预期对租金房价比变化的影响作用研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇预期对租金房价比变化的影响作用研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

[摘要] 预期被认为是引起中国住房市场价格居高不下且持续上涨的主要因素之一。2005—2010年，北京房价租金比上涨了175%。房价租金比的迅猛上涨表明住房使用成本持续下跌。通过基于北京八个城区2005年1月至2010年12月的面板数据的实证研究，发现房价的变化可以部分由利率所代表的经济基本面因素解释，但大部分是由房价预期因素引起的。预期对房价的影响程度随市场形势的变化而改变，市场繁荣期预期对房价的推动作用比市场平稳期更强。这种非理性预期带来的房地产市场繁荣非常危险，值得警惕。

[关键词] 租金房价比； 预期； 中国住房市场； 住房使用成本模型

2012年11月任超群吴璟[美国] 邓永恒： 预期对租金房价比变化的影响作用研究2012年11月浙江大学学报（人文社会科学版）一、 引言

对房价波动的研究是房地产经济领域研究的热点。现有文献证明房价波动通过收入效应、财富效应和金融市场反馈等途径给经济带来重大影响[12]。大量关于房价波动的研究同时也表明，经济基本面因素不能完全解释住房价格的变化，市场参与者的心理预期也是导致房价波动的主要因素之一[3]。无法确定的预期是导致房价偏离其基本价值的主要原因，尤其在房价上涨时期，房价上涨更多是由不理性的房价预期和投资者的心理行为推动的，而不是住房市场经济基本面的变化导致的[4]。这可以从住房市场有效性研究的结论中得到证明。在有效市场中，所有可以预期未来价格的信息都反映在当前的价格中，由于市场参与者对信息的预期已经反映在了当前的价格中，因此，现有信息对未来价格没有预测作用。但大量关于住房市场有效性的研究拒绝了住房市场有效性的假说。不少学者的研究都发现房价本身在短期内存在正相关，住房市场的经济基本面和过去房价增长可以用来预测未来的住房超额收益[512]。这些发现与理性预期或者半强式有效市场假说是不一致的。

近年来，中国大部分城市房价快速上涨，不少学者对这一现象展开了研究，认为预期在房价上涨过程中扮演了重要角色。任荣荣、郑思齐和龙奋杰基于存量流量理论模型，利用中国35个大中城市1999—2005年数据的实证分析发现，预期是房价涨跌的主要推动力之一，并且这种作用在房价较高的城市表现尤为突出[13]。孔煜用消费者预期指数代表消费者对住房价格的预期，通过Granger因果检验，发现预期因素是引起房价变化的原因之一[14]。况伟大利用住房存量调整模型对中国35个大中城市1996—2007年数据进行的实证研究表明，预期及其投机对中国城市房价波动都具有较强的解释力，并且适应性预期作用大于理性预期[15]。陈林和朱卫平则构建了包含投资效用、二手市场、预期、政策冲击等因素的动态房地产市场机制模型，通过理论分析，认为房地产的投资品属性及市场短视预期效应是导致我国房价暴涨、暴跌的主要原因[16]。许家军和葛扬研究发现，无论从短期还是长期来看，房价预期对租价比有负向的解释作用[17]。张亚丽、梁云芳和高铁梅的实证结论也表明，预期人均实际收入和预期房地产收益率是房价持续快速上涨及波动的主要因素[18]。Wu等对中国35个城市的研究也强调了预期在房地产市场中的作用角色，并实证证明开发商对房价的适应性预期是影响地价增长的重要因素之一[19]。

本文将通过住房使用成本模型分析预期对租金房价比的影响，并在三个方面与以往的研究相区别：第一，在模型构建上，本文基于住房使用成本模型，认为住房市场收益率（租金房价比）等于住房使用成本，并据此构建无风险利率、市场风险和预期房价增长等住房使用成本因素对租金房价比的解释模型。这种方法的优点在于不需要知道住房使用成本或者住房服务的市场价格的详细表达式已有大部分文献通过构建住房市场的供需均衡模型，将住房价格表达为一系列与供给和需求相关的宏观经济因素（比如GDP、股票价格指数、城市居民消费支出、收入、空置率、利率等因素）的方程，通过分析经济基本面因素对住房价格的解释程度来判断房价的合理性。这种方法的主要问题是很难不遗漏某一个经济基本面的影响因素，因此，将所有无法解释的部分归因为泡沫是不合理的。。而且，由于住房兼具投资和消费属性，如何分离住房的投资和消费属性是学术研究的难点之一，而住房市场中的租金房价比相当于股票市场中的股息价格比[20]，能够衡量住房的投资回报率，能有效地将住房投资属性从消费属性中区分出来，是理解住房市场价格合理性和泡沫的关键。其次，根据无套利模型，任何资本的回报率是相等的，将租金房价比与市场的无风险利率进行比较，可以判断房价的合理性。对租金房价比时间序列的分析也有助于理解住房的历史回报。第二，在数据上，36万条的微观交易数据可以有效固定住房特征，得到相同属性住房的实际租金和实际房价数据，使分析更可靠。按照理论，租金房价比应该是相同质量房屋的租金和价格的比值，仅仅依靠整体的租金和房价数据而没有对房屋进行质量控制，会导致价格和租金的相关变化出现虚假的推论[21]。由于我国缺乏对租金数据的统计，大多数租金房价比的分析是从租金指数和房价指数中计算得到租金房价比数据[2223]。由于租金指数和房价指数计算的住房质量并不相同，这导致租金房价比只能反映两者关系的趋势，而不能反映两者的真实比例关系。虽然也有一些学者通过选取相似属性的住房出租样本和出售样本控制房屋质量，得到相同属性房屋的租金房价比[2425]，但他们的抽样存在样本量过少且只选取了某一横截面时间等问题，导致结论可能存在误差，某一时间点的数据也无法分析租金房价比的时间变化。第三，大部分研究在考察预期对房价影响作用时假设预期对房价的影响程度是不随时间变化的，少有研究分析预期在不同时间内对房价影响的变化性。本文除了分析利率、房价预期和住房市场风险等因素对租金房价比的影响外，还进一步分析了预期对租金房价比的影响随时间变化的情况，得到不同市场形势下预期对住房市场影响作用的差异性。

二、 理论与模型

（一） 住房使用成本模型

住房使用成本模型是分析住房价格合理性的经典理论，经由Hendershott和Shilling、Hendershott和Slemrod、Poterba、Meese和Wallace等人的发展[12，2628]，被很多学者用于对住房市场价格变化和房地产市场泡沫判断的研究中[21，2932]。住房使用成本理论的核心思想是，在均衡的市场中，住房服务的边际收益等于其边际成本。年住房拥有成本主要包括成本和抵消收益的六个因素这些因素应该被看作机会成本。[2728]。第一个因素是投资者投资住房而损失的投资其他非住房产品可能得到的收益的成本，等于住房的价格Pt乘以无风险利率rrft。第二个因素是一年的财产税成本，等于住房价格Pt乘以财产税率wt。第三个因素是住房拥有者拥有的将抵押利率和财产税从个人税中扣除的收益，等于个人所得税（τt）的税率乘以估计的抵押贷款（rmt）与财产税的支付：Ptτt（rmt+ωt）。第四个因素是住房的维修成本，等于住房价值的一定比例δt。第五个因素Ptgt+1是当年预期的房价增值收益或者减值损失。第六个因素Ptγt表示买房相对租房额外的更高的风险费用补偿成本。这六个因素组成了给定的每年住房成本的总成本（UCt）：UCt=Ptrrft+Ptωt-Ptτt（rmt+ωt）+Ptδt-Ptgt+1+Ptγt（1）根据无套利模型，拥有住房的一年成本必须等于每年的租金收益（见公式2）。如果每年的住房拥有成本升高，而租金没有上涨，那么房价会下降到合理的水平，使用户选择购买住房而不是租赁住房。如果每年的住房拥有成本下降，而租金没有下降，那么房价会上涨到合理的水平，使用户选择购买住房而不是租房。Rt=Ptrrft+Ptωt-Ptτt（rmt+ωt）+Ptδt-Ptgt+1+Ptγt（2）其中Rt是t时期的年租金。将方程两边同时除以价格Pt，得到租金房价比的决定方程：RtPt=rrft+ωt-τt（rmt+ωt）+δt-gt+1+γt（3）中国目前除在上海和重庆之外不征收房产税，本文实证运用北京的数据，因此使用成本中的第二项住房的税收成本设定为零。假设中国住房市场的维修成本是固定的，那么，租金房价比的变化可以简化为由无风险利率、预期收益和补偿风险决定，其他不随时间变化的因素构成常数Ct。构建实证模型如下：ln（Rt/Pt）=Ct+α1rrft+α2gt+1+α3γt（4）其中ln（Rt/Pt）是租金房价比的对数值；rrft是市场无风险利率，用五年期存款利率来衡量；gt+1是预期房价增长；γt是投资住房市场的补偿风险，用过去房价增长率的方差来衡量，住房市场的风险来自于房价的波动，而方差衡量了房价增长率的波动程度，可以用来衡量住房市场的风险。根据住房使用成本理论，rrft的系数α1大于零，gt+1的系数α2小于零，γt的系数α3大于零。

（二） 预期的测量

Dipasquale和Wheaton认为，住房投资者主要采用三种方式对房价进行预期：第一种是外生价格预期，即假设投资者对未来房价的预期不受当地住房市场状况的影响，对价格的预期外生于当前的市场状况；第二种是近视价格预期（适用性预期），投资者根据过去住房价格趋势来预期未来住房价格变化；第三种为理性预期，投资者具有完全的市场信息，能准确预期未来的房价变化[33]。国外文献大量实证表明房价预期是近视的，市场参与者根据过去房价增长来预测未来房价增长。Clayton利用温哥华1979—1991年的季度数据，发现人口、供给和利率等经济基本面因素对房价有显著的解释作用，但市场参与者对经济基本面没有前视的预期行为，住房市场存在非理性的预期[3]。Mankiw和Weil在分析人口因素对房价的影响时发现，虽然人口变化带来的对住房市场需求和价格的影响是可预见的，但市场参与者并没有利用此信息进行前视的预期，而是对房价进行适应性预期[9]。王军武和赵玮采用武汉2004—2009年季度数据的实证研究表明，消费者在很大程度上借助于先前的价格走势对未来房价进行预测[34]。国内大部分学者认为市场参与者采用近视价格预期来预测房价变化，并用过去一段时间内的房价增长率来表示预期房价增长率，证明了过去增长率对未来房价有显著的预期作用。例如，许家军和葛扬用过去两个月的房价增长率的均值来表示预期房价增长率[17]。任荣荣、郑思齐和龙奋杰用前两年的价格增长率的平均值来确定未来价格的增长率[13]。况伟大利用住房存量调整模型对中国35个大中城市1996—2007年数据进行的实证研究表明，住房市场中的适应性预期作用大于理性预期[15]。

本文假设消费者采用适用性预期方法，根据过去房价变化情况预期未来变化。在实证研究中，假设消费者根据过去三个月的市场信息来预期未来。因此，本文采用过去三个月的房价增长率衡量房价预期增长，用过去三个月的房价增长率方差来衡量房价市场的补偿风险，构建了模型1。同时，为了检验模型的稳定性，选用过去一个月、过去六个月和过去十二个月的时间，假设消费者根据过去不同的时间来预期未来。本文分别采用不同期的房价增长率和不同期的房价增长率方差，构建模型2至模型4。其中，模型2、模型3、模型4分别用过去十二个月、过去六个月、过去一个月的房价增长率衡量房价增长预期，用过去十二个月、过去六个月、过去三个月的房价增长率的方差衡量住房市场的投资风险。

三、 数据整理与分析

根据租金房价比的定义，房价和租金所对应的住房应保持同质性。对此，Davis、Lehnert和Martin利用出租房屋样本数据构建租金的特征价格模型，求出模型中的系数后，针对自有住房的特征对自有住房潜在的租金进行估计[35]。本文基于大样本微观住宅单元的数据，分别构建租金和房价的特征价格模型，对住宅的质量进行控制，以保证房价和租金所对应的住宅具有同质性。

本文数据来自我爱我家中介公司和21世纪中介公司的北京市2005年1月至2010年12月的36万多套二手住宅的交易数据和出租数据，其中交易住宅77 577套，租赁住宅297 329套。每套住宅的交易信息包括：交易月份、交易价格（租金或者价格）、住宅面积、房间数目、所在楼层数、总楼层数等。将36万套住宅单元整理到6 000多个住宅小区，获得小区的容积率、小区所属的城区、距离天安门的距离、距离最近地铁站的距离。样本小区基本上集中在北京市的八个城区内：朝阳区、海淀区、丰台区、西城区、宣武区、东城区、崇文区和石景山区2010年行政区划调整之前。。其中，朝阳区的样本量最大，占总样本的43%。

对于租金房价比的分析，很多学者会质疑用于出售的住房样本和用于出租的住房样本在房屋质量上存在较大的差异，房屋质量的差异可能会导致分析存在系统误差。为此，本文将租赁样本和出售样本的属性进行比较，见表1。用于出租和出售房屋的房龄和交易时间的均值非常接近。房屋的其他属性，如总楼层、所在楼层、小区面积、容积率、绿化率、物业费的均值和标准差相差甚小。在地理位置上，出租房屋比出售的房屋更靠近市中心（天安门）和地铁站，这主要是因为交通便利的房屋更有利于出租。但这一差异并不明显，出租房屋距离市中心的距离比出售房屋近1 800米左右；出租房屋离地铁站的距离比出售房屋近200米。出售房屋的面积和房间数目在平均值上略大于出租的房屋。出售房屋的平均面积为83平方米，出租房屋平均面积为69平方米，相差14平方米。在房间数目上，出售房屋的房间数目比出租房屋的房间数目大0.17个房间。总体来说，出售住房和租赁住房样本的属性基本类似。表1出售住房和租赁住房样本的属性比较

住房属性出租均值标准差出售均值标准差房龄（年）5.593.445.353.45交易年份（年）2008220081总楼层（层）12.427.8213.278.12所在楼层（层）6.95.667.486.06所在楼层/总楼层0.580.280.580.29小区面积（平方米）290 682735 321300 604661 579容积率（%）2.731.972.772.06绿化率（%）0.330.070.340.07物业费（元/平方米）1.691.311.871.36离天安门的距离（米）11 878.456 773.9113 678.757 591.39离最近地铁站的距离（米）1 563.921 804.651 777.681 974.96房屋面积（平方米）68.933.9382.7841.5房间数目（间）1.760.671.930.73

利用住宅单元和住宅小区的属性数据，对八个城区和北京市分别构建住房价格的特征价格模型和住房租金的特征价格模型，选择的控制变量为：住房面积、总楼层、所在楼层/总楼层、容积率、房间数目、离最近地铁站的距离和离天安门的距离。获得各个特征的系数之后，将各个区和北京市的住房样本（包括出租样本和出售样本）各属性的均值带入特征价格模型中，获得每月的名义租金和名义价格。由于在计算每个城区的租金和价格时，我们选取的住房特征值是相同的，这样保证了租金和价格是针对同一特征的住房。最后，将名义值平减通货膨胀率得到实际租金、实际房价和房价租金比本文房价租金比指房价除以年租金。。

图1和图2分别展示了北京八个城区实际租金和实际房价的变化情况。从图中可以看出，房价和租金基本保持上涨趋势，北京八个城区的租金和房价增长趋势基本相同。在样本区间内，各个城区的租金除在2007年初和2009年初略有下降外，其余时间基本上保持平缓增长趋势。东城和西城的租金水平与房价水平比较接近，是北京市各区中最高的两个城区。石景山和丰台的租金与房价是各区中最低的，其中丰台的租金略微高于石景山，石景山的房价略微高于丰台。崇文、宣武、海淀和朝阳属于中间水平。