基于BMA方法的中國(guó)房?jī)r(jià)長(zhǎng)期影響因素研究
——兼論房地產(chǎn)長(zhǎng)效機(jī)制構(gòu)建

鄭世剛

(湖北經(jīng)濟(jì)學(xué)院 經(jīng)濟(jì)與貿(mào)易學(xué)院，湖北 武漢 430205)

一、引言與文獻(xiàn)綜述

房地產(chǎn)業(yè)是中國(guó)國(guó)民經(jīng)濟(jì)的基礎(chǔ)性和先導(dǎo)型產(chǎn)業(yè)，對(duì)實(shí)際經(jīng)濟(jì)活動(dòng)具有顯著的重要性，同時(shí)房地產(chǎn)在中國(guó)城市居民家庭資產(chǎn)中所占的比重接近70%，房?jī)r(jià)具有顯著的財(cái)富效應(yīng)。因此，房?jī)r(jià)的穩(wěn)定不僅關(guān)系到房地產(chǎn)市場(chǎng)的健康發(fā)展，對(duì)國(guó)民經(jīng)濟(jì)平穩(wěn)增長(zhǎng)以及家庭安定同樣意義重大。但是2003年以來，中國(guó)各省市的房?jī)r(jià)呈現(xiàn)出全面顯著的快速上漲趨勢(shì)，房地產(chǎn)市場(chǎng)持續(xù)失衡，由此中央政府對(duì)房地產(chǎn)市場(chǎng)進(jìn)行了頻繁的干預(yù)，但大量研究表明短期調(diào)控政策收效甚微，甚至成為房?jī)r(jià)急劇上漲的重要原因。2016年以來，中央政府連續(xù)提出“構(gòu)建和完善房地產(chǎn)市場(chǎng)長(zhǎng)效機(jī)制，實(shí)現(xiàn)市場(chǎng)平穩(wěn)健康發(fā)展”，并要求“深入研究長(zhǎng)期的基礎(chǔ)性制度安排”。顯然，長(zhǎng)期內(nèi)穩(wěn)定房?jī)r(jià)是長(zhǎng)效機(jī)制建設(shè)的內(nèi)在核心目標(biāo)之一，而實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵在于抓住房?jī)r(jià)的長(zhǎng)期決定力量，因此研究中國(guó)房?jī)r(jià)的長(zhǎng)期影響因素具有很強(qiáng)的現(xiàn)實(shí)意義。

2000年之前，在供需框架下研究房?jī)r(jià)影響因素是基本范式，大量學(xué)者認(rèn)為經(jīng)濟(jì)基本面能夠很好的解釋房?jī)r(jià)。Hort、Capozza等分別對(duì)瑞典和美國(guó)的研究均表明，經(jīng)濟(jì)基本面因素對(duì)房?jī)r(jià)具有很好的解釋力，但在中國(guó)制度環(huán)境下，有些學(xué)者認(rèn)為這一解釋力隨時(shí)間推移而逐漸減弱，安輝和王瑞東認(rèn)為中國(guó)經(jīng)濟(jì)基本面與房?jī)r(jià)之間缺乏穩(wěn)定的關(guān)系，房?jī)r(jià)很大程度上受到政策環(huán)境的影響[1-4]。事實(shí)上，由于中國(guó)房地產(chǎn)市場(chǎng)樣本期較短，Mcquinn和Oreilly所提出的 “房?jī)r(jià)在長(zhǎng)期主要反映經(jīng)濟(jì)基本面”的觀點(diǎn)仍然值得信賴[5]。

影響房?jī)r(jià)的經(jīng)濟(jì)基本面因素的研究文獻(xiàn)非常豐富，其中收入、人口和消費(fèi)者預(yù)期等被廣泛討論。Goodman認(rèn)為居民持久收入對(duì)房?jī)r(jià)具有重要影響，Capozza等、Lamont和Stein則分別強(qiáng)調(diào)真實(shí)收入、人均收入的跨期變動(dòng)和滯后一期的房?jī)r(jià)收入比對(duì)房?jī)r(jià)的解釋作用，而中國(guó)學(xué)者大都強(qiáng)調(diào)可支配收入的影響作用[6，2，7]。在人口因素方面，Mankiw和Weil關(guān)注了新生兒對(duì)房地產(chǎn)市場(chǎng)的影響，徐建煒等采用了Mankiw和Weil的計(jì)量方法，研究了少年人口撫養(yǎng)比和老年人口撫養(yǎng)比對(duì)真實(shí)房?jī)r(jià)的不同影響，陳斌開和林毅夫的研究很好的擬合了不同年齡段人口住房需求與房?jī)r(jià)的關(guān)系[8-10]。近幾年中，預(yù)期對(duì)房?jī)r(jià)的影響引起廣泛關(guān)注，但是否是房?jī)r(jià)的決定因素，存在較大分歧。有學(xué)者認(rèn)為房?jī)r(jià)主要受市場(chǎng)主體行為因素的影響，消費(fèi)者和開發(fā)商的一致性預(yù)期一旦形成，則預(yù)期對(duì)房?jī)r(jià)的影響最大。與之相反，況偉大認(rèn)為經(jīng)濟(jì)基本面對(duì)房?jī)r(jià)的影響要大于預(yù)期和投機(jī)，而史永東和陳日清則認(rèn)為房?jī)r(jià)自身的變動(dòng)才是房?jī)r(jià)上漲的主要原因[11-12]。

顯然，需求面是現(xiàn)有研究的主要方向，供給面的研究則非常缺乏。建筑成本和地價(jià)是房?jī)r(jià)的主要構(gòu)成部分，但對(duì)它們與房?jī)r(jià)之間關(guān)系的認(rèn)識(shí)并不一致。許多學(xué)者認(rèn)為建筑成本是房?jī)r(jià)的主要影響因素，尤其在長(zhǎng)期中影響顯著，但也有學(xué)者認(rèn)為建筑成本對(duì)房產(chǎn)開工的影響并不顯著，而新建房產(chǎn)量的價(jià)格彈性較小，因此建筑成本并不能解釋房?jī)r(jià)變化[11]。一部分學(xué)者認(rèn)為地價(jià)上升將導(dǎo)致房?jī)r(jià)上升[13]，但許多學(xué)者對(duì)兩者的因果關(guān)系提出質(zhì)疑，認(rèn)為地價(jià)不是房?jī)r(jià)的原因，而是房?jī)r(jià)的結(jié)果。

政策因素對(duì)中國(guó)房?jī)r(jià)的影響是顯著的，但大量學(xué)者對(duì)政策的有效性提出了質(zhì)疑，認(rèn)為中國(guó)政策的困境在于缺乏動(dòng)態(tài)一致性和前瞻性。政策因素是否構(gòu)成決定房?jī)r(jià)的長(zhǎng)期力量，看法并不一致。許多研究表明，長(zhǎng)期內(nèi)房?jī)r(jià)與利率負(fù)相關(guān)，但也有觀點(diǎn)認(rèn)為信貸政策對(duì)中國(guó)房?jī)r(jià)具有顯著的正向影響。許多學(xué)者從中國(guó)實(shí)際入手，提出中長(zhǎng)期內(nèi)利率對(duì)房?jī)r(jià)的影響較弱，利率對(duì)房?jī)r(jià)的解釋力不強(qiáng)，相比而言，信貸工具更為有效。關(guān)于房產(chǎn)稅的研究，大量研究表明房產(chǎn)稅能夠在長(zhǎng)期內(nèi)推高房?jī)r(jià)，但也有研究認(rèn)為稅收政策不能顯著影響房?jī)r(jià)，不能對(duì)稅收的作用過高估計(jì)。

可以看出，房?jī)r(jià)的決定因素非常復(fù)雜，尤其是中國(guó)房?jī)r(jià)，其影響因素不僅眾多，而且多元。已有文獻(xiàn)大都基于經(jīng)驗(yàn)，主觀性的選擇某個(gè)或某些因素作為房?jī)r(jià)的解釋變量，使用回歸方法進(jìn)行實(shí)證檢驗(yàn)，這一研究思路的問題在于無法事先確定哪些變量應(yīng)當(dāng)引入模型中，變量之間存在的多重共線性可能造成估計(jì)結(jié)果存在嚴(yán)重偏誤，導(dǎo)致模型產(chǎn)生解釋變量的不確定性。Raftery和Fernandez的研究證實(shí)BMA方法能夠有效解決模型的不確定性問題，并在多個(gè)領(lǐng)域得到了廣泛應(yīng)用，如經(jīng)濟(jì)增長(zhǎng)、能源問題、公司治理、環(huán)境規(guī)制等，但鮮有對(duì)房?jī)r(jià)問題的應(yīng)用研究。為克服模型不確定性對(duì)房?jī)r(jià)影響因素研究的影響，本文選取1999年—2017年35個(gè)大中城市的面板數(shù)據(jù)，利用貝葉斯模型平均(BMA)方法展開研究，并以此為基礎(chǔ)，探討中國(guó)房地產(chǎn)長(zhǎng)效機(jī)制的構(gòu)建。

二、研究模型與方法

(一)現(xiàn)有研究模型和方法的局限

現(xiàn)有研究通常以房?jī)r(jià)為被解釋變量，以房?jī)r(jià)的影響因素集合為解釋變量建立多元線性模型，利用回歸方法得到各解釋變量的系數(shù)，從而實(shí)現(xiàn)對(duì)房?jī)r(jià)決定因素的描述。

由于房?jī)r(jià)系統(tǒng)復(fù)雜，集合中的元素?cái)?shù)量可能較大，將所有影響因素納入線性模型，可能使模型失去解釋意義，因此現(xiàn)有研究通常通過經(jīng)驗(yàn)或逐步回歸法等方式，從集合中選取少量元素構(gòu)建模型。這一思路存在明顯的局限性：一是變量的選取具有主觀性和經(jīng)驗(yàn)性；二是變量間可能存在交叉影響，很難避免多重共線性問題，因此在實(shí)證中不得不采取復(fù)雜的方法進(jìn)行處理，如GMM方法、工具變量法等；三是無法事先確定哪些因素應(yīng)進(jìn)入房?jī)r(jià)決定系統(tǒng)，導(dǎo)致模型存在著不確定性問題，即使選取的變量組合通過了可靠性和穩(wěn)健性檢驗(yàn)，也無法確定是否為最優(yōu)組合。

(二)本文研究方法

1.文獻(xiàn)分析法。為了避免變量選取的主觀性，本文使用文獻(xiàn)分析法，通過統(tǒng)計(jì)現(xiàn)有文獻(xiàn)中關(guān)于房?jī)r(jià)影響因素的研究結(jié)論，從而建立能夠包含盡可能多的因素的集合。

2.BMA方法。為了解決模型的不確定性，1978年Leamer提出了BMA方法，其后經(jīng)過Raftery等和Fernandez等得以發(fā)展完善。BMA方法的基本思想是利用變量集合X的先驗(yàn)信息和先驗(yàn)概率，得到各模型的后驗(yàn)概率，通過進(jìn)一步計(jì)算得到各解釋變量的后驗(yàn)包含概率(PIP)、后驗(yàn)均值(PM)以及后驗(yàn)標(biāo)準(zhǔn)差(PSD)，由此，一方面可以根據(jù)PIP的高低確定應(yīng)選取的變量組合，另一方面可以根據(jù)模型的后驗(yàn)概率比較不同單一模型的優(yōu)劣。

與傳統(tǒng)方法相比，BMA方法具有三個(gè)方面的優(yōu)勢(shì)：一是假設(shè)檢驗(yàn)簡(jiǎn)便，不需要事先設(shè)定樣本的概率分布，直接根據(jù)模型或變量的后驗(yàn)概率進(jìn)行判斷，從而規(guī)避了對(duì)“總體和樣本統(tǒng)計(jì)分布”進(jìn)行假設(shè)檢驗(yàn)的難點(diǎn)；二是信息利用充分，利用參數(shù)先驗(yàn)信息，將每個(gè)候選模型參數(shù)的后驗(yàn)估計(jì)概率進(jìn)行加權(quán)平均，避免了人為篩選可能造成的信息損失；三是多重假設(shè)檢驗(yàn)處理便利，通過計(jì)算每一個(gè)假設(shè)的后驗(yàn)概率，并以此作為評(píng)價(jià)解釋變量和模型優(yōu)劣的標(biāo)準(zhǔn)。

根據(jù)已有研究的做法，本文假定樣本y和模型Mj給定條件下參數(shù)向量αj的先驗(yàn)分布為DUIP，所有模型的先驗(yàn)概率為均勻分布。

3.MC3方法。當(dāng)變量數(shù)目較大時(shí)，候選模型的數(shù)量也會(huì)非常大，導(dǎo)致參數(shù)和模型后驗(yàn)概率的迭代計(jì)算變得困難，因此通常會(huì)采用馬爾科夫蒙特羅模型綜合(MC3)抽樣技術(shù)對(duì)模型進(jìn)行抽樣。MC3抽樣技術(shù)的基本思路是以特定概率抽取出備選模型，再以特定概率接納該模型，因此有效信息越多的變量和后驗(yàn)概率越高的模型更大概率會(huì)被接受，從而提高計(jì)算效率。

三、數(shù)據(jù)和變量選擇

(一)數(shù)據(jù)

中國(guó)房?jī)r(jià)的面板數(shù)據(jù)主要有五種：一是省際面板數(shù)據(jù)，但該種數(shù)據(jù)由于加總或平均，可能抹掉了實(shí)際數(shù)據(jù)信息；二是30個(gè)省會(huì)城市數(shù)據(jù)；三是典型城市數(shù)據(jù)，但截面過?。凰氖?5個(gè)大中城市；五是70個(gè)大中城市住宅銷售價(jià)格指數(shù)，但由于發(fā)布較晚(1)2006年1月開始發(fā)布新建商品住宅銷售價(jià)格指數(shù)，2011年1月開始發(fā)布新建住宅銷售價(jià)格指數(shù)。，通常序列較短。綜合來看，35個(gè)大中城市包含了直轄市、省會(huì)城市、自治區(qū)首府以及14個(gè)單列城市，這些城市是各個(gè)區(qū)域經(jīng)濟(jì)發(fā)展水平最好的和市場(chǎng)化程度最高的代表性城市，使用這一數(shù)據(jù)更能反映房?jī)r(jià)的長(zhǎng)期決定因素。因此，本文選取35個(gè)大中城市1999年—2017年的年度面板數(shù)據(jù)，覆蓋中國(guó)整個(gè)房地產(chǎn)市場(chǎng)化歷程，共形成665個(gè)面板數(shù)據(jù)樣本。所有數(shù)據(jù)來源于中國(guó)國(guó)家統(tǒng)計(jì)局、中經(jīng)網(wǎng)、中國(guó)人民銀行以及各城市的《統(tǒng)計(jì)年鑒》。

(二)變量篩選

為盡可能的將更多因素納入信息集中，避免主觀設(shè)定，本文運(yùn)用文獻(xiàn)分析法，以“房?jī)r(jià)”及相似詞為主題詞進(jìn)行文獻(xiàn)檢索?？紤]到本文研究主題為中國(guó)房?jī)r(jià)問題，因此將數(shù)據(jù)庫限定為CSSCI來源期刊論文(2)CSSCI來源文獻(xiàn)質(zhì)量較高，具備規(guī)范的主題詞、關(guān)鍵詞以及摘要文本，進(jìn)行文獻(xiàn)分析時(shí)能夠更好地提取所需信息。，期限范圍為1998年至今，共檢索得到3 227篇文獻(xiàn)。通過分析文獻(xiàn)的主題詞和關(guān)鍵詞，選取其中的219篇作為提取房?jī)r(jià)影響因素的文獻(xiàn)來源。經(jīng)過對(duì)摘要進(jìn)行文本分析、合并相同意義詞后，提取出79個(gè)房?jī)r(jià)影響因素，繼而對(duì)上述因素進(jìn)行頻次統(tǒng)計(jì)和排序，同時(shí)根據(jù)各因素在文獻(xiàn)中的意義進(jìn)行調(diào)整，并舍棄頻次僅為1的因素，最終得到35個(gè)因素(見表1)。

表1 房?jī)r(jià)影響因素

其中，關(guān)于房產(chǎn)稅和房地產(chǎn)稅，前者指的是房地產(chǎn)開發(fā)、交易中的稅負(fù)成本，后者為保有環(huán)節(jié)稅種，2011年起在上海、重慶等幾個(gè)城市試點(diǎn)征收，但范圍較窄、額度較小，對(duì)房?jī)r(jià)的影響有限，因此本文僅選擇前者。高鐵、醫(yī)院、交通以及基礎(chǔ)設(shè)施等因素本質(zhì)上屬于固定資產(chǎn)投資范疇，雖然分開考察它們對(duì)房?jī)r(jià)的影響同樣有意義，但在房地產(chǎn)市場(chǎng)化過程中，固定資產(chǎn)投資對(duì)房?jī)r(jià)的影響更為突出和顯著，因此將前者并入后者。另外，熱錢雖然在特定時(shí)期對(duì)房?jī)r(jià)產(chǎn)生一定影響，但該影響更大程度上體現(xiàn)了它的短期逐利性，不僅對(duì)其計(jì)量比較困難，而且熱錢最終將轉(zhuǎn)化為貨幣供應(yīng)量，從而對(duì)房?jī)r(jià)形成影響，因此本文不再單獨(dú)考慮。房地產(chǎn)施工面積的頻次僅為1，但從理論上分析，該指標(biāo)屬于供給層面，不僅在短期內(nèi)影響房?jī)r(jià)，也將在長(zhǎng)期中影響房?jī)r(jià)，因此保留該因素更為合理。

(三)變量解釋及處理

根據(jù)經(jīng)濟(jì)含義，將各變量歸為宏觀、產(chǎn)業(yè)、成本、行政、人口、市場(chǎng)、收入和土地等8個(gè)類別。

1.宏觀變量。雖然許多學(xué)者認(rèn)為經(jīng)濟(jì)基本面對(duì)房?jī)r(jià)的解釋能力趨于減弱，但其仍是決定房?jī)r(jià)的基礎(chǔ)力量，文獻(xiàn)分析結(jié)果也顯示了宏觀變量是房?jī)r(jià)決定因素的重要組成部分。大部分文獻(xiàn)使用城市化率(3)城市化率的計(jì)算公式為城鎮(zhèn)人口/總?cè)丝?，官方統(tǒng)計(jì)中，2006年以前計(jì)算的是非農(nóng)業(yè)人口占總?cè)丝诘谋戎?，之后為常住城?zhèn)居民占常住人口的比重。表征城市化水平，但使用35個(gè)大中城市作為樣本時(shí)存在兩個(gè)問題：一是35個(gè)大中城市皆為所屬區(qū)域的經(jīng)濟(jì)中心，城市化已經(jīng)處于較高水平，大多數(shù)城市的城市化率超過80%，甚至有些城市接近100%，因此城市化率指標(biāo)對(duì)這些城市房?jī)r(jià)的決定可能不再顯著；二是長(zhǎng)期以來，戶籍是購(gòu)買住房的重要要件，并且在限購(gòu)時(shí)期，戶口直接成為劃分是否具有購(gòu)房資格的前提條件，城市化進(jìn)程中，常住人口中的非戶籍人口雖然有住房需求，但短期卻不能形成有效的購(gòu)買力，只有戶籍人口才具有有效需求，但長(zhǎng)期中，非戶籍人口是潛在需求的主要來源。因此，本文使用常住人口與戶籍人口之間的差額表征城市化(ct)。對(duì)外開放度(eod)既反映了各城市對(duì)國(guó)際市場(chǎng)要素的吸收和引進(jìn)能力，尤其是資金，也體現(xiàn)了各城市在國(guó)際市場(chǎng)中的參與度和影響能力，現(xiàn)有文獻(xiàn)使用多種方式表征，如進(jìn)出口總額/GDP、資本流量總額/GDP、對(duì)外融資比率/對(duì)外投資比例、外貿(mào)依存度(實(shí)際直接利用外資/GDP)?？紤]到房地產(chǎn)業(yè)的特點(diǎn)以及研究目的，本文選擇較為傳統(tǒng)的衡量方式——進(jìn)出口貿(mào)易額/GDP予以表征。借鑒已有文獻(xiàn)的處理，本文使用中國(guó)廣義M2表征各城市的貨幣供應(yīng)量(lm2)。

2.產(chǎn)業(yè)變量。產(chǎn)業(yè)泰爾指數(shù)是衡量產(chǎn)業(yè)結(jié)構(gòu)是否合理的指標(biāo)，產(chǎn)業(yè)結(jié)構(gòu)合理化對(duì)城市房?jī)r(jià)具有正向影響。部分學(xué)者使用第三產(chǎn)業(yè)增加值占GDP的比重進(jìn)行表征，但該指標(biāo)并未考慮不同城市之間的差異。本文使用范新英和張所地構(gòu)建的包含就業(yè)人數(shù)和產(chǎn)出比的產(chǎn)業(yè)結(jié)構(gòu)合理化指標(biāo)，即產(chǎn)業(yè)泰爾指數(shù)(ti)，表示為式(1)[14]：

(1)

其中Y為產(chǎn)業(yè)值，L為就業(yè)人數(shù)，i為不同產(chǎn)業(yè)，n為部門數(shù)。

技術(shù)進(jìn)步是經(jīng)濟(jì)增長(zhǎng)的重要源泉之一，而經(jīng)濟(jì)增長(zhǎng)與房?jī)r(jià)具有密切的關(guān)系，部分文獻(xiàn)認(rèn)為技術(shù)進(jìn)步對(duì)房?jī)r(jià)具有一定影響。通常技術(shù)進(jìn)步可以分解為R&D投入、技術(shù)合同成交額和專利授權(quán)數(shù)三個(gè)指標(biāo)，由于城市數(shù)據(jù)所限，本文采用后兩者的乘積表征技術(shù)進(jìn)步(ltp)。

3.成本變量。地價(jià)和建筑成本是構(gòu)成房地產(chǎn)的主要直接成本，地價(jià)(llp)由房地產(chǎn)開發(fā)企業(yè)土地購(gòu)置費(fèi)除以土地購(gòu)置面積計(jì)算得到；建筑成本(lcc)由建筑造價(jià)表征，等于竣工造價(jià)除以竣工面積。借鑒周建軍等做法，房產(chǎn)稅(lpt)由6種相關(guān)稅收構(gòu)成，包括房產(chǎn)稅、耕地占用稅、城鎮(zhèn)土地使用稅、城市維護(hù)建設(shè)稅、土地增值稅和契稅[15]。雖然部分稅種并不是房地產(chǎn)的直接成本，但可以通過影響購(gòu)房者的交易成本從而影響房?jī)r(jià)。

4.行政變量。限購(gòu)(ppl)是政府干預(yù)房?jī)r(jià)的重要手段，但其是否對(duì)房?jī)r(jià)產(chǎn)生影響存在爭(zhēng)議，尤其是在長(zhǎng)期內(nèi)。本文使用0-1虛擬變量表征限購(gòu)，限購(gòu)年份為1，其他年份為0。銀行貸款是中國(guó)房地產(chǎn)開發(fā)和消費(fèi)的主要資金來源，除了企業(yè)自籌資金和消費(fèi)者首付款，其他資金大都來自于信貸，結(jié)合中國(guó)房地產(chǎn)市場(chǎng)的實(shí)際情況，本文使用房地產(chǎn)開發(fā)企業(yè)非自籌資金與銷售額的80%表征信貸(lcs)。借鑒陳晨和傅勇的做法，短期利率和長(zhǎng)期利率使用中國(guó)人民銀行公布的貸款利率數(shù)據(jù)，利率調(diào)整年份以調(diào)整前后的天數(shù)加權(quán)計(jì)算每年的一年期和五年期貸款利率[16]。

5.人口變量。理論上，人口是長(zhǎng)期房?jī)r(jià)的重要決定因素，已有文獻(xiàn)涉及人口絕對(duì)數(shù)、人口增長(zhǎng)率、人口密度和人口流動(dòng)四個(gè)變量。本文使用城市年末總?cè)丝诒碚鞒鞘腥丝?lgp)，城市人口自然增長(zhǎng)率表征人口增長(zhǎng)率(pgr)，人口密度(lpd)由年末總?cè)丝诔猿鞘行姓娣e計(jì)算得到，使用常住人口增加人數(shù)減去戶籍人口增加人數(shù)表征人口流動(dòng)(fp)。

6.市場(chǎng)變量。許多文獻(xiàn)認(rèn)為預(yù)期是房?jī)r(jià)的重要決定力量，借鑒已有文獻(xiàn)的做法，本文使用滯后一期房?jī)r(jià)表示預(yù)期(lphe)。

7.收入變量。收入同樣是長(zhǎng)期房?jī)r(jià)的重要影響因素，包括城鄉(xiāng)收入差距(urig)、城鎮(zhèn)居民人均可支配收入(lupc)和職工工資水平(lls)。本文使用城鄉(xiāng)收入比表征城鄉(xiāng)收入差距，等于城鎮(zhèn)人均可支配收入與農(nóng)村人均純收入之比。

8.土地變量。本文使用房地產(chǎn)開發(fā)企業(yè)土地購(gòu)置面積表征土地供應(yīng)量(lls)，房地產(chǎn)開發(fā)企業(yè)土地購(gòu)置費(fèi)表征土地購(gòu)置費(fèi)(llpe)。

按照通常做法，所有價(jià)格和收入指標(biāo)取實(shí)際值，剔除通貨膨脹的影響，并且為了避免異方差和量綱的干擾，所有非比例和非比率指標(biāo)(4)除城市化指標(biāo)，因?yàn)槌Ｗ∪丝谂c戶籍人口的差額可能為負(fù)，所以未作對(duì)數(shù)化處理。均作對(duì)數(shù)化處理。

四、基于MC3和BMA方法的實(shí)證分析

如表1的統(tǒng)計(jì)描述所示，所有變量的均值皆遠(yuǎn)大于標(biāo)準(zhǔn)差，表明不存在異常數(shù)據(jù)，可以進(jìn)一步建模分析。本文使用R3.5.2軟件，調(diào)用BMS程序包，進(jìn)行MC3抽樣和BMA分析。35個(gè)解釋變量共計(jì)形成備選模型235個(gè)，基準(zhǔn)模型設(shè)定中模型先驗(yàn)概率設(shè)定為均勻分布，參數(shù)先驗(yàn)概率設(shè)定為隨機(jī)g型分布，利用MC3技術(shù)抽樣抽取其中5 010 000個(gè)模型，初始預(yù)熱抽樣模型為10 000次，其余5 000 000次抽樣模型作為模擬樣本。

(一)準(zhǔn)備工作

實(shí)證分析之前，本文對(duì)所有解釋變量的相關(guān)性進(jìn)行檢驗(yàn)。將所有變量按照上述設(shè)定運(yùn)行時(shí)，結(jié)果顯示模型為非正定，由于模型中納入了盡可能多的變量，因此很大可能在于解釋變量之間存在強(qiáng)相關(guān)性。相關(guān)分析結(jié)果顯示部分變量間的確存在強(qiáng)相關(guān)性，本文先選取不存在相關(guān)性的變量運(yùn)行，繼而依次納入相關(guān)性較強(qiáng)的變量，最終發(fā)現(xiàn)土地購(gòu)置費(fèi)是造成強(qiáng)相關(guān)性的原因，考慮到地價(jià)已經(jīng)包含土地購(gòu)置費(fèi)的信息，刪除該變量并不會(huì)影響到后續(xù)分析，因此刪除后保留剩余的34個(gè)解釋變量。

(二)MC3和BMA的實(shí)證結(jié)果

圖1 后驗(yàn)?zāi)Ｐ鸵?guī)模分布均值圖

圖1報(bào)告了中國(guó)房?jī)r(jià)后驗(yàn)?zāi)Ｐ鸵?guī)模分布的均值和概率，可以看出，模型規(guī)模呈均勻分布，與前述先驗(yàn)假設(shè)吻合，并且具有97%以上的概率。同時(shí)，模型規(guī)模的均值為16.698 9，并且達(dá)到最大值，即在抽樣抽取的5 000 000個(gè)模型中，任一單一模型平均含有16個(gè)能夠有效且充分解釋房?jī)r(jià)的解釋變量。表2報(bào)告了35個(gè)大中城市房?jī)r(jià)對(duì)34個(gè)解釋變量的BMA估計(jì)結(jié)果，并按后驗(yàn)概率排序，反映了各個(gè)解釋變量對(duì)被解釋變量的解釋能力。第六列為解釋變量的符號(hào)確定率，是指所有包括該解釋變量的估計(jì)結(jié)果中，其系數(shù)符號(hào)與后驗(yàn)均值符號(hào)一致的概率，從而反映該變量的穩(wěn)健性。

表2 35個(gè)大中城市房?jī)r(jià)對(duì)各變量的BMA估計(jì)結(jié)果

(三)結(jié)果分析

根據(jù)后驗(yàn)概率，34個(gè)解釋變量可分為4組：

第一組為前11個(gè)變量，后驗(yàn)概率均大于0.9，其中房地產(chǎn)施工面積、銷售面積、失業(yè)率和固定資產(chǎn)投資等四個(gè)變量的符號(hào)確定率為0，意味著這四個(gè)變量對(duì)房?jī)r(jià)的影響雖然顯著，但穩(wěn)健性不足。其他7個(gè)變量包括通脹、地方財(cái)政支出、地價(jià)、預(yù)期、房地產(chǎn)開發(fā)投資、人均消費(fèi)支出、城鎮(zhèn)居民人均可支配收入的符號(hào)確定率皆為1，顯示出了對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)顯著和穩(wěn)健的解釋能力。同時(shí)，這7個(gè)變量的后驗(yàn)均值均為正，與后驗(yàn)標(biāo)準(zhǔn)差的比值都大于2，表明這些變量對(duì)房?jī)r(jià)具有顯著的正向影響。

預(yù)期的后驗(yàn)均值達(dá)到0.27，遠(yuǎn)大于其他因素(除城鎮(zhèn)居民人均可支配收入)，是決定長(zhǎng)期房?jī)r(jià)的最主要因素，這與鄭世剛和嚴(yán)良的研究結(jié)論一致，房?jī)r(jià)具有明顯的正反饋效應(yīng)，房?jī)r(jià)很大程度上源于自身的歷史趨勢(shì)[17]。城鎮(zhèn)居民人均可支配收入的后驗(yàn)均值同樣達(dá)到0.27，購(gòu)房者收入對(duì)房?jī)r(jià)具有顯著的正向影響，符合理論假定，并與已有研究的觀點(diǎn)一致[18]。房地產(chǎn)開發(fā)投資的后驗(yàn)均值為0.15，對(duì)房?jī)r(jià)具有明顯的促進(jìn)和決定作用。地方財(cái)政支出對(duì)房?jī)r(jià)影響的理論分析源于Tiebout(1956)所提出的微觀機(jī)制，通過“用腳投票”，公共服務(wù)支出將顯著的資本化到房?jī)r(jià)中，并顯著正向影響房?jī)r(jià)，這一理論得到了大量中國(guó)文獻(xiàn)的支持。表2中地方財(cái)政支出的后驗(yàn)均值為0.107 5，與上述觀點(diǎn)較為吻合。人均消費(fèi)支出(后驗(yàn)概率為0.082)反映了家庭的消費(fèi)能力，這些年來居住支出始終占據(jù)八類消費(fèi)支出的前列，居民家庭改善居住環(huán)境和生活質(zhì)量的需求意愿，客觀上對(duì)房?jī)r(jià)產(chǎn)生了較為明顯的正向影響。地價(jià)的后驗(yàn)均值為0.074 9，不僅是房?jī)r(jià)的重要組成部分，也是長(zhǎng)期房?jī)r(jià)的重要因素，與孟慶斌和榮晨的觀點(diǎn)一致。房地產(chǎn)具有抵消通脹的特性，通脹的后驗(yàn)均值為0.02，表明通脹對(duì)房?jī)r(jià)具有正向決定作用。

第二組包括長(zhǎng)期實(shí)際利率和信貸2個(gè)變量，后驗(yàn)概率大于0.8且小于0.9，對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)具有較好的解釋能力，符號(hào)確定率達(dá)到100%，后驗(yàn)均值與后驗(yàn)標(biāo)準(zhǔn)差的比值大于1，因此具有良好的穩(wěn)健性。多數(shù)學(xué)者認(rèn)為利率對(duì)房?jī)r(jià)具有較大影響，但大都針對(duì)短期利率，本文實(shí)證結(jié)果表明短期實(shí)際利率并不顯著，而長(zhǎng)期實(shí)際利率對(duì)長(zhǎng)期房?jī)r(jià)的決定作用較為顯著，并且具有正向影響。信貸的后驗(yàn)均值為0.092 6，在長(zhǎng)期內(nèi)正向影響房?jī)r(jià)。以上結(jié)論符合大部分學(xué)者的觀點(diǎn)。

第三組包括城鎮(zhèn)人口增長(zhǎng)率、對(duì)外開放度和建筑成本3個(gè)變量，后驗(yàn)概率大于0.5且小于0.8，對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)具有一定的解釋能力，符號(hào)確定率同樣達(dá)到100%，且后驗(yàn)均值與后驗(yàn)標(biāo)準(zhǔn)差的比值大于1，表明這些變量較為穩(wěn)健。建筑成本的后驗(yàn)概率為0.03，在長(zhǎng)期中對(duì)房?jī)r(jià)的正向影響較為明顯，與Zhi Wang和Qinghua Zhang的結(jié)論基本一致[19]。對(duì)外開放度和城市人口增長(zhǎng)率的后驗(yàn)均值同樣為正。值得注意的是，城市人口增長(zhǎng)率對(duì)房?jī)r(jià)并未顯示出優(yōu)于其他變量的決定作用。

第四組為其他18個(gè)變量，后驗(yàn)概率小于0.5，對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)的解釋能力較弱，符號(hào)確定率表明這些變量的穩(wěn)健性低于上述變量。已有房?jī)r(jià)研究的文獻(xiàn)中經(jīng)常提及的貨幣供應(yīng)量、房產(chǎn)稅、GDP、城市人口等變量，并未顯示出對(duì)長(zhǎng)期房?jī)r(jià)顯著且穩(wěn)健的決定作用。

(四)模型規(guī)模及最優(yōu)單一模型檢驗(yàn)

為進(jìn)一步驗(yàn)證模型規(guī)模，并得到最優(yōu)單一模型，本文采用“Occam window”算法對(duì)模型進(jìn)行估計(jì)，共提取出后驗(yàn)概率最高的109個(gè)模型。表3報(bào)告了后驗(yàn)概率最高的前五位單一模型，分別包含16、15、18、17、15個(gè)解釋變量，A-R2均在0.95以上，不同模型解釋變量的系數(shù)值和符號(hào)無明顯差別，表現(xiàn)出較好的顯著性。五個(gè)單一模型的后驗(yàn)概率總和為0.223 1，其中模型1的后驗(yàn)概率最高，其BIC值大于等于其它模型的BIC值，因此可以認(rèn)為模型1為最優(yōu)模型。同時(shí)可以發(fā)現(xiàn)，除個(gè)別變量的后驗(yàn)概率有所出入外，模型1包含的解釋變量的名稱、數(shù)量和符號(hào)與MC3方法的估計(jì)結(jié)果完全一致，表明本文的BMA方法是可靠的。

模型1包含了16個(gè)解釋變量，系數(shù)值與MC3的估計(jì)值(后驗(yàn)均值)基本一致，這些變量顯著的影響了中國(guó)房?jī)r(jià)的波動(dòng)，并能解釋其變動(dòng)的85%。16個(gè)變量中，城鎮(zhèn)居民人均可支配收入和預(yù)期對(duì)房?jī)r(jià)的影響最大，分別為0.28和0.27，對(duì)房?jī)r(jià)提供了超過44.4%的正向解釋。其次，房地產(chǎn)開發(fā)投資、地方財(cái)政支出和信貸對(duì)房?jī)r(jià)波動(dòng)也起到了顯著的決定作用，分別為0.15、0.12和0.12，表明中國(guó)信貸政策存在著房地產(chǎn)偏好，而地方財(cái)政支出存在著“用腳投票”機(jī)制。在反向作用中，房地產(chǎn)施工面積和銷售面積起到了明顯的反向影響，分別為-0.17和-0.13，意味著保持一定的供應(yīng)增速有助于抑制房?jī)r(jià)過快上漲。尤其是房?jī)r(jià)水平較高的一、二線城市，限制需求雖然能在一定程度上遏制房?jī)r(jià)上漲，但只是短時(shí)之策，長(zhǎng)期來看，增加供給、保持一定的供給彈性更有利于房?jī)r(jià)穩(wěn)定、市場(chǎng)健康發(fā)展。

表3 “Occam window”算法估計(jì)結(jié)果及前五位最優(yōu)單一模型

注：*、**、***分別表示10%、5%、1%的顯著性水平，括號(hào)內(nèi)為標(biāo)準(zhǔn)差。

(五)穩(wěn)健性分析

參數(shù)和模型先驗(yàn)概率的設(shè)定不同將對(duì)BMA方法的估計(jì)結(jié)果帶來影響，本文將在上述基準(zhǔn)設(shè)定的基礎(chǔ)上，通過改變參數(shù)和模型的先驗(yàn)概率，對(duì)上文的估計(jì)結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。

1.改變參數(shù)的先驗(yàn)概率。變換參數(shù)先驗(yàn)概率為EBL、BRIC和HQ三種設(shè)定，結(jié)果如圖2和表4。

可以看到，三種設(shè)定的模型規(guī)模均值(Model Size Mean)分別為16.2、16.4和17.6，與原設(shè)定的結(jié)果基本一致。同時(shí)三種設(shè)定下對(duì)中國(guó)長(zhǎng)期房?jī)r(jià)具有有效且穩(wěn)健的變量，與原設(shè)定下的結(jié)果完全一樣，房地產(chǎn)施工面積、銷售面積、失業(yè)率和固定資產(chǎn)投資等四個(gè)變量的符號(hào)確定率仍然為0，其他變量的后驗(yàn)概率基本相同，后驗(yàn)均值在HQ設(shè)定下有些許下降，但并不明顯。

圖2 不同參數(shù)先驗(yàn)概率下后驗(yàn)?zāi)Ｐ鸵?guī)模分布比較圖

表4 不同參數(shù)先驗(yàn)概率下模型后驗(yàn)概率和后驗(yàn)均值比較(5)為節(jié)省篇幅，只報(bào)告了模型規(guī)模范圍內(nèi)的變量的后驗(yàn)概率和后驗(yàn)均值，表5同。

變量BRIC②EBL③HQ④后驗(yàn)概率后驗(yàn)均值后驗(yàn)概率后驗(yàn)均值后驗(yàn)概率后驗(yàn)均值地價(jià)1.000 00.075 01.000 00.074 91.000 00.074 3 預(yù)期1.000 00.276 11.000 00.275 41.000 00.272 1 地方財(cái)政支出1.000 00.109 71.000 00.108 60.999 90.103 0 房地產(chǎn)施工面積0.999 8-0.165 10.999 8-0.164 40.999 9-0.160 2 通貨膨脹0.999 70.021 20.999 90.021 20.999 90.021 1 銷售面積0.998 5-0.120 90.998 6-0.122 60.999 3-0.129 1 人均消費(fèi)支出0.995 60.082 70.995 70.082 50.994 00.080 7 房地產(chǎn)開發(fā)投資額0.993 80.153 50.993 80.151 80.993 60.144 4 城鎮(zhèn)居民人均可支配收入0.993 80.274 60.993 40.271 30.990 10.254 2 失業(yè)率0.964 2-0.003 70.968 0-0.003 70.979 6-0.003 8 固定資產(chǎn)投資額0.963 3-0.075 30.966 2-0.075 60.975 6-0.076 8 長(zhǎng)期實(shí)際利率0.840 70.027 90.842 30.028 70.840 20.031 7 信貸0.779 80.088 00.801 70.090 80.877 20.101 1 對(duì)外開放度0.641 90.012 60.658 20.013 00.732 40.014 7 城市人口增長(zhǎng)率0.627 30.001 30.644 40.001 30.721 50.001 5 建筑成本0.506 70.029 70.522 10.030 50.588 30.033 4

② 參考Fernandez、Ley和Steel(2001)，g=max(N，K2)，K為變量的數(shù)目。

③ 設(shè)定gh=argmaxgP(Y|Mh，X，g)，具體設(shè)定參見Liang et al.(2008)。

④ 設(shè)定g=log(N)3，根據(jù)CHQ=3漸進(jìn)模擬Hannan-Quinn準(zhǔn)則，參見Fernandez，Ley和Steel(2001)。

⑤ “Random”指的是將先驗(yàn)包含概率設(shè)定為二元超先驗(yàn)β，參見Ley和Steel(2008)。

⑥ “Fixed”表示將任一回歸設(shè)定為固定公共包含先驗(yàn)概率，參見Martin，Doppelhofer和Miller(2004)。

⑦ “Pip”指的是允許自定義的先驗(yàn)包含概率。

2.改變模型的先驗(yàn)概率。變換模型先驗(yàn)概率為Random、Fixed、Pip三種設(shè)定，結(jié)果如圖3和表5。

圖3 不同模型先驗(yàn)概率下后驗(yàn)?zāi)Ｐ鸵?guī)模分布比較圖

可以發(fā)現(xiàn)，三種設(shè)定下的模型規(guī)模均值分別為16.8、16.7和16.8，與原設(shè)定的分析結(jié)果基本相同，能夠有效且穩(wěn)健解釋中國(guó)長(zhǎng)期房?jī)r(jià)的變量，與原設(shè)定結(jié)果完全一樣。房地產(chǎn)施工面積、銷售面積、失業(yè)率和固定資產(chǎn)投資等四個(gè)變量的符號(hào)確定率仍然為0，其他變量的后驗(yàn)概率和后驗(yàn)均值基本相同。

表5 不同模型先驗(yàn)概率下模型后驗(yàn)概率和后驗(yàn)均值比較

綜上所述，本文實(shí)證所得中國(guó)房?jī)r(jià)的長(zhǎng)期決定變量的結(jié)論是有效且穩(wěn)健的，包含16個(gè)因素的模型能夠充分解釋中國(guó)長(zhǎng)期房?jī)r(jià)。

五、構(gòu)建房地產(chǎn)長(zhǎng)效機(jī)制的思考

一直以來，中國(guó)房地產(chǎn)市場(chǎng)的制度建設(shè)重在短期，但頻繁的政策調(diào)控不僅導(dǎo)致市場(chǎng)秩序紊亂，而且造成了房?jī)r(jià)的持續(xù)大幅上漲。2016年以來，中央政府連續(xù)提出，要通過“綜合運(yùn)用金融、土地、財(cái)稅、投資、立法等手段”，“構(gòu)建和完善促進(jìn)房地產(chǎn)市場(chǎng)平穩(wěn)健康發(fā)展的長(zhǎng)效機(jī)制”。根據(jù)本文的實(shí)證分析結(jié)果，長(zhǎng)期房?jī)r(jià)決定于上述16個(gè)因素，這些因素構(gòu)成了房地產(chǎn)長(zhǎng)效機(jī)制的基本要素，并形成了長(zhǎng)效機(jī)制的基本框架。

(一)經(jīng)濟(jì)基本面是長(zhǎng)期房?jī)r(jià)穩(wěn)定的基礎(chǔ)

雖然大量研究認(rèn)為經(jīng)濟(jì)基本面對(duì)房?jī)r(jià)的解釋力趨于減弱，但分析結(jié)果表明經(jīng)濟(jì)基本面仍然是決定房?jī)r(jià)的基礎(chǔ)，尤其是對(duì)長(zhǎng)期房?jī)r(jià)而言。與供給面因素相比，需求面因素的影響更為重要，如通貨膨脹、實(shí)際城鎮(zhèn)人均可支配收入、實(shí)際人均消費(fèi)支出以及人口增長(zhǎng)率等。理論上，房地產(chǎn)為低需求彈性商品，需求面的改善或惡化并不會(huì)造成房?jī)r(jià)的大幅波動(dòng)，因此中國(guó)房?jī)r(jià)的長(zhǎng)期上漲并不能簡(jiǎn)單的由需求面因素的改善加以解釋，更深層的原因在于中國(guó)失衡的住房市場(chǎng)體系和住房保障體系。

根據(jù)房地產(chǎn)市場(chǎng)化改革思路，中國(guó)住房體系可表述為“對(duì)不同收入家庭實(shí)行不同的住房供應(yīng)政策”(6)源自1998年《國(guó)務(wù)院關(guān)于進(jìn)一步深化城鎮(zhèn)住房制度改革，加快住房建設(shè)的通知》(23號(hào)文件)。，即高收入家庭購(gòu)買或租賃商品房，中低收入家庭購(gòu)買經(jīng)濟(jì)適用房，低收入家庭租賃廉租房。但實(shí)際上，在房地產(chǎn)業(yè)的發(fā)展歷程中，經(jīng)濟(jì)適用房和廉租房并未實(shí)現(xiàn)應(yīng)有的預(yù)期，由于制度漏洞、產(chǎn)品缺陷、資源錯(cuò)配、信息模糊等問題，導(dǎo)致經(jīng)濟(jì)適用房和廉租房體系效率低下，在住房體系中逐步被邊緣化，甚至在某些城市被暫?；蛉∠?，無法實(shí)現(xiàn)需求的中低收入、低收入家庭只能進(jìn)入商品房市場(chǎng)，導(dǎo)致該市場(chǎng)過度擁擠，房地產(chǎn)供不應(yīng)求。我們可以觀察到，一方面大量中低收入和低收入家庭的剛性需求推高房?jī)r(jià)，房地產(chǎn)的需求彈性不斷提高，大部分城市的房?jī)r(jià)收入比遠(yuǎn)遠(yuǎn)超過國(guó)際警戒線，例如“北上廣深”等城市甚至超過30；另一方面，尋租、投機(jī)行為滋生，具有資金、權(quán)利和信息優(yōu)勢(shì)的尋租者和投機(jī)者進(jìn)入市場(chǎng)，不但進(jìn)一步造成剛性需求難以滿足，而且加大了房地產(chǎn)市場(chǎng)的投機(jī)泡沫。

因此，糾正和完善中國(guó)住房市場(chǎng)體系和保障體系是構(gòu)建房地產(chǎn)長(zhǎng)效機(jī)制的根本。

第一，回歸市場(chǎng)和政府的本原。近年來，中央政府不斷強(qiáng)調(diào)“發(fā)揮市場(chǎng)在資源配置中的決定性作用”，這對(duì)于商品房市場(chǎng)的健康發(fā)展具有重要意義。但在房地產(chǎn)長(zhǎng)效機(jī)制構(gòu)建中，更應(yīng)該強(qiáng)調(diào)政府角色定位和公共職能發(fā)揮的重要性，約束政府對(duì)市場(chǎng)的不合理干預(yù)是實(shí)現(xiàn)房地產(chǎn)市場(chǎng)秩序的基礎(chǔ)，而發(fā)揮政府的公共服務(wù)功能則是完善中國(guó)住房保障體系的保障。

第二，建立商品房市場(chǎng)和保障房市場(chǎng)之間的防火墻和互動(dòng)通道。實(shí)現(xiàn)這一目的的關(guān)鍵在于法律制度體系的建設(shè)和完善，通過不同的法律制度區(qū)分不同市場(chǎng)的界域和模式。對(duì)于商品房市場(chǎng)，法律制度的功能應(yīng)體現(xiàn)為市場(chǎng)規(guī)則優(yōu)先下的事后調(diào)整，例如房地產(chǎn)稅的立法、土地的立法等。對(duì)于政策性保障房市場(chǎng)，法律制度的功能應(yīng)體現(xiàn)為公共利益下的事前控制，例如進(jìn)入與退出機(jī)制、保障房和市場(chǎng)租賃住房的立法。

(二)預(yù)期是房地產(chǎn)市場(chǎng)平穩(wěn)健康的關(guān)鍵

實(shí)證結(jié)果顯示，預(yù)期是中國(guó)長(zhǎng)期房?jī)r(jià)最為重要的決定因素，而中國(guó)房地產(chǎn)市場(chǎng)實(shí)踐表明，預(yù)期是房地產(chǎn)市場(chǎng)化改革以來，尤其是2008年之后房?jī)r(jià)持續(xù)上漲的重要原因。其中原因之一在于上文論述的中國(guó)住房市場(chǎng)體系和保障體系建設(shè)滯后，造成商品房市場(chǎng)存在嚴(yán)重的結(jié)構(gòu)失衡問題，大量需求尤其是剛性需求無法得到滿足，使得房?jī)r(jià)始終處于上漲壓力之中。房地產(chǎn)市場(chǎng)長(zhǎng)期處于供不應(yīng)求狀態(tài)，導(dǎo)致市場(chǎng)參與者形成了較為一致性的上漲預(yù)期，從而房地產(chǎn)的居住屬性逐漸被投資屬性所替代，投資、投機(jī)性需求大量增加，并拉動(dòng)自住性、改善性住房需求提前釋放[20]。在預(yù)期沖擊下，中國(guó)房?jī)r(jià)陷入“管制平穩(wěn)、放開必漲”的局面，調(diào)控政策無法發(fā)揮應(yīng)有的效力，根本原因在于住房市場(chǎng)體系單一化以及市場(chǎng)結(jié)構(gòu)失衡化。因此2017年以來，中央政府一再提出“房子是用來住的、不是用來炒的”的定位論述，并提出實(shí)現(xiàn)穩(wěn)定預(yù)期的重要舉措——“建立多主體供給、多渠道保障、租購(gòu)并舉的住房制度，讓全體人民住有所居”。原因之二在于政府調(diào)控政策缺乏一致性，表現(xiàn)為政策制定的相機(jī)抉擇特征和調(diào)控目標(biāo)的搖擺性，并且缺乏前瞻性，難以形成穩(wěn)定預(yù)期。

因此，從需求端通過“限”政策抑制需求并不能實(shí)現(xiàn)預(yù)期的改變，本文的實(shí)證結(jié)果也表明，抑制需求的限購(gòu)政策并不能解釋長(zhǎng)期房?jī)r(jià)。因此，第一，應(yīng)立足于供給端，關(guān)鍵解決土地供給問題。中國(guó)各個(gè)城市的土地供給由建設(shè)用地指標(biāo)所控制，但這一體系存在著兩個(gè)主要的問題：一是土地供應(yīng)結(jié)構(gòu)不合理，住宅用地比例偏低，工業(yè)及其他用地比例偏高，尤其是大中城市，該比例遠(yuǎn)低于國(guó)外同等類型城市；二是指標(biāo)分布不均衡，中小城市的建設(shè)用地指標(biāo)較為寬松，而大城市較為緊張，并持續(xù)減少，例如北京2010年的土地供應(yīng)量為2 310萬平方米，2016年減少為435萬平方米，同期上海從3 147萬平方米減少為891萬平方米，因此應(yīng)建立起土地供應(yīng)與房?jī)r(jià)、人口掛鉤的長(zhǎng)效平衡機(jī)制。第二，推動(dòng)政府調(diào)控政策在長(zhǎng)期內(nèi)規(guī)則化，尤其是貨幣政策。本文實(shí)證結(jié)果顯示短期利率、貨幣供應(yīng)量都不能解釋長(zhǎng)期房?jī)r(jià)，反而長(zhǎng)期實(shí)際利率對(duì)長(zhǎng)期房?jī)r(jià)具有一定的解釋力。大量研究表明貨幣政策規(guī)則化，同時(shí)將房?jī)r(jià)納入貨幣政策規(guī)則，能夠更有效實(shí)現(xiàn)宏觀調(diào)控目標(biāo)以及房?jī)r(jià)穩(wěn)定。

(三)金融投資是中國(guó)長(zhǎng)期房?jī)r(jià)的穩(wěn)定器

本文實(shí)證結(jié)果顯示地方財(cái)政支出、房地產(chǎn)開發(fā)投資和信貸能夠顯著解釋長(zhǎng)期房?jī)r(jià)，實(shí)踐表明中國(guó)金融投資體系的失衡導(dǎo)致房地產(chǎn)業(yè)集中了過多的社會(huì)資源，因此許多學(xué)者將中國(guó)房?jī)r(jià)上漲歸為貨幣問題是不無道理的。長(zhǎng)期以來，地方財(cái)政收入依賴于“土地財(cái)政”和房地產(chǎn)相關(guān)稅收，不管這兩方面孰因孰果，可觀察的事實(shí)是，大量財(cái)政支出偏向性的投入到了與房地產(chǎn)業(yè)相關(guān)的城市基建支出中。在金融投資軟約束的情況下，地方財(cái)政支出、房地產(chǎn)開發(fā)投資、地價(jià)、房?jī)r(jià)、土地收益和房地產(chǎn)相關(guān)稅收以及地方財(cái)政收入之間形成了可靠的邏輯循環(huán)，大量金融資源不斷流入房地產(chǎn)業(yè)，地價(jià)和房?jī)r(jià)被不斷推高。根據(jù)全國(guó)統(tǒng)計(jì)數(shù)據(jù)，2017年新增房地產(chǎn)貸款為5.56萬億，占新增貸款總額13.53萬億的41%(7)來源于中國(guó)人民銀行發(fā)布數(shù)據(jù)。。另外，金融資源的流動(dòng)是不均衡的，由于相對(duì)于中小城市的諸多優(yōu)勢(shì)，如經(jīng)濟(jì)、人口、產(chǎn)業(yè)等，大中城市仍然是金融投資流向的主要選擇，即使在同一城市內(nèi)，這種聚集效應(yīng)同樣顯著。因此，金融投資流向和流動(dòng)的非均衡是導(dǎo)致房?jī)r(jià)持續(xù)大幅上漲的助推器，而建立均衡有效的金融投資體系是中國(guó)長(zhǎng)期房?jī)r(jià)可持續(xù)的穩(wěn)定器。

第一，房地產(chǎn)稅制改革。金融投資過于集中的根本原因在于地方政府對(duì)“土地財(cái)政”和房地產(chǎn)相關(guān)稅收的依賴，政府在上游掌握“土地”和“登記”兩個(gè)工具，因此可以不顧及下游使用者的實(shí)際負(fù)擔(dān)，開發(fā)商也可以將成本轉(zhuǎn)嫁給購(gòu)房者。房地產(chǎn)稅的功能在于對(duì)下游的持有環(huán)節(jié)征稅，配合稅收優(yōu)惠以及稅收減免等政策，政府和開發(fā)商必須考慮購(gòu)房者的支付意愿和異質(zhì)需求，從而有利于破開上述邏輯循環(huán)。

第二，差別化信貸政策。前文論述的住房市場(chǎng)體系包括價(jià)值屬性的商品房市場(chǎng)和公共屬性的保障房市場(chǎng)，不同市場(chǎng)的取向不同，信貸政策也應(yīng)體現(xiàn)出差異。目前兩個(gè)市場(chǎng)的資金大都來自于銀行間接融資，直接融資比例較低，不僅企業(yè)風(fēng)險(xiǎn)高企，而且造成資金集中于房地產(chǎn)業(yè)。因此，一方面應(yīng)通過發(fā)展信托基金、提高開發(fā)貸款利率、嚴(yán)格限制貸款流向等金融監(jiān)管政策，提高商品房開發(fā)建設(shè)和使用中的直接融資比例；另一方面，應(yīng)通過建立政策性銀行和金融機(jī)構(gòu)、引入多元化社會(huì)資本，扶持保障房的開發(fā)建設(shè)和消費(fèi)使用。

六、結(jié) 論

為獲得中國(guó)長(zhǎng)期房?jī)r(jià)的影響因素，本文通過文獻(xiàn)分析法搜集了已有研究中使用的房?jī)r(jià)影響因素，經(jīng)整理合并后，得到了包括35個(gè)因素的集合。利用1999年—2017年中國(guó)35個(gè)大中城市的面板數(shù)據(jù)，使用MC3抽樣技術(shù)和BMA方法，提取了對(duì)長(zhǎng)期房?jī)r(jià)具有有效且顯著決定作用的16個(gè)因素。其中通貨膨脹、地方財(cái)政支出、地價(jià)、預(yù)期等11個(gè)因素是最具解釋力的影響因素；信貸和長(zhǎng)期實(shí)際利率為具有較好解釋力的影響因素；城鎮(zhèn)人口增長(zhǎng)率、對(duì)外開放度和建筑成本是具有一定解釋力的影響因素。為驗(yàn)證實(shí)證結(jié)果的穩(wěn)健性，通過變換參數(shù)先驗(yàn)概率和模型先驗(yàn)概率，結(jié)果顯示本文的結(jié)論具有非常好的穩(wěn)健性。

根據(jù)實(shí)證分析結(jié)果，本文認(rèn)為經(jīng)濟(jì)基本面仍然是中國(guó)長(zhǎng)期房?jī)r(jià)穩(wěn)定的基礎(chǔ)，預(yù)期是房地產(chǎn)市場(chǎng)平穩(wěn)健康的關(guān)鍵，金融投資是中國(guó)長(zhǎng)期房?jī)r(jià)的穩(wěn)定器。結(jié)合中央政府的目標(biāo)和要求，本文提出房地產(chǎn)長(zhǎng)效機(jī)制的構(gòu)建和完善，應(yīng)糾正和完善中國(guó)住房市場(chǎng)體系和保障體系，發(fā)揮市場(chǎng)在資源配置中的決定性作用的同時(shí)，應(yīng)突出政府角色定位和公共職能的發(fā)揮；立足供給側(cè)，改革中國(guó)土地供應(yīng)體系，推動(dòng)政府調(diào)控政策在長(zhǎng)期內(nèi)的規(guī)則化；建立均衡有效的金融投資體系，推動(dòng)房地產(chǎn)稅制改革，實(shí)施差別化信貸政策。