派智库

内容提要：新城镇化建设与房地产去库存一直是社会关注的热点。本文选取70个大中城市2007-2016年的面板数据.检验了房价的空间关联性，就新城镇化下房地产去库存对房地产价格影响的区域差异建立了空间面板数据模型。分析显示：各地房地产价格整体上具有正向空间相互依赖性，局部空间以类聚性为主，异质性为辅。新城镇化下房地产去库存对于各地房价也具有空间依赖性，但影响并不一致，对一二线城市房价稳定呈现的是负面影响，对三四线城市房价稳定则并不固定。

内容来自dedecms

关键词：新城镇化 房地产去库存 房地产价格 空间面板数据模型 织梦好，好织梦

白2016年起，中央因城施策，对三四线等楼市库存高的城市强调去库存，房价上涨过快的一二线楼市实行限购限贷，去库存与抑制房价成为房地产市场调控的重要任务，房地产市场呈现出“冰火两重天”格局。我国房地产去库存不仅涉及产业问题，还属于城市社会功能问题。理论上，城镇化对房地产高库存具有一定制约性，会促进对房地产的需求，从而带动房价上涨。但过高的房价却会遏制城镇化发展。高库存与高房价并存的房地产市场供需结构性失衡，不仅成为制约我国房地产市场整体健康发展的瓶颈，而且成为阻碍我国地区性经济增长的巨大障碍。在此背景下，理清房地产去库存和房价波动的区域差异，对于有效化解房地产库存，促进房地产业持续发展具有重要意义。 织梦内容管理系统

一、房地产去库存对房价影响的文献评述 织梦好，好织梦

关于房地产去库存对房价影响的相关研究颇多，如余壮雄等（2014）在研究城镇化与资源配置时发现地区资源配置将会制约房地产库存量。韩国高（2015）运用PVAR模型研究了我国房地产库存对经济增长、房地产投资和房价的影响。向为民（2016）从系统归纳分析2014-2015年中央出台的房地产行业去库存政策入手，揭示了去库存的影响因素。申博（2016）采用空间面板模型将去库存视角下房地产对地区金融的影响进行了差异性分析。王先柱、吴义东（2016）采用房地产均衡价格建立了去库存压力模型，从住房供需检验了地区库存压力的区域差异性。易宪容（2016）就房地产去库存的难点与重点逐项剖析，认为房地产高库存涉及当前中国经济下行压力与未来经济走向的问题。王先柱，吴义东（2016）根据住房价格特征对比各地区住房市场库存压力，得出不同地区库存压力差异明显，东部地区住房库存压力较小，而中西部地区库存压力较大。 织梦好，好织梦

可见，已有研究结合我国城镇化发展尤其是新城镇化的大背景来探讨房地产库存明显不足。理清城镇化、房地产价格和房地产库存间的关系可以为合理引导房地产去库存及房地产供给侧改革提供有效支撑。此外，学界对房地产的区域差异性特征重视不够，缺乏对地区间相互影响的考究。地区差异是政策因城而设的基础，忽略空间影响得出的结论难免片面。新型城镇化在城镇化的内涵和质量上的差异对房价与去库存的影响是否也具有区域差异，进而这些差异是否具有关联性并呈现何种联系，这都是本文需要探究的问题。因此，本文拟采用空间经济计量的研究方法，建立空间面板数据模型探讨新城镇化背景下房地产去库存对房价影响的区域差异。 内容来自dedecms

二、城镇化背景下房地产去库存与房价的现实分析 内容来自dedecms

我国城镇化进程和房地产市场发展迅速，据国家统计局数据显示：2016年全国城镇化率达到57.35％，房地产均价上升到7546元/平方米左右，但各地各市差异明显。东部一二线城市城镇化率多超过60％，东部一线城市房屋均价甚至高达40000元/平方米以上。而大量三四线城市的中西部地区城镇化率多低于50％，房屋均价维持在5351元/平方米左右。从2015年中央提出房地产去库存并根据实际情况因城施策，到2016年末我国房地产总体库存已减少3.2％，商品房销售面积达157349万平方米。其中，东部地区销售72894万平方米，中部地区销售46108万平方米，西部地区销售38346万平方米，商品房待售面积为69539万平方米。截至2017年3月末，商品房待售面积下降为68810万平方米，相比2月末减少1745万平方米。虽然少数属于三线城市的环京滓“城市群”也步入限购调控模式，但总体上三四线城市房地产库存量依然很大，去库存任务依然艰巨。

织梦好，好织梦

从以上数据来看，城镇化水平高的地区房价也较高；城镇化水平低的地区房价也较低。城镇化水平的高低亦影响到房地产市场的供给与需求。按照国家人口发展规划，2030年我国城镇化率将达到70％，将新增2.2亿城镇居民带动消费需求。城镇化进程中产业布局势必会影响到房地产去库存与房地产调控。三四线城市虽然城镇化提升空间大，房地产市场发展潜力巨大，但由此面临的去库存情况也更为复杂艰巨。

三、新城镇化下房地产去库存对房价影响的实证检验 织梦内容管理系统

（一）模型构建 copyright dedecms

本文参考王元华（2015）在Bruyne（2013）利用效用函数建立了中心城市和边缘城市房地产价格影响模型，将该模型置于城镇化的背景下构建模型。假设两城市分别为a和b，W代表工资水平，P代表商品价格，居民实际收入是W-P，代表当地经济发展水平。δ为生活在城市a的概率，1-δ则为在城市b的居住概率。居民对住房的市场需求（单位需求面积）为H，对住房消费的比例是β，对其它商品的消费是1-β。采用柯布一道格拉斯函数来表示效用，最终得到住房价格PH的表达式：

copyright dedecms

dedecms.com

据此，房地产价格除受到城市工资、生活成本的影响，还将受到在某个城市居住概率和市场需求的影响。由于本研究涉及城镇化、房地产库存和房地产价格三方面，在此基础上，进一步假设N为居民人口，它与人均面积的乘积HN则代表了房地产需求D。S为建成区面积M和城市容积率R的乘积，表示房地产供给。当房地产供给大于房地产需求时，就会产生房地产库存K，即K=S-D。

dedecms.com

可得，K=MR-HN（2） copyright dedecms

假设R=1，公式（2）简化为K=M-HN，将其带入公式（1）得到： 内容来自dedecms

又考虑到城镇化中，城镇人口和城市建成区面积分别会按照T1和T2的比率增长，上式继续演变为： copyright dedecms

织梦内容管理系统

从公式（4）看出：如果不考虑其它因素的变化，城镇人口与城市建成区面积增长率相同，T1=T2，则房地产价格PH并不变化，意味着房地产供需平衡，房价平稳；如果T1＞T2，则房地产价格PH将上升，意味着房地产供不应求，房价上涨；如果T1＜T2，房地产价格PH将下降，意味着房地产供过于求，则会出现房价下跌。单从关联方向看，房地产库存与房地产价格刚好相反，但受其它因素影响，最终结果并不唯一。据此建立以下假设以待检验： 织梦内容管理系统

假设一：城镇化对房地产价格的影响存在空间区域维度差异。

织梦内容管理系统

假设二：房地产去库存对房地产价格的影响不具唯一性。 copyright dedecms

（二）指标选取与数据来源 copyright dedecms

1.指标选取。将新城镇化和房地产去库存作为解释变量，房地产价格作为被解释变量。具体指标选取如下： dedecms.com

已有城镇化研究中往往单一地采用城镇人口指标法或土地利用指标法来反映一个地区的城市化水平。新城镇化相对于旧城镇化而言更侧重利用系列综合指标来量化城镇化。本文结合前述理论分析，基于指标精简、相关度高、区域特征明显以及可获取的衡量，将代表新城镇化的指标分解成四个方面。在城镇人口指标来代表城镇化的基础上，再添加对城市空间、经济和基础设施的考虑。具体选取人均GDP（用X1表示）来代表经济发展，城镇建成区面积增长率（X2）表示区域空间增长，人均城市道路面积（X3）代表城市基础设施，人口城镇化率（X4）来反应人口因素。 本文来自织梦

结合本研究，考虑与新城镇化指标相匹配，以及样本数据搜集的可得性，最终采用商品房销售面积与竣工面积之比来表示房地产去库存（X5）。其值越大，意味着房地产销售量越大，去库存越明显。而房地产价格选用房屋销售价格指数（P）来表示。为了消除数据的异常变化，全部变量取对数后代入模型分析。 织梦内容管理系统

2.数据来源。本文选取全国70个大中城市2007-2016年的年度数据，并根据中国城市等级划分区域分类。数据均来源于历年《中国统计年鉴》、《中国城市统计年鉴》、《中国房地产年鉴》、《中国城镇生活与价格年鉴》、《中国价格年鉴》和部分相关省市统计年鉴。其中，2009年城镇人口由非农业人口代替，2016年房屋销售价格指数由国家统计局发布的该年月度住宅销售价格指数汇总平均所得，其余2016年指标数据由上年对应指标推算。数据使用Matlab 7.1进行分析。 本文来自织梦

（三）模型估计及检验分析

1.空间相关性检验。解释变量中已包含地区经济因素指标，为避免重复考虑，本文直接利用二进制空间相邻矩阵作为空间权重，进行空间相关性检验，具体采用Moran’s I指数，以识别研究对象是否存在全局空间效应。 本文来自织梦

copyright dedecms

表1显示，在5％的显着水平下，全国70个大中城市的房地产价格的Moran’s I值均大于0，样本通过检验，其房价具有显着的空间相关性。整体上，Moran’s I值随时间逐步增加，P值却变小，说明其空间相关性不断加强。此外，Z统计量的检验值也都大于正态分布函数的临界值1.64，进一步证明其空间正向相互依赖性。 本文来自织梦

继续局部空间聚集性检验，观察2014年的Moran散点分布和Lisa集聚状况。以2014年作为观察点是基于2013年我国提出了新型城镇化建设和同年再次进行了房地产市场调控，而政策影响通常具有滞后性。结果显示集聚在LL象限的城市最多，共44个，主要是以宜昌、南充为代表的三、四线城市，多集中在中西部地区。该区域城市房价较低，城市间房价差异度较小，存在较强的空间正相关。其次，在HH象限是北京、上海、南京等16个东部为主的一、二线城市，构成高房价热点区，房价空间差异小，正相关性明显。最后，LH象限的是南昌和石家庄等6个二、三线城市。这些城市房价相比周边城市较低，空间差异大。HL象限的为广州、深圳、惠州等东部一、二线城市。这些城市房价具有异质性，与周边较低房价地区存在空间负相关。可见，样本观测值的分布很不均匀，象限分布差异明显，各地房价存在较大的空间差异性与正向相互依赖性。这解释了环一线的三线城市如廊坊、佛山、东莞、昆山等受北京、广州一线城市影响，房价比肩热点二线城市，甚至超越沈阳、哈尔滨等省会二线城市房价。

dedecms.com

2.空间面板数据模型估计与分析。空间面板数据模型分为空间滞后面板模型和空间误差面板模型。本文采用LM法进行模型形式判断。由于一线城市仅5个，故将其与二线城市合并检验，结果如下。 织梦好，好织梦

表2表明各级城市的空间误差模型的拉格朗日乘子明显大于空间滞后模型的拉格朗日乘子，选择空间误差模型为宜。而面板数据模型又分固定效应和随机效应两种。回归分析时，如果样本局限于特定个体，采用固定效应效果更佳。此外，鉴于研究样本有限，房地产市场的地理位置与影响差异明显，本文主要关注各地新型城镇化下房地产库存对房价影响的地区差异，因此采用广义最小二乘法就其空间固定效应结果进行分析。 内容来自dedecms

表3显示，各类城市模型拟合优度较好，都达到81％以上，DW值也不存在明显的序列相关，表明新城镇化下房地产去库存对房价波动存在明显的空间依赖性。

从反映新型城镇化的指标看，X1的系数在各地区对房价的影响都是正向，即地区经济的增长都会促进当地房价上涨，但影响程度随其数值大小不同。一二线城市的经济因素对房价作用大，位列影响度第二位，人均GDP每增加1个百分点，房价增加0.4651个百分点。而在三四线城市其经济影响度均下降，人均GDP每增加1个百分点，房价只增加0.2685个百分点和0.3485个百分点。

本文来自织梦

X2对各地房价具有明显的正向影响。该指标代表城镇化的空间因素，从侧面反应了城镇化过程中城市规模扩张引致房地产需求的增长。对于一二线和三线城市来讲，此因素在对房价的影响中占绝对主导地位，而在四线城市也具有明显优势。 内容来自dedecms

X3代表城市基础设施，它对各地房价的正向影响极不均匀。一二线、三线地区城市系数的P值不理想，这意味着受其他众多影响房价因素的共同作用，城市基础设施对房价波动可能具有潜在影响。相比四线城市，该影响却非常显着。 dedecms.com

X4反映出人口因素对各地房价的正向推动也不一致。在一二线城市，人口城镇化率每提高1个百分点，将推动房价上涨0.2369个百分点。但这种影响在三四线城市由于P值不理想，反映出不确定性。原因可能是一二线城市在政治、经济、规模和影响力上优势显着，一直是劳动力流入主体，对周边三四线城市虹吸效应明显，从而带动本地房地产的供需变化显着地影响到了房价稳定。而三四线城市尤其是西部地区一直是人口流出主体，这极大弱化了人口城镇化对房价的推动效应。 本文来自织梦

以上结论共同反映了城镇化对房价的影响存在空间区域维度差异，从而验证了前述假设一。再从房地产去库存指标看，X5在各级城市模型中的系数均为负，且除三四线城市P值较小外，一二线城市P值并不理想。这说明房地产去库存对于各地房价的影响并不一致。对一二线城市房价稳定呈现的是负面影响，对三线、四线城市房价稳定则并不固定。验证了前述假设二。原因是，房地产去库存越大意味着房地产销售越快，房地产竣工量一旦跟不上，则会出现房地产供求失衡，引起房价不稳。实际上，在上海易居房地产研究院公布的35个城市库存情况中，2015年库存量前十名里就有天津、上海、北京、广州等高房价一线城市。这些城市在2016年也出现了去库存越快，房价增长越快，从而面临更严厉的政策调控。 本文来自织梦

四、结论及建议

织梦内容管理系统

（一）研究结论 织梦好，好织梦

1.整体上各地房价具有正向空间相互依赖性，局部空间以类聚性为主，异质性为辅。各地房价地理位置显着相关，绝大多数房价高的城市往往临近其它高房价城市，房价低的城市往往与其它低房价城市为邻。

2.城镇化对区域房价影响呈现空间差异化。房价在一二线城市受城市空间扩张、经济发展和人口流动影响最明显，而三线城市受城市空间扩张和地区经济发展影响最大，四线城市则受城市基础设施、城市空间扩张更为显着。

3.新城镇化下房地产去库存对于各地房价具有空间依赖性，但影响并不一致。对一二线城市房价稳定呈现的是负面影响，对三线、四线城市房价稳定则并不固定。

内容来自dedecms

（二）政策建议

织梦内容管理系统

新城镇化的顺利实施和房地产市场的健康发展要相辅相成，要在考虑房价空间差异性和关联性影响的前提下，继续实施因城施策的分类调控思路。据此建议：

1.提高有效需求，促进三四线城市去库存。三四线城市房价下降空间有限，不能单纯依靠房企让利，政府补贴，减少土地供应等手段来拉升需求去库存。要借新城镇化建设，形成持续有效需求，其核心在于激活产业活力。环一二线的三线城市可考虑发达城市辐射作用，形成高端优质产业，四线城市发展特色产业，以此带动城乡结合部由人口流动和城镇扩张所致的系列需求。要鼓励资金、技术、人才流入，均衡教育和医疗资源，配合户籍改革，让新农民工市民化实现从潜在需求向有效需求转化。 内容来自dedecms

2.以增加有效供给，推动一二线城市从去库存转移到稳房价。首先，确保住房居住属性，除继续限购、限外，合理增加土地供应，控制地价，遏制房价的非理性上涨。其次，明确地方政府主体责任，继续加大保障性住房建设供应，健全购租并举的住房制度满足市场需要。最后，规范房地产开发、销售、中介等行为，并加大严控力度和适势及时调整，缓解房地产市场的结构性矛盾。 织梦内容管理系统

3.推进相关配套制度改革。要积极推进土地制度、住房保障制度、投融资制度和税制方面的改革，搭建让政策长效发挥的制度框架。还要完善房地产价格统计、信息共享与披露、市场预警等制度，加强对房地产市场分析，提高市场走势预测的准确性，为制定和落实相关政策奠定基础。 dedecms.com

参考文献： 织梦内容管理系统

[1]王元华，城镇化进程中房地产价格分异研究[D]，华东师范大学博士学位论文，2015.

[3]韩国高.房地产库存对我国房地产市场与经济增长的影响——基于PVAR模型的实证分析[J]，管理现代化，2015（1）. dedecms.com

[4]王先柱、吴义东.我国住房市场去库存压力的区域性差异研究——基于住房均衡价格的视角.价格理论与实践2016（5）.

[5]向为民，王霜.房地产“去库存”与对应取向[J].改革，2016（6）. 织梦好，好织梦

（作者单位：李娇，重庆广播电视大学建筑工程学院；梁桂宝，重庆理工大学管理学院；袁晨，重庆交通大学经济与管理学院） copyright dedecms