基于面板分位數(shù)回歸的住宅價(jià)格影響因素分析

喻勝華 趙盼

摘 要：采用面板分位數(shù)回歸方法，以全國35個(gè)大中城市為樣本，利用2006—2015年的數(shù)據(jù)，對(duì)影響住宅價(jià)格的因素進(jìn)行研究。結(jié)果表明：土地價(jià)格、人均儲(chǔ)蓄余額、在崗職工平均工資、人口密度、空氣質(zhì)量對(duì)住宅價(jià)格有正向影響，每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量對(duì)住宅價(jià)格有負(fù)向影響；并且不同分位數(shù)水平下各影響因素的作用大小具有明顯差異。研究結(jié)論對(duì)不同城市依據(jù)自身特征采取相應(yīng)的調(diào)控政策具有一定的參考價(jià)值。

關(guān)鍵詞： 住宅價(jià)格；影響因素；面板數(shù)據(jù)；分位數(shù)回歸

中圖分類號(hào)：F069 文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)：1003-7217（2018）05-0128-06

一、引 言

住宅作為人們居住、休憩的場(chǎng)所，與衣、食、行一樣是人們生存的基本要素。房子是老百姓最大的消費(fèi)品，也是大家一直關(guān)注的焦點(diǎn)。1998年，國務(wù)院決定黨政機(jī)關(guān)停止實(shí)行了四十多年的實(shí)物分配福利房的做法，推行住房分配貨幣化。自全面取消福利分房、實(shí)現(xiàn)住宅商品化以來，房地產(chǎn)行業(yè)迅速發(fā)展。經(jīng)過近二十年的發(fā)展，房地產(chǎn)業(yè)已成為我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一。

房地產(chǎn)行業(yè)的迅速發(fā)展既直接推動(dòng)了經(jīng)濟(jì)的增長(zhǎng)、增加了財(cái)政收入，又改善了人們的居住和生活條件。但是，日益上漲的房?jī)r(jià)也給人們的生活帶來了沉重的負(fù)擔(dān)，嚴(yán)重地影響到人們的生活質(zhì)量。尤其是在2016年，全國房?jī)r(jià)持續(xù)飆漲，受到了政府和社會(huì)各界的廣泛關(guān)注。為促進(jìn)房地產(chǎn)市場(chǎng)平穩(wěn)健康發(fā)展，多地政府相繼出臺(tái)了不盡相同的房地產(chǎn)調(diào)控政策，但收效甚微，甚至調(diào)控之后，房?jī)r(jià)依舊繼續(xù)上漲。為什么調(diào)控效果不理想、是什么因素影響了不同城市的房地產(chǎn)價(jià)格？怎樣才能因地制宜、因城施策地對(duì)房地產(chǎn)行業(yè)進(jìn)行調(diào)控？本文試圖回答上述問題。

影響房?jī)r(jià)的因素眾多，且傳導(dǎo)機(jī)制比較復(fù)雜，國外學(xué)者對(duì)房地產(chǎn)價(jià)格的影響因素進(jìn)行了比較深入的研究。Potepan（1996）為了解釋為什么美國大都市地區(qū)的住宅價(jià)格、租金和城市土地價(jià)格差異很大，提出了一個(gè)簡(jiǎn)單的大都市地區(qū)住宅市場(chǎng)模型[1]。實(shí)證結(jié)果表明，家庭收入和建筑成本是導(dǎo)致住宅價(jià)格、租金和地價(jià)在大都市區(qū)之間差異的最重要因素。Mankiw和Weil（1989）研究了美國人口結(jié)構(gòu)的變化對(duì)住宅市場(chǎng)的影響，認(rèn)為二戰(zhàn)后“嬰兒潮”時(shí)期出生的一代進(jìn)入購房階段是20世紀(jì)70年代美國房地產(chǎn)價(jià)格上漲的主要原因[2]。Manning（1989）利用美國94個(gè)大都市地區(qū)1980年的數(shù)據(jù)估計(jì)了住宅價(jià)格模型，實(shí)證結(jié)果表明適宜的氣候?qū)ψ》績(jī)r(jià)格有正的影響并且在統(tǒng)計(jì)上是顯著的[3]。Quigley（1999）用1986—1994年41個(gè)大都市地區(qū)的數(shù)據(jù)研究了住房?jī)r(jià)格與住房開工率、人口總數(shù)、收入及失業(yè)率等之間的關(guān)系，結(jié)果表明經(jīng)濟(jì)基本面因素的相關(guān)指標(biāo)能夠在一定程度上解釋住宅價(jià)格的變化[4]。Reback（2005）研究了明尼蘇達(dá)州的公立學(xué)校和住宅價(jià)值，研究發(fā)現(xiàn)在那些學(xué)生能夠進(jìn)入更好學(xué)校的社區(qū)，住宅的價(jià)值更高[5]。Jud和Winkler（2002）考察了美國130個(gè)大都市統(tǒng)計(jì)區(qū)的房?jī)r(jià)動(dòng)態(tài)，發(fā)現(xiàn)房?jī)r(jià)主要受人口增長(zhǎng)率、實(shí)際收入、建筑成本、股票價(jià)格以及地理位置的影響[6]。Miller和Liang（2006）選取美國227個(gè)大都市統(tǒng)計(jì)區(qū)的數(shù)據(jù)，并利用GARCH模型和面板VAR模型研究了美國住宅價(jià)格波動(dòng)和經(jīng)濟(jì)變化、收入變化的關(guān)系，結(jié)果表明居民收入變化對(duì)于住宅價(jià)格波動(dòng)存在顯著的影響[7]。Haurin（1996）使用多個(gè)大都市統(tǒng)計(jì)區(qū)的數(shù)據(jù)，在享樂住房?jī)r(jià)格框架下，研究房?jī)r(jià)的決定因素，發(fā)現(xiàn)公立學(xué)校的質(zhì)量對(duì)于所在城市的住宅價(jià)格有顯著的影響[8]。

國內(nèi)學(xué)者也從不同側(cè)面對(duì)我國房?jī)r(jià)進(jìn)行了研究。龍奮杰和吳公樑（2003）根據(jù)我國31個(gè)大中城市2000年末的統(tǒng)計(jì)數(shù)據(jù)，通過多元線性回歸模型，發(fā)現(xiàn)暫住人口比例、市區(qū)人口數(shù)量和消費(fèi)密度對(duì)房地產(chǎn)投資有重要影響[9]。梁云芳和高鐵梅（2006）通過對(duì)不同地區(qū)不同用途商品房房?jī)r(jià)變動(dòng)的比較，認(rèn)為我國目前房地產(chǎn)市場(chǎng)的不穩(wěn)定主要是由于住宅價(jià)格的波動(dòng)引起的，同時(shí)認(rèn)為土地交易價(jià)格的變動(dòng)，對(duì)住宅價(jià)格的變動(dòng)有較大的正向影響[10]。張亞麗等（2011）在跨期優(yōu)化選擇模型中根據(jù)住房和消費(fèi)品的邊際替代率條件得出房?jī)r(jià)決定模型，使用動(dòng)態(tài)面板廣義矩進(jìn)行建模，其結(jié)論為：預(yù)期人均實(shí)際收入和預(yù)期房地產(chǎn)收益率是房?jī)r(jià)持續(xù)快速上漲及波動(dòng)的主要因素[11]。張琰和梅長(zhǎng)林（2012）基于地理加權(quán)回歸方法，分析了我國中東部地區(qū)主要大中城市商品房?jī)r(jià)格與人均工資和人口數(shù)之間回歸關(guān)系的空間變化特征。結(jié)果表明，我國中東部地區(qū)主要大中城市的商品房?jī)r(jià)格除受地域位置的影響外，工資水平和人口數(shù)的影響強(qiáng)度在各地區(qū)也存在顯著差異，呈現(xiàn)顯著的空間非平穩(wěn)性[12]。鞠方等（2016）基于EGARCH模型分析了購房者羊群行為對(duì)中國房地產(chǎn)價(jià)格波動(dòng)的影響，驗(yàn)證了我國房地產(chǎn)市場(chǎng)羊群行為的存在性[13]。張弛等（2016）以我國一二三線城市為研究對(duì)象，利用2010—2015年一二三線城市的月度平均數(shù)據(jù)進(jìn)行實(shí)證研究，發(fā)現(xiàn)影響一線城市房?jī)r(jià)的主要因素是地價(jià)和人均GDP，影響二線城市房?jī)r(jià)的主要因素是地價(jià)、購房者預(yù)期、地方政府的財(cái)政收入和匯率，影響三線城市房?jī)r(jià)的主要因素是人均GDP、購房者預(yù)期及匯率[14，15]。

以上實(shí)證研究多是采用普通最小二乘回歸法，該方法雖有無偏性等諸多好處，但也有一定的局限性：一是普通最小二乘法的應(yīng)用主要是基于正態(tài)分布的假設(shè)，如果數(shù)據(jù)不是服從正態(tài)分布，則使用該方法得出的統(tǒng)計(jì)結(jié)論將不再可靠；二是普通最小二乘法僅能反映變量均值間的關(guān)系，不能刻畫非中心位置的變化特點(diǎn)，也不能給出解釋變量的條件分位數(shù)函數(shù)。

我國各城市發(fā)展水平、區(qū)位條件和資源稟賦之間存在很大的差異，房地產(chǎn)市場(chǎng)的發(fā)展程度也不盡相同，各地房?jī)r(jià)有較大的差異。據(jù)國家統(tǒng)計(jì)局的數(shù)據(jù)顯示，2015年我國35個(gè)大中城市中，住宅房地產(chǎn)售價(jià)最高的城市是深圳，最低的城市是銀川，深圳的住宅價(jià)格大約是銀川的7.48倍，價(jià)格偏差巨大。鑒于住宅價(jià)格呈偏態(tài)分布，普通最小二乘法中誤差項(xiàng)的假設(shè)不能滿足，可能會(huì)產(chǎn)生錯(cuò)誤的結(jié)果。分位數(shù)回歸可以解決上述問題，并能提供關(guān)于房?jī)r(jià)影響因素的更為靈活和全面的描述。所以本文使用分位數(shù)回歸方法研究住宅價(jià)格的影響因素。

二、數(shù)據(jù)與變量

本文綜合前面各學(xué)者對(duì)房?jī)r(jià)影響因素的研究以及國家統(tǒng)計(jì)局公布的主要城市的相關(guān)指標(biāo)，和大多數(shù)學(xué)者的觀點(diǎn)一致，認(rèn)為住宅價(jià)格受土地因素、經(jīng)濟(jì)因素、人口因素以及城市愉悅度等因素的影響。并選擇了土地價(jià)格、人均GDP（國內(nèi)生產(chǎn)總值）、人均儲(chǔ)蓄余額、在崗職工平均工資等八個(gè)影響住宅價(jià)格的變量。見表1。

由于我國35個(gè)大中城市房地產(chǎn)開發(fā)投資占全國房地產(chǎn)開發(fā)總投資的份額大，并且這35個(gè)大中城市所在的地理位置涵蓋了我國大部分的省份，具有很好的代表性，所以，選擇我國35個(gè)大中城市作為研究的樣本，并選取2006—2015年的數(shù)據(jù)對(duì)住宅價(jià)格影響因素進(jìn)行研究。其中土地價(jià)格的數(shù)據(jù)來自中國城市地價(jià)動(dòng)態(tài)監(jiān)測(cè)網(wǎng)。在崗職工平均工資數(shù)據(jù)、醫(yī)院或衛(wèi)生院數(shù)數(shù)據(jù)來自國家統(tǒng)計(jì)局。人均GDP和人均儲(chǔ)蓄余額分別是根據(jù)GDP和城鄉(xiāng)居民儲(chǔ)蓄年末余額與城市年末總?cè)丝谟?jì)算所得。每?jī)|人醫(yī)院或衛(wèi)生院數(shù)是根據(jù)醫(yī)院或衛(wèi)生院數(shù)與城市年末總?cè)丝谟?jì)算得到。中國城市統(tǒng)計(jì)年鑒提供了高等院校數(shù)量的數(shù)據(jù)。人口密度的數(shù)據(jù)來自中國城市統(tǒng)計(jì)年鑒，其中缺失年份的數(shù)據(jù)是根據(jù)城市年末總?cè)丝诤统鞘行姓^(qū)域面積計(jì)算所得。本文中用空氣質(zhì)量達(dá)到或好于二級(jí)的天數(shù)代表空氣質(zhì)量，相關(guān)的數(shù)據(jù)來自中國統(tǒng)計(jì)年鑒和中國城市統(tǒng)計(jì)年鑒，其中缺失年份的數(shù)據(jù)用其他年份數(shù)據(jù)的平均值來代替。

三、方法與模型

普通最小二乘法可以應(yīng)用在線性回歸模型上，也可以用在非線性回歸模型上，是求解最優(yōu)化問題的一種有效而方便的方法。盡管最小二乘法有諸多優(yōu)點(diǎn)，但在實(shí)際應(yīng)用中，也有一定的局限性。普通最小二乘法刻畫的是變量均值間的關(guān)系，這種回歸方法只能給出條件分布的不完整描述，提供的信息有限。同時(shí)，普通最小二乘法容易受到一些異常值的影響，不夠穩(wěn)健。

Koenker和Bassett（1978）[16]提出的分位數(shù)回歸能很好地解決上述問題。首先，分位數(shù)回歸能使回歸參數(shù)隨因變量的不同分位點(diǎn)而變動(dòng)，能更加全面地刻畫分布的特征，即它能描述解釋變量對(duì)被解釋變量不同位置的影響，從而能提供觀測(cè)變量之間更多的信息。其次，分位數(shù)回歸方法使加權(quán)誤差絕對(duì)值之和最小來估計(jì)回歸參數(shù)，所以分位數(shù)回歸系數(shù)的估計(jì)更穩(wěn)健，對(duì)異常值的敏感程度也遠(yuǎn)遠(yuǎn)小于最小二乘回歸。再次，分位數(shù)回歸模型對(duì)隨機(jī)誤差項(xiàng)的分布沒有假設(shè)，當(dāng)誤差項(xiàng)不服從正態(tài)分布時(shí)，分位數(shù)回歸比普通最小二乘回歸更有效。最后，在回歸系數(shù)的解釋效果方面，最小二乘回歸反映的是解釋變量對(duì)被解釋變量影響的平均邊際效果，而分位數(shù)回歸則是解釋變量對(duì)被解釋變量在某個(gè)特定分位數(shù)水平上影響的邊際效果，分位數(shù)回歸可以提供不同分位點(diǎn)處的估計(jì)結(jié)果。

具體來講，分位數(shù)回歸是一種基于被解釋變量的條件分布來擬合解釋變量的線性函數(shù)的回歸方法。考慮一個(gè)連續(xù)隨機(jī)變量Y，其分布函數(shù)為：

因此，在不同的分位點(diǎn)下，可得到不同的分位函數(shù)。目前分位數(shù)回歸模型的參數(shù)估計(jì)算法主要有單純形算法、內(nèi)點(diǎn)算法、平滑算法、外點(diǎn)算法、貝葉斯方法等。

面板數(shù)據(jù)能夠控制個(gè)體的異質(zhì)性，并能保證結(jié)果的無偏性，利用面板數(shù)據(jù)可以提供比時(shí)間序列數(shù)據(jù)或是截面數(shù)據(jù)更豐富的信息，因此，面板數(shù)據(jù)被廣泛地應(yīng)用于各個(gè)領(lǐng)域。利用面板數(shù)據(jù)進(jìn)行分位數(shù)回歸，可以充分發(fā)揮面板數(shù)據(jù)的優(yōu)點(diǎn)，同時(shí)還可以測(cè)度解釋變量對(duì)被解釋變量在某個(gè)分位點(diǎn)的邊際效果，在控制個(gè)體異質(zhì)性的基礎(chǔ)上更好地分析解釋變量在不同分位點(diǎn)上對(duì)被解釋變量條件分布的影響。面板分位數(shù)回歸模型由Koenker（2004）[17]提出，其一般形式為：

四、實(shí)證分析

本文使用Stata軟件，采用面板分位數(shù)回歸和普通最小二乘回歸研究住宅價(jià)格的影響因素，并通過回歸結(jié)果的顯著性找出具有重要影響的變量。

（一）實(shí)證結(jié)果

為了更直觀地說明結(jié)果，表2列出了0.1、0.25、0.5、0.75和0.9處的土地價(jià)格、人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資、城市年末總?cè)丝凇⒖諝赓|(zhì)量、高等院校數(shù)量、每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量的估計(jì)系數(shù)。同時(shí)，為了對(duì)比也列出了普通最小二乘回歸的結(jié)果。截距項(xiàng)不是本文考察的住宅價(jià)格的影響因素，所以沒有列在表2中。

（二）不同水平下的住宅價(jià)格解釋

0.1分位點(diǎn)處對(duì)應(yīng)的是住宅價(jià)格很低的城市，這些城市的住宅價(jià)格處于該條件分布的10%分位處。從回歸結(jié)果可以看出，在最小二乘回歸中， 土地價(jià)格、人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資、空氣質(zhì)量、每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量這6個(gè)指標(biāo)的影響顯著，其中每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量這一指標(biāo)有顯著的負(fù)向影響。而在分位數(shù)回歸中，土地價(jià)格、人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資、人口密度、空氣質(zhì)量、高等院校數(shù)量、每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量均在0.001水平下顯著，其中每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量有顯著的負(fù)向影響。同時(shí)注意到，高等院校數(shù)量和空氣質(zhì)量這兩個(gè)指標(biāo)的回歸系數(shù)較大，這是因?yàn)檫@兩個(gè)指標(biāo)的取值范圍相對(duì)較小。通過對(duì)原始數(shù)據(jù)的觀察，可知高等院校數(shù)量這一指標(biāo)其數(shù)值的變化范圍為8～91，而空氣質(zhì)量這一指標(biāo)其數(shù)值的變化范圍為49～366。

在0.1分位點(diǎn)處，土地價(jià)格在0.001水平下顯著，其系數(shù)為0.201，說明其對(duì)住宅價(jià)格有顯著的正向影響，而且在其他條件不變的情況下，該變量增加一個(gè)單位，住宅價(jià)格將平均提高0.201個(gè)單位。而人均GDP、人均儲(chǔ)蓄余額和在崗職工平均工資這3個(gè)指標(biāo)的回歸系數(shù)分別為0.0122、0.0195和0.0198，雖對(duì)住宅價(jià)格有正向影響，但系數(shù)相對(duì)較小，表明這些變量對(duì)住宅價(jià)格的影響相對(duì)較小。人口密度和高等院校數(shù)量這兩個(gè)指標(biāo)對(duì)住宅價(jià)格有顯著的正向影響。

處于0.25分位點(diǎn)處的城市，其住宅價(jià)格相對(duì)較低。根據(jù)分位數(shù)回歸的結(jié)果，土地價(jià)格、人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資、人口密度、高等院校數(shù)量均在0.001水平下顯著，是對(duì)住宅價(jià)格有顯著正向影響的因素。其回歸系數(shù)分別為0.208、0.00562、0.0231、0.0415、0.898和2.448。每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量對(duì)住宅價(jià)格有負(fù)向影響，且在0.001水平下顯著。在0.25分位點(diǎn)處，空氣質(zhì)量這一指標(biāo)的回歸系數(shù)為-0.00477，但在該分位點(diǎn)處該指標(biāo)的影響不顯著。

處于0.5分位點(diǎn)處的城市，代表了所有城市的平均水平。從回歸結(jié)果看，土地價(jià)格、人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資、人口密度、空氣質(zhì)量和高等院校數(shù)量這七個(gè)指標(biāo)均在0.001水平下顯著，并且對(duì)住宅價(jià)格有正向影響，其回歸系數(shù)分別為0.213、0.00663、0.0247、0.0659、0.776、2.308和1.096。每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量對(duì)住宅價(jià)格有負(fù)向影響，且在0.001水平下顯著。同時(shí)，與較低分位點(diǎn)處相比，0.5分位點(diǎn)處在崗職工平均工資的回歸系數(shù)明顯變大。

處于0.75分位點(diǎn)的城市，其住宅價(jià)格相對(duì)較高，土地價(jià)格、人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資、人口密度、空氣質(zhì)量和高等教育數(shù)量這七個(gè)指標(biāo)依舊對(duì)住宅價(jià)格有正向影響，每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量這一指標(biāo)對(duì)住宅價(jià)格依舊有負(fù)向影響。且除人口密度外，其余指標(biāo)均在0.001水平下顯著。

顯然，處于0.9分位點(diǎn)處的城市其住宅價(jià)格最貴，土地價(jià)格、人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資、人口密度和空氣質(zhì)量這五個(gè)指標(biāo)依舊對(duì)住宅價(jià)格有正向影響，且從回歸系數(shù)可以看出，土地價(jià)格這一個(gè)指標(biāo)的回歸系數(shù)較其他較低分位點(diǎn)處的系數(shù)明顯變大。每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量這一指標(biāo)在該分位點(diǎn)處依舊對(duì)住宅價(jià)格有負(fù)向影響，且在0.001水平下顯著。需要指出的是“高等院校數(shù)量”這一指標(biāo)在0.9分位點(diǎn)處也對(duì)住宅價(jià)格有負(fù)向影響并在0.001水平下顯著。

（三）不同影響因素分析

1.土地價(jià)格。

土地價(jià)格在五處分位數(shù)回歸以及OLS回歸中均在0.001水平下顯著，是對(duì)住宅價(jià)格有重要影響的變量。并且通過分位數(shù)回歸結(jié)果可知，隨著分位點(diǎn)變大，土地價(jià)格這一指標(biāo)的回歸系數(shù)呈增大的趨勢(shì)，即其對(duì)所有城市的住宅價(jià)格都有非常重要的影響，并且對(duì)于住宅價(jià)格越高的城市，其影響也越大。

與土地私有制國家不同，我國政府以招標(biāo)、拍賣或是掛牌的公開方式出讓土地所有權(quán)，同時(shí)政府也禁止行政劃撥土地的使用者直接向市場(chǎng)轉(zhuǎn)讓土地使用權(quán)。這意味著政府壟斷了土地的供應(yīng)。近年來地王頻出，高地價(jià)也隨之產(chǎn)生。所以土地價(jià)格是影響住宅價(jià)格很重要的因素。尤其是對(duì)住宅價(jià)格越高的城市而言，土地價(jià)格越高，其對(duì)住宅價(jià)格的影響也越大。

2.人均GDP和人均儲(chǔ)蓄余額。

人均GDP和人均儲(chǔ)蓄余額在五處分位數(shù)回歸中都顯著且其回歸系數(shù)均為正數(shù)。同時(shí)，在不同分位點(diǎn)處，這兩個(gè)變量的回歸系數(shù)變化均較小，即人均GDP和人均儲(chǔ)蓄余額對(duì)不同城市間房?jī)r(jià)的影響變化不大。但總體來講，人均GDP這個(gè)指標(biāo)在五處分位點(diǎn)的回歸系數(shù)均較小。也就是說，人均GDP雖對(duì)住宅價(jià)格有正向的影響，但影響較小。

GDP是衡量一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平的重要因素，人均收入越高，人們?cè)接锌赡芡ㄟ^購買住宅商品房來提高生活水平。所以，人均GDP對(duì)住宅價(jià)格有正向的影響。

3.在崗職工平均工資。

在崗職工平均工資在五處分位數(shù)回歸以及OLS回歸中均在0.001水平下顯著，是對(duì)住宅價(jià)格有非常重要影響的變量。并且通過分位數(shù)回歸結(jié)果可知，隨著分位點(diǎn)變大，在崗職工平均工資這一指標(biāo)的回歸系數(shù)呈增大的趨勢(shì)，即其對(duì)所有城市的住宅價(jià)格都有非常重要的影響，并且對(duì)于住宅價(jià)格較高的城市，其影響也越大。

在崗職工平均工資的增加，促進(jìn)和刺激了房地產(chǎn)業(yè)的發(fā)展?？傮w上來講，人們收入的增加使得人們擁有更多的可支配收入，因而人們可以使用多余的資金來消費(fèi)或投資。房地產(chǎn)業(yè)作為我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)和它的不動(dòng)產(chǎn)屬性獲得人們的青睞，進(jìn)而推動(dòng)了住宅價(jià)格。

4.人口密度。

人口密度是一個(gè)非常重要的影響變量，該變量的系數(shù)在五處分位點(diǎn)處均為正數(shù)。在其他條件不變時(shí)，當(dāng)城市的人口密度越大，人們對(duì)房地產(chǎn)的需求也越大，住宅價(jià)格也就越高。由于土地資源的稀缺性，單位面積土地上的人口數(shù)越多，對(duì)土地的需求就越大，進(jìn)而推動(dòng)住宅價(jià)格的上漲。

5.空氣質(zhì)量。

除0.25分位點(diǎn)外，空氣質(zhì)量這一指標(biāo)在其他分位點(diǎn)處均顯著，都對(duì)住宅價(jià)格有正向影響。隨著工業(yè)及交通運(yùn)輸業(yè)的不斷發(fā)展，大量的有害物質(zhì)被排放到空氣中，使空氣質(zhì)量變差，空氣質(zhì)量變差會(huì)嚴(yán)重危害到人們的健康。城市人居環(huán)境逐漸成為人們選擇居住地的重要影響因素，更多的住宅需求者希望能在空氣質(zhì)量較好的城市居住，所以“空氣質(zhì)量”是影響住宅價(jià)格的重要因素之一。

6.高等院校數(shù)量。

高等院校數(shù)量這一指標(biāo)在五個(gè)分位點(diǎn)處均顯著。除0.9分位點(diǎn)外，該變量的回歸系數(shù)均為正數(shù)，這反映了人們對(duì)教育的重視。但同時(shí)由于我國高校分布不均衡，北京、上海、南京、武漢、西安等城市高校較多，教育資源相對(duì)集中，而房?jī)r(jià)較高的深圳、廈門等城市由于歷史的原因高等院校數(shù)量相對(duì)較少，所以在0.9分位點(diǎn)處，高等教育數(shù)量這一變量的回歸系數(shù)為負(fù)數(shù)。高等院校數(shù)量這一指標(biāo)對(duì)于住宅價(jià)格的影響還有待進(jìn)一步探討。

7.每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量。

每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量是衡量一個(gè)城市醫(yī)療水平和人們健康狀況的重要指標(biāo)。該指標(biāo)在五個(gè)分位點(diǎn)處均顯著，且在五個(gè)分位點(diǎn)處對(duì)住宅價(jià)格均有負(fù)向影響。該指標(biāo)反映這些城市人們的健康狀況，每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量越多，可能意味著這些城市人們的健康狀況相對(duì)糟糕一些，所以該指標(biāo)對(duì)住宅價(jià)格有負(fù)向影響。從OLS回歸結(jié)果來看，該指標(biāo)對(duì)住宅價(jià)格依舊有顯著的負(fù)向影響。

五、結(jié)論與建議

本文利用面板分位數(shù)回歸方法研究了影響住宅價(jià)格的因素。從前面的分析結(jié)果可知，土地價(jià)格在五個(gè)分位點(diǎn)處對(duì)住宅價(jià)格均有重要的正向影響，并且隨著分位點(diǎn)的提高，回歸系數(shù)呈變大趨勢(shì)，也就是說住宅價(jià)格越高的城市，比如北京、上海、深圳等城市，住宅價(jià)格受土地價(jià)格的影響越大。面對(duì)房?jī)r(jià)居高不下的局面，地方政府應(yīng)該努力尋求一些相關(guān)產(chǎn)業(yè)作為支撐，而不要過分依賴出讓土地使用權(quán)的收入來維持地方財(cái)政支出。

人均GDP、人均儲(chǔ)蓄余額、在崗職工平均工資對(duì)住宅價(jià)格有正向影響。目前，住宅價(jià)格已經(jīng)給人們的生活帶來沉重的負(fù)擔(dān)，各個(gè)城市房?jī)r(jià)收入比不平衡，但大都已經(jīng)偏離了合理的房?jī)r(jià)收入比。面對(duì)高房?jī)r(jià)，各級(jí)政府應(yīng)通過增加居民就業(yè)、加大勞動(dòng)報(bào)酬保護(hù)力度、完善資本、知識(shí)、技術(shù)、管理等要素參與分配機(jī)制等措施來增加居民收入。當(dāng)然，居民也應(yīng)該不斷提高自己的勞動(dòng)素質(zhì)和技能來增加收入。

人口密度在五個(gè)分位點(diǎn)處對(duì)住宅價(jià)格均有重要的正向影響。上海、深圳、廈門等東部城市在居民收入、教育、醫(yī)療、就業(yè)機(jī)會(huì)、社會(huì)福利等方面與中西部城市相比有明顯的優(yōu)勢(shì)，導(dǎo)致這些城市的人口密度越來越大。人口密度過大，除了帶來環(huán)境、交通、資源等問題外，也會(huì)產(chǎn)生住房問題。我國經(jīng)濟(jì)政策中長(zhǎng)期奉行先東部、后西部，先沿海、后內(nèi)地的原則，政策因素的不平衡，帶來相應(yīng)資源的不平衡。所以中央政府要在政策上向中西部?jī)A斜，縮小中西部城市與東部城市的差距，從而避免過多人口涌入東部城市，導(dǎo)致東部城市人口密度過大。

空氣質(zhì)量也是影響住宅價(jià)格的重要因素之一，在選擇居住地時(shí)，人們也越來越重視城市的環(huán)境，同時(shí)，每?jī)|人醫(yī)院或衛(wèi)生院數(shù)量對(duì)住宅價(jià)格有負(fù)向影響也從側(cè)面反映了人們對(duì)居住環(huán)境的重視。各地政府應(yīng)大力改善環(huán)境，改善空氣質(zhì)量，提高人們的生活品質(zhì)。

參考文獻(xiàn)：

[1] Potepan M J. Explaining intermetropolitan variation in housing prices，rents and land prices[J]. Real Estate Economics，1996（2）：219-245.

[2] Mankiw N G， Weil D N. The baby room， the baby bust， and the housing market[J]. Regional Science and Urban Economics，1989（2）：235-258.

[3] Manning C A. Explaining intercity home price differences[J]. Journal of Real Estate Finance and Economics，1989（2）：131-149.

[4] Quigley J M. Real estate prices and economic cycles[J]. International Real Estate Review，1999（1）：1-20.

[5] Reback R. House prices and the provision of local public services： capitalization under school choice programs[J]. Journal of Urban Economics，2005（2）：275-301.

[6] Jud G D， Winkler D T. The dynamics of metropolitan housing prices[J]. The Journal of Real Estate Research，2002（2）：29-46.

[7] Miller N， Liang P. Exploring metropolitan housing price volatility[J]. Journal of Real Estate Finance and Economics，2006（1）：5-18.

[8] Haurin D R， Brasington D. School quality and real house prices： inter and intrametropolitan effects[J]. Journal of Housing Economics，1996（4）：351-368.

[9] 龍奮杰，吳公樑. 城市人口對(duì)房地產(chǎn)投資的影響研究[J]. 土木工程學(xué)報(bào)，2003（9）：65-70.

[10]梁云芳，高鐵梅. 我國商品住宅銷售價(jià)格波動(dòng)成因的實(shí)證分析[J].管理世界，2006（8）：76-82.

[11]張亞麗，梁云芳，高鐵梅. 預(yù)期收入、收益率和房?jī)r(jià)波動(dòng)——基于35個(gè)城市動(dòng)態(tài)面板模型的研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2011（1）：122-129.

[12]張琰，梅長(zhǎng)林. 基于地理加權(quán)回歸的我國中東部城市商品房?jī)r(jià)格的空間特征分析[J].數(shù)理統(tǒng)計(jì)與管理，2012（5）：898-905.

[13]鞠方，周佳梅，彭李娜. 購房者羊群行為對(duì)中國房?jī)r(jià)波動(dòng)的影響研究[J]. 湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016（2）：87-93.

[14]張弛，吳佳楷，申雪艷. 中國一二三線城市房?jī)r(jià)影響因素分析[J].現(xiàn)代商業(yè)，2016（5）：173-176.

[15]錢凈凈.中國城市間房?jī)r(jià)分化的經(jīng)濟(jì)學(xué)解釋[J].河南師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2016（3）：77-81.

[16]Koenker R， Bassett G.Regression quantile[J]. Econometrica，1978（1）：33-50.

[17]Koenker R. Quantile regression for longitudinal data[J]. Journal of MultivariateAnalysis，2004（1）：74-89.

（責(zé)任編輯：寧曉青）