《家庭户数变化与中国居民住房需求》(组图)

图片[1]-《家庭户数变化与中国居民住房需求》(组图)-东山资源库

图片[1]-《家庭户数变化与中国居民住房需求》(组图)-东山资源库

本文原载于《社会科学丛书》2020年第6期,160-166页。

1个

指导

【经济理论前沿与热点】

图片[3]-《家庭户数变化与中国居民住房需求》(组图)-东山资源库

[作者简介]孙文凯,1982年出生,博士。 经济学博士,中国人民大学经济学院教授,​​博士生导师,西方经济学教研室主任,国家发展与战略研究院研究员。 研究方向为劳动经济学和发展经济学。 他的主要研究兴趣包括劳动力流动、教育、收入分配和民营经济发展。 在《经济学(季刊)》、《经济研究》等期刊发表多篇论文。

[摘要]家庭是住房需求的基本单位,其数量变化直接影响房地产需求。 然而,现有研究更多地关注人口规模对住房市的影响,而不是家庭数量对住房市的影响。 在家庭小型化趋势下,对家庭户数的关注尤为重要,其经济解释力更强,具有更直接的政策意义。 实证分析还发现,家庭户数对住房需求的解释力远优于总人口数。 增加供给量、优化住房供给结构是我国未来房地产市需要调控的基本方向。

[关键词] 户数; 家庭结构; 住房需求; 人口

【基金项目】国家社科基金重大项目

2个

正文《中国居民家庭户型变化与住房需求》

一、简介

住房是关系国计民生的问题,近年来在我国房价居高不下的背景下受到特别关注。 关于我国房价快速上涨原因的研究很多。 现有研究大多从经济增长和收入提高、土地供给、投机需求、市、货币税收政策等角度出发,很少有研究从人口结构,尤其是人口数量变化的角度分析房地产需求。户。

自1998年城镇住房制度改革以来,我国商品房市日趋活跃。 2000年以来,我国商品房价格在剔除通胀因素后普遍呈现高速上涨态势,房价涨幅远超一般商品。 住户数量的增加可能是房价持续上涨的重要原因。 忽略住户数的变化,只用总人口来解释房价上涨有一定的难度,因为我国人口自然增长率每年只有0.5%左右,市每年1%左右。年。 扣除通胀因素后,商品房平均销售价格年均增速为5.2%。 我国城镇家庭户数年均增长率达到3.7%,远超人口自然增长率。 这可能是比总人口更能解释房价增长的因素。 随着社会生活水平的提高,高离婚率、高预期寿命和快速的市进程,加上观念的转变,导致一人家庭和二人家庭的比例越来越大。 中国的家庭数量必然会增加。 相对较高的利率继续增加,这将进一步影响未来的住房需求。 目前,学术界还缺乏关于家庭数量变化对住房市影响的研究。 本文对此进行探讨和分析。

二、人口因素与房价的关系

大多数对房地产市的研究都是从经济学和政策的角度进行的,但政策和预期等因素往往是周期性的,而我国房地产价格的上涨是有趋势的,这种快速增长的趋势不能完全经济因素解释。 因此,从人口结构角度研究房价上涨的文献逐渐增多。 下面就人口因素与房价关系的相关文献进行简要回顾。

一、人口结构走向研究

Weil分析了房地产和人口结构的结合,解释了人口结构变化对未来房价的影响。 他们认为,出生于二战后美国“婴儿潮”时期的人们,在1970年代步入成年,导致房地产市需求扩大,房价大幅上涨,而作为这一批需求被消化,之后不会有进一步的发展。 房价将再次出现剧烈波动。

和Weil定量讨论了人口对住房需求的影响,为后续研究奠定了基础。 此后,国内外学者对人口结构与住房需求的研究主要集中在三个方面。

一是人口自然结构,包括人口规模、年龄、性别、抚养比等因素。 与韦尔的结论类似,霍莉和琼斯也发现,成年人口的增加与住房需求的增加呈正相关。 陈斌凯等。 利用人口普查的微观数据发现,中国居民的住房需求也与年龄高度相关。 个人住房需求在20岁后快速上升,50岁后开始下降,人口老龄化将导致2012年中国住房需求增速,未来有大幅下降的可能年。 徐建伟等考察了19个OECD国家的数据发现,人口抚养比与住房需求呈负相关,青年抚养比和老年抚养比都会对住房需求产生负面影响。

二是人口地域结构,包括人口空间迁移、集聚、市等因素对住房市的影响。 Lee等学者在“MW”研究的基础上增加了净移民这一变量,研究结果表明该变量对住房需求具有显着的正向影响。 张钊、陈五五的研究表明,市水平对区住房需求和房价具有显着的拉动作用。

最后是人口与社会结构视角,涉及人口收入状况、教育结构等因素。 赵凤军、邹林华的研究证实,高收入人群的住房需求高于低收入人群。 陈斌凯、张传传从人力资本的角度研究中国房价的动态演变,发现1999年后的高校扩招政策和全国高等教育资源分布不均导致人力资本规模扩大和空间集聚效应,也导致了房价的不稳定。 上升和空间异质性是两个重要因素。

2.家庭结构研究

家庭结构的变化受到经济发展、意识形态、风俗习惯、自然规律等多种社会因素的影响,而我国由这些多重因素引起的家庭结构变化都导致了小家庭的发展。 王越生在研究中考虑了观念和理念的转变。 他发现,生活水平的不断提高和市的不断加快,带来了越来越开放自由的思想环境,以及越来越多的青壮年与父母分开生活的愿望。 大量年轻人选择离开父母,融入市。 在这种趋势下,呈现几代人共同居住的复合家庭形态几乎是不可能的,而这种追求小家庭观念的转变,也带来了我国近年来家庭户数的激增。 除了年轻人思想观念转变带来的家庭规模缩小外,我国空巢老人数量的增加也是家庭规模缩小的原因之一。 孙娟娟研究发现,通过对“六普”数据的分析,1950年前后出生的人进入老年阶段后,独居老人的数量和比例将会增加。 2010年人口普查数据显示,中国有38.3%的老年人口处于空巢状态,而这一比例在城市区甚至达到了42.7%。 与越来越多的年轻夫妻选择独居相对应的是,我国老​​年人口也有独居的主观意愿,并不全是子女独居行为造成的,未来的老人也是被动的。会更愿意选择一个人住。

一些学者对家庭规模与住房需求的关系进行了研究。 劳夫等学者的研究认为,家庭规模与住房需求呈负相关关系。 尽管某一时期某一区的人口有所下降,但家庭规模小型化带来的户数增加仍会使该区的住房需求上升。 王海涛等利用“五普”调查数据,对北京、上海、广州、重庆四大市的住房条件改善情况进行了分析比较,指出在住房需求问题上,无论是家庭规模和家庭结构对住房选择的影响越来越大。 影响。 陈彦斌、陈晓亮也认为,我国家庭规模在逐渐缩小,在不改变家庭平均住房需求的情况下,通过户数增加创造了大量新的住房需求。

通过文献梳理,我们发现现有文献在对房地产市影响因素的研究中逐渐关注人口因素,但对住房需求的分析仍主要停留在人口或年龄结构层面。 关于家庭数量增加引起的住房需求变化的文献也主要是描述性的,缺乏深入的分析。 我国房地产市发展较晚,相关文献与国外相比略显匮乏,尤其是户数对住房市影响的研究。 近年来,儿童独居意愿增强、老人空巢现象、低出生率、低结婚率、高离婚率、预期寿命增加等因素都将导致家庭规模缩小以及我国家庭数量的增加。 本文首次将家庭户数作为影响住房需求的重要因素进行量化分析。

三、户数对房价影响的统计分析

(1) 模型构建与变量选择

由于建设周期长,土地供应有限,住房供应相对缺乏弹性。 因此,房价走势受需求影响很大。 住房需求的影响直接体现在价格上,因此本文在控制住房供给指数后,将采用商品房平均销售价格指数来描述居民住房需求。 鉴于数据的可获得性,本部分分析选取了2002-2016年全国35个大中市的面板数据,控制了相关变量,观察了市层面的家庭户数对实际生活的影响。房地产价格。 其中,大中市35个,包括市、省市、区首府市(拉萨除外)和市市。 这些市是国家统计局于2005年综合考虑这些市的经济实力、住宅成交量、市规模和区辐射力,并兼顾样本的区代表性和房价统计依据而确定的。 . 强,更能全面反映现阶段中国中心市的住房市。

本文基准回归采用面板数据固定效应模型,基本模型描述如下:

模型的解释变量为商品房平均销售价格( )。 商品房销售均价以年度数据的形式列入各年度统计年鉴。 我们用各市历年的CPI去通胀数据,用对数形式。

本文最关心的解释变量是各市家庭户数的年对数(),如果该变量的回归系数显着为正,说明家庭户数的增加将显着推动房价上涨. 除普查年度外,市户数数据基本采用千分之一抽样调查方式采集。 本文以各市统计年鉴中的抽样调查数据为基础,除以年度抽样比例估算出35个大中市的年度户数,并进行对数处理以增强数据的稳定性。

为控制回归分析要求的其他条件不变的假设,本文进一步加入各市实际人均GDP的对数值( )(GDP平减指数以2015年为基年=100),法定的金融机构年贷款利率( )和各市住宅竣工面积的对数( )作为控制变量。 每个市的实际人均GDP可以反映实际购买力,相应的数据来自省历年统计年鉴。 利率指标反映货币政策对居民住房需求的影响。 一般来说,利率上升会增加居民购房贷款的资金压力,从而降低消费需求和投资需求。 本文选取历年《中国统计年鉴》中收录的金融机构法定一年期贷款利率作为衡量利率的代理指标。 住宅竣工面积是指房地产开发企业按照设计要求竣工,达到入住和使用条件,通过验收鉴定或达到竣工验收的每栋建筑的总建筑面积达标,今年可正式交付使用。 来源于《中国统计年鉴》历年35个大中市主要指标完成情况清单。 房屋竣工面积反映供给侧对房价的影响。 由于本文中所有价格数据(商品房平均销售价格、人均实际GDP和贷款利率)均已缩减,回归方程中不再包含CPI变量。

同时,为了比较以户数和总人口为代表的人口信息对房价变化的解释力,本文还建立了以对数的总人口为解释变量的面板模型。 总人口()数据来源于历年省统计年鉴中市“年末总人口”指标,并进行对数处理。

需要承认的是,影响房价的政策变量是存在的,我们使用固定效应项来尽可能地反映这些难以衡量的因素。 各变量的描述性统计见表1。

(2) 测量结果与分析

我们首先检验了固定效应和随机效应的差异,发现两者的系数估计值存在显着差异,因此本文采用固定效应模型作为主要回归形式。 基准回归结果如表2所示。

根据表2的回归结果,若以户数取对数作为解释变量,户数每增加1%,商品房销售均价将上涨0.672%; 如果用对数的总人口作为解释变量,总人口将增加1%。 ,商品房销售均价上涨0.569%,均具有统计显着性。 回归方程(3)将对数的家庭规模和对数的总人口同时作为解释变量加入模型,两个解释变量的回归系数均有所下降中国历年cpi一览表,但对数的家庭规模系数保持统计显着,而对数的总人口系数不再显着。 这表明,在家庭数量相同的情况下,人口规模对房价的影响并不显着; 相反,在人口总数相同的情况下,家庭数量的变化仍会对房价产生显着的积极影响。

注:*、**、***分别表示在10%、5%、1%水平上显着; 市群的标准误在括号内。

(3)异质性和稳健性检验

1.区异质性的解释

中国不同区的发展水平和发展模式存在很大差异。 东部是人口流入的主要地区,户数增长较快,升值预期较大,而中西部则相反。 为了研究不同市家庭数量对住房需求和房价的异质性影响,我们将35个大中市按照区发展程度分为东部市和中西部市两部分。和区定位。 其中,中西部市包括成都、长沙、重庆、贵阳、哈尔滨、合肥、呼和浩特、昆明、兰州、南昌、太原、乌鲁木齐、西安、银川和郑州,其余市列为东部市. 回归结果如表3所示。

从表3可以看出,东部区家庭户数对房价的正向影响比中西部区更为明显。 这可能反映出,在中国相对发达的区和市,核心家庭观念较高、结婚率和离婚率较低、人口流动性较高等因素导致这些区的家庭户数增加。 住房需求的预期增幅更大,由此带来的存量增加对住房需求的影响更为明显。 同时,加入总人口后,东部区以家庭规模对数为解释变量的回归系数依然显着,人口因素依然不显着,说明家庭规模仍然较好地反映了解释比总人口。 能力。

注:*、**、***分别表示在10%、5%、1%水平上显着; 集群稳健标准误差在括号中。

2.利用工具变量法消除内生性

虽然基线测量回归结果符合我们的预期,但上述回归模型可能存在内生性问题。 首先,家庭数量与房价之间可能存在反向因果关系。 在家庭数量增加、住房需求增加从而推高房价的同时,房地产价格的上涨会增加居民的生活成本,也会抑制偏远地区的劳动力。 区向经济发达区转移的速度反过来又会抑制住户数量的增长。 另外,虽然我们控制了几个变量以及固定效应,但上述回归模型可能仍然存在变量缺失的问题。 基于此,本部分我们采用工具变量法来克服模型中潜在的内生性问题。

本文选择的工具变量是各区的离婚率( ) 。 运用1990年至2000年的跨国数据,证明离婚率的上升是导致家庭规模缩小的重要因素。 近20年来,我国的离婚率持续上升,越来越多的夫妻从一个家庭分裂为两个家庭,使我国的家庭数量增加。 同时,离婚主要是夫妻关系破裂造成的,与房价几乎没有关系。 由于离婚登记在户籍所在地,本文离婚率的计算方法采用粗离婚率=离婚对数/户籍人口的方法。 各区离婚对数数据来源于历年《中国民政统计年鉴》,为省数据。 由于省市离婚率差异较小,本文以省离婚率代表市离婚率作为35个大中型家庭户数的工具变量。市。 采用两阶段最小二乘估计法对面板数据固定效应模型进行回归,结果如表4所示。

注:*、**、***分别表示在10%、5%、1%水平上显着; 市群的标准误在括号内。

从估计结果来看,工具变量估计的离婚率与户数的正相关关系仍然非常显着。 从第一阶段的回归系数和F统计量来看,不存在弱工具变量问题。 从第二阶段的估计结果来看,使用工具变量估计的系数更大,统计显着性更强,证明了家庭数量对住房需求有正向影响的结论是稳健的。

四、未来展望及政策建议

本文从家庭户数变化的角度研究中国居民住房需求的变化。 本文基于2002-2016年中国35个大中市的面板数据,采用固定效应模型估计住户数量增加对住房需求的影响,并采用工具变量法对分析结果的稳健性。 从我国房地产市的实际发展情况来看,房价的增长速度远远超过人口的自然增长率。 用城市家庭数量的快速增长来解释房价上涨应该更有说服力。 实证结果正如我们预期的那样。 户数对中国居民住房需求具有显着正向影响,户数对住房需求的解释力明显优于总人口指数。

结合住户数量的角度,我们可以预测和分析未来的住房市。 国务院2017年印发《全国人口发展规划(2016-2030年)》,预计2020年我国总人口将达到14.2亿,2030年人口将达到14.5亿的峰值。《中国人口、家庭规模、张旭英等主编的《与结构预测分析》也对我国未来的总人口进行了预测。 符合政策并实际生育二孩的育龄妇女总人口,按20%、35%、50%的比例计算。 本文以国务院规划为依据,采用张旭英等人预测的二孩率35%下的平均值作为总人口发展的预测结果。 在对我国城镇化率的预测方面,《国家新型城镇化发展规划(2014-2020年)》提出,2020年我国城镇人口比重将达到60%,而这一比例实际上在2019年就已经达到。“联合国开发计划署和国务院发展研究中心共同撰写的《中国人类发展报告2016》预测,2030年我国城镇化率将达到70%左右。本文以2030年70%的城镇化率作为参考点,结合历年城镇化率真实值,建立多项式函数模型,计算出我国2020-2030年各年城镇化率。曾毅率先利用多维人口预测模型在我国未来家庭规模预测研究中的应用据测算,2010年我国平均家庭人口为3.60人/户,而我国2010年“六普”结果为3.10人/户,表明曾毅的研究被严重高估; 陈彦斌、陈晓亮参考发达国家经验,设定2020-2100年我国城镇家庭平均规模。基准情景下,2020年我国城镇家庭规模为2.78人/户,2.70人/到 2030 年为 2.40 人/户,到 2100 年为 2.40 人/户; 李崇美等。 通过构建家庭结构方程预测我国家庭规模。 人/家庭。 本文认为,陈彦斌、陈晓亮和李重美的研究比较稳定,但由于我国“全面二孩”政策的实施,李重美的研究成果可能相对被低估。 本文以2030年平均家庭规模2.66人/户为主要参考点,估算我国各年度平均家庭规模。

表5列出了家庭数量和住房需求的预测结果。 由于改善需求和投资需求等因素,本文结果仅为保守估计,存在低估未来住房需求单位数量的可能。 我们预计,2030年前《家庭户数变化与中国居民住房需求》(组图),我国总人口将保持减速增长趋势。 从预测表中可以看出,2020年,我国城镇每年需竣工的住房数量至少为900万套,以满足经济增长带来的住房需求扩张。家庭规模小型化和快速城镇化,高于近年年均完成量。 套数。 根据预测结果,2020-2030年我国住房需求量将逐年减少,但也将保持在每年600万套以上。 我国的房地产供应受土地供应的限制。 在有限的土地资源上大规模完成住房建设,需要采取旧城拆迁改造、城乡土地置换等方式,房价可能继续面临上涨压力未来。

注:数据为作者计算。

基于这些分析,本文有两个主要建议:

一是继续增加城镇住房供给,优化供给结构,特别是增加住房套数中国历年cpi一览表,满足户数增加的需要。 参考发达国家的房地产调控政策,德国之所以能够长期保持相对稳定的房价,是因为政府把为全国家庭提供相应数量的住房作为首要的住房规划目标。 在我国未来的发展规划中,继续集约利用市土地,加强小户型住房的建设和管理,满足流动人口、低收入人口等弱势群体的住房需求,是提高整体福利和保障水平的重要途径。社会的幸福。

二是尤其要改善东部发达区市供给。 东部区流动人口多,户数实际和预期增长较快。 In , land and be , and means, means, and land 区 be to meet the basic needs of . and .

The title of this is

1. Sun : " in the of and of ", " ", Issue 6, 2020.

2. Sun . in the of and of [J]. , 2020(06):160-166.

结尾

●●

●●●

© 版权声明
THE END
点赞12 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片