4.2.2 市場不確定性的測量 由于房價包含著未來項目開發(fā)的現(xiàn)金流，從很大程度上反映了市場上諸多信息，房地產(chǎn)投資期權(quán)理論常采用房價波動率來反映市場不確定性，因此本文采用新建商品住宅價格波動率來測量市場不確定性。波動率的計算常使用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模型的思路來計算房價波動率。首先建立房價預(yù)測自回歸方程，鑒于項目開發(fā)需要建設(shè)時間，即項目從動工到預(yù)售是需要時間的，假定這個時間統(tǒng)一為3個月，即開發(fā)商需要根據(jù)上一季度的房價來預(yù)測本月房價：

（式7）

t表示月份，j代表34個大中城市，P為經(jīng)無量綱化處理的房價a。對式7進行OLS回歸得殘差ejt，式7中，通過計算ejt的季度移動方差來得到房價波動率。

（式8）

（式9）

以上計算公式假定房地產(chǎn)開發(fā)商對本月房價的預(yù)測依賴于對過去3個月房價預(yù)測的準確度，只有當實際房價較大程度的偏離了預(yù)測的房價，

房價不確定性

才會顯著增加，若房地產(chǎn)投資市場存在實物期權(quán)，那么增加

會顯著延遲項目開發(fā)時機。分城市計算的房價波動率結(jié)果統(tǒng)計描述見表1b。

表1 城市房價波動率描述性統(tǒng)計c

Tab.1 Descriptive statistics of city house prices volatility

城市均值最大值最小值標準差觀測數(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)濟因素變量 從近年房地產(chǎn)市場密集的宏觀調(diào)控政策來看，貨幣政策是調(diào)控的主要手段，這是因為房地產(chǎn)業(yè)具有高負債經(jīng)營和大規(guī)模按揭貸款消費的特點，深受金融市場的影響。為此，本文運用貨幣市場的可觀測指標來間接測量政策因素。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代理變量。反映信貸渠道的常用指標是金融機構(gòu)貸款余額，但其與M2高度相關(guān)，因此選用貸款利率指標�；�于國

①采用均值法來處理房價變量，即房價除以均值，以消除量綱影響。②由于篇幅有限，表1只列出了10個城市的月度價格波動率數(shù)據(jù)描述性統(tǒng)計信息。③表中數(shù)據(jù)均為原始數(shù)據(jù)×10-4。

翟東等：房地產(chǎn)項目開發(fā)時機與土地閑置問題研究——基于34個大中城市面板數(shù)據(jù)的檢驗45

內(nèi)房地產(chǎn)開發(fā)貸款一般最長期限為3年，選用1—3年期貸款利率作為政策因素的第二個代理變量。發(fā)行央行票據(jù)是中央銀行近年來運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個月央票由于時間更短，調(diào)控更為靈活，更能反映市場的變化，因此選用3個月央票利率作為測量政策因素的第三個代理變量。此外，短期央票利率也是國內(nèi)實體經(jīng)濟中的基準利率，也可以作為無風險利率的代理變量。

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作為開發(fā)成本的代理變量。全國34個大中城市的月度房屋造價信息難以獲取，但鑒于各城市所在省市地區(qū)內(nèi)造價變動差異不大，將國家統(tǒng)計局公布的省市地區(qū)月度房屋竣工價值除以房屋竣工面積得到房屋平均造價。

租金房價比為商品住宅租金價格與商品住宅銷售價格之比。計算時將月度租金數(shù)值乘以12變成年度租金價格再除以銷售價格。

市場形勢可能會影響項目投資開發(fā)決策。當市場形勢好時，開發(fā)商可能會受到這種氛圍感染，做出非理性的決策。本文選取房價和成交量作為反映市場形勢的指標。

所有變量的描述性統(tǒng)計及預(yù)期見表2。

表2 變量描述性統(tǒng)計及預(yù)測符號

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個月央票利率（104元/m2）單位造價租金房價比

（104元/m2）商品住宅價格

（104 m2）住宅銷售面積

均值100.26718.0276.1222.3930.1150.0340.92982.548

標準差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

4.3 模型選擇

為檢驗不確定性與項目開發(fā)時機的關(guān)系，本文采用34個大中城市面板數(shù)據(jù)進行分析，以增強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)建如下計量模型，為了降低異方差的影響，模型采用對數(shù)形式。

（式10）

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

由表3中的9個變量的檢驗結(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，進行F檢驗，計算得F2 = 3.616（297，（264，1734）≈1.221，拒絕混合估計模型，再計算F1 = 0.133＜F0.011734）≈1.223，接受變截距模＞F0.01

型。接下來利用Eviews 6.0進行Hausman檢驗，Hausman檢驗的原假說是認為模型為隨機效應(yīng)模型，檢驗結(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

中國土地科學 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

檢驗方法LLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADF

I（0）統(tǒng)計量值-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)檢驗結(jié)論平穩(wěn)

表4 Hausman檢驗

Tab.4 Hausman tests

隨機效應(yīng)

21.3123

8

0.002

4.4 經(jīng)驗檢驗結(jié)果

根據(jù)上述選擇的模型，利用Eviews 6.0進行回歸，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)注的房價波動率與項目開工量之間在99%的置信水平下呈現(xiàn)出顯著的負相關(guān)關(guān)系，這驗證了實物期權(quán)的關(guān)鍵假說之一，即市場不確定性增大會延遲項目開發(fā)時機。房價波動率每提高一個單位標準差，項目開工量降低11.54%。這與國內(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)，房價不確定性提高一個單位標準差，商業(yè)地產(chǎn)開工量分別下降3%和27%。該結(jié)果從宏觀層面證實了國內(nèi)房地產(chǎn)開發(fā)商在選擇項目開發(fā)時機上充分考慮了市場不確定，其反應(yīng)策略也遵循了實物期權(quán)的思路。

政策因素中M2同比增速的影響顯著為正，3個月央票利率的影響顯著為負，與預(yù)期一致。M2同比增速提高一個單位標準差，項目開工量增加7.20%；3個月央票利率提高一個單位的標準差，項目開工量下降10.65%。這表明宏觀調(diào)控政策對開發(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，猜測可能的原因是由于樣本跨度時間短，（變異系數(shù)僅為0.084）貸款利率變動差異不大，所以無法得到顯著的效應(yīng)。此外由于3個月央票利率也可以作

翟東等：房地產(chǎn)項目開發(fā)時機與土地閑置問題研究——基于34個大中城市面板數(shù)據(jù)的檢驗

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)，下面括號內(nèi)數(shù)值為t值；反