促进房价合理回归的政策建议 -.doc

促进房价合理回归的政策建议摘 要房地产业是关乎国计民生的重要产业，但是近年来，我国的房价持续上升，持续走高的商品住宅价格已经成为全社会普遍关注的焦点。高房价给居民的生活带来了沉重的负担，同时也影响了我国的经济发展水平与城市化进程。因此，政府采取的政策措施抑制高房价现象成为一个重要的课题。本文从高房价产生的原因及影响入手，利用西安市20022011年期间的数据，通过主成分分析法建立西安市商品住宅价格影响因素计量模型的实证分析，提出政府抑制房地产价格不断上涨的政策措施。关键词：高房价；主成分分析法；政策措施1 研究背景房地产业是我国国民经济的重要支柱，房地产业关联度高，带动力强，已经成为我国国民经济的支柱产业。我国房地产行业经过了几十年的发展，取得了一系列的成就。房地产行业的发展，对加快我国住房建设步伐、有效启动各类住房消费、改善社会环境和居民居住条件发挥了重要的作用，同时房地产行业的发展促进了人民生活水平的提高和国民经济的增长。近几年来，随着住宅商品化规模的持续扩大，各类商品房被大量开发，与此同时，购房者的需求也在不断增加，房地产热度一直未减，从而导致房地产价格居高不下。房价一直保持持续上涨的态势并且价格高得已经超出了普通老百姓所能承受的范围。房地产价格上涨过快成为阻碍社会稳定和谐及制约房地产业和金融业健康发展的一个重要原因，给中国的经济发展和社会稳定带来了许多负面影响。房价的过快上涨已经引起民众、企业、专家学者、媒体舆论和政府的高度关注。房地产行业为什么会出现价格过快上涨的局面、影响其价格上涨过快的主要原因是什么、各类因素对房地产价格的影响程度有多大，此类问题一直是业界的研究重点，如何运用更加科学有效的方法对房地产价格进行分析和研究已经成为当前的热点问题，因此需要把理论和实践结合起来，并且在此基础上，找到房地产健康稳定可持续发展之路。城市房价受政治、经济、社会、行政、自然等多方面因素的交叉影响和共同制约，同时国家也在不断推出抑制房价过快增长的政策，通过多方面工作加大力度抑制房价过快上涨。然而由于执行力度不够、我国房地产市场不成熟、以及政策不完善等各种现实原因使其成效大打折扣。基于这一背景，对影响房价变动的因素进行理论分析和实证研究，并以此为基础提出具有建设性的政策建议，就具有非常重要的意义和价值。因此分析影响房价的不断上涨的原因及其机理，并在此基础上构建定量分析模型，为政府出台调控房价的政策提供理论依据。2 国内外研究现状2.1国内研究现状张红、李文诞认为影响北京市住宅实际价格的因素是住宅实际建造成本、实际国内生产总值，实际建设成本对住宅价格的影响起决定性的作用，并运用住宅价格回归模型和二次曲线趋势模型对住宅商品房价格的变动趋势及影响因素分析1。杨贵中采用19972005年9年的数据，以地区国内生产总值等六个指标因素为自变量，成都市房价为因变量，建立多元线性回归模型，并对因变量进行模拟分析，得出：市区人口和住宅施工面积是成都市房价影响因素的最重要的因素，预测的房价值和实际房价值的相一致2。杨东构建灰色关联度模型，得出家庭户数、城市化水平、居民人均可支配收入影响成都房价的主要因素，城市化水平对房价的影响最深刻，建造成本则是最小影响因素3。李永红在研究重庆房地产价格因素时，指出：房地产固定投资额、土地价格、人均GDP、居民可支配收入、建筑成本和房地产竣工面积，依次由大到小影响房地产价格4。马莉莉采用了定性和定量的因素分析，分析了昆明市住宅房地产的现状，指出了昆明市房地产市场中存在的问题，并采用了多元回归的方法，得出的结论是：昆明市长期的房地产价格城市常住人口、房地产贷款数量、贷款利率、地价、建筑成本关系显著5。胡浩志使用19992009年的月度数据，运用SVAR方法对货币政策、房地产市场与宏观经济波动之间的动态关系进行了经验研究。研究发现，存在通过对房地产影响的宏观经济的政策传导渠道，在货币政策调控房价方面，选择金融机构信贷规模作为中介目标比较有效 6。基于房价高涨现状，昌忠泽认为信贷扩张、土地财政和住房预售制度是中国房地产泡沫的三大根源，政府应加大公共财政体制改革，严格土地管理制度，同时开征物业税和房屋空置税，抑制房地产市场的过度投机行为7。余壮雄，林建浩利用我国19962007省级面板数据的经验分析指出，政府的金融支持解释了房价上涨的六成，主张加强对开发商的信贷审查，规范土地一级市场，同时改变民众的住房观念与模式8。2.2国外研究现状西方的国家早已进入了资本主义的成熟时期，其房地产市场经济的机制的运行也很成熟。西方国家实证研究结果是丰富而实用的。Poterba采用了美国19801990 年39个城市的年末数据，使用时间序列的回归分析方法，对自变量：住宅价格的平均数、建筑成本、人口因素和收入等指标分析验证，得出对房价涨幅最大的因素是收入和建筑成本，而人口数量确实次要的因素9。Gabriel 等通过创建需求和供给住房价格模型，以美国加利福尼亚州境内的两个最大的萨克拉门托州和旧金山市的房价数据为依据，得出了城市结构的规划变迁和人口的流动对房地产价格的影响是显著的10。Quigle使用美国19861994年41个城市数据。使用了主因子分析法和回归法研究所房价与经济周期波动的相互关系，得出：这些变量对房地产价格的起伏具有实践意义，房价波动不受短期经济基本面的影响是微小的，但受长期经济面的影响很大，得出了房地产价格的变化受宏观经济的影响11。Seko依据日本 19802001 年间 46个县的房价和经济的关联度，使用了面板数据模型分析，总结出：房价和经济状况有很大的联系12。总结国外文献对房价的研究，多数采取时间序列的截面回归模型，归纳影响房地产价格均衡的主要因素为：收入、利率、供给、人口、建筑成本、人口结构、社会诚信度、区位等方面。3 高房价产生的原因及影响3.1高房价产生的原因1超宽松货币政策的实施，是房价不断走高的直接原因。为抵消金融危机的影响，我国货币供应量大幅度增长，至2009年12月底，广义货币余额达60.6万亿元，比上年末增长 27.7%，增幅同比提高 9.9个百分点；狭义货币为 22万亿元，增长32.4%，增幅同比增加了23.3个百分点。金融机构各项贷款余额40万亿元，比年初增加 9.6万亿元，同比多增 4.7 万亿元。从这些数据可以看出，我国实行的货币政策是超宽松。由于大量的货币供应量的作用，在实体经济尚未完全复苏，投资渠道有限的情况下，大量的信贷资金进入楼市，进行投机活动，成为推动房价不断上涨的直接原因。2房地产市场供不应求成为房价上涨的根本原因。我国正处于快速工业化时代，国民收入持续快速增长，居民购买力持续增强；同时，随着城市化的不断推进，农村人口向城市转移的步伐不断加快，对住房的需求持续增长。特别是自2008 年3月以来，由于当时房产价格不断走低，整个市场观望情绪浓厚，对住房的需求不断积累。2009年3月在房价止跌回稳的情况下，市场需求集中释放。我国土地是国家所有，房产供应基本上仅能依靠房地产商开发，供应量增长有限。在这样的背景下，房价上涨就成为一种必然。3通胀预期不断增加，是推动房地产价格不断上涨的间接原因。在大量的货币供给作用下，人们的通胀预期不断增加。直到 2009年11月，我国 CPI 才由负变正，仅从 CPI 的数字看，我国的通胀压力并不大，不应该有较强的通胀预期。 然而我国的 CPI指数中食品价格所占比重较大，CPI的变动主要是由食品价格的变化决定的。 随着经济复苏，居民切身所体验到的价格上涨和 CPI 差距很大，特别是自2009 年的下半年起，CPI 在大多数月份为负，人们却能感觉到能源价格、电价、水价、住房价格均在快速上涨，加之人们对大量货币供应量的担忧，形成了人们强烈的通货膨胀预期。为了避免可能的通胀损失，一部分准备将来买房的人提前入市，一部分富裕阶层开始抢购房产，进行保值。这些都加剧了房地产市场的供需失衡，加速了房价上涨。4土地财政是房价不断上涨的制度原因。在我国地方政府在房地产市场具有双重角色，它既是房地产市场的政策制定者，又是土地市场的供给者，成为房地产市场的利益主体。近年来地方财政对土地存在过度依赖现象，特别是大中城市，“卖地”已成为地方政府的重要财源，占地方财政收入的1/3 左右，有的城市甚至占到了财政收入 1/2 以上。特别是2009 年以来，全国一、二线城市房地产价格飙升，“地王”频出，许多城市的土地出让金总额再创新高。“土地财政”使地方政府和房地产商一样，成为房价上涨的直接受益者。由于自身利益的存在，地方政府很难彻底地执行房地产调控政策。而房地产市场是一个典型的区域性市场，仅有中央政府调控，没有地方政府的配合，房产价格不断上涨的局面很难控制住，土地财政成为房价不断上涨的制度原因13。32高房价带来的影响1导致中国产业结构失衡更加严重。房价的持续上涨使得房地产行业的利润水平提高，社会资本不断进入房地产业，导致房地产业的过快发展。由于房地产业是经济的基础性产业和主导产业，通过其关联效应和扩散效应，能直接或间接影响前向和后向关联产业的发展，从而引起相关产业的过快发展。在资源有限的情况下，过多的资源配置给房地产及相关产业，必然导致其它行业的资源减少，发展减慢，我国产业结构更加失衡。2降低居民的消费能力，不利于扩大内需。理论上看，房价上涨对居民消费有两种不同的作用：一是由于财富效应。即当房价上涨时，房地产持有人财富会增长，从而促进消费。二是由于选择效应和再分配效应，引起居民消费的减少。所谓选择效应，即由于房价上涨，居民一旦选择买房，其首付款和月供不断增加，其它方面的消费支出必然下降。所谓再分配效应，也就是房价上涨对不同居民户的财富存量会产生不同的影响。房价上涨使无住房家庭在国民收入中的份额会降低，有房户成为房价上涨的受益者。由于有房户富裕者居多，再分配效应使得富人更富、穷人更穷，收入差距不断扩大，在穷人的边际消费倾向高于富人的情况下，收入差距扩大不利于增加消费。从我国的情况来看，由于居民拥有住房主要为自住，投资用房产所占的比重较小，因此房价上涨的财富效应较小，对消费的负面效应明显，高房价不利于扩大内需。3加大金融风险。我国房地产开发商的自有资金严重不足，银行信贷资金成为房地产开发商的主要资金来源，在房价不断上涨的过程中，银行信贷资金所占比重有所上升。 2009 年，房地产开发企业资金来源57128 亿元，比上年增长 44.2%。其中，国内贷款 11293 亿元，增长48.5%；个人按揭贷款 8403 亿元，增长116.2%。国内贷款和个人按揭贷款增速远高于总资金增速，房地产业对银行信贷资金的依赖性有所加强。房产价格和银行的不良资产和坏账之间有直接的关系。随着房价的不断上涨，若收入上涨速度跟不上时，居民对住房的购买能力下降，房地产的销售就会受到影响，开发商偿还能力银行债务的能力就会下降。由于当前的首付款和月供较高，一旦房价不能持续上涨、或者居民收入下降，按揭贷款的违约风险便会增加，因此金融风险随着房价的不断攀升而加剧14。4影响收入再分配，降低经济效率，扩大贫富差距。房价的变动影响收入再分配，降低经济效率。在我国土地是国有的，购房款最终流向政府、开发商、建筑公司、原材料供应商。我国在房产建设、销售过程中的土地费税占到总销售额的一半或更多鉴于税收是扭曲资源配置，降低经济效率的。因此只有税收被分摊给尽可能多的人口时，资源配置的扭曲程度才能最小。而通过高房价来征税只把负担加在小部分新购房者身上，显然不利于降低资源配置扭曲。高房价还会扩大贫富差距，中产阶级通常是购房者的核心，当他们付出所有收入购房时，社会经济地位将显着下滑，不断上涨的房价使中产阶级的数量急剧减少，穷人增加，高房价扩大贫富差距。5提高企业经营成本。房价的快速上涨必然导致房租的上涨，使得企业不论买房还是租房，经营成本均上升。此外房价的持续上涨加大了对建材的需求，导致钢铁建材等系列资源性基础材料的价格上涨，进而拉动整个社会的生产成本，企业的生产成本进一步提高。4、实证研究-以西安市商品房为例4.1商品住宅销售价格的影响因素1人口数量。从需求方面来看，一个地方的房地产市场主要的需求者来自于当地的居民。当地的人口数量越多，房地产市场的需求就会增加，从而会提高当地商品住宅的价格，反之则会降低商品住宅的价格。2可支配收入。房地产价格由房地产市场的供给和需求所决定。如果经济发生衰退，金融机构和企业将进行大量的改组和合并，使得市场上供出售的土地和建筑大量增加。居民由于失业以及收入的下降，对住宅的需求也会大幅减少。相反，在经济高速增长期间，伴随着收入的稳步增长，人们对未来有着良好的预期，房地产市场一般会出现供销两旺、价格稳步上升的现象。3利率。房地产业是资金密集型产业，其供给和需求都离不开银行的贷款，因此，贷款利率对房产市场具有非常重要的影响。房地产开发商和消费者的借款能力如何，与利率有直接的关系。在供给方面，当利率下降时，房地产开发投资和房地产抵押贷款将源源不断地涌向房地产业，并推动房地产价格持续上涨。在需求方面，大部分普通居民会采取向银行借贷的方式进行支付，那么支付的其中一部分就是贷款的利息。因此利率是影响商品住宅价格的又一个重要因素。4房地产开发投资成本。从供给方面来看，房地产开发商在抉择时除了考虑当时的宏观经济环境及政策外，还有就是要考虑开发投资的成本问题。开发商会根据成本高低进行抉择，开发投资成本较低时，则会加大投入，增加房地产市场的供给量，降低房价，反之则会提高房价15。4.2西安市商品住宅平均销售价格影响因素的主成分分析主成分分析是把原来多个变量划为少数几个综合指标的一种统计分析方法。从数学角度来看，这是一种降维处理技术。一个研究对象，往往是多要素的复杂系统,变量太多无疑会增加分析问题的难度和复杂性，利用原变量之间的相关关系，用较少的新变量代替原来较多的变量，并使这些少数变量尽可能多的保留原来较多的变量所反应的信息，这样问题就简单化了16。根据上文所分析的影响商品住宅价格的几个因素，本文选取了9个变量来构建模型，它们分别是：商品住宅平均销售价格（Y），人口（X1），居民消费价格指数（X2），人均 GDP（X3），城市居民人均可支配收入（X4），一年贷款利率（X5），固定资产投资额（X6），房地产开发企业土地购置费用（X7），房地产开发投资额（X8）。其中，商品住宅平均销售价格为被解释变量，其余为解释变量。根据20032012年的中国房地产统计年鉴、陕西省统计年鉴、西安市统计年鉴整理出上述指标数据，如表1所示。（表1指标体系）年份YX1X2X3X4X5X6X7X820022030702.698.71183171845.41338.21883579.420032148716.6101.91334177485.31478.122621124.820042663725101.71529485445.38646.733752169.720053444741.7981640696285.38835.149332225.220063867753.1101.318890109056.841066.684702285.820074301764.3103.122463126627.561435.3116234387.320085683772.3101.227794152077.741906.4490257540.120096370781.799.732411189636.122500.1356469568.320107012782.7103.545676222446.143250.6581421670.320117287791.7105.648803259816.063352.1718933833.91、共线性检验。共线性检验即首先检验所选取的这8个指标之间是否存在相关关系，以便判断能否对这8个指标进行主成分的分析。根据所选指标数据，采用SPSS20.0进行分析，得到的结果见表2。由表2可知多数变量之间存在高度的相关关系，变量之间相关系数的绝对值大多数都在0.5以上，因此有必要进行因子分析。在表3中，从提取一列可以看出，变量在空间转化为因子空间时，保留了比较多的信息，因此，因子分析的效果是显著的，主成分分析法适用。（表2）相关矩阵X1X2X3X4X5X6X7X8相关X11.000.538.883.906.558.923.850.950X2.5381.000.670.637.600.614.614.635X3.883.6701.000.992.655.991.958.972X4.906.637.9921.000.572.992.955.984X5.558.600.655.5721.000.815.929.916X6.923.614.991.992.8151.000.951.983X7.850.614.958.955.929.9511.000.963X8.950.635.972.984.916.983.9631.0002、提取主成分。（表4）主成分的个数是通过累计方差贡献率来决定的，通过以累计贡献率的0.85为准。由表3、表4可知，两个主成分可以解释总方差接近91.099%，所以主成分的个数为2个。（表3）公因子方差初始提取X11.000.973X21.000.936X31.000.952X41.000.978X51.000.926X61.000.958X71.000.961X81.000.929（表5）成份矩阵成份12X1.941-.189.859.185-.164-.391-.118-.106-.010X2.698X3.979X4.982X5.828X6.983X7.959X8.994（表4）解释的总方差成份初始特征值提取平方和载入合计方差的 %累积 %合计方差的 %累积 %16.35479.42579.4256.35479.42579.4252.93411.67591.099.93411.67591.0993.5707.12198.220.5707.12198.2204.1081.34999.569.1081.34999.5695.024.29499.863.024.29499.8636.008.10599.969.008.10599.9697.002.02699.994.002.02699.9948.000.006100.000.000.006100.000（表6）标准化矩阵第一主成分得分第二主成分得分2002-1.03270-.829012003-1.05192 .965812004 -.80143 .601932005 .532811.019542006-.40284 .210922007-.15612-.070022008 .65193-.01638200920102011 .702811.90281.10363-1.498291.70846-.301943、结论。使用SPSS软件得到的因子载荷矩阵如表5所示。表5 反映的是各个指标与两个主成分之间的相关系数。可以看出，X1、X3、X4、X5、X6、X7、X8，即人口、人均 GDP、城市居民人均可支配收入、一年贷款利率、固定资产投资额、房地产开发企业土地购置费用、房地产开发投资额，在第一主成分中有较大载荷；X2即居民消费价格指数，在第二主成分中有较大载荷。为了进一步说明 20022011年中，各年商品房价格主要是由于哪些因素影响的，我们根据表6可以进一步得出主成分标准化矩阵，如表6所示。通过表6我们可以看出，2008年、2010年和2011年的商品房平均销售价格主要是由第一主成分影响的，即人口、人均GDP、城市居民人均可支配收入、一年贷款利率、固定资产投资额、房地产开发企业土地购置费用、房地产开发投资额；而2002、2003、2004、2005、2006、2007、2009年的商品房平均销售价格是由第二主成分影响的，即居民消费价格指数。本文选取8个影响商品住宅价格的因素进行计量分析，并从西安市近10年来的房价走势中发现，从2008年到2011年的上升趋势非常明显。通过实证分析表明，在人口、人均GDP、城市居民人均可支配收入、一年贷款利率、固定资产投资额、房地产开发企业土地购置费用、房地产开发投资额这些构成近期房价上涨的主要因素中，可支配收入对住宅价格的影响最为显著，这说明随着经济发展水平和居民收入水平的提高，房价上涨存在一定的必然性。但是，为抑制房价的过快上涨，保障低收入群体的住房需求，政府通过调整利率、土地供给政策和房地产开发成本来控制房价也是有必要的，而且是可以做到的。5、促进房价回归的政策建议由于房价过高产生诸多负面影响，为了维护社会的和谐稳定，必须坚决遏制不合理的住房需求，杜绝将住房作为投资商品谋取暴利，同时应加大对低收入群体的住房保障，解决最突出的矛盾，避免房价问题走向尖锐，政府必须采取各项调控政策，而且更需从严执行。1.完善土地出让制度。地价作为房地产开发的主要成本之一，首先，适当控制调整土地供应，完善土地供应政策，使土地价格增长保持在一个适度范围内，现阶段政府通过适当调节土地供应，抑制地价上涨，从而对房价上涨实施调节；其次，实施企业准入限制，严格考察参与招、拍、挂的企业及管理者，打击大规模囤地、炒地的不良企业及管理者；再次，完全公开土地供应计划到竣工验收的违法违规用地查处过程中的全部信息，改善开发商和消费者信息不对称的现状； 最后，政府对于竞标成功的开发商必须严格监管，防止拿地后再调整规划的行径，并严格控制约定容积率、公共用地、配套设施及开竣工时间，最大限度地保障公共利益。2.增加保障性住房的供给数量。政府应进一步加大保障性住房建设，在中央监管地方保障性住房建设的同时，将申请使用保障性住房的相关环节公开化、透明化，以防止政府失灵和寻租行为的出现，充分满足自住型消费者的需求，与此同时，出台相关政策鼓励社会资本流向经济适用房、公租房和廉租房建设，并增加中低价位商品房供给，促进住房均价合理化；其次，对高档写字楼、商业设施等城市非住宅项目以及别墅类住宅进行限制性开发，并对长期空置的商品房进行征税，迫使闲置的商品房得以降价出售；再次，政府在对中小套型、中低价位普通住房规划审批、土地供应方面给予政策支持，加大保障性住房信贷保障，可以通过增加政府财政投入，各地可以根据财政状况，对保障性住房建设提供必要的财政支持，提高商业贷款支持力度，推动银行在金融政策上对保障性住房实施倾斜17。3. 合理控制信贷规模，控制项目开发贷款。鉴于信贷规模对房价产生较大的正效应，所以政府应合理控制信贷规模，实施适度紧缩的货币政策，上调贷款利率及准备金率，控制金融机构的贷款规模，减少在市场中流动的货币量，一方面，增加了投机者的贷款成本，抑制投机者的投机需求，有效防止房价的过度上涨；另一方面，适度减少贷款规模，在一定程度上减少市场中的闲置资金，压制对房地产的投资及投机活动。对于负债高、商品房空置量大的开发商，政府在房地产开发贷款环节应该严格控制并重点监控。禁止对土地使用权、建设用地规划、建设工程规划等相关证件不齐项目的贷款；对市场结构配置不合理、投机炒作现象突出、风险较大的项目不予贷款。对于开发项目自有资本金比例达到35%以上以及不缴存或缴存开发项目资本金达不到标准的开发商，坚决不予办理建筑施工许可、项目招投标等手续。4鼓励建立新型卫星城，以缓解城市人口压力随着城市化进程的加快，人口数量也在逐年增长，大量农村人口及外来人口涌入城市，致使城市人口密度急增，而相对紧缺的住房资源，推动着地区的房价的上升。所以应根据各地区需要及城市发 展规划，建立新型“卫星城”，控制城市的过度扩展，疏散过分集中的人口及工业，以降低人们对城市住房需求，缓解住房压力18。5.引导合理有效需求,抑制市场投资投机需求,对房地产的投资及投机活动，大量的炒房行为，大大虚增了对房地产的有效需求，致使房地产市场出现过热的现象，使房价趋于非理性上涨。政府实施的“限购令”、提高首付款比例等措施，在一定程度上压制了投机者的需求，保障了中低收入者的购房利益。同时，政府应引导对房地产的合理刚性需求，比如购买首套房的居民进行税收优惠，对低收入者提供住房或租房补贴等，以满足人们对房地产的合理必须需求。同时政府应进行房产税改革，通过增加持有环节的税负对房地产投机、投资需求产生双重影响，既改变投机者的价格预期，也改变资产的收益流，促使房产持有人在税收负担的压力下，不得不对闲置的资产加以处置，减少投机行为。参考文献1张红，李文诞.北京商品住宅价格变动实证分析J国房地产金融.2001.2杨贵中，邓学芬.成都市房价影响因素的回归分析与事后模拟J.价值工程，2007，(4):4650.3杨东.成都市住宅房地产价格变动研究及预测D.成都：四川师范大学，2006.4李永