【房地產(chǎn)價(jià)格調(diào)控問題研究文獻(xiàn)綜述3400字】

房地產(chǎn)價(jià)格調(diào)控問題研究國內(nèi)外文獻(xiàn)綜述1.1國外研究現(xiàn)狀國外學(xué)者較早地開始研究商品住房價(jià)格問題，且研究更加深入和系統(tǒng)，文獻(xiàn)眾多，并取得了許多相關(guān)成果。17世紀(jì)末，土地價(jià)格和極差租金概念開始出現(xiàn)在人們的視野中，從而打開了房地產(chǎn)市場研究的帷幕。大量科學(xué)研究人員從不同角度和與之相關(guān)的土地資源對房地產(chǎn)進(jìn)行分析。當(dāng)時(shí)有兩種主流思想被認(rèn)可，一個(gè)是現(xiàn)代資本主義的土地經(jīng)濟(jì)理論，另一個(gè)是馬克思代表的馬克思主義土地經(jīng)濟(jì)理論。這些理論成果的出現(xiàn)為房地產(chǎn)市場發(fā)展的相關(guān)理論研究奠定了基礎(chǔ)[1]。除了市場本身的自我調(diào)節(jié)之外，對商品房的調(diào)節(jié)還有政府的宏觀調(diào)控。如YZhang等人在2015年利用我國2002年至2013年的省級數(shù)據(jù)研究了人口紅利對房地產(chǎn)價(jià)格的影響。使用PVAR模型和脈沖響應(yīng)函數(shù)（IRF）進(jìn)行分析，研究表明，人口紅利的變化可能會(huì)導(dǎo)致房地產(chǎn)價(jià)格的波動(dòng)。人口紅利不僅可以直接影響房價(jià)，而且可以在房地產(chǎn)貸款機(jī)構(gòu)等中介機(jī)構(gòu)的幫助下間接影響房價(jià)[2]。OhmanPeter和YazdanfarDarush在2018年的研究中探討了銀行貸款與房價(jià)之間的Granger因果關(guān)系。通過基于向量誤差修正模型的Granger因果關(guān)系檢驗(yàn)，分析了包含2005年9月至2013年10月的房屋價(jià)格、銀行貸款、消費(fèi)者價(jià)格指數(shù)和抵押貸款利率的月度時(shí)間序列數(shù)據(jù)，得出房貸利率高低可以改變房子的供需關(guān)系，即高房價(jià)與銀行房貸存在一定關(guān)系[3]。Mohd、Jamil和Johari（2020）REF_Ref70103174\r\h[4]綜合分析關(guān)于建模技術(shù)在房價(jià)預(yù)測上應(yīng)用的文獻(xiàn)，其中包括：人工神經(jīng)網(wǎng)絡(luò)、特征價(jià)格模型、模糊邏輯系統(tǒng)、支持向量機(jī)、線性回歸、決策樹、隨機(jī)森林、偏最小二乘、多回歸分析、空間分析、梯度提升、嶺回歸等等，并且分析和比較了這些模型的優(yōu)點(diǎn)以及缺點(diǎn)。Robstad（2018）基于貝葉斯結(jié)構(gòu)風(fēng)險(xiǎn)值模型，對貨幣和信貸政策與房價(jià)的相關(guān)性關(guān)系進(jìn)行了研究，分析結(jié)果顯示相較于信貸政策，貨幣政策對房價(jià)的影響更大，同時(shí)貨幣政策的影響微乎其微REF_Ref68114751\r\h[5]。SatishMohan和AlanHutson在2019年的研究中使用了統(tǒng)計(jì)分析方法來定量分析原油價(jià)格，消費(fèi)物價(jià)指數(shù)（CPI），30年期抵押貸款利率（IR），失業(yè)率（UR）和道瓊斯工業(yè)平均指數(shù)（DJIA）隨著時(shí)間的推移，這五項(xiàng)主要宏觀經(jīng)濟(jì)指標(biāo)對房價(jià)的影響。此外，住房價(jià)格通過住房價(jià)格指數(shù)（HPI）進(jìn)行衡量，并被視為會(huì)影響自身的變量。通過矢量自回歸統(tǒng)計(jì)模型分析，使用美國紐約阿默斯特鎮(zhèn)的實(shí)際房屋銷售價(jià)格（1999-2008年）和宏觀經(jīng)濟(jì)指標(biāo)的時(shí)間序列數(shù)據(jù)（2000-2017年），得出30年期抵押貸款利率和住房價(jià)格指數(shù)對住房價(jià)格的影響在統(tǒng)計(jì)學(xué)上是顯著的，抵押貸款利率影響最大，其次是失業(yè)率，其次是道瓊斯工業(yè)平均指數(shù)和消費(fèi)物價(jià)指數(shù)[6]。1.2國內(nèi)研究現(xiàn)狀與國外一些國家相比，我國房地產(chǎn)市場的研究起步較晚，理論研究的成果還相對較少。但是，它在過去十年中發(fā)展迅速，并取得了明顯的進(jìn)步。我國這個(gè)領(lǐng)域的大多數(shù)研究都集中在價(jià)格變化上。2013年，王敏和黃灌選擇了我國大中城市商品房的相關(guān)縱向數(shù)據(jù)，構(gòu)建了數(shù)據(jù)模型。他們從我國的宏觀調(diào)控出發(fā)，在社會(huì)因素和經(jīng)濟(jì)狀況保持不變的情況下，分析并研究了我國的商品房限購政策和房地產(chǎn)開發(fā)商要支付的房地產(chǎn)稅對于房地產(chǎn)價(jià)格的影響。實(shí)證分析表明，商品住房的限購政策可以在實(shí)施初期有效地控制房價(jià)，但從長遠(yuǎn)來看，它并不能有效地控制房價(jià)；房地產(chǎn)稅的征收也是如此，在短期內(nèi)看起來可以降低我國的房地產(chǎn)價(jià)格，但對長期房價(jià)來說可能發(fā)揮的影響效果也并不明顯[7]。在宏觀方面的研究中，張世涵（2018）總結(jié)現(xiàn)有研究發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展、居民收入、人口、城鎮(zhèn)化、利率、貨幣供應(yīng)量等指標(biāo)水平越高，房價(jià)相對會(huì)越高[8]。在微觀影響因素方面上，陳冠南和陳少暉（2020）通過收集多個(gè)OECD國家的房地產(chǎn)業(yè)樣本，以實(shí)證分析的方式探索房地產(chǎn)稅和房價(jià)之間關(guān)系，最終得出房地產(chǎn)稅僅在短期內(nèi)會(huì)對房價(jià)產(chǎn)生影響，而房地產(chǎn)稅對房價(jià)的改變不存在長期效應(yīng)[9]。李穩(wěn)（2017）分析了房價(jià)影響因素，并且對房價(jià)影響因素進(jìn)行分析和思考，闡述了當(dāng)前房價(jià)影響因素之間的經(jīng)濟(jì)因素，文化因素。住房面積和人均收入對房地產(chǎn)價(jià)格影響進(jìn)行深入研究。提出了改善房價(jià)問題的有效方法[10]。張明恒（2020）為調(diào)控我國房地產(chǎn)價(jià)格目前這種非理性上漲態(tài)勢，我國相繼采取了一系列措施，比如緊縮貨幣政策、土地政策、增收房地產(chǎn)稅等措施，但實(shí)際效果并不理想。我國政府出臺(tái)的房地產(chǎn)直接調(diào)控政策，如限購條件政策、住房保障政策、公積金政策、調(diào)節(jié)首付比例政策來對房地產(chǎn)市場進(jìn)行調(diào)控[11]?？娖计迹?018）以安徽省2010-2017年的季度數(shù)據(jù)為例，基于VAR模型，運(yùn)用協(xié)整分析、因果檢驗(yàn)、脈沖響應(yīng)和方差分解等方法進(jìn)行了實(shí)證分析。研究結(jié)果表明，長期以來，房價(jià)的波動(dòng)對安徽省居民的消費(fèi)產(chǎn)生了明顯的財(cái)富效應(yīng)，同時(shí)，可支配收入對消費(fèi)具有正效應(yīng)[12]。周亮錦等（2019）以1999-2017年的數(shù)據(jù)為基礎(chǔ)，這些數(shù)據(jù)涵蓋了我國35個(gè)大中城市，對導(dǎo)致房價(jià)造成波動(dòng)的原因進(jìn)行研究，研究對象分別是國家、區(qū)域。研究結(jié)果顯示：房價(jià)預(yù)期對房地產(chǎn)價(jià)格有明顯的促進(jìn)作用，該結(jié)果適用于全國以及區(qū)域范圍，同時(shí)相較于其他因素，大多數(shù)地區(qū)房價(jià)預(yù)期的影響力度更大REF_Ref68104801\r\h[13]。韓立彬和陸銘（2018）認(rèn)為土地供給放松和收緊的城市相比，后者的房價(jià)上漲更快REF_Ref68104801\r\h[14]。陳林鋒、楊偉杰、徐曉倫、郝秀蘭（2018）REF_Ref70103093\r\h[15]以浙江省的10個(gè)城市為研究對象，選取了7個(gè)指標(biāo)，通過建立多元線性回歸模型，得出結(jié)論：人均生產(chǎn)總值是影響房價(jià)最為主要的因素。任梓銘（2019）REF_Ref70103231\r\h[16]首先建立非線性回歸模型并通過灰色預(yù)測模型，一步一步在先前的模型中添加變量，優(yōu)化所建立模型，最終對北京市各個(gè)區(qū)的房價(jià)進(jìn)行了精準(zhǔn)地預(yù)測。鄭永坤和劉春（2018）REF_Ref70103247\r\h[17]采用ARIMA模型，通過廣州市2013年-2016年每個(gè)月的房價(jià)來進(jìn)行預(yù)測，并利用2017年1月-2017年8月的房價(jià)來計(jì)算該模型的預(yù)測精度，并且使用滾動(dòng)預(yù)測的方法來改進(jìn)該模型。最后得出結(jié)論：使用滾動(dòng)預(yù)測的方法改進(jìn)的ARIMA模型對房價(jià)進(jìn)行預(yù)測更為合理和精確，可以進(jìn)行推廣。2019年，陳繼東從宏觀和微觀兩個(gè)方面入手，宏觀指標(biāo)包括GDP（國內(nèi)生產(chǎn)總值）、制造業(yè)采購經(jīng)理人指數(shù)、無風(fēng)險(xiǎn)利率和M2變動(dòng)率。微觀指標(biāo)包括商品房代理銷售存量、房地產(chǎn)開工量、商品房存銷比、人均可支配收入、收入比和銷租比。使用蒙特卡洛方法對樣本數(shù)據(jù)進(jìn)行采樣并對數(shù)據(jù)執(zhí)行線性回歸分析。房地產(chǎn)開工量，存銷比和租售比是影響商品住宅價(jià)格短期波動(dòng)的因素，宏觀經(jīng)濟(jì)運(yùn)作和流動(dòng)性與商品房價(jià)格呈現(xiàn)出的相關(guān)性較強(qiáng)[18]。2019年，戴正本收集了1995年至2016年的安徽省房地產(chǎn)數(shù)據(jù)，并對其進(jìn)行了多元回歸。選擇的解釋變量是地區(qū)生產(chǎn)總值，住宅銷售面積和城鎮(zhèn)人口面積。通過實(shí)證研究，發(fā)現(xiàn)這三個(gè)變量與房屋售價(jià)呈正相關(guān)[19]。國內(nèi)對商品房價(jià)格的影響因素研究主要是從商品房涉及的主體層次出發(fā)，包括的主要是消費(fèi)者，房地產(chǎn)開發(fā)商和政府這三個(gè)主體。在此基礎(chǔ)上，一些學(xué)者還將結(jié)合住房本身的特點(diǎn)，如空間固定性、耐久性、投資屬性等，對住房市場進(jìn)行更深入的探討，試圖尋求到影響中國住房價(jià)格變化的因素。1.3研究現(xiàn)狀評述綜上，國內(nèi)外的許多學(xué)者對影響房地產(chǎn)價(jià)格因素已經(jīng)有了很深入的研究，這為本文研究開展提供了很大幫助，但就目前而言，我國房地產(chǎn)行業(yè)的發(fā)展還不是特別成熟，一系列問題層出不窮：房價(jià)上漲過快、投資增幅過高、結(jié)構(gòu)不合理、供求不平衡等等。我們知道無論是人民、企業(yè)還是政府都對房價(jià)的預(yù)測及影響房價(jià)的因素格外關(guān)注，所以能否準(zhǔn)確預(yù)測房價(jià)對房地產(chǎn)的研究相當(dāng)關(guān)鍵。于此，本文將在國內(nèi)學(xué)者研究的基礎(chǔ)上，以南通市為例，通過灰色預(yù)測模型對影響商品房價(jià)格的因素進(jìn)行回歸分析，希望找到影響南通市房價(jià)波動(dòng)的真正原因，為制定調(diào)控房價(jià)政策做出貢獻(xiàn)。參考文獻(xiàn)：[1]K.W.Chau,BryanD.MacGregor,GregoryM.Schwann.PricediscoveryintheHongKongrealestatemarket[J].JournalofPropertyResearch,2001,18(3).[2]YZhang,HuangTing,LiuHuangjin.Dynamicrelationshipbetweenrealestatepricesandinflationrate[P].,2015.[3]?hmanPeter,YazdanfarDarush.BanklendingandhousingpricesinSweden[J].InternationalJournalofHousingMarketsandAnalysis.2018,11(3):498-519.[4]MohdT,JamilNS,JohariN,etal.AnOverviewofRealEstateModellingTechniquesforHousePricePrediction[J].ChartingaSustainableFutureofASEANinBusinessandSocialSciences,2020:321-338.[5]?rjanRobstad.Houseprices,creditandtheeffectofmonetarypolicyinNorway:evidencefromstructuralVARmodels[J].EmpiricalEconomics,2018,54(2).[6]SatishMohan,AlanHutson,IanMacDonald,ChungChunLin.Impactofmacroeconomicindicatorsonhousingprices[J].InternationalJournalofHousingMarketsandAnalysis.2019,12(6):1055-1071.[7]王敏，黃瀅.限購和房產(chǎn)稅對房價(jià)的影響——基于長期動(dòng)態(tài)均衡的分析[J]．世界經(jīng)濟(jì)，2013，（01）：141-159.[8]張世涵.宏觀因素對我國房地產(chǎn)價(jià)格影響分析[J].中國房地產(chǎn),2018(24):38-50.[9]陳冠南,陳少暉.開征房產(chǎn)稅與抑制房地產(chǎn)價(jià)格波動(dòng)的相關(guān)性研究——以7個(gè)OECD國家為實(shí)證樣本[J].福建論壇(人文社會(huì)科學(xué)版),2020(07):78-88.[10]李穩(wěn).房地產(chǎn)價(jià)格影響因素實(shí)證分析[D].對外經(jīng)濟(jì)貿(mào)易大學(xué),2017.[11]張明恒.我國城市房地產(chǎn)政策與價(jià)格波動(dòng)的關(guān)系研究[D].曲阜師范大學(xué),2020.[12]繆萍萍.安徽省房價(jià)波動(dòng)對城鎮(zhèn)居民消費(fèi)影響分析[D].安徽財(cái)經(jīng)大學(xué),2018.[13]周亮錦,夏恩君,魏星.基于供求關(guān)系的房價(jià)波動(dòng)分析[J].北京理工大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版,2019,21(6):10.[14]韓立彬,陸銘.供需錯(cuò)配:解開中國房價(jià)分化之謎[J].世界經(jīng)濟(jì),2018,41(10):126-149.[15]陳林鋒,楊偉杰,徐曉倫,郝秀蘭.基于多元線性回歸的城市商品房價(jià)格預(yù)測[J].電腦知識(shí)與技術(shù),201