要素結構性變動與房地產市場穩定
——基于重慶的典型分析*

李 嬌,向為民

(重慶工商大學 管理科學與工程學院，重慶 400067)

房地產對中國國民經濟穩健增長的貢獻仍顯著，其市場要素的結構性變動日益明顯。2019年，中國房地產業拉動上下游行業增加值占比達17.2%，即使2020年受新肺炎冠疫情影響，在消費不振、出口前景不明、制造業投資低迷的情況下，房地產投資對拉動中國經濟回穩發揮了關鍵性作用，促進房地產市場平穩健康發展仍是未來中國經濟工作的重點任務。同時，房地產市場要素的結構性變動日益明顯，如對房地產市場產生重要影響的人口因素，正面臨少子化老齡化日益加劇的結構性危機。2030年，中國新出生人口將下滑到1 100萬以下，2055年老齡人口恐達峰值4.87億，約占總人口的35%。人口年齡層次變化對房市產生多元化漣漪效應，隨著少子化老齡化加快，住房需求減少，住房價格恐大幅下跌。[1]已有研究還表明，流動人口變遷、土地供需錯配、貨幣政策寬松、經濟發展不均、存量市場差異等疊加作用，造成地區房價嚴重分化，衍生諸多問題。[2-5]部分地區住房短缺，房價上漲過快，房地產投機嚴重，導致過度金融化；而部分地區住房過剩，房價跌幅過大，擠占土地與資金，房企資金鏈斷裂，造成資源嚴重浪費。這些都不利于整體房地產市場穩定，亦給國民經濟穩健發展帶來潛在風險。2020年4月9日，中共中央、國務院印發《關于構建更加完善的要素市場化配置體制機制的意見》，針對推進土地要素市場化配置、引導勞動力要素合理暢通有序流動、推進資本要素市場化配置、加快要素價格市場化改革等提出了具體要求。因此，厘清要素變化與房地產市場的關系，準確量化要素結構性變動對房市穩定的影響，對推進土地、資本等要素市場化配置，引導勞動力要素合理暢通有序流動，降低房價大幅波動的可能性，保持房地產市場穩定顯得尤為重要。

一、文獻綜述

有關房地產市場穩定發展，學界主要圍繞政府行為展開研究，關注房地產政策調控效果，強調各國防范房地產風險的經驗與教訓。[6]價格是市場問題的集中體現，房地產市場調控核心是穩價格。國內研究在重視房地產調控效果的同時，也側重從穩房價的角度重點探討房地產價格波動與房地產市場長效機制的構建。[7]而關于要素結構性變動，1957年庫茲涅茨就發現產業要素結構變化是非常重要的經濟現象，要素市場尤其勞動力的變化是推動市場轉變的主要驅動力。近期要素市場的變化是促使中國經濟向“新常態”轉變的主要原因。鑒于房地產對國民經濟發展的重要作用，要素變化對房地產市場的影響也逐步引起學界關注，大致呈現以下兩種研究范式。

一是從單一因素變動深入考量其與房地產市場的關系。如傅貽忙等[8]建立動態面板模型，探討了人口結構變遷對房地產庫存的影響。余吉祥等[9]基于城市建設用地供給理論，分析城市建設用地指標的配置邏輯及其對住房市場的影響。倪鵬飛[4]借鑒新經濟地理模型，驗證了貨幣政策寬松、供需空間錯配如何造成房價持續分化。

二是以房價為自變量考察其如何影響要素變化，或與要素變動的共同作用。如李永樂[10]分析了房地產價格變動通過各類主體行為決策對人口、土地和資本流動產生的影響，研究了其內在機理和作用規律。張莉[11]匹配出房價如何影響勞動力流動的微觀數據庫，發現房價對勞動力流動確實存在“倒U”形影響。

梳理文獻發現，房價分化是房地產市場分化的外在表象，市場要素差異則是其內部引力。涉及要素和房地產市場的研究，更多的是從單一因素深入考量與房地產市場的關系。面對要素變化趨勢與整體市場發展，已有研究對要素結構性變化的影響關注不夠，忽略了房地產市場的穩定在多因素共同作用下，要素配置差異的綜合變化可能會對市場發展帶來的影響。尤其是在一個穩定發展的房地產市場中，其影響并沒被準確描述。要準確量化要素結構性變動對房市穩定的影響，需要明確房地產市場穩定的重要因素是什么，以及描述市場要素結構性變化在一個相對平穩的房地產市場中扮演的角色是什么?，F有研究并不能為以上問題提供系統性答案。故本文在明確市場主要支撐因素的基礎上，選取房價穩定的典型城市，深入解析要素結構性變動的影響，以期給房地產市場穩定和結構性改革提供有益借鑒。

本研究主要貢獻體現在：突破原有房地產市場與要素研究多從單因素來解讀的研究范式，側重從多個因素的結構變化(同時考慮人口、土地、金融、市場存量，并構建了綜合結構變化指數)來探討房市穩定發展，契合房市受多要素共同影響的現實，豐富了要素變化與房市關系的研究；選擇典型房地產市場穩定期的相關數據，分別采用線性和非線性的定量分析，對要素結構性變動影響房市穩定效率進行測度，研究結論更準確，能為地方政府精準施策房市調控提供依據。

二、研究基礎、模型構建與典型選擇

(一)研究基礎

首先，影響房地產市場的因素紛繁蕪雜，但住房市場與宏觀經濟之間存在非常緊密的關系，消費者支出、勞動力、貨幣、經濟增長等宏觀經濟變量從供需方面影響著房地產市場。其中，居民收入是其支出的重要來源，價格則是市場集中變化的體現，住房需求和住房價格的理論與實證都強調收入是非唯一的決定因素。研究房價的實證模型一般都源自代理模型，其常用的分析范式認為收入與住房存量對房價具有重要影響。[12]而Saiz & Bruyne[13]基于效用函數，引入人口遷移、地理位置等因素，建立了多城市房地產價格分異模型，認為要維護房地產市場穩定，房地產價格與城市居民經濟收入、城鎮人口、建成區面積及房地產存量具有重要關聯。此外，國內學界比較認可任澤平[14]提出的房地產長期看人口、中期看土地、短期看金融。因此，本文確定影響房地產的支撐因素為居民收入、人口、土地、金融、市場存量、地區產業。

其次，經濟增長研究表明要素投入是經濟增長的直接動力，要素結構因配置差異會對經濟增長產生重要影響[15]。即，要素投入形成經濟產出，當要素投入發生波動，產出隨之波動。要素結構變遷帶來結構效應變化，結構效應變化將導致不同的增長速度，從而影響經濟增長的穩定。房地產作為特殊商品，房地產價格是其市場價值的表現形式，如果將房地產看作其市場產出，那么市場投入要素波動，引致房地產價格波動，要素結構變化亦將影響房地產市場的穩定。此外，我國進行供給側結構性改革是為提高生產效率，有效解決生產要素和資源結構性錯配。隨著房地產市場發展，房地產的要素差異和資源錯配直接體現在人口流動不均、住宅與非住宅的土地要素投入差異、可獲得金融支持變化等方面，間接反映出地方經濟產業與居民收入的差異性。理論上，低效率部門的要素資源會向高效率部門轉移，有助于高效率部門提高生產效率，增加供給能力。實際上，高效率經濟發達地區的房地產供給情況更為復雜，雖然該地區居民收入高，對人口吸引力大，住宅市場需求旺盛，但因人口、土地、金融、房地產存量等直接要素的結構性變化，尤其是人口老齡化趨勢帶來當地居民實際購買力逐漸下降，以及受土地資源約束，住宅市場供給有限，導致住宅價格上漲，非住宅供給則存在過剩。

鑒于此，為進一步分析房地產市場重要因素對其穩定的影響程度，明確結構性變化對房地產價格波動影響的重要性，根據Abramowitz & Solow[16][17]的增長核算模型，參考方福前和詹新宇[18]融合Chenery & Romer的相關理論構建產業結構升級對經濟波動效應分析模型的思路，本文以房價波動代表房地產市場，將上述明確的房地產主要支撐因素作為要素投入，并考慮要素結構，建立公式(1)：

pricet=f(incomet,industryt,structt)

(1)

式中，pricet表示房地產價格，incomet為居民收入，industryt為地區產業，structt代表直接影響要素的結構，具體包括人口、土地、金融、市場存量，則公式(1)又可表示為：

pricet=f(incomet,industryt,peoplet,landt,loant,stockt)

(2)

以公式(1)為例，其線性關系表述為公式(3)：

lnpricet=α0+α1lnincomet+α2lnindustryt+α3lnstructt+μt

(3)

εpri,t=α0+α1εinc,t+α2εind,t+α3εstr,t+μt

(4)

式(4)給出了收入波動、產業波動及直接影響要素結構變動對房價增長變動的影響，構成后續研究的基礎。本文重點關注α3的符號和顯著性。若α3為負，表明要素結構變動越大，房價波動幅度越小，即要素結構變動對房地產市場穩定具有抑制作用；反之，顯著為正，則說明要素結構變動大，房價波動幅度反而越大，即要素結構變動對房地產市場穩定存在杠桿效應；若α3不顯著，則代表要素結構變動對房地產市場穩定沒有顯著性影響。

(二)模型構建

基于上述分析，構建計量模型實證檢驗因素變動對房市穩定的具體影響與作用大小。根據理性假設下的生命周期模型，在有效率的市場中，價格應當對決定因素的變化，尤其是反應時滯后變量不顯著性。但幾乎所有實證表明房地產市場不是完全有效率，滯后因素無一例外是重要的[12]，存在公式(5)。即，過去房價會影響當前購買，從而影響房地產市場。

(5)

上式中，pricet為t時的房價，εt代表誤差項，Δ為一階差分。據此，在解釋變量中引入被解釋變量的滯后項，考慮控制變量，為緩解異方差帶來的影響，將絕對量因素取對數，構建動態面板回歸模型(見式6)。

pricei,t=α0+α1strcturei,t+α2lnincomei,t+βpricei,t-1+γcontroli,t+εi,t

(6)

其中，pricei,t為商品房銷售價格的增長率，structi,t為要素合成結構指數，lnincomei,t代表居民收入水平，xi,t是控制變量，主要為地區產業發展。為進一步明確隨著收入增長，人口、產業、土地、金融、存量對房價增長的影響，將上述合成結構指數表述為對應的四項單項指數，得模型(7)。

pricei,t=α0+α1peoplei,t+α2landi,t+α3loani,t+α4stocki,t+α5lnincome+βpricei,t-1+γcontroli,t+εi,t

(7)

此外，引入變量滯后項，可能帶來內生性問題，且經濟收入、人口、土地等因素并非獨立的外生變量，存在相互影響、共同作用于房價，且不同時期，各變量的相對影響力也是動態變化[19]。因此，借鑒Arellanno & Bond在1991年提出的一階差分GMM估計，在動態面板的基礎上增加額外工具變量，對相關變量和數據進行處理，進一步采用工具變量估計法解決變量內生性問題。

(三)典型選擇

重慶是中國極具代表性的區域，其近十年房地產市場的平穩發展尤其引人注目。重慶地處中國內陸西南部，是中國的直轄市、國家中心城市、超大城市。截至2021年，重慶市常住人口為3 212.43萬人，總面積8.24萬平方千米，包含了經濟發達的主城九個區和經濟欠發達的渝西片區、渝東片區和渝東南片區。2011年，重慶與上海正式成為中國房產稅改革試點城市。1997年以來，隨著工業化城鎮化，重慶保持了“政府主導規劃+市場化土地儲備機構”的土地要素供給保障與合理的房地產建設總量調控。相比中國其他3個直轄市，在人口流入不足、收入水平較低的情況下，重慶借助經濟快速發展，成為房地產價格唯一保持平穩增長態勢的城市。2010—2016年，重慶整體房地產價格和住宅價格的定基和環比增長率均保持在-0.5%～1.5%的波動區間，僅2017年出現較大幅度攀升。重慶房地產市場在2010—2016年無明顯的大漲大跌，處于平穩狀態，符合本文對平穩市場樣本的要求。

圖1 2010—2018年重慶房地產銷售價格增長情況

三、變量說明與數據描述

(一)變量選取及說明

鑒于數據可得，各變量選取見表1。

表1 變量及描述性統計

核心解釋變量。人口結構用就業人口占比表示。因為，相對人口社會結構和人口空間結構，人口自然結構對房地產存在更顯著影響[8]，尤其18～60歲的住房需求密集年齡人口與房價具有正相關[20]。金融結構用存貸比表示，存貸比是監管層監測銀行流動性、控制信貸規模的一個重要指標。土地結構和存量結構中將住宅占比代入模型，非住宅占比用于穩定性檢驗。

額外工具變量。一是前期居民收入水平可通過預期影響后期居民消費作用于房地產市場，說明存在前定變量。但前期的房價與要素結構變動并不會直接對當期居民收入產生影響，因此考慮將房價一階滯后項與綜合結構指數一階滯后項作為居民收入的額外工具變量。二是針對單獨結構指數，基于數據可得，選取衛生機構床位數和農作物播種面積分別作為人口要素和土地要素的工具變量。因為，合格的工具變量只能通過內生變量渠道對因變量產生影響。城市人口增加將帶來對衛生機構床位需求的增長，但衛生機構床位對城市房價影響微乎其微。同樣，農作物播種面積并不直接作用城市房價，其面積增加，在城市建設用地約束下，意味著商品房建設用地的減少。

控制變量。經濟越發達地區，第三產業越繁榮，產業結構參考陶新宇等[21]、余吉祥等[9]的指標設定，用產業間比值反映產業服務水平，選用產業產值占GDP的比值用于穩定性檢驗。

(二)數據來源及描述性統計

數據均來源于歷年《重慶市統計年鑒》，樣本期間為2010—2016年。由于部分區縣的數據缺失較多，故最終保留了23個區縣的完整數據。分析顯示，地區間房地產價格增長率的變化相對較小，而各要素的地區差異和時間差異顯著，表明重慶房地產市場的價格相對平穩，但房地產市場要素的結構性變化較大，這亦佐證了本研究是在一個相對平穩的房地產市場中探討要素結構變化的影響。此外，住宅用地比、金融結構、產業結構的差異明顯，尤其是居民可支配收入與地區產業結構之間的差距大，這與重慶市政府對房地產市場的土地供給類型和區域配置實行了嚴格控制、地區人口變化相對較小、地區經濟發展與收入水平不均衡的現實相一致。

(三)房地產要素結構指數合成

綜合結構指數的合成常用算術平均法和主成分分析法。房地產要素結構指數是本文的基礎指標，由于面板數據中單個結構指標的權重可能會隨時間和數據的變化而變化，且主成分法需依據數據特征賦予指標相應權重，但受數據精確度約束，可能出現權重異常情況。因此，參考陶新宇等[21]做法，運用算術平均法，由人口、土地、金融、市場存量結構指標合成房地產要素結構指數。

以2009年為基期，對原始數據按公式(8)進行處理，以排除異常值，更合理反映其變化。其中，Xi(t)是某指標第i個地區的原始數據，Xmax(0),Xmin(0)分別為對應數據的最大值，最小值，權重均取1/4。

(8)

四、實證分析

(一)動態面板回歸

1.基本分析

根據LLC檢驗和Fisher-ADF檢驗，結合傅貽忙[8]、劉晨躍等[22]的做法，確定被解釋變量滯后階數為一階。由于區縣樣本數N=23遠大于時間樣本數T=7，滿足一階差分GMM估計“N大，T小”的要求，選擇短動態面板模型，采用兩階段估計。AR(1)和AR(2)檢驗的原假設分別表示模型不存在一階和二階序列相關，通過了擾動項序列相關檢驗與工具變量有效性檢驗，結果詳見表2。

表2列(1)顯示，整體上當期居民收入與房價預期對房價增長具有顯著作用，要素結構變動對房地產價格增長率在10%的水平上顯著，說明要素結構合成指數增加1%，平均房價增長率會下降0.316%，要素結構變動對房市穩定產生一定抑制作用。

表2列(2)進一步考察結構的四個單項指數與房價增長率之間的關系，發現其影響存在較大差異。其中，人口結構變化的影響最大，其系數為負且在1%水平上顯著，表明18～60歲的就業人口越多，房價增長率越小，房地產市場越穩定。其次是土地結構，其系數亦為負且在1%水平上顯著，土地供應中住宅用地占比越大，表明住宅供給充分，房價增長越小，亦是保證房市穩定的另一重要因素。以上有關人口和土地的研究發現亦佐證了余吉祥等[9]提出的“逆人口聚集方向的城市建設用地疊加偏非住宅用途的配置模式對居民用地供給和住房市場會產生顯著的擠壓效應，導致人口、土地和住房的空間錯配”。再次為市場存量結構，其系數同樣為負，且在10%水平上顯著，表明住房存量占比提高，在一定程度上不利于房價過快增長，卻有利于房市穩定，這與重慶住宅市場的新房供應較充足的現實情況一致。最后，金融結構的變化影響相對最小，其系數為負但并不顯著，可見金融機構存貸比越大，信貸規模越大，越不利房市穩定，從側面印證了倪鵬飛[4]認為持續寬松的貨幣政策會加劇房價分化。

表2 動態面板回歸分析

2.區域異質分析

重慶房地產市場區域特征顯著，本文進一步分區縣板塊進行區域差異性分析。受土地數據限制，按板塊劃分后僅渝西片區和主城片區獲得有效分析結果(1)鑒于數據可得，為保持分析的一致性，后面涉及區域差異分析時均按主城區與渝西片區進行研究。，見表2列(3)-(5)。相比全市樣本，渝西片區采用合成指數研究，除結構變動指數的影響不再顯著外，其余變量的顯著性不變，但居民收入對房價的影響程度明顯增強。而利用單項結構指標分析，要素變動中僅人口變動在10%水平上存在顯著，且影響程度激劇變大。主城片區僅采用結構合成指數分析有效，要素變動的影響不明顯，產業結構變動的顯著性下降，僅預期房價仍維持在1% 水平上顯著?？赡艿慕忉屖?，主城區房價增長并非主要由當地居民收入支撐，而受房價預期影響更多，從側面反映出主城房價因發展預期存在投資或投機的影響。渝西片區地處重慶西部，在重慶國民經濟和社會發展格局中處于第二梯隊，經濟發達度低于重慶主城卻高于重慶平均水平。隨著重慶城市發展，主城擴容，當地居民收入增長與發展潛力突顯，吸引越來越多就業人口，對當地房價增長產生重要作用。實際上，2018年后渝西地區被劃入重慶一小時經濟圈，歸入發達的重慶大都市區，預期利好，房價增長也愈發迅速。值得一提的是，相比其他同類型城市，收入水平相對較低，長期人口增幅不高的重慶，其房地產市場平穩發展，往往被歸咎于地方政府對土地和房屋建設量的有效把控，這似乎與上述研究結論并不完全符合。但深究發現，正是由于國家對重慶的定位，以及重慶自身經濟發展的潛力，才提升了對重慶房地產市場發展的預期。地方政府堅持與之匹配的管控，為重慶房市的穩定奠定了基礎。

(二)穩健性檢驗

替換部分變量，進行穩健性檢驗。表3模型1的產業結構指標替換為第三產業產值占GDP的比值。模型2在模型1的基礎上，將房地產價格增長率改成定基形式(2009=100)。模型3的土地結構和存量結構均采用非住宅占比形式。結果顯示，產業結構、土地結構、存量結構的系數符號為負。這是因為，產業結構原指標反映第三產業與其他產業的相互關系，而替代指標刻畫的是第三產業與總產值的比例關系，土地結構和存量結構的替換變量與原指標為相反數據。模型2中預期房價增長的影響不再顯著，主要是房地產價格增長率原指標為環比形式，房價預期尤其是上年房價增長(即滯后一階的房價增長)對當期影響大，而改為定基卻以2009年房價為基礎，遠期房價對當期房價的影響非常小。此外，其余變量的影響程度變化不大，且系數正負方向未改變?？傊?，前述動態面板回歸的結論具有較好穩健性。

表3 穩健性檢驗

五、進一步分析

(一)測度要素結構性變動影響房市穩定效率

上述研究顯示除市場可控因素(包括要素變動、產業發展和居民收入)對房地產市場穩定具有顯著影響外，不可控因素(如市場預期)也發揮了顯著作用。為彌補前述房市重要因素對市場不確定性因素考量的不足，此處采用固定效應面板隨機前沿分析(PSFA)，進一步探討要素結構性變化對房市穩定的影響程度。采用此方法，一是隨機前沿分析屬于參數模型，通過構造前沿生產函數，考慮了不確定性因素，將誤差擾動項分解為隨機擾動項和技術非效率項，能對技術效率及其影響因素進行測算。二是我國區域房地產市場差異較大，技術水平也不相同，采用相同的生產前沿邊界，忽視地區個體效應，將導致效率項和無效率項的估計結果存在較大偏差。

參考Wang & Ho[23]的固定效應隨機前沿模型：

yit=αi+xitβ+vit-uit

(9)

(10)

本文借鑒經典柯布-道格拉斯生產函數，加入影響技術非效率的變量，利用最大釋然估計進行檢驗。此處側重分析技術效率，以刻畫除隨機因素之外的技術非效率因素的影響程度。因此，沿用綜合房地產要素結構指數(見表4列1)以及單項人口結構、土地結構、貸款結構、市場存量結構四個指標(見表4列2)，主要進行技術無效率估計。

表4 效率方程估計結果

表4效率方程估計結果顯示，LR檢驗拒絕原假設，模型設定合適。前沿生產函數γ分別為0.786 6與0.499 1，擾動項所致的誤差近半是技術無效率，說明要素結構性變動具有較大的技術無效率，而不確定性因素亦占據了一定影響。從要素結構變動看，綜合結構指數的估計系數為-0.482 4，在1%的水平上顯著，整體要素結構變動對重慶房市穩定效率提升帶來正面影響。其中，人口結構的系數均為正，表明就業人口的減少不利于房市穩定效率的提高。而金融存貸比、住宅用地占比、住宅市場存量的提升則顯著促進了房市的穩定發展。

技術效率代表了個體實際產出與最大產出的距離，分別采用要素綜合指數和單項指數進行測算。重慶主城九區房地產市場穩定的技術效率均值分別為0.627 9與0.335 7，渝西地區分別為0.284 8與0.237 9，即主城九區房市要素結構變動存在較大的技術無效率，不確定性因素帶來的隨機誤差存在顯著影響，而渝西地區的要素結構變化在當地房市穩定效率中具有重要作用?？梢?，不可控因素對發達的重慶主城九區房市穩定發展具有不可忽視的影響，而要素結構變動在欠發達的渝西地區，其作用更明顯。這進一步佐證了市場預期等不確定性因素對房市穩定的重要作用以及要素結構變化對房市穩定影響的地區差異性。

(二)面板門檻的非線性分析

繼續構建面板門限模型，將研究拓展到非線性關系描述，考慮要素結構性變動對房地產市場穩定可能產生的跳躍式影響。因為，閾值是區域住房市場的重要指標[7]，隨著居民收入和房地產市場發展，要素結構變化對房地產市場的影響可能存在躍遷型波動，而非傳統意義上的線性增長?，F實中，一個正常有序的房地產市場，不會脫離經濟收入的束縛而無限制地隨意發展。收入對房價上漲的解釋能力弱時，是房地產市場不穩定且具有脆弱性的反映。[24]反之，收入對房價上漲的解釋能力強時，則是房地產市場穩定的表現。那么，當房價增速越過閾值，房市狀態處于房價增速頻繁轉換的狀態，意味著市場越不穩定；如果轉換越不頻繁，市場則越穩定。

據此，針對個體區縣進一步分析，當要素結構變動達到特定數值后，是否存在門檻效應引起滯后房價增長發生結構突變？如果具有結構突變，在門檻點是否存在頻繁轉換帶來的市場潛在不穩定？前述理論分析表明，當期居民收入對房價具有決定性作用，而前期房價增長又對居民收入具有重要影響。以滯后一階的priceit為門檻解釋變量，著眼全市層面，分別就結構合成指標和單項指標建立面板門檻模型：

pricei,t=α0+β1Structi,tI(Δpricei,t-1≤γ)+β2Structi,tI(Δpricei,t-1>γ)+α1controli,t+α2Tvi,t+εi,t

(11)

其中，門限值是γ,I(·)為示性函數，controli,t為控制變量，Tvi,t是工具變量。公式(11)為結構合成指標的單門檻模型，多門檻模型以及結構單項指標門檻模型均由其擴展所得。

首先，模型設定檢驗顯示(見表5)，結構合成指標模型與單項指標模型均通過門檻效應檢驗，存在雙重門，門檻值r1=0.241 7，r2=0.3。因房價滯后項作為門檻變量加入模型，故工具變量僅考慮l.struct、lnbed和lncrop。分別加入工具變量后，仍存在兩階門檻效應，門檻值不變，證實了門檻模型的穩健性。

表5 門檻設定檢驗

其次，表6門檻效應檢驗顯示：整體上，當預期房價增長率在0.241 7～0.3之間，要素結構變動對即期房價影響的程度最大，具有顯著性；而預期房價增率變動小于0.241 7或大于0.3，影響度下降，并不具顯著性。其中，就業人口變動對即期房價影響最明顯，尤其在預期房價增率大于0.3時，具有顯著性。土地結構變動雖然僅存在單一門檻效應，但門檻值相對較高，當預期房價增長率超過0.351 9時，住宅用地對即期房價的影響度和顯著性明顯增強。金融機構的存貸變化對即期房價影響不顯著，雖然在預期房價增長率大于0.3之前，其影響度較高，但隨著預期房價增長其影響度明顯下降。住宅市場存量隨著預期房價增率變動為大于0.241 7且小于0.3，其影響度最大，并存在顯著性，隨后影響度明顯減少，且不再有顯著性。結果表明了重慶樣本區縣房市整體穩步上漲的發展態勢，雖然存在兩個結構突變點，但房市穩定狀態良好。同樣，加入工具變量后，模型系數大小、結構與方向沒有顯著變化，驗證了模型的穩健性。

表6 門檻效應檢驗

最后，對比各區縣房價在門檻點轉換情況。2010—2016年，23個區縣在門檻值間轉換次數最多為2次，分別是主城片區的渝中區，渝西片區中的長壽區、大足區、銅梁區和榮昌區，這表明重慶房地產市場在門檻點整體不存在頻繁轉換，要素結構變動隨著房價預期改變給房地產市場帶來的影響有限，與前述動態面板模型分析的結論一致。

六、研究結論及建議

在明確房地產重要支撐因素的基礎上，以重慶為典型樣本，采用短動態面板、面板隨機前沿分析及面板門檻模型，探究要素結構變動對房地產市場穩定的影響。研究發現：從綜合指標看，預期房價增長率在0.241 7～0.3之間，要素結構變動對即期房價的影響最大。從單項指標看，就業人口變化對房地產市場穩定的影響最顯著，后依次為住宅用地供應、住房市場存量、金融貸款。就業人口越多，房價增長率越小，房地產市場越穩定，在預期房價增率大于0.3時，其影響最明顯。住宅建設用地供應越大，住宅供給越充分，房價增長越小，當預期房價增長率超過0.351 9時，其影響增強。住房存量增加在一定程度上不利于房價過快增長，卻有利于房市穩定，在預期房價增率變動大于0.241 7且小于0.3時，其作用變大。金融機構存貸比越大，信貸規模越大，越不利于房市穩定。此外，當期居民收入對房市穩定具有顯著作用，房價預期與要素結構變動亦會對房市穩定產生重要影響，但存在地區差異。發達地區的房地產市場，市場預期發揮的作用更突出，欠發達地區更依賴市場要素結構變化。需要說明的是，因部分數據缺失，在區域異質分析中，雖然實證分析僅展示出重慶主城區和渝西地區的有效性，但并不妨礙其代表的發達地區房地產市場和欠發達地區房地產市場的對比分析。待以后數據完善，將研究擴展到中國更多區縣，相信其結論將更完善，這也是后續進一步研究的方向。

因此，保持房地產市場穩定，夯實經濟，提升收入，穩定預期是基礎；優化要素投入結構，吸引更多就業人群是關鍵；而僅靠增加土地和住宅供應換取房市平穩并非長久之策。為繼續保持重慶房地產市場的健康平穩發展，除仍需堅持合理且有規劃的土地和房地產開發量外，還需從根本上夯實房地產市場平穩發展的經濟基礎，面對城市群戰略發展新機遇，更好地發揮地方政府的調控作用。在發達地區，尤其要堅持“房住不炒”，進一步加強對預期的合理引導，執行以常住人口增量為核心的新“人地掛鉤”，保持房地產金融政策穩定，加快房地產市場健康發展長效機制的建設。在欠發達地區，地方政府應前瞻性地做好區域發展規劃，明晰區域定位，科學預測經濟、產業、人口、城鎮等發展態勢，合理規劃土地供應和房地產產品形態與數量。尤其是積極落實區域經濟發展戰略，強化產業引領，增強產業對人口、人才的吸引力，激發房地產市場潛在購買力，為商品房去化提供穩定支撐。