人口结构对住宅价格的影响.docVIP

　　人口结构对住宅价格的影响 人口结构对住宅价格的影响 　　一、导论 　　近年来，中国一线城市城镇住房价格快速上涨，国内学者从不同角度提出解释，比如货币发行量、投机需求动机、地价因素等等，但是人口结构因素对于房价变动的影响却并未给予足够的重视。住宅首先要满足居者有其屋的需求，人是其中最重要的决定因素；另外，人口因素不易受到经济周期影响，这使得它更可能影响房价。人口结构是按照各种不同的特征把人口划分成不同组成成分，通过人口各组成部分占总体的比重，反映部分与总体、部分与部分之间的关系。人口学意义上的人口结构一般分为三类：一是人口自然结构，包括年龄结构、性别结构等；二是社会经济结构，包括家庭结构、就业结构、收入结构等；三是人口地域结构，包括城乡结构、行政结构等。本文所研究的人口结构变量也采用以上的划分方法。 　　国外学者对人口变量和房价之间的关系的研究较多。David（2005）考察了荷兰的数据，发现家庭可支配收入对于住宅价格有显著正向影响，而抵押贷款利率对住宅价格不存在明显的正向关系。Jain（2011）考察了印度大城市的数据，发现印度城镇化的深入和城镇人口的增加逐步推动了当地经济的发展并提高了地区房价。Oliver（2012）研究2005年德国多数城市的数据，发现个人收入和住宅价格存在积极的互动效应。相比其他国家，中国有自己特殊的人口政策，比如计划生育、户籍管理制度等，在这些政策影响下的人口因素深刻影响我国房地产价格的形成机制。同时，由于我国房地产市场形成时间较晚，虽然人口学研究在我国开展较早，针对人口和房地产市场之间的研究却发展较晚，且以理论及定性研究较多，定量研究较少。杨重光（2006）指出，持续强劲的人口增长是北京房价居高不下的主要原因之一。伍涛（2009）采用VEC模型分析了上海市人口数量、人均可支配收入、CPI、GDP等变量对于住宅价格的影响，认为GDP和人均可支配收入可以通过影响CPI来间接影响住宅价格。薛莉苇等（2010）利用2005年全国21个大中城市和2003-2007年间北京、武汉和西安三个城市的财政、经济结构、人口结构、城市建筑及城市辅助等方面的数据，分析了这五个方面对房价收入比的影响，其中人口结构变量的系数均大于零，说明人口结构变量对房价收入存在正向相关关系。王重阳等（2012）使用GIS技术着重分析了北京市各城区人口密度与房价的关系，发现新东城区与新西城区人口密度最大、房价最高；丰台区、石景山区和朝阳区的人口密度和房价的空间分布具有一致性；其他区域的人口密度与房价没有显出明显的相关性，需要结合其他因素进行综合分析。 　　本文利用1990-2011年北京市人口结构和商品住宅价格数据，分析人口结构变量对于房价的动态影响。作为经济发达地区和一线本文由.L.收集整理城市的代表，北京房地产市场形成较早，各项制度较为完善，同时作为首都，北京吸引了大批城镇就业人口，人口的住房需求显著。通过对典型地区的研究，对其他地区进行类似研究提供借鉴。 　　二、变量与数据 　　北京市房价近年来呈现总体快速增长的态势，名义住宅价格从1990年的1413元/平方米增长到2011年的1.5517万元/平方米，年复合增长率达到12%，2004-2011年间房价的年复合增长率甚至达到18.4%。我国房地产市场中土地供给由国家直接调控，住宅供应由若干规模较大的房地产商寡头垄断，因而缺乏弹性，住宅价格在很大程度上由需求因素决定，而其中人口结构的变化会通过改变住房需求从而直接作用于住宅价格。本文从人口自然结构特征、人口社会经济特征和人口地域结构特征等角度分别选取人口结构变量，尝试从人口结构角度来解释北京住宅价格。 　　通过　　北京市各人口结构变量和房价都是一阶对数差分平稳，但因变量和解释变量之间的关系还需要进行协整检验。本文采用Johansen协整检验，一般采用VAR模型的滞后阶数减1作为协整检验的滞后阶数，VAR模型滞后阶数的选择结果见表-2。LR、FPE、AIC和SC准则均选择1阶滞后作为VAR模型的最优滞后阶数，所以我们选择协整检验的最优滞后阶数为零阶，Johansen协整检验结果见表-3和表-4。 　　Johansen迹统计量和最大特征值检验均拒绝了北京市房价和人口变量之间没有协整关系的假设，因此，为充分利用水平值方程信息，我们直接采用对数水平变量来进行VAR模型回归。 　　三、VAR模型估计结果 　　北京市房价和人口变量的四元VAR模型估计结果如方程（1）所示。 　　要使VAR模型的脉冲响应分析和方差分解分析有效，首先应对VAR模型进行稳定性检验。通过对图一1所示的AR根图进行直观判定，所有的AR根的模的倒数都在单位圆内，则VAR模型系统稳定。然后对VAR模型残差进行检验，显示模型残差服从正态分布、无自相关性和无异方