基于因子分析法的北京市房地产泡沫测度

我国房地产市场泡沫测度分析发布时间：2022-12-22T05:33:27.616Z 来源：《城镇建设》2022年16期8月作者：孙鑫[导读] 近几年，我国的房价不断上涨，而房价的泡沫也成为人们普遍关心的问题。

改革惯性作用、土孙鑫青岛亚泰房地产评估咨询有限公司，山东省青岛市，266000摘要：近几年，我国的房价不断上涨，而房价的泡沫也成为人们普遍关心的问题。

改革惯性作用、土地资源稀缺、商业银行信贷过度、开发商炒作和市场预期是导致房地产泡沫的重要因素。

房地产泡沫的治理要从其成因入手，文章通过对房地产市场泡沫成因的分析，选择不同的指数作为衡量泡沫程度的依据，并在此基础上给出相应的政策建议。

关键词：房地产泡沫；测度分析引言：作为国民经济的基础产业，房地产业对国民经济的发展起着举足轻重的作用。

中国的房地产业从上个世纪八十年代开始迅速发展，在一定程度上促进了中国的投资和消费，促进了中国经济的高速发展。

在房地产投资持续增加的今天，一些地方房地产市场供需失衡，房地产经济与国民经济的发展不平衡，导致了大量的房地产市场积压，出现了许多问题楼盘。

房地产泡沫是一个备受瞩目的话题，而如何衡量其价值已成为一个焦点。

1.房地产泡沫的形成机理1.1投机价格机制在需求理论中，当物价上涨时，需求就会降低。

但是，在房地产市场的泡沫时期，房价上涨，投机客们预计房价还会上涨，他们就会提高当前的消费水平，把购买的资产囤积起来，以便将来房价上涨时再卖出。

这就是房价上涨，需求不会下降，而是会增加，业主会惜售，所以，到了现在，供应就会下降。

当泡沫破裂时，股价会下降，投资者们会把它卖掉，这会使它的供应量更大，因为没有人愿意购买它，所以它的需求就会下降。

1.2自我膨胀机制由于银行信用的介入，房地产市场出现了一种自爆的机制。

房价上涨后，房产所有者的财产增值，接着他把房产抵押给了银行，拿到了贷款，接着又买了房子，导致房价进一步攀升。

在一个投机性的市场上，不仅投机者参与了炒房，就连银行也积极介入。

浅谈中国房地产市场泡沫分层测度及时变溢出效应分析1. 引言1.1 引言中国房地产市场一直是备受关注的热点领域，其泡沫现象一直备受争议。

随着中国经济的飞速发展和城市化进程的加速推进，房地产市场泡沫问题逐渐显现出来。

泡沫现象使得房价出现过快上涨和过快下跌的情况，给市场带来了巨大不稳定性和风险。

对中国房地产市场泡沫进行分层测度和时变溢出效应分析显得尤为重要。

本文将从房地产泡沫现象、泡沫分层测度和时变溢出效应分析三个方面展开探讨，通过详细分析中国房地产市场泡沫的特点和形成机制，以期从理论和实践层面找到有效的调控措施和政策建议。

在当下经济环境下，如何有效解决房地产泡沫问题，保持市场稳定，是中国政府和监管部门需要认真思考和努力探索的重要课题。

希望通过本文的研究，对中国房地产市场泡沫问题有更深入的了解，从而为相应的政策制定和实施提供参考和支持。

2. 正文2.1 房地产泡沫现象房地产泡沫现象是指在某一特定时期，房地产市场出现过度炒作、价格飙升等情况，导致房地产市场出现虚假繁荣和过度投机的现象。

这种泡沫现象通常在供求关系失衡、政府政策不当、投资者盲目跟风等多种因素的影响下出现。

在过去的几年中，中国房地产市场泡沫现象频繁出现，各大城市的房价一度飙升，导致许多千禧一代无法负担房价而被迫租房生活。

部分城市甚至出现了空置率居高不下的情况，这一切都源于房地产市场的泡沫化现象。

虽然政府多次出台政策控制房地产市场，但泡沫现象仍未得到有效遏制。

解决房地产泡沫现象至关重要，需要政府加强管理监管，同时也需要投资者理性看待房地产市场，避免盲目投机。

只有通过多方合作，才能有效防范和遏制房地产泡沫现象的发生，保护市场的稳定和可持续发展。

2.2 泡沫分层测度泡沫分层测度是对房地产市场泡沫程度进行定量评估的一种方法。

通过分层测度，可以更准确地了解不同区域、不同类型的房地产市场泡沫情况，为监管部门制定针对性政策提供参考依据。

在进行泡沫分层测度时，常用的指标包括房价收入比、房价租金比、房价建筑面积比等。

浅谈中国房地产市场泡沫分层测度及时变溢出效应分析中国的房地产市场一直是一个备受关注的领域，特别是近年来随着国民经济的发展和城市化进程的加速，房地产市场的火热程度更是不断提升。

随之而来的问题也是不容忽视的，其中最为突出的就是房地产市场的泡沫问题。

泡沫是指资产价格高企，远超过其实际价值的一种市场现象。

而在中国的房地产市场中，泡沫现象尤为突出，如何测度和分析这一问题成为了当前政策制定和市场监管的重要议题。

我们来探讨一下中国房地产市场泡沫的分层测度方法。

一般来说，房地产市场的泡沫可以分为城市层面和区域层面两种分层。

对于城市层面的泡沫测度，我们可以考量城市的房地产价格与收入水平的比值。

通常情况下，这个比值超出了一定的范围，就应当警惕可能存在的泡沫。

而对于区域层面的泡沫测度，我们可以考察不同地区房地产价格的年增长率，一般而言，如果某个地区的房地产价格年增长率明显高于其他地区，有可能存在泡沫。

还可以考虑城市规模、人口流动、GDP增速等因素，来全面评估房地产市场泡沫的分层情况。

我们来分析一下中国房地产市场泡沫的时变溢出效应。

时变溢出效应是指泡沫在时间上的变化对其他市场的影响。

在中国的房地产市场中，泡沫的时变溢出效应表现在多个方面。

首先是对金融市场的影响。

由于房地产市场的泡沫往往伴随着大量的银行信贷和资金流入，一旦泡沫破裂，将会对金融市场造成较大冲击。

其次是对宏观经济的影响。

房地产市场的泡沫一旦破裂，将会对整个经济体系造成较大的影响，包括就业、消费等方面。

房地产市场的泡沫也会对其他行业的发展产生溢出效应，特别是与房地产相关的建筑、装饰、家具等领域。

针对中国房地产市场泡沫的分层测度和时变溢出效应，我们应该如何应对呢？政府应当采取更加严格的监管措施，加大对房地产市场的调控力度，遏制泡沫的形成和发展。

应当建立更加完善的房地产市场监测系统，及时发现并应对市场泡沫。

对于金融机构应当严格控制住房贷款的发放，遏制过度的房地产市场投机行为。

北京市住房市场泡沫实证研究——基于投资视角柳德荣【摘要】将住房购买视作旨在解决自住问题的一项长期投资,通过现金流净现值、溢价率、内部收益率等指标的计算来考察一个地区住房市场是否存在泡沫及其程度.以2009年3-5月易居网上发布的二手住房出售、出租数据为基础,应用上述方法对北京市朝阳、崇文、东城、丰台、海淀、石景山、西城、宣武等8个城区住房市场研究表明,这8个城区住房市场均不同程度地存在泡沫.【期刊名称】《科学决策》【年(卷),期】2010(000)002【总页数】8页(P16-22,93)【关键词】北京住房市场;价格泡沫;净现值;内部收益率;溢价率【作者】柳德荣【作者单位】湖南商学院,湖南,长沙,410205【正文语种】中文【中图分类】F293.3一、引言近年来我国住房价格快速上涨，住房市场是否存在泡沫成为关注的焦点。

但关于住房市场是否存在泡沫远未形成统一的认识，持存在泡沫观点、不存在泡沫观点的均大有人在，其中均不乏重量级的经济学家。

种种迹象表明，住房泡沫问题引起了政府高层的深度关注。

住房市场是否存在泡沫关系到老百姓的切身利益，也是政府进行宏观调控的重要依据，开展实证研究回答这一问题具有非常重要的现实意义。

作为全国政治、经济、文化中心的北京是我国近年住房价格最高、上涨最快的城市之一，选择北京市作为研究对象不仅能够回答北京住房市场是否存在泡沫这一问题，而且可以起到标杆作用——如果北京住房市场不存在泡沫，可能全国大多数地区就不存在住房泡沫了。

以往关于泡沫的定义常常侧重于某些特定的方面，如快速增长的价格[1]，对未来价格增长不切实际的预期[2]，价格偏离真实价值[3]，泡沫破灭后的价格大幅下降[4]。

作者认为，一个地区大多数住房的购买价格高于其真实价值，就说明该区住房市场存在泡沫。

关于住房市场泡沫的测量，不同的研究者采用的方法相异。

Case和Shiller从住房价格与家庭收入比的视角认为，如果中等收入家庭买不起房，住房价格就存在泡沫[2]。

浅谈中国房地产市场泡沫分层测度及时变溢出效应分析中国房地产市场一直以来备受关注，其泡沫化程度和时变溢出效应一直是经济学家和政策制定者们关注的焦点。

在过去的几十年里，中国房地产市场经历了快速的发展和巨大的变化，房地产价格的泡沫问题和时变溢出效应成为了社会各界关注的焦点。

本文将就中国房地产市场的泡沫测度及时变溢出效应进行分析和探讨。

浅谈中国房地产市场泡沫分层测度中国房地产市场的泡沫问题一直备受关注，尤其是在近几年，随着中国房地产市场的快速发展和泡沫化程度的加剧，人们对泡沫问题的关注度也日益增加。

泡沫是指资产价格偏离其真实价值的情况，而房地产市场的泡沫主要体现在房价与居民收入的比值过高、房地产供求失衡等方面。

分层测度是指将房地产市场分为不同的层次，针对不同层次的房地产市场进行泡沫测度。

中国的房地产市场可以分为一二三四线城市、商住用地等不同的细分层次。

针对不同的层次，可以采用不同的指标进行测度。

一二三四线城市的房地产市场泡沫测度可以采用房价收入比、房价租金比等指标进行分析。

根据国家统计局的数据显示，一线城市的房价收入比一直维持在6至8左右的水平，而二线城市的房价收入比为5至7左右，三四线城市的房价收入比则在3至5的水平。

从这些数据可以看出，一二线城市的房价收入比偏高，存在较大的泡沫风险。

商住用地的泡沫测度可以采用土地成本与开发成本的比值进行分析。

如果土地成本远高于开发成本，就意味着土地价格过高，存在泡沫风险。

而对于住宅用地，可以采用住宅用地的周转率、库存周期等指标进行分析。

通过对不同层次的房地产市场进行泡沫测度，可以更好地把握房地产市场的泡沫化情况，为政策制定者提供参考。

时变溢出效应分析时变溢出效应是指房地产市场的泡沫化程度随时间推移而发生变化，导致整个经济系统发生溢出效应。

中国房地产市场的泡沫问题一直备受关注，而泡沫化程度的时变溢出效应也是影响整个经济系统的重要因素。

房地产市场的泡沫化程度会对金融系统产生溢出效应。

房地产泡沫测度系数研究目前，我国尚没有关于房地产泡沫测度的深入的理论研究。

国内理论研究的角度集中在对房地产景气波动的研究，确立的指标体系，即各种预警系统，旨在评价整个房地产市场发展的状况，也就是利用房地产市场波峰和波谷的历史记录，来预测市场发展的方向，其主要目的是为减少市场的波动提供依据。

不置可否，波动与泡沫有关，但是，波动绝不等于泡沫，它们的本质不同，对波动的判断标准根本不能用来判断泡沫。

因此，目前的许多争论用这些景气指标系统的综合指数，甚至只是利用这些指标系统中的几个指标，来分析当前房地产市场，做出目前中国出现了房地产泡沫或没有出现房地产泡沫的结论，都缺乏充分的理论依据。

sO100一、房地产泡沫测度系数研究综述关于房地产泡沫的测度，国内的研究很少，黄正新(2002)指出实物资本（产）基础价值的确定不是根据现实资本的投资收益，而是由该资产或商品的生产成本加上流通费用再加上社会平均利润计算的；李维哲和曲波(2002)设计了关于地产泡沫的预警指标，分为生产类指标、交易状况类指标、消费状况类指标和金融类指标四大类，这些指标虽然以测度房地产泡沫为名，实质上仍然是房地产景气的测度指标，并且指标过多，为实际应用带来困难；洪开荣(2002)提出了泡沫计量“市场修正法”，以空置率为基础计算房地产泡沫，同样没有分清景气与泡沫的区别。

国外关于房地产泡沫的研究大致可以分为两类：一类是从房地产价格形成的角度进行分析，建立各种各样的房地产基础价格的计算模型，将房地产实际价格与其基础价格进行对比来测量泡沫的程度。

另一类是从房地产的信用角度进行分析，设计各种指标来测量房地产泡沫的程度。

应该说，国外关于房地产泡沫的研究要远远超过国内的研究。

但是，国外对房地产泡沫的度量是基于完善的统计体系而进行的，所设计的指标对国内的情况并不适用。

并且，房地产基础价格的计算本身就具有很大的难度及不确定性。

由于房价和地价相互转化的关系，无论是根据收益原理还是根据成本原理，都无法脱离对房地产未来趋势的预期，而预期是肯定与泡沫相关联的，因此，笔者认为通过计算房地产基础价格来测度房地产泡沫并不完全科学。

71CHINA REAL ESTATE美国著名经济学家查尔斯·P·金德尔伯格(Charles P Kind Ieberger)提出房地产泡沫是由于人们对房地产价格持续快速上涨有良好的预期，从而潜在消费者剧增，伴随房地产价格抬升和投机资本的不断涌入，房地产市场价格严重脱离经济实体价值的原因所致。20世纪90年代后，日本房地产业和国民经济长达十年的萧条，2007年美国次贷危机引发全球金融市场经济危机，都与前期的房地产市场泡沫有紧密关系。十九大报告也提出“坚持房子是用来住的、不是用来炒的定位”，让全体人民住有所居。因此，准确测度房地产泡沫水平十分必要，对于调控、房地产业的健康发展意义重大。

1 相关研究评述20世纪30年代，美国弗罗里达州房地产市场过热，投资狂潮引发了华尔街股市大崩溃和全球的经济危机，这是最

摘要：为有效控制房地产泡沫持续集聚可能引发的房地产市场危机，选取我国2006-2016年的房地产业相关数据，构建了8个泡沫测度指标，运用熵权法和功效系数法对房地产业泡沫程度进行测度。结果表明:我国房地产市场的泡沫综合测度指数总体呈下降趋势；2012年房地产泡沫综合测度指数突破警戒值并呈持续集聚的趋势；2015年房地产泡沫综合测度指数为最低值。在此基础上，提出了房地产业健康发展的相关策略，以期为政府科学预防房地产泡沫提供决策参考。关键词：房地产泡沫；熵权法；功效系数法中图分类号：F293.3󰀁文献标识码：A文章编号：1001-9138-（2018）04-0071-79󰀁收稿日期：2018-01-26

作者简介：曹琳剑，天津城建大学教授，博士，硕士研究生导师。 王杰，天津城建大学经济与管理学院硕士研究生。基金项目：天津市哲学社会科学研究规划资助项目（TJGL13-022）——天津城镇化与建筑业发展的耦合协同研究。

房地产泡沫的测度预警及防范

曹琳剑 王杰

房地产市场72

CHINA REAL ESTATE早可考证的房地产泡沫。20世纪70年代末，国外学者开始对房地产泡沫进行深入研究。具有代表性的研究成果，如Bertrand （1995）、Mishkin （1997）、Krugman （1998）、Flood and Garber (1994)等从金融角度围绕房地产泡沫演变机理展开研究。Case&Shiller （2004）、Gallin （2004）、Brunnermeier&Julliard，（2008）等人运用指标法和模型法来测度房地产是否存在泡沫。国内学者自20世纪90年代开始对房价泡沫展开研究，并取得一系列研究成果。如刘洪玉、姜沛言（2014）分析房地产市场泡沫产生机理，并对35个大中城市房价泡沫水平差异进行实证研究。周京奎（2006）采用房地产市场局部均衡模型，从金融支持过度视角，探讨房地产泡沫生成和演化。王浩、穆良平（2015）分析房地产泡沫测度的两种方法，并得出房价收入比指标适用测度我国住宅市场泡沫水平。尤明（2011）运用指数合成法对北京市2003-2009年的房地产泡沫进行实证研究。沈巍（2010）构建衡量房地产泡沫的指标体系，并界定泡沫的临界值，通过与临界值对比，判别我国房地产市场是否存在泡沫。安鹏、蔡明超、高国华（2008）选择5个房地产泡沫指标，采用层次分析法测度了上海市房地产泡沫水平。当前国内外测度房地产泡沫的方法主要有建模法（直接检验法）、间接检验法、指标指示法等。这些方法均存在一定不足，如建模法（直接检验法）和间接检验法操作复杂，要求原始数据质量高且应用难度大。指标指示法虽然可以较容易判断房地产市场是否存在泡沫，但对其泡沫程度很难进行科学测度。为弥补上述方法的不足，本文采用熵权法和功效系数法对房地产泡沫进行综合测度，通过熵权法客观确定指标权重，利用功效系数法能解决指标量纲不一致和性质差异难题，两者结合能精确测度出房地产泡沫程度大小。并以此为基础，提出进一步促进房地产市场平稳健康发展的对策建议。

摘要房产泡沫是一个热点话题，研究我省房产泡沫问题对我省经济的发展有着重要的现实意义。

本文通过对房地产投资额/全社会固定资产投资额、房地产价格增长率/GDP增长率这两个指标的分析，并运用SPSS软件对我省各主要城市进行聚类分析以及因子分析，得出我省存在一定房产泡沫现象，并且有地区差异的结论，最后给出相应建议。

关键词房产泡沫；SPSS软件；聚类分析；因子分析基于多元分析我省房产泡沫问题研究一、研究背景和意义随着改革开放脚步的加快，我国经济也正迅速增长着，人民生活水平不断提高，居民住房条件有了较大改善。

特别是城镇住房制度改革的深入，我国房地产业取得较大的成果。

但是近几年来房地产业存在着不良风气，投机行为猖獗，导致房地产业发展开始呈现病态。

投资增长过快，商品房空置率过高，价格上涨迅猛，这都预示着中国房地产业出现了泡沫。

近几年来湖南的发展也很迅速，2009年，湖南省生产总值为12930.69亿元，比上半年增长13.6%，其中，总量位列全国第10位，而这已是继2008年GDP迈入全国十强，2009年湖南GDP再次确保全国十强的位置。

那么这种泡沫是否已经将湖南省吞噬了呢？对于湖南来说，提早预测房地产市场是否存在泡沫，对未来房地产市场的有效监控及国民经济的发展有着重要的现实意义。

二、指标选取房地产泡沫是指由于虚拟需求的过度膨胀导致价格水平相对于理论价格的非平稳性上涨，主要特征有：房地产价格波动幅度较大、没有稳定的周期和频率、货币供应量在房地产经济系统中短期内急剧增加等。

关于房地产泡沫的成因，有以下三个方面：投资者过度投机；消费者及投资者对未来价格的预测偏高；银行信贷非理性扩张。

一旦房地产泡沫破裂，则可能造成经济结构和社会结构的失衡。

因此，本文从众多指标中选取房地产投资额/全社会固定资产投资额、房地产价格增长率/GDP增长率这两个指标从时间和地区两个角度来初步判断湖南省房地产业现状，以及是否出现房产泡沫。

三、实证分析1、房地产投资额/全社会固定资产投资额指标分析该指标主要用于反映全社会GDP增长对房地产业的依赖程度，测度房地产投资是否过热。

龙源期刊网 http://www.qikan.com.cn 北京房地产市场泡沫分析与对策 作者：徐源鸿 王丽婕 苏晓莹 李红勋 来源：《中国集体经济》2012年第03期

摘要：房地产业是关乎国计民生的重要产业，但是近年来，我国的房价持续上升，房地产价格虚高容易造成房地产市场泡沫，甚至可能成为阻碍社会稳定和谐的重要因素。文章分析了北京房地产行业发展的现状，并提出了一些意见和对策。

关键词：房地产泡沫；原因；对策 近年来，我国的房地产业正经历着飞速发展的时期，目前房地产业不仅是国民经济的重要支柱，更是关系到人民群众切身利益的主要行业之一。因此，房地产业的良性发展，对于促进国民经济的发展，提高人民的生活水平，保持社会稳定，构建和谐社会，都具有十分重要的现实意义。而如今我国大中城市的房地产价格增长过快，远远超过了普通群众可承受的程度，房地产甚至也成为一些商人投机的主要工具。这类社会问题已经引发了国家和社会各界的广泛重视，从2005年开始，国家不断推出相关政策如“国八条”、“国六条”、“新国八条”等等。但是这些政策在短期内并没有对房地产业起到太大的作用，各大中城市的房价仍然居高不下，甚至造成房地产泡沫。

一、房地产与房地产泡沫的概念 （一）房地产的概念 房地产是指土地、建筑物及固着在土地、建筑物上不可分离的部分及其附带的各种权益。房地产由于其自身特点，即位置的固定性和不可移动性，在经济学上又被称为不动产。主要有三种存在形态，即土地、建筑物、房地合一。我们通常所说的房地产主要是指房地产建筑物。

（二）房地产泡沫的概念 所谓房地产泡沫是指由房地产投机等原因所引起的房地产价格脱离其市场基础价值、持续上涨的价格运动现象。它表现为：在经济繁荣期，房地产价格飞涨形成泡沫，但达到顶峰状态后，市场需求急剧下降，房价大跌，泡沫破灭。准确来说，房地产泡沫应该是房地产资产的价格脱离市场基础价值的运动。

二、北京房地产状况分析 （一）市场基本情况分析 房地产市场具有很强的区域性，北京作为首都以及我国的经济文化中心，有其得天独厚的优势。加之北京申奥成功的一系列利好消息，外资及外地房地产企业纷纷进入，使原本看好的龙源期刊网 http://www.qikan.com.cn 房地产市场价格更加坚挺。但是在景气的市场背景下也应存在开发规模的高速扩张带来的销售压力、供需失衡导致的大量空置面积和高危险空置率、房价与居民可支配收入的不协调上升引致的不合理房价收入比等诸多问题。

基于因子分析的北京地区经济差异分析作者：周媛陈芳芳来源：《商情》2011年第02期[摘要]本文利用SPSS软件分析了北京18个区县的经济状况，为今后的北京经济发展方向提供了实证数据分析。

[关键词]北京因子分析法区域差异北京地势西北高耸，东南低缓。

东部与天津市毗邻，其余均与河北省交界。

全市土地面积16411平方公里。

共分为18个区县。

一、地区差异测度指标的选取及理论依据1.理论基础与原则经济发展的理论中先后有四种理论，即增长的线性阶段模型、结构变动的理论与模式、国际依附理论和新古典自由市场理论。

指标选取原则有：科学性原则、实用性原则和可操作性原则、可比性原则和可量化原则。

依据这些理论和原则选取指标。

2.指标的选取将总体指标分为两部分，经济发展水平和社会发展水平，其中经济发展水平包括人均GDP、城镇人均最终消费品额、农村人均最终消费品额、人均进出口商品总额、人均财政收入、人均固定资产投资总额、第二产业占GDP比重、第三产业占GDP比重。

社会发展水平包括限额以上第三产业从业人数、人均教育支出、城镇居民人均可支配收入、农村居民人均可支配收入、每百万人医疗卫生人员数、城市人均居住面积、农村人均住房面积。

二、北京地区差异的测算1.基于因子分析法的测算遵循因子分析法的基本原理，选取2008年北京18个区县的15个指标数据，运用SPSS13.0 for windows统计分析软件进行处理，KMO统计量为0.768，适于因子分析。

2.测算结果表1 各省市经济实力综合评价值表进行因子分析后，由回归法计算得出因子得分，并按降序进行排列后得到各省市经济实力综合评价值表1。

从总体上看，北京地区发展不均衡，各区域发展存在很大差异性。

综合得分在0分以上为发达水平，-5—0分为较发达地区，-5以下为不发达水平。

具体分布图见图1。

图1 北京区域经济发展水平综合评价分类北京区域经济差异呈现两个特征：1.中心地区较外围地区发达，城乡之间存在差距。

第21卷第3期2019年6月滁州学院学报J O U R N A LO FC H U Z H O UU N I V E R S I T Y V o l.21N o.3 J u n.2019我国一线城市房地产市场泡沫的测度研究基于我国19个一线城市的面板数据梁秋霞,汪楠,王馨平摘要:文章选取2018年第一财经周刊评选的15个新一线城市,加上北京㊁上海㊁广州㊁深圳共19个城市2005年至2016年的面板数据,建立固定效应变系数模型对房地产价格泡沫进行测度和分析㊂结果表明,十九个一线城市房地产价格出现不同程度的泡沫,2006年㊁2007年间波动最大,整体呈减小趋势㊂控制房价泡沫政府可以建立抑制房价上涨的长效机制,并提高房地产信息的对称性㊂关键词:房价泡沫;一线城市;面板数据中图分类号:F299.23文献标识码:A文章编号:1673-1794(2019)03-0017-05作者简介:梁秋霞,安徽工业大学工商学院副教授,研究方向:金融市场;汪楠,王馨平,安徽工业大学工商学院(安徽马鞍山243000)㊂基金项目:安徽省高校优秀青年人才支持计划重点项目(g x y q Z D2016406);安徽省社科联 三项课题收稿日期:2019-02-28一㊁文献综述从现有研究来看,我国学者在房地产泡沫的存在性及泡沫大小测度上不断探索并进行诸多尝试,取得显著成效的同时,也使我们有丰富成果可以借鉴㊂当前学术界关于房地产泡沫的研究,存在两个方面:一是房地产泡沫的存在性检验;二是房地产泡沫大小的测度㊂主要方法有三类:第一类称为指标法,通过建立与房地产价格相关的单一指标或指标体系来反映房地产泡沫,该类方法包括简单指标法㊁功效系数法等㊂我国学者孙焱林㊁张攀红㊁王中林选取简单指标法㊁单位根 协整检验和市场供求法等七种方法,对上海市2003年-2011年房地产泡沫进行存在性检验和实证测度,并对七种方法进行了实证比较㊂[1]第二类称为统计检验法,其原理可以理解为如果房地产市场中不存在泡沫,则房价运行会表现出一定的统计规律,如果存在泡沫则统计规律不存在,该类方法常用的有方差上限检验㊁单位根-协整检验㊁设定性检验等㊂曾五一㊁李想通过房屋销售价格指数和租赁价格指数序列不同阶单整,并且二者不存在协整关系,证明在样本期间内我国35个大中城市房地产价格存在泡沫㊂[2]第三类称为理论价格法,也有学者称为模型法,通过建立数理模型计算房地产的理论价格,与房地产实际价格进行比较,二者的偏离程度即为房地产泡沫大小㊂根据建模思路的不同,该类方法可以分为收益还原法㊁边际收益法和市场供求法㊂郭熙保㊁吴金铎在文中定义房地产泡沫是指房地产价格偏离市场基础价格,因预期而使价格持续上涨的现象㊂并在此基础上建立随机效应模型,用31个省(市)1997-2009年的面板数据进行G L S回归检验我国房地产市场的泡沫程度,和各因素对泡沫的影响程度㊂[3]范新英㊁张所地㊁冯江茹借助A&H迭代模型求解均衡价格的基本思想,以我国35个大中城市1999-2011年的数据为研究对象,将由经济基本面决定的均衡价格与实际价格进行比较,从而测算出各个城市房价泡沫度㊂[4]这三类方法在实际中都有应用,也各有优劣㊂但仍有值得改进的地方,一是在研究城市的选取上,大多数文献针对个别城市或全国大中城市进行研究,没有考虑城市之间的差异性;二是在使用面板模型对我国房价泡沫大小作定量判断时,鲜有严格的模型设定形式检验㊂本文基于上述不足,选取15个新一线城市,加上北京㊁上海㊁广州㊁深圳作为研究对象,建立面板模型进行泡沫测度实证研究㊂二㊁指标数据的选取及理论模型(一)指标和数据的选取我国学者对房地产价格的各种影响因素进行了诸多理论分析及实证研究㊂赵赟飞研究结果表明人口流动推动房价上涨,两者存在高度近似的正相关关系㊂[5]宋连方㊁刘那那基于面板数据的中国房地产市场泡沫分析中对城镇居民可支配收入㊁银行信贷和土地交易价格对房地产市场的影响进行理论分析,并对房地产泡沫进行测度㊂[6]张超以长三角城市群作为研究对象,考虑到房地产泡沫受到供给和需求两个基本面的影响以及数据的可得性,文章选取收入㊁房地产开发投资额㊁金融机构5年期贷款利率等指标来测度房地产泡沫㊂[7]综上所述,考虑数据的可得性,本文变量选取Y为住宅商品房平均销售价格,I N为城镇居民可支配收入,X D为房地产开发贷款(国内贷款),R K为年末总人口㊂所有变量以2005年为定基求出2006-2016年的增长率㊂研究对象选取北京㊁上海㊁广州㊁深圳和2018年第一财经周刊评选的15个新一线城市共19个一线城市为横截面,以2005-2016年为时间跨度的面板数据进行实证研究,研究数据来源于国家统计局官网,历年的‘中国房地产统计年鉴“和同花顺金融㊂所用软件为E v i e w s9.0㊂(二)理论模型从经济基本面来看,影响房价的因素来自供给和需求两个方面㊂在有效市场理论框架内,市场价格是对资产真实信息的反应,因而以可获信息为基础的房地产真实价格具有可测性㊂本文立足于经济基本面采用理论价格法建立如下影响房地产价格的理论模型:Y i t=αi t+βi t I N i t+βi t X D i t+βi t X D i t+εi(1)公式(1)中Y i t为城市i在t时期的以2005年为定基的住宅商品房平均销售价格增长率,I N i t为城市i在t时期的以2005年为定基的城镇可支配收入增长率,X D i t为城市i在t时期的以2005年为定基的房地产开发贷款(国内贷款)增长率,R K i t 为城市i在t时期的以2005年为定基的年末总人口增长率,εi为随机扰动项㊂房地产泡沫度计算公式为:城市i在时期t的房地产市场泡沫度d i t=Y i t-Y*i tY*i tˑ100%(2)公式(2)中Y i t*为城市i在时期t的内在价格增长率㊂(Y i t-Y i t*)即为面板回归方程求得的残差,是计算泡沫度的分子㊂三㊁面板数据回归(一)P a n e l D a t a模型概述设有因变量y i t与kˑ1维解释变量向量x'i t= (x1,i t,x2,i t, ,x k,i t)',满足线性关系:y i t=αi t+X'i tβ'i t+u i t,i=1,2, ,N;t=1,2, ,T(3)公式(3)为一般的线性面板数据模型㊂其中x'i t= (x1,i t,x2,i t, ,x k,i t)'为k维解释变量的向量形式,β'i t=(β1,i t,β2,i t, ,βk,i t)'为对应于解释变量向量x'i t的kˑ1维系数向量,N为截面成员的个数, T为每个截面成员的观测时期总数,αi t为模型的常数项,k为经济指标个数㊂随机扰动项u i t之间相互独立,并且满足零均值㊁等方差㊂(二)单位根检验为了避免样本数据回归有较高的R2,但结果没有任何实际意义,即虚假回归的现象,保证面板模型回归结果的有效性,必须对面板数据的平稳性进行单位根检验㊂对于面板数据,考虑如下的A R(1)过程: y i t=ρi y i t-1+x'i tδi+u i t,i=1,2, ,N;t= 1,2, ,T i(4)公式(4)中:N表示N个截面成员,T i表示第i 个截面成员的T个观测时期,x'i t代表外生变量㊂ρi是回归系数,假定随机扰动项u i t之间符合独立同分布假设㊂如果∣ρi∣<1,则序列y i为平稳序列;如果∣ρi∣=1,则对应的序列y i包含一个单位根,即是非平稳的㊂对参数ρi有两种不同的假定,一是假定其对于所有截面都是相同的,这种情况称为相同单位根过程下的检验,即假设公式(4)中的参数ρi满足ρi=ρ(i=1,2, ,N)㊂L L C检验(L e v i n,L i n, C h u检验)㊁B r e i t u n g检验和H a d r i检验都是基于该种假设;二是假定其对于所有截面个体不同,该情况称为不相同单位根过程下的检验,即允许参数ρi跨截面变化㊂I P S检验(I m,P e s a r a n,S h i n检验)㊁F i s h e r-A D F㊁F i s h e r-P P均是基于该假设㊂81滁州学院学报2019年第3期本文选取相同单位根过程下的检验L L C (L e v i n-L i n-C h u)检验和不同单位根过程下的检验F i s h e r-A D F检验㊂前者零假设为各截面序列具有一个相同的单位根,后者零假设为各截面成员都有一个不相同的单位根㊂所有变量的单位根检验都带有截距项,住宅商品房平均销售价格增长率Y和城镇可支配收入增长率I N除了截距项还有趋势项㊂变量滞后长度根据A I C准则,自动选择最大的滞后长度㊂为避免繁琐,本文给出因变量Y的单位根检验㊂住宅商品房平均销售价格增长率Y折线图见图1㊂图1住宅商品房平均销售价格增长率Y折线图从图1可以看出住宅商品房平均销售价格增长率Y具有截距项和趋势项㊂住宅商品房平均销售价格增长率原始数据单位根检验见表1㊂表1住宅商品房平均销售价格增长率Y原始数据单位根检验方法统计量概率.**横截面观测数L L C检验-1.233200.108719180 F i s h e r-A D F检验28.16620.878019180注:.**表示至少在10%的显著水平下显著㊂从表1可以看出Y原始数据L L C检验和F i s h e r-A D F检验都认为有单位根,需要滞后一阶㊂住宅商品房平均销售价格增长率Y滞后一阶数据单位根检验见表2㊂表2住宅商品房平均销售价格增长率Y滞后一阶数据单位根检验方法统计量概率.**横截面观测数L L C检验-6.200050.000019162 F i s h e r-A D F检验46.15870.170719162注:.**表示至少在10%的显著水平下显著㊂表2得出F i s h e r-A D F检验仍认为有单位根,需要进一步检验㊂住宅商品房平均销售价格增长率Y滞后二阶数据单位根检验见表3㊂表3住宅商品房平均销售价格增长率Y滞后二阶数据单位根检验方法统计量概率.**横截面观测数L L C检验-10.18900.000019144 F i s h e r-A D F检验65.62540.003519144注:.**表示至少在10%的显著水平下显著㊂从表3可以看出滞后二阶后,L L C检验和F i s h e r-A D F检验都认为其没有单位根,住宅商品房平均销售价格增长率Y滞后二阶数据平稳㊂按照类似的方法,I N㊁R K均为滞后二阶平稳㊂X D 单位根检验为一阶平稳,对X D滞后一阶进行单位根检验,结果显示X D(-1)为一阶平稳㊂即住宅商品房平均销售价格增长率Y㊁城镇人均可支配收入增长率I N㊁房地产开发贷款(国内贷款)增长率X D,年末总人口增长率R K均为I(2)变量㊂(三)协整检验通过协整检验,可以判断变量之间是否存在长期稳定的均衡关系㊂若存在,此时方程回归残差是平稳的,可以在此基础上对原方程进行回归,回归结果是较精确的㊂协整检验的前提是在单位根检验的基础上进行,只有变量之间是同阶单整,才可以进行协整检验㊂E v i e w s中面板数据的协整检验方法有P e d r o n i检验㊁K a o和F i s h e r面板协整检验㊂本文采用K a o检验㊂住宅商品房平均销售价格增长率Y,城镇可支配收入增长率I N,房地产开发贷款(国内贷款)增长率X D,年末总人口增长率R K用K a o检验协整检验结果见表4㊂表4K a o协整检验结果T统计量概率A D F-2.4818630.0065残差方差0.083003H A C方差0.085313表4结果显示住宅商品房平均销售价格增长率Y,城镇可支配收入增长率I N,房地产开发贷款(国内贷款)增长率X D,年末总人口增长率R K存在协整关系㊂(四)P a n e l D a t a模型的检验与回归在对P a n e lD a t a模型进行回归时,样本数据中存在截面㊁时期和变量3个维度上的信息㊂模型形式的设定影响着估计结果与所模拟的经济现实的偏差㊂所以在对面板数据模型进行回归时需要对模型的设定形式进行检验,检验是混合回归91梁秋霞,等:我国一线城市房地产市场泡沫的测度研究 基于我国19个一线城市的面板数据模型㊁变截距模型还是变系数模型,还要检验模型的固定效应和随机效应,从而避免模型设定的偏差,改进参数估计的有效性㊂1.固定效应还是随机效应㊂H a u s m a n检验的用途很广㊂比如模型丢失变量的检验㊁变量内生性检验㊁模型嵌套检验㊁建模顺序检验可以通过H检验来做㊂通过H a u s m a n检验还可以确定模型形式的检验㊂原假设与备择假设是:H0:个体效应αi与解释变量X i t无关(个体随机效应模型)H1:个体效应αi与解释变量X i t相关(个体固定效应模型)个体随机效应模型下H检验结果见表5㊂表5个体随机效应模型H a u s m a n检验个体随机效应统计量统计量值自由度概率χ234.29313330.0000从表5可以看出H a u s m a n检验的值对应的概率小于5%,因此拒绝个体变量与回归无关的假设,建立个体固定效应模型㊂2.变系数还是变截距㊂假设1:解释变量的斜率在不同个体或时期上相同,但截距不同㊂则该模型形式为变截距模型:H1:Y i t=αi t+β1I N1i t+β2X D2i t+β3R K3i t+u i t(5)检验结果接受了假设1即为变截距模型,拒绝假设1则为变斜率模型,即采用变系数模型:H2:Y i t=α+β1i I N1i t+β2i X D2i t+β3i R K3i t+u i t(6)检验假设1的F统计量为:F1=(S2-S1)/[n-1K]S1/[n T-n K+1]~F[(n-1) K,n(T-K-1)]其中,模型中α为常数,β为系数,检验公式中, S1㊁S2分别为采用公式(6)㊁(5)时估计的残差平方和,n为截面个数,T为时期数,K为非常数项解释变量个数㊂得到F1=3.223349111,在E v i e w s中求出F0.05(72,114)=1.410634705㊂即:F1>F0.05(72,114),拒绝假设1,采用变系数模型㊂3.回归结果㊂在固定效应变系数模型下回归效果显著性结果见表6㊂表6固定效应变系数回归结果R2D W值F-统计量概率0.9341741.65042125.166530从表6得出R2=0.93,D W=1.65,回归效果比较显著㊂四、泡沫度测算及分析在E v i e w s9.0中生成回归残差,利用残差求得泡沫度值见表7㊂表7泡沫度值城市年份20062007200820092010201120122013201420152016北京-0.635450.0549830.0345760.0099650.4771340.051858-0.01774-0.05873-0.12738-0.106490.112512上海-2.78659-0.09705-0.606620.3360630.589536-0.0885-0.23055-0.01317-0.088380.0274820.058863广州-0.345240.1464080.217245-0.097070.0085480.001248-0.052880.0600650.002176-0.050360.017653深圳0.0154120.51971-0.15366-0.162220.1699460.328764-0.1242-0.07321-0.27395-0.043350.174109天津0.1167710.05591-0.2125-0.075560.2083930.1383940.089498-0.0849-0.15602-0.107510.11949杭州-0.74184-0.33789-0.261090.0878370.589550.1310040.1251670.104366-0.16806-0.05376-0.04864青岛-0.515810.494647-0.20325-0.078880.0796350.1082610.09156-0.02336-0.08525-0.017620.01665郑州-0.182030.130544-0.091120.0132350.058663-0.085610.0403110.083541-0.04675-0.053440.032692武汉-0.302990.186351-0.05216-0.05568-0.049360.1941050.078281-0.03821-0.1074-0.010810.034947长沙-0.588190.070476-0.16999-0.08992-0.004520.3388730.2561950.021695-0.159390.016494-0.0647重庆0.933946-0.08515-0.28975-0.011890.0616920.0541690.1210450.071566-0.0843-0.02098-0.04076西安-0.25973-0.217120.0483430.132256-0.069840.1416320.04064-0.0158-0.079670.097964-0.06444无锡0.166178-0.37432-0.21115-0.071870.1635090.3880040.105382-0.17043-0.12981-0.090780.121207东莞13.060770.806948-0.08902-0.18717-0.04537-0.015660.016052-0.0245-0.12105-0.134040.183223苏州-1.2815-0.27736-0.3153-0.212990.0795640.296050.017493-0.07469-0.11995-0.02430.07214成都-0.522410.0260730.104629-0.049640.2520180.167083-0.001930.024063-0.11467-0.035670.002593南京-1.748441.194183-0.6091-0.180370.437821-0.0867-0.02136-0.10574-0.16456-0.037680.167877沈阳-6.27497-0.13604-0.11557-0.25935-0.03970.1697170.0451370.107876-0.05165-0.01374-0.02587宁波0.014586-0.32046-0.24836-0.037150.1248170.1231570.3149020.120637-0.21549-0.03202-0.03673 02滁州学院学报2019年第3期北京上海广州深圳和2018年第一财经周刊评选的15个新一线城市泡沫度折线图见图2㊂图2 十九个城市泡沫度折线图从上表可以看出总体房地产泡沫最大的年份是2006年,其次是2007年和2008年,最后是2010年㊂总体泡沫十分明显的2006中年泡沫度最大的是重庆和东莞,而不是北京和上海㊂北京房地产泡沫度最大的年份是2010年,上海泡沫度最大的年份是2009年和2010年㊂五㊁对策建议(一)建立控制房价上涨的长效机制从实证结果来看,一线城市泡沫度整体呈下降趋势㊂我国针对房地产市场宏观调控政策的不断出台,对房地产市场起到一定降温作用㊂但政府对房地产市场的宏观调控政策本身根据市场相机抉择,虽对房地产泡沫抑制作用明显,但从长远来看,房地产泡沫得不到长效的解决㊂由于房地产业牵引诸多行业,对消费者居住买房造成困扰的同时,也不利于国民经济的稳定发展㊂政府应建立起可持续稳定发展的中国住房租赁市场,商品住房销售和住房租赁市场并举发展的市场㊂同时合理引导一部分房地产投资需求,如推出一些房地产性质的投资产品等㊂(二)加强房地产市场的信息披露机制房地产市场中存在严重的信息不对称的现象㊂政府应采取措施使开发商向消费者披露更多的信息,如价格信息㊁质量信息等,提高消费者的议价能力㊂同时整治过度宣传㊁虚假宣传等影响消费者合法权益的现象㊂消费者本身也应提高自身辨别信息和搜集信息的能力,而不仅仅是通过销售者的介绍㊂[参 考 文 献][1] 孙焱林,张攀红,王中林.房地产泡沫的测度方法及实证比较[J ].统计与决策,2015(24):79-82.[2] 曾五一,李想.中国房地产市场价格泡沫的检验与成因机理研究[J ].数量经济技术经济研究,2011(1):140-150.[3] 郭熙保,吴金铎.我国房地产市场泡沫度的实证分析[J ].汉江论坛,2012(5):36-44.[4] 范新英,张所地,冯江茹.房地产价格泡沫测度及区域差异性研究 以中国35个大中城市为例[J ].经济问题,2013(11):48-53.[5] 赵赟飞.人口流动对城市商品住房价格的影响 基于全国30个大中城市的实证分析[D ].大连:东北财经大学,2017.[6] 宋连方,刘那那.基于面板数据的中国房地产市场泡沫分析[J ].东北财经大学学报,2011(6):83-86.[7] 张超.长三角城市群房价泡沫测度及空间传染效应[J ].中南财经政法大学学报,2018(3):73-79.[8] 梁秋霞.房地产市场泡沫㊁羊群效应及空间扩散[M ].北京:经济科学出版社,2018.R e s e a r c h o n t h e B u b b l eM e a s u r e m e n t o f R e a l E s t a t eM a r k e t i nC h i n a 's F i r s t -t i e r C i t i e sB a s e d o n P a n e l D a t a o f 19F i r s t -t i e rC i t i e s i nC h i n aL i a n g Q i u x i a ,W a n g N a n ,W a n g X i n p i n gA b s t r a c t :I n t h i s p a p e r ,15n e wf i r s t -t i e r c i t i e s s e l e c t e d b y Ch i n a b u s i n e s s n e w s i n 2018w e r e s e l e c t e d ,a n d p a n e l d a t ao f 19c i t i e s i n c l u d i n g B e i j i n g ,S h a n g h a i ,G u a n gz h o ua n dS h e n z h e n f r o m2005t o2016w e r e a d d e d .A f i x e d e f f e c t v a r i a b l e c o e f f i c i e n tm o d e l w a s e s t a b l i s h e d t om e a s u r e a n d a n a l y z e t h e r e a l e s -t a t e p r i c e b u b b l e .T h e r e s u l t s s h o wt h a t t h e r e a l e s t a t e p r i c e s i n19f i r s t -t i e r c i t i e s s h o wd i f f e r e n t d e -g r e e s o f b u b b l e s ,w i t h t h e b i g ge s tf l u c t u a t i o n s i n 2006a n d 2007,a n d t h e o v e r a l l t r e n d o f d e c r e a s e .T o c o n t r o l t h e h o u s i ng b u b b l e ,th e g o v e r n m e n t c a ne s t a b li s ha l o n g-t e r m m e c h a n i s mt oc u r b t h e r i s eo f h o u s i n g p r i c e s a n d i m p r o v e t h e s y m m e t r y of r e a l e s t a t e i n f o r m a t i o n .K e y wo r d s :t h e b u b b l e o f r e a l e s t a t e p r i c e ;f i r s t -t i e r c i t i e s ;p a n e l d a t a 责任编辑:李晓春12梁秋霞,等:我国一线城市房地产市场泡沫的测度研究 基于我国19个一线城市的面板数据。

长春理工大学学报（社会科学版）Journal of Changchun University of Science and Technology （Social Sciences Edition ）第32卷第2期2019年3月Vol.32No.2Mar.2019多指标面板数据因子分析下的中国房地产泡沫区域性差异研究张超，杜佳轩（安徽财经大学金融学院，安徽蚌埠，233000）［摘要］利用我国31个省市2006~2016年的相关数据，选取房地产开发投资占GDP 的比重、房地产开发投资占社会固定资产投资比重、住宅销售额增长率与社会消费品零售额增长率之比、房价收入比、房地产价格与GDP 的增长率之比以及房价增长与CPI 的增长率之比等六个经典测量房地产泡沫的指标，进行多指标面板数据因子分析。

进一步考虑到了时间、空间、指标三个维度对房地产泡沫的影响，分别得出我国2006~2016年测度房地产泡沫的模型，继而进行顶层因子计算，最终得到了综合测度房地产泡沫的公式，计算出泡沫程度综合指标，给出了我国31个省市的房地产泡沫程度排名，并且按区域与泡沫度划分等级进行关联性分析，在一定程度上解决了以往单一指标测度房地产泡沫产生的误差，探究了区域因素与房地产泡沫间的联系。

［关键词］房地产；泡沫测度；因子分析；顶层因子［中图分类号］F293.3［文献标志码］A［基金项目］国家社科基金一般项目“会计信息质量、股票风险溢价与股价崩盘预警机制研究”（18BGL076）［作者简介］张超（1981-）男，博士，副教授，研究方向为宏观经济。

一、引言2018年，中国房地产政策在“房子是用来住的，不是用来炒的”基调下继续构建长短结合的制度体系。

各部委积极部署房地产领域市场调控的长效机制，不断推进相关制度改革，这代表国家层面对于房地产泡沫的高度关注。

近年来我国整体房地产价格持续走高，从2000~2016年，房地产价格由2000元/平方米到逼近8000元/平方米，房地产泡沫日益受到关注。