房地产政策对我国不同类城市房价的差异性分析
【摘要】随着我国房地产价格的飞速上涨，政策出台了很多政策来调控房地产市场。
本文从区域性的角度着手，运用固定效应模型研究政策对不同类城市房价的影响，并提出政策建议。
毕业论文网 【关键词】房价 政策 固定效应模型 一、引言 各城市房价都在不断高涨，据我国统计局统计，一线城市房价在2万到3万5左右，二线城市在1万到2万左右。
因此，研究不同城市房价的影响因素，有助于缩小城市间房价的差异，推动各城市共同发展。
二、文献综述 国内外学者关于房价的研究和观点有很多。
Fratantoni和Schuh（2003）利用美国1966―1998年的数据发现相同的货币政策对城市房价的影响不同。
孙力军、孙力彬（2006）选取2000―2006年的房价，发现可以通过货币政策抑制房价过快上涨。
秦梓华（2006）研究发现我国的房价会受到货币供应量的影响。
梁云芳、高铁梅（2007）利用1995―2005年的数据，发现房价与利率和M2负相关。
吴成军（2009）论证了M2可以导致房价波动。
卢建新、苗建军（2011）运用1997―2005年的数据，发现中、西部地区房价较东部地区来说波动小。
三、我国近年房地产市场 2008年金融危?C爆发后，政府轮番出台了大量宽松政策，使得2009年我国房地产市场火热。
为了遏制房价过快增长，政府2010年连续采取了多轮调控措施，但收效甚微，同年我国70个大中城市房屋售价同比上涨6.4%。
2011年后，国家进一步扩大干预，一定程度上控制了房价上涨。
于是国家又相继出台诸如“央五条”、“央行930房贷新政”等宽松政策。
2015年房地产市场情势依然严峻，投资减少，国家出台宽松政策刺激需求，各地也出台相应的宽松政策刺激房市。
2016年我国房地产市场交易量创新高，土地供应依然严峻，上半年房地产政策宽松，后半年热点城市房价开始快速上涨，调控政策逐渐收紧。
四、实证分析 （一）变量的选取与说明 本文取城市商品房销售均价为房价指标。
根据之前学者的研究，货币供应量M2对房价有影响，而考虑到货币供应量只有全国的数据，故采用全国统一的M2。
另外，考虑到房地产市场的供求效应，本文选取城市土地供应量和城市商品房销售面积两个月度指标。
本文所选择的城市有：一线城市（北京、上海、广州、深圳、天津）、二线城市（南京、杭州、厦门、石家庄和合肥）、三线城市（乌鲁木齐、银川、呼和浩特、西宁和兰州）。
选取2010年06月到2016年11月的月度数据。
为了消除异方差性，本文对除虚拟变量以外的全部变量取自然对数。
全部数据来源于CREIS中指数据库、wind数据库、国家统计局、中国人民银行。
（二）政策虚拟变量的选取 通过对城市房价做断点检验，发现城市都存在一些政策影响房价出现断点的时间：一线城市为2011年5月、2013年9月和2016年1月，二线城市为2013年5月、2014年9月和2016年1月，三线城市为2011年5月、2012年10月和2014年5月。
分别将不同类城市出现断点的政策定义为虚拟变量d1、d2、d3。
（三）单位根检验 首先对数据进行单位根检验。
检验结果见表1。
由表1可知，一、二线城市的房价是不平稳的，对它们取一阶差分，结果如表2所示。
（四）固定效应模型的估计 运用平稳面板数据建立不同类城市的固定效应模型，结果如表3所示。
注：*表示在5%的水平上显著 五、结论与政策建议 根据上述结果，不同类城市有明显的差异。
其中，一、二线城市的政策变量都为负，说明政策对其能够起到抑制作用。
根据上述结论，为促进房地产市场健康发展，政府在处理房价问题时应注意以下几点： 第一，我国不同类城市房地产价格差异明显，国家政策能够制约一、二线城市房价，三线城市的政策制约性则较弱。
参考文献： [1]Michael Fratantoni， Scott Schuh. Monetary policy， housing， and heterogeneous regional markets[J]. Journal of Money， Credit， and Banking， 2003，（3）. [2]孙力军，孙力彬.我国货币政策调控房地产价格的效果分析[J]. 济南金融，2006，（10）. [3]秦梓华.我国房地产市场与货币供应量关系的实证研究[J]. 甘肃联合大学学报（社科版），2006，（10）. [4]梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J]. 经济研究，2007，（8）. [5]吴成军.货币供应量与房地产价格的关系研究[J]. 商业时代，2009，（19）. [6]卢建新，苗建军.中国城市住房价格动态特征及其影响因素[J]. 投资研究，2011，（7）.