购房指南 - 北美购房网致力于为全球华人提供专业房地产资讯服务
美国房租房价比详细分析
来源：作者：北美购房网时间：
扫一扫，随时看
为了获利，很多人投资房地产，并将买来的房子出租以获取租金收入，过起&寓公&的生活，寓公虽然曾经是落魄文人的职业，但如今却变成了赚钱的好方式。投资房产并出租时，为了使利益最大化，就要使房租房价比尽可能的高。
根据Zillow最新数据，购买一套高级公寓，在洛杉矶西木地区(Westwood)的价格是83万美元。洛杉矶的房子租金可达到3300美元/月。
年租金和房价比是投资美国房产需要重点衡量的因素之一，用房价除以年租金，倍数越低越值得投资，如果倍数在15-18,就非常理想了。
以上述房价计算，洛杉矶房价是租金的21倍，在美国，只要你每年按时交不动产税，买多少套都可以。
总体而言，加州吸引投资者的原因主要有三点：一是加州直飞航班多。二加州气候好、阳光充足，而且空气质量也好，适宜居住，尤其是退休之后养老。第三就是加州社区发展完善，衣食住行都要比其他地区方便。
加州的房价与美国中西部其它州相比自然高出很多。除了加州之外，东海岸的纽约也是房地产投资的主要市场。另外，西海岸北从温哥华、到西雅图，经过北加湾区一直到洛杉矶，房子也都很受欢迎。
美国的房租房价比例相对还是比较理想的，各位寓公们准备好去美国投资买房赚个盆满钵满了吗?投资买房之前，一定要好好了解当地的房租房价比啊!这可是大家获取利润的关键所在。
本网注明“来源：北美购房网”的所有作品，版权均属于北美购房网，未经本网授权不得转载、摘编或利用其它方式使用上述作品。违反上述声明者，本网将追究其相关法律责任。 凡本网注明“来源：XXX（非北美购房网）”的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
标签：房租房价比,美国房租房价比详细分析
相关房源推荐人人网 - 抱歉
哦，抱歉，好像看不到了
现在你可以:
看看其它好友写了什么
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&预期对租金房价比变化的影响作用研究――基于住房使用成本模型的分析
http://crei.　
　来源：浙江大学学报1301
预期被认为是引起中国住房市场价格居高不下且持续上涨的主要因素之一。２００５―２０１０年，北京房价租金比上涨了１７５％。房价租金比的迅猛上涨表明住房使用成本持续下跌。通过基于北京八个城区２００５年１月至２０１０年１２月的面板数据的实证研究，发现房价的变化可以部分由利率所代表的经济基本面因素解释，但大部分是由房价预期因素引起的。预期对房价的影响程度随市场形势的变化而改变，市场繁荣期预期对房价的推动作用比市场平稳期更强。这种非理性预期带来的房地产市场繁荣非常危险，值得警惕。
一、引　言
对房价波动的研究是房地产经济领域研究的热点。现有文献证明房价波动通过收入效应、财富效应和金融市场反馈等途径给经济带来重大影响［１－２］。大量关于房价波动的研究同时也表明，经济基本面因素不能完全解释住房价格的变化，市场参与者的心理预期也是导致房价波动的主要因素之一［３］。无法确定的预期是导致房价偏离其基本价值的主要原因，尤其在房价上涨时期，房价上涨更多是由不理性的房价预期和投资者的心理行为推动的，而不是住房市场经济基本面的变化导致的［４］。这可以从住房市场有效性研究的结论中得到证明。在有效市场中，所有可以预期未来价格的信息都反映在当前的价格中，由于市场参与者对信息的预期已经反映在了当前的价格中，因此，现有信息对未来价格没有预测作用。但大量关于住房市场有效性的研究拒绝了住房市场有效性的假说。不少学者的研究都发现房价本身在短期内存在正相关，住房市场的经济基本面和过去房价增长可以用来预测未来的住房超额收益［５－１２］。这些发现与理性预期或者半强式有效市场假说是不一致的。
近年来，中国大部分城市房价快速上涨，不少学者对这一现象展开了研究，认为预期在房价上涨过程中扮演了重要角色。任荣荣、郑思齐和龙奋杰基于存量流量理论模型，利用中国３５个大中城市１９９９―２００５年数据的实证分析发现，预期是房价涨跌的主要推动力之一，并且这种作用在房价较高的城市表现尤为突出［１３］。孔煜用消费者预期指数代表消费者对住房价格的预期，通过Ｇｒａｎｇｅｒ因果检验，发现预期因素是引起房价变化的原因之一［１４］。况伟大利用住房存量调整模型对中国３５个大中城市１９９６―２００７年数据进行的实证研究表明，预期及其投机对中国城市房价波动都具有较强的解释力，并且适应性预期作用大于理性预期［１５］。陈林和朱卫平则构建了包含投资效用、二手市场、预期、政策冲击等因素的动态房地产市场机制模型，通过理论分析，认为房地产的投资品属性及市场短视预期效应是导致我国房价暴涨、暴跌的主要原因［１６］。许家军和葛扬研究发现，无论从短期还是长期来看，房价预期对租价比有负向的解释作用［１７］。张亚丽、梁云芳和高铁梅的实证结论也表明，预期人均实际收入和预期房地产收益率是房价持续快速上涨及波动的主要因素［１８］。Ｗｕ等对中国３５个城市的研究也强调了预期在房地产市场中的作用角色，并实证证明开发商对房价的适应性预期是影响地价增长的重要因素之一［１９］。
本文将通过住房使用成本模型分析预期对租金房价比的影响，并在三个方面与以往的研究相区别：第一，在模型构建上，本文基于住房使用成本模型，认为住房市场收益率（租金房价比）等于住房使用成本，并据此构建无风险利率、市场风险和预期房价增长等住房使用成本因素对租金房价比的解释模型。这种方法的优点在于不需要知道住房使用成本或者住房服务的市场价格的详细表达式①。而且，由于住房兼具投资和消费属性，如何分离住房的投资和消费属性是学术研究的难点之一，而住房市场中的租金房价比相当于股票市场中的股息价格比［２０］，能够衡量住房的投资回报率，能有效地将住房投资属性从消费属性中区分出来，是理解住房市场价格合理性和泡沫的关键。其次，根据无套利模型，任何资本的回报率是相等的，将租金房价比与市场的无风险利率进行比较，可以判断房价的合理性。对租金房价比时间序列的分析也有助于理解住房的历史回报。第二，在数据上，３６万条的微观交易数据可以有效固定住房特征，得到相同属性住房的实际租金和实际房价数据，使分析更可靠。按照理论，租金房价比应该是相同质量房屋的租金和价格的比值，仅仅依靠整体的租金和房价数据而没有对房屋进行质量控制，会导致价格和租金的相关变化出现虚假的推论［２１］。由于我国缺乏对租金数据的统计，大多数租金房价比的分析是从租金指数和房价指数中计算得到租金房价比数据［２２－２３］。由于租金指数和房价指数计算的住房质量并不相同，这导致租金房价比只能反映两者关系的趋势，而不能反映两者的真实比例关系。虽然也有一些学者通过选取相似属性的住房出租样本和出售样本控制房屋质量，得到相同属性房屋的租金房价比［２４－２５］，但他们的抽样存在样本量过少且只选取了某一横截面时间等问题，导致结论可能存在误差，某一时间点的数据也无法分析租金房价比的时间变化。第三，大部分研究在考察预期对房价影响作用时假设预期对房价的影响程度是不随时间变化的，少有研究分析预期在不同时间内对房价影响的变化性。
本文除了分析利率、房价预期和住房市场风险等因素对租金房价比的影响外，还进一步分析了预期对租金房价比的影响随时间变化的情况，得到不同市场形势下预期对住房市场影响作用的差异性。
二、理论与模型
（一）住房使用成本模型
住房使用成本模型是分析住房价格合理性的经典理论，经由Ｈｅｎｄｅｒｓｈｏｔｔ和Ｓｈｉｌｌｉｎｇ、Ｈｅｎｄｅｒｓｈｏｔｔ和Ｓｌｅｍｒｏｄ、Ｐｏｔｅｒｂａ、Ｍｅｅｓｅ和Ｗａｌｌａｃｅ等人的发展［１２，２６－２８］，被很多学者用于对住房
（二）预期的测量
Ｄｉｐａｓｑｕａｌｅ和Ｗｈｅａｔｏｎ认为，住房投资者主要采用三种方式对房价进行预期：第一种是外生价格预期，即假设投资者对未来房价的预期不受当地住房市场状况的影响，对价格的预期外生于当前的市场状况；第二种是近视价格预期（适用性预期），投资者根据过去住房价格趋势来预期未来住房价格变化；第三种为理性预期，投资者具有完全的市场信息，能准确预期未来的房价变化［３３］。国外文献大量实证表明房价预期是近视的，市场参与者根据过去房价增长来预测未来房价增长。
Ｃｌａｙｔｏｎ利用温哥华１９７９―１９９１年的季度数据，发现人口、供给和利率等经济基本面因素对房价有显著的解释作用，但市场参与者对经济基本面没有前视的预期行为，住房市场存在非理性的预期［３］。Ｍａｎｋｉｗ和Ｗｅｉｌ在分析人口因素对房价的影响时发现，虽然人口变化带来的对住房市场需求和价格的影响是可预见的，但市场参与者并没有利用此信息进行前视的预期，而是对房价进行适应性预期［９］。王军武和赵玮采用武汉２００４―２００９年季度数据的实证研究表明，消费者在很大程度上借助于先前的价格走势对未来房价进行预测［３４］。国内大部分学者认为市场参与者采用近视价格预期来预测房价变化，并用过去一段时间内的房价增长率来表示预期房价增长率，证明了过去增长率对未来房价有显著的预期作用。例如，许家军和葛扬用过去两个月的房价增长率的均值来表示预期房价增长率［１７］。任荣荣、郑思齐和龙奋杰用前两年的价格增长率的平均值来确定未来价格的增长率［１３］。况伟大利用住房存量调整模型对中国３５个大中城市１９９６―２００７年数据进行的实证研究表明，住房市场中的适应性预期作用大于理性预期［１５］。
本文假设消费者采用适用性预期方法，根据过去房价变化情况预期未来变化。在实证研究中，假设消费者根据过去三个月的市场信息来预期未来。因此，本文采用过去三个月的房价增长率衡量房价预期增长，用过去三个月的房价增长率方差来衡量房价市场的补偿风险，构建了模型１。同时，为了检验模型的稳定性，选用过去一个月、过去六个月和过去十二个月的时间，假设消费者根据过去不同的时间来预期未来。本文分别采用不同期的房价增长率和不同期的房价增长率方差，构建模型２至模型４。其中，模型２、模型３、模型４分别用过去十二个月、过去六个月、过去一个月的房价增长率衡量房价增长预期，用过去十二个月、过去六个月、过去三个月的房价增长率的方差衡量住房市场的投资风险。
三、数据整理与分析
根据租金房价比的定义，房价和租金所对应的住房应保持同质性。对此，Ｄａｖｉｓ、Ｌｅｈｎｅｒｔ和Ｍａｒｔｉｎ利用出租房屋样本数据构建租金的特征价格模型，求出模型中的系数后，针对自有住房的特征对自有住房潜在的租金进行估计［３５］。本文基于大样本微观住宅单元的数据，分别构建租金和房价的特征价格模型，对住宅的质量进行控制，以保证房价和租金所对应的住宅具有同质性。
本文数据来自我爱我家中介公司和２１世纪中介公司的北京市２００５年１月至２０１０年１２月的３６万多套二手住宅的交易数据和出租数据，其中交易住宅７７　５７７套，租赁住宅２９７　３２９套。每套住宅的交易信息包括：交易月份、交易价格（租金或者价格）、住宅面积、房间数目、所在楼层数、总楼层数等。将３６万套住宅单元整理到６　０００多个住宅小区，获得小区的容积率、小区所属的城区、距离天安门的距离、距离最近地铁站的距离。样本小区基本上集中在北京市的八个城区内：朝阳区、海淀区、丰台区、西城区、宣武区、东城区、崇文区和石景山区①。其中，朝阳区的样本量最大，占总样本的４３％。
对于租金房价比的分析，很多学者会质疑用于出售的住房样本和用于出租的住房样本在房屋质量上存在较大的差异，房屋质量的差异可能会导致分析存在系统误差。为此，本文将租赁样本和出售样本的属性进行比较，见表１。用于出租和出售房屋的房龄和交易时间的均值非常接近。房屋的其他属性，如总楼层、所在楼层、小区面积、容积率、绿化率、物业费的均值和标准差相差甚小。
在地理位置上，出租房屋比出售的房屋更靠近市中心（天安门）和地铁站，这主要是因为交通便利的房屋更有利于出租。但这一差异并不明显，出租房屋距离市中心的距离比出售房屋近１　８００米左右；出租房屋离地铁站的距离比出售房屋近２００米。出售房屋的面积和房间数目在平均值上略大于出租的房屋。出售房屋的平均面积为８３平方米，出租房屋平均面积为６９平方米，相差１４平方米。在房间数目上，出售房屋的房间数目比出租房屋的房间数目大０．１７个房间。总体来说，出售住房和租赁住房样本的属性基本类似。
利用住宅单元和住宅小区的属性数据，对八个城区和北京市分别构建住房价格的特征价格模型和住房租金的特征价格模型，选择的控制变量为：住房面积、总楼层、所在楼层／总楼层、容积率、房间数目、离最近地铁站的距离和离天安门的距离。获得各个特征的系数之后，将各个区和北京市的住房样本（包括出租样本和出售样本）各属性的均值带入特征价格模型中，获得每月的名义租金和名义价格。由于在计算每个城区的租金和价格时，我们选取的住房特征值是相同的，这样保证了租金和价格是针对同一特征的住房。最后，将名义值平减通货膨胀率得到实际租金、实际房价和房价租金比①。
图１和图２分别展示了北京八个城区实际租金和实际房价的变化情况。从图中可以看出，房价和租金基本保持上涨趋势，北京八个城区的租金和房价增长趋势基本相同。在样本区间内，各个城区的租金除在２００７年初和２００９年初略有下降外，其余时间基本上保持平缓增长趋势。东城和西城的租金水平与房价水平比较接近，是北京市各区中最高的两个城区。石景山和丰台的租金与房价是各区中最低的，其中丰台的租金略微高于石景山，石景山的房价略微高于丰台。崇文、宣武、海淀和朝阳属于中间水平。
房价的增长速度远远超过租金增长速度，表明２００５―２０１０年北京房价的上涨有脱离经济基本面的迹象。２００５―２０１０年，实际租金增长平缓，各区实际租金的增长率在３２％―６８％之间，北京市实际租金的增长率为３９％。相比之下，实际住房价格上涨非常明显，各区实际房价的增长率在２５３％―３９９％之间。其中，崇文区的房价上涨最多，从４　８１１元／平方米上涨到２４　０１５元／平方米，涨幅达到３９９％，是租金增长率的１０倍。北京市的实际房价从２００５年１月的５　００１元／平方米上涨到２０１０年１２月的１９　２２４元／平方米，上涨幅度达到２８４％，是租金增长率的７．３倍。
图３展示了房价租金比的变化情况，可以看出北京的房价租金比高，且有不断上升的趋势。从北京市的数据看，北京的房价租金比从２００５年１月的１６增长到２０１０年１２月的４４，增长了１７５％。这表明住房使用成本从６．２５％（１６的倒数）下降到２．２７％（４４的倒数）。根据住房使用成本模型，住房使用成本等于利率、维修成本、税收和风险之和减去房价预期增长收益。维修成本、税收和风险等因素在此期间几乎没有变化，而利率水平（以五年期存款利率来表示）仅在２００８年１０月到１２月期间有所下调，其余时间从２００５年１月到２００８年１０月和从２００９年１月到２０１０年１２月期间都不断提高。因此，可以认为住房使用成本的下降主要是由预期房价增长率的提高造成的。
过高的房价增长预期让住房市场充满了风险。市场参与者对房价增长预期的微小改变都会导致房价的巨大变化。假设房价的预期增长率下降１个百分点使住房使用成本提高１个百分点，如从２％提高到３％，那么，房价租金比从５０（２％的倒数）下降到３３（３％的倒数）。如果租金在此区间保持１０％的年增长率，那么房价将下降２７．４％。如果租金在此区间内保持不变，那么房价将下降３４％①。由于预期是非常不稳定的，政策调控、经济基本面变化，甚至是民间小道消息都可能引起预期的改变，从而造成房地产市场的巨大波动。
四、实证分析
（一）住房市场回报率分析
房价租金比相当于股票的价格股息比，它的倒数（租金房价比）就是资本率，反映了住宅市场的租金回报率。银行存款利率表示投资者如果将购买房屋的资金存入银行能得到的回报率，代表了投资购买住房的机会成本。将住房市场的回报率与银行存款利率相比，可以用于判断住房市场的房价是否合理。这里使用五年期名义存款利率，主要是因为：第一，购买住房的投资是一个长期投资，五年期的存款利率比短期存款利率与本文分析更匹配；第二，虽然实际房价和实际租金分别都是经ＣＰＩ平减后的，但它们的比值相互抵消了ＣＰＩ指数②，所以名义利率比实际利率更符合分析的需要。
图４展示了五年期名义存款利率（市场无风险年回报率）与年租金房价比（住房市场的年回报率）的对比情况。从图中可以看出，２００５年１月至２０１０年１２月，北京市的租金房价比所代表的住房市场回报率不断下降，从６．２８％下降到２．２７％。五年期存款利率在３．６％和５．８５％之间浮动，２００６年８月至２００８年１１月，五年期存款利率高于３．６％，一度上浮到５．８５％，其余时间的利率水平均为３．６％。对比两者的水平值发现，在２００７年４月之前，住房市场的回报率明显高于五年期存款利率，表明住房市场的价格在合理的范围内。在２００７年５月、７月、８月和９月，中央政府连续四次提高利率。五年期存款利率从４．４１％分别提高到４．９５％、５．２２％、５．４９％和５．７６％。但同时，房价保持着以远远超过租金增长速度的涨幅持续上涨，租金房价比持续降低，住房市场的回报率不断降低。两方面的共同作用使得２００７年５月之后，住房市场的回报率远远低于五年期的存款年利率。２００８年１０月、１１月和１２月，中央政府连续四次降低利率，五年期存款利率从５．８５％分别降低到５．５８％、５．１３％、３．８７％和３．６％。这次降息使住房市场的回报率在２００８年１１月至２００９年３月期间略微超过了利率水平。但是这仅仅持续了半年时间。此后，租金房价比持续下降导致住房市场的回报率持续低于利率水平。可以初步判断，住房市场的价格已经超出了合理的范围。
利率提升对租金房价比的影响不明显。从２００６年８月开始到２００７年１２月，中央政府陆续上调利率，将利率从３．６％提升到５．８５％，但房地产市场对此反应迟钝。在中央政府提息的这段时间内（２００６年７月至２００８年１２月），租金房价比下降相对其他时间略微平缓，在２００８年年底租金房价比略有上升，但上升非常微弱。可以初步判断利率水平代表的经济基本面因素对房价变化的影响作用比较微弱。
（二）引起租金房价比变化的因素分析
通过上述分析，我们已经初步看到了租金房价比的持续下降过程，以及预期引起房价变化的巨大作用。本文将通过实证模型分析租金房价比的变化多大程度是由经济基本面引起的，多大程度是由预期引起的。本文利用北京八个城区２００５年１月至２０１０年１２月的面板数据，选用固定效应模型进行实证检验，结果见表２和表３。为了检验模型的稳定性，本文分别选用了不同期的房价增长率和不同期的房价增长率方差，构建了模型１至模型４。模型１至模型４的结果基本一致，预期的房价增长率、利率和住房投资风险对租金房价比的影响方向与预期完全一致，模型具有稳定性。下文以模型１为例进行解释说明。
利率对租金房价比具有显著正向作用，提高市场无风险回报率会提高拥有住房的机会成本，住房拥有成本也随之提高，从而导致租金房价比上升。模型１的结果显示，利率对租金房价比的影响系数为０．３７４　７，这说明如果利率提高１％，租金房价比提高４５．４６％。在样本区间内，中央政府曾在２００６年８月到２００８年１２月期间陆续提高利率水平，将利率提升了２．２５个百分点，但根据模型结果，这仅仅使租金房价比提高了１０２．２７％，对房价租金比的影响甚微。梁云芳和高铁梅对中国２８个省市１９９９―２００６年面板数据的研究也表明，实际利率对房价的影响很小，利率不是影响房价的主要因素［３６］。
房价的预期增长率用过去房价增长率来衡量，它对租金房价比具有显著的负向影响。模型１的结果显示，预期的影响系数为－０．０２５　１。这表明，房价预期增长率提高１％，则租金房价比下降２．４８％。在样本区间内，北京市房价平均每年上涨５６．８％，这会使租金房价比的对数值下降１４０．７９％。相比利率对房价的影响作用，预期对房价的影响作用更加明显。这再一次从统计意义上证明了预期在决定房价变化中的重要作用。
房价增长率的方差反映了过去房价增长的稳定性，并在一定程度上反映了住房市场投资的风险，用它代替的住房市场风险变量对住房使用成本具有显著正向作用。市场风险增加导致住房拥有成本提高，从而导致租金房价比提高。模型１的结果表明，住房投资风险变量对租金房价比的影响系数为０．０００　３。房价增长率方差提高１，则租金房价比增加０．０３％。北京房价增长率方差的均值为６，则租金房价比增加０．１８％。
以上分析初步说明了预期在影响租金房价比中的重要作用。为了获得更加严谨的统计分析验证，本文计算了这三个变量的标准系数。标准系数去除了变量的单位量纲，用于比较不同变量对因变量影响程度的大小。从标准系数中可以看出，预期的标准系数最大，明显大于其他两个变量。而利率和风险的标准系数大小比较在不同模型结果中并不一致，模型２的利率不显著，，模型１和模型３利率的标准系数略大于风险变量的标准系数，模型４中风险变量的标准系数略大于利率变量的标准系数。根据模型１的结果，预期房价增长影响租金房价比的标准系数为－０．２８４　７，这表明预期房价增长率增加一个标准差将导致租金房价比下降２４．７８％。利率影响租金房价比的标准系数为０．１８６　５，投资风险影响租金房价比的标准系数为０．１５４　５。可见，预期是推动房价上涨的最主要因素，利率水平反映的经济基本面因素对房价的影响作用相对较小。由此，可以判断北京市样本区间内的房价上涨最主要是由人们对未来房价上涨的预期推动的，小部分来自于经济基本面的作用。
（三）预期对租金房价比影响的时间变化分析
既然房价增长预期是影响租金房价比变化的最重要因素，那么这一影响作用是固定不变的，还是随时间改变的？为了回答此问题，本文选取不同时间段的样本展开实证分析，得到不同时间段中预期对租金房价比的影响系数，通过分析预期系数随时间的变化大小来判断预期作用的变化情况。作为稳定性检验的模型２至模型４的结果与模型１基本相同，因此，直接选用模型１，用三期的平均房价增长率和三期的房价增长率方差为替代变量。在样本时间上，分别取２００５年１１月至２０１０年６月（共５６个月）各个月的前后六个月为样本区间（如对２００５年１１月而言，样本区间为２００５年５月至２００６年５月），这样将２００５年５月至２０１０年１２月划分成了５６个子样本区间，每个样本区间为１３个月。
这种划分使样本区间在时间上是连续的，可以分析系数在时间上的连续性。当然，这种方法会导致前后时间的样本区间具有很大的重叠，而这与房价的自相关性特征也是相符的。据此方法，对模型１分别在５６个子样本区间内进行５６次回归，得到５６个预期影响租金房价比的系数。当然也得到了５６个利率影响租金房价比的系数和５６个风险影响租金房价比的系数，但本文只关注预期系数的变化。
将预期系数随样本区间的变化绘成曲线图。图５的右纵轴表示预期系数的大小，横轴表示样本区间时间的中间月份。如图中２００５年１１月对应的房价增长预期对租金房价比的影响系数为－０．０１５　８，这表明模型１以２００５年１１月前后六个月的样本进行回归得到房价增长预期对租金房价比的影响系数为－０．０１５　８。从房价预期系数的变化可发现，房价增长预期对租金房价比的影响系数变化较大，系数在－０．０３６　１７与－０．００８　２３间波动。从趋势上看，预期系数的变化具有较强的规律性。系数的绝对值经历了平缓（２００５年１１月至２００６年５月）、下降（２００６年６月至９月）、上升（２００６年１０月至２００７年４月）、下降（２００７年５月至１１月）、平稳（２００７年１２月至２００９年４月）、上升（２００９年５月至７月）、下降（２００９年８月至１０月）和平稳（２００９年１１月至２０１０年１２月）的变化。预期系数的绝对值反映了预期对房价的影响作用大小，它的变化规律表明了预期对房价的影响作用的规律性。
对照回归模型的样本区间，分别计算２００５年１１月至２０１０年６月每个月前后六个月内的房价平均月增长率，绘成曲线图，见图５（数字参照左纵轴）。图中２００５年１１月对应的房价增长率是１．６７７％，这表示２００５年１１月的前后六个月内（２００５年５月至２００６年５月）房价平均月增长率为１．６７７％。对比房价增长率与预期系数的变化，发现两者呈现负相关关系。预期系数的相反数（绝对值）反映了预期对租金房价比的影响程度。所以，预期对房价的影响作用大小与房价增长率的大小成正相关关系。２００６年下半年到２００７年的下半年，房地产市场处于平稳期，房价增长缓慢，在此期间，预期对租金房价比的影响作用也相对较小（预期系数的绝对值较小，预期系数较大）。２００７年下半年房价上涨，预期对房价的影响作用开始增大，预期系数的绝对值从０．００８增加到０．０２４，增长了２倍。
在２００８年房地产市场处于相对冷清的形势，房价月平均增长率为－１．７％，为样本区间内的最低水平。此时，预期对房价的影响作用也很小，预期的影响系数绝对值在０．０１６左右。２００９年，住房市场非常活跃，房价连续上涨，２００９年３月至２０１０年３月（对应图中的２００９年９月）房价月增长率达到４．９％，为历史最高水平。同时，预期对房价的影响作用也达到了历史的最高程度。在２００９年７月和８月（分别对应的样本区间为２００９年１月至２０１０年１月和２００９年２月至２０１０年２月），预期的影响系数分别为－０．０３６和－０．０３５，其绝对值水平代表的预期影响程度达到历史最高水平。
为了从统计意义上表达预期作用与房价增长之间的关系，本文检验了房价预期影响系数和房价增长率之间的相关性，结果发现两者在４％的水平上显著相关，相关系数为－０．３７０　８４。将房价增长率（记作Δｐ）对房价预期影响系数（记作Ｂｅｔａ）进行简单回归，结果显示房价增长率在１％的水平上对预期影响系数有负向的影响，影响系数为－０．００１　５。回归模型的解释力（Ｒ２）达到了３７％，表明预期作用与房价增长率具有正相关关系。房价每增长１个百分点，预期系数减少０．００１　５个百分点，预期对租金房价比的影响作用会增加０．００１　５个百分点。方程下一行括号内的数字为对应变量（常数和房价增长率）的ｔ统计量值。
预期对租金房价比影响的强度与房价增长率的正相关关系进一步表明了住房市场中预期的非理性。在市场繁荣阶段，火热的市场氛围严重影响市场参与者对市场的判断和预期，未来房价增长预期对房价变化的影响作用被放大。预期的形成受政策等因素的影响，具有较大的不稳定性。例如２００９年初，政府通过降低个人消费者购房首付和贷款利率、降低开发商自有资本金贷款比例等措施，不断刺激房地产市场回暖；而在２００９年末，政府则从土地、金融和税收等方面出台了一系列遏制房价过快上涨的措施。年初和年末两种截然不同的调控政策导致市场从年初对房价的正向预期突然转为负向预期，预期的改变导致了房价的剧烈波动。从实证结果中看出，２００９年７月，刺激政策使消费者对房价有强烈的上涨预期，预期对房价的影响系数绝对值达到２００５年以来的最高水平，预期作用下，房价增长率在９月份达到５％的历史最高水平。而在２００９年９月之后，预防泡沫的政策使消费者的预期恢复理性，预期对房价的影响系数绝对值降低至０．０１５和０．０２之间。在此影响下，房价增长率也从５％逐步回落至２０１０年５月的３％。可见，基于预期形成的房价上涨具有很大的风险。尤其是在繁荣的市场形势下，预期房价的下降将会带来房价的巨大变化。
五、结　论
通过以上分析，我们发现，２００５―２０１０年北京住房市场房价增长速度远远超过租金增长速度，租金房价比衡量的住房回报率在大部分时间低于市场利率。对面板数据的实证分析进一步表明，房价租金比的持续上涨主要是来自于人们对未来房价的预期作用，经济基本面的推动作用很小。
繁荣的市场形势使人们预期未来房价继续持续上涨，这种预期对房价产生推动作用，促成了房价的真实上涨。而且，房价上涨越多，人们的预期对房价的推动作用越大。这种基于预期的房价上涨非常危险，房价预期的微小变化可能带来房价的巨大波动。因此，引导消费者形成理性的预期是房地产市场调控政策能否发挥效用的关键。对此，本文提出如下政策建议：
第一，利率政策对房价的调控作用非常有限，需要配合其他手段一起执行。理论上，利率水平影响拥有住房的成本，高利率使住房使用成本升高，从而促进房价的下降。但研究结果表明，在中国房地产市场中，利率对房价的影响作用非常有限。鉴于利率浮动对其他实体经济的潜在影响，政府需要慎重选择将利率作为调控房价的主要手段。
第二，从多方面引导消费者形成稳定的预期。调控政策、新闻报道、专家评论、网络信息等都是影响消费者预期的重要因素。政府除了对网络、报纸等媒体煽动性的言论进行监管之外，更要明确、有效地将政策意图传递给消费者，让消费者形成正确的、稳定的预期。调控政策因其影响面大、导向性强，很大程度上决定了消费者预期的形成。为了给消费者传递明确的信息并形成稳定的预期，政府在制定调控政策时需考虑政策的连续性和稳定性。频繁变动的政策一方面会让消费者无从领会政策意图，削弱预期对房价的影响作用，另一方面也会让消费者在短期内改变预期，引起房价的波动。
第三，政府应做好应对措施，以应对当前房地产市场存在的潜在风险。国际经济环境的变化、宏观调控政策的继续从紧、房价上涨压力等都有可能导致对房价增长的预期变得悲观，从而导致住房市场的巨大变化。对此，政府应在金融等各个方面做好准备，以尽量减少房价下跌时带来的损失。
［参　考　文　献］
［１］Ｋ．Ｅ．Ｃａｓｅ，Ｊ．Ｍ．Ｑｕｉｇｌｅｙ　＆ Ｒ．Ｊ．Ｓｈｉｌｌｅｒ，″Ｃｏｍｐａｒｉｎｇ　Ｗｅａｌｔｈ　Ｅｆｆｅｃｔｓ：Ｔｈｅ　Ｓｔｏｃｋ　Ｍａｒｋｅｔ　ｖｅｒｓｕｓ　ｔｈｅ　Ｈｏｕｓｉｎｇ Ｍａｒｋｅｔ，″Ａｄｖａｎｃｅｓ　ｉｎ　Ｍａｃｒｏｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．５，Ｎｏ．１（２００５），ｐｐ．１－３２．
［２］Ｋ．Ｅ．Ｃａｓｅ　＆Ｊ．Ｍ．Ｑｕｉｇｌｅｙ，″Ｈｏｗ　Ｈｏｕｓｉｎｇ　Ｂｏｏｍｓ　Ｕｎｗｉｎｄ：Ｉｎｃｏｍｅ　Ｅｆｆｅｃｔｓ，Ｗｅａｌｔｈ　Ｅｆｆｅｃｔｓ，ａｎｄ　Ｆｅｅｄｂａｃｋｓ ｔｈｒｏｕｇｈ　Ｆｉｎａｎｃｉａｌ　Ｍａｒｋｅｔｓ，″Ｅｕｒｏｐｅａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｈｏｕｓｉｎｇ　Ｐｏｌｉｃｙ，Ｖｏｌ．８，Ｎｏ．２（２００８），ｐｐ．１６１－１８０．
［３］Ｊ．Ｃｌａｙｔｏｎ，″Ｒａｔｉｏｎａｌ　Ｅｘｐｅｃｔａｔｉｏｎｓ，Ｍａｒｋｅｔ　Ｆｕｎｄａｍｅｎｔａｌｓ　ａｎｄ　Ｈｏｕｓｉｎｇ　Ｐｒｉｃｅ　Ｖｏｌａｔｉｌｉｔｙ，″Ｒｅａｌ　Ｅｓｔａｔｅ Ｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．２４，Ｎｏ．４（１９９６），ｐｐ．４４１－４７０．
［４］Ｊ．Ｃｌａｙｔｏｎ，″Ａｒｅ　Ｈｏｕｓｉｎｇ　Ｐｒｉｃｅ　Ｃｙｃｌｅｓ　Ｄｒｉｖｅｎ　ｂｙ　Ｉｒｒａｔｉｏｎａｌ　Ｅｘｐｅｃｔａｔｉｏｎｓ？″Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅａｌ　Ｅｓｔａｔｅ　Ｆｉｎａｎｃｅ ａｎｄ　Ｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．１４，Ｎｏ．３（１９９７），ｐｐ．３４１－３６３．
［５］Ｂ．Ｈａｍｉｌｔｏｎ　＆ Ｒ．Ｓｃｈｗａｂ，″Ｅｘｐｅｃｔｅｄ　Ａｐｐｒｅｃｉａｔｉｏｎ　ｉｎ　Ｕｒｂａｎ　Ｈｏｕｓｉｎｇ　Ｍａｒｋｅｔｓ，″Ｊｏｕｒｎａｌ　ｏｆ　Ｕｒｂａｎ Ｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．１８，Ｎｏ．１（１９８５），ｐｐ．１０３－１１８．
［６］Ｊ．Ｍ．Ｑｕｉｇｌｅｙ，″Ｉｎｔｅｒｅｓｔ　Ｒａｔｅ　Ｖａｒｉａｔｉｏｎｓ，Ｍｏｒｔｇａｇｅ　Ｐｒｅｐａｙｍｅｎｔｓ　ａｎｄ　Ｈｏｕｓｅｈｏｌｄ　Ｍｏｂｉｌｉｔｙ，″Ｒｅｖｉｅｗ　ｏｆ Ｅｃｏｎｏｍｉｃｓ　ａｎｄ　Ｓｔａｔｉｓｔｉｃｓ，Ｖｏｌ．６９，Ｎｏ．４（１９８７），ｐｐ．６３６－６４４．
［７］Ｋ．Ｅ．Ｃａｓｅ　＆ Ｒ．Ｊ．Ｓｈｉｌｌｅｒ，″Ｔｈｅ　Ｅｆｆｉｃｉｅｎｃｙ　ｏｆ　ｔｈｅ　Ｍａｒｋｅｔ　ｆｏｒ　Ｓｉｎｇｌｅ－Ｆａｍｉｌｙ　Ｈｏｍｅｓ，″Ｔｈｅ　Ａｍｅｒｉｃａｎ　Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ，Ｖｏｌ．７９，Ｎｏ．１（１９８９），ｐｐ．１２５－１３７．
［８］Ｋ．Ｅ．Ｃａｓｅ　＆ Ｒ．Ｊ．Ｓｈｉｌｌｅｒ，″Ｆｏｒｅｃａｓｔｉｎｇ　Ｐｒｉｃｅｓ　ａｎｄ　Ｅｘｃｅｓｓ　Ｒｅｔｕｒｎｓ　ｉｎ　ｔｈｅ　Ｈｏｕｓｉｎｇ　Ｍａｒｋｅｔ，″Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ Ａｍｅｒｉｃａｎ　Ｒｅａｌ　Ｅｓｔａｔｅ　ａｎｄ　Ｕｒｂａｎ　Ｅｃｏｎｏｍｉｃｓ　Ａｓｓｏｃｉａｔｉｏｎ，Ｖｏｌ．１８，Ｎｏ．３（１９９０），ｐｐ．２５３－２７３．
［９］Ｎ．Ｍａｎｋｉｗ　＆Ｄ．Ｎ．Ｗｅｉｌ，″Ｔｈｅ　Ｂａｂｙ　Ｂｏｏｍ，ｔｈｅ　Ｂａｂｙ　Ｂｕｓｔ　ａｎｄ　ｔｈｅ　Ｈｏｕｓｉｎｇ　Ｍａｒｋｅｔ，″Ｒｅｇｉｏｎａｌ　Ｓｃｉｅｎｃｅ　ａｎｄ Ｕｒｂａｎ　Ｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．１９，Ｎｏ．２（１９８９），ｐｐ．２３５－２５８．
［１０］Ａ．Ｊ．Ｈｏｓｉｏｓ　＆ Ｊ．Ｅ．Ｐｅｓａｎｄｏ，″Ｍｅａｓｕｒｉｎｇ　Ｐｒｉｃｅｓ　ｉｎ　Ｒｅｓａｌｅ　Ｈｏｕｓｉｎｇ　Ｍａｒｋｅｔｓ　ｉｎ　Ｃａｎａｄａ：Ｅｖｉｄｅｎｃｅ　ａｎｄ Ｉｍｐｌｉｃａｔｉｏｎｓ，″Ｊｏｕｒｎａｌ　ｏｆ　Ｈｏｕｓｉｎｇ　Ｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．１，Ｎｏ．４（１９９１），ｐｐ．３０３－３１７．
［１１］Ｊ．Ｍ．Ｐｏｔｅｒｂａ，″Ｈｏｕｓｅ　Ｐｒｉｃｅ　Ｄｙｎａｍｉｃｓ：Ｔｈｅ　Ｒｏｌｅ　ｏｆ　Ｔａｘ　Ｐｏｌｉｃｙ ａｎｄ　Ｄｅｍｏｇｒａｐｈｙ，″Ｂｒｏｏｋｉｎｇｓ　Ｐａｐｅｒｓ　ｏｎ Ｅｃｏｎｏｍｉｃ　Ａｃｔｉｖｉｔｙ，Ｖｏｌ．２２，Ｎｏ．２（１９９１），ｐｐ．１４３－２０３．
［１２］Ｒ．Ｍｅｅｓｅ　＆ Ｎ．Ｗａｌｌａｃｅ，″Ｔｅｓｔｉｎｇ　ｔｈｅ　Ｐｒｅｓｅｎｔ　Ｖａｌｕｅ　Ｒｅｌａｔｉｏｎ　ｆｏｒ　Ｈｏｕｓｉｎｇ　Ｐｒｉｃｅｓ：Ｓｈｏｕｌｄ　Ｉ　Ｌｅａｖｅ　Ｍｙ　Ｈｏｕｓｅ ｉｎ　Ｓａｎ　Ｆｒａｎｃｉｓｃｏ？″Ｊｏｕｒｎａｌ　ｏｆ　Ｕｒｂａｎ　Ｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．３５，Ｎｏ．３（１９９４），ｐｐ．２４５－２６６．
［１３］任荣荣、郑思齐、龙奋杰：《预期对房价的作用机制：对３５个大中城市的实证研究》，《经济问题探索》２００８年第１期，第１４５－１４８页。［Ｒｅｎ　Ｒｏｎｇｒｏｎｇ，Ｚｈｅｎｇ　Ｓｉｑｉ　＆Ｌｏｎｇ　Ｆｅｎｊｉｅ，″Ｔｈｅ　Ｅｆｆｅｃｔ　ｏｆ　Ｅｘｐｅｃｔａｔｉｏｎ　ｏｎ　Ｈｏｕｓｉｎｇ Ｐｒｉｃｅ：Ｅｍｐｉｒｉｃａｌ　Ｓｔｕｄｉｅｓ　Ｂａｓｅｄ　ｏｎ　３５Ｂｉｇ　ａｎｄ　Ｍｅｄｉｕｍ　Ｃｉｔｉｅｓ，″Ｉｎｑｕｉｒｙ　ｉｎｔｏ　Ｅｃｏｎｏｍｉｃ　Ｉｓｓｕｅｓ，Ｎｏ．１（２００８），ｐｐ．１４５－１４８．］
［１４］孔煜：《市场预期与房地产价格波动》，《中央财经大学学报》２００９年第２期，第８０－８５页。［Ｋｏｎｇ　Ｙｕ，″Ｅｘｐｅｃｔａｔｉｏｎ　ａｎｄ　Ｆｌｕｃｔｕａｔｉｏｎ　ｏｆ　Ｈｏｕｓｉｎｇ　Ｐｒｉｃｅ，″Ｊｏｕｒｎａｌ　ｏｆ　Ｃｅｎｔｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｆｉｎａｎｃｅ　ａｎｄ　Ｅｃｏｎｏｍｉｃｓ，Ｎｏ．２（２００９），ｐｐ．８０－８５．］
［１５］况伟大：《预期、投机与中国城市房价波动》，《经济研究》２０１０年第９期，第６７－７８页。［Ｋｕａｎｇ　Ｗｅｉｄａ，″Ｅｘｐｅｃｔａｔｉｏｎ，Ｓｐｅｃｕｌａｔｉｏｎ　ａｎｄ　Ｕｒｂａｎ　Ｈｏｕｓｉｎｇ　Ｐｒｉｃｅ　Ｖｏｌａｔｉｌｉｔｙ　ｉｎ　Ｃｈｉｎａ，″Ｅｃｏｎｏｍｉｃ　Ｒｅｓｅａｒｃｈ　Ｊｏｕｒｎａｌ，Ｎｏ．９（２０１０），ｐｐ．６７－７８．］
［１６］陈林、朱卫平：《基于二手市场与理性预期的房地产市场机制研究》，《管理科学学报》２０１１年第２期，第６１－７０页。［Ｃｈｅｎ　Ｌｉｎ　＆ Ｚｈｕ　Ｗｅｉｐｉｎｇ，″Ｒｅｓｅａｒｃｈ　ｏｎ　Ｒｅａｌ　Ｅｓｔａｔｅ　Ｍａｒｋｅｔ　Ｍｅｃｈａｎｉｓｍ　ｉｎ　ｔｈｅ　Ｓｅｃｏｎｄ－ｈａｎｄ Ｍａｒｋｅｔ　ａｎｄ　Ｒａｔｉｏｎａｌ　Ｅｘｐｅｃｔａｔｉｏｎ，″Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ　Ｓｃｉｅｎｃｅｓ　ｉｎ　Ｃｈｉｎａ，Ｎｏ．２（２０１１），ｐｐ．６１－７０．］
［１７］许家军、葛扬：《房价预期对租价比的作用机制：３５个大中城市的实证研究》，《经济经纬》２０１１年第４期，第５１－５５页。［Ｘｕ　Ｊｉａｊｕｎ　＆ Ｇｅ　Ｙａｎｇ，″Ｔｈｅ　Ｆｕｎｃｔｉｏｎ　Ｍｅｃｈａｎｉｓｍ　ｏｆ　Ｅｘｐｅｃｔｅｄ　Ｈｏｕｓｉｎｇ　Ｐｒｉｃｅ　ｔｏ　Ｒｅｎｔ　Ｐｒｉｃｅ Ｒａｔｉｏ：Ａｎ　Ｅｍｐｉｒｉｃａｌ　Ｒｅｓｅａｒｃｈ　Ｂａｓｅｄ　ｏｎ　３５Ｌａｒｇｅ　ａｎｄ　Ｍｅｄｉｕｍ　Ｃｉｔｉｅｓ，″Ｅｃｏｎｏｍｉｃ　Ｓｕｒｖｅｙ，Ｎｏ．４（２０１１），ｐｐ．５１－５５．］
［１８］张亚丽、梁云芳、高铁梅：《预期收入、收益率和房价波动―――基于３５个城市动态面板模型的研究》，《财贸经济》２０１１年第１期，第１２２－１２９页。［Ｚｈａｎｇ　Ｙａｌｉ，Ｌｉａｎｇ　Ｙｕｎｆａｎｇ　＆Ｇａｏ　Ｔｉｅｍｅｉ，″Ｅｘｐｅｃｔｅｄ　Ｉｎｃｏｍｅ，Ｒａｔｅ　ｏｆ Ｒｅｔｕｒｎ　ａｎｄ　Ｈｏｕｓｉｎｇ　Ｐｒｉｃｅ　Ｖｏｌａｔｉｌｉｔｙ：Ａｎ　Ａｎａｌｙｓｉｓ　Ｂａｓｅｄ　ｏｎ　Ｄｙｎａｍｉｃ　Ｐａｎｅｌ　Ｍｏｄｅｌｓ　ｏｆ　３５Ｃｉｔｉｅｓ，″Ｆｉｎａｎｃｅ　ａｎｄ Ｔｒａｄｅ　Ｅｃｏｎｏｍｉｃｓ，Ｎｏ．１（２０１１），ｐｐ．１２２－１２９．］
［１９］Ｊ．Ｗｕ，Ｊ．Ｇｙｏｕｒｋｏ　＆ Ｙ．Ｄｅｎｇ，″Ｅｖａｌｕａｔｉｎｇ　Ｃｏｎｄｉｔｉｏｎｓ　ｉｎ　Ｍａｊｏｒ　Ｃｈｉｎｅｓｅ　Ｈｏｕｓｉｎｇ　Ｍａｒｋｅｔｓ，″Ｒｅｇｉｏｎａｌ　Ｓｃｉｅｎｃｅ ａｎｄ　Ｕｒｂａｎ　Ｅｃｏｎｏｍｉｃｓ，Ｖｏｌ．４２，Ｎｏ．３（２０１２），ｐｐ．５３１－５４３．
［２０］Ｅ．Ｌｅａｍｅｒ，″Ｂｕｂｂｌｅ　Ｔｒｏｕｂｌｅ？Ｙｏｕｒ　Ｈｏｍｅ　Ｈａｓ　ａ　Ｐ／Ｅ　Ｒａｔｉｏ　Ｔｏｏ，″ｈｔｔｐ：／／ｉｏｎａ．ｇｈａｎｄｃｈｉ．ｃｏｍ／ＵＣＬＡ／Ｂｕｂｂｌｅ．ｐｄｆ，２０１２－０９－０５．
［２１］Ｙ．Ｃｈａｎｇ［３５］Ｍ．Ａ．Ｄａｖｉｓ，Ａ．Ｌｅｈｎｅｒｔ　＆ Ｒ．Ｆ．Ｍａｒｔｉｎ，″Ｔｈｅ　Ｒｅｎｔ－Ｐｒｉｃｅ　Ｒａｔｉｏ　ｆｏｒ　ｔｈｅ　Ａｇｇｒｅｇａｔｅ　Ｓｔｏｃｋ　ｏｆ　Ｏｗｎｅｒ－Ｏｃｃｕｐｉｅｄ Ｈｏｕｓｉｎｇ，″Ｒｅｖｉｅｗ　ｏｆ　Ｉｎｃｏｍｅ　ａｎｄ　Ｗｅａｌｔｈ，Ｖｏｌ．５４，Ｎｏ．２（２００８），ｐｐ．２７９－２８４．
［３６］梁云芳、高铁梅：《中国房地产价格波动区域差异的实证分析》，《经济研究》２００７年第８期，第１３３－１４２页。
［Ｌｉａｎｇ　Ｙｕｎｆａｎｇ　＆ Ｇａｏ　Ｔｉｅｍｅｉ，″Ａｎ　Ｅｍｐｉｒｉｃａｌ　Ａｎａｌｙｓｉｓ　ｏｎ　Ｒｅａｌ　Ｅｓｔａｔｅ　Ｐｒｉｃｅ　Ｆｌｕｃｔｕａｔｉｏｎ　ｉｎ　Ｄｉｆｆｅｒｅｎｔ Ｐｒｏｖｉｎｃｅｓ　ｏｆ　Ｃｈｉｎａ，″Ｅｃｏｎｏｍｉｃ　Ｒｅｓｅａｒｃｈ，Ｎｏ．８（２００７），ｐｐ．１３３－１４２．］（作者：任超群 吴Z 邓永恒）
电话:010-58133 传真:　E_mail: