人口老齡化對重慶房價的影響

周寧琪 胡藝馨 孫笑

摘 要：人口老齡化和房價都是現今社會關注的焦點問題。人口老齡化對社會消費、人口組成結構等有所影響。房價具有穩定物價，保障民生等方面的作用。本文將以重慶為例，研究人口老齡化對重慶房價的影響，驗證人口老齡化與重慶房價之間的相互關系、相互作用，以此預測在人口老齡化背景下重慶房價的走向及人口老齡化的緩解是否有利于重慶房價的穩定。本文通過建立的VAR模型對數據分析得到城鎮化率對當地商品房均價的影響較大，城鎮人口對當地商品房均價不存在明顯的因果關系，影響較小。

關鍵詞：人口老齡化;房價;VAR模型

一、引言

根據國家統計局最新公布的統計數據顯示，2019我國的人口總數為140005萬人，65周歲及以上人口為17603萬人，占我國總人口的比重為12.6%。而根據《2019年重慶統計年鑒》，重慶老年撫養比已達到了11.56%。人口老齡化現象的加劇，開始引起我國社會各界的關注，家庭人口結構的變化可能會直接或者通過經濟影響間接導致房地產的供需關系波動，人口老齡化將對社會勞動供給、資源分配、人均儲蓄以及社會福利等形成一個長久而持續的影響。

二、文獻綜述

在人口老齡化的社會背景下分析對房價上漲的影響。這一立題豐富了影響房價上漲因素的研究方向。本文以重慶房價為例，在人口老齡化的影響下對其進行理論與實證研究。為未來重慶房價與人口老齡化之間的聯系與作用關系提供新的思路與研究數據。

在中國城市化快速發展的同時，人口老齡化趨勢也更加明顯，中國是目前世界上最大的發展中國家，我國老年人的人口比重也是十分龐大的，而老齡化的問題不僅是數量增多的問題，還存在著一系列因數量增多和老年人口比重變化引起的其他問題，徐建煒等（2012）則將人口結構的變化作為研究切入點，以此來分析研究我國住房價格持續上漲的現象。而葉永剛等（2016）認為人口年齡結構的變化能夠決定房地產未來的發展。而程彥斌（2013）等研究認為，我國人口總規模在今后20～30年內仍將增長，鄒瑾研究表明老齡化帶來的房價波動滯后于老齡化進程，但在長期和短期內存在不同的效應，在短期內，老年人口比例對房價呈負向作用。國外相關學者之間也存在分歧，Yu Chen等（2012）研究表明人口老齡化——或者更普遍的年齡結構變化——不太可能是房價的主要決定因素，至少在蘇格蘭是這樣。而Lindh等（2008）認為，大量的年輕人與較高的住宅建設率相關，但與那些超過75歲的人相比，則有一個顯著的負面影響。

從以往的研究來看，我們發現大多數的學者都將房價市場的研究著眼于老齡化作用于房地產價格的理論機制，關于老齡化對于房地產價格影響的相關研究較為豐富，所得結論多樣化。近年來，隨著城市經濟的蓬勃發展，越來越多的年輕人選擇在城市定居和工作，家庭人口結構的變化可能會直接或者通過經濟影響間接導致房產的供需關系，進而作用于房地產價格老齡化代表著整個人口結構的老化。目前的研究還可以進行進一步的深入。本文將嘗試在前人的研究基礎上，綜合考慮影響房產價格的因素，以重慶為例，定性研究和定量研究相結合，調查近幾年老齡人口數量、重慶房價漲幅情況、房價的影響因素等數據，參考相關研究報告進行定性分析。再結合VAR計量經濟模型，判斷老齡人口的數量和重慶房價的變化情況之間的相互關系，對重慶房價和人口結構變動進行預測，研究人口老齡化對重慶房價影響與其二者的相互作用關系。

三、實證模型

1.變量說明

本文運用1989年01月--2018年12月的時間序列數據來對重慶市房價的影響因素進行實證分析。本文選取商品房銷售額（CHS）和城鎮人均可支配收入（PCD）來衡量居民的房屋購買力，用老年撫養比（ODC）作為衡量城鎮老齡化水平的變量（該變量由城鎮人口總數，城鎮化率以及65歲以上城鎮人口數量換算得出），商品房銷售均價（PS）由商品房銷售面積（SAC）和商品房銷售額（CHS）換算得出，所用數據均來源于中國統計局網站，重慶市統計局網站，及中國經濟網。為了消除時間序列產生的異方差，我們將數據進行對數處理。對于某些年份的缺失數據，我們將通過對月度數據進行加權平均，并且根據收集到的數據整合推算數據。

由于本文中所使用的的數據均是時間序列數據，能夠建立可行的VAR模型的前提，是數據是否平穩，否則檢驗結果會出現虛假回歸。因此，為了消除時間序列的異方差，我們對以上數據進行對數處理。

2.模型構建

本文選擇VAR模型作為分析針對老齡人口的相關數據對住房價格形成的影響，并選擇重慶住房銷售量和老年撫養比作為衡量老齡人口對房價的影響指標，同時將家庭戶規模、城鎮化率、重慶地區生產總值、城鎮居民人均可支配收入等影響房價的重要因素作為共同解釋變量，構建VAR模型如下：

公式中 是n維列向量，T是樣本數，W是滯后階數， 是n*1誤差向量，A為n×n系數矩陣。令 =（LnGDPt，LnODCt，LnCRt，LnRPt，LnHNt，LnPCDt，LnSACt，LnCHSt，LnPSt）。其中LnPS、LnRP、LnCR、LnGDP、LnODC、LnHN、LnPCD、LnSAC、LnCHS表示自然對數的商品房銷售均價、城鎮人口數、城鎮化率。為重慶地區生產總值、為老年撫養比、為家庭戶數、城鎮人均可支配收入、商品房銷售面積、商品房銷售額。

四、模型估計結果分析

本文基于Eviews平臺建立var模型。

為防止偽回歸問題出現，可對序列進行采用單位根檢驗，若序列不平穩，則可以采用差分或者取對數的方法對有關數據進行預處理使其變為平穩序列然后進行Granger檢驗或直接將非平穩數據進行Johansen檢驗，然后進行誤差修正。由于年度數據年份較少，故將var模型分成兩個模型建立，單獨研究城鎮人口數、城鎮化率對商品房銷售均價的影響和家庭戶數、生產總值對商品房銷售均價的影響。

1.城鎮人口、城鎮化率對商品房銷售均價的影響

本文先對數據進行單位根檢驗（采用ADF檢驗的方法），若數據不平穩，則提前對數據進行處理，使其變為平穩序列。對城鎮人口數、城鎮化率和商品房銷售均價的平穩檢驗得出，商品房銷售均價和城鎮人口數均不通過單位根檢驗，數據不平穩。對數據取對數后，商品房銷售均價、城鎮人口數和城鎮化率均通過1%顯著性水平下的穩定性檢驗，本文的研究取5%的顯著性水平，故通過預處理，三類數據均變為平穩數據。

在Eviews平臺將lnps、lnrp、lncr以var模型的形式打開。在Eviews中進行滯后階數判斷，設定滯后階數為2時，Lag下滯后階數為2時*最多，模型擬合效果最好，程序運行結果如表4.2，故選擇滯后階數為2階。

在eviews平臺中，引入1989年-2018年的重慶市商品房銷售均價、城鎮人口和城鎮化率城鎮人口、城鎮化率和商品房銷售均價的var模型，得到以下估計結果：

2. GRANGER因果關系檢驗

GRANGER因果關系檢驗是考察變量之間在時間上的先導—滯后關系。且VAR模型的另一個重要應用就是用來檢驗一個變量與另一個變量是否存在Granger因果關系，這也是建立VAR模型的需要。我們對各變量序列進行因果檢驗，以進一步分析商品房均價與其他解釋變量之間是否存在因果關系。

從GRANGER因果關系檢驗結果中可知;在5%的顯著性水平下，商品房銷售價格與城鎮化率互為格蘭杰原因，說明城鎮化率的變動能引發商品房銷售均價的變動，商品房銷售均價的變動也能引發城鎮化率的變動，表明城鎮化率與老年人口總量存在相互反饋作用。城鎮人口數和城鎮化率互為GRANGER原因，其次，商品房銷售價格和城鎮人口數之間存在單向因果關系，表明商品房銷售價格能夠引起城鎮人口數的變化，而城鎮人口數量的變化并不是商品房銷售價格變動的直接原因。

3.脈沖響應分析

對城鎮人口數（RP）、城鎮化（CR）、人均地區生產總值（GDP）、家庭戶數（HN）分別施加一個脈沖，城鎮人口數對商品房銷售均價的影響波動小，最后趨近于0;城鎮化對商品房銷售均價的影響逐漸減少，最后收斂于0;人均地區生產總值對商品房銷售均價的影響在第4期達到最大，然后逐漸減小，最后收斂于0;家庭戶數對商品房銷售均價的影響正負波動，逐漸增加。由于篇幅問題，我們對于其他變量的具體問題不做過多的展示。

4.方差分解分析

對城鎮人口數（RP）、城鎮化（CR）、人均地區生產總值（GDP）、家庭戶數（HN）進行方差分解，城鎮化對商品房銷售均價的影響大于城鎮人口數對商品房銷售均價的影響，且在第14期后趨于穩定;人均地區生產總值對商品房銷售均價的影響大于家庭戶數對商品房銷售均價的影響，且在第6期后趨于穩定。

5.生產總值、老年撫養比、家庭戶數、城鎮人均可支配收入、商品房銷售面積、商品房銷售額對商品房銷售均價的影響

對家庭戶數、生產總值、老年撫養比、城鎮人均可支配收入、商品房銷售面積、商品房銷售額和商品房銷售均價進行單位根檢驗都不能通過5%顯著性水平下平穩性，若直接使用不平穩序列建立方程可能出現偽回歸現象，使方程失去意義。對此，將這七類數據進行對數處理，處理后生產總值、商品房銷售額、商品房銷售面積和商品房銷售均價能同時通過5%顯著性水平下的平穩性檢驗。但處理后的生產總值、商品房銷售額、商品房銷售面積和商品房銷售均價在Eviews中無法建立Var模型，因此生產總值、商品房銷售額、商品房銷售面積對商品房銷售均價沒有影響。

五、結論和建議

我們通過在Eviews平臺中建立VAR方程的方法，研究了重慶生產總值、老年撫養比、城鎮化率、城鎮人口數、家庭戶數、城鎮人均可支配收入、商品房銷售面積、商品房銷售額對重慶商品房均價的影響。通過對數據的分析，得出對以下結論：

城鎮化率和城鎮人口數二者的對數可以通過單位根檢驗也可以與商品房均價建立VAR方程，并得到方程（2）。方程可以通過格蘭杰因果檢驗，在進行脈沖響應和方差分解時可以得出：重慶城鎮人口和重慶城鎮化率能對重慶商品房均價產生影響，城鎮人口數對商品房銷售均價的影響波動小;城鎮化率對商品房銷售均價的影響逐漸減少。城鎮化率對商品房銷售均價的影響大于城鎮人口數對商品房銷售均價的影響。

對此，我們提出以下建議：

1.建立健全交通體系、基礎設施，提高城鎮化率

俗話說，要致富先修路。交通的便利在一定程度上決定了一個地區的繁榮程度。不少開發商會選擇在輕軌周圍開發樓盤，提高樓盤的價值。因此，交通的便利性是一個地區“富”起來的關鍵要素之一。建立健全交通系統能有效加快城鎮化進程。

不少從業人員選擇外出務工是為了給家人更好的生活條件，因此加強建設基礎設施、提高教育醫療環境等能在一定程度上提高居民生活環境。

2.保護地方產業，加快產業發展

人是發展的核心。由于經濟資源的匱乏，不少鄉鎮的青壯年會選擇外出務工，因此在我國，鄉鎮的老齡化程度日益加深。因此，政府可以通過財政等方面的幫扶，保護地方產業，加快產業發展，為居民提供就業支撐，使當地經濟朝多元化發展。

著力推進土地、住房、投融資等重點領域改革，建立健全農業轉移人口市民化激勵體制機制，建立地區中心生活圈。

2020年是我國全面小康的決勝階段，在實行城鄉一體化等政策的大環境下，政府不能忽視城鎮化對房價的影響。在城鎮化的同時，社會老齡化程度在不斷加深，年輕一代的知識水平、思維方式與老一輩差異較大。因此年齡段與受教育程度對房價的影響可以成為一個新的研究方向。

參考文獻

[1] 曾洋洋，文春暉.少子老齡化與中國房價波動的動態傳遞——基于1999-2013年省際面板數據的VAR模型分析[J].中國經貿導刊，2015（24）：69-70.

[2] 何興強，楊銳鋒.房價收入比與家庭消費——基于房產財富效應的視角[J].經濟研究，2019，54（12）：102-117.

[3] 萬曉莉，嚴予若，方芳.房價變化、房屋資產與中國居民消費——基于總體和調研數據的證據[J].經濟學（季刊），2017，16（02）：525-544.

[4] 張一星.人口老齡化對我國房價的影響——基于中國省際面板數據分析[J].當代經濟，2016（30）：4-7.

[5] 徐建煒，徐奇淵，何帆.房價上漲背后的人口結構因素：國際經驗與中國證據[J].世界經濟，2012，35（01）：24-42.

[6] Yu Chen，Kenneth Gibb，Chris Leishman，Robert Wright. The Impact of Population Ageing on House Prices：A Micro‐simulation Approach[J]. Scottish Journal of Political Economy，2012，59（5）.

[7] Lindh，Thomas，Malmberg，Bo. Demography and housing demand--what can we learn from residential construction data？[J]. Journal of Population Economics，2008，21（3）.

基金項目：重慶第二師范學院高等教育教學改革研究項目“大數據戰略背景下應用型本科生 數據思維能力培養探索與實踐”（JG2018034），重慶第二師范學院人才引進項目“基于大數據的宏觀經濟預警研究”（2018BSRC002）。

指導老師：李映橋