论文部分内容阅读
摘 要：为了辨明人口和货币因素对于房价的总体影响和异质性差异，本文以2007—2016年285个地级市为样本，将货币因素、人口因素和住房价格纳入同一框架进行了经验检验。同时，本文在投资性需求中引入预期变量以体现货币因素对于不同地区房价的结构性影响。研究结果表明：（1）外来人口流入是抬高本地房价的重要因素，中国大规模的人口迁徙进程对于房价上涨具有较强解释作用。人口因素对于东部、西部房价具有异质性影响，其中人口流入对于东部房价的影响更为强烈。同时，城市化水平越高，人口流入对于房价的影响越大。（2）利率及房价预期会对房价产生明显的交叉性影响。在整个研究期内，货币与预期因素对房价影响较大的年份多于人口因素，但是货币与预期因素对于房价异质性的解释并不明显。
关键词：住房价格;贷款利率;房价预期;人口流动
中图分类号：F830.572 文献标识码：A 文章编号：1674-2265（2020）11-0028-07
DOI：10.19647/j.cnki.37-1462/f.2020.11.004
住房体制市场化改革后，房地产成为拉动我国经济增长的重要行业，是国民经济的重要组成部分。在居民家庭和金融机构的资产负债表中，房地产既是我国居民家庭的重要实物资产，又是重要的投资资产，同时还是金融机构的重要抵押品，具有一定的金融资产属性。房地产行业具有产业链长、风险集中、影响广泛的特征，保持房地产市场平稳有序运行是实现国民经济健康发展、防范化解系统性风险的重要内容。在这一背景下，研究房价上涨的主要因素，分析内部作用机理，对于提高宏观审慎政策有效性具有重要意义。
越来越多证据表明，人口和货币是两类驱动房价上涨的重要因素。然而，房价快速上涨的背后，究竟是人口因素还是货币因素在发挥主要作用？二者之间是否存在差异，彼此之间又存在怎樣的逻辑关系？学术界尚未给出明确结论。
一、文献综述
从投资视角看，大多数研究认为，利率和房地产价格之间存在负相关关系，而关于利率影响房价的具体程度则观点不一，存在一些分歧和争议（Harris，1989;Wheaton和Nechayev，2008）[1，2]。我国房地产市场政策、体制、环境较为复杂，因此实证检验结果也存在较大的差异性（吴凡，2006;刘明和刘斌，2005;余鹏，2005;张静竹，2019）[3-6]。与此同时，在房价变化过程中，学界与实业界普遍认为，市场参与者的心理预期也是至关重要的因素。不少学者认为，居民预期未来房价上涨是推动当期住房需求强劲、房价上涨的重要因素，提出要通过调控预期来调控房价。
从人口流动视角看，西方学者较早就进行了大量研究，他们多数认为人口流入会导致城市房价上涨。Saiz（2007）[7]利用工具变量法对美国的房价进行分析，发现移民每增加至城市总人口的1%，会导致当地房价上涨1%。Gonzalez和Ortega（2013）[8]对西班牙房地产市场进行调研，也得出类似的结论。而Sá（2011）[9]对英国的房地产市场进行分析时得到相反的结论，即流动人口数量每增加1%，会使当地房价下降1.60%，房价波动的异质性体现在本地居民对流动人口的态度上。近年来，国内学者也开始基于人口流动视角对房价进行研究。董昕和周卫华（2014）[10]利用2010年106个城市的流动人口动态监测数据，发现来自中部地区的农村流动人口在流入地购买住房的比例最高可达36.30%。陆铭等（2014）[11]通过对比2000年和2005年的房地产市场，发现流动人口占比每增加10%，将会导致未来5年的房价上涨8.33%。
从以上文献来看，当前研究的不足主要体现在：对于货币因素、人口因素的综合性考量相对不足，缺乏对房价上涨主导性因素的比较判断;对于货币政策对房地产市场的结构性影响缺少分析，既有研究多使用省际数据，仅有少数文献使用市际数据，无法充分反映不同城市房价对于统一货币政策的异质性反应，以及对预期、城市化水平等其他异质性因素的反应。但在房地产调控“因城施策”背景下，这又是一个不可回避的话题。本文把货币因素、人口因素和住房价格纳入同一个框架进行经验检验以辨别主导性因素，使用285个地级市数据，并引入预期变量以体现货币因素对于不同地区的结构性影响。除此之外，还进行了其他异质性分析。
二、基础理论模型与研究假设
（一）基础理论模型
一般认为，购房需求（Y）由基础需求（DR）、改善性需求（DE）与投资性需求（DI）构成，即：
基础需求（DR）是指购买住房的基本需求，主要是由人口因素（L）驱动，即：
投资性需求（DI）主要受利率（i）和房价上涨预期（e）的影响。作为一种投资品，新建商品房的投资需求显然与利率等持有成本有关，在我国，没有对持有房地产普遍征收房地产税的前提下，利率构成了新建商品房的主要持有成本。同时，房价上涨预期构成了持有住房的预期收益，即：
改善性需求（DE）是指在已有住房的基础上，为追求更高生活品质而产生的住房需求，主要受收入（I）和教育、环境等其他因素（R）的影响，即：
于是：
（二）研究假设
结合前文的基本理论模型，针对人口带来的基础需求（DR）和基于投资目的形成的投资性需求（DI），本文提出如下假设：
在房屋供给不变的情况下，一个城市房价上涨的主要推动力来源于人口的新增住房需求，亦即以自住为主的基础需求。基础需求是最为核心的内在推动力，因为投资性需求往往来源于人们预期房屋未来有较大的升值空间，而这个升值空间依靠真正的基础需求支撑，没有基础需求推动房价上涨，就不会有派生的投资性需求。在原有城市居民都基本有住房的情况下，新的基础需求主要来源于城市的新迁入人口。据此提出： 基础假设一：外来人口的大量涌入会对房价产生正向影响，即某地区的人口大量流入增加时，该地区房价将会上涨。
从投资者角度来看，贷款利率是影响投资成本的主要指标，即使投资者的房款全部来自自有资金，投资者也会用贷款利率来衡量其机会成本。投资者的需求是决定房地产价格的重要因素。在利率下降时，投资成本下降，投资需求上升，房价上涨得到支撑。对未来房价的预期也是影响房价实际变化的重要因素。尤其是在房价持续走高的情况下，人们对住房市场普遍存在盲目乐观预期，所形成的看涨预期放大了在当期的实际住房需求。据此提出：
基础假设二：居民对未来房价的预期对房价产生长期正向影响，利率则主要通过影响房价预期的折现成本来影响房价，对房价产生负向影响①。
三、变量与数据说明
（一）变量选取依据
1. 被解释变量。选取各地区商品房销售价格作为被解释变量。商品房销售价格通过商品房銷售额与商品房销售面积的比值计算得来，并利用居民消费价格指数进行平减，最终得到销售价格的实际值。
2. 核心解释变量。影响房价的因素众多，已经有许多学者做了详尽的陈述。与现有文献不同的是，本文从基础住房需求和投资性需求入手，主要关注人口因素和货币因素对房价产生的差异性影响。人口因素重点关注外来人口对房价的影响，选择常住人口与户籍人口的差值作为衡量的指标（M）。货币因素方面，以一年期贷款基准利率倒数与房价上涨预期的交叉项作为衡量指标（KV）。当时间趋于无穷大时，房价预期与利率倒数的交叉项反映了房价预期的折现值，利率主要通过影响预期折现值来影响房价，这点符合理论模型推导。通过利率倒数与房价上涨预期的交叉项可以反映投资性需求对房价的影响。利率水平以一年期贷款基准利率的年度均值作为衡量指标;房价上涨预期用滞后一期的实际房价减去滞后两期的实际房价作为衡量指标②。
3. 控制变量。为尽量对影响房价的其他关键因素加以控制，以观察核心解释变量对房价影响的净效应，本文参照丁军（2013）[12]和张安全等（2017）[13]的研究，选取以下控制变量：（1）户籍人口。在住房供给不变的前提下，人口越多的城市，住房需求量就越大，越容易推高房价（李超，2013）[14];人口越多，规模经济效应就越明显，从而提高劳动生产率和收入水平，进一步推高房价。本文采用各地区户籍人口数来测度当地人口量。（2）城镇人均可支配收入。人均可支配收入反映了居民收入水平的高低。改革开放以来，我国居民收入水平快速提高，城镇居民家庭人均可支配收入年均增长率达到10%左右，城镇居民的房屋购置能力大大提高。（3）城市化率。我国正处于高速城市化进程，推动了房价快速上涨（陆铭等，2014）[11]。2019年，我国城市化率为60.6%。（4）教育资源。教育资源数量多和质量高的地区，房屋价格也会相对较高。本文选取高等学校在校学生数作为当地教育水平的衡量指标。（5）环境质量。近年来，我国居民的环保意识大大增强，选择住房时对周边环境的重视程度越来越高，尤其是难以复制的自然和生态环境对房价的影响越来越大。环境质量提高对房价有正向资本化效应，反之，环境污染会对当地房价产生负向资本化效应。从现有文献看，多数研究采用“三废”指标中的某个或全部指标来衡量环境污染程度。考虑到二氧化硫是工业污染排放中最典型的排放物，也是大气污染的主要成分，故将工业二氧化硫的排放量作为环境污染的衡量指标（杨仁发，2015）[15]。
（二）数据说明
本文选取了2007—2016年全国285个城市的数据，其中房地产、上海银行间同业拆放利率、常住人口数据来自万得数据库;户籍人口、城镇人均可支配收入、非农业人口及年末总人口数、高等学校在校学生数、工业二氧化硫排放量等数据均来自《中国城市统计年鉴》，个别缺失数据补齐后成为平衡面板数据。为了保证数据的平滑性，对部分变量进行了对数化处理。各变量的统计性特征见表1。
四、实证分析
（一）待估模型
根据前述理论模型和经典文献对房价决定因素的讨论，设定房价的待估模型为：
公式（1）中[HP_r]为被解释变量，关键解释变量为货币因素[KV]和人口因素[M]，向量[X]是影响房价的其他一系列控制变量，下标[i]、[t]分别表示地区和年份，[ε]表示随机扰动项。在对式（1）所示回归模型进行估计之前，先利用OLS分别估计出利率、房价上涨预期、流动人口对房价的回归系数，见表2的列（1）—（3），以初步确定利率、房价上涨预期和流动人口对房价的影响。随后，对式（1）进行OLS回归，以考察人口流动因素和货币因素对房价造成的影响，回归结果见表2的列（4）。除模型设定变量以外，各市域自身特征变量也会对房价产生影响，因此继续采用固定效应模型对式（1）回归，恰好可以在一定程度上弥补遗漏地区特征变量的问题。地区固定的固定效应模型的回归结果如表2的列（5）所示，为了控制潜在的异方差和序列相关问题，列（5）还对回归系数的标准误在地区层面上作了聚类调整。进一步，列（6）采用地区和时间双固定的固定效应回归，并对回归系数的标准误在地区层面上作了聚类调整，使得回归结果更加可靠。
（二）检验结果
1. 人口因素。从表2列（3）—（4）来看，人口因素系数显著为正，且经过变量控制，通过实证检验。表明外来人口流动对于房价具有显著的正向影响，即外来人口流入越多的城市，房价上涨越快，假设一得到检验。这一实证结果也对一线城市和部分外来人口流入较多的二线城市房价大幅上涨进行了解释。
2. 货币因素。从表2列（4）来看，货币因素系数显著为正，且经过变量控制，通过实证检验。表明当利率水平一定时，居民对未来房价的预期能够对房价产生长期正向影响。当房价预期一定时，基准利率下降会对房价产生正向刺激作用。假设二得到检验。列（1）—（2）检验了利率、房价预期单变量对房价的影响，检验结果符合预期。 3. 控制变量。从控制变量的回归结果看，各变量的影响基本符合预期，如城市化率与房价存在稳健的正向关系，城市化进程加快时，房地产市场需求也会增加，从而推动房价上涨。环境污染与房价存在负向关系，说明环境污染对房价产生下行压力，环境污染严重的地区房价相对较低。较为特殊的是人均地区生产总值和教育对房价的影响系数，表2列（4）和（5）中二者系数均为正，但经过聚类调整后，系数符号变为负，说明家庭收入水平和教育对房价的正向促进作用并不稳健。在一般情况下，居民收入水平与住房需求是正相关的。但事实上，如果购买住房是满足基本住房需求，居民收入水平不会对这部分住房需求产生显著影响，也就不可能影响房价（吴锦华，2008）[16]。在教育方面，一般认为义务教育学区对房价的影响要大于高等教育。
（三）稳健性检验
1. 替代的解释变量。为了使回归结论更加稳健，本文将前文所用一年期贷款基准利率替换为上海银行间同业拆放利率进行估计。上海银行间同业拆放利率在我国市场化产品定价中得到广泛运用，因此，本文选取上海银行间同业拆放利率作为利率替代变量，回归结果见表3列（1）。货币因素KV2对房价的影响显著为正，与前文基准回归一致，这也说明本文的研究结果较为稳健。
2. 剔除异常值。为了检验基本结论是否受到异常值的影响，我们去除了相应回归结果中因变量最高0.5%和最低0.5%的值后进行回归，结果见表3列（2）。可以发现，去除掉异常值的回归结果与前述结果一致，人口因素和货币因素影响房价的相关结论是极其稳健的，说明本文的主要结论不受数据异常值的影响。
3.双重聚类调整。对标准误在城市层面（地级市）和时间层面进行双重聚类调整，能克服自相关以及异方差等问题对统计推断的影响，为得到更加稳健的结果，采用双重聚类调整标准误来进行t检验，重新估计结果与表2一致，证明本文的基本结论是可靠的。
（四）进一步讨论
需要指出的是，上述列出的研究结果均未考虑区域差异、城市化水平及时间的特殊影响。事实上，各个区域都有着不同的经济发展水平，房地产市场的发展状况也有很大差异，影响房价的因素也会随时间而变化，因此应当进一步分别对不同区域、不同城市化水平与不同年度的特殊影响进行分析。
1. 异质性分析——区域差异。为了分析人口因素、货币因素对不同区域房价的异质性影响，本文根据常用的分类标准，将样本分为东部地区和非东部地区，同时构建地区分布虚拟变量，East=1代表东部地区样本，East=0代表非东部地区样本，并在基准回归模型的基础上分别加入人口因素、货币因素与地区分布虚拟变量的交互项，回归结果见表4列（1）和列（2）。East[×]M的系数显著为正，说明东部地区外来人口对房价的影响更为强烈。人口因素对不同区域房价的影响存在异质性，东部地区对流动人口的吸引力远强于其他地区，中西部人口流向东部地区导致了东部地区的房屋需求量大大增加，会进一步抬高房价;而中西部地区由于人口流入较少，对房价造成的上涨压力也相对较弱。East[×]KV1的系数不显著，说明货币因素对房价的影響不存在显著的区域差异，即基准利率的调整对于东部和中西部房价的影响基本一致。
2. 异质性分析——城市化水平。为了分析人口因素、货币因素在不同城市化阶段对房价产生的异质性影响，本文依据城市化水平高低，构建城市化水平虚拟变量。对于城市化水平高于中位值的样本，令d_urban =1，代表高城市化水平;对于城市化水平低于中位值的样本，令d_urban =0，代表低城市化水平。此外，在基准回归模型的基础上分别加入人口因素、货币因素与城市化水平虚拟变量的交互项，回归结果见表4列（3）和列（4）。d_urban[×]KV1系数不显著，说明在不同城市化阶段，货币因素对房价并未产生明显的异质性影响。d_urban[×]M系数显著为正，说明在城市化水平较低时，人口流动对房价的影响相对较小，而城市化水平较高时，人口流动对房价的影响较大。
3. 异质性分析——年度的特殊影响。以2016年为参照，构建年度的虚拟变量D07、D08[……]D15。以D07为例，D07=1代表年份为2007年，D07=0代表年份不是2007年。在模型（1）的基础上分别引入9个虚拟变量与KV1、M的交叉项，以便分析人口因素、货币因素在不同时期对房价产生的异质性影响，回归结果见表5。从交叉项的回归系数来看，大部分都显著，说明各个年度的人口和货币因素对房价的影响的确存在显著差异，只有2014年的货币因素和2015年的人口因素同其他年份没有显著区别。我们将各年度的KV1与M的估计系数绘制成了时间序列的形式（见图1）。整体来看，货币因素和人口因素都对房价变动产生重要影响，且研究期内货币因素的强度大于人口因素。
五、结论与启示
改革开放以来，通过放松户籍管理，我国启动了大规模的跨地域人口迁移，不仅促进了东部沿海城市的经济繁荣，而且为住房商品化改革提供了坚实的需求基础，人口流动规模成为不同城市之间房价差异的重要原因。这些观点在本文中得到了验证。但是，随着近年来人口流动的减弱、贷款利率的降低，货币因素逐渐超过人口因素成为支撑房价上涨的主导因素。由于货币因素主要通过投资性需求渠道影响房价，货币因素的凸显反映了住房的投资属性不断增强，居住属性相对减弱。本文认为这一现象是经济发展到人口和技术红利后期必然出现的现象。一方面，人口红利后期，由于出生率下降、人口老龄化、城市病等因素，人口流动减缓，曾经支撑房价的人口力量在减弱。另一方面，由于技术革命引发的经济增长进入末期，经济下行压力加大，迫使货币当局采取更为宽松的政策态度，引发宽松货币政策和房价上涨预期，使货币因素极有可能超过人口因素成为房价上涨的主导因素。这一状况的出现在客观上削弱了货币政策的操作灵活度，造成货币当局在运用货币政策工具时采取更加审慎的态度，尝试通过结构化的货币政策维持经济增长和房价之间的平衡。 此外，本文认为应当更加重视预期对房价的影响。相对于利率变化，预期骤变和人口流动骤减共同构成了房价下跌的长期风险。预期拐点的出现很可能要快于人口流动的拐点。当一个城市预期发生实质性扭转时，会向另一个城市快速传染，从而引发房地产市场的共振。这也在一定程度上解释了货币因素对于房价异质性影响并不明显的原因。
注：
1反之，可将利率对房价预期的折现值视为包含了房价预期调整后的货币因素，后文中提到货币因素时，均指经过房价预期调整后的货币因素。
2在中央银行利用货币政策对房地产市场进行调控过程中，利率作为货币政策的主要中介指标存在并且发挥作用，是决定投资成本的主要因素。由于各地实际房贷利率不可得，本文采用贷款基准利率作为替代解释变量。尽管从货币政策角度来看，这种替代并不影响研究结论的稳健性，但从技术上看，贷款基准利率只能解释房价在时序上的变动，却无法解释截面上的差异，贷款基准利率与房价上涨预期的交叉项可以弥补这一技术上的不足。
参考文献：
[1]Harris J C. 1989. The Effect of Real Rates of Interest on Housing Prices [J].The Journal of Real Estate Finance and Economics，2（1）.
[2]Wheaton W C，Nechayev G. 2008. The 1998—2005 Housing 'Bubble' and the Current 'Correction'：What's Different this Time？ [J].Journal of Real Estate Research，30（1）.
[3]吴凡.房地产价格与宏观经济关系的实证研究 [D].对外经济贸易大学，2006.
[4]刘明，刘斌.利率调控房价的效应分析 [J].上海金融，2005，（11）.
[5]余鹏.房价高涨现象与利率治理效果的初步实证分析 [J].辽宁经济，2005，（10）.
[6]張静竹.个人住房贷款利率“爬坡风险”评估及启示 [J].金融理论与实践，2019，（04）.
[7]Saiz A. 2007. Immigration and Housing Rents in American Cities [J].Journal of Urban Economics，61（2）.
[8]Gonzalez L，Ortega F. 2013. Immigration and Housing Booms：Evidence from Spain [J].Journal of Regional Science，53（1）.
[9]Sá Filipa. 2015. Immigration and House Prices in the UK [J].The Economic Journal，125（587）.
[10]董昕，周卫华.住房市场与农民工住房选择的区域差异 [J].经济地理，2014，34（12）.
[11]陆铭，欧海军，陈斌开.理性还是泡沫：对城市化、移民和房价的经验研究 [J].世界经济，2014，（1）.
[12]丁军.我国利率调整对房价影响的理论与实证研究 [J].改革与战略，2013，29（03）.
[13]张安全，张立斌，郭丽丽.性别比例失衡对房价的影响及其门槛特征 [J].财经科学，2017，（5）.
[14]李超，匡耀求.人口集聚过程中的我国房价收入比 [J].学术研究，2013，（2）.
[15]杨仁发.产业集聚能否改善中国环境污染 [J].中国人口·资源与环境，2015，25（2）.
[16]吴锦华.我国房价上涨与住房需求增长的因果关系探讨 [J].中国社会科学院研究生院学报，2008，（05）.
关键词：住房价格;贷款利率;房价预期;人口流动
中图分类号：F830.572 文献标识码：A 文章编号：1674-2265（2020）11-0028-07
DOI：10.19647/j.cnki.37-1462/f.2020.11.004
住房体制市场化改革后，房地产成为拉动我国经济增长的重要行业，是国民经济的重要组成部分。在居民家庭和金融机构的资产负债表中，房地产既是我国居民家庭的重要实物资产，又是重要的投资资产，同时还是金融机构的重要抵押品，具有一定的金融资产属性。房地产行业具有产业链长、风险集中、影响广泛的特征，保持房地产市场平稳有序运行是实现国民经济健康发展、防范化解系统性风险的重要内容。在这一背景下，研究房价上涨的主要因素，分析内部作用机理，对于提高宏观审慎政策有效性具有重要意义。
越来越多证据表明，人口和货币是两类驱动房价上涨的重要因素。然而，房价快速上涨的背后，究竟是人口因素还是货币因素在发挥主要作用？二者之间是否存在差异，彼此之间又存在怎樣的逻辑关系？学术界尚未给出明确结论。
一、文献综述
从投资视角看，大多数研究认为，利率和房地产价格之间存在负相关关系，而关于利率影响房价的具体程度则观点不一，存在一些分歧和争议（Harris，1989;Wheaton和Nechayev，2008）[1，2]。我国房地产市场政策、体制、环境较为复杂，因此实证检验结果也存在较大的差异性（吴凡，2006;刘明和刘斌，2005;余鹏，2005;张静竹，2019）[3-6]。与此同时，在房价变化过程中，学界与实业界普遍认为，市场参与者的心理预期也是至关重要的因素。不少学者认为，居民预期未来房价上涨是推动当期住房需求强劲、房价上涨的重要因素，提出要通过调控预期来调控房价。
从人口流动视角看，西方学者较早就进行了大量研究，他们多数认为人口流入会导致城市房价上涨。Saiz（2007）[7]利用工具变量法对美国的房价进行分析，发现移民每增加至城市总人口的1%，会导致当地房价上涨1%。Gonzalez和Ortega（2013）[8]对西班牙房地产市场进行调研，也得出类似的结论。而Sá（2011）[9]对英国的房地产市场进行分析时得到相反的结论，即流动人口数量每增加1%，会使当地房价下降1.60%，房价波动的异质性体现在本地居民对流动人口的态度上。近年来，国内学者也开始基于人口流动视角对房价进行研究。董昕和周卫华（2014）[10]利用2010年106个城市的流动人口动态监测数据，发现来自中部地区的农村流动人口在流入地购买住房的比例最高可达36.30%。陆铭等（2014）[11]通过对比2000年和2005年的房地产市场，发现流动人口占比每增加10%，将会导致未来5年的房价上涨8.33%。
从以上文献来看，当前研究的不足主要体现在：对于货币因素、人口因素的综合性考量相对不足，缺乏对房价上涨主导性因素的比较判断;对于货币政策对房地产市场的结构性影响缺少分析，既有研究多使用省际数据，仅有少数文献使用市际数据，无法充分反映不同城市房价对于统一货币政策的异质性反应，以及对预期、城市化水平等其他异质性因素的反应。但在房地产调控“因城施策”背景下，这又是一个不可回避的话题。本文把货币因素、人口因素和住房价格纳入同一个框架进行经验检验以辨别主导性因素，使用285个地级市数据，并引入预期变量以体现货币因素对于不同地区的结构性影响。除此之外，还进行了其他异质性分析。
二、基础理论模型与研究假设
（一）基础理论模型
一般认为，购房需求（Y）由基础需求（DR）、改善性需求（DE）与投资性需求（DI）构成，即：
基础需求（DR）是指购买住房的基本需求，主要是由人口因素（L）驱动，即：
投资性需求（DI）主要受利率（i）和房价上涨预期（e）的影响。作为一种投资品，新建商品房的投资需求显然与利率等持有成本有关，在我国，没有对持有房地产普遍征收房地产税的前提下，利率构成了新建商品房的主要持有成本。同时，房价上涨预期构成了持有住房的预期收益，即：
改善性需求（DE）是指在已有住房的基础上，为追求更高生活品质而产生的住房需求，主要受收入（I）和教育、环境等其他因素（R）的影响，即：
于是：
（二）研究假设
结合前文的基本理论模型，针对人口带来的基础需求（DR）和基于投资目的形成的投资性需求（DI），本文提出如下假设：
在房屋供给不变的情况下，一个城市房价上涨的主要推动力来源于人口的新增住房需求，亦即以自住为主的基础需求。基础需求是最为核心的内在推动力，因为投资性需求往往来源于人们预期房屋未来有较大的升值空间，而这个升值空间依靠真正的基础需求支撑，没有基础需求推动房价上涨，就不会有派生的投资性需求。在原有城市居民都基本有住房的情况下，新的基础需求主要来源于城市的新迁入人口。据此提出： 基础假设一：外来人口的大量涌入会对房价产生正向影响，即某地区的人口大量流入增加时，该地区房价将会上涨。
从投资者角度来看，贷款利率是影响投资成本的主要指标，即使投资者的房款全部来自自有资金，投资者也会用贷款利率来衡量其机会成本。投资者的需求是决定房地产价格的重要因素。在利率下降时，投资成本下降，投资需求上升，房价上涨得到支撑。对未来房价的预期也是影响房价实际变化的重要因素。尤其是在房价持续走高的情况下，人们对住房市场普遍存在盲目乐观预期，所形成的看涨预期放大了在当期的实际住房需求。据此提出：
基础假设二：居民对未来房价的预期对房价产生长期正向影响，利率则主要通过影响房价预期的折现成本来影响房价，对房价产生负向影响①。
三、变量与数据说明
（一）变量选取依据
1. 被解释变量。选取各地区商品房销售价格作为被解释变量。商品房销售价格通过商品房銷售额与商品房销售面积的比值计算得来，并利用居民消费价格指数进行平减，最终得到销售价格的实际值。
2. 核心解释变量。影响房价的因素众多，已经有许多学者做了详尽的陈述。与现有文献不同的是，本文从基础住房需求和投资性需求入手，主要关注人口因素和货币因素对房价产生的差异性影响。人口因素重点关注外来人口对房价的影响，选择常住人口与户籍人口的差值作为衡量的指标（M）。货币因素方面，以一年期贷款基准利率倒数与房价上涨预期的交叉项作为衡量指标（KV）。当时间趋于无穷大时，房价预期与利率倒数的交叉项反映了房价预期的折现值，利率主要通过影响预期折现值来影响房价，这点符合理论模型推导。通过利率倒数与房价上涨预期的交叉项可以反映投资性需求对房价的影响。利率水平以一年期贷款基准利率的年度均值作为衡量指标;房价上涨预期用滞后一期的实际房价减去滞后两期的实际房价作为衡量指标②。
3. 控制变量。为尽量对影响房价的其他关键因素加以控制，以观察核心解释变量对房价影响的净效应，本文参照丁军（2013）[12]和张安全等（2017）[13]的研究，选取以下控制变量：（1）户籍人口。在住房供给不变的前提下，人口越多的城市，住房需求量就越大，越容易推高房价（李超，2013）[14];人口越多，规模经济效应就越明显，从而提高劳动生产率和收入水平，进一步推高房价。本文采用各地区户籍人口数来测度当地人口量。（2）城镇人均可支配收入。人均可支配收入反映了居民收入水平的高低。改革开放以来，我国居民收入水平快速提高，城镇居民家庭人均可支配收入年均增长率达到10%左右，城镇居民的房屋购置能力大大提高。（3）城市化率。我国正处于高速城市化进程，推动了房价快速上涨（陆铭等，2014）[11]。2019年，我国城市化率为60.6%。（4）教育资源。教育资源数量多和质量高的地区，房屋价格也会相对较高。本文选取高等学校在校学生数作为当地教育水平的衡量指标。（5）环境质量。近年来，我国居民的环保意识大大增强，选择住房时对周边环境的重视程度越来越高，尤其是难以复制的自然和生态环境对房价的影响越来越大。环境质量提高对房价有正向资本化效应，反之，环境污染会对当地房价产生负向资本化效应。从现有文献看，多数研究采用“三废”指标中的某个或全部指标来衡量环境污染程度。考虑到二氧化硫是工业污染排放中最典型的排放物，也是大气污染的主要成分，故将工业二氧化硫的排放量作为环境污染的衡量指标（杨仁发，2015）[15]。
（二）数据说明
本文选取了2007—2016年全国285个城市的数据，其中房地产、上海银行间同业拆放利率、常住人口数据来自万得数据库;户籍人口、城镇人均可支配收入、非农业人口及年末总人口数、高等学校在校学生数、工业二氧化硫排放量等数据均来自《中国城市统计年鉴》，个别缺失数据补齐后成为平衡面板数据。为了保证数据的平滑性，对部分变量进行了对数化处理。各变量的统计性特征见表1。
四、实证分析
（一）待估模型
根据前述理论模型和经典文献对房价决定因素的讨论，设定房价的待估模型为：
公式（1）中[HP_r]为被解释变量，关键解释变量为货币因素[KV]和人口因素[M]，向量[X]是影响房价的其他一系列控制变量，下标[i]、[t]分别表示地区和年份，[ε]表示随机扰动项。在对式（1）所示回归模型进行估计之前，先利用OLS分别估计出利率、房价上涨预期、流动人口对房价的回归系数，见表2的列（1）—（3），以初步确定利率、房价上涨预期和流动人口对房价的影响。随后，对式（1）进行OLS回归，以考察人口流动因素和货币因素对房价造成的影响，回归结果见表2的列（4）。除模型设定变量以外，各市域自身特征变量也会对房价产生影响，因此继续采用固定效应模型对式（1）回归，恰好可以在一定程度上弥补遗漏地区特征变量的问题。地区固定的固定效应模型的回归结果如表2的列（5）所示，为了控制潜在的异方差和序列相关问题，列（5）还对回归系数的标准误在地区层面上作了聚类调整。进一步，列（6）采用地区和时间双固定的固定效应回归，并对回归系数的标准误在地区层面上作了聚类调整，使得回归结果更加可靠。
（二）检验结果
1. 人口因素。从表2列（3）—（4）来看，人口因素系数显著为正，且经过变量控制，通过实证检验。表明外来人口流动对于房价具有显著的正向影响，即外来人口流入越多的城市，房价上涨越快，假设一得到检验。这一实证结果也对一线城市和部分外来人口流入较多的二线城市房价大幅上涨进行了解释。
2. 货币因素。从表2列（4）来看，货币因素系数显著为正，且经过变量控制，通过实证检验。表明当利率水平一定时，居民对未来房价的预期能够对房价产生长期正向影响。当房价预期一定时，基准利率下降会对房价产生正向刺激作用。假设二得到检验。列（1）—（2）检验了利率、房价预期单变量对房价的影响，检验结果符合预期。 3. 控制变量。从控制变量的回归结果看，各变量的影响基本符合预期，如城市化率与房价存在稳健的正向关系，城市化进程加快时，房地产市场需求也会增加，从而推动房价上涨。环境污染与房价存在负向关系，说明环境污染对房价产生下行压力，环境污染严重的地区房价相对较低。较为特殊的是人均地区生产总值和教育对房价的影响系数，表2列（4）和（5）中二者系数均为正，但经过聚类调整后，系数符号变为负，说明家庭收入水平和教育对房价的正向促进作用并不稳健。在一般情况下，居民收入水平与住房需求是正相关的。但事实上，如果购买住房是满足基本住房需求，居民收入水平不会对这部分住房需求产生显著影响，也就不可能影响房价（吴锦华，2008）[16]。在教育方面，一般认为义务教育学区对房价的影响要大于高等教育。
（三）稳健性检验
1. 替代的解释变量。为了使回归结论更加稳健，本文将前文所用一年期贷款基准利率替换为上海银行间同业拆放利率进行估计。上海银行间同业拆放利率在我国市场化产品定价中得到广泛运用，因此，本文选取上海银行间同业拆放利率作为利率替代变量，回归结果见表3列（1）。货币因素KV2对房价的影响显著为正，与前文基准回归一致，这也说明本文的研究结果较为稳健。
2. 剔除异常值。为了检验基本结论是否受到异常值的影响，我们去除了相应回归结果中因变量最高0.5%和最低0.5%的值后进行回归，结果见表3列（2）。可以发现，去除掉异常值的回归结果与前述结果一致，人口因素和货币因素影响房价的相关结论是极其稳健的，说明本文的主要结论不受数据异常值的影响。
3.双重聚类调整。对标准误在城市层面（地级市）和时间层面进行双重聚类调整，能克服自相关以及异方差等问题对统计推断的影响，为得到更加稳健的结果，采用双重聚类调整标准误来进行t检验，重新估计结果与表2一致，证明本文的基本结论是可靠的。
（四）进一步讨论
需要指出的是，上述列出的研究结果均未考虑区域差异、城市化水平及时间的特殊影响。事实上，各个区域都有着不同的经济发展水平，房地产市场的发展状况也有很大差异，影响房价的因素也会随时间而变化，因此应当进一步分别对不同区域、不同城市化水平与不同年度的特殊影响进行分析。
1. 异质性分析——区域差异。为了分析人口因素、货币因素对不同区域房价的异质性影响，本文根据常用的分类标准，将样本分为东部地区和非东部地区，同时构建地区分布虚拟变量，East=1代表东部地区样本，East=0代表非东部地区样本，并在基准回归模型的基础上分别加入人口因素、货币因素与地区分布虚拟变量的交互项，回归结果见表4列（1）和列（2）。East[×]M的系数显著为正，说明东部地区外来人口对房价的影响更为强烈。人口因素对不同区域房价的影响存在异质性，东部地区对流动人口的吸引力远强于其他地区，中西部人口流向东部地区导致了东部地区的房屋需求量大大增加，会进一步抬高房价;而中西部地区由于人口流入较少，对房价造成的上涨压力也相对较弱。East[×]KV1的系数不显著，说明货币因素对房价的影響不存在显著的区域差异，即基准利率的调整对于东部和中西部房价的影响基本一致。
2. 异质性分析——城市化水平。为了分析人口因素、货币因素在不同城市化阶段对房价产生的异质性影响，本文依据城市化水平高低，构建城市化水平虚拟变量。对于城市化水平高于中位值的样本，令d_urban =1，代表高城市化水平;对于城市化水平低于中位值的样本，令d_urban =0，代表低城市化水平。此外，在基准回归模型的基础上分别加入人口因素、货币因素与城市化水平虚拟变量的交互项，回归结果见表4列（3）和列（4）。d_urban[×]KV1系数不显著，说明在不同城市化阶段，货币因素对房价并未产生明显的异质性影响。d_urban[×]M系数显著为正，说明在城市化水平较低时，人口流动对房价的影响相对较小，而城市化水平较高时，人口流动对房价的影响较大。
3. 异质性分析——年度的特殊影响。以2016年为参照，构建年度的虚拟变量D07、D08[……]D15。以D07为例，D07=1代表年份为2007年，D07=0代表年份不是2007年。在模型（1）的基础上分别引入9个虚拟变量与KV1、M的交叉项，以便分析人口因素、货币因素在不同时期对房价产生的异质性影响，回归结果见表5。从交叉项的回归系数来看，大部分都显著，说明各个年度的人口和货币因素对房价的影响的确存在显著差异，只有2014年的货币因素和2015年的人口因素同其他年份没有显著区别。我们将各年度的KV1与M的估计系数绘制成了时间序列的形式（见图1）。整体来看，货币因素和人口因素都对房价变动产生重要影响，且研究期内货币因素的强度大于人口因素。
五、结论与启示
改革开放以来，通过放松户籍管理，我国启动了大规模的跨地域人口迁移，不仅促进了东部沿海城市的经济繁荣，而且为住房商品化改革提供了坚实的需求基础，人口流动规模成为不同城市之间房价差异的重要原因。这些观点在本文中得到了验证。但是，随着近年来人口流动的减弱、贷款利率的降低，货币因素逐渐超过人口因素成为支撑房价上涨的主导因素。由于货币因素主要通过投资性需求渠道影响房价，货币因素的凸显反映了住房的投资属性不断增强，居住属性相对减弱。本文认为这一现象是经济发展到人口和技术红利后期必然出现的现象。一方面，人口红利后期，由于出生率下降、人口老龄化、城市病等因素，人口流动减缓，曾经支撑房价的人口力量在减弱。另一方面，由于技术革命引发的经济增长进入末期，经济下行压力加大，迫使货币当局采取更为宽松的政策态度，引发宽松货币政策和房价上涨预期，使货币因素极有可能超过人口因素成为房价上涨的主导因素。这一状况的出现在客观上削弱了货币政策的操作灵活度，造成货币当局在运用货币政策工具时采取更加审慎的态度，尝试通过结构化的货币政策维持经济增长和房价之间的平衡。 此外，本文认为应当更加重视预期对房价的影响。相对于利率变化，预期骤变和人口流动骤减共同构成了房价下跌的长期风险。预期拐点的出现很可能要快于人口流动的拐点。当一个城市预期发生实质性扭转时，会向另一个城市快速传染，从而引发房地产市场的共振。这也在一定程度上解释了货币因素对于房价异质性影响并不明显的原因。
注：
1反之，可将利率对房价预期的折现值视为包含了房价预期调整后的货币因素，后文中提到货币因素时，均指经过房价预期调整后的货币因素。
2在中央银行利用货币政策对房地产市场进行调控过程中，利率作为货币政策的主要中介指标存在并且发挥作用，是决定投资成本的主要因素。由于各地实际房贷利率不可得，本文采用贷款基准利率作为替代解释变量。尽管从货币政策角度来看，这种替代并不影响研究结论的稳健性，但从技术上看，贷款基准利率只能解释房价在时序上的变动，却无法解释截面上的差异，贷款基准利率与房价上涨预期的交叉项可以弥补这一技术上的不足。
参考文献：
[1]Harris J C. 1989. The Effect of Real Rates of Interest on Housing Prices [J].The Journal of Real Estate Finance and Economics，2（1）.
[2]Wheaton W C，Nechayev G. 2008. The 1998—2005 Housing 'Bubble' and the Current 'Correction'：What's Different this Time？ [J].Journal of Real Estate Research，30（1）.
[3]吴凡.房地产价格与宏观经济关系的实证研究 [D].对外经济贸易大学，2006.
[4]刘明，刘斌.利率调控房价的效应分析 [J].上海金融，2005，（11）.
[5]余鹏.房价高涨现象与利率治理效果的初步实证分析 [J].辽宁经济，2005，（10）.
[6]張静竹.个人住房贷款利率“爬坡风险”评估及启示 [J].金融理论与实践，2019，（04）.
[7]Saiz A. 2007. Immigration and Housing Rents in American Cities [J].Journal of Urban Economics，61（2）.
[8]Gonzalez L，Ortega F. 2013. Immigration and Housing Booms：Evidence from Spain [J].Journal of Regional Science，53（1）.
[9]Sá Filipa. 2015. Immigration and House Prices in the UK [J].The Economic Journal，125（587）.
[10]董昕，周卫华.住房市场与农民工住房选择的区域差异 [J].经济地理，2014，34（12）.
[11]陆铭，欧海军，陈斌开.理性还是泡沫：对城市化、移民和房价的经验研究 [J].世界经济，2014，（1）.
[12]丁军.我国利率调整对房价影响的理论与实证研究 [J].改革与战略，2013，29（03）.
[13]张安全，张立斌，郭丽丽.性别比例失衡对房价的影响及其门槛特征 [J].财经科学，2017，（5）.
[14]李超，匡耀求.人口集聚过程中的我国房价收入比 [J].学术研究，2013，（2）.
[15]杨仁发.产业集聚能否改善中国环境污染 [J].中国人口·资源与环境，2015，25（2）.
[16]吴锦华.我国房价上涨与住房需求增长的因果关系探讨 [J].中国社会科学院研究生院学报，2008，（05）.