4.2.2 市场不确定性的测量 由于房价包含着未来项目开发的现金流，从很大程度上反映了市场上诸多信息，房地产投资期权理论常采用房价波动率来反映市场不确定性，因此本文采用新建商品住宅价格波动率来测量市场不确定性。波动率的计算常使用ARCH族模型方法，但由于样本数据过少，无法得到显著的ARCH效应，为此本文采用类似ARCH模型的思路来计算房价波动率。首先建立房价预测自回归方程，鉴于项目开发需要建设时间，即项目从动工到预售是需要时间的，假定这个时间统一为3个月，即开发商需要根据上一季度的房价来预测本月房价：
（式7）
t表示月份，j代表34个大中城市，P为经无量纲化处理的房价a。对式7进行OLS回归得残差ejt，式7中，通过计算ejt的季度移动方差来得到房价波动率。
（式8）
（式9）
以上计算公式假定房地产开发商对本月房价的预测依赖于对过去3个月房价预测的准确度，只有当实际房价较大程度的偏离了预测的房价，
房价不确定性
才会显著增加，若房地产投资市场存在实物期权，那么增加
会显著延迟项目开发时机。分城市计算的房价波动率结果统计描述见表1b。
表1 城市房价波动率描述性统计c
Tab.1 Descriptive statistics of city house prices volatility
城市均值最大值最小值标准差观测数
北京18.79195.710.27938.0260
天津8.2939.290.0698.9060
石家庄2.1912.110.0032.6560
太原2.3012.680.0422.7060
沈阳2.4310.380.0212.9760
大连7.5057.250.05012.9860
哈尔滨10.3177.040.03016.3160
上海6.3267.420.0099.4860
南京14.81140.420.03928.6460
无锡9.7058.980.01514.8560
4.2.3 政策经济因素变量 从近年房地产市场密集的宏观调控政策来看，货币政策是调控的主要手段，这是因为房地产业具有高负债经营和大规模按揭贷款消费的特点，深受金融市场的影响。为此，本文运用货币市场的可观测指标来间接测量政策因素。货币政策的传导主要有货币渠道和信贷渠道。常用广义的货币供应量M2来反映货币渠道传导机制，M2同比增速反映投资的活跃程度，因此用M2同比增速作为政策因素的第一个代理变量。反映信贷渠道的常用指标是金融机构贷款余额，但其与M2高度相关，因此选用贷款利率指标。基于国
①采用均值法来处理房价变量，即房价除以均值，以消除量纲影响。②由于篇幅有限，表1只列出了10个城市的月度价格波动率数据描述性统计信息。③表中数据均为原始数据×10-4。
翟东等：房地产项目开发时机与土地闲置问题研究——基于34个大中城市面板数据的检验45
内房地产开发贷款一般最长期限为3年，选用1—3年期贷款利率作为政策因素的第二个代理变量。发行央行票据是中央银行近年来运用最频繁的货币工具，其目的在于直接调整商业银行的可贷资金量。其中3个月央票由于时间更短，调控更为灵活，更能反映市场的变化，因此选用3个月央票利率作为测量政策因素的第三个代理变量。此外，短期央票利率也是国内实体经济中的基准利率，也可以作为无风险利率的代理变量。
投资成本主要指房地产开发成本，本文选用房屋平均造价作为开发成本的代理变量。全国34个大中城市的月度房屋造价信息难以获取，但鉴于各城市所在省市地区内造价变动差异不大，将国家统计局公布的省市地区月度房屋竣工价值除以房屋竣工面积得到房屋平均造价。
租金房价比为商品住宅租金价格与商品住宅销售价格之比。计算时将月度租金数值乘以12变成年度租金价格再除以销售价格。
市场形势可能会影响项目投资开发决策。当市场形势好时，开发商可能会受到这种氛围感染，做出非理性的决策。本文选取房价和成交量作为反映市场形势的指标。
所有变量的描述性统计及预期见表2。
表2 变量描述性统计及预测符号
Tab.2 Variable descriptive statistics and expected sign
变量newfeetM2rateinterest1interest2costrentratepricevolume
变量定义
（104 m2）商品住宅开工面积（%）M2同比增速
（%）1—3年期贷款利率（%）3个月央票利率（104元/m2）单位造价租金房价比
（104元/m2）商品住宅价格
（104 m2）住宅销售面积
均值100.26718.0276.1222.3930.1150.0340.92982.548
标准差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
+---+++预期符号
4.3 模型选择
为检验不确定性与项目开发时机的关系，本文采用34个大中城市面板数据进行分析，以增强模型的解释力和可信度。根据前述理论分析和选取的变量，构建如下计量模型，为了降低异方差的影响，模型采用对数形式。
（式10）
i = 1，N为截面数，t = 1，T为时序期数。为避免伪回归，式10中，…，…，回归分析前需检验数据的平稳性，本文（同根情形）（异根情形）运用Eviews 6.0提供的Levin-Lin-Chu和ADF-Fisher两种单位根检验方法对各变量进行平稳性检验，结果如表3。
由表3中的9个变量的检验结果来看，所有变量都是平稳的，据此判断面板数据具有平稳关系。进一步回归分析前，需根据研究的数据来选择合适的面板数据的模型。常用的面板数据模型有3种：混合估计模型、变截距模型与变系数模型，一般常用协方差分析来选择模型形式。首先，进行F检验，计算得F2 = 3.616（297，（264，1734）≈1.221，拒绝混合估计模型，再计算F1 = 0.133＜F0.011734）≈1.223，接受变截距模＞F0.01
型。接下来利用Eviews 6.0进行Hausman检验，Hausman检验的原假说是认为模型为随机效应模型，检验结果见表4，由于P值显著异于零，因此拒绝原假设，模型设定为固定效应模型。综上可知模型形式应选择固定效应变截距模型。
46
表3 面板变量单位根检验
中国土地科学 2015年4月 第4期
Tab.3 Panel variables unit root tests
变量名（newfeet）ln
（hvolatility）ln
（M2rate）ln
（interest1）ln
（interest2）ln（cost）ln
（rentrate）ln（price）ln
（volume）ln
检验方法LLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADFLLCADF
I（0）统计量值-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）
平稳平稳平稳平稳平稳平稳平稳平稳检验结论平稳
表4 Hausman检验
Tab.4 Hausman tests
随机效应
21.3123
8
0.002
4.4 经验检验结果
根据上述选择的模型，利用Eviews 6.0进行回归，考虑到截面之间可能的空间自相关，采用似不相关回归方法（seeming unrelated regression）（1）。结果如表5第列，尤其关注的房价波动率与项目开工量之间在99%的置信水平下呈现出显著的负相关关系，这验证了实物期权的关键假说之一，即市场不确定性增大会延迟项目开发时机。房价波动率每提高一个单位标准差，项目开工量降低11.54%。这与国内外类似研究得出的结论是一致的，Holland等和Ott与Yi在类似研究中发现，房价不确定性提高一个单位标准差，商业地产开工量分别下降3%和27%。该结果从宏观层面证实了国内房地产开发商在选择项目开发时机上充分考虑了市场不确定，其反应策略也遵循了实物期权的思路。
政策因素中M2同比增速的影响显著为正，3个月央票利率的影响显著为负，与预期一致。M2同比增速提高一个单位标准差，项目开工量增加7.20%；3个月央票利率提高一个单位的标准差，项目开工量下降10.65%。这表明宏观调控政策对开发商开发投资决策的影响是很大的，从侧面反映出宏观政策对调控闲置土地的有效性，尤其是货币政策。1—3年期贷款利率并没有表现出显著的影响，猜测可能的原因是由于样本跨度时间短，（变异系数仅为0.084）贷款利率变动差异不大，所以无法得到显著的效应。此外由于3个月央票利率也可以作
翟东等：房地产项目开发时机与土地闲置问题研究——基于34个大中城市面板数据的检验
表5 模型回归结果
47
Tab.5 Regression results of model
解释变量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）
被解释变量（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为经调整的R2，注：***、**、*分别表示在1%、5%和10%的显著性水平上显著，表中上面的数值为回归系数，下面括号内数值为t值；反
辽公网安备 21020302000024号工信部备案号: 辽ICP备15011726号-5
