黄色污污污网站免费观看,日韩又粗又硬又大又爽免费视频,成人黄色在线观看一区,亚洲动漫永久精品免费,欧美精品brazzers高清,亚洲黄色手机在线播放,男人的大鸡巴狠狠抽女人逼视频,亚洲高清成人av在线,国产三级韩国三级日产三级

摘要

本文構(gòu)建了研究中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的分析框架，將影響房?jī)r(jià)的變量劃分為需求類、供給類、金融類與政策類，實(shí)證分析了2005-2017年中國(guó)31個(gè)省份及自治區(qū)與70個(gè)大中城市房?jī)r(jià)的驅(qū)動(dòng)因素，并進(jìn)一步探討了一、二線城市與五大區(qū)域核心城市群房?jī)r(jià)驅(qū)動(dòng)因素的異質(zhì)性，實(shí)證結(jié)論如下：

第一，全國(guó)31個(gè)省份房?jī)r(jià)一定程度上由供需類的基本面變量驅(qū)動(dòng)，人口流入及優(yōu)質(zhì)資源數(shù)量、個(gè)人貸款增速與家庭部門杠桿率是其房?jī)r(jià)走勢(shì)的最顯著驅(qū)動(dòng)因素，人均收入、貨幣供給增長(zhǎng)與政策調(diào)控對(duì)房?jī)r(jià)波動(dòng)的影響最為明顯;

第二，需求類與金融類變量驅(qū)動(dòng)著全國(guó)70個(gè)大中城市房?jī)r(jià)的走勢(shì)，需求類變量中，常住人口比例上升是房?jī)r(jià)上漲的顯著推動(dòng)因素，金融類變量中，個(gè)人住房貸款利率的降低對(duì)房?jī)r(jià)的抬升作用最大，幾乎全部金融類變量驅(qū)動(dòng)著大中城市房?jī)r(jià)的波動(dòng);

第三，一、二線城市房?jī)r(jià)走勢(shì)與波動(dòng)受金融因素驅(qū)動(dòng)更為顯著，人均土地購(gòu)置面積也是其房?jī)r(jià)變動(dòng)的重要因素;

第四，近年來房地產(chǎn)調(diào)控在一定程度內(nèi)導(dǎo)致房?jī)r(jià)反向波動(dòng)，政策難以達(dá)到預(yù)期效果。以上表明，人口或資源流動(dòng)、信貸與杠桿率是此輪全國(guó)房?jī)r(jià)漲跌的重要原因，而人均收入的拉大、資金過度集聚與土地供給的失衡是此輪城市房?jī)r(jià)分化拉大的重要原因。

引言

自1999年中國(guó)城鎮(zhèn)住房制度改革以來，居民住房消費(fèi)水平不斷提高，房屋成為家庭部門消費(fèi)的重頭戲，甚至中國(guó)經(jīng)濟(jì)的“晴雨表”。特別是2005-2015十余年間，中國(guó)房地產(chǎn)市場(chǎng)呈現(xiàn)一個(gè)顯著的特征事實(shí)：一面是中國(guó)各省市房?jī)r(jià)的普遍加速上漲，另一面是以住建部為代表的監(jiān)管部門對(duì)房?jī)r(jià)進(jìn)行頻繁調(diào)控。2015年后，中國(guó)房地產(chǎn)呈現(xiàn)新一輪復(fù)蘇與回暖，房?jī)r(jià)也悄然出現(xiàn)地域間與城市間的顯著分化：一線城市最先領(lǐng)漲，沿海地區(qū)的二線城市緊隨其后，三四線城市房?jī)r(jià)漲幅差異巨大，并且這一變化逐漸形成中國(guó)房?jī)r(jià)變動(dòng)的新趨勢(shì)。這似乎表明使用單一的國(guó)家層面的宏觀數(shù)據(jù)分析中國(guó)房?jī)r(jià)走勢(shì)將不再適用，探析省份、城際間的異質(zhì)性將對(duì)于把握中國(guó)房?jī)r(jià)的未來至關(guān)重要。

與此同時(shí)，房?jī)r(jià)在評(píng)估金融穩(wěn)定與預(yù)警系統(tǒng)性風(fēng)險(xiǎn)方面扮演著關(guān)鍵角色。當(dāng)房地產(chǎn)泡沫過度聚集乃至導(dǎo)致房?jī)r(jià)突然顯著下行時(shí)，將對(duì)家庭部門資產(chǎn)負(fù)債表、企業(yè)信心與商業(yè)銀行借貸能力構(gòu)成巨大沖擊。數(shù)據(jù)顯示，2018年中國(guó)50個(gè)大中城市房?jī)r(jià)收入比為11.36，如此高杠桿支撐的居高房?jī)r(jià)背后也暗藏著房?jī)r(jià)顯著下行的風(fēng)險(xiǎn)。那么，分類找出房?jī)r(jià)的驅(qū)動(dòng)因素，對(duì)于保持經(jīng)濟(jì)增長(zhǎng)、維持金融穩(wěn)定、穩(wěn)定消費(fèi)者信心均有積極的意義。

鑒于此，本文構(gòu)建了研究中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的分析框架，將中國(guó)房?jī)r(jià)的驅(qū)動(dòng)因素劃分為供給類因素、需求類因素、金融類因素與政策類因素，以全國(guó)31個(gè)省份及自治區(qū)與70個(gè)大中城市為樣本，分地域與城市討論了2005-2017年間中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的驅(qū)動(dòng)因素。如果此輪房?jī)r(jià)變動(dòng)主要由供需因素驅(qū)動(dòng)，那么意味著該地區(qū)住房?jī)r(jià)格仍由經(jīng)濟(jì)基本面決定，政府可以從供給側(cè)與需求側(cè)共同構(gòu)建調(diào)節(jié)房?jī)r(jià)的長(zhǎng)效機(jī)制，引導(dǎo)房屋“只住不炒”;如果此輪房?jī)r(jià)更多由金融因素與政策因素決定，那么意味著該地區(qū)城市房?jī)r(jià)已偏離基本面，具有一定的金融屬性甚至是資產(chǎn)泡沫，一旦出臺(tái)打壓房?jī)r(jià)的嚴(yán)厲政策或居民顯著加杠桿，此類地區(qū)房?jī)r(jià)將具有較高的下行風(fēng)險(xiǎn)。本文剩余部分的結(jié)構(gòu)安排如下：第二部分為文獻(xiàn)回顧，第三部分構(gòu)建研究中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的分析框架，第四部分是針對(duì)中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)驅(qū)動(dòng)因素的定量實(shí)證分析，第五部分為穩(wěn)健性檢驗(yàn)，最后部分為結(jié)論與政策建議。

文獻(xiàn)回顧

關(guān)于房地產(chǎn)驅(qū)動(dòng)因素的文獻(xiàn)并不鮮見。Muth(1971)從微觀角度構(gòu)建模型，表明單位面積建造成本、與CBD的距離、土地使用面積等變量均為驅(qū)動(dòng)房?jī)r(jià)走勢(shì)的影響因素。隨著人口流動(dòng)與資本流動(dòng)程度顯著提升，更多的文獻(xiàn)開始關(guān)注房地產(chǎn)驅(qū)動(dòng)的宏觀因素。金融狀況是較多文獻(xiàn)關(guān)注的一個(gè)重要變量，金融狀況可以通過多種渠道驅(qū)動(dòng)房?jī)r(jià)波動(dòng)。例如，公司債券的風(fēng)險(xiǎn)溢價(jià)上升將驅(qū)動(dòng)信貸供給收縮，從而影響包括房?jī)r(jià)在內(nèi)的資產(chǎn)價(jià)格波動(dòng)(Gilchrist& Zakrajšek, 2012);Adrian等(2019)分析了融資狀況對(duì)GDP增長(zhǎng)的潛在影響，發(fā)現(xiàn)在短期內(nèi)融資狀況偏緊通常導(dǎo)致經(jīng)濟(jì)下行風(fēng)險(xiǎn)增加，由于居民收入下降、失業(yè)率增加導(dǎo)致住房消費(fèi)減少;Ortalo-Magne& Rady(2005)發(fā)現(xiàn)家庭收入是驅(qū)動(dòng)房?jī)r(jià)的重要變量，對(duì)于預(yù)測(cè)房?jī)r(jià)走勢(shì)具有重要意義。

家庭部門負(fù)債狀況是影響房?jī)r(jià)走勢(shì)的又一關(guān)鍵變量。IMF(2019)發(fā)現(xiàn)無論發(fā)達(dá)國(guó)家還是發(fā)展中國(guó)家中，信貸高漲都與房?jī)r(jià)下行高度相關(guān);家庭部門負(fù)債對(duì)于房?jī)r(jià)影響的傳導(dǎo)機(jī)制與金融狀況傳導(dǎo)機(jī)制類似，家庭部門杠桿率增加將對(duì)經(jīng)濟(jì)增長(zhǎng)、家庭收入與就業(yè)產(chǎn)生負(fù)面影響，通過以上三個(gè)渠道家庭負(fù)債對(duì)于房地產(chǎn)市場(chǎng)構(gòu)成潛在沖擊。2008年全球金融危機(jī)后，部分學(xué)者開始著手于探索發(fā)達(dá)國(guó)家家庭部門杠桿率、房地產(chǎn)泡沫與金融危機(jī)的關(guān)系，卻得出了截然相反的結(jié)果。Dang等(2010)發(fā)現(xiàn)，金融危機(jī)的爆發(fā)與房地產(chǎn)市場(chǎng)的次級(jí)貸款累積直接相關(guān)，而次貸增加由于低質(zhì)量借款者的高杠桿密切相關(guān)。然而，Bhutta (2015)對(duì)這一觀點(diǎn)提出了質(zhì)疑，他發(fā)現(xiàn)來自房地產(chǎn)投資者的房地產(chǎn)市場(chǎng)資本流入比來自信用評(píng)分較低的首次購(gòu)房者的資本流入增長(zhǎng)更快，這表明次級(jí)借款者的債務(wù)對(duì)金融危機(jī)的貢獻(xiàn)其實(shí)有限。

資金流動(dòng)與人口結(jié)構(gòu)同樣是驅(qū)動(dòng)房?jī)r(jià)走勢(shì)因素之一?？缇迟Y本流動(dòng)通常驅(qū)動(dòng)發(fā)達(dá)經(jīng)濟(jì)體的房?jī)r(jià)，例如，Caballero等(2008)實(shí)證發(fā)現(xiàn)新興市場(chǎng)過剩的儲(chǔ)蓄追逐美國(guó)的安全優(yōu)質(zhì)資產(chǎn)，再加上美國(guó)長(zhǎng)期的低利率，導(dǎo)致跨國(guó)資金流入推升美國(guó)房?jī)r(jià)。對(duì)于中國(guó)而言，由于資本賬戶未完全開放，一個(gè)城市的房?jī)r(jià)通常由人口結(jié)構(gòu)與區(qū)域間資金流入而推動(dòng)。徐建瑋等(2012)認(rèn)為年輕人口撫養(yǎng)比例的提高將推升房?jī)r(jià);鄒瑾(2014)認(rèn)為人口年齡結(jié)構(gòu)將長(zhǎng)期決定房?jī)r(jià)波動(dòng)。

此外，供給、需求類及周期性因素也在房?jī)r(jià)決定中扮演重要角色。Philips(1988)認(rèn)為收入與預(yù)期均會(huì)驅(qū)動(dòng)房?jī)r(jià)走勢(shì)。Gattini& Hieber (2010)使用住房供應(yīng)指標(biāo)來預(yù)測(cè)歐元區(qū)的住房市場(chǎng)發(fā)展，發(fā)現(xiàn)住房供應(yīng)指標(biāo)包括住宅投資和實(shí)際利率與房?jī)r(jià)波動(dòng)相關(guān)。余華義(2010)發(fā)現(xiàn)土地政策是驅(qū)動(dòng)房?jī)r(jià)的重要因素，土地供應(yīng)量增加有助于推動(dòng)房?jī)r(jià)上漲。Aherene等(2005)發(fā)現(xiàn)房?jī)r(jià)變動(dòng)與信貸周期有關(guān)，OECD國(guó)家貨幣供應(yīng)量增加后，房?jī)r(jià)將首先面臨上漲。

從研究方法上來看，除了少數(shù)文獻(xiàn)研究在DSGE模型框架下研究外生沖擊對(duì)房?jī)r(jià)的影響，大部分為實(shí)證研究。例如，Liu等(2011)構(gòu)建了融入房?jī)r(jià)和固定投資的DSGE模型，討論了信貸約束如何影響房?jī)r(jià)等宏觀經(jīng)濟(jì)變量波動(dòng);Hirata(2012)通過構(gòu)建含有利率、貨幣政策、產(chǎn)出、信貸及不確定性因素的FA-VAR模型，剖析了全球房?jī)r(jià)波動(dòng)的驅(qū)動(dòng)因素，發(fā)現(xiàn)全球主要國(guó)家房?jī)r(jià)走勢(shì)是同步的，全球利率沖擊將對(duì)房?jī)r(jià)構(gòu)成負(fù)面影響，但貨幣政策對(duì)其影響不大，不確定性沖擊則是驅(qū)動(dòng)房?jī)r(jià)的最重要因素;劉金全和呂夢(mèng)菲(2018)通過構(gòu)建VAR模型研究了貨幣政策、GDP增速與居民杠桿率對(duì)房?jī)r(jià)的影響，發(fā)現(xiàn)寬松型貨幣政策是中國(guó)房?jī)r(jià)上漲的主力。況偉大(2013)使用北京市1040名城鎮(zhèn)住房所有者的調(diào)查問卷，使用logit模型考察了開征房產(chǎn)稅對(duì)預(yù)期房?jī)r(jià)的影響，發(fā)現(xiàn)開征房產(chǎn)稅對(duì)抑制房?jī)r(jià)作用有限，開征越早作用越好;丁如曦和倪鵬飛(2015)采用探索性數(shù)據(jù)分析方法和空間計(jì)量技術(shù)，研究了中國(guó)城市房?jī)r(jià)的區(qū)域空間格局與特征，發(fā)現(xiàn)中國(guó)城市間房?jī)r(jià)依賴于周邊城市房?jī)r(jià)波動(dòng)的空間正向溢出效應(yīng)影響，這種影響在區(qū)域間存在異質(zhì)性。

結(jié)合上述研究，不難發(fā)現(xiàn)多數(shù)文獻(xiàn)著重于探索單一變量對(duì)于房?jī)r(jià)驅(qū)動(dòng)的影響，多采用VAR模型將房?jī)r(jià)看作內(nèi)生變量，鮮有文獻(xiàn)對(duì)中國(guó)城市房?jī)r(jià)驅(qū)動(dòng)因素進(jìn)行全景式探索與貢獻(xiàn)程度的考量。據(jù)此，本文構(gòu)建了研究中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的分析框架，探索了2005-2017年間中國(guó)31個(gè)省份及自治區(qū)與全國(guó)70個(gè)大中城市房?jī)r(jià)的驅(qū)動(dòng)因素，本文的主要貢獻(xiàn)如下：第一，構(gòu)建中國(guó)房?jī)r(jià)影響因素的分析框架，將驅(qū)動(dòng)房?jī)r(jià)的因素劃分為供給類、需求類、金融類與政策類變量，討論驅(qū)動(dòng)房?jī)r(jià)走勢(shì)和波動(dòng)的主要因素及貢獻(xiàn)程度;第二，從省級(jí)到地市，由整體至區(qū)域，對(duì)中國(guó)房?jī)r(jià)影響因素進(jìn)行全面分析探索;第三，本文的結(jié)果一定程度上反映了該地區(qū)或城市的房?jī)r(jià)是由經(jīng)濟(jì)基本面驅(qū)動(dòng)還是金融類因素驅(qū)動(dòng)，為政策決策者與購(gòu)房消費(fèi)者提供一定的參考價(jià)值。

中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)影響因素的分析框架

為構(gòu)建中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的分析框架，依據(jù)中國(guó)居民住房可能同時(shí)兼有商品和金融屬性，并且房?jī)r(jià)受政策變動(dòng)影響較大，參考平安證券(2017)的研究，我們將中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的驅(qū)動(dòng)因素劃分為四類：第一類為需求類因素;第二類為供給類因素;第三類為金融類因素;第四類為政策類因素。這四類因素基本囊括了影響中國(guó)房?jī)r(jià)的主要成因。

(一)需求類因素

驅(qū)動(dòng)中國(guó)房?jī)r(jià)的需求因素大抵可歸為三類：一類是居民收入類變量，一類是存量人口需求，另一類是流量人口流動(dòng)需求，具體如下：

人均收入水平：用一個(gè)地區(qū)或城市的人均GDP表示。根據(jù)住房的居民財(cái)富效應(yīng)，人均收入水平是影響住房購(gòu)買力需求的最關(guān)鍵變量，收入水平越高的地域，通常具有越高的購(gòu)房需求，房?jī)r(jià)也因此越高。

常住人口/戶籍人口：本地戶籍人口通常具有穩(wěn)定數(shù)量的家庭住房。相比之下，外來常住人口是該地區(qū)或該城市購(gòu)房的剛性需求來源。該比例數(shù)值越大，說明購(gòu)房需求越為強(qiáng)烈，房?jī)r(jià)也將上漲。對(duì)于人口流入較快的大中城市，該比例上升與房?jī)r(jià)上漲的正相關(guān)關(guān)系將更為顯著。

工作人口/常住人口：在常住人口中，工作人口比例越大，表示具有更強(qiáng)的剛性購(gòu)房需求。在房?jī)r(jià)漲幅位居前列的城市中，通常具有較高的工作人口比例。該變量與房?jī)r(jià)通常呈現(xiàn)正相關(guān)關(guān)系。

優(yōu)質(zhì)公共資源數(shù)量：一個(gè)地區(qū)或城市優(yōu)質(zhì)公共資源數(shù)量越多，表示具有更高的潛在人口流入，預(yù)示著潛在的購(gòu)房需求越為旺盛，將長(zhǎng)期推高房?jī)r(jià)。教育與醫(yī)療通常是最為優(yōu)質(zhì)的公共資源，我們使用“211大學(xué)+三甲醫(yī)院”數(shù)目來作為優(yōu)質(zhì)公共資源數(shù)量的工具變量。

(二)供給類因素

住房作為一種普通商品，價(jià)格由供需定律決定。影響房?jī)r(jià)的供給類因素通常包括土地供給面積及房屋庫(kù)存等。

土地購(gòu)置面積：土地供給是影響房?jī)r(jià)波動(dòng)的重要驅(qū)動(dòng)因素。然而，由于地區(qū)或城市面積大小存在差別，整體土地供給與房?jī)r(jià)的相關(guān)性并不大。但是，人均土地購(gòu)置面積通常與房?jī)r(jià)具有較強(qiáng)的負(fù)相關(guān)關(guān)系，即土地供給較為充分的地區(qū)或城市，房?jī)r(jià)漲幅越小。該變量用土地購(gòu)置面積/常住人口表示。

人均商品房庫(kù)存：用庫(kù)存/常住人口表示。理論上，庫(kù)存越低的地區(qū)或城市，表明房屋越供不應(yīng)求，房?jī)r(jià)漲幅的空間越大。該變量通常與房?jī)r(jià)漲幅呈負(fù)相關(guān)關(guān)系。

(三)金融類因素

驅(qū)動(dòng)中國(guó)房?jī)r(jià)的金融類因素主要與信貸規(guī)模、利率水平與估值水平有關(guān)。一方面，房?jī)r(jià)通常與信貸周期及利率周期的輪動(dòng)有關(guān)，另一方面，房屋作為一種資產(chǎn)，兼有金融屬性，因而房?jī)r(jià)受到金融類因素的影響也較大。

住房貸款余額增速：信貸周期與房?jī)r(jià)走勢(shì)具有較高的同質(zhì)性及相互強(qiáng)化的效果。例如，房?jī)r(jià)上行的預(yù)期提高了居民購(gòu)房意愿，導(dǎo)致住房貸款余額增速加快，而反之，居民過剩的購(gòu)房意愿又推高房?jī)r(jià)的上行預(yù)期。因此，住房貸款余額增速越快，房?jī)r(jià)上行越快。

M2同比增速：M2同比增速越快，通常預(yù)示著流動(dòng)性環(huán)境越為寬松，這將助推房?jī)r(jià)上行。同時(shí)，依據(jù)歷史數(shù)據(jù)，M2同比增速通常領(lǐng)先于房?jī)r(jià)變動(dòng)5-6個(gè)月，是房?jī)r(jià)走勢(shì)的先行指標(biāo)。

住房貸款利率：貸款利率水平是驅(qū)動(dòng)房?jī)r(jià)走勢(shì)的重要因素。理論上，住房貸款利率上升將增加購(gòu)房者的融資成本，抑制房?jī)r(jià)的上漲;反之，住房貸款利率下降將減輕購(gòu)房者成本，助推房?jī)r(jià)上行。值得注意的是，住房貸款利率的變動(dòng)對(duì)于剛需購(gòu)房者作用有限，對(duì)于具有投資需求的購(gòu)房者作用更強(qiáng)。

購(gòu)房杠桿水平：購(gòu)房杠桿水平作為估值指標(biāo)，被視為房?jī)r(jià)的“市盈率”。我們通常將房?jī)r(jià)收入比作為杠桿水平的代表變量，在形成單邊預(yù)期的條件下，房?jī)r(jià)收入比越高，房?jī)r(jià)上漲預(yù)期越容易被放大，因此兩者通常呈現(xiàn)正相關(guān)關(guān)系。同時(shí)，家庭部門杠桿率也可視為購(gòu)房杠桿水平的另一替代指標(biāo)，家庭部門加杠桿，通常對(duì)于房屋等資產(chǎn)價(jià)格具有一定的推動(dòng)作用。

(四)政策類因素

政策調(diào)控：在實(shí)踐中，我們發(fā)現(xiàn)政策類因素對(duì)于中國(guó)房?jī)r(jià)走勢(shì)的驅(qū)動(dòng)作用不容小覷。例如，當(dāng)住建部出臺(tái)“國(guó)六條”、“國(guó)八條”的房地產(chǎn)調(diào)控政策時(shí)，房?jī)r(jià)走勢(shì)將可能受到外生沖擊而出現(xiàn)逆轉(zhuǎn)。由于房地產(chǎn)調(diào)控政策有直接政策也有擬定方案的間接政策，我們只將影響房?jī)r(jià)預(yù)期的直接政策納入分析框架中。在理性預(yù)期的情況下，若出臺(tái)嚴(yán)調(diào)控政策，則視為抑制房?jī)r(jià)政策;若出現(xiàn)限令取消等寬松政策，則被視為助推房?jī)r(jià)上漲政策。我們將每條政策視為虛擬變量，助推房?jī)r(jià)記為+1，抑制房?jī)r(jià)記為-1。

結(jié)論與政策涵義

2005年以來，中國(guó)房地產(chǎn)市場(chǎng)呈現(xiàn)總體上漲、城市間分化加劇的趨勢(shì)。通過構(gòu)建中國(guó)房?jī)r(jià)走勢(shì)與波動(dòng)的分析框架，本文將驅(qū)動(dòng)房?jī)r(jià)的影響因素劃分為需求類、供給類、金融類與政策類變量，從省際到城市層面，構(gòu)建面板回歸方程，分別考察了2005-2017年31個(gè)省份與自治區(qū)、全國(guó)70個(gè)大中城市房?jī)r(jià)走勢(shì)與波動(dòng)的驅(qū)動(dòng)因素，并且進(jìn)一步探索了35個(gè)核心城市與五大區(qū)域核心城市群房?jī)r(jià)驅(qū)動(dòng)因素的異質(zhì)性，主要結(jié)論如下：

第一，從全國(guó)范圍內(nèi)看，各省份房?jī)r(jià)的走勢(shì)與波動(dòng)在一定程度上由供給類與需求類的經(jīng)濟(jì)基本面因素決定，住房仍具有較大程度的商品屬性。住房用地供給的增加、人均收入水平的提高、常住人口與工作人口的流入、優(yōu)質(zhì)資源的集聚均將驅(qū)動(dòng)房?jī)r(jià)變動(dòng)，但“總量型”的政策調(diào)控可能造成房?jī)r(jià)短期內(nèi)逆向波動(dòng)，不易達(dá)到理想政策預(yù)期。

第二，從全國(guó)70個(gè)大中城市房?jī)r(jià)來看，城市房?jī)r(jià)的走勢(shì)與波動(dòng)主要由需求類與金融類變量驅(qū)動(dòng)，這可能表明全國(guó)主要城市的住房兼有商品與金融資產(chǎn)屬性。土地供給與商品房庫(kù)存的增減不再是影響房?jī)r(jià)的顯著因素，居民杠桿率的變動(dòng)、貨幣供給量的增長(zhǎng)快慢、個(gè)人貸款利率的調(diào)整是房?jī)r(jià)走勢(shì)與波動(dòng)的最大貢獻(xiàn)因素。這可能表明未來全國(guó)主要城市的房?jī)r(jià)走勢(shì)具有較大的不確定性，同時(shí)需警惕私人部門間債務(wù)可能形成聯(lián)動(dòng)與溢出效應(yīng)，推高房?jī)r(jià)或者導(dǎo)致房?jī)r(jià)下跌，引發(fā)金融風(fēng)險(xiǎn)。

第三，從全國(guó)35個(gè)核心城市房?jī)r(jià)來看，一、二線城市住房的金融屬性或許遠(yuǎn)大于商品屬性，房?jī)r(jià)收入比的杠桿類變量是核心城市房?jī)r(jià)走勢(shì)的最大貢獻(xiàn)因素。這即意味著一、二線城市的房?jī)r(jià)已脫離傳統(tǒng)的經(jīng)濟(jì)基本面因素，未來房?jī)r(jià)的波動(dòng)性將顯著上升，房地產(chǎn)市場(chǎng)的風(fēng)險(xiǎn)將顯著增加。同時(shí)，土地供給一定程度上驅(qū)動(dòng)著一、二線城市房?jī)r(jià)的走勢(shì)，這即意味著增加房屋用地供給能夠有效為“過熱”的樓市“降溫”。

第四，從全國(guó)五大區(qū)域核心城市房?jī)r(jià)來看，京津冀地區(qū)與長(zhǎng)三角地區(qū)核心城市的房?jī)r(jià)主要由金融因素驅(qū)動(dòng)，鑒于兩區(qū)域常態(tài)化的高房?jī)r(jià)，未來兩區(qū)域房?jī)r(jià)將面臨更多的不確定性風(fēng)險(xiǎn);珠三角地區(qū)核心城市的房?jī)r(jià)主要由需求類與金融類變量驅(qū)動(dòng)，鑒于該地區(qū)對(duì)人才引進(jìn)的優(yōu)惠政策與優(yōu)質(zhì)資源的集聚，未來珠三角核心城市群房地產(chǎn)市場(chǎng)將延續(xù)活躍的局面;中部三角與西部三角地區(qū)核心城市的房?jī)r(jià)仍由供需類基本面因素主導(dǎo)，幾大核心城市的增長(zhǎng)潛力與空間溢出效應(yīng)將導(dǎo)致需求類因素未來可能推升兩地區(qū)的房?jī)r(jià)，未來中部三角與西部三角地區(qū)的核心城市將是房地產(chǎn)市場(chǎng)的“潛力股”。

本文的結(jié)論具有一定的政策啟示：

首先，中國(guó)房地產(chǎn)市場(chǎng)應(yīng)加強(qiáng)結(jié)構(gòu)性調(diào)控政策，也應(yīng)避免同類政策頻繁變動(dòng)或政策滯后導(dǎo)致的反向預(yù)期。新常態(tài)下的房地產(chǎn)調(diào)控應(yīng)構(gòu)建劃分區(qū)域與城市的差別化調(diào)控路徑與體系、“因城施策”。一、二線城市房地產(chǎn)調(diào)控政策應(yīng)注重增加供給，而三、四線城市應(yīng)避免形成大規(guī)模庫(kù)存;

其次，監(jiān)管部門應(yīng)重點(diǎn)監(jiān)控一、二線城市房?jī)r(jià)，尤其是抑制京津冀地區(qū)與長(zhǎng)三角地區(qū)的投機(jī)性炒房需求;

再次，政府部門應(yīng)落實(shí)熱點(diǎn)城市的保障房與廉租房制度，引導(dǎo)熱點(diǎn)城市房?jī)r(jià)逐漸回歸理性，并在一定區(qū)域內(nèi)形成示范效應(yīng)與正外部性;

最后，應(yīng)避免誘導(dǎo)居民部門過快加杠桿的行為，商業(yè)銀行應(yīng)審慎確定住房貸款首付比例與貸款額度，避免違約風(fēng)險(xiǎn)與系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生。(作者：張明、劉瑤)