土地财政、地方债务与房价——基于新房楼盘数据的实证分析

■陈潇 景芃超 谭娅

长期以来，中国学者使用省级和地市级商品房房价数据，从财政压力、土地财政、房价预期、利率等多方面分析了各地房价的增长原因，并为地方隐性债务的测算、增长原因以及如何防范化解债务风险做出了理论和实践方面的贡献。然而，较少有研究关注土地财政对不同土地供应类型房价影响的差异，也较为缺乏对土地财政和地方政府债务推动房价增长的相关机制的深入分析。

本文采用楼盘层面的新房楼盘均价数据和地级市层面的土地财政数据，研究了土地财政对新房楼盘房价的影响，并着重关注了地方政府债务对该影响的调节机制。

一、文献综述

（一）现有研究

有学者认为土地财政扩张是房价持续走高的主要原因[1]。地方政府可以通过控制土地的供给，在很大程度上影响房地产市场。地方政府作为土地的所有者、供给者和垄断者，出于财政激励、晋升激励等以GDP为核心的评价指标，产生了通过土地出让获得财政收入或者进行招商引资的动机[2]。土地公有制下的住房金融化和土地金融化，共同扩大房地产生产以维持资本积累，且住房金融化拉动住房需求，而土地金融化加快提供相应供给[3]。地方政府面临的财政压力驱动其积极追求更高的土地出让收入。土地财政作为连接地方政府财政压力和房价的中间变量，其规模与房价有明显的正相关关系[4]。唐云锋等[5]在研究土地财政、财政压力和房价“棘轮效应”时，应用系统GMM估计，考察了土地财政和财政压力的交互作用，认为财政压力作为一种制度性因素通过土地财政对房价产生间接作用，固化了房价的“棘轮效应”。邵朝对等[6]在探究房价、土地财政和城市集聚特征时发现，在与土地财政的互动中，房价上涨推动产业结构升级、优化城市集聚特征的效力被不断削弱。

对于地方政府的供地模式，邹琳华等[7]认为房价对土地出让的变动并不敏感，地方政府为了获得更多收入而倾向于扩大土地供应，即因为地方政府竞争、官员升迁等“售地冲动”而采取积极的土地财政政策。但在特定情况下，梅冬州等[8]构建了一个多部门的小国开放经济DSGE 模型，分析表明在面对外部负向冲击和经济衰退的背景下，地方政府将收紧土地供应来提高地价和房价，进而稳定地方财政收入。但这样的紧缩行为将进一步抑制居民消费和总需求[9]，导致我国宏观政策与经济政策发生冲突，使得经济陷入“稳增长”与“调结构”的两难境地。

除了关注地方政府财政压力和土地财政，已有研究也涉及地方债对房价的影响机制。在2015 年新《预算法》实施之后，为统筹发展与安全，加快防范化解财政金融风险，徐军伟等[10]系统梳理了政府部门和业界机构对融资平台公司的分类和定义，并在此基础上重新界定了融资平台公司和城投债，建立了基于融资平台公司新名单的城投债数据库。发行地方政府债券是地方政府融通资金的主要能力之一，不仅表现为以直接投资的方式促进GDP 的增长，而且可以通过基础设施建设和压低工业用地价格双重渠道进行招商引资。在经济发展条件和资源禀赋较好的地区，引资竞争可能导致将土地过量供给到工业用地领域，致使商住用地资源紧缺，房价上涨[11]。地方政府债务对经济增长的影响呈倒U型关系，且具有门槛效应。在地方公债发展初期，地方债对区域经济增长的促进作用占优，帮助地方政府突破预算内财政限制，提高公共品供给能力，并有效集中社会闲置资本。但当债务规模突破债务平衡点时，地方债带来的挤出效应和积累的债务压力，以及社会对政府的预期降低，将对经济增长产生负面影响[12]。面对信贷的外生扩张时，住房需求和房价均表现出显著的增长[13]。面对宏观经济冲击时，外部冲击将导致以“招商引资”为基础的“土地财政”模式难以为继，地方政府逐步转向以“基建投资”为依托的“土地金融”模式。土地不仅是重要的生产要素，也是企业的抵押担保资产。在该情况下，外部冲击导致企业和居民对土地产生需求竞争，进一步抬高了地价，地价上升缓解了企业的信贷约束，刺激其投资，两者共同引起了较大的经济波动[14]，其代价是房价高企和地方政府债务快速攀升[15]。

综上所述，关于土地财政、地方债务以及房价的研究还有以下可以拓展的方面：第一，在研究土地财政和房价的模型中多采用省份和地级市层面的面板数据，少有采用新房楼盘层面数据进行验证。第二，在地方债的规范研究和实证研究中普遍关注地方债对宏观经济的影响，少有采用交互项来检验土地财政和地方债对房价影响的相互作用。本文的创新性体现在以下三方面：一是从微观层面分析了土地财政对房价的推动作用。二是以新房楼盘房价数据替代普遍研究中的商品房均价。土地财政影响土地价格并直接影响开发商成本，因此，土地财政与房地产市场联系最紧密的住房类型就是新房楼盘，特别是住宅类楼盘。三是将土地财政、地方债和房价置于同一研究框架，实证分析三者之间的关系，并检验地方债与土地财政的交互作用。本文采用混合截面模型，构建工具变量以及多种稳健性检验，有效处理反向因果和遗漏变量偏差导致的内生性问题。同时，分样本进行回归，考察土地财政对不同物业类型、不同地区房价的差异性影响。

（二）研究假说

许多学者认为，在分级预算体制下，地方政府在面临财政压力时，将积极推动土地开发和城市化建设以获得更多的土地出让收入[16，17]。地方政府往往会压低工业用地出让价格进行招商引资，同时高价出让商住用地[18—20]，并且地方政府的限购政策会导致房地产泡沫的空间转移[21]，造成房地产开发成本提高，新房楼盘房价上升。2008 年金融危机爆发后，我国出台了四万亿经济刺激计划，开始了新一轮的积极财政政策，地方政府开启了以发行地方政府债券和通过融资平台进行筹资的债务融资模式。在1994年《预算法》的基础上，地方政府债券先后经历了“代发代还”“自发代还”和“自发自还”三种模式的演变。地方政府债券融资主要为完成上级下达的建设任务，基础设施投资可以在短期内显著地资本化到土地价格中，并引致地方政府更多采用土地抵押贷款进行融资[22]。杨继东等[23]和张莉等[24]考察了土地融资对地方政府债务增长的影响，认为城投债的发行通常以土地出让收入作为担保，这种土地出让的融资放大效应同时放大了当地经济对于房地产的敏感度。

综上所述，地方政府土地财政与地方债对房价的影响机理如图1 所示。据此，本文提出以下研究假说：

图1 地方政府土地财政与地方债影响房价的机理

假说1：土地出让收入会影响住宅类新房楼盘价格。

假说2：土地抵押融资会间接提高房价，债务发行规模扩大会使得政府更多依赖土地出让收入进行抵押或偿还本金，有助于促进土地财政对房价的推动作用。

二、模型设定与变量选取

（一）实证模型设定

为分析地方政府土地财政对于新房楼盘价格的影响，本文在基准模型中选取人均土地出让收入的对数值作为土地财政的衡量指标，并采用如（1）式所示的固定效应回归方程进行分析：

其中，下标i、c、t分别表示楼盘、地级市和年份；被解释变量lnPriceict为地级市c的楼盘i在第t年的楼盘均价（单位：元/平方米）的对数值[25]；关键解释变量lnALandct表示地级市c在第t年的人均土地出让收入（单位：元）的对数值；Xict和Ect分别表示一系列楼盘层面和地级市层面控制变量的向量，用以控制楼盘和地级市层面的特征；γc为地级市固定效应；yeart为年份固定效应；εict为随机扰动项。本文主要关注的系数是β，其含义是控制楼盘和地区特征等因素后，人均土地出让收入对楼盘均价的影响。标准误在城市层面进行聚类调整。

式（1）中，被解释变量基于楼盘层面的数据，关键解释变量基于地级市层面的数据，可在一定程度上缓解反向因果关系带来的内生关联问题，但仍可能遗漏某些同时影响楼盘房价和地方政府土地财政的因素，造成内生性问题。因此，本文使用工具变量法，并借鉴Nakamura 等[26]的思路，计算出样本期内某地级市人均土地出让收入与该地级市所在省份人均土地出让收入之比的均值，以此均值为权重与该地级市所在省份当年人均土地出让收入生成交互项，作为该地级市当年人均土地出让收入的工具变量，并使用两阶段最小二乘法重新估计地方政府土地财政规模对楼盘房价的影响。该工具变量满足：（1）相关性要求，人均土地出让收入与工具变量高度相关；（2）外生性要求，遗漏变量与工具变量无直接联系，地级市或楼盘层面的遗漏变量很难影响地级市所在省份的整体情况，且地级市人均土地出让收入与该地级市所在省份人均土地出让收入之比的均值为恒定值，不受遗漏变量影响。式（2）和式（3）分别为第一阶段和第二阶段回归方程，其中lnALand_weightct为人均土地财政收入加权值，νct为随机扰动项，其他变量含义与式（1）相同。第二阶段回归中关键解释变量是由第一阶段回归得到的人均土地出让收入拟合值，本文主要关注系数β。

土地财政对楼盘房价的影响可能受到地方政府债务调节。当地方政府债务压力加大时，土地财政对楼盘房价的影响也有进一步增强的趋势。为进一步探究地方政府债务与土地财政在楼盘房价持续升高中互动的特殊性，本文进一步引入地方政府债务与土地财政的交叉项进行检验：

其中，lndebtct为地级市c 在第t 年的城投债发行规模（单位：元）的对数值；lnALandct×lndebtct为土地财政和地方债务规模的交叉项；主要关注系数δ的符号，显示了地方政府债务在土地财政影响楼盘房价过程中的调节作用。

（二）变量选取和说明

1.被解释变量

本文采用新房楼盘的参考均价（lnPrice）来表示楼盘房价。楼盘参考均价表示楼盘初次销售时的定价，在一定程度上反映了开发商决策。本文对楼盘参考均价做了对数化处理。

2.关键解释变量

（1）土地财政。本文使用人均土地出让收入的对数值（lnALand）作为土地财政的衡量指标。通过对土地出让收入进行人均调整，可以更好地反映地方政府土地财政行为对其发展辖区内每个居民的影响，以及地方政府在借贷市场上的相对融资谈判能力。在稳健性检验中，本文将土地财政衡量指标替换成了土地出让总收入（lnLand）和土地出让依存度（dependence），对基准模型重新进行了估计。

（2）地方政府债务。本文参考徐军伟等[10]对融资平台公司和城投债的定义，采取其统计的各地级市城投债发行规模的对数值（lndebt）来衡量地方政府债务水平。

3.控制变量

根据已有文献，本文添加如下控制变量以降低遗漏变量带来的内生性问题：

（1）楼盘：包括绿化率（ratio_green）、容积率（far）、车位配比（car）。这些指标能够反映楼盘的配套设施和小区环境，也能反映房地产开发商对建设用地的使用强度，与楼盘开发成本密切相关，属于楼盘的物理特征。

（2）经济：包括人均GDP（lngdppc）、人口密度（lnpopden）、第三产业占比（ratio_third）。这些指标能够反映楼盘所在城市发展水平和居民对住房的需求，随着居民收入和城市人口的增多，商品房的需求总量会增加[27]，进而推升房价。

（3）房屋需求：楼盘所在城市的商品房销售面积（lnarea），反映了住房市场上需求侧对房价的影响。

（4）房屋供给：房地产开发投资（lninvest），反映了房地产市场的金融发展程度和房地产市场的投资活跃度。

（三）数据来源和说明

本文使用的房价指标和楼盘指标来自CnOpen-Data中国新房信息数据库①。该数据库包含全国28个省级行政区、直辖市与对应多个重点城市的所有新开发楼盘信息。土地出让收入数据来自《中国城市统计年鉴》，其他地级市数据来自CEIC 数据库和EPS 数据库。为缓解极端值对实证结果的潜在影响，本文对连续变量进行上下限各1%的缩尾处理，处理后的样本中包含2004—2017 年26 个省级行政区中101个城市的5450个新房楼盘信息。本文选取2004—2017 年的主要原因是：首先，新房楼盘数据和土地财政相关统计指标在此区间内可得并且口径一致；其次，该时间段不受全球新冠疫情影响。各变量的定义及数据说明见表1，表2报告了主要变量描述性统计。

表1 主要变量定义

表2 主要变量描述性统计

三、计量检验与结果分析

（一）基准回归结果

本文分析了土地财政对新房楼盘房价的影响。表3（1）列为核心解释变量对于新房楼盘房价的回归，结果显示人均土地出让收入与楼盘参考均价之间存在显著的正相关关系。（2）列引入了年份、城市和物业类型的固定效应进行控制，尽管核心解释变量的系数减小，但仍然在统计上显著。（3）列进一步添加了楼盘和地级市层面的特征变量，结果仍然表明人均土地出让收入与楼盘参考均价之间存在显著的正相关关系。该结果支持了本文的假说1。

表3 土地财政影响楼盘房价的回归结果

（二）稳健性检验

在基准回归中，未考虑内生性问题，也未考虑到变量设置可能引起测量误差等因素。这些因素是否会干扰基准实证结论需要进一步验证。内生性问题可能存在于两个方面：一是反向因果问题，即高房价可能会推动土地价格上涨，因此政府在土地出让决策上会更积极。二是遗漏变量问题。例如，城市建设和环境改善可能导致房价上涨，而这些基础设施往往依赖政府大量的财政支出，导致政府有更多出让土地的动机。上述潜在内生性问题可能导致核心解释变量与误差项之间存在相关性，从而导致回归系数出现偏误。

为了确保结果的稳健性，本文采用了多种方法进行稳健性检验，包括工具变量回归、不同类型的固定效应模型、替换核心解释变量和控制标准误差聚类等方法，从而加强了本文实证结论的可信度。

1.工具变量估计结果

为了解决内生性问题，如前所述，本文采用两阶段工具变量法进行验证。第一阶段估计结果见表4（1）列，工具变量的识别不足检验中，Anderson LM统计量在1%显著性水平上拒绝工具变量识别不足的原假设；弱工具变量检验中，Cragg-Donald Wald F统计量远大于Stock-Yogo 弱工具变量检验的临界值，拒绝存在弱工具变量的原假设。表4（2）和（3）列报告了内生变量（即核心解释变量）和工具变量的简约形式结果。（3）列加入内生变量后，工具变量回归系数值变小且变得不显著，而内生变量的符号不变且仍然显著，表明工具变量只能通过内生变量来影响新房楼盘房价，满足排他性约束假设。第二阶段回归中，人均土地出让收入的估计系数显著为正，与基准回归结果一致。

表4 稳健性检验（工具变量）的回归结果

2.土地财政影响楼盘房价的稳健性检验结果

表5 报告了其他稳健性检验的回归结果。首先，针对基准回归中可能存在的遗漏省份层面变量的问题，（1）列在基准模型的基础上控制了省份与年份交互固定效应，控制了不同省份随时间变化的因素，包括政策支持、宏观经济波动等，核心解释变量的估计系数保持显著且符号不变。其次，经济变化、政策冲击可能对不同物业类型的新房楼盘房价产生异质性影响，为控制这些不可观测的异质性冲击因素，（2）列加入物业类型与年份的交互固定效应，控制每一种物业类型随时间变化的因素，回归结果仍保持稳健。最后，土地财政可以用多种指标进行衡量，（3）和（4）列将核心解释变量人均土地出让收入用各市土地出让收入和土地财政依存度进行替换，其中，土地财政依存度定义为土地出让收入占地方财政预算内收入的比例。结果显示，土地财政指标的系数仍显著为正。此外，由于同一种物业类型受到房地产开发决策和政府政策等因素的影响，故房价在物业类型上可能存在序列相关性，（5）列报告了将标准误聚类到物业类型和年份上的回归结果，人均土地出让收入对新房楼盘参考均价的影响仍正向显著。以上稳健性检验均可说明，地方政府土地财政的扩张对新房楼盘房价有明显的刺激作用，推动了房价攀升。

表5 土地财政影响楼盘房价的稳健性检验回归结果

（三）异质性分析

接下来，本文将探讨土地财政对新房楼盘房价的异质性影响。自分税制改革以来，我国各地区由于经济发展水平不均衡，各地方政府财政收入状况存在明显的差异，这导致地方政府财政决策行为具有异质性。同时，在楼盘开发过程中，不同的物业类型会产生不同的开发成本，土地财政对不同物业类型房价的影响可能存在差异。表6汇报了引入交互项进行异质性分析的回归结果。

表6 土地财政影响楼盘房价的异质性分析回归结果

1.区域异质性

我国幅员辽阔，东中西部在经济发展水平、产业结构等方面有明显差异。已有研究对于土地财政与房价之间的正相关效应有两种观点：一种观点认为地方政府的土地供给在不同区域对于住房价格的影响没有显著区别；另一种观点则认为相较于中西部省份，土地财政更为活跃的东部发达省份其土地出让行为对房价的影响程度更大。因此，本文将新房楼盘所处区域划分为东部、中部和西部，划分标准来自国家统计局②。表6（1）列引入了虚拟变量中部（middle）、西部（west）的虚拟变量与人均土地出让收入对数值的交互项，系数均不显著，表明无论东中西部，地方政府扩大土地财政的行为都对新房楼盘的房价提高没有显著影响，且在不同区域间没有显著的差别。

2.城市等级

由于经济规模、财政收入、行政等级、市场认可度等因素在城市间有巨大差异，土地财政对新房楼盘房价的作用可能在不同等级的城市间存在异质性。因此，本文将新房楼盘所在城市根据城市等级进行划分，划分标准来自中国社科院财经战略研究院住房大数据项目组③。表6（2）列在基准回归的基础上加入一线和二线城市（city_a）虚拟变量与人均土地出让收入对数值的交互项，回归系数不显著，表明就土地财政对新房楼盘房价的影响而言，一二线城市与三四线城市之间不具有异质性。

3.人口规模

我国早期的宏观调控政策主要是从房地产市场的供给侧进行调整，而后由于政策效力不足转而关注需求侧管理。需求侧管理的主要内容是限购政策，截至2014 年共有46 个大中城市实施了限购政策，而中小城市人口由于规模小，缺乏人口流入，普遍没有住房购买限制[21]。因此，本文采用《国务院关于调整城市规模划分标准的通知》（国发〔2014〕51号）的划分④，将城市按人口规模分为超大城市和非超大城市，以此来间接分析人口规模和限购政策可能产生的异质性影响。表6（3）列引入了超大城市（pop_large）与人均土地出让收入对数值的交互项，回归系数显著为正，表明当其他因素相同时，同样水平的人均土地出让收入，人口规模更大的城市中，土地财政行为对新房楼盘房价的促进作用更强。不同于主要由经济发展水平决定的城市等级，由人口规模划分的不同等级城市在土地财政对新房楼盘房价的影响上具有异质性。这可能是因为：对于人口规模更大的城市，人们的住房需求更高，地方政府可以更大程度影响土地价格，同时房地产商在对土地进行开发后有更大的溢价空间，进而强化了土地财政对房价上涨的作用。此外，人口规模较大的城市往往存在限购政策，表6（3）列的回归结果也在一定程度上反映了限购对于土地财政与新房楼盘房价之间的正相关效应有促进作用，间接验证了假说1 中土地财政通过购房引导政策影响房价的途径。

4.土地财政依存度

不同地方政府依赖土地财政的程度存在差异，可能对基准结果产生异质性影响。根据地方政府的土地财政依存度中位数，本文将所有城市划分成高依赖度和低依赖度的样本，并构建虚拟变量高依存度（high_dependence）。土地财政依赖度较高的地区，其房地产投资通常也相对较高，土地财政将影响城市的空间扩张效应和产业集聚等因素，因此造成房价的波动[28]。表6（4）列引入高依存度（high_dependence）虚拟变量与人均土地出让收入对数值的交互项，回归系数不显著，表明土地财政可能不会因地方政府对土地财政的依赖程度不同而对新房楼盘房价产生异质性影响。

5.物业类型

根据假说1，土地财政的主要影响途径包括对不同用地类型出让价格的差异化控制，为进一步验证假说1，对物业类型进行划分并引入交互项进行异质性分析。表6（5）列引入住宅物业（estate_a）虚拟变量与人均土地出让收入对数值的交互项回归，交互项系数在1%的水平上显著为正。从结果上看，相较于其他物业类型，土地财政的扩张对于住宅物业新房楼盘价格推动作用更加明显，地方政府的积极土地财政政策会更多地体现在对住宅物业楼盘的价格推动上，验证了假说1。

（四）进一步讨论

本文的基准结果可能受到地方政府土地财政动机的影响，当地方政府债务压力越大时，可能有动机通过土地财政获取更多财政收入。为验证假说2，本文在基准回归中进一步引入了地方债对数值和土地财政指标的交互项，回归结果汇报在表7（1）列中。结果显示，人均土地出让收入对数值与地方债规模对数值的交互项回归系数显著为正，表明地方政府越依赖地方债务进行招商引资和基础设施建设，就越需要依靠土地财政来偿还债务，从而推动新房楼盘房价上升的作用越强。一方面，这种交互作用可能是由于随着基础设施的改善，房价也因环境的改善而上升；另一方面，房价上升会使地方政府更依赖土地出让的融资方式，导致土地成交价格上涨，房地产开发成本上升，从而推动新房楼盘房价上升。表7（2）和（3）列将土地财政的变量替换为土地出让收入和土地财政依存度，进行了稳健性检验，交互项的回归结果依然显著，表明这一结论具有较强的稳健性。表7（4）至（6）列报告了分别针对东部、中部和西部地区的分样本回归结果。结果显示，东部和中部地区样本的交互项显著为正，中部地区样本的估计系数甚至大于东部地区，而西部地区样本的交互项并不显著。因此，地方政府债务规模扩张对土地财政推动房价上升的影响在东部和中部地区更为显著，而在西部地区并不明显。毛捷等[12]在关于地方债务对经济增长的区域差异研究中提到，地方债务、土地财政以及楼盘房价的机制可能受到不同地区债务平衡点和债务规模的影响，东部和中部地区因经济发展水平等因素，其债务规模和金融市场发展水平高于西部地区，因此东部和中部地方政府的土地财政和土地引资行为更加活跃，对房地产市场的影响更为强烈。

表7 土地财政、地方债与楼盘房价的回归结果

四、结论与启示

本文采用地级市层面的土地财政、政府债务数据以及楼盘层面的房价相关数据进行实证研究，分析了土地财政（包括土地财政收入和土地财政依存度）对新房楼盘房价的影响，同时从土地抵押融资的角度研究了地方债务与土地财政在推动房价上涨方面的交互作用。研究结果发现，土地财政对新房楼盘房价的上涨有显著影响。通过使用工具变量法、替换被解释变量及改变标准误聚类层面进行稳健性检验后，上述结论保持不变。通过多角度的异质性分析，本文发现土地财政对新房楼盘房价的影响主要体现在人口规模较大的城市和住宅物业类型的楼盘。借助地方城投债发行规模数据，本文还构建了土地财政与地方债的交互项并引入基准回归，研究发现在地方债务蓬勃发展的阶段，地方政府的债务上升反而促进更多的土地质押和出让行为，提高了土地财政对房价的推动作用。在金融市场发展水平更高的东部和中部地区，地方债务与土地财政的联系更为密切。

根据上述研究结论，本文得出以下政策启示：

第一，土地财政行为是推动房价上涨的重要原因之一。深化财税体制改革和完善分税制将是改善地方政府土地财政状况的关键措施，有助于在源头上控制土地财政对房价的推动作用。考虑到土地财政具有不可持续性，地方政府需要增加稳定和可持续的财政收入。提高建设用地指标的配置效率，增加城市用地的灵活性，以促进工业用地和商住用地的合理分配，从而平衡房地产市场的供求结构。

第二，土地财政对房价的影响与地方债务紧密相关。地方政府通常会借助融资平台举借债务，以土地资产作为信用担保，以土地价值增值作为偿债来源，这可能导致土地财政面临财政压力和房地产开发项目效率低下的双重问题。应加强对地方政府土地使用制度的顶层设计，严格控制土地要素与地方融资平台的资产信用联系，规范政府债务发行的条件和偿债来源，以促进房地产行业和地方经济的健康发展。

第三，综合发展和稳定是关键。房地产市场波动较大，应该努力维持地价、房价和市场预期的稳定。要完善“人房地钱”四要素的联动机制，进行结构性调整，特别是对人口规模较大、产业较发达的热门城市。此外，要进行住房资源的分配调整，减少错配和浪费，促进土地资源的高效使用。同时应保持政策的连续性和稳定性，以确保地方政府的土地财政政策平稳应对宏观经济波动，避免造成房价过大波动，以此稳定预期，最终实现地价和房价的稳定。

注 释

①CnOpenData 数据平台（中国开放数据）是覆盖经济、金融、法律、医疗、人文等多个学科维度的综合性数据平台。中国新房信息数据库囊括了一线、新一线、二线和三四线城市的新建商品房信息，包含在售、待售和售罄三种销售状态，涵盖了新建商品房小区名称、地理位置、在售户型、建筑面积、参考价格、物业类型、开发商名称、绿化率、占地面积、车位配比等字段。

②《东西中部和东北地区划分方法》详见网址：http：//www.stats.gov.cn/zt_18555/zthd/sjtjr/dejtjkfr/tjkp/202302/t20230216_1909741.htm。

③《中国住房大数据分析报告》详见网址：http：//naes.cssn.cn/cj_zwz/ry/yjry/zlh/zlhyjcg/202002/t20200229_5094692.shtml。

④《国务院关于调整城市规模划分标准的通知》（国发〔2014〕51 号）详见网址：https：//www.gov.cn/gongbao/content/2014/content_2779012.htm。