房地产投资对房价的区域差异性研究

题目：房地产投资对房价的区域差异性研究目录TOC\o"1-2"\h\u摘要 房地产投资对房价的区域差异性研究摘要：自住房制度改革以来，中国的房地产市场发展迅速。随着我国住房市场房价的上涨，出现的问题变得越来越突出。仅通过市场机制，难以满足普通居民对自住和住房改善的需求。本文通过理论与实证研究相结合的方法，基于房地产的双重性质对房价影响因素进行了理论分析，并结合我国各省市2008-2018年面板数据的实证分析，认为在我国，房地产投资与房价正向相关，但在东部、中部和西部地区的影响程度各不相同，应根据各地区的不同情况制定房地产市场调控政策。关键词：房价；房地产投资；回归分析；区域差异ResearchontheregionaldifferenceofrealestateinvestmenttohousepriceAbstract：Sincethereformofthehousingsystem,China'srealestatemarkethasdevelopedrapidly.WiththerisinghousingpricesinChina'shousingmarket,theproblemsthathaveemergedarebecomingmoreandmoreprominent.Throughthemarketmechanismalone,itisdifficulttosatisfyordinaryresidents'demandforself-occupancyandimprovementofhousing.Inthispaper,throughthecombinationoftheoryandempiricalresearchmethods,basedonthedualnatureofrealestate,thetheoreticalanalysisoftheinfluencingfactorsofhousingprices,combinedwiththeempiricalanalysisresultsofpaneldataofourprovincesandcitiesduringthe11yearsof2008-2018,drawstheconclusionTheimpactofrealestateinvestmentonhousingpricesispositive,butthedegreeofimpactvariesintheeastern,centralandwesternregions,andrealestatemarketregulationpoliciesshouldbeformulatedaccordingtothedifferentconditionsineachregion.Keywords:Houseprices;Realestateinvestment;Regressionanalysis;Regionaldifferences

一、研究综述（一）研究背景及意义2016年3月，两会制定了“十三五”规划，为未来五年中国经济和社会发展构建了宏伟蓝图。“十三五”规划纲要提出，要促进房地产市场健康发展。2019年4月19日，中共中央要求“要坚持房住不炒”定位。同年6月，核心城市房价上涨趋势基本停止，实现了房价总体稳定的目标。十大重点城市的二手房交易量指数为155.28，较5月份下降26％，但仍高于上年度同期。2020年是“十三五”规划的收官之年，保持房地产市场的稳定运行，是完成“十三五”目标的必要保证。房地产业在中国经济发展中占有极其重要的地位，房地产业的稳定健康发展与整体经济运行息息相关。政府颁布的房地产政策的目的是控制房价的过快过高上涨，以使房价可以控制在合理的增长水平，从而保证房地产市场的稳定发展。1998年以来，我国房价和房地产投资额都基本保持着持续上涨的趋势，根据《中国统计年鉴》，2018年中国商品房平均销售价格为每平方米8737元，比2017年上涨10.7％，而2018年全国的房地产开发投资为120263.5亿元，比上年度增加9.5％。显然，房地产投资与房价存在相关性，而我国房地产投资占全社会固定资产投资的比重基本维持在17%以上，研究房地产投资对房价的影响在我国具有重要意义。我国的领土面积在世界上排名第三，同时还拥有14亿的庞大人口规模，在经济发展、社会环境、文化程度、政策导向等各个方面都显示出了极为显著的区域差异性。自1998年我国住房制度改革以来，我国房地产市场发展迅速，房地产价格保持着大幅度上涨的趋势，房地产价格的区域差距随之愈发凸显。政府从2003年开始出台了一系列以“抑制房价”为重点的调控措施，但总是出现各种各样的负面影响，使房价“不降反升”，尤其是2008年“四万亿救市计划”刺激之后，政府的政策调控越发陷入了“越调越涨”的窘境之中。因此，定量分析房地产投资对房价影响的区域差异对于各地区的政府根据当地情况制定和实施房地产市场调控和监管政策具有重要意义。（二）文献综述长期以来，国内外学者针对影响房地产价格的因素进行了大量的研究，研究主要集中在供求关系、个体消费因素、住房特征、政府政策、溢出效应等方面[1]。从供求角度看，影响房价的因素主要有GDP、人均可支配收入、人口、土地供应、土地价格、建筑成本、已竣工住宅面积和住房投资。在这些影响因素中，绝大多数学者都认为收入、人口和土地价格是房价的重要影响因素。收入增加会引起住宅需求的上升，收入越高，购买力越强[2]。AllenC.Goodman（1988）[3]认为居民持久收入对房价具有重要影响。ZHANGC、JIAS和YANGR（2016）[4]研究了收入分配对房价的影响，认为收入不平等会促使房价进一步上涨。李勇刚、余永虎和何宾宾（2013）[5]通过研究国内房地产市场发现城乡收入差距拉大会推动房价上涨，城市化率达到一定水平后,收入差距对房价的正向作用程度会加大。人口则通过影响住房需求影响房价。Maennig和Dust（2008）[6]基于对德国的研究发现，人口的增长对房价无影响,人口的下降可以通过影响需求从而拉低房价。土地价格是房价的重要影响因素[7]。高晓慧（2001）[8]认为房价上涨的主要原因是地价上涨。张梦实（2010）[9]认为土地出让金占房地产建造成本的比例超过60%，土地出让成本对房价上涨形成推力。土地价格是房地产成本的重要组成部分，土地价格可以通过住房供应和住房成本两个渠道影响房价。建造成本通过住房成本影响房价[10],而房地产投资则通过住房供应影响房价[11]。许多学者通过实证研究发现，我国房地产价格、土地价格和房地产开发投资之间存在长期稳定的均衡关系，房地产开发投资额变化对房价的影响十分显著[12,13]。借助于弹性理论，有不少学者直接研究土地供给、住房供给与房价之间的关系,认为住房和土地供应的缺少弹性引起房价上涨[14]。此外，Antoniuoci和Marella（2016）[15]认为一个城市的产业结构、城市结构也会影响房价。吴冠虹，陈骏兰和朱家明（2018）[16]认为我国政府政策对房价的调控作用比居民层次的供求关系及日常消费对房价的影响程度更加显著。国内针对房地产价格区域差异性的研究非常多。梁云芳、高铁梅（2007）[17]认为造成房价差异的原因是货币政策的区域差异。鞠方、雷雨亮、周建军（2016）[18]使用空间计量分析方法分析了1999-2013中国31个省份的房地产价格空间相关性和经济脆弱性对房价的影响，认为地理距离和经济距离对区域房地产价格及其空间相关性有显著影响。王霜（2017）[19]通过对全国和四大地区数据的实证分析，结果表明东部地区、中部地区和东北地区的商品房平均销售价格均与房地产投资有正相关关系，但西部地区商品房平均销售价格与房地产投资负相关。战加东（2017）[20]从人口流动、投机行为、羊群效应和地区因素四个方面来解释区域性房地产价格传导效应。刘庆鹏（2016）[21]研究发现东部地区的房价更易受到金融危机的影响，特别是在北京、上海等一线城市，且东部地区投机性需求构成了区域住房需求的很大一部分，而西部地区则以消费需求为主导。（三）研究方法与内容理论分析与实证研究相结合。首先，以我国房地产市场的现状为基础，分析我房地产市场的现状以及各个地区的房价和房地产投资。其次，分析了影响我国房地产价格的因素，并解释了房地产投资对房价的影响机制。最后，对我国30个省份的数据进行了实证分析，以研究房地产投资对房价影响的区域差异。本文使用全国30个主要省份2008-2018年的数据建立实证模型，科学地应用Stata软件，求解该模型，并基于回归结果分析房地产投资对房价影响的区域差异，并提出政策建议。本节共分为六个部分，关键章节为第四、第五和第六部分。主要内容如下：第一、第二部分分别是研究综述和理论基础，第三部分主要分析介绍了我国房地产市场的发展现状，通过对2008-2018年各地区相关数据的比较来分析我国各地区房地产投资及房价现状。第四部分主要是基于房地产的二重属性对房地产价格进行了影响机制分析。第五部分是实证分析，利用2008-2018这11年间各省市的面板数据进行分析并得出结论。最后一部分是政策建议，综合本文的理论分析和实证结果，给出相应的措施和建议。（四）创新与不足1、数据创新房地产市场是一个不断变化的市场，与国内外宏观经济环境和政策导向紧密相关。因此对房地产市场的研究应紧跟市场变化，本文采用了我国房地产市场的最新数据，为政府解决房地产市场问题提供更科学合理的建议。2、研究不足在进行数据统计的过程中，城乡人均可支配收入差距这一变量是通过城镇人均可支配收入和农村人均可支配收入相减得到的，但由于2014年之前我国只有农村人均纯收入的数据，可能造成研究结果偏差。二、理论基础（一）概念界定房地产是一个相对复杂的概念，它既是一种客观的物质形式，同时又是一项法律权利。房地产作为一种客观存在的物质形式，是房产和地产的总称，包括土地和土地上的永久建筑物及其衍生权。房价，即房地产价格，代表特定时间段内建筑物和占用土地的市场价值，即住房价格=土地价格+建筑物价格，是房地产经济运行和资源分配最重要的调整机制。房价有三种形式：要约价格、交易价格和申报价格。本文所考察的房价基本上是指交易价格，即售价。其中，用于实证分析的数据是商品房的平均销售价格。房地产投资，是指为取得预期的投资收益而不断投资房地产开发经营活动和房地产金融资产的房地产投资者的经济行为。房地产投资主要包括两部分：房地产实业投资和房地产金融投资。本文主要研究房地产实业投资，即房地产建设过程中出现的房地产投资问题。（二）房地产市场供求模型房地产需求指的是消费者愿意且能够在一定时期内以一定价格购买的房地产商品的数量。在房地产市场中，有许多因素会影响需求，例如房价、购买者的收入水平、消费者偏好和价格预期。房地产供给是指房地产开发商愿意且能够在一定时期内以一定价格水平出售的房地产商品数量。房地产供给也受到许多因素的影响，例如房价、房地产开发成本、土地价格、房地产市场宏观政策以及房地产开发商的预期。房地产市场的供求均衡意味着房地产需求和房地产供应达到平衡状态，此时房地产商品的需求价格与供给价格一致，需求量与供给量也一致。房地产市场供求均衡理论对现实的指导意义是：从微观的角度看，房地产开发商应通过观察市场变化及时调整市场供应；从宏观上看，政府可以通过政策调整来改变房地产市场的供求状况，使居民合理的进行购房消费，促进房地产市场的稳健运行。三、现状分析（一）我国房地产市场总体发展现状1998年7月，国务院颁发了《关于进一步深化城镇住房制度改革加快住房建设的通知》，开启了以“取消福利分房，实现居民住宅货币化、私有化”为核心的住房制度改革。自此，我国的房地产进入了商品房时代。此后，我国房地产市场迅速发展，房价持续上涨。国务院于2003年发布的“18号文件”明确指出将房地产作为我国支柱产业，2当年房价增长超过了住房改革以来的累计涨幅，由此开始，我国房地产行业的发展进入了快速增长时期，房地产增加值在GDP中所占的份额基本上呈不断增加的态势，房地产业成长为国民经济的支柱产业。房地产业的快速发展也刺激了公众的消费需求，从而带动了我国经济的快速发展。1998年，我国房地产开发投资总额为3614.2亿元，2008年达到了31203.2亿元，2018年达到了120263.5亿元（见表1）。2018年房地产开发投资额占GDP的比重相对于1998年增加了将近两倍。在房地产业飞速发展的同时，我国政府对房地产市场的宏观调控也日趋严格。我国政府对房地产业的宏观调控在不同时期显示出不同的特征。2010年之后，房地产业宏观调控的最显著特征是调控力度大和出台政策密集。2017年，政府调控政策主要集中在“去库存”、“因城施策”和“棚改货币化”，三四线城市基本在一年之内就完成了房产去库存，房价也随之上涨。2018年，政府调控的关键词变成了“房住不炒”、“房地产税”、“租售并举”。显然，国家对于房地产市场的调控在根据实际情况不断调整。密集出台大量涵盖面广、打击力度强的房地产调控政策，全方位、多层次的对房地产市场进行严格而全面的调控，对影响住房市场预期，稳定住宅价格，促进国民经济平稳、健康、快速发展具有积极作用。表1我国2008-2018年GDP、全社会固定资产投资和房地产开发投资比较年份GDP（亿元）全社会固定资产投资（亿元）房地产开发投资（亿元）房地产开发投资占全社会固定资产投资的比重（%）房地产开发投资占GDP的比重（%）2008300670.0172828.431203.1918.0510.382009335353.0224598.836231.716.1310.802010397983.2278121.948267.117.3512.132011471563.7311485.161739.819.8213.092012519322.1376494.771803.819.0713.832013588018.8446294.186013.419.2714.632014636462.7512020.795035.618.5614.932015689052.1562000.095979.017.0813.932016744127.2606466.0102581.016.9113.792017820754.3641238.4109798.517.1213.382018900309.5645675.0120263.518.6313.36（二）我国房地产投资发展现状我国房地产商品化和市场化的改革在改善居民生活水平和促进经济增长方面发挥着重要作用，但总体而言，与发达国家相比，我国的房地产业仍在培育和发展。主要表现在以下几个方面：第一，我国房地产业相关的政策法规还不完善，房产税改革仍然存在很多问题。其次，我国尚未形成统一的全国房地产市场，城市化程度相对较低，迄今尚未将农业用地和农村房屋纳入市场，这不符合市场经济的特征。中国房地产市场的未来发展方向将是建立一个统一的全国房地产市场，包括农村土地和农村住房。第三，尽管中国的城市商品住房数量很大，但主要还是毛坯房为主，节能和智能商业住宅比例较小。第四，中国房地产市场仍处于增量房为主的阶段，而成熟的房地产市场应集中于存量房交易。第五，我国房地产业仍处于跨地区和专业化发展的过程中，房地产开发企业良莠不齐，集中度不高。因此，基于上述因素，笔者认为我国房地产业的发展仍处于培育阶段，房地产市场还不够成熟，其发展仍更多是取决于政府的宏观调控，房价未朝向合理、稳健的方向发展，与发达国家的房地产业相比仍存在较大差距。（三）各地区房地产价格和房地产投资变化趋势分析如图1，可以很直观地看出北京、上海两地的房价远高于其他省份，但是各地区房价增幅排名前五的依次是上海、江西、甘肃、山西、重庆，其中上海和江西的增幅超过了200%，虽然北京、上海的房价依旧高居榜首，但是相较而言北京房价已相对放缓。我国各地区11年的房价增幅均值超过150%，房价调控任务依旧艰巨。图1各省（市、自治区）2008年与2018年房价对比如图2，可以发现广东、江苏、浙江三省的房地产投资额遥遥领先，但是北京、上海、重庆三个直辖市的房地产投资额需要重点关注，直辖市的面积远小于一个省份，但这三个直辖市的房地产投资额几乎接近湖北省一个省份的投资额。比较各地区房地产投资额增幅，增幅最高的五个地区依次为海南、贵州、青海、甘肃、云南，增幅最低的是内蒙古，其中海南省的增幅达到了759.88%，而内蒙古仅为18.61%。图2各省（市、自治区）2008年与2018年房地产投资额对比综上，由于不同的省份在人口数量、经济发展程度、教育水平等方面存在很大差异，房地产投资对房价的影响在不同地区也有所不同，为了探究基本检验结果是否存在区域差异性，本文将全国30个省份按照国家标准划分为东部地区、中部地区和西部地区三大板块。其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。四、我国房地产价格影响因素分析房地产不同于一般商品，它兼具消费品和投资品的性质，这导致了影响房地产价格的因素十分复杂。作为消费品，房地产价格决定于房地产市场的供求均衡；而另一方面，作为投资品，房地产价格必须考虑房地产投资价值增值的可能性。二者之间，房价取决于供求关系，但其资产属性是房价波动的重要来源。（一）供求方面的影响因素1、需求面（1）消费者偏好。消费者对于商品的喜好和购买欲望会直接影响到其对商品的需求。房屋对于居民而言是刚性需求，因此笔者认为消费者偏好对房地产价格的影响并不大。（2）消费者收入水平。消费者收入是消费者购买能力的直接来源，消费需求是购买能力和购买欲望的统一。一般而言，消费者收入水平越高，对商品的需求也就更多，因此，消费者收入和社会分配会对房地产需求有重要影响。由于我国房地产消费集中于城市，城镇居民人均可支配收入是衡量消费者收入水平的重要指标，理论上城镇居民人均收入水平会对房价产生正向影响；另一方面，城乡收入差距会对房价产生负向影响，差距越大，意味着收入两极分化，会降低对房地产商品的边际需求，从而导致房价下跌[22]。此外，失业率也会对房地产需求造成显著影响，由于工资收入是城镇居民的主要收入来源，较低的失业率会使消费者有较好的收入预期从而增加对房地产的需求，进而影响房价。此外，GDP、人口状况、政府政策、城市化程度等因素也会对房地产需求造成影响。2、供给面（1）成本因素。土地成本是房价的重要组成部分，许多学者认为土地价格上涨是房价上升的重要原因，土地价格与房价呈正相关关系。建筑成本对房价也有重要影响，建筑安装工程造价的上升会直接导致房价的上涨。此外，人力成本、材料设备成本都会影响到房地产价格。理论上，成本价格与房地产价格正相关。（2）供给量。房屋供给量和土地供给量都会影响市场的供给状况，土地供给量对供给的影响还要看它能够转化为商品房的数量。理论上二者与房价负相关。（二）投资方面的影响因素房地产业是资金密集型产业，房地产投资的资金量决定了房地产行业的发展速度。按照正常供求关系，供给投资规模增大，供给曲线向右移动，也就是同等价格下增加生产数量，价格降低。但是房地产行业是个例外，如下图，房地产开发投资额的增加伴随着房价的增加。图3我国2008-2018年商品房平均销售价格与房地产开发投资额作为一种投资品，房地产的预期价值会直接影响房地产价格。如果房地产预期价值上涨，高额利润会吸引更多的投资进入房地产市场，房地产投资额上升会导致开发规模扩大、土地需求扩大，进一步助推土地价格上涨，同时，房地产投资额的增加还会使建筑材料、材料设备价格上涨，最终导致房价的上涨。五、房地产投资对房价影响的区域差异实证分析（一）数据选取本文采用2008-2018年11个年份的年度数据，对全国30个省（市、自治区）（不含港澳台及西藏）进行回归分析，对我国房地产投资对房价的区域差异性影响进行研究。数据来源：中国统计年鉴。以第4章的影响机制分析为基础，综合我国房地产市场特点以及国内外已有的研究成果和计量经济学相关模型理论，除房地产投资额（RI）外，本文将选取城镇居民人均可支配收入(UIPC)、城乡人均收入差距(IG)、土地价格(LP)作为控制变量。另外，本文所采用的房地产价格为商品房销售均价；IG为城镇人均可支配收入与农村人均可支配收入的差值；LP为土地购置费与土地购置面积相除的结果。为了避免建模时出现“伪回归”现象，先对变量进行取对数处理，目的是为了使变量更为平稳，检验结果更加显著。（二）模型构建本文采用面板数据模型研究房地产投资对房价的影响。一方面，面板数据同时包含时间序列数据和截面数据，既能反映房价与房地产投资随时间的变化关系，又能体现不同地区在两者关系上的差异性。另一方面，采用面板数据模型还可以克服计量分析中多重共线性的影响。1、描述性统计分析在进行实证分析之前，需要了解各变量的数据特征。因此使用stata对各变量进行基础的描述性统计分析。下表是本文相关变量的描述性统计结果。如表2所示，各个变量的极差较大，在2008-2018年，房价的最小值为1958元/平方米，最大值为34143元/平方米，平均值为6454.952元/平方米，可以看出我国有些省份的房价远远超过全国平均房价，一定程度上反映了我国房价过高、区域差异明显的现象。房地产投资规模最小值为51.19亿元，最大值为14412.18亿元，平均值为2231.853亿元，说明近年来，我国房地产投资规模增长较快，不同省份间房地产投资规模差异较大。表230个省份面板数据的描述性统计分析VariableObsMeanStd.Dev.MinMaxy3306454.9524500.345195834143ri3302601.9122231.85351.1914412.19uipc33025694.4510017.6410969.468033.6ig33015837.555394.6726725.741499.6lp3306681.97712560.31257.7127689.92、相关性分析结果由表3可以看出，除了房地产投资与房价的相关性不显著外，其他的变量之间的相关性都非常显著，说明这些变量对于房价的变动具有一定的解释力。房价与城镇人均可支配收入、收入差距以及土地价格之间的相关性较高，基本上都在0.8以上。房价和房地产投资之间的相关系数较低，仅有0.55，但是存在正向的相关关系。表3变量的相关性分析lnylnrilnuipclniglnlplny1lnri0.551lnuipc0.85840.65851lnig0.79560.6070.96711lnlp0.8680.61260.86930.823813、Hausman检验面板数据可以使用固定效应模型和随机效应模型等多种模型，为了确定本文的模型更适合使用固定效应模型还是随机效应模型，本小节进行了Hausman检验。检验结果如表4，拒绝原假设，选择固定效应模型。表4Hausman统计量卡方统计量P值结果12.360.0148拒绝H0:接受随机效应模型;:接受固定效应模型。4、模型设计本文通过以上数据构建了固定效应的面板数据模型：其中，和分别表示省份和年份，表示常数，表示房地产投资、城镇人均可支配收入、收入差距和土地价格各控制变量的系数，表示误差项。为了提高实证结果的可靠性，通过逐渐增加变量的方式建立不同的模型进行检验，构建以下五个计量模型:模型一:模型二:模型三:模型四:模型五:（三）回归结果分析1、全国面板回归分析以全国30个省份(不含港澳台及西藏)2008-2018年的数据作为样本，根据选取的四个解释变量与被解释变量做固定效应模型的回归估计，运用Stata软件进行固定效应回归，总体上回归的结果较好，回归结果如下:表5全国面板固定效应模型回归结果变量名模型1模型2模型3模型4模型5lnri0.471***0.0617***0.0709***0.0585***0.0693***-0.0164-0.0196-0.0213-0.0197-0.0212lnuipc0.782***0.613***0.747***0.532***-0.0326-0.158-0.0413-0.166lnig0.1770.221-0.163-0.165lnlp0.01720.0202-0.0128-0.013Constant-3.586***-0.860***-1.104***-0.57-0.824**-0.424-0.272-0.353-0.348-0.395Observations330330330330330续表5全国面板固定效应模型回归结果变量名模型1模型2模型3模型4模型5Numberofi3030303030R-squared0.7350.910.910.910.911注释：Standarderrorsinparentheses***p<0.01,**p<0.05,*p<0.1（1）房地产投资（lnri）：模型1-模型5在1%的显著性水平下高度显著，系数在0.05-0.5之间，均为正数，说明房地产投资对房价具有正向的相关关系。在其他因素不变的情况下，房地产投资规模的上升将会引起房价上涨，这与本文的研究假设一致。（2）城镇人均可支配收入（lnuipc）：模型2-模型5在1%的显著性水平下高度显著，其系数均大于0，在0.5-0.78之间。说明城镇人均可支配收入水平越高，房价也会随之上升。城镇人均可支配收入的提高对房价的提升具有推动作用，城镇人均可支配收入越高，居民对于高房价的忍受能力越强。（3）收入差距（lnig）：模型3和模型5在10%的显著性水平下不显著，说明收入差距并不能很好的解释房价，其系数均为正数，在0.1-0.2之间，说明收入差距对房价具有一定的正向关系，这也具有一定的经济意义，根据相关学者对我国的房价市场的研究，收入差距扩大对房价的上涨具有推动作用[]。（4）土地价格（lnlp）：模型3和模型5在10%的显著性水平下不显著，但是对房价具有正向的影响，说明其对房价的影响同样是具有经济意义的。房地产开发商对土地出让价格信号十分敏感，土地价格的上升必然会导致开发商的开发成本上升，进而促使房地产价格上涨；反过来，房地产价格的上涨也会拉动土地价格的上升。2、东部、西部、中部地区回归结果分析分别对东部、中部和西部地区进行回归，具体的回归结果如下:表6东部地区面板数据回归结果变量名模型一模型二模型三模型四模型五lnri0.460***0.02860.03540.01470.0283-0.032-0.0345-0.0413-0.0358-0.0413lnuipc0.837***0.761***0.781***0.604**-0.0567-0.259-0.069-0.277lnig0.07480.168-0.248-0.254lnlp0.030.0335-0.0214-0.0221Constant-3.126***-0.329-0.4560.3510.148-0.846-0.524-0.672-0.713-0.778Observations121121121121121Numberofi1111111111R-squared0.6550.8860.8860.8880.888注释：Standarderrorsinparentheses***p<0.01,**p<0.05,*p<0.1表7中部地区面板数据回归结果变量名模型一模型二模型三模型四模型五lnri0.540***0.04420.050.04130.0493-0.0365-0.0367-0.0406-0.0366-0.0404lnuipc0.869***0.749**0.799***0.630*-0.0559-0.352-0.0766-0.361lnig0.1310.182-0.379-0.379lnlp0.03610.0374-0.0272-0.0275Constant-5.565***-1.414**-1.609**-0.925-1.178-0.944-0.54-0.783-0.651-0.841Observations8888888888Numberofi88888R-squared0.7350.9350.9350.9370.937注释：Standarderrorsinparentheses***p<0.01,**p<0.05,*p<0.1表8西部地区面板数据回归结果变量名模型一模型二模型三模型四模型五lnri0.445***0.133***0.138***0.133***0.139***-0.0193-0.0295-0.0299-0.0296-0.0301lnuipc0.616***0.320.601***0.294-0.0523-0.286-0.0694-0.294lnig0.3290.338-0.313-0.315lnlp0.006570.00797-0.0199-0.0199Constant-2.928***-1.140***-1.486***-1.048**-1.382**-0.491-0.36-0.487-0.457-0.553Observations121121121121121Numberofi1111111111R-squared0.8290.9250.9260.9250.926注释：Standarderrorsinparentheses***p<0.01,**p<0.05,*p<0.1（1）房地产投资（lnri）：从以上的回归结果可以看出，对于东部地区和中部地区，房地产投资所涉及的模型都不显著，但是其弹性系数均为正数。对于西部地区，房地产投资涉及的模型显著性较好，所涉及的模型均在1%的置信水平下显著。说明西部地区的房地产投资规模的上升会引起其房价的上涨。东部地区和中部地区的房地产投资规模对房价的影响不显著，但也存在一定的经济意义。东部地区和中部地区的省份几乎都是我国经济发达的省份，一方面，这些省份的房地产开发已经逐渐趋向于饱和，已经把房价推到了极高的位置，在短期内这个价格不会有太大的变化。特别是东部沿海地区土地面积小，可开发的面积不多。中部地区在发达的省会、市、县的房地产投资也接近饱和，同时还存在大片的农村地方不具备开发条件，因此对房价的影响并不大。相比之下，我国的西部地区较为落后，人口密度低，基础设施还不够完善，导致西部地区房价受房地产投资的影响是显著的。（2）城镇人均可支配收入（lnuipc）：对于东部和中部地区来说，城镇人均可支配收入都在1%的显著条件下高度显著，其弹性系数为正数，这说明在东部、中部地区，城镇人均可支配收入的提高是房价上升的必要条件。而在西部地区，城镇人均可支配收入对房价的影响并不显著。一方面，中部地区和东部地区房价极高，只有中高收入者能够负担高额的房价，另一方面，中部、东部地区存在严重的两极分化，收入越高的群体越喜欢买房，可见，中部地区和东部地区的房地产具有明显的投资品属性。而对于西部地区的人来说，由于地区经济不发达，基础设施建设落后，即便是高收入者也不会在西部地区购置过多的房产，反而会向发达的中部、东部地区外溢，因此西部地区的房价受城镇人均可支配收入影响不显著。（3）收入差距（lnig）：根据以上回归模型的结果可以看出，中部、东部、西部地区的收入差距因素对房价的影响均不显著。但是参数都是正数，说明收入差距的扩大对于全国地区的房价都有提高的作用。根据地区差异模型五的系数来看，东部地区、中部地区、西部地区的收入差距的系数分别为0.168、0.182、0.338呈现递增的趋势，说明东部地区、中部地区、西部地区的收入差距对房价的上涨来说逐渐升高，这个趋势同样是符合目前我国的经济基本面现状的。（4）土地价格（lnlp）：根据以上回归模型的结果可以看出，中部、东部、西部地区的土地价格对房价的影响均不显著。模型中土地价格变量的参数都是正数，说明土地价格的扩大对于全国地区的房价都有提高的作用。东部地区、中部地区、西部地区的土地价格基本呈现递减的趋势，西部地区的土地价格对房价的影响相比东部和中部影响显著下降，其系数仅为0.007,，而东部和中部均为0.33左右。而东部地区没有因为东部土地价格更高使得房价更高，相反中部地区的土地价格比东部地区对房价的影响度更加敏感，这也是解释得通的。发达沿海地区的房价在近年来已经在一个稳定的范围内波动，其房价还是跟当地的经济发展的基本面息息相关，并且房地产市场活跃度很高，依然是卖方市场的局面。而中部地区，经济相比东部地区差距还是很大，房地产商需要控制地价成本给予消费者较大足够的优惠力度促进购买。故而，中部地区的土地价格的参数系数会高于东部地区。六、理论及政策建议（一）结论本文基于2008-2018年30个省（市、自治区）的年度数据，构建实证模型，定量分析各地区房地产投资对房价的影响差异。同时，结合理论分析，对我国各地区房地产投资和房价的关系，得出以下结论：1、我国的房价和房地产投资总体上呈上升趋势，与此同时，两极分化严重，不同省份的房地产投资规模差异很大。东部沿海以及北京、天津的房价居高不下，房地产投资规模仍在不断扩大。同时，东部和中部地区的房价和房地产投资的增长率依旧非常高。2、房地产投资对东部、中部、西部地区房价的影响存在较大差别。从全国整体来看，房地产投资、城镇人均可支配收入、收入差距、土地价格这四个经济变量对房地产价格的影响程度不尽相同。从三大板块的实证分析来看，在中部、东部地区，房地产投资对房价的影响都不显著，但其弹性系数均为正数，房地产投资对房价的影响较小，而城镇居民可支配收入和收入差距对房价的影响较大；但在西部地区，房地产投资所涉及的模型均在1%的置信水平下显著，相较于东部、中部地区，西部地区的房地产投资对房价的影响度更加敏感。（二）政策建议根据上述内容及实证结果，有针对性地提出以下建议。1、政府应建立有针对性的房地产市场法规，继续坚持“房住不炒”定位，继续将供给侧结构性改革作为住房市场调控重点。2、对不同地区实行因地制宜的房地产政策。在东部、中部地区，应主要通过调控居民收入、调整分配结构和完善限购政策对房价进行调控，在超高房价城市实行针对性的房地产政策；在西部地区，可以通过对房地产投资的调控达到对西部地区房价调控的效果，同时应该增加西部地区的基础设施建设投资，改善西部地区居住环境，减少外溢。

参考文献[1]周亮锦,夏恩君.国外房价影响因素研究综述[J].技术经济,2018,37(12):111-119.[2]STIJNVANNIEUWERBURGH,PIERRE-OLIVIERWEILL.WhyHasHousePriceDispersionGoneUp?[J].TheReviewofEconomicStudies,2010,77(4):1567-1606.[3]AllenC.Goodman.AnEconometricModelofHousingPrice,PermanentIncome,TenureChoice,andHousingDemand[J].JournalofUrbanEconomics,Volume23,Issue3,May1988,PP:327-353.[4]ZHANGC,JIAS,YANGR.HousingaffordabilityandhousingvacancyinChina:Theroleofincomeinequality[J].JournalofHou