一、问题提出
由于房地产行业在国民经济中占比较大，其上下游关联行业众多，不管是主动还是被动去产能，均会对当前的金融和实体经济产生重大影响。这些行业大多高负债经营，在去产能、去杠杆过程中，债务问题必然会对企业经营业绩产生压力，甚至可能带来债务违约、企业破产和失业率大幅上升等一系列问题。当前中央决策层提出对供给侧进行结构改革，房地产行业去库存是重要目标。房地产库存的变化由供给端和需求端共同影响。从供给端看，当前政策应控制房地产投资的增长，避免新增供给加大楼市库存压力。根据国家统计局公布的数据，近年来商品房库存数量逐年上升，截至2015年底，商品房待售面积已超过4．5亿平方米；从需求端看，面对房地产库存压力，三四线城市房地产开发商不得不降低价格以促进销售。政府管理部门则密集推出各项优惠政策，以支持房地产行业的去库存。国务院推出了一系列房地产调控新政策，例如降低购房首付比例、上调住房公积金存款利率、降低房地产交易环节的契税和营业税征收比例等。
但是这一系列房地产新政并未达到抑制一线城市房价泡沫，缓解三四线城市去库存压力的期望效果。依据国家统计局统计数据，2011—2014年，限购限贷政策在各大城市落地执行。尽管一线城市的限制政策尤为严格，但一线城市房价平均每年上涨4．33%，其他城市平均每年上涨1．42%，涨幅差了将近3个百分点。第二个考察时间段是2015年初至今。随着“930、330”政策的落地，各城市房贷方面的限制基本全部取消，一线以外城市限购也基本取消。房价涨幅差异进一步凸显，2015年1月—2016年2月一线城市房价累计涨了16．1%，一线以外其他城市涨了－0．6%。一线城市的房价涨幅远大于其他城市，而这还是在限购没放松条件下达成的。2015年深圳二手住宅价格上涨59%，刷新了国内城市房价年度涨幅记录。类似情况也出现在上海，二手住宅价格2016年前两月涨幅已经达到14%，而2015年全年的涨幅是21%。这些数据充分表明，一线城市房市即使受到各种政策限制，但房价上涨动力也远大于其他城市。指望压住一线城市需求，把需求引导到其他三四线城市，从而达到去库存的想法是不现实的。
与不同等级城市房地产市场“冰火两重天”相对应，当前中国城镇化进程中出现了特大城市人口和经济占比不断提高，而中小城市规模相对萎缩的现象。在政府资源配置偏向、市场机制和人口迁移意愿等多方面因素的作用下，一线特大城市人口、资源和产业不断集聚，城市规模迅速膨胀。各种优质资源的集聚，特别是优秀人才、知名企业的涌入，也推动着产业产业结构的转型升级，2015年北上广城市服务业占比分别为79．8%、64．8%和65．1%。但新经济地理学核心－外围模型表明，在经济集聚的后期，人口、资源的空间高密度集聚，将导致集聚负外部性逐渐凸显，集聚净效应将抑制经济持续发展。例如，人口的过度集聚加剧了城市的拥挤效应，抬高了土地及其相关产品如房地产的价格。高额的房价将在长期带来严重的经济和社会问题。另外，值得警醒的是，如果房价开始回调，下跌的时间会更长，日本、中国香港就曾为房价泡沫破灭付出惨痛的代价。那么，城镇化进程两极化倾向下，一线城市人口涌入、产业结构演变对房地产市场有何种影响?当前供给侧改革背景下，房地产调控政策又应从哪些方面入手?
集聚经济循环累积机制推动人口、产业向一二线大城市汇集的同时，也将不断虹吸三四线城市赖以发展的各种资源。这就导致了尽管中央早已明确“全面放开建制镇和小城市落户限制，有序放开中等城市落户限制”，但是仍难以遏制人口向特大城市集聚的趋势。各种资源、特别是人才的流失，无疑削弱了三四线城市对优质企业和产业的吸引力，严重制约城市经济潜力的发挥。进入新常态以后，中国经济运行将出现L型走势，这使得本来买方市场容量就小的三四线城市，面临更为沉重的去库存压力。中共中央政治局会议在分析研究2016年经济工作时强调，“要化解房地产库存，通过加快农民工市民化，推进以满足新市民为出发点的住房制度改革，扩大有效需求，稳定房地产市场”。那么，三四线城市如何留住进城农民工，依靠农民工实现楼市去库存的可能性有多大?显然，单纯依靠财政支持和金融创新来帮助农民工购房是不够的，那么长远之计又是什么?
二、文献综述
对影响房价因素的相关研究由来已久，诸多学者主要是从政府行为、货币政策和居民投机性需求等角度进行解读。首先是政府行为论，该论点认为地方政府扩大财政支出，改善城市基础设施、提高公共服务水平的举措，会吸引更多的优秀人才和企业投资，经过一段时间的积累将带来房地产价格的上涨［1－3］。进一步地，不少学者深入研究了“土地财政”与房价的关系。政府对土地财政的过分依赖，使得其存在推高商业用地和住宅用地价格的动机［4－5］。其次是宽松的货币政策，况伟大(2010)通过理论模型推导和实证检验，发现较低的市场利率是房价上涨的重要诱因［6］。张涛等(2006)的计量研究发现，银行推出的各类房地产贷款与房地产价格水平有较强的正相关性［7］。第三种观点是从升值预期和投机的角度分析，在房价上涨预期下，购房者存在着“晚买不如早买”的心里，这助推了房价的上涨；另外，投机也会推动了房价泡沫，投机者存在着“买涨不买跌”心理，房价越高反而使得更多购房者进入房地产市场，形成高房价和高交易量并存的局面［8－9］。
房价快速上涨的原因是多方面的，除了受政府行为、货币和预期等因素影响外，有学者从人口年龄结构视角研究房价的波动，曼昆和韦尔(Mankiw＆Weil，1989)研究了美国二战后的“婴儿潮”对后来房价的影响，基于人口、房价数据的计量研究发现，20世纪50年代的“婴儿潮”是20世纪70年代房价持续上涨的原因所在［10］。类似地，对中国相关领域的经验研究发现，20世纪80年代出生的那一代人，在2004后陆续进入婚龄期，这波婚龄期的人口冲击是房价快速上涨的重要原因［11－12］。此外，也有学者从人口社会结构视角研究房价波动。赛斯(Saiz，2007)通过对美国特大城市移民、租金和房价的数据研究发现，城市外来人口每增加1%，房租会有1%的上涨，房价也会提高3%［13］。冈萨雷斯和奥尔特加(Gonzalez＆Ortega，2009)研究了1998—2008年西班牙外来移民、房价和住房投资的关系，发现外来人口占比每提高1%，将推高房价上涨0．52%，同时带动住房投资上升0．37%［14］。波滕潘(Potepan，1994)认为房价与人口迁移存在互动关系，人口迁移在推高城市房价的同时，高额的房价也会抑制人口向城市涌入［15］。
新经济地理学理论认为，企业的生产布局与生产成本、要素供给和市场需求有着密切的关系。城市房地产价格的变化，以及受其影响的各类劳动力的流入和流出，影响着该地区的产业结构。张平和张鹏鹏(2016)将劳动力消费偏好异质性纳入理论框架，基于中国地级市面板数据的计量研究发现，高房价城市会排挤普通劳动力而吸引技术人才集聚，这有利于产业结构由劳动密集型向技术密集型转变，进而实现产业结构升级［16］。刘志伟(2013)则从高房价加重企业生产成本角度出发，认为房价上涨会对部分企业产生挤出效应，倒逼地区第三产业向高附加值领域攀升，从而推动产业结构优化［17］。齐讴歌等(2012)还考虑了交通成本因素对城市产业结构的影响，以长三角为例的研究表明，房价和交通成本的变动将迫使制造业向区域外转移，为高附加值的生产性服务腾出空间，客观上促进区域产业分工，推进中心城市产业升级［18］。进一步地，高波等(2012)对中国区域房价和产业升级的研究表明，区域间房价的不同是影响东、中和西部地区产业转移和产业结构演变的重要原因［19］。
关于房价上涨原因的研究已较为充分。但是目前国内学者在研究房地产需求时，往往忽略了中国城镇化快速推进背景下，大量农村人口向城市涌入从而推动人口社会结构变迁的事实。特别是一二线城市房价高企，却依然吸引大量外来人口流入的矛盾现象。此外，现有研究很少关注城市制造业、服务业发展对房地产需求的影响。而这方面的研究，对于探讨从区域中心城市疏散部分经济职能，进而影响人口流动方向和房价上涨，提供了房地产调控研究新思路。本文将从外来人口、产业结构两方面对房地产调控做拓展性研究。
三、外来人口、产业结构与城市住房需求统计分析
中国从1998年开始进行房地产市场化改革，居民的商品房需求开始增长，这对房地产市场的繁荣和发展起到了巨大的拉动作用。根据国家统计局的相关数据，2003年以前中国房价上涨相对平缓，2004—2013年，房地产市场出现了复杂的时空演变。从时间维度看，各省份房价的年均增长率达10．2%，大大超过同期的居民收入增长水平；从空间维度看，不同类别城市的房价差异巨大，一二线城市楼市火爆，三四线城市楼市则存在着一定的去库存压力。除市场化改革外，房地产市场快速发展的另一个不可忽视的背景是加速推进的城镇化。大量农村人口向城市涌入，农业用地向工业和商业用地转变，地区非农经济占比逐渐提升。人口规模、产业结构作为两个反映城市级别的主要指标，直接影响着城市房地产的需求。故本文将利用35个大中城市2003—2013年城市人口、产业结构的相关数据，研究以上两指标与城市住房需求的关系。为全面分析不同类型城市房地产市场需求差异化发展现实，本文综合房地产年销售额和房价水平，将35个大中城市划分为四类①。
(一)35大中城市外来人口与房地产市场需求
从表1可以发现，一类城市都有着庞大的外来人口，以及处于高位的房地产年销售额和房价平均水平。例如上海，有着最大数量的外来和常住人口，以及全国最高的年房地产年销售额。深圳虽然房地产年销售总额大大低于北上广，但是却有着全国最高的平均房价水平。深圳房地产市场需求旺盛，不仅是由于外来人口众多，更是因为其特殊的产业结构。在深圳产业构成中，信息技术和金融等现代服务业占有较高的比例。深圳有着发达的生产性服务业，华为、腾讯、中兴、招商银行和中国平安等一大批国内外知名企业总部都落户于深圳。高附加值生产性服务业的集聚，极大地推高了深圳商业用地和住宅用地价格。相对而言，杭州无论是在外来人口还是常住人口，其规模都是一类城市中最小的，但房地产年销售额和房价平均水平却都不低。这主要由于浙江民间富庶，宁波、温州等地资本会流向杭州房地产市场。在二类城市中，除直辖市天津以外，其他城市的外来人口都远远少于一类城市。但近年来部分二类城市房价上涨迅速，2008年以来厦门和南京年均增长率分别为20．9%、17．6%。
总体而言，三、四类城市的外来人口明显少于一、二类城市。在所列的三、四类城市中，沈阳外来人口最多，房地产年销售额也最大，但是平均房价水平并不高。这些特点恰好与海口相反，海口有着和城市人口规模不相称的高房价。近五年来服务业在海口国民经济占比一直稳定在68%左右，城市服务业经济特征明显。丰富的旅游资源和良好的地理环境优势吸引了大量的外地人口购房置业，从而推高了当地房价。这一点和南宁、呼和浩特等地相似，此类城市都具有较高的平均房价、较低的房地产年销售额以及服务业主导的城市经济结构特点。在所列城市中，重庆有着较高的房地产年销售额，但是较低的房价平均水平，这无疑比较接近中国房地产市场调控的目标。究其原因，这其中固然有城市经济发展水平限制的因素，但也要注意到当前重庆试点的地票制度和以公租房为核心的住房保障制度的影响。重庆的地票制度打开了土地供应的瓶颈，而供地占比达22%的保障房建设，有效满足了低收入者的住房需求。最后，西部地区的兰州、银川和西宁等地，受限于经济发展水平和城市人口规模，平均房价和房地产年销售额均不高。
(二)35大中城市产业结构与房地产市场需求
图1、2和3中纵轴表示城市房地产需求，用房地产市场年销售额表示。横轴表示城市产业结构系数，用第二产业和第三产业产值之比表示。从图1中可以直观地发现，2003—2013年，大多数城市产业结构系数较为均匀地分布于0．5～1．5。若某城市产业结构系数小于1，可认为该城市服务业较为发达，该值越小则城市服务业主导的经济特征越明显；若该系数为1，则认为该城市产业结构特征不明显；若该值大于1，可认为该城市制造业较为发达，数值越大则城市制造业主导经济特征越明显。城市产业结构系数较为均匀地分布于0．5～1．5的统计事实表明，服务业、制造业经济主导的两类城市占比相当。此外，图中U型拟合曲线表明，城市产业结构与房地产市场需求间存在着复杂的关系。图1左上方的点显示产业结构系数小于1，即服务业经济特征明显的城市，房地产需求大多居于高位。这类城市有北京、上海和深圳等，城市服务业以金融业、信息软件业等现代服务业为主。拟合曲线左下方的点表明，存在服务业占比较高，但房地产年销售额较低的城市。此类城市有呼和浩特、南宁等，服务业中旅游、餐饮等行业占比较高，但受限于较小的人口和经济规模，房地产市场规模也不大。拟合曲线右半部分的点显示，产业结构系数大于1，即制造业经济特征明显的城市，房地产市场需求规模适中，年销售额大多低于1500亿元。
图2给出了一类城市2003—2013年产业结构与房地产需求的拟合关系。从中可以发现，一类城市产业结构系数基本小于1，服务业经济特征明显。与图3相比，图2中各点高低分布明显，一定程度上反映了近年来一类城市房地产市场过快膨胀，甚至出现泡沫化发展倾向的事实。而右下方倾斜的拟合关系线，表明城市房地产需求与产业结构系数负相关，即一类城市服务业经济占比的下降，有利于房地产市场需求的降温。图3给出了四类城市2003—2013年产业结构和房地产市场需求间的拟合关系。四类城市房地产年销售额总体偏低，这契合了当前三、四类城市房地产市场需求疲软的现实。图3右上方几个严重偏离拟合线的点，反映的是重庆房地产市场较高的年销售额。四类城市产业结构系数总体上大于1，显示了制造业为主的城市经济特点。向右上方倾斜的拟合曲线，表明四类城市房地产市场需求与产业结构系数正相关，即城市制造业的集聚和发展，有利于刺激房产市场需求。图3中拟合线的斜率明显小于图2，说明对于绝大多数城市而言，制造业发展对房地产需求的影响力度要小于服务业。
四、研究设计及实证结果分析
(一)模型构建
前文简单的统计分析不足以准确、全面地研究外来人口、产业结构对房地产市场需求的影响。接下来，本文将采用更为严谨的计量模型对上述问题进行研究。具体研究方法借鉴林登少和艾希霍尔茨(Lindenthal＆Eichholtz，2014)的前期成果［20］，设定如下动态计量模型:
其中，houdemand表示房地产市场需求，houdemandi，t－1表示房地产市场需求滞后一期项，popstructure表示人口社会结构，indstructure表示产业结构，income表示人均收入水平，houinvest表示新增房地产投资，socinvest表示社会固定资产投资，μi表示不可观察的地区固定效应，vt表示特定时间效应，εi，t表示随机误差项。
利用传统计量方法对上述动态模型进行回归分析时，由于作为解释变量的房地产市场需求滞后一期与误差项存在相关性，将不可避免地带来内生性问题，这会导致回归结果是有偏的和非一致的。系统GMM将差分GMM和水平GMM结合在一起，将差分方程与水平方程作为一个系统进行GMM估计。系统GMM不仅可以很好地解决内生性问题，而且可以提高估计的效率。为检验回归结果的有效性，采用Sargan检验来判断工具变量的有效性；以Arellano-BondAR(2)检验来判断扰动项的差分是否存在二阶自相关。
(二)变量选取与数据来源
1． 被解释变量:房地产市场需求(houdemand)。为全面度量各类城市住房需求，本文用《中国房地产统计年鉴》中房地产开发企业商品房销售总额表示房地产市场需求。
2． 核心解释变量:人口社会结构(popstructure)、产业结构(indstructure)。人口社会结构用来反映城市外来人口情况，考虑到存在着郑州、重庆等人口净流出城市，城市外来人口为负值，为避免计量研究中出现的不便，故用城市常住人口与户籍人口之比度量人口社会结构，城市常住人口主要包括外来人口和户籍人口；产业结构用城市第二产业与第三产业产值之比表示，该指标可以在一定程度上反映城市的经济发展是依赖于制造业还是服务业。城市外来人口、第二产业和第三产业产值数据来源于各城市统计年鉴和年度统计公报。
3． 控制变量:人均收入水平(income)、新增房地产投资(houinvest)和社会固定资产投资(socinvest)。其中，人均收入水平和社会固定资产投资数据来源于各城市历年统计年鉴，新增住宅投资数据来源于历年《中国房地产统计年鉴》。
(三)实证结果分析
当前一、二类城市和三、四类城市“冰火两重天”的楼市销售情况，表明35大中城市房地产市场无论是在交易规模还是房屋均价上，都存在着显著的差异。本文统计分析环节中，对35大中城市外来人口、产业结构与房地产市场需求的数据分析也验证了这一点。综上所述，对房地产市场的计量研究也不能一概而论。所以，在实证研究环节，本文依据已有的四类城市划分标准，分城市类别进行计量回归。
表2给出了35个城市整体、一类城市以及二类城市的人口社会结构、产业结构对房地产市场需求的回归结果。模型(1)、(2)的结果显示，上一期房地产需求与本期市场需求正相关，这与房地产市场需求受历史发展状况影响的客观事实相符。模型(1)回归结果表明，人口社会结构项回归系数显著为正，即城市外来人口的增加会刺激房地产市场需求。模型(2)中，城市产业结构项回归系数显著为负，但未通过显著性检验。在本文统计分析环节，图1中35个城市的房地产需求与产业结构间的“U”型拟线性关系也不是十分明显。模型(1)和模型(2)的回归结果显示，人均收入水平的提高和社会固定资产投资的增加能促进房地产市场的发展。模型(3)显示人口社会结构项回归系数显著为正，且系数要远大于模型(1)中的系数，说明一类城市外来人口的涌入对房地产市场需求膨胀，起到了推波助澜的作用。在模型(4)中，产业结构项系数显著为负，这表明一类城市服务业的发展促进了房地产需求的提高。此外，模型(3)、模型(4)的回归结果还表明人均收入水平、社会固定资产投资与房地产市场需求正相关。
与一类城市的回归结果相似，模型(5)、模型(6)的回归结果显示，人口社会结构项系数显著为正，城市产业结构系数显著为负。这说明外来人口的流入、服务业国民经济占比的提高，将带动二类城市房地产市场的繁荣。一、二类城市的外来人口不仅包括农民工，还包括众多高校毕业生。在北京、上海、广州、南京和武汉等区域中心城市，每年都会吸引众多高校毕业生留在当地就业，这些潜在的未来高收入人群将是购房市场的主力军。大量高层次人才的集聚，也为当地的产业转型升级提供了充足的人力资本，推动知识技术密集型的生产性服务业在一、二类城市的集聚与发展。模型(5)、模型(6)的结果显示，房地产市场需求还与人均收入水平、社会固定资产投资正相关。值得引起注意的是，模型(3)、模型(6)结果显示，城市新增房地产投资未能显著降低市场需求。目前，一、二类城市商品房建设用地供给增长严重滞后于市场需求。以上海为例，上海建成区面积占比为16%，低于全国27%的平均水平，上海完全可以进一步释放土地存量，给房地产市场降温。
模型(7)、模型(9)回归结果显示人口社会结构项系数显著为正，这表明外来人口同样会增加三、四类城市房地产市场需求。至此，可以发现，无论是在哪一类城市，外来人口的涌入都是有利于当地房地产市场的繁荣，这一结果与陆铭等(2014)［21］的研究结论相似。虽然各类城市都会有外来人口流入，但是三、四类城市外来人口在数量和质量上均逊于一、二类城市。城市人口数量无疑决定了房地产住宅的销售量，外来人口的质量则会通过影响城市产业结构，进而影响城市房价水平。一、二类城市不仅拥有较为完善的基础设施和公共服务体系，还能够提供高水平人才实现自身价值的工作机遇。而各地区外来人口中高素质人才比重的差异，又造成了城市产业结构的差异。产业结构以及以此为基础的收入水平，则是影响房价水平的重要决定因素，这也是为何一类城市在房地产销售总额和房价平均水平方面均要高于三、四类城市。模型(8)、模型(10)的回归结果中，产业结构项系数显著为正，说明提高制造业占比有助于刺激三、四类城市房地产需求。与一、二类城市截然相反的实证结果，反映了房地产市场需求与城市等级、产业结构存在着一定的匹配性。最后，分析控制变量对三、四类城市房地产市场需求的影响。模型(7)、模型(8)显示，新增房地产投资有利于缓解三类城市房地产市场需求，而社会固定资产投资加大则会推高房地产市场需求。模型(9)、模型(10)的结果表明，人均收入水平提高、社会固定资产投资增加会带动四类城市房地产需求的提高。
五、结论与政策建议
本文利用2003—2013年全国35个大中城市的相关数据从统计分析和实证检验两个环节，研究了外来人口、产业结构对不同类别城市房地产市场需求的影响。统计分析表明，一类城市有着远高于其他类型城市的人口规模和房地产市场需求，尤其是在外来人口与和房价平均水平方面；从产业结构角度看，工业型城市房价水平总体适中，服务型城市一般有着高于同类城市的房价水平。实证研究发现，外来人口的涌入会显著提高各城市的房地产需求。产业结构对房地产市场需求的影响在各类城市存在差异。具体而言，较高的服务业国民经济占比是一、二类城市房地产市场需求膨胀的重要原因，三、四类城市制造业的发展有利促进房地产市场需求。此外，社会固定资产投资、城市人均收入水平提高可以显著提高房地产市场需求，新增房地产投资并不能有效缓解一、二类房地产需求压力。
基于以上研究结论，房地产市场的调控应充分考虑城市的差异性。对于一、二类城市而言，近期楼市价格泡沫化倾向要求楼市政策应多管齐下，标本兼治。针对一、二类城市房地产市场的投机炒作行为，应继续从户籍和金融政策方面予以限制。对于目前人口超千万的特大城市，要采取综合手段控制人口流入。科学界定区域中心城市职能定位，制定与城市等级相匹配的产业准入门槛。通过产业区域分工，引导外来人口、资源和设施向区域次等级城市分流，缓解一、二类城市由于大量人口涌入而带给房地产市场的压力。针对一、二类城市房价飙升，也要从土地供给侧改革入手。在商品房供应链中，建筑、建材和开发商等领域都具有较高的竞争程度，唯独土地供给市场例外。地方政府管控的土地供给政策，造成众多城市土地供给不足。不仅如此，中国可供商品房开发的土地数量本身也相对不足。过去地方政府为发展本地经济，往往以低价工业用地吸引制造业企业入驻。而中央政府的18亿亩耕地红线，使得商品房用地数量被进一步压缩。因此，有必要构建工业闲置用地向商品房用地转换的机制，从而提高楼市供地的灵活性。
对于三、四类以及经济和人口规模更小的城市而言，应进一步推进新型城镇化，依靠经济城镇化、人口城镇化实现楼市去库存。首先要完善城市产业配套环境建设，中央和省级政府要加大中小城市基础设施、公共服务等领域的投资建设。通过加强基础设施建设，完善社会公共服务业体系，从而改进现有产业配套环境，增强城市对人口和产业的吸引力和凝聚力。在吸引、承接沿海发达地区制造业转移的同时，基于自身比较优势培育特色产业，实现“以城聚产”、“以产兴城”、“产城联动”。通过扩大城市就业岗位，增强人口吸纳能力，提高城市人均收入水平。以人口集聚进一步促进产业集聚，形成集聚经济的循环累积机制。在推进以人为本的新型城镇化过程中，特别要注重人口城镇化，通过劳动力流动、劳动者创造潜力的激发，为产业集聚和城市发展潜力的释放提供条件。人口城镇化要求解决好农民工的市民化问题，实现医疗、教育等公共服务的均等化，让广大农民想留下来、也能留下来。人口和产业在三、四类城市的双重集聚，不仅可以化解特大型城市房价飙升、拥挤效应凸显等问题，也将有力带动三、四类城市经济的增长，缓解房地产市场去库存压力。
注释：
① 第一类: 北京、上海、深圳、广州、杭州； 第二类: 厦门、南京、福州、宁波、天津、青岛、大连、武汉、成都； 第三类: 郑州、太原、济南、南昌、南宁、西安、沈阳、长沙、合肥、哈尔滨、海口、长春； 第四类: 兰州、昆明、重庆、石家庄、呼和浩特、乌鲁木齐、贵阳、银川、西宁。
参考文献:
［1］高凌江．地方财政支出对房地产价值的影响———基于中国35个大中城市的实证研究［J］．财经理论与实践，2008(29):85－89．
［2］踪家峰，刘岗，贺妮．中国财政支出资本化与房地产价格［J］．财经科学，2010(11):57－64．
［3］赵安平，罗植．扩大民生支出是否会推高房价［J］．世界经济，2012(1):43－57．
［4］周彬，杜两省．“土地财政”与房地产价格上涨:理论分析和实证研究［J］．财贸经济，2010(8):109－116．
［5］王学龙，杨文．中国的土地财政与房地产价格波动:基于国际比较的实证分析［J］．经济评论，2012(4):88－96．
［6］况伟大．利率对房价的影响［J］．世界经济，2010(4):134－145．
［7］张涛，龚六堂，卜永祥．资产回报、住房按揭贷款与房地产均衡价格［J］．金融研究，2006(2):1－11．
［8］况伟大．预期、投机与中国城市房价波动［J］．经济研究，2010(9):67－77．
［9］高波，王辉龙，李伟军．预期、投机与中国城市房价泡沫［J］．金融研究，2014(2):44－58．
［10］MANKIWNG，WEILDN．The baby boom，the baby bust and the housing market［J］．Regional Science and Urban Economics，1989，19(2):235－258．
［11］陈斌开，徐帆，谭力．人口结构转变与中国住房需求:1999—2025基于人口普查数据的微观实证研究［J］．金融研究，2012(1):129－140．
［12］刘学良，吴憬，邓水恒．人口冲击、婚姻和住房市场［J］．南开经济研究，2016(1):58－76．
［13］SAIZA．Immigration and housing rents in American cities［J］．Journal of Urban Economics，2007，61(2):345－371．
［14］GONZALEZL，ORTEGAF．Immigration and housing booms:evidence from Spain［J］．Journal of Regional Science，2013，53(1):37－59．
［15］POTEPANMJ．Intermetropolitan migration and housing prices:simultaneously determined［J］．Journal of Housing Economics，1994，3(2):77－91．
［16］张平，张鹏鹏．房价、劳动力异质性与产业结构升级［J］．当代经济科学，2016(2):87－93．
［17］刘志伟．城市房价、劳动力流动与第三产业发展—基于全国性面板数据的实证分析［J］．经济问题，2013(8):44－48．
［18］齐讴歌，周新生，王满仓．房价水平、交通成本与产业区位分布关系再考量［J］．当代经济科学，2012(1):100－108．
［19］高波，陈建，邹琳华．区域房价差异、劳动力流动与产业升级［J］．经济研究，2012(1):66－78．
［20］LINDENTHALT，EICHHOLTZP．Demographics，human capital，and the demand for housing［J］．Journal of Housing Economics，2014，6(2):19－32．
［21］陆铭，欧海军，陈斌开．理性还是泡沫:对城市化、移民和房价的经验研究［J］．世界经济，2014(1):30－54．
基金项目:国家社会科学基金重大项目“支撑未来中国经济增长的新战略区域研究”(14ZDA024)；中国特色社会主义经济建设协同创新中心子课题“区域经济协调与城乡发展一体化”(2015gjxt)
作者简介:邱晓东南京大学经济学院博士研究生，南京市，210093；吴福象南京大学经济学院教授、博士生导师。