我國住房價格未來走向模擬與調控——基于人口結構和城鎮化長周期視角

葉 莉，孫潔雅，王樹強

（河北工業大學 經濟管理學院，天津 300130）

一、引言

近年來，我國人口結構的變遷、城鎮化進程的加快，一定程度上加劇了住房市場的供需矛盾，致使住房價格出現了新一輪的非理性上漲。但自2014年初，我國住房價格“高歌猛進”的增長態勢悄然消失，一些城市的住房價格出現了松動，“住房市場是否會崩盤”引發了眾多行業領袖和專家學者的激烈爭論。據現有國際經驗，投資和投機性需求自然是房價上揚的重要原因，但若忽視住房價格的根源性推動力——人口結構和城鎮化，那么這種非理性繁榮往往預示著衰退、蕭條的到來。以日本、美國為例，20世紀80年代日本地產市場出現泡沫，住房價格在1986—1989年翻了兩番，但因其未能及時消弭老齡化社會帶來的巨大壓力，90年代末住房市場出現了大崩潰；而20世紀70年代，美國20～30歲購房主力軍人口比重激增，推動房價上漲了近30%，但十余年后住房需求開始下跌，市場出現低迷，美國通過建立房利美及房地美、推行可調整的抵押貸款利率等金融手段，雖然緩解了人口結構變遷壓力，但同時也為2008年的金融危機埋下了伏筆。因此，為避免我國住房市場重蹈美、日覆轍，需在不過于依賴金融政策的前提下未雨綢繆，這勢必要從推動住房價格的根源——人口結構和城鎮化著手。而準確預測住房價格出現重要轉折的時間點，有助于政府依照住房市場的發展趨勢，更加細致地設計調控政策，更加精確地制定政策實施的時間及力度，確保住房市場的長期穩定。

Mankiw和Weil（1989）[1]采用近似索羅模型的平衡增長路徑分析法，證明了人口結構是美國20世紀70年代住房價格上漲的主要原因，且人口結構對住房價格的推動力會逐漸減弱，將于20年后消失，住房價格自此開始下跌；McFadden（1994）[2]通過延長時間序列數據對Mankin的研究做了進一步分析，結果顯示美國住房價格將于21世紀初陡降。Fumio Ohtake（1996）[3]和 Gabriels.Lee（2001）[4]采用相同的研究方法分別對日本和奧地利的人口結構和住房價格進行了分析，均得到了相同的研究結果。可見，眾多發達國家的住房價格上漲均與人口結構變遷密切相關，但就目前幾個新興經濟體發展現狀來看，劉穎春（2004）[5]、Ramesh Kumar（2011）[6]、駱永民（2011）[7]和鄧翔（2013）[8]等人發現人口結構并不是住房價格的唯一推動力，城鎮化也可通過刺激住房需求進而推動住房價格上漲。由此，部分學者從人口結構、城鎮化視角對住房價格進行了研究：李雄軍（2011）[9]通過匯總和分析1980—2010年相關數據發現，人口結構不僅與城鎮化有聯系，對住房價格也有一定的推動力。哈繼銘（2007）[10]認為我國住房價格受人口結構和城鎮化雙核驅動，并預計自2015年開始人口結構這一引擎將逐漸熄火，城鎮化馬力也將減弱，住房價格增速將會減慢；而楊靜（2012）[11]預測我國將于2027年進入老齡化社會，2023年進入城鎮化后期，在需求最大化的理想狀態下房地產還有10年的發展期。

由以上學者的研究成果可知，基于人口結構和城鎮化視角模擬房價的未來走勢具有重大的理論價值和實際意義。但眾多學者從人口結構和城鎮化視角討論住房價格走勢，其結果相差較大，且僅停留在定性分析上。此外，學者們在研究人口結構、城鎮化對住房價格的影響時，均將人口結構和城鎮化默認為互不影響，但實際上，人口結構和城鎮化緊密相關，人口結構不同，城鎮化發展水平和速度也會不同（Yasuhiro Sato，2004[12]；張立，2009[13]）。鑒于此，本文通過實證檢驗挖掘人口結構與城鎮化的關系，確定二者對住房價格的影響；再構建含有城鎮人口增速的Poterba模型，預測人口結構和城鎮化推動力減弱和消失的時間點，從而模擬住房價格未來走勢；最后確定人口結構和城鎮化對住房價格的影響程度，從戶籍制度、二胎政策和城鎮化速度三方面對如何保證住房市場健康平穩發展進行討論。

二、人口結構、城鎮化與住房價格間關系：實證檢驗

（一）指標界定與數據說明

人口結構包括人口自然結構、人口社會結構、人口地域結構和人口經濟結構。其中，人口自然結構包括年齡結構、性別比；人口社會結構包括家庭規模、人口收入結構和人口文化結構；人口地域結構包括非農人口比重、人口凈遷移率；人口經濟結構包括從業人員產業結構和從業人員職業結構。已有研究結果顯示，全國人口凈遷移率、從業人員職業結構、家庭規模和收入結構對城鎮化和房價呈弱勢影響[14]，且前兩個指標的統計困難、準確率較低。

鑒于此，秉著可得性、代表性和權威性原則，指標設定如下：X1為總人口年增加量；X2為14歲～64歲人口比重，即勞動力人口比重，代表人口年齡結構；X3為非農人口比重，代表擁有城市戶籍人口占總人口的比重；X4為第三產業從業人員人口比重；X5為6歲及6歲以上人口的人均受教育年限；X6為人均國民生產總值，該指標為除人口結構外影響住房價格的其他因素的代表性指標；Y為城鎮人口與總人口之比，代表城鎮化率；P為商品房平均銷售價格，由商品房銷售額除商品房銷售面積得到，代表住房價格。為了增加數據的平穩性，消除回歸方程的異方差，避免時間序列數據普遍具有的趨勢性，將各指標分別取對數。

本文選取1982—2011年數據，其中X1、X2、X3、X4和X5來源于2007—2011年《中國就業和人口統計年鑒》及1998—2006年《中國人口統計年鑒》，X6和Y源于《2012年中國統計年鑒》。其中，1983—1985、1989、1992年的勞動力人口比重為缺省值，根據該指標總體發展趨勢對數據進行了補充。

（二）格蘭杰因果檢驗結果

首先，采用ADF單位根檢驗法對以上8個變量進行穩定性檢驗，結果顯示各變量均為一階單整序列。根據AIC準則確定滯后階數，進行格蘭杰因果檢驗。結果如下：第一，城鎮化是住房價格的格蘭杰原因，住房價格亦是城鎮化的格蘭杰原因；第二，人口年齡結構、非農人口比重、總人口年增加量和人均國民生產總值是城鎮化發展的直接原因；第三，人均受教育年限和第三產業從業人員比重通過總人口年增加量影響城鎮化的發展，為城鎮化發展的間接原因；第四，人口結構各因素和人均國民生產總值均不是住房價格上漲的直接原因，通過城鎮化影響住房價格。可見，城鎮化進程加快刺激了住房價格上漲，而城鎮化進程加快又是由人口結構變遷引起的。由此，城鎮化是住房價格的直接推動力，而人口結構是住房價格的根本性原動力，且以城鎮化為媒介影響住房價格。

基于以上研究發現，以人口結構、城鎮化為切入點，可完美解釋2003—2013年住房價格為何會持續性上揚。從人口結構現狀來看：第一，作為由農村移居城市的主力軍，14歲～64歲人口比重逐年上升，于2010年達到頂峰，為74.53%，即10人中就有7.5人為勞動力人口；第二，我國人均受教育年限逐年提升，高校畢業生數量越來越多，僅2013年高校畢業生就有近700萬人，且大多選擇留在城市而不是返鄉；第三，第二、三產業的發展大大提升了城鎮吸納外來人口的能力，數億農村剩余勞動力開始轉向城鎮尋求工作機會。人口結構的優勢，再加之政府的支持和鼓勵，為城鎮化提供了絕佳的發展機遇，自1995年城鎮化進程開始加快，城鎮化率年均增加近1.4%。城鎮新增人口自然會產生住房剛性需求，同時改善性需求也在增多，加之住房供給的時滯性，多重壓力造成住房供給嚴重失衡，住房價格開始上揚。繼而，在利益驅動機制的作用下，熱錢不斷流入房地產業，建筑材料和土地資源也隨之漲價，致使住房價格繼續增高，形成惡性循環，造成住房價格持續非理性上漲。可見，若人口結構變遷和城鎮化進程對房價的根源性推動力消失，投資和投機性需求對房價的推行也只能是外強中干，房地產業的繁榮期也就持續不了多長時間，因此基于人口結構和城鎮化討論和預測房價的未來走勢更具準確性和科學性。

三、Poterba模型的構建與估算

（一）Poterba理論模型

1.模型基本假定條件

采用本模型預測住房價格，需滿足四個假設條件：（1）經濟具有中長期均衡的特征。即住房市場競爭完備，從中長期來看，市場處于均衡狀態，且供給等于需求，從而市場能夠出清；消費者和企業之間的信息完全對稱，兩者基于理性預期作出決策。（2）住房都是同質的。假設全國住房市場的住房存量為Q（t），在短期內住房存量保持不變；住房的實際價格為 P（Q），且 P（Q）＜0。（3）假設住房的需求量為Qd=f（R）N，且f′（R）＜0，其中R為每平方米的住房租金，N為城鎮人口總量；住房的供給量為QS，達到均衡的條件為Qd=QS=Q，即f（R）=Q/N。（4）令q=Q/N，則q為城鎮居民人均住房面積，市場出清時的每平方米的租金為 R=R（q），理論上 R′（q）小于零，但從我國的現實情況來看隨著人均住房面積的增加，住房價格不斷攀升，住房租金也在不斷上漲，因此，R′（q）＞0。

2.構建含有城鎮人口增速的Poterba動態均衡模型

（1）住房價格的變動方程

設住房的折舊率為δ，住房的維修費率為k，房產稅為μ，社會平均資本收益率為γ（金融機構一年期存款利率），則投資者不致虧損的必要收益率為w=δ+k+μ+γ，只有在購買住房的邊際收益大于等于邊際成本，即wp≥R（q）的情況下，消費者才具有購房的動機。住房的實際價格變動值等于投資者的必要收益減去住房的租金收入，即：

（2）住房存量的變動方程

住房的折舊率為δ，則住房存量的折舊量為δQ；設φN為城鎮竣工住宅建筑面積①，表示住房市場的供給量，供給由住房的實際價格決定，即φ=φ（P），并滿足φ′（P）＞0，則在考慮城鎮化水平的條件下，住房存量的變動方程為：

由 q=Q/N 得，q˙=（Q˙N-Q˙N˙）/N2，再令城鎮人口的年增長率為 n，n=N˙/N，則q˙=Q˙/N-nQ/N，將（2）式兩邊均除以 N，變為Q˙/N+δQ/N=φ（P），帶入（2）式，住房存量變動率的變動方程：

（3）Poterba動態方程組

將住房價格和住房存量變動方程聯立，構建含有城鎮人口增速的Poterba動態方程組：

為簡化Poterba模型的估算過程，本文借鑒J.M.Poterba[15][16]的研究成果，假設 R（q）和 φ（P）兩個函數中分別只有q和p一個自變量，且均為自變量的冪函數，即 R（q）=b1qb2，φ（P）=a1Pa2。簡化的 Poterba 動態方程組為：

方程組（5）用數學表達式形象地表述了住房市場相關變量之間的關系。從短期來看，住房存量變化率q和住房的實際價格P是固定不變的，即q˙=0，P˙Q=0，得到含有城鎮人口增速的住房存量與價格動態變化的局部均衡模型:

該式可用于對R（q）和φ（P）函數的估算。

3.Poterba模型計算方法

該模型利用兩點邊值問題和多重打靶法兩種數學思想，對住房價格（P）未來走勢進行求解。動態經濟系統的兩點邊值問題可用如下表達式表達：

其中，P為住房價格，q為城鎮人均住宅面積，Z代表影響住房價格的其他全部影響因素。Xt為n×1維列矩陣，Zt為k×1維列矩陣；Pt為m×1維列矩陣，qt為（n-m）×1為列矩陣。

（8）式為（7）式所滿足的邊值條件。由（7）式可知，Xt是Xt-1的函數，Xt-1是Xt-2的函數，逐步遞推可得，Xt是關于X0的函數，即可將（7）式變為Xt=H［X0；｛Zi｝i=0，t］。最終目的是為了找出P0=P*，使其滿足以下條件：

令Hm為H的前m個方程，則有Pt=Hm（X0；｛Z｝ii=0，）t=Hm］；｛Z｝ii=0，t），利用一級泰勒公式將其展開，展開式為：

若Hm為線性函數，（11）式是與事實完全相符的，得到的是精確的結果；若Hm為非線性函數，得到結果為近似值。若Hm為非線性函數，可根據多重打靶法，將［0，T］區間分為 N 等份，即［0，T1］，［T1，T2］，...，［TN-1，TN］，TN=T，由于 N 足夠大，可將任一區間［Ti-1，Ti］內的曲線近似看為直線，則有:

（二）模型估計

住房市場不同，函數 R（q）、φ（P）、w、δ 等參數會有很大的區別。為提高結果的準確性，本文結合相關文獻和我國住房市場實際情況，對w、δ進行假設。鑒于1987年以前，城鎮居民住房價格低于市場價格，故本文選取1987—2012年數據，利用線性回歸對R（q）和φ（P）進行估算，得出符合我國住房市場特色的Poterba動態模型。

1.模型相關系數假設及 R（q）、φ（P）函數估算

校準鄒至莊（2011）[17]等人的研究結果，以簡捷為原則，利用最小二乘法進行線性回歸，估算R（q）和 φ（P）兩個函數。

（1）估算 R（q）函數

假設折舊率δ=0.02，維修費率k=0.03，社會平均資產收益率γ=0.032，房產稅已在上海等幾個大城市試點，未來全面征收房產稅是大勢所趨，在此以上海為基準，其稅率為0.4%～0.6%，取中間值，令μ=0.005，則 w=0.087?？蓪?R（q）=wp 寫為：

其中，log（p）=β0＋β1log（q）-log（w）＋ε=β0＋β1log（q）＋ε1，顯然，β1為住房需求價格彈性的倒數。選取 1987—2012 年數據，log（wp）為因變量、log（q）為自變量，利用最小二乘法進行一元回歸，回歸結果為：

（2）估算 φ（P）函數

選取1987—2012年數據，以城鎮竣工住宅建筑面積/城鎮人口，即φ（P）為因變量，商品房平均銷售價格（p）為自變量，分別取對數表示為 lnφ、lnp，回歸結果為：

2.模型估算結果

根據R（q）和φ（P）的估算結果，將相應的計算結果和假設系數代入（5）式，得到與我國住房市場實際情況相符并融合城鎮人口增速的Poterba動態方程組：

其中，nt為第t年份城鎮人口增速；Pt為t年份住房價格，qt為 t年份城鎮居民人均居住面積；P˙t、q˙t為第 t年份 R（q）和 φ（P）函數的導數。

由估算過程可知，Poterba模型存在以下不足：一是，（16）式中 R（q）和 φ（P）中的常系數以及 w、δ和n均為估算值，且沒有實現動態化，精確率較差；二是，模型中R（q）的導數為正值，代表著住房需求價格彈性為正值。上述兩方面問題決定了住房價格模擬結果上漲幅度偏小，下降幅度偏大，住房價格具體數值失真。鑒于本文關注點為住房價格變動的時間點而不是其變動過程，因此上述問題并不影響本文的研究。

方程組（16）式中P˙t、q˙t為內生變量，nt為外生變量。換句話說，城鎮人口增速（nt）決定著房價的變動幅度（P˙t）。結果表明：一方面，隨著人口結構對城鎮化的推動力逐漸減弱及城鎮化進程的不斷加深，城鎮化速度會逐漸減緩；另一方面，1987年伊始，人口總量逐年下跌，2027年之后將轉為負增長。城鎮化速度的降低和人口總量下降兩方面因素決定了城鎮人口增速必然會逐漸降低。由此可推，隨著人口結構的變遷和城鎮化的發展，住房價格終將下跌。而房價具體將于何時轉為負增長，還需進一步估算。

四、模擬住房價格未來走勢

（一）預測城鎮人口變化趨勢，求解nt

1979年，諾姆瑟發現城鎮化發展全過程可以近似為一條被稍微拉平的S型曲線，稱為“諾姆瑟”曲線，具有階段性規律。本文通過模擬S型曲線預測2012—2050年城鎮化率。假設y為城鎮化率，t為時間，a、b為常數，則城鎮化發展歷程可用以下方程式表示。

兩邊取對數，則有：

令 y1=ln（1/y-1），β0=lna，β1=-b，（17）式變為 y1=β0+β1t。鑒于我國城鎮化自1978年才開始平穩增長，本文選取1978—2011年數據，令1978年t=0，1979 年 t=1，......，2011 年 t=33。根據 y求 y1，利用最小二乘法進行回歸，得到如下結果：

由（18）式可得，α=eβ0=4.664 59，b=-β1=0.047，從而城鎮化水平的時間序列方程式為：

根據（19）式，預測2012—2050年城鎮化率，結果如表1所示。

表1 2009—2050年中國城鎮化水平和增長率（%）

利用PANIS-INT人口軟件預測2012—2050年人口情況，具體來說，以2011年人口年齡結構為起始數據，假設總和生育率年均增長0.02，從2011年的1.3上升至2050年的2.10②，女性預期壽命從77歲升至2050年的81歲，男性預期壽命從72歲升至77歲。將所得2012—2050年人口總量預測數據與城鎮化率相乘，結果顯示，城鎮人口增長率與城鎮化率增長率變動情況基本相同。再加之人口結構對住房價格的推動力會先于城鎮化減弱和消失（哈繼銘，2007），為使之后的討論更加準確、便捷，本文用城鎮化率的增長率替代城鎮人口增長率，即2009年n為0.029，2010 年為 0.032，……，2050 年為0.007。

（二）住房價格走勢模擬結果及分析

由Poterba模型計算方法可知，采用該模型預測住房價格，涉及40余次迭代，計算過程復雜、出錯率高。為確保在短時間內得到高度準確的計算結果，本文以2009年的住房價格（P）和城鎮居民人均居住面積（q）為初始值，利用C++語言編程，進行41次循環。如圖1所示，自2014年開始，我國宏觀經濟減速換檔，住房市場供求矛盾逐漸緩和，住房價格增速放緩；2021年之后，住房市場進入調整期，該階段住房價格有兩種可能，一是名義住房價格不變，但因通貨膨脹實際住房價格緩慢下滑；二是名義和實際住房價格均開始下滑。

根據模擬結果，可將住房價格未來走勢劃分為三個階段：第一階段，2003—2013年，人口結構、城鎮化保持較強的推動力，住房價格增速持續上揚。第二階段，2014—2021年，隨著人口增量和勞動力人口比重的降低，人口結構、城鎮化的推動力減弱，住房價格增速開始下降，保持緩慢溫和的增長態勢。第三階段，2022—2050年，由PADIS-INT軟件預測結果可知，2022年之后我國人口增長速度基本為零，勞動力人口比重于2022年左右降至70%以下，總撫養比增至40%以上，城鎮的生活成本愈來愈高，城鎮化發展速度減緩，人口結構和城鎮化對住房價格的推動力消失。

可見，在現有人口結構演變路徑和城鎮化發展趨勢下，住房市場的繁榮至多再維持七年左右，若政府對住房價格的調控力度未能及時放松，致使住房價格提前下跌，其壽命可能會更短。住房市場憑借其高強度的產業關聯度，穩居我國經濟的支柱型地位，一旦住房價格下跌，如同多米諾骨牌，開發商失去信心，購房者因價格預期效應停止購房，住房市場及其相關產業出現頹勢，那么我國經濟必將出現動蕩甚至蕭條。就當前的實際情況來看，用七年的時間改變住房市場的經濟地位是遠遠不夠的。因此，若要保證我國經濟持續健康發展，住房市場的長期調控核心是：在防止住房價格反彈的同時，盡量延遲價格下跌的時間點，延長住房市場壽命，為經濟結構轉型爭取更多的時間。

圖1 2010—2030年我國住房價格模擬結果

五、住房價格模擬結果的影響路徑和調控策略

考慮到人口結構主要以城鎮化為媒介推動住房價格，本文首先采用線性回歸確定人口結構各因素對城鎮化的影響程度，再以調整Poterba模型的相關變量為手段，探究人口結構和城鎮化對住房價格的影響程度，進而分階段提出調控策略。

（一）確定人口結構各因素對城鎮化的影響程度

為避免出現多重共線性，本文以lnY為因變量，lnX1、lnX2、lnX3、lnX4 和 lnX5 為自變量，采用逐步回歸法篩選自變量，后剔除lnX4和lnX5兩個自變量?；貧w模型如下：

結果顯示F=1 594.973，檢驗值很大，回歸方程的整體是顯著的；R2=0.994 596，說明回歸方程的擬合程度很好；t檢驗結果表明四個解釋變量對lnurbanrate影響都很顯著。再對該回歸方程進行LM和white檢驗，檢驗結果顯示該回歸方程不存在自相關和異方差。據回歸結果所得彈性系數可知，勞動力人口比重對城鎮化影響最大，非農人口比重次之，人口增量影響最小。而人均受教育年限和第三產業從業人員比重對城鎮化沒有直接影響，可認為其對住房價格的影響較小。因此不討論對二者對住房價格的影響。

（二）探究人口結構與城鎮化對住房價格的影響程度

1.城鎮化對住房價格的影響最為顯著，且效果顯現速度最快。城鎮化對住房價格具有顯著正向影響，可直接調節模型中的nt估測其對住房價格的影響程度。由圖2可知，若城鎮化速度增加0.1%，即nt′=nt+0.001（t=0，1，…，42），住房價格于 2024 年左右轉為負增長；若增加 0.2%，即 nt′=nt+0.002（t=0，1，…，42），住房價格于2027年轉為負增長。可見，城鎮化對住房價格的影響顯著，且因其直接影響住房價格，調整效果可很快顯現。

圖2 2011—2030年不同城鎮化增速下住房價格增值

2.非農人口比重對住房價格的影響較大，效果顯現速度僅次于城鎮化。回歸結果顯示，非農人口比重對城鎮化率的彈性系數為0.189，可近似為非農人口比重增速每增加1%，城鎮化增速就會增加0.189%③。按此比例可知，若非農人口比重增速增加0.5%，則城鎮化速度增加0.099%，近似為0.1%，由上文分析結果可知，住房價格將于2024年轉為負增長（見圖2）；若非農人口比重增速增加1%，則城鎮化速度增加0.198%，近似為0.2%，住房價格于2027年轉為負增長?？梢?，以城鎮化為途徑，非農人口比重對住房價格影響顯著。而戶籍制度是調控非農人口比重的關鍵，因此可將該制度的改革作為調控住房價格的重要手段。

3.勞動力人口比重對第三階段的住房價格有一定的影響，人口總量對住房價格影響甚微?；貧w結果顯示，勞動力人口比重（X2）對城鎮化的影響最大，人口增量（X1）次之。理論上說，二者對促進城鎮化速度進而調控住房價格效果最佳，實際上人口政策具有較強的時滯性，因此若以實行單獨二胎或二胎政策為手段提高人口總量和勞動力人口比重，對“延長住房市場壽命”效果甚微④。但勞動力人口比重憑借其對城鎮化的強勁影響力，對減緩住房價格下跌趨勢效果甚佳。假設2030年后勞動人口比重年降幅減少0.1%，城鎮化速度增加0.19%，即nt1=nt+0.001 9（t=20，31，…，42），則住房價格降幅年均減少2%；若其下降幅度每年減少0.2%，城鎮化速度增加0.38%，住房價格降幅年均減少3%。可見，以提高勞動力人口比重為手段可有效緩解2030年后的住房市場困境。值得注意的是，隨著非農人口比重降幅的增加，對住房價格的影響效果會逐漸減少，以帕累托最優為原則，2030年之后，勞動力人口比重增速的增量應控制在0.2%之內，城鎮化速度控制在nt+0.4%之內。

（三）調整人口結構和城鎮化發展路徑，重塑住房價格未來走勢

基于以上研究可知，從長遠來看，應把人口結構和城鎮化作為重點調控手段，并輔以其他調控政策，標本兼治，從而實現住房市場緩慢溫和的增長態勢。2014年之后，人口結構和城鎮化的推動力減弱，住房價格增速下滑，該階段主要有兩項緊要任務：盡量延長住房市場壽命和提前為住房價格將轉為負增長做準備。一方面，應逐步放開抑制房價的調控政策，同時適度加大戶籍制度改革力度，減小非農人口比重下跌幅度，加快城鎮化步伐（上文分析可知速度增加幅度控制在0.2%左右），增加住房需求，可將住房價格負增長轉折點延長至2027年左右。另一方面，十八屆三中全會提出的“單獨二胎”政策會引起人口結構的變動，有利于緩解第三階段住房價格下滑困境，實現緩慢溫和的增長態勢。

六、主要結論

本文在確定人口結構、城鎮化和住房價格三者間關系的基礎上，建立了含有城鎮人口增速的Poterba動態均衡模型，從人口結構和城鎮化視角，對我國住房價格的未來走向進行了預測，并運用該模型對如何優化模擬結果進行了探討?；诒疚难芯?，可以得出以下結論：

1.我國新一輪的住房價格非理性上漲為雙核驅動，其中城鎮化為直接推動力，人口結構以城鎮化為媒介對其產生影響，為根本性原動力，且二者的推動力會逐漸減弱直至消失。就當前我國住房市場現狀來看，人口結構和城鎮化對住房價格的推動力減弱萌芽初現，并將于2021年左右消失，即在現有人口結構和城鎮化的發展趨勢下，我國住房價格在短期內不會出現暴跌或暴漲的情況，而是將維持一段時間（七年左右）的緩慢溫和增長態勢，之后進入調整期。

2.戶籍制度改革的力度和時間對住房價格存在著不可忽視的影響力。戶籍制度為調控非農人口比重增速的主要手段，其改革實施的時間決定了非農人口比重增速將于何時提高，改革力度決定了其增速提高的程度。而非農人口比重可以城鎮化為媒介，影響住房價格未來發展趨勢。由此，戶籍制度可通過調控非農人口比重影響住房價格。

3.因人口政策具有時滯性，“單獨二胎”政策僅能通過改變勞動力人口比重增速對2030年之后的住房價格產生影響，可緩解城鎮化減速和住房價格下滑時期的困境。由此，全面推行單獨二胎政策時，不必顧慮對其住房市場的影響，僅考慮人口基數問題即可。

4.人口結構和城鎮化對抑制當下住房價格攀升速度的效果甚微，但從長期來看，若主動、合理、恰當地調整二者的發展趨勢，適當輔以調整貸款利率等調控政策，可有效延長住房市場壽命，將其負增長轉折時間點推遲至2027年，同時還可緩解第三階段住房價格下滑的經濟困境。也即表明，從長遠來看，為實現住房市場可持續健康發展，需從人口結構和城鎮化著手。

需要說明的是，本文的研究方法還可以從以下兩個方面進行改進：一是Poterba模型預測的住房價格與實際值有較大的偏差，可借鑒其他發達國家發展經驗，將折舊率、維修率等指標動態化，減少偏差；二是人口結構、城鎮化和住房價格都具有強烈的地域性特點，而且城鎮化對住房價格的推動力與城市的經濟發展水平和城鎮化水平有關，可進一步根據各地區的實際發展特點，分區域對該問題進行研究，更具針對性。

注釋：

①住宅市場具有城鎮區域屬性，鑒于此，本文只考慮城鎮住宅的竣工面積。

②我國統計數據顯示，2011年的總和生育率為1.18，由于存在漏報、錯報等情況，導致結果數據偏低，鑒于此，本文將2011年總和生育率假設為1.3。而維持一個國家和地區人口規模長期穩定所需要的平均每個婦女生育2.1個孩子，十八屆三中全會提出的單獨二胎政策意味著我國總和生育率將有一定的提升，本文假設其每年上漲0.02，則我國將于2050年恢復至穩定水平，即2.1。

③lny=β0+β1lnx式中 β1≈，因此可近似認為x增速每增加1%，y的增速增加β1。

④假設2015年開始全國范圍施行單獨二胎，用3年左右改變部分大城市居民的生育觀念，2018年出現嬰兒潮，人口總量降幅開始下降，人口負增長可延遲3～5年。但在2032年之前，由于人口總量的降幅減小，勞動力人口比重會加速下降，直到嬰兒潮時期出生的嬰兒成長為勞動力人口之后，即2032年，勞動力人口比重開始迅速上漲。2032年之前，總人口對城鎮化的推動力增加，勞動力人口比重的推動力減弱，兩者相抵，可近似認為城鎮化增速保持不變，由此對2032年之前的住房價格幾乎沒有影響。

［1］Mankiw N.G ，Weil D.N.The Baby Boom，the Baby Bust and the Housing Market［J］.Regional Science and Urban Economics，1989，（19）：235-258.

［2］McFadden D.Demographics，the Housing Market，and the Welfare of the Elderly［M］.National Bureau of Economic Research，1987.

［3］Fumio Ohtake，Mototsugu Shintani.The Effect of Demographics on the Japanese Housing Market［J］.Regional Science and Urban Economics，1996，（26）：189-201.

［4］Gabriels.Lee.Austian Demograghy and Housing Demand：Is The a Connection［J］.Empirica，2011：259-276.

［5］劉穎春.城市化過程中人口變動趨勢對我國房地產開發的影響［J］.人口學刊，2004，（3）：45-48.

［6］Ramesh Kumar Jain.Houses Turn Gold as Prices Skyrocket［J］.Money Today，2011，（10）.

［7］駱永民.城市化對住房價格的影響：線性還是非線性？——基于四種面板數據回歸模型的實證分析［J］.財經研究，2011，（4）：135-144.

［8］鄧翔，孔紅枚.基于動態面板模型的城市化與住房價格關系研究［J］.統計與決策，2013，（2）：105-107.

［9］李雄軍，姚樹潔.計劃生育、城市化與我國住房市場的發展［J］.當代經濟科學，2011，（5）：74-77.

［10］哈繼銘.人口結構與城市化推動房地產發展［J］.中國房地信息，2007，（7）：28-29.

［11］楊靜.中國人口變化趨勢及其對經濟趨勢的影響［J］.中國經濟參考，2012，（56）：65-75.

［12］Yasuhiro Sato，Kazuhiro Yamamoto.Population concentration，urbanization and demographic transition［J］.Journal of Urban Economics，2005，（58）：45-61.

［13］張立.論我國人口結構轉變與城市化第二次轉型［J］.城市規劃，2009，（10）：35-44.

［14］葉青，葉越，徐瓊.人口結構特征及對城鎮化和房價的影響——基于湖北省第六次人口普查及有關資料［J］.調研世界，2012，（6）：40-44.

［15］James M.Poterba.Inflation Income Taxes and Owneroccupied Housing［J］.Harvard University，1980：1-30.

［16］JamesM.Poterba.Tax Subsidesto Owner-occupied Housing：An Asset-market Approach ［J］.The Quarterly Journal of Economics，1984，（11）：729-752.

［17］鄒至莊，牛霖林.中國城鎮居民住房的需求與供給［J］.金融研究，2010，（1）：1-11.

［18］葉莉，張曉云，陳立文.中國房地產市場價格波動中的金融心理屬性猜想——一個理論模型和現實解釋［J］.廣東金融學院學報，2011，（5）：3-11.