农民工城市购房意愿及影响因素研究

本文利用北京、天津和武汉3地357份问卷调查资料,采用二元logistic回归分析模型对农民工城市购房意愿及其影响因素进行了经济计量分析。结果显示,农民工城市购房意愿有待提高;婚姻状况、家庭人口数、外出打工人数、收入水平、打工居住条件、对居住条件现状满意度和房价预期等因素显著影响农民工的城市购房意愿。     

房地产价格波动影响因素及我国的经验分析

房地产即是消费品又是投资品,其价格波动受贷款规模、市场预期、需求规模、土地投机等因素的影响。欧美经验表明:房地产价格是由当期和滞后的收入增长和实际利率所推动的。对我国的经验分析发现,房价与货币供给之间有强的正相关关系,那么对信贷规模的控制成为目前遏制房地产价格过快增长的重要措施之一。     

消费需求、投资需求与住房价格波动

房地产同时具有消费属性和投资属性,其需求也就分为消费需求和投资需求(含:投机需求),本文采用灰色预测方法将心理预期量化,建立房地产价格模型。在理论模型的基础上,利用全国1999年1月至2011年6月的季度数据,实证分析了需求对房价的影响。结果表明投资性需求较消费性需求对房价波动具有更强的解释能力,同时心理预期、购房首付款政策相对于其他影响因素对房价的影响程度更大。最后指出合理地引导人们对房价的心理预期有利于稳定房价。     

房价调控、社保扩面能促进居民消费吗?

高房价是抑制还是促进了消费?在考虑到社会保险因素时结果是否会有差异?本文采用全国30个省市区1999-2011年的面板数据,考察了房价、社会保险与居民消费之间的关系。研究结果表明在购房支出负担重的区域预期房价与居民消费负相关,高房价会抑制消费,即表现为挤出效应;社会保险参与率的提高能促进居民消费,但房价的上升显著减弱了社会保险促进消费的能力。在购房支出负担轻的区域,当期房价与居民消费呈正相关,房价上涨会促进消费,即表现为财富效应;社会保险参与率的提高能促进居民消费,而房价不会对社会保险促进消费的功能造成显著影响。     

宏观调控政策对房价的影响

房地产的发展曾经为我国经济发展做出过巨大贡献,但是,由于各种原因房价持续上升,影响经济的正常发展,影响了居民的消费行为。当前,政府正在采用经济手段、行政手段及法律手段加以调控,稳定房价。利用金融政策对房价进行调整的主要手段是调整利率和货币的投放。通过调整利率,改变人们的预期,进而改变房价的走势。近期人民币贷款利率上调,贷款政策变化,预示着人民币存贷款利率在今后一段时间内仍有上涨的可能。如果存贷款利率调整幅度大于房地产价格涨幅,必然导致投资购房的回报减少。开发商也会因为贷款利率增加,提高房地产开发的融资成本,使开发商面临融资风险,房屋供应量相应萎缩。另外,贷款利率上升,通过贷款购房的业主每月实际还贷额也要相应增加,这将直接影响到购房者的还贷预期和生活质量,进而降低人们通过信贷支持购买住房的支付能力,同时抑制了投资性与消费性购房的需求。在金融政策发挥实效的情况下,需求与供给同时减少,房价将趋于稳定。     

市场参与者预期与商品住宅价格的动态关系研究

能否科学揭示预期与房价的关系是行业健康、调控有效、决策正确的关键。建立实证计量模型后,联合运用面板数据模型、面板聚类法等分别从时间、空间变化角度对2001—2015年中国30个省(市、自治区)市场参与者预期与商品住宅价格的内在关系进行数量刻画与纵横比较,主要从时间维度、空间维度剖析了预期与房价内在联系的演化过程与地区分异规律,为房价波动、地区间房价差异、调控低效等现象给出了新的解释。结果表明：从时间维看,预期与房价的关系在4个阶段中是动态变化的,随着时间的推移,预期对房价的刺激作用不断加强;房价在4个阶段的主要影响因素是不同的。从空间维看,预期对1—4 类地区的正向影响力度存在差异,大体上表现出随房价水平的下降反而加强的趋势;宏观政策对4类地区的调控效果存在差异。     

基于供求关系的房价波动分析

基于1999—2017年中国35个大中城市的面板数据,构建基于供求关系的面板回归模型,从国家和区域两个层面对造成房价波动的原因进行探究。结果表明:价格预期在全国和区域模型中均对房价有显著的正向影响,且在大多数地区,其影响力大于其他因素;人口对房价有正向影响,但只在北部沿海、东部沿海和南部沿海显著;收入对南部沿海、黄河中游和西南地区的房价均有显著的正向影响,而在北部沿海、东部沿海、长江中游、西北地区和东北地区,该因素对房价的影响并不显著;除全国和西南、西北地区外,房屋造价作为成本因素对绝大多数地区的房价有正向影响;信贷的可获得性作为政策因素对房价有正向影响,除南部沿海和黄河中游外,在其他区域均显著;住宅开发投资与住宅价格呈负相关关系,但其只在少数经济发达地区显著。因此,未来对房地产市场的调控应根据区域房价波动影响因素的不同区别对待,因地制宜。     

中国房价与家庭消费关系的主导机制识别

运用中国家庭追踪调查数据（CFPS）,通过综合考察房产财富、房价、预期和未预期房价对不同年龄段有房和无房家庭消费的影响差异,对我国房价与家庭消费关系的主导机制进行系统的实证识别。研究发现：房价或房产财富与年轻家庭消费的正相关性,均显著大于中年和老年家庭;房价对有房和无房家庭消费的影响几乎无差异,与三个年龄段有房和无房家庭消费的影响也均无显著差异;未预期房价仅与年轻家庭消费显著正相关、且大于中年和老年家庭。上述发现拒绝财富效应和信贷约束效应的理论预测,支持共同因素效应的预期收入机制。研究结果表明,仅房价上涨对我国居民家庭消费的促进效应是有限的,未来预期收入增长才是房价和家庭消费关系的主导机制,是促进我国经济良性内循环的重要动力。     

基于贝叶斯模型平均（BMA）方法的中国房地产价格影响因素分析

对可能影响中国房价的诸多因素的重要性问题进行识别和检验,基于模型不确定性的视角,使用中国30个省（区）2002~2013年面板数据,采用贝叶斯模型平均（BMA）方法进行模型设定与分析。研究认为,在可能对中国房价产生影响的19个指标中,信贷政策、心理预期、物价水平、房屋竣工面积和产业结构合理化等5个解释变量的后验概率大于90%,它们是影响现阶段中国房地产价格的决定因素;应通过差别化的信贷政策分区域控制房价,通过新闻媒体公开统计和发布房地产数据正确引导人们的心理预期,通过适宜的货币政策有效控制物价,通过保障性住房建设增加房地产供给,通过合理化的产业结构引导房价调控等,促进中国房地产市场的健康发展。     

“恨” 莫大于买房

事件 房价 脱缰野马 谁也不会想到，百年一遇的国际金融危机却拯救了中国房地产市场。2008年下半年对房地产全面推行救市政策之后，在天量信贷、低利率、购房入户、放开二套房、取消限外令等等利好政策下，2009年，中国的房地产市场“地王”你方唱罢我登场，房价更是像脱缰野马快速飚升……     

浅析房价上涨背后的人口结构因素

人口因素是影响房价上涨的重要因素.而人口因素对房价上升所发挥作用主要体现在需求层面上.从住房需求的角度,对人口规模、人口年龄结构、人口城乡结构这三个主要因素的考量,分析这些因素是如何影响住房需求进而推高房价的.其中,人口规模直接影响需求规模;人口年龄结构对储蓄率产生影响进而影响住房需求;流动人口增加也使得地城市住房需求进一步上升.这些因素致使房地产市场出现供不应求的情况,推动房价的大幅上涨.     

信贷市场对农地流转市场发育的影响

我国农地流转市场逐步呈现出适度规模化、有偿化和契约化的趋势,导致农户参与农地流转市场的资本门槛提高。基于3省706户农户调查数据,在控制信贷获得与农地流转决策可能存在的内生性的基础上,从微观层面实证检验农村正规和非正规信贷市场对农户农地流转决策的可能影响。结果表明,正规信贷和非正规信贷对农户转入农地行为和转入规模产生显著正向影响,但是由于农村正规信贷市场不完善以及现行法律禁止农地抵押,非正规信贷对农户农地转入规模的影响更大。未来加快推进农地抵押制度改革和完善农村正规信贷市场有利于促进农地流转和发展适度规模经营,实现农村信贷和农村土地两个要素市场的良性互动和均衡。     

环保决策路径选择研究综述——以不确定性和不可逆性为研究背景

西方环保领域的不确定性和不可逆性研究始于20世纪70年代。研究表明,不确定性普遍存在,并在确定时间内对竞争价格有重要影响。环境经济的不可逆性研究目前主要应用于不可逆后果的水利工程和温室气体效应研究。对不确定性和不可逆性二者关系的研究发现,不确定性必然导致环境价值保护决策的不可逆性,二者共同影响环保投资的预期成本和投资预期净现值,对环保政策产生负效应。根据已有的环保决策理论,结合不确定性和不可逆性二因素,环保决策路径的选择应该包括不确定性评估、环保决策指标设定、环境资产交易定价边界设计、环保决策选择和实施最佳时机等环节。     

金融市场与住房价格波动的联动关系——基于SVAR模型的实证分析

构建SVAR模型分析了金融市场与房价波动之间的联动关系。金融市场可以分解为信贷市场、股票市场、外汇市场等,实证结果表明:房价与信贷增额之间的反应最为显著,两者具有自我强化的循环作用;房价与股价、汇率、国际资本净流入、利差之间在短期内具有正向响应关系,在长期内影响则逐渐趋于平稳;信贷增额、股价、汇率对房价波动的贡献度较大,除自身影响外,房价波动是其他变量波动的最大贡献者。     

城市新就业职工基本住房支付能力研究——基于合肥市两次抽样调查

无论是租房,还是买房,城市新就业职工基本住房支付能力均较差,特别是购房月供能力严重不足。比较而言,剩余收入是理想的住房支付能力判断指标;住房可支付性指数可用于租房支付能力判断,但不适合购房支付能力判断;房价收入比是否超过6∶1仍然是简单易行的房价高低判断标准。收入、房价(房租)、住房贷款利率,是影响住房支付能力主要因素。建议新就业职工以租房为主,在收入和积累达到一定水平后,再选择购房;对首次置业、购买90平方米以下普通商品住房,提供优惠住房贷款,提高购房支付能力。     

基于BP神经网络模型的房价敏感性分析

为分析和测算房价,受供给和需求两方面相关指标的影响和敏感程度,本文采用BP神经网络,研究了供需相关指标的不确定性变动引起的房价变动趋势。研究表明：房价对银行贷款额度和国民经济增速最敏感,对当年施工面积和建材价格弱敏感,而对居民消费价格指数和人均可支配收入不敏感。对最敏感性指标,应从差别化信贷、拉动消费抑制投资入手;对弱敏感指标,应加大保障性住房的建设力度,完善土地市场体系,推进房地产税收改革,改善住房供应结构;对不敏感指标,应切实提高居民收入水平。本文根据房价对相关指标变动的敏感性程度,指导选择调控指标先后次序,用以提高管控的精度和住房市场供需要素调控的有效性,促进房地产市场健康运行。     

国内房地产市场的特点及投资分析

决定房价的基础是房地产开发成本,但最终决定因素则是供求关系。房价是各方力量综合决定的结果,不管是开发商、政府还是一般购房者,都没能力直接决定房价。在城市化快速发展的大背景下,经济发展依然倚重房地产业。随着房地产流通效率的提高,购房投资市场已经具备资本市场的主要特征,但以抵御通胀的心态购房投资既无理论基础也存在较高风险,对区域独到的判断和选择则更具有现实意义。     

房地产宏观调控政策对财税取向的探讨

房地产业市场机制失灵,政府调控房价应在保持稳定的基础上,通过扩大社会保障性住房的覆盖面,调整结构性减税政策,降低房地产业税费在地方财政收入中的比重。政府应按照市场需求加大居住房供应量,控制购房信贷投放。相关政策实施后,必将使房价在平稳中下降,居民可支配收入与实际购房能力逐步相适应。     

旅游业发展会提高房价吗？——基于海南的实证分析

本文基于“国际旅游岛”背景下海南省房价不断上涨这一背景,利用海南省各市县2012—2016年的数据,通过构建回归模型研究旅游业发展和预期对海南省房价的影响机制和效应。研究表明：（1）海南省旅游业发展和对旅游业的预期会对平均房价水平产生不同的影响,旅游业发展对房地产市场平均房价水平具有推高效应,而对旅游业的预期会降低平均房价;（2）旅游业发展和预期对房价增长率无显著影响;（3）旅游业发展对当地居民收入的增加效应高于对房价的推高作用,导致房价—收入比的降低,因此海南省旅游业发展对房地产的影响是健康稳定的,其虽然提高了房价,但不会助长房地产泡沫的产生;（4）就不同类型的商品房的房价而言,旅游业的发展显著提高了商业营业用房的价格,降低了商品住宅房的价格,且对商业营业用房价格的影响程度高于商品住宅房,而旅游业发展预期对商业营业用房价格无显著影响,其主要通过降低商品住宅房的价格而对整个房地产市场的平均房价产生抑制效应。     

欠发达地区农户信贷、储蓄市场参与影响因素研究——基于云南农村地区的经验证据

基于2009—2014年云南农村地区抽样调查数据,采用面板Logit和Tobit模型对农户信贷、储蓄市场参与的影响因素进行研究。结果表明:信贷市场的参与率逐年上升,储蓄市场参与率逐年下降;劳动力人口、非劳动力负担、家庭支出、固定资产支出正向显著影响信贷参与及规模,农户的消费支出、生产经营支出、税费支出、贷款利率的影响不显著;非劳动力负担、耕地面积、家庭收入及支出、固定资产支出、CPI显著影响农户储蓄参与及规模;对比信贷、储蓄市场参与发现非劳动负担、农户固定资产支出逐渐成为农村金融市场参与的重要影响因素。因此,农村人口老龄化、学龄化,农户的基础建设应该受到农村金融市场的重点关注。