中西部地区新一线城市商品房价格泡沫测度及其影响因素

张志强， 陈凯达， 蒲甘霖

(1.西北师范大学 经济学院， 甘肃 兰州 730070；2.温州理工学院 经济与管理学院， 浙江 温州 325035)

0 引言

我国房地产市场在1998年住房货币化改革后快速发展.住房制度货币化改革激发房地产开发投资内在动力的同时，省会及以上城市房地产市场出现过热现象，并演化为学界和社会各界高度关注的房地产市场泡沫问题.十九大报告中明确提出“坚持房子是用来住的、不是用来炒的”定位，为今后房地产市场的发展奠定了整体基调.2022年李克强总理在政府工作报告中强调“支持商品房市场更好满足购房者的合理住房需求，稳地价、稳房价、稳预期，因城施策促进房地产业良性循环和健康发展”.房地产核心问题是资产泡沫大、房地产金融化，同时挤压泡沫又会带来一连串经济问题，因此必须防范金融领域的房地产“灰犀牛”，厘清房地产泡沫形成的影响因素有利于更好地挤压泡沫.资产泡沫是指资产价格的增长超出其市场基本价值的部分[1].资产价格不断增长，则资产价格远离基本价值而无法反映资产实际价值.资产价格持续上涨并抑制需求，则资产价格大幅度下降，且资产间价格变化关联性特征决定其持续上涨(或下跌)均会引起连锁暴跌或暴涨反应，从而形成“泡沫经济”.商品房价格泡沫是资产泡沫的一种，指在商品房市场价格上涨严重偏离其基本价值的经济现象.那么，如何衡量我国商品房市场的泡沫程度？是什么因素影响商品房价格泡沫的持续增大？针对商品房价格泡沫的实际状况，如何使中国房地产市场的宏观调控政策更好地发挥效能，并有效挤压商品房价格泡沫？这正是本文所关注的问题.本文聚焦于中西部新一线城市商品房价格泡沫的形成过程，使用状态空间模型测度我国中西部新一线城市商品价格的泡沫程度，并进一步分析导致商品房价格持续上涨的影响因素，这对于准确认识中西部商品房市场的状况和商品房价格泡沫的风险，提高房地产宏观调控政策的有效性具有现实意义.

1 文献综述

梳理有关房地产价格测度的文献，针对学者们对房价泡沫的测度这一技术性问题上，可归纳为基准价格法、统计检验法、指标法这三种方法.

1.1 基准价格法

基准价格法是通过计算房地产基准价格与实际价格之间离差衡量房地产泡沫程度.Alessandri[2]通过构建状态空间模型，根据房租和利率等数据计算房地产基准价格，进而对房地产泡沫进行测度；高波等[3]选用1999至2011年我国30个大中城市的面板数据并构建预期均衡价格模型来对城市商品房价格偏离经济基本面的程度进行评价；彭俊华等[4]根据泡沫的定义,将房价分为基础价值和泡沫成分两部分构建泡沫度量模型，并对35个大中城市商品房价格泡沫进行测度，发现房地产泡沫与商品房价格高低并无对应关系，房地产市场存在理性和非理性泡沫两种类型.

1.2 统计检验法

统计检验的基本逻辑是不存在泡沫的房地产市场变化的表征指标数据是有规律的，具有一定统计学性质，泡沫市场的相关数据存在异常波动.Hamilton[5]提出用单位根检验来对房地产泡沫进行检测，零假设是房地产市场不存在泡沫，房地产价格是一个平稳时间序列，若拒绝零假设，房地产市场存在泡沫;曾五一等[6]运用面板单位根和协整检验我国房地产是否存在泡沫；孙焱林等[7]利用单位根和协整检验证明上海在2003—2011年存在房价泡沫.但由于单位根和协整检验无法剔除周期性影响，测度结果难以保证可信度.

1.3 指标法

指标法分为单一指标和综合指标法两类.单一指标法是根据与房地产相关的某个指标数值来判断房地产市场是否存在泡沫.综合指标法则是通过选取与房地产市场发展联系紧密的指标建立指标体系并进行综合评价判断是否存在泡沫以及泡沫程度.吕江林[8]通过对与房地产相关的多项指标进行比较分析得出，商品房价格收入比与其他指标相比更能准确度量我国商品房价格泡沫的结论；陈璐佳等[9]从价格评价、资金借贷、产业投资三个维度选取8个指标建立指标评价体系并采用因子分析法进行客观赋权，对房地产泡沫水平进行测度；王春艳等[10]运用因子分析法从开发、交易、价格、资金信贷四个维度选取8个指标测度了2007至2016年房地产泡沫.

综上所述，国内学者对三种房地产泡沫测度方法皆有应用，且各有利弊.基准价格法将理性泡沫和非理性泡沫同样看待，无法精准施策.统计检验法无法剔除周期性影响，应测度结果的精准性.指标法不涉及基础价值测算，只能对泡沫的存在性给出大致判断，不能度量泡沫程度或研究泡沫形成过程.本文综合考虑上述三种方法，从泡沫的定义切入，运用状态空间模型在我国中西部地区新一线城市商品房基础价值测度的基础上，进一步探究商品房市场的泡沫程度及影响因素.

2 商品房价格泡沫测度

2.1 变量选取与模型构建

商品房供给和需求曲线的交点决定其均衡价格，均衡价格可认定为商品房的基础价值.引起供给和需求曲线移动的利率、收入及市场预期等因素均会影响商品房基础价值.商品房价格对基础价值非平稳偏移可认定为泡沫.由于基础价值不可观测，且其价值随着时间延续而发生改变，即为一种状态变量.为此，本文选择运用状态空间模型对不可观测的状态变量进行估计.采用状态空间模型的优点，一是可以将不可观测的变量纳入可观测模型进行估计;二是不仅可以验证商品房价格泡沫的存在性，而且可测度出商品房价格泡沫程度.

2.1.1 变量选取

供给和需求直接决定商品房的均衡价格和实际价格.衡量商品房供给的变量主要有商品房竣工面积，影响商品房竣工面积的因素有商品房销售价格、商品零售价格指数、地区生产总值、货币供给量、实际贷款利率和银行存款准备金率等,均可作为供给量的影响变量.竣工面积用来衡量商品房供给能力，而国内生产总值规模扩大及占比提升反映了要素聚集度提高、经济实力不断增强，投资预期收益乐观，吸引更多房地产商加大投资力度，增加房地供给；货币供给量、实际贷款利率和银行存款准备金率直接决定房地产商融资规模，进而影响商品房的供给能力.衡量需求的变量主要有商品房销售面积(万平方米)、城镇居民可支配收入、实际贷款利率、首付现金占比、商品房销售价格(元/平方米)及商品零售价格指数.商品房销售面积(万平方米)衡量商品房现实需求.城镇居民可支配收入直接决定对商品房的购买力；实际贷款利率、首付现金占比会影响对商品房的需求意向和意愿；商品房销售价格(元/平方米)和零售价格指数高低在一定程度上会影响对商品房的需求.在收入一定的条件下，商品房销售价格和零售价格指数上升，会抑制对商品房的需求.本文从市场供给与需求两个维度选取测度房价泡沫的变量，具体如表1所示.

表1 变量描述

本文分别将商品房销售面积和竣工面积作为房地产市场需求和供给的代理变量，表1中其他变量作为解释变量影响.表1中变量所采用的数据为1998年至2018年共21个观测序列.为了消除价格的影响，将选择对变量GDP、PDI、ML进行价格指数平减，而RI则用名义利率减去通货膨胀率得到.为了克服变量序列的异方差性，本文在实证中除了RI和CP其余变量均用对数形式呈现.基于数据的可得性和完整性，本文使用的数据来源于1998至2018年的《中国房地产统计年鉴》以及各城市统计年鉴，贷款利率来源于中国人民银行官网.由于部分城市统计年鉴未更新相关数据，因此本文只选取至最新的2018年数据以符合回归分析的需要.

2.1.2 模型构建

本文参照韩冬梅等[11]的做法采用变参数状态空间模型从供求两个角度测度房地产泡沫.

商品房需求的变参数状态空间模型如下：

此模型是一个方程组，方程组中具有两部分，其中量测方程为：

ln(SA)t=sv1t×ln(HP)t+sv2t×

ln(PDI)t+sv3t×RIt+sv4t×CPt+ut，

(1)

方程组中另一部分为状态方程，状态方程为以下形式：

同理，商品房供给的变参数状态空间模型中量测方程为：

ln(FA)t=cv1t×ln(HP)t+cv2t×RIt+

cv3t×ln(ML)t+cv4t×ln(GDP)t+ηt.

(2)

状态方程为以下形式:

利用Kalman滤波分别估计上述模型，可得sv1t，sv2t，sv3t，sv4t，cv1t，cv2t，cv3t，cv4t的估计值，将估计的8个变参数作为已知值，将各城市商品房基础价值作为状态变量加入模型，其状态空间形式如下：

量测方程:

ln(SA)t=sv1t×ln(RP)t+

sv2t×ln(PDI)t+sv3t×RIt+sv4t×CPt+ut,

ln(FA)t=cv1t×ln(RP)t+cv2t×

RIt+cv3t×ln(ML)t+cv4t×ln(GDP)t+ηt,

状态方程:

ln(RP)t=ln(RP)t-1,

式中:状态变量ln(RP)t为取对数的商品房基础价值，由供给与需求共同决定.通过状态空间模型求出商品房基础价值，再将实际价格序列对数值减去基础价值序列对数值得下式，即为实际价格对基础价值的偏移率，用其衡量房地产泡沫程度.

ln(HP)t-ln(RP)t=ln(HPt/RPt)=

ln(1+(HPt-RPt)/RPt)≈

(HPt-RPt)/RPt.

(3)

2.2 泡沫测度

2.2.1 协整检验

为避免伪回归，状态空间模型需对变量序列进行平稳性或者变量之间协整检验.本文首先对选取变量进行ADF平稳性检验，检验模型选取带截距项和趋势项模型，并运用AIC最小信息准则选取ADF检验滞后项，检验结果表明所有变量的水平值均是非平稳的，而一阶差分后即变量的增长率均是平稳的，说明各变量的对数序列均为一阶单整序列，可进行协整检验.本文采用Johansen法进行协整关系检验，检验结果如表2所示.协整检验结果表明各变量之间存在着长期稳定的关系.

表2 协整检验结果

2.2.2 商品房基础价值测度

依据上文构建的状态空间模型对商品房基础价值进行测度,并将商品房实际价格、基础价值以及实际价格对基础价值的偏移率进行汇总，结果如表3—5所示.价格偏移率随时间变化的趋势如图1、图2所示.

图1 中部地区新一线城市实际价格对基础价值的偏移率(1998—2018年)

图2 西部地区新一线城市实际价格对基础价值的偏移率(1998—2018年)

表3 中部地区新一线城市商品房基础价值测度结果 单位：元/平方米

表4 西部地区新一线城市商品房基础价值测度结果 单位：元/平方米

表5 中西部新一线城市商品房价格偏移率汇总 单位：%

2.3 商品房价格泡沫测度结果评价

2.3.1 中、西部新一线城市商品价格波动差异明显

由图1、图2可见，2004年以后，新一线城市商品房价格偏移率呈现急速上涨态势，且西部新一线城市商品房价波幅明显强于中部地区新一线城市.其中西部地区重庆市、成都市波动趋势相似，中部地区武汉市、郑州市波动趋势相似.2004至2018年间，新一线城市商品房价格偏移率均值差异明显.商品房价格偏移率均值最大城市为武汉市，达到20.45%，而长沙市商品房价格偏移率为-2.44%.长沙商品房价格偏移率在中西部新一线城市中最小，这与实际状况相符，说明本文的程度结果具有一定的可信度.2008年的商品房价格泡沫达到小峰值，这是因为金融危机导致全球经济不景气，我国财政部、国家税务总局和央行出台政策，降低存款金融利率，减免税费，降低房贷首付，这也标志着房地产全面救市的开始.2010年“国十一条”“新国四条”“新国十条”以及限购令的正式出台等，致使各地商品房价格暴涨，进一步推高了商品房价格泡沫.2010年以后房地产价格泡沫逐渐下降，尤其是重庆市2011年率先进行房产税的试运行，导致其商品房价格泡沫下降幅度最大.2012年由于银行信贷收紧以及“国五条”正式出台，明确提出将扩大房地产税改革试点范围，商品房价格泡沫出现小幅上涨.2014年房价崩盘论在市场流行，央媒也发文托预期，“9·30”房贷新政出台，首付比例降低，除北京、上海、广州、深圳、三亚等5个城市外，绝大部分城市解除限购，降低了商品房市场预期，各地商品房价格泡沫一降再降.2014年以后，“去库存”“房住不炒”“稳地价、稳房价、稳预期”的政策指示接连公布，但由于并没有实质性的救市行为，商品房价格泡沫仍然保持低增速的持续上涨.

2.3.2 中部新一线城市商品房价格出现分化

由2004年至2018年的《中国房地产统计年鉴》《武汉统计年鉴》以及《长沙统计年鉴》可知，武汉市商品房销售价格从2004年的2516元/平方米上涨至13 109元/平方米，涨幅达到421.03%，年均增长12.51%，而武汉市商品房基础价值年均增长9.94%，低于实际房价的年均增长率.并且武汉市低收入人口的可支配收入年均增长率为9.18%，远低于实际房价的涨幅，说明这对于人数最多的中低收入人群来说，自身收入已无法承担高速增长的房价，这会在一定程度上阻碍外来务工人员的流入，抑制城市化过程和加大社会不公平，对武汉的发展产生不利影响.武汉于2019年末开始爆发新冠疫情，2020年初开始全面抗疫，封城管控，全城经济全面停滞.即便如此，2020年武汉的商品房价格依旧与上年相比只下降了14元/平方米，而武汉人均可支配收入却从51 706元降至50 362元.从学界公认的房价收入比的角度看，武汉2020年的商品房价格泡沫现象并未出现好转.而对于长沙市而言，其中低收入人群的可支配收入年均增长率为11.53%高于实际房价的年均增长率10.46%，并且2018年长沙市的人均可支配收入为50 792元相较于武汉市高出3433元，但每平方房价却比武汉市低4892元，这足以说明长沙市居民的购房压力相比其他城市要小，居民幸福度也会因此得到提升，并且也有利于推动长沙的城市建设与发展，维护社会公平.

2.4 商品房价格偏移率平稳性检验

要判断房地产市场是否存在泡沫，需通过对商品房价格偏移率进行平稳性检验识别.通过AIC最小信息准则选取检验滞后项利用ADF检验可知，除长沙市之外，其余5个城市商品房价格偏移率均为非平稳的，通过一阶差分后平稳，即商品房价格偏移率是I(1)序列.这表明商品房实际价格对基础价值的偏离并不是遵循随机游走过程，这种偏离是非平稳偏移，即商品房市场的价格泡沫出现.检验结果如表6所示.

表6 商品房价格偏移率的ADF检验

虽然除长沙市外的5个中西部新一线城市均出现了不同程度的泡沫，但存在商品房价格泡沫并不意味着一定会严重危及金融体系.只有当泡沫出现破裂，即商品房价格大幅度下跌的时候，才会造成严重的金融风险，危害我国金融体系的健康发展，甚至可能出现金融危机.张斌[12]认为居民部门利息保障倍数是预测商品房价格是否大跌的关键指标.基于大量国际经验表明，当该指标低于1.5的临界值时，才可能会导致商品房价格大跌和居民部门债务困境.借鉴张斌[12]的做法，用居民储蓄与居民债务利息的比值代表居民部门利息保障倍数，而贷款利率根据加权平均得到.测得的各新一线城市居民利息保障倍数，结果如表7所示.

表7 居民部门利息保障倍数测度结果

由表7可知，各新一线城市的居民部门利息保障倍数均大于临界值1.5，因此并不会出现商品房价格大幅度下跌的现象.其中西安市和成都市的居民部门利息保障倍数波动不大，较为稳定.而武汉市、郑州市以及重庆市的居民部门利息保障倍数波动明显，且呈现递减趋势.因此各地政府应当严格管控商品房价格，防范泡沫程度进一步加深以及泡沫破裂给金融体系所带来的极大危害.

3 商品房价格影响因素分析

3.1 变量选取

商品房价格偏移率非平稳波动导致商品房价格泡沫的出现，但各城市的房地产市场状况不同，泡沫程度也有所差异.若要研究各城市商品房价格泡沫的成因，则有必要对各地商品房价格波动的影响因素展开研究.借鉴沈悦等[13]、夏凯丽等[15]、郑宁等[16]、宋婧[17]、武田艳等[18]、徐舒等[19]的研究成果，选取商品房价格波动的影响因素.

商品房竣工造价(FP).是指商品房竣工价值与商品房竣工面积之比，表示单位竣工面积的土地与建筑成本.商品房竣工造价反映商品房开发成本，与商品房基础价值具有内在联系.若商品房竣工造价攀升，房地产开发商为了维持或增加自身利润会进一步提高商品房价格.

商品房出租面积(RA).指在报告期期末已出租的商品房屋的全部面积.商品房出租面积间接反映房屋的需求量.出租面积增加，表示一部分购房者转为租房者，降低了商品房的购房需求，进而削弱了商品房价格上涨预期.

土地增值税(TAX).指转让国有土地使用权、地上的建筑物及其附着物并取得收入的单位和个人，以转让所取得的收入包括货币收入、实物收入和其他收入为计税依据向国家缴纳的一种税赋.土地增值税直接增加房地产开发成本.房地产开发商为了保证自身收益而提高商品房价格，向购房者将其嫁给.

金融深化程度(DP).参照沈悦等[13]的做法用“金融机构贷款余额/GDP”衡量金融深化程度.金融深化程度增强，一方面会降低购房者资金获取难度，扩大商品房需求，商品房价格上涨；另一方面开发商融资相对容易，助推房地产投资规模.两者共同作用的结果会推动房地产价格上涨.

年末常住人口数(PEO).指实际经常居住在某地区半年以上的人口.在其他条件不变的情况下，人口增加会在一定程度上增加对商品房需求，引发商品房价格上涨.

城镇人均可支配收入基尼系数(CG).参照徐虹等[14]的做法，计算公式为CG=P2-P1；P1=城乡最低收入组的人均收入×20%÷人均收入，P2=城乡最高收入组的人均收入×20%÷人均收入，收入分配差距与商品房价格持续攀升存在内在联系.随着收入分配差距扩大，利润最大化行为驱使房地产商将市场锁定高收入家庭，等价于将低收入家庭排除房地产市场，形成商品房价格在高位运行.

城镇登记失业率(UR).指城镇登记失业人数同城镇从业人数与城镇登记失业人数之和之比.失业率从反向可以衡量某地区在一定时期人口从业情况，间接衡量具有购房能力的人数.失业率越低，具有购房能力的人数越多，对商品房需求增大，导致商品房价格上涨.

3.2 模型估计结果及评价

本文依据选取的变量设定模型如下：

lnHP=β0+β1lnFP+β2lnRA+β3lnTAX+

β4DP+β5lnPEO+β6CG+β7UR+ε,

(4)

式中：FP、RA、TAX、DP、PEO、CG、UR分别表示商品房竣工造价、商品房出租面积、土地增值税、金融深化程度、年末常住人口数、城镇人均可支配收入基尼系数以及城镇登记失业率.

为了消除量纲和数量级的差异，对部分变量进行对数化处理.βi(i=1,2,…，7)为待估计参数，ε为随机误差项.数据均来自1998至2018年的《中国房地产统计年鉴》以及各城市统计年鉴.为增加结论的可靠性，本文使用逐步回归模型及个体固定效应模型估计结果如表8所示，其中个体固定效应模型作为逐步回归模型的稳健性检验，结果显示两种回归方法得出的结论相一致，这表明本文的结果具有一定的稳健性.

表8 模型估计结果

3.2.1 商品房需求对价格的影响比供给更为显著

城镇登记失业率与商品房出租面积从侧面反映了商品房的购房需求，对商品房价格具有负向影响，这与夏凯丽等[15]的研究结论一致.金融深化程度和年末常住人口数对商品房价格具有正向影响，与沈悦等[13]、郑宁等[16]的研究结论一致.从购房者的角度看，金融深化程度加强与年末常住人口数增加均会进一步扩大对商品房的需求.年末常住人口数的增加，购房人数会随之增加，进而助推商品房价格；金融深化程度加强会降低购房者资金获取难度，进一步扩大商品房需求，推高商品房价格.

3.2.2 房地产开发成本对商品房价格具有正向影响

商品房竣工造价与土地增值税均反映了房地产的开发成本.开发成本上升，房地产开发商为了维持或增加自身利润会进一步提高商品房价格.商品房竣工造价和土地增值税虽然对各地区商品房价格变化贡献度不同，但均与商品房价格成正相关，是推动商品房价格上涨的重要因素，与宋婧[17]、武田艳等[18]的研究结论一致.

3.2.3 城镇人均可支配收入基尼系数对各城市商品房价格均为正向影响

这与徐舒等[19]的研究结论一致.但这一变量并非通过影响商品房的供给与需求作用于商品房价格，而是通过改变房地产市场目标影响商品房价格.利润最大化行为驱使房地产商将市场目标锁定高收入家庭，等价于将低收入家庭排除房地产市场，形成商品房价格在高位运行.

3.3 商品房价格短期波动与长期均衡价格的偏移度分析

由于新一线城市商品房价格短期波动明显，故需建立误差修正模型(ECM)来分析商品房价格短期波动与长期均衡之间的偏移程度.上文模型中的变量经ADF检验均为一阶单整序列，故采用Johansen法进行协整检验，结果如表9所示.误差修正模型估计结果如表10所示.

表9 协整检验结果

表10 误差修正模型结果

商品房价格短期波动偏离长期均衡价格.由表10可见，误差修正项系数为负且较为显著，符合反向修正机制，且修正力度较大，说明各城市商品房价格短期波动与长期均衡偏离程度较高.短期内商品房价格变化不仅受上述因素影响，还受上期商品房价格偏离均衡水平影响.短期内商品房价格变化不仅受商品房竣工造价、金融深化程度、城镇人均可支配收入基尼系数、城镇登记失业率及年末常住人口数的影响，而且还受上期商品房价格偏离均衡水平影响.

4 结论与建议

本文将不可观测的商品房基础价值作为状态变量，纳入基于商品房供求而建立的状态空间模型，对中西部地区新一线城市房价泡沫分析得出：2004年以来，除长沙市外，西安、重庆、成都、郑州及武汉等新一线城市商品房价泡沫均呈现加剧态势，2004至2018年泡沫程度平均达到20.45%；商品房房价泡沫在城市之间既存在异质性，又有相似性，武汉市最为严重，重庆、成都两市波动趋势相似，武汉、郑州两市波动趋势相似.对商品房价影响因素分析可知：市场需求以及开发成本是影响商品房价波动的核心因素；竣工造价对长期房价波动影响较大，而对短期房价波动影响较小.为控制商品房价格持续上涨，防范商品房价格泡沫化加剧，提出以下建议：

第一，坚持“房住不炒”定位，建立稳定房价的长效机制.党和政府的工作报告一直强调“房子是用来住的、不是用来炒的”，这是党和政府对房地产市场的工作理念.各地政府应夯实城市政府主体责任，坚持“房子是用来住的，不是用来炒的”的定位，综合运用金融、土地、财税、投资、立法等手段，加快建立多主体供应、多渠道保障、租购并举的住房制度，并全面落实因城施策，稳地价、稳房价、稳预期的长效管理调控机制以保持房地产市场调控政策的连续性和稳定性，达到抑制房地产泡沫，促进房地产市场平稳健康发展目的.

第二，完善住房租赁市场，加大高房价城市租赁房供给.各地政府应高度重视培育和发展住房租赁市场、加快实施城市更新以有效盘活存量住房资源，有序扩大城市租赁住房供给，并在加快完善长租房政策以及逐步推动住房租购同权的同时降低住房租赁税负，整顿租赁市场秩序，以保证住房租赁市场规范发展.并以人口流入多，房价高的城市为重点，扩大保障性租赁住房供给，着力解决困难群体与新市民住房问题，达到从供给端抑制房价泡沫目的.

第三，提高城郊居民购房能力，吸引人口向二、三线城市转移.中心城市和城市群人口与经济总量占全国七成以上，已然成为目前承载各种发展要素的主要空间形式.人口基数越大意味着房地产市场需求越旺盛，故强调中心城市带动周边城市发展，城市群内部大中小城市协同发展，吸引人口向二、三线城市迁移，可以有效缓解因房地产市场需求增加导致的房价上行压力，达到从需求端抑制房价泡沫目的.

第四，推动金融、房地产与实体经济均衡发展，破解新一线城市房地产“虹吸效应”.高房价会带来虹吸效应，导致社会资源配置失衡，贫富分化程度加深，房地产泡沫加剧等社会问题.新一线城市“虹吸效应”已出现圈层外扩，高房价蔓延至部分省会城市、二线城市.而房地产“虹吸效应”也直接导致实体经济融资成本和生产成本的提高，造成实体经济发展困境.因此应通过公共服务、产业发展、户籍制度、基础设施方面的整体规划来打破新一线城市房地产“虹吸效应”，推动金融、房地产同实体经济均衡发展.

第五，促进房地产业良性循环和房地产市场健康发展.由于房地产业的过度负债和泡沫持续过大，挤压房地产泡沫是一个持久痛苦的过程，特别是在恒大房地产暴雷这一突出事件的商品房价格下降过程中，给房地产业敲响了警钟.各地政府应该严管房地产业，如武汉市于2022年2月1日实施房地产新规——《武汉市房地产开发企业信用监管办法》，此规定将炒作学区房纳入监管.政府对房地产调控政策连续性要保持稳定，做好住房供地保障，筹集建设保障性租赁住房、竣工各类保障房，调整建设标准和配租办法.同时加强住房租赁市场管理，促进房地产业良性循环和健康发展.