【浅析英国房价指数统计方法】英国指数
[摘要] 房地产行业问题是中国当前受到政策关注、公众关注最高的热点问题之一，而房价指数则成为政府和公众判断和决策的最重要信号。
目前中国普遍承认的除国家统计局和国家发改委定期对外公布的房价指数外，非官方发布的房价指数统计并不能保证定期发布且权威性不足，房价信息来源相对单一。
本文首先对英国现有的官方及非官方的房价指数进行系统性介绍，并提出三点评价房价指数的优劣标准，以供国内房价指数的编制者和使用者进行借鉴。
关键词：房价指数 抽样方法 统计方法 中图分类号：C812文献标识码：A文章编号：1006―5954（2011）01―061―03 房地产行业是宏观经济的一个重要组成部分，其产业链之长涉及重工业、轻工业、建筑业、金融业等多个领域。
随着近年来房价的不断攀升，房价指数作为反映房地产市场动向的一个先导指标，越来越受到各界关注。
虽然中国现阶段普遍以国家统计局、国家发改委发布的官方房价指数为准，但在西方发达国家，非官方发布的房价指数统计也受到广泛认可。
本文以英国为例，介绍几类官方和非官方统计的房价指数，以便国内的编制者对统计方法进行比较研究，取长补短；另一方面，从使用者角度来说，鉴于英美房地产市场次贷问题所引发的金融危机对中国境外投资有着直接的影响，所以只有深刻了解西方的房价指数核算方式，才能在投资决策中正确的处理市场信息。
一、英国房价指数的两种分类介绍 根据计算方法和数据来源的不同，衡量房地产价格的指数可分为官方统计的指数和非官方信贷机构统计的指数。
以英国为例，官方统计的房价指数有DCLG（管理居民社区的政府部门）房价指数、ODPM（副首相办公室）房价指数、英格兰银行房价指数、土地注册处房价指数等；非官方统计的房价指数中，最重要的主体是信贷机构，两个规模最大的建屋互助会（Building Society）发布的Halifax房价指数和Nationwide房价指数均受到公众的普遍关注。
表1作为本文核心内容的总结和框架，对比了上述六个房价指数的数据信息及统计方法。
二、房价指数的数据信息 创建房价指数最基本的一步是数据的抽样，也就是房价的采集。
对于非官方的信贷机构来说，它们掌握着最新的抵押贷款批准额；而对于官方机构，一方面它们收到信贷机构上报的最终抵押贷款额（即购房实际成交价），另一方面，它们作为监管部门还掌握着全面的房屋交易数据。
（一）房价指数的定义 信贷机构（如前面提到的Halifax和Nationwide）掌握着第一手的市场信息，其房价定义是抵押贷款批准额。
但由于抵押贷款的批准与实际交易之间有一段时间差，有可能在这个时间段中发生了一些价格变化，所以购房实际成交价和抵押贷款批准额有可能不一样。
相比较而言，官方机构则占有着更广泛和可靠的数据，其房价的定义是购房实际成交价，因此官方的价格指数是更为符合当下价格的定义，而信贷机构统计的指数所反映的则是未来平均房价的预期。
（二）房价指数的调查样本 对于官方统计机构来说，其调查样本可分为两类，一种如前面提到的DCLG和ODPM，所使用的是由各信贷机构上报监管机构的购房实际成交价。
同时，相比信贷机构的样本容量，官方抽样的范围更广，而不仅仅局限于某个机构本身的客户数据。
平均来说，通过抵押贷款所购房屋占到英国房产交易总量的75%，足以代表整个房地产市场的价格水平。
另一种，如前面提到的英格兰银行和土地注册处，虽然它们所统计的也是实际的交易房价，但这两个房价指数的优势是不仅仅包含了通过抵押贷款途径购买的房价信息，还包括了以一次性付清方式购买的房价信息，因为土地注册处掌握着所有房屋买卖的记录。
总体来说，第二种官方房价指数最为精准地反映了当下房地产市场的房价水平；而非官方信贷机构，如Halifax和Nationwide调查的样本容量基本各占整个信贷机构市场份额的大约20%，其房价指数则更具时效性地反映了未来房地产市场的房价趋势，而第一种官方房价指数则介于这二者之间。
三、房价指数的统计方法 指数统计方法上的差别主要体现在三个方面，即综合调整、权重及季节性。
方法本身没有好坏之分，正如武器没有善恶之别，主要取决于数据本身的属性，或者说是统计主体对数据的假设。
（一）综合调整 基本上所有的指数统计方法都包括综合调整（Mix Adjustment），这个过程的目的是保证指数尽可能纯粹地体现房价本身的变化，剔除诸如通货膨胀、市场的品种和销量等因素的影响。
具体来讲，综合调整的实质是构造出一篮子具有代表性的房地产产品，而所产生的“代表产品”（Representative Property）在不同时期其属性和价格水平都会发生变化。
如果不进行任何的综合调整，所计算出的房价指数的变化则混合了房价本身的变化，以及房地产产品其他属性的变化两种因素。
综合调整旨在剥离代表产品属性与价格水平之间的依存关系，控制属性不变的情况下动态刻画房价本身的变化，如采取链式、拉式加权法剔除销售量等同度量因素等。
综合调整的常用方法有HRM（Hedonic Regression Method）、矩阵法（Matrix Method）及复算法（Repeat Sales Method）等。
其中，HRM是最常见的统计建模方法，与矩阵法类似，都需要对产品属性进行筛选，而后从中确定若干重要特征作为指标来对房地产产品进行分类，从而使房价变化具有可比性。
HRM适用于数据较大的时候进行分类，易于计算具有一定可比性的房价指数。
但是由于分类的随意性较强，容易出现分歧。
HRM实质上是建立一个线性回归模型来确定权重，而矩阵法实质上是按照房屋属性分类来确定权重。
表2是DCLG、Nationwide和Halifax这三个房价指数所选用的属性列表，仅供参考。
由于土地注册处掌握所有的房屋交易数据，因此可以跟踪某一房屋在不同时期的交易价格。
土地注册处价格指数的这种综合调整方法通过利用数据的优势，完全剥离了房地产产品属性的变化对房价指数的影响，同时还避免了HRM和矩阵法中房屋分类时的随意性。
但复算法的缺点是，该房价指数只涵盖发生过两次及两次以上交易的房屋。
如果某房屋只发生过一次，或者是新开发的楼盘，那么复算法则只能忽略这些数据。
另一个缺点是，复算法得到的房价指数常常要被修正，因为新近交易的房价会影响较早的房价指数的计算结果。
（二）房价指数的权重测算 为合成综合性的房价指数，对于代表产品的权重选取也尤为重要。
广泛使用的为上一年度的销售量、销售面积等。
而DCLG以某类房屋产品所占市场份额比重作为权重，但由此会造成房价指数更容易受到高房价产品的价格波动影响。
（三）季节性调整 如同其他产品一样，房地产产品的销售也呈现出季节性。
如在我国房地产销售业流行着“金九银十”的说法，即九月和十月相比其他季节是销售旺季。
同样在世界其他国家，如英国Nationwide的数据显示，如果不进行季节性的调整，一月份受传统节假日因素的影响，居民收入大都用于购买消费品，故对房屋的需求下降，因此房价指数则要低1.9%。
而六月份处于两个购物节的中间，居民房屋的购买力相对较强，需求上升，带动价格上浮，因此房价指数比季节性调整过的房价指数高1.3%。
因此，为了剥离季节因素对房价指数的影响，大多数房价指数都进行了相关的季节调整。
季节性的调整方法在统计学上有很多，是个相对独立的课题，限于篇幅，本文就不做赘述了。
四、本文的主要结论 通过对英国流行的这6种房价指数的比较分析，简要介绍了它们所包含的数据信息和统计方法两方面的主要内容，由此本文总结出房价指数应具备的三个基本标准： （一）时效性 这是时间上的一个标准，大多数房价指数都是月度的，这样一个频率能保证及时捕捉房地产市场的动态。
这一点，我国官方的房价指数已经达到，但未来非官方的房价指数需要花费较大资源才能达到这个标准。
（二）广泛性 这是空间上的一个标准，数据上要充分体现各个区域各个类型的房地产产品特点，而不能仅仅局限于某一小范围。
由于我国幅员辽阔，东西差异、城乡差异较大，故不能完全按照西方走完全平均的方式，而应充分体现不同地域之间的差异，从多层级、多方位报告房价指数。
“多层级”是指地域上的，注重国内东西差别、城乡差别等；“多方位”是指对象上的，比如新房房价和二手房房价的差别、保障房和商品房的差别等。
（三）无偏性 这是质量上的一个标准，选取的指数统计方法要尽量能够剥离房价以外的因素所导致的房价波动，比如市场结构、季节性、经济周期等等，这些可以通过借鉴先进的统计方法得以实现。
除了这三个最重要的原则之外，还要注意统计方法的一致性，尽量减少方法和结果的修正，从而使得房价指数具有历史可比性。
保证所观测到的房价时间趋势的科学性。
由于市场主体信息的迟滞，时间趋势既用于对未来房地产市场的走势预测，也是宏观政策制定的依据之一。
■ 参考文献 [1] Dey—Chowdhury, S. (2007) House Price Indices of the UK. Economic & Labour Market Review, Vol. 1, No. 1. [2] Dreiman, M.H. and Pennington—Cross, A. (2004) Alternative Methods of Increasing the Precision of Weighted Repeat Sales House Prices Indices. Journal of Real Estate Finance and Economics, Vol. 28, No. 4, p.p. 299—317. [3] Englund, P., Quigley, J., and Redfearn, C. (1999) The Choice of Methodology for Computing Housing Price Indexes: Comparisons of Temporal Aggregation and Sample Definition. Journal of Real Estate Finance and Economics, Vol. 19, No. 2, pp. 91—112. [4] Fisher, J., Geltner, D., and Pollakowski, H. (2007) A Quarterly Transactions—based Index of Institutional Real Estate Investment Performance and Movements in Supply and Demand. Journal of Real Estate Finance and Economics, Vol. 34, pp. 5—33.