中国地区房价俱乐部收敛特征及机制实证研究

黄忠华　杜雪君^[1]

摘　要:本文基于1994～2011年中国省际面板数据,分别采用logt收敛检验法和多项logit模型,实证分析我国地区房价俱乐部收敛特征及其机制。主要研究结果为:(1)我国地区间房价总体存在发散趋势,但在局部显著存在高、中等偏上、中等和低房价4个俱乐部收敛组;(2)房价俱乐部收敛组不同于东、中、西和东北地区划分,但总体存在较弱的地理邻接性;(3)集聚经济、城镇化发展、房地产市场特性等因素对房价俱乐部收敛的影响显著,其中经济集聚因素的影响较大。结论和建议是:(1)我国地区房价总体发散但存在俱乐部收敛特征,宜对高、中等偏上、中等和低房价俱乐部收敛组区域实施差别化的调控政策;(2)推进中西部中、低房价地区经济的集聚发展水平,提高房地产市场的区域整合性。

关键词:房价　俱乐部收敛　特征　成因　logt收敛检验

中图分类号:F321.1

一、引　言

近年来,中国房地产价格的显著增长与剧烈波动引起了各界关注。每一轮旨在控制房价过快上涨的调控都引起地区间房价更大的波动,如2007年下半年的政策收紧、2008年底的救市政策、2009年的房贷新政、2010年“新国十条”和限购的调控新政、2011年和2012年的持续收紧政策,都给各地房价带来不同程度的冲击。我国地区间房价的波动和差异在扩大,以可比价格计算,我国省际房价标准差从1994年的687上升到2011年的1938。虽然房地产市场发展过程中房价显现一定区域差异是一种普遍现象,但是差异中是否蕴含着某种收敛特征,这对深入认识房地产市场的区域性和差别化调控具有重要意义。

本文主要探讨我国地区间房价的收敛特征及其机制,具体来说探讨以下三个问题:(1)不同区域的房地产价格是否存在收敛,即不同地区房价是否逐渐向某一稳定的增长率趋近;(2)若存在收敛,则收敛的特征是什么,是全局的收敛还是俱乐部收敛;(3)收敛的机制又是什么,即这种收敛由什么因素作用形成的。这些问题的验证和解释将深入揭示我国房地产价格收敛特征与规律,不仅有助于完善房价波动理论研究,也为政府更好地针对房地产市场具体特性制定差别化的调控政策提供科学依据。

本文主要基于异质性的Phillips和Sul(2007)提出的logt收敛检验法,并基于中国1994～2011年面板数据对地区房价收敛特征及机制进行了研究。研究发现:我国房价总体上发散,但局部上显著存在高、中等偏上、中等和低房价四类俱乐部收敛组;集聚经济和城镇化发展等因素,对地区间房价俱乐部收敛构成显著影响。

本文接下来的结构安排如下:第二部分是相关文献回顾,第三部分是模型和数据说明,第四部分是房价俱乐部收敛特征和机制的实证分析,最后部分是结论和建议。

二、相关文献回顾

(一)房价收敛相关理论基础

房价收敛属于区域房价波动关系研究范畴。收敛的理论基础主要有三方面:(1)占房价波动关系研究核心地位的波纹效应研究认为,经济发展水平相似或地理邻近城市或地区的房价将经历相似波动,同时房价会像波纹一样传染至另一些地区。从长期均衡的角度看,若地区间房价存在波纹效应,则表明地区房价存在收敛和均衡趋势(Meen,1999)。Drake(1995)研究认为,地区间房价变化存在长期均衡机制,使地区间房价具有稳定因果关系和共同趋势。(2)城市经济学认为,房价由空间均衡过程决定,均衡条件下,边际经济主体在不同地区间效用相等,而地区间房价差异则补偿了集聚经济、收入、人口和设施等方面的差异(Glaeser,2007)。若地区间经济增长和收入等因素趋向收敛,则地区间房价也将收敛。(3)房价与宏观经济基本面因素的研究表明,房价受收入和利率等基本面因素的影响,因此当基本面因素收敛时,地区房价也可能趋向收敛。而现有经验证据表明,我国地区房价可能存在收敛,因为我国地区经济增长存在显著的条件收敛(林毅夫,2003;徐现祥,2004)和俱乐部收敛(Barro和SalaIMartin,1991;沈坤荣和马俊,2001;彭国华,2008)。

房价收敛特征有多种不同类型,根据收敛范围可分为:(1)全局(ultimate)收敛,地区房价在长时期共同趋向稳定价格;(2)俱乐部收敛,即某类地区房价变化趋同。根据房价收敛性质又可分为:(1)β收敛,初始房价水平低的地区将比房价水平高的地区以更快的速度增长,即房价增长率与初始房价水平负相关;(2)σ收敛,地区房价的方差随时间推移而趋于下降。

(二)房价收敛检验方法

房价变化会随时经受一些随机冲击影响,因此可能存在随机收敛趋势,而传统的β收敛或σ收敛检验大多基于截面数据,检验是否存在确定性共同趋势收敛。基于时间序列或面板数据的房价收敛检验方法主要有以下四种:(1)单位根检验。Cook(2003)、Holmes(2007)、Holmes和Grimes(2008)采用单位根检验方法发现,英国地区间房价变化存在收敛趋势。Chien(2010)采用两阶段单位根检验,发现台湾地区房价间也存在收敛性。Holmes等(2011)基于单位根检验原理,发现美国地区(州)房价存在长期均衡和收敛性质。(2)协整分析方法。基于协整的房价收敛检验法主要分析房价与相关变量间是否存在协整关系或相对房价间是否平稳。Alexander和Barrow(1994)采用协整分析检验英国区域房价的波动关系和波纹效应。Clark和Coggin(2009)基于协整的收敛检验法分析美国房价的随机收敛性。(3)Granger因果关系检验。Wood(2003)采用Granger因果关系对英国11个地区房价波动关系研究发现,1970～1980年间英国区域房价具有显著的区域内的共同趋势和区域间的波纹效应。Stevenson(2004)采用误差修正模型和格兰杰因果关系检验发现了爱尔兰地区房价的收敛性。Chen等(2011)采用协整和Granger因果关系检验等方法分析了中国台湾地区房价波动的区域差异和作用关系,发现波纹效应存在于区域内而非区域间。(4)动态因子模型方法。梁云芳(2012)基于动态因子模型方法,发现我国地区房价波动中区域共同因子作用大于个体因子作用,呈现显著区域共同趋势和波纹效应。Del Negro和Otrok(2007)采用动态因子模型分析美国5大区48个州房价波动的区域特征。

这些传统理论和模型为检验地区间房价波动关系和房价收敛特性提供了有益参考,然而这些传统方法未能考虑地区间房价的真实数据生成过程及其异质性转型路径,Phillips和Sul(2007、2009)认为,在异质性转型路径下,变量存在单位根并不意味着不收敛,并提出了基于异质性变量的logt收敛检验方法。Kim和Rou(2012)基于logt收敛检验方法研究发现,美国州和大都市区房价存在俱乐部收敛。事实上我国地区房价变化与波动呈现较强的异质性。因此本文采用Phillips和Sul(2007)提出的logt收敛检验方法来检验异质性条件下地区房价的收敛特性,以克服传统方法的不足。

三、模型和数据

(一)模型说明

1.基于异质性转型路径的房价俱乐部收敛检验方法

文中采用Phillips和Sul(2007)提出的基于个体异质性的收敛检验方法。其原理为,假设房价包括共同成分和异质性成分,如式(1):

式中,pit为地区i在时间t取自然对数后的房价值,λt为房价中的共同成分,bit为相对份额。bit可进一步分解为随时间不变均值(bi)和时变异质性误差成分(ζit[σi/L(t)tαi]),如式(2):

式中,ζit服从iid(0,1),L(t)为缓慢变化函数。

地区房价相对收敛可定义为式(3)。

地区房价收敛的原假设为:H0:bi=b,αi≥0。

定义地区房价相对转型系数为hit,如式(4):

采用基于平方距离函数的统计量房价存在收敛意味着当t→∞,hit→1时,Ht→0。在原假设下,其中常数A>0。Phillips和Sul(2007)进一步假设L(t)=logtL(t)=logt,最终确定logt检验回归方程为式(5)。

式(5)中,-2log(logt)扮演惩罚函数项功能。由于检验回归方程中残差存在序列相关,对γ估计需用异方差和自相关一致(HAC)估计方法。其中,t=rT,rT+1,…,T,只有(1-r)部分样本进入回归。最终,原假设变为:

地区房价俱乐部收敛依赖于房价中时变因子(bit),存在俱乐部收敛的条件是bit满足:

式中,GK为第K个俱乐部,K为俱乐部个数。

2.房价俱乐部收敛成因分析模型

文中采用多项(Multinomial)logit回归模型,分析地区房价俱乐部收敛的影响因素和作用规律。假设C表示房价俱乐部收敛集合{1,2,…,J},X表示影响地区房价俱乐部收敛的影响因素,则某地区房价属于Cj收敛俱乐部的概率为:

式中,βj为房价属于第j个收敛俱乐部的系数向量。为避免模型的不定性,设β1=0,此时房价属于第一个俱乐部(参照组)的概率为:

因此,房价属于j收敛俱乐部的对数机会比(logodds

ratio)为:

(二)数据来源和说明

文中采用1994～2011年我国31个省份房价的面板数据。其中,房地产价格变量采用商品房销售均价,集聚经济变量采用地均GDP和地均人口,城镇化变量采用非农人口比重,房地产市场特性变量采用地均竣工面积和人均销售面积,收入变量采用城镇可支配收入,人口变量采用总人口。所有名义变量都经CPI调整。为消除异方差,所有数据经自然对数处理。数据来源为《中国统计年鉴(1995-2012)》。由于重庆和西藏部分数据存在缺失,文中将其剔除。需说明的是,本文采用的商品房销售均价是非同质性价格指标,与实际价格水平相比,存在向下偏误特性,但本文主要研究的是地区间房价的变化特征与趋势,而非绝对水平,因此采用商品房销售均价不会对结论产生显著影响。

四、房价俱乐部收敛特征及成因实证分析结果

(一)基于截面数据的β收敛检验

本文先检验我国地区房价是否存在β收敛,即分析初始房价较低的地区是否有更快的增长速度,由此房价总体上将呈现收敛态势。检验方法是对1994～2011年地区房价平均增长率和基期1994年取自然对数后的房价值进行回归,若斜率β显著为负则表明存在收敛,检验结果如图1所示。无论是散点图还是线性回归方程都显示,效率β值显著为正,表明我国地区间房价总体上不存在绝对β收敛。本文接下来将进一步检验地区间房价在局部上是否存在俱乐部收敛。

图1　地区房价β收敛态势

(二)基于面板数据的地区房价俱乐部收敛检验

在检验我国地区间房价俱乐部收敛前,首先观察房价的相对转型曲线(如图2所示)。总体上,地区房价相对转型系数并不显著趋向共同趋势(hit→1),地区房价呈现不同的转型路径和类型,并不存在全局收敛。这表明我国地区房价存在显著的异质性,不宜采用基于房价同质性假设的传统收敛检验方法。

因此,本文采用Phillips和Sul(2007、2009)提出的基于异质性的log

t检验法进一步检验地区房价的收敛特征。表1显示全国及按东、中、西和东北地区区域划分的房价收敛结果,无论样本始期选择1995年或1998年,^γ系数均显著小于0,显著拒绝收敛的原假设,表明全国范围内及东、中、西、东北地区房价并不存在俱乐部收敛。

表1　全国及东、中、西、东北地区房价俱乐部收敛检验结果

图2　地区房价相对转型态势

续表

表2显示我国地区间房价存在4个收敛俱乐部。(1)第1俱乐部包括北京和上海。2011年该俱乐部平均房价为15728元/平方米,它们是我国房价最高和上涨最快的地区,可称为高房价俱乐部收敛组。(2)第2俱乐部包括浙江、海南、天津、广东、福建和江苏6省(直辖市)。2011年该俱乐部平均房价为8288元/平方米,这些地区位于东部沿海经济发达地区,房价水平和增速较高,可称为上中等房价俱乐部收敛组。(3)第3俱乐部包括辽宁、安徽、山东、陕西、四川、湖北、吉林、黑龙江、河北和广西10个省份。其成员地域分布广泛,分布于我国东、中、西和东北地区。2011年该俱乐部平均房价为4440元/平方米,它们是我国房价收敛第三层次,这些地区房价接近于全国平均水平,可称为中等房价俱乐部收敛组。(4)第4俱乐部包括江西、内蒙古、宁夏、贵州、山西、河南、湖南、云南、新疆、甘肃和青海11个省份。成员主要来源于中、西部地区。2011年该俱乐部平均房价为3625元/平方米,这些地区房价低于全国平均水平,可称为低房价俱乐部收敛组。

表2　地区房地产价格俱乐部收敛检验

续表

注:括号中数字为成员省份个数;俱乐部聚类方法根据Phillips和Sul(2007)。

图3显示我国地区房价俱乐部收敛组平均房价的不同变化态势。

图3　俱乐部收敛组房价变化趋势

图4显示我国4个房价俱乐部收敛成员的地理分布。首先,总体而言,房价收敛俱乐部成员分布并不与传统东、中、西和东北地区区域划分完全对应,因此表明采用传统区域划分来分析房价区域差异并不合适,未能完全反映房价的区域差异和特性。其次,房价俱乐部收敛成员间呈现一定的地理邻近性,但并不与地理邻近性完全对应。第4俱乐部呈现显著的地理邻接性,第2俱乐部中除了天津、第3俱乐部除了广西外,其余成员均呈现地理邻近性,而第1俱乐部中,北京和上海并不呈现地理邻近性。因此,除地理因素以外还需要有其他因素来更好地解释地区房价俱乐部收敛的特征和空间格局。

(三)房价俱乐部收敛成因及机制实证分析

根据文献,经济增长、集聚经济、收入、人口和房地产市场特性等因素是影响房价俱乐部收敛的主要因素,文中先对这些因素的相关变量进行统计描述分析,结果如表3所示。不同房价俱乐部收敛组间相关因素的均值差异明显,城镇化率、经济集聚程度、人均收入(以地均GDP和地均人口衡量)等强度变量与房价俱乐部收敛组等级正相关,即房价较高的俱乐部收敛组城镇化率、经济集聚和收入水平也较高。GDP、销售面积等规模变量从中等偏上房价俱乐部收敛组(Club2)依次向低房价俱乐部收敛组(Club4)递减,人口规模变量与俱乐部收敛组的次序相关关系不显著。

图4　地区房价俱乐部收敛地区分布

表3　地区房价俱乐部收敛主要影响因素的统计描述

注:括号中数值为标准差。

接下来,基于多项logit模型,估计选取城镇化、经济集聚、人口、收入、房地产市场特性等因素,实证分析房价俱乐部收敛的驱动机制,结果如表4所示。

表4　地区房价俱乐部收敛影响因素的多项logit模型估计结果

续表

注:表中变量均经CPI调整和自然对数处理;括号中数值为t统计量值;为节省篇幅,表中不列各模型常数项估计结果;样本数522。

模型1～3分别显示城镇化水平、地均GDP、地均人口等因素对地区房价俱乐部收敛具有显著影响,表明城镇发展、经济集聚程度越高,地区的房价更可能趋向较高等级的收敛俱乐部,且各自能解释模型20%以上,尤其是地均GDP和地均人口的解释力在30%以上。但由于变量间的相关性,将这些变量同时放入模型,将导致多重共线性。模型4显示,地均房屋竣工面积(代表房地产市场供给特性)的影响显著为负,理论预期为正。然而现实却表明,房地产供给规模越大,地区的房价越可能趋向较高等级的收敛俱乐部,这表明需求因素在起主要推动作用。

由于存在多重共线性,本文最终选取将地均人口、地均GDP、城镇人口、收入和人均销售面积变量(代表房地产需求)进行估计,结果见模型5。模型5总体估计效果较好,这些因素大约能解释模型60%的方差。地均GDP、地均人口、收入和人均销售面积等变量的系数为负,其中地均GDP、地均人口、城镇人口和收入系数显著性水平较高,表明经济集聚程度、收入和房地产市场特性是导致地区房价俱乐部收敛的显著因素,其中集聚经济因素的影响较大。

总体而言,经济集聚、城镇化、收入和房地产市场特性对地区房价俱乐部收敛的影响显著,而其中,经济集聚、城镇化是驱动房价俱乐部收敛的最重要的影响因素。

五、结　论

本文主要基于异质性的logt收敛检验方法,对我国地区房价收敛特征进行检验,并采用多项有序logit,分析影响地区房价俱乐部收敛的成因和机制,得出的主要结论如下:(1)我国地区间房价总体上存在发散趋势,但局部上存在高、中等偏上、中等和低房价4个收敛俱乐部,即存在按不同房价水平分组收敛特征。其中高房价收敛俱乐部包括北京和上海;中等偏上房价收敛俱乐部包括浙江、海南、天津、广东、福建、江苏6个省份;中等房价收敛俱乐部包括辽宁、安徽、山东、陕西、四川、湖北、吉林、黑龙江、河北、广西10个省份;低房价收敛俱乐部包括江西、内蒙古、宁夏、贵州、山西、河南、湖南、云南、新疆、甘肃和青海11个省份。(2)房价收敛俱乐部与东、中、西、东北区域划分并不一致,总体上存在一定的地理邻接性,地理因素有助于部分解释房价俱乐部收敛的空间格局。(3)城镇化发展、集聚经济、人均收入和房地产市场特性等因素对地区房价俱乐部收敛的影响显著,其中集聚经济的影响较大,表明我国地区房价俱乐部收敛格局主要由经济集聚作用驱动。

本文的政策含义是:(1)由于地区房价存在显著按房价水平分组的俱乐部收敛特征,我国房地产市场的区域差异显著,因此应针对高、中等偏上、中等和低房价俱乐部收敛地区,分别实施差别化的房地产调控政策。在同一俱乐部收敛组地区,房价波动态势趋同,可实施相似的调控策略;而在不同俱乐部收敛组地区,应实施差别化的调控政策。例如,在高房价俱乐部地区,应增加土地供应和住房供给,以缓解房价过快上涨的趋势。(2)由于房价收敛俱乐部分组显著不同于东、中、西、东北的区域划分,房地产调控和政策的区域目标不宜沿用东、中、西、东北区域划分,可采用基于俱乐部收敛的高、中等偏上、中等和低房价俱乐部收敛组区域划分。(3)由于集聚经济和城镇化因素显著影响地区房价俱乐部收敛,因此要提高区域房地产市场的整合性和统筹区域房地产市场发展,应进一步推进中西部中、低房价地区的城镇化和经济集聚发展水平。

参考文献

[1]梁云芳.新时期我国房地产周期波动研究——特征、成因和结构变化的计量分析[M].北京:科学出版社,2012:70-94.

[2]林毅夫,刘明兴.中国的经济增长收敛与收入分配[J].世界经济,2003(8):3-14.

[3]彭国华.我国地区经济的“俱乐部”收敛性[J].数量经济技术经济研究,2008(12):50-57,86.

[4]沈坤荣,马俊.中国经济增长的“俱乐部收敛”特征及其成因研究[J].经济研究,2001(1):33-95.

[5]徐现祥,李郇.中国城市经济增长的趋同分析[J].经济研究,2004(5):40-48.

[6]Alexander C.Barrow M.Seasonality and Cointegration of Regional House Prices in the UK[J].Urban Studies,1994,31(10):1667-1689.

[7]Barro R.J.,SalaIMartin X.Convergence[J].Journal of Political Economy,1992,100(2):223-251.

[8]Chen P.F.,Chien M.S.,Lee C.C.Dynamic Modeling of Regional House Price Diffusion in Taiwan[J].Journal of Housing Economics,2011,20(4):315-332.

[9]Chien M.S.Structural Breaks and the Convergence of Regional House Prices[J].Journal of Real Estate Finance and Economics,2010,40(1):77-88.

[10]Clark S.P.,Coggin T.D.Trends,Cycles and Convergence in US Regional House Prices[J].Journal of Real Estate Finance and Economics,2009,39(3):264-283.

[11]Cook S.The Convergence of Regional House Prices in the UK[J].Urban Studies,2003,40(11):2285-2294.

[12]Del Negroa M.,Otrok C.99 Luftballons:Monetary Policy and the House Price Boom across U.S.States [J].Journal of Monetary Economics,2007,54(7):1962-1985.

[13]Drake L.Testing for Convergence between UK Regional House Prices[J].Regional Studies,1995,29(4):357-366.

[14]Glaeser E.L.The Economic Approach to Cities [EB/OL].NBER Working Paper,http://www.nber.org/papers/w13696.pdf,2007.

[15]Holmes M.J.,Grimes A.Is there LongRun Convergence among Regional House Prices in the UK?[J].Urban Studies,2008,45(8):1531-1544.

[16]Holmes M.J.How Convergent are Regional House Prices in the United Kingdom?Some New Evidence from Panel Data Unit Root Testing[J].Journal of Economic and Social Research,2007,9(1):1-17.

[17]Holmes M.,Otero J.,Panagiotidis T.Investigating Regional House Price Convergence in the United States:Evidence from a PairWise Approach[J].Economic Modelling,2011,28(6):2369-2376.

[18]Kim Y.S.,Rous J.J.House Price Convergence:Evidence from USState and Metropolitan Area Panels [J].Journal of Housing Economics,2012,21(2):169-186.

[19]Meen G.Regional House Prices and the Ripple Effect:A New Interpretation[J].Housing Studies,1999,14(6):733-753.

[20]Phillips P.C.,Sul D.Economic Transition and Growth[J].Journal of Applied Econometrics,2009,24(7):1153-1185.

[21]Phillips P.C.,Sul D.Transition Modelling and Econometric Convergence Tests[J].Econometrics,2007,75(6):1771-1855.

[22]Stevenson S.House Price Diffusion and InterRegional and CrossBorder House Price Dynamics[J].Journal of Property Research,2004,21(4):301-320.

[23]Wood R.The Information Content of Regional House Prices:Can they be used to Improve National House Price Forecasts?[J].Bank of England Quarterly Bulletin,2003,(3):304-314.

Empirical Study on Characteristics and Cause of China Regional Real Estate Price Club Convergence

Zhonghua Huang Xuejun Du^[2]

Abstract:This study purposes to empirically study the characteristics and causes of China real estate price club convergence,employing log t convergence test and multinomial model and based on provincial real estate price panel data from 1994 to 2011.The results show:(1)China regional real estate price tends to divergent overall,but locally there exists high,upper middle,middle and low real estate price convergence clubs;(2)real estate price convergence club is distinct from the partition of east,middle,west and northeast area,but shows weak geographical adjacency;(3)agglomeration economy,urbanization and regional real estate market characteristics have significant influences on real estate price club convergence,while agglomeration economy’s impact is larger.The conclusions are:(1)as the overall divergence but locally club convergence characteristics,different control policy should be carried to high,upper middle,middle and low real estate price club convergence areas;(2)the government should improve agglomeration economy degree of middle and low real estate price cities in middle and west area and advance real estate market regional integration.

Key words:Real estate price Club convergence Characteristics Cause Log t convergence test

【注释】

[1]黄忠华(1981-),男,博士,浙江工业大学经贸管理学院副教授,Email:zhonghuahuang2006@aliyun.com。
杜雪君(通讯作者)(1981-),女,博士,浙江科技学院经济管理学院副教授,Email:duxuejun@aliyun.com。

[2]Zhonghua Huang,College of Economics and Management,Zhejiang University of Technology,Hangzhou 310023,China.
Xuejun Du,School of Economics and Management,Zhejiang University of Science and Technology,Hangzhou 310023,China.