08陈会广 - PDF Free Download

第 34 卷第 10 期 2012 年 10 月 2012,34(10):1871-1880 Resources Science Vol.34,No.10 Oct.,2012 文章编号 :1007-7588(2012)10-1871-10 房地产市场及其细分的调控重点区域划分理论与实证以中国 35 个大中城市为例陈会广 1, 刘忠原 2 1, 张耀宇 (1. 南京农业大学中国土地问题研究中心, 南京 210095; 2. 中国人民大学公共管理学院, 北京 100872) 摘要 :2010 年以来, 在国家严厉的密集的调控政策下, 各大城市房地产市场运行绩效表现出差异性, 但也显示地方反弹的压力因而, 如何做到调控精准化差别化和决策科学化需要房地产重点监控区域划分的理论与方法研究本文以房价与地价波动及其关系的表现形式为依据, 提出工作假说房价地价关系与全国基本一致的城市, 其房价波动偏离全国房价波动均值的程度也较小, 以此作为划分重点监控区域的标准或方法然后利用全国及 35 个大中城市的房屋销售价格指数与土地交易价格指数, 通过 Granger 因果关系检验得出, 与全国层面房价地价关系短期内双向互动影响一致的城市有 26 个 ; 运用均值方差与离散系数等描述性统计得出, 与全国层面房价地价关系的短期效应一致的城市,2010 年以来其新建住宅价格指数和二手住宅价格指数离散系数普遍小于均值, 而海口杭州深圳等城市应成为房地产调控政策实施监控的重点 ; 单个样本 t 检验表明, 新建住宅市场与二手房市场的差异较大, 而后者与全国层面房价地价关系的短期效应一致的城市较少, 今后国家宏观调控政策应重点关注二手房市场总体而言, 把握各城市与全国层面房价地价关系的短期效应一致性以及差异性, 是房地产分区域分市场分类差别化与精准化调控体系的基础关键词 : 房地产调控 ; 房价与地价关系 ; 差别化 ; 市场细分 ; 新建住宅市场 ; 二手房市场 1 引言从 2010 年初至今, 我国房地产市场进入一个政策密集调控的阶段, 调控的目的旨在遏制部分城市房价过快上涨, 抑制投资投机型住房需求, 促进房地产市场平稳健康发展从国务院关于坚决遏制部分城市房价过快上涨的通知 ( 国发 [2010]10 号 ) 到国务院办公厅关于进一步做好房地产市场调控工作有关问题的通知 ( 国办发 [2011]1 号 ), 经济金融税收等手段全面升级, 尤其是限购令的落实与问责机制的威慑, 显示了中央政府调控房地产市场的坚定决心国家统计局公布的数据显示,2011 年 2 月新建商品住宅价格同比下降的城市有 1 个, 二 [1] 手住宅价格同比下降的城市有 3 个 ; 而 2012 年 2 月新建商品住宅价格同比下降的城市有 27 个, 二手住 [2] 宅价格同比下降的城市有 44 个这说明房价对政 [3] 策的调控反应敏感, 而且在国家严厉而密集的房地产调控政策下, 城市层面上房地产价格波动在往好的效果和良性的方向转化, 但是城市之间房地产市场运行绩效存在明显差异尤其有些地方在稳增长与放松调控之间打擦边球, 如佛山市放宽限购朝令夕改, 以及中山松绑限价芜湖新政救市等, 虽然这些政策均无疾而终, 但种种现象背后也反映了房地产调控上中央与地方政府存在目标冲突执行力度和贯彻落实不彻底等, 从而导致 [4] 国家房地产调控的效果不佳在面对国家调控政策时具有明显自我利益倾向的地方政府, 一方面会收稿日期 :2012-04-24; 修订日期 :2012-08-15 基金项目 : 教育部哲学社会研究重大课题攻关项目 ( 编号 :11JZD031); 国家自然科学基金 ( 编号 :71073134); 中央高校基本科研业务费 - 南京农业大学人文社会科学研究基金 ( 编号 :SKHQ2011026); 江苏省青蓝工程土地经济与管理方向科技创新团队项目作者简介 : 陈会广, 男, 山东莒南人, 博士后, 副教授, 研究方向为土地制度与政策 E-mail:chenhuiguang@njau.edu.cn http://www.resci.cn

1872 资源科学第 34 卷第 10 期把他们的自我利益以及所代表的集团利益通过种 [5] 种合法和非法的途径渗透到政策执行之中 ; 另一方面通过曲解规则托市软抵制等多种手段对抗国家调控政策, 从而导致多只看得见的手在本位主义的驱使下相互牵制, 从而大大抵消了调控的效 [6,7] 果房地产调控政策的忽紧忽松摇摆不定, 造 [8] 成了动态不一致性, 使政策的有效性受到影响在当前房地产市场既承受着房价反弹的供给方压力, 又存在着对调控反复的需求方担忧的形势下, 中央调控如何做到调控精准化, 又防止限购一刀切, 力求决策科学化, 成为一个重要理论与政策研究课题上述课题的开展离不开动态监测房地产市场, 而目前的监测工作在重点区域市场监控差别化上没有进展, 缺少房地产市场调控重点区域划分的理论与方法研究, 尤其新建住宅和二手房等细分市场的差别化调控工作更不到位类似佛山中山芜湖等有反弹现象的城市应列入房地产重点监控名单, 但是只做不说与中央调控逆向的城市也应列入这就带来一系列的问题, 即监控名单与问责不能仅仅枪打出头鸟, 但哪些城市应该列入房地产重点监控区域名单, 才能既起到调控精准化的作用又防止一刀切, 更重要的是, 以什么标准或方法划分房地产重点监控区域, 这也就是本文的研究问题而问题解决的关键是, 采取科学方法分析 2010 年以来哪些城市的房屋销售价格波动符合中央政府房地产政策调控的预期由于房地产市场又由新建住宅和二手房两个既区分又关联的市场组成, 于是有的城市可能需要重点监控新建住宅市场, 有的可能重点调控二手房市场, 有的可能二者兼而有之, 因而需要具体情况具体对待换言之, 若区分新建住宅市场和二手房市场, 则分别重点监控细分市场的城市名单又该如何确定? 为了回答上述问题, 本文的内容与结构安排如下 : 2 工作假说方法选择与数据说明 2.1 工作假说为落实新国八条关于公布 2011 年房地产调 1) 控目标的要求, 一些城市将控制房价过快上涨的目标与 GDP 增长目标挂钩, 也有与城镇居民人均可支配收入增长幅度挂钩, 这些做法启发了本文解决上述问题的思路因而, 本文将全国层面的房屋销售价格波动作为调控基准, 讨论 2010 年以来城市的房屋销售价格波动与全国层面波动的偏离程度, 由偏离程度推断中央调控政策的效果房地产市场波动表现为房价与地价的波动, 而房价与地价之间 ( 或者说房屋销售市场与土地一级市场之间 ) 的关系复杂而且, 作为房地产市场的两大主体, 房价与地价关系是否协调对房地产业运行城市土地利用效率都有很大影响 [9] 因此, 可以以房价与地价波动及其关系的表现形式为依据, 分析城市的房价波动与全国层面波动的偏离程度基于这样的分析与判断, 我们提出一个房地产市场调控的工作假说, 即房价地价关系与全国基本一致的城市, 其房价波动偏离全国房价波动均值的程度也较小如果城市的房屋销售价格波动偏离程度不大, 就可以假定该城市符合中央政府房地产政策调控的预期 2.2 数据选取及说明房地产价格指数能反映一定时期内房地产价格变动趋势和程度我国房地产价格指数由一系列与房地产紧密相关的指数构成, 如按照物业市场的不同, 房地产价格指数包括房屋销售价格指数房屋租赁价格指数和土地交易价格指数 ; 按照房地产市场类型不同, 住宅销售价格指数又分为新建住宅价格指数和二手住宅价格指数在房地产市场中, 房地产价格指数对于投资者消费者和政府来说都是一种很重要的市场信息 [10] 房地产价格指数可以反映不同地区不同物业市场的房地产价格波动情况, 可以作为房地产市场深入监测和分析的基础和宏观经济景况的晴雨表, 还可以作为衡量生活生产成本的重要指标 [11] 因而, 房地产价格指数符合本文模拟反映房价与地价的波动的要求本文通过对土地交易价格指数房屋销售价格指数新建住宅销售价格指数以及二手住宅销售价格指 1) 国务院办公厅关于进一步做好房地产市场调控工作有关问题的通知 ( 国办发 2011 1 号 )( 简称新国八条 ) 明确要求,2011 年各城市人民政府合理确定本地区年度新建住房价格控制目标, 并于一季度向社会公布. http://www.resci.net

2012 年 10 月陈会广等 : 房地产市场及其细分的调控重点区域划分理论与实证 1873 数等房地产价格指数的分析与计量, 探究调控下各大城市房地产市场运行绩效差异由于我国从 1998 年才逐步从福利分房制向实行货币化分房转变, 而我国城市级地价与房价数据从 2001 年才开始正式对外公布因此, 本文收集整理了从 2002 年第 1 季度到 2009 年第 4 季度的全国及 35 个大中城市的土地交易价格指数和房屋销售价格指数 ( 以下简称地价指数和房价指数 ), 其中,2002 年的数据来源于国研网,2003 年至 2009 年数据来源于国家统计局官方网站 2010 年各月份以及 2011 年 1 月 -6 月份新建住宅销售价格指数与二手住宅销售价格指数也来源于国家统计局官方网站 2.3 方法选择在房地产市场调控过程中, 中央与地方政府开发商等相关利益主体之间的博弈决定了房地产调控政策的绩效, 即房地产价格波动形式因而, 对房地产市场各利益主体之间进行博弈分析, 能够对过去调控效果不佳给出解释, 并为今后房地产市场调控指明方向但是, 基于信息不对称假设的博弈分析并不能保证政策应用可以达到调控的精准化因此, 各利益主体之间的动态博弈及其对房价波动产生的影响不是本文考虑的重点, 而是将房地产调控中各利益主体博弈作为既定假设和研究背景, 对博弈的动态演进过程不作展开各主体博弈均衡状态间的转化, 亦即失衡到均衡到再失衡均衡到失衡到再均衡, 作为供求力量反映在房地产市场上就是房价与地价的波动本文将利用全国及 35 个大中城市的房价指数与地价指数描述房地产市场波动, 通过 Granger 因果关系检验, 梳理出各个城市在不同时期不同方向的房价与地价关系, 并与全国数据进行比较和归类, 以此为房地产波动分析提供基础 ; 然后, 运用离散系数和单样本 t 检验, 对 2010 年以来上述城市的房屋销售价格及房地产市场类型进行计量, 将各地区房价的波动与全国房价的波动进行比较以分析各地房价波动与全国房价波动的协同性与差异性关系, 从而确定房地产调控重点监控的城市名单以及市场细分调控的重点下面对 Granger 因果关系检验描述性统计与单个样本 t 检验等方法原理作一介绍 2.4 Granger 因果关系检验在时间序列情形下, 两个经济变量 X Y 之间 [12] 的 Granger 因果关系定义为 : 若在包含了变量 X Y 的过去信息的条件下, 对变量 Y 的预测效果要优于只单独由 Y 的过去信息对 Y 进行的预测效果, 即变量 X 有助于解释变量 Y 的将来变化, 则认为变量 X 是引致变量 Y 的 Granger 原因 Granger 因果关系检验假设了有关 y 和 x 每一变量的预测的信息全部包含在这些变量的时间序列之中检验要求估计以下的回归 : n n X t = η i X t - i + i = 1 j = 1 m m Y t = α i Y t - i + i = 1 j = 1 δ j Y t - j + μ 1t (1) β j X t - j + μ 2t (2) 式中 μ 1t μ 2t 假定互不相关式 (1) 假定当前 X 与 X 自身以及 Y 的过去值有关, 而式 (2) 对 Y 也假定了类似的行为著 ; 显著对式 (1) 而言, 其零假设 H 0 :δ 1 = δ 2 = = δ n = 0 对式 (2) 而言, 其零假设 H 0 :β 1 = β 2 = = β n = 0 可能存在四种检验结果 : X 对 Y 有单项影响, 则 H xy 0 显著,H yx 0 不显著 ; Y 对 X 有单项影响, 则 H yx 0 显著,H xy 0 不显著 ; X 与 Y 之间存在双向影响, 则 H yx 0 显著,H xy 0 显 X 与 Y 之间不存在影响, 则 H yx 0 不显著,H xy 0 不 Granger 因果关系检验是目前研究房价与地价关系最为成熟且常用的方法,Raymond [13] 对香港房价与地价关系进行的实证检验就采用了该方法, 算是该方法应用在房价与地价关系问题上较早的尝 [14] [15] [16] 试随后郑娟尔和吴次芳况伟大严金海以 [17] 及陈会广等等运用 Granger 因果关系检验对全国房价与地价关系进行计量, 差别在于所选变量及其时间序列长度 ; 有学者考虑房地产市场的区域性, 对部分区域或城市的房价与地价关系进行计量, 如 [18] [19] 曾向阳张安录等基于武汉市的数据, 崔光灿基于上海的数据 ; 也有在此基础上进一步考虑市场结 [20] 构特性, 如陈会广等对全国和部分城市的数据同 http://www.resci.cn

1874 资源科学第 34 卷第 10 期时进行检验本文继续采用该方法并不是简单地重复, 而是在总结和概括我国房价与地价关系的城市差异的基础上, 为模拟 35 个城市房地产市场波动与全国波动的关系提供基础 2.5 描述性统计与单个样本 t 检验描述性统计是数据分析中最为常见和基础性的工作, 其目的在于了解资料的基本特征, 并为深入研究提供研究基础描述性统计的指标包括离散趋势集中趋势以及分布参数等其中离散系数 (Coefficient of Variance, 即 CV) 是衡量资料中各观测值变异程度的重要统计量该指标反映的是单位均值上的离散程度, 常用在两个总体均值不等的离散程度的比较上用公式表达为 : CV = σ μ 式中 σ 表示标准差 ;μ 表示均值 (3) 单个样本 t 检验目的是利用来自某总体的样本数据, 推断该总体的均值是否与指定的检验值之间存在显著差异它是对总体均值的假设检验其基本的步骤是提出零假设选择检验统计量计算检验统计量观测值和概率 p 值以及最后给出显著性水平 α, 并作出决策运用单个样本 t 检验, 可以得到 35 个大中城市的房价波动水平的均值, 通过对统计量的假设检验来推断各个城市房价波动水平的总体均值与全国整体房价波动的均值之间是否存在显著性差异, 以此作为房地产调控重点监控城市名单的依据, 从而判断限购时期哪些城市的市场波动符合中央调控的预期 3 房价与地价关系类型划分 : 基于 Granger 因果关系检验的分析进行 Granger 因果关系检验的一个必要前提条件是时间序列必须具有平稳性, 本文采取常用的 Augmented Dickey-Fuller 检验 (ADF 检验 ) 来分别对各大城市的房价与地价指标序列的平稳性进行单 [21] 位根检验随后, 采用 EG 方法对各大城市房价与地价之间的关系进行检验, 当检验结果显示变量之间存在关系时才能进行 Granger 因果关系检验, 探究变量之间的因果关系以及因果关系的方向数据整理过程中发现, 广州和兰州的数据的地价指数统计信息不全, 将其剔除后剩余 33 个城市, 受篇幅所限, 本文只给出检验结果, 见表 1 根据理论, 只有同阶单整阶数的两个变量才可能有关系由表 1 可见, 北京石家庄西安和银川四个城市未通过检验, 其余均通过协整检验并运算出 Granger 因果关系检验结果本文结合房地产开发周期, 设置的滞后时间最大为 10 期 ( 两年半 ) 同时, 以滞后 6 期 ( 一年半 ) 为界限, 滞后 6 期以内的房价与地价关系归纳为短期效果, 滞后 6 期及以上为长期效果由表 1 可见, 各城市房价与地价关系与全国的情况存在差异, 这种差异表现在长短期是否有影响影响方向影响强度等方面为方便观察, 笔者根据表 1 反映的房价与地价关系, 将 29 个大中城市重新划分和归类, 形成表 2 结果从表 2 中可以看出, 虽然不同城市的房价与地价关系存在一定复杂性, 但当按照一定的分类标准进行归类时, 其结果表现出以下特征 : (1) 从短期来看, 房价与地价之间基本存在一定关系, 并且以双向影响为主, 个别表现出房价对地价的单向影响关系进一步来看, 在双向影响关系中, 房价对地价影响在短期内更为显著的城市占绝大多数上海厦门南昌济南以及深圳的房价与地价关系表现为双向影响, 且地价对房价影响较大 (2) 从长期来看, 房价与地价关系表现出一定的复杂性, 即有无影响影响方向和影响方式都存各有一定比例的城市具体来看, 大部分城市的房价与地价在较长时间内存在一定关系其中, 房价与地价单向影响的数量要比双向影响的个数多, 并且房价对地价的单向影响更对显著 (3) 值得一提的是个别城市无论是长期还是短期, 房价与地价关系表现一定的规律性, 如海口市的房价与地价不存在关系 ; 上海市和厦门市的房价与地价关系是相互影响, 并且地价对房价的影响更为显著 ; 福州市的房价一直单向影响地价 (4) 房价与地价关系检验结果并没有呈现出任何地域分布的特点 : 不同地域空间的城市的房价与地价关系可以表现出相同的影响方向和强度 ; 部分有一定地域联系并且检验结果相同的城市由于缺乏足够的证据也不能得出一般性的规律 http://www.resci.net

2012 年 10 月陈会广等 : 房地产市场及其细分的调控重点区域划分理论与实证表 1 全国及 33 个大中城市房价与地价关系检验结果 Table 1 The result of the national and 33 major cities housing price and land price relationship 1875 城市全国北京天津石家庄太原呼和浩特沈阳大连长春哈尔滨上海南京杭州宁波合肥福州厦门南昌济南青岛郑州武汉长沙深圳南宁海口重庆成都贵阳昆明西安西宁银川乌鲁木齐房价指数 I(2) 单位根检验 ** ** ** ** I(2) I(2) ** 地价指数 ** ** ** ** ** 检验不不 * * ** ** 不不 ** Granger 检验结果短期内, 房价单向影响地价 ; 长期内, 地价单向影响房价短期长期内房价与地价相互影响, 且房价对地价影响较强短期长期内房价与地价相互影响, 且房价对地价影响较强短期长期内房价与地价相互影响, 短期房价对地价影响较强, 长期地价对房价影响较强短期内, 房价与地价相互影响, 且房价对地价的影响较大 ; 长期内地价单向影响房价短期内, 房价与地价相互影响, 且房价对地价的影响较大 ; 长期内地价单向影响地价短期内, 房价与地价相互影响, 且房价对地价影响较强 ; 长期内房价单向影响地价短期长期内房价与地价相互影响, 短期地价对房价影响较强, 长期地价影响房价较强短期内, 房价与地价相互影响, 且房价对地价的影响较大 ; 长期内地价单向影响地价短期内, 房价与地价相互影响, 且房价对地价的影响较大 ; 长期内房价与地价没有影响短期长期房价单向影响地价短期长期内房价与地价相互影响, 且地价对房价影响较强短期内, 房价与地价相互影响, 且地价房价影响较大 ; 长期内房价单向影响地价短期内, 房价与地价相互影响, 且地价对房价影响较强 ; 长期房价与地价没有影响短期长期内房价与地价相互影响, 且短期内房价对地价影响较强, 长期内地价对房价影响较强短期内, 房价与地价相互影响, 且房价对地价的影响较大 ; 长期内房价与地价没有影响短期内, 房价与低价相互影响, 且房价对地价影响较强, 长期内房价与地价没有影响短期内房价与地价相互影响, 且房价对地价影响较大 ; 其后各期地价单向影响房价无论短期还是长期, 地价与房价之间均没有明显因果关系短期内, 房价与地价相互影响, 且房价对地价的影响较大 ; 长期内房价与地价没有影响短期内, 房价与地价相互影响, 且地价房价影响较大 ; 长期内房价单向影响地价短期长期内房价与地价相互影响, 且房价对地价影响较强短期内, 房价与地价相互影响, 且地价房价影响较大 ; 长期内房价单向影响地价注 :* 表示在 10% 的置信水平下平稳或 ;** 表示在 5% 的置信水平下平稳或 ; 其余均指的是在 1% 的置信水平下的检验结果总之, 本节运用 Granger 因果关系检验, 从不同时期不同影响方向上对全国 35 个大中城市进行了分析和归类结果表明, 虽然不同城市房价与地价关系表现出一定的差异性, 但是与全国房价地价关系一致的城市仍占多数 ( 见表 2) 下面用离散系数和单个样本 t 检验来验证这些城市房价波动偏离全国房价波动均值的程度在总体上是否也较小 4 2010 年以来房屋销售价格波动分析与重点监控城市名单表 2 根据各大城市与全国在房价地价关系上给 http://www.resci.cn

1876 资源科学表 2 各大中城市房价与地价关系的分类 Table 2 The classification of the major cities housing price and land price relationship 第 34 卷第 10 期短期有影响双向影响房对地全国太原呼和浩特沈阳大连长春哈尔滨南京杭州宁波合肥青岛郑州武汉长沙南宁重庆成都贵阳昆明西宁乌鲁木齐地对房上海厦门南昌济南深圳单向影响房对地天津福州地对房没影响海口长期有影响双向影响房对地地对房太原呼和浩特贵阳沈阳上海厦门青岛单向影响房对地全国哈尔滨宁波合肥福州南昌长沙南宁成都昆明西宁乌鲁木齐地对房天津大连长春南京深圳不确定没影响北京石家庄西安银川广州兰州杭州济南郑州武汉海口重庆出了分类从 2010 年 4 月份, 为遏制部分城市房价过快上涨, 抑制投资投机型住房需求, 促进房地产市场平稳健康发展, 中央政府先后出台了新国十条新国五条以及新国八条等房地产调控政策, 行政经济金融税收等调控手段全面升级一系列密集政策实施以来,2010 年以来房地产市场价格发生波动但是, 各大城市房地产运行是否符合国家房地产政策调控预期, 本节对此将采取离散系数指标进行度量, 并给出重点监控的城市名单通过对 35 个大中城市 2010 年 1 月至 2011 年 6 月新建住宅价格销售指数和二手住宅销售价格指数离散系数的计算, 测算出各城市房价波动趋势与全国房价波动一致性及差异性结果如表 3 和表 4 所示由表 3 可知,35 个大中城市新建住宅价格指数离散系数位于 0~0.025 之间的达到 62.86%, 且样本数随离散系数的增加而减少 35 个大中城市新建住宅价格指数离散系数的均值为 0.03, 标准差为 0.033 对 35 个大中城市二手住宅价格指数而言, 半数以上城市离散系数集中于 0~0.025 之间, 比例达到 62.86%, 且样本数随离散系数的增加而减少 35 个大中城市二手住宅价格指数离散系数的均值标准差, 见表 4 二手住宅价格指数计量数据时间跨度为 18 个月, 与表 2 中短期的内涵相同因此, 考察 2010 年以来的市场波动情况, 只需与表 2 中短期情况进行对比分析即可分析结果如表 5 所示由表 5 可知, 新建住宅价格指数离散系数小于均值的城市名单中, 与全国房价与地价关系短期波动一致的有 : 太原呼和浩特沈阳等 20 个城市 ; 二手住宅价格指数离散系数小于均值的城市名单中, 表 3 35 个大中城市新建住宅价格指数离散系数 Table 3 The CV of 35 major cities new residential price index 离散系数区间 0.0000~0.0250 0.0250~0.0500 0.0500~0.1000 0.1000~0.1250 0.1250~0.1500 0.1500~0.2000 合计样本数 22 7 5 0 0 1 35 百分比 (%) 62.86 20.00 14.28 0.00 0.00 2.86 100.00 表 4 35 个城市二手住宅价格指数离散系数 Table 4 The CV of 35 major cities new residential price index 离散系数区间 0.0000~0.0250 0.0250~0.0500 0.0500~0.1000 0.1000~0.1250 0.1250~0.1500 0.1500~0.2000 合计样本数 22 8 4 0 0 1 35 百分比 (%) 62.85 22.86 11.43 0.00 0.00 2.86 100.00 http://www.resci.net

2012 年 10 月陈会广等 : 房地产市场及其细分的调控重点区域划分理论与实证表 5 2010 年以来城市房价波动与全国房价与地价关系对比分析 1877 Table 5 The relationship between cities housing price fluctuating and national housing price fluctuating 新建住宅价格指数离散系数小于均值新建住宅价格指数离散系数大于 0.05 二手房住宅价格指数离散系数小于均值二手房价格指数离散系数大于 0.05 城市名单太原呼和浩特沈阳大连长春哈尔滨青岛郑州武汉长沙南宁重庆成都贵阳昆明西宁乌鲁木齐厦门南昌济南福州石家庄兰州杭州深圳海口广州北京银川太原呼和浩特沈阳长春哈尔滨合肥青岛郑州武汉南宁成都贵阳昆明西宁乌鲁木齐南昌济南广州福州石家庄天津西安北京厦门杭州深圳银川海口其中, 与全国房价与地价关系一致的城市名单太原呼和浩特沈阳大连长春哈尔滨青岛郑州武汉长沙南宁重庆成都贵阳昆明西宁乌鲁木齐厦门南昌济南杭州深圳太原呼和浩特沈阳长春哈尔滨合肥青岛郑州武汉南宁成都贵阳昆明西宁乌鲁木齐南昌济南厦门杭州深圳与全国房价与地价关系短期波动一致的有 : 太原呼和浩特沈阳等 17 个城市同时, 新建住宅价格指数离散系数高于 0.05 的城市有海口杭州深圳广州北京银川 6 个城市, 这是新建住宅市场重点监控的城市名单 ; 二手住宅价格指数离散系数高于 0.05 的城市有海口杭州深圳银川厦门 5 个城市, 这是二手房市场重点监控的城市名单从表 5 同样可以得出, 与全国房价地价关系波动一致的城市落在重点监控名单的较少由于房价是房地产市场各个因素的综合体现和最终表现, 因此, 以房价的波动来反映房地产市场运行状况具有一定的科学性而离散系数方法的运用, 将房地产市场及其波动的复杂性简化成对房价变异程度的考察, 为解释和度量房地产市场运行效果提供了一种简洁而明确的思路离散系数的计算结果显示, 房价变异程度较小的城市, 基本上是与全国房价地价关系一致的城市由此, 已初步验证了本文之前提出的工作假说 5 新建住宅市场与二手房市场 : 市场细分调控的重点上文基本上验证了工作假说, 并且细分为新建住宅市场和二手房市场的情况下也基本成立下面通过 35 个大中城市 2010 年 1 月 -12 月新建住宅价格销售指数和二手住宅销售价格指数, 与全国层面相应指数的均值 t 检验, 进一步验证工作假说对市场细分调控仍然成立, 结果见表 6 从单样本 t 检验的结果来看, 除天津上海南京杭州宁波合肥西安 7 个城市外, 大多数城市的新建住宅价格的变化幅度要小于全国的平均变化幅度对照表 2 有太原等 25 个城市, 与全国层面的房价地价关系的短期效应一致 ; 石家庄福州兰表 6 各城市新建住宅市场与二手房市场细分调控的侧重点 Table 6 The key regulation cities in new residential market and second-hand residential market 新建住宅价格指数显著小于全国均值新建住宅市场调控重点城市二手房价格指数显著小于全国均值二手房市场调控重点城市城市名单太原呼和浩特沈阳大连长春哈尔滨南京宁波合肥青岛郑州武汉长沙南宁重庆成都贵阳昆明西宁乌鲁木齐上海厦门南昌济南深圳福州兰州石家庄合肥宁波天津上海西安南京杭州北京天津石家庄太原呼和浩特长春哈尔滨南京宁波福州南昌济南郑州广州南宁西宁成都昆明乌鲁木齐长沙大连宁波兰州上海重庆南京其中, 与全国房价地价关系一致的城市名单太原呼和浩特沈阳大连长春哈尔滨南京宁波合肥青岛郑州武汉长沙南宁重庆成都贵阳昆明西宁乌鲁木齐上海厦门南昌济南深圳太原呼和浩特长春哈尔滨南京宁波郑州南宁成都乌鲁木齐南昌昆明西宁济南 http://www.resci.cn

1878 资源科学第 34 卷第 10 期州三城市虽均值显著小于全国平均水平, 但与全国层面的房价地价关系的短期效应不一致, 可列入新建住宅市场调控观察名单, 进一步观察它们的动向 ; 天津上海南京杭州宁波合肥西安七个城市应成为新建住宅市场重点监控名单从二手房市场的单个样本 t 检验结果来看, 有北京等 19 个城市二手住宅价格指数显著低于全国的均值对照表 2 有太原等 14 个城市, 与全国层面的房价地价关系的短期效应一致 ; 北京天津石家庄福州广州五城市虽均值通过 t 检验, 但与全国的房价地价关系的短期效应不一致, 可进一步观察它们的动向 ; 长沙大连宁波兰州上海重庆南京 7 个城市的均值没有通过 t 检验, 应列为二手房市场重点监控名单单个样本 t 检验结果表明, 多数城市的新建住宅价格和二手住宅价格的变化程度显著小于全国均值, 且房价波动小于全国均值的城市也与 Granger 因果关系检验的结果基本一致这进一步验证了工作假说由此可以认为, 对各个城市房价波动水平与全国整体房价波动的均值之间的差异进行显著性检验可以为市场细分与差别化调控提供简单而行之有效的思路, 并有助于决策的科学化 6 结论与讨论本文利用全国及 35 个大中城市的房价指数与地价指数,2010 年各月份及 2011 年 1 月 -6 月份新建住宅销售价格指数与二手住宅销售价格指数, 运用 Granger 因果关系检验描述性统计及单样本 t 检验, 对中国房价与地价关系城市房价波动与全国房价波动关系等问题进行了研究, 拟定出基于精准化调控的房地产市场重点监控城市名单总结全文如下 : 6.1 基本结论及其政策含义 (1) 把握各城市房价地价关系与全国层面房价地价关系的短期效应一致性, 及其与全国水平房价的离散程度, 是精准化调控的基础中国房价与地价关系主要表现为 : 短期内, 房价与地价相互影响, 且房价对地价的作用较显著从长期来看, 房价与地价的关系表现出不稳定性由此可见, 二者各受即期地价或房价的影响比较大, 地价的波动本质上又是由住房需求引起因此, 可以房价与地价短期波动的表现形式为依据, 将各城市的房价波动与全国层面波动的偏离进行分类结果显示, 与全国层面房价地价关系的短期效应一致的城市, 其新建住宅价格指数和二手住宅价格指数离散系数普遍小于均值这说明受到 2010 年以来的房地产市场调控政策的影响, 这些城市房地产市场运行的健康程度较高, 基本符合中央政府调控房地产市场的目标和要求但是, 海口杭州深圳等城市的房价的离散系数较大, 则说明这些城市房地产市场调控效果不佳, 应该成为房地产调控政策实施监控的重点正是因为如此, 各城市房价地价关系与全国水平的一致性, 以及与全国水平房价的离散程度, 是反映房地产市场健康状况的两个重点指标, 以此为依据可拟定出今后我国房地产精准化调控的城市名单 (2) 准确把握各城市与全国层面房价地价关系的短期效应一致性以及差异性, 也是建立新建住宅与二手房市场分类差别化调控体系的基础单个样本 t 检验表明, 新建住宅价格指数显著小于全国均值的城市中与全国层面房价地价关系的短期效应一致的有 25 个 ; 而二手房市场的差异较大, 与全国层面的房价地价关系的短期效应一致的有 14 个城市今后国家宏观调控政策应重点关注二手房市场, 重点监控天津上海南京杭州宁波合肥西安 7 个城市的新建住宅市场, 重点监控长沙大连宁波兰州上海重庆南京 7 个城市的二手房市场, 调控二手房与新建住宅市场的关系总之, 与已有的官方房地产市场监测不同, 本文的一个重要贡献是利用监测数据并基于短期效应的讨论而建立了房地产分区域分市场分类差别化调控体系, 并为此提供了确定重点监控城市名单的思路与方法至此, 本文研究结论的政策应用对中央政府而言, 应坚持房地产调控政策不动摇, 防止调控出现反复, 同时对房地产市场进行分区域分市场分类调控, 逐步推进房地产市场调控的精准化, 提高政策的针对性和灵活性动态监测房地产市场, 划分市场监控重点区域, 实行房地产重点监控城市名单, 是今后调控差别化制度化的方向 http://www.resci.net

2012 年 10 月陈会广等 : 房地产市场及其细分的调控重点区域划分理论与实证 1879 6.2 进一步讨论与展望 (1) 本文的结论与政策含义是针对短期效应而作出的, 若推广应用到长期情形尚需进一步研究本文是基于短期效应的讨论, 并仅从短期角度验证了工作假说, 提供了划分重点监控区域的方法, 并基于实现中央和地方政府等利益主体之间的博弈均衡的意图, 建议在监控名单之内外的不同城市实施差别化调控策略但是, 房地产市场是动态变化的, 若以 2011 年或 2012 年为基准, 重点监控城市名单有可能与上述结果不同况且从长期来看, 房价与地价关系的协调程度与全国基本一致的城市, 其房价波动偏离全国房价波动均值的程度又会有怎样的变化, 也是后续亟待验证的命题就长期效应而言, 如何构建分区域分类精准化调控体系也尚需进一步研究因此, 若应用转化为政策则应侧重本文划分房地产重点监控区域的标准或方法, 而不是结果本身 (2) 本文以 35 个大中城市为例研究房地产市场调控问题, 但可能由于方法与数据本身问题, 尚有关系不确定的一些城市, 这需要进一步收集数据资料与创新研究方法广州和兰州因为数据缺失而没有进行 Granger 因果关系检验及进一步的研究, 不能确定其是否属于重点监控范围 ; 北京石家庄西安和银川因其不能通过分析, 故而不能进行 Granger 因果关系检验, 只进行了离散系数和 t 检验, 也不能确定这 4 个城市是否支持本文的工作假说因而, 通过数据完善与方法改进是否能将 35 个大中城市完整包含在研究工作中, 并将结论与政策含义进一步一般化, 在政策应用不仅适用于上述 35 个大中城市, 还适用于当前统计口径中的 70 个城市, 以及其他城市, 这个研究工作有待深入参考文献 (References): [ 1 ] 国家统计局. 2 月份 70 个大中城市住宅销售价格变动情况 [EB/OL]. http://www.stats.gov.cn/was40/gjtjj_detail.jsp? search word=70% B8% F6% B4% F3% D6% D0% B3% C7% CA% D0 & channelid=19761&record=14,2012-03-18. [2] 国家统计局. 2012 年 2 月份 70 个大中城市住宅销售价格变动情况 [EB/OL]. http://www.stats.gov.cn/tjfx/jdfx/t20120318_ 402792971. htm, 2012-03-18. [3] 李玲, 朱道林, 胡克林. 基于 PSR 模型的房地产调控政策对房价影响的研究 [J]. 资源科学, 2012, 34(4):787-793. [4] 孔行, 刘治国, 李国平, 等. 我国房地产市场的价格波动与宏观调控效应分析 [J]. 西安交通大学学报 ( 社会科学版 ), 2009, 29 (5):28-35. [5] 王学杰. 我国公共政策执行力的结构分析 [J]. 中国行政管理, 2008(7): 62-65. [6] 么英莹, 李志丹. 中央与地方之间的博弈分析 [J]. 法制与社会, 2007(3): 393-394. [7] 赵晓, 谭国荣. 看不见的手打败了多只看得见的手 [J]. 开放导报, 2006(3):5-10. [8] 韩蓓, 蒋东生. 房地产调控政策的有效性分析 [J]. 经济与管理研究, 2011(4):22-31. [9] 周京奎. 城市土地价格波动对房地产业的影响 [J]. 当代经济科学, 2006, 28(4):1-7, 124. [10] 张宏斌, 贾生华. 编制城市房地产价格指数的理论模型和实用方法 [J]. 中国软科学, 2000(4): 64-67. [11] 刘洪玉, 孙峤. 房地产价格与房地产经济学研究 [J]. 建筑经济, 2006(2):12-15. [12] Granger. C. W. J. Investigating Causal Relations by Econometric Models and Cross-Spectral Methods[J]. Econometrica, 1969, 37: 424-438. [13] Raymond Y. C. Tse. Housing price, land supply and revenue from land sales[j]. Urban Studies,1998, 35(8):1377-1392. [14] 郑娟尔, 吴次芳. 地价与房价的因果关系 [J]. 中国土地科学, 2006(6):31-37. [15] 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, 2005(11): 56-63. [16] 严金海. 中国房价与地价 : 理论, 实证和政策分析 [J]. 数量经济技术经济研究, 2006(1):17-26. [17] 陈会广, 刘忠原. 普通住宅房价与地价因果关系的检验及其政策含义 [J]. 产经评论, 2011(1):57-64. [18] 曾向阳, 张安录. 基于 Granger 检验的地价与房价关系研究 [J]. 中国土地科学, 2006(2):57-61. [19] 崔光灿. 上海市房价地价和租金关系研究 [J]. 中国房地产, 2006(4):4-6. [20] 陈会广, 刘忠原. 中国普通住宅房价与地价关系的理论及实证研究 [J]. 资源科学, 2011, 33(5):856-862. [21] Engle, Robert F. and C. W. J. Granger. Co-integration and Error Correction: Representation, Estimation, and Testing[J]. Econometrica, 1987(55): 251-276. http://www.resci.cn

1880 资源科学第 34 卷第 10 期 A Theoretical Zoning and Empirical Study on Control of the Real Estate Market and Its Segmentation in 35 Major Cities, China CHEN Huiguang 1, LIU Zhongyuan 2, ZHANG Yaoyu 1 (1. China Center for Land Policy Research, Nanjing Agricultural University, Nanjing 210095, China; 2. College of Public Administration, Renmin University of China, Beijing 100872, China) Abstract: Since 2010 the real estate market has undergone intensive policy regulation in China. Under these strict real estate policies the performance of real estate markets varies from city to city. Real estate market regulation now faces problems from price rebounds resulting from local pressure and the challenge remains as to how best regulate the market while making decisions scientifically. Our aim in this study is to provide a method to determine the division of key cities of control over the real estate market and segmentation. We established the hypothesis that if one city s relationship between housing price and land price is basically in accordance with the national relationship, its fluctuation in housing prices deviates less from the national mean. First, using data from 35 major cities we conducted a Granger causality test in order to discuses relationships between land price and housing price for each city across different periods and directions. Second, we analyzed short term effects on the price index of real estate sales since 2010. Our findings supported the hypothesis above, that a city with a low coefficient of variation basically follows the national rule for the relationship between housing prices and land prices. We also found a significant difference between the new residence market and second-hand real estate market and attention should now be given to the second-hand real estate market via national macro-control policy. It is important for the Chinese government to grasp the consistencies and differences in the short-term effects of housing-land price relationships between these 35 major cities, and the nation. The approach presented here is an important contribution different from the present official monitoring methods of the real estate market. Future policy should emphasize accurate classified control. Key words: Real estate control; Housing prices; Land prices; Market segmentation; New residential market; Second-hand residential market http://www.resci.net