4.2.2 市場(chǎng)不確定性的測(cè)量 由于房?jī)r(jià)包含著未來項(xiàng)目開發(fā)的現(xiàn)金流，從很大程度上反映了市場(chǎng)上諸多信息，房地產(chǎn)投資期權(quán)理論常采用房?jī)r(jià)波動(dòng)率來反映市場(chǎng)不確定性，因此本文采用新建商品住宅價(jià)格波動(dòng)率來測(cè)量市場(chǎng)不確定性。波動(dòng)率的計(jì)算常使用ARCH族模型方法，但由于樣本數(shù)據(jù)過少，無法得到顯著的ARCH效應(yīng)，為此本文采用類似ARCH模型的思路來計(jì)算房?jī)r(jià)波動(dòng)率。首先建立房?jī)r(jià)預(yù)測(cè)自回歸方程，鑒于項(xiàng)目開發(fā)需要建設(shè)時(shí)間，即項(xiàng)目從動(dòng)工到預(yù)售是需要時(shí)間的，假定這個(gè)時(shí)間統(tǒng)一為3個(gè)月，即開發(fā)商需要根據(jù)上一季度的房?jī)r(jià)來預(yù)測(cè)本月房?jī)r(jià)：

（式7）

t表示月份，j代表34個(gè)大中城市，P為經(jīng)無量綱化處理的房?jī)r(jià)a。對(duì)式7進(jìn)行OLS回歸得殘差ejt，式7中，通過計(jì)算ejt的季度移動(dòng)方差來得到房?jī)r(jià)波動(dòng)率。

（式8）

（式9）

以上計(jì)算公式假定房地產(chǎn)開發(fā)商對(duì)本月房?jī)r(jià)的預(yù)測(cè)依賴于對(duì)過去3個(gè)月房?jī)r(jià)預(yù)測(cè)的準(zhǔn)確度，只有當(dāng)實(shí)際房?jī)r(jià)較大程度的偏離了預(yù)測(cè)的房?jī)r(jià)，

房?jī)r(jià)不確定性

才會(huì)顯著增加，若房地產(chǎn)投資市場(chǎng)存在實(shí)物期權(quán)，那么增加

會(huì)顯著延遲項(xiàng)目開發(fā)時(shí)機(jī)。分城市計(jì)算的房?jī)r(jià)波動(dòng)率結(jié)果統(tǒng)計(jì)描述見表1b。

表1 城市房?jī)r(jià)波動(dòng)率描述性統(tǒng)計(jì)c

Tab.1 Descriptive statistics of city house prices volatility

城市均值最大值最小值標(biāo)準(zhǔn)差觀測(cè)數(shù)

北京18.79195.710.27938.0260

天津8.2939.290.0698.9060

石家莊2.1912.110.0032.6560

太原2.3012.680.0422.7060

沈陽(yáng)2.4310.380.0212.9760

大連7.5057.250.05012.9860

哈爾濱10.3177.040.03016.3160

上海6.3267.420.0099.4860

南京14.81140.420.03928.6460

無錫9.7058.980.01514.8560

4.2.3 政策經(jīng)濟(jì)因素變量 從近年房地產(chǎn)市場(chǎng)密集的宏觀調(diào)控政策來看，貨幣政策是調(diào)控的主要手段，這是因?yàn)榉康禺a(chǎn)業(yè)具有高負(fù)債經(jīng)營(yíng)和大規(guī)模按揭貸款消費(fèi)的特點(diǎn)，深受金融市場(chǎng)的影響。為此，本文運(yùn)用貨幣市場(chǎng)的可觀測(cè)指標(biāo)來間接測(cè)量政策因素。貨幣政策的傳導(dǎo)主要有貨幣渠道和信貸渠道。常用廣義的貨幣供應(yīng)量M2來反映貨幣渠道傳導(dǎo)機(jī)制，M2同比增速反映投資的活躍程度，因此用M2同比增速作為政策因素的第一個(gè)代理變量。反映信貸渠道的常用指標(biāo)是金融機(jī)構(gòu)貸款余額，但其與M2高度相關(guān)，因此選用貸款利率指標(biāo)�；�于國(guó)

①采用均值法來處理房?jī)r(jià)變量，即房?jī)r(jià)除以均值，以消除量綱影響。②由于篇幅有限，表1只列出了10個(gè)城市的月度價(jià)格波動(dòng)率數(shù)據(jù)描述性統(tǒng)計(jì)信息。③表中數(shù)據(jù)均為原始數(shù)據(jù)×10-4。

翟東等：房地產(chǎn)項(xiàng)目開發(fā)時(shí)機(jī)與土地閑置問題研究——基于34個(gè)大中城市面板數(shù)據(jù)的檢驗(yàn)45

內(nèi)房地產(chǎn)開發(fā)貸款一般最長(zhǎng)期限為3年，選用1—3年期貸款利率作為政策因素的第二個(gè)代理變量。發(fā)行央行票據(jù)是中央銀行近年來運(yùn)用最頻繁的貨幣工具，其目的在于直接調(diào)整商業(yè)銀行的可貸資金量。其中3個(gè)月央票由于時(shí)間更短，調(diào)控更為靈活，更能反映市場(chǎng)的變化，因此選用3個(gè)月央票利率作為測(cè)量政策因素的第三個(gè)代理變量。此外，短期央票利率也是國(guó)內(nèi)實(shí)體經(jīng)濟(jì)中的基準(zhǔn)利率，也可以作為無風(fēng)險(xiǎn)利率的代理變量。

投資成本主要指房地產(chǎn)開發(fā)成本，本文選用房屋平均造價(jià)作為開發(fā)成本的代理變量。全國(guó)34個(gè)大中城市的月度房屋造價(jià)信息難以獲取，但鑒于各城市所在省市地區(qū)內(nèi)造價(jià)變動(dòng)差異不大，將國(guó)家統(tǒng)計(jì)局公布的省市地區(qū)月度房屋竣工價(jià)值除以房屋竣工面積得到房屋平均造價(jià)。

租金房?jī)r(jià)比為商品住宅租金價(jià)格與商品住宅銷售價(jià)格之比。計(jì)算時(shí)將月度租金數(shù)值乘以12變成年度租金價(jià)格再除以銷售價(jià)格。

市場(chǎng)形勢(shì)可能會(huì)影響項(xiàng)目投資開發(fā)決策。當(dāng)市場(chǎng)形勢(shì)好時(shí)，開發(fā)商可能會(huì)受到這種氛圍感染，做出非理性的決策。本文選取房?jī)r(jià)和成交量作為反映市場(chǎng)形勢(shì)的指標(biāo)。

所有變量的描述性統(tǒng)計(jì)及預(yù)期見表2。

表2 變量描述性統(tǒng)計(jì)及預(yù)測(cè)符號(hào)

Tab.2 Variable descriptive statistics and expected sign

變量newfeetM2rateinterest1interest2costrentratepricevolume

變量定義

（104 m2）商品住宅開工面積（%）M2同比增速

（%）1—3年期貸款利率（%）3個(gè)月央票利率（104元/m2）單位造價(jià)租金房?jī)r(jià)比

（104元/m2）商品住宅價(jià)格

（104 m2）住宅銷售面積

均值100.26718.0276.1222.3930.1150.0340.92982.548

標(biāo)準(zhǔn)差101.8625.0610.6350.8770.0260.0080.51575.439

最小值0.01512.4005.4000.9650.0420.0190.2960.015

最大值1330.35029.7007.5603.3980.2380.0813.630732.500

+---+++預(yù)期符號(hào)

4.3 模型選擇

為檢驗(yàn)不確定性與項(xiàng)目開發(fā)時(shí)機(jī)的關(guān)系，本文采用34個(gè)大中城市面板數(shù)據(jù)進(jìn)行分析，以增強(qiáng)模型的解釋力和可信度。根據(jù)前述理論分析和選取的變量，構(gòu)建如下計(jì)量模型，為了降低異方差的影響，模型采用對(duì)數(shù)形式。

（式10）

i = 1，N為截面數(shù)，t = 1，T為時(shí)序期數(shù)。為避免偽回歸，式10中，…，…，回歸分析前需檢驗(yàn)數(shù)據(jù)的平穩(wěn)性，本文（同根情形）（異根情形）運(yùn)用Eviews 6.0提供的Levin-Lin-Chu和ADF-Fisher兩種單位根檢驗(yàn)方法對(duì)各變量進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如表3。

由表3中的9個(gè)變量的檢驗(yàn)結(jié)果來看，所有變量都是平穩(wěn)的，據(jù)此判斷面板數(shù)據(jù)具有平穩(wěn)關(guān)系。進(jìn)一步回歸分析前，需根據(jù)研究的數(shù)據(jù)來選擇合適的面板數(shù)據(jù)的模型。常用的面板數(shù)據(jù)模型有3種：混合估計(jì)模型、變截距模型與變系數(shù)模型，一般常用協(xié)方差分析來選擇模型形式。首先，進(jìn)行F檢驗(yàn)，計(jì)算得F2 = 3.616（297，（264，1734）≈1.221，拒絕混合估計(jì)模型，再計(jì)算F1 = 0.133＜F0.011734）≈1.223，接受變截距模＞F0.01

型。接下來利用Eviews 6.0進(jìn)行Hausman檢驗(yàn)，Hausman檢驗(yàn)的原假說是認(rèn)為模型為隨機(jī)效應(yīng)模型，檢驗(yàn)結(jié)果見表4，由于P值顯著異于零，因此拒絕原假設(shè)，模型設(shè)定為固定效應(yīng)模型。綜上可知模型形式應(yīng)選擇固定效應(yīng)變截距模型。

46

表3 面板變量單位根檢驗(yàn)

中國(guó)土地科學(xué) 2015年4月 第4期

Tab.3 Panel variables unit root tests

變量名（newfeet）ln

（hvolatility）ln

（M2rate）ln

（interest1）ln

（interest2）ln（cost）ln

（rentrate）ln（price）ln

（volume）ln

檢驗(yàn)方法LLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADF

I（0）統(tǒng)計(jì)量值-28.16805.64-17.78532.88-20.17194.25-7.89180.72-2.1388.54-13.09279.42-5.30114.27-7.47140.35-21.07651.43

P值（0.00）（0.00）（0.00）（0.00）（0.00）（0.00）（0.00）（0.00）（0.02）（0.04）（0.00）（0.00）（0.00）（0.00）（0.00）（0.00）（0.00）（0.00）

平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)檢驗(yàn)結(jié)論平穩(wěn)

表4 Hausman檢驗(yàn)

Tab.4 Hausman tests

隨機(jī)效應(yīng)

21.3123

8

0.002

4.4 經(jīng)驗(yàn)檢驗(yàn)結(jié)果

根據(jù)上述選擇的模型，利用Eviews 6.0進(jìn)行回歸，考慮到截面之間可能的空間自相關(guān)，采用似不相關(guān)回歸方法（seeming unrelated regression）（1）。結(jié)果如表5第列，尤其關(guān)注的房?jī)r(jià)波動(dòng)率與項(xiàng)目開工量之間在99%的置信水平下呈現(xiàn)出顯著的負(fù)相關(guān)關(guān)系，這驗(yàn)證了實(shí)物期權(quán)的關(guān)鍵假說之一，即市場(chǎng)不確定性增大會(huì)延遲項(xiàng)目開發(fā)時(shí)機(jī)。房?jī)r(jià)波動(dòng)率每提高一個(gè)單位標(biāo)準(zhǔn)差，項(xiàng)目開工量降低11.54%。這與國(guó)內(nèi)外類似研究得出的結(jié)論是一致的，Holland等和Ott與Yi在類似研究中發(fā)現(xiàn)，房?jī)r(jià)不確定性提高一個(gè)單位標(biāo)準(zhǔn)差，商業(yè)地產(chǎn)開工量分別下降3%和27%。該結(jié)果從宏觀層面證實(shí)了國(guó)內(nèi)房地產(chǎn)開發(fā)商在選擇項(xiàng)目開發(fā)時(shí)機(jī)上充分考慮了市場(chǎng)不確定，其反應(yīng)策略也遵循了實(shí)物期權(quán)的思路。

政策因素中M2同比增速的影響顯著為正，3個(gè)月央票利率的影響顯著為負(fù)，與預(yù)期一致。M2同比增速提高一個(gè)單位標(biāo)準(zhǔn)差，項(xiàng)目開工量增加7.20%；3個(gè)月央票利率提高一個(gè)單位的標(biāo)準(zhǔn)差，項(xiàng)目開工量下降10.65%。這表明宏觀調(diào)控政策對(duì)開發(fā)商開發(fā)投資決策的影響是很大的，從側(cè)面反映出宏觀政策對(duì)調(diào)控閑置土地的有效性，尤其是貨幣政策。1—3年期貸款利率并沒有表現(xiàn)出顯著的影響，猜測(cè)可能的原因是由于樣本跨度時(shí)間短，（變異系數(shù)僅為0.084）貸款利率變動(dòng)差異不大，所以無法得到顯著的效應(yīng)。此外由于3個(gè)月央票利率也可以作

翟東等：房地產(chǎn)項(xiàng)目開發(fā)時(shí)機(jī)與土地閑置問題研究——基于34個(gè)大中城市面板數(shù)據(jù)的檢驗(yàn)

表5 模型回歸結(jié)果

47

Tab.5 Regression results of model

解釋變量hvolatilityvolumevolM2rateinterest1interest2costrentratepricelagpricevolumeR2Adj-R2D-W

0.327***（16.646）0.8060.8021.837

0.330***（16.856）0.8060.8021.837

0.338***（17.241）0.7870.7821.843

0.300**（2.111）-0.823（-1.091）-0.398***（-2.786）-0.229***（-2.775）

0.218**（2.007）0.780***（6.686）

被解釋變量（newfeet）

（1）-8.534***（-2.846）

-9.600***（-4.594）

0.304**（2.109）-0.919（-1.412）-0.401***（-2.808）-0.225***（-2.720）

0.213*（1.950）0.763***（6.489）

0.330***（2.609）-0.900（-1.039）-0.417***（-2.933）-0.235***（-2.772）

0.135（1.458）0.836***（7.522）

0.856***（7.643）0.329***（16.896）0.8030.7991.840

0.338***（17.241）0.7870.7821.843

2

（2）（3）（4）-11.302**（-2.507）

（5）-27.946***（-4.099）

（6）-14.646***（-3.383）

0.268*（1.921）-0.803（-1.040）-0.420***（-3.029）-0.231***（-2.810）

0.225**（2.172）

0.330***（2.609）-0.900（-1.039）-0.417***（-2.933）-0.235***（-2.772）

0.135（1.458）0.836***（7.522）

0.204（1.491）-0.951（-1.036）-0.410***（-2.859）-0.196**（-2.715）

0.174*（1.658）0.938***（8.058）

0.328***（16.715）0.7950.7911.849

（1）（2）Adj-R為經(jīng)調(diào)整的R2，注：***、**、*分別表示在1%、5%和10%的顯著性水平上顯著，表中上面的數(shù)值為回歸系數(shù)，下面括號(hào)內(nèi)數(shù)值為t值；反