鄭世剛

(湖北經(jīng)濟學(xué)院 經(jīng)濟與貿(mào)易學(xué)院，湖北 武漢 430205)

一、引言與文獻綜述

房地產(chǎn)業(yè)是中國國民經(jīng)濟的基礎(chǔ)性和先導(dǎo)型產(chǎn)業(yè)，對實際經(jīng)濟活動具有顯著的重要性，同時房地產(chǎn)在中國城市居民家庭資產(chǎn)中所占的比重接近70%，房價具有顯著的財富效應(yīng)。因此，房價的穩(wěn)定不僅關(guān)系到房地產(chǎn)市場的健康發(fā)展，對國民經(jīng)濟平穩(wěn)增長以及家庭安定同樣意義重大。但是2003年以來，中國各省市的房價呈現(xiàn)出全面顯著的快速上漲趨勢，房地產(chǎn)市場持續(xù)失衡，由此中央政府對房地產(chǎn)市場進行了頻繁的干預(yù)，但大量研究表明短期調(diào)控政策收效甚微，甚至成為房價急劇上漲的重要原因。2016年以來，中央政府連續(xù)提出“構(gòu)建和完善房地產(chǎn)市場長效機制，實現(xiàn)市場平穩(wěn)健康發(fā)展”，并要求“深入研究長期的基礎(chǔ)性制度安排”。顯然，長期內(nèi)穩(wěn)定房價是長效機制建設(shè)的內(nèi)在核心目標(biāo)之一，而實現(xiàn)這一目標(biāo)的關(guān)鍵在于抓住房價的長期決定力量，因此研究中國房價的長期影響因素具有很強的現(xiàn)實意義。

2000年之前，在供需框架下研究房價影響因素是基本范式，大量學(xué)者認為經(jīng)濟基本面能夠很好的解釋房價。Hort、Capozza等分別對瑞典和美國的研究均表明，經(jīng)濟基本面因素對房價具有很好的解釋力，但在中國制度環(huán)境下，有些學(xué)者認為這一解釋力隨時間推移而逐漸減弱，安輝和王瑞東認為中國經(jīng)濟基本面與房價之間缺乏穩(wěn)定的關(guān)系，房價很大程度上受到政策環(huán)境的影響[1-4]。事實上，由于中國房地產(chǎn)市場樣本期較短，Mcquinn和Oreilly所提出的 “房價在長期主要反映經(jīng)濟基本面”的觀點仍然值得信賴[5]。

影響房價的經(jīng)濟基本面因素的研究文獻非常豐富，其中收入、人口和消費者預(yù)期等被廣泛討論。Goodman認為居民持久收入對房價具有重要影響，Capozza等、Lamont和Stein則分別強調(diào)真實收入、人均收入的跨期變動和滯后一期的房價收入比對房價的解釋作用，而中國學(xué)者大都強調(diào)可支配收入的影響作用[6，2，7]。在人口因素方面，Mankiw和Weil關(guān)注了新生兒對房地產(chǎn)市場的影響，徐建煒等采用了Mankiw和Weil的計量方法，研究了少年人口撫養(yǎng)比和老年人口撫養(yǎng)比對真實房價的不同影響，陳斌開和林毅夫的研究很好的擬合了不同年齡段人口住房需求與房價的關(guān)系[8-10]。近幾年中，預(yù)期對房價的影響引起廣泛關(guān)注，但是否是房價的決定因素，存在較大分歧。有學(xué)者認為房價主要受市場主體行為因素的影響，消費者和開發(fā)商的一致性預(yù)期一旦形成，則預(yù)期對房價的影響最大。與之相反，況偉大認為經(jīng)濟基本面對房價的影響要大于預(yù)期和投機，而史永東和陳日清則認為房價自身的變動才是房價上漲的主要原因[11-12]。

顯然，需求面是現(xiàn)有研究的主要方向，供給面的研究則非常缺乏。建筑成本和地價是房價的主要構(gòu)成部分，但對它們與房價之間關(guān)系的認識并不一致。許多學(xué)者認為建筑成本是房價的主要影響因素，尤其在長期中影響顯著，但也有學(xué)者認為建筑成本對房產(chǎn)開工的影響并不顯著，而新建房產(chǎn)量的價格彈性較小，因此建筑成本并不能解釋房價變化[11]。一部分學(xué)者認為地價上升將導(dǎo)致房價上升[13]，但許多學(xué)者對兩者的因果關(guān)系提出質(zhì)疑，認為地價不是房價的原因，而是房價的結(jié)果。

政策因素對中國房價的影響是顯著的，但大量學(xué)者對政策的有效性提出了質(zhì)疑，認為中國政策的困境在于缺乏動態(tài)一致性和前瞻性。政策因素是否構(gòu)成決定房價的長期力量，看法并不一致。許多研究表明，長期內(nèi)房價與利率負相關(guān)，但也有觀點認為信貸政策對中國房價具有顯著的正向影響。許多學(xué)者從中國實際入手，提出中長期內(nèi)利率對房價的影響較弱，利率對房價的解釋力不強，相比而言，信貸工具更為有效。關(guān)于房產(chǎn)稅的研究，大量研究表明房產(chǎn)稅能夠在長期內(nèi)推高房價，但也有研究認為稅收政策不能顯著影響房價，不能對稅收的作用過高估計。

可以看出，房價的決定因素非常復(fù)雜，尤其是中國房價，其影響因素不僅眾多，而且多元。已有文獻大都基于經(jīng)驗，主觀性的選擇某個或某些因素作為房價的解釋變量，使用回歸方法進行實證檢驗，這一研究思路的問題在于無法事先確定哪些變量應(yīng)當(dāng)引入模型中，變量之間存在的多重共線性可能造成估計結(jié)果存在嚴重偏誤，導(dǎo)致模型產(chǎn)生解釋變量的不確定性。Raftery和Fernandez的研究證實BMA方法能夠有效解決模型的不確定性問題，并在多個領(lǐng)域得到了廣泛應(yīng)用，如經(jīng)濟增長、能源問題、公司治理、環(huán)境規(guī)制等，但鮮有對房價問題的應(yīng)用研究。為克服模型不確定性對房價影響因素研究的影響，本文選取1999年—2017年35個大中城市的面板數(shù)據(jù)，利用貝葉斯模型平均(BMA)方法展開研究，并以此為基礎(chǔ)，探討中國房地產(chǎn)長效機制的構(gòu)建。

二、研究模型與方法

(一)現(xiàn)有研究模型和方法的局限

現(xiàn)有研究通常以房價為被解釋變量，以房價的影響因素集合為解釋變量建立多元線性模型，利用回歸方法得到各解釋變量的系數(shù)，從而實現(xiàn)對房價決定因素的描述。

由于房價系統(tǒng)復(fù)雜，集合中的元素數(shù)量可能較大，將所有影響因素納入線性模型，可能使模型失去解釋意義，因此現(xiàn)有研究通常通過經(jīng)驗或逐步回歸法等方式，從集合中選取少量元素構(gòu)建模型。這一思路存在明顯的局限性：一是變量的選取具有主觀性和經(jīng)驗性；二是變量間可能存在交叉影響，很難避免多重共線性問題，因此在實證中不得不采取復(fù)雜的方法進行處理，如GMM方法、工具變量法等；三是無法事先確定哪些因素應(yīng)進入房價決定系統(tǒng)，導(dǎo)致模型存在著不確定性問題，即使選取的變量組合通過了可靠性和穩(wěn)健性檢驗，也無法確定是否為最優(yōu)組合。

(二)本文研究方法

1.文獻分析法。為了避免變量選取的主觀性，本文使用文獻分析法，通過統(tǒng)計現(xiàn)有文獻中關(guān)于房價影響因素的研究結(jié)論，從而建立能夠包含盡可能多的因素的集合。

2.BMA方法。為了解決模型的不確定性，1978年Leamer提出了BMA方法，其后經(jīng)過Raftery等和Fernandez等得以發(fā)展完善。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解釋變量的后驗包含概率(PIP)、后驗均值(PM)以及后驗標(biāo)準差(PSD)，由此，一方面可以根據(jù)PIP的高低確定應(yīng)選取的變量組合，另一方面可以根據(jù)模型的后驗概率比較不同單一模型的優(yōu)劣。

與傳統(tǒng)方法相比，BMA方法具有三個方面的優(yōu)勢：一是假設(shè)檢驗簡便，不需要事先設(shè)定樣本的概率分布，直接根據(jù)模型或變量的后驗概率進行判斷，從而規(guī)避了對“總體和樣本統(tǒng)計分布”進行假設(shè)檢驗的難點；二是信息利用充分，利用參數(shù)先驗信息，將每個候選模型參數(shù)的后驗估計概率進行加權(quán)平均，避免了人為篩選可能造成的信息損失；三是多重假設(shè)檢驗處理便利，通過計算每一個假設(shè)的后驗概率，并以此作為評價解釋變量和模型優(yōu)劣的標(biāo)準。

根據(jù)已有研究的做法，本文假定樣本y和模型Mj給定條件下參數(shù)向量αj的先驗分布為DUIP，所有模型的先驗概率為均勻分布。

3.MC3方法。當(dāng)變量數(shù)目較大時，候選模型的數(shù)量也會非常大，導(dǎo)致參數(shù)和模型后驗概率的迭代計算變得困難，因此通常會采用馬爾科夫蒙特羅模型綜合(MC3)抽樣技術(shù)對模型進行抽樣。MC3抽樣技術(shù)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，從而提高計算效率。

三、數(shù)據(jù)和變量選擇

(一)數(shù)據(jù)

中國房價的面板數(shù)據(jù)主要有五種：一是省際面板數(shù)據(jù)，但該種數(shù)據(jù)由于加總或平均，可能抹掉了實際數(shù)據(jù)信息；二是30個省會城市數(shù)據(jù)；三是典型城市數(shù)據(jù)，但截面過小；四是35個大中城市；五是70個大中城市住宅銷售價格指數(shù)，但由于發(fā)布較晚(1)2006年1月開始發(fā)布新建商品住宅銷售價格指數(shù)，2011年1月開始發(fā)布新建住宅銷售價格指數(shù)。，通常序列較短。綜合來看，35個大中城市包含了直轄市、省會城市、自治區(qū)首府以及14個單列城市，這些城市是各個區(qū)域經(jīng)濟發(fā)展水平最好的和市場化程度最高的代表性城市，使用這一數(shù)據(jù)更能反映房價的長期決定因素。因此，本文選取35個大中城市1999年—2017年的年度面板數(shù)據(jù)，覆蓋中國整個房地產(chǎn)市場化歷程，共形成665個面板數(shù)據(jù)樣本。所有數(shù)據(jù)來源于中國國家統(tǒng)計局、中經(jīng)網(wǎng)、中國人民銀行以及各城市的《統(tǒng)計年鑒》。

(二)變量篩選

為盡可能的將更多因素納入信息集中，避免主觀設(shè)定，本文運用文獻分析法，以“房價”及相似詞為主題詞進行文獻檢索?？紤]到本文研究主題為中國房價問題，因此將數(shù)據(jù)庫限定為CSSCI來源期刊論文(2)CSSCI來源文獻質(zhì)量較高，具備規(guī)范的主題詞、關(guān)鍵詞以及摘要文本，進行文獻分析時能夠更好地提取所需信息。，期限范圍為1998年至今，共檢索得到3 227篇文獻。通過分析文獻的主題詞和關(guān)鍵詞，選取其中的219篇作為提取房價影響因素的文獻來源。經(jīng)過對摘要進行文本分析、合并相同意義詞后，提取出79個房價影響因素，繼而對上述因素進行頻次統(tǒng)計和排序，同時根據(jù)各因素在文獻中的意義進行調(diào)整，并舍棄頻次僅為1的因素，最終得到35個因素(見表1)。

表1 房價影響因素

其中，關(guān)于房產(chǎn)稅和房地產(chǎn)稅，前者指的是房地產(chǎn)開發(fā)、交易中的稅負成本，后者為保有環(huán)節(jié)稅種，2011年起在上海、重慶等幾個城市試點征收，但范圍較窄、額度較小，對房價的影響有限，因此本文僅選擇前者。高鐵、醫(yī)院、交通以及基礎(chǔ)設(shè)施等因素本質(zhì)上屬于固定資產(chǎn)投資范疇，雖然分開考察它們對房價的影響同樣有意義，但在房地產(chǎn)市場化過程中，固定資產(chǎn)投資對房價的影響更為突出和顯著，因此將前者并入后者。另外，熱錢雖然在特定時期對房價產(chǎn)生一定影響，但該影響更大程度上體現(xiàn)了它的短期逐利性，不僅對其計量比較困難，而且熱錢最終將轉(zhuǎn)化為貨幣供應(yīng)量，從而對房價形成影響，因此本文不再單獨考慮。房地產(chǎn)施工面積的頻次僅為1，但從理論上分析，該指標(biāo)屬于供給層面，不僅在短期內(nèi)影響房價，也將在長期中影響房價，因此保留該因素更為合理。

(三)變量解釋及處理

根據(jù)經(jīng)濟含義，將各變量歸為宏觀、產(chǎn)業(yè)、成本、行政、人口、市場、收入和土地等8個類別。

1.宏觀變量。雖然許多學(xué)者認為經(jīng)濟基本面對房價的解釋能力趨于減弱，但其仍是決定房價的基礎(chǔ)力量，文獻分析結(jié)果也顯示了宏觀變量是房價決定因素的重要組成部分。大部分文獻使用城市化率(3)城市化率的計算公式為城鎮(zhèn)人口/總?cè)丝?，官方統(tǒng)計中，2006年以前計算的是非農(nóng)業(yè)人口占總?cè)丝诘谋戎?，之后為常住城?zhèn)居民占常住人口的比重。表征城市化水平，但使用35個大中城市作為樣本時存在兩個問題：一是35個大中城市皆為所屬區(qū)域的經(jīng)濟中心，城市化已經(jīng)處于較高水平，大多數(shù)城市的城市化率超過80%，甚至有些城市接近100%，因此城市化率指標(biāo)對這些城市房價的決定可能不再顯著；二是長期以來，戶籍是購買住房的重要要件，并且在限購時期，戶口直接成為劃分是否具有購房資格的前提條件，城市化進程中，常住人口中的非戶籍人口雖然有住房需求，但短期卻不能形成有效的購買力，只有戶籍人口才具有有效需求，但長期中，非戶籍人口是潛在需求的主要來源。因此，本文使用常住人口與戶籍人口之間的差額表征城市化(ct)。對外開放度(eod)既反映了各城市對國際市場要素的吸收和引進能力，尤其是資金，也體現(xiàn)了各城市在國際市場中的參與度和影響能力，現(xiàn)有文獻使用多種方式表征，如進出口總額/GDP、資本流量總額/GDP、對外融資比率/對外投資比例、外貿(mào)依存度(實際直接利用外資/GDP)?？紤]到房地產(chǎn)業(yè)的特點以及研究目的，本文選擇較為傳統(tǒng)的衡量方式——進出口貿(mào)易額/GDP予以表征。借鑒已有文獻的處理，本文使用中國廣義M2表征各城市的貨幣供應(yīng)量(lm2)。

2.產(chǎn)業(yè)變量。產(chǎn)業(yè)泰爾指數(shù)是衡量產(chǎn)業(yè)結(jié)構(gòu)是否合理的指標(biāo)，產(chǎn)業(yè)結(jié)構(gòu)合理化對城市房價具有正向影響。部分學(xué)者使用第三產(chǎn)業(yè)增加值占GDP的比重進行表征，但該指標(biāo)并未考慮不同城市之間的差異。本文使用范新英和張所地構(gòu)建的包含就業(yè)人數(shù)和產(chǎn)出比的產(chǎn)業(yè)結(jié)構(gòu)合理化指標(biāo)，即產(chǎn)業(yè)泰爾指數(shù)(ti)，表示為式(1)[14]：

(1)

其中Y為產(chǎn)業(yè)值，L為就業(yè)人數(shù)，i為不同產(chǎn)業(yè)，n為部門數(shù)。

技術(shù)進步是經(jīng)濟增長的重要源泉之一，而經(jīng)濟增長與房價具有密切的關(guān)系，部分文獻認為技術(shù)進步對房價具有一定影響。通常技術(shù)進步可以分解為R&D投入、技術(shù)合同成交額和專利授權(quán)數(shù)三個指標(biāo)，由于城市數(shù)據(jù)所限，本文采用后兩者的乘積表征技術(shù)進步(ltp)。

3.成本變量。地價和建筑成本是構(gòu)成房地產(chǎn)的主要直接成本，地價(llp)由房地產(chǎn)開發(fā)企業(yè)土地購置費除以土地購置面積計算得到；建筑成本(lcc)由建筑造價表征，等于竣工造價除以竣工面積。借鑒周建軍等做法，房產(chǎn)稅(lpt)由6種相關(guān)稅收構(gòu)成，包括房產(chǎn)稅、耕地占用稅、城鎮(zhèn)土地使用稅、城市維護建設(shè)稅、土地增值稅和契稅[15]。雖然部分稅種并不是房地產(chǎn)的直接成本，但可以通過影響購房者的交易成本從而影響房價。

4.行政變量。限購(ppl)是政府干預(yù)房價的重要手段，但其是否對房價產(chǎn)生影響存在爭議，尤其是在長期內(nèi)。本文使用0-1虛擬變量表征限購，限購年份為1，其他年份為0。銀行貸款是中國房地產(chǎn)開發(fā)和消費的主要資金來源，除了企業(yè)自籌資金和消費者首付款，其他資金大都來自于信貸，結(jié)合中國房地產(chǎn)市場的實際情況，本文使用房地產(chǎn)開發(fā)企業(yè)非自籌資金與銷售額的80%表征信貸(lcs)。借鑒陳晨和傅勇的做法，短期利率和長期利率使用中國人民銀行公布的貸款利率數(shù)據(jù)，利率調(diào)整年份以調(diào)整前后的天數(shù)加權(quán)計算每年的一年期和五年期貸款利率[16]。

5.人口變量。理論上，人口是長期房價的重要決定因素，已有文獻涉及人口絕對數(shù)、人口增長率、人口密度和人口流動四個變量。本文使用城市年末總?cè)丝诒碚鞒鞘腥丝?lgp)，城市人口自然增長率表征人口增長率(pgr)，人口密度(lpd)由年末總?cè)丝诔猿鞘行姓娣e計算得到，使用常住人口增加人數(shù)減去戶籍人口增加人數(shù)表征人口流動(fp)。

6.市場變量。許多文獻認為預(yù)期是房價的重要決定力量，借鑒已有文獻的做法，本文使用滯后一期房價表示預(yù)期(lphe)。

7.收入變量。收入同樣是長期房價的重要影響因素，包括城鄉(xiāng)收入差距(urig)、城鎮(zhèn)居民人均可支配收入(lupc)和職工工資水平(lls)。本文使用城鄉(xiāng)收入比表征城鄉(xiāng)收入差距，等于城鎮(zhèn)人均可支配收入與農(nóng)村人均純收入之比。

8.土地變量。本文使用房地產(chǎn)開發(fā)企業(yè)土地購置面積表征土地供應(yīng)量(lls)，房地產(chǎn)開發(fā)企業(yè)土地購置費表征土地購置費(llpe)。

按照通常做法，所有價格和收入指標(biāo)取實際值，剔除通貨膨脹的影響，并且為了避免異方差和量綱的干擾，所有非比例和非比率指標(biāo)(4)除城市化指標(biāo)，因為常住人口與戶籍人口的差額可能為負，所以未作對數(shù)化處理。均作對數(shù)化處理。

四、基于MC3和BMA方法的實證分析

如表1的統(tǒng)計描述所示，所有變量的均值皆遠大于標(biāo)準差，表明不存在異常數(shù)據(jù)，可以進一步建模分析。本文使用R3.5.2軟件，調(diào)用BMS程序包，進行MC3抽樣和BMA分析。35個解釋變量共計形成備選模型235個，基準模型設(shè)定中模型先驗概率設(shè)定為均勻分布，參數(shù)先驗概率設(shè)定為隨機g型分布，利用MC3技術(shù)抽樣抽取其中5 010 000個模型，初始預(yù)熱抽樣模型為10 000次，其余5 000 000次抽樣模型作為模擬樣本。

(一)準備工作

實證分析之前，本文對所有解釋變量的相關(guān)性進行檢驗。將所有變量按照上述設(shè)定運行時，結(jié)果顯示模型為非正定，由于模型中納入了盡可能多的變量，因此很大可能在于解釋變量之間存在強相關(guān)性。相關(guān)分析結(jié)果顯示部分變量間的確存在強相關(guān)性，本文先選取不存在相關(guān)性的變量運行，繼而依次納入相關(guān)性較強的變量，最終發(fā)現(xiàn)土地購置費是造成強相關(guān)性的原因，考慮到地價已經(jīng)包含土地購置費的信息，刪除該變量并不會影響到后續(xù)分析，因此刪除后保留剩余的34個解釋變量。

(二)MC3和BMA的實證結(jié)果

圖1 后驗?zāi)Ｐ鸵?guī)模分布均值圖

圖1報告了中國房價后驗?zāi)Ｐ鸵?guī)模分布的均值和概率，可以看出，模型規(guī)模呈均勻分布，與前述先驗假設(shè)吻合，并且具有97%以上的概率。同時，模型規(guī)模的均值為16.698 9，并且達到最大值，即在抽樣抽取的5 000 000個模型中，任一單一模型平均含有16個能夠有效且充分解釋房價的解釋變量。表2報告了35個大中城市房價對34個解釋變量的BMA估計結(jié)果，并按后驗概率排序，反映了各個解釋變量對被解釋變量的解釋能力。第六列為解釋變量的符號確定率，是指所有包括該解釋變量的估計結(jié)果中，其系數(shù)符號與后驗均值符號一致的概率，從而反映該變量的穩(wěn)健性。

表2 35個大中城市房價對各變量的BMA估計結(jié)果

(三)結(jié)果分析

根據(jù)后驗概率，34個解釋變量可分為4組：

第一組為前11個變量，后驗概率均大于0.9，其中房地產(chǎn)施工面積、銷售面積、失業(yè)率和固定資產(chǎn)投資等四個變量的符號確定率為0，意味著這四個變量對房價的影響雖然顯著，但穩(wěn)健性不足。其他7個變量包括通脹、地方財政支出、地價、預(yù)期、房地產(chǎn)開發(fā)投資、人均消費支出、城鎮(zhèn)居民人均可支配收入的符號確定率皆為1，顯示出了對中國長期房價顯著和穩(wěn)健的解釋能力。同時，這7個變量的后驗均值均為正，與后驗標(biāo)準差的比值都大于2，表明這些變量對房價具有顯著的正向影響。

預(yù)期的后驗均值達到0.27，遠大于其他因素(除城鎮(zhèn)居民人均可支配收入)，是決定長期房價的最主要因素，這與鄭世剛和嚴良的研究結(jié)論一致，房價具有明顯的正反饋效應(yīng)，房價很大程度上源于自身的歷史趨勢[17]。城鎮(zhèn)居民人均可支配收入的后驗均值同樣達到0.27，購房者收入對房價具有顯著的正向影響，符合理論假定，并與已有研究的觀點一致[18]。房地產(chǎn)開發(fā)投資的后驗均值為0.15，對房價具有明顯的促進和決定作用。地方財政支出對房價影響的理論分析源于Tiebout(1956)所提出的微觀機制，通過“用腳投票”，公共服務(wù)支出將顯著的資本化到房價中，并顯著正向影響房價，這一理論得到了大量中國文獻的支持。表2中地方財政支出的后驗均值為0.107 5，與上述觀點較為吻合。人均消費支出(后驗概率為0.082)反映了家庭的消費能力，這些年來居住支出始終占據(jù)八類消費支出的前列，居民家庭改善居住環(huán)境和生活質(zhì)量的需求意愿，客觀上對房價產(chǎn)生了較為明顯的正向影響。地價的后驗均值為0.074 9，不僅是房價的重要組成部分，也是長期房價的重要因素，與孟慶斌和榮晨的觀點一致。房地產(chǎn)具有抵消通脹的特性，通脹的后驗均值為0.02，表明通脹對房價具有正向決定作用。

第二組包括長期實際利率和信貸2個變量，后驗概率大于0.8且小于0.9，對中國長期房價具有較好的解釋能力，符號確定率達到100%，后驗均值與后驗標(biāo)準差的比值大于1，因此具有良好的穩(wěn)健性。多數(shù)學(xué)者認為利率對房價具有較大影響，但大都針對短期利率，本文實證結(jié)果表明短期實際利率并不顯著，而長期實際利率對長期房價的決定作用較為顯著，并且具有正向影響。信貸的后驗均值為0.092 6，在長期內(nèi)正向影響房價。以上結(jié)論符合大部分學(xué)者的觀點。

第三組包括城鎮(zhèn)人口增長率、對外開放度和建筑成本3個變量，后驗概率大于0.5且小于0.8，對中國長期房價具有一定的解釋能力，符號確定率同樣達到100%，且后驗均值與后驗標(biāo)準差的比值大于1，表明這些變量較為穩(wěn)健。建筑成本的后驗概率為0.03，在長期中對房價的正向影響較為明顯，與Zhi Wang和Qinghua Zhang的結(jié)論基本一致[19]。對外開放度和城市人口增長率的后驗均值同樣為正。值得注意的是，城市人口增長率對房價并未顯示出優(yōu)于其他變量的決定作用。

第四組為其他18個變量，后驗概率小于0.5，對中國長期房價的解釋能力較弱，符號確定率表明這些變量的穩(wěn)健性低于上述變量。已有房價研究的文獻中經(jīng)常提及的貨幣供應(yīng)量、房產(chǎn)稅、GDP、城市人口等變量，并未顯示出對長期房價顯著且穩(wěn)健的決定作用。

(四)模型規(guī)模及最優(yōu)單一模型檢驗

為進一步驗證模型規(guī)模，并得到最優(yōu)單一模型，本文采用“Occam window”算法對模型進行估計，共提取出后驗概率最高的109個模型。表3報告了后驗概率最高的前五位單一模型，分別包含16、15、18、17、15個解釋變量，A-R2均在0.95以上，不同模型解釋變量的系數(shù)值和符號無明顯差別，表現(xiàn)出較好的顯著性。五個單一模型的后驗概率總和為0.223 1，其中模型1的后驗概率最高，其BIC值大于等于其它模型的BIC值，因此可以認為模型1為最優(yōu)模型。同時可以發(fā)現(xiàn)，除個別變量的后驗概率有所出入外，模型1包含的解釋變量的名稱、數(shù)量和符號與MC3方法的估計結(jié)果完全一致，表明本文的BMA方法是可靠的。

模型1包含了16個解釋變量，系數(shù)值與MC3的估計值(后驗均值)基本一致，這些變量顯著的影響了中國房價的波動，并能解釋其變動的85%。16個變量中，城鎮(zhèn)居民人均可支配收入和預(yù)期對房價的影響最大，分別為0.28和0.27，對房價提供了超過44.4%的正向解釋。其次，房地產(chǎn)開發(fā)投資、地方財政支出和信貸對房價波動也起到了顯著的決定作用，分別為0.15、0.12和0.12，表明中國信貸政策存在著房地產(chǎn)偏好，而地方財政支出存在著“用腳投票”機制。在反向作用中，房地產(chǎn)施工面積和銷售面積起到了明顯的反向影響，分別為-0.17和-0.13，意味著保持一定的供應(yīng)增速有助于抑制房價過快上漲。尤其是房價水平較高的一、二線城市，限制需求雖然能在一定程度上遏制房價上漲，但只是短時之策，長期來看，增加供給、保持一定的供給彈性更有利于房價穩(wěn)定、市場健康發(fā)展。

表3 “Occam window”算法估計結(jié)果及前五位最優(yōu)單一模型

注：*、**、***分別表示10%、5%、1%的顯著性水平，括號內(nèi)為標(biāo)準差。

(五)穩(wěn)健性分析

參數(shù)和模型先驗概率的設(shè)定不同將對BMA方法的估計結(jié)果帶來影響，本文將在上述基準設(shè)定的基礎(chǔ)上，通過改變參數(shù)和模型的先驗概率，對上文的估計結(jié)果進行穩(wěn)健性檢驗。

1.改變參數(shù)的先驗概率。變換參數(shù)先驗概率為EBL、BRIC和HQ三種設(shè)定，結(jié)果如圖2和表4。

可以看到，三種設(shè)定的模型規(guī)模均值(Model Size Mean)分別為16.2、16.4和17.6，與原設(shè)定的結(jié)果基本一致。同時三種設(shè)定下對中國長期房價具有有效且穩(wěn)健的變量，與原設(shè)定下的結(jié)果完全一樣，房地產(chǎn)施工面積、銷售面積、失業(yè)率和固定資產(chǎn)投資等四個變量的符號確定率仍然為0，其他變量的后驗概率基本相同，后驗均值在HQ設(shè)定下有些許下降，但并不明顯。

圖2 不同參數(shù)先驗概率下后驗?zāi)Ｐ鸵?guī)模分布比較圖

表4 不同參數(shù)先驗概率下模型后驗概率和后驗均值比較(5)為節(jié)省篇幅，只報告了模型規(guī)模范圍內(nèi)的變量的后驗概率和后驗均值，表5同。

變量BRIC②EBL③HQ④后驗概率后驗均值后驗概率后驗均值后驗概率后驗均值地價1.000 00.075 01.000 00.074 91.000 00.074 3 預(yù)期1.000 00.276 11.000 00.275 41.000 00.272 1 地方財政支出1.000 00.109 71.000 00.108 60.999 90.103 0 房地產(chǎn)施工面積0.999 8-0.165 10.999 8-0.164 40.999 9-0.160 2 通貨膨脹0.999 70.021 20.999 90.021 20.999 90.021 1 銷售面積0.998 5-0.120 90.998 6-0.122 60.999 3-0.129 1 人均消費支出0.995 60.082 70.995 70.082 50.994 00.080 7 房地產(chǎn)開發(fā)投資額0.993 80.153 50.993 80.151 80.993 60.144 4 城鎮(zhèn)居民人均可支配收入0.993 80.274 60.993 40.271 30.990 10.254 2 失業(yè)率0.964 2-0.003 70.968 0-0.003 70.979 6-0.003 8 固定資產(chǎn)投資額0.963 3-0.075 30.966 2-0.075 60.975 6-0.076 8 長期實際利率0.840 70.027 90.842 30.028 70.840 20.031 7 信貸0.779 80.088 00.801 70.090 80.877 20.101 1 對外開放度0.641 90.012 60.658 20.013 00.732 40.014 7 城市人口增長率0.627 30.001 30.644 40.001 30.721 50.001 5 建筑成本0.506 70.029 70.522 10.030 50.588 30.033 4

② 參考Fernandez、Ley和Steel(2001)，g=max(N，K2)，K為變量的數(shù)目。

③ 設(shè)定gh=argmaxgP(Y|Mh，X，g)，具體設(shè)定參見Liang et al.(2008)。

④ 設(shè)定g=log(N)3，根據(jù)CHQ=3漸進模擬Hannan-Quinn準則，參見Fernandez，Ley和Steel(2001)。

⑤ “Random”指的是將先驗包含概率設(shè)定為二元超先驗β，參見Ley和Steel(2008)。

⑥ “Fixed”表示將任一回歸設(shè)定為固定公共包含先驗概率，參見Martin，Doppelhofer和Miller(2004)。

⑦ “Pip”指的是允許自定義的先驗包含概率。

2.改變模型的先驗概率。變換模型先驗概率為Random、Fixed、Pip三種設(shè)定，結(jié)果如圖3和表5。

圖3 不同模型先驗概率下后驗?zāi)Ｐ鸵?guī)模分布比較圖

可以發(fā)現(xiàn)，三種設(shè)定下的模型規(guī)模均值分別為16.8、16.7和16.8，與原設(shè)定的分析結(jié)果基本相同，能夠有效且穩(wěn)健解釋中國長期房價的變量，與原設(shè)定結(jié)果完全一樣。房地產(chǎn)施工面積、銷售面積、失業(yè)率和固定資產(chǎn)投資等四個變量的符號確定率仍然為0，其他變量的后驗概率和后驗均值基本相同。

表5 不同模型先驗概率下模型后驗概率和后驗均值比較

綜上所述，本文實證所得中國房價的長期決定變量的結(jié)論是有效且穩(wěn)健的，包含16個因素的模型能夠充分解釋中國長期房價。

五、構(gòu)建房地產(chǎn)長效機制的思考

一直以來，中國房地產(chǎn)市場的制度建設(shè)重在短期，但頻繁的政策調(diào)控不僅導(dǎo)致市場秩序紊亂，而且造成了房價的持續(xù)大幅上漲。2016年以來，中央政府連續(xù)提出，要通過“綜合運用金融、土地、財稅、投資、立法等手段”，“構(gòu)建和完善促進房地產(chǎn)市場平穩(wěn)健康發(fā)展的長效機制”。根據(jù)本文的實證分析結(jié)果，長期房價決定于上述16個因素，這些因素構(gòu)成了房地產(chǎn)長效機制的基本要素，并形成了長效機制的基本框架。

(一)經(jīng)濟基本面是長期房價穩(wěn)定的基礎(chǔ)

雖然大量研究認為經(jīng)濟基本面對房價的解釋力趨于減弱，但分析結(jié)果表明經(jīng)濟基本面仍然是決定房價的基礎(chǔ)，尤其是對長期房價而言。與供給面因素相比，需求面因素的影響更為重要，如通貨膨脹、實際城鎮(zhèn)人均可支配收入、實際人均消費支出以及人口增長率等。理論上，房地產(chǎn)為低需求彈性商品，需求面的改善或惡化并不會造成房價的大幅波動，因此中國房價的長期上漲并不能簡單的由需求面因素的改善加以解釋，更深層的原因在于中國失衡的住房市場體系和住房保障體系。

根據(jù)房地產(chǎn)市場化改革思路，中國住房體系可表述為“對不同收入家庭實行不同的住房供應(yīng)政策”(6)源自1998年《國務(wù)院關(guān)于進一步深化城鎮(zhèn)住房制度改革，加快住房建設(shè)的通知》(23號文件)。，即高收入家庭購買或租賃商品房，中低收入家庭購買經(jīng)濟適用房，低收入家庭租賃廉租房。但實際上，在房地產(chǎn)業(yè)的發(fā)展歷程中，經(jīng)濟適用房和廉租房并未實現(xiàn)應(yīng)有的預(yù)期，由于制度漏洞、產(chǎn)品缺陷、資源錯配、信息模糊等問題，導(dǎo)致經(jīng)濟適用房和廉租房體系效率低下，在住房體系中逐步被邊緣化，甚至在某些城市被暫?；蛉∠?，無法實現(xiàn)需求的中低收入、低收入家庭只能進入商品房市場，導(dǎo)致該市場過度擁擠，房地產(chǎn)供不應(yīng)求。我們可以觀察到，一方面大量中低收入和低收入家庭的剛性需求推高房價，房地產(chǎn)的需求彈性不斷提高，大部分城市的房價收入比遠遠超過國際警戒線，例如“北上廣深”等城市甚至超過30；另一方面，尋租、投機行為滋生，具有資金、權(quán)利和信息優(yōu)勢的尋租者和投機者進入市場，不但進一步造成剛性需求難以滿足，而且加大了房地產(chǎn)市場的投機泡沫。

因此，糾正和完善中國住房市場體系和保障體系是構(gòu)建房地產(chǎn)長效機制的根本。

第一，回歸市場和政府的本原。近年來，中央政府不斷強調(diào)“發(fā)揮市場在資源配置中的決定性作用”，這對于商品房市場的健康發(fā)展具有重要意義。但在房地產(chǎn)長效機制構(gòu)建中，更應(yīng)該強調(diào)政府角色定位和公共職能發(fā)揮的重要性，約束政府對市場的不合理干預(yù)是實現(xiàn)房地產(chǎn)市場秩序的基礎(chǔ)，而發(fā)揮政府的公共服務(wù)功能則是完善中國住房保障體系的保障。

第二，建立商品房市場和保障房市場之間的防火墻和互動通道。實現(xiàn)這一目的的關(guān)鍵在于法律制度體系的建設(shè)和完善，通過不同的法律制度區(qū)分不同市場的界域和模式。對于商品房市場，法律制度的功能應(yīng)體現(xiàn)為市場規(guī)則優(yōu)先下的事后調(diào)整，例如房地產(chǎn)稅的立法、土地的立法等。對于政策性保障房市場，法律制度的功能應(yīng)體現(xiàn)為公共利益下的事前控制，例如進入與退出機制、保障房和市場租賃住房的立法。

(二)預(yù)期是房地產(chǎn)市場平穩(wěn)健康的關(guān)鍵

實證結(jié)果顯示，預(yù)期是中國長期房價最為重要的決定因素，而中國房地產(chǎn)市場實踐表明，預(yù)期是房地產(chǎn)市場化改革以來，尤其是2008年之后房價持續(xù)上漲的重要原因。其中原因之一在于上文論述的中國住房市場體系和保障體系建設(shè)滯后，造成商品房市場存在嚴重的結(jié)構(gòu)失衡問題，大量需求尤其是剛性需求無法得到滿足，使得房價始終處于上漲壓力之中。房地產(chǎn)市場長期處于供不應(yīng)求狀態(tài)，導(dǎo)致市場參與者形成了較為一致性的上漲預(yù)期，從而房地產(chǎn)的居住屬性逐漸被投資屬性所替代，投資、投機性需求大量增加，并拉動自住性、改善性住房需求提前釋放[20]。在預(yù)期沖擊下，中國房價陷入“管制平穩(wěn)、放開必漲”的局面，調(diào)控政策無法發(fā)揮應(yīng)有的效力，根本原因在于住房市場體系單一化以及市場結(jié)構(gòu)失衡化。因此2017年以來，中央政府一再提出“房子是用來住的、不是用來炒的”的定位論述，并提出實現(xiàn)穩(wěn)定預(yù)期的重要舉措——“建立多主體供給、多渠道保障、租購并舉的住房制度，讓全體人民住有所居”。原因之二在于政府調(diào)控政策缺乏一致性，表現(xiàn)為政策制定的相機抉擇特征和調(diào)控目標(biāo)的搖擺性，并且缺乏前瞻性，難以形成穩(wěn)定預(yù)期。

因此，從需求端通過“限”政策抑制需求并不能實現(xiàn)預(yù)期的改變，本文的實證結(jié)果也表明，抑制需求的限購政策并不能解釋長期房價。因此，第一，應(yīng)立足于供給端，關(guān)鍵解決土地供給問題。中國各個城市的土地供給由建設(shè)用地指標(biāo)所控制，但這一體系存在著兩個主要的問題：一是土地供應(yīng)結(jié)構(gòu)不合理，住宅用地比例偏低，工業(yè)及其他用地比例偏高，尤其是大中城市，該比例遠低于國外同等類型城市；二是指標(biāo)分布不均衡，中小城市的建設(shè)用地指標(biāo)較為寬松，而大城市較為緊張，并持續(xù)減少，例如北京2010年的土地供應(yīng)量為2 310萬平方米，2016年減少為435萬平方米，同期上海從3 147萬平方米減少為891萬平方米，因此應(yīng)建立起土地供應(yīng)與房價、人口掛鉤的長效平衡機制。第二，推動政府調(diào)控政策在長期內(nèi)規(guī)則化，尤其是貨幣政策。本文實證結(jié)果顯示短期利率、貨幣供應(yīng)量都不能解釋長期房價，反而長期實際利率對長期房價具有一定的解釋力。大量研究表明貨幣政策規(guī)則化，同時將房價納入貨幣政策規(guī)則，能夠更有效實現(xiàn)宏觀調(diào)控目標(biāo)以及房價穩(wěn)定。

(三)金融投資是中國長期房價的穩(wěn)定器

本文實證結(jié)果顯示地方財政支出、房地產(chǎn)開發(fā)投資和信貸能夠顯著解釋長期房價，實踐表明中國金融投資體系的失衡導(dǎo)致房地產(chǎn)業(yè)集中了過多的社會資源，因此許多學(xué)者將中國房價上漲歸為貨幣問題是不無道理的。長期以來，地方財政收入依賴于“土地財政”和房地產(chǎn)相關(guān)稅收，不管這兩方面孰因孰果，可觀察的事實是，大量財政支出偏向性的投入到了與房地產(chǎn)業(yè)相關(guān)的城市基建支出中。在金融投資軟約束的情況下，地方財政支出、房地產(chǎn)開發(fā)投資、地價、房價、土地收益和房地產(chǎn)相關(guān)稅收以及地方財政收入之間形成了可靠的邏輯循環(huán)，大量金融資源不斷流入房地產(chǎn)業(yè)，地價和房價被不斷推高。根據(jù)全國統(tǒng)計數(shù)據(jù)，2017年新增房地產(chǎn)貸款為5.56萬億，占新增貸款總額13.53萬億的41%(7)來源于中國人民銀行發(fā)布數(shù)據(jù)。。另外，金融資源的流動是不均衡的，由于相對于中小城市的諸多優(yōu)勢，如經(jīng)濟、人口、產(chǎn)業(yè)等，大中城市仍然是金融投資流向的主要選擇，即使在同一城市內(nèi)，這種聚集效應(yīng)同樣顯著。因此，金融投資流向和流動的非均衡是導(dǎo)致房價持續(xù)大幅上漲的助推器，而建立均衡有效的金融投資體系是中國長期房價可持續(xù)的穩(wěn)定器。

第一，房地產(chǎn)稅制改革。金融投資過于集中的根本原因在于地方政府對“土地財政”和房地產(chǎn)相關(guān)稅收的依賴，政府在上游掌握“土地”和“登記”兩個工具，因此可以不顧及下游使用者的實際負擔(dān)，開發(fā)商也可以將成本轉(zhuǎn)嫁給購房者。房地產(chǎn)稅的功能在于對下游的持有環(huán)節(jié)征稅，配合稅收優(yōu)惠以及稅收減免等政策，政府和開發(fā)商必須考慮購房者的支付意愿和異質(zhì)需求，從而有利于破開上述邏輯循環(huán)。

第二，差別化信貸政策。前文論述的住房市場體系包括價值屬性的商品房市場和公共屬性的保障房市場，不同市場的取向不同，信貸政策也應(yīng)體現(xiàn)出差異。目前兩個市場的資金大都來自于銀行間接融資，直接融資比例較低，不僅企業(yè)風(fēng)險高企，而且造成資金集中于房地產(chǎn)業(yè)。因此，一方面應(yīng)通過發(fā)展信托基金、提高開發(fā)貸款利率、嚴格限制貸款流向等金融監(jiān)管政策，提高商品房開發(fā)建設(shè)和使用中的直接融資比例；另一方面，應(yīng)通過建立政策性銀行和金融機構(gòu)、引入多元化社會資本，扶持保障房的開發(fā)建設(shè)和消費使用。

六、結(jié) 論

為獲得中國長期房價的影響因素，本文通過文獻分析法搜集了已有研究中使用的房價影響因素，經(jīng)整理合并后，得到了包括35個因素的集合。利用1999年—2017年中國35個大中城市的面板數(shù)據(jù)，使用MC3抽樣技術(shù)和BMA方法，提取了對長期房價具有有效且顯著決定作用的16個因素。其中通貨膨脹、地方財政支出、地價、預(yù)期等11個因素是最具解釋力的影響因素；信貸和長期實際利率為具有較好解釋力的影響因素；城鎮(zhèn)人口增長率、對外開放度和建筑成本是具有一定解釋力的影響因素。為驗證實證結(jié)果的穩(wěn)健性，通過變換參數(shù)先驗概率和模型先驗概率，結(jié)果顯示本文的結(jié)論具有非常好的穩(wěn)健性。

根據(jù)實證分析結(jié)果，本文認為經(jīng)濟基本面仍然是中國長期房價穩(wěn)定的基礎(chǔ)，預(yù)期是房地產(chǎn)市場平穩(wěn)健康的關(guān)鍵，金融投資是中國長期房價的穩(wěn)定器。結(jié)合中央政府的目標(biāo)和要求，本文提出房地產(chǎn)長效機制的構(gòu)建和完善，應(yīng)糾正和完善中國住房市場體系和保障體系，發(fā)揮市場在資源配置中的決定性作用的同時，應(yīng)突出政府角色定位和公共職能的發(fā)揮；立足供給側(cè)，改革中國土地供應(yīng)體系，推動政府調(diào)控政策在長期內(nèi)的規(guī)則化；建立均衡有效的金融投資體系，推動房地產(chǎn)稅制改革，實施差別化信貸政策。