建筑价格上涨影响分析论文

关键词：供应量货币金融分析

摘要：随着成都市的快速发展，成都市商品房价格一直呈现上涨趋势，商品房高昂的价格引起了个人、家庭、社会乃至国家的广泛关注，“房奴”一词在人们的社交网络和生活交流用语中频频出现。本文以成都市为例对商品房房价的影响因素进行了探讨，依据成都市2005年—2020年《统计年鉴》中的数据进行灰色关联度分析。今天小编为大家推荐《建筑价格上涨影响分析论文(精选3篇)》，仅供参考，希望能够帮助到大家。

建筑价格上涨影响分析论文篇1：

货币供应量对房地产价格影响的国内外研究的比较分析

[摘要]货币政策对资产价格的调控是当今金融研究的焦点。在我国利率未完全市场化的条件下,货币供应量是金融调控手段最重要的中介目标。本文将近年货币供应量及房地产的相关文献进行分类梳理,通过国内外研究的比较分析,厘清货币供应量对房地产的价格影响以及国内外研究的差距。

[关键词]房地产价格;货币供应量;比较分析

房地产业价格的过度波动不仅影响国民经济的健康持续发展,甚至危害社会稳定。是什么因素引起了房地产价格的波动?政府该如何调控房地产价格?这一系列问题引起了国内外学者的关注。货币政策是政府调控整体经济运行的主要手段。在我国利率未完全市场化的条件下,货币供应量是金融调控手段最重要的中介目标。因此,货币供应量对房地产价格波动有什么影响及其影响程度,成为了研究的焦点,引起了广大学者的兴趣。本文在厘清货币供应量对房地产价格影响的相关文献的基础上,将国外的相关研究成果进行比较分析,阐明货币供应量对房地产价格变动的重要影响。

1 基于市场供求角度货币供应量对房地产价格的影响

国外有不少学者从市场供求角度进行了研究。代表性的研究有:Lastrapes(2002)假定货币长期保持中性,则货币供应量的正向冲击引起真实房价与销售额的上涨。同时,文章阐释了货币供应冲击的两种渠道,即货币供给通过影响按揭贷款利率而改变使用者成本并引起住房需求的变化;货币供给通过影响实际资本收益率进而影响使用者成本并改变住房需求。Potts et al(2006)在同样的假设前提下,建立了耐用品市场的一般均衡模型,发现在货币供给冲击初始阶段,住房的实际价格未发生响应,但在6个季度以后,住房的实际价格上涨了1%。Iacoviello(2008)也从需求角度分析了货币供应量对房地产价格的影响,认为短期内货币和需求冲击在推动房价波动过程中发挥了重要作用,不利的货币冲击(如货币供应量的减少)对实际房地产价格产生了重大负面影响,并且通过观察不同的住房和金融市场机构,可以部分判断住房价格对于货币冲击的反应幅度。鉴于短期内房地产市场的供给刚性不变,国外的研究主要集中于短期中货币供应量对房地产市场需求方面的影响。一方面,货币供应量变化可以通过影响利率进而导致消费者的购房成本变化,最终引起房地产价格的波动;另一方面,货币供应量变化会冲击实体经济的运行,并影响整个市场的需求,进而对房地产价格产生一定的影响。但货币供给量的变动长期内会影响房地产开发企业的融资成本,从而引起房地产项目定价压力的变化,导致房地产价格的变化。国外学者尚未在相关理论基础上深入探讨货币供应量在不同的时间段(长期、短期)内对房地产价格的冲击效应,这有可能成为新的研究课题。

国内学者在该领域的研究以实证分析货币供应量对房地产价格影响为主。其中,不少学者认为货币供应量增加会带动住房贷款的增加,从而引起房地产需求上升,导致房地产价格的上涨。代表性的研究有:聂学峰等(2005)认为名义货币M2在0.03%的显著水平下是房地产价格的Granger原因;货币供应量与房地产价格之间存在双变量协整关系,长期内货币供应量对房地产价格具有正向影响,货币供应量每增加1%房地产价格就上升0.106%,短期中货币供应量的增加会引起房地产价格的短期上升,货币供应量对房地产价格的效应时滞为2个季度。但有学者提出了不同的观点。郭科(2007)认为货币供应量对房地产价格的影响(货币效应)不大,低于利率对房地产价格变化的影响力。胡胜等(2007)认为房价上升的主要原因是物价和前期房价的变动,而货币供应量对本期房价的影响较小。另外,还有部分学者认为货币扩张会引起利率降低,导致购房筹资成本降低,因此房地产需求量增加,房地产价格上升。主要的研究有:王来福等(2007)证明了货币供应量变化对房地产价格有长期的持续正向影响;货币供应量变化对房地产价格变化的贡献率最高可达50%。韩冬梅等(2007)认为可通过对货币供应量的控制来调整利率,进而影响进入房地产市场中的资金成本。但仍有不少学者得出了相反的结论。丁晨等(2007)认为M2及信贷规模不是近几年房价过快增长的原因。吴江等(2009)认为货币供应量与房地产价格都主要受自身滞后一期的正向影响,二者之间不存在显著的动态相关性,也不存在明显的波动溢出效应。可见,国内学者证明货币供应量是否对房地产价格具有冲击性,主要是从住房贷款的可获得性和购房筹资成本角度分析了货币供应量对房地产价格的影响,但研究结论存在很大的分歧。分歧的原因在于部分学者未考虑货币供应量对房地产价格影响的时滞效应,所以不能真实反映货币供应量对房地产价格的影响程度。

基于以上分析,国内外的研究存在不少的差异。国外研究结论的分歧不大,均认为货币供应量变化会引起房价的显著波动,但对于货币供应量与房地产价格在长、短期内的具体动态关系及货币供应量对房地产价格冲击效应的具体时间,国外文献尚未做出公认的研究成果。而国内的学术界仅停留在货币供应量是否对房地产价格产生冲击,而对冲击大小、强度等方面未达成一致。国内外研究结论的差异主要由学者处理货币供应量对房地产价格影响时滞的做法不统一以及中国市场的特殊性导致,需要学者结合各国的实际情况,分析货币供应量对房地产价格冲击效应的时间,进而研究货币供应量在不同的时间段内对房地产价格的不同动态影响。另外,国内外的研究都注重于从货币供应量影响房地产市场需求的角度进行分析,很少从货币供应量影响房地产市场供给角度分析货币供应量对房地产价格的影响,该研究空白点有待深入探索。同时,国内的研究相较国外的研究存在一定的差距。国外研究在进行实证分析的同时,还在相关理论基础上建立了理论模型并进行了解释,值得国内学者借鉴。

2 货币供应量作为宏观经济变量之一对房地产价格的影响

在经济基本面对房地产价格影响的国外研究中,货币供应量往往被选取为宏观经济或金融政策代表变量之一,并实证分析其对房地产价格的影响程度。Apergis(2003)、Case(2000)、Kim et al(2003)、Catte et al(2004)、Hyeon Ji Yu et al(2009)、Adams et al(2009)认为货币供应量与其他宏观经济因素(如就业率、抵押贷款利率、工业生产值、实际GDP等)共同作用,对房地产价格产生重要影响。尽管不同的学者所选取的宏观经济变量不一样,但货币供应量作为重要的金融指标,成为了该领域研究中的关键性变量。这是由于房地产业是资金密集型产业,融资的难易程度对房地产市场有着重要的影响。同时,随着房地产在国民经济中的地位日益重要,房地产成为了人们所持有的一种主要的资产,货币政策通过房地产价格向实体经济的传导引起了国内外学者的关注。Yi Jin et al(2003)、Elbourne(2008)将货币供应量作为货币政策变量之一,实证分析货币供应量对房地产价格的影响,认为货币供给冲击对房价有重要的动态影响。

国内也有部分学者通过收集货币供应量等宏观经济变量和房地产价格的相关数据,直接运用计量方法对其相关性进行实证分析。代表性的研究有:何雁明(2007)、张炯等(2009)以及封晴(2009)认为货币市场对房价有重要影响,货币供应量的变化会引起全国房地产价格的变动。贺晨(2009)指出我国房价和货币供应量互相推动变化的关系,货币供应量的变化可以很好地解释商品房价格的变化。但有学者提出了不同的观点。王要武等(2008)认为土地供给量对房价的影响最大且同向,货币供应量等方面的因素影响很小。分歧的原因在于影响房地产价格的因素很多,包括金融、土地和财政等方面的因素。将土地方面的因素引入分析中,则土地供应量成为了影响房价的主导因素,而货币供应量变化对房价变化的影响程度相对就小了。这很好地解释了近年来我国虽实施了对房价调控力度不断加强的货币政策但调控效果不理想的现象。说明我国在实施货币政策的同时,应配套实施恰当的土地政策才能充分发挥货币政策的作用,达到理想的调控效果。

由以上分析可见,国外研究肯定了货币供应量作为宏观经济代表变量或货币政策代表变量对房地产价格波动产生的影响,但国内研究的结论存在分歧。分歧的原因在于学术界尚未在金融、土地和财政因素分别对房地产价格的相对影响程度上达成一致的结论。其实,各因素对房地产价格的影响程度在不同时期会表现得不同,不同时期内引起房地产价格波动的主导因素也会随之变化,所以,确定主导因素变化的时间临界点及不同时期内的引起房地产价格变化的主导因素将是进一步研究的突破点。另外,相较于国外研究,国内的研究还有待深入。国外研究选取的宏观经济变量涵盖范围广(如包含就业率、工业生产总值等),而国内研究的宏观变量仅限于金融、土地或财政等几个有限领域,不能全面解释说明宏观经济基本面对房地产价格的影响,需借鉴国外研究的方法。

3 简要结论

国外的研究认为货币供应量通过两种渠道对市场需求产生冲击,导致价格变动。而国内由于未对货币供应量的时滞现象进行充分的理解以及过多强调了中国市场特殊性,导致国内的研究停留在货币供应量是否影响房地产价格的阶段。但国外的研究仅在短期内货币供应量对市场需求的冲击达成一致,但在长期影响等方面也未达成一致。另外,在研究方法上,国内的研究相较于国外的研究尚存在一定差距,主要表现为研究期短、数据样本点少等方面。国内研究应借鉴国外在建立理论假设以及均衡模型的基础上,再利用数据进行实证检验的研究方法。同时,大部分的国内外相关文献采用的都是全国的数据。而房地产市场作为一个区域性市场,运用全国数据对其进行研究是否合适,这个问题有待商榷。

由于房地产价格是由市场供给和需求决定的,因此分析货币供应量对房地产市场供给方和需求方的影响,进而探讨二者共同作用于房地产价格的效应,具有重要意义,将是未来研究的方向。而确定货币供应量对房地产价格的时滞,分析货币供应量在不同时期内对房地产价格不同的动态影响,以及确定引起房地产价格变化的主导因素及主导因素发生变化的时间临界点,将是未来研究的突破点。

参考文献:

[1]丁晨,屠梅曾.论房价在货币政策传导机制中的作用——基于VECM分析[J].数量经济技术经济研究,2007(11):106-132.

[2]郭科.我国货币政策房地产价格传导机制的实证研究[J].金融与经济,2007(9):19-23.

[3]韩冬梅,屠梅曾,曹坤.房地产价格泡沫与货币政策调控[J].中国软科学,2007(6):9-16.

[4]贺晨.商品房价格与货币供应量关系研究——兼论我国宏观经济政策[J].管理世界,2009(1):178-179.

[5]胡胜,刘旦.宏观经济变量对房地产价格的影响[J].统计与决策,2007(19):111-114.

[6]刘小铭,沈利生.我国信贷规模与货币供应量关系的实证研究[J].统计与决策,2008(23):106-108.

[7]聂学峰,刘传哲.我国货币政策影响房地产市场的实证分析[J].河南金融管理干部学院学报,2005(4):63-65.

[8]王来福,郭峰.货币政策对房地产价格的动态影响研究——基于VAR模型的实证[J].财经问题研究,2007(11):15-19.

[9]吴江,韩鑫韬.房地产价格与货币供应量的波动溢出效应[J].财贸研究,2009(5):109-115.

[10]夏斌,廖强.货币供应量已不宜作为当前我国货币政策的中介目标[J].经济研究,2001(8):33-43.

[11]张炯,贾仁甫,张兵.2001—2008年我国房地产价格与金融市场关系的实证研究[J].建筑经济,2009(12):47-50 .

[12]Apergis N.Housing Prices and Macroeconomic Factors:Prospects Within the European Monetary Union[J].International Real Estate Review,2003(6):63-74.

[13]Case K E.Real Estate and the Macroeconomy[J].Brookings Papers on Economic Activity,2000(20):119-162.

[14]Catte P,Girouard N,Price R,André C.Housing Markets,Wealth and the Business Cycle[R].OECD Working Paper,2004:394.

[15]Elbourne A.The UK Housing Market and the Monetary Policy Transmission Mechanism:An SVAR Approach[J].Journal of Housing Economics,2008(17):65-87.

[16]Hyeon Ji Yu,Sugie Lee.Government Housing Policies and Housing Market Instability in Korea[J].Habitat International,2009(34):145-153.

[17]Iacoviello M.House prices and the Macroeconomy in Europe[R],ECB Working Paper,2000

[18]Kim K,Park J.The Spatial Pattern of Housing Prices:Seoul and New Towns[J].Journal of the Korean Regional Science Association,2003(19):47-61.

[19]Lastrapes W D.The Real Price of Housing and Money Supply Shocks:Time Series Evidence and Theoretical Simulations[J].Journal of Housing Economics,2002(11):40-74.

[作者简介]刘丰云(1986—),女,湖南浏阳人,西北农林科技大学经济管理学院硕士研究生,研究方向:金融市场投资理论与技术;余劲(1969—),男,西北农林科技大学经济管理学院教授,研究方向:不动产经济学。

作者：刘丰云,余劲

建筑价格上涨影响分析论文篇2：

成都市商品房房价影响因素灰色关联度分析

摘要：随着成都市的快速发展，成都市商品房价格一直呈现上涨趋势，商品房高昂的价格引起了个人、家庭、社会乃至国家的广泛关注，“房奴”一词在人们的社交网络和生活交流用语中频频出现。本文以成都市为例对商品房房价的影响因素进行了探讨，依据成都市2005年—2020年《统计年鉴》中的数据进行灰色关联度分析。将成都市商品房销售均价设置为因变量，把地区生产总值、房地产开发投资额、房地产开发企业购置土地面积、城镇人口等9个因素作为自变量，构建灰色关联模型，并从供给和需求的角度对模型的结果进行分析得出其房价主要是由供给因素推动。

关键词：商品房房价;影响因素;灰色关联度分析

引言

随着我国房地产市场的快速发展，商品房的概念随之被提出。在宏观层面，商品房价格关系到整个社会、国家的和谐稳定发展;在微观层面，商品房价格關系到家庭、个人的生活获得感、幸福感。“房价”一直以来都是被人们广泛关注的一个热点问题。成都对于整个西南地区乃至全国的房地产市场来说其房屋价格有着极其重要的影响。自2016年来，我国大部分的中大城市的房价快速飙升，“炒房热”这一问题成为网上、生活中的一大“热搜”，这使大量的房产投机者获得巨大的利益。“炒房”所导致的房价飙涨，从短期看可以拉动一个城市的经济发展水平，但从长远来看可能对人们的生活甚至生存构成威胁，对一个城市的经济结构和转变发展方式增添阻碍，不利于社会的稳定发展以及城市经济的平稳运行。

国外研究表明，房屋价格的波动取决于房地产市场的投资者数量、人均GDP、房屋的供给数量、当地居民的收入水平、金融环境、银行利率、家庭户数等因素。国内关于房价的影响因素分析多侧重于对于预期对房价的影响研究，大多数国内专家学者主要通过建立数学模型从土地交易价格、GDP、收入水平、信贷、人口数、房地产开发投资额等因素对房价的影响因素进行实证研究。综合国内外学者的研究成果，本文对商品房的影响因素有了深层次的认识。但通过检索中国知网数据库，以“房价影响因素”为主题，检索出875篇中文相关文献，研究成都市房价影响因素的发文量仅有10篇。因此，本文基于灰色关联模型对影响成都市商品房房价的因素进行研究，期望本文的成果能对成都市商品房市场的平稳运行提供相应的参考意见。

1.成都市商品房价格的影响因素分析

商品房作为一种特殊的商品，从本质上讲其价格受房地产市场供求关系的影响。因此，本文通过查阅文献将影响房地产价格的因素进行整理归纳，将其分为需求与供给两大类。

（1）需求方面

1）地区生产总值

房地产与我国的经济和社会发展程度有着密切联系。地区的生产总值反映了一个地区的社经济发展水平，影响着人民群众的生活水平。一个地区的地区生产总值高，经济增长迅速，就为当地的房地产开发和建设提供了良好的条件。同时房地产行业的繁荣还可以直接带动建筑业等其他相关领域和行业的快速发展，为社会创造出更多的工作和就业机遇，进而使人民增收，增强人民的购买力，从而导致房价上涨。反之。

2）城镇人口

居民是商品房的需求主体，因此人口是影响房地产市场发展的重要决定因素，同时对于一个城市的经济发展至关重要。通常情况，在其他条件不变的情况下，受供求关系的影响，人口增加会刺激房屋价格上涨;反之，人口的减少将会导致商品房供大于求，从而引起房价下降。

3）城镇居民可支配收入

对于商品房刚需群体以及房地产投机群体来说，在房屋供给不变的情况下，城镇居民可支配收的提高往往会加大该地区商品房的需求量，从而商品房供小于求，该地区商品房价格上涨。

4）居民消费价格指数

消费价格指数与人们的日常生活关系密切，同时影响着整个国民经济价格体系。由于房屋的购买费用太大，房价不耐入CPI的统计中，但租房费用纳入。通常情况下，房租的上涨能够推动房价的上涨。在租金很高的情况下，人们会更愿意通过月供的方式购房来取代每个月的高房租，商品房供不应求，从而推动房价上涨。同时在一般情况下，房价的上涨也会推动房租的上涨。

（2）供给方面

1）房地产开发投资额

房地产项目的开发建设投资金额影响着一个地区的房地产乃至整个房地产市场的规模。房地产项目的开发建设投资金额越大，房地产项目的开发企业对土地的需求量就越多。受土地供求关系的影响土地的价格就会上涨，从而导致商品房房价随着房屋的建设成本增加而上涨。

2）房地产开发企业竣工房屋面积

房地产开发企业竣工房屋面积是预测房价的一个重要因素，代表着当年房屋的供给量。在房地产商对未来的房地产市场预期较好时，就会增加房屋的竣工面积。由于各房地产商对未来的房地产市场预期较好都在增加房屋竣工面积，在房屋竣工完成时发现房屋的供给量大于需求量。受供求关系的影响，致使房价下跌。

3）商品房销售面积

商品房销售面积代表的是当年的商品房市场成交量，反映的是房地产商实际的商品房供给量与居民对商品房的实际需求量。当居民对商品房的需求量增大，销售面积上升时，房价也随之上升。

4）房地产开发企业购置土地面积

土地是不可再生资源，即是有限的，因此政府对于土地的利用规划严格控制，在出让土地和房地产用地方面进行了严格限制。而房地产开发商本年购置的土地面积大小直接影响着房地产市场商品房的供给量，进而对房价产生深远的影响。

5）房地产开发企业个数

房地产开发企业个数会对土地的价格产生影响，从而影响商品房的开发成本，进而影响其房价的高低。

2.灰色关联模型构建

2.1 灰色关联计算步骤。

（1）计算差序列。Xi与X0的绝对差如表3所示。（详见表3）

（2）计算关联系数。关联系数具体计算公式如下：

ρ为分辨系数，ρ取值区间为（0，1），其一般取ρ=0.5。因此，令i=1，把K=1，2，3…15分别代入上述公式，可得到关联系数Si（k）在各年的值。

S1={S1（1），S1（2），S1（3） ...S1（15）}=（1，0.984812185，0.961687598...0.333333333）

S2={S2（1），S2（2），S2（3） ...S2（15）}=（1，0.892267484，0.736475819...0.440172843）

S3={S3（1），S3（2），S3（3） ...S3（15）}=（1，0.809880228，0.950473396...0.659994394）

S4={S4（1），S4（2），S4（3） ...S4（15）}=（1，0.920145853，0.796233524...0.797303527）

S5={S5（1），S5（2），S5（3） ...S5（15）}=（1，0.989403581，0.695155799...0.371599227）

S6={S6（1），S6（2），S6（3） ...S6（15）}=（1，0.997414316，0.990058563...0.740093969）

S7={S7（1），S7（2），S7（3） ...S7（15）}=（1，0.933424021，0.864589427...0.445755994）

S8={S8（1），S8（2），S8（3） ...S8（15）}=（1，0.959595234，0.89155908...0.53619735）

S9={S9（1），S9（2），S9（3） ...S9（15）}=（1，0.955875725，0.898175356...0.542858206）

（3）计算关联度。具体计算公式如下：

根据公式可得如表4所示关联度。（详见表4）

3. 灰色关联模型的求解

本文选取商品房销售均价X0来反映房价变动情况;选取地区生产总值X1、房地产开发投资额X2、房地产开发企业竣工房屋面积X3、商品房销售面积 X4、房地产开发企业购置土地面积X5、城镇居民可支配收入X6、居民消费价格指数X7、城镇人口X8、房地产开发企业个数X9作为商品房房价的影响因素。数据来源于 2005-2020 年《成都统计年鉴》以及国家统计局网站。

4. 灰色关联模型的结果分析

由表 4 可知，各影响因素对成都市商品房房价的影响程度如下：商品房销售面积>城镇居民可支配收入>房地产开发企业竣工房屋面积>房地产开发企业个数>城镇人口>居民消费价格指数>地区生产总值>房地产开发投资额>房地产开发企业购置土地面积，且每个影响因子关联度都在 0.5以上，说明各个因素都对成都市商品房房价产生了一定程度的影响。关联度大于0.8的影响因素有商品房销售面积、城镇居民可支配收入、房地产开发企业竣工房屋面积和房地产开发企业个数，说明这三个因素对成都市商品房房价的影响最为显著;城镇人口的关联度大于 0.7，说明它对成都市商品房房价有较大的影响;关联度大于0.6，小于0.5的影响因素有居民消费价格指数、地区生产总值、房地产开发投资额和房地产开发企业购置土地面积，说明这四个因素对成都市商品房房价产生一定的影响。下文从需求与供给角度对灰色关联模型产生的结果进行分析。

（1）从需求角度分析成都市商品房房价的影响因素。

在影响成都市商品房房价的影响因素中，城镇居民可支配收入对其的影响程度最大，在所以影响因素中位列第二。随着我国经济的发展，城镇居民可支配收入水平显著提高，人们的生活水平有了极大的提升。成都市 2019城镇居民可支配收入较 2005年上涨了 303.89%，部分投资人会根据对未来房地产市场繁荣程度的预期进行投资获得增值性收入;部分家庭可能会购买区位环境更优越，质量更好的商品房开改善居住条件;还有部分群体或者家庭会从租房改为购买。这些行为都会加大人们对商品房的需求量，从而影响房价，活跃著整个房地产市场。城镇人口对成都市商品房房价的影响位列第五，成都市人口2019年较2005年增加72.49%，随着成都市城镇人口的逐年增加，人们对租房、购房的需求量日益增加，这势必会推动房价上涨。居民消费价格指数和地区生产总值对成都市商品房的房价都能够产生一定成都的影响，这也说明了商品房虽是一种兼具消费和投资两种属性的特殊商品，但它在某种程度上与普通商品的价格具有同向性变化的特点。地区生产总值反映的是一个地区的经济发展状况，成都市2019年的地区生产总值较2005年增加620%。随着生活水平的不断上升，会加大人们对商品房的刚需购买力，同时人们对居住环境的要求也不断提高，房地产市场的发展前景较好，商品房需求显著增长。地区生产总值这一因素与其他因素相比对成都市商品房的影响程度较小主要因为当前成都的房价以平稳上涨为主。

（2）从供给角度分析成都市商品房房价的影响因素。

商品房销售面积和房地产开发企业竣工房屋面积反映的都是商品房的实际供给量，其中商品房销售面积在所有影响因素中位列第一，房地产开发企业竣工房屋面积位于第三，对其的影响都十分明显。同时从侧面反映出成都市商品房的供给结构不合理，市场上的商品房供给仅能满足一部分人的住房需求，无法满足有效需求。房地产开发企业个数对成都市商品房房价的影响位列第四，房地产开发企业个数会影响到开发商获得的土地数量和价格，说明实际建设成本是影响商品房房价的一个重要因素。房地产开发投资额对成都市商品房房价的影响位列第八。从经济学的视角来说，投资会影响经济发展水平。房地产开发投资额增加会向外界传递积极的市场信号，使得人们对房地产市场的预期乐观，增加投机性购房行为，从而推动房价上涨。另一方面，房地产开发投资额的加大可能会增加房产的供给量，使得房价下降。房地产开发企业购置土地面积在所有影响成都市商品房的因素中关联度最小。由表1数据可看出，由于政府在城市建设用地供给尤其是商品房建设用地的供给方面严格管控以及土地用途管制，导致房地产开发企业在土地市场中所能购置的土地面积不断减少，逐渐出现无地可开发的局面，导致商品房建设量降低，市场供给量减少，间接促使商品房价格上涨。

结束语

本文从分析成都市商品房影响因素入手，再从供给、需求的角度对影响商品房房价的因素进行灰色关联度分析。再此基础上，设计影响成都市商品房房价的影响因素并构建灰色模型。分析结果表明商品房销售面积、城镇居民可支配收入、房地产开发企业竣工房屋面积和房地产开发企业个数是影响成都市商品房房价的最主要影响因素，说明成都市商品房市场供求失衡，一直处于供不应求的状态，其房价主要由供给因素推动。此外，由于对商品房房价产生影响的因素众多且它们之间的关系复杂多变，仅通过简单的数量关系来进行分析很容易出现漏洞，讨论问题不全面。同时还有其他许多因素的影响也无法呈现出来，数据可能会存在一定的误差。因此，为得到更加准确的结果。对成都市商品房房价影响因素的研究还需要更进行更为深入的分析与讨论。

参考文献

[1]李秀芝，刘成林，高宇豪，刘琴，李晨曦，张芳婕.基于灰色关联度的宜宾市房价影响因素分析[J].住宅与房地产，2021（02）.

[2]陈清鑫，温晴岚，陆海华.基于灰色关联度的房价影响因素分析[J].现代营销（经营版），2019（05）.

[3]蒋沁宏，周蕾.基于重庆市二手房价格影响因素的灰色关联度分析[J].中国市场，2017（34）.

[4]陈霖，陈坤.基于灰色关联度的某市房价影响因素研究[J].科技视界，2017（32）.

[5]张乐乐，高孝伟.基于灰色关联度的河北省房价影响因素分析[J].绿色科技，2017（10）.

[6]舒家先，吴航宇.基于灰色系统对房地产价格影响因素的研究[J].哈尔滨师范大学社会科学学报，2017，8（01）.

[7]常飞，范婷，岳智慧.基于灰色关联度的房价影响因素修正分析[J].长安大学学报（社会科学版），2015，17（04）.

西南民族大学公共管理学院

作者：秋静

建筑价格上涨影响分析论文篇3：

深圳住房出售价格与租赁价格关系研究

摘要：深圳市目前房价租金比过高，不利于房地产市场的整体发展。深圳要发挥住房租赁市场的突出作用以及加快建立多主体供给的住房制度首先需要厘清房价与房租之间的相互影响机制。构建新房销售价格、二手房销售价格和住房租赁价格三元VAR模型实证分析了深圳房价与房租的相互关系。研究表明，深圳新房销售价格单向冲击影响住房租赁价格，二手房销售价格与住房租赁价格互为因果关系双向传导。为完善深圳房地产市场健康发展长效机制，建议深圳市在保持新房市场稳定的同时也要规范二手房市场发展，此外也要对财税调控政策进行改革优化。

关键词：房屋销售价格;住房租赁价格;VAR模型;脉冲响应分析

1 引言

2020年深圳经济特区成立40周年，深圳作为粤港澳大湾区核心城市以及中央支持建设的中国特色社会主义先行示范区，在中共中央国务院《关于支持深圳建设中国特色社会主义先行示范区的意见》中明确提到要进一步完善保障性住房制度，突出发挥住房租赁市场在房地产整体市场中的作用。深圳要坚决贯彻“房住不炒”政策总基调，加快发展完善住房租赁市场，首先需要厘清房价与房租的相互传导机制以及房屋销售市场是如何冲击住房租赁市场的。目前深圳出现新房销售价格与二手房销售价格“倒挂”现象，此外住房租赁市场中的房源主要为二手房，因此有必要将二手房价格纳入整体房价中进行研究分析。

党的十九大报告中明确提出坚持“房子是用来住的、不是用来炒的定位，加快建立多主体供给、多渠道保障、租购并举的住房制度，让全体人民住有所居。”为抑制房价过快增长，目前中央和地方政府主要调控手段以“限购”“限贷”“限价”等行政手段为主，但在房地产市场发展过程中存在调控政策与房价动态稳定相悖的现象，同时也应该看到国家决策层也在积极加快发展住房租赁市场等市场手段来缓解房屋供需错配压力。房地产市场作为一个有机的整体包括土地市场、新房市场、二手房市场、住房租赁市场等，目前深圳房价租金比过高反映房地产市场有巨大的泡沫，容易引发金融系统性风险，把握各子市场间的相互联动对于稳定房价抑制房地产市场泡沫显得尤为重要。深圳作为“先行示范区”理应在房地產调控市场化上做到先行先试，将好的方案推广至全国以此来保持我国房地产市场平稳健康发展。

本文以下结构安排如下：对相关文献的回顾与概述;对数据进行说明并构建三元向量自回归（VAR）模型;通过脉冲响应函数以及方差分解实证分析房屋销售价格与住房租赁价格的相互关系;稳健性检验以使本文研究结论更可靠;对全文进行总结并根据本文研究结论提出对深圳完善房地产市场健康发展长效机制的政策建议。

2 文献综述

2.1 房屋销售价格与住房租赁价格

在现有文献中从多角度分析了房屋销售价格与房屋租赁价格之间关系，比如人均可支配收入、房地产调控政策以及传统思想文化等。大部分学者研究认为房价影响房租，杜红艳和马永开（2009）通过对全国房屋销售价格指数与房屋租赁价格指数时间序列实证分析得出在短期内房价与租金相互独立、房价是租金变动的长期因素，郑文娟（2011）研究得出在短期中城市住房价格和住房租金互为因果相互影响，在长期中住房价格显著影响住房租金，但住房租金却无法显著影响住房价格。但也有部分学者研究认为房屋销售市场与住房租赁市场更倾向于为双重市场，崔娜娜等（2018）利用北京2006-2016年房价、房租数据研究得出北京市房屋销售市场和住房租赁市场发展基本相对独立，造成这种现象的原因主要为两个市场服务的人群以及发育程度有所差异。

与此同时深圳市目前房价房租比过高，高波等（2013）认为居民人均可支配收入差距的扩大是造成城镇房价房租比升高的主要因素，加快推进住房租赁市场发展是抑制房价房租比过高的重要措施。对于房租对房价的影响，陈思翀和陈英楠（2019）认为租金虽然也对北上广深住房市场波动有影响但影响不如资金使用成本明显。

另外，我们也不可忽视传统婚姻观念对房屋销售市场和住房租赁市场的影响，婚姻匹配也影响着住房租购的选择，进而影响购房或租房的需求，蔡宏波等（2019）研究得出传统门当户对家庭更倾向于选择租房，深圳在推进住房租赁市场发展的同时不可忽略传统思想对居民租购选择的影响。

2.2 影响新房销售价格的因素

通过上文梳理发现大部分学者认为住房租赁价格受到房屋销售价格影响，只有保持房价的相对稳定，我们才可以使住房租赁市场平稳健康发展，为此需要明确影响房屋销售价格的影响因素。我国房价在基本面主要是由供求决定，况伟大和李涛（2012）认为要稳定房价首先应该是调节房屋供需关系。此外深圳作为“移民”城市不可忽视流动人口对房屋销售价格的影响，徐腾和姚洋（2018）结合普查数据和“百度迁徙”数据研究得出流动人口每增加1%将会导致房价上涨0.36%，并且得出房价对人口迁入的负反馈并不显著，深圳需要增加房屋供给来满足日益增长的房屋需求。

中央政治局会议明确指出，要引导利率下行，保持流动性合理充裕（整理自2020年3月27日中共中央政治局会议新闻稿）。马勇和吴雪妍（2018）认为房地产信贷规模较高的地区银行信贷对房价会产生更为显著的影响，同时投资者情绪也起到了加速器的作用。当前我国企业尤其是中小企业普遍存在融资难融资贵问题，陈诗一和王祥（2016）通过建立包括房地产市场在内的多部门DSGE模型研究得出当社会融资成本较高时降低利率会使得房价显著上升，倪鹏飞（2019）认为宽松的货币政策加大了大中小城市的住房价格分化，因此央行在引导利率下行时要防止信贷资金再次大规模流入房地产市场引起房价的非平稳变化。

对于财税政策同样不可忽视，目前我国各地方政府建设的保障性住房比如公租房、安居房资金来源大部分为财政资金。我国也明确提出要稳妥推进房产税立法，骆永民和伍文中（2012）研究得出旨在对住房持有环节征税的房产税改革在长期可以有效降低房价，并且能发挥良好的自动稳定器功能以平抑房价变化所导致的宏观经济变动，在新时代下可以考虑对住房保有环节加大征税，作为现有房地产市场长效调节机制的补充。我们在统筹经济社会更好发展的同时应当在原有水平上投入更多的财政资金建设保障性住房，加快发展住房租赁市场，卢新海等（2015）认为当“限购”等调控手段逐渐退出市场调控时应该适当扩大保障性住房工程投资进而推动房地产市场结构化转型。

二手房市场作为房地产市场的重要组成部分对新房销售市场的影响不可忽视，祁神军和张云波（2011）认为从长期看二手房的活跃交易在转移部分新房需求的同时最终会进一步推动新房市场的发展，同时二手房市场也与住房租赁市场存在相互关系。我们也需要特别注意到国家调控政策也会对住房租赁价格产生影响，朱国钟和颜色（2013）对住房调控政策进行效果分析得出调控政策通过抑制对商品房消费将住房需求转化为租房需求，从而推高房租上涨，深圳加快发展住房租赁市场也需要考虑房地产调控政策的影响。

本文相对于已有文献创新点在于：第一，通过构建三元VAR模型进而利用脉冲响应函数以及预测误差的方差分解研究房价与房租之间的相互影响关系。第二，以中国特色社会主义先行示范区深圳市为研究对象，揭示深圳房地产市场下的房租与房价关系。

3 数据说明与VAR模型构建

3.1 变量选取与数据来源

本文从中国指数研究院选取深圳市2005年12月至2019年12月的每月新房销售价格指数、租赁价格指数、二手房销售价格指数，各指数走势如图1所示。

中国指数研究院在编制新房销售价格指数时每期数据来源于房天下机构人员收集所在城市的项目报价、规模信息等，数据来源可靠。指数计算采用模型为：

其中It为t期价格指数，It-1为t-1期价格指数，为t期物业价格，为t-1期物业价格，为上期建筑面积。此模型在考虑房屋面积对房屋整体售价影响的同时，可以充分反映当期价格与上期价格的变动趋势，更具合理性。住房租赁价格指数和二手房销售价格指数计算模型与新房销售价格指数模型计算类似。以上3种价格指数可以反映新房销售价格、住房租赁价格、二手房销售价格的变化幅度大小与价格走势，能够分别作为新房市场、住房租赁市场、二手房市场较好的代理变量。

从深圳市统计局汇总编制了财税收入房产税指数，从深圳市住房和建设局汇总编制了保障性住房指数，从中经网统计数据库选取编制了银行间债券质押式回购交易加权平均利率（7天）指数（以下简称利率指数），具体变量名称说明见表1。为使本文所选用的各指数在计算方法上具有一致性，在计算编制房产税指数、保障性住房指数、利率指数时与新房销售价格指数采用相同思想。以保障性住房指数为例，采用模型如下：

其中It为t期保障性住房指数，It-1为t-1期保障性住房指数，Nt为t期保障性住房数量，Nt-1为t-1期保障性住房数量。

为了更好地消除各变量之间的异方差影响，从而更好地反映各变量之间的线性变化趋势以及使回归结果中各变量系数的意义更为明确，本文对表1中所列指数均做自然对数处理，下文各变量记号均表示经过自然对数处理后的数据。

3.2 向量自回归模型（VAR模型）

向量自回归模型（Vector Autoregression，简记VAR）是Sims在1980年所提出的，是对自回归模型的推广与应用。VAR模型可以对多变量时间序列进行高效准确分析，VAR系统内每个变量可以为内生变量也可以为外生变量，每个内生变量受到自身滞后项的影响，同时也有可能受到其他变量当期或滞后期的影响。

本文研究对象新房销售价格指数、住房租赁价格指数、二手房销售价格指数同属于房地产市场下的价格指数，可以视为房地产市场的内生变量。因此以上述3种指数作为内生变量构建三元VAR系统分析深圳市新房价格、房租、二手房价格之间的联动传染，相比于其他模型具有可行性与优越性。综上，构建HSI、HRI、SSI变量VAR模型如下：

3.3 平稳性检验

构建VAR模型前，需要对时间序列进行平稳性检验。在进行时间序列平稳性检验时通常使用DF检验、ADF检验、PP检验、KPSS检验等方法。本文使用ADF检验方法对序列进行平稳性检验，整理检验结果见表2。原序列均存在单位根为非平稳序列，在进行一阶差分后均为平稳序列且在1%水平上显著，故HSI、HRI、SSI为1阶单整序列，可以进行VAR模型估计。

此外，估计VAR模型还需进行滞后阶数的确定。VAR模型滞后阶数的选择通常依据信息准则比如AIC、HQIC、SBIC来确定。我们需要更多的滞后阶数来反映模型的动态特征，但更高的滞后阶数会使参数估计量上升从而损失较多样本容量，同时滞后阶数的选择应保证随机扰动项为白噪声序列即不存在自相关性。本文综合信息准则AIC值最小以及残差无自相关性原则，最终确定滞后阶数为9。进一步图2显示此滞后9阶的VAR模型为稳定平稳过程，可以利用此VAR模型进行HSI、HRI、SSI之间的正交化脉冲响应分析以及方差分解分析。

4 实证研究

4.1 格兰杰因果检验

格兰杰因果检验在计量经济学中用于变量之间的因果关系检验，即确定因果关系是从x到y或是从y到x，抑或是双向因果关系。对于时间序列模型：

检验原假设“H0：β1=…=βp = 0”，即x的过去值对预测y的值没有帮助。倘若拒绝原假设，则称x是y的“格兰杰原因”（Granger cause）。HSI、HRI、SSI格兰杰因果检验结果见表3。从格兰杰因果檢验显著性结果来看，住房租赁价格指数过去值不能解释新房销售价格指数，但新房销售价格指数过去值可以解释住房租赁价格指数，此结果可以表明目前深圳市的住房租赁价格不能传导至新房销售价格，深圳市住房租赁市场与新房销售市场之间是单向传导关系。深圳市的住房租赁价格指数与二手房销售价格指数互为格兰杰因果关系，同时深圳市的新房销售价格指数与二手房价格指数也互为格兰杰因果关系。

4.2 脉冲响应分析

进一步利用VAR模型计算脉冲响应函数，以用来评估在其他条件不变的情况下当系统内部某一变量受到冲击后会对该变量及其他变量产生怎样的动态影响。在实证分析中通常做法为汇报正交化脉冲响应图（未正交化的脉冲响应函数无法厘清各变量冲击的单独影响，不具有分析意义）以便直观分析出外部冲击所造成的动态影响。正交化的脉冲响应函数依赖于变量的次序排列，本文在此处通过格兰杰因果检验以及交叉相关系数确定变量次序为D_HSI、D_SSI、D_HRI。正交化脉冲响应图如图3所示。通过正交化脉冲响应图，我们可以清晰看到某一外部冲击对各变量的影响。住房租赁价格受到冲击不会对新房销售价格造成冲击，但住房租赁价格受到冲击会对二手房销售价格造成短期正向冲击，随后冲击影响逐渐消失。新房销售价格受到冲击会对住房租赁价格造成短期动态影响但随后影响逐渐消失，此外新房销售价格受到冲击会在短期内对二手房销售价格有正向冲击且冲击强度较大，但在随后冲击的影响也逐渐消失。外部对二手房销售价格的冲击会短暂对住房租赁价格造成正向影响，同时也会对新房销售价格造成短暂的正向影响，但对住房租赁价格与新房销售价格的影响在长期都逐渐趋近于零。通过脉冲响应函数图可以明确新房销售市场与住房租赁市场为单向传导即新房销售市场单向冲击住房租赁市场，这也与格兰杰因果检验结果相一致。新房销售市场对二手房销售市场的影响通过住房租赁市场作为中间传导市场放大影响。住房租赁市场由于不能动态影响新房销售市场，所以住房租赁市场对二手房市场的影响不能叠加新房销售市场对二手房销售市场的影响。

4.3 预测误差的方差分解

VAR模型的主要用途之一便是预测，在进行参数估计后可以得到向前一期的预测。方差分解计算了某一个变量外部的正交化冲击对另一个变量预测值均方误差的贡献大小，这是在进行完正交化脉冲相应函数分析后度量某一个变量对另一个变量影响的又一种方法。在进行此部分方差分解分析时，沿用上文D_HSI、D_SSI、D_HRI的变量次序，预测方差分解如图4所示。

从图4中可以看出，對新房销售价格向前一期进行预测，其预测方差全部来自于其自身，随着向前预测的期数逐步增加新房销售价格的预测方差有部分来自于二手房销售价格，来自于住房租赁价格的部分几乎仍为0。这表明新房销售价格在未来短期内主要是受自身价格的影响，长期内会受二手房销售价格的影响，但住房租赁价格始终无法影响新房销售价格，这与前文新房销售价格单向冲击住房租赁价格的结果相一致。

对住房租赁价格做向前一期的预测，其预测方差有92%来自于自身，剩下来自于新房销售价格和住房租赁价格，向前作二十期预测时，其预测方差来自于二手房销售价格的部分显著上升而来自于新房销售价格的部分则相对保持平稳，这表明住房租赁价格在未来更多的是受到二手房销售价格的影响。此外，对二手房销售价格向前一期进行预测，其预测方差87%来自于自身影响，13%来自于新房销售价格的影响;对二手房销售价格向前作二十期预测，其预测方差66%来自于自身，24%来自于新房销售价格，10%来自于住房租赁市场。

4.4 OLS线性回归

前述内容已通过构建VAR模型对新房销售价格指数、住房租赁价格指数、二手房销售价格指数进行脉冲响应函数分析以及方差分解分析并得出新房销售价格单向传导冲击住房租赁价格，但VAR模型更倾向于对变量未来值的预测。为此，需要通过构建线性回归模型精确评估房屋销售价格包括新房销售价格与二手房销售价格对住房租赁价格的影响，使用OLS法进行回归分析。

OLS法的回归基本思想是通过构造函数使得所有残差和取最小，从而实现最优线性函数匹配。在满足线性回归模型的基本假设下，最小二乘估计量具有无偏性与有效性（最小方差性）的特性，这使得OLS法可以给出在统计意义上较好的参数拟合结果。OLS估计法的无偏性与有效性结合起来，使得按照同样的置信度，OLS估计量的置信区间最小，最集中于真实值周围。

由前文格兰杰因果检验以及脉冲响应函数分析，新房销售市场与二手房销售市场互为因果存在双向传导关系，另一方面通过检验方差膨胀因子（VIF）值为29.75大于10，认为新房销售价格指数与二手房销售价格指数存在共线性，所以此处精确评估新房销售价格对住房租赁市场的影响，在稳健性检验时评估二手房销售价格对住房租赁市场的影响。分别以2005年12月至2019年12月（以下称样本1）和2017年1月至2019年12月（以下称样本2）为时间跨度进行OLS回归，回归结果如表4和表5。

选用样本1是为总体评估深圳市新房销售价格对住房租赁价格的影响，选用样本2是为突出党的十九大后深圳市新房销售价格对住房租赁价格的影响。从表4来看，整体上当期新房销售价格指数上涨1%会造成住房租赁价格指数上涨0.694%，上期新房销售价格指数对本期住房租赁价格指数的影响为0.688。从表5来看，2017年之后当期新房销售价格指数上涨1%会造成住房租赁价格指数上涨1.22%，上期新房销售价格指数对本期住房租赁价格指数的影响为1.03。通过比较表4与表5，新房销售市场对住房租赁市场的影响弹性由0.694提高到1.22，这从侧面表明党的十九大提出“房住不炒”以及“租购并举”后，对深圳新房销售市场一个冲击将会对住房租赁市场造成一个较为强烈的反应。

5 稳健性检验

稳健性检验是要对回归结果排除样本的偶然估计现象，以便使得实证分析所得结论更可行。本文在此部分通过替换变量、冲击变量以及改变计量方法分别进行稳健性检验。替换变量是用二手房销售价格指数替换新房销售价格指数，由于新房销售价格与二手房销售价格互为格兰杰因果且两个市场双向传导，所以可以认为二手房销售价格在一定程度上可以替代新房销售价格的作用。冲击变量指增加变量房产税指数、利率指数、保障性住房指数，由于利率指数是由货币政策影响，而货币政策在我国一定程度上是由国家决策层决定具有外生性，所以可以作为控制变量冲击新房销售价格指数。同时引入工具变量使用GMM法重新进行线性回归，工具变量为房产税指数、保障性住房指数，由于现行房产税、保障性住房建设基本由财税政策决定，保障性住房建设工程资金大部分来源于财政资金，并且财税政策同样由决策层决定可以看作外生变量，所以可以将房产税指数、保障性住房指数作为新房销售价格的工具变量。此外，也通过OLS法评估金融政策、财税政策各外部冲击对新房销售价格、住房租赁价格、二手房销售价格的影响。

在进行稳健性检验时，各变量时间跨度均选择为2017年1月至2019年12月。检验结果见表6。

由表6可以得出，前文新房销售价格对住房租赁价格的单向影响可以通过稳健性检验。用二手房价格指数替换新房销售价格指数后二手房价格对住房租赁价格依然为正向影响，在1%水平上显著且系数与表4中新房销售价格指数对住房租赁价格指数弹性影响系数基本一致。在加入利率的外部冲击后，新房销售价格指数对住房租赁价格的弹性影响为1.237，与在没有冲击下的弹性影响1.220基本一致。表6中GMM模型（3）在引入工具变量后新房销售价格指数也同样在5%的显著水平上影响为正，在剔除内生性影响后系数有所增大。保障性住房指数对住房租赁价格有正向轻微影响0.0481，考虑到政府加大公租房供应以及提出“租购并举”会盘活住房租赁市场，引导低收入群体由购房转向租房减少生活成本，造成住房租赁价格的轻微上涨。同时新房市场与二手房市场双向传导也可以通过稳健性检验，新房销售价格对二手房销售价格的影响为1.605是强冲击，二手房销售价格对新房销售价格的影响为0.232强度较弱，这也与正交化脉冲响应函数分析结果相一致，新房销售价格对二手房销售价格的冲击影响大于二手房销售价格对新房销售价格的冲击影响。利率的降低反而会使新房销售价格的上涨，但对二手房销售价格的影响有限。同时应该从检验结果（6）和（8）中看到，除了利率对新房销售价格的影响能通过显著性检验外，房产税指数、保障性住房指数对新房销售价格以及二手房销售价格的影响均不能通过显著性影响。这需要我们警惕反思现行的房产税税收政策以及加大力度建设的保障性住房能否真正实现“房住不炒、住有所居”。

6 结论与政策建议

本文从中国指数研究院获取新房销售价格指数、住房租赁价格指数、二手房销售价格指数，从深圳市统计局获取编制房产税指数、中经网统计数据库获取编制利率指数、深圳市住房和建设局获取编制保障性住房指数，通过VAR模型以及多元线性回归研究得出：深圳新房销售价格单向冲击影响住房租赁价格，其主要影响机理为新房销售价格冲击影响二手房销售价格，进而以二手房销售价格为中间传导媒介冲击影响住房租赁价格，深圳加快住房租赁市场健康发展并建立租购并举的住房制度前提是要保持房屋销售价格的稳定。

以2005年12月至2019年12月的数据评估具体影响为新房销售价格指数每上涨1%将会引起住房租赁价格指数上涨0.694%，以近3年2017年1月至2019年12月的数据评估具体影响为新房销售价格指数每上涨1%将会引起住房租赁价格指数上涨1.22%。新房销售价格与二手房销售价格互为因果关系双向传导，且新房价格上涨会对二手房价格造成一个强冲击，新房销售价格指数每上涨1%将会引起二手房销售价格上涨1.605%，二手房价格指数上涨1%将会引起新房销售价格指数上涨0.232%。此外，货币政策指标利率指数下降将会引起新房销售价格指数上涨，但反映财税政策的房产税指数与保障性住房指数未能达到预期的政策效果，对房地产市场没有显著影响。

为更好地贯彻中央政治局“房子是用来住的，不是用来炒的”的定位以及“因城施策”的基本要求，本文根据研究结论对完善深圳房地产市场健康发展长效机制，提出以下建議：

第一，深圳要继续保持新房销售价格的平稳变化。只有在深圳新房销售价格得到稳定后，才可以更好地发挥住房租赁市场在房地产市场中的作用。深圳可以深化与粤港澳大湾区内其他城市的联动发展，扩大土地供给以此来满足深圳市不断增长的购房需求，进而稳定房价发展住房租赁市场。

第二，深圳要规范二手房市场的健康发展。二手房销售市场作为新房销售市场与住房租赁市场之间的关键传导媒介，二手房市场的健康发展对于发挥住房租赁市场的作用尤为重要。深圳可以深入探索租售同权，减少居民对中心城区二手房尤其是“学区房”以及其他需求并以此将部分需求引导至租赁市场，提高居民参与租赁市场的积极性，更有利于住房租赁市场的发展。

第三，深圳要探索房地产市场调控政策的改革。现行保障性住房及房产税政策未能对深圳房地产市场产生预期的调控效果。深圳要创新保障性住房供给机制，考虑由政府直接供给保障性住房转向政府购买保障性住房。另一方面对于房产税，深圳针对房地产市场的税收政策应该是动态的，此外也应该建立健全税收辅助制度，比如房屋市场估价制度，在纳税时采取市场价格。

参考文献：

1.王国军刘水杏.房地产业对相关产业的带动效应研究.经济研究.2004.08

2.孙斌艺卢雅.财政政策对住房价格影响的理论和实证分析.上海房地.2017.06

3.郑军胡蓉.调控政策与房价动态稳定的理论与现实悖论.海南金融.2020.01

4.杜红艳马永开.我国房价与租金Granger因果关系的实证研究.管理评论.2009.01

5.郑文娟.中国城市住房价格与住房租金的影响因素及相互关系研究.浙江大学.2011

6.崔娜娜古恒宇沈体雁.北京市住房价格和租金的空间分异与相互关系.地理研究.2019.06

7.高波王文莉李祥.预期、收入差距与中国城市房价租金“剪刀差”之谜.经济研究.2013.06

8.陈思翀陈英楠.中国住房市场波动的影响因素研究——基于租金收益率的方差分解.金融研究.2019.02

9.蔡宏波韩金镕苏丽锋.门当户对与住房租购选择——基于中国家庭金融调查数据的实证分析.经济理论与经济管理.2019.03

10.况伟大李涛.土地出让方式、地价与房价.金融研究.2012.08

11.徐腾姚洋.城际人口迁移与房价变动——基于人口普查与百度迁徙数据的实证研究.江西财经大学学报.2018.01