我国商品房库存量分析

2019-11-30 05:49王国力贾英男王耕

东北财经大学学报 2019年5期

王国力　贾英男　王耕

[摘要]供给侧改革是解决我国当前经济结构性问题、提高经济发展的质量与效率、促进经济可持续发展的重要发展战略，推进供给侧改革的一项重要任务就是商品房去库存。本文通过选择商品房价格、土地价格、城镇居民可支配收入等指标作为商品房库存量的影响因素进行实证分析。选用2004-2016年我国31省市房地产业相关统计数据，建立我国东、中、西部地区的面板数据模型，研究各地区商品房库存量的主要影响因素及作用机理。我国东部地区和西部地区对商品房库存量影响最大的因素是城镇居民可支配收入，中部地区对商品房库存量影响最大的因素是商品房价格，并由此提出针对性的政策建议。

[關键词]商品房库存量;去化周期;库存面积

中图分类号：F299. 23

文献标识码：A

文章编号：1008-4096（ 2019）05-0053-07

一、问题的提出

2015年我国商品房的待售面积已经超过7亿平方米，是1999年的7倍。商品房库存积压了投资企业的大量资金，企业缺乏资金进行周转，无力偿还银行贷款，银行的信贷压力增加，进而会影响到整个社会经济的平稳运行，因而商品房去库存成为我国政府的主要工作之一。2016年我国商品房的待售面积为6. 9539亿平方米，这是自2006年以来的首次下降，商品房去库存工作取得了初步成效。为了有针对性地进一步化解商品房库存高企问题，我国政府提出了“因城施策，分类指导”的思想，这加大了各地商品房市场调控灵活度、加强了地方政府主导权，但同时也要求各地方政府对当地商品房市场有更高的理解与认知，因而研究商品房库存量的影响因素及其作用机制具有重要意义。

有关商品房库存量的研究主要是通过探讨商品房库存量的界定与计算、商品房库存量的影响因素来寻求商品房库存高企的原因并提出合理化建议。在商品房库存量的界定与计算方面，张翼[1]提出基于房地产开发企业存货周转率的测算方法，运用实际库存去化周期与狭义去化周期的比值来推算实际库存量与狭义库存量的比值，进而求得实际库存量。上海易居房地产研究院[2]提出大中小口径的三套库存量计算方法，认为中口径算法（即当年施工面积减去当年未获得预售许可证的施工面积，减去过去15个月的期房销售面积，减去当年竣工面积，加上待售面积）所得的结果较为合理。徐思超等[3]提出商品房库存量等于待售面积加施工面积减竣工面积的算法。张泓铭[4]提出我国商品房广义库存量的计算方法，即商品房广义库存量=新开工面积+竣工面积+上年结转施工量一销售面积一期房销售中由之前年份转入本年施工量*期房销售中进入本年施工比例。

针对我国商品房库存高企问题，学者们主要针对我国商品房高库存量的原因进行研究。张媛媛[5]、张协奎和邬思怡[6]、闫玮胜[7]、陈虹和李超[8]通过建立VAR模型，研究商品房库存量和影响因素之间是否存在Granger因果关系，利用脉冲响应分析的方法来研究人口、土地、房价和税收等因素和商品房库存量之间的关系。王亚红和闫珍[9]运用灰色关联度模型对河南商品房库存量影响因素进行了研究，结果表明商品房投资总额与货币供应量是当地商品房库存量的主要影响因素。傅贻忙等[lO]运用SYS - GMM估计方法对人口结构与商品房库存量之间的关系进行研究，结果表明人口自然结构对商品房库存量的影响要显著于人口的空间和社会结构。陈越等[11]利用系统动力学和仿真方法对我国商品房库存量进行了模拟与预测，认为在高房价、高土地财政、高房地产投资的情况下，至2020年我国商品房库存量仍将处于不断上升的趋势。

二、我国商品房库存量的计算

我国商品房库存量一直以来都是一个模糊的概念。与众多发达国家已经成熟固定的房地产市场不同，我国的住房商品化起步时间较晚，每年新增的商品房面积和商品房销售面积数值庞大，商品房库存量始终是一个增量，再加上之前年份积累下来的库存、正在施工中的商品房等，众多因素使得准确评估商品房库存量成为难题。

从库存面积角度分析，目前有仅统计现房库存量的狭义库存量和同时统计现房库存量与潜在库存量的广义库存量。现房库存量即已建成但未售出的商品房面积，许多相关的研究中都直接用待售面积来表示。商品房待售面积是指房地产开发企业已竣工商品房中至报告期尚未售出或出租的面积。这是2010年国家统计局提出并应用于各种统计年鉴中用以代替原有空置面积的概念。相对空置面积（某一时点上已经售出但实际无人居住的住房面积）的概念而言，待售面积具有符合我国商品房库存量留存状况、表达清晰、便于统计等方面的优点。但通过概念也可以看出，待售面积统计的是已建成房屋的库存量，是对现房待售情况进行计算，即“已竣工但未销售”的现有库存量。这种方法没能统计那些预售商品房的库存面积。房屋作为一种商品和普通商品不同，即使是还在建设中的未完成品也可以用于销售，真正等到房屋竣工后才进行销售的商品房规模数量并不多。据统计，我国商品房销售的75%左右主要采用预售模式，这有利于房地产企业更早更快地回收资金，缩短商品房的销售时间。从广义角度分析，未进入待售环节的在建商品房和开发商持有的待开发土地也应属于市场库存。因此，狭义库存量存在明显的低估商品房库存量的情况，它只是商品房库存量的子集，虽然能够在一定程度上反映商品房库存量与变化情况，但不能准确评估商品房的实际库存量。为了对商品房库存量进行全面分析，应该在计算商品房库存量时在待售面积的基础上加上“正施工但未预售”的潜在库存量，即广义库存量。但潜在库存量在国家统计局公布的相关信息中没有对应的指标数据。本文尝试用施工面积减去期房销售面积来衡量潜在库存量，但这样计算出的总库存量过大。究其原因，可以从相关概念中找到答案。施工面积是指报告期内施工的房屋建筑面积，包括本期新开工面积和上年开发跨人本期继续施工的房屋面积，以及上期已停建在本期复工的房屋面积。期房销售面积是指报告期内已经售出的在建的、尚未完成建设的、不能交付使用的房屋。施工面积不仅包括本期新开工施工面积，同时也包含了上年开发跨人本期继续施工的房屋面积，这就形成了重复计算，而商品房的预售面积、售出面积又无法在房地产企业报告或相关年鉴中找到，因而用累积新开工面积减去累积销售面积来表示商品房潜在库存量。这种方法不仅比第一种方法更贴近实际库存量，同时在数据的可获得性上也优于第一种计算方法，全国或各省市的数据均有显示，亦可用于地区之间的横向比较。

从去化周期角度分析，目前主要有对应着狭义库存量和广义库存量的狭义去化周期和广义去化周期。去化周期就是商品房销售周期，用当年的商品房库存量与月平均销售面积之比表示。2017年住建部规定：对去化周期在36个月以上的地区应停止供地;18-36个月的，要减少供地;6-18个月的，要增加供地;6个月以下的，在增加供地的同时还要加快供地节奏[12]。可以看出，住建部将去化周期的合理范围规定在18个月左右。因此，本文根据去化周期的长短来选取较为合理的计算我国商品房库存量的方法。通过计算可以得出，从狭义去化周期考虑，我国仅有青海的去化周期大于18個月，这与现阶段我国商品房去库存的总体趋势不符，说明狭义库存量低估了商品房库存量;从广义去化周期考虑，我国大部分省市的商品房去化周期大于18个月，符合商品房库存高企的情况，这说明广义去化周期更符合当前我国商品房去库存的总体趋势。

综上所述，广义库存量更加符合我国商品房库存量的实际情况，因而本文应用的衡量商品房库存量的方法为：商品房库存量=待售面积+累计新开工面积一累计销售面积。

三、我国商品房库存量影响因素的选择

房地产业作为我国经济发展的重要支柱产业，其发展变化牵动着社会各界决策的趋势走向。相应地，来自社会各界的多方因素也无时无刻影响着房地产业的发展。作为房地产业的重要组成部分，每一次商品房库存的形成都可能是在众多因素的共同作用下产生的。作为我国社会主义市场经济的重要组成部分，商品房市场具有市场状况地区间差异较大、受法律法规及政府政策影响限制较多、消费投资双重性、供给与需求不平衡、买卖双方信息不对称等多种特征。其中，供给与需求不平衡被认为是形成商品房库存量的直接原因，即当商品房产量高于当地社会发展和人民正常生活需要时就会产生库存。因此，如何限制房屋过量供给、根据市场情况形成有效供给，了解市场需求，切实满足居民的住房需要就成为了我国商品房去库存的方法思路。

市场三要素为人口、购买力和购买欲望。其中，人口是构成市场的最基本要素，其数量影响了市场的规模、其构成决定了市场需求的类型。在商品房市场中，城镇人口是需求和消费的主体，其数量及占总人口的比重反映了城镇的发展水平，直接决定了商品房的建设、销售及剩余库存量。在我国城镇化建设初期，城镇发展速度很快，但发展水平很低。2000-2010年，我国城镇建设用地增加超过80%，但包括农民工在内的城镇人口却只增长了45%，城镇化成为了“房地产化”，浪费了许多经济资源。因此，2015年以来我国不断推进新型城镇化建设，以人为本，完善户籍制度，让上亿的农民工也能切实享受城镇化成果的同时也拉动了商品房的需求。同时，我国许多省市也出台了各项人才引进政策。虽然名义上是为了争取人才，为城镇建设赢得新的活力，但从各种不断优惠的住房政策和不断宽松的落户政策上也能看出，这一举措也是为了增加商品房的需求，缓解城市住房高库存的压力。然而仅仅有需求是不够的，作为现实市场的物质基础，购买力决定了新晋城镇居民能否将库存转化为自己的住房。一定时期内，消费者的可支配收入水平决定了购买力水平的高低。因此，切实有效地提高农转非人员的素质、提高城镇居民可支配收入，让人民买得起房是商品房去库存的重要工作，这一点也可以从各地人才政策中高额的住房和经济补贴中得以体现。商品房价格作为连接房地产商和购房者的纽带，同时影响着房地产业供给与需求两端。在经济学原理中，价值决定价格，价格决定供求。理论上说当市场供过于求时，市场价格往往低于市场价值或生产价格，商品房价格会有所下降。然而我国各省市商品房价格近年来却只增不减，即便是经济发展水平较低的三四线城市，在国家出台了一系列抑制商品房价格上涨的政策后，商品房价格也没有下降的趋势，这一现象的原因和将对我国房地产市场带来的后果也值得探究。

在我国，商品房市场的经营与运行不仅只靠市场这只“看不见的手”来操纵，我国政府也通过出台各项宏观政策在市场出现问题时及时进行调整，期望市场能够健康平稳地运行。随着经验的不断丰富，调控的手段也越来越多样，常见的有调整贷款利率、调控税收、调整首付比例、限贷限购等。同时考虑到商品房市场状况地区间差异较大的特点，我国政府近期还提出了“因城施策，分类指导”的调控思路，期望能因地制宜地切实改变各省市的商品房市场经营状况。然而政策这一因素无法量化，再加上其调控方向与力度的多变性、影响的滞后性、地区间的差异性，很难将其融人到商品房库存量的分析中去。从我国商品房供需流程上考虑，房地产企业需要从政府手中获得土地的使用权，才能在购得土地上建造商品房卖给消费者，购置土地的费用是其开发成本中最为重要的组成部分，进而影响到其销售价格、销售对象和销售手段。而土地出让收入作为地方政府最为主要的财政收入之一，能否科学制定土地价格将直接影响地方经济的平稳运行。因此，结合上述分析本文选择以下指标作为商品房库存量影响因素：

第一，商品房价格。商品房价格是同时影响商品房供求双方的重要属性。当只将房屋视为商品考虑时，商品房价格的上涨会阻碍居民购房，商品房库存量会增加;当只将房屋视为投资品考虑时，“买涨不买跌”的思想会让投资者在商品房价格上涨时购买房屋，商品房库存量会减少。事实上商品房既有商品属性又有投资品属性，商品房价格的变动具体会对商品房库存量产生怎样的影响值得探究。

第二，土地价格。与国外不同，我国城市土地所有权归国家所有，企业或个人要通过招拍挂的形式争取土地使用权，而土地使用权的出让收入则成为了各地地方财政的重要组成部分，房地产企业在购置土地时所消耗的费用都属于其开发成本，最终会影响商品房价格。我国商品房的供给侧主要是政府和房地产企业，土地价格作为联系二者的因素，在供给侧改革的背景下应作为商品房库存量影响因素。

第三，城镇居民可支配收入。居民的收入决定了居民的购买力，当前我国居民收入的增长速度远比不上商品房价格的增长速度，这种情况降低了商品房的有效需求，很有可能是造成商品房库存高企的原因，有必要将居民收入考虑为商品房库存量的影响因素。商品房的交易对象主要为城镇居民，因而选用城镇居民可支配收入作为商品房库存量影响因素。

四、实证分析

（一）数据来源与研究区域划分

结合“因城施策，分类指导”思想，本文将我国划分为东、中、西部三部分进行商品房库存量影响因素的分析。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、海南11个省市;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省市;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省市。此划分方法与国家统计局在2017年1月公布的全国房地产开发投资和销售情况报告中对我国东、中、西部的划分方法一致。选取31个省市2004-2016年的相关数据，将商品房库存量作为被解释变量，商品房价格、土地价格、城镇居民可支配收入等作为影响因素，分别对我国东、中、西部地区商品房库存量的影响因素进行分析。其中，商品房价格用商品房平均销售价格表示：土地价格用房地产开发企业土地购置面积与土地购置费用之比表示。数据来源于2004-2016年《中国房地产统计年鉴》和国家统计局网站。

（二）基于面板数据模型的我国商品房库存量分析

通过面板数据建立得到的模型即面板数据模型[13] -[14]，其一般形式可以表示成：

本文将我国31个省市分为东、中、西部三部分，以各省市商品房库存量、商品房价格、土地价格与城镇居民可支配收入的相关数据分别进行堆积，形成东、中、西部的三组面板数据，通过面板数据模型来进行商品房库存量与其影响因素关系的分析。在分析过程中，商品房库存量记为KC、商品房价格记为FJ、土地价格记为DJ、城镇居民可支配收入记为JM。

1.原始数据取对数

对原始数据取对数，分别记为InKC、InFJ、InDJ、InjM。这样做具有在不改变原有数据相对关系的前提下增加数据平稳性、削弱模型共线性、异方差性，易于研究自变量和因变量之间的弹性关系。

设面板数据模型为：

其中，i、t表示第i个省市在第t年的相关数据;β1、β2、β3分别表示商品房价格、土地价格、城镇居民可支配收入与商品房库存量的相关系数;ε_it，表示随机干扰项，随着地区和时间的不同而发生变动。

2.面板数据单位根检验

建立面板数据模型首先要对数据的平稳性进行检验。如果对非平稳时间序列进行回归分析则可能产生伪回归现象，得出错误的结论。检验时间序列是否平稳即检验序列是否存在单位根，存在单位根就是非平稳时间序列，反之则证明序列是平稳的。如果序列是非平稳的，则需对序列进行一阶差分后再进行平稳性检验，如果仍不平稳则对序列进行二阶差分，以此类推，直到数据平稳为止[15]。Eviews软件提供了LLC、IPS、ADF-Fisher、PP - Fisher四种单位根检验方法，检验结果如表1所示。由表1可知，各变量的原始数据均存在单位根，为非平稳序列。在经过一阶差分后都成为平稳序列，即所有检验变量为同阶单整，可以进行协整检验。

3.面板数据的协整检验

协整检验是分析变量之间是否具有长期均衡关系的方法。所谓的协整是指两个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性，这些变量序列间是具有协整关系的。本文采用Eviews软件提供的Pedroni和Kao两种方法进行协整检验，由检验结果可知，我国东、中、西部地区的商品房库存量与商品房价格、土地价格、城镇居民可支配收入之间存在协整关系，这说明各变量之间存在长期稳定的关系，在此基础上对面板数据进行回归，所得的回归结果是较为可靠的。

4.面板数据回归

在对面板数据进行回归分析之前首先要确定面板数据模型的类型，具体方法为：首先通过约束检验（F检验）来检验模型是否存在效应，若不存在效应则选择混合模型，若存在效应则运用Hausman检验来确定模型为固定效应模型还是随机效应模型。

在Eviews中可以通过redundant fixed effects功能对各地区面板数据进行约束检验，由检验结果可知，东、中、西部地区的面板数据模型均存在效应，可以排除混合模型，接下来通过Hausman检验来选择固定效应模型或随机效应模型。由检验结果可知，东部地区在1%的显著性水平下拒绝了随机效应的原假设，应建立固定效应模型：而中部地区和西部地区没有拒绝原假设，应建立随机效应模型，从而可以选择对应模型进行面板数据回归，由结果可知，我国东部地区商品房库存量最主要的影响因素是城镇居民可支配收入，回归系数为1. 5551，二者呈显著正相关关系。东部地区的商品房价格、土地价格同样与商品房库存量呈正相关关系，但不显著。我国中部地区商品房库存量最主要的影响因素是商品房价格，回归系数为-1. 8017，二者呈显著负相关关系。中部地区的土地价格、居民可支配收入与商品房库存量呈正相关关系，但不显著。我国西部地区商品房库存量最主要的影响因素是城镇居民可支配收入，回归系数为-2. 3414.二者呈显著负相关关系。西部地区的商品房价格与商品房库存量呈负相关关系，土地价格与商品房库存量呈正相关关系，但都不显著。

五、结论与建议

我国东部地区对商品房库存量影响最大的因素是城镇居民可支配收入，即当城镇居民收入提高时，商品房库存量有增加的趋势。这是因为我国东部地区经济发展水平与城市建设水平较高，人口密集，城镇居民收入水平较高，购买能力较强，我国的一二线城市多分布于此。城镇居民除去衣食行、教育等生活必须的开销外，有更多的可支配收入用于投资，但因为投资渠道单一，更多人便进行房地产投资或者改善居住条件。外来人口众多，商品房价格普遍较高，投资房产短期内可通过出租赚取租金，长远考虑可以在商品房价格上涨后转让赚取差额，是一种比存款利息收益高，比股票市场风险小的理想投资理财方式。从开发商角度而言，充足人口、高位房价和旺盛购买力形成较强劲的刚性需求，房地产企业不惜高地价开发，不断增加商品房的供给，因而土地价格对这里的商品房库存量影响不大。另外，东部地区的外来人口多为青壮年劳动力，短期他们主要是通過租房或工作单位公寓解决住宿问题，长期他们有很强的购买潜力，以解决配偶和子女团聚上学等问题。但其相对乏力的购买力不足以消化东部地区不断增加的商品房供给。一旦商品房价格能够下降，这部分人愿意购买商品房。因此，东部地区商品房价格与商品房库存量呈正相关，即当商品房价格上涨时，商品房库存量增加;商品房价格下降时，商品房库存量减少。

我国中部地区对商品房库存量影响最大的因素是商品房价格，即当商品房价格上涨时，商品房库存量有下降趋势。中部地区多为三四线城市，去库存政策放宽了购房条件，棚改货币化刺激了购房需求，一二线城市受到严格的房地产调控和限购限售政策影响，其投资与需求也开始溢出并流向周边的三四线城市。这些因素都使得近几年中部地区房地产市场十分火热，商品房价格迅速上升，财富效应让更多的人购买商品房，进一步加快了库存的去化。中部地区的土地价格和城镇居民可支配收入对商品房库存量具有一定的正向影响，但影响程度较小。

我国西部地区对商品房库存量影响最大的因素是城镇居民可支配收入，与东部地区不同，西部地区居民收入的提高有助于商品房库存量的下降。这是因为西部地区除重庆、四川外其他省市经济发展水平与居民收入水平相对较低，购买能力不足是阻碍居民购房以及商品房库存量增加的主导因素。但是，西部地区的商品房价格与商品房库存量也呈反向关系，这说明西部地区在居民购买能力不足的情况下，依然存在投资性购房的行为，本文推测这些购房者多为外地投资者。目前，西部地区许多省市的城市建设还在进行之中，不断扩张的城市面积带动了商品房的开发与建设，但仅靠投资性购房不足以消化大量的商品房库存。

结合分析所得的结论，本文为我国商品房去库存工作提出以下建议：

第一，加快转变经济发展方式，减少经济发展对房地产业的依赖。房地产业作为经济增长的引擎已经带动我国经济增长了近二十年的时间，如今我国经济已进入新常态，传统的调控手段已无法转变经济增长的下行趋势，此时仍然依靠房地产业带动区域经济的做法是不利于经济持续长远发展的。因此，地方政府应减少财政收入对土地出让收入的依赖，支持鼓励当地居民进行自主创业，重视实体经济的发展，培养属于自己的新型经济增长点，这相当于为自己增加了新的税收来源。地方政府不再依赖土地财政收入，有利于更科学合理地制定土地价格，降低了房地产企业的建造成本，从而使商品房价格趋于平稳;自主创业成功的居民购买能力强，不会依赖于通过投资性购房来获取个人财富，炒房现象减少;良好的创业环境、稳定的住房价格，会不断地吸引人口集聚，增加住房需求，如此形成了房地产市场的良性循环，也会促进经济的可持续发展。

第二，推进新型城镇化战略，落实三四线城市的户籍制度改革。三四线城市是我国去库存工作的主要地区，其商品房库存量高的普遍原因是房地产市场长期供过于求。一方面，三四线城市的城区依然在扩张与建设中，圈地盖楼不断增加着商品房的供给。另一方面，许多三四线城市的居民倾向于去一二线城市寻求更好的就业与发展机会，购房需求不断流失，我国东北地区就是这种情况的实例。城镇化与市民化进度不匹配是我国各地城镇化初期都要面临的问题，而户籍问题是将大量农民挡在城镇化成果之外的主要障碍之一。因此，三四线城市应稳步推进城镇化、严格控制供地规模，减少供给;落实户籍管理制度改革、鼓励帮助当地农民进城购房，同时为返乡创业的居民提供鼓励政策，扩大需求，从而尽快缓解较为严重的商品房库存问题。

第三，稳定商品房价格应是全国范围内的政策方向，不应只局限于一二线城市。“一二线城市稳房价，三四线城市去库存”是我国商品房去库存工作的总体思路，目的是因城施策，因地制宜地解决不同省市的房地产问题。尽管数据显示三四线城市在去库存工作中具有重大贡献，但宽松的购房与贷款政策也为这里的投资性购房者提供了机会，他们消化了一部分库存。同时，与去库存工作同期展开的棚改货币化工作也集中在三四线城市进行，拆迁居民用政府发放的拆迁款去化了大部分商品房库存。迅速增加的需求使得三四线城市的商品房价格不断上涨，这让投资性购房者获益，却增加了出于居住目的的购房者的负担。只有稳定的商品房价格才能让居民安心买房，让投资者无利可图。因此，稳定商品房价格应该是全国商品房市场的调控方向，否则当三四线城市去库存工作结束后，靠拆迁居民拉动的需求、高额的商品房价格、原棚改区新建完工的商品房库存将成为新的商品房市场难题。

第四，发展房屋租赁市场，推进租购并举，切实解决居民的住房问题。租购并举在十九大会议之后被定为我国住房制度改革的主导方向。目前我国的租金收益率偏低，只有不到2%，而发达国家如美国的租金收益率为6% -7%。偏低的租金收益率会为提供租售房屋企业增加资金回笼的负担，不利于将大量资金吸引到租售房屋之中。为了在切实保证提供租售房屋企业利益的同时又要维持租房价格不像购房价格一样上涨，各地政府应降低租售房屋土地价格、降低租售房屋企收入成本;搭建住房租赁网络交易平台，增加信息公开透明度;规范房屋租赁市场秩序，保护供租双方合法权益;稳定商品房价格，使居民不会为了房屋的不断增值而放弃租房。

参考文献：

[1] 张翼，房地产实际库存测算方法的比较与优化——基于东部地区某三线城市数据[J].金融纵横，2016，（5）：62-68.

[2] 上海易居房地产研究院，当前全国商品房库存规模与库存压力测算[J].中国房地产，2016，（22）：26-30.

[3]徐思超，朱道林，李晓亮，等，城市商品房库存界定及其去化周期研究——以长三角城市为例[J].中国国土资源经济，2017，（7）：60-64.

[4] 张泓铭，房地产库存的计算方法及2015年底库存数[J].中国房地产，2016，（13）：54-55.

[5] 张媛媛，我国人口及土地城市化对房地产存量的影响研究[D].大连：东北财经大学硕士学位论文.2016. 19-29.

[6] 张协奎，邬思怡，我国利率波动对商品住宅库存影响的动态研究——基于供给侧改革下房地产去库存的分析[J].价格理论与实践，2016，（11）：110 -113.

[7] 闫玮胜，我国房地产库存及其影响因素实证分析[D].南昌：南昌大学硕士学位论文，2017. 21-27.

[8] 陈虹，李超，我国房地产库存影响因素的实证研究[J].西安财经学院学报，2017，（4）：94-99.

[9] 王亚红，闫珍，河南省商品房库存影响因素及化解策略分析[J].经贸实践，2017，（20）：46-47，49.

[10] 傅贻忙，周建军，周颖，人口结构变迁对房地产库存的影响研究——基于SYS-GMM估计方法的区域差异分析[J].经济经纬，2019，（2）：87-94.

[11] 陈越，周志仪，闫玮胜，等，基于SD的房地产库存模型及其仿真[J].南昌大学学报（理科版），2017，（5）：437-442.