鄭世剛
(湖北經(jīng)濟(jì)學(xué)院 經(jīng)濟(jì)與貿(mào)易學(xué)院,湖北 武漢 430205)
房地產(chǎn)業(yè)是中國(guó)國(guó)民經(jīng)濟(jì)的基礎(chǔ)性和先導(dǎo)型產(chǎn)業(yè),對(duì)實(shí)際經(jīng)濟(jì)活動(dòng)具有顯著的重要性,同時(shí)房地產(chǎn)在中國(guó)城市居民家庭資產(chǎn)中所占的比重接近70%,房?jī)r(jià)具有顯著的財(cái)富效應(yīng)。因此,房?jī)r(jià)的穩(wěn)定不僅關(guān)系到房地產(chǎn)市場(chǎng)的健康發(fā)展,對(duì)國(guó)民經(jīng)濟(jì)平穩(wěn)增長(zhǎng)以及家庭安定同樣意義重大。但是2003年以來,中國(guó)各省市的房?jī)r(jià)呈現(xiàn)出全面顯著的快速上漲趨勢(shì),房地產(chǎn)市場(chǎng)持續(xù)失衡,由此中央政府對(duì)房地產(chǎn)市場(chǎng)進(jìn)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?jī)r(jià)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(chǎng)長(zhǎng)效機(jī)制,實(shí)現(xiàn)市場(chǎng)平穩(wěn)健康發(fā)展”,并要求“深入研究長(zhǎng)期的基礎(chǔ)性制度安排”。顯然,長(zhǎng)期內(nèi)穩(wěn)定房?jī)r(jià)是長(zhǎng)效機(jī)制建設(shè)的內(nèi)在核心目標(biāo)之一,而實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵在于抓住房?jī)r(jià)的長(zhǎng)期決定力量,因此研究中國(guó)房?jī)r(jià)的長(zhǎng)期影響因素具有很強(qiáng)的現(xiàn)實(shí)意義。
2000年之前,在供需框架下研究房?jī)r(jià)影響因素是基本范式,大量學(xué)者認(rèn)為經(jīng)濟(jì)基本面能夠很好的解釋房?jī)r(jià)。Hort、Capozza等分別對(duì)瑞典和美國(guó)的研究均表明,經(jīng)濟(jì)基本面因素對(duì)房?jī)r(jià)具有很好的解釋力,但在中國(guó)制度環(huán)境下,有些學(xué)者認(rèn)為這一解釋力隨時(shí)間推移而逐漸減弱,安輝和王瑞東認(rèn)為中國(guó)經(jīng)濟(jì)基本面與房?jī)r(jià)之間缺乏穩(wěn)定的關(guān)系,房?jī)r(jià)很大程度上受到政策環(huán)境的影響[1-4]。事實(shí)上,由于中國(guó)房地產(chǎn)市場(chǎng)樣本期較短,Mcquinn和Oreilly所提出的 “房?jī)r(jià)在長(zhǎng)期主要反映經(jīng)濟(jì)基本面”的觀點(diǎn)仍然值得信賴[5]。
影響房?jī)r(jià)的經(jīng)濟(jì)基本面因素的研究文獻(xiàn)非常豐富,其中收入、人口和消費(fèi)者預(yù)期等被廣泛討論。Goodman認(rèn)為居民持久收入對(duì)房?jī)r(jià)具有重要影響,Capozza等、Lamont和Stein則分別強(qiáng)調(diào)真實(shí)收入、人均收入的跨期變動(dòng)和滯后一期的房?jī)r(jià)收入比對(duì)房?jī)r(jià)的解釋作用,而中國(guó)學(xué)者大都強(qiáng)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(duì)房地產(chǎn)市場(chǎng)的影響,徐建煒等采用了Mankiw和Weil的計(jì)量方法,研究了少年人口撫養(yǎng)比和老年人口撫養(yǎng)比對(duì)真實(shí)房?jī)r(jià)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?jī)r(jià)的關(guān)系[8-10]。近幾年中,預(yù)期對(duì)房?jī)r(jià)的影響引起廣泛關(guān)注,但是否是房?jī)r(jià)的決定因素,存在較大分歧。有學(xué)者認(rèn)為房?jī)r(jià)主要受市場(chǎng)主體行為因素的影響,消費(fèi)者和開發(fā)商的一致性預(yù)期一旦形成,則預(yù)期對(duì)房?jī)r(jià)的影響最大。與之相反,況偉大認(rèn)為經(jīng)濟(jì)基本面對(duì)房?jī)r(jià)的影響要大于預(yù)期和投機(jī),而史永東和陳日清則認(rèn)為房?jī)r(jià)自身的變動(dòng)才是房?jī)r(jià)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(jià)是房?jī)r(jià)的主要構(gòu)成部分,但對(duì)它們與房?jī)r(jià)之間關(guān)系的認(rèn)識(shí)并不一致。許多學(xué)者認(rèn)為建筑成本是房?jī)r(jià)的主要影響因素,尤其在長(zhǎng)期中影響顯著,但也有學(xué)者認(rèn)為建筑成本對(duì)房產(chǎn)開工的影響并不顯著,而新建房產(chǎn)量的價(jià)格彈性較小,因此建筑成本并不能解釋房?jī)r(jià)變化[11]。一部分學(xué)者認(rèn)為地價(jià)上升將導(dǎo)致房?jī)r(jià)上升[13],但許多學(xué)者對(duì)兩者的因果關(guān)系提出質(zhì)疑,認(rèn)為地價(jià)不是房?jī)r(jià)的原因,而是房?jī)r(jià)的結(jié)果。
政策因素對(duì)中國(guó)房?jī)r(jià)的影響是顯著的,但大量學(xué)者對(duì)政策的有效性提出了質(zhì)疑,認(rèn)為中國(guó)政策的困境在于缺乏動(dòng)態(tài)一致性和前瞻性。政策因素是否構(gòu)成決定房?jī)r(jià)的長(zhǎng)期力量,看法并不一致。許多研究表明,長(zhǎng)期內(nèi)房?jī)r(jià)與利率負(fù)相關(guān),但也有觀點(diǎn)認(rèn)為信貸政策對(duì)中國(guó)房?jī)r(jià)具有顯著的正向影響。許多學(xué)者從中國(guó)實(shí)際入手,提出中長(zhǎng)期內(nèi)利率對(duì)房?jī)r(jià)的影響較弱,利率對(duì)房?jī)r(jià)的解釋力不強(qiáng),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(zhǎng)期內(nèi)推高房?jī)r(jià),但也有研究認(rèn)為稅收政策不能顯著影響房?jī)r(jià),不能對(duì)稅收的作用過高估計(jì)。
可以看出,房?jī)r(jià)的決定因素非常復(fù)雜,尤其是中國(guó)房?jī)r(jià),其影響因素不僅眾多,而且多元。已有文獻(xiàn)大都基于經(jīng)驗(yàn),主觀性的選擇某個(gè)或某些因素作為房?jī)r(jià)的解釋變量,使用回歸方法進(jìn)行實(shí)證檢驗(yàn),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(jì)結(jié)果存在嚴(yán)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(shí)BMA方法能夠有效解決模型的不確定性問題,并在多個(gè)領(lǐng)域得到了廣泛應(yīng)用,如經(jīng)濟(jì)增長(zhǎng)、能源問題、公司治理、環(huán)境規(guī)制等,但鮮有對(duì)房?jī)r(jià)問題的應(yīng)用研究。為克服模型不確定性對(duì)房?jī)r(jià)影響因素研究的影響,本文選取1999年—2017年35個(gè)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(guó)房地產(chǎn)長(zhǎng)效機(jī)制的構(gòu)建。
現(xiàn)有研究通常以房?jī)r(jià)為被解釋變量,以房?jī)r(jià)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(shí)現(xiàn)對(duì)房?jī)r(jià)決定因素的描述。
由于房?jī)r(jià)系統(tǒng)復(fù)雜,集合中的元素?cái)?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(yàn)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(yàn)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(shí)證中不得不采取復(fù)雜的方法進(jìn)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(jìn)入房?jī)r(jià)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(yàn),也無法確定是否為最優(yōu)組合。
1.文獻(xiàn)分析法。為了避免變量選取的主觀性,本文使用文獻(xiàn)分析法,通過統(tǒng)計(jì)現(xiàn)有文獻(xiàn)中關(guān)于房?jī)r(jià)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(yàn)信息和先驗(yàn)概率,得到各模型的后驗(yàn)概率,通過進(jìn)一步計(jì)算得到各解釋變量的后驗(yàn)包含概率(PIP)、后驗(yàn)均值(PM)以及后驗(yàn)標(biāo)準(zhǔn)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(yàn)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(gè)方面的優(yōu)勢(shì):一是假設(shè)檢驗(yàn)簡(jiǎn)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(yàn)概率進(jìn)行判斷,從而規(guī)避了對(duì)“總體和樣本統(tǒng)計(jì)分布”進(jìn)行假設(shè)檢驗(yàn)的難點(diǎn);二是信息利用充分,利用參數(shù)先驗(yàn)信息,將每個(gè)候選模型參數(shù)的后驗(yàn)估計(jì)概率進(jìn)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(yàn)處理便利,通過計(jì)算每一個(gè)假設(shè)的后驗(yàn)概率,并以此作為評(píng)價(jià)解釋變量和模型優(yōu)劣的標(biāo)準(zhǔn)。
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(yàn)分布為DUIP,所有模型的先驗(yàn)概率為均勻分布。
3.MC3方法。當(dāng)變量數(shù)目較大時(shí),候選模型的數(shù)量也會(huì)非常大,導(dǎo)致參數(shù)和模型后驗(yàn)概率的迭代計(jì)算變得困難,因此通常會(huì)采用馬爾科夫蒙特羅模型綜合(MC3)抽樣技術(shù)對(duì)模型進(jìn)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(yàn)概率越高的模型更大概率會(huì)被接受,從而提高計(jì)算效率。
中國(guó)房?jī)r(jià)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(shí)際數(shù)據(jù)信息;二是30個(gè)省會(huì)城市數(shù)據(jù);三是典型城市數(shù)據(jù),但截面過?。凰氖?5個(gè)大中城市;五是70個(gè)大中城市住宅銷售價(jià)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(jià)格指數(shù),2011年1月開始發(fā)布新建住宅銷售價(jià)格指數(shù)。,通常序列較短。綜合來看,35個(gè)大中城市包含了直轄市、省會(huì)城市、自治區(qū)首府以及14個(gè)單列城市,這些城市是各個(gè)區(qū)域經(jīng)濟(jì)發(fā)展水平最好的和市場(chǎng)化程度最高的代表性城市,使用這一數(shù)據(jù)更能反映房?jī)r(jià)的長(zhǎng)期決定因素。因此,本文選取35個(gè)大中城市1999年—2017年的年度面板數(shù)據(jù),覆蓋中國(guó)整個(gè)房地產(chǎn)市場(chǎng)化歷程,共形成665個(gè)面板數(shù)據(jù)樣本。所有數(shù)據(jù)來源于中國(guó)國(guó)家統(tǒng)計(jì)局、中經(jīng)網(wǎng)、中國(guó)人民銀行以及各城市的《統(tǒng)計(jì)年鑒》。
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(yùn)用文獻(xiàn)分析法,以“房?jī)r(jià)”及相似詞為主題詞進(jìn)行文獻(xiàn)檢索??紤]到本文研究主題為中國(guó)房?jī)r(jià)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(xiàn)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(jìn)行文獻(xiàn)分析時(shí)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(xiàn)。通過分析文獻(xiàn)的主題詞和關(guān)鍵詞,選取其中的219篇作為提取房?jī)r(jià)影響因素的文獻(xiàn)來源。經(jīng)過對(duì)摘要進(jìn)行文本分析、合并相同意義詞后,提取出79個(gè)房?jī)r(jià)影響因素,繼而對(duì)上述因素進(jìn)行頻次統(tǒng)計(jì)和排序,同時(shí)根據(jù)各因素在文獻(xiàn)中的意義進(jìn)行調(diào)整,并舍棄頻次僅為1的因素,最終得到35個(gè)因素(見表1)。
表1 房?jī)r(jià)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(fù)成本,后者為保有環(huán)節(jié)稅種,2011年起在上海、重慶等幾個(gè)城市試點(diǎn)征收,但范圍較窄、額度較小,對(duì)房?jī)r(jià)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(duì)房?jī)r(jià)的影響同樣有意義,但在房地產(chǎn)市場(chǎng)化過程中,固定資產(chǎn)投資對(duì)房?jī)r(jià)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(shí)期對(duì)房?jī)r(jià)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(duì)其計(jì)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(duì)房?jī)r(jià)形成影響,因此本文不再單獨(dú)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?jī)r(jià),也將在長(zhǎng)期中影響房?jī)r(jià),因此保留該因素更為合理。
根據(jù)經(jīng)濟(jì)含義,將各變量歸為宏觀、產(chǎn)業(yè)、成本、行政、人口、市場(chǎng)、收入和土地等8個(gè)類別。
1.宏觀變量。雖然許多學(xué)者認(rèn)為經(jīng)濟(jì)基本面對(duì)房?jī)r(jià)的解釋能力趨于減弱,但其仍是決定房?jī)r(jià)的基礎(chǔ)力量,文獻(xiàn)分析結(jié)果也顯示了宏觀變量是房?jī)r(jià)決定因素的重要組成部分。大部分文獻(xiàn)使用城市化率(3)城市化率的計(jì)算公式為城鎮(zhèn)人口/總?cè)丝?,官方統(tǒng)計(jì)中,2006年以前計(jì)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(gè)大中城市作為樣本時(shí)存在兩個(gè)問題:一是35個(gè)大中城市皆為所屬區(qū)域的經(jīng)濟(jì)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(duì)這些城市房?jī)r(jià)的決定可能不再顯著;二是長(zhǎng)期以來,戶籍是購(gòu)買住房的重要要件,并且在限購(gòu)時(shí)期,戶口直接成為劃分是否具有購(gòu)房資格的前提條件,城市化進(jìn)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(gòu)買力,只有戶籍人口才具有有效需求,但長(zhǎng)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(duì)外開放度(eod)既反映了各城市對(duì)國(guó)際市場(chǎng)要素的吸收和引進(jìn)能力,尤其是資金,也體現(xiàn)了各城市在國(guó)際市場(chǎng)中的參與度和影響能力,現(xiàn)有文獻(xiàn)使用多種方式表征,如進(jìn)出口總額/GDP、資本流量總額/GDP、對(duì)外融資比率/對(duì)外投資比例、外貿(mào)依存度(實(shí)際直接利用外資/GDP)??紤]到房地產(chǎn)業(yè)的特點(diǎn)以及研究目的,本文選擇較為傳統(tǒng)的衡量方式——進(jìn)出口貿(mào)易額/GDP予以表征。借鑒已有文獻(xiàn)的處理,本文使用中國(guó)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(duì)城市房?jī)r(jià)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(jìn)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(jìn)步是經(jīng)濟(jì)增長(zhǎng)的重要源泉之一,而經(jīng)濟(jì)增長(zhǎng)與房?jī)r(jià)具有密切的關(guān)系,部分文獻(xiàn)認(rèn)為技術(shù)進(jìn)步對(duì)房?jī)r(jià)具有一定影響。通常技術(shù)進(jìn)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(gè)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(jìn)步(ltp)。
3.成本變量。地價(jià)和建筑成本是構(gòu)成房地產(chǎn)的主要直接成本,地價(jià)(llp)由房地產(chǎn)開發(fā)企業(yè)土地購(gòu)置費(fèi)除以土地購(gòu)置面積計(jì)算得到;建筑成本(lcc)由建筑造價(jià)表征,等于竣工造價(jià)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(hù)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(gòu)房者的交易成本從而影響房?jī)r(jià)。
4.行政變量。限購(gòu)(ppl)是政府干預(yù)房?jī)r(jià)的重要手段,但其是否對(duì)房?jī)r(jià)產(chǎn)生影響存在爭(zhēng)議,尤其是在長(zhǎng)期內(nèi)。本文使用0-1虛擬變量表征限購(gòu),限購(gòu)年份為1,其他年份為0。銀行貸款是中國(guó)房地產(chǎn)開發(fā)和消費(fèi)的主要資金來源,除了企業(yè)自籌資金和消費(fèi)者首付款,其他資金大都來自于信貸,結(jié)合中國(guó)房地產(chǎn)市場(chǎng)的實(shí)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(zhǎng)期利率使用中國(guó)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(jì)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(zhǎng)期房?jī)r(jià)的重要決定因素,已有文獻(xiàn)涉及人口絕對(duì)數(shù)、人口增長(zhǎng)率、人口密度和人口流動(dòng)四個(gè)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(zhǎng)率表征人口增長(zhǎng)率(pgr),人口密度(lpd)由年末總?cè)丝诔猿鞘行姓娣e計(jì)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(dòng)(fp)。
6.市場(chǎng)變量。許多文獻(xiàn)認(rèn)為預(yù)期是房?jī)r(jià)的重要決定力量,借鑒已有文獻(xiàn)的做法,本文使用滯后一期房?jī)r(jià)表示預(yù)期(lphe)。
7.收入變量。收入同樣是長(zhǎng)期房?jī)r(jià)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(gòu)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(gòu)置費(fèi)表征土地購(gòu)置費(fèi)(llpe)。
按照通常做法,所有價(jià)格和收入指標(biāo)取實(shí)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?yàn)槌W∪丝谂c戶籍人口的差額可能為負(fù),所以未作對(duì)數(shù)化處理。均作對(duì)數(shù)化處理。
如表1的統(tǒng)計(jì)描述所示,所有變量的均值皆遠(yuǎn)大于標(biāo)準(zhǔn)差,表明不存在異常數(shù)據(jù),可以進(jìn)一步建模分析。本文使用R3.5.2軟件,調(diào)用BMS程序包,進(jìn)行MC3抽樣和BMA分析。35個(gè)解釋變量共計(jì)形成備選模型235個(gè),基準(zhǔn)模型設(shè)定中模型先驗(yàn)概率設(shè)定為均勻分布,參數(shù)先驗(yàn)概率設(shè)定為隨機(jī)g型分布,利用MC3技術(shù)抽樣抽取其中5 010 000個(gè)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。
實(shí)證分析之前,本文對(duì)所有解釋變量的相關(guān)性進(jìn)行檢驗(yàn)。將所有變量按照上述設(shè)定運(yùn)行時(shí),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(qiáng)相關(guān)性。相關(guān)分析結(jié)果顯示部分變量間的確存在強(qiáng)相關(guān)性,本文先選取不存在相關(guān)性的變量運(yùn)行,繼而依次納入相關(guān)性較強(qiáng)的變量,最終發(fā)現(xiàn)土地購(gòu)置費(fèi)是造成強(qiáng)相關(guān)性的原因,考慮到地價(jià)已經(jīng)包含土地購(gòu)置費(fèi)的信息,刪除該變量并不會(huì)影響到后續(xù)分析,因此刪除后保留剩余的34個(gè)解釋變量。
圖1 后驗(yàn)?zāi)P鸵?guī)模分布均值圖
圖1報(bào)告了中國(guó)房?jī)r(jià)后驗(yàn)?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(yàn)假設(shè)吻合,并且具有97%以上的概率。同時(shí),模型規(guī)模的均值為16.698 9,并且達(dá)到最大值,即在抽樣抽取的5 000 000個(gè)模型中,任一單一模型平均含有16個(gè)能夠有效且充分解釋房?jī)r(jià)的解釋變量。表2報(bào)告了35個(gè)大中城市房?jī)r(jià)對(duì)34個(gè)解釋變量的BMA估計(jì)結(jié)果,并按后驗(yàn)概率排序,反映了各個(gè)解釋變量對(duì)被解釋變量的解釋能力。第六列為解釋變量的符號(hào)確定率,是指所有包括該解釋變量的估計(jì)結(jié)果中,其系數(shù)符號(hào)與后驗(yàn)均值符號(hào)一致的概率,從而反映該變量的穩(wěn)健性。
表2 35個(gè)大中城市房?jī)r(jià)對(duì)各變量的BMA估計(jì)結(jié)果
根據(jù)后驗(yàn)概率,34個(gè)解釋變量可分為4組:
第一組為前11個(gè)變量,后驗(yàn)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(gè)變量的符號(hào)確定率為0,意味著這四個(gè)變量對(duì)房?jī)r(jià)的影響雖然顯著,但穩(wěn)健性不足。其他7個(gè)變量包括通脹、地方財(cái)政支出、地價(jià)、預(yù)期、房地產(chǎn)開發(fā)投資、人均消費(fèi)支出、城鎮(zhèn)居民人均可支配收入的符號(hào)確定率皆為1,顯示出了對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)顯著和穩(wěn)健的解釋能力。同時(shí),這7個(gè)變量的后驗(yàn)均值均為正,與后驗(yàn)標(biāo)準(zhǔn)差的比值都大于2,表明這些變量對(duì)房?jī)r(jià)具有顯著的正向影響。
預(yù)期的后驗(yàn)均值達(dá)到0.27,遠(yuǎn)大于其他因素(除城鎮(zhèn)居民人均可支配收入),是決定長(zhǎng)期房?jī)r(jià)的最主要因素,這與鄭世剛和嚴(yán)良的研究結(jié)論一致,房?jī)r(jià)具有明顯的正反饋效應(yīng),房?jī)r(jià)很大程度上源于自身的歷史趨勢(shì)[17]。城鎮(zhèn)居民人均可支配收入的后驗(yàn)均值同樣達(dá)到0.27,購(gòu)房者收入對(duì)房?jī)r(jià)具有顯著的正向影響,符合理論假定,并與已有研究的觀點(diǎn)一致[18]。房地產(chǎn)開發(fā)投資的后驗(yàn)均值為0.15,對(duì)房?jī)r(jià)具有明顯的促進(jìn)和決定作用。地方財(cái)政支出對(duì)房?jī)r(jià)影響的理論分析源于Tiebout(1956)所提出的微觀機(jī)制,通過“用腳投票”,公共服務(wù)支出將顯著的資本化到房?jī)r(jià)中,并顯著正向影響房?jī)r(jià),這一理論得到了大量中國(guó)文獻(xiàn)的支持。表2中地方財(cái)政支出的后驗(yàn)均值為0.107 5,與上述觀點(diǎn)較為吻合。人均消費(fèi)支出(后驗(yàn)概率為0.082)反映了家庭的消費(fèi)能力,這些年來居住支出始終占據(jù)八類消費(fèi)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(duì)房?jī)r(jià)產(chǎn)生了較為明顯的正向影響。地價(jià)的后驗(yàn)均值為0.074 9,不僅是房?jī)r(jià)的重要組成部分,也是長(zhǎng)期房?jī)r(jià)的重要因素,與孟慶斌和榮晨的觀點(diǎn)一致。房地產(chǎn)具有抵消通脹的特性,通脹的后驗(yàn)均值為0.02,表明通脹對(duì)房?jī)r(jià)具有正向決定作用。
第二組包括長(zhǎng)期實(shí)際利率和信貸2個(gè)變量,后驗(yàn)概率大于0.8且小于0.9,對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)具有較好的解釋能力,符號(hào)確定率達(dá)到100%,后驗(yàn)均值與后驗(yàn)標(biāo)準(zhǔn)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(rèn)為利率對(duì)房?jī)r(jià)具有較大影響,但大都針對(duì)短期利率,本文實(shí)證結(jié)果表明短期實(shí)際利率并不顯著,而長(zhǎng)期實(shí)際利率對(duì)長(zhǎng)期房?jī)r(jià)的決定作用較為顯著,并且具有正向影響。信貸的后驗(yàn)均值為0.092 6,在長(zhǎng)期內(nèi)正向影響房?jī)r(jià)。以上結(jié)論符合大部分學(xué)者的觀點(diǎn)。
第三組包括城鎮(zhèn)人口增長(zhǎng)率、對(duì)外開放度和建筑成本3個(gè)變量,后驗(yàn)概率大于0.5且小于0.8,對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)具有一定的解釋能力,符號(hào)確定率同樣達(dá)到100%,且后驗(yàn)均值與后驗(yàn)標(biāo)準(zhǔn)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(yàn)概率為0.03,在長(zhǎng)期中對(duì)房?jī)r(jià)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(duì)外開放度和城市人口增長(zhǎng)率的后驗(yàn)均值同樣為正。值得注意的是,城市人口增長(zhǎng)率對(duì)房?jī)r(jià)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(gè)變量,后驗(yàn)概率小于0.5,對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)的解釋能力較弱,符號(hào)確定率表明這些變量的穩(wěn)健性低于上述變量。已有房?jī)r(jià)研究的文獻(xiàn)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(duì)長(zhǎng)期房?jī)r(jià)顯著且穩(wěn)健的決定作用。
為進(jìn)一步驗(yàn)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(duì)模型進(jìn)行估計(jì),共提取出后驗(yàn)概率最高的109個(gè)模型。表3報(bào)告了后驗(yàn)概率最高的前五位單一模型,分別包含16、15、18、17、15個(gè)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(hào)無明顯差別,表現(xiàn)出較好的顯著性。五個(gè)單一模型的后驗(yàn)概率總和為0.223 1,其中模型1的后驗(yàn)概率最高,其BIC值大于等于其它模型的BIC值,因此可以認(rèn)為模型1為最優(yōu)模型。同時(shí)可以發(fā)現(xiàn),除個(gè)別變量的后驗(yàn)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(hào)與MC3方法的估計(jì)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(gè)解釋變量,系數(shù)值與MC3的估計(jì)值(后驗(yàn)均值)基本一致,這些變量顯著的影響了中國(guó)房?jī)r(jià)的波動(dòng),并能解釋其變動(dòng)的85%。16個(gè)變量中,城鎮(zhèn)居民人均可支配收入和預(yù)期對(duì)房?jī)r(jià)的影響最大,分別為0.28和0.27,對(duì)房?jī)r(jià)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(cái)政支出和信貸對(duì)房?jī)r(jià)波動(dòng)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(guó)信貸政策存在著房地產(chǎn)偏好,而地方財(cái)政支出存在著“用腳投票”機(jī)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?jī)r(jià)過快上漲。尤其是房?jī)r(jià)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?jī)r(jià)上漲,但只是短時(shí)之策,長(zhǎng)期來看,增加供給、保持一定的供給彈性更有利于房?jī)r(jià)穩(wěn)定、市場(chǎng)健康發(fā)展。
表3 “Occam window”算法估計(jì)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(hào)內(nèi)為標(biāo)準(zhǔn)差。
參數(shù)和模型先驗(yàn)概率的設(shè)定不同將對(duì)BMA方法的估計(jì)結(jié)果帶來影響,本文將在上述基準(zhǔn)設(shè)定的基礎(chǔ)上,通過改變參數(shù)和模型的先驗(yàn)概率,對(duì)上文的估計(jì)結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。
1.改變參數(shù)的先驗(yàn)概率。變換參數(shù)先驗(yàn)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(shí)三種設(shè)定下對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)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(gè)變量的符號(hào)確定率仍然為0,其他變量的后驗(yàn)概率基本相同,后驗(yàn)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(yàn)概率下后驗(yàn)?zāi)P鸵?guī)模分布比較圖
表4 不同參數(shù)先驗(yàn)概率下模型后驗(yàn)概率和后驗(yàn)均值比較(5)為節(jié)省篇幅,只報(bào)告了模型規(guī)模范圍內(nèi)的變量的后驗(yàn)概率和后驗(yàn)均值,表5同。
變量BRIC②EBL③HQ④后驗(yàn)概率后驗(yàn)均值后驗(yàn)概率后驗(yàn)均值后驗(yàn)概率后驗(yàn)均值地價(jià)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(cái)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(fèi)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(zhǎng)期實(shí)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(duì)外開放度0.641 90.012 60.658 20.013 00.732 40.014 7 城市人口增長(zhǎng)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(jìn)模擬Hannan-Quinn準(zhǔn)則,參見Fernandez,Ley和Steel(2001)。
⑤ “Random”指的是將先驗(yàn)包含概率設(shè)定為二元超先驗(yàn)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(yàn)概率,參見Martin,Doppelhofer和Miller(2004)。
⑦ “Pip”指的是允許自定義的先驗(yàn)包含概率。
2.改變模型的先驗(yàn)概率。變換模型先驗(yàn)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(yàn)概率下后驗(yàn)?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(guó)長(zhǎng)期房?jī)r(jià)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(gè)變量的符號(hào)確定率仍然為0,其他變量的后驗(yàn)概率和后驗(yàn)均值基本相同。
表5 不同模型先驗(yàn)概率下模型后驗(yàn)概率和后驗(yàn)均值比較
綜上所述,本文實(shí)證所得中國(guó)房?jī)r(jià)的長(zhǎng)期決定變量的結(jié)論是有效且穩(wěn)健的,包含16個(gè)因素的模型能夠充分解釋中國(guó)長(zhǎng)期房?jī)r(jià)。
一直以來,中國(guó)房地產(chǎn)市場(chǎng)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(chǎng)秩序紊亂,而且造成了房?jī)r(jià)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(yùn)用金融、土地、財(cái)稅、投資、立法等手段”,“構(gòu)建和完善促進(jìn)房地產(chǎn)市場(chǎng)平穩(wěn)健康發(fā)展的長(zhǎng)效機(jī)制”。根據(jù)本文的實(shí)證分析結(jié)果,長(zhǎng)期房?jī)r(jià)決定于上述16個(gè)因素,這些因素構(gòu)成了房地產(chǎn)長(zhǎng)效機(jī)制的基本要素,并形成了長(zhǎng)效機(jī)制的基本框架。
雖然大量研究認(rèn)為經(jīng)濟(jì)基本面對(duì)房?jī)r(jià)的解釋力趨于減弱,但分析結(jié)果表明經(jīng)濟(jì)基本面仍然是決定房?jī)r(jià)的基礎(chǔ),尤其是對(duì)長(zhǎng)期房?jī)r(jià)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(shí)際城鎮(zhèn)人均可支配收入、實(shí)際人均消費(fèi)支出以及人口增長(zhǎng)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(huì)造成房?jī)r(jià)的大幅波動(dòng),因此中國(guó)房?jī)r(jià)的長(zhǎng)期上漲并不能簡(jiǎn)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(guó)失衡的住房市場(chǎng)體系和住房保障體系。
根據(jù)房地產(chǎn)市場(chǎng)化改革思路,中國(guó)住房體系可表述為“對(duì)不同收入家庭實(shí)行不同的住房供應(yīng)政策”(6)源自1998年《國(guó)務(wù)院關(guān)于進(jìn)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(hào)文件)。,即高收入家庭購(gòu)買或租賃商品房,中低收入家庭購(gòu)買經(jīng)濟(jì)適用房,低收入家庭租賃廉租房。但實(shí)際上,在房地產(chǎn)業(yè)的發(fā)展歷程中,經(jīng)濟(jì)適用房和廉租房并未實(shí)現(xiàn)應(yīng)有的預(yù)期,由于制度漏洞、產(chǎn)品缺陷、資源錯(cuò)配、信息模糊等問題,導(dǎo)致經(jīng)濟(jì)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(shí)現(xiàn)需求的中低收入、低收入家庭只能進(jìn)入商品房市場(chǎng),導(dǎo)致該市場(chǎng)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?jī)r(jià),房地產(chǎn)的需求彈性不斷提高,大部分城市的房?jī)r(jià)收入比遠(yuǎn)遠(yuǎn)超過國(guó)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(jī)行為滋生,具有資金、權(quán)利和信息優(yōu)勢(shì)的尋租者和投機(jī)者進(jìn)入市場(chǎng),不但進(jìn)一步造成剛性需求難以滿足,而且加大了房地產(chǎn)市場(chǎng)的投機(jī)泡沫。
因此,糾正和完善中國(guó)住房市場(chǎng)體系和保障體系是構(gòu)建房地產(chǎn)長(zhǎng)效機(jī)制的根本。
第一,回歸市場(chǎng)和政府的本原。近年來,中央政府不斷強(qiáng)調(diào)“發(fā)揮市場(chǎng)在資源配置中的決定性作用”,這對(duì)于商品房市場(chǎng)的健康發(fā)展具有重要意義。但在房地產(chǎn)長(zhǎng)效機(jī)制構(gòu)建中,更應(yīng)該強(qiáng)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(duì)市場(chǎng)的不合理干預(yù)是實(shí)現(xiàn)房地產(chǎn)市場(chǎng)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(guó)住房保障體系的保障。
第二,建立商品房市場(chǎng)和保障房市場(chǎng)之間的防火墻和互動(dòng)通道。實(shí)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(chǎng)的界域和模式。對(duì)于商品房市場(chǎng),法律制度的功能應(yīng)體現(xiàn)為市場(chǎng)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(duì)于政策性保障房市場(chǎng),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(jìn)入與退出機(jī)制、保障房和市場(chǎng)租賃住房的立法。
實(shí)證結(jié)果顯示,預(yù)期是中國(guó)長(zhǎng)期房?jī)r(jià)最為重要的決定因素,而中國(guó)房地產(chǎn)市場(chǎng)實(shí)踐表明,預(yù)期是房地產(chǎn)市場(chǎng)化改革以來,尤其是2008年之后房?jī)r(jià)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(guó)住房市場(chǎng)體系和保障體系建設(shè)滯后,造成商品房市場(chǎng)存在嚴(yán)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?jī)r(jià)始終處于上漲壓力之中。房地產(chǎn)市場(chǎng)長(zhǎng)期處于供不應(yīng)求狀態(tài),導(dǎo)致市場(chǎng)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(jī)性需求大量增加,并拉動(dòng)自住性、改善性住房需求提前釋放[20]。在預(yù)期沖擊下,中國(guó)房?jī)r(jià)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(chǎng)體系單一化以及市場(chǎng)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(shí)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(gòu)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(jī)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(shí)現(xiàn)預(yù)期的改變,本文的實(shí)證結(jié)果也表明,抑制需求的限購(gòu)政策并不能解釋長(zhǎng)期房?jī)r(jià)。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(guó)各個(gè)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(gè)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(yuǎn)低于國(guó)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?jī)r(jià)、人口掛鉤的長(zhǎng)效平衡機(jī)制。第二,推動(dòng)政府調(diào)控政策在長(zhǎng)期內(nèi)規(guī)則化,尤其是貨幣政策。本文實(shí)證結(jié)果顯示短期利率、貨幣供應(yīng)量都不能解釋長(zhǎng)期房?jī)r(jià),反而長(zhǎng)期實(shí)際利率對(duì)長(zhǎng)期房?jī)r(jià)具有一定的解釋力。大量研究表明貨幣政策規(guī)則化,同時(shí)將房?jī)r(jià)納入貨幣政策規(guī)則,能夠更有效實(shí)現(xiàn)宏觀調(diào)控目標(biāo)以及房?jī)r(jià)穩(wěn)定。
本文實(shí)證結(jié)果顯示地方財(cái)政支出、房地產(chǎn)開發(fā)投資和信貸能夠顯著解釋長(zhǎng)期房?jī)r(jià),實(shí)踐表明中國(guó)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(huì)資源,因此許多學(xué)者將中國(guó)房?jī)r(jià)上漲歸為貨幣問題是不無道理的。長(zhǎng)期以來,地方財(cái)政收入依賴于“土地財(cái)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(shí)是,大量財(cái)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(cái)政支出、房地產(chǎn)開發(fā)投資、地價(jià)、房?jī)r(jià)、土地收益和房地產(chǎn)相關(guān)稅收以及地方財(cái)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(jià)和房?jī)r(jià)被不斷推高。根據(jù)全國(guó)統(tǒng)計(jì)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(guó)人民銀行發(fā)布數(shù)據(jù)。。另外,金融資源的流動(dòng)是不均衡的,由于相對(duì)于中小城市的諸多優(yōu)勢(shì),如經(jīng)濟(jì)、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(dòng)的非均衡是導(dǎo)致房?jī)r(jià)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(guó)長(zhǎng)期房?jī)r(jià)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(duì)“土地財(cái)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(gè)工具,因此可以不顧及下游使用者的實(shí)際負(fù)擔(dān),開發(fā)商也可以將成本轉(zhuǎn)嫁給購(gòu)房者。房地產(chǎn)稅的功能在于對(duì)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(gòu)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(chǎng)體系包括價(jià)值屬性的商品房市場(chǎng)和公共屬性的保障房市場(chǎng),不同市場(chǎng)的取向不同,信貸政策也應(yīng)體現(xiàn)出差異。目前兩個(gè)市場(chǎng)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(xiǎn)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(yán)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(jī)構(gòu)、引入多元化社會(huì)資本,扶持保障房的開發(fā)建設(shè)和消費(fèi)使用。
為獲得中國(guó)長(zhǎng)期房?jī)r(jià)的影響因素,本文通過文獻(xiàn)分析法搜集了已有研究中使用的房?jī)r(jià)影響因素,經(jīng)整理合并后,得到了包括35個(gè)因素的集合。利用1999年—2017年中國(guó)35個(gè)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(duì)長(zhǎng)期房?jī)r(jià)具有有效且顯著決定作用的16個(gè)因素。其中通貨膨脹、地方財(cái)政支出、地價(jià)、預(yù)期等11個(gè)因素是最具解釋力的影響因素;信貸和長(zhǎng)期實(shí)際利率為具有較好解釋力的影響因素;城鎮(zhèn)人口增長(zhǎng)率、對(duì)外開放度和建筑成本是具有一定解釋力的影響因素。為驗(yàn)證實(shí)證結(jié)果的穩(wěn)健性,通過變換參數(shù)先驗(yàn)概率和模型先驗(yàn)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(shí)證分析結(jié)果,本文認(rèn)為經(jīng)濟(jì)基本面仍然是中國(guó)長(zhǎng)期房?jī)r(jià)穩(wěn)定的基礎(chǔ),預(yù)期是房地產(chǎn)市場(chǎng)平穩(wěn)健康的關(guān)鍵,金融投資是中國(guó)長(zhǎng)期房?jī)r(jià)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(zhǎng)效機(jī)制的構(gòu)建和完善,應(yīng)糾正和完善中國(guó)住房市場(chǎng)體系和保障體系,發(fā)揮市場(chǎng)在資源配置中的決定性作用的同時(shí),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(guó)土地供應(yīng)體系,推動(dòng)政府調(diào)控政策在長(zhǎng)期內(nèi)的規(guī)則化;建立均衡有效的金融投資體系,推動(dòng)房地產(chǎn)稅制改革,實(shí)施差別化信貸政策。