房地产市场需求决定因素研究

马延明 刘庭兵 高锦

摘 要：房地产业是国民经济的基础和支柱产业，房地产市场的稳定持续发展对我国经济的发展至关重要。本文以陕西省为研究对象，从实证的角度出发，选择若干房地产市场需求的影响因素，运用矢量误差修正模型对全省房地产市场需求的决定因素进行比较研究，并提出促进陕西省房地产平稳健康发展的对策建议。

关键词：房地产；市场需求；矢量误差修正模型

中图分类号：F832.2 文献标识码：B 文章编号：1674-0017-2017（11）-0039-05

20世纪80年代启动住房制度改革以来，我国房地产市场开始飞速发展。当前，房地产业作为经济增长的重要方面，是国民经济的基础和支柱产业，房地产市场的稳定持续发展对我国经济的发展至关重要。然而，在房地产市场繁荣的背后，投资持续下滑、区域发展不均衡、房地产库存高企、空置率居高不下、房价泡沫化加剧等问题日益凸现。在此背景下，研究房地产市场的需求机制，剖析房地产需求的决定因素，对处理好房地产市场供求关系，促进房地产市场平稳发展有着重要的意义。本文以陕西省为研究对象，对房地产需求的影响因素进行深入探讨，并提出相关建议。

一、陕西省房地产市场发展概况

（一）陕西省房地产市场供给状况分析

陕西省房地产市场供给状况，可以从房地产投资额、施工面积、竣工面积等主要指标来分析。从图1可以看出，2006年到2015年陕西省房地产开发投资势头保持快速的发展状态，房地产开发投资额不断增长，在2012年就實现了翻两番，到2015年已增长5.3倍。且从2006年开始，陕西省房地产开发投资增长率一直维持在30%以上，2008年更是猛增至42.4%的强劲投资势头。2014年之后，陕西省房地产开发投资受房地产宏观调控政策和企业资金面整体偏紧的双重影响逐步放缓，投资增长率下降至10%以下。2016年，在去库存等利好政策的推动下，房地产企业投资信心有所恢复，房地产开发投资回暖，当年增长9.7%。

住宅作为房地产的主要部分，在投资及施工中均占据着重要地位。在此，通过住宅房屋施工面积和竣工面积来进一步分析陕西省房地产市场。从图2可以看出，近年来陕西省住宅房屋施工面积总体呈现上升趋势。相较于施工面积，竣工面积增长缓慢，且2013年开始负增长，增速放缓的趋势逐年扩大。这反映了房地产市场的滞后效应，同时也反映了陕西省住宅市场的一些问题，施工面积逐年增长，竣工面积不增反降，这与房地产开发筹资缓慢、金融限制房地产行业贷款、开发商占据导致土地闲置等原因有关。总体来看，近年来陕西省房地产市场的供给呈放缓趋势。

（二）陕西省房地产市场需求状况分析

对于陕西省房地产市场需求状况的分析主要是对房地产市场需求量的分析，主要有商品房销售面积及商品房销售额两个指标。

图3和图4显示，陕西省商品房销售面积、销售额及住宅商品房销售面积、销售额整体呈增加趋势。分阶段来看，2006-2011年呈现出稳步增长的趋势，销售面积及销售额逐年增加。2008年，销售面积和销售额的增长率骤减，主要是房地产市场受到了全球金融危机的影响，导致销售面积和销售额增幅较小。从2009年开始，陕西省房地产市场好转，前期压抑的住宅需求得以激发。2009-2011年，销售面积和销售额的增长率有较大幅度回升，但从2014年开始持续负增长。主要原因有两个：一是2014年开始全国房地产市场处于低迷状态，主要表现在销售面积显著下降，待售面积大幅增加，一些大中城市的房价出现下跌，房地产开发企业信心不足，房地产投资、新开工面积、土地购置面积等指标的增速均前几年有较大幅度的回落；二是信贷约束影响了购房行为的实现。2014年个人住房抵押贷款的收紧，使得购房者置业成本提高。

二、陕西省房地产需求决定因素的实证分析

（一）指标选取和数据来源

影响房地产市场需求因素的指标可以从经济、社会、供给、政策等方面来考虑。从经济角度来看，一是房地产价格，选取商品房平均销售价格X1来表示；二是居民的经济实力，选取城镇居民人均可支配收入X2来表示。从社会角度来看，城镇居民的规模是影响需求的重要因素，选取城镇人口数X3来表示。从供给角度来看，选取住宅房屋竣工面积X4来表示住宅房屋供给情况。从政策角度来看，政府对房地产市场的调控政策和政策连续性也在一定程度上影响房地产市场需求，但由于不可量化，本文暂不考虑这方面因素，以住宅商品房销售面积Y作为衡量陕西省房地产需求的指标。数据主要来源于《陕西省统计年鉴》、国家统计局官网，数据时间序列为1995-2015年。

（二）陕西省房地产需求决定因素的实证分析

1.数据平稳性检验

为了消除指标时间序列间的异方差，本文对指标序列数据进行取自然对数变换，并分别记作LNY、LNX1、LNX2、LNX3、LNX4。为了避免“伪回归”，本文采用ADF检验方法进行单位根检验，采取AIC准则确定滞后阶数，分别对指标序列以及它们的差分序列进行平稳性检验。检验结果见表1。

可以看出，各变量的原序列都不平稳，在5%的显著性水平下，LNY、LNX1、LNX2、LNX3、LNX4序列均在一阶差分后平稳，为一阶单整过程，可以进行协整检验。

2.协整检验

为了检验房地产市场需求的各个影响因素之间是否存在长期的均衡关系，本研究采用Johansen 协整检验法。检验结果见表2。

检验结果表明，在5%的显著水平下迹统计量认为各个变量之间存在至少三个协整关系。由检验结果可以得到Johansen 检验的标准化方程为：

LNY=-16.0040LNX1+7.9366LNX2+32.6581LNX3+4.4073LNX4

（5.12201） （4.25157） （2.99464） （2.52274）

通过该协整方程可以得出，房地产需求与房地产价格存在负相关的长期均衡关系：房地产价格每上升1%，房地产需求下降16.00%。房地产需求与居民可支配收入、城镇人口数、住宅房屋供给存在正相关的长期均衡关系：居民可支配收入每上升1%，房地产需求上升7.93%；城镇人口数每上升1%，房地产需求上升32.65%；住宅房屋供给每上升1%，房地产需求上升4.40%。

3.向量误差修正模型的建立

在协整检验的基础上，借助EViews 软件，对序列LNY与LNX1、LNX2、LNX3、LNX4建立向量误差修正模型，结果見表3。

可以得出，在房地产价格、居民可支配收入、城镇人口数、住宅房屋供给不变的情况下，房地产需求在第t期的变化（D（LNY（-1））=LNY-LNY（-1）可以增加前一期2.7%的非均衡误差；在房地产需求、居民可支配收入、城镇人口数、住宅房屋供给不变的情况下，房地产价格在第t期的变化（D（LNX1（-1））=LNX1-LNX1（-1）可以消除前一期0.3%的非均衡误差；在房地产需求、房地产价格、城镇人口数、住宅房屋供给不变的情况下，居民可支配收入在第t期的变化（D（LNX2（-1））=LNX2-LNX2（-1）可以消除前一期0.3%的非均衡误差；在房地产需求、房地产价格、居民可支配收入、住宅房屋供给不变的情况下，城镇人口数在第t期的变化（D（LNX3（-1））=LNX3-LNX3（-1）可以消除前一期1.2%的非均衡误差；在房地产需求、房地产价格、居民可支配收入、城镇人口数不变的情况下，住宅房屋供给在第t期的变化（D（LNX4（-1））=LNX4-LNX4（-1）可以增加前一期2.7%的非均衡误差。

4.格兰杰因果检验

Granger 因果检验法是在两个变量之间存在长期均衡关系的基础上检验两者是否构成因果关系，检验结果如表4。

从表4可以看到，在1%的显著性水平下，房地产需求是房地产价格的Granger原因，反之则不成立；在 10%的显著性水平下，房地产需求是居民可支配收入的Granger原因，反之则不成立；住宅房屋供给和房地产需求互为Granger原因；其他Granger因果关系均不显著。

5.方差分解

Granger 因果检验结果仅能说明变量之间的因果关系，但不能说明变量之间因果关系的强度。为了更好的分析商品房平均销售价格、城镇居民人均可支配收入、城镇人口数、住宅房屋竣工面积对住宅商品房销售面积的影响程度，并进一步区分影响住宅商品房销售面积的短期、长期决定因素，对住宅商品房销售面积进行方差分解，以考察各影响因素对其变化的贡献度。

从图5中可以看出，住宅商品房销售面积的变化主要受自身、居民可支配收入和城镇人口数变化的影响。随着期数的增加，房地产需求变动方差由自身变动解释的部分逐渐下降，在第5期之后趋于稳定，虽缓步下降，但仍保持在71%以上的高水平；仅次于其自身影响的是居民可支配收入，大约20%的房地产需求变动方差由居民可支配收入变动可以解释；城镇人口数对住宅商品房销售面积的影响虽然相对较小，但随着时间的增加，这种影响一直呈现出缓步上升的态势，这种影响是长期的，大约5%的房地产需求变动方差由城镇人口数变动可以解释；房地产价格、住宅房屋供给对房地产需求的影响很小，但影响一直持续，说明将从长期对房地产需求产生影响。

（三）结论

1.房地产价格是影响房地产需求的重要因素。从实证分析结果可以看出，房地产销售价格对房地产需求呈现出负向的效应。居民购房的意愿是随房价的高低而不断变化的。当房价过高，消费者无力承担时，购房需求减弱，相反，当房价处于低位，有住房需求和投资需求的人都愿意购房，则购房需求增加。在分析的几个影响因素中，房地产销售价格对房地产需求的影响最为关键，且其对房地产需求的影响是长期的。

2.居民的经济能力长期影响房地产需求。从分析结果可以看出，城镇居民人均可支配收入对房地产需求的影响是正向的，且随着时间的增加而增强。居民收入水平较低的情况下，对房地产需求也较弱，随着居民收入水平的提升，其对房地产需求的驱动作用也逐渐显现。

3.城镇人口数量与房地产需求有着密切的联系。城镇人口数量对房地产需求的效应是正向的，对住宅商品房销售面积的影响虽然相对较小。但随着时间的推移，产业消化路径不断完善，“人口红利”逐步释放，城市发展进程持续加快，新增劳动人口将成为激发房地产需求活力的主要动力，城镇人口数量对房地产市场需求的影响将呈现出缓步上升的态势，且这种影响是长期的。

4.供给间接影响房地产市场需求。实证分析表明住宅竣工面积作为供给指标可以通过价格的传导机制来间接地影响房地产市场的需求，对房地产需求有着正向的影响。虽然对房地产需求的影响不是很大，但这种影响随着时间的推移而表现出逐步增加的趋势。

四、促进陕西省房地产平稳健康发展的对策建议

（一）落实国家住房消费的信贷和税收政策，合理引导房地产需求

一是落实国家住房消费信贷政策。按照“分类指导，因地施策”的原则，加强与地方政府的沟通，根据不同地市的情况，在国家统一信贷政策的基础上，结合当地实际情况自主确定辖内商业性个人住房贷款的最低首付款比例。二是落实消费需求和投资需求不同税收政策，达到鼓励消费需求和抑制投机性需求的作用，促进住宅市场健康发展。三是进一步改进住房金融服务。银行业金融机构应优先满足购买首套房、首套改善性住房的贷款需求，提高贷款审批效率，缩短放款周期。

（二）深化区域差别化房地产调控政策，推进房地产市场均衡协调发展

一是实行区域差别化的购房政策。建议根据区域实行差别化的购房政策，对西安市房地产市场发展应以改善民生为核心，在一定范围内实施住房限购，促进房地产市场健康发展。而对其他三四线城市，以产业发展带动科学合理的城镇化，引导人口流动，鼓励农民和外来人口落户，促进城市建设。二是实行区域差别化的住房按揭政策。对于城镇化率低、欠发达城市，刚性需求旺盛，应协调银行实施住房按揭贷款额度倾斜，并针对农民、外来人口，应降低住房按揭贷款门槛，减少农民和外来人口落户城镇的难度，提高城镇化水平。三是实行保障房配建区域差别化政策。建议针对全省城市进行分类研究，综合区域经济结构、人口、房价、住房供需状况确定不同级别城市的保障房配建标准及规模，使保障房建设计划更具针对性，使有限的资金发挥更大的效用。

參考文献

[1]李爱华，魏华洁.基于灰色关联度的河南房地产市场需求研究[J].中州建设，2016，（23）：67-69。

[2]刘广杰.城镇化发展与房地产市场需求研究[J].商业经济研究，2017，（7）：151-153。

[3]王明明，罗浩.中国房地产市场需求模型实证研究[J].征信，2011，（3）：87-89。

[4]余冉冉.城镇化与房地产市场需求变动探讨——基于联立方程模型的分析[J].现代商贸工业，2016，（14）：8-10。

[5]朱燕.我国房地产市场需求预测模型研究[J].哈尔滨商业大学学报：社会科学版，2011，（2）：15-22。

The Research on the Determining Factors of Demand of the Real Estate Market

——A Case of Shaanxi Province

MA Yanming LIU Tingbing GAO Jin

（Yanan Municipal Sub-branch PBC， Yanan Shaanxi 716000）

Abstract：The real estate industry is the foundation and pillar industry of the national economy. The stable and sustainable development of the real estate market is vital to the development of Chinas economy. The paper takes Shaanxi province as the research object， from the empirical point of view， chooses several influencing factors of the real estate market demand， uses the vector error correction model to comparatively study the determining factors of the real estate market demand of Shaanxi province， and then puts forward countermeasures and suggestions to promote the steady and healthy development of the real estate in Shaanxi province.

Keywords： real estate； market demand； vector error correction model