论文部分内容阅读
本文构建了研究中国房价走势与波动的分析框架，将影响房价的变量划分为需求类、供给类、金融类与政策类，实证分析了2005-2017年中国31个省份及自治区与70个大中城市房价的驱动因素，并进一步探讨了一、二线城市与五大区域核心城市群房价驱动因素的异质性。
多重因素在房价决定中扮演重要角色
自1999年中国城镇住房制度改革以来，居民住房消费水平不断提高，房屋成为家庭部门消费的重头戏，甚至中国经济的“晴雨表”。特别是2005-2015十余年间，中国房地产市场呈现一个显著的特征事实：一面是中国各省市房价的普遍加速上涨，另一面是以住建部为代表的监管部门对房价进行频繁调控。2015年后，中国房地产呈现新一轮复苏与回暖，房价也悄然出现地域间与城市间的显著分化：一线城市最先领涨，沿海地区的二线城市紧随其后，三四线城市房价涨幅差异巨大，并且这一变化逐渐形成中国房价变动的新趋势。这似乎表明使用单一的国家层面的宏观数据分析中国房价走势将不再适用，探析省份、城际间的异质性将对于把握中国房价的未来至关重要。
与此同时，房价在评估金融稳定与预警系统性风险方面扮演着关键角色。当房地产泡沫过度聚集乃至导致房价突然显著下行时，将对家庭部门资产负债表、企业信心与商业银行借贷能力构成巨大冲击。数据显示，2018年中国50个大中城市房价收入比为11.36，如此高杠杆支撑的居高房价背后也暗藏着房价显著下行的风险。那么，分类找出房价的驱动因素，对于保持经济增长、维持金融稳定、稳定消费者信心均有积极的意义。
鉴于此，本文构建了研究中国房价走势与波动的分析框架，将中国房价的驱动因素划分为供给类因素、需求类因素、金融类因素与政策类因素，以全国31个省份及自治区与70个大中城市为样本，分地域与城市讨论了2005-2017年间中国房价走势与波动的驱动因素。如果此轮房价变动主要由供需因素驱动，那么意味着该地区住房价格仍由經济基本面决定，政府可以从供给侧与需求侧共同构建调节房价的长效机制，引导房屋“只住不炒”;如果此轮房价更多由金融因素与政策因素决定，那么意味着该地区城市房价已偏离基本面，具有一定的金融属性甚至是资产泡沫，一旦出台打压房价的严厉政策或居民显著加杠杆，此类地区房价将具有较高的下行风险。
关于房地产驱动因素的文献并不鲜见。Muth（1971）从微观角度构建模型，表明单位面积建造成本、与CBD的距离、土地使用面积等变量均为驱动房价走势的影响因素。随着人口流动与资本流动程度显著提升，更多的文献开始关注房地产驱动的宏观因素。金融状况是较多文献关注的一个重要变量，金融状况可以通过多种渠道驱动房价波动。例如，公司债券的风险溢价上升将驱动信贷供给收缩，从而影响包括房价在内的资产价格波动（Gilchrist& Zakraj?ek， 2012）;Adrian等（2019）分析了融资状况对GDP增长的潜在影响，发现在短期内融资状况偏紧通常导致经济下行风险增加，由于居民收入下降、失业率增加导致住房消费减少;Ortalo-Magne& Rady（2005）发现家庭收入是驱动房价的重要变量，对于预测房价走势具有重要意义。
家庭部门负债状况是影响房价走势的又一关键变量。IMF（2019）发现无论发达国家还是发展中国家中，信贷高涨都与房价下行高度相关;家庭部门负债对于房价影响的传导机制与金融状况传导机制类似，家庭部门杠杆率增加将对经济增长、家庭收入与就业产生负面影响，通过以上三个渠道家庭负债对于房地产市场构成潜在冲击。2008年全球金融危机后，部分学者开始着手于探索发达国家家庭部门杠杆率、房地产泡沫与金融危机的关系，却得出了截然相反的结果。Dang等（2010）发现，金融危机的爆发与房地产市场的次级贷款累积直接相关，而次贷增加由于低质量借款者的高杠杆密切相关。然而，Bhutta （2015）对这一观点提出了质疑，他发现来自房地产投资者的房地产市场资本流入比来自信用评分较低的首次购房者的资本流入增长更快，这表明次级借款者的债务对金融危机的贡献其实有限。
资金流动与人口结构同样是驱动房价走势因素之一。跨境资本流动通常驱动发达经济体的房价，例如，Caballero等（2008）实证发现新兴市场过剩的储蓄追逐美国的安全优质资产，再加上美国长期的低利率，导致跨国资金流入推升美国房价。对于中国而言，由于资本账户未完全开放，一个城市的房价通常由人口结构与区域间资金流入而推动。徐建玮等（2012）认为年轻人口抚养比例的提高将推升房价;邹瑾（2014）认为人口年龄结构将长期决定房价波动。
此外，供给、需求类及周期性因素也在房价决定中扮演重要角色。Philips（1988）认为收入与预期均会驱动房价走势。Gattini& Hieber （2010）使用住房供应指标来预测欧元区的住房市场发展，发现住房供应指标包括住宅投资和实际利率与房价波动相关。余华义（2010）发现土地政策是驱动房价的重要因素，土地供应量增加有助于推动房价上涨。Aherene等（2005）发现房价变动与信贷周期有关，OECD国家货币供应量增加后，房价将首先面临上涨。
从研究方法上来看，除了少数文献研究在DSGE模型框架下研究外生冲击对房价的影响，大部分为实证研究。例如，Liu等（2011）构建了融入房价和固定投资的DSGE模型，讨论了信贷约束如何影响房价等宏观经济变量波动;Hirata（2012）通过构建含有利率、货币政策、产出、信贷及不确定性因素的FA-VAR模型，剖析了全球房价波动的驱动因素，发现全球主要国家房价走势是同步的，全球利率冲击将对房价构成负面影响，但货币政策对其影响不大，不确定性冲击则是驱动房价的最重要因素;刘金全和吕梦菲（2018）通过构建VAR模型研究了货币政策、GDP增速与居民杠杆率对房价的影响，发现宽松型货币政策是中国房价上涨的主力。况伟大（2013）使用北京市1040名城镇住房所有者的调查问卷，使用logit模型考察了开征房产税对预期房价的影响，发现开征房产税对抑制房价作用有限，开征越早作用越好;丁如曦和倪鹏飞（2015）采用探索性数据分析方法和空间计量技术，研究了中国城市房价的区域空间格局与特征，发现中国城市间房价依赖于周边城市房价波动的空间正向溢出效应影响，这种影响在区域间存在异质性。 结合上述研究，不难发现多数文献着重于探索单一变量对于房价驱动的影响，多采用VAR模型将房价看作内生变量，鲜有文献对中国城市房价驱动因素进行全景式探索与贡献程度的考量。据此，本文构建了研究中国房价走势与波动的分析框架，探索了2005-2017年间中国31个省份及自治区与全国70个大中城市房价的驱动因素，本文的主要贡献如下：第一，构建中国房价影响因素的分析框架，将驱动房价的因素划分为供给类、需求类、金融类与政策类变量，讨论驱动房价走势和波动的主要因素及贡献程度;第二，从省级到地市，由整体至区域，对中国房价影响因素进行全面分析探索;第三，本文的结果一定程度上反映了该地区或城市的房价是由经济基本面驱动还是金融类因素驱动，为政策决策者与购房消费者提供一定的参考价值。
中国房价走势与波动影响因素的分析框架
为构建中国房价走势与波动的分析框架，依据中国居民住房可能同时兼有商品和金融属性，并且房价受政策变动影响较大，参考平安证券（2017）的研究，我们将中国房价走势与波动的驱动因素划分为四类：第一类为需求类因素;第二类为供给类因素;第三类为金融类因素;第四类为政策类因素。这四类因素基本囊括了影响中国房价的主要成因。
（一）需求类因素
驱动中国房价的需求因素大抵可归为三类：一类是居民收入类变量，一类是存量人口需求，另一类是流量人口流动需求，具体如下：
人均收入水平：用一个地区或城市的人均GDP表示。根据住房的居民财富效应，人均收入水平是影响住房购买力需求的最关键变量，收入水平越高的地域，通常具有越高的购房需求，房价也因此越高。
常住人口/户籍人口：本地户籍人口通常具有稳定数量的家庭住房。相比之下，外来常住人口是该地区或该城市购房的刚性需求来源。该比例数值越大，说明购房需求越为强烈，房价也将上涨。对于人口流入较快的大中城市，该比例上升与房价上涨的正相关关系将更为显著。
工作人口/常住人口：在常住人口中，工作人口比例越大，表示具有更强的刚性购房需求。在房价涨幅位居前列的城市中，通常具有较高的工作人口比例。该变量与房价通常呈现正相关关系。
优质公共资源数量：一个地区或城市优质公共资源数量越多，表示具有更高的潜在人口流入，预示着潜在的购房需求越为旺盛，将长期推高房价。教育与医疗通常是最为优质的公共资源，我们使用“211大学+三甲医院”数目来作为优质公共资源数量的工具变量。
（二）供给类因素
住房作为一种普通商品，价格由供需定律决定。影响房价的供给类因素通常包括土地供给面积及房屋库存等。
土地购置面积：土地供给是影响房价波动的重要驱动因素。然而，由于地区或城市面积大小存在差别，整体土地供给与房价的相关性并不大。但是，人均土地购置面积通常与房价具有较强的负相关关系，即土地供给较为充分的地区或城市，房价涨幅越小。该变量用土地购置面积/常住人口表示。
商品房库存：用库存/常住人口表示。理论上，库存越低的地区或城市，表明房屋越供不应求，房价涨幅的空间越大。该变量通常与房价涨幅呈负相关关系。
（三）金融类因素
驱动中国房价的金融类因素主要与信贷规模、利率水平与估值水平有关。一方面，房价通常与信贷周期及利率周期的轮动有关，另一方面，房屋作为一种资产，兼有金融属性，因而房价受到金融类因素的影响也较大。
住房贷款余额增速：信贷周期与房价走势具有较高的同质性及相互强化的效果。例如，房价上行的预期提高了居民购房意愿，导致住房贷款余额增速加快，而反之，居民过剩的购房意愿又推高房价的上行预期。因此，住房贷款余额增速越快，房价上行越快。
M2同比增速：M2同比增速越快，通常预示着流动性环境越为宽松，这将助推房价上行。同时，依据历史数据，M2同比增速通常领先于房价变动5-6个月，是房价走势的先行指标。
住房贷款利率：贷款利率水平是驱动房价走势的重要因素。理论上，住房贷款利率上升将增加购房者的融资成本，抑制房价的上涨;反之，住房贷款利率下降将减轻购房者成本，助推房价上行。值得注意的是，住房贷款利率的变动对于刚需购房者作用有限，对于具有投资需求的购房者作用更强。
购房杠杆水平：购房杠杆水平作为估值指标，被视为房价的“市盈率”。我们通常将房价收入比作为杠杆水平的代表变量，在形成单边预期的条件下，房价收入比越高，房价上涨预期越容易被放大，因此两者通常呈现正相关关系。同时，家庭部门杠杆率也可视为购房杠杆水平的另一替代指标，家庭部门加杠杆，通常对于房屋等资产价格具有一定的推动作用。
（四）政策类因素
政策调控：在实践中，我们发现政策类因素对于中国房价走势的驱动作用不容小觑。例如，当住建部出台“国六条”、“国八条”的房地产调控政策时，房价走势将可能受到外生冲击而出现逆转。由于房地产调控政策有直接政策也有拟定方案的间接政策，我们只将影响房价预期的直接政策纳入分析框架中。在理性预期的情况下，若出台严调控政策，则视为抑制房价政策;若出现限令取消等宽松政策，则被视为助推房价上涨政策。
结论与政策涵义
2005年以来，中国房地产市场呈现总体上涨、城市间分化加剧的趋势。通过构建中国房价走势与波动的分析框架，本文将驱动房价的影响因素划分为需求类、供给类、金融类与政策类变量，从省际到城市层面，构建面板回归方程，分别考察了2005-2017年31个省份与自治区、全国70个大中城市房价走势与波动的驱动因素，并且进一步探索了35个核心城市与五大区域核心城市群房价驱动因素的异质性，主要结论如下：
第一，从全国范围内看，各省份房价的走势与波动在一定程度上由供給类与需求类的经济基本面因素决定，住房仍具有较大程度的商品属性。住房用地供给的增加、人均收入水平的提高、常住人口与工作人口的流入、优质资源的集聚均将驱动房价变动，但“总量型”的政策调控可能造成房价短期内逆向波动，不易达到理想政策预期。 第二，从全国70个大中城市房价来看，城市房价的走势与波动主要由需求类与金融类变量驱动，这可能表明全国主要城市的住房兼有商品与金融资产属性。土地供给与商品房库存的增减不再是影响房价的显著因素，居民杠杆率的变动、货币供给量的增长快慢、个人贷款利率的调整是房价走势与波动的最大贡献因素。这可能表明未来全国主要城市的房价走势具有较大的不确定性，同时需警惕私人部门间债务可能形成联动与溢出效应，推高房价或者导致房价下跌，引发金融风险。
第三，从全国35个核心城市房价来看，一、二线城市住房的金融属性或许远大于商品属性，房价收入比的杠杆类变量是核心城市房价走势的最大贡献因素。这即意味着一、二线城市的房价已脱离传统的经济基本面因素，未来房价的波动性将显著上升，房地产市场的风险将显著增加。同时，土地供给一定程度上驱动着一、二线城市房价的走势，这即意味着增加房屋用地供给能够有效为“过热”的楼市“降温”。
第四，从全国五大区域核心城市房价来看，京津冀地区与长三角地区核心城市的房价主要由金融因素驱动，鉴于两区域常态化的高房价，未来两区域房价将面临更多的不确定性风险;珠三角地区核心城市的房价主要由需求类与金融类变量驱动，鉴于该地区对人才引进的优惠政策与优质资源的集聚，未来珠三角核心城市群房地产市场将延续活跃的局面;中部三角与西部三角地区核心城市的房价仍由供需类基本面因素主导，几大核心城市的增长潜力与空间溢出效应将导致需求类因素未来可能推升两地区的房价，未来中部三角与西部三角地区的核心城市将是房地产市场的“潜力股”。
本文的结论具有一定的政策启示：首先，中国房地产市场应加强结构性调控政策，也应避免同类政策频繁变动或政策滞后导致的反向预期。新常态下的房地产调控应构建划分区域与城市的差别化调控路径与体系、“因城施策”。一、二线城市房地产调控政策应注重增加供给，而三、四线城市应避免形成大规模库存;
其次，监管部门应重点监控一、二线城市房价，尤其是抑制京津冀地区与长三角地区的投机性炒房需求;
再次，政府部门应落实热点城市的保障房与廉租房制度，引导热点城市房价逐渐回归理性，并在一定区域内形成示范效应与正外部性;
最后，应避免诱导居民部门过快加杠桿的行为，商业银行应审慎确定住房贷款首付比例与贷款额度，避免违约风险与系统性金融风险的发生。
多重因素在房价决定中扮演重要角色
自1999年中国城镇住房制度改革以来，居民住房消费水平不断提高，房屋成为家庭部门消费的重头戏，甚至中国经济的“晴雨表”。特别是2005-2015十余年间，中国房地产市场呈现一个显著的特征事实：一面是中国各省市房价的普遍加速上涨，另一面是以住建部为代表的监管部门对房价进行频繁调控。2015年后，中国房地产呈现新一轮复苏与回暖，房价也悄然出现地域间与城市间的显著分化：一线城市最先领涨，沿海地区的二线城市紧随其后，三四线城市房价涨幅差异巨大，并且这一变化逐渐形成中国房价变动的新趋势。这似乎表明使用单一的国家层面的宏观数据分析中国房价走势将不再适用，探析省份、城际间的异质性将对于把握中国房价的未来至关重要。
与此同时，房价在评估金融稳定与预警系统性风险方面扮演着关键角色。当房地产泡沫过度聚集乃至导致房价突然显著下行时，将对家庭部门资产负债表、企业信心与商业银行借贷能力构成巨大冲击。数据显示，2018年中国50个大中城市房价收入比为11.36，如此高杠杆支撑的居高房价背后也暗藏着房价显著下行的风险。那么，分类找出房价的驱动因素，对于保持经济增长、维持金融稳定、稳定消费者信心均有积极的意义。
鉴于此，本文构建了研究中国房价走势与波动的分析框架，将中国房价的驱动因素划分为供给类因素、需求类因素、金融类因素与政策类因素，以全国31个省份及自治区与70个大中城市为样本，分地域与城市讨论了2005-2017年间中国房价走势与波动的驱动因素。如果此轮房价变动主要由供需因素驱动，那么意味着该地区住房价格仍由經济基本面决定，政府可以从供给侧与需求侧共同构建调节房价的长效机制，引导房屋“只住不炒”;如果此轮房价更多由金融因素与政策因素决定，那么意味着该地区城市房价已偏离基本面，具有一定的金融属性甚至是资产泡沫，一旦出台打压房价的严厉政策或居民显著加杠杆，此类地区房价将具有较高的下行风险。
关于房地产驱动因素的文献并不鲜见。Muth（1971）从微观角度构建模型，表明单位面积建造成本、与CBD的距离、土地使用面积等变量均为驱动房价走势的影响因素。随着人口流动与资本流动程度显著提升，更多的文献开始关注房地产驱动的宏观因素。金融状况是较多文献关注的一个重要变量，金融状况可以通过多种渠道驱动房价波动。例如，公司债券的风险溢价上升将驱动信贷供给收缩，从而影响包括房价在内的资产价格波动（Gilchrist& Zakraj?ek， 2012）;Adrian等（2019）分析了融资状况对GDP增长的潜在影响，发现在短期内融资状况偏紧通常导致经济下行风险增加，由于居民收入下降、失业率增加导致住房消费减少;Ortalo-Magne& Rady（2005）发现家庭收入是驱动房价的重要变量，对于预测房价走势具有重要意义。
家庭部门负债状况是影响房价走势的又一关键变量。IMF（2019）发现无论发达国家还是发展中国家中，信贷高涨都与房价下行高度相关;家庭部门负债对于房价影响的传导机制与金融状况传导机制类似，家庭部门杠杆率增加将对经济增长、家庭收入与就业产生负面影响，通过以上三个渠道家庭负债对于房地产市场构成潜在冲击。2008年全球金融危机后，部分学者开始着手于探索发达国家家庭部门杠杆率、房地产泡沫与金融危机的关系，却得出了截然相反的结果。Dang等（2010）发现，金融危机的爆发与房地产市场的次级贷款累积直接相关，而次贷增加由于低质量借款者的高杠杆密切相关。然而，Bhutta （2015）对这一观点提出了质疑，他发现来自房地产投资者的房地产市场资本流入比来自信用评分较低的首次购房者的资本流入增长更快，这表明次级借款者的债务对金融危机的贡献其实有限。
资金流动与人口结构同样是驱动房价走势因素之一。跨境资本流动通常驱动发达经济体的房价，例如，Caballero等（2008）实证发现新兴市场过剩的储蓄追逐美国的安全优质资产，再加上美国长期的低利率，导致跨国资金流入推升美国房价。对于中国而言，由于资本账户未完全开放，一个城市的房价通常由人口结构与区域间资金流入而推动。徐建玮等（2012）认为年轻人口抚养比例的提高将推升房价;邹瑾（2014）认为人口年龄结构将长期决定房价波动。
此外，供给、需求类及周期性因素也在房价决定中扮演重要角色。Philips（1988）认为收入与预期均会驱动房价走势。Gattini& Hieber （2010）使用住房供应指标来预测欧元区的住房市场发展，发现住房供应指标包括住宅投资和实际利率与房价波动相关。余华义（2010）发现土地政策是驱动房价的重要因素，土地供应量增加有助于推动房价上涨。Aherene等（2005）发现房价变动与信贷周期有关，OECD国家货币供应量增加后，房价将首先面临上涨。
从研究方法上来看，除了少数文献研究在DSGE模型框架下研究外生冲击对房价的影响，大部分为实证研究。例如，Liu等（2011）构建了融入房价和固定投资的DSGE模型，讨论了信贷约束如何影响房价等宏观经济变量波动;Hirata（2012）通过构建含有利率、货币政策、产出、信贷及不确定性因素的FA-VAR模型，剖析了全球房价波动的驱动因素，发现全球主要国家房价走势是同步的，全球利率冲击将对房价构成负面影响，但货币政策对其影响不大，不确定性冲击则是驱动房价的最重要因素;刘金全和吕梦菲（2018）通过构建VAR模型研究了货币政策、GDP增速与居民杠杆率对房价的影响，发现宽松型货币政策是中国房价上涨的主力。况伟大（2013）使用北京市1040名城镇住房所有者的调查问卷，使用logit模型考察了开征房产税对预期房价的影响，发现开征房产税对抑制房价作用有限，开征越早作用越好;丁如曦和倪鹏飞（2015）采用探索性数据分析方法和空间计量技术，研究了中国城市房价的区域空间格局与特征，发现中国城市间房价依赖于周边城市房价波动的空间正向溢出效应影响，这种影响在区域间存在异质性。 结合上述研究，不难发现多数文献着重于探索单一变量对于房价驱动的影响，多采用VAR模型将房价看作内生变量，鲜有文献对中国城市房价驱动因素进行全景式探索与贡献程度的考量。据此，本文构建了研究中国房价走势与波动的分析框架，探索了2005-2017年间中国31个省份及自治区与全国70个大中城市房价的驱动因素，本文的主要贡献如下：第一，构建中国房价影响因素的分析框架，将驱动房价的因素划分为供给类、需求类、金融类与政策类变量，讨论驱动房价走势和波动的主要因素及贡献程度;第二，从省级到地市，由整体至区域，对中国房价影响因素进行全面分析探索;第三，本文的结果一定程度上反映了该地区或城市的房价是由经济基本面驱动还是金融类因素驱动，为政策决策者与购房消费者提供一定的参考价值。
中国房价走势与波动影响因素的分析框架
为构建中国房价走势与波动的分析框架，依据中国居民住房可能同时兼有商品和金融属性，并且房价受政策变动影响较大，参考平安证券（2017）的研究，我们将中国房价走势与波动的驱动因素划分为四类：第一类为需求类因素;第二类为供给类因素;第三类为金融类因素;第四类为政策类因素。这四类因素基本囊括了影响中国房价的主要成因。
（一）需求类因素
驱动中国房价的需求因素大抵可归为三类：一类是居民收入类变量，一类是存量人口需求，另一类是流量人口流动需求，具体如下：
人均收入水平：用一个地区或城市的人均GDP表示。根据住房的居民财富效应，人均收入水平是影响住房购买力需求的最关键变量，收入水平越高的地域，通常具有越高的购房需求，房价也因此越高。
常住人口/户籍人口：本地户籍人口通常具有稳定数量的家庭住房。相比之下，外来常住人口是该地区或该城市购房的刚性需求来源。该比例数值越大，说明购房需求越为强烈，房价也将上涨。对于人口流入较快的大中城市，该比例上升与房价上涨的正相关关系将更为显著。
工作人口/常住人口：在常住人口中，工作人口比例越大，表示具有更强的刚性购房需求。在房价涨幅位居前列的城市中，通常具有较高的工作人口比例。该变量与房价通常呈现正相关关系。
优质公共资源数量：一个地区或城市优质公共资源数量越多，表示具有更高的潜在人口流入，预示着潜在的购房需求越为旺盛，将长期推高房价。教育与医疗通常是最为优质的公共资源，我们使用“211大学+三甲医院”数目来作为优质公共资源数量的工具变量。
（二）供给类因素
住房作为一种普通商品，价格由供需定律决定。影响房价的供给类因素通常包括土地供给面积及房屋库存等。
土地购置面积：土地供给是影响房价波动的重要驱动因素。然而，由于地区或城市面积大小存在差别，整体土地供给与房价的相关性并不大。但是，人均土地购置面积通常与房价具有较强的负相关关系，即土地供给较为充分的地区或城市，房价涨幅越小。该变量用土地购置面积/常住人口表示。
商品房库存：用库存/常住人口表示。理论上，库存越低的地区或城市，表明房屋越供不应求，房价涨幅的空间越大。该变量通常与房价涨幅呈负相关关系。
（三）金融类因素
驱动中国房价的金融类因素主要与信贷规模、利率水平与估值水平有关。一方面，房价通常与信贷周期及利率周期的轮动有关，另一方面，房屋作为一种资产，兼有金融属性，因而房价受到金融类因素的影响也较大。
住房贷款余额增速：信贷周期与房价走势具有较高的同质性及相互强化的效果。例如，房价上行的预期提高了居民购房意愿，导致住房贷款余额增速加快，而反之，居民过剩的购房意愿又推高房价的上行预期。因此，住房贷款余额增速越快，房价上行越快。
M2同比增速：M2同比增速越快，通常预示着流动性环境越为宽松，这将助推房价上行。同时，依据历史数据，M2同比增速通常领先于房价变动5-6个月，是房价走势的先行指标。
住房贷款利率：贷款利率水平是驱动房价走势的重要因素。理论上，住房贷款利率上升将增加购房者的融资成本，抑制房价的上涨;反之，住房贷款利率下降将减轻购房者成本，助推房价上行。值得注意的是，住房贷款利率的变动对于刚需购房者作用有限，对于具有投资需求的购房者作用更强。
购房杠杆水平：购房杠杆水平作为估值指标，被视为房价的“市盈率”。我们通常将房价收入比作为杠杆水平的代表变量，在形成单边预期的条件下，房价收入比越高，房价上涨预期越容易被放大，因此两者通常呈现正相关关系。同时，家庭部门杠杆率也可视为购房杠杆水平的另一替代指标，家庭部门加杠杆，通常对于房屋等资产价格具有一定的推动作用。
（四）政策类因素
政策调控：在实践中，我们发现政策类因素对于中国房价走势的驱动作用不容小觑。例如，当住建部出台“国六条”、“国八条”的房地产调控政策时，房价走势将可能受到外生冲击而出现逆转。由于房地产调控政策有直接政策也有拟定方案的间接政策，我们只将影响房价预期的直接政策纳入分析框架中。在理性预期的情况下，若出台严调控政策，则视为抑制房价政策;若出现限令取消等宽松政策，则被视为助推房价上涨政策。
结论与政策涵义
2005年以来，中国房地产市场呈现总体上涨、城市间分化加剧的趋势。通过构建中国房价走势与波动的分析框架，本文将驱动房价的影响因素划分为需求类、供给类、金融类与政策类变量，从省际到城市层面，构建面板回归方程，分别考察了2005-2017年31个省份与自治区、全国70个大中城市房价走势与波动的驱动因素，并且进一步探索了35个核心城市与五大区域核心城市群房价驱动因素的异质性，主要结论如下：
第一，从全国范围内看，各省份房价的走势与波动在一定程度上由供給类与需求类的经济基本面因素决定，住房仍具有较大程度的商品属性。住房用地供给的增加、人均收入水平的提高、常住人口与工作人口的流入、优质资源的集聚均将驱动房价变动，但“总量型”的政策调控可能造成房价短期内逆向波动，不易达到理想政策预期。 第二，从全国70个大中城市房价来看，城市房价的走势与波动主要由需求类与金融类变量驱动，这可能表明全国主要城市的住房兼有商品与金融资产属性。土地供给与商品房库存的增减不再是影响房价的显著因素，居民杠杆率的变动、货币供给量的增长快慢、个人贷款利率的调整是房价走势与波动的最大贡献因素。这可能表明未来全国主要城市的房价走势具有较大的不确定性，同时需警惕私人部门间债务可能形成联动与溢出效应，推高房价或者导致房价下跌，引发金融风险。
第三，从全国35个核心城市房价来看，一、二线城市住房的金融属性或许远大于商品属性，房价收入比的杠杆类变量是核心城市房价走势的最大贡献因素。这即意味着一、二线城市的房价已脱离传统的经济基本面因素，未来房价的波动性将显著上升，房地产市场的风险将显著增加。同时，土地供给一定程度上驱动着一、二线城市房价的走势，这即意味着增加房屋用地供给能够有效为“过热”的楼市“降温”。
第四，从全国五大区域核心城市房价来看，京津冀地区与长三角地区核心城市的房价主要由金融因素驱动，鉴于两区域常态化的高房价，未来两区域房价将面临更多的不确定性风险;珠三角地区核心城市的房价主要由需求类与金融类变量驱动，鉴于该地区对人才引进的优惠政策与优质资源的集聚，未来珠三角核心城市群房地产市场将延续活跃的局面;中部三角与西部三角地区核心城市的房价仍由供需类基本面因素主导，几大核心城市的增长潜力与空间溢出效应将导致需求类因素未来可能推升两地区的房价，未来中部三角与西部三角地区的核心城市将是房地产市场的“潜力股”。
本文的结论具有一定的政策启示：首先，中国房地产市场应加强结构性调控政策，也应避免同类政策频繁变动或政策滞后导致的反向预期。新常态下的房地产调控应构建划分区域与城市的差别化调控路径与体系、“因城施策”。一、二线城市房地产调控政策应注重增加供给，而三、四线城市应避免形成大规模库存;
其次，监管部门应重点监控一、二线城市房价，尤其是抑制京津冀地区与长三角地区的投机性炒房需求;
再次，政府部门应落实热点城市的保障房与廉租房制度，引导热点城市房价逐渐回归理性，并在一定区域内形成示范效应与正外部性;
最后，应避免诱导居民部门过快加杠桿的行为，商业银行应审慎确定住房贷款首付比例与贷款额度，避免违约风险与系统性金融风险的发生。