房地产调控研究论文范文第1篇

【关键词】次级债危机金融危机房地产业宏观调控

一、中国房地产业宏观调控对住房消费、住房投资与金融危机关系的传统认识

传统理论将居民购房活动主要区分为住房消费与住房投资两大类。二者的区别在于，前者购买的住房用于自己家庭居住，后者购买的住房并非用于自己家庭居住，而是为了出租以获得租金，或者等待住房价格上涨将其出售，以期从资产价格的上涨中获利。至于住房投机，它是与住房投资既有区别，又紧密相关的活动。虽然在学理层面上存在将二者清晰厘定的可能性，但正如徐滇庆所言，“在现实操作层面上对住房投资与住房投机进行区分是很困难的，很难在二者之间划出清晰的界限，在一定条件下正常的投资也许很快就转变为投机行为。”〔’〕因为本文主要讨论房地产业宏观调控，宏观调控显然属于现实操作层面，所以本文并未将住房投机单独作为一类活动与住房消费和住房投资相并列来进行考察，而是将其置于广义的住房投资的范畴之内。

中国房地产业宏观调控，特别是2005年以来的本轮房地产业宏观调控高度重视住房消费与住房投资，尤其突出地表现为对二者的区别对待。“鼓励消费，抑制投资”成为房地产业宏观调控的基本原则之一。一系列影响重大的房地产业宏观调控政策，如“旧国八条”、“新国八条”和“国六条”等为此做了最好的诊释。同样是居民购房行为，却因购房目的不同而被区别对待。消费与投资之分，就像中国历史上的“华夏与夷狄之分”一样，被反复强调。住房消费如同“华夏”，不仅在房地产业宏观调控中受到政策的支持和鼓励，而且在道德层面上也占据优势地位;相反，住房投资如同“夷狄”，不仅在房地产业宏观调控中受到政策的抑制和区别对待，而且在道德层面上也往往被置于受歧视的地位。抑制住房投资的主要原因之一是:在传统理论看来，住房投资与信贷危机，乃至整个金融危机或经济危机有着某种天然联系;而住房消费似乎具备某种“抗体”，其引发信贷危机，乃至金融危机或经济危机的风险却很小。

二、美国次级债危机从现实层面对中国房地产业宏观调控理论基础的冲击

美国次级债危机是一起典型的由住房消费引起的信贷危机和金融危机。这起危机从现实层面冲击了中国房地产业宏观调控的理论基础，引发人们重新认识住房消费、住房投资与金融危机之间的关系。

在美国住房抵押贷款市场上，放贷机构根据借款人信用高低，对其进行区别对待，从而形成两个层次的市场，即“优惠级”(Prime)抵押贷款市场和“次级”抵押贷款市场。信用低的人申请不到优惠级抵押贷款，只能在次级市场上寻求贷款。两个层次的住房抵押贷款市场的服务对象均为贷款购房者，但次级抵押贷款市场的贷款利率通常比优惠级抵押贷款的贷款利率高出2%-3%。因为次级抵押贷款市场为那些受到歧视或者不符合优惠级抵押贷款市场标准的借款者提供按揭服务，所以在少数族裔高度集中和经济不发达的地区很受欢迎。由于次级抵押贷款利率通常比优惠级抵押贷款利率高，因而次级抵押贷款对放贷机构来说是一项高回报业务，所以该业务受到放贷机构的有力推动。另外，美联储实施的低利率政策和美国住宅价格的持续上升，也引起美国居民购房热情不断升温。

在次级抵押贷款业务推出的最初10年里，该业务取得了显著效果。1994-2006年，美国的住房自有率从64%上升到69%，超过900万的家庭在这一期间拥有了自己的住房，这很大部分归功于次级住房抵押贷款。在利用次级住房抵押贷款购买住房的居民中，一半以上是少数族裔，其中大部分是低收人者，这些居民由于信用记录较差或付不起首付而无法取得优惠级抵押贷款。次级抵押贷款为这些低收人者提供了选择权，通过次级抵押贷款购买住房的居民主要是为了自己家庭居住，而非为了投资牟利。按照传统理论对居民购房行为的分类，这些购房活动显然绝大部分属于住房消费，而非住房投资。2004年6月到2006年6月，为了避免经济过热，防止通货膨胀，阻止资本外流，控制美元跌势，美联储连续17次加息，将联邦基金利率从1%提升至5.25%。加息从两个方面影响到房地产业:其一，由于大部分次级住房抵押贷款采取可调整利率形式，随着美联储17次上调利率，次级住房抵押贷款的还款利率越来越高，借款者的还贷压力越来越大；其二，美联储17次上调利率直接导致美国房价下挫，房地产交易也从此由火热转向低迷。债务负担的增加与住房价格的下跌交相作用于美国次级住房抵押贷款，引起了越来越严重的信贷危机。

在办理次级住房抵押贷款时，放款机构和借款者都认为，如果出现还贷困难，借款人可以出售所购住房或者进行抵押再融资。但事实上，由于美联储连续17次加息，住房市场持续降温，借款人很难将自己的住房卖出，即使能够卖出，住房的价值也可能下跌到不足以偿还剩余贷款的程度。在这种情况下，自然会出现逾期还款和丧失抵押品赎回权的案例。案例一旦大幅增加，必然引起对次级住房抵押贷款市场的悲观预期，次级住房抵押贷款市场就会发生严重震荡，并冲击贷款市场的资金链，进而波及整个住房抵押贷款市场。与此同时，房地产市场价格也会因为住房所有者止损的心理而继续下降。两重因素的叠加形成恶性循环，加剧了次级住房抵押贷款市场危机的严重程度，这便是美国次级债危机。在危机的初始阶段，危及仅仅存在于美国次级住房抵押货款市场上。但是，随着美国次级债危机的逐步加剧，市场预期更加悲观，住房价格进一步下跌，优惠级住房抵押贷款市场也受到冲击。随着次级债危机中住房价格的一跌再跌，越来越多优惠级住房抵押贷款市场上的借款者发现，他们购买的住房市值已经低于住房抵押贷款的本息，于是即使在优惠级住房抵押贷款市场上，也出现了越来越多的逾期还款和丧失抵押品赎回权的案例，美国次级债危机波及到了整个抵押贷款市场。不仅如此，银行的信贷危机很快波及到了以住房抵押贷款为发行基础的住房抵押贷款证券市场，进而影响到了整个证券市场，最终酿成了一场深刻影响美国经济的金融危机。

反思美国次级债危机可以发现，引发本次危机的恰恰是住房消费，而不是住房投资。次级住房抵押贷款的借款者绝大多数是那些少数族裔和低收人者，这些弱势群体通过次级住房抵押贷款来购买住房，用于自己居住，而非用于投资。作为一个典型案例，美国次级债危机从现实层面对传统理论中关于住房消费、住房投资与金融危机关系的认识产生了重大冲击，即不仅住房投资能够引发金融危机，住房消费同样也能够引发金融危机。

三、对住房消费和住房投资的重新解读从理论层面修正了传统认识

美国次级债危机冲击了中国房地产业宏观调控的理论基础，颠覆了人们对于住房消费、住房投资与金融危机关系的传统认识。而这种传统认识追根溯源是基于传统理论对于居民购房性质的分类，即对住房消费与住房投资的认识。

本文认为，从经济学理论层面而言，对居民购房性质的研究至少存在三种分析视角:其一，基于国民经济帐户体系(SNA)的分析视角;其二，基于需求目的的分析视角;其三，基于虚拟经济理论的分析视角。在不同分析视角下，对于居民购房性质，或者说对于何谓住房消费、何谓住房投资会得出截然不同的结论。每一种结论都建立于自己独特的分析视角之下，亦即只有基于各自独特的分析视角，才能找到其结论的合理性。对住房消费与住房投资在多重视角下的重新解读，从理论层面修正了传统认识，为重新审视住房消费、住房投资与金融危机的关系，以及重建我国房地产业宏观调控的理论基础奠定了根基。

(一)基于国民经济帐户体系分析视角下的住房投资与住房消费

国民经济帐户体系是当代最主要的国民经济核算体系，被所有发达国家和众多发展中国家所采用。国内生产总值的核算是SNA最主要的内容之一，GDP由消费、投资、政府支出和出口四部分组成。基于SNA的分析视角，在新房市场上，居民购买的住房无论是用于自己居住，还是为了出租以获得租金，或者等待住房价格上涨将其出售，以期从资产价格的上涨中获利，都属于投资活动。

SNA之所以如此设计统计口径是基于商品住房的特殊属性。GDP用来衡量给定时期内一个经济体生产的所有最终产品和服务的市场价格。对于普通消费品而言，人们会在一个给定时期内购买它，并在该时期或比该时期稍长的一个时期里消费掉它，因而购买这些商品的支出被归为当期消费。但住宅与普通商品不同，它是最典型的耐用品，使用寿命长久，可以在相当长的时间里为消费者提供一个持续的服务流。虽然住房服务的消费可以绵延很久，但对住房的购买支付却是在某个相对短的时期内进行，住房的购买行为和消费行为在时间跨度上存在极大背离。对于GDP及组成GDP的消费、投资等流量指标来说，这种背离会给统计工作带来严重偏差。如果将购买住房的支出计人当期消费，无疑极大地高估了当期的消费支出，于是在SNA中，仅仅将住房服务视作消费品，将房租计人消费。可见，如果基于SNA分析视角，在新房市场上购买住宅，无论是用于自己家庭居住还是用于其他用途，都属于投资活动。而享受住宅提供的住房服务，并为此支付房租的行为属于消费活动。同时，GDP仅仅衡量现期生产的所有产品和服务的价值，非现期生产的产品和服务，即旧货的购买并不计人当期GDP，因为旧货的交易反映了一种资产的转移，并不是经济价值的增加，因此旧货的交易并不包括在当期GDP中。所以，居民在二手房市场上购买住房，无论用于自己家庭居住，还是用于其他用途，不在SNA的考察范围之内，所以居民在二手房市场上的购房活动既不是住房投资，也不是住房消费。

(二)基于需求目的分析视角下的住房投资与住房消费

显然，传统理论对于住房消费与住房投资的认识绝非基于SNA分析视角，而是基于需求目的分析视角。在需求目的分析视角下，研究者根据居民的购房目的来界定住房消费与住房投资。他们认为吃、穿、住、行是人的基本消费集合，是人类生存与发展的必备前提。满足居住需求的方式有两种:一种是租住他人住房;一种是购买用于自己家庭居住的住房。由于居住需求是人类的基本消费需求，而购买用于自己家庭居住的住房是满足这种基本消费需求的一种方式，于是一些学者就得出居民购买用于自己家庭居住的住房的行为属于消费活动，而被购买的住房属于消费品的结论。同理，基于需求目的分析视角，居民购买住房，如果不是用于自己家庭居住，而是为了出租以获得租金，或者等待住房价格上涨将其出售，以期从资产价格的上涨中获利，那么这种购房活动与购买工业、商业或办公等非住宅房地产的行为一样，属于投资活动。从需求目的分析视角对住房投资和住房消费的界定，是通过分析商品用途来判断其被购买的行为属于投资活动还是消费活动。这一分析方法在理论研究和日常思维中被普遍使用，获得人们广泛认同，以商品用途来区分投资品和消费品不仅在实践中被广泛应用，而且在概念的划分上也做到了逻辑自洽。然而，使用这种方法来分析商品住房及购房活动的性质时，研究者必须考虑到商品住房有别于普通消费品的特殊性。

许多学者把居民购买的用于自己家庭居住的住房看作是消费品，但他们却忽略了其有别于其他普通消费品的特殊性，而试图用研究普通商品价格形成与波动

的方法来研究商品住房的价格形成与波动，即试图仅仅使用实际经济因素如人口数量、居民收人水平、就业率等指标来解释和预测住宅价格的周期性波动，这就忽略了商品住房具有的有别于普通消费品的虚拟资产属性，采用这样的方法做出的预测往往是失败的。Quigley的研究证明了这一点，他使用1986-1994年美国41个大城市的截面数据，根据居民收人、家庭数量、人口数量、就业量、每年房屋建造许可和开工数量、空置率等实际经济变量及商品住房价格滞后变量对商品住房价格进行回归分析。结果表明，这些解释变量对商品住房价格虽然具有一定的解释能力，但是，难以预测价格变动的拐点，即使是预测最准确的模型错误率也高达52.73%.这是因为随着商品住房虚拟资产属性的日益增强，其价格波动越来越受到货币和资本市场等虚拟经济领域因素的影响，而实际经济因素对商品住房市场的影响在逐步减弱。事实上，马克思早在19世纪下半叶就认识到了房价的特殊性，他指出“房价只由购买欲和支付能力决定，而与一般生产价格或产品价值所决定的价格无关”。

由此可见，虽然可以基于需求目的分析视角合乎逻辑地区分住房投资与住房消费，但是该结论仅仅在这一独特视角下才能成立，而超越这一视角，推广到更为广阔的范围中，这一结论便失去其合理性。如上所述，研究者不能突破这一独

特视角，在更为广阔的范围内理解住房投资与住房消费的涵义。因为住房消费与一般意义上的消费行为大不相同，集中体现在商品住房不同于普通消费品，其价格的形成与变动遵循着不同于普通消费品的特有逻辑。传统理论对于住房投资与住房消费的认识基于需求目的分析视角之下。所以，传统理论中住房投资与住房消费的涵义仅仅在这一独特视角之下才具有合理性，即仅仅在“住房是用于自己家庭居住还是用于其他用途”这一意义上具有合理性。但是，在这一视角下，我们并不能找到住房投资与金融危机的关联性，也同样找不到住房消费对于金融危机存在“免疫力”的丝毫证据。

正如下文所述，金融危机往往是由虚拟资产价格的强波动性引发的，从虚拟经济分析视角来看，商品住房具有虚拟资产属性，其价格具有强波动性。正是房价的强波动性，才是房地产容易引发金融危机的主要因素。从虚拟经济分析视角看，传统意义上的住房投资与住房消费并无二致，二者均具有投资活动属性。

(三)基于虚拟经济视角的住房投资与住房消费

从1997年东南亚金融危机以后开始，我国部分学者开始研究虚拟经济现象，这一研究很快得到社会承认。2002年10月，“虚拟经济”一词被写人了十六大报告。虚拟经济研究对于深化关于房地产属性的认识意义重大。虽然对于什么是虚拟经济和虚拟资产尚未达成一致定义，但是人们基本认同这样一种观点，即“虚拟经济是一种与实体经济相对应的经济形态，虚拟资产是指金融资产以及具有类同金融资产属性的其他资产形式，而房地产就是除了金融资产以外的最主要的虚拟资产形式”。[5l0由于房地产具有虚拟资产属性，所以它有别于普通资产，而与货币、股票、债券和金融衍生品具有某种相似性。

房地产调控研究论文范文第2篇

关键词：房价；政策评估；DSGE模型；货币政策； 限购政策

中图分类号：F293.3 文献标识码：A

一、引 言

近年来，我国房价涨速过快，尤其是2009年下半年至2011年初，房地产市场投机氛围炽热，房价飞速上涨，引发政府对房地产市场的一系列调控，“国八条”、“京十五条”、房产税等政策相继提出，2012年更是被称为“史上最严厉调控年”，但年底房地产市场依旧有回暖趋势，2013年政府将稳中求进，坚持房地产调控不动摇，持续限购、差别化信贷税收政策更加深化、加大保障房建设力度、抑制投资投机需求等。房价问题一直备受瞩目，学者们也对其进行了广泛研究。国内外已有大量文献研究了房价的影响因素以及房地产政策对房价的影响效果，影响房价的因素有很多，如何将政策变量从诸多影响因素中剥离开来是关键。现有文献在研究政策对房价的影响时大多仅限于货币政策，对限购、房产税、保障性住房等政策进行系统科学的实证研究比较缺乏，也没有形成一个有效的房地产政策评估体系。研究方法上，大多文献运用的是向量自回归模型（VAR模型），缺乏对微观主体行为的描述，无法从根本上解决房地产市场存在的内生性问题，且没有考虑预期对房价的影响以及房价波动，而动态随机一般均衡模型（DSGE模型）能够克服这些问题。尽管DSGE模型已经广泛运用于宏观经济分析中，但在房地产政策评估领域运用得还比较少，尤其是将该模型运用到限购政策的有效性评估问题的研究尚属缺失。本文主要聚焦于货币政策和限购政策，首先梳理了房地产政策对房价的影响机制，接着对政策评估的主流方法进行了阐述，指出DSGE模型应该被运用到房地产政策评估的实证研究中，然后进一步对货币政策和限购政策评估的文献进行了综述，并指出房地产政策有效性评估问题应考虑政策对整个宏观经济的影响。

二、政策对房价的影响机制研究

决定房价最主要的因素是房地产市场的供求关系。房地产既是消费品也是投资品。从微观经济学的角度看，房地产市场的需求由自住易需求、投资需求和投机需求三部分构成。房地产的供给不仅取决于开发商的开发能力，还取决于土地供应量。早在1977年，Burns和Grebler就出版的名著《国家住房论》中，指出世界上没有哪一个国家住房的供给和需求能达到完全平衡，因此需要政府这只“看得见的手”来进行调控。近些年，房地产价格出现非理性上涨，为了抑制市场上不合理的需求，调节房地产市场的供求关系，紧缩货币、提高利率、限购令、房产税等宏观调控政策陆续出台。高健、冷安琪（2010）认为“政府在制定控制房价的政策时应供需调节相结合，不能单纯抑制供给。与加大土地开发成本相比，提高利率控制投资过热更为有效，同时辅以加强经济适用房、廉租房的建设”。

除了供求关系，预期因素也会影响房价。房地产行业具有投资品的特性，而投资品的价格取决于对未来收益的预期，况伟大（2010）从预期和投机角度研究了房价波动，研究发现预期及其投机对中国城市房价波动都具有较强的解释力。从某种程度上说，房地产政策的实施会影响公众预期从而影响微观个体行为，继而对房地产价格产生影响。

房地产价格形成机制是房地产市场参与者共同博弈的必然结果。房地产市场与其他市场相比有很大的特殊性，这种特殊性是由房地产价值构成、政策角色与作用、供求双方预期心理影响等因素共同造成的。消费者和房地产商根据政策调整各方策略，对房市产生影响。政府又以此为依据判断公众对政策的反应程度，决定下一步的政策调整策略，博弈如此循环往复。

在研究房地产政策的影响机制时还需要考虑影响房价的其他因素，比如经济基本面、人均GDP、CPI等，如何将政策从诸多影响因素中剥离出来是关键。

综上所述，房地产政策的实施通过诱发和影响微观经济主体的消费和投资行为，来调节房地产市场的供求失衡，从而导致宏观经济总量发生变化。因此，我们在研究房地产政策有效性时应该考虑一般均衡，即研究在一个经济中，消费者、厂商、政府等每一个参与者，在根据其偏好及其对未来的预期下，所做出的最优选择。

三、政策评估现状研究

政策评估方法可分为微观评估和宏观评估。早期的学者构建了以Rubin因果模型为基础的微观计量经济学模型，来评估项目或者政策的有效性。微观评估反映了个体受政策的影响但忽略了宏观层面的影响，并伴随着“自选择”问题；而宏观评估面临的一个问题是如何将个体的最优选择考虑进去，Heckman（1998，1999）、Costas（2006）认为DSGE模型可以用来解决该问题。

Kydland，Prescott（1982）提出的DSGE模型逐渐发展成为近年来宏观经济及货币政策分析方面的重要研究方向，已经被广泛地运用到经济分析与货币政策决策中。由于房地产市场存在明显的异质性和自选择，政策对房价的影响对于不同的城市效果也不同，城市选择房地产政策是内生行为，因此在评估房地产政策是否有效时要考虑到个体差异性，做到微宏观评估相结合。而DSGE模型有着清晰的理论基础，提供了一个逻辑一致的分析框架，因此可以运用到房地产政策的评估当中。

刘斌（2008）结合我国的实际情况，建立了一个带有“金融加速器”的开放经济DSGE模型，采用Bayes技术估计，并利用该模型进行了政策分析。仝冰（2010）基于DSGE模型讨论了金融市场、货币政策和经济波动之间的关系，研究表明货币政策对于通货膨胀和资产价格反应可以降低产出、通胀和资产价格的波动。

四、货币政策与房价波动

国内外已有大量有关货币政策对房价影响的实证研究。自20世纪80年代以来，宏观经济分析主要采用两种方法。一种是Sims（1980）提出的VAR模型，另一种是DSGE模型。Lastrapes（2002）运用时间序列数据，基于VAR模型估计了房价对货币冲击的动态响应，研究发现货币供应的正面冲击会导致房价和房屋销售量在短期出现增长。Iacovielb（2005）考察了经济波动与金融部门之间的互动问题。他在经济周期基础上建立了一个产品市场、借贷市场、房地产市场和货币政策的一般动态均衡模型。VAR脉冲反应结果显示紧缩的货币政策对住房价格会产生负的影响。周晖、王擎（2009）采用BEKK模型和GARCH均值方程模型实证检验了房地产价格、货币供应量与经济增长的波动相关性以及它们的各种波动对经济增长率的影响，研究发现货币供应量与房价的联动变化非常剧烈，货币政策在不同城市之间对房价的调控效果也不同。李成、黎克俊、马文涛（2011）通过构建包含房价的DSGE模型，模拟分析了不同货币工具调控下货币政策对房价的影响效果以及房价对实体经济（产出与通货膨胀） 的影响，研究发现数量型工具在房地产市场的调控中要优于价格型工具。

针对国内的现状，学者们从不同的角度提出了自己的观点。2007年以来，中央银行实施了多次上调存款准备金率和上调存贷款利率的超紧缩货币政策，但对房地产价格的调控效果并不理想。其中一个很重要的原因就是中央政府与地方政府博弈的结果。中央政府与地方政府的委托——关系很容易被地方政府与房地产商的管制——被管制关系带来的利益所干扰，即地方政府与房地产商的合谋在一定程度上决定了中央管制政策的成败（淮建军，2007）。

五、限购政策与房价波动

国内针对房地产限购政策评估方面的理论研究大多是透过供求关系、效用、成本、博弈等经济学视角，如住房限购可有效抑制房地产市场投机需求，应作为长期政策（王克忠，2010；高辉清，2011；李火林，2011；刘秀茹，2011等）。房地产限购的一个本质是实行直接的、严格的资本管制；限购是常规调控手段失效的情况下所能采取的最后一剂药；限购是一个过渡性的制度安排，需付成本，对消费性需求有误伤的可能（李稻葵，2011）。潘亚男（2011）利用博弈论的方法对中央，地方政府及房地产开发商之间的利益关系进行了分析，得出限购对我国房价调控作用有限的结论。王雪慧（2010）认为“限购令”是一种行政手段，与市场经济相悖，不可能持久下去，这类观点值得商榷。房林（2011）通过微观经济学视角对当前房地产市场的变化和趋势进行判断，认为“限购”政策仅仅是暂时缓解住宅市场供求矛盾的应急举措，扩大有效供给才是关键。

国内关于房地产限购政策评估的实证分析比较少。王敏、黄滢（2011）利用我国70个大中城市的房价指数面板数据，应用Difference in Difference方法分析了限购政策对房价的影响，结果表明，限购政策能降低房价，但影响有限，市场会呈现“价高量低”的局面。舒良峰、朱振宇（2012）以北京市和武汉市为例，通过引入虚拟变量建立计量经济学模型，对两市实施“限购令”的政策效果进行比较分析，发现“限购令”对北京市的负面影响的权重更大，而对武汉市的正面影响权重更大，且当其他经济变量相同的情况下，“限购令”对北京市的影响大于其对武汉市的影响。

六、房地产政策的宏观经济效应

房地产行业对于国民经济发展有着显著影响。近几年，随着房地产业的飞速发展，在国民经济中的作用愈发重要，房地产投资也确实对我国经济的高速增长做出了极大贡献。房地产政策的实施通过对房地产市场的影响进而影响宏观经济，因此在对房地产政策进行评估时，不仅要盯住房地产价格，还要考虑其对整个宏观经济的影响。国内生产总值、国民收入水平、CPI等宏观经济衡量指标都应该被考察在内。意大利中央银行的Grande（2006）认为仅盯住资产价格的货币政策有很多缺点。首先获得资产的公允价值是比较困难的，此外以资产价格作为目标可能导致不希望的产出和通胀波动。韩国中央银行Park（2006）认为资产价格自身的稳定性并不能保证持续、平稳的经济增长，而且房产泡沫的破灭很可能产生诸如经济衰退和金融动荡等各种问题，而这些问题又会导致很高的经济成本。周晖、王擎（2009）选取1998年第一季度到2008年上半年的货币供应量、房屋销售价格指数、GDP的季度数据作为样本研究了三者之间的波动相关性，结果表明房价的波动以及房价与货币量的联动对GDP增长速度有显著影响，会导致GDP增长率下降，货币供应量和GDP具有显著的时变方差特征和波动持久性。Efrem和Salvatore （2010） 关注家庭财富波动对消费需求的可能影响，运用DSGE模型探讨房地产等资产价格波动以及货币政策对实体经济的冲击后果，结果显示，房地产价格上涨会显著影响经济增长、消费需求以及宏观经济的运行周期，货币政策会对房地产等资产价格波动产生显著性影响。肖争艳、彭博（2011）构建了一个关于房地产市场的四部门DSGE模型，研究了我国货币政策对房地产市场及房价的影响。结果表明，将住房价格波动纳入货币政策规则对调控房价上涨有较好效果，但代价是调控过程中通货膨胀率的持续上升，以及产出水平和家庭消费负向偏离稳态；家庭住房贷款首付比例能够有效降低稳态水平下的住房价格。

七、结 论

房价问题在国民经济中占有举足轻重的地位，居高不下的房价一直是人们热切关注的焦点，为了抑制房价上涨和投机行为，国家出台了一系列政策。国内外学者在房地产政策评估方面做了很多有意义的研究，但大多限于货币政策，对房地产限购政策进行系统性、科学性的政策评估研究尚属缺失。大部分研究都是从理论的角度对限购政策进行描述性分析，定性地预测和评价其效果，实证方面的研究甚少。指标选取上，鉴于城市住房价格指数数据的易获得性，现有文献都是将房价指数作为测量指标，除了房价以外，诸如CPI、GDP等宏观指标也应该考虑在内。方法上，现有的研究方法缺乏对微观主体行为的描述，没有考虑预期因素，无法从根本上解决政策与房地产价格之间存在的内生性问题，并且没有将政策的影响效果从房价的诸多影响因素中有效地剥离出来，相比较而言，动态随机一般均衡模型在研究货币政策与资产价格问题时具有很大的优势，并且该模型在长期预测中表现优于向量自回归模型（仝冰，2010）。因此，该模型可以很好地用来研究房地产政策评估的问题，尤其是应该被广泛运用到除货币政策以外的其他房地产政策中。

参考文献：

[1] Heckman J J.Micro Data，heterogeneity，and the evaluation of public policy：Nobel Lecture[R].Journal of Political Economy，2001，109：673–748.

[2] 况伟大.预期、投机与中国城市房价波动[J].经济研究，2010，（9）：67-78.

[3] 刘斌.我国DSGE模型的开发及在货币政策分析中的应用[J].金融研究，2008，（10）： 1-21.

[4] 梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133-142.

[5] 沈悦，刘洪玉.住宅价格和经济基本面：1995-2002年中国14城市的实证研究.经济研究[J]，2004，（6）：78-86.

[6] 仝冰.货币、利率与资产价格——基于DSGE模型的分析和预测[D].北京，北京大学，2010.

房地产调控研究论文范文第3篇

本文以2007－2014年非房地产及金融行业的上市公司为研究样本，检验了房地产价格波动对企业非生产性房地产投资的刺激作用，还研究了货币政策对以上作用的影响，并进一步地考察了货币政策的非对称效应。研究结果表明:(1)房地产价格波动与企业非生产性房地产投资存在显著正相关关系;(2)货币政策能够调节企业非生产性房地产投资行为，紧缩的货币政策能够抑制企业的非生产性房地产投资行为;(3)货币政策对于企业非生产性房地产投资的调节效应表现出一定的非对称效应，货币政策调节效应会随企业性质的变化而变化，货币政策调节效应对民营企业更加显著。

关键词:

房地产价格；货币政策；企业非生产性房地产投资

一、文献回顾与假设提出

中房网的统计数据显示，全国住宅均价十年涨幅为145%，其中京、沪、穗、深等城市住在用房平均涨幅达220%。面对房地产价格持续上升对中国社会带来的重大影响，政府十年九调，却依然难以遏制房价持续上涨，房价持续快速上涨对中国经济社会发展产生了深远影响。根据资本逐利性原理，当某个行业的利润率高于全行业平均利润率，且该行业不属于政策限制性行业或者垄断性行业时，该行业就会吸引大量资本进入。对于微观经济个体而言，房地产价格增长率高于银行利率，甚至一度高于产业资本的平均报酬率，房地产的增值收益大于产业资本的平均收益，导致企业的大量资本进入房地产业，利用房产价格的持续上升获取收益。企业过度投资非生产性房地产会对企业自身和宏观经济产生重大不利影响。对于企业自身，其行业地位会受损，同时会面临投资成本损失风险、投资转型成本过高的风险。长期来看，企业过度投资非生产性房地产会使贸易性的虚拟经济挤压实体经济，导致实体产业空心化，并导致房地产行业投机性过热，产业发展结构性失衡，进一步催生房地产泡沫，导致房价畸形上升。基于以上背景，本文拟在房地产价格波动频繁的背景下研究企业非生产性房地产的投资行为，结合国家宏观货币政策变化，研究货币政策对企业非生产性房地产投资的调节效应，并进一步考虑货币政策具体施行环境，探究货币政策在调控企业非生产性房地产投资中所体现的非对称效应。

(一)房地产价格波动与企业非生产性房地产投资已有的大多数研究表明企业房地产投资与房地产价格正相关。Black等(1996)对英国企业进行研究，发现房地产价值越高，企业新增投资越多。Chaney(2012)实证检验发现房地产价值每上升1美元，企业将增加6美分投资。罗时空和周亚虹(2013)的研究结果表明，在中国房地产价格一方面作为成本因素影响企业的投资行为，另一方面又作为流动性溢价而影响企业的投资行为，两种影响机制对企业的投资活动影响方向不同;当企业面临融资约束较大时，房价上涨更可能促进企业投资。房地产行业报酬率高于大多数行业，房地产价格增长率已经超过大部分企业的净资产收益率。因而，在房地产价格持续上升的背景下，从资本逐利性角度出发，企业有动机投资非生产性房地产，赚取房地产价格上升所带来的收益。由此提出假设1:H1:在控制其他因素不变的情况下，房地产价格波动与企业非生产性房地产投资正相关。

(二)货币政策对企业非生产性房地产投资的调节效应1.货币政策的调节效应现有文献基本上都支持货币政策对房地产价格存在调节作用。Iacoviello(2002)的实证结果显示央行利率上涨将抑制房地产价格上涨。Fratantoni和Schuh(2003)研究发现货币政策对企业房地产投资有显著影响，且这种影响呈现明显的区域差异。邓富民和王刚(2012)研究发现，在较长期内，货币政策会显著影响房地产价格。宋勃和高波(2007)的实证结果显示短期的银行实际贷款利率和长期存款实际利率对房价有负面影响。综上论述，本文认为货币政策会对企业非生产性房地产投资行为产生影响，货币政策从紧时，企业融资约束大，资金成本高，非生产性房地产投资规模收缩;货币政策宽松时，企业融资约束小，资金成本低，非生产性房地产投资规模扩张。因此，本文提出假设2:H2:在控制其他因素的情况下，紧缩的货币政策对房地产价格和企业非生产性房地产投资之间的关系具有负向调节效应。2.货币政策调节效应的非对称性货币政策非对称效应理论认为，不同的政策环境会导致货币政策实际效果产生差异。区域金融发展水平会对货币政策的执行效果产生影响。曹永琴(2011)实证检验发现我国存在显著的货币政策区域非对称效应，货币政策在金融欠发达地区具有更好的调控效果。货币政策还存在企业特质维度的非对称效应，企业特质也会影响货币政策效果。马文杰和张世锋(2011)的研究结果显示，货币政策对于民营企业的调控效果更好。国有上市公司受到的融资约束比民营企业弱(辛清泉和林斌，2006)，所面临的融资约束显著小于民营企业(张纯和吕伟，2007)。因此，从企业融资角度分析，相同的货币政策对于国有企业和民营企业的调节效果不同，民营企业对货币政策更敏感，货币政策对民企的调控效果也相对国有企业更好。综上，本文提出假设3和假设4:H3:在其他条件相同的情况下，区域经济发展水平低、区域金融发展欠发达的地区，货币政策对企业非生产性房地产投资行为的调节效果更好。H4:在其他条件相同的情况下，货币政策对于民营企业的非生产性房地产投资行为的调控相对国有企业更有效。

二、研究设计

(一)样本选择与数据来源本文对初选样本进行了筛选，剔除了:(1)ST公司的样本;(2)金融行业上市公司;(3)房地产行业上市公司;(4)异常值和数据缺失样本。对连续变量进行上下1%缩尾处理。经过筛选，本文最终获得了29671个季度观测值。本文大部分研究数据来自上市公司年报、CSMAR和WIND数据库，房价数据来自国家统计局每月的“70个大中城市住宅价格指数(环比)”。

(二)研究模型与变量定义本文的被解释变量是非生产性房地产投资，采用投资性房地产报表数据作为企业非生产性房地产投资的替代变量。本文的主要解释变量是房地产价格波动，采用“70个大中城市住宅价格指数”替代，该指数由国家统计局每月公布，本文将月度数据处理为季度数据进行研究。货币政策参照李青原和王红建(2013)，以广义货币M2供给量的季度增长率为货币政策变量，以该增长率的中位数为标准，小于中位数为紧缩的货币政策，大于中位数为宽松的货币政策。文中用到的其他变量还有股权性质(国有企业取1，否则取0)、区域金融发展水平(参照黄志忠和谢军(2013)，区域竞争指数均值大于6的地区取1，其余地区取0)、现金持有量(货币资金的自然对数)、资产负债率(企业期末总负债除以期末总资产)及企业规模(企业期末总资产的自然对数)，同时本文还对年度和行业进行了控制。

三、实证结果与分析

(一)描述性统计如表1所示，本文列出了实证研究中所涉及的主要变量的描述性统计。从描述性统计分析中可以发现，非房地产上市公司非生产性房地产投资的自然对数均值高达17.30，最小值为9.88，而最大值则达20.61。货币政策为虚拟变量，等于1代表紧缩的货币政策，该虚拟变量均值为0.6988，中位数为1，表明研究样本期间内，货币政策整体偏紧。

(二)相关性分析本文的Pearson相关性分析的结果显示(篇幅有限未列示)，除Cash与Size之间的相关系数达到0.794外，其余变量之间的相关系数均在可接受范围内。进一步地，VIF均小于10，在可接受范围内，因此，本文所构建的研究模型不存在多重共线性问题。Inv与Price显著相关、与MP(货币政策)显著负相关的统计分析结果为本文的研究假设提供了初步数据支持。

(三)多元回归分析本文根据前文所建立的研究模型进行了普通最小二乘OLS回归分析，结果见表2。从表2中模型(1)的回归结果可以看出，在控制了其他影响因素后，房地产价格Price的回归系数为在1%的水平上显著为正，说明企业非生产性房地产投资与房地产价格显著正相关。实证结果与假设相符，假设H1得到验证。此外，本文检验了货币政策对企业非生产性房地产投资行为的调节效应，结果如表3所示。从表3中模型(2)的回归结果可以看出，货币政策与房地产价格的交乘项在1%水平上统计显著，说明紧缩的货币政策对房地产价格和企业非生产性房地产投资之间的关系具有显著的负向调节效应，紧缩的货币政策能够抑制企业非生产性房地产投资行为。实证结果与假设相符，假设H2得到验证。更进一步地，本文利用模型(3)检验货币政策非对称效应，回归结果如表4所示。表4的数据结果显示，Market的三重交乘项回归系数未能通过显著性检验，假设3未能得到验证。可能的原因是本文采用的区域金融发展水平指标(区域金融业竞争指数)的最新数据为2007年，本文在实证检验以2007年数据替代各年数据进行假设检验。企业性质SOE的三重交乘项相关系数为－0.1652，且在5%水平上统计显著，说明对于民企而言货币政策对企业非生产性房地产投资的调节效应更显著，民企较国企对货币政策更加敏感，假设4得到验证。

(四)稳健性检验在房地产价格指数的计量上，前文回归分析中采用环比住宅价格指数，本文采用当月同比住宅价格指数进行稳健性检验，所得研究结论并未改变。

四、研究结论

房地产调控研究论文范文第4篇

内容摘要：随着2010年4月和9月“国十条”的提出，各市“限购令”的出台，再到2011年1月“国八条”的相继出现，限购及限贷等政策确实在一定程度上起到了抑制房价过快上涨的作用，然而，是不是如理论界所说的这两年投机已经被完全挤出？对于这个问题，本文运用回归方程实证分析了2010年10月以来楼市调控后中国住宅市场上到底还有没有投机，投机度到底有多高。得到的预期结论是：中国住宅市场上仍然还是有投机的，一线城市在近两年国家严格政策的调控下投机度较低，但二线城市投机度并不低，本文大胆猜测投机行为正逐渐从一线城市往二线城市甚至三、四线城市进行转移。

关键词：住宅价格 住宅投机 投机度模型

研究背景

投机是行为主体从自身利益出发的一种经济行为，大规模地投机性购买住宅必然导致住宅售价的暴涨。2005年以来，中国的房价一路飙升，虽然这中间也经历了2006-2007年楼市调控，可2009年房价又迅猛增长，2010年4月和9月“国十条”的提出，各市“限购令”的出台，2011年1月“国八条”的相继出现，又一轮政策限制了房价的过快发展，然而，是不是如理论界所说的2010年底以来住宅投机已经被完全挤出？而且国家统计局2011年2月16日公布了《住宅销售价格统计调查方案》，新方案的公布不仅使得房价指标进行了调整，而且数据采集，计算方法以及数据方式和时间都出现了很大的改变，这就使得研究数据会在此发生前后衔接的问题，因此这两年研究投机的文章较原来甚少，研究住宅价格与投机的文献就更少。鉴于此，本文用回归方程实证分析了2010年10月以来楼市新一轮调控后中国住宅市场上到底还有没有投机？投机度到底有多高？这两年住宅的投机是否已经被挤出？

理论与模型

（一）理论基础

住宅投资和居住的双重属性决定了对住宅的消费和投资的双重需求。对住宅的消费需求归根结底是由城镇居民的实际购买能力决定的，被称为真实需求，由这种真实需求决定的住宅价格是住宅的基础价格。当住宅作为一种投资工具为购买者赚取资本收益时，对住宅需求就是投资需求，如果这种投资需求能够在理性假设和有效市场假说的严格条件下进行，那么投资需求所决定的住宅价格应该是围绕着住宅的基础价格上下波动的，长期内波动的均值应等于住宅的基础价格。但理性假设和有效市场假说（尤金·法玛（eugene fama）1970年）在住宅市场上常常是不能被满足的，当投资的目的不是为了获得住宅资产的长期收益，当投资的收益目标也不是长期的行业平均收益而是短期的资本利差的时候，这种投资就演变成了投机。投机活动的结果之一是住宅价格在一定时期内对住宅基础价格的系统偏差，事实上，住宅价格正是由基础价格和这种系统偏差所构成的，当投机盛行时，由投机引起的这种系统偏差甚至可能成为住宅（房地产）实际价格的主要构成部分。

（二）国内外文献综述

关于房地产市场投机模型的研究方面，国内外已经有不少学者提出有自己的观点。

国外学者多采用直接测度法来度量房地产市场的投机，直接测度法主要是以投机理论为基础建立投机度计量检验模型，通过比较房地产理论价值与实际价格来测度房地产的投机。国外学者莱文（1997）提出了投机度检验法，他认为房地产价格pt主要由房地产所有者从物业使用中获得的收益pθ（假设资本收益的预期为0）和房地产所有者预期价格变化导致其资本收益的增减量pb构成，即pt=pθ+pb，此外，他认为影响房地产投机收益变化的主要变量为可支配收入、贷款利率和过去房价实际增长率，并以这些变量的关系为基础建立房地产业投机度检验模型，通过模型推导，可用一个变量表示房地产业投机度，若该值过高，说明房地产市场上存在大量投机行为。

豪斯曼（1978）提出定性检验法模型：。其中，pt代表房地产价格，dt代表各期租金收入，ut是误差项。但根据豪斯曼的推导，这个方法最终和莱文的方法计算出的数据不一致，这就显得这两种方法不知到底用哪一个，同时由于是国外的模型，如果应用于国内市场不知是否能够照搬。

日本学者野口悠纪雄（1989）也提出了自己的模型，运用公式l=n[ar-（r+s）b]/（r+t）研究了东京市中心写字楼用地和住宅用地的现实地价和理论地价的差异，上述实证结果表明，上世纪80年代末东京写字楼用地和商业用地的实际地价已经大幅偏离理论地价，部分地区超出幅度甚至达到2-3倍。

以上国外学者研究的成果比较一致的结论是当市场投机度>40%时，认定该市场投机行为显著，房地产投机泡沫产生。国内学者研究投机度方面的也不少，但基本都参考了国外学者的观点。

曹振良（2004）提出的模型：pt=a0+a1 yt+a2 it+a3[（gt-1）/（1+it）]+ut，实际是参考国外学者莱文的模型。其中，p代表房地产价格；y代表居民可支配收入；i代表贷款利率；（gt-1）/（1+it）代表过去房地产价格实际增长率；u代表随机误差项，投机度为θ=a3 /a2。θ可以用来表示房地产业投机度。即房地产过去价格对将来价格的影响程度。这里面有两个地方值得考虑，第一，θ到底取多少合适，国内外国情不同，是否能用同一个临界值40%有待深究。第二，曹教授这个模型中“资本收益为零时的房地产价格是收入和利率的函数”没有理论依据，其文中的理论分析，只能说明房地产价格的决定因素是：可支配收入、短期利率、长期利率、房价的实际增长率，而且其学生周京奎也曾论证过居民可支配收入对房价没有显著影响（2004）。

丁华军（2007）指出的模型pt=a0+a1 yt+a2 rt+a3[（gt-1）/（1+rt）]+ut与曹振良模型差不多，只是将其中的i（代表贷款利率）改成了r（土地价格的增长率），根据国土资源部的调查，地价只占房价的一小部分（新京报，2009年6月24日）本文也认为地价对房价是没有传导作用的，或者说这种传导是有条件的，那就是开发商具有一定的市场势力。

何金英（2008）提出的模型pt=a0+a1 ct+a2 yt+a3 it+a4[（gt）/（1+it）]+ut，加入了房屋建造成本ct，将gt-1换成了gt，即（gt）/（1+it）代表当期房屋的实际增长率。其一这个模型新引入房屋建造成本，而本文观点认为泡沫是房地产实际价格对基础价格在一定时期的系统偏离，而并不是地价决定了房价；其二，虽然本期房价也会对本期房价有影响，但这个毕竟是同一时期，影响作用并不大，最重要的是本期的房价会对将来的房价有影响，因此，文中gt是否合适值得再探讨。

（三）本文模型的构建

以上是各学者目前对投机存在性模型的观点，最终都是归结为投机度的测算，只是在模型的构建上存在不同。而且用这些模型计算数据的都是国家统计局2011年

年2月16日公布“新住宅方案”之前的数据，无法反应新一轮调控政策2010年底后住宅市场上投机度的问题。本文从自己研究的目的出发—研究近两年住宅市场上是否有投机，并且根据本文的观点—投机是住宅价格在一定时期内对其基础价格的系统性偏移，其结果之一是引起了住宅价格的泡沫，结合以上各学者的观点和数据的可得性提出本文的投机度模型来分析住宅价格：

pt=a0+a1 rt+a2it+a3[（gt-1）/（1+it）]+ut

其中，p代表住宅价格指数；r代表住宅租赁价格指数；i代表贷款利率；（gt-1）/（1+it）代表过去住宅价格实际增长率；u代表随机误差项，住宅的投机度仍为θ=a3 /a2。并且由于没有更好的方法定θ的临界值，因此也暂且根据国内外经验选取40%。选择该模型的原因如下：根据资产定价模型原理，资产的实际价格是由其基础价格和预期资本收益现值两部分组成，对于预期收益现值的算法大都模型中没有差异，但对于基础价格的计算有多种方法。投机度的含义仍然是a3 /a2，因为a3是预期收益现值在实际价格中所占的比比例，a2是基础价格在实际价格中所占的比例。这样做的好处是同上文衔接，住宅的基础价格是由住宅投资的未来收入流现值，避免了原来模型的上下文不衔接的问题。

我国住宅市场投机的实证性研究

（一）模型数据的收集与处理

由于本文想研究2010年和2011年国家实施一系列房价调控政策后，投机是否真的被抑制，2010年至今，时间并不长，所以不能选取年度数据，而且由于2011年2月16日，统计局颁布了《住宅销售价格统计调查案》，住宅租赁价格指数没有公布，所以考虑到数据的可得性，本文根据中国指数研究院指数中心公布的《十大城市房地产价格指数》和《住宅租赁价格指数报告》对2011年11月到2012年5月住宅价格的相关数据和住宅租赁价格数据进行了整理，最终本文选取了8个城市，这些城市覆盖有一线和二线城市，同时也涵盖了东、中和西部城市，因此也有现实意义。贷款利率根据6个月以内（含6个月）的贷款利率调整而得，过去住宅价格实际增长率是通过住宅价格指数计算而来的。

（二）模型的实证结果

本文的实证结果如表1所示。

（三） 模型的基本结论

以上回归结果在10%的显著性水平下基本上都是通过检验的，并且拟合优度也比较高，说明方程拟合的较好。经计算，一线城市的北京和上海在国家这两年严厉的政策调控下住宅投机度并不高，深圳和广州如果按40%的标准，也都没有投机，反倒是二线城市住宅的投机度很高，重庆住宅的投机度高达0.77（由于没有三线和四线城市的数据，没有计算三线和四线城市住宅的投机度，这也是本文的不足之处，有待进一步讨论）。由此可以说明，我国的住宅价格在 2010年11月到2012年5月这个时间段内仍存在由于投机产生的泡沫。

结论及启示

本文通过分析得出以下结论：

虽然房地产业（住宅）投机度过低会影响房地产的发展，适当的泡沫会促进经济的发展，但泡沫太高势必会最终成为泡影，并且笔者大胆猜测我国城市住宅的投机行为正在从一线城市往二、甚至是三线、四线城市进行转移。

投机行为对市场造成的危害，不仅在于哄抬了房价，导致部分消费者无力购买而推延消费时期，更大的危害在于它制造了巨大的房产“隐性空置率”。因而，为了保证房地产市场健康发展，维护经济持续发展，必须有效控制投机行为，而且不仅要严格控制一线城市过高的住宅价格，而且也应该关注二线、三线和四线城市住宅的价格。

参考文献：

1.约翰·伊特维尔，默里·米尔盖特，彼得·纽曼.新帕尔格雷夫经济学大辞典.经济科学出版社，1996

2.刘圣欢，曹晓元.基于经济学的房地产投机行为研究.华中师范大学硕士学位论文，2006.12

3.周京奎，曹振良.中国房地产泡沫与非泡沫—以投机理论为基础的实证分析.产业经济，2004（2）

4.何金英.基于投机价格模型的住宅市场泡沫度研究.北方经济，2008（2）

5.徐旭先.房地产市场投机度测量与实证分析：以山东为例.金融发展研究，2008（11）

6.温红梅，姚凤阁.我国房地产市场价格泡沫的实证分析.中国管理科学，2007（10）

7.刘为姣.房地产泡沫投机度检测方法的应用研究.武汉理工大学硕士学位论文，2008

8.ito t，iwaisako t.explaining asset bubbles in japan[r].national

房地产调控研究论文范文第5篇

关键词：房价；影响因素；区域差异；时序变化

文章编号：2095-5960（2014）01-0062-06

中图分类号：F830.572

文献标识码：A

一、引言

房地产业因其产业链长、影响面广，在整个国民经济中处于基础性、先导性的地位，对引导合理消费、推动城市化进程具有重要作用，极大影响整个国民经济的发展质量。房地产的不可移动性使得房地产市场成为了典型的区域性市场。房价作为房地产研究中最重要的对象，是房地产商品属性和投资品属性的反映，不但受到多种经济变量的影响，而且关乎社会发展与和谐。[1]

为了促进房价合理回归，短期内可以通过限购政策等行政手段迅速控制房价过快上涨，但是由此积压的需求未来存在集中释放的潜在风险。[2]因此，研究建立房地产调控长效机制，引导房地产市场健康发展，成为我国目前亟待解决的问题。房地产调控政策长效机制必须遵循市场规律，形成常态化和市场化为特征的政策手段。这就要求政策制定者对影响房价的市场因素具有深刻认识。由于房地产市场是典型的区域市场，不同区域经济发展情况不同，房地产市场的需求和供给存在着区域差异，进而房价及其影响因素也将存在区域差异。

目前，从区域差异角度研究我国房价的文献还较为缺乏。梁云芳、高铁梅（2007）[3]基于误差修正模型形式的panel data模型重点讨论了房价受货币政策影响的区域差异。王艺明（2008）[4]采用状态空间模型研究了北京、上海和广州房价中的投机泡沫。魏玮、王洪卫（2010）[5]采用面板向量自回归模型研究了我国货币政策对不同区域房价的影响差异。这些研究从不同角度都发现我国房价波动存在着显著的区域差异特征，并从各自角度对这些区域差异进行了测度，具有很高的参考价值。

相比这些文献，本文在如下方面进行了探索：第一，本文将模型建立在市场存在摩擦的基础上。房地产在位置、环境、数量、朝向、档次等方面的物理属性存在异质性，交易存在明显的搜寻成本和信息成本，而且对消费者来说房地产交易涉及的金额较大，交易环节比较复杂，买卖双方信息不对称，因此交易成本和信息分布都使得房地产市场是一个不完全的市场，存在严重的市场摩擦，但这并没有受到现有文献的重视。第二，本文中引入了投机因素。房地产既有商品属性又有投资品属性。从投资品属性来看，投机行为会对房价波动产生重要影响，是研究房价不能忽视的因素。第三，本文对不同区域房价影响因素差异及时序变化进行了研究。以往研究虽然涉及房价影响因素的区域差异，但是并没有对差异的时序变化特征进行研究。换句话说，以往研究主要是对房价影响因素区域差异进行静态研究，而本文将其扩展到了动态，以揭示区域差异的变化轨迹。第四，本文主要关注非金融因素对房价的影响。房价主要受到收入因素、租赁因素、人口因素、成本因素和金融环境因素的影响。[6]现有文献主要分析了金融环境的影响，而对前四类种属于实体经济基本面的影响因素讨论不足。我国由于金融政策的统一性，金融环境的区域差异不大，房价波动的区域差异应该主要源于实体经济基本面的影响，因此本文将重点放在对实体经济基本面方面的考察。

基于上述考虑，本文首先对我国各地房价趋势进行对比，发现显著的区域特征。然后基于二阶段局部动态调整模型建立动态面板数据模型分析我国房价影响因素的区域差异。进一步，通过递归估计方法分析了不同区域房价影响因素的时序变化。最后结合本文研究结果提出房地产调控的相关政策建议。

二、我国房价趋势区域差异分析