新常态下中国房地产市场风险特征及影响因素研究

王大港，刘伊生

(北京交通大学 经济管理学院，北京 100044)

经济学研究

新常态下中国房地产市场风险特征及影响因素研究

王大港，刘伊生

(北京交通大学 经济管理学院，北京 100044)

本文系统分析新常态下中国房地产市场发展的特点和风险特征，基于房地产去库存的视角下，从当前我国城市房地产市场的库存风险、价格风险、融资风险、政策环境风险四方面入手，运用结构方程模型，采用问卷调查法收集有关数据，定量分析了新常态下中国房地产市场风险影响因素。结果表明：库存风险因素对房地产市场风险影响最大，次之为价格风险因素，再次为融资风险因素。因此，政府管理部门应防范房地产市场风险，需要加大房地产去库存的工作力度，坚持差异化调控，区别化监管，防止全国房地产市场风险发生，促进房地产业持续发展。

新常态；房地产风险；影响因素；结构方程模型；去库存

一、新常态下房地产市场风险表现及特征

2016年中央经济工作会议明确提出，房地产去库存作为今年的五大任务之一。根据国家统计局发布的有关数据，房地产库存方面，截至6月底，全国房地产待售面积为7.14亿平方米，比5月底减少753万平方米，其中,商品住宅减少770万平方米；价格方面，70个大中城市住宅销售价格环比上涨城市个数继续减少，涨幅继续收窄，同比上涨个数继续增加，但涨势放缓。

总结上半年全国房地产市场运行态势，最显著特征是城市和区域间分化严重，一线和部分二线城市房地产价格上涨幅度较大，而三四线中小城市房地产库存量仍然在增长。预计下半年，房地产市场量价增速将有所回调，但是去库存和稳房价的压力依然较大，一方面，热点城市风险积聚，另一方面，库存总量仍较大，房地产去库存仍是下半年市场的主基调①，防范和化解房地产市场风险必须高度重视。

通过梳理学术界关于房地产市场的研究成果，结合新常态下房地产市场运行特征及风险表现，国务院发展研究中心研究员邓郁松提出中国房地产市场风险主要包括房价泡沫风险、供给过剩风险和流动性风险三方面②，具有代表性。笔者认为，下半年中国房地产市场风险主要包括：库存过剩风险、价格泡沫风险、资金回笼风险、政策环境风险，具体特征如下：

1、库存风险。中国指数研究院日前发布报告显示，截至今年5月，初步估算全国商品房总库存约55.5亿平方米，较去年底已有一定程度的下降，但绝对规模仍处高位，按照过去3年的去化速度，大约需要4.7年才能完全去化。细分市场结构失衡，商办市场库存压力更大。一二线城市商品住宅库存压力已基本释放，三四线库存仍相对较高。短期去化方面，一二线城市平均去化时间已经降到8.5个月以内，而多数三四线城市去化时间仍超过15个月；中长期库存方面，一线城市土地平均消化时间在1.1年左右，二线城市平均在2.8年左右；但三四线城市整体在4.3年左右。通过数据可以发现，下半年三四线城市的库存压力依然较大，库存过剩风险不可忽视。

2、价格风险。今年以来，在经济下行压力和库存水平依然较高的背景下，中央宏观政策以稳为主，保持经济增长和就业稳定，地方则更灵活主动，因城施策更细化，房地产价格增长较快。国家统计局发布的数据显示，6月份70个大中城市的新建商品住宅价格环比上涨的城市分别为55个,二手住宅价格环比上涨城市为48个，环比综合平均分别上涨1.8%和1.2% 。中国房地产指数系统对100个城市全样本调查数据显示，上半年百城住宅均价环比累计上涨7.61%，其中，一线城市上涨12.79%，涨幅比去年同期扩大7.62个百分点；二线城市上涨了5.33%，三线城市上涨4.27%*中国指数研究院：《2016年上半年房地产市场总结与下半年趋势展望》，第1-3页。。综合起来看，上半年房地产市场预期明显改善、消费者集中入市，一线和部分二线城市房价涨幅远超市场承受力，且杠杆率极高，房价上涨压力依然较大，因此下半年我们必须高度警惕价格泡沫风险，防止因房地产价格过快增长引起系统性风险。

3、融资风险。上半年，一线城市和部分二线城市市场逐渐回暖，大型房地产开发企业拿地热情高涨，部分城市出现“地王”现象，分析其中原因，一方面是需求旺盛的因素，但另一方面也不排除金融杠杆的作用，尤其是一些城市通过P2P平台推出“首付贷”等配资方式，楼市金融杠杆进一步加快积聚市场泡沫，放大金融风险，或将导致一线和部分二线热点城市房地产企业负债风险，杠杆资金已成为上半年楼市迅速火爆的重要推手。对于三四线城市来讲，高库存使得房地产资金成本将持续增长，个别中小房地产开发企业经营愈加困难，一些商业银行对中小房地产开发企业失去信心，企业只能通过民间借贷方式维持在建项目开发经营，导致中小城市的房地产开发企业难以从商业银行贷款，有些房地产企业出现资金链断裂等潜在风险，甚至有些城市的房地产开发商出现“跑路”现象。

4、政策环境风险。房地产市场受土地、信贷、税收政策影响显著，一旦出台或者调整上述政策将会给市场带来波动。2015年，政府取消一系列限制性措施，一二线城市房地产交易明显上升，三四线城市房地产库存量依然较大。今年以来，政府继续调整房地产相关政策，如土地供应政策调整、商品房信贷政策调整、商品房交易环节税收政策调整、住房公积金制度调整、鼓励农民进城购买财政补贴、住房租赁市场政策出台等，房地产市场消费需求迅速加大，同时，城市基础设施的水平、轨道交通建设、教育医疗状况等环境因素与房地产市场发展也密切相关。统计数据显示， 上半年全国房地产业土地成交价款3159.13亿元，累计增长10.2%；上半年个人住房贷款增加2.3万亿元，同比多增1.2万亿元，6月末增速达32.2%，月度增量屡创新高*中国人民银行：《2016年第二季度中国货币政策执行报告》，第5页。。政策的调整和环境的变化将直接引导购房者的消费预期，一旦政策环境变化过大或者过快，将导致房地产市场发生风险，必须谨慎出台有关政策，科学把握好时机和节奏，符合房地产市场发展的实际。

二、结构方程模型构建

1、结构方程模型的提出

结构方程模型(SEM)主要用来描述潜在变量相互关系，通常情况下可以用路径图形式对变量进行描述。结构方程模型可从多个方面描述构件的内在不确定性，通过建立一个因果关系的模型来描述变量之间的相关关系。SEM模型可将直接影响的相关分析和估计用于间接影响的检验和估计。一般情况下采用矩阵方法来表示变量间相互关系，并结合路径模型方法来对模型构思、修正。路径模型中，用椭圆来表示构件，矩形表示测度项。此外变量还可分为外生变量和内生变量。SEM模型相较于传统统计分析模型具有很多优点，概括起来，结构方程模型有以下优点*吴明隆：《结构方程模型》，重庆：重庆大学出版社，2009年版。：

图1 房地产市场风险影响因素理论模型

可处理多个因变量；可有效处理自变量与因变量间的测量误差，得到潜变量和显变量间的数量关系；可计算因子间结构与关系；可估计整个模型的拟合程度。

结构方程模型构建过程应对应着潜在变量间相互关系假设的提出。房地产市场风险的生成受库存、价格、资金、政策、环境等多种不确定因素的影响，且风险大小来自于多个因素的共同作用，因此，在对风险因素研究过程中不可避免会出现数目较多且难以直接测度的潜在变量，并且大部分风险因素都是定性指标，为此，本研究采取问卷调查信息收集方式，获得的数据受主观影响较大，不可避免存在误差；变量之间存在或多或少的关系，具有多重共线性特点，而传统方法很难准确发现变量间相关关系；潜在驱动因素繁多，且类型各异，即存在多个可能的分析模型。综上所述，SEM适用于房地产市场风险因素的实证检验。

2、模型构建及假设提出

根据前面研究的房地产市场风险因素特征，基于新常态下房地产市场风险管理的概念模型，房地产库存因素、价格因素、融资因素、政策环境因素的大小都直接关系到房地产市场风险度大小。根据市场供求理论，房地产库存增大，商品房供求不平衡，或者供大于求，或者供不应求，房地产价格将发生波动，同时，房地产开发和销售等环节资金将发生变化，政府将出台调控政策，以及城市环境建设将发生变化，降低或减小城市房地产市场风险。为此，本研究结合房地产市场风险管理理论分析，本文建立的初始结构方程理论模型(如图1)，并提出H1-H10假设。

假设H1：房地产库存情况对房地产市场的风险起正向影响作用。库存过剩越大，城市房地产市场风险度也就越大。

假设H2：房地产价格情况对房地产市场的风险起正向影响作用。价格波动越大，城市房地产市场风险度也就越大。

假设H3：房地产融资情况对房地产市场的风险起负向影响作用。融资速度越快，城市房地产市场风险度越小。

假设H4：房地产政策环境情况对房地产市场的风险起正向影响作用。政策环境调整越频繁，城市房地产市场风险越大。

假设H5：房地产库存情况对房地产价格情况起正向影响作用。房地产库存越大，价格波动越大。

假设H6：房地产库存情况与房地产融资情况起负向影响作用。房地产库存越大，房地产融资速度越慢。

假设H7：房地产库存情况与房地产政策环境调整起正向影响作用。房地产库存越大，房地产政策环境调整越频繁。

假设H8：房地产价格情况与房地产融资情况起负向影响作用。房地产价格波动越大，资金回笼速度越慢。

假设H9：房地产价格情况与房地产政策环境调整起正向影响作用。房地产价格波动越大，房地产政策环境调整越大。

表1 结构方程模型中的潜在变量与观测变量一览表

图2 调查问卷的设计过程

表2 答卷人基本信息汇总

假设H10：房地产融资情况对房地产政策环境调整情况起负向影响作用。房地产融资速度越快，房地产政策环境调整越小。

3、测量模型的构建

结构方程模型研究所涉及到的变量，从可测性的角度可分为两类：显变量和潜变量。显变量(Manifest Variable)是指可直接观察并测量的变量，又称观察变量(Observed Variable)。潜变量(Latent Variable)则是指不能直接观测的变量，它可以通过显变量测度表征出来，潜变量在因子分析中同因子等术语的含义一样。本研究的潜变量包括5项，显变量共19项。测量模型反映的是观测变量对潜在变量的特征表达，结构方程模型的潜在变量是无法直接观测的，因此需要借助至少两个观测变量来表达，观测变量综合起来则可以较全面、准确地反映潜在变量。各潜在变量对应的观测变量设置表如下(表1)。

4、问卷设计

根据问卷调查的经验，本研究按照图2所示的工作流程进行问卷设计。首先，基于量表分析，围绕理论假设形成初始量表的各组题项。按照论文的研究目的，邀请了房地产专业高校教授、房地产研究机构专家、房地产企业专家、部分中介机构市场分析人员对量表进行题项和语义修正。由于量表的设计参考了大量的既有研究成果，且在题项的设置和内涵的界定上经过了与专家的多轮讨论和修改，因此，较好地保证了量表内容的有效性，也使其更加通俗易懂。

在此基础上，对调查问卷在一定范围内发放，对回收的样本进行信度检验，并根据实际情况进行了改进，从而确保正式测试结果的可靠性。最终问卷包括两部分内容，一部分是受调查单位及人员的基本情况，主要包括单位业务属性、从事房地产风险分析研究的年限等基本信息；二是地产市场风险影响因素影响关系的调查。经过对有效问卷进行基本信息进行统计，受调查人员的学历、职位单位等有关情况见表2。

由表2可以看出，受调查人员中，具有硕士以上学历的受调查者占比高达88.66%，具有副研究员以上职称的占比67.15%，熟悉房地产市场分析的基层分析师占比32.85%；被调查人在高校、研究机构工作的占比为54.49%，从事房地产市场研究年限5年以上的占比高达67.04%。因此，受调查人员无论从理论水平、业务素质、个人能力等方面，都能够保证此次问卷的可靠性。

表3 信度和效度的检验

在此基础上，本研究采用了李克特(Likert)标准五点量表法，其数据来源于对上述高校教授、房地产研究机构专家、房地产企业专家、部分中介机构市场分析人员进行的问卷调查，共发放问卷282份，收回问卷263份。对于问卷中存在漏答情况的，经过整理可以找到充分证据的，进行补充完善；对于无法找到充分证据的，采用平均值替代缺失值的方法进行处理，仍视为有效问卷。最终问卷数据处理后，有效问卷218份，占回收问卷的82.89%，并对调查问卷的统计数据进行预处理。

三、模型检验与分析

参照Anderson和Gerbing(1988)提出的两步法进行实证：第一步，对建立的测量模型进行检验，考核测量模型是否可识别，测量模型的信度、效度以及模型的整体拟合度是否符合要求；第二步，对结构模型进行检验，并计算结构模型中的路径系数，评价模型的拟合优度，并根据实际情况予以修正。

1.测量模型的检验

测量模型描述的是一组因子与度量这些因子的各个指标之间的关联。需要做以下检验：

(1)信度检验。信度分析是用来检验可观测变量的方差对潜变量的解释程度。信度越大，说明用于解释一个潜变量的各观测变量具有共方差的程度就高。本研究采用Cronbach’s α系数进行检验。根据学者Devellis(1991)的观点，信度系数在0.60～0.65，最好不要；在0.65～0.70，最小可接受值；0.70～0.80，相当好；0.80～0.90，非常好*Devellis.r.f.：《量表编制(理论与应用)》，重庆:重庆大学出版社,2010年版，第64页。。借助SPSS对问卷数据进行信度检验，整体信度系数是0.803，检验结果表明量表的信度较高，变量之间具有较高的内部结构一致性。结果如表3所示。

(2)效度检验。本研究采用验证性因子分析的方法，利用LISREL软件来检验内外生潜变量的各个可观测变量的一致性程度，即收敛效度。在使用LISREL分析模型时，检验收敛效度的衡量标准是是否所有完全标准化的因子载荷要大于0.5且达到显著水平(p<0.05或p<0.10)。图3是潜变量的验证性因子分析的结果(取标准化值)，表3是对潜变量验证性因子分析更具体的表述结果，表中包括了潜变量的各观测变量指标标准化后的载荷以及T值。

(3)模型的整体拟合度。模型的整体拟合度通常用绝对拟合指数和相对拟合指数来表示。绝对拟合指数是评价模型整体拟合优度的指标，常用指标包括X2/df，p值，拟合度(GFI)，调正拟合度(AGFI)，近似误差均方根(RMSEA)等；相对拟合指数主要是通过比较目标模型与一个基本模型的拟合来考察模型的整体拟合程度，常用指标包括规范拟合度(NFI)，比较拟合度(CFI)，非常规拟合度(NNFI)。结构整体拟合优度检验结果表(表4)，表明模型数据整体拟合程度较好，因此本研究中提出的模型整体具有良好的适配度，适合进行结构方程建模。

图3 潜变量验证性因子分析结果

图4 SEM模型路径系数图

2.结构模型的检验

本研究在构建初始SEM模型基础上，确定各潜变量之间的路径关系，并对提出的理论假设进行验证。运用LISREL软件，得到影响房地产市场风险的路径图(图4)，结果显示， H7、H10的路径系数不显著，因此拒绝该假设，其余假设均成立。依据验证结果，对结构模型进一步修正。

3.假设检验与模型修正

在结构方程模型中，路径的增删需要严格按照原则执行，这直接关系到能否科学地得出可信度高的模型。作者认为结构模型的构建应遵循以下原则*赵军洁：《基于TRIZ理论推动农业科技创新关键因素及路径研究》，博士学位论文，中国农业大学，2014年。：

(1)以理论为出发点。结构方程建模的一个大前提，就是从既有理论出发，包括模型的设定，资料的搜集，模型的建立都不能超越既定的理论框架，而是要去验证所设定的理论模型，求证的问题是模型和数据能够很好地拟合。所以在路径的增删方面，并不是搞 “玩弄数据”，所有的路径的增删都应该有理论基础，符合模型的假定。

(2)逐一增删路径。结构方程模型作为一个整体，包括测量模型和结构模型，不仅在变量的增减要逐一进行，尤其是路径的增删更是如此，所谓牵一发而动全身，因为每次路径的变化，模型的重新估计都会使其他路径系数发生变化，所以每一条路径的去留都有可能影响到其他路径。如果每次删除或增加多条路径，会造成有多余的路径被错误地删除，或者有多余的路径被错误地增加。正确的路径图的构建是，每次增删路径要逐一进行，然后重新估计，如此循环，直到得出拟合度最高的模型。

(3)先删后增。之所以要先删后增，原因有两方面：一方面是因为在初始模型的构建中，会尽量合理地设置尽可能多的路径，以此来更全面反映潜变量间可能存在的关系，所以对不显著的路径要先剔除，然后在此基础上，对模型查漏补缺，其中某些符合假定和理论内在要求的重要的路径要逐个补充并检验。另一方面原因是从方法论出发，路径的选择可以先按照t值最小，逐一删除t值最小的路径。

表5 修正SEM模型拟合检验结果表

图5 修正后的路径系数图

根据以上三条原则，运用LISREL软件，得到房地产市场风险影响因素路径图。结果显示， H7、H10在10%的显著性水平下不显著，因此拒绝该假设，其余假设均成立。依据验证结果，对结构模型进一步修正，得到最终路径图(见图5)。修正后的模型结构整体拟合优度检验结果(表5)，表明模型数据整体拟合程度较好，因此修正后的模型整体具有良好的适配度，整体拟合度较高。

本研究基于各变量间的关系进行评价，采用了标准路径系数评价法。根据数据分析结果，最终假设分析结果如下：假设H1 成立，说明库存因素与房地产市场风险度存在正向关系，路径系数为0.25；假设H2 成立，说明价格因素对房地产市场风险度存在正向关系，路径系数为0.19； 假设H3 成立，说明融资因素对房地产市场风险度存在负向关系，路径系数为-0.26；假设H4 成立，说明政策环境对房地产市场风险度存在正向关系，路径系数为0.17；假设H5 成立，说明库存因素对房地产价格存在正向关系，路径系数为0.57；假设H6成立，说明库存因素对房地产融资存在正向关系，路径系数为0.21；假设H7不成立，说明库存因素与房地产融资情况之间关系不显著；假设H8成立，说明价格因素对房地产融资存在正向关系，路径系数为0.16；假设H9成立，说明价格因素对房地产政策环境存在正向关系，路径系数为0.15；假设H10不成立，说明融资因素对房地产政策环境之间关系不显著。

四、结论分析及建议

1.结论分析

从图5的路径系数图可以得到房地产市场风险因素的结构方程模型。通过方程可以看出，在房地产市场风险的影响因素中，融资因素对房地产市场风险度的影响是最大的，路径系数达到了0.26。究其原因，由于房地产是资金密集型行业，近年来中国经济发展进入新常态以来，房地产投资资金链紧张趋势明显，开发商依赖民间借贷、类金融机构、影子银行贷款方式以及房产中介机构首付贷产品推出，可能引致系统性金融风险。其次是库存因素，主要由于我国的经济发展进入新常态，房地产投资、交易等指标出现新的变化趋势，房地产购买力出现持续下降，造成房地产库存增加。第三，价格波动因素也将影响房地产市场风险，路径系数为0.19，价格波动因素反映了我国房地产价格调控机制不健全，在三四线城市去库存过程中，一线和二线热点城市的价格出现迅猛增长，对房地产市场风险产生影响。另外，政策环境因素对房地产市场风险不很明显，原因是近两年来我国房地产市场调控政策出台比较慎重，时机比较成熟，政策风险均在可控范围之内，不会造成市场的较大波动，但也必须重视。另外，假设H7不成立，即库存情况与房地产政策环境情况关系不显著，主要因为政策出台一般具有时滞性，政策效应一般在出台3个月或者半年后产生效应；另一方面，我国房地产市场政策制定原则是分类调控，因城施策，不搞“一刀切”，库存主要集中在三四线中小城市，一二线城市交易量明显增长，因此政策主要针对三四线城市制定，因为库存因素对政策环境没有显著影响；H10不成立，即融资情况与房地产政策环境情况关系也不显著，主要是银行业金融机构流动性充足，购房者厌恶风险，加上政策具有时滞性。因此融资情况对政策调整也没有显著影响。

2.防范房地产市场风险的建议

一是完善房地产市场融资监管机制，防范房地产资金风险。鼓励金融机构合理配置信贷资源，提高房地产开发贷款和个人购房按揭贷款额度。对已达到预售许可条件的项目，要确保贷款需求，保证项目按时竣工；对于在建的商品住房开发项目，要满足其资金需求，提高开发贷款的授信；对资金困难的房地产开发在建项目，不简单抽贷、停贷、压贷。加快个人住房贷款受理、审批和发放，优先满足居民家庭购买首套住房和改善性住房贷款需求。

二是支持农业转移人口进城就近购房，加快中小城市房地产去库存。多措并举，支持农民进城购买住房，加快消化中小城市商品房库存。创新适合农民购买商品住房的个人住房金融产品，适当降低农民进城购房的成本，为农民提供更为有效的金融支持。同时鼓励地方政府通过补贴、减税等各种方式，提高农民在城镇就近购房的积极性。探索完善“宅基地换购房屋”等地方经验，增强农民进城购买房屋能力。

三是建立租售并举的住房供应体系，稳定热点城市房地产市场价格。构建以市场为主满足多层次需求，以政府为主提供基本保障的住房供应体系。对具备购买住房能力的常住人口，支持其通过市场购买商品住房；对暂时不具备购买住房能力的常住人口，支持其通过租赁市场租房居住；对符合条件的困难家庭，通过提供公共租赁住房或者发放租赁补贴保障基本住房需求。同时，对于房价非理性增长的热点城市，加大市场监管力度，严格土地价格管控，防止出现群体性的投机性购房，进一步稳定房地产市场。

四是适度调整房地产金融政策，构建市场调控长效机制。要加快住房金融监管体系建设，有效监督控制房地产市场上的金融风险；要加快建设政策性住房金融体系，切实为自住型、改善型住房需求提供金融支持。同时，完善房地产税收制度，总体方向是简化交易环节的税收，增加持有环节的税收。交易环节繁重的税赋可能误伤很多自住型、改善型住房需求。另外，以往将税收政策作为调控手段、频繁进行调整的做法，不利于住房市场稳定发展。税收制度应该是一个长期稳定的制度，应该根据房屋的属性和交易的特征设计一个相对稳定的税收制度框架。

[责任编辑：王成利]

王大港(1975-)，男，北京交通大学经济管理学院博士研究生，住房城乡建设部住房信息管理中心高级工程师 ；刘伊生(1962-)，男，北京交通大学经济管理学院博士生导师。

F299.2

A

1003-8353(2016)010-0157-08

①中国指数研究院：《2016年上半年房地产市场总结与下半年趋势展望》，第1-3页。

②邓郁松：《区分三种房地产风险》，《上海房地》，2014年第6期，12-13页。