限购政策对城市商品住宅市场的量价影响分析

限购政策对城市商品住宅市场的量价影响分析

贾生华 孟桢超

摘要：宏观调控政策作为影响房价的重要因素，对房地产市场的发展和走向起着至关重要的作用。“新国八条”出台以来，“限购”成为各地房地产市场的关键词。本文将利用“限购令”出台前后的“中房指数”和各城市统计数据对商品住宅市场的量价变动情况进行比较分析，同时以北京市为例，进行格兰杰因果检验并建立VAR 模型，探究限购背景下城市商品住宅市场的量价互动机制是否起效，限购政策是否产生了实质性影响。

关键词：限购政策 商品住宅市场 量价互动 ①

一、研究背景

随着政府明确提出将房地产业作为带动国民经济增长的新的经济增长点和消费热点，我国房地产市场取得了极大的发展，房地产价格和交易量呈现出持续上涨的运行趋势。然而近年来，经济基本面对各城市住宅价格的解释能力逐渐减弱，投资与投机因素开始逐渐主导房地产业的走向，主要表现为价格的不合理持续上涨，巨大的市场潜在需求与有效需求不足并存，住宅商品的总供给过剩与有效供给不足并存。为调控房地产业的这种非理性膨胀，政府不断出台各类调控措施，包括信贷、税收等方面的政策，试图通过提高住宅产品的持有成本以抑制房价过快上涨。而无论是对房地产市场的研究还是宏观政策的调控目标，交易量一直是被忽略的市场指标。价格与交易量在经济理论中是同时确定的，但是鉴于房地产市场的投资特性，共同分析交易量与价格才能完整描述市场状况。“限购令”的出台便是从提高购房门槛，控制交易量的角度出发，以期最终降低虚高的房地产价格。2010年4月30日，北京市出台“国十条实施细则”，首次提出限制家庭购房套数；随后被称为“最严厉楼市调控措施”的“限购令”在上海、深圳和厦门等地施行；2010年9月29日，国家有关部委出台“新国五条”，使“北京限购令”在全国得到推广：杭州、宁波、南京、天津、大连、广州、福州等房价① 本文属于国家社科基金重点项目（01AZD016）“整顿和规范房地产市场秩序的制度设计、政策分析和路径选择”的阶段性成果。

1

处于高位的沿海省会城市和计划单列市等纷纷出台具体的限购政策；2011年上半年，内地省会城市也陆续开始了限购；2011年8月，浙江台州限购政策出台，限购政策由此从一线城市向二、三线城市全面铺开。

然而，限购政策的出台也遭致不少非议，主要在于“限购令”在限制了房地产市场中的投资、投机需求的同时，也抬高了改善性需求和刚性需求的门槛，而对于限购令是否可以通过抑制投机需求，减少房地产交易数量，最终实现降低虚高的房价的调控目标，人们也有所质疑。尽管在2011年底，住建部已表态，对于限购政策将于年底到期的城市，地方政府需要在到期之后对限购政策进行延续；温总理也公开表示我国房价还远远没有回到与居民收入相适应，与投入和合理的利润相匹配的合理区间，因此对房地产市场的调控不能放松。但是限购政策的市场效应究竟如何，是否会对房地产市场的交易量和价格均产生影响，本文将对限购政策背景下我国主要城市的房价和成交量及其关系进行分析，以探讨“限购令”对我国房地产市场的实质性影响。

二、文献综述

在一个自由、没有政府管制的市场系统中，市场作用力在价格和交易数量之间能够建立起均衡。然而市场并不是万能的，在房地产市场等特殊的市场内，市场调节所达到的均衡并不能保证每个市场参与个体都感到满意。基于房地产市场的非完全竞争性，国内外学者普遍赞同政府在其发展过程中进行干预和调控。

在我国，近年来各城市住宅价格的增长已经无法很好地用经济基本面和住宅价格的历史信息来解释了（沈悦，刘洪玉，2004），这引起了政府的高度重视。有关部门出台了一系列调控政策以规范和引导房地产业的发展。然而，我国的宏观调控政策阶段性特征明显，其执行效果难以进行综合性考察，就2010年开启的“限购”来看，对于抑制房地产投机和调控房地产业非理性膨胀，还是起到了积极的作用（姜凌，陈龙彪，2011；梁田，张坤，2011）。但是对于其能否使房价合理回归，则存在较多争议，且相关研究未得出一致的结论。有研究认为“限购令”的出台给过火的房地产市场打了一剂退烧针，使得北上广等地的房地产市场出现了量价齐跌的态势（袁雨露，2011）。而刘旦（2011）利用中房指数进行了统计分析，结果表明限购城市的商品房成交量明显下降，房价却呈现逆势上扬的态势。易宪容（2011）、黎显扬（2011）也认为限购未必能达到预想的效果。其中重要的原因在于目前的调控政策没有从根本上改变人们对房价不断上涨的预期（陈杰，2010）。

2

限购政策的作用机理，简单来说便是直接作用于商品需求，使需求曲线的位置发生移动。根据供求定理，在其他条件不变的情况下，需求变动分别引起均衡价格和均衡数量的同方向变动。潘亚男（2011）采用四象限模型对限购机制进行定性分析，指出限购政策正是通过限制不合理的需求，改变供需平衡，从而达到间接控制房价的目的。其发挥作用的关键在于交易量到房价存在着互动机制，但是在限购政策背景下，针对房价和交易量之间的关系的研究还处于空白状态。

其实从理论上看，如果人是理性的、资本市场是理想的、市场是集中的，住房价格和交易量不应该存在相关性（Lucas ，1978）。然而事实上，国内外大量实证研究却发现量价之间具有相关关系：Stein （1995）对美国、Andrew （2006）对英国以及Tuetal （2008）对新加坡住房市场的研究都发现房价和交易量之间有正相关性，并且是房价驱动交易量变化； Hort（2000）对瑞典、Leung,Lau and Leong(2002)对香港、杨培培等（2009）对我国住房市场的长期趋势实证却得到相反的结论，认为交易量是房价的格兰杰因，“价随量涨”。但是全国范围的数据会模糊量价之间的关系，两者的互动机制在单个城市或是区域市场可能表现得更为显著（Stein ，1995）。鉴于我国区域间、城市间房地产市场发展水平差异较大，国内不少学者以城市或区域房地产市场为研究对象探索量价间的相关性。张凌和贾生华（2009）以上海为例，对其房价和销售面积进行实证研究，得出两者间存在正相关性的结论，且销售量的变化受房价变化Granger 影响。陆勇（2007）在对香港住宅市场进行研究后则认为量价之间的相关性存在调节变量——房地产市场的周期：在市场过热的情形下，量价之间呈现出双向因果关系，表现出正反馈效应，而在市场下跌或恢复时期，仅有价格是交易量的格兰杰原因。

用来解释房地产市场上量价间这种互动关系的理论模型主要有首付效应模型、搜寻模型、损失厌恶模型以及流动性补偿模型。Stein （1995）提出了首付效应模型：房价的上升增加了已有住房的资本利得，提升了业主搬迁的首付能力，从而引起交易量的上升，导致了量价之间的正相关关系。Berkovec 和Goodman （1996）建立了搜寻模型：买卖双方对房屋的预期价格不同，只有当买方的报价等于或者高于卖方的保留价格时，交易才能顺利进行。而面对外界冲击，买方对预期价格的调整快于卖方，当出现一个需求冲击时（买方数量突然增加），价格的变化总是落后于交易量的变化。卖家回避损失也解释了房地产市场上价格-交易量之间的正向关系：市场繁荣时期，交易价格多高于卖家要价，交易顺利进行；而在市场低迷时期，房屋的市价一般低于卖家要价甚至是初始购房价格，屋主通常设置一个较高的价格延长销售时间，以惜售的方式来减少或是杜绝损失，进而导致交易量下降（Genesove & Mayer，2001）。C. Y. Yiu，K. F. Man 和 S. K.

3

Wong 提出的流动性补偿模型的基本思想为流动性的增加使价格集中分布，从而降低了可类比住房的定价错误的风险和谈判成本，如此一来买家愿意支付一定风险溢价，这使得交易价格上升。另外，国内学者还采用由不完全信息产生的羊群行为来解释我国房地产市场量价联动飙升的原因（贺京同等，2009；高波、洪涛，2008）。

然而，在限购政策的背景下，我国主要城市的房价和交易量是否依然存在相关关系，其作用方向和程度在不同的城市是否会有所差异，价量间的互动机制将如何演化，从已有的文献中，我们尚无法得出有价值的论断，对其的深入研究将有助于进一步分析政策的调控效果。

三、限购政策对城市房地产市场的影响分析

自2010年4月，北京最先颁布“限购令”以来，全国几个重要城市，包括上海、广州、深圳、天津、南京和杭州，均陆续出台了限制购房套数的调控措施。2011年1月，国务院常务会议再度推出八条房地产市场调控措施（简称“新国八条”），各地随之出台限购细则，基本要求户籍家庭限购两套（含新建商品房及二手房），非户籍家庭限购一套，限购进一步细化和严格化。

逐步强化的限购政策主要是为了抑制投资、投机性购房，通过减少投资、投机性购房需求，在新的供求平衡下使住房价格下降。本文根据2009-2011年三年间北京、上海、广州、深圳、天津、武汉、南京、杭州和成都等九座城市①在房地产销售市场相关数据，剖析限购政策对城市房地产市场的实质性影响。同时以北京市为例，检验在2008-2011年限购政策出台前后，投机性强的城市是否存在明显的量价互动机制。

时间选取覆盖“限购令”颁布前后区间，以求全面反映其政策效果。各城市房地产价格数据来自中国指数研究院的新房和二手房指数；商品房销售面积和商品住宅销售面积均取自各城市统计局网站的进度或月度数据。

（一）、限购政策对各主要城市商品住宅市场的影响

限购机制直接作用于住房需求，以使需求曲线的位置向左下方移动，在新的供求平衡下使住房价格下降。作为反映住房需求的有效变量，2009-2011年三年间，全国各主要城市的商品房销售面积发生了剧烈的波动。以一线城市北京、上① 由于重庆未推出明确的限购政策，故未收集重庆市的相关数据。

4

海、深圳和杭州①四座城市为例，作为四万亿救市计划的受益产业，2009年房地产市场发展迅猛，其商品房销售面积经历了一个逐渐攀升的过程。而在2010年

图一 2009-2011全国主要城市商品房销售面积（万平方米）

数据来源：各城市统计局网站进度数据

4月和10月，及2011年年初，受到“限购令”的强势冲击后，各地的商品房销售面积震荡下调，尽管在此期间有阶段性的回升，但已基本稳定在每月250万平方米的水平之下，年平均降幅达两位数。

然而，限购政策对住房价格的影响并不显著。中国指数研究院新房指数的住宅指数显示，2009年，新建商品住宅价格上涨，涨势明显。进入2010年，涨势放缓，在2011年更为严格的限购细则出台后，新建住宅指数基本保持平稳，并有微弱的下探趋势。 ① 2009年12月，杭州商品房销售面积的数据缺失。

5

图二 2009-2011新房指数之住宅指数

数据来源：中房指数

图三 2009-2011新房指数之Hedonic 指数

数据来源：中房指数

但是，如果是由经济基本面因素或是住宅商品本身的异质性导致的住房价格波动，则不应归因于调控政策的施行。采用房地产特征价格指数将清晰地看出“限购令”通过影响供求关系从而调节房地产价格的实际效果。在2005年6月的技术改进中，中房指数针对住宅市场引进了Hedonic 指数（特征价格指数）。2009-2011年间，Hedonic 指数总体呈现波动上升的趋势。但是，于“国八条”推出的2011年，各城市的Hedonic 指数有不同程度的下调，“限购令”调控效果初显。

另外，限购政策对二手房市场的住宅价格则产生了较为显著的影响。2009-2010年，二手房价格指数中的销售价格指数呈现明显的上升走势，月均上

6

升三个百分点。而在2011年下半年，该指数曲线出现拐点，指数有所下降。原因可能在于，2010年，多数城市未将二手存量住房明确纳入所推出的地方版“限购令”，而2011年的限购细则普遍将二手房纳入了限购体系。

图四 2009-2011二手房指数之销售价格指数

数据来源：中房指数

（二）、限购背景下北京房地产市场的量价波动情况

2010年4月30日，北京市出台“国十条实施细则”，首次提出要限制家庭购房套数，成为最先颁布“限购令”的城市。本文将以北京2008年1月至2011年12月的商品住宅销售价格和交易量月度数据分析限购背景下北京住宅价格和成交量之间的波动关系，以观察投机性强的城市是否存在量价互动机制以实现政策的调控目标。

商品住宅销售价格来自中国指数研究院的中房北京住宅指数。为获得真实的住房价格，并保证其纵向可比性，本文对北京统计局网站发布的CPI 月度同比数据进行适当调整，将2008年1月的CPI 设为100，定为基期，得到纵向延伸的定基CPI 序列，以此修正中房北京住宅指数。交易量用商品住宅的销售面积代替，鉴于其明显的季节趋势，本文采用移动平均法对该数据序列进行季节调整。调整后的中房北京住宅指数和商品住宅销售面积分别被表示为Price 和Volume ，两者的趋势和关系如图3.8所示。

7

图五 2008-2011北京市房地产市场量价波动情况

从图中我们不难看出，北京市商品住宅销售面积在这四年里经历了较大幅度的波动： 2008年末国务院出台四万亿投资计划以扩大内需后，房地产业较快从金融海啸中恢复过来，住宅销售面积迅速回升；然而，自北京楼市的“限购令”出台后，交易量应声下跌，商品住宅的月销售面积基本在1000万平方米上下波动。另一方面，北京市商品住宅销售价格的波动趋势相对平缓，且在外生冲击下的调整滞后于交易量。2010年4月后，其住宅销售价格仍呈现上行趋势；至2010年6月攀升至2930点的新高位后，才开始出现缓慢下跌的走势。本文将对量价的波动关系进行进一步地实证检验，以深入分析限购政策给北京市房地产市场所带来的影响。

本文首先将Volume 、Price 序列分别取对数以消除时间序列中的异方差现象，取对数后的两组序列被对应地命名为LnV 和LnP 。为避免“伪回归”，用ADF 检验方法分别对LnV 和LnP 进行了单位根检验，结果显示在5%的显著性水平上，LnV 和LnP 均为一阶单整序列，即这两个时间序列都是非平稳的，但进行一阶差分后显示出平稳性。

表一 单位根检验结果

ADF 统计量

检验临界

值 Level 1% 5%

10% V 水平值 0.13 -2.62 -1.95 -1.61

8

P 一阶差分 -7.36 -3.58 -2.93 -2.60 水平值 1.22 -2.62 -1.95 -1.61 一阶差分 -3.57 -3.58 -2.93 -2.60 上文的研究结果显示LnV 与LnP 都是I （1）序列，可以对其进行协整检验。

迹检验的结果是在5%的显著性水平上存在一个协整方程，LnV 与LnP 存在协整关系，即两变量之间存在长期稳定关系。

表二 协整检验结果

Hypothesized

No. of CE(s)

None*

At most 1 Eigenvalue 0.30 0.05 Trace statistic 18.63 2.43 0.05 Critical Value 15.50 3.84 Prob.** 0.02 0.12

Granger （1988）指出：如果变量之间是协整的，那么至少存在一个方向上的格兰杰原因。在根据AIC 和SC 最小准则确定滞后阶数为2后，两序列的格兰杰因果检验结果显示，量价之间存在单向关系：价格不是交易量的格兰杰原因，但交易量是价格的格兰杰原因。限购机制便是试图通过直接作用于住房需求，迫使需求下跌，以在新的供求平衡下使住房价格下降，“价随量跌”以实现调控目标。而市场的实际运行情况论证了 “限购令”的可行性：随着需求量的萎缩，商品住宅的供求缺口有所缩小，价格在新的供求关系作用下也逐渐显示出下探的势头。

表三 格兰杰因果检验结果

零假设

价格不是交易量的格兰杰原因

交易量不是价格的格兰杰原因 F 值 1.23 4.39 P 值 0.29 0.02

本文进一步建立交易量与价格两变量的VAR 模型，以获取一些有意义的结论。该模型通过稳定性检验，AR 值小于1，模型估计结果如表3.4显示。首先，交易量存在显著的一阶自相关性，当期的交易量受上期的影响较大；而价格在一阶与二阶水平上的自相关性都很强，滞后一期的价格对当期价格的正向影响尤甚，滞后两期的价格则对当期价格表现出负向的影响，大小为前者的四分之一。其次，交易量对价格产生正向影响，其中滞后二期的交易量对价格的影响较为显著。最后，价格对交易量的影响表现为滞后负相关，但是这种影响不显著。 表四 VAR模型估计

LnV(-1)

LnV(-2)

LnP(-1)

LnP(-2)

LnV 0.59 (3.59) 0.04 (0.23) -0.15 (-0.04) -0.48 9 LnP 0.006 (0.98) 0.009 (1.56) 1.32 (9.57) -0.33

C

注：括号中为T 统计量的值 LnV (-0.12) 6.65 (1.99) LnP (-2.35) -0.01 (-0.09)

基于上面的VAR 模型，得到了如图3.6所示的脉冲响应。一个交易量的冲击对其本身和价格所造成的冲击大相径庭。价格对于交易量的冲击，迅速做出反应，第1个周期起便持续上扬，直至第6个周期才逐渐保持平稳。而交易量本身则于第1期攀至顶峰后立即下挫，从第7周期开始，这种影响变为负。其中一个较为合理的解释是面对需求的正向冲击，房地产市场的供应无法立即满足，扩大的供需缺口致使价格持续上升；尔后市场逐渐适应这种冲击或是供应日益充足，价格便逐步回稳。而交易量对其自身的一个冲击的反应不断减弱甚至转为负则显示，虽然市场出现了需求冲击，但其并没有随着时间而进一步影响到更多人的购房需求，或许这种需求的短期释放并不是基于经济基本面等长期因素的变化。

而施加一个单位价格的冲击后，对交易量产生了滞后一期的负向影响，尽管影响并不显著。另外，价格本身也收到正向影响，经过4期的上扬，第5期起价格逐渐回落趋稳。在限购背景下，人们日益理性，不再一味追涨入市，尽管价格依然存在自我复制，但交易量的变化显示“羊群效应”似乎不复存在，限购政策有效抑制了投资投机需求。

10

图六 脉冲响应

四、研究结论

本文首先根据2009-2011年三年间北京、上海、广州、深圳、天津、武汉、南京、杭州和成都等九座城市在房地产销售市场相关数据，剖析了限购政策对城市房地产市场的实质性影响，发现在房地产销售市场上，商品房销售面积有明显的下跌，但其价格指数向下变化的幅度较小且滞后于交易量。

其次，本文以北京市为例，采用2008-2011年四年间商品住宅交易量和价格指数的月度数据，进行格兰杰因果检验并建立VAR 模型，检验限购背景下北京房地产市场的量价互动关系。结果显示，交易量是价格的格兰杰原因，对价格产生正向的影响，但影响过程具有滞后性。脉冲响应的结果也显示，面对一个单位交易量的冲击，价格会做出同方向较大幅度的变化。因此，为最终实现降低房价，使房地产市场平稳健康发展的目标，限购需要延续，调控不可放松。然而，限购

11

政策实施的时间较短，本研究也仅局限在限购背景下量价的短期互动关系，长期来看，其影响尚不得而知。此外，限购政策已由一线城市向二、三线城市全面铺开，在不同的城市或区域间量价的互动关系是否会有所差异有待进一步研究，因为其将对政策的调控效果产生较大的影响。

12

参考文献：

[1] C. Y. Yiu，K. F. Man, S. K. Wong. Trading volume and price dispersion in housing markets[Z]. Working Paper.

[2] David Genesove , Christopher Mayer. Loss aversion and seller behavior：evidence from the housing market[J].The Quarterly Journal of Economics ,2001,116(4):1233-1260.

[3] James A. Berkovec, J., J. Goodman Jr.Turnover as a Measure of Demand for Existing Homes[J]. Real Estate Economics ,1996,24 (4).

[4] Katinka Hort. Prices and Turnover in the Market for Owner-occupied Homes [J]. Regional Science and Urban Economics, 2000(30): 99-119.

[5] Lucas, R. Asset Prices in an Exchang Economy[J]. Econometrica, 1978(46): 1426-1445.

[6] Stein, J. Prices and trading volume in the housing market: A model with down-payment effects[J]. The Quarterly Journal of Economics ,1995,110 (2):379-406.

[7] 洪涛、高波、毛中根，外生冲击与房地产真实价格波动—对1998-2003年中国31省（市、区）的实证研究[J]. 财经研究，2005，31（11）：88-97。

[8] 刘旦，限购令对房地产价格的影响分析[J]. 上海地产，2011（1）：13-15。

[9] 陆勇，住宅市场量价关系分析—基于香港数据的实证研究[J]. 上海金融学院学报，2007

（6）：22—27。

[10] 潘亚男，房地产市场限购政策效果的经济分析[J]. 价值工程，2011（34）：78-79。

[11] 沈悦、刘洪玉，住宅价格与经济基本面：1995-2002年中国14 城市的实证研究[J]. 经济研究，2004（6）：78-86。

[12] 杨培培、邓长荣、马永开，我国商品房市场量价关系的实证分析[J]. 当代经济管理，2009，,3（7）：83-86。

[13] 张凌、贾生华，上海住房市场价量波动关系研究[J]. 土木工程学报，2009，42（1）：140-144。

作者简介

贾生华，男，浙江大学房地产研究中心

孟桢超，女，浙江大学房地产研究中心

13