• 联系我们
  • 上海平正评估有限公司
  • 联系电话: 021-58361812
  • 021-58361819
  • 邮 箱: pzpg@163.com
  • 联系地址: 上海市浦东新区浦东大道2000号阳光世界大厦24C
    备案号:沪ICP备09064586号-2
    首页 > 新闻动态
  • 新闻动态
    房地产开发投资对住宅价格的影响

    [来源][pzpg001][发表时间] 2023/02/01阅读次数:896次
     

      

    第44卷  第8期     湖州师范学院学报     Vol.44 No.8

    2022年8月  JournalofHuzhouUniversity   Aug.2022

     

     

     

    房地产开发投资对住宅价格的影响

     

     

     

    殷宇飞1,董    巍2,马小龙1

     

    (1.湖州师范学院 经济管理学院,浙江 湖州 313000;2.惠州学院 计算机科学与工程学院,广东 惠州 516007)

     

    摘 要:以我国各省份住宅房地产市场数据为研究对象,评估机构,地价评估,股权评估研究房地产开发投资及其资金来源对住宅价格波动的影响.结果发现,我国住宅价格在2008年和2015年出现拐点,总体呈阶段性上涨趋势,整体资产评估公司,无形资产评估,资产评估公司房地产开发投资显著促进住宅价格上涨,且在东部和西部地区更为显著.进一步研究表明,房地产开发投资中的自筹资金部分显著促进住宅价格的上涨.因此,应规避和防范房地产泡沫风险,调控市场预期,以促进房地产市场的健康发展.

     

    关键词:房地产;开发投资;住宅价格                                     

    中图分类号:    文献标志码:    文章编号:                          

                                       0092 07

    F293      1009        1734202208     

     

    0 引 言

     

    近年来,我国房地产行业发展迅速,房地产开发投资额从2003年的0.78万亿元大幅上升至2020年的14.1万亿元.房地产开发投资的增长不仅促进了房地产行业的快速发展,还带动了钢铁、建材、家具、家电等上下游行业的发展.但房地产市场过热导致的突出问题和潜在泡沫风险也不容忽视.为促进房地产市场平稳健康发展,我国政府出台了涉及货币、信贷、税收等多方面的调控政策,从2005年“国八条”到2011年“新国八条”,2015年“去库存”到2017年党的十九大报告明确提出“坚持房子是用来住的、不是用来炒的”,再到2019年“不将房地产作为短期刺激经济手段”.随着房地产调控政策的不断加码,房地产投机需求得到抑制,房地产市场预期逐渐趋于稳定.价格波动是反映房地产市场供求平衡最直观的指标.已有研究从市场供给和需求的角度研究了房价波动的影响因素[142],但有关房地产开发投资及其资金来源对房价波动影响的研究并不多见.十四五时期,在坚持房住不炒,稳地价、稳房价和稳预期的政策背景下,研究房地产开发投资与房价波动之间的联系,对促进房地产市场健康发展具有重要意义.

     

     

    国内外学者对影响住宅价格波动因素的研究主要集中在3个方面:第一,土地价格对房地产价格的影响.一种观点认为,价格是土地市场供求变化的结果,土地价格上涨会推动房价上涨[3].另一种观点认为,土地价格与房价相互影响,土地政策会影响土地价格,进而影响房价;反过来,房价上涨也能带动土地价格的上涨[45].第二,银行信贷对房地产价格的影响.部分学者认为,银行信贷周期与房地产周期之间存在较强的相关性,二者相互影响,互为因果[67].还有学者发现,银行信贷对我国东、西部地区的房价在长期趋势和短期波动方面均有显著影响,而对中部地区房价的影响较小[8].第三,利率波动对房地产价格的影响.部分学者认为,房地产行业是资本密集型行业,其大部分资金直接或间接地来源于银行贷款,房地产行业对利率政策冲击的反应周期较长,且反应速度较快[9].陈诗一等通过构建房地产市场多部门的 DSGE模型,发现利率降低对房价上涨具有显著效果,社会融资成本降低会显著降低房地产市场的金融加速器效应[10].还有学者认为,我国利率市场长期处于管制状态,导致利率政策对房地产市场供给和需求的影响十分有限,而存款准备金率的变动将直接影响信贷市场资金规模,存款准备金率对房地产市场的调控效果更显著[1112].

     

     

    现有文献从不同角度研究了房地产价格的影响因素,但从房地产开发投资及其资金来源角度研究其

     

     

     

    收稿日期:2021 10 15

     

    基金项目:浙江省自然科学基金项目(LY20G010003);湖州师范学院人文社科预研究项目(2020SKYY13).

    通信作者:马小龙,博士,副教授,研究方向:区域金融与物联网.E  mail:xiaolongma@zjhu.edu.cn

     

     

    第8期    殷宇飞,等:房地产开发投资对住宅价格的影响      93

     

     

    对住宅价格波动影响的文献较少.本文以我国房地产行业开发投资相关数据为研究样本,研究房地产开发投资及其资金来源对住宅价格波动的影响.

     

    1 我国住宅房地产市场与房企开发投资的现状

     

    1.1 住宅房地产市场现状

     

    2003年以来,国家先后颁布了涉及信贷、税收、基准利率、土地等多方面的房地产调控政策.例如:2003年6月出台《关于进一步加强房地产信贷业务管理的通知》,要求首套房贷的首付比例最低为20%,房地产企业在申请银行贷款时的自有资金比例不低于项目总投资的30%;2005年5月出台《关于做好稳定住房价格工作的意见》,要求各地区解决房地产投资规模过大、房价上涨过快的问题;2008年金融危机爆发,我国出台“国十条”,增加千亿元房地产投资,以刺激房地产行业发展;2011年出台“新国八条”,要求二套房首付不低于60%,中小套户型供应量不低于总供应量的70%;2014年实施“双向调控”,一线城市继续实施限购政策,库存量大的城市继续以去库存为主;2017年,十九大报告明确提出“房子是用来住的,不是用来炒的”,调控政策向供给侧转变;2019年,央行再次强调“不将房地产作为短期刺激经济的手段”;2020年,在“房住不炒”的总基调下,多个城市出台“满足首套刚需、支持改善需求、遏制投机炒房”的相关政策,以促进房地产市场健康发展.房地产市场调控政策对住宅房地产市场价格和成交量的影响见图1和图2.

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    图1 2003—2020年我国住宅销售均价

     

    Fig.1 AverageresidentialsalespriceinChinafrom2003to2020

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    图2 2003—2020年我国住宅成交面积

     

    Fig.2 ResidentialsalesareainChinafrom2003to2020

     

     

    图1表明,全国住宅平均价格除在2008年略有下降外,其余年份均呈显著上涨趋势.2008年前,房价增速缓慢,全国平均住宅价格低于4000元/m2;2008—2015年,住宅价格增速加快,2014年全国住宅平均

     

    94 湖州师范学院学报        44 

                       

                       

     

    价格达6000元/m2;2015年后,住宅价格进入新一轮的上涨,2020年全国住宅平均价格超过10000元/m2.住宅成交量(图2)在2008年和2015年出现显著拐点.其中,2003—2008年,住宅成交量增速稳定,而2008—2015年,住宅成交量呈波动上涨趋势,这可能与这一时期密集出台房地产调控政策有关;2015—2020年,中央明确“房住不炒”的总基调,多地陆续出台房地产调控政策,导致这一时期的住宅成交量呈前期快速上涨、后期企稳的趋势.可见,2003—2020年,我国住宅房地产市场在价格和成交量上呈阶段性上涨趋势.

     

    由于我国经济发展不平衡,房地产调控政策效果可能体现出区域差异性.本文进一步将样本分为东、中、西部地区,分析住宅房地产市场的特征.由图1和图2可知,我国的住宅房地产市场呈现出显著的区域性特征,东部地区的住宅价格和住宅成交量显著高于中西地区.在样本周期内,东部地区的住宅价格在2008年和2015年出现增长拐点,且住宅价格增速高于全国平均住宅价格增速.住宅成交量与全国住宅成交量的变动趋势基本一致.2015—2020年,东部地区住宅成交量的后期企稳趋势更为显著;中部地区的住宅价格略高于西部地区,住宅成交量略低于西部地区,但中西部地区住宅的价格和成交量均呈现出缓慢上涨趋势,2015—2020年,中西部地区的住宅成交量也呈现显著的企稳趋势.

     

    1.2 房地产企业开发投资资金现状

     

    我国房地产企业开发资金来源于国内贷款、利用外资、自筹资金和其他资金.国内贷款主要是指项目开发前的贷款、开发期的贷款、向施工单位垫付的贷款,以及企业正常经营性活动的贷款;利用外资主要包括房企利用外资和外商直接投资两部分,即房企向国外金融机构进行贷款、境外投资机构直接在我国境内购买土地房屋等不动产、项目合作和参与企业股份活动;自筹资金既包括企业所得税后提取的盈余公积金和未分配利润,还包括企业通过发行股票、债券募集的资金,以及进行房地产投资的资金;其他资金主要包括实际到位的资金、消费者购房的定金、首付款、个人按揭贷款和其他资金.

     

    2003—2020年我国房地产企业开发资金来源的变动趋势如图3所示.我国房地产企业开发资金总额在2008年和2015年出现拐点,总体呈阶段性上涨趋势.2008年金融危机后,我国开始实施较为宽松的信贷政策,房地产开发投资在2009—2013年进入高速增长期;2014年,房地产行业受国家“去库存”政策影响,市场供求矛盾突出,房屋空置率较高,房地产开发投资放缓;2015年后,房地产开发投资再次进入上涨期.此外,在房地产企业开发投资结构中,其他资金来源占比较高,呈显著上涨趋势;国内贷款和自筹资金次之;利用外资占比最低;总体呈上涨趋势.

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    图3 2003—2020年我国房地产企业开发资金来源

     

    Fig.3 SourcesofdevelopmentfundsforrealestateenterprisesinChinafrom2003to2020

     

    2 理论分析与研究假设

     

     

    房地产开发投资是衡量房地产市场发展状况的重要指标,也是房地产市场供给的直观体现.在现有官

     

    第8期    殷宇飞,等:房地产开发投资对住宅价格的影响      95

     

     

    员考核体系下,地方政府有较强的动机去发展经济,而房地产行业作为重要的支柱产业,必然成为地方政府拉动经济增长的重要手段.房地产开发投资主要从以下3方面显著推高住宅价格:第一,房地产开发投资会显著增加地方政府的土地出让金收入,促进土地财政和城镇化,从而显著影响人口流动趋势.第七次全国人口普查数据显示,我国现有流动人口3.76亿,10年增长70%,越来越多的城镇人口流向高能级地区,城市(尤其是省会城市、中心城市)的人口虹吸效应越发显著,由此导致大量的住宅需求,从而推动了住宅房地产价格的上升.第二,房地产开发投资反映开发商对市场的预期.由于房地产市场信息不对称,开发商往往掌握更多的市场信息,当开发商的市场预期向好时,会增加房地产开发投资额,而购房者难以掌握全面的市场信息,存在从众心理,由此导致整体市场预期向好,从而推动了房价的上升.第三,房地产开发投资的加速器效应.房地产开发投资带来的土地出让金收入会刺激地方政府发展房地产市场,因此地方政府会更加积极地扩大城市规模,制定城市发展规划,通过多种优惠政策刺激房地产企业追加更多的投资,从而产生加速器效应,导致房地产市场过热发展.

     

    基于上述分析,本文提出假设:房地产开发投资正向影响住宅价格上涨(H1).

     

    3 实证分析

     

    3.1 数据来源与变量定义

     

    3.1.1 数据来源

     

    本文选取我国各省份住宅房地产市场数据为研究样本.2003年,央行规范房地产信贷业务的“121文件”出台,这为研究房地产投资提供了良好的机会.本研究将样本区间设定为 2003—2020年.数据来源于《中国房地产统计年鉴》(2004—2021)、各省市统计年鉴和同花顺IFIND金融数据库.为避免异常值对回归结果的影响,在1%水平下对变量进行 Winsorize缩尾处理.

     

    3.1.2 变量定义

     

         被解释变量为各省份住宅房地产市场价格 (        ),解释变量为各省份房地产企业开发投资金额

                                       RPit                                          

            )本文进一步控制人均    )、固定资产投资水平(     ,用省份固定资产投资占     GDP    的比重

    RDI .  GDP    pgpd                            inv                       

         it                                                                                

    表示)、财政支出水平( ,用省份财政支出总额占   GDP    的比重表示)                  

                   exp                                                   

    3.2    模型构建                                                                        

                                                                                             

         根据上述分析,本文借鉴王军等的模型   [13]                                                    

              ,将住宅价格看作以下变量的函数,研究房地产企业开发投

    资对住宅价格波动的影响 实证模型设定为:                                                    

                                                                                           

                              +βlnRDI  +β control  +μ +θ +e          ()

                   lnRPit  =β                                      

                                   it              it       it          

    其中,    为常数项, 为回归系数,        为随机干扰项    .                                           

         β0 βn eit                                                               

    3.3 实证结果

     

    在面板数据模型下,可选择固定效应模型和随机效应模型进行回归,Hausman检验值(P=0.0031)显著拒绝原假设,故选择固定效应模型进行回归(结果见表1第2列,其中第1列为 OLS回归).全国样本和东中西部地区模型的各个变量回归系数基本符合预期,多数变量通过显著性检验,其结果显示,房地产企业开发投资显著促进了住宅价格的上涨,且这一效应在东部地区和西部地区较为显著,在中部地区不显著.随着土地、建材价格的上涨,房地产企业的单位开发成本上升.此外,因房地产企业供应的房屋品种增加、配套设施完善,又进一步推高了开发成本.为生存与发展,房地产企业必须持续追加房地产企业的开发投资,不断开拓新市场.另外,长期的宽松货币政策,导致股市、债市低迷,社会资金缺少其他投资渠道,使得大量的流动性资金释放到房地产市场转变成房地产开发资金.随着区域性房地产市场热度的上升,社会对房地产市场向好的预期增加,使得局部性房地产开发投资增加,从而推动房价上涨.从区域来看,房地产开发投资对东部和西部住宅价格均有显著的促进作用.东部地区房价上涨与市场供给端和需求端的因素均有关,而西部地区的房地产市场更多地体现为投资导向型市场,房价受供给端的影响更多,这导致房企开发投资对西部地区住宅价格的影响更大.中部地区房地产市场受政府调控政策影响显著,市场供求相对

     

    96 湖州师范学院学报        44 

                       

                       

     

    均衡,使得房价增幅长期保持稳定趋势,房企开发投资对住宅价格的影响并不显著.控制变量方面,固定资产投资的系数在全样本和东中西样本中显著为正,这表明随着固定资产投资的增加,房地产市场在建项目增加,市场呈现更多向上的预期.财政支出系数显著为正.财政支出水平的上升,预示着地区公共服务水平的上升,即政府在城市基础设施、教育、医疗等方面的投入增加,而较高的城市公共服务水平,容易吸引更多的住房需求,从而促进该地区住宅价格的上升.

     

    为进一步研究房地产企业开发资金的细分资金来源对住宅价格的影响,本文进一步引入国内贷款总额(TDL)、自筹资金总额(TSF)、其他资金总额(TOF)、外资总额(FDI)到回归模型中(结果见表2第2列面板固定效应回归结果,其中第1列为 OLS回归).由表2可知,我国房地产企业开发投资资金的自筹资金部分(TSF)与住宅价格呈显著正相关,这一效应在东部和西部地区同样显著.房地产企业使用更多的自筹资金,既表明企业自身的资金量充足,不用依赖外部融资途径,又表明房地产企业对长期的房地产市场预期向好,从而带动整个市场预期向上,推动房价上涨.

     

    表1 房地产企业开发投资对住宅价格的影响

     

    Tab.1 Theinfluenceofrealestateenterprisedevelopmentinvestmentonhousingprice

     

     

                                       ()      ()      ()

    variables   ()      ()      3FE    4FE    5FE

         1OLS   2FE    东部      中部      西部

                                                               

                                           

    RDI    ***    ***    ***    0.117 ***

         0.383      0.154      0.183           0.447

                                              

                   0.044 0.041 0.046 0.152 0.152

    inv    ***    ***    ***    ***    ***

         0.009      0.006      0.003      0.004      0.007

                                              

                   0.001 0.000 0.001 0.001 0.002

    exp    ***    ***    ***    ***    ***

         9.217      23.310         41.170         16.960         15.973   

                                              

                   1.441 2.113 6.734 3.452 2.491

    pgdp   ***    ***    ***    ***    ***

         0.082      0.131      0.114      0.212      0.142

                                              

                   0.005 0.005 0.010 0.014 0.023

       yes         yes         yes         yes         yes   

    ProvYear                                                 

    Adj            0.652 0.651 0.638 0.667 0.674

                                    

     

    注:括号内为误差稳健标准误,“***”表示 P<0.01,“**”表示 P<0.05,“*”表示 P<0.1.下同.

     

    表2 房地产企业开发投资中的不同资金来源对住宅价格的影响

     

    Tab.2 Theinfluenceofdifferentcapitalsourcesonhousingpricesinthedevelopmentandinvestmentofrealestateenterprises

     

     

                                       ()      ()      ()

    variables   ()      ()      3FE    4FE    5FE

         1OLS   2FE    东部      中部      西部

                                                               

                                      

    TDL    -0.181    -0.165    -0.017    -2.495    -0.907

                                              

                   0.371 0.353 0.316 0.107 1.094

    TSF    ***    ***    ***    0.309 **

         1.301      0.472      0.628           1.054

                                              

                   0.149 0.141 0.159 0.247 0.423

    TOF    0.157 0.075 0.047 0.322 0.386

                                              

                   0.111 0.059 0.0734    0.196 0.294

    FDI         ***    0.759 0.404 ** 4.672

         -4.813              6.501     

                                              

                   1.715 1.357 1.614 2.511 3.241

    Controls     yes         yes         yes         yes         yes   

       yes         yes         yes         yes         yes   

    ProvYear                                                 

    Adj            0.671 0.659 0.657 0.658 0.667

                                    

     

    第8期    殷宇飞,等:房地产开发投资对住宅价格的影响      97

     

     

     

    3.4 稳健性与内生性

     

    为进一步检验回归结果的可靠性,本文进行稳健性检验和内生性讨论.

     

    首先,增加房地产开发投资(RDI)滞后项.房地产开发投资对住宅价格的影响具有滞后性,可能产生时滞效应.本文将房地产开发投资的滞后一期和滞后两期加入模型,结果见表3第1和第2列.房地产开发投资对住宅价格回归系数分别为0.246和0.253,显著性均为1%,即滞后一期和两期的房地产开发投资仍能显著促进住宅价格上升.此结论增加了前文结论的可靠性.

     

    其次,增加城镇化控制变量.随着城镇化的推进,城镇人口呈现出向高能级地区流动的趋势,由此

     

    加强了经济发达的省份和城市对人口的虹吸效应,导致大量的住房需求,进而推高了住宅房地产市场

     

         的价格 本文进一步控制城镇化变量,结果见表           列 房地产开发投资的系数为       ,显著性为

                                                                                                                   0.147               

              此结论增加了本文研究结果的可靠性                                                                                                           

    1%.                                                                                                                                     

              最后,本文的实证模型可能存在内生性,即住宅房地产价格的上升有可能会反向推高房地产开发

         投资 由于现实中房地产市场的相关指标具有一定的惯性,            GMM    模型能有效反映变量的动态调

                            

                                                                             SYS                                                               

         整过程,且在一定程度上能缓解模型的内生性 本文采用                   GMM       型进行回归,结果见表                

              SYS                                

                                                                                                                                                       

            ()、 ()和                  检验结果模型工具变量不存在过度识别, 模型结果显示了前文

                                      

              .AR1 AR2 Waldtest                                                                                GMM                                      

         结论的可靠性,即房地产开发投资对住宅价格具有显著正向影响.                                                      

                                                                      稳健性检验与内生性讨论                                                      

                                                                                                                                                                             

                                                      Tab.3 Robustnesstestandendogenousdiscussion                                     

                                                                                                                                                         

              variables        ()                     ()                               ()                    ()                         

                                                                                                                                     

                        1FE                   2FE                                  3FE         4SYS GMM          

                                                                                                                       ***                   ***                  

              RDI                                                                                    0.146                     0.048               

                                                                                                                                              

                                                                                                                                                                        

                                                                                                                       0.025                0.035               

                                                 ***                                                                                                                      

              ( ) 0.247                                                                                                                        

                                                                                                                                                         

              RDI-1                                                                                                                         

                                            0.042                                                                                                                   

                                                                                    ***                                                                                        

              ( )                              0.252                                                                                     

                                                                                                                                                         

              RDI-2                                                                                                                         

                                                                          0.051                                                                                     

                                                                                                                                                     ***                  

              L.Rp                                                                                                            0.953               

                                                                                                                                                     

                                                                                                                                                                             

                                                                                                                                                0.081               

                   ()                                                                                                          0.000               

              AR1                                                                                                                                

                   ()                                                                                                          0.571               

              AR2                                                                                                                                

              Wald             test                                                                                                            0.000               

                                                                                                                                                              

              Controls               yes                             yes                                  yes                        yes                  

                           yes                             yes                                  yes                        yes                  

              ProvYear                                                                                                                            

              Adj                           0.601                0.617                               0.608                                             

                                                                                                                                        

     

    4 结论与建议

     

    本文以我国2003—2020年房地产行业相关数据为研究对象,实证研究房地产开发投资及其资金来源对住宅价格的影响.结果发现:我国住宅价格在2008年和2015年出现拐点,总体呈上涨趋势;房地产开发投资显著促进住宅价格上涨,且在东部和西部地区更显著.进一步研究表明,房地产开发投资的自筹资金部分显著促进住宅价格上涨.基于此,本文提出以下建议:

     

    首先,我国金融市场体系尚不完善,房地产企业融资渠道单一,对银行信贷的依赖程度较大,因此需要建立针对土地征收、规划建设、房屋销售、房屋交付和经营使用等环节的房地产行业风险防控机制,以规避和防范房地产泡沫风险.

     

    其次,在“房住不炒”的调控基调下,政府应宏观调控房地产信贷规模,既要满足刚需人群的住房贷款

     

    98 湖州师范学院学报        44 

                       

                       

     

    需求,又要防范风险,抑制泡沫,维持房地产供求在合理区间变动,同时积极引导公租房、租赁住房市场的发展.

     

    最后,拓宽房地产企业融资渠道和发展模式,以“三线四档”和房贷集中度管理等政策倒逼房地产企业从规模扩张型向质量效益型企业转变,通过整合绿色产业链、供应链体系,以及融合数字技术等方式,促进房地产企业稳健发展.

     

     

     

     

    参考文献:

     

    [1]唐云锋,吴琦琦.土地财政制度对房地产价格的影响因素研究[J].经济理论与经济管理,2018(3):43 56.

     

     

    [2]王鹤,周少君.城镇化影响房地产价格的“直接效应”与“间接效应”分析———基于我国地级市动态空间杜宾模型[J].南

     

    开经济研究,2017(2):3 22.

     

     

    [3]刘琳,刘洪玉.地价与房价关系的经济学分析[J].数量经济技术经济研究,2003(7):27 30.

     

     

    [4]余华义,陈东.我国地价、房价和房租关系的重新考察:理论假设与实证检验[J].上海经济研究,2009(4):11 21.

     

     

    [5]温海珍,吕雪梦,张凌.房价与地价的内生性及其互动影响———基于联立方程模型的实证分析[J].财贸经济,2010(2):

     

    124 129.

     

     

    [6]郭娜,梁琪.我国房地产市场周期与金融稳定———基于随机游走滤波的分析[J].南开经济研究,2011(4):98 107.

     

     

    [7]蔡真,汪利娜.房价与信贷关系研究———兼论当前房价调控政策的有效性[J].金融评论,2011,3(1):75 93.

     

     

    [8]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):133 142.

     

     

    [9]付一婷,张都.中国货币政策动态调控效应分析———基于 TVP FAVAR模型的实证研究[J].社会科学战线,2019

     

     

    (9):100 108.

     

    [10]陈诗一,王祥.融资成本、房地产价格波动与货币政策传导[J].金融研究,2016(3):1 14.

     

     

    [11]顾海峰,张元姣.货币政策与房地产价格调控:理论与中国经验[J].经济研究,2014,49(S1):29 43.

     

     

    [12]解陆一.经济周期视角下的银行信贷与房地产价格关系的再研究[J].投资研究,2012,31(11):115 123.

     

     

    [13]王军,杨振华,周建华.空气质量对 PM2.5概念股市场的影响研究[J].湖州师范学院学报,2021,43(2):74 82.

     

     

     

    TheImpactofRealEstateDevelopmentInvestmentonHousingPrice

     

     

    YINYufei1,DONGWei2,MAXiaolong1

    (1.SchoolofEconomicsandManagement,HuzhouUniversity,Huzhou313000,China;2.SchoolofComputerScienceandEngineering,HuizhouUniversity,Huizhou516007,China)

     

    Abstract:ThispapertooktheresidentialrealestatemarketofvariousprovincesinChinaastheob-ject,andstudiedtheimpactofrealestatedevelopmentinvestmentanditsfundingsourcesonhousingprices.TheresultsshowedthatChina’shousingpricesappearedataninflectionpointin2008and2015andgeneralyshowedaphasedupwardtrend.Theinvestmentinrealestatedevelopmentsignificantlypromotedtheriseofhouseprices,especialyintheeasternandwesternregions.Furtherresearchshowedthattheself financingpartofrealestatedevelopmentinvestmenthadsignificantlypromotedhousingprices.Basedonthis,weshouldavoidandguardagainsttheriskofrealestatefoam,regulatemarketexpectations,andpromotethehealthydevelopmentoftherealestatemarket.

     

    Keywords:realestate;developmentinvestment;housingprice

     

    [责任编辑   高俊娥]