住宅价格特征

住宅价格特征（精选九篇）

住宅价格特征 篇1

2008年, 受全球性金融风暴影响, 长沙房地产业出现下滑。面对严峻形势, 长沙市出台了一系列稳定房地产市场的措施, 将住房保障与扩大需求并举, 通过强化政府对市场的引导与监管, 相比前三个季度, 长沙市城区商品住宅价格在第四季度开始上升。全年全市 (含郊县) 完成房地产开发投资约469.5亿元, 与2007年同期相比增长约13.7%, 比上年回落17.4个百分点。商品房销售面积822.6万平方米, 比上年下降16.5%;住宅销售额245.5亿元, 下降17.7%。全年商品房施工面积约4447万平方米, 其中新开工面积约1631万平方米, 竣工面积约687平方米, 与2007年同期比分别增长约34%、48%、30%, 全年全市 (含郊县) 累计批准预售1829万平方米, 比2007年同期增长29%。

二、1998年以来长沙市城区商品住宅价格变化特征

(一) 1998年以来长沙市城区商品住宅价格变化

通过收集1998年以来长沙市城区商品住宅价格的资料, 绘制1998年以来长沙市城区商品住宅价格及其变化图 (见图1) , 对长沙市商品住宅价格进行分析。

1998-2008年, 长沙市城区商品住宅价格除2002年有所下降以外, 总体呈上升趋势, 由1998年的1925元/平方米上升到2007年的3372元/平方米, 十年的涨幅为75.1%, 年均涨幅为6.43%, 其中, 2007年涨幅最大, 为25.31%。2002年, 长沙市城区住宅价格相比2001年下降了10.16%。

影响商品住宅价格变化的因素众多, 主要包括国民经济发展水平、社会经济环境和政策因素等。商品住宅价格的变化与同期国民经济变化方向大致一致。近年来, 长沙市经济快速发展, 城市化进程推进, 住房需求随之加大, 因此房价逐步攀升。另外, 1978年以来, 我国实行的改革开放、土地使用制度和住房制度的改革。土地从无偿使用变为有偿使用, 住房从福利分配变为货币分配, 推进了住房的商品化, 土地的市场化。这些改革使土地资源的紧缺状况在商品住宅价格上迅速得到体现, 促使住房价格日益上涨。此外, 由于外资近年来进驻我国的脚步加快, 许多热钱流入国内, 我国人多地少, 众多外资看好我国房地产市场, 导致大量外资进军房地产市场, 在一定程度上助推了房价的进一步攀升。

总之, 长沙市国民经济的增长加上稳定的社会经济环境, 长沙商品住宅价格基本呈稳步上升的态势。

(二) 1998年以来长沙市房地产商品住宅价格变化分析

根据长沙市近十年商品住宅价格变化情况, 选取价格变化较显著的年份作为分界点, 可以把长沙市近十年商品住宅价格变化分为以下阶段:

1、稳步上升期:

1998-2001年。在这个时期, 长沙市房价呈现出稳步上涨的特征, 这主要是由于我国住房制度的全面改革。1998年4月7日, 中国人民银行全面实行购房按揭政策, 鼓励住房消费。另外1998年7月国务院发布了《关于进一步深化城镇住宅制度改革, 加快住宅建设的通知》, 通知要求1998年下半年停止住房的实物分配, 逐步实现住房分配货币化, 建立和完善以经济适用房为主的多层次城镇住房供应体系。经过政策影响, 无论是政府监控, 还是市场开发与市场竞争, 都较以前更加规范。这些政策很快带动了房地产的投资开发, 大大推动了房地产市场化进程, 长沙市商品住宅价格稳步上升。

2、短期下降期:

2002年。2002年是近十年来长沙市城区商品住宅价格唯一的一次下跌的年份, 下跌幅度达10.16%, 主要原因有:首先, 市场供应大, 需求不旺盛。因五城会的召开, 长沙着力改造提升老区, 拓展新区, 2002年安排重点建设项目25个, 总投资84.13亿元, 房地产开发量240多万平方米, 完成经济适用房建设120万平方米。供给大于需求, 必然导致商品住宅价格的下降。其次, 单位经济适用房交房量大。2002年长沙市经济适用房建设约70万平方米。比2001年的50万平方米增加了约20万平方米。以每户70平方米来计算, 2002年有1万户长沙市民买到经济适用房。这使得一部分商品住宅消费者的住房消费转移。另外, 当年的拆迁补偿方式为住房面积补偿而不是现金补偿。因五城会的召开, 长沙着力改造提升老区, 拓展新区, 政府广泛开展房屋拆迁改造工作。但是当时的拆迁补偿方式主要是住房补偿方式, 而不是现在普遍存在的、能刺激房地产消费的现金补偿方式, 这样就对房地产开发量的增加有延缓作用。

3、新一轮稳步上升期:

2003-2006年。2003-2006年, 长沙市城区商品住宅价格实现了新一轮平稳增长。这4年来长沙市商品住宅价格上升平稳, 主要是依靠国家政策的宏观调控。如2003年6月5日, 中国人民银行发布了《中国人民银行关于进一步加强房地产信贷业务管理的通知》 (121文) , 从开发资金和个人住房贷款两方面出手, 从供给到需求整个流程卡住房地产商的资金链。2003年9月1日, 国务院发布了《国务院关于促进房地产市场持续健康发展的通知》, 从完善供应政策, 调整供应结构;改革住房制度, 健全市场体系;发展住房信贷, 强化管理服务;改进规划管理, 调控土地供应;加强市场监管, 整顿市场秩序等六个方面进行了调控。2005年5月12日, 国务院转发了建设部、发改委、财政部等七部门《关于做好稳定住房价格工作的意见》, 意见要求各地区、各部门要把解决房地产投资规模过大、价格上涨幅度过快等问题, 作为当前加强宏观调控的一项重要任务。而长沙已被列为国家对房地产市场进行重点调控的35个大中城市之一。

4、强势膨胀期:

2007年。2007年, 长沙市商品住宅价格首次突破3000元大关, 而且比上一年上涨了681元, 增幅达到了的25.31%, 相当于1999-2006年平均上涨幅度的10倍以上, 这也属于近十年来商品住宅价格变化的反常现象。这种现象的产生也是有一定的特殊原因的。首要原因是宏观投资热潮。2007年全年完成固定资产投资1445.18亿元, 比上年增长32.6%。其中全年房地产开发投资412.99亿元, 比上年增长35.9%。商品房销售面积985.09万平方米, 比上年增长32.8%, 住宅销售额298.30亿元, 增长76.9%。其次是民间资本, 即炒房团的进入。长沙作为国内的二线城市和一线城市 (如深圳) 的产品和消费水平差距逐渐缩小, 但在房产价格的差距上却很大, 但从当时的数据来看, 甚至达到了上万的差价, 更何况长沙房地产市场相对其他的二线城市而言, 房价是比较低的。再加上毕业后又留在长沙的人比例增大, 购买房子的人群正在扩大, 因此, 对于一线城市 (如深圳) 来说, 长沙房产升值的空间也相当大。因此, 炒房团大量游资落户长沙房地产市场, 长沙市城区商品住宅价格被抬高。再次是消费者价格预期。2006年商品住宅价格的稳中有升, 2007年季度均价呈现逐季上涨的趋势, 特别是第三季度环比涨幅较大, 第四季度住宅价格约上涨了908元/平方米。因此, 消费者大都认为商品住宅价格上涨是必然趋势, 购买商品住宅是稳定的投资行为。另外, 房贷缺陷也是导致2007年商品住宅价格强势膨胀的又一原因。首付两成、一成, 甚至零首付的情况屡屡出现。这促进了买房者的房地产消费。商业银行不良资产有增无减, 房贷评估有缺陷。房贷首付低使得2007年商品住宅累计销售达722.67万平方米, 与2006年相比增长35.87%, 住宅销售占商品房销售总量的89.17%。

5、理性调整期:

2008年。2008年长沙市商品住宅价格增幅减缓, 市场逐步回归理性。原因主要体现在:首先, 2004-2007年, 全国主要城市楼市迅猛发展、房价一路飙升、房地产投机盛行、热钱涌入资本市场, 诸多迹象显示楼市已偏离正常轨道。政府出台一系列调控政策, 从土地供应、资金筹集、税率等渠道遏制失控的楼市, 在媒体的渲染下, 市场观望气氛愈集愈浓, 市场成交量持续走低。其次, 市场供大于求, 市场有效需求不足。尽管近半年内市场销售量稳定上涨, 但幅度很小, 并且与2007年相比减少接近30%, 整体市场观望氛围依旧, 投机型消费基本匿迹, 刚性需求受到抑制, 短期内难以看到全面复苏的景象。然而存量房地产数量却很大, 造成市场供大于求, 供求比接近2∶1。

三、长沙市商品住宅价格变化趋势预测

(一) 灰色关联模型

灰色系统理论, 亦称灰色理论。灰色理论具有只需少量数据就可作系统分析、模型建立、未来预测、行为决策和过程控制的特点。灰色预测法的基本思想是通过鉴别系统因素之间发展趋势的相异程度, 既进行关联分析, 并对原始数据进行生成处理来寻找系统变动的规律, 生成有较强规律性的数据系列, 然后建立相应的灰色预测模型, 对具有灰色系统特征的社会、经济等现象进行预测。

由于影响商品住宅价格的因素很多, 它们之间的作用关系错综复杂, 难以阐述清楚, 但我们可以得到商品住宅平均销售价格的历史数据, 这些历史数据实际上是过去各种确知的和不确知的信息的综合反映, 因此商品房住宅价格完全可以用历史数据作为灰色信息的反映来进行分析、研究确定其变动规律, 从而确定出其未来的走势。下面简述借助GM (1, 1) 灰色预测模型建立商品住宅价格预测模型过程的主要步骤:

第一步, 数据生成处理。将原始数据, 即历年的商品住宅平均销售价格作某种数学处理。在灰色系统建模理论中, 用得较多的主要是累加生成, 即按时间序列依次累加。设原始观测数据列为{x (0) (k) }k=

1, 2, 3……n, 令x (1) (k) = (i) (i=1, 2, 3……n) , 则{x (1) (k) }, 即为{x (0) (k) }的一次累加序列。累加生成的主要作用是使原来杂乱无章的原始数列变为较有规律的数列。

第二步, 构造数据矩阵B和数据向量Yn。GM (1, 1) 的数据矩阵为:

数据向量为:

第三步, 确定参数a和u。采用最小二乘法对待定系数求解, 则有:

第四步, 预测模型的建立。GM (1, 1) 预测模型的一般形式为微分方程:

它的离散响应为:

根据灰理论建立的商品住宅价格预测模型。由于GM (1, 1) 得出的x赞 (1) (k) 是一次累加量, 因此必须将预测值x赞 (1) (k) 还原为x (0) (k) , 即:

x赞 (1) (k) =x赞 (1) (k) -x赞 (1) (k-1)

第五步, 模型精度检验。灰色模型的精度通常用残差大小检验法, 关联度检验法和后验差检验法检验, 文章采用残差大小检验法。计算残差:

相对误差向量:

以长沙市2003-2008年商品住宅平均销售价格作为原始数据计算得到:

将B、Yn代入公式得到:

从而得到预测模型为:

由上式得到预测值 (见表1) 。

(二) 其他影响因素分析

商品住宅价格的变化受到人口因素、收入因素、经济发展水平、物价水平、信贷政策、土地政策等因素共同影响。我国政府将采取更加积极有效的政策措施, 稳定市场信心和预期, 稳定房地产投资, 推动房地产业平稳有序发展。

四、结论

1998-2008年, 长沙市城区商品住宅价格除2002年有所下降以外, 总体呈上升趋势。根据灰色关联模型预测结果, 2009年以后, 长沙市商品住宅价格超过4000元。但是商品住宅价格的变化受到诸多因素的影响, 所以任何对商品住宅价格的预测都是不完全准确的。因此, 预测结果仅仅只能反映商品住宅价格的大致走向, 不能作为数值参考。

参考文献

[1]、长沙市2008年国民经济和社会发展统计公报[DB/OL].长沙统计信息网.

[2]、2007年长沙市房产市场年报[Z].长沙市房产研究中心.

[3]、邓华.长沙市房地产业可持续发展研究[J].湖南农业大学, 2006 (12) .

[4]、曹英.长沙市房地产的价格波动与预测研究[J].湖南大学, 2007 (4) .

[5]、李菲, 孙文彬, 张军.灰色理论在商品住宅价格预测中的应用[J].辽宁工程技术大学学报 (社会科学版) , 2004 (6) .

住宅价格特征 篇2

智研数据研究中心网讯：

内容提要：从二手住宅价格变动情况来看，70个大中城市中，价格下降的城市有7个，持平的有12个，上涨的有51个。环比价格上涨的城市中，涨幅均未超过1.7%。

内容选自智研数据研究中心发布的《2014-2019年北京住宅市场前景研究与投资前景评估报告》

进入2013年以来，全国各地仍不断传出房价上涨、土地市场成交火热的消息，广州、深圳等一线城市房地产市场依然成交活跃。而杭州宁波也在上涨城市之列，但涨幅可以说微乎其微。

国家统计局公布的数据证实了这一判断。数据显示，北京、上海、深圳、广州四大房地产一线城市，新建商品住宅（不含保障性住房）价格环比涨幅分别为2.1%、1.3%、2.2%和2%，居70个大中城市涨幅榜前列。70城中房价环比下降的有10个，持平的有7个，上涨的有53个。环比价格上涨的城市中，涨幅均未超过2.2%。

从二手住宅价格变动情况来看，70个大中城市中，价格下降的城市有7个，持平的有12个，上涨的有51个。环比价格上涨的城市中，涨幅均未超过

1.7%。

商品住宅价格变化驱动力研究 篇3

关键词：商品住宅；价格；主成分分析

近年来，商品住宅的消费已经成为整个房地产行业发展新的驱动力。但是，随着国民经济的快速发展，商品住宅价格的快速上涨已经成为全社会十分关注的焦点。由于商品住宅不仅是生产和生活的必需品，而且也是一种资产或财富。商品住宅的价格的微小变化既关系到普通居民的生产和生活问题，也关系到一个城市发展潜力和竞争力，更关系到国家经济发展的稳定、宏观经济政策等。

一、商品住宅价格影响因素理论分析

商品住宅价格的形成受多种因素的影响或制约，是由多种因素相互制衡的结果，本文从房地产市场的参与各方角度以及商品住宅市场自身出发，对影响商品住宅价格变化的因素归为五大类。

1.房地产开发商因素

开发商是商品住宅的开发主体，开发商进行商品住宅开发是以获得未来的房地产资产增值或收益为最终目的。因此，开发商在项目开发前期的土地取得成本和开发商所选用的建筑商在建设期对商品住宅建造成本直接影响到商品住宅建成后的定价。

2.商品住宅市场供求因素

商品住宅价格水平的高低及其变动，从经济学上讲，是由商品住宅市场的供给和需求这两种相反的力量共同作用的结果。在市场经济中，供求关系是商品住宅价格变化的关键，如果住宅市场供不应求，商品住宅价格将超出其生产价格，反之则有可能低于其生产价格。此外，在短期内或某一时点上的价格决定和变动都是由市场供求关系来完成的，供求关系是决定市场价格的最直接的因素。

3.地方政府政策因素

房地产业是一个区域性的产业，随着住宅产业的快速发展，许多地方政府将房地产业列入地区经济发展的重要支柱产业之一。商品住宅价格的逐年上涨，短期内能为地方政府带来直接的土地出让、税收、财政和各类相关费用收益，有利于城市面貌的迅速改善和地区经济发展。

4.商品住宅消费者因素

商品住宅消费者的收入水平直接影响到商品住宅价格水平。商品住宅作为一种高档耐用的消费品，从所有者、经营者过渡，转让给消费者，以实现其价值，在很大程度上受到当地居民收入水平的制约。

5.其它因素

银行存款利率会对住宅价格产生直接影响，这己在国外众多住宅价格实证研究中得到证实。如果当银行利率提高、银根紧缩时，居民会倾向于到银行存款而不愿意持有房地产，从而减少了对住房的需求，这会对商品住宅价格产生趋低的影响；而较低的银行利率则会鼓励住宅投资者，从而有利于住宅市场价格的上扬和市场的繁荣。此外，城市化意味着人口向城市集中，造成城市房地产需求不断增加，尤其是对商品住宅的需求激增，从而带动了城市商品住宅价格的上涨，这方面在大城市表现的尤为明显。

二、商品住宅价格驱动力的经济数量分析

1.驱动因子的选择及说明

本文以西安市2001-2005共5年的数据为实证分析样本，选取了9个具有代表性自变量指标和1个因变量指标。X1为竣工住宅造价（元/m2）；X2为土地购置费用（万元）；X3为商品住宅供需比（当年住宅开发竣工面积/当年住宅现房销售面积+当年住宅预售面积）；X4为国有土地出让收益（万元）；X5为房地产业增长对GDP增长的贡献率（当年房地产投资增加额/当年GDP增加额）；X6为当年人均居住消费额（元）；X7为当年人均可支配收入（元）；X8为银行存款利率（%）；X9为城市化水平（本地区非农人口/本地区总人口）；Y 为商品住宅销售均价（元/ m2）。

2.分析过程

（1）因变量Y和自变量X1—X9的相关性分析

运用SPSS统计分析软件对Y和X1—X9做两两相关性分析。

相关性分析是分析两个变量之间的关联度大小，从表1中可以看出X1、X2、X3、X4、X5、X7与Y都有较强的相关性，初步说明这几个变量的变化对Y的变化有较强的影响作用。X6、X8、X9与Y的相关性较弱，相关系数都小于0.7说明它们的变化对Y的影响较弱，因此这三个驱动因子可以剔除。

（2）对X1、X2、X3、X4、X5、X7驱动因子的主成分分析

运用SPSS统计分析软件将X1、X2、X3、X4、X5、X7因子原始数据进行标准化处理后，再进行主成分分析。

3.分析结论

通过表2主成分1的特征值可知，应该提取1个主成分，且这个主成分的累积贡献率达到了86.587%，基本符合分析要求。由此进一步得出主成分载荷矩阵（表3）主成分载荷矩阵是主成分与变量之间的相关系数。从表3中可以看出，当年人均可支配收入、竣工住宅造价、土地购置费用、商品住宅供需比在主成分上的载荷超过了0.9，说明主成分较高较好的反映了这四个指标所反映的信息。国有土地出让收益和房地产业增长对GDP增长的贡献率在主成分上的载荷界于0.8—0.9之间，说明主成分反映这两个指标的信息虽然不及其它四个指标好，但是其高于0.8的载荷也说明了其反映信息的重要性。据此，西安市商品住宅价格变化的驱动力可以归纳为商品住宅市场需求旺盛因素、住宅开发成本升高因素和地方政府追逐自身利益因素三类。

三、政策建议

1.调整住宅市场供应结构，增加经济适用住房和廉租房供给比重

目前，我国已初步建立起了商品性住宅、经济适用住宅和廉租房为主体的住房保障体系。通过对西安市商品住宅价格的实证分析，可以看出迅速增长的有效需求得不到满足是造成房价居高不下的主要原因之一，究其原因依然是经济适用住房和廉租房的有效供应不足所导致的广大中低收入者的住房需求没有有效的在经济适用住房和廉租房上得到释放从而转嫁到商品住宅市场，造成商品住宅价格居高不下。因此，政府在今后一段时期内大量建设面向最低收入家庭的廉租住房和面向中低收入家庭的经济适用住房仍是安居工程的重中之重。

2.合理规划城市住宅用地，促进住宅建设工业化程度

在土地价格日益规范透明的前提下，从地价方面要想达到降低房价，一条出路就是在土地面积有限的情况下通过提高土地容积率来实现。但并不是说，楼盖得越高、容积率越高，房价就会下降。因为政府规划不仅会限定住宅楼高度不能超过一定数值而且在防火、抗震等其它方面也有要求。故此，由于诸多条件的限定，在单位面积内既要符合城市规划条件，又要多出房以降低房价，这就要求城市规划部门更加专业和合理的对城市住宅用地进行规划。降低建安成本的另一个途径有赖于提高住房建设的工业化程度，要通过应用新产品、新技术、新材料、新设备、增大科技含量，来降低能源和原材料消耗，提高劳动生产率。但是由于我国是一个发展中国家，建筑业、房地产业都尚处于粗放型的发展阶段，要想实现上述转变必然是一个长期的渐变过程。

3.进行地方政府发行公债试点，改善对地方政府的绩效考核体系

地方公债是指地方政府在经常性财政收支不足的情况下，为满足地方经济与社会公益事业发展的需要，按照有关法律规定向社会发行的一种债券。在现今许多地方政府财政靠土地出让收益、经济发展靠房地产业发展的背景下，发行地方公债可以拓宽地方政府财税收益渠道、缓解地方经济发展靠房地产业支撑的局面。此外，在举国上下以经济建设为中心的情况下,地方政府政绩就体现在为当地带来的经济发展速度，地方政府的政绩必须在自己的任期内发挥出来,才能对自己的政治前途产生积极的影响。而在现实中最能体现干部政绩以交通建设和市容市貌建设为带动下GDP产值增加，因此房地产业的发展便成了首选。因此，中央政府应在传统的地方政府绩效考核体系中增加有关地方民生指标，如将地方CPI指数、房地产价格指数在地方政府任期内是否异常升高作为民生指标考核地方执政者。

作者单位：西北农林科技大学经济管理学院

参考文献：

[1] 陈伯庚. 商品住宅资产价格特性及其波动规律探索[J].上海房地，2007，1：11-14.

[2] 吕彦彬. 谈商品住宅房市场的宏观调控 [J] .河北北方学院学报，2007，6：31-34.

[3] 刘翎.商品住宅价格的决定:上海市场的计量模型研究[J].科学?经济?社会，2006，1：26-29.

[4] 胡建兰. 从供求角度研究商品住宅价格高涨问题[J].研究与探索，2006，11：57-59.

[5] 冯广京.关于调控商品住宅价格着力点的研判[J].中国土地科学，2006，4：44-50.

住宅价格特征 篇4

据报道,2011 年我国高尔夫核心人口数量上升至35.8万人,较2010 年上升7.5%。高尔夫消费群体日渐扩张,高尔夫运动已成为重要的休闲方式。高尔夫旅游被认为是当地经济发展的“添加剂”、招商引资的“助推器”、形象提升的“扬声器”。在如此强势的趋势下,结合高尔夫球场自身的综合资源,使得各大房地产商将眼光瞄准高尔夫地产开发。目前,国内外大多是定性分析高尔夫球场对经济和房地产市场影响,缺少相关定量分析。昆明市拥有良好的气候和景观优势,适宜高尔夫球场开发,因此,本文以昆明市为区域用特征价格模型定量研究高尔夫球场对其周边房价影响。

一、文献综述

房地产价格特征模型源于新消费者决策理论,即:商品的价格是由其组成的各个特征共同决定的,消费者需要的不是商品本身,而是源于这些商品所体现的特征要素。Tiebout把特征价格模型引入房地产与城市经济领域。在应用领域,国外学者将空间计量经济模型应用于特征价格模型研究。学者们分别研究了不同特征因素对住宅价格产生的影响,如轨道交通站点、主次街道的影响等。此外,特征价格模型也运用到房地产价格指数的编制。国内关于特征价格模型的研究已经有10 年时间,最早是由中国人民大学蒋一军利用特征价格方法提出了计算异质商品价格指数的方法,并将其应用于房地产价格指数的计算。华南理工大学彭新育介绍了特征价格理论的基本模型及函数的估计,并结合我国的具体情况,讨论了特征价格方法应用的可能性,指出特征价格方法可以成为城市地价评估的手段之一。我国自2003年起才有运用大量数据对国内城市住宅市场建立特征价格模型的实证研究。

二、高尔夫球场与房地产市场

高尔夫球场与房地产物业相结合,两者相互促进提升物业价值,形成了高尔夫地产。促成高尔夫球场与房地产联合开发的原因,除了社会经济发展和高尔夫运动推广产生的动力外,最主要的还是与高尔夫关联的相关物业开发带来的巨大经济收益的利益驱动。具体可以分为3 个方面:(1)增加地产的土地价值。最突出的案例为深圳观澜湖高尔夫球场推动其土地价值从2004 年的2 600 元/ 平方米的楼面地价上升到2009 年的6 826 元/ 平方米,并吸引了包括中航地产、城建地产和万科在内的多家知名发展商参与该区域的房地产开发,带动了观澜湖区域的整体发展,说明了高尔夫充分发挥了提升地产价值的功能。(2)加快开发商资金的回笼。据统计,高尔夫球场能扩大房地产市场的吸引力,从而能加快整体资金回笼的20%—30%,这为投资开发者转化为更高的利润。(3)房地产项目在其实际规划中和现有的生态条件下,都需要高尔夫球场来容纳雨水径流,使得在湿地或其他环境敏感的地区里能与地产结合成为整体,从而增加其他生物多样性。

三、基于特征价格模型对昆明市高尔夫球场对周边住宅地价影响实证分析

(一)昆明市高尔夫球场及周边住宅情况

本文主要选取了目前昆明市5 家大型高尔夫球场且周边有住宅开发的:(1)昆明万达高尔夫球会,占地754 亩,周边住宅有滇池卫城紫屿、滇池卫城蓝湾、滇池卫城悦湖郡、滇池卫城尚城、滇池卫城橡尚、蓝域晴天。(2)阳光高尔夫球场,占地2 400 亩,周边住宅为溪麓·南郡、清水木华。(3)春城高尔夫球湖畔度假村,占地7 496 亩,周边住宅沁风御庭。(4)滇池湖畔高尔夫球会,占地1 000 亩,周边住宅为滇池高尔夫别墅、东岸紫园。(5)云南昆明温泉山谷高尔夫球会,占地1 180余亩,周边住宅为温泉山谷3 期风溪谷。

(二)选取的解释变量和被解释变量

1.解释变量的选取

巴特勒1982 年在hedonic模型应用于住宅价格分析中就指出,三大影响住宅价格因素:建筑结构、区位和邻里关系。因此,本文将这三大影响因素作为解释变量引入模型中。以所处环线(hx)描述区位,住宅所处昆明市环线位置赋值:位于1 环内,取1;1—2 环,取2;2—3 环,取3;3 环外,取4;绿化率(lh)和物业管理费(wg)描述邻里关系,其中物业管理费越高,代表管理越好,居住环境越好;住宅距高尔夫球场的直线距离(jl)和高尔夫球场面积(qm)描述高尔夫特征;房屋建筑面积(mj)、房龄(fl)和房间个数(gs)描述建筑结构特征。

2.被解释变量的选取

参考大多数文献,本文以住宅成交价格为被解释变量。

3.构建模型

采用Hedonic模型基本形式:P=β0+β1mj +β2gs +β3qm +β4jl+β5hx+β6lh+β7wg+μ

由于昆明市高尔夫球场都位于三环外,因此与球场毗邻的小区也都处于三环外,所以可将区位中环线因素剔除。修正后模型为:P=β0+β1mj+β2gs+β3qm+β4jl+β5hx+β6lh+β7wg+μ(1)

本文所用数据均来自2014 年昆明市搜房网,该网站是昆明市最专业的网上房地产信息网,信息量大、全和准确。将257 个数据代入模型中,用Eviews软件分析所得模型各解释变量前的系数偏大,且对于房间个数、绿化和物管费的系数符号不符合常识。对于高尔夫球场面积和住房房龄的t统计量检验不通过,所以,高尔夫球场面积和房龄对于高尔夫球场周边住宅房价影响不显著。对于这一点可能的原因,一是因为昆明市高尔夫球场建立时间不长,周边住宅也较新,各住宅房龄相差不大,所以房龄对房价的影响较小。二是人们更注重高尔夫球场提供的环境和其他因素,对它的面积大小不太在乎,所以高尔夫球场面积对房价影响也不大。拟合优度R=0.8,可见拟合效果不是太好。

试算模型(2):根据模型(1)进行调整得到模型(2)。由于房价数值较大,所以,对该变量采取自然对数化形式会较符合线性模型要求。房龄和高尔夫球场的面积对高尔夫球场周边住宅房价影响不显著,所以剔除这两个变量。修正后的模型为:

由模型2 的统计的结果可得,模型各系数符号符合常识,且各解释变量都通过置信度在0.1 的t统计量显著性检验,所以各解释变量对房价的影响是显著的。拟合优度R=0.9,较模型1 有了提高,可见方程的拟合程度较好。方程的整体显著性F检验也通过,说明各解释变量对被解释变量的整体影响是显著的。最后模型形式可写为:LOG(P)=12.186+0.0038*MJ-0.00019*JL+0.1358*GS +1.216*LH + 0.24275*WG

由于截面数据容易产生异方差,所以对模型2 进行异方差检验:采用怀特检验。由统计结果可得n=159.48 大于0.05显著性水平下、自由度为20 的分布临界值。所以,拒绝同方差假设。

下面对模型2 采用加权最小二乘回归进行异方差的修正。修正后的模型拟合优度R=0.999,可见方程的拟合程度非常好,各解释变量的T统计值有了显著性改善,可通过置信度为5%的显著性检验。所以,修正后的模型(2)的最终结果为:

4.结果与分析

最终结果(3)式符合经济检验且通过了统计检验,表明高尔夫球场对周边住宅的房价影响是显著地,距离高尔夫球场越近,房价越高。具体数值为在其他因素不变的情况下,住宅每接近高尔夫球场1 米,住宅价格上升0.017%。同时该模型也验证了其他因素对房价的影响,如面积越大,房价越高;房间个数越多,房价越高;绿化率越高,房价越高;物业管理服务越好,房价越高。

5.模型的不足与局限

本模型存在的不足和局限之处,一是在收集和处理数据的过程中,由于各种因素的影响使得数据存在一定的误差。二是样本量太少,样本数据不是在同一时间截面上,而模型中又未能反映时间对房价的影响,使得模型置信度有一定的削弱。三是模型的函数形式可能存在一定缺陷,仅用对数和线性形式只是对复杂的社会现实的粗糙拟合。最后,由于对房价的影响因素由很多,本文只是考虑了一部分,可能忽略了某些重要因素的影响。

摘要：结合住宅房地产市场特征,借鉴已有的特征价格模型和研究方法,对昆明市高尔夫球场对周边房价的影响进行实证分析,构建昆明市高尔夫球场对周边房价影响的经济模型,揭示昆明市高尔夫球场对周边房价的影响程度。根据模型分析结果可得:在其他因素不变的情况下,住宅每接近高尔夫球场1米,住宅价格上升0.017%。

关键词：特征价格模型,高尔夫球场,房价

参考文献

[1]郁小平.高尔夫旅游的产生因素及有效作用分析[J].开放导报,2005,4(2):108-109.

[2]王庆.浅析高尔夫综合资源对高尔夫房地产影响——以深圳观澜湖高尔夫球会为例[J].特区经济,2012,(4):287-289.

住宅价格的影响因素分析 篇5

一、住宅价格影响因素的理论分析

在市场经济条件下,住宅是一种商品,因而其价格由市场机制决定。住宅的均衡价格是在住宅供给和需求双方相互作用过程中形成的,当住宅供给和需求在竞争机制的作用下达到均衡时,所对应的价格便是均衡的住宅价格。但如果影响住宅供给和需求的因素发生了变化,住宅供给和需求也会发生变化,从而引起住宅均衡价格发生变动。

(一)影响住宅价格的供给因素分析

住宅供给是指房地产开发商或房地产持有者在某一特定时期内,在每一价格水平上愿意而且能够提供的住宅数量。除了住宅价格外,住宅供给的主要影响因素有:(1)土地供应量与土地价格。土地是房地产的首要构成要素,土地的供应量很大程度上决定了房地产的开发量,土地的价格直接影响房地产开发成本。(2)资金供应量。房地产业属于资金密集型产业,房地产开发需要大量资金,因而资金供应量影响房地产投资规模。(3)利率。中国金融市场不发达,市场机制不成熟,间接融资比例很高,房地产投资在相当大的程度上需要银行信贷资金支持,因此贷款利率对房地产供应量也有很大影响。(4)住宅价格预期。开发商预期未来住宅价格会涨,则会减少当前的住宅供应,反之则增加当前的额住宅供应。

通过以上分析,住宅供给函数可表示为:

其中,S为住宅供给量,P为住宅价格,E为土地供应量,EP为土地价格,K为资金供应量,R为利率,Pe为住宅价格预期。

(二)影响住宅价格的需求因素分析

住宅需求是指在一个特定的时期内,消费者或投资者在各种可能的价格下,愿意而且能够购买的住宅数量。影响住宅需求的因素是多方面的,除了住宅价格外,主要有以下因素:(1)国民经济发展水平和家庭收入水平。一国或一个地区的经济发展水平是影响房地产需求的决定性因素。经济发展水平高的地区,家庭收入水平也高,对住宅的购买能力就强,因此住宅需求就比较旺盛。反之则相反。(2)人口数量和结构。随着城市人口的增长,对住宅的需求随之增长。城市人口数量增加的同时,家庭人口结构也在发生变化,如家庭呈小型化、分散化。家庭平均人口减少,相对家庭户数增加,对居住、生活空间的需求必然增多。(3)利率。一套住房价值几十万甚至几百万,工薪家庭单纯靠已有的积蓄是买不起的,一般需要向银行进行住房按揭抵押贷款。住房抵押贷款利率的高低决定了贷款成本的大小,对住房消费性和投机性需求均会产生影响。(4)住宅价格预期。消费者和投资者预期未来住宅价格会涨,则会增加住宅的现实需求,反之则减少当前的住宅需求。

通过以上分析,住宅需求函数可表示为:

其中,D为住宅需求量,P为住宅价格,Y为家庭收入水平,N为居民数量,R为利率,Pe为住宅价格预期。

联立式(1)和(2),可以得到:

也就是说,住宅价格主要受到土地供应量、土地价格、资金供应量、家庭收入水平、居民数量、利率和住宅价格预期等因素的影响。

二、住宅价格影响因素的实证分析:以重庆为例

(一)变量选择

从上面的分析可知,住宅价格受供给和需求两大方面的约束,因此实证研究影响住宅价格的主要因素应该主要包括供给和需求因素。供给方面的主要影响因素有土地因素以及资金因素,土地因素可以通过住宅竣工面积最终反映,资金因素则可以通过房地产开发投资总额最终反映,同时选择利率作为影响供给的主要政策因素。从需求方面看,住宅的消费性需求主要受城市人口因素与人均可支配收入的制约,其他的影响因素最终会在两个方面得到反映。住宅的投机性需求主要受政府的政策与银行利率,以及对住宅市场预期的影响。因此,市区人口因素和人均可支配收入可以作为影响房地产价格消费性需求的主要因素,而住宅的投机性需求则可以利用政策方面的利率变化来反映。

本文利用多元回归方法构建重庆住宅的价格决定模型。将住宅房地产平均价格Y(元/平方米)设为被解释变量,在供给方面,选取房地产开发投资额X1(亿元)和住宅竣工面积X2(万平方米)两个解释变量。在需求方面,选取城镇居民人均可支配收入X3(元)和市区人口X4(万人)两个解释变量。同时将影响供给与需求两方面的利率也作为解释变量,由于贷款利率在同一时期可以有一定浮动幅度,因此选取相对稳定的一年期定期存款利率作为解释变量X5(%)。

(二)构建多元线性回归模型

根据前面的分析,构建多元线性回归分析模型如下:

由式(4)通过e-views计算得到估计方程,可知X1、X2、X3分别在1%、5%、10%的显著性水平上通过T检验,而X4、X5不显著。

为此,我们做原假设,H0:β4=0,β5=0,然后进行F检验,发现其F值为1.895928,在15%的显著性水平上不能拒绝原假设,所以X4、X5对被解释变量Y的影响联合不显著。同时检验时发现该估计方程所得的残差平方和与X是相关的,X4、X5为非外生变量。

剔除X4、X5之后,再进行回归估计。得出如下结果,可以发现X1、X2、X3明显显著。

为检验该估计方程的稳定性,检验所得残差和解释变量之间的相关性。可得Cov(u,x)=0,即u与x是无关的。

所以,研究模型估计的最终结果为:

(三)模型评价

根据上述分析,剔除掉市区人口X4和一年期定期存款利率X5之后模型通过显著性检验和其他检验,说明对商品房价格影响显著的因素主要是房地产开发投资额X1、住宅竣工面积X2和城镇居民人均可支配收入X3。模型结果的意义是:住宅竣工面积对商品房的影响最大,它与商品房价格呈负相关,竣工面积每增加1,商品房价格平均下降62.4904%,相反,住宅竣工面积每少增长1,商品房价格平均上涨62.4904%;其次人均可支配收入对商品房价格的影响也较大,当人均可支配收入增加l,商品房价格平均增加15.3245%。

仔细观察回归结果,会发现有两处与人们的一般理解不一致,解释如下:第一,房地产开发投资额反映了资金供应量,房地产开发投资越多,房地产供应量越大,按照供求规律,在需求保持不变的情况下,房价应该会下降,按此分析,房地产开发投资与房价应该是负相关的关系。但我们的回归结果显示,房地产开发投资与房价的相关系数为正。究其原因有两个方面:一方面,房地产开发投资的增长部分主要消耗在土地价格增长上面,同时,由于房地产开发有一个较长的周期,所以房地产开发投资增长并没有导致房地产供给量的同幅度增长,另一方面,政府过分干预房地产市场,使供求机制没有发挥应有的作用。不过,房地产开发投资额与房价的相关系数很小,说明房地产开发投资额对房价影响较小。第二,利率应该是影响房价的一个重要因素,但是在模型中却把利率剔除了,其原因是:利率不仅影响供应也同时影响需求,假如利率上升,一方面会增加住宅开发成本,使住宅供应量减少,产生住宅价格上升的压力,另一方面会增加住宅购买成本,使住宅需求量也减少,产生住宅价格下降的压力,两种相反的力量相互抵消,所以住宅价格保持不变或变化很小。而利率下降也会产生同样的结果。

三、结束语

通过上述分析,我们可以得出结论:十几年来,导致中国房价持续上涨的原因主要有两个,一个原因是中国的住宅竣工面积相对加速城市化进程中人们的需求来说增长速度过慢,住宅供不应求导致房价快速上涨,另一个原因是中国城市居民收入一直呈快速增长趋势,这从需求方面拉动房价上涨。政府要想平抑快速增长的房价,应该想办法增加住宅竣工面积,光靠采取调整利息的金融政策对平抑房价几乎没有什么作用。

摘要：房价问题一直是社会的焦点问题,分析住宅价格的影响因素,具有重要的现实意义。首先运用定性分析的方法,从理论上分析住宅价格的影响因素,然后以重庆为例,运用回归分析方法,实证研究影响住宅价格的因素。

关键词：住宅,价格,影响因素

参考文献

[1]吴易风,刘凤良,吴汉洪.西方经济学[M].北京:中国人民大学出版社,2000:30-32.

[2]乔志敏.房地产价格研究[M].北京:经济管理出版社,2002:53-63.

[3]曹丹,谢合明.中国商品住宅销售价格上涨特征及原因[J].西南民族大学学报:人文社科版,2006,(4):166-168.

我国住宅价格与投机研究 篇6

投机是行为主体从自身利益出发的一种经济行为, 大规模地投机性购买房地产 (住宅) 必然导致房地产 (住宅) 售价的暴涨。2005年至今, 调控政策频繁出台, 房价周而复始波动, 投机行为被严厉打击, 但所有的这些并没有从根本上解决房价过高的问题。2010年“国十条”、“限购令”, 2011年“国八条”等新一轮更紧政策的颁布确实在一定程度上起到了抑制房价过快上涨的作用, 然而住宅市场是否还有泡沫?是不是如理论界所说的这两年住宅市场的投机行为已经被挤出?而且国家统计局2011年2月16日公布了《住宅销售价格统计调查方案》, 新方案的公布不仅对房价指标进行了调整, 而且数据采集、计算方法以及数据发布方式和时间都出现了很大的改变, 这就存在研究数据前后衔接的问题, 因此这两年研究住宅价格与投机的文章较少。基于此背景, 笔者写了此篇文章。

二、我国住宅价格与投机的现状

(一) 投机的概念

理论界对于投机概念的界定有很多, 本文认为, 投机是在投资基础上演变而来的。投资需求所决定的住宅价格应该围绕住宅的基础价格上下波动, 长期内, 波动的均值应等于住宅的基础价格。但当投资的目的不是为了获得住宅资产的长期收益, 当投资的收益目标也不是长期的行业平均收益而是短期的资本利差的时候, 这种投资就演变成了投机。房地产投机活动的结果之一是住宅价格在一定时期内对住宅基础价格的系统偏差, 当然, 这种偏差可能是正的也可能是负的。事实上, 住宅价格正是由基础价格和这种系统偏差所构成的, 在投机盛行的住宅市场中, 由投机引起的这种系统偏差甚至可能成为住宅实际价格的主要构成部分。

(二) 中国住宅价格与投机的现状分析

对于住宅投机泡沫的研究, 国内外相关文献都对此有大量的研究。但本文从自己研究的目的出发———投机是住宅价格一定时期内对其基础价格的系统性偏移, 其结果之一是引起了住宅价格的泡沫, 结合数据的可得性提出自己的见解来分析住宅泡沫的指标。

1. 住宅价格收入比。

我国住宅的房价收入比这两年整体上还算合理 (世界银行提出发达国家正常的房价收入比一般在1.8~5.5之间, 而发展中国家合理的房价收入比则在3~6之间, 比值越大, 说明居民家庭对住房的支付能力越低, 见表1) , 但由于全国是一个平均数值, 在某些情况下失去了意义, 因此再结合表1中的其他城市分析。北京、上海和杭州的房价收入比远远高于全国的平均水平并且也超出了合理水平。广州、天津房价收入比略高于全国水平但基本在合理水平的范围之内。青岛、重庆房价收入比低于全国平均水平。而且从表1里还可看出, 住宅的房价收入比趋势不明显, 除北京从2010年3季度至今住宅的房价收入比一直在降但仍超出合理区间外, 其他城市住宅的房价收入比趋势都是有升有降。

资料来源:根据全国和各个地市统计局网站以及中国房地产指数系统百城价格指数报告的数据测算。

总之, 从住宅的房价收入比上来看, 我国从2010年下半年至今, 住宅市场上仍然是有泡沫的。

2. 住宅空置率。

住宅空置率的计算十分复杂, 但很多数字都表明我国一线城市的住房空置率非常高, 有媒体报道, 在上海、深圳、北京甚至昆明等城市, 近几年新建的商品房, 许多小区入住率甚至都不到50%。一线城市住宅平均黑灯率超3成, 海南30个楼盘黑灯率超70%, 北京高档楼盘空置率30%, 天津高档楼盘空置率超30%, 广州存量住房空置率高达20.24%, 已超国际警戒线的一倍, 苏州房屋空置率近20%。总之, 我国的住宅空置率仍然很高。

3. 投机度。

从表2可看出, 一线城市的北京和上海在国家这两年严厉的政策调控下住宅投机度并不高, 深圳和广州如果按40%的标准, 也都没有投机, 反倒是二线城市住宅的投机度很高, 重庆住宅的投机度高达0.77。

资料来源:根据中国指数研究院指数中心公布的《十大城市房地产价格指数》和《住宅租赁价格指数报告》对2011年11月到2012年5月住宅价格的相关数据和住宅租赁价格数据进行整理测算。

由此可以说明, 虽然国家对住宅市场实施了更加“从紧”的政策, 我国的住宅价格在2010年11月到2012年5月这个时间段内仍存在由于投机产生的泡沫。

4. 小结。

2010年到2012年5月, 我国住宅投机行为依然存在, 二线城市的投机度甚至比一线城市还高。

三、引起住宅市场投机的原因

客观上说, 投机是伴随市场经济产生的一种经济行为和现象。在住宅市场中, 住宅价格在市场供求关系的作用下波动, 并产生了利用低买高卖获取差价利润的机会。一旦发现住宅市场存在投机的机会, 投机资本就会进入住宅市场进行投机活动, 从这个意义上讲, 住宅投机的存在是住宅市场运行的常态。抛开投机者逐利的动机, 我们至少可以从宏观、微观和住宅的资产属性3个方面来分析住宅投机的原因。

(一) 宏观上的原因

从宏观层次上看, 住宅投机的产生总离不开宏观经济背景。近年来, 我国经济保持较快的增长, 十五期间经济平均增速是10.1%, 十一五期间的平均增速是11.4%, 不少媒体也指出, 十二五期间最终的年平均增长率难低于9.5%。美国经济学家西蒙-库兹涅茨在对各国经济增长率进行了大量数量统计分析后, 指出当国民经济增长率大于8%时, 房地产业处于“高速发展期”, 所以投资者有理由预期房价快速上涨并进行投资, 由此导致投资需求膨胀。

(二) 微观上的原因

信息不对称和行业垄断造成了房地产 (住宅) 的投机。信息不对称是指市场上从事经济活动的个体 (供给者和需求者) 所掌握的信息是不对称的, 即总有一部分市场主体所掌握的信息比其他主体相对要多。在房地产 (住宅) 市场中, 信息不对称现象尤其严重。一般来讲, 房地产供给者所掌握的信息相对较多, 而房地产需求者所掌握的信息较少, 这就使得掌握信息较多的一方能够利用信息优势来影响或控制房价, 从而为自身谋取更多经济利益。行业垄断造成了房地产 (住宅) 的投机。房地产商品的独特性质决定了该商品的垄断性, 房地产 (住宅) 投机主要是通过倒买倒卖谋取差价, 只要预期投机收益率高于投机者的目标收益率, 只要有可支配的资金, 就有投机买卖, 虽然高风险但也有高收益的诱惑。当国民经济发展加速、收入水平提高、城市化水平高、对房地产需求增加时, 人们就有理由预期房地产 (住宅) 的收益率高, 因此, 大量的资金将从其他行业、机构流入房地产 (住宅) 行业, 从事房地产 (住宅) 的投机。

(三) 房地产的资产特性

房地产 (住宅) 是一种重要的投资工具和投资方式。投资者之所以取得房地产 (住宅) 所有权, 可能是因为预期未来对房地产需求会增加, 在收取租金和支付相关费用后可以产生纯收入;也可能是期望在持有时间内房地产 (住宅) 价格上涨, 从而获得价值增值;还有可能在于使投资多样化, 减少投资风险。无论投资者出于以上何种目的, 其特性都极大地影响着房地产 (住宅) 投资的行为。而且, 房地产 (住宅) 资产具有耐久性、不动产效应、高价值性、投资与消费双重性、土地供给稀缺性和土地所有权垄断性, 并且还缺乏供给弹性和替代弹性等特点。具有这些特性的房地产资产普遍被人们作为一种投资工具, 当这种特殊资产的所有者进行短期市场套利交易的时候, 房地产 (住宅) 投机就产生了。因此, 房地产 (住宅) 的资产性质是房地产 (住宅) 投机产生的基础。

四、抑制住宅投机的政策取向

从2003年至今, 我国中央政府出台了一系列政策防止房地产泡沫的膨胀, 但2005年到现在房价一直持续高位波动, 稳定房价的目标远远没有达到, 打击房地产 (住宅) 投机任重而道远。房地产 (住宅) 的政策调控效果为什么不尽如人意?这不仅是一个现实问题, 也是一个重大的理论问题。

(一) 逐步完善税收结构

税收是经济的调节器, 它可以有效地减缓房价上涨、控制房地产 (住宅) 泡沫, 遏制房地产投机。2005年以后, 建设部等7部门出台了《关于做好稳定住房价格工作的意见》, 提出了有关征收营业税的措施, 但征收营业税并没对过热的房地产消费起到明显的抑制作用, 在一定程度上反而成为推动房价增长的新因素。后来, 老“国八条”和新“国六条”的出台对当时的房地产市场形成了很强的威慑作用, 但这一政策不仅具有某种临时、方便征收的特点, 而且还具有容易向购房者转嫁的特性, 结果致使这一政策的效果很快失灵。不过, 这只能说明这个税收项并不合适, 而不能说明征收别的税种不好。2010年的“新国十条”又提出发挥税收政策的调节作用, 但具体怎么操作也不得而知。

房地产税包括四个部分:交易税、财产税、转让增值税和消费税, 现在只有交易税, 应逐步增加财产税、转让增值税和消费税。消费税应确定一个上限, 不超过上限, 免征消费税或以一个很低的税率来征, 超过上限采取累进制增收, 而且最好只限于高档住宅和第二、第三套住宅。同时, 转让增值税也应采取累进制。消费税和转让增值税 (所得税) 的征收, 对抑制投机需求和过度消费行为将会起到相当好的效果, 并且转让增值税还无法转嫁, 这样就能既减少房地产商的暴利又增加投机者的交易成本。此外, 税收优惠也要先征后退。目前, 我国许多地方实行了降低契税等税收优惠政策, 但这些规定同时优惠了普通购房者和房地产投机商。因此, 应实行先征后退的税收优惠, 短期持有商品房的人不能享受税收优惠, 如其转让, 则征收一定比例的利得税, 使房地产投机无利可图。

(二) 灵活运用货币杠杆

纵观我国住宅产业近十几年的发展, 其货币环境从总体上是相对宽松的。但从抑制投机的角度看, 适度从紧的货币政策是必需的, 当然这只是问题的一个方面, 从紧的货币政策也必然会增加合理的自住性购房者的成本。2010年10月到2012年5月央行5次上调贷款利率, 其目就是为了抑制货币过快增长和控制流动性过剩, 预防经济过热和警惕通货膨胀, 不过2012年6月开始央行又下调贷款利率, 这是不是从一定程度上又对住宅的投机松懈了还值得深思!

因此, 从促进合理的住房需求, 又要打击过度投机需求的角度出发, 我国货币政策的总体原则应当是:综合运用利率政策、不动产信用控制和窗口指导等货币政策工具, 区别对待、有保有压。一是应当根据房地产 (住宅) 价格变动幅度适时调整政策力度。央行应参照世界银行对房地产业运行状况的划分区间这一标准, 结合我国的实际情况, 确定一个房价涨幅的合理目标区间, 并根据房价的变化幅度及时灵活地调整政策力度。二是要运用差别利率促进住房供应结构调整。首先, 央行应根据通胀率的变动幅度, 及时调整金融机构的存贷款基准利率, 同时应拉大房地产贷款利率与短期利率的利差, 使贷款利率的期限结构趋于合理, 增强房地产投资的利率弹性。其次, 要指导商业银行运用差别利率促进住房供应结构调整。对中小套型、普通商品住房的开发贷款利率可等于或略高于基准利率, 大户型、高档商品房的开发贷款则运用较高的利率。三是适时对房地产贷款规模增速或比例实施控制。当房地产价格持续走高、央行调控效果不显著时, 应根据经济金融形势的变化及时对金融机构的房地产贷款采用更直接信用控制方式。央行可通过窗口指导控制房地产贷款规模的增长速度或占全部贷款的比例, 以此来抑制银行信贷资金过度流入房地产市场。当然, 在运用比例控制时, 要确定合理的房贷比例上限, 以防止房地产贷款紧缩过度而对经济增长形成较大冲击, 还要求商业银行必须优先满足中低收人家庭对首套自住房贷款的需求。

(三) 正确行使政府职能

由于房地产市场信息不完全、不对称和房地产企业垄断势力的存在, 干预住宅市场是各国政府的普遍做法, 在抑制投机性需求、保护消费性需求方面, 地方政府应当发挥更大的作用。一是要在完善商品房网上备案制度基础上, 加大房地产开发企业和中介机构的诚信体系建设, 严厉查处虚拟交易和哄抬房价行为。二是要完善存量房交易服务平台, 提升服务能级、优化办理流程、提高办事效率、加强对存量房市场的监管、提高规模经营和规范服务的水平。三是要加强市场信息建设。在完善住宅市场信息系统的基础上, 分区域、分档次收集商品住宅价格信息。在市场信息发布中, 要重点提供市民关心的中低价普通商品住房和配套商品房信息。四是要重点加强商品房预售审核和管理, 及时制止不规范销售行为, 建立对重点楼盘销售跟踪监管制度, 职能部门应组建专门的稽查队伍, 加强对销售秩序的监管, 依法加大对违规行为的查处力度。

摘要：从20世纪90年代初的房地产 (住宅) 投机热潮到最近几年炒作的顶峰阶段, 我国理论界始终把房地产价格作为房地产市场研究的重点, 而与我们生活密切相关的住宅市场更是房地产市场研究的重中之重。本文首先分析了2010年至今中国住宅市场与投机现状, 并得出结论, 住宅市场仍然有泡沫, 投机行为依然存在, 其次找出了住宅市场产生投机的原因, 最后提出了相关政策建议。

关键词：住宅泡沫,住宅价格,住宅投机

参考文献

[1]李慧中, 陈诚.我国房地产泡沫及相关货币政策研究.2008年5月:7-15, 33-39.

[2]崔光灿, 谌汉初, 吕雪.差别化房地产税收政策对住房消费的需求.财经科学, 2011 (5) :118-119.

[3]周京奎.房地产投机的理论与实证研究.当代财经, 2004 (1) :92-97.

[4]徐萌, 刘小丽, 谭萧寒.浅析投机和信息不对称的房地产市场模型.调查与研究, 2008 (1) :33-34.

[5]周咏馨, 杜长兰.房地产投机度诊断指标及诊断标准研究.房地经济建筑经济, 2008 (1) :77-79.

[6]尹中立.用税收手段遏制房地产投机.新财经, 2006 (11) .82-83.

城市住宅价格标准化研究 篇7

房地产价格标准化是房地产研究与实践的基础,其实质是房地产异质性的消除过程。由于房地产异质性因素广泛而复杂,造成房地产价格标准化难度较大,目前还未见有专门针对房地产价格标准化的研究报道;在实践中因为缺乏具体方法的指导,房地产价格标准化问题也往往被忽略,如有所涉及,其方法也较为粗浅, 标准化程度仍然很低。

因不同类型房地产的价格规律存在较大差异,其价格标准化首先应考虑区分不同的房地产类型进行。中国城市房地产大体可以分为住宅、商铺、写字楼、厂房等四种类型。本文主要针对城市住宅价格进行标准化研究,主要考虑以下两个方面的原因:

(1)住宅是城市房地产的主体,其投资额和建设量一般占到房地产总量的70%以上。住宅价格的变化与居民生活息息相关,其相关问题的研究显得更为重要和迫切;

(2)住宅价格的相关因素相比较其他类型房地产来说更为复杂,其标准化的难度更大,相关方法也更具有代表性,对其他类型房地产价格标准化具有一定指导意义。

2 现有住宅价格标准化的主要方法与不足

现有的与住宅价格标准化相关的方法中, 主要有重复交易法和特征价格法两种。重复交易法采用同一房地产在前后两个时间的成交价格计算房地产价格变化,似乎比较简单、彻底地解决了房地产的异质性问题。然而这种方法存在样本量不足、交易时间难以控制、不同时间价格规律不同等很多问题,实际应用性并不强。

特征价格法通过量化各因子的影响,从而达到去除某因子变动影响的目的。特征价格模型 (Hedonic)最早由经济学家Rider(1967)应用到住宅市场研究(Rider注意到环境特征对土地价格有影响作用,便尝试用居所产权价值资料估算空气质量变化的经济效益)。由于该方法直观、准确反映了住宅市场的原理和规律,样本取得也比较容易,因此在国际上应用十分广泛,成为一种主流方法。

但是,Hedonic住宅价格模型要求尽可能全面地引入与住宅价格相关的因素并加以准确度量,由于住宅价格的影响因素构成复杂,提出一个相对完善的变量名单成为一项具有挑战意义的工作。另外,由于详细的社会经济统计资料和城市各项设施的空间、属性信息往往很难取得,准确度量各变量也将付出很大成本。这在一定程度上降低了应用Hedonic住宅价格法的可行性,尤其对于基础信息相对贫乏的发展中国家,Hedonic住宅价格法的推广应用更是受到了较大阻碍。

3 Hedonic 住宅价格模型及其变换

从上述介绍及分析可知,虽然Hedonic住宅价格法在量化各住宅属性的影响方面卓有成效, 但由于其研究内容复杂,受基础资料限制较大, 如果直接用此方法进行住宅价格标准化,其可操作性不强。下面,本研究根据统计学原理,探讨对Hedonic住宅价格模型进行适当变换,使之能方便地应用于住宅价格标准化的方法。

影响住宅价格的因素是一个非常复杂的集合体,可分为宏观和微观两大方面。宏观因素包括社会经济发展状况、利率、国家及地方政策法规等。对于同一个城市来说,一般宏观因素趋于一致,因此不是Hedonic模型研究的重点。微观因素一般认为包括如下几类影响因素:

(1)住宅属性,如产权、楼层、房型、面积、实用率、房龄、装修等;

(2)小区环境属性,又可分为物质性属性和社会性属性两类。如基础设施水平、绿化率、居住密度、景观质量、犯罪率、社会结构等;

(3)区位可达性属性,如购物、教育、医疗、娱乐设施便利度,与市中心、对外交通枢纽的距离等。

经典的Hedonic住宅价格模型将第(1)类属性称为住宅结构属性,将第(2)、(3)类属性称为住宅区位属性,其公式表述为(Can,1990) :

(i=1~n,n为样本数)

P i ——住宅交易价格;

S ik ——住宅结构属性;

L ij ——住宅区位属性;

ε i ——随机干扰项;

α,β k ,δ j ——回归系数

在Hedonic住宅价格模型的两大类属性中,住宅结构属性得到了更多的关注和研究 (Cheshire & Sheppard,1995),这是因为它更容易被测量的缘故。Hedonic住宅价格法的复杂性实际上主要体现在住宅区位属性的界定和测量两个主要方面。在分析过程中,值得注意的是, 住宅价格标准化过程所需定量的恰恰是住宅结构属性,而对于各种住宅区位属性来说,并不需要一一定量其具体影响。这使我们在住宅价格标准化过程中,有可能大大简化利用Hedonic住宅价格模型。

Hedonic住宅价格法的本质是一种多元回归分析方法。Hedonic住宅价格模型之所以要求尽可能全面地引入与住宅价格相关的因素,主要是考虑到如果因素缺失,有可能造成已引入因素估计参数的偏误,从而不能准确解释各因素的影响程度。但是,统计学原理同时指出,如果缺失因素与已引入因素不相关,那么已引入因素的估计参数将是无偏的。我们将需要进行标准化的且与区位属性不相关的结构属性定义为C, 将所有其他属性定义为D。属性D又可划分为两种情况,一种与属性C具有一定相关关系,能造成C的估计参数偏误;另一种与属性C基本无相关关系,对C的估计参数不造成影响。我们分别称这两种属性为D1和D2,则对于C和D1我们需分别引入各属性,对于D2只需考虑其总体影响。据此,公式1可变换为:

(i=1~n,n为样本数)

P i ——住宅交易价格;

C ik ——住宅标准化属性;

D1 ij ——与标准化属性相关的其他属性;

D2 i ——与标准化属性无关的其他属性;

ε i ——随机干扰项;

α 2 ,β k ,ε j ——回归系数

公式2中,C与缺失因素D2不相关,因而β k 是无偏的,可反映各标准化属性的影响程度。也就是说我们可以利用β k 实现住宅价格的标准化。所有与C无关属性的总体影响D2 i 作为多元回归方程的残差,参与方程检验。至此,我们已通过对Hedonic住宅价格模型的变换,建立起了有关住宅价格标准化的理论与方法。由于在房地产市场中,与标准化属性相关的属性D1很少, 因此该方法能简便实现住宅价格的标准化。

4 Hedonic 价格变换模型构建基础分析

本研究采用2013年10月长沙市中心城区的一组二手房住宅价格数据对上述方法进行具体的应用和验证。长沙市中心城区内房地产各级市场活跃,中介机构发达,信息交流充分,各项政策差异小,可视为同一房地产市场。另外,在二手房(存量房)与一手新房(增量房)相比,物质环境相对成熟,市场投机现象相对较少,受开发企业市场策略、概念炒作等因素影响小,其价格更能反映市场真实价格。因此确定住宅二手房为本研究样本搜集对象。样本共计4625条,其基本情况如表1所示。

4.1 模型分类

在住宅价格标准化过程中,所在层的影响是重点需要考虑的方面。而所在层对住宅价格的影响随住宅建筑类型的不同,表现出不同的规律。另一方面,随住宅建筑类型的不同,也可能因选择人群的不同,造成各属性对住宅价格的作用规律不同(表1数据表明,不同住宅建筑类型的平均单价、总价、建筑面积、房龄等均存在较明显差异)。上述两方面因素提示我们应按不同住宅建筑类型,分别建立住宅价格标准化模型。

因此,本研究将样本按建筑类型进行划分, 分别建立多层和高层住宅价格标准化回归模型。低层住宅交易样本较少,且其市场规律与一般住宅存在很大差异,不适于合并研究。因此,本研究暂不考虑低层住宅交易样本数据。

4.2 因变量与自变量选择

在公式2中,因变量为住宅交易价格。在市场中住宅交易价格包括总价和单价两种形式。总价受建筑面积影响较大,因此并不能直观反映价格差异,在市场中人们一般以单价作为某一地段房价的参照。出于类似理由,本研究选择每平方米建筑面积单价作为因变量。

自变量方面,在典型的住宅结构属性中,产权性质以产权房为主,其他如使用权房、经济适用房、小产权房等,并不能完全反应市场价值, 可以通过分类统计的方法首先将其加以统一, 即只考虑产权房样本。房龄与小区环境、设施配套情况等密切相关,属于区位属性范畴,不应加以标准化。建筑面积预计会对住宅单价产生边际效应,故作为住宅价格标准化变量引入。房型与建筑面积高度相关,故不同时引入。实用率对住宅价格有一定影响,但实用率的细微差别对住宅价格影响并不明显。多层和高层实用率有一定差别,但同种类型住宅实用率比较一致,可通过模型分类去除实用率的影响。

综上,在本研究样本属性中,建筑面积、所在层、装修等是需进行标准化的属性。

与标准化属性相关的属性可从理论经验和统计结果两方面综合加以选择。从理论及经验分析,所在层与空间属性一般不存在相关关系。其中,唯一可能相关的情况是,在公园、湘江等周边地带,有可能出现所在层与可见公园、湘江等空间属性相关的情况。本研究通过过滤掉这些地带样本的方式消除这类影响。建筑面积和装修则有可能与市中心距离、房龄等属性相关,因此考虑将这两项变量引入进行模型构建计算。

4.3 变量设定

在初步确定模型因变量和自变量后,需进一步分析各变量特征,并在必要时对部分变量进行一定转换,使变量形式设定更为合理。

4.3.1 装修属性

包括毛坯、简装和精装三种类型。一般来说,当住宅其他属性都相同时,住宅价格按毛坯→简装→精装的顺序依次升高,因此装修是一个定序变量(Ordinal variable)。要考察定序变量与因变量的关系,构建虚拟变量(Dummyvariable)是最好的方法。以毛坯为基底,设虚拟变量A(简装与否)和虚拟变量B(精装与否), 则各类装修取值如下:

毛坯:A=0,B=0 ;

简装:A=1,B=0 ;

精装:A=0,B=1

4.3.2 所在层属性

在同一栋住宅中,住宅单价受环境条件(采光、通风、视线等)和交通便利程度两个互为矛盾因素的影响。楼层越高环境条件越好,但交通便利程度却降低。在高层住宅中,由于设有电梯, 交通成为相对次要因素,所在层与价格的关系表现为简单线性关系,即所在楼层越高,价格越高;多层住宅由于不设电梯(目前在长沙市房地产市场上,六层及六层以下多层住宅普遍不设电梯),所在层与住宅价格表现为图1所示的“倒U”形关系。一般从1楼到4楼价格逐层升高, 4楼以上因交通不便价格又逐层下降。对住宅市场的进一步考察表明,多层住宅各楼层之间价格变化量也不均衡。一般2楼与3楼、4楼与5楼之间价格差别较大,1楼与2楼、5楼与6楼次之, 3楼与4楼价格差别最小。经计算,下面公式较好反映了以上变化规律:

P——住宅单位价格;

f——所在楼层;

β 1 ,β 2 ——常数

则住宅单价与CFloor之间为线性关系,可将CFloor替代所在层引入方程。

4.4 模型形式

分析住宅单价(因变量)的分布情况,可知住宅单价为正偏态分布。对于这种正偏态分布的情形,一般可利用对数转换使其服从正态分布。对住宅单价取自然对数,可发现“Ln单价”已很好地服从正态分布。

回归模型中估计参数符合正态分布,将使通常的t或F检验有效,因而使因变量服从正态分布一般是必要的。另外在住宅市场中,房价随所在层、装修等的变化量与房价本身有关,表现出一种弹性变化,而对数模型恰好反映了这种弹性变化。基于上述理由,对因变量可考虑进行对数转换。

自变量是否进行对数转换可进行对比试验。分别将自变量原值和对数转换后的值引入方程加以对比,发现t和F检验值变化很小(原值t和F检验值总体稍大于对数转换值),说明对数转换并不能提高方程参数显著性。同时,自变量对数转换将增加方程复杂程度,降低方程解释的直观性,因此对自变量不考虑进行对数转换。

综上,本研究住宅标准化模型形式为线性到对数(Log-Lin)的半对数模型。

5 Hedonic 价格变换模型生成与标准化计 算公式

5.1 变量相关性计算与引入

分别按多层、高层计算上述各可能相关属性(变量)的相关关系,得到表2、表3。

从表2、表3可看出,所在层在两类住宅样本中,与房龄、到市中心距离的相关系数均很小, 这进一步验证了前面我们根据理论和经验得出的结论。建筑面积与房龄、到市中心距离存在相关关系。此外,装修虚拟变量与房龄亦存在一定相关关系,高层样本同时与到市中心距离存在相关关系。为提高建筑面积和装修虚拟变量估计参数的可信度,需增加引入房龄和到市中心距离两个变量。

总结以上分析结果,多层、高层2个模型引入的因变量与自变量列表如表4所示。

5.2 模型生成与检验

将引入变量按住宅建筑类型分别进行逐步回归(F显著性水平取0.1),可得以下回归结果 (为使表达更简洁,回归模型使用英文名称):

样本数:2065表2、表3合注: 1.装修情况由2个虚拟变量表示,另外在多层样本相关表中采用了转换后的所在层变量。 2.建筑面积、房龄、到市中心距离3个变量采用Pearson相关系数,装修虚拟变量A、装修虚拟变量B、所在层转换3 个变量采用Spearman相关系数。

样本数:2560表2、表3合注: 1.装修情况由2个虚拟变量表示,另外在多层样本相关表中采用了转换后的所在层变量。 2.建筑面积、房龄、到市中心距离3个变量采用Pearson相关系数,装修虚拟变量A、装修虚拟变量B、所在层转换3 个变量采用Spearman相关系数。

5.2.1 多层回归模型(见表5)

多层回归模型表达式为:

5.2.2 高层回归模型(见表6)

高层回归模型表达式为:

对上述回归模型分别进行多重共线性检验, 其容忍度(Tolerance)最小值为0.75;方差膨胀因子(VIF)最大值为1.18;特征值(Eigenvalue) 最大值为3.23 ;条件指数(Condition Index) 最大值为9.27,均较好满足经验值,表明各回归模型没有多重共线性。

注:“●”表示引入;“○”表示不引入。

注:因变量 Ln(Uprice),F=118.029,Sig.(0.0000),建筑面积[Area]对多层住宅价格无确定影响,可忽略。

采用怀特(White)检验进行异方差检验。结果显示,各回归方程判定值均大于χ2分布临界值,说明可能有异方差性存在。但怀特(White) 曾证明,可对真实参数值做出渐近(大样本) 有效的估计,这种估计量一般称异方差性校正 (Hccme)。怀特(White)异方差性校正表明,各模型参数的标准误以及t检验值有少量变化,但对显著性影响不大,各参数依然显著有效。

5.3 标准化计算公式

通过住宅标准化回归模型的建立,我们得到了建筑面积(Area)、所在层(CFloor ,Floor) 以及装修(Fit1,Fit2)等标准化属性分别在多层、高层两类住宅中对住宅单价的影响程度(见表7)。根据这些定量数据,我们可以进行住宅价格(单价)的标准化计算。

表7中数值由公式5、公式6变量参数推导而来,在线性到对数(Log-Lin)半对数模型中,变量参数反映了变量的绝对变化所引起的住宅单价的比例相对变化。比例相对变化可用百分比表示, 其计算公式为:[EXP(b)-1]*100,b为变量参数。

表6:高层回归结果Standardized

注:因变量 Ln(Uprice),F=255.689,Sig.(0.0000)

综合考虑样本的总体情况和价格标准化的直观性,可确定标准住宅特征为,建筑面积: 110m2;所在层:1层;装修:毛坯。

设住宅标准化单价为Ps,则住宅的标准化单价计算公式为:

(1)多层住宅

Ps=Uprice[1-0.088(CFloor-0.121)-0.031(Fitl)-0.042(Fit2)]

(公式7)

注:所在层等于1时,CFloor=0.121

(2)高层住宅

Ps=Uprice[1-0.0005(Area-110)-0.004] (Floor-1)+0.025(Fit1)-0.067(Fit2)]

(公式8)

根据计算得出的标准化单价,乘以建筑面积即可得住宅的标准化总价。设住宅标准化总价为Zs,则住宅的标准化总价计算公式为:

Zs=Ps×Area (公式9)

通过公式7、公式8及公式9的标准化计算, 结合在样本搜集时所控制的因素,本研究住宅标准化价格(单价与总价)已建立在5项住宅属性的标准化基础之上:

建筑面积:110m2

所在层:1层

装修:毛坯

产权性质:全产权

市场级别:存量房,三级市场

此外,由于对样本搜集时段进行了严格控制(2013年10月),各种影响房地产市场的政治、经济、社会及行政因素可视为一致。住宅其他应进行标准化的属性还有建筑结构、朝向等,本次研究因受样本信息的限制,未能加以考虑。

但是,通过对具备建筑结构、朝向属性样本的观察,这两个属性特征值比较集中(建筑结构主要为框架剪力墙,朝向基本为朝南),对整体影响不大。

6 结论

住宅价格规制扭转市场“失灵” 篇8

住宅市场缺陷需价格规制

由于认识上的不统一, 政府出台的住宅市场规制政策不到位, 使得有些可行的价格规制措施也远未达到预期的效果, 甚至导致政策的失效, 即出现政府“规制失灵”的现状。

实际上, 要使市场经济系统重新充满活力并有序运作, 政府的价格规制是不可避免的, 它是由市场价格机制固有的缺陷引起的, 也是市场经济系统正常运作的内在要求。在市场经济运行过程中, 决不能弱化政府的作用, 而是要重新界定政府职能。

实施住宅价格规制的原因主要是住宅市场运行存在以下缺陷:一是土地一级市场政府垄断供给导致住宅建设用地价格过高;二是经济适用房和廉租房发展不力, 中低收入阶层住房负担很重;三是政府对住宅价格缺乏有效的调控措施, 调控成本也过高;四是源于土地激烈竞买形成的高额资金壁垒、竞得土地后开发的垄断性、开发项目推出的间断性和住宅产品的位置固定性导致住宅市场成为城市区域寡占市场;五是住宅开发和销售过程中存在严重的信息不对称, 即消费者对住宅商品的信息知情权处于劣势, 开发企业和中介机构等信息优势一方在最大限度地增进自身效用的同时往往做出不利于另一方的行动, 使得住宅市场 (特别是期房市场) 中一些住宅商品存在着建筑质量安全隐患、建筑材料辐射损害身体健康等问题, 严重侵害了消费者利益。

合理制定住宅价格规制

住宅价格的直接规制

关于住宅价格, 政府主要采取3种价格规制方式:福利性价格规制、上限价格规制和合理报酬率价格规制, 这几种方式属于住宅价格的直接规制。

福利性价格规制。针对中低收入、低收入和无收入 (丧失劳动能力) 者的住宅价格 (租金) 实现福利性价格 (租金) , 主要有成本租价、不及成本租金 (低于成本租金) 和零租金 (丧失劳动能力者) 。福利性价格规制可以与目前的“廉租房”制度通过完善后接轨。

上限价格规制。针对中等收入者的住宅价格实施“价格上限制”。“价格上限制”最先出现在英国, 1981年英国提出“价格上限制”, 采用的计算公式是:Pt=Po (1-I-RPItX) , 式中:P0为基期加权平均加格, Pt为t年价格调整的上限, RPIt为t年的通货膨服率, X为住宅产业生产率上升的比率。X因子在一个行业管制间隔期结束之后, 面临着相对高的趋势, 这就迫使企业提高生产效率, 节约成本。价格上限制减少对企业信息的依赖, 降低信息不对称的影响, 进而减少对企业的监管成本, 比“合理报酬率”具有相对简单的定价程序, 但是生产率因子的估算涉及到企业的生产成本、投人成本、资本基数等一系列问题, 需要正确把握企业的相同信息。价格上限制由于相对成本加成机制更具有激励的作用, 因此已被更多国家采用, 并且有逐渐取代成本加成机制的趋势。上限价格规制可以与目前的“限价房”政策通过完善后接轨。

合理报酬率价格规制。针对中高收入和高收入者的住宅价格实施合理报酬率价格规制, 可以遏止商品房价格“泡沫”和开发经营者的暴利行为。实施合理报酬率价格规制, 首先要根据已知的水平住宅开发的“合理报酬率”来碓定价格总水平。计算方法是:合理报酬率 (S) = (总收人一总成本) ÷总资产;价格总水平=总成本+合理报酬率×总资产+税费。其次要将总成本按“合理的比例”分摊到各住宅开发项目, 得出各住宅项目具体的成本费用, 通过企业的规制价格模型来实施住宅合理报酬率价格规制。规制价格模型为:R (∑piqi) =C+sB, 式中:R是开发企业的收人函数, Pi是企业第i种住宅产品的价格, qi是第i种住宅产的数量, C为成本费用, s为合理报酬率, B为企业住宅开发项目投资总额。

合理报酬率价格规制在美国使用最久, 一般的做法是通过公众价格听证会, 就企业提交的成本资料和申请的投资回报率展开讨价还价, 最终碓定成本基数和回报率, 并在一定的监管间隔期内保持不变。

这种规制最大的优点是刺激投资和企业规模扩张, 在供给严重不足、需求高速增长时, 其刺激投资、刺激规模扩张的作用明显。但它存在的缺陷是必须付出巨大的监管成本, 企业有可能会寻求增加成本基数而不是降低成本;再就是不容易适应通胀率的波动。

住宅价格的间接规制

住宅价格间接规制是以不直接介入市场经济主体的价格决策行为, 而仅制衡那些阻碍市场价格机制发挥作用的行为之政府产业规制政策, 目的是为市场价格机制的发挥创造有效的运作环境。

严格来说, 政府规制政策属于微观产业层面, 但是, 我国政府对住宅产业市场层面的经济调控政策 (如货币、利率、税收等政策) 已经超出了微观产业的范畴, 由于宏观调控政策影响面广、关联性强, 往往导致宏观调控政策效果的不理想。因此, 住宅价格间接规制是直接规制的一种补充, 能够发挥住宅价格直接规制难以发挥的作用。住宅价格间接规制主要是从住宅产业和住宅市场层面寻求能制衡市场经济主体定价的约束手段, 具体包括:

优化土地和商品房供给结构, 建立与完善住房保障体系。政府应积极介入解决住房供给结构的矛盾, 把解决中低收入阶层住宅问题作为促进社会和谐的重要途径, 实现“居者有屋住”计划。另外, 作为垄断土地供应的地方政府, 应制定长远的和年度的土地供应计划, 按照城市规划的要求进行土地开发和建设, 保证面向中低价位的普通住房、限价房、经济适用住房和廉租房的土地供给力度, 建立与完善住房保障体系。

引导住宅理性消费和投资, 构建与完善税收、信贷等调控体系。住宅价格规制是一项系统工程, 必须引导住宅理性消费预期和注意传统住房消费观念的影响, 完善二手房市场和租赁市场, 以实现住宅的“梯次”消费而不是一步到位。除了加息引导投资外, 还要设计开征包括高端住宅消费税和“持有税”在内的住宅物业累进税种, 使得开发和消费高端住宅将赋予重税, 适度抑制高档住宅, 以从经济角度正确引导开发建设和消费普通住房;完善住房转让环节的营业税、所得税以及住宅用地闲置费、转让增值税或所得税的征收工作, 以有效运用税收、住房开发信贷和消费信贷等经济杠杆遏制住宅市场的投机炒房需求。

整顿住宅市场经济秩序, 建立和完善住房消费信息服务制度。要稳定房价, 就必须要进一步整顿和规范住宅市场交易行为与经济秩序, 整治住宅交易环节违法违规现象 (如捂盘惜售、囤积房源, 楼盘虚拟策划、虚构景观、虚假广告、投机炒作、雇请“房托”等) , 规范二手房中介收费标准;规范商品房预售制度, 强化销售合同对开发商的约束, 避免利用预售期房导致信息不对称等谋利行为的发生;建立与完善住宅市场信息系统和信息发布等服务制度, 增强房地产市场信息透明度, 及时公开住房供给总量, 各价位段分布情况及供给数量, 各住宅项目名称、地点、楼面地价信息、项目建筑总面积、明确应公摊部分及其面积、套间建筑面积、使用面积和公摊面积、项目环境条件说明、建设标准与造价说明、开发商资质, 房屋价位与居住条件、房屋品质等的联系说明, 住房消费特征说明, 政府规定的住房开发规费说明, 二手房源情况说明, 年度保障性住房开发量、进度、申购条件, 中长期住房发展规划、远景预测说明等信息;完善市场监测分析工作机制, 政府主管部门要定期全面、及时、准确地发布有关住宅市场供求信息。

打击防范价格合谋行为, 构建与规范住宅状况价格修正系数体系。必须规范土地“招拍挂”行为, 让更多企业参与竞争, 以避免土地出让中的价格合谋产生;建立住宅商品价格涨幅申报交易审核制度, 包括分期开发的增量房和存量房, 以保证政府可以有效地监控市场价格上涨幅度的效果。

规范住宅价格规制程序

商品住宅价格变动的影响因素分析 篇9

1 供给层面影响因素

1.1 土地价格

土地成本是商品住宅价格的重要组成部分, 由于土地资源的稀缺性, 决定了土地价格长期上涨的趋势。土地价格的上涨, 增加了商品住宅的开发成本, 可能会直接导致商品住宅价格的上涨。

1.2 建安成本

建筑安装费用是构成商品住宅成本的主要组成部分, 也是影响商品住宅价格的主要因素。一般来讲, 建筑材料, 如钢材、水泥等价格的上涨和劳动力价值的增加, 会增加商品住宅的成本, 从而导致其价格上涨。

1.3 市场预期

开发商或其他潜在供给者通过对国家政策、产业政策、国民经济发展、通货膨胀和经济周期等情况的分析, 预期未来城市经济社会环境良好, 住宅需求旺盛, 投资商品住宅项目的投资回报率高时, 则会在未来增加供给。相反, 当其预期未来经济衰退、房地产市场低迷市, 则会在未来减少供给。

2 需求层面影响因素

2.1 人口因素

人口因素包括人口数量、人口素质和家庭结构。人口增长必然需要更多的居住场所, 因此, 商品住宅需求量与人口规模成正比, 需求量的增加会直接导致商品住宅价格的上涨。人口素质的高低在某种程度上也影响城市商品住宅的需求, 人口受教育程度和文化素养较高, 则该城市则会更人们带来良好的印象, 促使周边区域人口到该城市购房居住。家庭人口结构越小, 则社会对商品住宅的需求量越多, 从而推动商品住宅价格上涨。

2.2 居民收入

居民收入也是影响商品住宅需求和收入的重要因素。通常情况下, 居民收入水平提高, 则其消费水平也会相应提高的, 当城市居民的收入水平达到一定程度时, 就会对其居住的住宅及周边环境提出更高的要求, 从而去购买能够满足自身需求的商品住宅, 这样有利于促使商品住宅价格上涨。

2.3 购买能力

人均可支配收入是反映居民购买能力的重要指标, 是指居民家庭人均可用于最终消费支出和其它非义务性支出以及储蓄的总和, 即居民家庭可以用来自由支配的收入。一般来说, 人均可支配收入越高则容易进行商品住宅消费, 从而可能导致商品住宅价格上涨。

2.4 市场预期

消费者的市场预期可能直接影响到商品住宅市场的供给和需求, 从而影响到商品住宅价格的变动。消费者通过对房地产市场宏观和微观环境的分析, 预期将来商品住宅价格是否会上涨, 从而决定现在是否进行投资。

3 其他层面影响因素

3.1 政治因素

影响商品住宅价格的政治因素包括战争、动乱、政府机构大变动及重大政治政策方针的出台等等。如果发生社会动乱等事件, 则极可能影响商品住宅的投资和需求, 如2009年乌鲁木齐市“7·5事件”对该市社会治安造成了较大的影响, 2009年乌市新建商品住房供应量与上年同期相比下降3.04%1。另外, 政府机构的大变动也对商品住宅价格产生较大影响, 如西安市长安县撤县改区、西安市政府的北迁, 均不同程度的带动了长安区和北郊商品住宅价格的迅速上涨。

3.2 经济因素

城市经济的发展状况如何, 可能会直接影响到商品住宅价格的高低。通常情况下, 城市商品住宅需求水平和价格变动趋势大体与经济发展相一致, 从时间序列来看, 一个城市某个时期的经济发展越快, 则其商品住宅价格水平则上涨越快;从横向来看, 某个城市经济越发达, 则其商品住宅价格也相对越高。

3.3 行政因素

3.3.1 土地供应管制

政府通常通过土地出让计划来控制进入商品住宅开发市场的土地数量, 同时针对住宅市场供求关系调整土地开发的税费, 从而直接影响商品住宅开发市场对土地的需求和商品住宅的开发成本, 进而影响商品住宅市场的供应量和价格。

3.3.2 城市规划

宏观层面, 增加住宅开发用地, 有利于推动商品住宅市场发展, 进而影响商品住宅价格;在微观层面, 城市规划对城市某区域用地的限制条件, 则会影响区域商品住宅价格变动, 从而影响整个城市的商品住宅价格。

3.3.3 住宅制度与政策

国家和地方政府出台的住宅制度与政策也会对商品住宅的价格产生较大影响, 如增加保障性住宅的供应从而调整住宅市场的供应结构等。

3.4 自然因素

自然灾害包括地震、山洪、海啸、台风、洪水、有地面沉降、土地沙漠化、干旱等现象。虽然在城市中发生自然灾害的可能性极小, 但其周边区域自然灾害的频发也会对其商品住宅市场产生较大影响, 如2008年在四川“汶川5·12”地震的影响下, 成都市商品住宅销售面积下降43.3%, 实现商品住宅销售额下降34.1%2。

4 结论

在商品住宅价格的变动中, 并不是某个或某几个因素的作用, 而是由多方面因素共同作用的结果, 即包括供给因素和需求因素, 又包括其他层面因素, 这些因素中又有主要作用因素和次要作用因素, 具体各种因素对商品住宅价格变动的作用机理是如何进行的, 还有待于进一步研究。

摘要：近年来, 我国商品住宅价格变动十分明显, 特别是2003-2007年房价上涨速度过快, 而2008年受国际金融危机及其他因素影响, 房价出现了回调, 而进入2009年, 我国商品住宅价格又出现了急剧上涨的态势, 商品住宅价格的变动关系到社会民生问题, 受到人们的普遍关注, 以下即在此背景下, 分析影响我国商品住宅价格变动的因素。

关键词：商品住宅,影响因素,需求市场,供给市场

参考文献

[1]高鸿业.西方经济学 (微观部分) .第二版[M].北京.中国人民大学出版社, 2001:25-35.

[2]钱瑛瑛.房地产经济学[M].上海.同济大学出版社, 2004:3-5.

[3]杨贵中.成都商品住宅价格影响因素分析[M].西华大学, 2007:9-16.