市场供应在热市时的效果

李乃　佳程天富　蔡怡纯^[1]

摘　要:本文主要检测政府的土地供应对热市(Hot market)中的房价波动之影响。假设住房市场中只有两种类型的住屋(低所得和高所得住屋),增加土地供应将会导致房市场中期价格进一步上升。使用新加坡住屋样本进行实证分析,我们使用向量误差修正模型检测房价变动。我们的结果显示,在热市情形下,房市存量的增加对于房价有正向显著的影响。前一期自我引发的效应对当期上涨市场之价格变动的影响比对下跌市场来得强烈。本文的结果说明,房屋市场上过度的转售活动所引导的房价上涨,对社会和经济起着负面影响。

关键词:价格上涨　家户流动　无谓的移转　状态转变　向量误差修正模型

一、前言

许多研究房地产的文章一般都以社会或投资的角度切入。房地产的多重面向的特性,对公共政策的规划和决策者而言,将带来不少的困难和挑战。确保有足够可负担房地产的供应是政府面对的一个重大责任。对于开发与投资者来说,政府也必须同时确保房地产市场操作的透明性和独立性。房地产是新加坡居民的主要资产,政府也有责任保护房地产的价值,不受不合理折价因素主导。

其中一个可以保持房地产市场的可持性发展,同时又不影响民众的可负担能力的方法,就是为低收入家庭提供公共住屋。可是,美国和英国等一些先进国家的政府已逐步取消这一类公共住屋计划。取而代之的是为低收入家庭提供住屋补助与津贴。有几个原因可能促使这项政策方向的转变。(1)在美国和英国,人们对公共住屋存有不好印象,低收入家庭不愿意接受它。一些荒废的公共住屋变成了不道德行为与犯罪活动的温床。(2)公共基金的短缺是公共住屋计划必须面对的一大障碍,政府在资金分配上必须做一些取舍,将资源投入比公共住屋更重要的公共建设上,如教育等。澳洲政府就曾在经济衰退时,减少花在维修公共住屋的庞大开销。

住屋补助与津贴是从需求面来解决负担能力的一项策略。但是,许多政府还持续使用供给面的策略来维持市场的稳定性。于1995年与2009年的两段房地产热市期,新加坡政府以出售土地的方法来缓解房子供不应求的问题,避免因房价过快升值而导致市场过热的情形。中国香港也在最近通过提供更多土地的方式来冷却市场。在热市中,供给面策略常被优先执行,从限制着手的需求面策略反而不被青睐。一些限制需求的政策,如最低额度贷款对价值的比率,所得对偿还负债的比率等,都在供给面策略无法成功冷却市场后才被选用。

大部分文献偏重于需求主导房地产市场价格波动的相关理论。有一个学派认为,高交易成本与限制短期卖出是造成房价偏离基本面的主因(Meeseand Wallace,1994;Rosenthal,1989),此隐含使交易更平稳的需求面策略将会降低多余的投机行为。另一学派的理论认为,在短暂与善变的热市中,非理性(Case和Shiller,1988,1990)与权益限制(Stein,1995)是导致价格暴涨的原因。

另外,有些研究认为,房价影响新房子的建造,Topel and Rosen(1988)解释价格波动度影响与实质资源使用有关的新房子建造。Mayer和Somerville(2000)使用的城市成长模型发现,当实质价格增加10%,房市存量将上升0.8%。到目前为止,探讨房市供给或新存量增加如何改变市场均衡的研究并不多。Wheaton(1990)的搜寻理论隐含着新住宅存量的增加会提高空屋率,增加搜寻效率会减低房屋的成本价格。他的理论也适用于解释房屋所有人如何影响销售单位的供给关系。

Glaeser等(2008)的近期研究,比较了美国各州的房地产在泡沫时的供给弹性,在他们的动态模型中,需求来自新的房屋购买者,供给来自开发商和现存的房屋持有人。他们将泡沫解释为购买者对于未来价格带着不理性的预测,造成短期需求量的增加。他们发现如果供给弹性力弱,泡沫的存续期间会更长。在相同的研究中,他们认为,财务学家与经济学者的泡沫理论并不适用于房地产市场,因为房地产市场里,新房子的建造会直接反应价格上升。

这份对于美国的研究可能并不适用于很多亚洲国家。因为亚洲国家政府控制了土地的供应,而且大部分亚洲市场是以房屋持有人为主。在美国,拥屋者的相互转移需求(owntoown moves),占了40%的市场,现存房屋持有人的需求对市场有一定程度的影响。

本文使用新加坡的房地产市场作为研究样本,去测试理论的假说。由于新加坡的公共住屋市场与私人房地产市场是两个并存系统,而公共住屋在保留一段时间之后,可以在次级市场自由交易(Lee和Ong,2005)。而且新加坡是个岛国,劳力流动性所到来的变动,没有如其他理论所提及般的频密(Hughes和McCormick,1981;1985 a和b,1987;Clark和Onaka,1983;Henley,1998)。Bardhan等(2003)发现,私人房地产的流动性与新加坡的市场实证吻合,我们亦采用Ortalomagne和Rady(2004,2006)的房产阶梯现象,来助于解释房地产向上移动的情况。虽然不完美,新加坡的房地产市场非常适合我们的实证研究。

二、住宅流动性模型的推论

在本篇的住宅流动性模型是以OrtaloMagne和Rady(2004,2006)阶梯现象(the housing ladder)为基础。不同的是我们将其简化成只有两种住宅:低所得住宅与高所得住宅并存的市场。我们也假设社会上分别存在着两种群体:现有成屋的住户(拥屋者)与等待购房的人(潜在拥屋者)。

除了将市场分成两个部分,我们也强调住宅的投资面。与Glaeseret等(2008)的模型类似,供给面政策会影响价格变动的不理性预期。我们着重于讨论政府使用供给面的降温政策所造成的影响,这样的政策会如何影响家庭的住宅消费行为及价格变动。我们也探讨投资动机和决策行为。我们提出下面3个推论:

推论1

潜在购屋者的数量增加,会促使低收入住宅房市与高收入住宅房市的价格同时上升。而高收入住宅房价格的上升,主因是现有低收入家庭的住屋提升的需求增加所致。改善住宅负担能力或降低低收入住宅的价格,增加低收入住宅的生产是一个解决良策。假设政府决定供应低廉的土地,随着土地供给的充足,土地的必要报酬率会随之降低;当土地租金低廉时,开发商首先会满足那些升级者,因为高收入住宅相对于低收入住宅有着较好的边际产出收益。

推论2

如增加高收入住宅的供应量是有限的,供给的增加会带动高收入住宅房价的增长。如果政府的土地供应充足的话,价格的上升(下降)会促进(抑制)新供给的产生,开发商便会增加(减少)生产量,而更少(更多)的潜在购屋者会进场购买,更多的现有屋主也会进行交易。如果我们假设都市划分法规限制新的高收入住宅数量,而潜在购屋者比现有屋主的人数较多,供给增加会导致价格下降。Lai和Wang(1999)在用香港的实证时发现,土地供应没有对房价有显著的负面影响。

推论3

如果低收入住宅的供给,不会受到高收入住宅供应的影响,那么投资者在高收入住宅房市的增加,便不会对低收入住宅市场产生影响。

三、资料分析

(一)资料来源

我们采用新加坡房市的资料来探讨热市供给对房价所造成的影响。我们从新加坡市区重建局(Urban Redevelopment Authority,URA)的数据库,收集了房价指数、可用存量与空屋资料的时间序列资料。我们也收集了新加坡建屋发展局(Housing and Development Board,HDB)的公共住宅再转售价格指数。其他宏观经济变数,如贷款的基准利率、人口、国内生产毛额成长率都由Datastream取得。由于HDB转售市场指数是从1990年第一季度开始发布,因此我们的资料从1990年第一季度至2009年第四季度。我们计算空屋率、将私人和开始转售的房价取自然对数后一阶差分,然后再将它们乘上100,以进行后续的分析。表1叙述各变数的资料。

表1　资料描述和来源

(二)叙述统计

表2为各变数的叙述统计,表3为各变数的相关系数矩阵。新加坡的私人可用房屋存量由最低的56329到最高的249530,本篇使用这可用住宅存量的变动来表示每季市场的净供给量,并且净供给包含拆除现有单位与新建单位,平均每季的房屋存量净增量为1730.32;而由URA取得的空屋单位资料显示出此数值很稳定,平均而言为12053,仅占市场上房屋存量的7.25%。

表2　叙述統计

在表3的相关系数矩阵中,私人住宅价格指数与总存量的相关系数为0.524,与空屋存量的相关系数则为0.329,而有趣的是市场房屋存量与开售价格指数(0.813)和总人口(0.963)都有着较高的相关系数;人口的增加会增加私人住宅的需求,也会增加流动性,因此便可以解释两者之间的高相关性。高相关性也可以在空屋存量与开售房价间的0.692、人口的0.794以及总房屋存量的0.894看到,这样的结果可能代表着市场会透过空屋存量来进行误差修正。

表3　相关性分析

(三)房价与可用住宅存量变动

我们将私人住宅房价变动与住宅存量变动分别画出图1与图2,时间由1991Q1到2009Q3。可以发现,在1997年亚洲金融风暴时,在私人与开售房价间受到负向冲击,而且私人住宅的净供给在那段时间处于高档;这样的负向关系也同样出现在2007年后的次贷危机,当时房价反弹了,净供给则处在历史最低点,与1999年相同,市场增加许多新的住宅单位抑制了房价的上升。而说到房价与空屋率,在1997年与2007年都面临价格谷底以及高空屋率的现象,然而在1999年却发现不同的现象,价格反弹却没有伴随着空屋率的下降。根据价格与供给的历史趋势,特别是在超额冲击与价格供给负向关系被打破时期,我们预期会有状态转换的情况发生,因此在我们的模型下,住宅市场的动态提供了一个管道去检验供给理论。

图1　私人和开售房价指数及净私人房市供给

图2　房价和空屋对房市存量的比率

(四)单位根检验

接下来我们利用ADF单根检定来观察各变数原始资料与一阶差分是否呈现定态,以SIC准则来判断滞后期数,单根检定的信心水准为5%。在表4中可以看到各变数的单根检定结果,除贷款基础利率与人口不同,其他皆为一阶差分呈定态,而贷款基础利率为I(0),人口则为I(2)。

表4　ADF单根检定

在OrtaloMagne和Rady(2004,2006)的房市移转(迁移)模型中,他们没有提到房市流动性会导致价格上升,但他们区分市场中新的和现有的房屋单位。除非,在每一时间点,市场中存有闲置库存,梯级式的住房提升需求可能会增加市场价格的压力,这可能会增加刚开始的住屋拥有者的流动性限制。进入新市场的额外住宅也可能会对房价有负面影响,新单位住屋会提供家庭更多替代选择。

价格上涨降低家计单位的流动性限制,他们可利用现有房产中获得的权益收益,在移转过程中增加他们对房屋的消费。家计单位的迁移,在大多数案例中包含不止一个家计单位。借由销售和购买,家计单位在旧房子和新房子之间转换他们的房产财富;在柏拉图最适解下,他们从销售现有房产所获得的收益意味着新买家的损失,这些买家必须在得到相同房子下支付较高的价格。有两种情况下新买家可能会产生社会福利损失:首先,在供不应求的市场中,缺乏弹性的供给、物价上涨引起的流动性不会增加新的住房存量;其次,供给增加是伴随着需求的增加,推动价格高于均衡水平。在上述两种情况下的价格上涨,会对市场造成显著的社会成本(社会福利损失)。我们认为这是住屋市场一场“耗费的纷扰”,即无谓的移转的过程。

在类似的情况下,Bardhan等(2003)使用多元自我回归移动平均模型研究了向上流动性。我们进一步使用共整合模型及较长的时间序列做延伸,并分析状态转变模型下的因果关系。Glaeser等(2008)使用联合地理服务(United Geographic Service)去看空置土地的斜率作为土地弹性的地理变数。Wang等(2012)也用了中国35个城市的数据研究了房屋供应对价格弹性度的问题。

1.房价和供给的向量误差修正模型

我们借由设定房价和房市存量在向量误差修正模型结构之下的关系,测试“无谓的移转”的过程,矩阵的形式如下:

式中,DY是内生变数一阶差分的向量,这些变数包括私人房价改变(DPPPRICE)和房市存量改变(DSTOCK);X是外生变数矩阵,包含开售房价、贷款基础利率、GDP成长、人口和空屋率;x是误差修正向量;a,b,c和F是矩阵的估计系数;ε是向量误差修正模型的残差向量。

回归的结果整理呈现于表5。结果显示,过去的私人价格变动对于当期的价格变动有显著的影响。两个自我回归房价项都至少在显著水准1%下有高度的显著。滞后一季的价格和当期的价格有高度的显著关系,而滞后二季的价格则对当期的房价有显著的均数复归效应。我们同时发现,现在的开售房价改变和现在的私人房价改变有显著正向关系。这结果表示价格发现的过程是由开售住宅到私人住宅的家计单位流动性所产生的。然而,房市供给的模型显示,现在的房市存量和过去的房市存量之间并无显著关系。这一结果表明,房市存量的改变是缺乏弹性的。滞后期的房价上升对房市的新供给并无显著影响。然而,误差修正项在房市供给模型1b和3b中是显著的,同时在私人房价改变模型2a中也是显著的。

这一结果和我们的“无谓的移转”解释一致,在之前我们推论,价格增加是由于房市财富从较低的梯级住房转移到较高的梯级住房,这反过来又使现有的住房上的梯级住房“移转”,以赚取资本收益进行更大的消费。移转的住房存量中,并不会增加新的供应。然而,当价格和房屋库存的变化与基本面相差太远,住房存量和住房价格的短期调整也可能会出现。

表5　向量误差修正模型的回归結果

Note:numbers in squared bracket are the t-statistics.

2.状态改变的住房转移

在现有的房市中,价格获利提供了必要的流动性使家计单位提高了房屋阶梯,亦即让住房升级。当市场越来越繁荣时,会有越来越多的财富累积,我们预期家计单位会增加房市消费。在市场低迷时,住房之间移转活动的动机会相对较低。这和Krainer(2001)的冷市场(cold market)一致,其特点是价格下降、流动性差和较低的交易量。在图2中有两次下跌的房价风暴期间,分别是1997年和2007年,也是伴随着住宅市场的高度供给和空屋率。利用新加坡私人房价波动的动态分析,Chang等(2012)发现,牛市(boom market)和熊市(bust market)房价的变化是有显著差别的。

我们使用未观察到的随机变数S_t,表示市场在t时间点的两个不同情况,当[S_t=0]表示一个低迷的市场(cold),而[S_t=1]表示一个繁荣的市场(hot)。家计单位流动性在冷市和热市的不对称效果可用马尔可夫转换动态回归(MarkovSwitching Dynamic Regression,MSDR)表示:

式中,转换系数被考虑在截距项代表、αSt()、滞后房价的改变βmSt(),以及其他控制变数Z、δnSt()。而其他外生变数是独立于市场状态的,且由矩阵X表示,这些变数的价格弹性呈现于向量γ。残差项服从常态分配εt～N(0,σ2)。

状态转换由一阶马尔可夫过程表示,转换概率为表示由情况i转换到j的转换概率。概率St只能由最近的值St-1决定。

F包含一个观察资讯的向量,可以用来估计房价变动。

表6总结了MSDR模型的估计结果。从MSDR模型(4)中可以看到,它允许平均数及近期房市存量改变有随时间变动的过程。图3呈现MSDR模型(4)的私人房价变动的估计值和误差。在两个不同状态中,S_t=0(波动度低)和S_t=1(波动度高)也呈现在图形的第2列。我们观察价格波动度高的四个期间:1991～1992年、1994年、1999年、2009年,在这些期间我们称作典型热市,即有房市价格报酬高的特征(如图2所示)。我们发现,当冷市时,房市存量增加对于房价变动有负向影响。新供给和房价的负向关系反映了一般房市趋于均衡的调整过程。然而,在波动度高的状态,新供给和房价却有着显著的正向关系。我们不能排除有投机房市活动的可能,热市中增加的房市存量会产生更多的价格通胀效果。如同我们理论模型所讨论的。新供给提供了途径,使现有的房主移动,并降低了相关的搜索成本。此外,新的供给提供了更昂贵的功能,通常无法被指数捕捉。这将迫使现有的屋主提出更高的价格。新的屋主面临更多流动性限制来决定内部不动产选择,而且内部房屋转换的结果,最终可能使他们的资产财富被锁在更昂贵的房子。供给推动价格上升使得无谓的房市移转发生。

表6　马尔可夫转换动态回归模型

续表

注:***表示在1%水平下显著;**表示在5%水平下显著;*表示在10%水平下显著。

表6之模型4中捕捉当期开售房价状态改变的效果。结果显示,由开售房价至私人房价的价格发现的功能仅在低波动性的市场中被观察到。同样的交易现象在热市中所造成的私人房市价涨情况并不显著。这些结果说明,开售市场中的家计单位在热市中可能受到的流动性限制较明显,也阻隔了他们向上迁移的决策。

图3　马尔可夫转换回归(模型4)

在模型5中,我们估计随时间变异的价格过程,观察房价变动是否会有落后一季或两季的自我相关。在模型中,增加的房市存量被使用作为控制变数,造成房价过程的负向调整。而滞后一季的房价是显著与当期房价相关的,不管是在高或低的波动性的模型中,都是得到这样的结果。然而,这样的相关在热市中是比在冷市中更为明显的。此结果说明,向上迁移的行为在热市中造成了较高的房价上涨。此价格的上扬可能是由投机活动所致,假设价格持续上升,让家计单位因为流动性限制,被迫在租屋市场中无法拥屋,会对社会福利带来不好的影响。在高度流动性状态中,我们预期落后两期房价对于当期房价会有显著的均数复归效果。

在模型6中,我们运用滞后两季的政府招标土地出让数据作为制度转换变量,结果显示,土地出让仅在高波动性(“热”)的制度下对房价有显著的负面影响。结果表明土地出让规划不会在“冷”市场中对房价产生显著影响。

四、结论

本篇研究为政府处理住宅负担的问题、“热市”和投机市场的影响,提供了一些政策应用。透过增加供给,房价上升,因为较低的搜寻成本,增加了住宅升级的向上流动性。使用新加坡的房市进行实证研究,我们发现实证结果证实了我们的假设。这也证实了过去的理论,需求限制在冷却市场较为有用。不幸的是,需求面的政策往往不太受欢迎,并会增加拥屋者的使用成本。

然而,由实证结果可以看到,供给面的策略在长期之下也是有用的。由于时间滞后的关系,政府在时间压力下,可能无法立即观察到影响。在新加坡的案例中,有进一步的禁售规定,这可能导致市场供给缺口,且当禁售令到期时,价格会显著下跌。

我们的模型和实证有些限制。首先,我们的模型是静态的,它无法捕捉在动态情况下是如何变化的。其次,为了方便处理,我们没有考量开发商拥有的实质选择权。最后,根据很多的区域研究相关文献,土地供给的释放可能是内生决定的,而且需要考虑更多的影响范围。不过,在我们模型的结果中,这可能不是那么显著。

参考文献

[1]Bardhan,A.D.,Datta,R.,Edelstein,R.H.,and Lum,S.K.2003,A tale of two sectors:upward mobility and the private housing market in Singapore[J].Journal of Housing Economics,12:83-105.

[2]Case,K.E.and Shiller.R.J.1988,The Behavior of Home Buyers in Boom and Post-boom Markets[J].New England Economic Review,November/December,29-46.

[3]Case,K.E.and Shiller,R.J.,1990,Forecasting Prices and Excess Returns in the Housing Market[J].AREUEA Journal,18(3):253-273.

[4]Chang,K.L.,Chen,N.K.and Leung,C.K.Y.,2012,The Dynamics of Housing Return in Singapore:How Important are the International Transmission Mechanisms?[J].Regional Science and Urban Economics,42:516-530.

[5]Chang,K.L.,Chen,N.K.and Leung,C.K.Y.,2013,In the Shadow of the United States:The International Transmission Effect of Asset Returns[J].Pacific Economic Review,18(1):1-40.

[6]Clark,W.A.V.and Onaka,J.L.1983,Life Cycle and Housing Adjustment as Explanations of Residential Mobility[J].Urban Studies,20:47-57.

[7]Glaeser,L.Edward,Gyourko,and Saiz,Albert. 2008.Housing Supply and Housing Bubbles[J].Journal of Urban Economics,64(2):198-217.

[8]Henley,A.1998,Residential Mobility,Housing Equity and the Labour Market[J].Economic Journal,108(447):414-428.

[9]Hughes,G.A.and McCormick,B.1981,Do Council Housing Policies Reduce Migration between Regions[J].Economic Journal,91:919-939.

[10]Hughes,G.A.and McCormick,B.1985a,“Migration Intentions in the UK”[J].Economic Journal,95:113-123.

[11]Hughes,G.A.and McCormick,B.1985b,An Empirical Analysis of OntheJob Search and Job Mobility,The Manchester School working paper.

[12]Hughes,G.A.and McCormick,B.1987,Housing Markets,Unemployment and Labor Market Flexibility in the UK[J].European Economic Review,31:615-641.

[13]Krainer,J.2001,A Theory of Liquidity in Residential Real Estate Markets[J].Journal of Urban Economics,49,32-53.

[14]Lai,N.and Wang,K.,1999,LandSupply Restrictions,Developer Strategies and Housing Policies:The Case in Hong Kong[J].International Real Estate Review,2(1):143-159.

[15]Lee,N.J.and Ong,S.E.2005,Upward mobility,house price volatility and housing equity[J].Journal of Housing Economics,14,127-146.

[16]Mayer,C.and Somerville,T.2000,Land Use Regulation and New Construction?[J].Regional Science and Urban Economics,30:639-662.

[17]Meese,R.,and Wallace,N.,1994,Testing the Present Value Relation for Housing Prices:Should I Leave My House in San Francisco?[J].Journal of Urban Economics,35,245-266.

[18]OrtaloMagne,F.and Rady,S.2004,Housing transactions and macroeconomic fluctuations:a case study of England and Wales[J].Journal of Housing Economics,13,287-303.

[19]OrtaloMagne,F.and Rady,S.2006,Housing market dynamics:on the contribution of income shocks and credit constraints[J].Review of Economic Studies,73,459-485.

[20]Rosenthal,S.S.,1988,A residence time model of housing markets[J].Journal of Public Economics,36:87-109.

[21]Stein,J.C.1995,Prices and trading volume in the housing market:a model with downpayment effects[J].Quarterly Journal of Economics,110:379-406.

[22]Topel,R.and Rosen,S.,1988,Housing Investment in the United States[J].The Journal of Political Economy,94(4):718-740.

[23]Wang,S.,Chan,S.H.and Xu,B.,2012,The Estimation and Determinants of the Price E-lasticity of Housing Supply:Evidence from China[J].Journal of Real Estate Research,34(3):311-344.

[24]Wheaton,W.C.,1990,Vacancy,search,and prices in a housing market matching model[J].Journal of Political Economy,98(6):1270-1292.

The Effect of Market Supply in the Hot Market

Naijia Li,Tianfu Chen,Yichun Cai^[2]

Abstract:This paper mainly examines the effect of land supply of the government on housing price volatility in the hot market.It’s supposed that there are only two kinds of houses(lowincome housing and highincome housing)in the housing market,and increasing land supply will further lead to the rise of housing price.By utilizing Singapore’s housing sample to do empirical analysis,we use the Vector Error Correction Model to detect fluctuation of the housing price.Our conclusion shows that the increase of house stock has a remarkably active effect on house price.The result of this paper explains that house price inflation caused by immoderate resale activities in the house market has a negative effect on society and economy.

Key words:Price rise Household flow Meaningless transfer State transition The vector error correction model

【注释】

[1]李乃佳,新加坡大学国立房地产系。
程天富(通讯作者),副教授,新加坡国立大学房地产系,Email:rststf@nus.edu.sg。
蔡怡纯,台湾高雄大学金融管理系。

[2]Naijia Li,Department of Real Estate,National University of Singapore.
Tianfu Chen,Department of Real Estate,University of Singapore.Email:rststf@nus.edu.sg.
Yichun Cai,National University of Kaosiung.