1998年我国住房制度市场化改革以来, 房地产市场快速发展起来, 房价也越走越高。据中国统计年鉴和北上广深各城市统计年鉴, 2000~2015年间, 全国商品住房均价从1948元/m²上涨到6473元/m², 累计上涨232.29%, 年均上涨15.49%。其中, 上海、深圳的住房均价期间年均上涨甚至高达36.43%和35.55%, 高于当地GDP年均增长率, 也高于当地城镇居民人均可支配收入年均增长率。房价高且上涨过快与居民收入水平及增长速度不相适应, 使得大量中下层普通家庭、中青年群体住房支付压力非常大, 甚至买不起房。然而, 另一现象也很普遍, 很多城市住房销售量一直居高不下, 其楼盘开盘便被一抢而空。与此同时, 随着我国居民收入水平的上升, 无论城乡收入差距还是城镇居民和农村居民内部收入差距都在拉大, 反映城镇居民收入差距的基尼系数2000年为0.26, 到2008年高达0.36, 之后在0.35上下波动 (如图1) 。

这一现象令人深思, 为什么大量中低收入家庭“望房兴叹”, 买不起房的情况下, “日光盘”频现、房价节节攀升?住房市场这一扭曲现象是否与城镇居民收入差距拉大有关呢?为理清城镇居民收入差距对住房价格的影响效应, 本文运用2011~2015年38个大中城市的城市层面数据, 设立动态面板数据模型进行考察。这对进一步理清房价上涨的成因, 建立房地产市场长效调控机制, 促进房地产业健康稳定发展有重要的理论意义和现实意义。

收入分配差距对房价波动的影响一直是学术界关注的热点, 国内外学者进行了大量深入研究。Christian Gollier (20 01) 研究发现财产不平等会导致更大的资产溢价和更低的无风险折现率。Joseph Gyourko等 (2013) 研究认为美国的超级明星城市在土地供给缺乏弹性情况下, 高收入人群收入增加会显著导致房价上升。胡晓 (2010) 从房地产消费和投资双重属性出发, 利用中国1991~2008年的数据实证分析发现收入差距对房价具有显著正向影响, 认为收入差距是房地产价格上升的重要影响因素。王先柱、赵奉军 (2013) 认为收入差距拉大在微观上通过挤出效应、宏观上通过储蓄率的上升引发过度住房投资, 促进房价上涨。徐舒、陈珣 (2016) , 高波 (2013) 等运用宏观经济数据实证也发现收入差距拉大促进房价上升, 张川川 (2016) 则运用城市住户调查数据进行实证, 发现收入差距的扩大是导致我国城市住房价格上涨的一个重要原因。尹虹潘 (2011) 从探讨市民收入不均对城市住宅空间分布的影响, 发现基尼系数增大会导致城市中心房价上升和边缘房价下跌, 陈慧慧 (2015) 以限购政策和房产交易税政策为例, 运用计算经济中基于主体建模的方法, 探究收入差距对商品房政策调控效果的影响, 发现随着收入差距的增大, 政策的调控效果会被逐渐削弱, 商品房平均价格随之上升。这些学者采用不同的研究方法和数据进行研究, 认为收入差距拉大推动房价上涨。

然而, 也有少数学者提出了不同观点, 认为收入差距拉大对房价上涨作用小甚至没有推高房价。Konstantin A.Kholodilin&Dirk Ulbricht (2015) 研究表明更高的人口密度, 更高的人均抵押贷款和更高的收入差距会导致更高的公寓价格, 但收入差距对公寓价格影响相对温和。Määttänen, N.&M.Terviö (2014) 基于家庭收入和住房质量异质性建立一个分配模型, 利用1998~2007年间美国6个大城市数据进行研究, 发现收入差距拉大对平均房价存在负面影响。周亚虹 (2015) 建立了一个同质性住房市场模型, 并利用我国31个省1999~2011年的数据实证研究发现收入差距并未推动房价上涨。李仲飞, 于守金等 (2016) 研究认为整体上我国收入差距与房价之间无显著相关关系, 但就省际差异而言, 在经济发展水平较高省份, 收入差距促进房价上涨;在经济发展水平较低省份, 收入差距抑制房价上涨;且随时间变化, 收入差距由抑制房价上涨转变为促进房价上涨。

综上, 前人在收入分配差距对房价的作用机制上进行了有益探索, 但总体而言研究不够系统, 且没有得出一致的结论。实证研究方面使用的时间序列过短, 很少采用2013年之后数据, 且大多采用省际数据, 忽视了省内城市间的差异, 也未纳入2013年之后居民收入差距、房地产价格的较大新变化, 这无疑影响了结论可信度和说服力。此外, 对收入差距影响房价的机制考察多采用宏观层面的数据, 基于微观调查数据的实证分析尚较缺乏。鉴于此, 本文在收入差距对住房价格影响机制的理论分析基础上, 采用2001~2015年较长时间的城市层面的数据, 建立动态面板模型, 更加细致地考察居民收入差距对住房价格作用效应, 以丰富此方面的研究。

居民收入差距对住房市场的直接影响如图2所示, 通过消费效应与投资效应, 以及挤出效应与带动效应, 实现对住房价格的影响。

根据房地产市场四象限原理, 住房市场分为住房产权市场和住房租赁市场, 两个子市场相互影响。高收入阶层收入高, 住房支付能力强, 一般进入住房产权市场满足其住房需求;而低收入阶层收入低, 难以通过购买满足住房需求, 一般进入住房租赁市场解决住房问题。由于住房具有消费和投资双重属性, 作为耐用消费品, 依据凯恩斯的消费理论, 随着收入增加, 住房消费的平均倾向和边际倾向均下降, 因此, 当居民收入差距扩大, 收入更多的向高收入阶层集中, 总体上住房消费需求会下降, 这是所谓的“消费效应”。相反, 随着收入的增加, 储蓄倾向上升, 储蓄转化为投资, 收入更多的向高收入阶层集中, 会增加社会投资需求。住房作为不动产, 具有增值保值性, 在当前我国投资渠道相对缺乏的情况下, 必然会吸引高收入者将住房看成良好的投资品, 将投资更多集中于房产投资, 因此, 当居民收入差距扩大, 收入更多地向高收入阶层集中, 住房投资 (投机) 需求会较大幅度增加, 这是所谓的“投资效应”。在住房供给短期缺乏弹性的情况下, 随着居民收入差距的拉大, 若“投资效应”大于“消费效应”, 则会促进房价上涨, 反之, 则会抑制房价上涨。

高收入群体的“投资效应”促进住房价格上升, 这使得中低收入群体住房支付能力下降, 甚至买不起房只能租房, 即被挤出住房产权市场, 这是所谓的“挤出效应”。“挤出效应”下, 更多的中低收入者进入住房租赁市场, 租房需求上升, 但由于高收入群体的住房“投资效应”, 出租房源也相应地增加, 使得租金水平上涨很有限, 出现了租金房价比失衡的现象。同时, 高收入群体的“投资效应”导致住房价格上升, 也使得一部分拥有自住房的中高收入群体追逐住房增值收益也加入住房投资 (投机) 行列, 而另一部分中低收入潜在购房者, 因担心房价上涨而匆忙入市, 这是所谓“带动效应”, 这使得住房产权市场需求增加。这种“挤出效应”和“带动效应”共同促进住房租赁需求和住房产权需求的上升, 从而降低住房投资 (投机) 的风险, 增强高收入群体的住房投资 (投机) 信心, 因此, 反过来促进了高收入群体的住房投资 (投机) 需求。如果考虑房价和收入分配的正反馈, 即房价上涨, 住房资产的财富效应、抵押品效应及财产性收入增加, 使高收入群体的住房投资 (投机) 需求更加旺盛, 在“投资效应”与“挤出效应”、“带动效应”正反馈下, 住房产权市场需求增加很可能大于因中低收入者被挤出产权市场而导致的需求萎缩, 最终导致住房产权需求大幅增加, 住房价格上升。

居民收入差距扩大不仅直接影响住房需求而作用于房价, 还会通过影响总需求和宏观经济而间接作用于住房市场。根据凯恩斯的消费理论, 随着收入水平的提高, 边际消费倾向下降, 因此, 高收入群体的边际消费倾向较低。随着居民收入差距的扩大, 收入更多地集中于高收入阶层, 整个社会的边际消费倾向会下降, 而边际储蓄倾向会上升。如宋云星 (2015) 研究发现收入差距基尼系数与国民储蓄率之间存在显著稳健的正效应。而居民收入差距扩大导致储蓄率上升, 会进一步作用于住房市场, 这主要通过两种机制来实现。一是, 收入差距扩大促进储蓄率上升, 进而导致银行可贷资金增加。由于房地产投资保值增值性, 一直是资金青睐的投资对象, 因此, 房地产市场资金注入会增加。一方面房地产开发商更容易获得贷款, 从而增加住房供给;另一方面储蓄率的上升也会带来利率下降的压力, 充足的按揭贷款和较低利率对住房需求也有刺激作用。二是, 储蓄最终会转化为投资和出口, 如果一国由收入差距扩大导致储蓄的增加不能被投资增加所吸收的话, 则净出口规模必将扩大, 表现为贸易顺差, 若本国的汇率机制无法迅速调整, 则会造成基础货币被动投放, 基础货币的增加通过货币乘数形成货币供给的增加。超额的货币供给会形成过剩的流动性, 会根据资产收益率的高低在各种投资领域如债券、股票、房地产、外汇以及其他大宗商品期货市场之间迅速转移、运转, 以谋求最大投资收益。在当前我国投资渠道相对缺乏、房价上涨情况下, 过剩的流动性进一步强化了投资者对房地产市场的预期, 可能会导致充裕的流动性注入房地产市场, 导致住房市场的投资投机需求增加, 进而促进住房价格上涨。

住房价格不仅受到众多外部因素的影响, 往往还具有一定惯性, 前期房价可能对当期房价产生影响, 因此, 本文采取动态计量方法。为总体上考察居民收入差距对住房价格的影响, 构建动态面板数据模型如下:

估计方程 (1) 中, 下标i表示城市, t表示时间, 被解释变量HP_it表示i城市t时期的住房价格, 由商品住房的销售额除以销售面积得来;HP_it-1表示房价滞后项;解释变量GINI_it表示i城市t时期居民收入分配的基尼系数, 作为城镇居民收入差距的代理变量, 参照胡祖光 (2004) 的简易测算方法, 即将城市居民收入按从高到低顺序五等分, 基尼系数近似等于最高收入20%阶层收入占比与最低收入20%阶层的收入占比求差;

X_it表示控制变量组, 包括:人均可支配收入Pcdi, 人口密度Dens (即单位面积的人口数) , 人均财政支出Fe (由地方财政预算内支出除以年末总人口数得来) , 商品住房造价Cost (由住房竣工价值除以住房竣工面积得来) , 贷款利率Rate (以五年期银行贷款利率为代理变量) , 如有调整则通过天数加权法得到年度数据, 并剔除通货膨胀因素的影响得到实际利率;ε_it为误差项。

考虑住房的投资属性, 住房市场存在投资 (投机) 行为的情况下, 考察城市居民收入差距, 投机对住房价格的影响, 在估价方程 (1) 的基础上加入变量Eit, 表示i城市t时期预期住房价格增长率, 作为住房投资 (投机) 的代理变量, 由当期房价减去前一期房价, 再除以前一期房价, 即 (HP_it-HP_it-1) /HP_it-1得来, 其他变量与估计方程 (1) 相同, 估计方程如下:

为了考察收入差距和住房投机活动在影响住房价格上的相互作用, 在模型 (2) 的基础上, 引入收入差距和住房投机的交互项GINIit×LnEit, 估计方程如下:

本文从中国经济与社会发展统计数据库按类型选择地区中, 选择70个大中城市2001~2015年的年度数据, 计算城市内部的收入基尼系数, 作为对城市层面的居民收入差距的度量。城市居民收入差距代理变量基尼系数GINI的测算, 采用GINI近似等于居民收入五等分法中最高组的收入百分比与收入最低组的收入百分比之差, 城市居民收入分组数据来自各城市统计年鉴。由于秦皇岛、丹东等32个城市缺乏完整的居民收入分组数据, 因此, 本文从70个大中城市中剔除这32个城市, 最终选取38个城市。住房价格采用住房销售额除以住房销售面积, 数据来源于各城市统计年鉴;人均可支配收入, 人均财政支出, 人口密度, 住房竣工价值及住房竣工面积数据均来自各城市统计年鉴, 利率数据来自中国人民银行网站, 缺漏值采用移动平均法填补。上述价值类数据均以2000年为基期进行了消涨处理, 住房价格、可支配收入, 人均财政支出, 以及住房造价等数据均进行取对数处理。计量的运算过程均借助STATA 13.0软件完成。各变量描述性统计分析结果略。

为了避免伪回归, 本文首先对各变量进行了面板单位根检验。结果显示, 除了居民收入差距、利率水平外, 其他变量均为一阶单整序列, 且协整检验显示各变量间存在长期的均衡关系。但由于模型引入的被解释变量的一阶滞后项与随机扰动项存在一定的相关性, 此外, 住房价格、居民收入差距和预期房价增长率之间可能存在双向因果关系, 会造成严重的内生性问题, 使参数估计出现较大的偏差, 故本文使用动态面板的GMM估计, 以有效解决动态面板模型估计中存在的内生性问题。动态面板一般有差分GMM和系统GMM, 一般认为系统GMM比差分GMM更有效地控制了解释变量的内生性, 同时两步SYS-GMM估计结果对异方差和截面相关性具有较强的稳定性, 因此本文使用SYS-GMM估计结果。

本文利用AR检验来考察差分残差序列的自相关性, 利用Sargan检验来考察工具变量的过度识别问题。表1下半部分检验结果显示, 各模型的一阶自相关检验均拒绝了原假设, 说明了各模型的扰动项存在一阶自相关, 但在5%的显著性水平下, 各模型均不存在二阶自相关, 接受了“扰动项无自相关”的原假设, 说明各模型不存在自相关。因SYS-GMM使用了工具变量, 故需要进行过度识别检验, 检验结果显示, Sargan的检验P值均为1.0000, 在5%的显著性水平下, 接受了原假设, 认为各模型的工具变量都是有效的。

由回归估计结果可知, 模型 (1) ~ (3) 中, 房价的滞后一期均与当期房价存在显著的正相关性, 说明了当期房价受到上期房价的影响, 上期房价的增加会促进当期房价的上涨。各模型条件下的详细分析如下:

模型 (1) 结果表明, 城镇居民收入差距 (LNGINI) 的回归估计系数在10%的显著性水平下显著为负, 说明了在其他因素不变的情况下, 城镇居民收入差距的扩大在一定程度上抑制了房价的上涨, 但这种抑制作用比较弱, 城镇居民收入差距每扩大1%, 住房价格将下降0.036%。由于住房同时具有消费和投资双重属性, 在不考虑房价增长预期的情况下, 住房需求中消费需求略超投资需求, 因此, 居民收入差距拉大对住房价格表现出微弱的抑制作用。

模型 (2) 中考虑了住房价格增长预期, 回归估计结果表明, 房价增长率的回归系数在1%的显著水平下显著为正, 说明在其他因素不变的情况下, 房价增长率预期能显著促进住房价格上涨, 房价增长率每上升1%, 住房价格将上涨0.868%;城镇居民收入差距的系数由负变为正, 并且通过了5%的显著性水平, 城镇居民收入差距每扩大1%, 会促进住房价格上升0.0036%。说明城市住房价格持续上涨, 使人们产生房价上涨预期, 存在房价上涨预期情况下, 居民收入差距拉大, 高收入群体的住房消费和投资投机行为盛行, 以及中等收入群体匆忙入市, 最终导致住房价格的上涨。房价上涨预期下, 居民收入差距拉大通过投资投机效应和带动效应促进住房价格上涨, 这与前文的理论分析结论一致, 但居民收入差距拉大促进房价上涨的作用较小, 不如房价增长预期对房价上涨的促进作用大。

模型 (3) 是在模型 (2) 的基础上, 加入城镇居民收入差距与预期房价增长率的交互项, 从回归估计结果可以看到, 城镇居民收入差距与预期房价增长率的交互项LNGINI_E的回归系数在5%的显著水平下显著为正, 说明了城镇居民收入差距对住房价格的影响会受不同的预期房价增长率的影响, 随着房价上涨预期越强, 城镇居民收入差距对房价上涨的促进作用越强。加入LNGINI_E项后, 城镇居民收入差距的回归系数虽为正, 但变得不显著, 预期房价增长率的回归系数仍在1%的显著性水平下显著为正, 说明了房价增长预期是房价上涨的主要促进因素, 城镇居民收入差距推动房价上涨的作用比较弱, 不及房价上涨预期对房价上涨的促进作用大。结合模型 (1) ~ (3) 回归结果看, 控制变量方面, 人口密度, 人均可支配收入, 建造成本以及利率水平对住房价格产生正向影响, 地方人均财政支出对住房价格的作用在模型 (2) ~ (3) 中表现为1%显著水平上显著负影响, 这可能是因为地方财政支出越大, 地方基础设施越完善, 在开发商存在房价上涨预期的情况下, 住房的市场供给量越大, 从而缓解房价上涨。

本文综合考虑住房消费和投资的双重属性, 采用供求分析框架, 从理论上分析城镇居民收入差距通过直接和间接影响住房市场供需进而对住房价格产生影响的机制。在此基础上, 运用2001~2015年间我国38个大中城市 (中国经济与社会发展统计数据库按类型选择地区中70个大中城市, 扣除了32个数据不全的城市) 的面板数据, 构建动态面板数据模型进行了实证检验。主要结论为:房价的持续上涨, 使人们产生了房价上涨预期, 在预期房价上涨的情况下, 高收入群体的住房消费和投资投机行为盛行, 中等收入群体追赶房价匆忙入市, 以及为早日买房而储蓄的家庭增加, 城市居民收入差距的拉大就通过“投资效应”、“带动效应”和增加储蓄率直接和间接影响住房市场, 促进房价上升。城镇居民收入差距每扩大1%, 会促进住房价格上升0.0036%, 且通过了5%的显著性水平;随着房价上涨预期的增强, 这种正向作用越强。但居民收入差距拉大促进住房价格上涨作用程度比较弱, 不及房价上涨预期推高房价的作用强, 另外人均可支配收入、人口密度、建造成本及利率水平等经济基本面亦是影响房价的重要因素。根据研究结论, 提出如下建议:

首先, 应正确引导人们的房价预期。坚持房子是用来住的, 不是用来炒的定位, 促进住房从投资属性回归居住属性, 建立住房市场长效机制, 综合土地、财政、金融, 行政等多种房地产调控手段, 促使房价在合理区间内正常波动。具体而言, 政府一要摆脱其对土地的财政依赖, 对房地产市场调控政策要相对稳定, 以免助推房地产市场非理性预期的形成;二要规范房地产市场秩序, 严厉惩戒虚假鼓吹房价上涨的宣传, 建立健全房地产市场信息共享机制, 保证住房信息的公开、公正和透明, 以免滋生房地产市场非理性预期;三要加大保障性住房和租赁住房的建设, 完善住房市场多元化供应机制, 以满足多元化住房需求, 从而有利于改变住房投机预期。

其次, 应完善收入分配制度, 逐步缩小居民收入差距。在房价上涨预期下, 居民收入差距拉大, 可促进住房市场的投资投机行为, 并进而带动更多中等收入家庭匆忙入市, 较低收入家庭更多为买房而储蓄, 从而促进房价进一步上涨。缩小居民的收入差距, 可有效抑制住房的投资投机行为, 进而抑制房价泡沫, 促进房地产市场健康发展。

最后, 应完善投资市场, 增加投资渠道。改革开放四十年, 藏富于民, 居民收入的快速增长, 使投资的需求增加。然而, 当前投资渠道较少, 使得投资行为集中于房地产市场, 导致房价持续过快增长, 不利于房地产市场的健康稳定发展。因此, 完善我国投融资体制, 增加多元化的投资渠道, 分散投资需求, 既有利于实业的发展, 也有利于稳定房价。