论文部分内容阅读
摘要：十三届全国人大第四次会议政府工作报告中，首次提到“帮助新市民、青年人等缓解住房困难”。面对相关群体在大城市中由“买不起”到“租不起”的现实困境，有必要对房屋租赁市场进行及时调控。本文在总结现有文献关于房租形成机制的基础上，提出房屋租赁价格的影响，通过住房租金影响因素的灰色关联分析，分析了各因素对住房租金的影响程度，并针对维持房租在合理范围内给出了政策建议。
关键词：房租;影响因素;政府干预
由于大城市在产业、教育、医疗等方面的区域优势，对人口产生了较大的集聚效应[1]。随着户籍制度的逐渐放开，越来越多的年轻人从全国各地来到大城市工作、生活。年轻人在储蓄上的不足以及房价的上涨，大多数在大城市的居住是依靠房屋租赁解决。目前全国各大城市已有近2亿人是租房生活，上海、北京等超大型城市住房租赁需求尤其旺盛[2]。在十三届全国人大第四次会议政府工作报告中，首提“帮助新市民、青年人等缓解住房困难”。面对强劲的市场需求，我国自2016年提出“房住不炒”以来，提出了“租购并举”的顶层设计，以及“完善长租房政策”、“提升保障性租赁住房供给”、“租售同权”的机制设计，获得了一定成效的同时，国内住房租赁市场也出现了长租公寓“爆雷”等負面事件。为了维护租房租赁市场运行的稳定性，切实提升租赁市场调控政策的可行性，有必要对影响房屋租赁价格的因素和机制进行分析，指导调控政策针对性实施。
1.住房租赁价格综述
对于住房租赁价格的形成机理及涨跌原因，学术界主要从三方面进行探寻，一是房屋租赁市场供需状况，二是住房价格对房屋租赁价格的影响，三是马克思地租理论。
（1）房屋租赁市场供需关系决定房租。根据主流微观经济学理论，房租作为房屋使用权这种商品的定价，由供需双方的对比所决定。学者们从房屋租赁供需两个方面分别进行了研究，认为租赁需求主要影响因素有城市人口、家庭收入、城市发展水平、城市居住环境等;租赁供给的主要影响因素有建设成本、市场供应能力、地理及政府限制因素。
（2）住房价格对房屋租赁价格的影响。主要的理论有简单供给需求均衡模型、衍生供给需求均衡模型以及改进模型。前者将房屋租赁市场和房屋交易市场视作两个独立的市场，分别对供需因素求均衡，认为住房价格与房屋租赁价格之间并不存在相互影响;后者考虑了房屋交易市场与房屋租赁市场之间的相互影响，并加入了土地交易市场后，认为房价、房租、土地价格是三个市场相互影响的中介因素，并考虑市场之间的均衡;改进衍生模型则进一步加入了城市宜居度和地理/政府限制因素。
（3）马克思地租理论。在《论住宅问题》中，恩格斯认为房屋租金是承租人与出租人之间的单纯商品买卖，但同时，房租的构成是由房屋建造成本的利息、房屋折旧、可能的空置损失以及地租构成的。由于土地的稀缺性，地租会随着经济发展而上涨。“建筑本身的利润是极小的，主要利润是通过提高地租，巧妙地选择和利用建筑地点而取得”1，即获取城市基础设施等正外部性物品所带来的地租上涨。所以，考察房租运动规律时，首先计算房屋的建造和维护费用，其次是房屋区位所定的地价，最后决定房租的是当时的供求状况。
2.灰色关联分析
2.1灰色关联分析
灰色系统分析的研究对象是部分信息已知，部分信息未知的“小样本”、“贫信息”不确定性系统。灰色关联分析是灰色系统分析的主要内容之一，定量地刻画了系统发展过程中因素之间的相对变化情况，寻求在系统发展的过程中各因素之间的主次关系，找出影响目标值的重要因素。
2.2灰色关联分析模型
设参考数据系列为：
X0=（x0（1），x0（2），…，x0（m））
比较数据系列为：
Xi=（xi（1），xi（2），…，xi（n）），i=1，2，…，m
根据关联度的定义，可得关联度的计算步骤如下：
2.2.1根据评价目的确定评价指标体系，收集评价数据，设m个数据序列形成如下矩阵：
其中n为指标的个数，
Xi=（xi（1），xi（2），…，xi（n））T，i=1，2，…，m
2.2.2确定参考数据列X0：
参考数据列应该是一个理想的比较标准，可以以各指标的最优值（或最劣值）构成参考数据列，也可根据评价目的选择其它参照值。记作：
X0=（x0（1），x0（2），…，x0（m））
2.2.3对指标数据序列用关联算子进行无量纲化，
x'i（k）=xi（k）/xi（1）=（xi（1），xi（2），…，xi（n））
i=0，1，…，m;k=1，2，…，n
无量纲化后的数据序列形成如下矩阵：
2.2.4逐个计算每个被评价对象指标序列与参考序列对应元素的绝对差值：
△i（k）=|x'0（k）-x'i（k）|;△i=（△i（1），△i（2），…，△i（n））
k=1，2，…，n;i=1，2，…，m
2.2.5求两级最大值与最小值：
2.2.6计算关联系数：
分别计算每个比较序列与参考序列对应元素的关联系数，
式中ξ为分辨系数，在（0，1）内取值，ξ越小，关联系数间的差异越大，区分能力越强，通常ξ取0.5。
2.2.7计算关联度：
3.实证研究：以广州市为例
3.1指标选择与数据
综合文献综述的总结、数据可获得性以及分析方法的特点，本文选取以下指标作为分析对象：（1）房屋租赁价格衡量指标上，选取⊙房屋租赁价格指数。（2）房屋建设/折旧成本衡量指标上，选取①房地产开发投资额。（3）地价衡量指标上，选取②土地交易价格指数。（4）在交通等基础设施衡量指标上，选取③城市基础设施投资额。（5）房屋租赁需求指标上，选取④城市常住人口、⑤地区生产总值、⑥人均可支配收入。其中城市人居环境选取⑦环境空气质量优良天数 作为衡量指标。（6）房屋租赁供给指标上，选取⑧商品房竣工面积、⑨土地购置面积。（7）在房屋价格的衡量指标上，选取⑩住房销售价格指数。 3.2结果分析
在选取分辨系数ξ=0.5时，各项指标的关联度结果计算如表2所示：
将各因素关联系数由大到小排序为：常住人口>住房銷售价格指数>土地交易价格指数>环境空气质量优良天数>房地产投资开发额>住宅竣工面积>城市居民人均可支配收入>城市基础设施投资额>地区生产总值>土地购置面积。常住人口因素排在首位，常住人口上升带来了需求侧竞争的加剧，造成了房屋租赁需求的不断上涨，这与近年来上海城市化水平进一步提升、对全国人口的吸引力不断加强有关;令人意外的是住房销售价格指数排在第二位，而能够提升房屋租赁需求的人均可支配收入、地区生产总值等因素排在倒数二三位。这可能说明上海房屋销售价格已高出绝大多数人的承受能力，甚至与本地经济发展水平偏离程度偏大，新增常住人口所带来的居住需求无法通过购置住房解决，被堵塞在租房之中，从而导致了房屋租赁价格的上涨;土地交易价格指数排名第三，而土地交易价格正是房屋销售价格的重要决定因素。地价的上涨带来了房屋销售价格的上涨，从而引起上海租房价格的上涨;房地产投资开发额与住宅竣工面积排列中游，说明房屋的供给对房租存在一定的抑制效果。但由于房价的过于高昂，新增住房向房屋租赁市场的传递受到了较大的限制，扩大新建房屋供给对房租的抑制作用有限。
4.住房租金合理变动的政策建议
以上海为例，可以看到在人口流入的超大城市中，过高的房价影响了居民“租—购”之间的选择，过于庞大的需求堵塞在了房屋租赁市场中，使之存在较为严重的供需不匹配问题。因此，出于保障超大型城市青年人群、城市新市民基本居住权利，维持租房租金合理变动的目的，本文提出以下政策建议：
4.1从供给侧入手，完善住房保障体系
在超大型城市中，已有过多的居住需求被积压在租房市场，急需扩大租房市场的供给。应及时提高公租房、廉租房的供给数量，建立财政补贴制度、低廉租金制度等保障性住房制度。进一步完善对青年人、城市新居民、城市低收入人群的专项稅房屋租赁定向减免政策，切实保障相关人群的基本居住权利。
4.2调整政府税收来源，增大商品房土地供应
地方政府应适时推动房产税的进一步落实，切实调整地方政府税收来源。通过征收房产税的方式，一方面可在实现地方政府税收来源稳定的同时，调节房屋所有者的行为，抑制房地产投机，促进闲置住房进入房屋租赁市场，平衡租房市场供需关系，提升房地产资源的利用效率。另一方面可以通过合理控制土地出让价格的方式调控房价，在打破投机性预期后合理分流租赁市场存在的居住需求。
4.3积极引导民营资本进入长租房市场，完善监管机制
引导民营企业合理有序地参与长租房市场，积极发挥限制住房与零散居住者之间的桥梁作用，扩大长租房的供给，提升社会资源的利用率。同时，应完善相关法律法规，形成跨部门合作监管机制，避免租房中介平台在租房信息上形成垄断，严控租房中介平台“跑马圈地”、大规模“拿房”的不合理竞争与垄断行为。严控租房中介平台“高入低出”、“长收短付”的高风险经营模式，以及类似“长租公寓ABS”等高杠杆模式。及时调研现有风险，开展租房平台压力测试，及时化解租房市场所存在的系统性风险，保障承租人的利益。
参考文献：
[1]陈胜昌.中国城市化之路——重点发展超大型城市[J]. 北京联合大学学报：人文社会科学版，2004（02）：15-22.
[2]姚耀.长租公寓市场将迎来新一轮机遇期[J].中国房地产金融，2019（2）：96-96.
[3]李素文.中国一线城市房租形成机理和调控对策[J].财经理论与实践，2014，35（6）：114-118.DOI：10.3969/j.issn.1003-7217.2014.06.020.
[4]汪业辉.住房租赁市场租金的影响因素分析[D].湖北：华中科技大学，2014. DOI：10.7666/d.D614518.
[5]范雅静，黄笛.基于决策树的住房租赁价格微观影响因素研究——以北京市为例[J].中国市场，2017，（17）：37-38，55.DOI：10.13939/j.cnki.zgsc.2017.17.037.
[6]张璐瑶.基于灰色关联度分析法的房屋租赁价格影响因素比较[J].现代商业，2012，（10）：110-110. DOI：10.3969/j.issn.1673-5889.2012.10.066.
[7]王莉，王雪艳.西安市住房租赁价格影响因素实证研究[J].工程经济，2019，29（2）：50-54. DOI：10.19298/j.cnki.
1672-2442.201902050.
[8]余华义，陈东.我国地价、房价和房租关系的重新考察：理论假设与实证检验[J].上海经济研究，2009，（4）：11-21. DOI：10.3969/j.issn.1005-1309.2009.04.002.
[9]郑文娟.中国城市住房价格与住房租金的影响因素及相互关系研究[D].浙江：浙江大学，2011.
注释：
1.马克思：资本论（第二卷），人民出版社2004年版，第261页
关键词：房租;影响因素;政府干预
由于大城市在产业、教育、医疗等方面的区域优势，对人口产生了较大的集聚效应[1]。随着户籍制度的逐渐放开，越来越多的年轻人从全国各地来到大城市工作、生活。年轻人在储蓄上的不足以及房价的上涨，大多数在大城市的居住是依靠房屋租赁解决。目前全国各大城市已有近2亿人是租房生活，上海、北京等超大型城市住房租赁需求尤其旺盛[2]。在十三届全国人大第四次会议政府工作报告中，首提“帮助新市民、青年人等缓解住房困难”。面对强劲的市场需求，我国自2016年提出“房住不炒”以来，提出了“租购并举”的顶层设计，以及“完善长租房政策”、“提升保障性租赁住房供给”、“租售同权”的机制设计，获得了一定成效的同时，国内住房租赁市场也出现了长租公寓“爆雷”等負面事件。为了维护租房租赁市场运行的稳定性，切实提升租赁市场调控政策的可行性，有必要对影响房屋租赁价格的因素和机制进行分析，指导调控政策针对性实施。
1.住房租赁价格综述
对于住房租赁价格的形成机理及涨跌原因，学术界主要从三方面进行探寻，一是房屋租赁市场供需状况，二是住房价格对房屋租赁价格的影响，三是马克思地租理论。
（1）房屋租赁市场供需关系决定房租。根据主流微观经济学理论，房租作为房屋使用权这种商品的定价，由供需双方的对比所决定。学者们从房屋租赁供需两个方面分别进行了研究，认为租赁需求主要影响因素有城市人口、家庭收入、城市发展水平、城市居住环境等;租赁供给的主要影响因素有建设成本、市场供应能力、地理及政府限制因素。
（2）住房价格对房屋租赁价格的影响。主要的理论有简单供给需求均衡模型、衍生供给需求均衡模型以及改进模型。前者将房屋租赁市场和房屋交易市场视作两个独立的市场，分别对供需因素求均衡，认为住房价格与房屋租赁价格之间并不存在相互影响;后者考虑了房屋交易市场与房屋租赁市场之间的相互影响，并加入了土地交易市场后，认为房价、房租、土地价格是三个市场相互影响的中介因素，并考虑市场之间的均衡;改进衍生模型则进一步加入了城市宜居度和地理/政府限制因素。
（3）马克思地租理论。在《论住宅问题》中，恩格斯认为房屋租金是承租人与出租人之间的单纯商品买卖，但同时，房租的构成是由房屋建造成本的利息、房屋折旧、可能的空置损失以及地租构成的。由于土地的稀缺性，地租会随着经济发展而上涨。“建筑本身的利润是极小的，主要利润是通过提高地租，巧妙地选择和利用建筑地点而取得”1，即获取城市基础设施等正外部性物品所带来的地租上涨。所以，考察房租运动规律时，首先计算房屋的建造和维护费用，其次是房屋区位所定的地价，最后决定房租的是当时的供求状况。
2.灰色关联分析
2.1灰色关联分析
灰色系统分析的研究对象是部分信息已知，部分信息未知的“小样本”、“贫信息”不确定性系统。灰色关联分析是灰色系统分析的主要内容之一，定量地刻画了系统发展过程中因素之间的相对变化情况，寻求在系统发展的过程中各因素之间的主次关系，找出影响目标值的重要因素。
2.2灰色关联分析模型
设参考数据系列为：
X0=（x0（1），x0（2），…，x0（m））
比较数据系列为：
Xi=（xi（1），xi（2），…，xi（n）），i=1，2，…，m
根据关联度的定义，可得关联度的计算步骤如下：
2.2.1根据评价目的确定评价指标体系，收集评价数据，设m个数据序列形成如下矩阵：
其中n为指标的个数，
Xi=（xi（1），xi（2），…，xi（n））T，i=1，2，…，m
2.2.2确定参考数据列X0：
参考数据列应该是一个理想的比较标准，可以以各指标的最优值（或最劣值）构成参考数据列，也可根据评价目的选择其它参照值。记作：
X0=（x0（1），x0（2），…，x0（m））
2.2.3对指标数据序列用关联算子进行无量纲化，
x'i（k）=xi（k）/xi（1）=（xi（1），xi（2），…，xi（n））
i=0，1，…，m;k=1，2，…，n
无量纲化后的数据序列形成如下矩阵：
2.2.4逐个计算每个被评价对象指标序列与参考序列对应元素的绝对差值：
△i（k）=|x'0（k）-x'i（k）|;△i=（△i（1），△i（2），…，△i（n））
k=1，2，…，n;i=1，2，…，m
2.2.5求两级最大值与最小值：
2.2.6计算关联系数：
分别计算每个比较序列与参考序列对应元素的关联系数，
式中ξ为分辨系数，在（0，1）内取值，ξ越小，关联系数间的差异越大，区分能力越强，通常ξ取0.5。
2.2.7计算关联度：
3.实证研究：以广州市为例
3.1指标选择与数据
综合文献综述的总结、数据可获得性以及分析方法的特点，本文选取以下指标作为分析对象：（1）房屋租赁价格衡量指标上，选取⊙房屋租赁价格指数。（2）房屋建设/折旧成本衡量指标上，选取①房地产开发投资额。（3）地价衡量指标上，选取②土地交易价格指数。（4）在交通等基础设施衡量指标上，选取③城市基础设施投资额。（5）房屋租赁需求指标上，选取④城市常住人口、⑤地区生产总值、⑥人均可支配收入。其中城市人居环境选取⑦环境空气质量优良天数 作为衡量指标。（6）房屋租赁供给指标上，选取⑧商品房竣工面积、⑨土地购置面积。（7）在房屋价格的衡量指标上，选取⑩住房销售价格指数。 3.2结果分析
在选取分辨系数ξ=0.5时，各项指标的关联度结果计算如表2所示：
将各因素关联系数由大到小排序为：常住人口>住房銷售价格指数>土地交易价格指数>环境空气质量优良天数>房地产投资开发额>住宅竣工面积>城市居民人均可支配收入>城市基础设施投资额>地区生产总值>土地购置面积。常住人口因素排在首位，常住人口上升带来了需求侧竞争的加剧，造成了房屋租赁需求的不断上涨，这与近年来上海城市化水平进一步提升、对全国人口的吸引力不断加强有关;令人意外的是住房销售价格指数排在第二位，而能够提升房屋租赁需求的人均可支配收入、地区生产总值等因素排在倒数二三位。这可能说明上海房屋销售价格已高出绝大多数人的承受能力，甚至与本地经济发展水平偏离程度偏大，新增常住人口所带来的居住需求无法通过购置住房解决，被堵塞在租房之中，从而导致了房屋租赁价格的上涨;土地交易价格指数排名第三，而土地交易价格正是房屋销售价格的重要决定因素。地价的上涨带来了房屋销售价格的上涨，从而引起上海租房价格的上涨;房地产投资开发额与住宅竣工面积排列中游，说明房屋的供给对房租存在一定的抑制效果。但由于房价的过于高昂，新增住房向房屋租赁市场的传递受到了较大的限制，扩大新建房屋供给对房租的抑制作用有限。
4.住房租金合理变动的政策建议
以上海为例，可以看到在人口流入的超大城市中，过高的房价影响了居民“租—购”之间的选择，过于庞大的需求堵塞在了房屋租赁市场中，使之存在较为严重的供需不匹配问题。因此，出于保障超大型城市青年人群、城市新市民基本居住权利，维持租房租金合理变动的目的，本文提出以下政策建议：
4.1从供给侧入手，完善住房保障体系
在超大型城市中，已有过多的居住需求被积压在租房市场，急需扩大租房市场的供给。应及时提高公租房、廉租房的供给数量，建立财政补贴制度、低廉租金制度等保障性住房制度。进一步完善对青年人、城市新居民、城市低收入人群的专项稅房屋租赁定向减免政策，切实保障相关人群的基本居住权利。
4.2调整政府税收来源，增大商品房土地供应
地方政府应适时推动房产税的进一步落实，切实调整地方政府税收来源。通过征收房产税的方式，一方面可在实现地方政府税收来源稳定的同时，调节房屋所有者的行为，抑制房地产投机，促进闲置住房进入房屋租赁市场，平衡租房市场供需关系，提升房地产资源的利用效率。另一方面可以通过合理控制土地出让价格的方式调控房价，在打破投机性预期后合理分流租赁市场存在的居住需求。
4.3积极引导民营资本进入长租房市场，完善监管机制
引导民营企业合理有序地参与长租房市场，积极发挥限制住房与零散居住者之间的桥梁作用，扩大长租房的供给，提升社会资源的利用率。同时，应完善相关法律法规，形成跨部门合作监管机制，避免租房中介平台在租房信息上形成垄断，严控租房中介平台“跑马圈地”、大规模“拿房”的不合理竞争与垄断行为。严控租房中介平台“高入低出”、“长收短付”的高风险经营模式，以及类似“长租公寓ABS”等高杠杆模式。及时调研现有风险，开展租房平台压力测试，及时化解租房市场所存在的系统性风险，保障承租人的利益。
参考文献：
[1]陈胜昌.中国城市化之路——重点发展超大型城市[J]. 北京联合大学学报：人文社会科学版，2004（02）：15-22.
[2]姚耀.长租公寓市场将迎来新一轮机遇期[J].中国房地产金融，2019（2）：96-96.
[3]李素文.中国一线城市房租形成机理和调控对策[J].财经理论与实践，2014，35（6）：114-118.DOI：10.3969/j.issn.1003-7217.2014.06.020.
[4]汪业辉.住房租赁市场租金的影响因素分析[D].湖北：华中科技大学，2014. DOI：10.7666/d.D614518.
[5]范雅静，黄笛.基于决策树的住房租赁价格微观影响因素研究——以北京市为例[J].中国市场，2017，（17）：37-38，55.DOI：10.13939/j.cnki.zgsc.2017.17.037.
[6]张璐瑶.基于灰色关联度分析法的房屋租赁价格影响因素比较[J].现代商业，2012，（10）：110-110. DOI：10.3969/j.issn.1673-5889.2012.10.066.
[7]王莉，王雪艳.西安市住房租赁价格影响因素实证研究[J].工程经济，2019，29（2）：50-54. DOI：10.19298/j.cnki.
1672-2442.201902050.
[8]余华义，陈东.我国地价、房价和房租关系的重新考察：理论假设与实证检验[J].上海经济研究，2009，（4）：11-21. DOI：10.3969/j.issn.1005-1309.2009.04.002.
[9]郑文娟.中国城市住房价格与住房租金的影响因素及相互关系研究[D].浙江：浙江大学，2011.
注释：
1.马克思：资本论（第二卷），人民出版社2004年版，第261页