人口因素对房地产需求的影响.pdf

1、 人口因素 对房地产 需求的影 响 新华信托 房地产行 业研究 课 题组 前 言 近年来，我国房地产市场蓬勃发展，人民群众的居住条件也得到显著改善， 住房作为人们“安居乐业”的必需品，以及在此基础上被赋予的金融产品属性， 其出发点都是人的需求， 进一步需求与供给两项核心要素共同决定了中国房地产 行业的发展规律与路径。2007 年以来，为抑制过房地产价格的快速上涨，中央 政府曾两次启动房地产宏观调控， 其中第一轮调控由于次贷危机以及由此引发的 全球金融危机的影响而被迫中断，第二轮调控自 2010 年下半年启动以来，一直 持续至今， 并且取得了显著的成效。 伴随房地产行业调控进程持续以及调控效果

2、显现而来的，一方面是全社会房地产行业各利益攸关方对房地产行业调控政策、 房地产泡沫以及房地产在国民经济中地位等问题的大讨论； 另一方面由于金融机 构与房地产行业的高度关联性， 房地产资产价格水平、 去化率等指标的波动给金 融资产带来的风险也引发了金融机构自身乃至全社会的高度关注。 而上述所有这 些问题均离不开对中国房地产市场现状的客观、 准确把握， 以及对市场未来状况 与发展路径、 房地产资产价格趋势的科学预测， 而结合中国当前状况在对所有问 题的分析中， 房地产的需求因素无疑是所有分析的出发点， 不对中国房地产行业 的需求因素进行深入、 准确的分析， 其他问题就无从谈起。 本报告作为新华信托

3、 房地产行业系列研究报告的第一部分， 就是试图对中国房地产行业的需求因素中 最核心的因素 “刚性需求” 进行科学的分析和预测， 以期对信托业务实践提 供理论和数据支持，并为后续的研究奠定坚实基础。 本报告选取全国 27 个大中城市为研究目标，以近十年的统计年鉴为依据， 从对住房需求有重要影响的人口信息入手， 层层深入， 探寻人口因素与住房需求 的关系， 并对未来住房的刚性需求进行预测。 文章的分析框架主要分为七个部分。第一部分为绪论，主要对本报告的研究对象、研究意义、研究结构、研究方法、 创新之处以及国内外相关研究的现状进行了概括。 第二部分主要通过面板数据模 型来定量分析人口和房地产需求的关

4、系， 采用的数据为过去十年具有代表性的全 国 27 个重点城市的人口信息及其他经济变量，其中人口信息包括城市人口、初 婚人数、 家庭户数和城镇化率等。 第三部分为需求因素分析， 着重对我国住宅市 场中存在的各种典型需求进行列举和分析， 大致可归为基本性需求、 改善性需求、 投资和投机性需求。 第四部分在前文讨论的基础上， 对住宅市场中的刚性需求进 行定义， 并对刚性需求中的新婚需求、 拆迁安置住房需求等的内涵、 影响因素及 对房地产行业的影响进行深入分析。第五部分为刚性住宅需求计算模型的设计， 在分析前一部分列举的刚需细分部分的基础上， 研究其实质， 并且将其主要的部 分抓取出来形成刚需计算模

5、型。 第六部分为刚性需求的预测。 在对前一部分总结 的主要刚需部分预测的基础上，利用前一部分提出的刚性需求模型对到 2020 年 之前的中国房地产刚性需求量进行预测。 第七部分我们将综述文章得出的各种结 论，并给出一定的政策建议。 目录 1、绪论 . 1 1.1 问题的提出和研究意义 . 1 1.2 文章结构安排及分析方法 2 1.2.1 文章结构安排 . 2 1.2.2 文章分析方法 3 1.3 国内外相关研究综述 4 1.3.1 国外住宅市场需求影响因素的理论概述 . 4 1.3.2 国内住房需求影响因素的研究现状 . 4 1.3.3 国内城市住房需求量预测方法发展综述 5 1.4 本报告

6、的主要创新点 . 8 2、人口与房地产需求的关系 . 8 2.1 研究指标选取 8 2.2 指标初步分析 . 10 2.3 面板数据模型分析房价 12 2.4 面板数据模型分析商品房销售面积 . 14 2.5 结论 15 3、房地产需求类型分析 15 3.1 需求类型总体分析 15 3.2 基本性需求 . 16 3.3 改善性需求 . 16 3.4 投资和投机性需求 17 3.5 结论 18 4、刚性需求深入分析 18 4.1 刚性需求总体分析 18 4.2 拆迁安置住引起的房需求 20 4.3 新婚家庭住房需求 20 4.4 高校毕业生定居住房需求 21 4.5 农村转移人口（农民工）务工住

7、房需求 . 22 5、房地产刚需模型 23 6、房地产刚需预测 25 6.1 房屋拆迁面积预测 25 6.2 人均住宅面积预测 27 6.3 城镇适婚人口数量预测 38 6.3.1 2010 年第六次人口普查相关数据 . 39 6.3.2 不同年龄段死亡率的预测 40 6.3.2 适龄人口数量的预测 41 6.3.4 城镇适婚人口的预测数量的预测 44 6.4 预测结果 . 45 7、结论 46 7.1 综述 . 46 7.2 建议 47 参考文献 49 1 人口因素对房地产需求的影响 1摘要：近年来，我国房地产市场蓬勃发展，人民群众的居住条件也得到显著改 善， 但另一方面快速上涨的房价也给城

8、市居民带来了较大的生活压力。 住房作为 人们“安居乐业”的必需品，所关注、所解决的都是“人”的问题，在我国房地 产市场的开发建设过程中， 只有重视到人的需求， 以人为本， 才能够保障房地产 市场的健康发展和长期繁荣。本报告选取全国 27 个大中城市为研究目标，以近 十年的统计年鉴为依据，从对住房需求有重要影响的人口信息入手，层层深入， 探寻人口因素与住房需求的关系，并对未来住房的刚性需求进行预测。 关键词：住房需求，人口因素，面板数据，刚性需求，刚需预测 1、绪论 1.1 问题的提出和研究意义 在我国， 房地产业是一个既重要又充满争议的行业。 房地产市场的发展与波 动， 一方面通过各种房地产产

9、品与人们的生产生活直接相关， 另一方面又因为房 地产 业对上下游产业的辐射、带动作用，对整个社会经济的发展产生举足轻重 的作用。正因此，房地产业能否健康发展，房地产市场能否平稳运行，既关系到 整个国民经济的持续增长， 也关系到社会的和谐和稳定。 这其中， 住宅尤其敏感。 住宅， 专指供人们居住和生活的房屋， 作为城市居民的生活必需品， 是其他商品1本报告系新华信托房地产行业课题研究组房地产与信托系列研究报告之一。课题组主要成员由新华信托 研究部工作人员组成，本报告的主要作者包括：薛涛、胡开基、赵培栋、吴焕平、谭轶龙，白康树。 2 无法替代的。 住房作为人 “安身立命” 的重要物质条件和生活时间

10、最长的必备空 间，关注的中心应该是“人” 。需求是一种主观意愿，会受很多因素影响，具有 不确定性。 而人口的变化相对来说具有相对稳定的特点， 也是较容易预测的。 所 以， 从人口变动的角度研究住房需求， 特别是住房的刚性需求， 是最基本的研究 视角。 国务院总理温家宝在 3 月 14 日针对房地产行业今年的宏观调控政策答中外 记者问时，曾表示： “对于房地产市场，我有个基本看法，那就是中国有 13 多亿 人口， 又处在工业化和城镇化阶段， 对住房的需求是刚性的， 而且会是持续的。 ” 这句话无疑点出了中国房地产行业近几十年来蓬勃发展， 房价持续走高的主要原 因：刚性需求。房地产业界流行着一句话

11、： “看懂了人口也就看懂了房地产” ，可 见，人口是引发房地产刚性需求的根本原因。人口的数量、结构、分布都将直接 或间接影响当地房地产的发展。 因而， 判断中国房地产的现状及影响因素， 从供 需的角度出发，人口因素将是决定房地产行业大势的主要因素。 1.2 文章结构安排及分析方法 1.2.1 文章结构安排 本报告分析框架主要分为七个部分。 第一部分为绪论， 主要对本报告的研究 对象、研究意义、研究结构、研究方法、创新之处以及国内外相关研究的现状进 行了概括。 第二部分主要通过面板数据模型来定量分析人口和房地产需求的关系， 采用的数据为过去十年具有代表性的全国 27 个重点城市的人口信息及其他经

12、济 变量，其中人口信息包括城市人口、初婚人数、家庭户数和城镇化率等。第三部 分为需求因素分析， 着重对我国住宅市场中存在的各种典型需求进行列举和分析， 大致可归为基本性需求、 改善性需求、 投资和投机性需求。 第四部分在前文讨论 的基础上， 对住宅市场中的刚性需求进行定义， 并对刚性需求中的新婚需求、 拆3 迁安置住房需求等的内涵、 影响因素及对房地产行业的影响进行深入分析。 第五 部分为刚性住宅需求计算模型的设计， 在分析前一部分列举的刚需细分部分的基 础上， 研究其实质， 并且将其主要的部分抓取出来形成刚需计算模型。 第六部分 为刚性需求的预测。 在对前一部分总结的主要刚需部分预测的基础上

13、， 利用前一 部分提出的刚性需求模型对到 2020 年之前的中国房地产刚性需求量进行预测。 第七部分我们将综述文章得出的各种结论，并给出一定的政策建议。 1.2.2 文章分析方法 本篇文章中我们将综合运用以下方法进行分析研究： 文献综述法。 在本报告的研究过程中， 参考了国内外大量相关文献， 并对其 中具有代表性的观点和研究成果进行综述。 文献综述工作对确定本报告的理论框 架和主要论点起到了参考和启发的作用， 有助于全面而深刻的把握所研究问题的 内涵与发展。 定性分析法。 本报告在相关理论进行充分阐述的基础上， 列举并充分分析了 当前中国房地产住宅市场中存在的各种目的引导的需求。 随后， 给出

14、了对住宅市 场刚性需求的定义， 并以此为参照， 对住宅市场中存在的典型刚性需求进行了分 析讨论。 定量分析法。本报告在相关理论进行充分阐述的基础上，首先利用全国 27 个重点城市 2001 年到 2010 年的人口信息统计数据和住宅市场运行有关数据， 对 过去十年间人口因素对刚性需求的显著性影响进行定量分析。 其次， 文章在对刚 性需求构成因素的深入分析基础之上， 利用初婚人数及房屋拆迁数据构建了刚性 住宅需求模型，并用其对未来十年的住宅刚性需求进行预测。 4 1.3 国内外相关研究综述 1.3.1 国外住宅市场需求影响因素的理论概述 在西方， 由于欧美国家房地产业较早的走上了市场化、 商品化

15、的道路， 在房 地产需求分析的理论和实践方面的研究也比较早， 研究方法也多种多样。 美国的 Mankiw及Well则提出了著名的住宅需求总量模型，该模型为: D = h(R)* N 其中:D为住宅需求总量;h(R)为平均每人的住宅需求量函数(居住水平数);R 为租金;N为人口数量。 而在研究香港房地产市场中的住宅需求中， 香港的谢贤程博士又添加了一个 重要变量，因此将公式改为：D=h(R*Y)*N，其中，Y为国内生产总值(GDP)。 Raudall Johnston在其著作现代住宅经济学中指出，住宅需求的影响因 素主要包括销售价格、 居民家庭收入、 储蓄、 金融、 人口和家庭户数以及政府 的

16、住房政策等等。 其中除了金融和政府的住房政策这两个因素对住房需求的影响无 法定量分析外， 销售价格与住房需求量呈反向变动关系， 其余几个因素与住房需 求量呈正向关系。 卡尔.E.凯 斯（ 1996） 对于房地产的相关研究表明， 人口增长、 就业稳定增长、 失业率低于 3%，个人收入持续增长时，房地产市场需求会保持增长趋势。 Tse 等（1999）利用计量经济模型对香港新上市住宅的需求和供给之间的匹 配程度进行了研究，并给出了利用住宅交易量、人口年增长量、住宅价格、实际 利率对住房的需求进行计算的方程。 1.3.2 国内住房需求影响因素的研究现状 与国外的房地产业研究相比， 我国的研究还处于起步

17、阶段， 存在着理论基础 弱、研究条件差、主要指标数据不完备、工具手段落后等问题。完善我国房地产5 业的理论体系和统计数据， 借鉴国外房地产业研究的先进方法， 对照分析国内外 房地产业发展状况，是我国今后房地产业研究的重点。 张泓铭（1998）在其著作住宅经济学中指出，住房需求是由人口和国民 经济的发展状况决定的。 经济发展水平对住房的影响是通过住宅的价格水平和居 民的可支配收入等因素体现出来的。 住房需求的影响因素概括起来可以分为六类， 具体包括：住宅价格、家庭收入和财富、利率、人口和家庭户数、经济运行机制 以及政府的住房政策。 危小明（2001）在其研究住房需求的过程中，考虑的因素不仅包括价

18、格、经 济、人口、政治等因素，还考虑了离婚率、结婚率、流动人口这几个比较新的相 关因素。 朱永升、王卫华、韩伯棠（2002）认为影响住宅需求的因素错综复杂，他们 通过构建模型来对影响住房需求的因素进行了归纳、 总结、 演绎， 最终得出在影 响住房需求的众多因素中房地产价格、 人均可支配收入、 城镇人口数量、 国民经 济发展水平、城镇人均居住面积这五个因素是主要的影响因素。 宋喜民、周书敬（2004）利用灰色理论对房地产市场有效需求影响因素进行 了量化， 他们选择的指标有当地城镇居民人口、 人均国民生产总值、 城市居民人 均可支配收入、房地产的销售价格、人均居住面积、房地产竣工面积。 1.3.3

19、 国内城市住房需求量预测方法发展综述 目前， 国内城市住房需求量的预测方法有传统的做法， 还有吸取国外采用回归 分析、系统分析等方法。 1) 房价收入比和恩格尔系数法。 1995 年， 上海市住宅发展局主持完成的 上 海面向二十一世纪初的住宅建设发展战略研究 中 上海市市区住宅需求预测方 法研究 在住宅需求预测开始采用房价收入比和恩格尔系数法。 该项研究中上海6 市预测中采用的具体流程如下： 由房价收入比预测每套住房价格。 由住房消 费支出比预测全市住房消费支出总额。 得出全市住房有效需求总量。 得出全 市住房需求结构。 首次采用了房价收入比和恩格尔系数来应用于房地产需求的预测， 对于房地 产

20、需求理论是一个比较大的突破。 但上述采用房价收入比和恩格尔系数法预测城 镇住宅需求的预测方法比较适用于经济发达国家， 尚不适用于我们这样一个处于 温饱型的发展中国家。 2) 时间序列法。张泓铭（1998）和蔡育天（1998）分别在其著作住宅经 济学和房地产市场中提到这种预测方法，并将这种方法作为住宅需求量预 测的基本方法。 时间序列法是根据若干年来商品住宅的实际需求计算各年住宅需求的增长 率或平均增长率， 形成对住宅需求的时间序列， 然后从这个时间序列中分析和寻 找长期趋势和循环变动。 从而测定出未来某一时间的住宅需求量。 运用时间序列 法预测住宅需求量时， 只需取得过去年份住宅需求量的数据，

21、 无须考虑住宅需求 影响因素的变化，因此，这种方法最大的优点就是简便易行。但是目前，我处于 高速增长时期， 产业结构变化大， 经济体制不断改革， 而时间序列模数是固定的， 两者不相适应。因此，此方法目前不宜用作住宅的需求预测。 3) 修正法。将住宅有效需求分为“现实有效需求（即成交量）潜在有效 需求”两部分， 其中考虑到了社会经济发展、 城市化进程和近期影响需求的重要 因素，在对历史成交数据进行 SAS 筛选、信息扩散的基础上，利用蒙特卡洛方 法得出最优增长率，进行现实有效需求预测，随后通过系数修正得到需求总量。 4) 多元回归分析法。多元回归分析方法是国内学者普遍采用的预测方法，7 该方法可

22、以用于多种领域，在房地产价格、需求量的预测尤为普遍。 熊晓炼（2006）在对长沙市城镇住宅需求进行研究时，采取的变量有人均居 住面积、人均国内生产总值，人均可支配收入、总户籍人数、城镇人口数进行简 单的回归分析。 先建立人均居住面积和年份、 人均可支配收入、 人均国内生产总 值的一元回归方程预测未来几年长沙人均居住面积， 进而得出人均居住面积的提 高将带来庞大的住房需求，说明长沙市房地产市场的潜力巨大。 5) 逆推法将需求类型细分后汇总。该方法将整个住宅市场的需求分割成 几个部分， 再对每个部分的需求分别进行研究， 准确性要高一些； 同时对影响各 部分需求的主要因素进行分析， 预测各自的未来值

23、， 进而预测各部分的住宅需求 量， 具有一定的现实可操作性。 但是不同的影响因素产生不同的需求， 但这些需 求之间实际上又是交叉的，这些都会制约预测结果的准确性。 曹光辉（2001） ，杜建国（2002） ，娄颖（2002）在预测住宅需求总量时，根 据住宅需求的影响因素都将需求总量分割为新增人口需求、 居民生活水平提高带 来的改善性需求和拆迁需求三个部分， 并利用人均居住面积、 人口等指标来预测 新增人口需求和居民改善性需求， 拆迁需求则根据政府的拆迁政策予以估计， 从 而预测需求。 6) 灰色系统分析方法。在房地产领域，国内对灰色理论的利用主要是采用 GM(1,1)模型进行简单的灰色关联度分

24、析。此模型比较简单，考虑的影响因素较 少。 以上分析表明，虽然起步较晚，但近年来国内学者仍对房地产市场进行了 较深入的研究， 对房地产市场需求的影响因素和房地产需求的预测方法也进行了 一定的研究。 但是由于国内房地产市场仍待进一步规范， 各地区统计数据不完善8 并难以获取， 因此对国内住房需求的研究仍有待提高， 特别是在定量分析和实证 分析方面。 1.4 本报告的主要创新点 就中国房地产市场而言， 在此前的研究中， 尽管已有不少学者提出应当区别 考虑房地产市场中的刚性需求(自用需求)与投资需求，对两种需求进行有针对性 的引导和调控， 但是目前在科研实践中， 尚没有对刚性需求进行定性和定量的具

25、体研究，尤其是从人口因素的角度来研究住房刚性需求的文献少之又少。 文章主要的创新之处在于， 通过对中国住宅市场的有关理论研究及发展现状 的分析， 对住宅市场中的各种住房需求进行细分， 并从中界定出影响住房刚性需 求的典型因素， 特别是人口因素， 然后加以充分地定性和定量分析。 以此为基础， 通过仔细分析各种刚需的实质， 通过抓出主要刚需因素构建出与人口因素相关的 刚性住宅需求模型， 之后我们运用了多种的预测手段， 对未来十年的住宅刚性需 求进行预测。 2、人口与房地产需求的关系 2.1 研究指标选取 按照本报告的分析框架，本部分我们将研究人口与房地产需求之间的关系， 我们首先选取了代表房地产需

26、求的两个标志性指标， 一个是房价， 另外一个是商 品房销售面积。 房价一定程度上代表了释放出的和未释放出的房地产总需求， 商 品房销售面积则代表了已经释放的房地产需求， 两者放在一起能够很好地代表房 地产需求。 数据方面我们搜集整理了 2001-2010 年全国 27 个重点城市的房价信息， 人口信息以及其它经济变量的信息， 综合分析， 观察人口总量和人口结构对以上 两个房地产需求指标的影响程度， 人口信息包括年末总人口， 初婚人数， 城镇化9 率和家庭总户数， 为了控制回归分析要求的其它条件不变假设， 本报告进一步控 制人均 GDP，人均可支配收入，城镇房地产住宅投资和竣工住宅面积。原始数

27、据如下所示(鉴于篇幅只选取了部分样例数据)： 表格1 ：27 个大 中城市 样例数 据 2010 青岛 65,827 763.64 98,163 24,998.13 6,421.00 62.84 450.99 1360.69 732.72 246.11 2009 青岛 57,251 762.92 132,632 22,367.88 5,383.00 62.71 313.75 1261.86 644.42 244.74 2010 济南 57,966 604.08 94,338 25,321.06 6,100.00 71.36 364.56 531.49 732.72 190.65 2009 济南

28、 50,376 603.27 116,989 22,721.65 4,790.00 71.35 255.52 441.06 644.42 187.70 2010 沈阳 57,966 604.08 71,748 20,541.23 6,100.00 65.21 1,004.34 1746.52 1107.70 251.28 2009 沈阳 50,376 603.27 123,141 18,474.61 4,790.00 64.77 802.12 1532.93 1075.75 247.61 2010 大连 77,704 586.44 92,548 21,292.56 6,759.00 61.99

29、 575.65 1215.33 461.29 207.60 2009 大连 70,781 584.80 102,729 19,014.37 6,175.00 61.19 477.24 1152.68 472.15 205.60 2008 大连 63,198 583.37 85,548 17,500.48 5,617.00 59.62 401.63 822.71 636.41 203.40 2005 重庆 10,982 3169.16 294,669 10,369.30 1,900.66 45.20 300.40 2017.66 1713.55 1010.41 2004 重庆 9,608 314

30、4.23 306,642 9,212.62 1,572.56 43.50 208.69 1317.12 1227.66 988.59 2003 重庆 7,209 3130.10 307,731 8,094.74 1,309.83 41.90 177.43 1316.83 1231.75 977.01 2002 重庆 6,347 3113.83 304,197 7,238.00 1,277.00 39.90 130.70 1016.58 1033.60 961.69 2001 重庆 5,654 3097.91 351,300 6,721.09 1,133.00 37.40 110.71 746.

31、05 738.41 950.56 2003 宁波 32,639 549.07 75,735 14,277.00 2,541.00 30.74 136.84 548.60 529.83 203.47 2002 宁波 27,541 546.19 79,008 12,970.00 2,357.00 29.74 98.66 398.10 345.60 198.94 2001 宁波 23,239 543.35 64,984 11,991.00 2,186.32 27.76 71.13 288.89 209.64 196.10 2010 杭州 69,828 689.12 122,104 30,034.99

32、 14,259.00 53.00 676.27 988.34 802.29 216.51 2002 杭州 28,150 636.81 85,819 11,778.00 3,197.00 39.58 149.09 443.20 441.10 198.27 2001 杭州 25,074 629.14 81,050 10,896.00 2,794.86 37.79 140.91 353.60 351.92 195.56 2010 昆明 33,550 583.99 86,926 18,876.00 3,405.00 38.56 386.52 1241.01 455.19 235.90 2006 昆明

33、19,475 514.30 70,628 10,766.00 2,732.84 42.49 175.84 913.30 492.80 181.38 2005 昆明 17,106 508.47 60,423 9,616.00 2,513.03 41.54 113.72 783.12 380.25 172.03 2004 昆明 18,773 502.92 66,354 9,046.00 2,436.97 41.37 85.84 252.20 166.76 148.77 2010 成都 48,510 1149.07 175,077 20,835.34 5,827.00 56.65 804.29 25

34、59.28 1301.21 430.70 2005 成都 19,627 1082.03 694,094 11,359.00 2,870.44 50.27 263.92 1227.33 597.69 366.72 2004 北京 37,058 1,162.90 214,443 15,637.37 4,747.14 73.50 775.99 2472.03 2344.00 439.80 2003 北京 32,061 1,148.80 158,729 13,882.21 4,597.17 72.32 632.97 1895.77 1939.00 427.62 2002 北京 28,449 1,136

35、.30 126,371 12,463.92 4,467.00 71.01 586.74 1708.34 1600.50 416.25 10 2001 北京 25,523 1,122.30 133,259 11,578.00 4,716.00 69.51 464.22 1204.96 1322.72 405.29 2010 合肥 54,796 494.95 78,345 19,050.50 5,502.00 43.60 561.36 1004.70 579.38 157.06 2009 合肥 41,543 491.43 112,999 17,158.47 4,095.00 43.49 468.1

36、9 1297.95 477.66 152.93 数据来源：中国人口与就业统计年鉴，各省统计年鉴，新华信托研究部整理 我们之所以选择这些变量的原因是： （1） 人口的家庭状况。衡量人口和家庭状况的因素很多，主要包括两个方面： 一是城市人口数量发展趋势和人口结构， 二是家庭数量与结构。 考虑到变 量的可取得性以及可量化性， 我们选择了年末总人口， 初婚人数， 城镇化 率和家庭总户数。 （2） 收入水平。 衡量收入水平的因素很多， 而对住房的需求影响最直接的有人 均可支配收入和家庭资产。 决定家庭支付抵押贷款月还款能力的主要因素 是家庭的人均可支配收入， 只有收入达到一定程度的家庭才会对当前的住 房

37、市场产生有效需求，因此我们选择的指标为城镇居民人均可支配收入。 （3） 住房价格。我们选择商品住宅销售平均价格这个指标加入模型。 （4） 房地产投资。 由于房地产的区域性和不可移动性特征， 房地产开发需要一 定的周期，因此长期来看住房的供给对房地产的需求会产生一定的影响， 衡量房地产投资的因素很多， 我们选择了 2 个指标： 城镇房地产住宅投资 和房地产开发企业竣工房屋面积。 2.2 指标初步分析 首先我们对房地产价格， 家庭总户数和城镇化率进行初步的统计分析， 如下 面三幅图所示。 11 图表1 ：房地 产价格 变化趋势 数据来源：中国人口与就业统计年鉴，各省统计年鉴 图表2 ：家庭 总户数

38、 变化趋势 数据来源：中国人口与就业统计年鉴，各省统计年鉴 0 2000 4000 6000 8000 10000 12000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 房地产价格 全国 东部 中西部 0 50 100 150 200 250 300 350 400 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 家庭总户数 全国 东部 中西部 12 图表3 ：城镇 化率变 化趋势 数据来源：中国人口与就业统计年鉴，各省统计年鉴 注：上图中的城镇化率为本报告所选 27 个大中型城市为代

39、表反映的全国、东部、中西部城 镇化率，同大家普遍认为的城镇化率相比要稍高。 2.3 面板数据模型分析房价 接着我们采用常用的面板数据模型估计房地产价格对人口结构和人口总量 及其它控制变量的反应方程，首先进行 Hausman 检验， 图表4 ：全国 房地产 价格随机 效应检 验 原假设为截面和时间双随机，P 值为 1 说明接受原假设，因此结果表明应该 采用随机效应进行回归， 运用逐步回归法之后发现， 人口信息的变量之中城镇化 率和家庭总户数较好得反映出了房地产价格变化的因素，回归结果如下： 图表5 ：全国 房地产 价格 eviews 回归 0 10 20 30 40 50 60 70 80 20

40、01 2002 2003 2004 2005 2006 2007 2008 2009 2010 城镇化率 全国 东部 中西部 13 图表6 ：全国 房地产 价格影响 因素回 归方程 房地产价格 随机效应 系数 标准差 p 值 对数个人可支配收入 0.98 0.08 0.00 常数项 -3.78 0.60 0.00 对数城镇化率 0.44 0.10 0.00 对数去年房地产投资 0.06 0.03 0.04 对数竣工住宅面积 -0.20 0.03 0.00 对数人均 GDP 0.09 0.07 0.20 对数家庭总户数 0.18 0.06 0.00 调整后的 R 平方 0.88 数据来源：中国人

41、口与就业统计年鉴，各省统计年鉴 从回归方程可以看出，城镇化率和家庭总户数的增加都会导致房价的上升， 而其中城镇化率的影响程度更高。 而从其他控制变量来看， 个人可支配收入， 去 年的房地产住宅投资和人均 GDP 的增加会导致房价的上升，而竣工住宅面积的 增加则会导致房价的下降，这也符合我们的预期。 14 2.4 面板数据模型分析商品房销售面积 接着，我们研究影响房地产需求-商品房销售面积的回归方程，首先进行 Hausman 检验， 图表7 ：全国 房地产 需求随机 效应检 验 原假设为截面和时间双随机，P 值为 1 说明接受原假设，因此结果表明应该 采用随机效应进行回归， 运用逐步回归法之后发

42、现， 人口信息的变量之中总人口 数和初婚人数较好得反映出了房地产需求变化的因素，回归结果如下： 图表8 ：全国 房地产 需求 eviews 回归 图表9 ：全国 房地产 需求影响 因素回 归方程 商品房销售面积 随机效应 系数 标准差 p 值 对数个人可支配收入 0.41 0.15 0.01 常数项 -2.60 1.28 0.04 对数总人口 0.21 0.10 0.04 15 对数去年房地产投资 0.26 0.04 0.00 对数竣工住宅面积 0.45 0.05 0.00 对数房地产价格 -0.23 0.09 0.01 对数初婚人数 0.14 0.07 0.05 调整后的 R 平方 0.78

43、 数据来源：中国人口与就业统计年鉴，各省统计年鉴 从中可以看出，房地产价格越高，房屋销售面积越小，这点符合预期。而总 人口，初婚人数越多，房屋销售面积越多，这也符合我们的预期。通过系数来看 总人口的影响程度稍大于初婚人数的影响程度。 其他控制变量方面， 个人可支配 收入，房地产投资和竣工面积越高，房屋销售面积都会越多。 2.5 结论 从上面的分析可以看出影响房价的最大的两个因素是城镇化率和家庭总户数； 而影响房屋销售面积的最大的两个因素是总人口和初婚人数， 综合来看以上四 个指标总人口、初婚人数、城镇化率、家庭总户数都属于人口范畴的因素指标， 因此我们可以得出结论人口因素是影响房地产需求的重要

44、因素， 按照本报告的分 析框架，接下来的部分中我们将试图进一步研究弄清房地产需求的组成。 3、房地产需求类型分析 3.1 需求类型总体分析 住宅市场需求是指住宅市场上， 消费者在特定的时期内， 愿意且能够购买的 住宅的数量。 这是一个市场需求的概念， 包括了市场上出现且有消费者意愿消费 的各种价格的住宅。 根据住宅需求的目的， 可以将住宅需求分为自住性需求、 投 资和投机性性需求两种。 自住性需求是指以自身居住为目的的住宅需求， 其中主 要包括基本性需求及改善性需求。 而投资和投机性需求则是指借助住宅的保值增16 值特性， 通过持有并经营、 出租或转售住宅等形式， 以经济利益为追求的住宅需 求

45、。需要明确的是，之所以存在投资需求，是由于住宅的特殊性质而产生的，且 它是以住宅的自住性需求为基础的。 如果脱离了自住性需求的支撑， 住宅也很难 实现投资价值 2 3.2 基本性需求 。下面，我们将对这几类需求进行详细分析： 此种需求是为了满足家庭生活必需的住房需求， 属于基本刚性需求范畴， 一 般包括动拆迁购房、结婚买房、求学就业购房、外来迁入形成的定居购房等。从 人口发展及迁移的角度来看， 结婚购房、 求学就业购房属于引起人们产生住房需 求的“时间因素” ，反映了人们生活中随着时间变化而产生的需求；而动拆迁购 房、迁入定居购房属于引起人们产生住房需求的“空间因素” ，反映了人们生活 随着空

46、间的变化（迁移、城镇化等）而产生的需求。这类基本性需求一般具有一 定的稳定性，而人们对其产品、地域、及周边配套，如交通、服务、商业、医疗 配套、 教育设施等要求也相对较高。 由于我国城市化进程及人口结构、 流动性的 变化， 引起基本性需求近些年来成不断增长的趋势。 这一部分需求会在后面的章 节有详细的介绍。 3.3 改善性需求 改善住宅需求的消费者一般是随着自身经济状况的改善， 在一定时间内对住 房价格承受能力有了一定的提高， 其原有的住宅已经不能满足其居住条件更高层 次需求的情况下， 购房者通过置换或购买新的住宅， 以达到其个人或者家庭生活 环境改善的目的。 在自身居住条件要求更高的情况下，

47、 新住宅所提供各方面的配 套一定要优于原有住宅，比如，房屋面积、区位、小区服务等。而这类消费者往2钟学军. 房地产需求分析.科技分析,2009 年 17 往由于经济条件相对优越， 住宅的价格因素一般考虑的相对较低。 而这类需求的 特点在于：有着较为明显的改善性需求、发展性需求。此外，有些居民同时居住 两套以上的住宅， 一套住宅用于日常自住， 而另一套住宅用于出租， 或者度假休 闲时使用。 此时对于后购置的次要住宅的需求来说， 同样可以认为是改善性需求。 对改善性需求的消费者来说， 由于其基本居住需要已经得到了满足， 房屋的改善 并不是其消费中的必需因素， 其可变性和稳定性兼而有之， 同时， 其

48、改善性需求 的满足也受当时社会宏观经济、市场及个人家庭情况等各方面所影响。 基本性需求和改善性需求是我们一般所说的真正意义上的生活需求。 正是由 于它们的存在， 中国房地产才能在经济改革发展中稳步的发展， 它们才是行业发 展的内在动力。近些年来，随着适婚人口的增加、高校毕业人数的增多、城市化 进程的加快、 人口流动性的增加， 这些都将推动房地产基本性需求的增加， 推动 一些城市房地产行业的发展。 3.4 投资和投机性需求 此类需求主要是利用房屋住宅保值增值的特性， 通过房屋出租或转卖获取房 屋升值收益等。一般在通货膨胀的压力下，投资房屋等“固定资产”相对是个体 居民能够进行资产保值的最佳方法之一。 这类需求的可变性较强， 受外部环境如 政府政策、 金融环境、 市场环境等方面影响也较为明显。 相比于其它两种需求而 言，这种需求的政策可控性也相对较强。同时，经过近几年的发展，市场上存在 一定的泡沫现象。 而与基本性需求、 保障性需求不同的是， 投资和投机性需求当中投资和投机 的成分会随外在环境的变化而变化。 投资性需求是指通过拥有房产的方式， 在房18 屋价格升高的过程中， 实现财产的保值增值。 而其收益也反映在两个方面， 一是 通过租房产生的收益，另外一个就是由于价格上涨而产生的增值收益。 这类投资的风险较大，受市场波动、国家宏观