各解釋變量中，除了前期房價外，對當前房價影響最大的是收入水平，其次是土地價格，再者是前期房價波動率，最后才是利率。這表明，收入水平和土地價格對中國區域性房地產市場具有較強的觀測效應，房地產價格的歷史走勢對當前房價具有一定的遞延效應。并且，就全樣本而言，針對房價上漲的利率調控非但不會抑制房價上漲，反而會對房價攀升推波助瀾。比較固定效應模型和隨機效應模型的回歸結果，含個體與時間效應的隨機效應模型擬合度最高，各系數均在1%的顯著性水平上顯著，并且hppt-1和⊿hppt-1的標準誤最小?；诖?，本文認為，采用含個體與時間效應的隨機效應模型來測度區域性房地產泡沫是較為恰當的。

（二）中國區域性房地產泡沫的測度結果分析

根據含個體與時間效應的隨機效應模型估計出來的泡沫項的系數，本文估算了中國12個代表性大中城市1999—2008年房地產泡沫比率（見表4）?？傮w而言，一線城市的泡沫比率最高（14.57%），二線城市次之（7.78%），最后是三線城市（4.72%），并且各線城市的泡沫比率表現為逐步放大的趨勢。與洪濤（2007）及苑德宇（2008）的結論不同，本文的結果顯示，在房地產價格較高的城市，泡沫比率往往也較高。與此同時，泡沫比率的變化，無論在區域內城市，還是區域間城市，均呈現極大的相似性。具體而言，一線城市中，北京、廣州和深圳的泡沫變化態勢基本相同，均呈現平穩上升特征，而上海的泡沫變化則極不穩定，2003年以前變化較為平穩，2004年開始則加速攀升，2007年經歷一個小跳水后又開始上升。二線城市中，天津、重慶和南京泡沫變化態勢極其相似，先是逐步上升，在2005年達到峰值，然后在小幅回落后又開始攀升，而杭州的泡沫變化表現為近似線性攀升的顯著特征，總體泡沫水平在四個城市中始終居于首位。相對一線城市和二線城市而言，三線城市泡沫變化態勢的相似度最高，均表現為平穩上升。

（三）中國區域性房地產泡沫的利率調控效果分析

表5列出了中國區域性房地產泡沫面板回歸模型的固定效應和隨機效應估計結果，各模型回歸結果一致認為，利率對泡沫存在某種程度的放大效應，這說明利率上升在推動房價上漲的同時也對泡沫起推波助瀾的作用。進而言之，針對城市房地產價格和泡沫的利率調控基本失效。其原因主要表現為：一是利率調控的成本效應通過施加給房地產價格本身來推動其新一輪價格增長和泡沫膨脹；二是利率調控背景下，是否借款仍由市場參與者決定，如果其預期房地產走勢繼續向上，則仍會追加貸款，也即利率調控的間接效應和市場利好的預期效應會使政策效果收效甚微。另外，值得關注的是，對區域房地產泡沫影響最大的是前期房價和前期房價波動率，這表明市場總體向上走勢和適應性預期是當前中國大中城市出現顯著房地產泡沫的主要原因。

五、結論與政策建議

本文選取中國一線城市（北京、上海、廣州、深圳）、二線城市（天津、重慶、南京、杭州）和三線城市（長沙、福州、濟南、鄭州）共12個代表性城市1999—2008的年度數據，通過建立面板數據模型對中國的區域性房地產泡沫進行估計，借助面板數據單位根檢驗、協整檢驗和Granger因果檢驗對區域性房地產泡沫進行分析。結果顯示，在區域房地產價格較高的城市，泡沫比率通常也較高。總體而言，一線城市的泡沫比率最高（14.57%），二線城市次之（7.78%），最后是三線城市（4.72%），并且各線城市的泡沫程度有逐步放大的趨勢。對泡沫比率的面板回歸結果認為，利率上升在抬高房價的同時也會放大泡沫?；诖耍疚恼J為，針對房價上漲過快過猛的利率調控收效甚微。

由于區域房地產市場的發展狀況和市場特征存在較大差異，故而對各線城市的房地產泡沫進行調控須把握區域異質性，因時而異與因地而異，不能千篇一律。僅憑利率政策對房地產價格進行調控收效甚微，必須將價格性型政策工具和數量型政策工具相結合，譬如將利率工具、信貸工具和貨幣工具相結合，并與稅收政策、財政政策和土地政策等配套實施。對房地產價格的政策調控是一項系統工程，必須統籌兼顧，既要考慮房地產發展對國民經濟的刺激效應，又要兼顧房地產價格上漲過快過猛對民生建設和經濟穩定的不利影響。

大力發展房地產金融市場，繼續培育房地產市場機制，逐步完善房地產制度環境，積極引導房地產市場預期。通過實施房地產專項調控政策，而不是一般性貨幣政策，對房地產價格進行專項調控；通過建立房地產預警指標體系，而不是一般性經濟指標，對房地產價格進行專項監控；通過健全和完善房地產市場政策傳導機制，對房地產市場參與者的未來預期進行合理引導。

參考文獻：

[1]Margaret Hwang Smith and Gary Smith. Bubble， Bubble， Where's the Housing Bubble? [D].Brookings Papers on Economic Activity， 2006:1-68.

[2]Campbell， S.D.， Davis， M.A.， Gallin， J.， and R.F. Martin. What Moves Housing Markets: A Trend and Variance Decomposition of the Rent-Price Ratio[R]. Federal Reserve Board Working Paper， 2006.

[3]VyacheslavMikhed andPetr Zemcik.Testing for Bub-

blesin Housing Markets: A Panel Data Approach[D]. The Center

for Economic Research and Graduate Education-Economic Institute Working Papers，2007.

[4]Stephen Malpezzi.A Simple Error Correction Model of House Prices[R]. Wisconsin-Madison CULER Working Papers， 1998.

[5]Charles Himmelberg， Christopher Mayer and Todd

Sinai. Assessing High House Prices: Bubbles， Fundamentals， and Misperceptions[R]. Federal Reserve Bank of New York

Staff Reports， 2005。

[6]洪濤，西寶，高波.房地產價格區域間聯動與泡沫的空間擴散——基于2000—2005年中國35個大中城市面板數據的實證檢驗[J].統計研究，2007(8):64-67.

[7]范德宇，宋小寧.中國區域房價泡沫測度及空間傳染性研究——基于2001—2005年35個大中城市面板數據的實證分析[J].上海財經大學學報，2008(3):78-82.

[8]錢金保.中國房地產價格的泡沫檢驗和空間聯動分析[J].南方金融，2008(12):17-20.

[9]余壯雄，林建浩然.誰推高了房價?開發商、置業者還是地方政府[J].經濟學家，2010(5):30-38.

[10]韓麗鵬，謝秀娥，郭曉杰.我國房地產價格的財富效應研究—基于35個大中城市面板數據的分析[J].價格理論與實踐，2010(1):62-63.

[11]魏巍賢，李陽.我國房地產需求的地區差異分析[J].統計研究，2005(9):56-60.

[12]劉潔，李文.開征物業稅對房地產市場的影響—基于省際面板數據的分析[J].稅務與經濟，2010(1):85-91.

[13]余華義.經濟基本面還是房地產政策在影響中國的房價[J].財貿經濟，2010(3):116-122.

[14]Jesse M. Abraham， Patric H. Hendershott. Bubbles in Metropolitan Housing Markets[R]. NBER Working Paper，1994.

[15]Eric J.Levin， Robert E.Wright.The Impact of Speculation on House Prices in the United Kingdom [J].Economic Modeling， 1997(14): 567-585.