人口结构对房地产价格影响的实证分析

　　1998年起我国取消分房制度，对住房的需求迅速扩大，推动我国房地产业快速发展，并使其成为我国国民经济的支柱产业之一。房价始终是人们关注的热点，其高低直接影响着人们的生活水平与质量。近几年我国房价一路高涨，处于中低层收入水平的人们奋斗一辈子可能都买不起一套住房，因此研究高房价背后的影响因素是十分必要的。现实生活中，人们与商业住房的联系最为密切，所以下文中提到的房价主要是指商业住宅的价格。

　　房地产价格受诸多因素的影响，包括经济因素、社会因素、行政与政治因素和自然因素等。其中，人口是社会的主体，是房屋需求的主要来源，对房价有着重要的影响。在以往关于人口对房价的影响研究中，研究者更注重人口规模对房价影响的研究，而对人口结构和房价之间关系的研究少之又少。本文将站在人口结构的角度来分析房价波动背后的原因，并将人口结构划分为人口自然结构、人口社会结构和人口地域结构，分别分析这三类人口结构对房价的影响。

　　1.1.1房地产价格的概念

　　房地产价格是一个复杂的经济范畴，既包括土地的价格，又包括房屋建筑物的价格，房与地是不可分割的统一体，房地产价格是这个统一物的价格。其贯穿了房地产从开发到建设再到经营的全过程，主要由九个部分构成，分别为：土地取得费用、前期工程费、配套费、建筑安装工程费、管理费、销售费、税费、利息和利润。

　　1.1.2房地产价格的特征

　　房地产具有有用性、稀缺性和有效需求三个特征，房地产价格是受这三个特征的相互影响而产生的，此外，房地产是集实物、区位和权益于一体的综合体，因此房地产价格拥有许多与其他商品价格相比更为显著的特征：

　　（1）房地产价格既可表示为代价的价格，同时也可表示为使用和收益代价的租金

　　房地产价格与租金的关系，犹如本息与利息的关系。若要求取价格，只要能把握纯收益和资本化率，依照收益法将收益资本化即可。相反，若要求取租金，只要能把握价格及期待的资本化率，即可求得。

　　（2）房地产价格的实质是房地产权益的价格

　　由于房地产的自然位置有不可移动性，结果其可以转移的并非是房地产实物本身，而是有关该房地产的所有权、使用权或其他权益，所以房地产价格实质上是这些无形的权益的价格。

　　（3）房地产价格区域差异显著

　　由于房地产具有不可移动性，每个区域的环境、经济发展状况都存在差异，房价也会受此影响而表现出显著的差异。

　　（4）房地产价格具有个别性

　　没有两处完全相同的住宅，每处住宅都会与其他住宅有一定的差别，一方面包括房屋所处的环境、地域等，另一方面包括每处住宅的建筑面积、质量、朝向楼层等，因此房地产业并不存在一个统一的市场价格。

　　（5）房地产价格具有多种表现方式

　　房地产商品与其他商品不同，房地产商品不只以买卖为主，还有租赁、抵押、典当、作价入股等，因此房地产价格的表现形式主要有：售卖价、租赁价、抵押价、典当价等。

　　（6）房地产价格总体处于上升趋势

　　由于土地具有稀缺性和供给有限性，土地价格在房地产价格中占有很大比重，我国土地供应量逐年减少，土地价格不断上涨，必然导致房地产价格的上涨。虽然房地产价格在短期内受供求关系的影响而出现上下波动，但长期来看，其总体趋势处于上涨状态。

　　人口结构，也称人口构成，是指将人口以年龄、性别、人种、民族、宗教、教育程度、职业、收入、家庭人数等不同的标准划分而得到的一种结果。它反映一定地区、一定时点人口总体内部各种不同质的规定性的数量比例关系。由于人口具有性别、年龄、居住地、民族、阶级、文化、婚姻、职业以及宗教信仰等标志，就其性质特征而言，人口结构可分为人口自然结构、人口社会结构和人口地域结构三大类。其中，人口自然结构是以人口的生物学特征为划分依据，主要有性别结构和年龄结构；人口社会结构是以人口的社会特征为划分依据，主要包括阶级结构、民族结构、文化结构、语言结构、宗教结构、婚姻结构、家庭结构、职业结构、部门结构等；人口地域结构是以人口的居住地区为划分依据，主要有自然地理结构和行政区域结构。本文将根据这人口结构三大类分别分析其对我国住宅价格的影响并加以实证。

　　2.1.1房地产业需求现状

　　1998年，我国取消住房分配制度，并逐步深化房地产市场改革，城镇化进程进一步加快，人民生活水平和居民可支配收入均明显提高，对房地产的需求呈现旺盛的局面，房地产市场日渐火爆，商品住宅销售额与销售面积均大幅上涨。表2.1为2007年至2016年我国商品住宅销售额、销售面积及其增长幅度情况。

　　从表中可以看出，我国近十年商品住宅销售额和销售面积整体保持增长状态，2008年受国际金融危机的影响出现负增长，销售额与销售面积分别下降17.09%和15.48%，2009年国家出台政策刺激房地产需求，使得本年度商品住宅销售额和销售面积均大幅上涨，2014年国家推进房地产税立法，住房市场出现小幅度负增长，其余年份均保持上涨状态。

　　2.1.2房地产业投资现状

　　自1998年我国房地产市场化改革以来，房地产投资规模迅速增长，其中对商业住宅的房地产投资增长更加显著。表2.2为2006-2017年GDP与房地产开发住宅投资情况对比。

　　上表中显示，我国近十年GDP、固定资产投资、房地产开发住宅投资均稳步增长，房地产开发住宅投资额从2007年18005.42亿元增长到2016年的68703.87亿元，年均增长超过5000亿元，可见房地产住宅开发增速十分迅速。房地产开发住宅投资占GDP比重2007-2014年呈现逐年增长状态，从6.66%增长到9.99%，2014年后该比重有轻微回落，始终保持在9%左右。房地产开发住宅投资占固定资产投资比重始终保持在10%以上。由此可见，房地产业在我国国民经济中的支柱性地位，其中房地产住宅投资占有举足轻重的地位。

　　2.1.3房地产业价格现状

　　1998年我国房地产进行市场化改革，加之我国经济发展水平的提高，人民可支配收入也随之提升，人们对房地产的需求更加强烈。由于人们的主要需求为商业住宅，这无疑推动了商品住宅价格的上涨。表2.3为近十年来我国商业住宅年平均价格及其年增长幅度。

　　表2.3 2007-2016年我国住宅商品房平均销售价格及其增长幅度[数据来源于历年《中国房地产统计年鉴》]

　　年份2007 2008 2009 2010 2011

　　商品住宅均价（元）3645.18 3576.00 4459.00 4725.00 4993.17

　　增长幅度%-1.90 24.69 5.97 5.68

　　年份2012 2013 2014 2015 2016

　　商品住宅均价（元）5429.93 5850.00 5933.00 6473.00 7203.00

　　增长幅度%8.75 7.74 1.42 9.10 11.28

　　从上表可以看出，从2007年3645.18元增长到2016年7203元，房价将近翻了一倍。10年间只有2008年因金融危机影响导致出现负增长，但幅度仅为1.90%。2009年国家刺激房地产需求，使其增长幅度最大，为24.69%。2014年我国推进房地产税立法，受此影响，价格增长幅度仅为1.42%，其余年份增长较为稳定，整体呈上涨态势。

　　2.2.1人口自然结构现状

　　人口自然结构主要分为人口性别结构和人口年龄结构，反应人口性别结构的指标主要为人口性别比，反应人口年龄结构的指标主要有少年、成年、老年人口数量、总抚养比、少儿抚养比、老年抚养比。

　　表2.4 2007-2016年我国人口性别规模及性别比[数据来源于历年《中国人口和就业统计年鉴》]

　　年份2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

　　性别比1.06 1.06 1.06 1.05 1.05 1.05 1.05 1.05 1.05 1.05

　　根据表2.4可知，我国男性人口和女性人口每年均在平稳增长，男性人口始终多于女性人口，性别比基本保持在1.05左右，表示100名女性对应105名男性。

　　表2.5 2007-2016年我国人口年龄结构和抚养比[数据来源于历年《中国人口和就业统计年鉴》]

　　指标年份2016 2015 2014 2013 2012 2011 2010 2009 2008 2007

　　年末总人口(万人)138271 137462 136782 136072 135404 134735 134091 133450 132802 132129

　　0-14岁人口(万人)23008 22715 22558 22329 22287 22164 22259 24659 25166 25660

　　15-64岁人口(万人)100260 100361 100469 100582 100403 100283 99938 97484 96680 95833

　　65岁及以上人口(万人)15003 14386 13755 13161 12714 12288 11894 11307 10956 10636

　　总抚养比(%)37.9 37.0 36.2 35.3 34.9 34.4 34.2 36.9 37.4 37.9

　　少儿抚养比(%)22.9 22.6 22.5 22.2 22.2 22.1 22.3 25.3 26.0 26.8

　　老年抚养比(%)15.0 14.3 13.7 13.1 12.7 12.3 11.9 11.6 11.3 11.1

　　总抚养比指人口总体中非劳动年龄人口数与劳动年龄人口数之比；少儿抚养比指少年儿童人口数与劳动年龄人口数之比，反映每100名劳动年龄人口要负担多少名少年儿童。老年抚养比指老年人口数与劳动年龄人口数之比，反映每100名劳动年龄人口要负担多少名老年人。表2.5显示，近十年我国总人口数持续小幅增长。2007-2011年少年人口因计划生育政策持续减少，减少近3496万人，2013年我国实施“单独二孩”政策，少年人口开始回增。然而，中年人口表现出与少年人口相反的态势，2013年以前，中年人口持续上涨，2014年起中年人口逐渐减少。老年人口在这10年间始终保持上涨状态，共增长了近5000万人。少儿抚养比总体呈下降趋势，保持在22%左右，老年抚养比则总体呈上升趋势，由11%突破了15%。综上，我国少年人口和老年人口正在逐渐增加，中年人口逐渐减少，反映出劳动年龄人口在减少，中年人对少儿和老人的抚养压力正在加大。按照联合国的传统标准，一个地区60岁以上老人达到总人口的10%，新标准是65岁老人占总人口的7%，即该地区视为进入老龄化社会。无论按照传统还是新标准，2016年底我国65岁及以上人口占总人口比重已达到10.85%，说明我国已步入老龄化社会。

　　2.2.2人口地域结构现状

　　衡量人口地域结构主要指标是城镇化率和城镇人口数量。城镇化率是指一个地区城镇常住人口占该地区常住总人口的比例。

　　表2.6 2007-2016年我国城镇人口数量和城镇化率[数据来源于历年《中国人口和就业统计年鉴》]

　　年份2016 2015 2014 2013 2012 2011 2010 2009 2008 2007

　　年末总人口（万人）138271 137462 136782 136072 135404 134735 134091 133450 132802 132129

　　城镇人口（万人）79298 77116 74916 73111 71182 69079 66978 64512 62403 60633

　　城镇化率%57.35 56.10 54.78 53.73 52.57 51.27 49.95 48.34 46.99 45.89

　　从上表可以看出，十年间我国城镇人口和城市化率逐年增长，城镇人口增加了18665万人，城镇化率上涨了11.46%，说明我国城镇化进程不断加快。

　　2.2.3人口社会结构现状

　　人口社会结构相对复杂，涉及了不同的阶级、民族、文化、宗教、婚姻、家庭、职业和部门，其中与房地产关联较大的是家庭规模和受教育程度，本文将重点对这两部分当前现状进行分析。

　　由表2.7可知，我国平均家庭户规模始终保持在3人/户，一人户家庭占比整体趋势为上升，10年内由8.94%增长到14.09%。两人户家庭占比呈∩型波动，2014年上涨到27.65%，之后开始下降为25.77。三人户家庭占比整体处于下降趋势，由30.36%降至26.09%。四人户及以上家庭占比呈∪型波动，受“单独二孩”政策的影响，2014年下降至30.75，之后经历迅速增长，2016年达到了34.05%。

　　以上图表中的数据以6岁及以上已达到学龄人口为基数，由图可见，我国人口受教育程度并不高，大部分人口为初中学历，但此比重正在下降，2014年以前均处于40%以上，2014年之后下降到40%以内。小学学历人口比重呈下降趋势，由31.80下降至25.61%。高中和大专及以上学历比重处于上升状态，均提升5%左右。未上过学的比重在2007至2010年间下降趋势显著，2010年之后变化微弱，基本保持在5%左右。综上，我国高学历人口占比有所增长，低学历占比则相反，说明了我国人口受教育程度有了明显的改善。

　　本章将从人口结构的三个方面入手，分别分析其对房地产价格的影响路径，上文也曾提到过，由于人口对房地产的需求以商品住宅为主，因此本章提到的房价主要为商品住宅的价格。

　　3.1.1人口性别结构对房价的影响

　　我国近十年人口性别比始终保持在1.05，即100名女性对应105名男性，男女比例失衡较为严重。我国性别比基本保持不变，但房价却持续高涨，从表面并看不出性别比对房价有何影响。性别比对房价的影响更多的是包含了一些社会因素。陈洋（2017）指出性别比的失衡会直接对家庭户数和婚姻状况造成影响，性别比失衡导致了已达到适婚年龄但并不结婚的人数增多，从而进一步导致家庭户数的减少，一方面家庭是住房需求的主要推动力，家庭户数减少导致住房需求减少，从而使得房价有所下降；另一方面，家庭户数的减少降低了人口出生率，人口规模从而减小，也会降低住房需求，房价因此下降。

　　然而，也有学者指出性别比失衡会使得房价上涨，男性多于女性人数使得男性婚姻市场竞争激烈，多数女性将男方的置业能力作为择偶主要标准，男性人口加大了对住房的需求，从而推动房价的上涨。

　　3.1.2人口年龄结构对房价的影响

　　根据生命周期理论，人在不同年龄段有不同层次的需求。其中对住房的需求主要集中在劳动年龄人口上，少年儿童因没有经济能力，对住房需求很低，老年人生活已经稳定，购房意愿不强烈。其中，在劳动年龄人口中，20-39岁的人因刚成婚或经济刚开始独立对首套住房需求较为旺盛，大多属于刚性需求。40-59岁的人因已有较长的工作年限，有了较强的经济能力，同时家庭规模也可能不断壮大，对更新住房的需求较为强烈，属于改善性需求，当然也有一部分人经济能力很强，从而对住房的投资性需求十分强烈。最近几年，由于传统社会观念和为了追求更高的生活质量，老年人为子女购置房屋的现象十分显著，一些经济条件较好的老年人还会选择在居住环境优异的地区购置养老房屋。因此，劳动人口的消费能力最强，是住房的主要需求者，劳动年龄人口的增长势必会导致住房需求的旺盛，从而推动房价的上涨，老年人口的增多也会在一定程度上推动房价的上涨。

　　以上是从需求层面所考虑，然而在供给方面，劳动年龄人口的增长不仅会导致住房市场需求旺盛，同时也提供了丰富的劳动力资源，房地产业中工作者会增多，房屋的供给也会随之增多，从而造成房价的下跌。

　　3.2.1人口城乡结构对房价的影响

　　人口城乡结构主要涉及的是城镇化问题，众所周知，我国当前城乡发展极为不平衡，农村人口希望迁到城镇中，从而推动了人口城镇化进程，城镇人口不断增长扩大了对住房的需求。依据城镇化阶段的不同，当城镇化处于初期时(城镇化率30%左右)，大量农村人口涌入城镇，导致了城镇的住房供不应求，推动了房价的上涨。然后，当处于城镇化后期（城镇化率70%左右），会出现“逆城市化”现象，城镇人口为了追求更好的生活环境而选择回归农村，使得对城市住宅需求减弱，房价下降。

　　3.2.2人口区域结构对房价的影响

　　人口区域结构主要表现为我国各城市之间差异大，经济发展水平各异，发展较好的城市，例如省会城市或者经济、政治、文化中心具有极强的吸引力，对住房的需求十分旺盛，推动房价的上涨。而那些发展水平较低的小城市，人口通常都会外流，对住房的需求较小，房价也会较低。

　　3.2.3人口流动对房价的影响

　　人口流动主要表现为两方面，一方面是农村人口进城务工，这也在一定程度上推动了城镇化进程，但由于务工人员经济实力有限，短期内并不会对房价造成太大的影响，因为大部分人员都会选择租房或者会被集体安排。但随着工作年限的增加，他们很可能会选择在此地购房。因此，农村人口进入城市对房价的影响需要经历较长的时间，并非短期形成。

　　另一方面是城市人口之间的流动，一些人因工作需要去另一城市，当他们在另一城市的工作和收入较为稳定之后，会考虑举家迁移，这时会增大对住房的需求，导致房价上涨。

　　3.3.1人口家庭结构对房价的影响

　　人口家庭结构对房价的影响主要体现在家庭规模上，就现实情况而言，我国目前家庭规模趋于小型化，即子女成年后希望独居，在人口总量不变的情况下这会增加家庭户数，这无疑会增大对住房的需求，从而推动房价的上涨。

　　3.3.2人口婚姻结构对房价的影响

　　人口婚姻结构主要分为晚婚、结婚、离婚。首先，一个社会晚婚人口较多时，他们的购房计划可能会推迟，对住房的需求并不是很高，但随着社会观念的转变，许多成年子女选择脱离父母独自居住，这会增大对住房的需求。其次，当一个社会结婚人口多了，家庭户数就会相应增多，对住房的需求也会增大。最后，当离婚人口变多时，由于大部分家庭只拥有一套住房，离婚后家庭将会分裂，造成住房需求的增长。

　　3.3.3人口受教育程度对房价的影响

　　人口受教育程度会对收入水平产生直接而明显的影响，受教育程度越高，其收入水平越高，对住房的购买能力越强。当农村人口受教育程度提升时，会大大促进城镇化进程。总之，人口受教育程度越高，对住房的需求越旺盛，房价因此会提升。

　　3.3.4人口的职业对房价的影响

　　人口职业主要分为从事第一、二、三产业的工作。从事第一产业的人口增加时，由于第一产业大多位于农村，这些人口更倾向于居住在农村。随着产业不断升级转型，从事二、三产业的人口不断增加，而且这些人口一般居住于城镇，对住房的需求从而更加旺盛，推动房价的上涨。

　　4.1.1主要影响指标的选择

　　影响房价的因素有很多，本文主要从人口结构的角度来分析其对房价的影响，但为了增强模型的拟合效果，本文将解释变量分为观察变量和控制变量，被解释变量为商品住宅销售价格。其中，观察变量的指标主要为人口结构相关的指标，本文选用城镇化率和人均受教育年限[计算公式：（未接受教育人数*0+小学教育程度人数*6+初中教育程度人数*9+高中教育程度人数*12+大专及以上教育程度人数*16）/6岁及以上人数]。控制变量指标主要选用城镇居民人均可支配收入和土地价格[计算公式：年度土地购置费用/年度土地购置面积]。

　　4.1.2数据来源与数据处理

　　由于我国房价，地价和人口结构等情况发展差异较大，因此本文的数据将采用基于31个省自治区直辖市不同情况的面板数据。本文中商品住宅销售价格和土地价格数据来源于《中国房地产统计年鉴》，人均受教育年限数据由《中国人口和就业统计年鉴》计算整理所得，城镇居民人均可支配收入和城镇化率来源于各省统计年鉴。本文通过参考以上统计年鉴，选取了2002年至2016年共15年间各个变量的相关数据，形成以省为划分依据的面板数据统计表，并做出描述性统计，如表4.1和4.2所示。其中，Y为商品住宅销售价格（元/平方米），X1为城镇居民人均可支配收入（元），X2为土地价格（元/平方米），X3为城镇化率(%)，X4为人均受教育年限（年）。

　　表4.2五种变量描述性统计[分析使用软件为Eviews8.0

　　Y X1 X2 X3 X4

　　Observations 463 463 463 463 463

　　Cross sections 31 31 31 31 31

　　Mean平均值4263.49 17830.39 3181.17 49.88 8.43

　　Median中位数3511.00 15748.70 1233.02 47.90 8.43

　　Maximum最大值28489.00 57692.00 71579.14 89.60 12.30

　　Minimum最小值907.00 5944.08 125.00 19.70 3.74

　　Std.Dev.标准差3461.03 9320.29 6468.72 15.26 1.19

　　根据表4.1，Y、X1、X2、X3、X4五种变量在2002至2016这15年间的总体变化趋势基本是一致的，即都是趋于上升状态。根据表4.2可以看出，各地房价的平均值为4263.49元，标准差为3461，表现出各地房价差异很大，最大为28489元，最低仅为907元；各地城镇居民可支配收入和地价的标准差也很大，分别为9320.29和6468.72，说明各地区收入水平和土地价格的差异也是巨大的；城镇化率的平均值为49.88%，标准差为15.26，各地区间差异远小于地价和收入的差异；人均受教育年限平均为8.43年，最大为12.3年，最低为3.73年，标准差为1.19，各地区差异并不大。

　　本文模型建立使用的分析软件为Eviews8.0，建立模型的步骤为先进行F检验决定选用混合模型还是固定效应模型，然后用Hausman（豪斯曼）检验确定建立随机效应模型还是固定效应模型。

　　本文首先分别作混合模型回归估计和个体固定效应模型回归估计，其结果如表4.3所示。

　　用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

　　根据上表可得出：

　　F=[(6.4-3.23)/(31-1)]/[3.23/(643-31-1)]=14.1>F(0.05)=1.8

　　因此，推翻原假设（混合模型），应该建立个体固定效应模型。

　　接下来用Hausman检验确定应该建立随机效应模型还是固定效应模型。Hausman检验是在随机效应模型的前提下所做，因此要先做随机效应模型分析，结果如表4.4所示。

　　在以上随机效应模型的基础上进行Hausman检验，结果如下：

　　变量系数

　　X1（城镇居民可支配收入）0.23539

　　X2（土地价格）0.137523

　　X3（城镇化率）-106.5514

　　X4（人均受教育年限）267.6922

　　R2 0.941713

　　调整后的R2 0.937082

　　根据检验结果可以得知P值为0，因此拒绝原假设（随机效应模型），采取个体固定效应模型更加合理，上文已经得到个体固定效应模型的分析结果，系数情况如下：

　　分析结果中R2与调整后的R2分别为0.941713和0.937082，说明该模型的拟合度很高，而且模型的P值小于0.05，说明是显著的。其中，常数项C、变量X1、X2、X3的P值也均小于0.05，说明结果也是显著的，X1和X2的系数均为正，说明城镇居民可支配收入、土地价格对房价的影响是正向的，即城镇居民可支配收入和土地价格的上涨都会导致房价的上涨。X3的系数为负，表现为城镇化率对房价的影响是反向的，与现实情况并不相符，原因主要为：当仅对变量Y和X3进行一元回归时，X3的系数为正，与实际情况吻合，但本文为了使实证结果更加精确，于是加入X1和X2作为控制变量，却导致X3的回归结果出现错误，最可能的原因是解释变量过少，仅有四个，仍然遗漏了其他重要变量，最终导致X3回归结果的偏误，选取的变量较少，从而样本容量较少，这也是本次实证分析过程中存在的最大不足之处。X4的P值为0.143>0.05,说明结果并不显著，其系数为正，说明人均受教育年限对房价的影响也是正向的，及人均受教育年限越长，房价越可能上涨，但是人均受教育年限对房价的影响并不如其他变量对房价的影响显著，即人均受教育年限对房价的影响是微弱的。

　　我国房地产业发展区域差异十分显著，一些区域性中心城市例如北京、上海的房地产市场仍然十分旺盛，然而一些小城市由于受到地理位置、人口流失等因素的影响，房地产市场十分冷淡，这就出现了我国房地产业发展冷热不均的现象。基于实证分析的结果，现提出一些建议供房地产市场今后发展所用。

　　(一)根据人口流动情况制定相应的房地产政策

　　我国不同区域经济发展水平各异，人口流动情况也不尽相同，人口规模是影响房价的重要因素，因此各个省市要做好人口流动预测，发展水平较高的大中型城市通常是人口迁入量较大的地区，因此这些地区的房屋需求量十分旺盛，针对于这些地区，XX应适当增加住房供给，但同时要抑制对住宅的投资需求，避免将房价“炒”高，目前征收房地产税是一项应对炒房现象有效的政策然后，那些发展水平较为落后的地区通常人口流出严重，对于这些地区，XX应控制住房供给，优化住房质量，做好预警防控工作，避免出现大量库存，我国近几年实施的供给侧结构改革，对住房市场的去库存工作产生了显著的效果。总之，针对不同的地区，因人口流动情况不同，各地要因地制宜，采取“一地一策”的宏观调控政策。

　　（二）制定科学的财政政策，减少对土地财政的依赖

　　土地出让金是一些地区财政收入的主要来源，XX依靠这些资金进行城市建设，但对于人口流出较为严重的地区，人口对住房需求减少，XX一味地出让土地会使得到的出让金越来越少，而房屋库存却越来越多，最终给XX和当地居民带来沉重的压力。因此，XX必须要做好相关预警，制定科学合理的财政规划，避免过度依赖土地资源。

　　（三）科学制定对学区房的管理办法

　　前一章节实证表明，人均受教育年限会对房价产生正向影响，这就会导致一些家庭为了子女能够上好学校去抢购学区房，使得一些地区的学区房让大多数人望而生畏，高价学区房的影响辐射范围不仅仅只是一小块，一些大中城市因其整体教育发展水平较高，从而带动了整个城市房价的高涨。因此，尤其对于教育发展水平较高的省市，XX制定合理的学区规划和学区房购买管控政策是十分必要的。

　　[1]中国统计局.中国统计年鉴2010-2017[M].北京:中国统计出版社,2010-2017.

　　[2]中国统计局.中国房地产统计年鉴2010-2017[M].北京:中国统计出版社,2010-2017.

　　[3]中国统计局.中国人口和就业统计年鉴2010-2017[M].北京:中国统计出版社,2010-2017.

　　[4]孙蕾.中国人口老龄化的区域差异研究——基于省级面板数据的实证分析[J].当代经济科学,2015,37(1):18-24.

　　[5]闫磊．房地产价格影响因素分析–基于1997-2008年面板数据的实证研究[J].财经视点2011(1):130.

　　[6]何晓群,刘文卿.应用回归分析[M].北京:中国人民大学出版社,2007.

　　[7]王蕾．我国城市房地产泡沫的实证分析以北京、西安、呼和浩特为例[J].西安财经大学学报,2011(9):87-91.

　　[8]欧阳捷.中国房地产市场现状与趋势[J].城市开发,2016,(02):66-68.

　　[9]李勇削、余永虎、何宾宾.城市化、收入差距与房价波动——基于动态面板模型的研究[J].南京审计学院院报,2013(04):9-17.

　　[10]王文斌.我国房地产价格波动形成机制及影响因素研究[D].天津:南开大学,2011,01.

　　[11]董籓,丁宏,陶斐斐.房地产经济学[M].北京:清华大学出版社,2010,170-171.

　　[12]杨光兵.中国房地产经济可持续发展的对策探究[J].中国科技博览,2013,(13):15-16.