■沈国云（青海师范大学青海西宁810008）摘 要：本文基于1999年—2018年青海省西宁市房地产业时间序列数据，构建了住宅价格波动的动态经济模 型，分别从供给、需求与宏观经济三方面实证分析了西宁市住宅价格的主要影响因素。研究结果表明：（1）供给
因素中土地价格、建设成本与投资与房产价格正相关，对房价的影响较大。（2）需求因素中人均GDP、居民存款余 额、人口密度与房价正相关，人均GDP对房价的彩响较大。（3）宏观经济变量贷款利率与房价负相关，CPI与房价 正相关，对房价彩响相对较小。（4）回归结果表明样本期内住宅预测价格比较接近真实价格，经济模型相对合理
并具有一定的预测能力。关键词：房地产价格 影响因素 实证分析【中图分类号】F293.3
【文献标识码】A【文章编号］1007-841X-2019（ 11 ）-0027-05—、引言改革开放以来我国经济高速发展，房地产业作为国民经
长率，西宁市住宅己供过于求。过高的房价会加重西宁市人
民买房与还贷负担，降低人民生活水平，导致西宁人才严重 流失，同时房地产市场的泡沫水平将严重影响社会稳定和经 济发展。济的支柱性与基础性产业，其发展势头更为强劲。1999年
以来，西宁市房价随着中国房价持续上涨，每年住宅房价平 均增长率为9.53%,尤其在2007年、2012年，房价涨幅更是
二、主要影响因素与理论假设（-）房地产供给因素达到19%与26%。2017年与2018年房价增长率分别为17. 64% 与14. 32%,同期居民人均可支配收入增长率分别为9. 66%与
9. 7%,房价增长率明显高于居民人均可支配收入增长率。目
前国际上通行的房价收入比均值在3-6倍之间，而2015年西 宁房价收入比均值为7. 02, 2017年房价收入比为11. 39,接近
1.土地价格（LANDPRICE）。土地价格是建造房屋的主要
组成成本，其在房价中占有五至六成的比重，土地价格的变 化将直接影响住房建筑成本的变化，随着经济发展和与城市
上海、广州、南京。近二十年来，西宁市房地产投资额年 平均增长率为17.44%,商品住宅空置面积年平均增长率为
化进程的推进，受“级差地租”的影响，土地出让价格上涨， 土地含金量上升，土地资源变得更为稀缺，从而提高房地产的
16. 52%,销售面积平均增长率为10%,其中2014年一2018年
销售面积为负增长，西宁市人口平均增长率为2.9%, 2006年 西宁市常住人口为206. 96万人，2018年为206. 3万人，十三
价格。西宁市土地购置费用从1999年的329元/平方米上涨到了
2018年153976/平方米，增长了4. 7倍左右，西宁市房地产开发商
的房屋成本将随着土地购置成本的大幅增加而增加。年当中人口增长接近为零，空置面积增长率大于销售面积增假设H1： 土地价格与房产价格正相关。2019.11
27经济金融2. 住宅建设成本（COST）o住宅建设成本=住宅竣工价值
/住宅竣工面积。住宅竣工价值指当期竣工住宅本身的建造 价值，住宅竣工面积主要代表房地产供给总量。上升将增加购房者的成本，降低住房需求与导致房价下降。 从供给角度来看，房地产业相对于其他行业，资产负债率较 高，绝大多数房地产开发投资主要资金来源为债务融资，融
假设H2：住宅建设成本与房产价格正相关。资成本随着贷款利率上升而上升，因此本文假设贷款利率与
3. 商品住宅投资（INVEST）。从理论上来说，房产市场
供给将随着房产投资的增加而增加，在假设房产需求不变或
房产价格呈现负相关关系。假设H8：贷款利率与房产价格负相关。需求弹性小于供给弹性的情形下，供给增加将导致房价下 降。假设H3：商品住宅投资与房产价格负相关。（二） 房地产需求因素1. 居民收入水平（PGDP）。用人均GDP数据反映居民收
入水平。它决定了居民的住房购买与消费能力，它的上升会
提升居民的购房能力与改善居住水平的愿望，进而促进其购
买房屋的有效需求，推动房价的上涨。假设H4：居民收入水平与房产价格正相关。2. 人口密度（P0PDEN）。从经济理论角度来看，房价将
随着人口密度增大而增大，即人口越多表示对房屋的需求越
大，住房资源将成为稀缺资源，对房价产生向上的推动力。假设H5：人口密度与房产价格正相关。3. 居民储蓄额（DEPOSIT）。指城乡居民在某一时点存入
银行及农村信用社的全部存款金额，包括城镇与农村居民个
人储蓄存款。一般情况下，居民储蓄额增加，意味着购买能
力增加，在住房面积保持不变的假设下，房价将随着上涨。假设H6：居民储蓄额与房产价格正相关。（三） 宏观经济因素1. 居民消费价格指数（CPI）。CPI是体现居民家庭因消
费服务项目和生活品支出价格水平变动趋势的经济指标。选
取该指标的原因在于CPI指标中含有建筑与装修相关材料、 房屋租金及其他费用指标。该指标的上涨说明居民家庭生活 成本或费用上升、劳动工资或成本的增加、房屋建设成本上
升与房产价格的上涨。假设H7：居民消费价格指数与房产价格正相关。2. 贷款利率（loanrate）。利率因素主要通过需求和供
给两个方面对房价产生影响。从需求角度来看，贷款利率的
28 * 妙 m 2019.11变量.模型选择与数据三.根据学者的研究结论，笔者根据房产经济发展现状和理
论分析以及可以获得的西宁市相关数据，主要选取了以下变 量：表1变量信患及相应说明分类变量名称单位变量符号说明被解释变量房价元/平方米price商品住宅平均销售价格土地价格元/平方米landprice城市建设用地地面均
价：居住供给因素建设成本元/平方米cost商品住宅竣工价值/竣
工面积住宅投资亿元invest商品住宅投资人均GDP 元 pgdp
人均GDP 需求因素人口密度 人/平方公里popden人口密度 居民存款亿元deposit居民人民币 储蓄存款余额宏观经济 价格指数
%cpi
商品零售价格指数 因素贷款利率%loanrate五年以上贷款利率由于1998年中国才开始启动房改政策，1998年以前属于 非市场化的福利分房时代，该背景下的房产价格无法反映市
场因素的影响。因此本文选取了 1999年~2018年的数据为样
本，主要数据来源于国家信息中心国信房地产信息网和国研
网统计数据库，贷款利率为5年及以上贷款利率，主要原因
是房地产开发商与购房者住房贷款期限均在5年以上。根据
本文的理论假设构建计量模型如下：Log（prictJ■仇* p\\Log31,）+^LogQandprict,}++ fl.Log^invtst,'）+ 久Log（pgdpJ + + ptLog（popdtn,） e tB。是常数项，Bi为变量的系数，气为残差。i表示变量
数,i=l, 2,3,4,5,6, 7,8。t表示年份，t=1999,2000,-2018»四、实证及回归结果分析（一）实证分析为避免选择的变量存在多重共线性现象，产生经济意义 不合理、统计检验与预测失效的后果，本文釆用分步回归法
长1%,房地产价格将增长0. 12%,住宅投资每增长1%,房地 产价格将增长0.21%,该模型当中建设成本对房价的影响最
对上述模型进行了回归，通过不断增加对房价显著的影响因 素，剔除相对影响不显著的因素，得到表2所示的回归结果：表2模型分步回归结果解释变量大。与本文理论假设Hl、H2、H3相一致。2. 需求因素。模型（3）加入居民存款变量，回归结果
表明：居民存款与房价正相关，并在1%的显著性水平下通过
1 2 0.48***(0.11)340. 233*567log (cost)0. 93***(0. 03)0. 33***0. 29***(0. 05)0. 11**(0. 05)0. 14***(0.01)(0.1)0. 398***(0. 1)(0. 11)0. 185***了变量显著性检验。居民存款每增长1%,房地产价格将增 长 0. 16%。模型（6）加入人均GDP变量，回归结果表明：人均GDP
log(landprice)0. 50***0. 15***0. 23***(0.06)0. 2***(0. 002)(0. 12)log (deposit)(0. 05)0. 115**(0. 04)(0. 009)0. 132***0. 16***(0.05)0. 07***(0. 007)0. 015***(0.001)(0. 01)0. 22***(0.01)0.012***log(invest)0. 21***(0. 05)0. 13**(0.05)0. 18***(0. 002)与房价正相关，并在1%的显著性水平下通过了变量显著性检
loanrate0. 01***(0. 002)-0. 04***(0. 0007)(0.001)log(pgdp)验。人均GDP每增长1%,房地产价格将增长0. 16%。模型（7）加入人口密度变量，回归结果表明：人口密
0. 22***0. 16***(0.009)(0. 07)cpi0. 02***(0. 009)log(popden)—0. 09***(0.004)0.93度与房价正相关，并在1%的显著性水平下通过了变量显著性 检验。人口密度每增长1%,房地产价格将增长0.09%。R2DW（1）
0. 9640.9771.410.98020. 98141.620.9820. 98341.741.81.221.651.585%, 10%.■+<2） «**. »*,
3. 宏观经济因素。模型（5）加入贷款利率，回归结果
表明：贷款利率与房价正相关，并在1%的显著性水平下通过 了变量显著性检验。贷款利率每增长1%,房地产价格将上升
表2的回归结果显示：随着变量的不断增加而逐步增加， 模型可调整拟合优度最终达到98. 34%,拟合程度较为理想。（二）结果分析0.01%,影响较小，与本文理论假设H8相反。而模型（7）加
入人均GDP、价格指数与人口密度后，贷款利率与房价负相
1.供给因素。回归结果表明变量在1%的显著性水平下拒
绝原假设，通过了变量显著性检验，对房价的影响显著，DW 值为1.8,不存在序列自相关。表示在其他变量保持不变的 条件下，建设成本与房价正相关，建设成本增长1%,房地产
关，贷款利率每增长1%,房地产价格将下降0. 04%,与本文
理论假设H8相一致。模型（7）加入价格指数，回归结果表明：价格指数与
价格将增长0. 93%,回归系数介于0-1之间，符合经济意义与 统计要求。与本文理论假设H2相一致。房价正相关，并在1%的显著性水平下通过了变量显著性检
验。价格指数每增长1%,房地产价格将增长0.02%,影响较 小。与本文理论假设H7相一致。模型（2）在模型（1）的基础上加入土地价格变量，回归
结果表明：在1%的显著性水平下建设成本与土地价格均通过了 变量显著性检验，对房价的影响显著。建设成本、土地价格与
房价正相关，成本每增长1%,房地产价格将增长0. 48%, 土地价 格每增长1%,房地产价格将增长0. 50%, 土地价格对房价的影响 效力更大。与本文理论假设Hl、H2相一致。模型（4）在模型（3）的基础上加入住宅投资变量，
回归结果表明：土地价格、住宅投资与居民存款在1%的显著 性水平下、建设成本在10%显著性水平下均通过了变量显著
图1模型拟合效果图4.模型回归拟合效果。根据图1显示，模型预测房产价
格与实际房产价格拟合效果较好，整体误差在18. 60-593. 36 之间，其中最小误差出现在2011年，最大误差出现在2015性检验。建设成本每增长1%,房地产价格将增长0.23%, 土
地价格每增长1%,房地产价格将增长0. 19%,居民存款每增
2019.11
29济短副!年。分析最大误差产生的原因主要在于2014年以前的房价
处于稳步上升的通道，而在2015年房价出现下降200元的现 象，而土地价格、建设成本稳定上升。之后的2016、2017、
2018年又分别以400元、800与900元的快速上升，土地价
格、建设成本按原速度稳步上升，导致从2014年以后的回归
误差较大。5.最终回归估计结果分析。从上述结果可以看出，在统
计意义的角度来说，供给因素对房价的影响显著。但从经济意
义的角度来说，成本决定价格，影响较小，估计结果显示土地 价格每增长1%引起房屋价格上涨0. 2%,建设成本每增长1%引起 房屋价格上涨0.14%。产生这种现象的原因可能是由于国内资 本投资渠道较少，而近几年的实践证明房屋具有良好的抵抗通 货膨胀的能力，购房者目前购买房产更多的时候考虑的不再是 居住需求，而是投资或货币的保值增值需求。加上近几年房价
的异常波动导致的房价扭曲，很大程度上房产价格的变动并不 能实际反映成本的变动。需求因素方面人均GDP、人口密度、居
民存款对房地产价格的影响从统计与经济意义方面均较为显著, 符合以前各位学者的实证研究结论。目前青海省全域范围内西 宁市具有海拔低、交通便利、居住环境好，拥有最好的教育、 医疗资源等优势，全省各州县人民对西宁市房屋存在大量的刚
性需求。同时从估计结果来看人均GDP对房产价格的影响最大， 存在边际递减效应，说明居民收入水平仍然是影响房地产实际需 求的主要因素，房地产的需求与价格也将随着收入的增长而增 长，推动房价的上涨。人口密度对房价的影响，影响相对较小， 鉴于西宁市居民平均收入水平在全国较低、且物价指数又在全 国排名较前，物价较高，导致居民存款较少，对房价的影响虽
然显著，但影响非常小。宏观因素方面，贷款利率和房价之间存在负相关关系， 表明货币政策的调控能够对房价产生相应的抑制作用，但是
根据估计结果，利率对房价的影响程度相对较小。五、结论与建议（一）主要结论I 30 榜仏 2019.11建房成本与土地价格对房价的影响在经济意义上占比较 小，表明成本决定价格的理论在目前现实房价面前已经不再
完全适用，回归结果从另一个角度说明了目前西宁市房地产
业的利润空间相对较大。不考虑成本的影响，人均收入水平对房价的影响非常明 显。主要原因在于收入决定消费，对于西宁市这样一个在全
国水平排名相对靠后的城市，收入约束应该是制约房产需求 的最重要因素。房产需要与房价将随着西宁市人均收入水平
增加而增加。由于地理条件的约束与土地资源的稀缺性，西 宁作为青海省省会城市，随着全省人均收入水平的增加，房
价将会持续上涨。地方政府在房价上涨过程中的推动作用也不容忽视。近
两年来西宁土地价格持续上涨，其中2014年出现了西宁最高
地价：中心广场北扩超高层建筑，30000元/平方米。2019年 许多住宅地块价格已超过4000元/平方米。相对于2018年统
计数据中获取的住宅土地价格1539元/平方米的数据，提高
了近2. 6倍。在中国现有的的政绩考核和财政体制体系下， 地方政府有着充分动机来提高政绩与增加财政收入，难以在
房产经济中相对中立。（二）主要建议一是规范土地出让制度，避免政府从房地产市场获取土
地暴利的可能性。目前很多地方政府在土地财政利益的驱动
下，在不断增加的财政支出压力下，已成为土地价格上涨的 重要推手，根据相关学者研究结论，目前很多地方政府的财 政主要收入来源于土地出让金和各类名目的房地产税费，无 法保证地方能够完全贯彻落实中央的房价调控政策。国家需
进一步规范土地出让制度，只有彻底摆脱目前的财政收入过 分依赖土地出让与房地产税费现象。二是建立规范有效的资本市场。随着我国经济的快速发
展，人民收入水平的不断提升，居民储蓄在逐年增加，但国
内物价指数也在持续上涨。2019年两会报告中通货膨胀率指
标计划控制在3%左右，而目前三年期整存整取的存款年利率
仅为2.75%,低于通货膨胀率，意味着将货币存入银行无法 实现增值。同时，目前国内股票市场现状是90%以上的投资经济金冒!者均在持续亏损当中，购买基金也少有人实现盈利，国内投
I![7] 张夕琨，缪小林.我国房地产价格与居民可支配收入关系的实证分析资渠道不畅。投资房地产不仅抵抗了通货膨胀，还能获得一
[J]•昆明理工大学学报(理工版)，2007⑹：104-112.[8] 鞠方，欧阳立鹏•我国房地产价格的影响因素及其合理性研究[J].财
定的利润，导致目前房地产市场购买房屋不再是基本居住的 需要，更重要的是投资需求。政府需要建立规范有效的资本
经理论与实践，2008 (4):116-119.[9] 周葛亮.房地产价格影响因素研究-基于probit模型的视角[J].经济
市场，疏通投资渠道，使老百性的投资能够获得高于通货膨
胀率的回报，实现一定的增值。研究导刊，2011, (24):153-154.[10] 庞如超.房地产价格波动的影响因素研究一基于中国30个省市的面
三是规范税收制度，适当降低个人所得税与房产相关 税收税率，提升人均收入水平与降低房产税收成本。根据拉 弗曲线定理，政府税收收入与税率之间呈现倒U型关系，即
板数据模型[J].价格月刊,2013 (4) :31-34.[11] 刘莉亚，苏毅•上海房地产价格合理性研究[J].经济学季
税率在曲线最高点左边以下时，政府税收收入随着税率的提 高而增加，但超过最高点时，政府税收收入随着税率的增加 而减少。主要原因为较高的税率会抑制经济的增长，减小税
刊,2005 (3)： 753- 768.[12] 张涛，龚六堂，卜永祥.资产回报、住房按揭贷款与房地产均衡价格
[J].金融研究,2006(2):1 10.基，最终使得税收收入下降。反之，减少税收可以刺激经济 增长，从而扩大税基，增加政府税收收入。只有提升居民收
[13] 吴学品，林明恒.海南房地产价格影响因素的实证研究-基于var模型
的分析[J],海南金融，2011, (12):214.[14] 刘会.房地产价格影响因素实证分析-基于35个城市面板数据[J],
入水平与消费能力，降低房产价格，才能使房地产行业良性 发展，为政府提供持续的财政收入造血功能。经济师，2012(1)22-24.[15] 胡卫兵.中国房地产价格波动与通货膨胀-基于35个大中城市面板数
参考文猷：[1] Peng, R. J. W. C. Wheaton. Effects of Restrictive Land Supply on
据的实证检验[J].东方企业文化,2010 (04) :178-179.[16] 刘思清.房地产税收与房地产价格[J].辽宁经济,2014(6): 46-49.Housing in HongKong: An Econometric Analysis[J]. Journal of Housing Re
search, 1994(2) :263 291.[2] Abraham, Jesse M； Hendershott, Patrie H. Bubbles in Metropolitan
[17] 项勇，陈兰，庞伟.城市价值与房地产价格相关性实证研究一基于中
国35个主要城市面板数据分析[J].价格月刊,2017(12) :6-11.[18] 王来福，郭峰.货币政策对房地产价格的动态影响研究一基于VAR模
Housing Market[J]. Journal of Housing Research,1996(2):191-207.[3] 周平新乔，陈敏彦.融资、地价与楼盘价格趋势[J].世界经
型的实证[J],财经问题研究，2017 (11)； 15-19.济,2004(7): 3-10.[4] 况伟大.房价与地价关系研究：模型及中国数据检验[J],财贸经济 20(11)16-63.作者简介：沈国云(1974—),女，江苏盐城人，博士，副教授，现就职于青海师 范大学。[5] 苏亚莉，张玉.我国房地产价格影响因素的实证研究一基于2003-
2008年数据[J].江西社会科学，2011(12):54-57.[6] 石冰清•房地产价格影响因子的数学模型分析一以北京市为例[J].现
责任编辑：山成英校 对：SCY代商贸工业，2012(02) :261-263.2019.11 榜＜“ 31
因篇幅问题不能全部显示，请点此查看更多更全内容