我国房地产场调控政策的综合效应评价研究.docx
《我国房地产场调控政策的综合效应评价研究.docx》由会员分享,可在线阅读,更多相关《我国房地产场调控政策的综合效应评价研究.docx(21页珍藏版)》请在冰豆网上搜索。
我国房地产场调控政策的综合效应评价研究
我国房地产市场调控政策的综合效应评价研究
张风华1,孙熙隆1,刘佳佳1,高雅1,汪寿阳1
(1.中国科学院大学经济与管理学院,北京,100190)
摘要:
本文借鉴以往研究房地产市场政策评价指标,加入供需比、房价收入比等指标,采用因子分析、SVAR等方法,从政府、市场和民生三个层面对我国房地产市场进行综合评价。
研究发现:
上海房地产市场易受政策影响,历次政策调整会引起上海市房地产综合评价得分波动较大;温州市房地产市场综合评价综合得分低于全国均值和其他城市分值;同时,货币政策中增加基础货币发行量,会对房地产市场产生长远影响,并存在区域差异;调整利率会对房地产市场产生短期影响,并且这种影响不稳定。
关键词:
政策评价,综合效应,因子分析,SVAR
1.引言
我国政府自1998年实施住房制度改革,房地产市场进入快速发展阶段。
在发展过程中,政府也制定房地产市场相关政策,对市场中出现的问题实行调控。
按照政策调控的目标不同,大致可以分为四个阶段:
第一个阶段,1998年至2004年期间,我国政府促进房地产市场发展,特别是促进房地产开发投资增长,使房地产市场成为新的经济增长点;第二个阶段,2005年至2008年期间紧缩性调控政策,目的是抑制过快上涨的房价,防范房地产市场金融风险,调整不合理的住房供应结构;第三个阶段,2009年期间由紧缩向宽松转变,受2008年下半年全球金融危机影响,整个房地产市场处于低迷状态,中央制定各项政策刺激房地产市场发展;第四个阶段,2010年初到现在稳定房价阶段,在此期间中央采取一系列组合政策,“有保有压”、“重在稳定”是这一阶段调控政策的主要基调。
(周江,2007;黄少安,2012;吴艳,2013)因此,我国政府调控房地产市场是多目标调控的过程,以房地产市场发展促进宏观经济发展为前提,抑制过快上涨的房价,合理调整住房供应结构,保障“住有所居”。
图12005年7月至今我国房地产市场主要调控政策
注:
2008年以来重要的房地产调控政策,其中除了“国十三条”是房地产市场刺激政策外,其余基本都是抑制政策。
同时,因为全国各个省市、地区的经济发展水平,资源禀赋,居民生活质量等存在较大差异(王先柱,2011;黄少安,2012;李秀婷,董纪昌,2014),在各项调控政策实施之后,全国不同省市、地区政策实施的效果也不尽相同。
例如,自2004年政府出台一系列房地产业调控政策一年后,青岛、上海的商品房销售价格涨幅依然逆市上扬,而广州大连等城市涨幅回落明显,温州、深圳等城市则已经开始下降。
因此,应区分区域和城市对房地产市场相关政策效果进行评估。
2.文献综述
房地产宏观调控是整个国民经济宏观调控的一部分,是国家对房地产业进行有效管理的基础。
根据本文研究的需要,对国内外房地产政策评价研究已有文献进行综述。
关于房地产宏观调控问题,国外学者在各个方面进行了研究。
从已有的研究成果来看,各类研究成果从不同方面和不同角度评价房地产市场调控效果,但是主要集中对单一指标或者对单一政策进行评价。
在土地政策方面,Wu(2012),Wen和Goodman(2013)研究房价与土地价格之间的关系,认为土地政策对房地产价格波动产生重要影响。
在住房保障政策研究方面,Goodman(2008)等指出政府应调控房地产市场经济所不能触及的方面,对保障房的建设和规范进行有效的干预;同时,Moulton(2014)对比研究金融危机前后美国房地产市场,发现保障性住房政策对信贷市场及房地产市场的泡沫没有显著影响。
在货币政策方面,Aoki(2004)等分析了房地产金融调控政策对房地产市场交易的影响,表明利率调控、信贷调控等对房地产市场交易均会产生显著的影响;Iacoviello(2004)建立带有名义贷款和房价间接约束的货币经济周期模型,研究结果表明需求是随着住房名义价格的变动而变动,而且变动的幅度是逐步放大的,在利率一定的条件下,名义贷款减缓了供给的波动,因此在货币政策中房价的变动和名义贷款变动产生的效果可以相互抵消;Wei(2014)研究货币政策在我国房地产的传导机制以及在不同区域产生效果的差异,研究结果表明东部沿海地区房地产市场投资更多取决于银行贷款规模,与其他地区相比,东部沿海地区房地产市场对货币政策更加敏感,提醒政府要考虑相同政策对不同区域产生的不同的效果;Gabriel(2014)采用结构性因素向量自回归模型(astructuralfactor-augmented,SVAR)研究非常规的货币政策对房地产市场的影响,结果表明扩张性的货币政策会使降低住房抵押贷款利率,同时增加房地产开发商和REITs的回报,但是非常规货币政策的效果会很快消退,因此在经济不景气时,多次非常规的货币政策调控是必要的。
Gabriel同样认为相同政策在不同地区会产生不同的效果。
此外,相关研究多聚焦于公共政策的执行问题及其评价方法,多为定性的政策评论,其中政策执行问题包括:
效果偏差形式、“中梗阻”现象、政治资源流失问题、政策主体的困境问题等;政策评价方法研究包括政策评价指标体系的构建(宋健峰、袁汝华,2006)、公共政策定量评估方法、政策评估模式的选择标准及现存问题等。
在定量研究中,已有学者针对房地产调控政策的评价进行了初步的研究(周江,2007;张永岳,2010;吴艳,2013;王博永,2014)。
其中,吴艳(2013)从房地产业同国民经济协调关系、房地产市场供求平衡状况、房地产产品供应结构状况和居民住房水平情况四个准则层进行评价,选取的指标有房地产投资增长率与实际GDP增长率之比,房地产贷款余额与金融机构全部贷款余额之比,房价收入比等。
张永岳(2010)运用AHP从市场、居民和政府三个角度评价相关政策效果。
通过以上综述可知,在房地产市场政策效果研究方面,国内外已有定量研究大多从宏观角度,研究单一政策在房地产市场产生的效果,较少考虑统一政策在不同地区产生效果的差异;国内外已有的定性研究中大多论述公共政策产生的效果、存在的问题以及如何解决存在的问题,已有的定量研究仅从宏观经济和房地产市场发展两个角度评估政策的效果,较少从宏观经济发展、社会公平、房地产市场发展、消费者满意度等多角度综合评价政策效果。
总之,国内外对房地产政策进行分阶段、系统性、科学性的政策综合评价的研究比较缺乏。
因此,本文的创新点有以下三个方面:
1.根据我国房地产市场不同阶段不同的调控目标,分阶段、分地区评价我国房地产市场政策的综合效应;2.采用客观赋值法,从政府、市场和民生三个角度综合评价我国房地产市场的政策效应,不仅克服了主观赋值法的局限性,而且克服了从宏观经济发展和稳定房地产价格两个目标评价房地产市场相关政策效果的片面性。
3.采用SVAR方法,实证调控手段对政策评价的结果产生的冲击,为各个城市、各个区域房地产市场未来的调控方向提供建议。
本文预期构建的评价体系能够实现在既定目标下对各区域阶段性调控政策的效应进行综合评价,分析市场、政府、民生等目标的实现情况,分析各区域房地产宏观调控政策是否存在短期性、相机性、非均衡性等问题,并提出及时调整调控策略。
3.指标体系构建及释义
房地产市场调控的基本目标是保持房地产市场价格相对平稳,供求总量基本平衡,产品供应结构与每一时期的实际需求相协调,加大住房保障力度,保证社会公平,努力改善居民的住房状况,满足大多数居民的住房需求,促进房地产业与国民经济协调发展,实现整个房地产业的健康可持续发展。
(王先柱,2011;李秀婷,董纪昌,2014)房地产市场的发展关系到宏观经济的发展,对房地产市场调控效果的评价,不能只关注房价波动,应该建立综合的评价体系,对政策效果进行全面评价,对调控的目标和调控的结果进行对比分析,探讨政策执行的结果在多大程度上达到了政策调控的目标。
综合评价是按照确定目标,使用比较系统、规范的方法对多指标、多单位同时进行评价的方法,其关键在于指标的选择、权数的确定、方法的采用。
一般而言,指标体系的建立可以遵循以下的步骤:
首先,必须明确评价目的,这是评价工作的根本性指导方针,它在一定程度上确定了评价指标体系及其评价方法,也确定了评价项目,即总评价目标下的子评价目标,评价项目既要能够全面反映评价目的,又要具有一定的概括性和专一性,能反映系统某一方面的特征;然后采用调查研究、系统分析、Delphi等方法得到综合评价指标体系。
基于以上分析,结合评价指标体系遵循综合性、科学性、可操作性、层次性、可比性等原则,本研究对房地产市场调控政策综合效应评价指标设计如表1。
表1房地产市场调控政策综合效应评价体系
目标层
准则层
评价指标
释义
评价影响的方向
政府
宏观经济与房地产市场协同发展
房地产投资额与GDP比值
房地产开发投资完成额/GDP(当季值)
+
房地产开发投资额占固定资产投资比重
房地产开发投资完成额/固定资产投资完成额(当月值)
+
住宅平均价格增长率与GDP增长率之比
住宅平均价格增长率/GDP增长率(同比)(当月值)
+
社会公平
90平方米以下套型投资完成额占房地产投资完成额比例
90平方米以下套型投资完成额/房地产投资完成额(当月值)
+
市场
土地市场
土地购置面积增长率
土地购置面积增长率(同比)
+
住宅市场
供需比
住宅销售面积/住宅用地规划建筑面积总和
+
住宅投资占固定资产投资比重
+
住宅销售额占商品房销售额比重
+
住宅销售面积占商品房销售面积比重
+
融资结构
国内贷款比例
房地产开发投资资金来源中国内贷款占比
-
自筹资金比例
房地产开发投资资金来源中自筹资金占比
+
民生
购买力
房价收入比
居民人均可支配收入/住宅平均价格
+
居民可支配收入增长率
+
目标层分为政府、市场、民生三大目标。
其中,政府目标主要包括促进宏观经济与房地产市场协调发展以及实现社会公平。
在房地产市场中对GDP和固定资产投资产生显著影响的是房地产开发投资和房价(王先柱,2011),因此,在衡量宏观经济与房地产市场协调发展的目标中,主要测算房地产投资额与GDP比值、房地产开发投资额占固定资产投资比重、住宅平均价格增长率与GDP增长率之比三个指标,这些指标关注房地产开发投资和房价增长分别对GDP、固定资产投资的作用。
中低收入家庭是实现社会公平扶持的主要群体,因此,在实现社会公平目标中,选取了90平方米以下套型投资完成额占房地产投资完成额比例测算政策实施对实现社会公平的效果。
市场目标主要分为两大市场(土地市场、住宅市场)发展情况,以及房地产开发商融资结构。
土地购置面积影响房地产市场供给,土地购置面积增长间接增加房地产市场供给,可能会引起房价下降,因此土地购置面积增长率在综合评价指标中具有重要的促进作用。
住宅市场主要指标有供需比、住宅投资占固定资产投资的比重、住宅销售额占商品房销售额比重、住宅销售面积占商品房销售面积比重,供需比的计算公式为住宅销售面积/住宅用地规划建筑面积总和;房地产开发商融资结构主要关注国内贷款占比和自筹资金占比,国内贷款占比越低,自筹资金占比越高,说明房地产开发企业运用大量的自有资金进行房地产投资,而不是大部分用商业贷款进行投资。
居民购买力是决定居民住房需求是否能够得到满足,在多大程度上得到满足的重要指标(黄静,2009),因此,民生目标以衡量居民购买力为准则。
具体指标包括房价收入比、房屋租售比和居民可支配收入增长率。
4.数据来源及预处理
根据上文构建的指标体系,本文搜集1999-2015年我国全国及主要城市的相关数据。
全国和主要城市的数据主要来源于Wind数据库、国家统计局和《中国统计年鉴》,个别城市的数据主要来源于地方统计局、地方相关年份的统计年鉴。
因数据获取的问题,全国的数据和北京、上海、天津、广州的数据均为季度数据,温州、邯郸、阜阳、银川的数据均为年度数据。
同时,个别时间残缺的数据取之前三个时间段数据的平均值。
此外,在构建的指标体系中,除国内贷款比例与综合评价效果呈负向影响之外,其他指标与综合评价效果呈正向影响。
因此,在数据预处理中,国内贷款均取负值。
5.因子分析及综合评价结果
根据不同时期房地产市场调控目标不同,实证研究将时间段分为1999-2004年,2005-2008年,2009年以及2010-2015年四个时间段。
同时,以全国的数据为基准,采用因子分析法求出各个时间段各个指标的权重。
详细计算步骤为:
(1)因子分析适用性检验。
采用Bartlett球度检验和KMO检验判断各时间段指标是否适用因子分析。
检验结果如附件1所示。
结果显示样本数据适合做因子分析。
(2)公因子的提取及因子载荷矩阵的求解命名。
因子分析的目的是测算主因子的权重,因此根据原有变量的相关系数矩阵,提取公因子并选取特征值大于1的特征根,计算结果如附件2所示。
每组提取的因子累计方差贡献率介于75%-85%之间,即反映指标75%-85%的原始信息,丢失信息较少。
因此,将每组选取的因子确定为公共因子。
(3)因子得分。
本文采用回归法,与因子得分系数一并计算各样本的综合得分。
因子权重计算结果如附件3所示。
(4)计算得到综合评价的结果
图2全国房地产市场综合评价结果图3北京市、天津市、上海市、广州市
房地产市场综合评价结果图4温州市房地产市场综合评价结果图5邯郸市、银川市、阜阳市
房地产市场综合评价结果
从图3可以看出,上海市每年政策综合评价指标得值波动较大,说明每个阶段实施的房地产市场政策对上海市房地产市场产生的效果较明显;与房地产市场其他政策相比,2008年下半年实施的“国十三条”和2013年上半年实施的“国五条”(加征20%个人所得税)政策效果较明显。
图2、图3、图4对比可知,温州市房地产市场政策调控效果欠佳,政策综合评价得分平均值为2.58,全国房地产市场政策综合评价得分平均值为3.38,温州市房地产市场政策效果低于全国平均水平。
图3、图5比较结果可知,我国房地产市场政策调控结果存在区域差异,北京市、天津市、上海市、广州市房地产市场波动较大,是房地产市场政策的重点调控区域,而邯郸市、银川市和阜阳市受房地产市场政策影响较小,是房地产市场政策的稳定调控区域。
6.SVAR实证分析
在对货币政策对指标影响效果进行实证分析之前,首先需要区分“政策规则”和“政策冲击”。
“政策规则”是货币政策内生的、长期的运营,也就是货币政策对基本经济运行的正常反应;而“政策冲击”是政策外生性的变化,使指标评价结果产生的短期偏离,是货币政策调节经济的反映。
可以将货币政策“内生反应”和“外生冲击”写成公式:
。
其中f(z)也称为“政策反应函数”,描述的是经济变量z和政策变量x之间的系统性关系,是货币政策内生的、被动的反应。
如果这种关系在较长时间内是稳定的,就意味着货币政策是基于一定的规则来操作的,并且f(z)表示政策规则的一个隐含的前提是经济制度和结构基本不变。
而
则是上述政策规则难以解释的政策变化。
6.1变量选取与数据来源和处理
货币政策的传导途径,主要可以分为“货币渠道”和“信贷渠道”。
货币渠道传导过程一般表现为:
央行通过准备金、再贴现和公开市场操作等工具,影响基础货币投放等操作目标,进而影响货币供应量M2等中间指标,最终实现房价稳定、物价稳定、经济增长等目的。
6.2模型建立
本节以货币政策为例,通过结构向量自回归SVAR(StructuralVectorAutoRegressiveModel)模型探究政策对于房地产调控效果的影响。
一个n元p阶SVAR模型可以表示为:
其中,
,Yt是n维内生变量列向量,B是
维且主对角线元素为1的系数矩阵,
是i阶滞后内生变量
维系数矩阵,
是结构式残差向量,也是作用在内生变量
上的结构式冲击。
若B可逆,将结构式两边乘以B-1得到简化结构式即p阶VAR模型:
其中,
由此可见VAR模型不能反映变量之间的档期相关关系,简化式的扰动项
是结构式扰动项
的线性组合,
带表一种复合冲击,在SVAR模型中,通过对矩阵B中的参数施加约束并估计参数值,不但可以得到变量之间的当期相关关系,还可以得到可识别的结构冲击
,通过脉冲响应函数准确反映信息冲击的时间路径。
在对货币政策对指标影响效果进行实证分析之前,首先需要区分“政策规则”和“政策冲击”。
“政策规则”是货币政策内生的、长期的运营,也就是货币政策对基本经济运行的正常反应;而“政策冲击”是政策外生性的变化,使指标评价结果产生的短期偏离,是货币政策调节经济的反映。
可以将货币政策“内生反应”和“外生冲击”写成公式:
。
其中f(z)也称为“政策反应函数”,描述的是经济变量z和政策变量x之间的系统性关系,是货币政策内生的、被动的反应。
如果这种关系在较长时间内是稳定的,就意味着货币政策是基于一定的规则来操作的,并且f(z)表示政策规则的一个隐含的前提是经济制度和结构基本不变。
而
则是上述政策规则难以解释的政策变化。
SVAR具体计算步骤如下:
对全国1999年到2015年Q2的影响因子及M2和5年以上贷款利率进行单位根检验,结果如下表:
表2单位根检验结果
Cross-
Method
Statistic
Prob.**
sections
Obs
Null:
Unitroot(assumescommonunitrootprocess)
Levin,Lin&Chut*
-1.59763
0.0551
3
193
Null:
Unitroot(assumesindividualunitrootprocess)
Im,PesaranandShinW-stat
-3.88932
0.0001
3
193
ADF-FisherChi-square
27.7268
0.0001
3
193
PP-FisherChi-square
24.1647
0.0005
3
195
从结果可以看出,其不存在单位根,因而是平稳序列,可以进行后面建模。
由AIC及SC信息准则,确定滞后阶数为5,可以建立VAR模型,其特征根均在单位圆内,模型稳定;并且,通过格兰杰因果检验发现,在5%的显著性条件下,M2和贷款利率变动是因子的格兰杰原因。
同理,我们可以得到北京市的滞后阶数为5、上海市的滞后阶数为8、邯郸市的滞后阶数为2,并且,北京市、上海市、邯郸市的数据也通过格兰杰因果检验。
表3全国VAR模型的结果
INFACTOR
M2
RATE
INFACTOR(-1)
0.469551
0.237719
-0.022279
(0.14493)
(0.39067)
(0.05460)
[3.23982]
[0.60849]
[-0.40806]
INFACTOR(-2)
0.056052
0.080353
0.056565
(0.15909)
(0.42884)
(0.05993)
[0.35232]
[0.18737]
[0.94383]
INFACTOR(-3)
0.002430
0.070406
-0.117602
(0.15202)
(0.40979)
(0.05727)
[0.01599]
[0.17181]
[-2.05350]
INFACTOR(-4)
0.064949
0.596339
-0.022137
(0.15612)
(0.42084)
(0.05881)
[0.41601]
[1.41702]
[-0.37639]
INFACTOR(-5)
-0.098518
-0.165825
0.009295
(0.13644)
(0.36778)
(0.05140)
[-0.72207]
[-0.45088]
[0.18084]
M2(-1)
0.034060
1.100615
0.043440
(0.05340)
(0.14395)
(0.02012)
[0.63782]
[7.64608]
[2.15942]
M2(-2)
0.042820
-0.171245
-0.032979
(0.07829)
(0.21103)
(0.02949)
[0.54695]
[-0.81148]
[-1.11824]
M2(-3)
-0.076717
-0.213466
-0.001307
(0.07855)
(0.21174)
(0.02959)
[-0.97667]
[-1.00818]
[-0.04418]
M2(-4)
0.030129
-0.181595
0.020465
(0.07763)
(0.20927)
(0.02925)
[0.38809]
[-0.86777]
[0.69977]
M2(-5)
0.006461
0.247243
0.004177
(0.05167)
(0.13927)
(0.01946)
[0.12505]
[1.77525]
[0.21459]
RATE(-1)
0.229237
-1.205446
1.265436
(0.40966)
(1.10426)
(0.15432)
[0.55958]
[-1.09163]
[8.19990]
RATE(-2)
-1.330137
0.021689
-0.352360
(0.66182)
(1.78397)
(0.24931)
[-2.00983]
[0.01216]
[-1.41333]
RATE(-3)
1.274064
1.974804
0.042239
(0.66205)
(1.78459)
(0.24940)
[1.92443]
[1.10659]
[0.16936]
RATE(-4)
0.438944
-0.666717
-0.068573
(0.60480)
(1.63027)
(0.22783)
[0.72577]
[-0.40896]
[-0.30098]
RATE(-5)
-0.343446
0.227367
-0.064289
(0.36416)
(0.98162)
(0.13718)
[-0.94311]
[0.23162]
[-0.46864]
C
0.575979
-1.464994
0.886196
(1.24323)
(3.35120)
(0.46834)
[-0.46329]
[-0.43716]
[1.89222]
6.3SVAR模型估计结果
在VAR模型的基础上,建立基于AB型SVAR模型的短期约束矩阵,得到矩阵估计,进而得到SVAR模型。
其中,A和B矩阵如下:
A=
B=
表4全国SVAR模型的结果
A=
1
0
0
C
(1)
1
0
C
(2)
C(3)
1
B=
C(4)
0
0
0
C(5)
0
0
0
C(6)
Coefficient
Std.Error
z-Statistic
Pro