《北京房地产市场供求规律和价格机制作用的实证研究.doc》由会员分享，可在线阅读，更多相关《北京房地产市场供求规律和价格机制作用的实证研究.doc（10页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2022年-2023年建筑工程管理行业文档 齐鲁斌创作第六组 区域经济 协调发展13000字北京房地产市场供求规律和价格机制作用的实证研究王 利1作者简介 王 利1 女 1945年12月出生 首都经济贸易大学 经济学院 教授 博士生导师邱晓坚2 男 1983年12月出生 首都经济贸易大学 数量经济学硕士研究生 邱晓坚2首都经济贸易大学 数量经济研究中心【摘要】 本文利用状态空间模型对北京房地产市场需求函数、供给函数构造了可变参数模型，进而建立了北京房地产修正蛛网模型，用动态分析的方法研究供需求和价格在偏离均衡状态以后的实际波动趋势。研究表明在影响供给的因素中价格弹性较利率弹性大，说明房价是影响
2、房地产开发商是否增加投资的主要因素。在需求函数中收入弹性最大，表明居民可支配收入是影响房地产需求的决定性因素。蛛网模型求解结果是发散的，反映出近几年北京房地产价格越来越偏离均衡价格，需要通过政府的宏观调控手段使其变为收敛的蛛网模型。模型也反映出2005年以来国家颁布的一系抑制房地产过热的政策起了作用，但是要抑制住房地产价格的快速攀升仍然有待时日。论文最后提出了相应的对策建议。关键词 可变参数模型 动态分析 房地产需求函数 , 房地产供给函数 蛛网模型引 言房地产业产品的不可流动性、差异性和市场的区域性等特点，决定了房地产经济具有突出的区域特性。北京市房地业产业链长、关联度大，对北京市宏观经济拉
3、动作用明显。总体看来，1990年以来北京市房地产市场发展可分为三个阶段：1990年到1994年底处于短缺经济时期，是卖方市场；1995年到1998年形成以集团购买为主要特点的买方市场，1998年底以前，集团购买占全市商品房销售的83%以上；从1999年开始逐渐形成了个人住房消费市场，其中2000年个人购房的比率上升到85%，银行按揭贷款成为主要的付款方式。房地产市场调控的根本目的是保持市场的持续健康发展，全面落实科学发展观。由于房地产经济运行的复杂性，难以准确把握房地产市场运行的脉搏，也在一定程度上制约了对房地产市场进行宏观调控的有效性。本文利用状态空间模型对北京房地产市场需求函数、供给函数构
4、造了可变参数模型，进而引进时间变化因素，建立了北京房地产修正蛛网模型，用动态分析的方法研究需求量、供给量和价格在偏离均衡状态以后的实际波动趋势，以期对北京地区房地产形势做出科学的分析，为市政府制定预防性的方案和适当的调控措施提供决策依据。一、简短文献回顾国外对房地产市场供求分析较早，1924年，美国经济学家伊利（L.T.Yelly）和莫尔豪斯（E.W.Morehouse）合著的土地经济学原理的出版，系统研究了农业土地经济问题。1945年，伊利的学生拉特克里夫出版的城市土地经济学开始分析城市土地供求状况，研究土地市场均衡模型，分析不动产市场结构。1984年，哥德伯格（M.Goldberg）与钦洛
5、依（P.Chinlog）的城市土地经济学出版；同年，米尔斯（Edwin.S.Mills）与哈密尔顿（Bruce.W.Hamilton）的Urban Economics出版。这两本著作虽然采用了不同的计量模型来描述和分析美国的住房市场，但都注意到均衡模型无法解释住房市场。前者采用了闲置过度模型，提出了一种闲置和过度需求可以同时存在的模型，它用政府的规划土地用量和市场供需量的差别来解释房地产市场的这种现象。后者采用了价格租金模型，该模型通过系数把住房价格和租金联系起来，考虑到住房市场中所有影响这个系数的因素，并将租赁市场和买房市场结合，正确分析住房供求的规律。1972年，费尔（R.C.Fair）和
6、杰斐（D.M.Jaffe）用多种方法估计了美国住房市场模型，并对均衡模型与非均衡模型做了比较，得出非均衡模型的决定系数较大，估计的标准误差较小，因而认为美国的住房市场不是均衡的，把住房市场作为非均衡市场处理获得更好的效果。国的房地产市场起步较晚，早些年国内学者采用计量方法分析房地产市场供求的成果很少，随着近几年房地产市场的高速发展，房地产市场也得到越来越多的学者关注，有了部分定量分析成果，较多还是定性分析。2002年，上海电机学院的刘芳和郭颖发表了我国房地产市场供求的非均衡分析，以房地产市场供求的非均衡问题为中心，采用协整分析法确定非均衡计量经济模型参数估计迭代的初始值，从定量的角度对房地产市
7、场进行了研究，研究表明，房地产价格、国民经济发展水平、城市化水平、经济政策、生产投入等因素在不同程度上影响了房地产市场的供求，我国房地产市场有效程度不够。2004年，吉林大学的王金明和东北财经大学的高铁梅发表了对我国房地产市场需求和供给函数的动态分析一文，利用可变参数模型对我国房地产市场需求、供给进行了动态的定量分析，分析表明，在影响需求的诸因素中，收入弹性最大，其次是价格、利率弹性；在影响供给的因素中，价格和利率弹性都较大。同年，中国经济出版社出版了北京市房地产市场研究一书，该书是由中国人民银行营业管理部所做的一个课题，该书从金融视角对北京市房地产市场进行了分析。2005年，上海社会科学院出
8、版社出版了房地产经济动态分析方法，该书基本上是作者陈则明在学习和工作过程中对房地产经济分析方法思考的总结，书中介绍了可用于房地产市场供求动态分析的方法和工具，其中包括基于Matlab系统的仿真系统。同年在非均衡的房地产市场一书中，作者季朗超提出用非均衡度Z这一概念用于反映房地产市场的非均衡程度，定义非均衡度Z为有效供给和有效需求的差与交易量的比值，并提出政府调控可以根据非均衡度这个指标来进行定量分析，然后决定用何种手段进行调控。二、计量模型的选择和计量指标的设定上世纪60年代初，在工程控制领域的产生了卡尔曼滤波（Kalman Filtering）。进入70年代初，人们明确提出了状态空间模型（S
9、tate space Models，SSM）的标准形式，卡尔曼滤波是解决状态空间模型估计与预测的有力工具之一，它用状态方程和递推方法进行估计，根据上一状态的估计值和当前状态的观测值推出当前状态的估计值。因而卡尔曼滤波不要求对信号的平稳性和时不变性，且可以通过计算机程序达到对状态空间模型的优化拟合。80年代以后，状态空间模型已成为一种有力的建模工具，并开始应用到经济领域。状态空间模型是以隐含着的时间为自变量的动态时域模型。它包括两个模型：其一是状态方程，反映动态系统在输入变量作用下在某时刻所转移到的状态；其二是输出或量测方程，将系统在某时刻的输出和系统的状态及输入变量联系起来。因此，状态空间模型
10、是描述动态系统的完整模型，表达了由于输入引起系统内部状态的变化，并由此导致输出发生的变化。许多时间序列模型，包括典型的线性回归模型和ARIMA模型都能作为特例写成状态空间的形式，并估计参数值。在计量经济学文献中，状态空间模型被用来估计不可观测的时间变量：理性预期、测量误差、长期收入等。可以把状态空间模型看成是扩大延伸的向量自回归（VAR）方法，主要差异表现在SSM加入了移动平均项（MA），成为Vector ARMA模型。在多变量时间序列分析中，SSM考察的范围比VAR更周全，由SSM所到处的最终模型具有弹性与效力，可以显示所选取的变量之间当期与滞后期的关系，从而找出变量间的互动关系、影响程度大
11、小及影响的正负方向。由于我国经济改革、外界冲击和政策变化等因素对房地产市场的影响，用.固定参数模型无法表现这种结构的变化，因此，本文利用状态空间模型来构造可变参数模型，对房地产市场供给函数和需求函数进行动态分析。可变参数模型的状态空间的一般表示如下：量测方程： （1）状态方程： （2） ， （3）在（1）式中zt是具有固定系数的解释变量集合，xt是随机系数的解释变量集合，随机系数向量t是状态向量，称为可变参数。t是不可观测变量，必须利用可观测变量yt和xt来估计。如果yt和xt是季度时间序列，还应从中除去季节变动要素。在（2）式中假定参数t的变动服从于AR(1)模型。t和t分别是量测方程和状态
12、方程的扰动项，根据（3）式，二者是相互独立的，且服从均值0、方差为2和协方差矩阵为R的正态分布。（1）北京房地产供给函数可变参数模型在住宅供给理论当中，供给曲线是一条斜向右上的曲线，价格越高，新住宅的供给越大。本文将这种住宅供给理论应用到房地产市场供给问题上。新住宅的供给用总住宅投资，即住宅存量的增量来表示，因而选取房地产开发投资代表房地产开发商的供给作为被解释变量。由于利率上涨将导致融资成本增加，房地产商会相应地减少投资，除了商品房销售价格之外，还将一年期贷款利率作为解释变量引入供给函数。利用状态空间模型建立的可变参数模型如下：量测方程： （4）状态方程： （5）状态方程： （6）其中，in
13、v为房地产开发投资，priceh为房屋销售价格，rate为一年期贷款利率。t、t分别为各个时点上房地产开发投资对贷款利率、的敏感程度的变参数序列，et、ht、t为扰动向量。(5)式与(6)式假定了可变参数t、t由AR(1)模型描述。（2）北京房地产需求函数的可变参数模型选择商品房销售面积sales作为被解释变量，解释变量选择一年期贷款利率rate和房屋销售价格priceh，由于收入对需求有的显著影响，将城镇居民可支配收入inc也作为解释变量。量测方程： （7）状态方程： （8）状态方程： （9）状态方程： （10）其中，at、bt、g t分别为各个时点上销售面积对房屋销售价格、贷款利率和实际城
14、镇居民可支配收入的敏感程度的变参数序列，et、ht、t、t均为扰动向量。在北京房地产供给和需求函数可变参数模型中选取的指标数据范围为19902006年的年度数据，数据取自北京统计年鉴2006、北京统计年鉴2007、历年的中国金融年鉴及人民银行网站。在此期间，我国的利率调整过多次，所以对利率进行加权平均，得出新的利率序列。（3）北京房地产修正蛛网模型蛛网模型是一种动态供求价格模型，把时间因素纳入了静态供求模型。通过前面的模型估计发现，利率对房地产供给影响要比对房地产需求大一些，人均可支配收入对房地产需求影响较大，所以对传统的蛛网模型进行修正，构建了如下北京房地产修正蛛网模型：供给方程： （11）
15、需求方程： （12）平衡方程： （13）其中和分别表示房地产需求量和供给量，Pt代表房地产价格，yt代表收入。（11）式表示出现期房地产供给依赖于现期房价、上期房价和上期利率，即假定房地产供给相对于价格和利率有所滞后。（12）式表示了房地产现期需求依赖于现期房价和人均可支配收入。（13）式为供求均衡条件。模型中的房地产需求量用房地产销售面积来表示，房地产供给量采用房地产竣工面积表示，房地产价格采用商品房销售均价，利率采用一年贷款利率，收入采用居民人均可支配收入表示。数据依然选取年度数据，时期为1990年至2006年之间。三、模型估计及结果分析 北京房地产供给函数可变参数模型估计结果及分析为避免
16、均衡估计中，采用非平稳时间序列建模可能出现的“伪回归”现象，采用协整分析来检验变量之间的长期均衡关系。对投资总额对数序列、利率对数序列和商品房均价对数序列利用ADF检验进行单位根检验，最终检验结果表明三者均为一阶单整序列，可以对这三个序列做协整分析。采用Johansen方法对三个序列进行协整检验，检验结果拒绝了所有的原假设，说明三个序列之间存在协整关系，表明模型选取的三个变量之间存在着长期均衡的关系。在Eviews中定义状态空间模型，用文本表示如下：signal inv = c(1) + sv1*rate + sv2*priceh+ var = exp(c(2)state sv1 = sv1(
17、-1)state sv2 = sv2(-1)模型估计结果如表1所示。表1 北京房地产供给函数变参数模型估计结果CoefficientStd. Errorz-StatisticProb.C(1)-3.9653951.159688-3.4193650.0006C(2)-3.3820620.495357-6.8275210.0000Final StateRoot MSEz-StatisticProb.SV1-1.4686140.281552-5.2161370.0000SV22.1548410.06927731.104930.0000Log likelihood-13.84327Akaike inf
18、o criterion1.863914Parameters2Schwarz criterion1.961939Diffuse priors2Hannan-Quinn criter.1.873658得到相应状态空间模型： （4）t = 0.73 t-1 （5）t = t-1 （6）（1）北京房地产供给利率弹性的动态变化分析在状态空间模型中通过滤波产生状态序列，t为变参数序列，代表贷款利率的弹性。贷款利率对数的曲线图1描述了房地产供给利率弹性动态变化。总体来看，利率弹性在-1左右，即上调或下调利率1%，房地产开发商会减少或增加1%的投资总额。在1997年以前，房地产供给的利率弹性波动较大，而后波动
19、的幅度一直较小。图1显示，1992年和1993年的利率弹性较大，主要因为房地产业处于起步阶段，所以房地产供给对利率变化相对敏感。1995年利率弹性最小，表明该年北京房地产供给对利率最不敏感。这年我国一年贷款利率加权平均值提高到了11.53%，北京市房地产投资总额同比却增加了2倍多。1994年中国出现经济过热，通货膨胀明显，政府采用加息抑制生产活动，使得当年的通货膨胀率有所回落，加之1995年的利率是多年以来最高的一年，利率上调空间有限，所以房地产开发商对利率下调的预期使得房地产投资总额增加。其次，商品房销售均价经过调整后又显现出上升趋势，房地产投资总额增加也跟房地产开发商对未来房价预期乐观态度
20、有很大关系。1996年的利率弹性最大，远远大于临近几年。实际上，这一年利率下调和房价上涨幅度都不小，按理房地产供给应该大幅增加，但真实数据并不支持这一点，所以我们判断模型得出的这一年利率弹性可能失真，主要原因是因为1995年房地产投资同比上期大幅增加，需要此后的几年进行消化，从房地产投资走势图可以看出1996年和1997年房地产投资总额比1995年有所下降。1997年至1999年，利率弹性较小，房地产供给对利率变动不敏感，虽然经过几次下调利率，但房地产投资相对平稳，主要原因有二，一是1997年亚洲金融危机，国内经济虽然没有受到太大影响，但货币政策作用大打折扣，二是这几年北京房地产价格较高，房地
21、产开发商的预期收益下降。图1 供给函数中利率弹性曲线 图2 供给函数中价格弹性曲线（2）北京房地产供给价格弹性的动态变化分析变参数序列t代表房屋销售价格对数的曲线如图2所示，刻画了供给函数中价格弹性的动态变化。结果表明价格弹性相比利率弹性大，说明房价是影响房地产开发商是否增加投资的主要因素。只要价格高，利润空间大，房地产商就愿意扩大投资规模，增加房地产供给。在当前商品房价格偏高的经济背景下，较大的价格弹性也会带来很多的问题，会驱使大批投资涌入房地产市场；预期房屋价格上升的投机者进行投资性购房，炒买炒卖使得房价进一步攀升，最终必然形成房地产泡沫。由于中低收入水平的居民很难支付目前的高价格，而高收
22、入者逐渐拥有了住房，有效需求将减少，加上存在数以亿计平方米积压商品房，房地产市场“有价无市”必然导致房屋价格向真实价值回，挤压泡沫。但压缩泡沫可能并不会带来房地产市场的衰退，相反，价格的回落将使得潜在需求转变为有效需求。然而，如果现阶段开发商不注重供求结构，不切实际地大量建造高档住宅，将会出现另外的情况。由此可见，只有调整供给结构，提供人们需要的商品住宅，并将价格调控在合理的区间，才能创造出巨大有效需求，使房地产业蓬勃地健康发展，避免产生泡沫和浪费资源，为国民经济快速、稳定增长贡献力量，最终提高人民的生活质量。 北京房地产需求函数的可变参数模型估计结果及分析通过协整分析来检验变量之间是否存在长
23、期均衡关系。单位根检验结果表明利率对数序列、商品房均价对数序列、商品房销售面积和居民可支配收入四个变量均为一阶单整序列，满足协整分析的条件。同样使用Johansen协整检验方法，检验结果表明，四个变量存在协整关系，说明模型的变量之间存在长期稳定的关系。在Eviews中定义状态空间模型，用文本表示如下：signal sales = c(1) + sv1*rate + sv2*priceh + sv3*inc + var = exp(c(2)state sv1 = sv1(-1)state sv2 = sv2(-1)state sv3 = sv3(-1)模型估计结果如表2所示。表2 北京房地产需求
24、函数变参数模型估计结果CoefficientStd. Errorz-StatisticProb.C(1)1.4109421.1691851.2067740.2275C(2)-5.0138800.530307-9.4546830.0000Final StateRoot MSEz-StatisticProb.SV1-1.3342140.235468-5.6662190.0000SV2-1.2984320.378625-3.4293320.0006SV31.8496920.3055146.0543500.0000Log likelihood-9.200608Akaike info criterion
25、1.317719Parameters2Schwarz criterion1.415744Diffuse priors3Hannan-Quinn criter.1.327462得到如下状态空间模型： （7） （8） （9） （10）（1）北京房地产需求利率弹性的动态变化分析在状态空间模型中产生状态序列，图3描述了需求函数中利率弹性的动态变化。90年代初期和中期，利率弹性较低。在这段时期房地产市场处于起步阶段，制度不健全，租赁市场不完善、旧房上市流通困难等很多因素阻碍了货币政策发挥作用，并且我国银行缺乏机制防范债务人违约的道德风险，银行在个人住房贷款方面比较谨慎，这也影响了货币政策发挥作用。199
26、5年8月中国人民银行颁布了商业银行自营住房贷款管理暂行办法，标志着我国银行商业性住房贷款走上正轨。但当时贷款条件比较严格，一是要求提供双重保证，即抵押担保与保证担保；二是最高期限为10年；三是要求借款人在银行的存款金额不少于房价款的30%，存款期限必须在半年以上。1997年中国人民银行颁布了个人担保住房贷款管理办法，对贷款条件有所放宽，1998年和1999年中国人民银行连续发出了有关住房信贷的通知，这些政策的推行直接刺激了住房贷款的增长，从1999年开始个人住房贷款迅速增长。从利率弹性波动图也可看出，1996年利率弹性还很低，但从1997年开始一直都在-1以上。这都表明，随着福利分房退出舞台以
27、及分期付款购房的推广，货币政策的作用比以前更为明显，并趋于稳定，表明货币政策在房地产市场的作用得到了应有的体现。 图3 需求函数中的利率弹性曲线 图4 需求函数中的价格弹性曲线（2）北京房地产需求价格弹性的动态变化分析需求函数中价格弹性的动态变化如图4所示。需求的价格弹性在2000年以前都不大，只有1995年一年稍大，弹性在-1附近，总体来看缺乏弹性。这主要是因为我国长期实行福利分房体制，房屋作为单位给职工的福利品形式存在，因此人们对房屋这种特殊商品的需求就与其他商品不同，并不受价格影响。虽然从1998年开始取消了福利分房，但仍有很多单位集资建房，很多人仍然在等单位分房，因而在接下来的两年中商
28、品房价格弹性仍然较低。这种情况从2001年开始转变，随着房地产业市场化进程的推进，福利分房逐步退出舞台，消费者对商品房价格越来越敏感，尤其是近几年，房价一路攀升，让很多中低层收入百姓望而却步，同时越来越多的消费者选择持币观望，说明房价已经逐渐成为房地产需求市场中的重要因素。（3）北京房地产需求模型收入弹性的动态变化分析需求模型中的收入弹性变化如图5所示。比较发现在需求函数当中收入弹性数值最大，表明现阶段居民可支配收入是影响房地产需求的决定性因素，日益增加的房地产需求跟居民可支配收入的提高有很大关系。虽然现阶段房价在高位运行，但房地产市场需求依然强劲，高收入人群中的购房者大有人在。在收入弹性逐渐
29、增大的情况下，政府首先需要解决中低收入人群的住房问题，积极建设住房保障体系；其次控制房价上涨速度。近几年房价上涨速度偏快，与居民收入增长速度失衡，使得很多中低收入百姓都买不起房；政府已采取措施关注民生，缩小贫富差距，优先满足居住性需求，抑制投资性需求。图5 需求函数中的收入弹性曲线 北京房地产修正蛛网模型估计结果及分析对联立方程模型中任意一个方程，可识别的必要条件是qp-1，其中q代表该方程不包括的先决变量个数，p代表该方程包括的内生变量个数，等号表示恰好识别。在北京市房地产蛛网模型当中，有、和Pt三个内生变量；两个外生变量Rt-1和yt。先决变量是外生变量与滞后内生变量的统称，有三个，Rt-
30、1、yt和Pt-1。在供给方程中有两个内生变量，不包括1个先决变量，即q=1、p=2，所以供给方程是恰好识别的。在需求方程中有两个内生变量，不包含两个先决变量，说明需求方程是过度识别的。所以该联立方程模型是可以识别的。本文采用系统估计法中的广义矩法对蛛网模型进行估计。在Eviews当中建立联立方程系统，所选变量数据取对数形式：inst priceh(-1) rate(-1) incomelog(completed)=c(1)+c(2)*log(priceh)+c(3)*log(priceh(-1)+c(4)*log(rate(-1)log(buildings_sales)=c(5)+c(6)*
31、log(priceh)+c(7)*log(income)如果房地产供给和房地产需求之间存在均衡稳定的关系，那么可得到动态均衡价格Pt关于Rt-1和yt的方程，在联立方程系统中添加如下语句：log(priceh)=c(11)+c(8)*log(priceh(-1)+c(9)*log(rate(-1)+c(10)*log(income)模型的初次参数估计结果有三个常数项和c(8)没有通过统计检验，尝试从模型中剔除三个常数项，再次对模型进行估计，参数均通过检验，而且方程拟合比较好。最终得到如下联立方程模型：t=（7.776） （-2.736） （-12.362）D.W=1.811 R2 =0.878
32、t=（13.509） （-10.682）D.W=1.603 R2 =0.946t=（2.799） （10.650） （12.995）D.W=1.956 R2 =0.947在Eviews中建立模型，对联立方程进行求解，结果可用图6、图7表示。图6 北京市房地产价格对比图6中反映出近几年北京房地产价格总趋势在增长上升的同时，振荡运动是发散的，对于发散的房地产蛛网模型而言，房地产价格会越来越偏离均衡价格，所以需要调整供给曲线或需求曲线使其变为收敛的蛛网模型，这需要通过政府的宏观调控手段来实现，或提高供给的价格弹性，或降低房地产供给价格弹性，或提高房地产需求价格弹性，也可同时调控。图7 房地产供给对比
33、和需求对比图7刻画了北京房地产供给和需求分别与动态均衡供给和动态均衡需求的对比，从图中可见，2002年至2005年北京房地产市场在价格快速攀升的过程中表现出过度需求和过度供给同时存在，即有一些房地产闲置，而有些房地产需求者又买不到合适的住房。经过2005年房地产调控，2006年房地产市场却呈现出供给和需求同时不足，即房地产开发商有利可图但又不敢贸然增加投资，需求者觉得房价太高持币观望，这也体现了2005年以来国家颁布的一系抑制房地产过热的政策起了作用，但是要抑制住房地产价格的快速攀升仍有待时日。四、结论及政策建议为了北京市房地产业的长期稳定发展，避免房地产价格的大幅波动，本文提出了如下政策建议
34、：（1）增加住房有效供给模型结果反映出，经过2005年以来的房地产调控，2006年房地产市场却呈现出供给和需求同时不足。住房供给不足是发展中国家的基本特征。在住房供给不足是主要矛盾的现阶段，房地产调控的目标应该是通过政府掌控的公共资源以及相应的利率、税率等经济手段和必要的行政手段推进房地产业健康稳定发展。在增加供给，特别是努力增加普通商品房供给的过程中，大力促进住房供应结构的调整。北京地区当前住房供应中大户型、超大户型比例过大，房价居高不下，导致很多中低收入人群购房困难。建议从政策上加强对经济适用房和两限房开发的支持力度，逐渐推动房地产市场供求趋于平衡。在增加住房有效供给上，首先要处理好城市建
35、设用地与农村居民点用地的关系。相对于农村建设用地，城市用地是更集约的用地方式。随着城市化建设步伐的加快，应适当放宽城市建设用地的限制，合理增加居住用地的供给，进而通畅农民进城渠道，减少农村建设用地，以降低城市化成本。其次，完善危改房改造政策。在城市化建设当中，危改房改造是必须而且必要的，新建住房面积一般要比危改旧房面积大很多，拆迁危旧房新建住房可以扩大住房供给，改善居民住房，也有利于集约用地，要加对无价值的危旧房改造力度，改造中应合理补偿被拆迁居民，切实保障拆迁人的合法权益，维护社会安定。（2）引导住房需求在需求函数中收入弹性最大，表明居民可支配收入是影响房地产需求的决定性因素。当前居民收入的
36、提高远远落后于房地产价格的上升。有能力的购房者也觉得房价太而高持币观望，导致近期房地产有效需求不足。应引导居民使其认识到租房和买房都是解决居住问题的方式。投资性购房可以增加出租房屋数量，只要不在短期内出现大规模的非理性投资置业，那么这种投资性购房对于培育房屋租赁市场、满足流动人口不断增加的租房需求具有积极意义，也是商品房价格发现机制、级差地租形成机制的重要组成部分。在很多发达国家，二手房和租赁房是住房供应的主体，而在我国，大多数城市的存量房交易和房屋租赁市场还刚刚起步。一方面是由于我国房改起步较晚，人们对于购买二手房和租赁房屋存在认识上的偏差；另一方面是由于政府对二手房市场和住房租赁市场的关注
37、不够。推进二手房交易和房屋租赁，不但可以增加住房供给，还可以降低住房空置率，提高房屋资源配置效率。为了加快房屋租赁市场建设，政府要引导居民通过租房解决住房问题，加大廉租房的比例，积极搭建租赁平台，规范中介组织，做好相关服务工作。（3）加快完善住房保障体系的建设完善住房保障体系，为低收入人群提供基本住房保障，一要改进经济适用房供应办法，革除弊端，采用租售并举、以租为主的方式公正、公平地供应给急需住房的困难家庭。二要根据财政的实际支持能力，长期坚持，逐步加大廉租房、经济适用房和两限房的比例和建设力度，保障中低收入人群的基本住房需求。对于某些开发商屯积房源和少数高收入人群大量购买房屋既不出租也不急于
38、出售的“捂房”现象，应适时出台针对空置房屋的税收，增加闲置住房的持有成本，推动住房资源实现更高效的配置。参考文献1 Geof Kenny: Modeling the demand and supply sides of the housing market: evidence from Ireland J Economic Modeling，1999, 16, 3894092 Mueller,G.R: Real Estate Rental Growth Rates at Different Points in the Physical Market Cycle J.Journal of Rea
39、l Estate Research,1999,18(1):131-150 3 Kelliber, C.F. and Maboney: Using Monter Carlo simulation to improve long-term investment decisions. J The Appraisal Journal, 2000, No.44:44-56.4 高铁梅 主编：计量经济分析方法与建模 Eviews应用及实例，清华大学出版社2006年1月。5 王金明 高铁梅：对我国房地产市场需求和供给函数的动态分析，中国软科学2004年04期6 魏巍贤 李阳：我房地产需求的地区差异分析，统计研究2005年第9期7 蒋太才 朱春兰 宋小敏：中国房地产业前景分析，经济与管理2006年04期8 皮舜 , 武康平：中国房地产市场与金融市场发展关系的研究，管理工程学报2006年02期9 武康平 皮舜 鲁桂华：中国房地产市场与金融市场共生性的一般均衡分析，数量经济技术经济研究2004年10期10 袁文麟 吕萍：房地产市场的趋势与结构分析以北京市为例，价格理论与实践2007年第12期10