人口迁移、金融集聚对房地产价格影响的实证研究＊——基于省级面板数据模型的分析

贾洪文，颜咏华，白媛媛

(兰州大学 经济学院，甘肃 兰州 730000)

一、引言

人口迁移会引起迁移地人口数量和人口就业结构的改变，进而影响房地产价格。从人口迁移的数量看，人口迁入会增加该地区的人口数量，而迁入的人口多数有购房需求，这就增加迁入地的房屋需求，最终可能导致房地产价格的上涨。一方面，人口的迁出会减少该地区的人口数量以减少购房需求;另一方面，迁出人口可能需要将自己手中的房屋出售或出租出去，从而在一定程度上增加了房屋供给，这两方面都有利于房地产价格上涨的下降。人口在金融行业的就业状况直接反映了一个地区金融集聚的程度，金融和房地产市场又有着密切的联系，故在研究人口迁移对房地产价格影响的同时，金融聚集也是重点考察的因素。金融集聚反映了一个地区的金融资源，一般来说，金融集聚越高可以利用的金融资源越多，更能以低成本获得资金。金融集聚对房地产价格存在多方面的影响。一方面，金融集聚有利于开发商获得开发资金，以提供更多的住房，起到抑制房地产价格的作用;另一方面，金融集聚能给购房者提供金融支持，使购房需求增加，起到推动房地产价格上涨的作用。

房地产价格不仅决定着社会和居民的财富，而且影响着国家经济的发展、人民的生活和社会的稳定。近年来房地产价格的持续上涨已成为社会的热点和焦点。本文试图从人口迁移出发，对各地区的面板数据进行实证分析，研究人口迁移对房地产价格的影响。

二、文献综述

许多学者对房地产价格的影响因素做出了分析。在影响房地产价格的人口因素方面，王嘉慧［1］认为，通过人口总量、人口增长、家庭规模与结构的变化可以了解到住宅房地产市场规模及容量变化，从而通过对市场规模的预测，调整住宅的供给量，以达到供求平衡，保持房价稳定;王永慧和张丽［2］按人口年龄因素对住宅市场进行细分，分析未来人口年龄结构变动对住宅市场需求结构的影响;吴老二和刘婧［3］以广东省为例研究了人口迁移与房地产价格的关系，发现不仅传统的收入、消费以及人口迁移等因素可以显著地影响房地产价格，而且空间地理因素也可以对城市房地产价格产生显著的影响;吴阳香［4］以南京市为例对大城市人口迁移与房地产价格的相互作用进行实证研究，认为大城市人口迁移对房地产价格的变化存在较大影响，且外部人口迁移与内部人口迁移对房地产价格的影响是不同的，外部人口迁移对房地产价格的拉动作用远远低于内部人口迁移的影响。

在影响房地产价格的金融支持方面，李宏瑾［5］发现金融(尤其是银行信贷)在房地产市场中起到了至关重要的作用，我国房地产市场供给约束问题非常严重，尤其是考虑到居民收入增长因素，房地产市场的供求矛盾非常突出，银行房地产开发贷款和个人住房贷款强有力地支撑了房地产市场的供求;张海英［6］认为房地产价格与银行房地产信贷风险存在着正相关，房地产贷款在短期对房地产价格上涨的直接影响十分有限，主要是在长期内对房地产价格产生影响。魏玮和王洪卫［7］以及梁云芳和高铁梅［8］认为，银行信贷对房地产价格的促进作用在我国的不同地区之间并不一致，魏玮认为银行内部的利益激励机制使得房地产信贷规模收缩集中体现在开发贷款上，开发贷款通过影响未来房屋的供给量间接地影响房地产价格，因而政策的时滞性较长;梁云芳认为信贷规模对东、西部地区影响都比较大，中部地区较小。

综上可知，国内关于房地产价格的文献不仅注意到了经济基本面的影响，还注意到了人口迁移与金融方面对房地产价格的影响。在人口迁移方面，已有的文献主要集中于单个城市的研究，对省际间人口迁移对房地产价格影响的研究较少。因此，本文从省际人口迁移的视角出发，结合金融集聚的作用，研究人口迁移对我国房地产价格的影响。

三、模型与数据说明

(一)人口迁移、金融集聚与房地产价格模型

假定房地产价格的形成是房地产需求和房地产供给相互作用的结果，表示为:

其中，Pit、与分别表示t 时i 地区的房地产价格、房地产需求与房地产供给。

根据Muellbauer和Murphy［9］的建模思路，房地产的需求可以表示为:

其中，pop 表示人口因素，inc 表示人均收入，uc'表示资本的使用成本，D 表示影响房地产需求的其他因素。

根据Muellbauer和Murphy［9］以及Quigley［10］给出的房地产供给方程，可以得到房地产供给函数:

其中，ph 表示房地产价格，vac 表示空置率，const 表示开工率，E 表示影响房地产供给的其他因素，如融资成本和市场利率等。

考虑到房地产开发离不开资金的支持，房地产供给函数可以修改为:

uc″表示房地产开发的金融支持，ch 表示建房成本，E'表示影响房地产供给的其他因素。

对方程(1)、(2)和(4)取对数整理可得:

(二)指标解释

由于本文的重点是研究人口迁移、金融集聚对房地产价格的影响，本文的重点测度是人口迁移、金融集聚与房地产价格这三个指标。其中，人口迁移指标包括各省份间的人口迁入与迁出指标，数据来源于1999—2009年《中华人民共和国全国分县市人口统计资料》。

关于金融集聚常采用本地区金融业从业人员人数占总就业人口比重除以全国金融从业人员占总就业占总就业人口的比重表示［11］。为了突出各地区间的差异，本文直接用本地区金融业从业人员人数占总就业人口比重表示，数据来源于2000—2010年《中国统计年鉴》。本文的金融集聚也可以看做是一个人口因素，反映人口在金融行业之间的迁移(转移)。根据数据的可得性，①各省份1998年及之前的住房价格没有公布，从而选取的时间区间为1999—2009年。房地产价格用1999—2009年的住宅商品房本年销售价格表示，数据来源于中经网统计数据库。

本文对房地产价格、金融集聚和人口迁移指标均取对数处理，分别记为lnPH (房地产价格价格对数)、lnFF (金融集聚对数)、lnFIN (人口迁入对数)、lnFOUT (人口迁出对数)。全国及各地区房地产价格、人口迁入、人口迁出和金 融集聚指标的对数统计特征如表1 所示。

表1 各地区人口迁移、金融集聚和房地产价格对数的统计特征

(三)人口迁移、金融集聚与房地产价格的Granger 检验

1.人口迁入与房地产价格的Granger 检验结果

黑、浙、豫、湘、藏、宁、新7 个省份的检验结果是相互独立的。京、辽、吉、沪、苏、赣、鄂、粤、桂、渝、川、滇、青13 个省份人口迁入是房地产价格的Granger 原因，这些地区人口迁入直接影响着该地区的房地产价格。津、冀、晋、蒙、皖、闽、鲁、琼、黔、陕、甘11 个省份的房地产价格是人口迁入的Granger 原因，这些地区房地产价格在一定程度上吸引着外省人口的迁入。

2.人口迁出与房地产价格的Granger 检验结果

京、晋、吉、沪、闽、湘、桂、琼、渝、川、藏、宁、青、津14 个省份的检验结果是相互独立的，说明这些地区人口的迁出对房地产价格的影响不大。冀、蒙、辽、黑、皖、赣、鲁、鄂8 个省份的人口迁出是房地产价格的Granger成因，说明这些地区的人口迁出一定程度上影响着该地区的房地产价格。其中陕、黔人口迁出和房地产价格互为Granger 成因，说明人口迁出和房地产价格之间存在着相互影响。江、浙、豫、粤、滇、甘、新7 个省区的房地产价格是人口迁出的Granger 成因，说明房地产价格直接影响着这些地区的人口迁出。

3.金融集聚与房地产价格的Granger 检验结果

晋、辽、吉、沪、皖、闽、赣、湘、桂、藏、宁、青、黔13 个省份的检验结果是相互独立的，说明这些地区金融集聚和房地产价格的相互影响不明显。而其他各省份的金融集聚都是房地产价格的Granger 成因，说明这些地区金融集聚程度直接影响着该地区的房地产价格。

(四)计量模型的设定

本文选取大陆31 个省份数据，并参考中经网统计数据库上关于全国东、中、西部的划分方法把31 个省份划分为东部、中部和西部地区。

1.相关面板变量的定义

因变量:以PHit表示t 时间i 地区住宅商品房本年销售价格。

自变量:以FINit、FOUTit分别表示t 时间i地区的跨地区人口迁入量和迁出量。以FFit表示t 时间i 地区的金融集聚程度。

控制变量:根据前面的分析，本文选取建房成本与城镇居民人均可支配收入作为控制变量。而房屋造价只包含房屋的建筑成本，与建房融资成本关系不大，故选用房屋造价来代替建房成本。以CHit表示t 时间i 地区的建房成本，这一变量用商品房竣工房屋造价代替，数据来源于中经网统计数据库。以INCit表示t 时间i 地区的城镇居民人均可支配收入，数据来源于2000—2010年《中国统计年鉴》。

2.面板模型的选择

面板数据模型的一般形式如下:

该模型存在不变系数、变截距和变系数三种形式。从本文选取的数据看，东部、中部和西部的数据具有截面维度小于或等于时间维度(N≤T)特点，而GMM 估计结果在小样本下无效，从而采用面板数据的一般形式对各地区进行考察。故本文全国和各地区的模型设定如下:

其中，k=1，2，3 分别代表东部、中部和西部地区。

如果模型中各变量均服从面板单位根，并且残差uit～I (0)，则模型(6)和(7)为面板协整模型。将uit作为误差修正项，可以建立东部、中部和西部的误差修正模型:

其中，Δ 为原序列的一阶差分序列。误差修正模型(8)反映各变量之间的短期均衡关系，以及对长期均衡的偏离程度ecmk，it。

四、实证结果与分析

(一)面板协整模型估计

1.单位根检验

为了避免伪回归，需对面板数据进行单位根检验，以确定数据的平稳性。LLC 检验、Fisher－ADF 检验和Fisher－PP 检验表明各变量在5%的显著水平下不能拒绝存在单位根的原假设，即所有变量在该水平下都是不平稳的。对各变量做差分后，各变量的一阶差分都在5%的显著水平下是平 稳 的，故 lnPH、lnFIN、lnFOUT、lnFF、lnINC和lnCH 都是I (1)变量，满足建模要求。

2.协整检验

本文采用Pedroni 协整检验来检验变量之间是否存在着长期的均衡关系。该方法以协整方程的回归误差为基础通过构建7 个统计量来检验面板变量之间的协整关系。本文的时间跨度为1999—2009年，共11年，故选用面板的t 统计量和组间t 统计量的统计结果。检验结果表明，各地区在5%的显著水平下拒绝不存在协整关系的原假设，即变量之间存在协整关系。

3.面板数据回归结果

表2 为对式(7)即各地区面板协整模型估计，反映各地区人口迁移、金融集聚与房地产价格之间存在的长期均衡关系。表中的R2都在0.94 以上，说明模型总体拟合效果较好。

表2 面板协整模型估计结果

从回归结果可以发现:

(1)人口迁入(lnFIN)在东部、中部和西部地区回归的系数项都为正，分别为0.1529、0.1107和0.0232。说明各地区人口迁入均对这些地区的房地产价格产生正的影响，而东部和中部的系数项显著地大于西部地区，说明在东部和中部地区人口迁入比在西部地区的人口迁入对房地产价格的影响更大，西部地区人口迁入对房地产价格的作用比较弱。东部地区为主要的人口流入地带，大量的人口迁入会推动东部地区房地产价格的上涨。

(2)人口迁出(lnFOUT)在东部和西部的系数为负值，分别为－0.2956和－0.2329。说明东部和西部地区的人口迁出有助于降低迁出地区的房地产价格。而在中部地区人口迁出的系数为正数0.0430，其绝对值小于东部和西部地区，说明中部地区人口迁出对该地区房地产价格的影响要小于东部和西部地区。但是没能通过10%的显著性检验，说明人口迁出对中部地区房地产价格的解释性不强。中部地区作为主要的人口迁出地带，其人口迁出对该地区的房地产价格影响不大，没能起到抑制房地产价格的作用。

(3)金融集聚(lnFF)在东部、中部和西部的系数都为负值，分别为－0.0328、－0.0354和－0.0061。在这三个地区金融集聚程度与房地产价格存在着负相关，说明金融集聚程度对房地产价格的上涨起着一定的抑制作用。在这三个区域，现有金融集聚程度起着降低开发商筹资成本的作用，有利于房地产价格的下跌，没有达到因竞争而导致信贷的快速扩张并提高成本而导致房地产价格上涨的状况。其中东部和中部的系数的绝对值比西部大，说明金融集聚在东部和中部地区对房地产价格的影响更明显。

(4)从控制变量人均可支配收入(lnINC)和建房成本(lnCH)看，这两个变量的估计系数均为正数，且系数比较大，说明人均可支配收入和建房成本仍然是影响各地区房地产价格的重要因素。控制变量的引入，有助于我们更准确地了解人口迁移和金融集聚对房地产价格的影响。

(二)面板误差修正模型估计结果与分析

面板误差修正模型考察的是各变量的短期均衡关系。误差修正模型估计结果如表3 所示。从表3 显示的结果看，ecmit－1的系数均为负值，都通过了1%的显著性检验，符合反向调整关系原理，说明东部、中部和西部地区都存在着短期的均衡关系。东部、中部和西部地区每年分别能调整17%、74%和64%。人口迁入在东部和中部地区都不显著，在西部地区通过10%的显著性检验且系数为正，说明从短期看，人口迁入的变动对西部地区房地产价格的变动起着促进作用。人口迁出的变动在东部和西部地区对房地产价格变动的影响都很显著，回归系数为负值，而在中部地区对房地产价格变动的影响不显著，说明东部和西部的人口迁出的变动对这些地区房地产价格的变动在短期内起着一定的抑制作用。金融集聚在东部、中部和西部地区都很显著并且系数为负值，说明金融集聚的变动与房地产价格的变动方向相反，金融集聚的提高会促使房地产价格下跌，也说明了短期内金融集聚的提高对各地区房地产价格的上涨也起着抑制作用。

表3 面板误差修正模型估计结果

五、结论

(一)房地产价格的变动符合反向调整原理

由误差修正模型可知，各地区房地产价格的变动符合反向调整关系，东部地区房地产价格比中部和西部地区房地产价格向均衡水平回归的速度要慢，中部地区房地产价格向均衡水平回归的速度最快。政府对东部地区房地产价格的短期调控效果不明显，政府更应该注重长期的调控。

(二)人口迁移直接影响着房地产价格，人口迁移对房地产价格的影响、人口迁移变动对房地产价格变动的影响都存在着地区差异

第一，人口迁入增加了对房屋的需求，对房地产价格的上涨起着推动作用，人口迁出会减少迁出地房屋需求而有利于房地产价格的下跌。人口迁入直接作用于房地产价格，而人口迁出对房地产价格的影响存在着滞后效应。

第二，东部和中部地区人口迁入对房地产价格的作用比较强，而西部地区人口迁入对房地产价格的作用比较弱。东部地区作为主要的人口流入地带，大量的人口迁入会推动东部地区房地产价格的快速上涨。中部地区作为人口迁入的第二大区域，人口迁入也对该区域房地产价格的上涨起着推动作用。虽然从人口净迁移的方向看，西部地区(除四川和广西外)人口净迁移由净迁出转为净迁入，但在西部地区，人口迁入对房地产价格影响仍远远低于东部和中部地区。在短期内，人口迁入的变动在西部地区对房地产价格的变动的影响比较明显，起着正向推动的作用;人口迁入的变动在东部和中部地区对房地产价格变动的影响不显著。

第三，东部和西部地区的人口迁出有助于降低迁出地的房地产价格，中部地区的人口迁出对该地区房地产价格的影响不大。中部地区作为主要的人口迁出地带，其人口迁出没能起到抑制房地产价格的作用。作为第二大人口迁出区的东部，其人口迁出对房地产价格的抑制作用比较明显。西部地区的人口迁出起到抑制房地产价格的作用，但对房地产价格的抑制作用没有东部地区那么显著。在短期内，东部和西部地区人口迁出变动对这些地区房地产价格的变动起着一定的抑制作用，中部地区人口迁出变动对中部地区房地产价格变动的作用不明显。

第四，从人口迁移对房地产价格的影响看，政府可以通过给予中西部地区政策和经济上的支持，鼓励对口支援来加快中部和西部地区经济的发展，缩减区域经济发展差异，利用产业政策引导人口合理分布、加大保障性住房的建设等政策来引导房地产市场的健康发展。

(三)金融集聚对房地产价格的上涨都起着一定的抑制作用，但地区之间存在着差异性

第一，各模型中金融集聚变量回归的系数都为负值，说明金融集聚程度越高越有助于抑制房地产价格的上涨，现有的金融集聚程度都起着降低开发商筹资成本的作用，没有达到因竞争而导致信贷的快速扩张并提高成本而导致房地产价格上涨的状况。金融集聚对住房供给的促进作用大于对住房需求的促进作用。

第二，从金融集聚程度看，集聚程度最高的为东部地区，其次为中部地区，西部地区最低，金融集聚在东部和中部地区对房地产价格的抑制作用比西部地区更明显。加之西部地区人口密度小，从而提高东部和中部地区金融集聚程度对房地产价格的抑制作用要好于西部地区。金融集聚的提高起到抑制房地产价格的作用，我国应该加强金融集聚，给房地产市场提供金融服务支持。

第三，金融集聚的变动与房地产价格的变动存在着反向关系，短期金融集聚的改变会引起房地产价格的反向变化，也体现了金融集聚对房地产价格的抑制作用。金融集聚变动对房地产价格变动影响最大的地区为中部地区，其次为东部地区，西部地区最小。如果提高各地区的金融集聚程度，则中部地区金融集聚的改变对房地产价格的抑制作用表现最明显，东部地区次之，西部地区金融集聚的改变对房地产价格的抑制作用没有中部和西部地区明显。尽管西部地区金融集聚的改变对房地产价格的抑制作用没有中部和西部地区明显，但一个地区金融发展水平还影响该地区的经济发展，从而对西部地区金融支持的力度决不能减少。

［1］王嘉慧.谈人口因素对住宅房地产市场的影响——以威海市为例［J］.商场现代化，2007，(7):236－237.

［2］王永慧，张丽.未来人口年龄结构变动对住宅需求的影响［J］.西北人口，2005，(3):6－8.

［3］吴老二，刘婧.人口迁移与房地产价格——以广东省为例［J］.地域研究与开发，2007，(4):112－115.

［4］吴阳香.大城市人口迁移与房价相互作用的实证研究——以南京市为例［D］.南京:南京农业大学硕士学位论文，2007.

［5］李宏瑾.房地产市场、银行信贷与经济增长——基于面板数据的经验研究［J］.国际金融研究，2005，(7):30－36.

［6］张海英.我国银行信贷与房地产价格互动关系的实证研究［D］.天津:天津大学硕士学位论文，2010.

［7］魏玮，王洪卫.房地产价格对货币政策动态响应的区域异质性——基于省际面板数据的实证分析［J］.财经研究，2010，(6):123－132.

［8］梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析［J］.经济研究，2007，(8):133－142.

［9］Muellbauer，J.，Murphy，A.Booms and Busts in the UK Housing Market［J］.Economic Journal，1997，445(107):1701－1728.

［10］Quigley，J.M.Consumer Choice of Dwelling，Neighborhood and Public Services［J］.Regional Science and Urban Economics，1979，15(1):41－63.

［11］任英华，徐玲，游万海.金融集聚影响因素空间计量模型及其应用［J］.数量经济技术经济研究，2010，(5):104－115.

［12］刘颖春.城市化过程中人口变动趋势对我国房地产开发的影响［J］.人口学刊，2004，(3):45－48.

［13］王春艳，吴老二.人口迁移、城市圈与房地产价格——基于空间计量学的研究［J］.人口与经济，2007，(4):63－68.

［14］高铁梅.计量经济分析方法与建模(第二版)［M］.北京:清华大学出版社，2009.