中國房價決定、泡沫測度及波動效應分解
——基于35 個大中城市的實證分析

鄭世剛，嚴培勝

（湖北經(jīng)濟學院 a. 經(jīng)濟與貿(mào)易學院；b. 信息管理與統(tǒng)計學院，武漢 430205）

一、引言

1998 年房地產(chǎn)市場化改革以來，中國房地產(chǎn)業(yè)迅速發(fā)展，不僅成為國民經(jīng)濟的重要支柱產(chǎn)業(yè)，而且也為經(jīng)濟增長起到了顯著的拉動作用。但與此同時，房價的大幅上漲和波動導致實際房價持續(xù)偏離長期均衡價格，引發(fā)了社會各界對房價泡沫問題的廣泛關注。房價泡沫化不僅使房地產(chǎn)市場的投機成分大幅增加，對剛性需求產(chǎn)生擠出效應，而且可能使大量資源流入房地產(chǎn)業(yè)，對實體經(jīng)濟產(chǎn)生擠出效應[1]；房地產(chǎn)市場的持續(xù)失衡也會危害其他部門的穩(wěn)定性，如金融部門[2]，從而對經(jīng)濟增長產(chǎn)生抑制作用。2008年以來，中央政府頻繁干預房地產(chǎn)市場，但許多研究表明政府的調(diào)控政策收效甚微[3]，甚至造成了房價失衡的進一步擴大。究其原因在于，長期以來，由于缺乏動態(tài)一致性[4]和前瞻性[5]，缺乏對房價泡沫的科學度量，忽視城市異質(zhì)性而采取“一刀切”的方式等原因，導致調(diào)控政策僅具有短期效應。因此，新一輪房地產(chǎn)制度改革中，在不放松短期調(diào)控的條件下，中央政府開始著力推進基礎性制度和長效機制建設。2016－2018 年中央政府連續(xù)提出了“房地產(chǎn)長效機制”的建設目標與要求，2016 年明確了“房住不炒”的定位方向，2017 年提出了“差別化調(diào)控”的新思路，并在2018 年將這一思路進一步明確為“因城施策、分類指導”。顯然，“房住不炒”“長效機制”以及“因城施策”構成了當前房地產(chǎn)政策體系的核心內(nèi)容。而有效落實這些政策思路，首先需要明確房價的決定因素，如此才能為構建長效機制的內(nèi)容體系提供基礎；其次需要確定房價泡沫的程度、產(chǎn)生原因與特征，如此才能有針對性地實施“因城施策”策略。

本文的研究思路按照上述問題展開，結構安排為：第二部分為文獻綜述，指出已有研究的不足和本文的創(chuàng)新點；第三部分為理論分析與模型方法；第四部分為實證檢驗與結果分析；最后為結論與政策建議。本文的研究希望能夠為中央政府進一步實施異質(zhì)化政策、構建長效機制提供理論依據(jù)和經(jīng)驗支持。

二、文獻綜述

房地產(chǎn)業(yè)具有產(chǎn)業(yè)鏈長、關聯(lián)度高等特點，與消費、生產(chǎn)和宏觀經(jīng)濟都存在著顯著的相關性。已有文獻在非常廣的范圍內(nèi)探討了房價的決定因素，但這些研究大都基于某一研究意圖，主觀性地選取某些因素，通過實證檢驗得到這些因素對房價的解釋作用。而究竟哪些因素共同決定房價，現(xiàn)有研究并未給出有說服力的結論。Konstantin 和Ulbricht（2015）[6]利用Abraham 和Hendershott（1996）[7]等文獻關于房價決定因素的研究結論，通過BMA 方法提取出人口密度、人均按揭貸款、收入差距和失業(yè)率等四個決定因素，顯然這一結論并不能全面反映房價的決定因素，但為獲取房價的共同決定因素提供了思路。

由于市場非理性，資產(chǎn)價格并不總能完全反映基本面[8]，Blanchard 和Fischer（1989）[9]將資產(chǎn)價格超出經(jīng)濟基本面價格的部分定義為資產(chǎn)泡沫，“如果一種資產(chǎn)的價格高??，而與經(jīng)濟的基本面沒有關系，那么泡沫就存在了”[10]。房價泡沫是資產(chǎn)泡沫的重要構成部分，因此可以將房價泡沫定義為房價中超過基礎價值的部分[11]。由于目前中國房價持續(xù)失衡，因此房價泡沫測度對房地產(chǎn)市場調(diào)控和風險處置具有重要的實踐意義，但在Blanchard 和Fisher（1989）[9]看來，實體經(jīng)濟價格的計算是難點。現(xiàn)有文獻對房價泡沫的測度主要使用兩類方法。一類是指標法，通過構造某些指標對房價泡沫進行度量，如房價收入比、租售比、空置率等指標。代表性文獻有Case 和Sheller（2003）[12]、呂江林（2010）[13]、張川川（2016）[14]等。雖然指標法直觀方便，但并不能合理地反映經(jīng)濟基本面差異較大地區(qū)的實際情況，尤其是對指標臨界值的選擇主觀性較強，存在諸多爭議。另一類是統(tǒng)計檢驗法，根據(jù)統(tǒng)計數(shù)據(jù)的規(guī)律性，通過單位根檢驗和協(xié)整檢驗，檢測房價泡沫是否存在。Hamilton 和Whiteman（1985）[15]提出單位根檢驗，Diba 和Grossman（1988）[16]則提出不僅要進行單位根檢驗，還應進行協(xié)整檢驗，但統(tǒng)計檢驗法的缺陷在于其無法剔除周期影響，因而無法保證檢驗結果的準確性。

基于房價泡沫定義，Abraham 和Hendershott（1994）[7]提出了基本面價格模型法，通過計算基礎價值，即基本面價格，并將其從實際房價中剔除，從而得到房價泡沫水平。大量研究表明，經(jīng)濟基本面是決定均衡房價的最主要原因[1][17]，能夠很好地解釋房價[18～20]。但由于基本面價格的獲取取決于大數(shù)據(jù)樣本和描述經(jīng)濟基本面指標的準確性和有效性，因此該方法未能得到廣泛應用，直到近年來中國部分學者才開始使用該方法對房價泡沫進行測度和分析，如高波等（2014）[21]、孟慶斌和榮晨（2017）[1]、陳卓（2018）[17]等。在經(jīng)濟基本面指標的選取上，已有文獻大都基于主觀經(jīng)驗選擇某幾個變量構建基本面價格模型，如Quigley（1999）[22]使用收入、總人口和就業(yè)等指標，鄒至莊和牛霖琳（2010）[23]使用人均收入和建筑成本，孟慶斌和榮晨（2017）[1]選取利率、地價、通脹率等變量，陳卓（2018）[17]使用人均可支配收入、總人口規(guī)模等因素。如何避免主觀影響，客觀有效地描述經(jīng)濟基本面，Konstantin 和Ulbricht（2015）[6]的研究為本文提供了非常值得借鑒的思路。

目前房價泡沫如何形成遠沒有達成共識，但大量研究表明預期是房價泡沫的重要解釋。Kindleberger（1996）[24]將資產(chǎn)泡沫描述為“一種或一系列（資產(chǎn)）在一個連續(xù)過程中陡然漲價，開始的價格上漲會使人們產(chǎn)生還要漲價的預期??，隨著漲價，常常是預期的逆轉??”。Case 和Shiller（2003）[12]、Piazzesi和Schneider（2009）[25]發(fā)現(xiàn)預期對美國房地產(chǎn)市場的繁榮起到了重要作用，Kanik 和Xiao（2014）[26]的研究表明預期能夠解釋房價波動的30%左右。在國內(nèi)的研究中，梁云芳和高鐵梅（2006）[27]、況偉大（2010）[28]、陳卓（2018）[17]等均提出了預期對房價泡沫形成的重要性。泡沫理論認為，在有限理性和非有效市場假設下，預期往往會引發(fā)投資者的投機行為和羊群行為，在市場供需機制的作用下，歷史房價的上漲或下跌將引致本期房價的上漲或下跌，并導致實際房價對基本面價格的偏離。市場機制之外，政府政策在預期以及房價泡沫形成中同樣起到了重要作用[29]，大量研究表明房價在很大程度上受到政策環(huán)境影響[30～31]，政府調(diào)控政策，尤其是貨幣政策，是造成短期房價波動的重要原因[32]，陳利鋒（2016）[33]認為2002 年以來中國政府的調(diào)控政策與民眾預期保持了顯著的一致性，預期的變化與房價波動存在顯著的協(xié)動關系。因此，基本面價格之外的房價偏離，即房價泡沫，可以分解為市場效應和政策效應，通過這種劃分，能夠觀察兩種機制對房價泡沫的影響，尤其是不同城市的具體表現(xiàn)，從而可以為評價宏觀調(diào)控效果和分城施策等提供經(jīng)驗依據(jù)。

本文通過構建房價決定模型對中國35 個大中城市的房價泡沫進行了測度，并對房價波動進行了效應分解。主要創(chuàng)新點表現(xiàn)為以下幾方面：一是基于經(jīng)濟基本面模型，從理論上構建了房價泡沫測度模型，并以預期理論為基礎，分析了房價泡沫的產(chǎn)生機理；二是區(qū)別于主觀選擇房價影響因素的做法，采用貝葉斯模型平均（BMA）方法，提取出了對房價最具解釋力的因素；三是從預期構成和影響機制等不同維度對房價泡沫進行了效應分解，發(fā)現(xiàn)預期的調(diào)整效應使房價泡沫得到有效縮減，市場機制對房價的影響較為平穩(wěn)，而東部城市的房價上漲主要源于政策機制的影響。

三、理論分析與模型方法

（一）房價泡沫度量模型與方法

上述房價泡沫的測度方法中，基本面價格模型法最符合房價泡沫的含義，即實際房價中超出均衡價格的部分，根據(jù)經(jīng)濟基本面因素求出基本面價格（或均衡價格）后，將其從實際房價中剔除，從而得到房價泡沫，即：

定義泡沫度為房價泡沫部分與均衡價格的比值，即：

P、P*分別為實際價格和均衡價格，由不同因素決定，包括基本面價格因素 Xit和非經(jīng)濟基本面因素，分別表述為如下函數(shù)關系式：

基于主觀經(jīng)驗選取房價決定因素通常會導致變量間出現(xiàn)交叉影響和多重共線性問題，并且在構建模型時，無法事先確定哪些因素應進入房價決定系統(tǒng)，即存在不確定性問題，變量組合即使通過了可靠性和穩(wěn)健性檢驗，也無法確定其是否為最優(yōu)組合。

為解決房價決定模型的不確定性，Leamer（1978）[34]提出了BMA 方法，后經(jīng)Raftery 等（1997）[35]和Fernandez 等（2001）[36]加以完善，在許多領域得到廣泛應用。BMA 方法的基本思想是利用變量集合X 的先驗信息和先驗概率，得到各模型的后驗概率，通過進一步計算得到各個解釋變量的后驗包含概率（PIP）、后驗均值（PM）及后驗方差；然后根據(jù)PIP 的高低確定入選的變量組合，根據(jù)模型的后驗概率比較不同單一模型的優(yōu)劣。比較而言，BMA 方法假設檢驗簡便，不需要對總體和樣本統(tǒng)計分布進行事先假設檢驗；能夠充分利用信息，將每個候選模型參數(shù)的后驗估計概率進行加權平均，避免了人為篩選可能造成的信息損失；通過計算每一個假設的后驗概率，能夠?qū)γ總€解釋變量和模型的優(yōu)劣進行評價。

參數(shù)后驗概率、模型后驗概率、參數(shù)后驗均值和參數(shù)后驗方差分別表示為：

當集合X 的變量數(shù)目較大時，候選模型的數(shù)量也會很大，導致參數(shù)和模型后驗概率的迭代計算非常困難，采用馬爾科夫蒙特羅模型綜合（ MC3）抽樣技術能夠提高計算效率。 MC3抽樣技術的基本思路是以特定概率抽取出備選模型，再以特定概率接納該模型，因此有效信息越多的變量和后驗概率越高的模型，更大概率會被接受。

（二）基于預期的房價泡沫分解

為了進一步分析房價泡沫的產(chǎn)生及其特征，本文以預期理論為基礎，根據(jù)預期對房價影響的效應差異，將其從構成上分為慣性預期和調(diào)整預期，從機制上分為市場基本面變化形成的預期和政策變化形成的預期。

1. 慣性預期效應和調(diào)整預期效應

適應性預期理論解釋了預期對房價的影響，認為投資者會根據(jù)資產(chǎn)價格的歷史信息對當前價格的預期進行修正，本期價格變動與上期價格變動有關，而與下期價格變動無關。

投資者受到“買漲不買跌”心理的驅(qū)使，當歷史價格上漲時，價格差增加了投資者的獲利機會，出于慣性，投資者將預期本期價格上漲，從而增加需求；反之，歷史價格下跌時，投資者預期本期價格下跌，從而減少需求。由于歷史價格變動趨勢導致的慣性預期對房價的影響效應定義為慣性預期效應。但投資者的預期也會受到經(jīng)濟基本面所處階段的影響，當經(jīng)濟繁榮時，實際房價高于基本面價格，在慣性預期基礎上，投資者會正向調(diào)整房價上漲預期；反之，當經(jīng)濟衰退時，投資者會負向調(diào)整房價預期。這種調(diào)整的預期對房價的影響效應定義為調(diào)整預期效應。

運用Abraham 和Hendershott（1996）[7]、Capozza 等（2002）[19]的思路，式（2）變換為：

將式（9）代入式（1）中，得到以下房價泡沫的函數(shù)關系式：

其中， pt、分別表示本期房價和本期均衡房價的變化率。

2. 市場效應和政策效應

市場機制是決定房價的基礎，理論上，市場供需的短期失衡會使實際房價經(jīng)常性地偏離基本面房價，而預期又將進一步強化這種偏離狀態(tài)，導致市場失靈，并產(chǎn)生房價泡沫。由于市場不完善，如果沒有其他機制介入，市場可能長期處于失衡狀態(tài)，造成社會福利損失。通常政府干預是彌補市場失靈的重要機制，政府通過“相機抉擇”和“反周期”政策，能夠在一定程度上逆轉投資者預期，“熨平”周期波動，從而實現(xiàn)短期房價趨近于長期均衡。因此房價泡沫可以看作這兩種機制綜合影響效應的結果，理論上政策機制對房價的作用方向與市場機制相反。

分解兩種效應的難點在于政府的調(diào)控政策難以量化，很難完全有效地獲得政策對房價的影響。但在基本面價格模型下，可以先分解出市場機制對房價的影響，再從房價泡沫中分解出政策對房價的影響。具體參考Capozza 等（2002）[19]的處理方式，考慮市場機制、預期與房價的邏輯關系，采用預期與基本面價格因素的交互項表征市場機制對房價泡沫的影響，表示為如下函數(shù)關系：

四、實證分析

（一）數(shù)據(jù)與變量說明

與省際數(shù)據(jù)相比，35 個大中城市代表了各省份和地區(qū)的最高經(jīng)濟發(fā)展水平和市場化水平，選取35個大中城市的面板數(shù)據(jù)能更好地反映房價波動。時間范圍界定為1999－2017 年，共形成665 個數(shù)據(jù)樣本，所有數(shù)據(jù)來自中國統(tǒng)計局、中經(jīng)網(wǎng)、中國人民銀行以及各城市歷年的《統(tǒng)計年鑒》。

使用BMA 方法提取房價決定因素，需事先構建房價影響因素集。本文使用文獻分析法，以“房價”及相似主題詞進行文獻檢索，文獻范圍限定為CSSCI 來源期刊，時間范圍為1998 年至今，共得到3227篇文獻，經(jīng)分析處理，選取其中的219 篇文獻進行文本分析，提取出79 個房價影響因素，在頻次統(tǒng)計后，舍棄頻次僅為1 的因素，最終得到包含35 個因素的集合（見表1），涵蓋了宏觀、產(chǎn)業(yè)、成本、行政、人口、市場、收入和土地等8 個方面。

按通常做法，所有價格和收入指標取實際值，并剔除通脹影響。為避免異方差和量綱的干擾，所有非比例和非比率指標均作對數(shù)化處理。接下來對部分變量的含義加以說明：使用城市常住人口與戶籍人口的差額表征城市化；使用進出口總額占GDP 的比重表征對外開放度；采用范新英和張所地（2018）[37]構建的產(chǎn)業(yè)結構合理化指標表征產(chǎn)業(yè)泰爾指數(shù)；使用（0，1）虛擬變量表征限購；使用房地產(chǎn)開發(fā)企業(yè)非自籌資金與銷售額的80%表征信貸；分別使用中國人民銀行一年以內(nèi)和五年以上的貸款利率減去同期的通貨膨脹率表征短期實際利率和長期實際利率；使用城市常住人口增加數(shù)減去戶籍人口數(shù)表征人口流動；使用滯后一期房價表征預期；使用城鎮(zhèn)人均可支配收入與農(nóng)村人均純收入之比表征城鄉(xiāng)收入差距。

（二）基本面價格決定因素分析——基于BMA 和MC3 方法

表1 顯示，各變量均值均大于標準差，不存在異常數(shù)據(jù)。本文使用R 軟件，調(diào)用BMS 程序包進行MC3抽樣和BMA 分析。35 個解釋變量共形成235個備選模型，設定基準模型的先驗概率為均勻分布，參數(shù)的先驗概率為隨機g 型分布。從候選模型中抽取5010000 個模型，其中初始的10000 次抽樣為預熱實驗，其余的5000000 次抽樣作為模擬樣本。相關性檢驗表明上述模型非正定，分析結果顯示部分變量間存在強相關性，通過使用逐步回歸法發(fā)現(xiàn)土地購置費是造成強相關性的原因，考慮到地價已經(jīng)包含土地購置費的信息，因此刪除該變量，保留剩余的34 個變量。

表1 房價影響因素

圖1 顯示了房價后驗模型規(guī)模分布的均值，模型規(guī)模呈均勻分布，均值為16.78，并達到最大值，概率值達到99%以上，意味著單一模型平均包含16 個有效解釋房價的變量。BMA 估計結果顯示于表2，后驗概率（PIP）反映了各解釋變量對房價的解釋能力，符號確定率指的是所有包括該解釋變量的估計結果中，變量系數(shù)符號與后驗均值符號一致的概率，反映了該變量的穩(wěn)健性。

圖1 房價后驗模型規(guī)模分布均值

表2 所列16 個變量為中國房價的決定因素，其中地方財政支出、長期實際利率和信貸為政策因素，預期是形成泡沫的最重要因素，因此選取剩余的12 個變量為基本面價格決定因素。按PIP 排序，分為兩組。第一組包括9 個變量，后驗概率均大于0.9，對房地產(chǎn)基本面價格具有最為顯著的解釋能力。其中，房地產(chǎn)施工面積、銷售面積、失業(yè)率和固定資產(chǎn)投資額的后驗均值為負，符號確定率為0，表明這4 個變量對房價的影響雖然顯著，但影響方向不確定。其余5 個變量的后驗均值均為正，與后驗標準差的比值都大于2，意味著這些變量對房價具有顯著的正向決定作用。第二組包括3 個變量，后驗概率介于0.5～0.8，對房地產(chǎn)基本面價格具有一定的解釋能力。后驗均值均為正，且與后驗標準差的比值大于1，符號確定率為1，表明這3 個變量對基本面價格具有較為顯著的正向決定作用。

通過改變參數(shù)和模型的先驗概率，模型規(guī)模均值、變量后驗概率、均值以及符號均與原實證結果相同，表明BMA 的估計結果有效且穩(wěn)健。

表2 BMA 估計結果

（三）房地產(chǎn)基本面價格估計

首先，對面板數(shù)據(jù)進行檢驗。Levinlin 平穩(wěn)性檢驗表明主要變量平穩(wěn)，可以進行下一步分析；方差膨脹因子檢驗結果顯示，模型VIF 值等于12.6，大于10，解釋變量間存在多重共線性問題，其中房地產(chǎn)開發(fā)投資的VIF 值超過50，是造成多重共線性的重要原因，而去掉該變量后，模型的VIF 值降至7.27，不再存在明顯的多重共線性；面板數(shù)據(jù)通常存在異方差問題，white 檢驗結果證實了這一點，同時檢驗結果顯示也存在序列相關。

其次，模型選擇。為了驗證模型是否存在內(nèi)生性，采取兩種方法，一種是求取所有解釋變量與模型擾動項的相關系數(shù)，結果顯示不存在相關性；二是利用Hausman 和Davidson-Mackinnon 檢驗，結果拒絕原假設。兩種方法均證實模型不存在內(nèi)生性。在此基礎上，Hausman 檢驗表明應選擇固定效應模型，為解決異方差和序列相關問題，本文采用“OLS+穩(wěn)健性”處理方式。

表3 報告了房價決定模型的估計結果，包括房地產(chǎn)基本面價格的決定模型和引入預期的房價決定模型兩部分。基本面價格回歸結果顯示，與模型（1）OLS 估計相比，采用固定效應模型后，模型（4）的擬合度（A-R2）得到提升，選取的基本面因素較好地解釋了均衡房價，系數(shù)符號基本符合解釋變量與被解釋變量的函數(shù)關系。具體來看，固定資產(chǎn)投資每變化1%，將引起基本面房價變化0.16%；房地產(chǎn)銷售面積每變化1%，將引起基本面房價變化-0.15%；人均消費支出每變化1%，將引起基本面房價變化0.15%。這三個變量是影響中國房地產(chǎn)基本面價格的最主要因素，其次建筑成本（0.07%）、地價（0.06%）、人口增長率（0.01%）也是基本面房價的主要影響因素，其他因素的影響系數(shù)較小或者不顯著。

表3 房價決定模型估計結果

（四）房價泡沫估計

以上述基本面房價模型為基礎，擬合導出對應的基本面房價，然后根據(jù)式（2），得到35 個大中城市的泡沫度，圖2～5 分別報告了35 個大中城市總體樣本及東部、中部和西部城市的泡沫度情況。

圖2 35 個大中城市泡沫度總體情況

圖3 東部城市泡沫度

圖4 中部城市泡沫度

圖5 西部城市泡沫度

從整體上來看，2008 年之前，房地產(chǎn)市場處于增長階段，實際房價與基本面房價的偏離幅度較小，基本不存在房價泡沫；而2008 年金融危機的爆發(fā)使房價偏離基本面房價之后，2009－2016 年，大部分城市的實際房價與基本面房價的偏離呈增長趨勢；2017 年，這一偏離急劇下滑，除少數(shù)城市（如北京、上海、深圳、石家莊和呼和浩特）外，實際房價均大幅低于基本面價格。由此可以看出，房價泡沫主要存在于2009－2016 年。

將35 個大中城市按所屬區(qū)域分為東、中、西部城市三個樣本，分別包含16、8、11 個城市?？梢园l(fā)現(xiàn)，假設以10%為分界線，2009 年以來，房價泡沫主要集中于東部城市，這一期間有11 個城市的泡沫度高于10%，其中北京、上海、深圳、廈門等城市的房價泡沫尤為顯著。與東部城市相比，除某些時間點的個別城市外，中、西部城市未顯示出高于基本面價格的泡沫現(xiàn)象，反而呈現(xiàn)出明顯的低估特征。

從峰值表現(xiàn)來看，不同區(qū)域城市的房價泡沫度峰值年份并不一致。具體表現(xiàn)為，東部城市的泡沫度峰值出現(xiàn)在2009－2010 年，另一峰值出現(xiàn)于2016 年；中部城市的峰值出現(xiàn)在2011－2012 年，而西部城市的峰值出現(xiàn)于2012 年?？梢钥闯?，不同區(qū)域間的房價泡沫存在一定的傳染性和遞進特征。

（五）房價波動效應分解

如表3 所示，基本面房價模型中引入預期因素后，模型的擬合度基本沒有發(fā)生變化。從變量的系數(shù)值來看，預期不僅對實際房價具有顯著的影響，而且系數(shù)值達到了0.242，即預期變化1%，將導致實際房價變化0.242%；其他變量系數(shù)值或有所降低，或保持不變。因此，綜合基本面房價和實際房價的估計結果，預期是解釋兩種房價差異的最重要原因。接下來從兩個角度對房價波動進行分解。

1. 預期效應分解

如上文所述，從構成上，預期對房價泡沫的影響可以分為慣性預期效應和調(diào)整預期效應。利用式（9），通過差分將所有解釋變量轉換為變化率指標，以泡沫度為被解釋變量，使用固定效應模型進行估計。

表4 報告了房價波動預期效應的估計結果，可以看出，慣性預期和調(diào)整預期對房價波動具有顯著的影響效應。其中，慣性預期效應為0.248，表明在適應性預期下，房價具有正反饋效應，房價歷史變化率對房價泡沫具有正向促進作用，上期房價的增長會導致本期房價加速上漲；反之，上期房價下跌會導致本期房價加速回落。調(diào)整預期效應為-0.452，表明當實際房價偏離基本面房價時，房價會產(chǎn)生負反饋效應，也就是說房價具有自我矯正能力。由于預期的負向調(diào)整效應大大強于正向慣性效應，因此當房價大幅上漲時，慣性預期將使房價泡沫自我強化，而調(diào)整預期將使房價泡沫自我抑制，兩相比較，房價泡沫在預期作用下得到了有效縮減。

表4 房價波動預期效應估計結果

2. 機制效應分解

根據(jù)式（11）的設定，房價泡沫是市場機制和政策機制共同作用的結果，在對面板數(shù)據(jù)進行各種檢驗后，本文使用固定效應模型對房價波動的兩種效應進行了估計分析。同時，為具體反映房價波動的特征，將35 個大中城市按所屬區(qū)域劃分為東、中和西部三個部分（見表5）。

由于篇幅所限，表5 主要報告了2009、2011、2013、2015 和2017 年的市場機制和政策機制對房價波動的影響效應，圖6～9 描述了1999－2017 年所有城市以及東、中、西部城市的房價波動表現(xiàn)。綜合分析，房價波動具有如下特征。

表5 房價波動機制效應估計結果

第一，不同城市的市場效應和政策效應的大小與方向不盡相同，表現(xiàn)出明顯的差異性。除濟南、青島、沈陽、天津等城市以外，東部城市的市場效應和政策效應非常顯著，大部分時間內(nèi)，兩種效應均為正值，從而對房價上漲產(chǎn)生疊加效應。與東部城市相比，市場機制和政策機制對中、西部城市的影響效應普遍較小；一定時期內(nèi)，這些城市的市場效應和政策效應方向相異，對房價波動產(chǎn)生對沖效應，使房價波動幅度較小。

第二，不同時期的房價波動表現(xiàn)出明顯的周期性，具體劃分為四個階段：1999－2004 年、2005－2008年、2009－2014 年以及2015－2017 年。以東部城市為例，2004 年之前，整體上房價波動基本穩(wěn)定，市場效應和政策效應不斷下降，同時實際房價趨近于基本面房價。也就是說，這一期間的房地產(chǎn)市場逐漸趨向均衡。但隨著2003 年政府宏觀調(diào)控之后，房價波動日益增加，尤其是第三階段最為顯著，實際房價大幅正向偏離均衡價格。從中、西部城市來看，房價波動的周期性特征較弱，除中部城市2010－2013年的影響效應為正值外，大部分時間內(nèi)，這些城市的整體房價均趨向均衡房價。

第三，政策效應對房價波動的影響顯著。整體上看，市場效應比較穩(wěn)定，表明經(jīng)濟基本面是實際房價變化的重要基礎。與市場效應相比，政策效應是房價大幅波動以及房價泡沫的重要原因，尤其是對東部城市而言，2004 年以來，政策效應大幅高于市場效應，2009－2010 年這一差距達到最大?？疾鞖v年的調(diào)控政策，可以發(fā)現(xiàn)房價波動與調(diào)控方向表現(xiàn)出明顯的相悖性。2004－2007 年調(diào)控政策普遍從緊時，政策效應卻逐漸增強；2008 年調(diào)控政策放松時，政策效應減弱；2009－2010 年調(diào)控政策再次從緊時，政策效應也再次增強。2012 年之后，調(diào)控政策雖然逐步趨于理性和科學化，強調(diào)供給側改革和構建與完善房地產(chǎn)市場長效機制，但并未改變政策效應的態(tài)勢。直至2017 年，實際房價負向大幅偏離基本面價格，其中，市場機制的影響與其他年份基本無異，但除北京、深圳、石家莊和呼和浩特外，其他城市政策機制的影響效應均為負值，并且大都在20%以上。如此表現(xiàn)與2017 年的宏觀調(diào)控是密不可分的，2017年房地產(chǎn)市場的調(diào)控力度和廣度遠超他年，調(diào)控政策覆蓋110 個城市和部門，發(fā)布次數(shù)多達250 次以上，是造成實際房價大幅下跌的主要原因。

為何會造成政策調(diào)控的實踐效果與理論預期相反？許多文獻分析認為，中國宏觀調(diào)控缺乏長期性、側重需求端；地方政府由于存在土地財政粘性，從而偏向房價上漲。當政府實施房價抑制政策時，一方面，投資者預期未來房價會再次上漲，從而形成套利空間，并導致需求增加；另一方面，由于供給不足，限購、限價等政策將進一步強化投資者對市場短缺的預期，從而使調(diào)控政策的效力減弱。顯然，投資者的預期逆轉了原調(diào)控體系的政策效應，這也解釋了為什么2010 年以來雖然中國實施了嚴格的限購、限價、限貸等政策，但房價反而陷入了越調(diào)越漲的窘境。

圖6 35 個大中城市房價波動效應估計結果

圖7 東部城市房價波動效應估計結果

圖8 中部城市房價波動效應估計結果

圖9 西部城市房價波動效應估計結果

五、結論與建議

基于基本面價格模型法，本文構建了房價泡沫測度模型和泡沫分解方程。與已有文獻不同的是，本文在文獻分析的基礎上，構建了包含35 個變量的房價影響因素集，利用BMA 方法和MC3技術提取出了16 個房價決定因素，其中12 個構成了基本面房價的決定因素。在估計基本面房價的基礎上，利用泡沫度公式計算出了35 個大中城市的泡沫水平，結果顯示房價泡沫主要存在于2009－2016 年，2008 年之前35 個大中城市基本上沒有房價泡沫，而2017 年的實際房價大幅低于基本面房價。引入預期因素后，結果表明預期對實際房價具有顯著的解釋作用，是實際房價偏離基本面房價的重要原因。本文從預期的構成以及房價的影響機制兩個方面對房價波動效應進行了分解。一方面，將預期分為慣性預期和調(diào)整預期，結果顯示兩者對房價波動均具有顯著影響，在慣性預期效應作用下，房價具有正反饋作用，而調(diào)整預期效應使房價產(chǎn)生負反饋作用，并且后者大大強于前者，因此，房價泡沫在預期作用下得到有效縮減。另一方面，市場機制和政策機制對東部城市的影響效應最為顯著，且均為正值，對房價產(chǎn)生疊加效應，而中、西部城市的兩種效應具有對沖效果，從而使得房價波動幅度較小。分項來看，市場效應較為平穩(wěn)，但2004 年以來，東部城市的政策效應大幅高于市場效應，是造成房價大幅波動以及房價泡沫的重要原因。由此也產(chǎn)生了一個問題，即政策調(diào)控實踐與理論相悖，本文認為這是預期逆轉所致，原因在于中國調(diào)控政策缺乏長期性、側重需求端以及政府偏向房價上漲。根據(jù)實證分析結論，提出如下政策建議：

一是繼續(xù)推進房地產(chǎn)業(yè)的市場化改革，發(fā)揮市場配置資源的基礎功能。本文實證結果表明，近年來中國房價泡沫集中于東部城市，并且政策調(diào)控是導致房價大幅波動以及房價泡沫的重要原因。同時，市場機制對東部城市實際房價的影響效應較為平穩(wěn)，頻繁的政策干預反而擾亂了房地產(chǎn)市場秩序，造成房價持續(xù)偏離均衡水平。因此，實現(xiàn)房地產(chǎn)市場的健康平穩(wěn)發(fā)展，應盡快健全和完善市場機制，發(fā)揮市場在資源配置中的基礎作用。

二是完善預期影響房價的傳導機制，發(fā)揮預期在房價波動中的“穩(wěn)定器”作用。實證結果表明，預期對房價具有顯著的自我矯正能力，雖然預期具有慣性，但這種負向反饋效應能夠?qū)崿F(xiàn)房價對均衡水平的收斂。只是已有政策調(diào)控體系大都注重短期效應，缺乏動態(tài)一致性，導致房地產(chǎn)市場中存在大量的套利機會和預期逆轉現(xiàn)象，造成調(diào)控政策失效。因此，一方面，應大力推進供給側結構性改革，重點實施增加住房供應、改善住房供給結構的舉措，如加大租賃住房供應、發(fā)展共有產(chǎn)權住房等，實現(xiàn)供需均衡；另一方面，加快房地產(chǎn)稅制改革，實施差別化信貸政策，構建土地供應與房價、人口掛鉤的長效平衡機制，盡快完善房地產(chǎn)市場平穩(wěn)健康發(fā)展的長效機制，促進房地產(chǎn)市場調(diào)控政策的連續(xù)性和穩(wěn)定性。

三是推動差別化調(diào)控，防止房價“大落”。實證結果表明，不同城市的房價泡沫特征具有差異性，“一刀切”式的調(diào)控政策無法兼顧不同城市的具體情況，并且在東部與中、西部城市之間人為地創(chuàng)造了尋利空間，一方面導致東部城市的房價越調(diào)越漲，另一方面使中、西部城市房價持續(xù)低于均衡水平。因此，應分清中央和地方事權，允許地方政府根據(jù)實際情況，因城因時精準施策。同時應注意到，截至2016年，只有東部城市的泡沫度還處于高位，中、西部城市的泡沫度已經(jīng)回落。但此后房地產(chǎn)調(diào)控的力度不減反增，2017 年、2018 年分別被稱為“最嚴調(diào)控年”“最頻繁調(diào)控年”，各城市和部門發(fā)布的調(diào)控政策依次達到250 次、450 次以上。雖然2019 年中央政府以“穩(wěn)”為政策基調(diào)，包括“穩(wěn)地價、穩(wěn)房價、穩(wěn)預期”，但絕大多數(shù)城市的泡沫水平已經(jīng)急劇下降，實際房價也大幅低于均衡水平。因此，未來房地產(chǎn)調(diào)控的重心不應再是抑制泡沫、“防大起”，而應是謹慎降溫、“防大落”。