城市化对房价的影响_线性还是非线性_基于四种面板数据回归模型的实证分析
城镇化对房地产价格的影响——基于江苏省的实证分析
城镇化对房地产价格的影响——基于江苏省的实证分析摘要：近年来，城镇化进程在逐步加快，同时房地产价格也在持续上涨。
那么，城镇化对房地产价格到底会产生什么影响？对房地产价格是起到了促进还是抑制的作用呢？首先，本文总结了国内外学者关于城镇化对房地产价格影响的相关研究结果。
然后，从理论方面分析了城镇化对房地产价格的影响机制，得到相关理论基础。
接着，以江苏省13个城市2007-2016年的数据为例，采用面板数据模型的方法进行实证分析。
研究结果发现，苏南地区，城镇化发展对房地产价格的影响较为平衡；苏中地区，产业城镇化和人口城镇化对房地产价格具有显著的正向影响；苏北地区，人口城镇化和土地城镇化对房地产价格具有显著的正向影响。
最后，本文就城镇化发展和房地产价格提出相关的建议。
关键词：城镇化；房地产价格；面板数据模型；实证分析The Impact of Urbanization on Real Estate Prices——Empirical Analysis Based on Jiangsu ProvinceAbstract:In recent years, the process of urbanization is gradually accelerated, while real estate prices are also rising..So, what impact will urbanization have on real estate prices? Does it play a role in promoting or restraining real estate prices? First of all, this paper summarizes the research results of domestic and foreign scholars on the impact of urbanization on real estate prices.Afterwards, it analyzes the influence mechanism of urbanization on real estate price from the theoretical aspect, and obtains the relevant theoretical basis.Then, taking the data of 13 cities in Jiangsu Province from 2007 to 2016 as an example, the panel data model is used to carry out empirical analysis. The results show that the development of urbanization is more balanced in the southern of Jiangsu;In suzhong region, industrial urbanization and population urbanization have a significant positive impact on real estate prices;In the northern ofJiangsu, population urbanization and land urbanization have a significant positive impact on real estate prices.Finally, this paper puts forward relevant suggestions.Key words:urbanization;real estate price;panel data model;empirical analysis目录引言 (1)（一）研究背景 (1)（二）研究意义 (1)（三）研究内容及方法 (2)一、文献综述 (3)（一）国外研究现状 (3)（二）国内研究现状 (3)（三）国内外研究评述 (4)二、城镇化和房地产价格的理论分析 (5)（一）城镇化的理论 (5)（二）房地产价格的理论 (5)（三）城镇化对房地产价格影响的机制分析 (5)三、基于江苏省13个城市城镇化发展与房地产价格的实证分析 (7)（一）模型介绍 (7)（二）变量选择 (8)（三）城镇化对房地产价格影响的实证结果分析 (8)四、对策建议 (11)（一）建设科学合理的城镇化宏观规划 (11)（二）缩小区域城镇化的发展差异 (11)（三）采用多种手段调控房地产价格 (12)（四）合理引导人口流动方向 (12)参考文献 (13)致谢 (15)引言（一）研究背景改革开放后，我国逐渐放松了对人口流动的限制，大量农村人口涌向城镇，从而加速了城镇化的发展。
房地产市场中的房价预测模型比较
房地产市场中的房价预测模型比较引言：随着经济的发展和城市人口的增加，房地产市场一直都是一个备受关注的领域。
了解和预测房价走势对于投资者、开发商和政府来说都至关重要。
然而，由于房地产市场的复杂性和不确定性，准确预测房价一直都是一个具有挑战性的任务。
因此，为了解决这个问题，许多研究人员和机构开发了各种不同的房价预测模型。
本文将比较几种常见的房价预测模型，分析它们的优缺点和适用场景。
一、回归模型回归模型是最常见和广泛使用的房价预测方法之一。
它使用历史数据和相应的影响因素来建立一个数学模型，通过对未来一段时间的数据进行回归分析来预测房价。
回归模型可以分为线性回归和非线性回归两种。
1.1 线性回归模型线性回归模型假设价格与影响房价的因素之间存在线性关系。
它使用各种因素（如房屋面积、房龄、地理位置等）来建立数学模型，通过回归分析来预测未来的房价。
线性回归模型的优点是简单易用，计算效率高；缺点是无法处理非线性关系。
1.2 非线性回归模型非线性回归模型进一步拓展了线性回归模型的概念，它允许因素之间存在非线性关系。
非线性回归模型使用更复杂的数学函数来建立模型，并根据历史数据进行参数估计。
非线性回归模型的优点是可以更好地拟合实际数据，处理较复杂的关系；缺点是模型复杂度较高，计算成本较高。
二、人工神经网络人工神经网络是一种模拟人类神经系统工作方式的数学模型。
它通过训练算法从历史数据中提取模式，并学习建立预测模型。
人工神经网络模型在房价预测中表现出色，尤其是处理复杂非线性关系方面。
2.1 多层感知器（MLP）多层感知器是最常用的人工神经网络结构之一。
它由输入层、隐藏层和输出层组成。
多层感知器通过训练算法学习输入和输出之间的复杂关系，并通过这种关系进行预测。
多层感知器的优点是能够处理复杂的非线性关系，但模型的训练过程需要大量数据和计算资源。
2.2 循环神经网络（RNN）循环神经网络是一种具有循环连接的神经网络结构，可以处理时间序列数据。
城镇化影响房地产价格的“直接效应”与“间接效应”分析 基于我国地级市动态空间杜宾模型
文献综述
文献综述
过去的研究主要集中在城镇化对房地产价格的影响机制上，大致可分为直接 影响和间接影响两类。直接影响是指城镇化进程中的人口流动和土地利用变化等 因素对房地产价格的影响；间接影响则是指城镇化带来的经济发展、基础设施改 善等因素对房地产价格的影响。目前，国内外学者对于这两种影响的研究尚未形 成一致结论。
研究方法
研究方法
本次演示采用了地级市动态空间杜宾模型进行数据分析。首先，收集了我国 地级市2000年至2019年的房地产价格、城镇化率、人口规模、经济发展水平等相 关数据。然后，对数据进行处理和空间面板回归分析，以考察城镇化对房地产价 格的直接影响和间接影响。
结果分析
结果分析
通过模型分析，我们发现城镇化对房地产价格的影响具有直接效应和间接效 应。直接效应方面，城镇化率每提高1个百分点，房地产价格将上涨0.3%。这表 明城镇化直接推动了房地产价格的上升，主要原因是城镇化带来了大量人口流入 和土地需求的增加。间接效应方面，城镇化对房地产价格的间接影响表现为经济 发展水平和基础设施建设水平的提高。
城镇化影响房地产价格的 “直接效应”与“间接效应” 分析 基于我国地级市动态
空间杜宾模型
01 引言
03 研究方法 05 结论与展望
目录
02 文献综述 04 结果分析 06 参考内容
城镇化与房地产价格：直接效应 与间接效应的分析
引言
引言
随着中国城镇化的不断推进，房地产市场的发展受到了广泛。许多研究表明， 城镇化对房地产价格有着显著的影响，但具体的影响机制和程度仍存在争议。因 此，本次演示旨在通过运用地级市效应，以期为相关政策制定提供参考。
实证分析
实证分析
为了验证以上分析，本次演示采用空间计量经济学方法，基于空间杜宾模型， 选取农业固定资产投资、农田水利设施等指标，分析农业基础设施建设的经济、 社会和环境效应。研究结果表明，农业基础设施建设对周边地区的经济、社会和 环境均具有积极的影响，且这种影响具有明显的空间溢出效应。
城镇化、工业化与房地产价格波动——基于2005—2013省际面板数据分析
●●■● ■●■■●■■■ ■■■■■■ ■●●●■■■■■ ■＿
ＰＯ ＲＡ ＲＹ ＥＣ０ Ｎ ＯＭ Ｉ ＣＳ
【 摘要 】本文采 用 ２ ０ ０ ５ －２ ０ １ ３ 年全国省 际面板数据对 响？ 城镇化过程 中是否存在其他相关 因素作用于房价？基
城 镇化 、 工业 化 与房 价 波 动 间存 在 的 互 动 关 系进 行 了实证
２ ０ １ ４ 年第十八届人大会 议上 ，国家 出台了新 一轮城镇化 涨。从本质上看 ， 城镇化是包括人 口、 产业 、 地域空 间等在 规划战略调整 ， 明确表示要通过城镇化 、 工业化 、 农业现代 内的社会经济结构转变的过程 。城市产业结构 、 经营活动
化发展实现优化城市产业结构 、 推动区域协调发展形成有 方式 的改变将为房地产业带来机会 ， 况伟大认为城镇化 与 力支撑 的 目标。在新一轮政策导 向下 ， 城镇化为房地产市 房价 间的确存在正 向促进作用 ， 但 当房价虚高时又会对城
快的不利影响 ， 进而导致房价虚高 。房价过高后一旦 出现 经济膨胀 ， 控制投机风险 ， 从而起到稳定房价的作用。 张平
大幅度下降 ， 易引发房地产泡沫给国家经济带来严重 的负 表示实体经 济的创新发展和金融制度的完善健全是平抑 面影响 ， 温州与鄂尔多斯的教训是最好 的前车之 鉴。在推 虚拟经济膨胀最有效的方法。 另外 ， 从相对价格来看 ， 工业 进城镇化 建设与经济增速放缓的双 重背景下 ， 寻求实体 经 化能够产生规模经济效果 ， 吸收剩余劳动力解决就业 问题 济与虚拟经济平衡的重要性是不言而喻。 并能够带动地区经济发展 ， 通过直接影响房价收入 比问接
于以上疑 问 ， 本文结合城镇化 因素 ， 试从人 口与经济发展
城市化对房地产价格的影响机理及实证研究
1 引言房地产价格关乎民生，一直以来都广受社会各界关注。
在某搜索引擎上输入“房价”，会显示大量有关房地产价格的讨论与思考，特别是现阶段很多城市房地产价格高企且增长幅度较大，成为阻碍城乡劳动力转移的一个重要因素。
那么，是什么因素导致了房地产价格变动？李继玲指出，城市化水平、房地产国内贷款额和城乡居民年末储蓄存款余额是推动房地产价格上涨的重要因素。
特别是城市化发展速度与质量的不断提升，给房地产价格波动造成了极大影响。
张炜构建了城市化进程中不同类型城市房地产价格波动分析框架，并对城市化进程中房地产价格波动特征进行了系统审视。
也有很多学者对城市化影响房地产价格变动做了大量实证探讨。
王文莉等研究发现，在一个国家或地区的城市化进程中，城市化速度与房价租金比成正相关的关系。
吴振华等认为，城市化的持续推进和住房市场的货币化改革促使城市住房需求得到集中性释放，进而推动房地产价格上涨。
王鹤等以中国2000-2012年地级市数据为研究样本，利用动态空间杜宾模型实证探讨了城市化对房地产价格变动的直接效应和间接效应。
罗良文以中国大陆（市、自治区）2004-2012年数据为基础，利用面板数据回归模型实证分析了区域城市化发展差异对房地产价格的影响。
总体而言，这些成果对于把握城市化与房地产价格变动之间的关系提供了丰富的文献支撑，但是现有关于城市化影响房地产价格的文献多侧重于实证研究，缺乏理论层面对二者作用机理的探讨，研究的系统性还有待加强。
基于此，本文以中国2001-2017城市化对房地产价格的影响机理及实证研究马宁摘要：在理论层面揭示城市化对房地产价格的影响机理后，以中国2001-2017年时序数据为研究样本，建立了城市化与房地产价格变化之间的向量自回归模型，实证研究了城市化对房地产价格的影响。
结果表明：①城市化对房地产价格的影响集中体现在人口城市化、土地城市化和经济城市化对房地产价格变化的影响上。
②人口城市化、土地城市化、经济城市化与房地产价格变化之间存在协整关系，即它们之间存在长期的均衡关系。
城镇化对房价影响的实证研究
城镇化对房价影响的实证研究作者：王鑫来源：《时代金融》2019年第27期摘要：近年来，房价的快速上涨离不开城镇化的发展，二者之间存在一定聯系。
基于2007-2016年省级面板数据，考察了城镇化水平对房价的影响。
结果发现，城镇化水平对房价具有促进作用，即在其他条件不变时，城镇化水平越高的地区，房价会逐渐上升。
因此，地方政府应适度增加住房供给，大力发展住房租赁市场，合理控制城市发展速度和规模，合理引流和分流人口，抑制房地产投机需求，来遏制房价过快上涨。
这对推进新型城镇化建设与房价调控都具有重要的现实意义关键词：城镇化 ;房价 ;面板数据一、引言与文献综述推进新型城镇化建设是促进中国经济增长的强大引擎和国家战略，近年来我国城镇化发展迅速，与此同时，房地产市场也呈现快速发展，尤其是房价的持续上涨，愈加引起人们的的关注。
那么城镇化与房价之间是否存在一定关系，二者关系究竟如何，理清这二者的关系对推进新型城镇化建设与房价调控都具有重要的现实意义本文探讨的是城镇化水平与房价之间的关系。
所谓城镇化是指人口向城镇转移、城镇区域扩大等由此引起经济社会发生变化的过程，实质是经济社会发展在空间结构上的变迁（魏后凯等，2013）。
随着城镇人口不断增加，创造出大量的住房刚性需求，而部分原住城市居民产生了投资投机性住房需求，助推了房价上升（吴振华等，2018）。
现有的相关研究主要包括三个方面的内容，即城镇化与房价的因果关系、城镇化对房价的影响机理以及城镇化对房价的作用。
（一）城镇化与房价的因果关系研究在此类文献中大量研究表明，城镇化水平的提高是导致房价变化的原因。
陈石清和朱玉林（2008）的实证结果发现，城镇化水平与房价之间存在长期稳定的正向相关关系。
谢福泉和黄俊晖（2013）相关研究同样表明，城镇化水平提高会引起房地产市场的繁荣。
黄庆华和姜松（2014）基于省际面板数据研究发现城镇化水平对房价的影响具有门槛效应。
这些研究从实证分析的角度揭示了城镇化水平与房价的因果关系逻辑，反映了我国城镇化的快速发展与房地产市场繁荣的相关关系。
基于面板模型的商品住宅价格影响因素的实证研究
基于面板模型的商品住宅价格影响因素的实证研究摘要：本文采用了面板数据模型对商品住宅价格的影响因素进行了实证研究。
研究结果表明，影响商品住宅价格的因素主要包括经济发展水平、城市化水平、土地供给和需求变化、政策影响等。
在政府政策层面，限购政策对商品住宅价格具有显著的负向影响；在市场供给层面，土地供给对商品住宅价格具有显著的正向影响。
这些结果为政府制定调控房地产政策提供了参考依据。
关键词：面板数据模型；商品住宅价格；影响因素；政策调控一、引言商品住宅是城市居民生活的基本需求之一，其价格水平直接关系到广大居民的生活质量和幸福感。
在我国的城市化进程中，商品住宅价格波动较大，给居民生活带来了诸多不便。
为了更好地了解商品住宅价格波动的原因，本文采用面板数据模型对商品住宅价格的影响因素进行了实证研究。
二、相关文献综述商品住宅价格的影响因素是一个复杂的系统工程，其影响因素涉及政府政策、市场供求、经济发展水平等多个方面。
在相关研究中，国内外学者对商品住宅价格的影响因素进行了广泛的探讨。
Auerbach和Glaeser（2008）对房地产价格风险的来源进行了深入分析，认为房地产价格风险主要来源于宏观经济环境、政策调控和市场供求等方面。
Tony（2010）的研究表明，在中国，土地供给的不足是导致商品住宅价格高企的主要原因之一。
而Khanna和Qian（2010）则认为，政府的调控政策在一定程度上可以影响商品住宅价格的走势。
一些研究也发现，城市化水平和经济发展水平也对商品住宅价格有着重要的影响。
现有研究大多是采用了截面数据或时间序列数据进行分析，忽略了不同城市之间的差异和动态变化。
本文选择采用面板数据模型进行研究，以更全面地探索商品住宅价格的影响因素。
三、面板数据模型的建立和实证分析本研究采用了2000-2019年中国28个省（直辖市、自治区）的商品住宅价格数据和政府政策数据，建立了面板数据模型，探索了影响商品住宅价格的因素。
城镇化水平对房价的影响研究
城镇化水平对房价的影响研究1. 引言1.1 研究背景目前，随着我国城镇化进程的不断加快，城市人口规模不断扩大，城市建设和基础设施不断完善，城镇化水平逐渐提升成为一个重要的社会发展指标。
城镇化水平的提升带来了许多积极的影响，比如促进了经济的增长，改善了居民的生活水平，提高了城市的竞争力等。
与城镇化不断推进相对应的是房价的持续上涨。
房价的上涨严重影响了人们的生活质量，尤其是年轻人买房的压力越来越大。
城镇化水平对房价的影响一直备受关注。
一方面，城镇化水平的提升会带动房价的上升，因为城市人口的增加和城市的发展需要会导致房屋需求的增加，从而推高房价。
城镇化水平的下降也会对房价产生影响，因为城市人口的减少和城市的发展停滞会导致房屋供大于求，从而降低房价。
研究城镇化水平对房价的影响具有重要的理论和现实意义，可以为政府决策提供参考，帮助房地产市场的调控，促进城市的可持续发展。
1.2 研究目的研究的目的是为了探讨城镇化水平对房价的影响，通过分析不同因素之间的关系，揭示城镇化水平对房价的具体影响机制。
通过研究城镇化水平上升和下降对房价的影响情况，可以为政府制定相关政策提供依据和参考。
通过对不同地区城镇化水平与房价的相关性进行比较分析，可以深入理解城镇化水平对不同地区房价的影响程度，为不同地区的房地产市场发展提供指导。
通过对城镇化水平与房价未来趋势的预测，可以为投资者提供决策参考，帮助他们更好地把握房地产市场的发展方向。
通过研究城镇化水平对房价的影响，旨在为更好地促进城镇化进程和房地产市场的稳定发展提供理论支持和实践指导。
1.3 研究意义城镇化水平对房价的影响研究具有重要的研究意义。
随着我国城镇化进程的不断推进，城市人口规模不断扩大，城镇化水平的提高会直接影响到房价水平。
通过研究城镇化水平对房价的影响，可以更好地了解城市房价的形成机制，有助于政府和相关部门进行房地产政策的制定。
城镇化水平对房价的影响也涉及到城市规划和土地利用等方面。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第37卷第4期财经研究V o l 37N o 42011年4月Journal of Finance and Eco no mics A pr 2011城市化对房价的影响:线性还是非线性?基于四种面板数据回归模型的实证分析骆永民(安徽工业大学经济学院,安徽马鞍山243032)摘 要:文章从线性和非线性两个角度分析了中国城市化进程对房价的影响。
通过对各省历年房价和城市化的核密度估计空间分布分析,发现城市化和房价之间存在明显的正相关性,并且各省份的城市化和房价水平存在 双峰 分布特征和空间相关性。
这说明在分析城市化对房价的影响时应考虑可能的门限效应和空间溢出效应这两种非线性关系。
据此,文章基于中国30个省份1998-2009年的面板数据,使用普通面板回归、空间面板回归、门限面板回归和平滑门限面板回归这四种模型进行分析发现,城市化水平对本地区和相邻地区的房价均具有显著的促进作用,且在经济增长水平较高、人力资本集聚的地区,城市化对房价的促进作用更加显著。
关键词:城市化;房价;线性;非线性;面板数据回归模型中图分类号:F293 3 文献标识码:A 文章编号:1001 9952(2011)04 0135 10收稿日期:2010 12 08基金项目:教育部人文社会科学研究青年基金项目(10YJ C790186)作者简介:骆永民(1981-),男,安徽蚌埠人,安徽工业大学经济学院副教授。
一、引 言2011年新年伊始,政府相继出台了一系列抑制房价快速上涨的政策。
其中影响较大的有以下几条:(1)二套房贷款首付比例不得低于60%,同时贷款利率不得低于基准利率的1 1倍;(2)上海和重庆从1月28日起开征个人住房房产税,与此同时财政部、国税总局、住建部相关负责人表示,条件成熟时将在全国范围内对个人拥有的住房征收房产税;(3)各直辖市、计划单列市、省会城市和房价过高、上涨过快的城市,在一定时期内要从严制定和执行住房限购措施;(4)各地要增加土地有效供应,落实保障性住房、棚户区改造住房和中小套型普通商品住房用地不低于住房建设用地供应总量70%的要求。
总结上述政策,政府旨在通过提高利率、开征住房房产税、限购以及增加土地和保障性住房供应等政策抑制房价的快速上涨。
从相关实证研究看,提高利率(黄忠华等,2008;况伟大,2010)、增加土地和保障房供应(况伟大,2005;温海珍等,135财经研究2011年第4期2010)以及开征住房房产税(况伟大,2009;金成晓和马丽娟,2008;杜雪君等, 2009)应该能够起到抑制房价快速上涨的作用。
但其中值得关注的是,相关的国家政策对外来务工人员和高校毕业生这两大城市化主力军的购房行为影响较小。
加之近年来政府不断放宽对农村人口落户城镇的限制,可预见城市化在诸多影响房价变化的因素中可能会变得日益重要。
于是,政府若想更好地控制房价,势必需要依照城市化发展趋势以及由此可能引发的房价变化进行更细致的制度设计。
那么,探究城市化促进房价上涨的方式和作用的大小就显得格外重要,本文的研究正是基于此而展开。
目前明确以城市化对房价的影响为研究对象的实证分析有陈石清和朱玉林(2008)、任木荣和刘波(2009)等。
其中,陈石清和朱玉林(2008)采用的是时序数据,故缺乏地区层面的信息且没有考虑其他影响房价的因素。
而任木荣和刘波(2009)虽然使用了中国省级面板数据,但仅考虑了城市化对房价的影响,并未在回归模型中设计更多的解释变量。
此外,上述两篇文献都是从线性关系出发研究两者之间的关系,未考虑可能存在的非线性关系。
近年来,一些文献显示房价和其影响因素之间可能存在一定的空间相关性(主要指在距离较近的邻省间存在空间溢出效应)和门限效应(即当门限变量数值变化时,回归系数显著改变)这两种非线性关系。
而了解这两种非线性关系的目的在于,各省可以根据空间关联的强弱、邻省的城市化和房价情况、本省门限变量的数值大小判断本省房价变化的可能趋向,进而根据自身的行政目标进行适宜的政策安排(如为控制房价对相关影响因素进行控制等),故具有极其重要的研究价值。
H olly等(2010、2011)基于美国和英国的数据,发现房价在空间层面存在显著的相关性。
这提醒我们在分析房价的影响因素时,应当注意可能存在的空间相关性,故本文将采用空间面板回归模型对城市化和房价的关系进行再检验。
Dekkers和V an der Straaten(2009)发现,如果住房附近有超过某一门限值的噪声源,则房价会下降得十分迅速。
而Chen等(2010)则指出,随着房价高于门限值,房价对消费行为的影响会发生较大改变。
结合上述文献很容易联想到中国不同地区的城市化对房价的影响是否也存在门限效应?最直观的一个猜测是,城市化对房价的影响在贫富省份之间未必一致。
故而本文采用 门限面板回归 和 平滑门限面板回归 这两种分析门限效应的面板数据回归模型。
为便于比较,文中还使用普通面板回归模型进行估计,故全文共使用了四种面板数据回归模型来分析城市化对房价的影响。
二、中国城市化促进房价上涨的原因及其时空特征近年来,政府采取了一系列措施抑制房价快速上涨,重点加强了对 炒房 的抑制,但炒房者仍乐此不疲,并不断推高房价。
但所有的投机最终都是以套现为目的的,而从事投机炒作的业主往往具有一定的财力和智力基础,不至于136盲目从事投机活动。
那么,是什么信念在支撑投机者持续炒作呢?我们认为其中最关键的一点是基于这样的认识:中国城市化的快速发展必然带来对住房的刚性需求。
在城市化过程中,还蕴含着这样一些推高房价的因素:其一,80后的新一代农民工普遍习惯了城市的生活,他们中的很多人不愿意回到农村,这会导致更高的住房需求;其二,改革开放后富裕起来的一部分农民进入城市购房置业,一定程度上挤压了住房供给的空间;其三,随着1999年以来的高校扩招,高等教育日益普及,其结果是大批毕业生涌入大中城市而不愿意回到农村或县城就业,于是造成了住房需求的快速膨胀;其四,新时代的教育、网络以及其他传媒强调个人价值的实现,无形中催生了文化上的浮躁和年轻人之间的恶性竞争,实现梦想的强烈愿望激励年轻人滞留于城市,从而促使房价上涨;其五,城市化的主力是正处于婚育年龄的70后和80后,其父辈一般享受了福利分房的优惠政策或身处农村,无房贷压力,故父辈的积蓄可提供给子女用于购房,这也会促使房价上涨;其六,城市化以不断向郊区扩张来实现,而郊区农村的城市化意味着要向失地农民提供大量的安置费用或住房,这会造成地价的快速上涨并进一步推高房价。
基于上述分析,在城市化的洪流中,要保持房价与其他商品价格一致的增长率是十分困难的。
图1 房屋平均价格的核密度图下面我们观察城市化和房价变化的时空特征。
图1和图2绘制了中国大陆30个省份(西藏数据不全,故没有考虑)1998-2009年偶数年份城市化和房屋价格的核密度(取M AT LAB6 0中默认标准核密度函数和最优窗宽)。
其中,城市化水平用城镇户籍人口占总人口比重表示,数据来自 中国人口(和就业)统计年鉴 (1999-2010);房屋平均价格数据来自 中国固定资产投资统计年鉴 (1999)、 中国统计年鉴 (2000、2001)和 中国房地产统计年鉴 (2002-2010)。
从图1可以看出,2000年以来核密度的波峰持续右偏且波及范围越来越广,这说明房屋平均价格在逐渐上涨且各地区房价差距在扩大。
从图137 骆永民:城市化对房价的影响:线性还是非线性?2可以看出,2000年以来核密度的波峰也持续右偏,波及范围有所缩小,这说明城市化平均水平在逐渐上升,但各地区的差距有所缩小。
观察两图2008年的核密度可以发现,两图均呈现双峰特征,这说明无论是城市化还是房屋平均价格,均呈现 低水平 和 高水平 的两个 俱乐部 形态,每个 俱乐部 有自己独特的分布特征。
这提醒我们在城市化对房价的影响中,可能存在 俱乐部 特征,即由于各地区某一特征的不同,相应的回归系数可能呈现出较大差距。
而至于通过直观观测得到的结论是否成立,下文将采用门限面板回归模型和平滑门限面板回归模型进行实证研究。
图2 城市化水平的核密度图为进一步观察房屋价格和城市化水平的空间地理分布情况,我们分别绘制了历年城市化和房屋价格平均值在各省份的分布情况图,时间跨度为1998-2009年(图略)。
可以发现,城市化水平较高的地区往往是房价较高的地区;同时,东北各省、东部沿海各省以及中部省份的城市化和房价往往较接近,即地理上接壤的省份,其房价和城市化水平具有相关性。
这说明变量间可能存在空间相关性,如果要讨论两者的关系,则需要使用空间面板回归模型。
三、变量、数据和计量方法(一)变量和数据。
本文使用面板数据进行分析,时间跨度为1998-2009年,地域跨度为除西藏以外的中国大陆30个省份。
根据本文的研究主题,解释变量为城市化水平cityl,被解释变量为房屋平均价格的对数lnhp 。
本文还设计了另外一些国内研究尚不太关注的解释变量进入计量模型。
1 人力资本情况。
Gio vanni 和M atsumoto(2010)发现,人力资本价值的增加和房价的上涨总是保持着正相关。
基于这一考虑,本文使用各省份受高中以上教育人口占6岁以上人口比重作为人力资本的代理变量,记为hc,数138 财经研究2011年第4期骆永民:城市化对房价的影响:线性还是非线性?据来源于 中国人口(和就业)统计年鉴 (1999-2010)。
考察这一变量的另一用意在于探究城市化对房价的影响是否随其变化出现门限效应。
2 财政分权。
Reback(2005)使用美国明尼苏达州的数据进行研究发现,地方公共服务和住房价格有着密切的关联。
本文认为,中国各省份的房价也应受公共服务的影响,但公共服务涉及的变量很多,采用任何一个变量都难以反映出公共服务的全貌。
而财政分权是提高地方公共服务效率(骆永民, 2008)和造成地方政府依赖 土地财政 的重要因素(梁若冰,2010),故而预期会对房价产生重要影响。
其计算公式是:省级人均财政支出/(省级人均财政支出+中央人均财政支出),记为fd。
方法来自乔宝云(2005)、温娇秀(2006)等文献,数据来源于 中国统计年鉴 (1999-2010)。
3 经济增长水平。
当经济发展水平较高时,一个地区的商业和人口往往比较集中,房价自然也较高。
本文以人均GDP的对数作为房价变化的一个解释变量,用以指代经济发展水平,记为lny,数据来自 中国统计年鉴 (1999-2010)。
考察这一变量的另一用意在于将其视为门限变量。
4 就业人口占总人口比重。
当就业人口比重较高时,从事劳动的青壮年人口较多,这会带来对住房的更高需求,于是会导致房价的上涨。
这一变量记为w orker r,数据来自 中国人口(和就业)统计年鉴 (1999-2010)。