房地產市場價格趨勢精選(五篇)
發布時間：2023-09-19 15:26:51
序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇房地產市場價格趨勢，期待它們能激發您的靈感。
篇1
關鍵詞：重慶房地產；高價樓；調控政策
中圖分類號：F293.3 文獻標識碼：A 文章編號：1008-4428（2017）04-38 -02
一、引言
改革開放以來，中國逐步廢除社會主義時期的住房政策，建立適應資本主義體制的房地產市場，其過程大致分為三個階段：1978～1991年，住房改革和房地產市場的區域性試點。1991～1998年，住房改革和房地產市場在全國推開。1998年后，房地產市場基本成熟。本階段，終止福利分房，全部城鎮住宅強制商品化。至此，地產資本終于敲開了他們夢寐以求的個人住房領域大門，大量資本開始涌入房地產市場，房地產投資熱火朝天。2016年一、二線城市房價又迎來“坐火箭”的一年，國家統計局最新數據顯示，2016年，我國商品房銷售面積約15.7億平方米，比上年增長22.5%， 商品房銷售額約11.8萬億元，增長34.8%，其中，住宅銷售額增長36.1%。在如此動蕩的房地產市場中，重慶的房價可謂是房地產界的一股清流，從直轄之初至今，無論是從居民的感知還是統計數據顯示，都保持著平穩增長的狀態。
二、影響重慶房價因素的探討與分析
（一）特殊的地理位置
重慶地處我國東、中、西三大經濟帶的中西經濟板塊的結合部。東鄰湖北、湖南，南靠貴州，西接四川，北連陜西；轄區東西長470千米，南北寬450千米，幅員面積8.24萬平方千米，為北京、天津、上海三直轄市總面積的2.39倍。重慶的結合部區域位置，具有承東啟西，左 右傳遞的樞紐作用，是交通、物質、文化、人員、技術、信息和經濟交流的中轉站，是沿海經濟向內陸腹地延伸的依托點之一，也是我國經濟發展向西進行戰略轉移的支撐點之一。正是這樣特殊的地理位置給重慶經濟的發展帶來了契機。廣袤的土地資源，大量的資金涌入以及便捷的交通也為重慶房地產業的發展創造了有利的條件。
（二）城鄉人口分布
2015年，重慶市常住人口3016.55萬人，與上年相比，增加25.15萬人，增長0.8%，常住人口繼續保持增長態勢。其中城鎮人口1838.41萬人，與上年相比，增加55.40萬人；全市城鎮化率60.94%，與上年相比，上升1.34個百分點。鄉村人口1178.14萬人，占常住人口的39.06%，與上年相比，減少30.25萬人。重慶市外出人口1069.43萬人，其中外出市外人口505.50萬人，占全部外出人口的47.3%；市內外出人口563.93萬人，占52.7%。全市外來人口150.21萬人。由以上數據分析得出，直以來，在重慶城市化進程中，伴隨著農村人口不斷減少，城市人口不斷增加，對商品房的需求也不斷增長，一定程度上推動了房地產業的發展，但同時重慶作為一座人口凈輸出的城市，市內外出人口占總人口比重達一半以上，另一方面也緩解了住房需求緊張的狀況，抑制了房價的過熱增長，使得供需趨于平衡。
（三）經濟發展狀況
曾經的重慶，主要產業不外乎鋼鐵、煤炭、化工、有色金屬、軍工等重化工產業，但在全國重化發展鼎盛時期，在鋼鐵行業、煤炭行業、化工行業、有色金屬行業狂歡中，重慶悄無聲息地實現了支柱產業轉換。重慶的高明之處在于，傳統行業處于發展鼎盛時期悄無聲息做減法，高技術產業做加法，新興產業做乘法。另外雖然重慶還處于投資驅動經濟發展階段，但重慶的投資重點不放在房地產方面，而是放在實體經濟領域、基礎設施領域、民生領域，重慶經濟的高增長并沒有建立在房地產高漲價基礎上，房地產投資嚴格控制在固定資產投資25%（+-3%）左右。從某種程度上看，重慶真正做到了系統性地從經濟和民生兩個維度去調控房地產市場，實現了人的城鎮化。
（四）政府對重慶房價的調控政策
重慶政府通過綜合考慮房地產市場的長短期特點，相繼出臺土地儲備制度、地票制度、保障房制度、房產稅制度，控制房地產市場宏觀層面的供求關系，共同創造了重慶成功控制房價的氛圍。
1.土地儲備制度
2002年8月22日，在時任副市長黃奇帆的推動下，重慶市政府通過了《重慶市國有土地儲備整治管理辦法》，開始大力實行土地儲備制度。其實質是，由政府主導，將市內土地一級市場的經營權交給由官方掌控的幾家市級土地儲備機構，核心在于原有的土地一級市場巨額增值收益不再被房產商占有，而是進入代表公共利益的國資系統。土地儲備制度對重慶房地產業影響重大，主要堅持了五項原則：一是超前儲備，一步到位；細水長流，逐年供應。二是對儲備地的使用要兼顧公益和商業開發。三是土地儲備不改變市區兩級政府的分配制度。四是土地儲備公司肩負做好兩個循環的責任。五是嚴格設置風險“隔離墻”。同年，重慶市建立了土地整治儲備中心，對全市土地市場進行宏觀調控。2003年2月，重慶市政府又在土地儲備中心的基礎上成立重慶市地產集團。該集團是重慶市政府注資的專事土地儲備和開發整理的運作載體。隨后幾年，重慶市城司、重慶市水利投資公司、渝富資產經營管理公司等重慶市政府旗下的投融資平臺，亦被授予土地儲備職能，介入了土地一級市場。政府從而有效地控制了房地產市場，形成了土地資源配置的良性循環。
2.地票制度
地票制度即將農村閑置的宅基地及其附屬設施用地、鄉鎮企業用地、公共設施用地等集體建設用地復墾為耕地，盤活農村建設用地存量，增加耕地數量。這一制度創新，從系統化的層面看，主要基于三方面的理論邏輯。一是地票制度是被異化城鎮化路徑的正常回歸，二是地票制度是產權經濟學的創新實踐，三是地票制度是恪守“三條底線”的審慎探索。2008年，重慶報經中央同意，成立農村土地交易所，啟動了地票交易試點。按照我國土地用途管制制度和城鄉建設用地增減掛鉤、耕地占補平衡的要求，增加的耕地數量就可以作為國家建設用地新增的指標。這個指標除優先保障農村建設發展外，節余部分就形成了地票。按照增減掛鉤政策，地票與國家下達的年度新增建設用地指標具有相同功能。通過交易，獲得地票者就可以在重慶市域內，申請將符合城鄉總體規劃和土地利用規劃的農用地，征轉為國有建設用地。大量的土地供給有效地抑制了地皮價格，房地產開發商建房成本降低，從而有效抑制了房價的上漲。
3.保障房制度
在保證充足的用地供應同時，重慶的保障房建設在全國范圍內也是完成得最好的。重慶以公租房為重點的住房保障體系，解決了低收入和外來務工人員的住房需求。在過去的十年里，重慶總計興建約4000萬平方米公租房，為數十萬市民提供了福利性住房。保障房供給量基本滿足了市場的需求，就造成炒作房地產市場、獲利的空間小，投資投機意義不大。
4.房產稅制度
從2011年起重慶成為兩個房產稅試點城市之一，重慶市的主城九個區都屬于試點的范圍，至今已有6年的時間。征收對象包括個人擁有的獨棟商品住宅、高檔住房、外地客購買的二套房等。今年年初，黃奇帆卸任重慶市市長一職后，各路不確實的消息鼓吹重慶房價將會上漲，吸引了大批外地炒房者組成炒房團涌入重慶房地產市場，個別地區和樓盤房價出現異常波動。重慶政府一直貫徹“房子是用來住的，不是用來炒”的理念，及時新的政令，對房產稅征收對象中，將“在重慶無戶籍、無企業、無工作個人新購的第二套普通住房”，調整為對“三無”人員首套住房征收房產稅，根據交易單價，將獨棟別墅和高檔住宅分為0.5%、1%、1.2%三個不同檔次；“三無”個人新購住房稅率為0.5%。房地產稅是房地產市場的“內在穩定器”，能夠起到逆周期的作用，對上海而言，是一副處方藥；對重慶而言則是一副保健藥，對重慶房地產市場長期健康穩定發展是有利的。政府根據市場實際情況的變動對房產稅制度作出的相應調試，遏制了炒房牟利行為，維護了樓市的平穩發展，同時政府在“土地財政”之外又多了一個收入渠道。
三、結語
總的來說，重慶主要解決了影響房r的最主要因素――供需均衡，重慶模式總結起來是“高端有遏制，中端有供給，低端有保障”，在高端市場重慶是最早試行房產稅的城市之一，此外，契稅政策、貸款政策等方面對高端大戶型、別墅型等物業形態形成經濟性遏制作用；中端市場的供應在十年前就以較低的價格收儲了大量土地儲備，保證了充足的供應；低端保障性住房又有政府主導的公租房系統供應。這些措施使重慶房價控制到了三四線城市的水平，成為全國核心城市的房價洼地。重慶與中國所有城市都不同，具有“大城市、大農村、大人口”特點，其樣本的特殊性注定了重慶對房地產業作出的調控方案只適應重慶本身，在全國范圍內不具有可復制性和可推廣性。
參考文獻：
[1]BashirAhmad，Sotiris K Ntouyas.Existence results for fractional differential inclusions arising from real estate asset securitization and HIV models[J].Advances in Difference Equations，2013，（12）：44-50.
[2]江燕.重慶模式：地票制度[J/OL].
[3]安輝，王瑞東.我國房地產價格影響因素的實證分析――兼論當前房地產調控政策[J].財經科學，2013，（03）：45-65.
[4]王元華.城鎮化進程中房地產價格分異研究[D].華東師范大學，2015，（09）：33.
[6]董英蘭.房地產市場博弈研究[D].首都經濟貿易大學，2006，（03）：22-25.
[7]王元華.城鎮化進程中房地產價格分異研究[D].華東師范大學，2015，（09）：33.
作者簡介：
篇2
關鍵詞：房價；開發投資總額；關聯度；嶺回歸
1 建模的原理介紹
1.1格蘭杰因果檢驗的原理
1969年，格蘭杰從計量經濟學的角度提出了一種因果關系的定義：設有兩個時間序列｛xt｝和｛yt｝，如果xt的變化引起yt的變化，則xt的變化應當發生在yt的變化之前。具體操作中，一般是對以下兩個方程分別進行無約束和有約束估計：
（1）
（2）
如果在（1）中部分αi顯著不為零，則稱xt格蘭杰引起yt類似的，如果（2）式中部分αi顯著不為零，則稱yt格蘭杰引起xt，如果兩者都存在，則稱xt與yt互為格蘭杰因果關系。
1.2嶺回歸原理
多元回歸模型的矩陣表達式為：Xβ=Y，利用OLS求得： ，
當自變量存在多重共線性時，導致 ，從而使得回歸系數 不穩定，出現沒有實際意義的估計值。解決的辦法是在X′X的主對角線元素上加一個非負常數k，即得：
，其中E是單位矩陣，使得 的概率比 大大降低，最后用 來進行估計，結果會使 的估計變得穩定得多。因此，嶺回歸估計的準確程度取決于k值的選取，確定k值的方法一般是通過嶺跡圖或方差膨脹因子來選取。其確定方法是選擇一個盡可能小的k值，在這個k值上，嶺跡圖中回歸系數已變得較為穩定，并且方差膨脹因子業變得足夠小。
回歸估計系數 是k的非線性函數；k值的加入使得
成為回歸系數的有偏估計，但是比β估計更穩定； 隨k的變化軌跡圖稱為嶺跡圖。
1.3灰色關聯度分析原理
選取參考數列
其中k表示時刻。假設有m個比較數列
則稱
為比較數列xi對參考數列x0在k時刻的關聯系數，其中ρ∈[0，1]為分辨系數。稱 和 分別為兩級最小及兩級最大極差。
一般來講，分辨系數ρ越大，分辨率越高；ρ越小，分辨率越低。上式中的關聯系數是描述比較數列與參數數列在某時刻關聯程度的一種指標，由于各個時刻都有一個關聯數，因此信息顯得過于分散，不便比較，為此我們給出ri=■■ξi（k）為數列xi對參考數列x0的關聯度。若關聯度ri最大，說明xi（k）與最優指標x0（k）最接近，即第i個被評價對象優于其他被評價對象，據此可以排出各被評價對象的優劣次序。可以看出，關聯度是把各個時刻的關聯系數集中為一個平均值，亦即把過于分散的信息集中處理。利用關聯度這個概念，可以對各種問題進行因數分析。
2 模型的分析
2.1 房價與房地產開發投資總額格蘭杰因果檢驗
依據格蘭杰因果檢驗原理，對房地產開發投資總額和房價利用Eviews軟件分析得到下表：（假設置信度α=0.05）
從上表可以看出，房價不是引起房地產開發投資總額變化的格蘭杰原因，而房地產行業開發投資總額的變化卻是引起房價變化的格蘭杰原因。房地產行業的投資總額的增加，一方面增加對商品房的投機性需求，進而對房價的上漲起到推波助瀾的作用；另一方面，對房地產行業投資的增加，使房地產市場更加的火爆，會給開發房地產市場相關的原料如建材、水泥及地皮價格起到刺激和促進作用，這些原材料價格的上漲勢必都附加于房屋的銷售價格中，勢必造成房價的上升。
2.2 房價的嶺回歸模型
房價模型的構建有助于我們總結規律，科學界定影響房價的關鍵因素，從而指導房地產市場的管理和調控行為。本文初步選取的影響房價的因素有家庭人均年收入、房地產開發投資總額、年底總人口數、建筑材料價格指數、新增家庭數、住宅房屋竣工面積和人均GDP指數（依次用F1~F7表示），我們利用嶺回歸模型分析影響房價的主要因素。
對文中給定的7個影響指標進行相關性分析，分析得到如下相關系數矩陣
由相關系數矩陣可知，各因素之間的相關系數較大，影響因素之間兩兩相關。因此，采用傳統的最小二乘回歸存在較嚴重的多重共線性。
鑒于此，建立如下嶺回歸模型：
利用Matlab軟件編程求得房價與選取指標的嶺跡圖。
由嶺跡圖可以看出，在0.3之后，7條嶺跡都開始變得平穩。所以，將3代入做嶺回歸，得到如下模型：
通過嶺回歸得到的模型，可以看出：房價對人均GDP指數的敏感度為220.51，說明人均GDP指數每變動1單位，住房銷售房價變動220.51單位；家庭人均年收入變動1單位，住房銷售房價變動135.21單位；房地產開發投資總額變動1單位，住房銷售房價變動196.02單位；年底總人口數變動1單位，住房銷售房價變動133.78單位；建筑材料價格指數變動1單位，住房銷售房價變動6.54單位；新增家庭數變動1單位，住房銷售房價變動132.1單位；住宅房屋竣工面積變動1單位，住房銷售房價變動138.05單位。
所以，通過上面的分析，房地產行業的開發投資總額對房價具有很大的影響作用。因此，分析房地產行業投資總額與國民經濟其他行業的投資總額的關聯度，可以得到與房地產行業投資總額的關聯度最大的國民經濟行業，進而分析該行業影響因素對房價的影響。
摘要：本文先是對全國平均住房銷售價格（以下簡稱房價）與房地產行業開發投資總額做格蘭杰因果檢驗，得出房地產開發投資總額是引起房價變化的格蘭杰原因，隨后選定家庭人均年收入、房地產開發投資總額、年底總人口數、建筑材料價格指數、新增家庭數、住宅房屋竣工面積和人均GDP指數等為自變量對房價做嶺回歸，再次得出房地產開發投資總額對房價具有顯著性的影響。再對房地產行業開發投資總額與其他行業的投資總額做關聯度分析，得出房地產行業與金融業投資總額具有最大的關聯度。最后在假定房地產市場和證券市場同時為無套利市場的條件下，分析得出證券市場中證券的當期價格、持有期內的年平均收益率和年平均紅利與房價依次存在正向、負向、負向的相關關系。
關鍵詞：房價；開發投資總額；關聯度；嶺回歸
1 建模的原理介紹
1.1格蘭杰因果檢驗的原理
1969年，格蘭杰從計量經濟學的角度提出了一種因果關系的定義：設有兩個時間序列｛xt｝和｛yt｝，如果xt的變化引起yt的變化，則xt的變化應當發生在yt的變化之前。具體操作中，一般是對以下兩個方程分別進行無約束和有約束估計：
（1）
（2）
如果在（1）中部分αi顯著不為零，則稱xt格蘭杰引起yt類似的，如果（2）式中部分αi顯著不為零，則稱yt格蘭杰引起xt，如果兩者都存在，則稱xt與yt互為格蘭杰因果關系。
1.2嶺回歸原理
多元回歸模型的矩陣表達式為：Xβ=Y，利用OLS求得： ，
當自變量存在多重共線性時，導致 ，從而使得回歸系數 不穩定，出現沒有實際意義的估計值。解決的辦法是在X′X的主對角線元素上加一個非負常數k，即得：
，其中E是單位矩陣，使得 的概率比 大大降低，最后用 來進行估計，結果會使 的估計變得穩定得多。因此，嶺回歸估計的準確程度取決于k值的選取，確定k值的方法一般是通過嶺跡圖或方差膨脹因子來選取。其確定方法是選擇一個盡可能小的k值，在這個k值上，嶺跡圖中回歸系數已變得較為穩定，并且方差膨脹因子業變得足夠小。
回歸估計系數 是k的非線性函數；k值的加入使得
成為回歸系數的有偏估計，但是比β估計更穩定； 隨k的變化軌跡圖稱為嶺跡圖。
1.3灰色關聯度分析原理
選取參考數列
其中k表示時刻。假設有m個比較數列
則稱
為比較數列xi對參考數列x0在k時刻的關聯系數，其中ρ∈[0，1]為分辨系數。稱 和 分別為兩級最小及兩級最大極差。
一般來講，分辨系數ρ越大，分辨率越高；ρ越小，分辨率越低。上式中的關聯系數是描述比較數列與參數數列在某時刻關聯程度的一種指標，由于各個時刻都有一個關聯數，因此信息顯得過于分散，不便比較，為此我們給出ri=■■ξi（k）為數列xi對參考數列x0的關聯度。若關聯度ri最大，說明xi（k）與最優指標x0（k）最接近，即第i個被評價對象優于其他被評價對象，據此可以排出各被評價對象的優劣次序。可以看出，關聯度是把各個時刻的關聯系數集中為一個平均值，亦即把過于分散的信息集中處理。利用關聯度這個概念，可以對各種問題進行因數分析。
2 模型的分析
2.1 房價與房地產開發投資總額格蘭杰因果檢驗
依據格蘭杰因果檢驗原理，對房地產開發投資總額和房價利用Eviews軟件分析得到下表：（假設置信度α=0.05）
從上表可以看出，房價不是引起房地產開發投資總額變化的格蘭杰原因，而房地產行業開發投資總額的變化卻是引起房價變化的格蘭杰原因。房地產行業的投資總額的增加，一方面增加對商品房的投機性需求，進而對房價的上漲起到推波助瀾的作用；另一方面，對房地產行業投資的增加，使房地產市場更加的火爆，會給開發房地產市場相關的原料如建材、水泥及地皮價格起到刺激和促進作用，這些原材料價格的上漲勢必都附加于房屋的銷售價格中，勢必造成房價的上升。
2.2 房價的嶺回歸模型
房價模型的構建有助于我們總結規律，科學界定影響房價的關鍵因素，從而指導房地產市場的管理和調控行為。本文初步選取的影響房價的因素有家庭人均年收入、房地產開發投資總額、年底總人口數、建筑材料價格指數、新增家庭數、住宅房屋竣工面積和人均GDP指數（依次用F1~F7表示），我們利用嶺回歸模型分析影響房價的主要因素。
對文中給定的7個影響指標進行相關性分析，分析得到如下相關系數矩陣
由相關系數矩陣可知，各因素之間的相關系數較大，影響因素之間兩兩相關。因此，采用傳統的最小二乘回歸存在較嚴重的多重共線性。
鑒于此，建立如下嶺回歸模型：
利用Matlab軟件編程求得房價與選取指標的嶺跡圖。
由嶺跡圖可以看出，在0.3之后，7條嶺跡都開始變得平穩。所以，將3代入做嶺回歸，得到如下模型：
通過嶺回歸得到的模型，可以看出：房價對人均GDP指數的敏感度為220.51，說明人均GDP指數每變動1單位，住房銷售房價變動220.51單位；家庭人均年收入變動1單位，住房銷售房價變動135.21單位；房地產開發投資總額變動1單位，住房銷售房價變動196.02單位；年底總人口數變動1單位，住房銷售房價變動133.78單位；建筑材料價格指數變動1單位，住房銷售房價變動6.54單位；新增家庭數變動1單位，住房銷售房價變動132.1單位；住宅房屋竣工面積變動1單位，住房銷售房價變動138.05單位。
所以，通過上面的分析，房地產行業的開發投資總額對房價具有很大的影響作用。因此，分析房地產行業投資總額與國民經濟其他行業的投資總額的關聯度，可以得到與房地產行業投資總額的關聯度最大的國民經濟行業，進而分析該行業影響因素對房價的影響。
存入我的閱覽室
2.3 對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析
把房地產行業的投資總額作為x0，并且參照2001年的中國統計局的國民經濟行業分類，利用給定的2003年到2011年8月的累積數據，以每年的12月份作為該年的投資總額，選取下列與房地產相關行業的國民經濟體系的投資總額：農林牧漁業、采礦業、教育、紡織業、金融業、科學研究、技術服務和地質勘查業、林業、煤炭開采及洗選業、農副食品加工業、農林牧漁業、通信設備和計算機及其他電子設備制造業、有色金屬礦采選業、制造業。對它們進行灰色關聯度分析并排名，結果見表4。
在對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析中，金融業的投資總額與房地產開發投資額的關聯度最大，達到0.9691。我們可以得出金融與房地產應相輔相存，房地產業的發展離不開金融業的支持。房地產業是一個資金密集型產業，在現行期房預售的模式下，房地產開發的每一階段都離不開銀行資金的支持。此外，房地產開發公司的經營活動中還會涉及到發行股票、債券等融資方式，這些都離不開金融業的支持，所以房地產行業的投資額與金融業的投資額的關聯度較大。從長遠來看，房地產融資渠道多元化是必然趨勢，但今后一段時期銀行仍將是房地產融資的主渠道。因此，金融機構要一如既往地支持房地產業的健康持續發展，房地產業發展了，反過來又會促進金融業的發展。發達國家和地區的經驗也表明：一段時期內房地產業興旺發達，這一時期的金融業也必然興旺發達。房地產業對于金融業實行多元化的資產戰略、推廣金融結算工具、防范金融風險以及促進金融創新方面發揮著重要作用。
所以，通過上面的分析，金融市場的投資總額與房地產開發投資總額具有極大的關聯度，同時，房地產開發投資總額對房價的變化與具有很大的影響和敏感度，即金融市場的一些指標的變化會引起房價的波動。下面，通過假設房地產市場和證券市場均為無套利市場，研究證券市場的當期的證券價格、證券的預期回報率和紅利如何影響房價波動的關系。
3 房地產市場和證券市場均為無套利前提下的房價定價模型
3.1 模型的假設
⑴房地產市場和證券市場均為無套利市場；
⑵房地產市場房價每年的增長率保持不變，增長率為s；
⑶消費者對住房的消費假設為投資性需求，一方面為了得到單位面積房價增加而得到的報酬，另一方面為得到房屋出租的租金收入；
⑷房價的上漲率大于住房的折舊率。
3.2 模型的符號說明
3.3 房價的定價模型
3.3.1 消費者將當期所有的資金用于住房消費所得到的回報的現值
消費者把全部投資資金用于購買房屋并且出租，在第t期銷售住房，得到的全部收入的現值為：
3.3.2 消費者將當期所有的資金用于證券投資所得到的回報的現值
投資者把全部的投資資金用于購買證券，持有t期后出售，得到的收入現值為：
3.3.3 在房地產市場和證券市場均為無套利假設下的房價定價模型
由于在房地產市場與證券市場均為無套利的假設下，購買住房的收入與購買證券的收入是相等的。即PV1=PV2
所以在房地產市場和證券市場均為無套利條件下，房價定價模型為：
3.4 模型中各個因素與房價的相關性分析
當期住房單位面積的價格和消費者所擁有的投資資金無關；在該地域的房屋出租價格與房價成正比例關系，房屋的出租價格越高，該地的住房價格越高；
當期住房單位面積的價格和當期證券價格成正相關關系，而與平均預期收益率和平均紅利成負相關關系。用房地產市場和證券市場同時無套利假設條件下，對房價定價模型中的P0分別對Pg、f和h進行求導得到：
所以，當期住房單位面積的價格和當期證券價格成正相關關系。房地產市場和證券市場具有正相關關系，證券市場越景氣，房地產市場的房價也相應地越高。當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。
4 結論及相關建議
通過以上分析，我們得出結論如下：
（1）房地產市場的開發投資總額的變化對房價的波動具有很大的關系，因此政府和房管局應對住房的投資性需求采取一定的抑制措施，如限購令等，以保證房價的合理性波動，避免房地產泡沫的出現；
（2）證券市場和房地產市場之間具有一定的相互影響，共生共榮性，政府和對應的監管部門應相互合作，監督兩市場間的資金對流；對于一些非房地產企業的上市公司的資金流入房地產市場，應給以正確的引導和規范，避免房地產市場出現泡沫時傳染或波及證券市場。
（3）房地產市場和證券市場具有正相關關系，當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。證券市場的收益的預期變化會影響房價的變化，金融市場的政策的變化應審慎考慮對其他相關行業的影響。
參考文獻：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]鄧聚龍,灰色系統理論教程[M].武漢:華中科技大學出版社,1990.
[3]劉永平,房地產需求模型研究,重慶工學院學報,15(1):80-81，2001.
[4]朱永升,王衛華,韓伯棠:影響房地產市場需求因素的灰色關聯度分析[J].北京理工大學學報:2002(12),22(6).
[5]王高雄,周之銘,朱思銘.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建軍,李世航等,MATLAB語言與數學建模[M],合肥:安徽大學出版社,2005.
[7]高鐵梅,計量經濟分析方法與建模[M].北京:清華大學出版社,2006.
[8]嚴焰.基于嶺回歸的房價模型構建及啟示[J].商業研究:2006(4),(465).
[9]黃江華,陳國生.可持續發展的房產市場模型[J].商場現代化: 2006(7),(474).
[10]李百歲,同李嘎.內蒙古人口城市化Logistic模型及其應用[J].干旱區資源與環境:2007(5),21(2).
[11]王要武,金海燕.我國房地產宏觀調控政策效果的實證分析[J].土木工程學報:2008(8),41(8).
[12]王利,北京房地產市場供求關系和價格機制作用的實證研究,經濟與管理研究[J]. 2008,5:61-66.
2.3 對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析
把房地產行業的投資總額作為x0，并且參照2001年的中國統計局的國民經濟行業分類，利用給定的2003年到2011年8月的累積數據，以每年的12月份作為該年的投資總額，選取下列與房地產相關行業的國民經濟體系的投資總額：農林牧漁業、采礦業、教育、紡織業、金融業、科學研究、技術服務和地質勘查業、林業、煤炭開采及洗選業、農副食品加工業、農林牧漁業、通信設備和計算機及其他電子設備制造業、有色金屬礦采選業、制造業。對它們進行灰色關聯度分析并排名，結果見表4。
在對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析中，金融業的投資總額與房地產開發投資額的關聯度最大，達到0.9691。我們可以得出金融與房地產應相輔相存，房地產業的發展離不開金融業的支持。房地產業是一個資金密集型產業，在現行期房預售的模式下，房地產開發的每一階段都離不開銀行資金的支持。此外，房地產開發公司的經營活動中還會涉及到發行股票、債券等融資方式，這些都離不開金融業的支持，所以房地產行業的投資額與金融業的投資額的關聯度較大。從長遠來看，房地產融資渠道多元化是必然趨勢，但今后一段時期銀行仍將是房地產融資的主渠道。因此，金融機構要一如既往地支持房地產業的健康持續發展，房地產業發展了，反過來又會促進金融業的發展。發達國家和地區的經驗也表明：一段時期內房地產業興旺發達，這一時期的金融業也必然興旺發達。房地產業對于金融業實行多元化的資產戰略、推廣金融結算工具、防范金融風險以及促進金融創新方面發揮著重要作用。
所以，通過上面的分析，金融市場的投資總額與房地產開發投資總額具有極大的關聯度，同時，房地產開發投資總額對房價的變化與具有很大的影響和敏感度，即金融市場的一些指標的變化會引起房價的波動。下面，通過假設房地產市場和證券市場均為無套利市場，研究證券市場的當期的證券價格、證券的預期回報率和紅利如何影響房價波動的關系。
3 房地產市場和證券市場均為無套利前提下的房價定價模型
3.1 模型的假設
⑴房地產市場和證券市場均為無套利市場；
⑵房地產市場房價每年的增長率保持不變，增長率為s；
⑶消費者對住房的消費假設為投資性需求，一方面為了得到單位面積房價增加而得到的報酬，另一方面為得到房屋出租的租金收入；
⑷房價的上漲率大于住房的折舊率。
3.2 模型的符號說明
3.3 房價的定價模型
3.3.1 消費者將當期所有的資金用于住房消費所得到的回報的現值
消費者把全部投資資金用于購買房屋并且出租，在第t期銷售住房，得到的全部收入的現值為：
3.3.2 消費者將當期所有的資金用于證券投資所得到的回報的現值
投資者把全部的投資資金用于購買證券，持有t期后出售，得到的收入現值為：
3.3.3 在房地產市場和證券市場均為無套利假設下的房價定價模型
由于在房地產市場與證券市場均為無套利的假設下，購買住房的收入與購買證券的收入是相等的。即PV1=PV2
所以在房地產市場和證券市場均為無套利條件下，房價定價模型為：
3.4 模型中各個因素與房價的相關性分析
當期住房單位面積的價格和消費者所擁有的投資資金無關；在該地域的房屋出租價格與房價成正比例關系，房屋的出租價格越高，該地的住房價格越高；
當期住房單位面積的價格和當期證券價格成正相關關系，而與平均預期收益率和平均紅利成負相關關系。用房地產市場和證券市場同時無套利假設條件下，對房價定價模型中的P0分別對Pg、f和h進行求導得到：
所以，當期住房單位面積的價格和當期證券價格成正相關關系。房地產市場和證券市場具有正相關關系，證券市場越景氣，房地產市場的房價也相應地越高。當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。
4 結論及相關建議
通過以上分析，我們得出結論如下：
（1）房地產市場的開發投資總額的變化對房價的波動具有很大的關系，因此政府和房管局應對住房的投資性需求采取一定的抑制措施，如限購令等，以保證房價的合理性波動，避免房地產泡沫的出現；
（2）證券市場和房地產市場之間具有一定的相互影響，共生共榮性，政府和對應的監管部門應相互合作，監督兩市場間的資金對流；對于一些非房地產企業的上市公司的資金流入房地產市場，應給以正確的引導和規范，避免房地產市場出現泡沫時傳染或波及證券市場。
（3）房地產市場和證券市場具有正相關關系，當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。證券市場的收益的預期變化會影響房價的變化，金融市場的政策的變化應審慎考慮對其他相關行業的影響。
參考文獻：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]鄧聚龍,灰色系統理論教程[M].武漢:華中科技大學出版社,1990.
[3]劉永平,房地產需求模型研究,重慶工學院學報,15(1):80-81，2001.
[4]朱永升,王衛華,韓伯棠:影響房地產市場需求因素的灰色關聯度分析[J].北京理工大學學報:2002(12),22(6).
[5]王高雄,周之銘,朱思銘.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建軍,李世航等,MATLAB語言與數學建模[M],合肥:安徽大學出版社,2005.
[7]高鐵梅,計量經濟分析方法與建模[M].北京:清華大學出版社,2006.
[8]嚴焰.基于嶺回歸的房價模型構建及啟示[J].商業研究:2006(4),(465).
[9]黃江華,陳國生.可持續發展的房產市場模型[J].商場現代化: 2006(7),(474).
[10]李百歲,同李嘎.內蒙古人口城市化Logistic模型及其應用[J].干旱區資源與環境:2007(5),21(2).
[11]王要武,金海燕.我國房地產宏觀調控政策效果的實證分析[J].土木工程學報:2008(8),41(8).
[12]王利,北京房地產市場供求關系和價格機制作用的實證研究,經濟與管理研究[J]. 2008,5:61-66.
存入我的閱覽室
2.3 對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析
把房地產行業的投資總額作為x0，并且參照2001年的中國統計局的國民經濟行業分類，利用給定的2003年到2011年8月的累積數據，以每年的12月份作為該年的投資總額，選取下列與房地產相關行業的國民經濟體系的投資總額：農林牧漁業、采礦業、教育、紡織業、金融業、科學研究、技術服務和地質勘查業、林業、煤炭開采及洗選業、農副食品加工業、農林牧漁業、通信設備和計算機及其他電子設備制造業、有色金屬礦采選業、制造業。對它們進行灰色關聯度分析并排名，結果見表4。
在對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析中，金融業的投資總額與房地產開發投資額的關聯度最大，達到0.9691。我們可以得出金融與房地產應相輔相存，房地產業的發展離不開金融業的支持。房地產業是一個資金密集型產業，在現行期房預售的模式下，房地產開發的每一階段都離不開銀行資金的支持。此外，房地產開發公司的經營活動中還會涉及到發行股票、債券等融資方式，這些都離不開金融業的支持，所以房地產行業的投資額與金融業的投資額的關聯度較大。從長遠來看，房地產融資渠道多元化是必然趨勢，但今后一段時期銀行仍將是房地產融資的主渠道。因此，金融機構要一如既往地支持房地產業的健康持續發展，房地產業發展了，反過來又會促進金融業的發展。發達國家和地區的經驗也表明：一段時期內房地產業興旺發達，這一時期的金融業也必然興旺發達。房地產業對于金融業實行多元化的資產戰略、推廣金融結算工具、防范金融風險以及促進金融創新方面發揮著重要作用。
所以，通過上面的分析，金融市場的投資總額與房地產開發投資總額具有極大的關聯度，同時，房地產開發投資總額對房價的變化與具有很大的影響和敏感度，即金融市場的一些指標的變化會引起房價的波動。下面，通過假設房地產市場和證券市場均為無套利市場，研究證券市場的當期的證券價格、證券的預期回報率和紅利如何影響房價波動的關系。
3 房地產市場和證券市場均為無套利前提下的房價定價模型
3.1 模型的假設
⑴房地產市場和證券市場均為無套利市場；
⑵房地產市場房價每年的增長率保持不變，增長率為s；
⑶消費者對住房的消費假設為投資性需求，一方面為了得到單位面積房價增加而得到的報酬，另一方面為得到房屋出租的租金收入；
⑷房價的上漲率大于住房的折舊率。
3.2 模型的符號說明
3.3 房價的定價模型
3.3.1 消費者將當期所有的資金用于住房消費所得到的回報的現值
消費者把全部投資資金用于購買房屋并且出租，在第t期銷售住房，得到的全部收入的現值為：
3.3.2 消費者將當期所有的資金用于證券投資所得到的回報的現值
投資者把全部的投資資金用于購買證券，持有t期后出售，得到的收入現值為：
3.3.3 在房地產市場和證券市場均為無套利假設下的房價定價模型
由于在房地產市場與證券市場均為無套利的假設下，購買住房的收入與購買證券的收入是相等的。即PV1=PV2
所以在房地產市場和證券市場均為無套利條件下，房價定價模型為：
3.4 模型中各個因素與房價的相關性分析
當期住房單位面積的價格和消費者所擁有的投資資金無關；在該地域的房屋出租價格與房價成正比例關系，房屋的出租價格越高，該地的住房價格越高；
當期住房單位面積的價格和當期證券價格成正相關關系，而與平均預期收益率和平均紅利成負相關關系。用房地產市場和證券市場同時無套利假設條件下，對房價定價模型中的P0分別對Pg、f和h進行求導得到：
所以，當期住房單位面積的價格和當期證券價格成正相關關系。房地產市場和證券市場具有正相關關系，證券市場越景氣，房地產市場的房價也相應地越高。當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。
4 結論及相關建議
通過以上分析，我們得出結論如下：
（1）房地產市場的開發投資總額的變化對房價的波動具有很大的關系，因此政府和房管局應對住房的投資性需求采取一定的抑制措施，如限購令等，以保證房價的合理性波動，避免房地產泡沫的出現；
（2）證券市場和房地產市場之間具有一定的相互影響，共生共榮性，政府和對應的監管部門應相互合作，監督兩市場間的資金對流；對于一些非房地產企業的上市公司的資金流入房地產市場，應給以正確的引導和規范，避免房地產市場出現泡沫時傳染或波及證券市場。
（3）房地產市場和證券市場具有正相關關系，當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。證券市場的收益的預期變化會影響房價的變化，金融市場的政策的變化應審慎考慮對其他相關行業的影響。
參考文獻：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]鄧聚龍,灰色系統理論教程[M].武漢:華中科技大學出版社,1990.
[3]劉永平,房地產需求模型研究,重慶工學院學報,15(1):80-81，2001.
[4]朱永升,王衛華,韓伯棠:影響房地產市場需求因素的灰色關聯度分析[J].北京理工大學學報:2002(12),22(6).
[5]王高雄,周之銘,朱思銘.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建軍,李世航等,MATLAB語言與數學建模[M],合肥:安徽大學出版社,2005.
[7]高鐵梅,計量經濟分析方法與建模[M].北京:清華大學出版社,2006.
[8]嚴焰.基于嶺回歸的房價模型構建及啟示[J].商業研究:2006(4),(465).
[9]黃江華,陳國生.可持續發展的房產市場模型[J].商場現代化: 2006(7),(474).
[10]李百歲,同李嘎.內蒙古人口城市化Logistic模型及其應用[J].干旱區資源與環境:2007(5),21(2).
[11]王要武,金海燕.我國房地產宏觀調控政策效果的實證分析[J].土木工程學報:2008(8),41(8).
[12]王利,北京房地產市場供求關系和價格機制作用的實證研究,經濟與管理研究[J]. 2008,5:61-66.
2.3 對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析
把房地產行業的投資總額作為x0，并且參照2001年的中國統計局的國民經濟行業分類，利用給定的2003年到2011年8月的累積數據，以每年的12月份作為該年的投資總額，選取下列與房地產相關行業的國民經濟體系的投資總額：農林牧漁業、采礦業、教育、紡織業、金融業、科學研究、技術服務和地質勘查業、林業、煤炭開采及洗選業、農副食品加工業、農林牧漁業、通信設備和計算機及其他電子設備制造業、有色金屬礦采選業、制造業。對它們進行灰色關聯度分析并排名，結果見表4。
在對房地產行業的投資總額與國民經濟其他行業投資總額的關聯度分析中，金融業的投資總額與房地產開發投資額的關聯度最大，達到0.9691。我們可以得出金融與房地產應相輔相存，房地產業的發展離不開金融業的支持。房地產業是一個資金密集型產業，在現行期房預售的模式下，房地產開發的每一階段都離不開銀行資金的支持。此外，房地產開發公司的經營活動中還會涉及到發行股票、債券等融資方式，這些都離不開金融業的支持，所以房地產行業的投資額與金融業的投資額的關聯度較大。從長遠來看，房地產融資渠道多元化是必然趨勢，但今后一段時期銀行仍將是房地產融資的主渠道。因此，金融機構要一如既往地支持房地產業的健康持續發展，房地產業發展了，反過來又會促進金融業的發展。發達國家和地區的經驗也表明：一段時期內房地產業興旺發達，這一時期的金融業也必然興旺發達。房地產業對于金融業實行多元化的資產戰略、推廣金融結算工具、防范金融風險以及促進金融創新方面發揮著重要作用。
所以，通過上面的分析，金融市場的投資總額與房地產開發投資總額具有極大的關聯度，同時，房地產開發投資總額對房價的變化與具有很大的影響和敏感度，即金融市場的一些指標的變化會引起房價的波動。下面，通過假設房地產市場和證券市場均為無套利市場，研究證券市場的當期的證券價格、證券的預期回報率和紅利如何影響房價波動的關系。
3 房地產市場和證券市場均為無套利前提下的房價定價模型
3.1 模型的假設
⑴房地產市場和證券市場均為無套利市場；
⑵房地產市場房價每年的增長率保持不變，增長率為s；
⑶消費者對住房的消費假設為投資性需求，一方面為了得到單位面積房價增加而得到的報酬，另一方面為得到房屋出租的租金收入；
⑷房價的上漲率大于住房的折舊率。
3.2 模型的符號說明
3.3 房價的定價模型
3.3.1 消費者將當期所有的資金用于住房消費所得到的回報的現值
消費者把全部投資資金用于購買房屋并且出租，在第t期銷售住房，得到的全部收入的現值為：
3.3.2 消費者將當期所有的資金用于證券投資所得到的回報的現值
投資者把全部的投資資金用于購買證券，持有t期后出售，得到的收入現值為：
3.3.3 在房地產市場和證券市場均為無套利假設下的房價定價模型
由于在房地產市場與證券市場均為無套利的假設下，購買住房的收入與購買證券的收入是相等的。即PV1=PV2
所以在房地產市場和證券市場均為無套利條件下，房價定價模型為：
3.4 模型中各個因素與房價的相關性分析
當期住房單位面積的價格和消費者所擁有的投資資金無關；在該地域的房屋出租價格與房價成正比例關系，房屋的出租價格越高，該地的住房價格越高；
當期住房單位面積的價格和當期證券價格成正相關關系，而與平均預期收益率和平均紅利成負相關關系。用房地產市場和證券市場同時無套利假設條件下，對房價定價模型中的P0分別對Pg、f和h進行求導得到：
所以，當期住房單位面積的價格和當期證券價格成正相關關系。房地產市場和證券市場具有正相關關系，證券市場越景氣，房地產市場的房價也相應地越高。當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。
4 結論及相關建議
通過以上分析，我們得出結論如下：
（1）房地產市場的開發投資總額的變化對房價的波動具有很大的關系，因此政府和房管局應對住房的投資性需求采取一定的抑制措施，如限購令等，以保證房價的合理性波動，避免房地產泡沫的出現；
（2）證券市場和房地產市場之間具有一定的相互影響，共生共榮性，政府和對應的監管部門應相互合作，監督兩市場間的資金對流；對于一些非房地產企業的上市公司的資金流入房地產市場，應給以正確的引導和規范，避免房地產市場出現泡沫時傳染或波及證券市場。
（3）房地產市場和證券市場具有正相關關系，當期住房的單位面積價格與證券市場的平均預期收益率和平均紅利呈負相關。證券市場的收益的預期變化會影響房價的變化，金融市場的政策的變化應審慎考慮對其他相關行業的影響。
參考文獻：
[1]Raudall,Johonston,Pozdena,The Modern Economics of Housing [M]. Ouorum Books Greenwood Press,1988:195-202.
[2]鄧聚龍,灰色系統理論教程[M].武漢:華中科技大學出版社,1990.
[3]劉永平,房地產需求模型研究,重慶工學院學報,15(1):80-81，2001.
[4]朱永升,王衛華,韓伯棠:影響房地產市場需求因素的灰色關聯度分析[J].北京理工大學學報:2002(12),22(6).
[5]王高雄,周之銘,朱思銘.常微分方程2版.北京:高等教育出版社,2004.
[6]曾建軍,李世航等,MATLAB語言與數學建模[M],合肥:安徽大學出版社,2005.
[7]高鐵梅,計量經濟分析方法與建模[M].北京:清華大學出版社,2006.
[8]嚴焰.基于嶺回歸的房價模型構建及啟示[J].商業研究:2006(4),(465).
[9]黃江華,陳國生.可持續發展的房產市場模型[J].商場現代化: 2006(7),(474).
[10]李百歲,同李嘎.內蒙古人口城市化Logistic模型及其應用[J].干旱區資源與環境:2007(5),21(2).
[11]王要武,金海燕.我國房地產宏觀調控政策效果的實證分析[J].土木工程學報:2008(8),41(8).
篇3
【關鍵詞】物業稅 房地產價格 香港地區
一、香港地區物業稅概述
香港與物業稅（廣義）有關的稅收，包括差餉和物業稅（狹義）兩項。和我們平時所說的物業稅的概念有所不同，香港所稱的“物業稅”，其課稅范圍僅限于用于出租經營并獲得租金收益的物業。而差餉的內涵倒是更符合通用物業稅的含義，是對納稅人擁有的所有房屋，包括自用和非自用的房屋都征稅。所以也有人把香港的差餉直接稱為物業稅，把“物業稅”稱為不動產稅。實際上，兩者都是對物業在保有環節的課稅，都是本文討論的物業稅范疇。
（一）差餉
香港的差餉1845年開始實施，意為官差的餉銀。當時政府為了支付警察的糧餉而開始向轄區內的物業征稅，名為差餉。1856、1860、1862年政府又分別對公共照明、市政供水、公共消防項目的支出加征物業稅。到1931年，政府開始統一征收差餉用以支付政府的一些公共服務開支。1988年，各個名目的物業稅收被加總合并，統稱為差餉。這一名稱一直沿用至今。1995年香港政府統一了評估和征收的責權，至此差餉的征收系統趨于完善。現在，差餉已作為政府、市政局及區域市政局所提供各項公共服務的經費使用。
差餉的計稅依據為應課差餉租值。物業的應課差餉租值是假設物業在一個指定估價日期空置出租時估計全年可得的合理市面租金。1998年11月，政府宣布編制新的估價冊并于1999年4月1日起生效，同時規定，此后物業的應課差餉租值由每3年重估一次，改為每年重估一次。評估應課差餉租值時，需考慮區內同類物業于指定估價日期或接近該日在公開市場由業主與租客雙方議定的租金，再根據物業面積、位置、設施、完工素質及管理水平分別加以調算。差餉繳納人可對應收差餉租值的評估值提出反對，但提出反對時，仍須如期繳交本期差餉。反對獲得批準時，所作修改會追溯至生效日期。
差餉的征收率由立法局決定。1999年4月1日起，差餉的征收率為5%。
根據差餉的計稅依據和征收率，即可計算出應課差餉。差餉的計算公式為：
差餉=應課差餉租值×差餉征收率
差餉物業估價署負責差餉的征收。差餉每季預繳，業主與物業使用人應依雙方租約條款確定繳付人。租約未訂明由業主繳交的，由使用人繳交。逾期未繳付的，加征5%的附加費。在原先的最后繳款日期后6個月內，仍未清繳包括5%附加費在內欠款的，要二次加征附加費。
（二）物業稅
香港自從1940年戰時稅法通過以后，就開始征收物業稅。《稅務條例》規定了4種收益稅：物業稅、薪俸稅、利得稅和利息稅。物業稅規定于《稅務條例》第二部分，1947、1961、1965、1983和1991年做過修改。香港以物業稅的名義同時對土地和樓宇收益征稅，是土地稅和房產稅的合一。所以有人認為，香港物業稅實為不動產財產稅。
香港物業稅的納稅人是擁有應稅物業的業主，包括直接由政府批租的房產持有人、權益擁有人、終身租用人、抵押人、已占有房地的承押人、向注冊合作社購買樓宇者等，但香港的物業稅只向有租金收入的業主征收，沒有租金收入的業主不是物業稅的納稅人。
物業稅的計稅依據是每一課稅年度按照土地或樓宇的應評稅凈值。這里，應評稅凈值是指應評稅值扣減業主繳納的差餉及20%的標準扣減率(用以彌補修理費和開支費用)后的余額。而所說的樓宇，包括樓宇的任何部分，也包括墩(橋墩)、碼頭以及一般理解為不構成一幢樓宇的任何建筑物。物業稅的應評稅值是依據實際收入申報表計算的。包括在該課稅年度內為取得土地或樓宇的使用權而付出的費用，如資本性支出、獲取提供服務或便利而支付的費用，以及根據《差餉條例》征收的差餉等，可作為扣減項目扣除。
物業稅的計算公式為：
應繳物業稅＝｛[應評稅值（租金收入）－差餉]×（1－20%）｝×稅率
立法局可以通過決議案修訂標準扣減率。物業稅的稅率在2004年之前為15%，2004年為16%。
二、香港地區物業稅(廣義)對房地產市場的影響分析
（一）香港差餉征收對房地產市場的影響分析
香港的差餉1845年開始征收。差餉的開征，增加了業主的持有成本，因此，香港絕大多數物業的業主會盡量避免房屋空置。甚至在特殊時期，在約定由租戶繳納各項稅費的情況下，以零租金出租，減輕持有負擔。因此，差餉的開征會減少房屋空置，加大供給量，提高社會物質財富利用率的作用，對房地產行業的管理具有重要意義。
同時，差餉也是香港政府調節房地產市場和整體經濟的一個常用手段。香港是典型的城市型經濟特征，地域狹小，人口較多，密度約是上海的3倍。香港的房地產市場發展速度很快，波動也比較劇烈，幾十年來經歷過多次起落（見表1和圖1），香港政府也經常利用差餉進行調節。
但是，與我國內地目前情況不同的是，香港近年來運用差餉對房地產市場所做的重要調整，多是在房地產衰退時期，目的不是為了抑制房價，而是刺激房地產市場的復蘇。從這樣的實踐中，也同樣可以考察差餉對房地產市場的影響作用。
從圖1中可以看到，從1985年香港房地產市場復蘇算起，到1997年，香港的房價已上漲了近10倍。1997年，香港的房地產市場泡沫破滅，樓價一路下跌，與1997年度的峰值相比，2004年第四季度香港的樓宇價格平均下跌了62%，私人住宅租金平均減少了48%。
在1998年～2003年香港房地產市場的低迷時期，為了減輕差餉繳納人的負擔，香港政府根據法律對差餉進行了多次減免或延緩繳納的靈活調整：1998年退還當年第二季度的差餉；1999年免除所有繳納人第三季度的差餉；2002年免收5 000港元以下低額差餉（此項政策使得230萬左右的約85%的繳納人在該年內不需要繳納差餉）；2003年在SARS期間免除了約90%的繳納人的差餉，并延長了3個月的繳納期限。這些政策對經濟低迷時期房地產市場的企穩和復蘇，起到了積極作用。
在2007年下半年爆發的全球經濟危機背景下，香港政府也利用差餉工具對房地產市場以及經濟發展進行了調節，實施了多項減免，穩定房地產市場，鼓勵經濟復蘇。2007年～2009年香港地區的差餉減免摘要，見表2。
我們可以看到， 差餉對房地產市場的調節作用是非常有限的。以上述1998年～2003年的房地產下降周期為例，盡管香港政府進行了多次差餉減免，但是房地產市場的價格仍然在直線下降。事實上，香港地區無論是1997年前的樓價瘋狂攀升，還是此后至2003年的大跌，或者近兩年的房地產波動，都是多個因素造成的，包括經濟發展狀況、收入水平、心理預期、金融危機影響等，而差餉對房地產市場的影響，相比之下，并不十分明顯。
（二）香港物業稅(狹義)對房地產市場的影響分析
香港的物業稅，主要是對業主來自物業的租金收入征稅。自住物業、空置物業、雖用于經營但無租金收入的物業等，都不需要繳納物業稅。這實際上是對自住房屋和出租投資房屋作了區分，居民自住房地產市場的供求不受物業稅的影響。
香港的物業稅稅率，基本上每一課稅年度都會根據當時的經濟情況作出相應的調整。在2004年～2007年間，香港房地產市場投資過快過熱的情況下，政府曾一度上調物業稅稅率，增加業主對房地產的持有成本，間接調控房地產市場的過度繁榮。2008 年全球金融危機爆發，香港經濟也備受打擊，香港政府立即下調了物業稅率。具體來看，2002年度香港物業稅的標準稅率是15%，2003年度標準稅率上調至15.5%，2004年～2007年又上調至16%，2008年度下調至15%。這種適應不同時期的經濟發展趨勢，采用稅率變動來提高或抑制民眾對本地房地產業投資興趣的措施，不僅及時體現了稅收對經濟及社會分配的調節功能，而且有效組織了財政收入，這與香港保持穩定的投資環境的稅收政策取向有關。2002年～2008年間香港物業稅的調整和房價走勢對比見圖2。
從圖2中可以看出，從2002年～2004年物業稅每年連續調整0.5個百分點，但是，房價依然在上行中；2004年～2007年物業稅的稅率水平保持在16%，房價繼續上漲。2008年物業稅降低了1個百分點，房價較2007年上漲速度減弱，但是仍然有所上升。因此，從香港的實踐來看，物業稅對房價的影響并非主要因素，物業稅的調整只能促進或者減緩房地產市場原來的發展趨勢，而沒有使房價走勢做方向上的改變。
三、結論
（一）物業稅的征收有利于規范和引導房地產市場健康發展
香港的物業稅根據物業評估值在保有環節按年征收，也就意味著政府直接進入了收益環節獲取購房者的部分紅利，這會抑制房地產投機，規范房地產市場的運行。而目前從總體來看，我國內地房地產市場的需求還比較旺盛，某種程度上可以說需求的釋放程度主導著房價的走勢。物業稅的開征，會增加房地產的保有成本，壓縮房地產市場的投資需求，甚至一部分改善型需求也會受到影響，這將有利于防止房價的泡沫化；同時，開征物業稅，也可以改變目前房地產稅種繁雜、計稅依據不合理的現狀，有利于降低房地產開發成本，減少金融風險，引導和規范房地產市場的健康運行。
（二）物業稅的征收對房價的影響有限
雖然物業稅的開征會帶來房地產保有成本的提高，但是，和房地產的總價值相比，物業稅的征收金額很小。從業主占有房地產的實際收益和成本角度看，物業稅因素基本不可能成為決定房價走勢的關鍵因素。觀察香港物業稅征收及調整情況，對比房地產市場價格的走勢，可以發現，香港物業稅對房地產市場價格趨勢的影響，作用有限。對我國內地房地產市場價格而言，如果物業稅稅費增加（比如百分之零點幾的稅率）遠遠趕不上投資房地產的利潤收入，并且如果這種稅費還可以通過買賣交易得以轉嫁，那么就很難期待物業稅改革會給房地產市場價格有效降溫。房地產價格的走勢，本質上仍取決于房地產市場的供求。而影響房地產市場供求的因素繁多，稅收制度只是其中一個，一般來看也不會是決定性因素，因此其對房地產市場價格的影響是有限的。
主要參考文獻：
[1]謝伏瞻.中國不動產稅制設計［M］.北京：中國發展出版社，2006.
[2]趙瑾璐，卜婧怡. 國際物業稅征收的制度概況和經驗借鑒［J］.經濟研究，2009（6）.
篇4
關鍵詞：房地產價格波動 房地產市場有效性 房地產投機
一、引言
在過去很長一段時間里，房地產市場都在經歷著繁榮——衰退的周期變動趨勢（boom and bust cycles，Shiller，2008），“但是近些年來，房價暴漲暴跌的波動幅度是前所未見的……，部分地區的房價波動甚至稱得上驚人。”（Dieci和Westerhoff，2012）。比如，從1996年到2008年，英國倫敦的房價上漲了三倍；北京2007—2010年間二手房價上漲了120%。房價就像脫韁的野馬，其波動遠遠脫離了經濟基本面。因此，維護房地產市場穩定成為了目前世界各國政府共同面對的重要而棘手的問題。
在已有的經濟學文獻中，不乏涉及房價波動的研究，學者們在這類研究中主要采取兩個角度：一是基于資產定價和有效市場假設理論，從理論和實證方面研究房地產市場有效性；二是基于理性預期和新古典經濟學的分析框架，研究宏觀經濟基本面指標如利率、人口，實際收入等對住宅價格變化的解釋程度，并且認為理性的房價應該反映經濟基本面。然而，這些研究往往比較片面，“對房地產市場很多方面內容的理解都不夠完整，當前（2008年金融海嘯前的美國）關于房價的快速上漲是否形成泡沫的爭論就是一個很好的例子①。”（Glaeser， 2007）。特別地，越來越多研究表明，房地產市場其實并不理性，存在如災難近視（disaster myopia），過度自信和僥幸心理等，這些非理性投機行為往往會導致房價過分調整（overshoot），從而遠離其長期均衡值。目前，很多前沿研究轉而從房價波動的微觀機制著手，關注投機行為在房價波動中扮演的角色。
二、房地產市場有效性
根據有效市場假說（EMH），只要房地產市場價格能充分及時地反映了全部有價值的信息，市場價格代表著住房的真實價值，這樣的房地產市場被稱為“有效市場”。 EMH由Fama（1970）提出，后來被廣泛用于檢驗證券市場的有效性。而最早應用于房地產市場領域的是Hamilton和Schwab（1985），與Linneman（1986）的研究。他們利用美國70年代中期的橫截面數據（cross-sectional data）來檢驗房地產市場的有效性。后來由于Case和Shiller（1989）建立時間序列模型研究房地產市場有效性的做法備受推崇，吸引了大量學者利用時間序列數據檢驗美國和其他國家的不同房地產市場的有效性。Cho（1996）對上述研究做了一個詳細的綜述。這些文獻總體上的結論和發現有三個：（1）房地產市場不是有效市場；（2）房價和收益率序列在短期內表現出慣性特征或正序列相關，但在長期卻有向均值回歸的趨勢（mean reversion）；（3）房地產市場的交易成本較高，所以根據技術分析建立的交易規則不能取得超過市場平均水平的收益率。
然而，Cho（1996）建議我們應該謹慎地看待房地產市場有效性檢驗的結果。因為，房地產價格指數的代表性和正確性在EMH檢驗中至關重要。但是房地產不同于相對同質化的普通商品，不同的房子無論是結構還是位置都千差萬別，交易過程是通過交易雙方協商決定，而且交易頻率很低。房地產自身的自然特性決定了房地產價格指數的計算比起普通商品價格指數要困難得多，目前一些流行的房地產價格指數計算中都參雜了過多的人為因素，這都直接影響到模型估計結果的說服力。比如，Case和Shiller（1989）、Kuo（1996）在研究中發現，主流的重復出售價格指數②（repeat sales price index）存在序列相關性，如果在檢驗中不能很好地處理這個問題，估價結果拒絕EMH的概率很可能會增加。有趣的是，Linneman（1986）利用特征價格指數③（Hedonic price index）檢驗EMH，估計結果并沒有拒絕市場“半強式有效”的假設；而Case和Shiller（1989）運用重復銷售價格指數的檢驗卻拒絕了EMH。
三、房地產價格波動與宏觀經濟因素
這一類研究大多采用新古典經濟學的均衡分析框架，基于理性預期或完全預測（perfect foresight）假設，認為房地產價格波動的原因是由于受到外生因素的沖擊，使得房價和房地產供應數量從一個均衡狀態“調整”到新的均衡點。這些外生因素多來自宏觀經濟的基本面指標，如人口數量、實際收入、利率水平以及稅收政策等等。其中最有代表性的研究有Poterba（1984，1991）與Mankiw和Weil（1989）：
Poterba（1984）建立房地產資產模型（asset-market model of the housing market），研究房屋持有成本（user cost）對房地產市場價格和均衡數量的影響。Mankiw和Weil（1989）用類似的方法，研究人口數量變動對房地產需求的影響。他們認為美國自上世紀 70 年代的房價持續上升與嬰兒潮一代增長人口成年后帶來房地產需求有密切關系。如果人口因素與房價的因果關系不變，隨著嬰兒潮一代人的住房需求將逐年下降，他們預測90年代以后20年里面房價將會明顯下降。當時Mankiw和Weil（1989）這樣大膽的預測引起了大量來自媒體和學術領域的爭論，在這一場激烈爭論中，Poterba（1991）就參與其中，他在對美國多個城市的橫截面數據進行分析后，發現那些人口增長率高的地區并沒有出現更高的房價增長率。所以他對Mankiw 和 Weil（1989）的預測表示懷疑。
另外，Poterba（1991）還在其1984年研究的基礎上，利用1963年—1991年間的數據對美國房地產價格波動狀況進行了實證研究，發現上世紀70年代的美國房價大漲的過程中，房屋持有成本上漲是重要推動力量。但80年代之后，房屋持有成本持續上漲，房地產價格卻略有下跌，房屋持有成本對房價的解釋能力很弱，Poterba（1991）認為這從另一方面證明了房地產市場不是有效市場。
除此之外，還有Ortalo-Magné和Rady（1999）建立生命周期模型（life-cycles model），在完全預期的假設下，分析收入變動和金融自由化（financial liberalization）對房價波動的影響程度；Glaeser和Gyourko（2007）建立理性預期動態模型，研究需求端沖擊和建筑成本的影響等等。
上述研究針對經濟基本面的各要素對房地產市場均衡價格和數量的影響做了很全面的論證，表明基本面因素對房價變動有一定的解釋能力，其作用和影響舉足輕重。然而，對房價產生影響的因素有很多，在不同地區、不同的時期起決定性作用的因素也不盡相同。特別地，“房地產市場的高交易成本特點和缺乏做空機制容易使房價波動脫離宏觀基本面因素。”（Glaeser等，2008）。因此在房價大幅波動的時期，基本面因素對房價走勢的解釋能力很弱。這樣的批評，常常見于一些研究房地產市場泡沫的文獻，如Clayton（1996）， Abraham和Hendershott（1996），Maier和Herath（2009）等。目前，很多前沿的研究都把目光聚焦在房地產市場的“非理性”投機行為上。
四、非理性投機行為與反饋環理論
對于房價的大幅波動，有相當一部分學者都把矛頭指向房地產市場的投機行為，為解釋房價大幅波動提供了新的思路，認為房價最初由基本面因素誘發波動，隨后通過反饋環（feedback loop）形成的放大機制，造成房價對原始誘發因素的過激反應。Shiller（2005）在其著作《非理性繁榮》中提供大量的證據來證明了這種投機心理（speculative thinking）、強化投機心理的反饋作用以及人們的從眾行為在決定房價方面扮演著至關重要的角色。
反饋環理論目前越來越受到經濟學者的重視。其中一種最流行的做法是在需求端采用后顧式（backward-looking）預期〔多數是適應性預期或“傻瓜”（naive）預期〕，而在供給端假定供應滯后（production logs）。如Wheaton（1999）通過存量-流量模型（stock-flow model）證明了在供給剛性、開發滯后以及后顧式預期的情況下，房價波動更大；Malpezzi和Wachter（2005）建立的存量調整模型（stock adjustment model）表明當供應缺乏彈性時，房地產市場的投機行為是房價大幅波動的主要原因；Glaeser，Gyourko和Sail（2008）提出一個開放城市動態模型（open city model）研究供給彈性與房地產泡沫產生之間的關系，模型表明在供給彈性小的地方更容易產生泡沫，而供給彈性大的地區泡沫持續的時間較短，但是卻容易引起過度開發（overbuild）從而導致社會資源浪費，模型結論得到實證檢驗的支持。
除卻上述學者的貢獻，目前還很少有理論能夠從數量上解釋或模擬房價繁榮-衰退周期變動。Leung等（2009）、Kouwenberg和Zwinkels（2010）與Dieci和Westerhoff（2012）在這方面做了一定的嘗試。其中Dieci和Westerhoff（2012）借鑒金融市場的經驗，通過在需求端引入異質行為（behavioral heterogeneity）的投機者的方式④，構建一個非線性離散時間模型。該模型能夠從理論上解釋房價高波動性特征，通過設定具體參數，模型甚至可以模擬出復雜的周期變動的價格趨勢。但出于簡潔性的考慮，作者為模型設定了眾多假設，從而影響了模型的代表性。而更完善的理論研究，還有待進一步開發。
五、總結
2003年以來，我國房價持續上漲，關于房地產市場現狀的爭論從學術界、政府工作會議擴散到普通民眾的餐桌上，成為全國上下都密切的問題。房地產具有消費、投資雙重屬性，房價波動也是一個非常復雜的研究對象。大量實證檢驗表明房價走勢不符合“隨機游走”和理性預期假設，而是呈現出高波動率、一定的可預測性（predictability）、短期正序列相關和長期均值反轉等特征。這四個特征給房地產市場理論帶來了嚴峻的挑戰（Glaeser和Gyourko，2007）。過去國外學者關于房價波動的研究主要集中為兩個方面：一是房地產有效性研究；二是房價波動與宏觀經濟要素的關系。而目前前沿的研究則主要從微觀機制的角度出發，建立動態經濟學模型，研究非理性投機行為在房價波動中扮演的角色。然而，目前還沒有一套理論能夠描繪出房價波動的眾多特征，更完善的理論還有待開發。
注釋：
①Glaeser（2007）指出：McCarthy和Peach（2004）以及Himmelbery， Mayer和Sinai（2005）的研究認為當時美國房地產市場不存在嚴重的泡沫；而與此相對的是，Shiller（2005，2006）和Baker（2006）認為泡沫確實存在而且很嚴重。
②重復出售價格指數是根據同一棟房屋在某一期間內多次重復出售的價格資料來計算房地產價格指數。
③蔣一軍和襲江輝（1996）對Hedonic指數做了詳細介紹。
④Dieci和Westerhoff（2012）假設這些投機者一部分采用外推預期（extrapolative expectation），而另外一部分則認為房價始終會向長期均衡值回歸（mean reversion），當房價離長期均值越遠，越多投機者會采用均值回歸策略。
參考文獻：
[1] 蔣一軍，襲江輝.房地產價格指數與Hedonic模型[J].中國資產評估，1996（3）：30-33
[2] Abraham， J.， Hendershott， P. Bubbles in metropolitan housing markets[J]. Journal of Housing Research， 1996（7）：191-207
[3] Baker， D. The menace of an unchecked housing bubble [J]. The Economists’Voice， 2006（3）： Article 1.
[4] Cho， M. House price dynamics： a survey of theoretical and empirical issues [J]. Journal of Housing Research， 1996（7）： 145-172
[5] Case， K， Shiller， R. Forecasting prices and excess returns in the housing market [J]. Journal of the American Real Estate and Urban Economics， 1990（18）：253-273
[6] Case， K， Shiller， R. The efficiency of the market for single-family homes [J]. The American Economic Review， 1989（79）：125-137
[7] Clayton， J. Further evidence on real estate market efficiency [J]. Journal of Real Estate Research， 1998（15）：41-57
[8] Dieci， R， Westerhoff， F. A simple model of a speculative housing market [J]. Journal of Evolutionary Economics， 2012（22）：303-329
[9] Glaeser， E， Gyourko， J. Housing dynamics. Harvard Institute of Economic Research discussion paper， 2007， number 2137
[10] Glaeser， E， Gyourko， J， Saiz， A. Housing supply and housing bubbles [J]. Journal of Urban Economics， 2008（64）：198-217
[11] Himmelberg， C， Mayer， C， Sinai， T. Assessing High House Prices： Bubbles， Fundamentals， and Misperceptions [J]. Journal of Economic Perspectives， 2005（19）：67-92.
[12] Hamilton， B.W.， Schwab， C. Expected appreciation in urban housing markets [J]. Journal of Urban Economics， 1985（18）：103-118.
[13] Kuo， C. Serial correlation and seasonality in the real estate market [J]. Journal of Real Estate Finance and Economics， 1996（12）：139-162.
[14] Kouwenberg， R. ， Zwinkels， R. Chasing trends in the US housing market. Working Paper，
Erasmus University Rotterdam， 2010
[15] Leung， A. ， Xu， J. ， Tsui， W. A heterogeneous boundedly rational expectation model for housing Market [J]. Applied Mathematics and Mechanics （English Edition）， 2009（30）：1305-1316
[16] Linneman， P. An empirical test of the efficiency of the housing market [J]. Journal of Urban Economics， 1986（20）：140-154.
[17] Malpezzi， S， Wachter， S. The role of speculation in real estate cycles [J]. Journal of Real Estate Literature， 2005（13）：143-164
[18] Mankiw， G， Weil， D. The baby boom， the baby bust， and the housing market [J]. Regional Science and Urban Economics， 1989（19）：235-258
[19] McCarthy， J， Peach， R. Are home prices the next bubble [J]. Economic Policy Review， 2004（10）：1-17
[20] Maier， G.， Herath， S. Real estate market efficiency—a survey of literature， SRE-discussion
Paper， 2009
[21] Ortalo-Magné， F， Rady， S. Boom in， bust out： young households and the housing price cycle [J]. European Economic Review， 1999（43）：755-766
[22] Poterba， J. Tax subsidies to owner-occupied housing： an asset market approach [J]. Quarterly Journal of Economics， 1984， （99）：729-752
[23] Poterba， J. House price dynamics： the role of tax policy and demography [J]. Brookings Papers on Economic Activity， 1991（2）：143–203
[24] Shiller， R. Irrational exuberance （2nd edition） [M]. Princeton：Princeton University Press， 2005
[25] Shiller， R. Long-term perspectives on the current boom in home prices [J]. The Economists’ Voice， 2006 （3）， article 4
[26] Shiller， R. Historical turning points in real estate [J]. The Eastern Economic Journal， 2008， （34）：1–13
篇5
根據市場企業的數量、企業產品的性質、企業對產品價格的影響力以及企業進出市場的難易程度，新古典經濟學將市場分為完全競爭、壟斷競爭、寡頭壟斷和完全壟斷四種市場結構，并已證明，后三種結構的市場產品數量都依次低于且價格都依次高于完全競爭市場。也就是說，只要市場不完全，就必然產生效率的損失和社會整體福利的下降。
就房地產市場而言，由于房地產行業具有資金密集、開發規模大的特點，同時，我國政府對房地產企業的管理實行嚴格的行業準入制度，這樣房地產市場存在著一定的進入壁壘；而房地產建設投資周期長的特點又決定了企業在退出房地產業時也存在一定的障礙。房地產企業的數目與具有完全競爭行業的企業數目相比，相對而言要少得多。同時，雖然房地產業的一個顯著特點是產品的異質性(如存在級差地租、住宅、別墅、經濟適用房等產品質量上的差異)，但我們應該看到，在同一類型的產品上，各企業提供的產品差別實際上并不是很大的。故此，我們可以判定房地產市場至少不是完全競爭市場。
根據沈悅、劉洪玉(2004)的研究，1998年以來(尤其是2001年—2003年間)，我國各城市住宅價格的高速增長已經不能很好地用經濟基本面和住宅價格的歷史信息來解釋，用完全競爭的房地產市場模型已經無法很好解釋我國房地產市場的現狀。在這樣的不完全市場結構下，作為市場供給方的房地產企業所提供的房產數量必然無法滿足廣大居民的實際需求，而房地產價格也必然高于完全競爭市場狀態下消費者所能夠承受的水平，商品的市場價格必然高于其在完全競爭市場條件下由各廠商的邊際成本所決定的價格。況偉大(2003，2004)根據Hotelling(1929)空間競爭模型，構建了一個一般性的空間競爭模型，得出了的空間壟斷是北京市房價剛性的根本原因。可見，無論是實證檢驗，還是理論模型，均已證明我國房地產市場是一個不完全競爭的市場。
那么，如何來衡量市場的壟斷程度呢？在產業組織理論中，判斷市場壟斷程度和市場勢力通常要用到行業集中程度指標，即考察幾家最大的廠商的產量或銷售額在全行業市場中的影響力量，具體的方法有赫芬達爾—赫希曼指數(HHI)、集中度比率、廠商規模不等性的度量(如基于洛倫茨曲線的方法或等集中度曲線方法)等等。但是，這些方法在測算市場壟斷程度時，均要求掌握市場相關行業企業的具體情況，這需要進行大量的專項統計，而我國目前的統計數據還無法滿足這方面的要求。同時，從完全壟斷的市場結構出發，勒納指數(LeanerIndex)則是衡量市場勢力的一個很好的指標。目前，國內也有學者利用這個指標來研究我國房地產市場的壟斷程度問題，如中國社會科學院財貿經濟研究所最近的一項研究表明，近年來我國房地產市場的勒納指數均在0.4以上，這表明我國房地產商品價格已經嚴重偏離了邊際成本(汪浩、王小龍，2004)。況偉大(2004)分別測算了1996年—2002年各年北京、深圳、上海和天津四城市的勒納指數，表明北京市的勒納指數均在0.6以上，是四個城市中壟斷程度最高的，上海市的勒納指數則在0.4左右，是四個城市中壟斷程度最低的，而深圳和天津房地產市場的壟斷程度則居于京滬兩城市之間。
根據勒納指數的公式，其中為市場的需求價格彈性，為市場價格，而則表示商品的邊際成本。但是，社科院財貿所和況偉大的研究都是利用公式的后一個形式，將房地產業的平均成本(AC)近似替代邊際成本(MC)進行計算而得到的結果。如果產品市場是完全競爭的，那么也就意味著在均衡條件下企業的邊際成本與平均成本相等，進行這樣的計算是沒有問題的。但是我們都知道，如果產品市場是不完全競爭的，那么在壟斷廠商利潤最大化的均衡條件下，企業的邊際成本必然不等于平均成本，這樣用行業的平均成本替代邊際成本計算出的勒納指數就會存在一定的誤差。從上述勒納指數公式可以看到，我們還可以通過測算商品的需求價格彈性來間接地得到勒納指數，因此本項研究將采用這個方法來測算勒納指數，并以此研究房地產市場的壟斷程度問題。
本文的安排如下。第二部分將介紹勒納指數公式及其含義；第三部分將對測算勒納指數所需要的樣本數據、變量及模型設定進行說明；第四部分，我們將分別針對1999年—2003年我國和各省(市、區)面板數據、各年截面數據和1987年—2003年我國房地產市場數據等樣本，分別對勒納指數進行測算，并對各省(市、區)房地產市場的壟斷程度進行比較；最后一部分是本文的總結及政策含義。
二、勒納指數及其含義
如前所述，勒納指數(LeanerIndex)是衡量市場壟斷勢力重要的指標，具體形式可由如下公式表示：，其中為市場的需求價格彈性，為市場價格，而則表示商品的邊際成本。勒納指數的推導過程如下。
假定市場結構是完全壟斷的，這樣從壟斷廠商的利潤極大化目標出發，就可以得到其利潤函數為由一階必要條件，得到為邊際收益，即MR。
又因為，所以，
是需求的價格彈性，。
又由于MR=MC，而MC≥0，可知。否則，若，則，與常理不符。而如果MC>0，則需求價格彈性大于1。可見壟斷廠商從來不會選擇在需求的價格彈性小于1的區域內從事生產，而往往是在需求富于彈性的區域內出現的。
從這個公式我們可以知道，勒納指數刻畫的是壟斷利潤的邊際量，故又稱為價格標高程度(markup)，是指壟斷價格超出邊際成本的部分對于壟斷價格之比率。根據微觀經濟學理論，壟斷廠商是按照邊際收益等于邊際成本(MR=MC)來決定產量q*，而當供給量為q*時，消費者愿意支付的最高價格(保留價格)為pm，從可知，壟斷者的供給與價格之間不會存在著對應的關系，因為價格越高，壟斷者獲得的利潤也會越大，這樣壟斷者的供應有可能減少。
勒納指數還表明，市場競爭和壟斷程度取決于商品的需求彈性：彈性越大，市場產品之間越具有競爭性，價格標高的程度越低，壟斷的邊際利潤便越小，即壟斷程度就越小；反之，彈性越小，壟斷價格標高程度就越高，壟斷程度就越高。這是因為，在完全競爭市場條件下，廠商產品價格應該等于其邊際成本，也就是說，勒納指數越趨近于零，市場競爭越完全，而從公式可以看出，這樣商品的需求價格彈性的絕對值越趨近于正無窮，即是富有完全彈性的商品；反之，壟斷程度越高，商品價格與其邊際成本的差額越大(壟斷者的壟斷利潤因而越大)，而從公式可以看出，這樣商品的需求價格彈性的絕對值將很小。當然，有關勒納指數的討論有一個必要條件，即它要求商品的彈性都大于1.
根據勒納指數公式，我們只要測算出商品的需求價格彈性，也就相當于得到了勒納指數。故此，我們有必要專門對房地產市場的需求價格彈性進行測算，并由此得到勒納指數，并以此判斷房地產市場的壟斷程度。
三、數據、變量及模型設定
1、數據及其來源
本文有關商品房屋銷售和房價等方面數據全部來自中國國家統計局編制的各期《中國統計年鑒》中“固定資產投資”項下的專項數據。由于我國專門針對房產市場的統計時間不長，相關的統計指標只是近年來才逐步健全起來，這給我們的實證分析帶來了一定的困難。國家統計局詳細公開披露房地產投資等指標也只是從1999年開始，統計指標和樣本數據數量和質量相對來講并不令人滿意，樣本數量和數據來源的約束極大地限制了我們的檢驗工作。為了盡可能避免樣本數量的制約，我們首先以全國和各省、市、自治區共32個基本觀察樣本，建立1999年至2003年共5年的面板(panel)數據進行研究，這樣，我們一共獲得了160個樣本觀測值。
另外，我們還搜集到了1987年至2003年我國房地產的相關數據。由于我國真正全面推進房地產商品市場化改革是從1998年開始的，這樣促使我們有興趣考察市場化改革前與改革后房地產市場壟斷程度的變化，也即進行分段研究。利用各省(市、區)的數據，還可以對各省(市、區)的房地產市場壟斷程度進行比較。
2、變量
為了測算勒納指數，我們需要對房地產需求價格彈性進行測算，這樣我們實際上需要兩個變量：房地產需求變量與房地產價格變量。在統計年鑒中，有兩個指標可以反映房地產市場的需求狀況：“商品房屋銷售面積”和“商品房屋銷售額”。根據經濟學的定義，需求是指消費者有支付能力的且已經實現的需求，故此以“商品房屋銷售額”作為代表房地產市場實際需求的變量更為合適。我們以“平均商品房屋銷售價格”指標來反映房價。在計量報告中，用D作為房地產需求變量的標識，以P作為房地產價格變量的標識。
3、基本模型設定
我們采取對數模型的形式
(1)由于對上式兩邊取微分，可得：
這樣我們就得到了彈性的表達式，也即我們想要得到的價格彈性指標。在具體進行回歸計算時，我們將對變量取自然對數，并采用過原點回歸的方法。
在對面板數據進行回歸時，由于我們的面板數據樣本的時間序列僅有5年，時間相對較短，為了保證估計自由度，我們不采用運用面板模型的變截距和變系數模型。也就是說，對于一般的面板數據模型：
(2)其中：,為變量向量，，為參數向量，K為變量個數，i為截面數，T是時期數，隨機擾動項相互獨立，且均值為零，同方差。
假定時間序列參數齊性，即參數滿足時間一致性，也就是參數值不隨時間的不同而變化，則模型(2)可改寫為：
(3)其中與的取值只受到截面單元的影響。這樣，在參數不隨時間變化的情況下，我們對截距和斜率參數進行如下假設：
回歸參數系數和截距都相同，即有：
這樣，得到我們所要采用的模型基本設定形式為：
(4)由于我國各省(市、區)的截面樣本差異較大，在具體回歸時，我們直接運用廣義最小二乘法來校正異方差問題。
四、勒納指數測算結果
我們分別對1999年—2003年我國及各省(市、區)的面板數據、1987年—2003年我國數據、以及1999年—2003年我國各省(市、區)的需求價格彈性進行測算，并計算出相應的勒納指數。
1、面板數據結果
我們采取廣義最小二乘法，運用Eviews4.0軟件對面板數據進行過原點回歸。具體結果如下：
計量結果非常理想，模型在1%條件下顯著，擬合優度高達0.99。可以看到，房地產市場的需求價格彈性值為1.85，符合勒納指數的要求(需求彈性大于1)。根據勒納指數公式，可得房地產市場的勒納指數為0.54，顯然這個結果要我們前面提到的社科院財貿所的結果更大，這可能是由于計算樣本不同和計算方法的差異造成的。但無論何種結果都可見，我國房地產市場的壟斷程度是相當高的。
2、各年截面數據結果
上述面板數據得到的結果，實際上是時間序列數據與截面數據混合而得到的。隨著我國市場經濟的深入，尤其是加入WTO以來市場化進程的加快，我國房地產市場的競爭也應該逐漸加劇，市場壟斷的程度也隨之逐年降低。這樣我們得到了如下假說：
假說1：房地產市場的壟斷程度是逐年降低的，或者說房地產市場的需求價格彈性是逐年上升的，而相應的勒納指數則逐年降低。
為此，我們利用上述面板數據的樣本，針對每一年的截面數據(即32個觀測值)進行測算，
各截面數據的計量結果都很理想，均在1%以下顯著，且擬合優度均在0.99以上。通過最近5年截面樣本的房地產需求價格彈性及勒納指數可以看出，5年來我國房地產市場的壟斷程度是逐年降低的，這說明隨著市場化進程的加快，房地產市場的競爭程度也逐年加深，這印證了我們的假說1。當然，我們也注意到，市場競爭程度的加深和壟斷力量的消退過程還是相當緩慢的。
3、1998年房改前后我國房地產市場勒納指數測算
我們獲得了1987年—2003年我國商品房屋平均銷售價格和銷售額的樣本，具體指標情況如下表。
表1987年——2003年我國商品房屋銷售價格及銷售額
年份19871988198919901991199219931994
房地產銷售價格(元)408503573703802105012801409
商品房銷售額(萬元)110096714721641637542201826323785974265938863714110184950
年份199519961997199819992000200120022003
房地產銷售價格(元)171018061997206320532112217022502359
商品房銷售額(萬元)125772691427129217994763251330272987873439354423486275176032341376708995
數據來源：國家統計局，《中國統計年鑒》各期，中經網。
樣本時期跨度較大，而這期間正是我國由計劃經濟向市場經濟的過渡、居民住房也由計劃分配向貨幣化市場調的過渡時期。1998年我國對房地產市場進行了全面的市場化改革，在相應的金融、收入等領域進行了相應的改革。與此同時，我國逐步放開了房地產開發的管制，各類投資主體開始進入房地產市場，在進一步推動了房地產市場的進一步規范、快速地發展的同時，也促進了房地產市場的競爭。因此，我們將樣本分為兩個階段進行實證分析，分別劃分為：1987年—1997年，我國計劃經濟向市場經濟體制初步建立時期、1998年—2003年，市場經濟體制深入發展，房地產市場改革深入時期。從這兩個時期的劃分可以看出，它們是一個市場化逐漸深入的過程，那么也就是市場競爭逐漸加大的過程。由此，我們可以得到與假說1類似的假說：
假說2：1998年我國實行房地產市場全面市場化改革后，我國房地產市場的壟斷程度有所下降。
同樣，運用Eviews4.0軟件，得到如下計量結果：
樣本期間：1987—2003樣本期間：1987—1997樣本期間：1998—2003
LND=2.25004*LNPLND=2.22316*LNPLND=2.289875*LNP
(0.01215)標準差(0.01132)標準差(0.01619)標準差
(185.096)T統計量(196.367)T統計量(141.4187)T統計量
(0.0000)P值(0.0000)P值(0.000000)P值
R2=0.9341R2=0.9372R2=0.48048
檢驗的結果還是比較令人滿意的。從結果中可以看到，樣本整體的回歸結果顯示我國房地產市場需求價格彈性為2.25，相應的勒納指數為0.444，這與前面社科院財貿所的結果已經非常接近。分各個歷史時期考慮，在1987年到1997年的計劃經濟體制向市場經濟體制過渡、我國尚未全面開展房地產市場化改革的期間，我國房地產市場的需求價格彈性僅為2.223，相應的勒納指數高達0.44981，說明當時的房地產市場的價格與邊際成本差額與價格之比非常大，市場壟斷程度非常強。另外，我們還在這個期間內分別計算了1987—1991年和1992年—1997年的市場需求價格彈性，雖然1992年我國明確提出了建設市場經濟，但是1992年到1997年間的房地產市場需求價格彈性為2.25，甚至要比1987年至1991年的2.26還要小，1992年之后的市場勒納指數(0.444)比1992年之前的還要略大(0.442)，也就是說在此期間的市場競爭條件并沒有隨著社會主義市場經濟體制的確立而得到改善。當然，我們看到兩段期間的市場競爭指數變化非常小，而之所以出現一定程度的倒退，很有可能是與1993年我國實行了緊縮的宏觀經濟政策，對房地產市場進行大規模治理整頓有著密切關系。直至1998年我國全面對房地產市場進行市場化改革，房地產市場的競爭程度也相應提高，隨之市場的需求價格彈性也因而增加至2.29，勒納指數下降到0.4367，而這進一步印證了假說2。但也應該看到，與驗證假說1的情況一樣，雖然房地產市場價格與廠商的邊際成本差額與價格之比已經出現下降，壟斷和市場不完全程度也相應好轉，但是我們看到這種變化的幅度還是相當小的。總體而言，我國房地產市場的壟斷程度還是非常嚴重，市場競爭環境的改善并不明顯。
4、我國各地區房地產市場壟斷程度比較
我們還利用1999年—2003年各省(市、自治區)的時間序列數據，分別對其勒納指數進行了測算并進行了排序。當然，此處的計算時間序列樣本僅為5個，樣本數量過小，這可能使計量的精度和可信性存在一定的問題。不過，回歸結果還是比較令人滿意的，各省的指標回歸結果都在1%條件下顯著，大多數省份回歸的擬合優度表現出了良好的性質，如上海市、江蘇、浙江等省的R2分別高達0.97、0.91和0.90。具體結果如下表和圖。
表1999年—2003年我國各省(市、區)房地產市場壟斷程度
省份需求價格彈性勒納指數省份需求價格彈性勒納指數
江蘇2.01270.4968陜西1.84710.5414
四川1.99620.5009北京1.82700.5473
山東1.98660.5034內蒙古1.82370.5483
浙江1.97750.5057吉林1.80020.5555
廣東1.95870.5105貴州1.79710.5564
遼寧1.91520.5221天津1.79300.5577
安徽1.91220.5230新疆1.78690.5596
重慶1.91020.5235云南1.78510.5602
湖北1.90570.5247山西1.75450.5699
上海1.90250.5256廣西1.75360.5702
福建1.89010.5291甘肅1.69620.5896
河南1.88050.5318寧夏1.65230.6052
江西1.87620.5330海南1.54070.6490
河北1.87310.5339青海1.53540.6513
湖南1.86840.53521.18110.8467
黑龍江1.84940.5407
圖1999-2003年我國各省(市、區)房地產市場勒納指數及其排序
從表和圖可見，大多數經濟發達的沿海省份的市場競爭環境也比較好，如江蘇、山東、浙江、廣東、遼寧等等，而中西部經濟欠發達地區的市場競爭環境則較差，如、青海、寧夏、甘肅等等，這說明市場競爭環境的好壞是與該地區的經濟發展程度密切相關的，市場競爭越充分，壟斷對社會福利造成的損失越小，經濟就越有可能得到健康快速的發展。
五、總結及政策含義
市場不完全是房地產市場的一個重要的性質，壟斷力量的存在必然會造成社會福利的凈損失，而且市場壟斷力量越大，社會福利受損越嚴重。本文針對我國房地產市場的壟斷程度進行了一項實證研究。根據以上分析，我們至少可以得到如下幾點結論：:
1、我國房地產市場的競爭非常不充分，市場壟斷度非常嚴重。無論是面板數據、各年截面數據、我國房地產市場的歷史數據、以及我國各省(市、區)的勒納指數測算都表明，房地產市場壟斷程度相當高。實證結果強有力地證明了我國房地產市場并非完全競爭市場，市場壟斷是造成了房地產價格扭曲的重要因素之一的觀點。可以有十分的把握說，市場壟斷是造成我國房地產市場失靈的重要原因之一。
2、隨著市場化進程的深入和經濟的發展，房地產市場的競爭程度逐漸加劇，市場壟斷力量逐漸消退，但必須看到這一進程是相當緩慢的。通過截面樣本和我國房地產市場歷史數據的實證分析所驗證的假說1和假說2均表明，隨著我國市場經濟體制的逐步完善和經濟的發展，我國房地產市場競爭的因素在逐年增多，但這只是一個漸進的過程。由于房地產行業自身的特性，房地產市場向完全競爭的市場結構的轉變還需要相當長的時間。
3、壟斷力量的存在一定程度上可以解釋近年來我國房地產價格剛性問題。眾所周知，在不完全的市場結構下，消費者處于絕對的被動地位。作為市場供給方的房地產企業所提供的房產數量必然無法滿足廣大居民的實際需求，而房地產價格也必然高于完全競爭市場狀態下消費者所能夠承受的水平。也就是說，不完全市場條件下房地產商品的市場價格必然高于其在完全競爭市場條件下由各廠商的邊際成本所決定的價格，這也就在一定程度上解釋了為什么近年來我國房地產市場價格持續上漲，但需求不降反升，這一有違于一般價格規律表現形式的奇怪現象。
4、為了確保房地產市場的長期健康發展和居民福利的提高，政府應將促進房地產市場競爭作基本的方針政策。從我國政府已有的房地產行業政策來看，反壟斷和促進競爭的政策還非常滯后。為了抑制過高的房價，政府很大一部分是采取的人為降低房地產開發成本的政策，如對從事經濟適用房開發的企業實行土地等優惠政策，但“經濟適用房”開發已經成為中國房地產開發商從政府手中獲取廉價土地的基本手段之一，而壟斷程度卻與房價呈現出極為顯著的正相關關系(平新喬、陳敏彥，2004)。因此，當前政府應將主要精力集中于促進市場競爭和反壟斷的措施上來。只有促進競爭，開發商才有可能努力降低成本，將房價真正地降下來。反之，如果通過行政手段強制性地推行某些政策主張，甚至采取所謂的提高進入門檻等歧視性政策，不僅無助于降低市場風險，反而會加大市場的扭曲，引發更大的風險。
參考文獻
1.Hay,DandD.Morris(1991):IndustrialEconomicsandOrganization,OxfordUniversityPress.
2.Henderson,J.MandR.E.Quandt(1980):MicroeconomicTheory,McGraw-HillBookCompany,NewYork.
3.Hotelling,H.(1929):“StabilityinCompetition”,TheEconomicJournal,Vol.39,No.153.
4.Tirole,J(1988):TheTheoryofIndustrialOrganization,MITPress,Cambridge.
5.況偉大(2003)：《壟斷、競爭與管制——北京市住宅業市場結構研究》，經濟管理出版社，5月。
6.況偉大(2004)：《空間競爭、房價收入比與房價》，《財貿經濟》第7期。
7.平新喬(2001)：《微觀經濟學十八講》，北京大學出版社，4月。
8.平新喬、陳敏彥(2004):《融資、地價與樓盤價格趨勢》，《世界經濟》第7期。
