李斌 劉文歡

摘? ?要：為了辨明人口和貨幣因素對(duì)于房?jī)r(jià)的總體影響和異質(zhì)性差異，本文以2007—2016年285個(gè)地級(jí)市為樣本，將貨幣因素、人口因素和住房?jī)r(jià)格納入同一框架進(jìn)行了經(jīng)驗(yàn)檢驗(yàn)。同時(shí)，本文在投資性需求中引入預(yù)期變量以體現(xiàn)貨幣因素對(duì)于不同地區(qū)房?jī)r(jià)的結(jié)構(gòu)性影響。研究結(jié)果表明：（1）外來(lái)人口流入是抬高本地房?jī)r(jià)的重要因素，中國(guó)大規(guī)模的人口遷徙進(jìn)程對(duì)于房?jī)r(jià)上漲具有較強(qiáng)解釋作用。人口因素對(duì)于東部、西部房?jī)r(jià)具有異質(zhì)性影響，其中人口流入對(duì)于東部房?jī)r(jià)的影響更為強(qiáng)烈。同時(shí)，城市化水平越高，人口流入對(duì)于房?jī)r(jià)的影響越大。（2）利率及房?jī)r(jià)預(yù)期會(huì)對(duì)房?jī)r(jià)產(chǎn)生明顯的交叉性影響。在整個(gè)研究期內(nèi)，貨幣與預(yù)期因素對(duì)房?jī)r(jià)影響較大的年份多于人口因素，但是貨幣與預(yù)期因素對(duì)于房?jī)r(jià)異質(zhì)性的解釋并不明顯。

關(guān)鍵詞：住房?jī)r(jià)格;貸款利率;房?jī)r(jià)預(yù)期;人口流動(dòng)

中圖分類號(hào)：F830.572? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2020）11-0028-07

DOI：10.19647/j.cnki.37-1462/f.2020.11.004

住房體制市場(chǎng)化改革后，房地產(chǎn)成為拉動(dòng)我國(guó)經(jīng)濟(jì)增長(zhǎng)的重要行業(yè)，是國(guó)民經(jīng)濟(jì)的重要組成部分。在居民家庭和金融機(jī)構(gòu)的資產(chǎn)負(fù)債表中，房地產(chǎn)既是我國(guó)居民家庭的重要實(shí)物資產(chǎn)，又是重要的投資資產(chǎn)，同時(shí)還是金融機(jī)構(gòu)的重要抵押品，具有一定的金融資產(chǎn)屬性。房地產(chǎn)行業(yè)具有產(chǎn)業(yè)鏈長(zhǎng)、風(fēng)險(xiǎn)集中、影響廣泛的特征，保持房地產(chǎn)市場(chǎng)平穩(wěn)有序運(yùn)行是實(shí)現(xiàn)國(guó)民經(jīng)濟(jì)健康發(fā)展、防范化解系統(tǒng)性風(fēng)險(xiǎn)的重要內(nèi)容。在這一背景下，研究房?jī)r(jià)上漲的主要因素，分析內(nèi)部作用機(jī)理，對(duì)于提高宏觀審慎政策有效性具有重要意義。

越來(lái)越多證據(jù)表明，人口和貨幣是兩類驅(qū)動(dòng)房?jī)r(jià)上漲的重要因素。然而，房?jī)r(jià)快速上漲的背后，究竟是人口因素還是貨幣因素在發(fā)揮主要作用？二者之間是否存在差異，彼此之間又存在怎樣的邏輯關(guān)系？學(xué)術(shù)界尚未給出明確結(jié)論。

一、文獻(xiàn)綜述

從投資視角看，大多數(shù)研究認(rèn)為，利率和房地產(chǎn)價(jià)格之間存在負(fù)相關(guān)關(guān)系，而關(guān)于利率影響房?jī)r(jià)的具體程度則觀點(diǎn)不一，存在一些分歧和爭(zhēng)議（Harris，1989;Wheaton和Nechayev，2008）[1，2]。我國(guó)房地產(chǎn)市場(chǎng)政策、體制、環(huán)境較為復(fù)雜，因此實(shí)證檢驗(yàn)結(jié)果也存在較大的差異性（吳凡，2006;劉明和劉斌，2005;余鵬，2005;張靜竹，2019）[3-6]。與此同時(shí)，在房?jī)r(jià)變化過(guò)程中，學(xué)界與實(shí)業(yè)界普遍認(rèn)為，市場(chǎng)參與者的心理預(yù)期也是至關(guān)重要的因素。不少學(xué)者認(rèn)為，居民預(yù)期未來(lái)房?jī)r(jià)上漲是推動(dòng)當(dāng)期住房需求強(qiáng)勁、房?jī)r(jià)上漲的重要因素，提出要通過(guò)調(diào)控預(yù)期來(lái)調(diào)控房?jī)r(jià)。

從人口流動(dòng)視角看，西方學(xué)者較早就進(jìn)行了大量研究，他們多數(shù)認(rèn)為人口流入會(huì)導(dǎo)致城市房?jī)r(jià)上漲。Saiz（2007）[7]利用工具變量法對(duì)美國(guó)的房?jī)r(jià)進(jìn)行分析，發(fā)現(xiàn)移民每增加至城市總?cè)丝诘?%，會(huì)導(dǎo)致當(dāng)?shù)胤績(jī)r(jià)上漲1%。Gonzalez和Ortega（2013）[8]對(duì)西班牙房地產(chǎn)市場(chǎng)進(jìn)行調(diào)研，也得出類似的結(jié)論。而Sá（2011）[9]對(duì)英國(guó)的房地產(chǎn)市場(chǎng)進(jìn)行分析時(shí)得到相反的結(jié)論，即流動(dòng)人口數(shù)量每增加1%，會(huì)使當(dāng)?shù)胤績(jī)r(jià)下降1.60%，房?jī)r(jià)波動(dòng)的異質(zhì)性體現(xiàn)在本地居民對(duì)流動(dòng)人口的態(tài)度上。近年來(lái)，國(guó)內(nèi)學(xué)者也開(kāi)始基于人口流動(dòng)視角對(duì)房?jī)r(jià)進(jìn)行研究。董昕和周衛(wèi)華（2014）[10]利用2010年106個(gè)城市的流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)，發(fā)現(xiàn)來(lái)自中部地區(qū)的農(nóng)村流動(dòng)人口在流入地購(gòu)買(mǎi)住房的比例最高可達(dá)36.30%。陸銘等（2014）[11]通過(guò)對(duì)比2000年和2005年的房地產(chǎn)市場(chǎng)，發(fā)現(xiàn)流動(dòng)人口占比每增加10%，將會(huì)導(dǎo)致未來(lái)5年的房?jī)r(jià)上漲8.33%。

從以上文獻(xiàn)來(lái)看，當(dāng)前研究的不足主要體現(xiàn)在：對(duì)于貨幣因素、人口因素的綜合性考量相對(duì)不足，缺乏對(duì)房?jī)r(jià)上漲主導(dǎo)性因素的比較判斷;對(duì)于貨幣政策對(duì)房地產(chǎn)市場(chǎng)的結(jié)構(gòu)性影響缺少分析，既有研究多使用省際數(shù)據(jù)，僅有少數(shù)文獻(xiàn)使用市際數(shù)據(jù)，無(wú)法充分反映不同城市房?jī)r(jià)對(duì)于統(tǒng)一貨幣政策的異質(zhì)性反應(yīng)，以及對(duì)預(yù)期、城市化水平等其他異質(zhì)性因素的反應(yīng)。但在房地產(chǎn)調(diào)控“因城施策”背景下，這又是一個(gè)不可回避的話題。本文把貨幣因素、人口因素和住房?jī)r(jià)格納入同一個(gè)框架進(jìn)行經(jīng)驗(yàn)檢驗(yàn)以辨別主導(dǎo)性因素，使用285個(gè)地級(jí)市數(shù)據(jù)，并引入預(yù)期變量以體現(xiàn)貨幣因素對(duì)于不同地區(qū)的結(jié)構(gòu)性影響。除此之外，還進(jìn)行了其他異質(zhì)性分析。

二、基礎(chǔ)理論模型與研究假設(shè)

（一）基礎(chǔ)理論模型

一般認(rèn)為，購(gòu)房需求（Y）由基礎(chǔ)需求（DR）、改善性需求（DE）與投資性需求（DI）構(gòu)成，即：

基礎(chǔ)需求（DR）是指購(gòu)買(mǎi)住房的基本需求，主要是由人口因素（L）驅(qū)動(dòng)，即：

投資性需求（DI）主要受利率（i）和房?jī)r(jià)上漲預(yù)期（e）的影響。作為一種投資品，新建商品房的投資需求顯然與利率等持有成本有關(guān)，在我國(guó)，沒(méi)有對(duì)持有房地產(chǎn)普遍征收房地產(chǎn)稅的前提下，利率構(gòu)成了新建商品房的主要持有成本。同時(shí)，房?jī)r(jià)上漲預(yù)期構(gòu)成了持有住房的預(yù)期收益，即：

改善性需求（DE）是指在已有住房的基礎(chǔ)上，為追求更高生活品質(zhì)而產(chǎn)生的住房需求，主要受收入（I）和教育、環(huán)境等其他因素（R）的影響，即：

于是：

（二）研究假設(shè)

結(jié)合前文的基本理論模型，針對(duì)人口帶來(lái)的基礎(chǔ)需求（DR）和基于投資目的形成的投資性需求（DI），本文提出如下假設(shè)：

在房屋供給不變的情況下，一個(gè)城市房?jī)r(jià)上漲的主要推動(dòng)力來(lái)源于人口的新增住房需求，亦即以自住為主的基礎(chǔ)需求。基礎(chǔ)需求是最為核心的內(nèi)在推動(dòng)力，因?yàn)橥顿Y性需求往往來(lái)源于人們預(yù)期房屋未來(lái)有較大的升值空間，而這個(gè)升值空間依靠真正的基礎(chǔ)需求支撐，沒(méi)有基礎(chǔ)需求推動(dòng)房?jī)r(jià)上漲，就不會(huì)有派生的投資性需求。在原有城市居民都基本有住房的情況下，新的基礎(chǔ)需求主要來(lái)源于城市的新遷入人口。據(jù)此提出：

基礎(chǔ)假設(shè)一：外來(lái)人口的大量涌入會(huì)對(duì)房?jī)r(jià)產(chǎn)生正向影響，即某地區(qū)的人口大量流入增加時(shí)，該地區(qū)房?jī)r(jià)將會(huì)上漲。

從投資者角度來(lái)看，貸款利率是影響投資成本的主要指標(biāo)，即使投資者的房款全部來(lái)自自有資金，投資者也會(huì)用貸款利率來(lái)衡量其機(jī)會(huì)成本。投資者的需求是決定房地產(chǎn)價(jià)格的重要因素。在利率下降時(shí)，投資成本下降，投資需求上升，房?jī)r(jià)上漲得到支撐。對(duì)未來(lái)房?jī)r(jià)的預(yù)期也是影響房?jī)r(jià)實(shí)際變化的重要因素。尤其是在房?jī)r(jià)持續(xù)走高的情況下，人們對(duì)住房市場(chǎng)普遍存在盲目樂(lè)觀預(yù)期，所形成的看漲預(yù)期放大了在當(dāng)期的實(shí)際住房需求。據(jù)此提出：

基礎(chǔ)假設(shè)二：居民對(duì)未來(lái)房?jī)r(jià)的預(yù)期對(duì)房?jī)r(jià)產(chǎn)生長(zhǎng)期正向影響，利率則主要通過(guò)影響房?jī)r(jià)預(yù)期的折現(xiàn)成本來(lái)影響房?jī)r(jià)，對(duì)房?jī)r(jià)產(chǎn)生負(fù)向影響①。

三、變量與數(shù)據(jù)說(shuō)明

（一）變量選取依據(jù)

1. 被解釋變量。選取各地區(qū)商品房銷售價(jià)格作為被解釋變量。商品房銷售價(jià)格通過(guò)商品房銷售額與商品房銷售面積的比值計(jì)算得來(lái)，并利用居民消費(fèi)價(jià)格指數(shù)進(jìn)行平減，最終得到銷售價(jià)格的實(shí)際值。

2. 核心解釋變量。影響房?jī)r(jià)的因素眾多，已經(jīng)有許多學(xué)者做了詳盡的陳述。與現(xiàn)有文獻(xiàn)不同的是，本文從基礎(chǔ)住房需求和投資性需求入手，主要關(guān)注人口因素和貨幣因素對(duì)房?jī)r(jià)產(chǎn)生的差異性影響。人口因素重點(diǎn)關(guān)注外來(lái)人口對(duì)房?jī)r(jià)的影響，選擇常住人口與戶籍人口的差值作為衡量的指標(biāo)（M）。貨幣因素方面，以一年期貸款基準(zhǔn)利率倒數(shù)與房?jī)r(jià)上漲預(yù)期的交叉項(xiàng)作為衡量指標(biāo)（KV）。當(dāng)時(shí)間趨于無(wú)窮大時(shí)，房?jī)r(jià)預(yù)期與利率倒數(shù)的交叉項(xiàng)反映了房?jī)r(jià)預(yù)期的折現(xiàn)值，利率主要通過(guò)影響預(yù)期折現(xiàn)值來(lái)影響房?jī)r(jià)，這點(diǎn)符合理論模型推導(dǎo)。通過(guò)利率倒數(shù)與房?jī)r(jià)上漲預(yù)期的交叉項(xiàng)可以反映投資性需求對(duì)房?jī)r(jià)的影響。利率水平以一年期貸款基準(zhǔn)利率的年度均值作為衡量指標(biāo);房?jī)r(jià)上漲預(yù)期用滯后一期的實(shí)際房?jī)r(jià)減去滯后兩期的實(shí)際房?jī)r(jià)作為衡量指標(biāo)②。

3. 控制變量。為盡量對(duì)影響房?jī)r(jià)的其他關(guān)鍵因素加以控制，以觀察核心解釋變量對(duì)房?jī)r(jià)影響的凈效應(yīng)，本文參照丁軍（2013）[12]和張安全等（2017）[13]的研究，選取以下控制變量：（1）戶籍人口。在住房供給不變的前提下，人口越多的城市，住房需求量就越大，越容易推高房?jī)r(jià)（李超，2013）[14];人口越多，規(guī)模經(jīng)濟(jì)效應(yīng)就越明顯，從而提高勞動(dòng)生產(chǎn)率和收入水平，進(jìn)一步推高房?jī)r(jià)。本文采用各地區(qū)戶籍人口數(shù)來(lái)測(cè)度當(dāng)?shù)厝丝诹?。?）城鎮(zhèn)人均可支配收入。人均可支配收入反映了居民收入水平的高低。改革開(kāi)放以來(lái)，我國(guó)居民收入水平快速提高，城鎮(zhèn)居民家庭人均可支配收入年均增長(zhǎng)率達(dá)到10%左右，城鎮(zhèn)居民的房屋購(gòu)置能力大大提高。（3）城市化率。我國(guó)正處于高速城市化進(jìn)程，推動(dòng)了房?jī)r(jià)快速上漲（陸銘等，2014）[11]。2019年，我國(guó)城市化率為60.6%。（4）教育資源。教育資源數(shù)量多和質(zhì)量高的地區(qū)，房屋價(jià)格也會(huì)相對(duì)較高。本文選取高等學(xué)校在校學(xué)生數(shù)作為當(dāng)?shù)亟逃降暮饬恐笜?biāo)。（5）環(huán)境質(zhì)量。近年來(lái)，我國(guó)居民的環(huán)保意識(shí)大大增強(qiáng)，選擇住房時(shí)對(duì)周邊環(huán)境的重視程度越來(lái)越高，尤其是難以復(fù)制的自然和生態(tài)環(huán)境對(duì)房?jī)r(jià)的影響越來(lái)越大。環(huán)境質(zhì)量提高對(duì)房?jī)r(jià)有正向資本化效應(yīng)，反之，環(huán)境污染會(huì)對(duì)當(dāng)?shù)胤績(jī)r(jià)產(chǎn)生負(fù)向資本化效應(yīng)。從現(xiàn)有文獻(xiàn)看，多數(shù)研究采用“三廢”指標(biāo)中的某個(gè)或全部指標(biāo)來(lái)衡量環(huán)境污染程度?？紤]到二氧化硫是工業(yè)污染排放中最典型的排放物，也是大氣污染的主要成分，故將工業(yè)二氧化硫的排放量作為環(huán)境污染的衡量指標(biāo)（楊仁發(fā)，2015）[15]。

（二）數(shù)據(jù)說(shuō)明

本文選取了2007—2016年全國(guó)285個(gè)城市的數(shù)據(jù)，其中房地產(chǎn)、上海銀行間同業(yè)拆放利率、常住人口數(shù)據(jù)來(lái)自萬(wàn)得數(shù)據(jù)庫(kù);戶籍人口、城鎮(zhèn)人均可支配收入、非農(nóng)業(yè)人口及年末總?cè)丝跀?shù)、高等學(xué)校在校學(xué)生數(shù)、工業(yè)二氧化硫排放量等數(shù)據(jù)均來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》，個(gè)別缺失數(shù)據(jù)補(bǔ)齊后成為平衡面板數(shù)據(jù)。為了保證數(shù)據(jù)的平滑性，對(duì)部分變量進(jìn)行了對(duì)數(shù)化處理。各變量的統(tǒng)計(jì)性特征見(jiàn)表1。

四、實(shí)證分析

（一）待估模型

根據(jù)前述理論模型和經(jīng)典文獻(xiàn)對(duì)房?jī)r(jià)決定因素的討論，設(shè)定房?jī)r(jià)的待估模型為：

公式（1）中[HP_r]為被解釋變量，關(guān)鍵解釋變量為貨幣因素[KV]和人口因素[M]，向量[X]是影響房?jī)r(jià)的其他一系列控制變量，下標(biāo)[i]、[t]分別表示地區(qū)和年份，[ε]表示隨機(jī)擾動(dòng)項(xiàng)。在對(duì)式（1）所示回歸模型進(jìn)行估計(jì)之前，先利用OLS分別估計(jì)出利率、房?jī)r(jià)上漲預(yù)期、流動(dòng)人口對(duì)房?jī)r(jià)的回歸系數(shù)，見(jiàn)表2的列（1）—（3），以初步確定利率、房?jī)r(jià)上漲預(yù)期和流動(dòng)人口對(duì)房?jī)r(jià)的影響。隨后，對(duì)式（1）進(jìn)行OLS回歸，以考察人口流動(dòng)因素和貨幣因素對(duì)房?jī)r(jià)造成的影響，回歸結(jié)果見(jiàn)表2的列（4）。除模型設(shè)定變量以外，各市域自身特征變量也會(huì)對(duì)房?jī)r(jià)產(chǎn)生影響，因此繼續(xù)采用固定效應(yīng)模型對(duì)式（1）回歸，恰好可以在一定程度上彌補(bǔ)遺漏地區(qū)特征變量的問(wèn)題。地區(qū)固定的固定效應(yīng)模型的回歸結(jié)果如表2的列（5）所示，為了控制潛在的異方差和序列相關(guān)問(wèn)題，列（5）還對(duì)回歸系數(shù)的標(biāo)準(zhǔn)誤在地區(qū)層面上作了聚類調(diào)整。進(jìn)一步，列（6）采用地區(qū)和時(shí)間雙固定的固定效應(yīng)回歸，并對(duì)回歸系數(shù)的標(biāo)準(zhǔn)誤在地區(qū)層面上作了聚類調(diào)整，使得回歸結(jié)果更加可靠。

（二）檢驗(yàn)結(jié)果

1. 人口因素。從表2列（3）—（4）來(lái)看，人口因素系數(shù)顯著為正，且經(jīng)過(guò)變量控制，通過(guò)實(shí)證檢驗(yàn)。表明外來(lái)人口流動(dòng)對(duì)于房?jī)r(jià)具有顯著的正向影響，即外來(lái)人口流入越多的城市，房?jī)r(jià)上漲越快，假設(shè)一得到檢驗(yàn)。這一實(shí)證結(jié)果也對(duì)一線城市和部分外來(lái)人口流入較多的二線城市房?jī)r(jià)大幅上漲進(jìn)行了解釋。

2. 貨幣因素。從表2列（4）來(lái)看，貨幣因素系數(shù)顯著為正，且經(jīng)過(guò)變量控制，通過(guò)實(shí)證檢驗(yàn)。表明當(dāng)利率水平一定時(shí)，居民對(duì)未來(lái)房?jī)r(jià)的預(yù)期能夠?qū)Ψ績(jī)r(jià)產(chǎn)生長(zhǎng)期正向影響。當(dāng)房?jī)r(jià)預(yù)期一定時(shí)，基準(zhǔn)利率下降會(huì)對(duì)房?jī)r(jià)產(chǎn)生正向刺激作用。假設(shè)二得到檢驗(yàn)。列（1）—（2）檢驗(yàn)了利率、房?jī)r(jià)預(yù)期單變量對(duì)房?jī)r(jià)的影響，檢驗(yàn)結(jié)果符合預(yù)期。

3. 控制變量。從控制變量的回歸結(jié)果看，各變量的影響基本符合預(yù)期，如城市化率與房?jī)r(jià)存在穩(wěn)健的正向關(guān)系，城市化進(jìn)程加快時(shí)，房地產(chǎn)市場(chǎng)需求也會(huì)增加，從而推動(dòng)房?jī)r(jià)上漲。環(huán)境污染與房?jī)r(jià)存在負(fù)向關(guān)系，說(shuō)明環(huán)境污染對(duì)房?jī)r(jià)產(chǎn)生下行壓力，環(huán)境污染嚴(yán)重的地區(qū)房?jī)r(jià)相對(duì)較低。較為特殊的是人均地區(qū)生產(chǎn)總值和教育對(duì)房?jī)r(jià)的影響系數(shù)，表2列（4）和（5）中二者系數(shù)均為正，但經(jīng)過(guò)聚類調(diào)整后，系數(shù)符號(hào)變?yōu)樨?fù)，說(shuō)明家庭收入水平和教育對(duì)房?jī)r(jià)的正向促進(jìn)作用并不穩(wěn)健。在一般情況下，居民收入水平與住房需求是正相關(guān)的。但事實(shí)上，如果購(gòu)買(mǎi)住房是滿足基本住房需求，居民收入水平不會(huì)對(duì)這部分住房需求產(chǎn)生顯著影響，也就不可能影響房?jī)r(jià)（吳錦華，2008）[16]。在教育方面，一般認(rèn)為義務(wù)教育學(xué)區(qū)對(duì)房?jī)r(jià)的影響要大于高等教育。

（三）穩(wěn)健性檢驗(yàn)

1. 替代的解釋變量。為了使回歸結(jié)論更加穩(wěn)健，本文將前文所用一年期貸款基準(zhǔn)利率替換為上海銀行間同業(yè)拆放利率進(jìn)行估計(jì)。上海銀行間同業(yè)拆放利率在我國(guó)市場(chǎng)化產(chǎn)品定價(jià)中得到廣泛運(yùn)用，因此，本文選取上海銀行間同業(yè)拆放利率作為利率替代變量，回歸結(jié)果見(jiàn)表3列（1）。貨幣因素KV2對(duì)房?jī)r(jià)的影響顯著為正，與前文基準(zhǔn)回歸一致，這也說(shuō)明本文的研究結(jié)果較為穩(wěn)健。

2. 剔除異常值。為了檢驗(yàn)基本結(jié)論是否受到異常值的影響，我們?nèi)コ讼鄳?yīng)回歸結(jié)果中因變量最高0.5%和最低0.5%的值后進(jìn)行回歸，結(jié)果見(jiàn)表3列（2）?？梢园l(fā)現(xiàn)，去除掉異常值的回歸結(jié)果與前述結(jié)果一致，人口因素和貨幣因素影響房?jī)r(jià)的相關(guān)結(jié)論是極其穩(wěn)健的，說(shuō)明本文的主要結(jié)論不受數(shù)據(jù)異常值的影響。

3.雙重聚類調(diào)整。對(duì)標(biāo)準(zhǔn)誤在城市層面（地級(jí)市）和時(shí)間層面進(jìn)行雙重聚類調(diào)整，能克服自相關(guān)以及異方差等問(wèn)題對(duì)統(tǒng)計(jì)推斷的影響，為得到更加穩(wěn)健的結(jié)果，采用雙重聚類調(diào)整標(biāo)準(zhǔn)誤來(lái)進(jìn)行t檢驗(yàn)，重新估計(jì)結(jié)果與表2一致，證明本文的基本結(jié)論是可靠的。

（四）進(jìn)一步討論

需要指出的是，上述列出的研究結(jié)果均未考慮區(qū)域差異、城市化水平及時(shí)間的特殊影響。事實(shí)上，各個(gè)區(qū)域都有著不同的經(jīng)濟(jì)發(fā)展水平，房地產(chǎn)市場(chǎng)的發(fā)展?fàn)顩r也有很大差異，影響房?jī)r(jià)的因素也會(huì)隨時(shí)間而變化，因此應(yīng)當(dāng)進(jìn)一步分別對(duì)不同區(qū)域、不同城市化水平與不同年度的特殊影響進(jìn)行分析。

1. 異質(zhì)性分析——區(qū)域差異。為了分析人口因素、貨幣因素對(duì)不同區(qū)域房?jī)r(jià)的異質(zhì)性影響，本文根據(jù)常用的分類標(biāo)準(zhǔn)，將樣本分為東部地區(qū)和非東部地區(qū)，同時(shí)構(gòu)建地區(qū)分布虛擬變量，East=1代表東部地區(qū)樣本，East=0代表非東部地區(qū)樣本，并在基準(zhǔn)回歸模型的基礎(chǔ)上分別加入人口因素、貨幣因素與地區(qū)分布虛擬變量的交互項(xiàng)，回歸結(jié)果見(jiàn)表4列（1）和列（2）。East[×]M的系數(shù)顯著為正，說(shuō)明東部地區(qū)外來(lái)人口對(duì)房?jī)r(jià)的影響更為強(qiáng)烈。人口因素對(duì)不同區(qū)域房?jī)r(jià)的影響存在異質(zhì)性，東部地區(qū)對(duì)流動(dòng)人口的吸引力遠(yuǎn)強(qiáng)于其他地區(qū)，中西部人口流向東部地區(qū)導(dǎo)致了東部地區(qū)的房屋需求量大大增加，會(huì)進(jìn)一步抬高房?jī)r(jià);而中西部地區(qū)由于人口流入較少，對(duì)房?jī)r(jià)造成的上漲壓力也相對(duì)較弱。East[×]KV1的系數(shù)不顯著，說(shuō)明貨幣因素對(duì)房?jī)r(jià)的影響不存在顯著的區(qū)域差異，即基準(zhǔn)利率的調(diào)整對(duì)于東部和中西部房?jī)r(jià)的影響基本一致。

2. 異質(zhì)性分析——城市化水平。為了分析人口因素、貨幣因素在不同城市化階段對(duì)房?jī)r(jià)產(chǎn)生的異質(zhì)性影響，本文依據(jù)城市化水平高低，構(gòu)建城市化水平虛擬變量。對(duì)于城市化水平高于中位值的樣本，令d_urban =1，代表高城市化水平;對(duì)于城市化水平低于中位值的樣本，令d_urban =0，代表低城市化水平。此外，在基準(zhǔn)回歸模型的基礎(chǔ)上分別加入人口因素、貨幣因素與城市化水平虛擬變量的交互項(xiàng)，回歸結(jié)果見(jiàn)表4列（3）和列（4）。d_urban[×]KV1系數(shù)不顯著，說(shuō)明在不同城市化階段，貨幣因素對(duì)房?jī)r(jià)并未產(chǎn)生明顯的異質(zhì)性影響。d_urban[×]M系數(shù)顯著為正，說(shuō)明在城市化水平較低時(shí)，人口流動(dòng)對(duì)房?jī)r(jià)的影響相對(duì)較小，而城市化水平較高時(shí)，人口流動(dòng)對(duì)房?jī)r(jià)的影響較大。

3. 異質(zhì)性分析——年度的特殊影響。以2016年為參照，構(gòu)建年度的虛擬變量D07、D08[……]D15。以D07為例，D07=1代表年份為2007年，D07=0代表年份不是2007年。在模型（1）的基礎(chǔ)上分別引入9個(gè)虛擬變量與KV1、M的交叉項(xiàng)，以便分析人口因素、貨幣因素在不同時(shí)期對(duì)房?jī)r(jià)產(chǎn)生的異質(zhì)性影響，回歸結(jié)果見(jiàn)表5。從交叉項(xiàng)的回歸系數(shù)來(lái)看，大部分都顯著，說(shuō)明各個(gè)年度的人口和貨幣因素對(duì)房?jī)r(jià)的影響的確存在顯著差異，只有2014年的貨幣因素和2015年的人口因素同其他年份沒(méi)有顯著區(qū)別。我們將各年度的KV1與M的估計(jì)系數(shù)繪制成了時(shí)間序列的形式（見(jiàn)圖1）。整體來(lái)看，貨幣因素和人口因素都對(duì)房?jī)r(jià)變動(dòng)產(chǎn)生重要影響，且研究期內(nèi)貨幣因素的強(qiáng)度大于人口因素。

五、結(jié)論與啟示

改革開(kāi)放以來(lái)，通過(guò)放松戶籍管理，我國(guó)啟動(dòng)了大規(guī)模的跨地域人口遷移，不僅促進(jìn)了東部沿海城市的經(jīng)濟(jì)繁榮，而且為住房商品化改革提供了堅(jiān)實(shí)的需求基礎(chǔ)，人口流動(dòng)規(guī)模成為不同城市之間房?jī)r(jià)差異的重要原因。這些觀點(diǎn)在本文中得到了驗(yàn)證。但是，隨著近年來(lái)人口流動(dòng)的減弱、貸款利率的降低，貨幣因素逐漸超過(guò)人口因素成為支撐房?jī)r(jià)上漲的主導(dǎo)因素。由于貨幣因素主要通過(guò)投資性需求渠道影響房?jī)r(jià)，貨幣因素的凸顯反映了住房的投資屬性不斷增強(qiáng)，居住屬性相對(duì)減弱。本文認(rèn)為這一現(xiàn)象是經(jīng)濟(jì)發(fā)展到人口和技術(shù)紅利后期必然出現(xiàn)的現(xiàn)象。一方面，人口紅利后期，由于出生率下降、人口老齡化、城市病等因素，人口流動(dòng)減緩，曾經(jīng)支撐房?jī)r(jià)的人口力量在減弱。另一方面，由于技術(shù)革命引發(fā)的經(jīng)濟(jì)增長(zhǎng)進(jìn)入末期，經(jīng)濟(jì)下行壓力加大，迫使貨幣當(dāng)局采取更為寬松的政策態(tài)度，引發(fā)寬松貨幣政策和房?jī)r(jià)上漲預(yù)期，使貨幣因素極有可能超過(guò)人口因素成為房?jī)r(jià)上漲的主導(dǎo)因素。這一狀況的出現(xiàn)在客觀上削弱了貨幣政策的操作靈活度，造成貨幣當(dāng)局在運(yùn)用貨幣政策工具時(shí)采取更加審慎的態(tài)度，嘗試通過(guò)結(jié)構(gòu)化的貨幣政策維持經(jīng)濟(jì)增長(zhǎng)和房?jī)r(jià)之間的平衡。

此外，本文認(rèn)為應(yīng)當(dāng)更加重視預(yù)期對(duì)房?jī)r(jià)的影響。相對(duì)于利率變化，預(yù)期驟變和人口流動(dòng)驟減共同構(gòu)成了房?jī)r(jià)下跌的長(zhǎng)期風(fēng)險(xiǎn)。預(yù)期拐點(diǎn)的出現(xiàn)很可能要快于人口流動(dòng)的拐點(diǎn)。當(dāng)一個(gè)城市預(yù)期發(fā)生實(shí)質(zhì)性扭轉(zhuǎn)時(shí)，會(huì)向另一個(gè)城市快速傳染，從而引發(fā)房地產(chǎn)市場(chǎng)的共振。這也在一定程度上解釋了貨幣因素對(duì)于房?jī)r(jià)異質(zhì)性影響并不明顯的原因。

注：

1反之，可將利率對(duì)房?jī)r(jià)預(yù)期的折現(xiàn)值視為包含了房?jī)r(jià)預(yù)期調(diào)整后的貨幣因素，后文中提到貨幣因素時(shí)，均指經(jīng)過(guò)房?jī)r(jià)預(yù)期調(diào)整后的貨幣因素。

2在中央銀行利用貨幣政策對(duì)房地產(chǎn)市場(chǎng)進(jìn)行調(diào)控過(guò)程中，利率作為貨幣政策的主要中介指標(biāo)存在并且發(fā)揮作用，是決定投資成本的主要因素。由于各地實(shí)際房貸利率不可得，本文采用貸款基準(zhǔn)利率作為替代解釋變量。盡管從貨幣政策角度來(lái)看，這種替代并不影響研究結(jié)論的穩(wěn)健性，但從技術(shù)上看，貸款基準(zhǔn)利率只能解釋房?jī)r(jià)在時(shí)序上的變動(dòng)，卻無(wú)法解釋截面上的差異，貸款基準(zhǔn)利率與房?jī)r(jià)上漲預(yù)期的交叉項(xiàng)可以彌補(bǔ)這一技術(shù)上的不足。

參考文獻(xiàn)：

[1]Harris J C. 1989. The Effect of Real Rates of Interest on Housing Prices [J].The Journal of Real Estate Finance and Economics，2（1）.

[2]Wheaton W C，Nechayev G. 2008. The 1998—2005 Housing 'Bubble' and the Current 'Correction'：What's Different this Time？ [J].Journal of Real Estate Research，30（1）.

[3]吳凡.房地產(chǎn)價(jià)格與宏觀經(jīng)濟(jì)關(guān)系的實(shí)證研究 [D].對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)，2006.

[4]劉明，劉斌.利率調(diào)控房?jī)r(jià)的效應(yīng)分析 [J].上海金融，2005，（11）.

[5]余鵬.房?jī)r(jià)高漲現(xiàn)象與利率治理效果的初步實(shí)證分析 [J].遼寧經(jīng)濟(jì)，2005，（10）.

[6]張靜竹.個(gè)人住房貸款利率“爬坡風(fēng)險(xiǎn)”評(píng)估及啟示 [J].金融理論與實(shí)踐，2019，（04）.

[7]Saiz A. 2007. Immigration and Housing Rents in American Cities [J].Journal of Urban Economics，61（2）.

[8]Gonzalez L，Ortega F. 2013. Immigration and Housing Booms：Evidence from Spain [J].Journal of Regional Science，53（1）.

[9]Sá Filipa. 2015. Immigration and House Prices in the UK [J].The Economic Journal，125（587）.

[10]董昕，周衛(wèi)華.住房市場(chǎng)與農(nóng)民工住房選擇的區(qū)域差異 [J].經(jīng)濟(jì)地理，2014，34（12）.

[11]陸銘，歐海軍，陳斌開(kāi).理性還是泡沫：對(duì)城市化、移民和房?jī)r(jià)的經(jīng)驗(yàn)研究 [J].世界經(jīng)濟(jì)，2014，（1）.

[12]丁軍.我國(guó)利率調(diào)整對(duì)房?jī)r(jià)影響的理論與實(shí)證研究 [J].改革與戰(zhàn)略，2013，29（03）.

[13]張安全，張立斌，郭麗麗.性別比例失衡對(duì)房?jī)r(jià)的影響及其門(mén)檻特征 [J].財(cái)經(jīng)科學(xué)，2017，（5）.

[14]李超，匡耀求.人口集聚過(guò)程中的我國(guó)房?jī)r(jià)收入比 [J].學(xué)術(shù)研究，2013，（2）.

[15]楊仁發(fā).產(chǎn)業(yè)集聚能否改善中國(guó)環(huán)境污染 [J].中國(guó)人口·資源與環(huán)境，2015，25（2）.

[16]吳錦華.我國(guó)房?jī)r(jià)上漲與住房需求增長(zhǎng)的因果關(guān)系探討 [J].中國(guó)社會(huì)科學(xué)院研究生院學(xué)報(bào)，2008，（05）.