【区域格局与产业发展】
摘 要：人口老龄化对房价的影响存在特别明显的区域差异性，即我国西部地区的人口老龄化与房价有显著的正相关性；中部地区的人口老龄化与房价的相关关系表现为比较弱的负相关性；然而东部地区的人口老龄化与房价的相关关系表现为显著的负相关性。除此之外，在我国不同的区域内，除人口老龄化因素外的其他因素，如城市化率、人口自然增长率、人均实际GDP及实际房屋竣工造价对房价的影响方式以及程度也存在较大差异。
关键词：区域差异化；人口老龄化；房价
一、文献综述
至2000年末，我国的老龄人口数已接近1.3亿人左右，老龄人口占总人口的比值达6.96%，根据国际标准衡量，我国已经进入老龄化社会。2017年国家统计局发布最新数据显示，我国老龄人口占总人口的比值已高达11.4%，我国已经成为老年人口数量最多的国家，人口老龄化问题日趋严峻。在人口老龄化趋势不断加剧的时代背景下，我国人口红利逐渐消耗完毕，整个社会的消费需求以及社会经济活力将发生无法逆转的重大变化，从而导致我国房地产市场产生不可避免的重大转变。那么，人口老龄化会如何影响房价？我国整体房价会如何波动？区域差异化的人口老龄化程度对区域房价的影响是否具有差异性？这是值得重视与研究的问题。
国内外对人口老龄化和房价的关系研究已经取得了丰硕的科研成果，基于不同的切入点对人口老龄化与房价的关系研究得出了各具代表性的结论，呈现出百家争鸣的景象。Mankiw（1989）等人将人口因素引入，对住房价格进行分析，他们认为人均年龄、出生率以及人口规模能在一定程度上对房屋价格产生影响，婴儿潮一代进入房地产市场使房价抬升，婴儿潮一代的退出会对住房需求产生负向影响，从而导致住房数以及价格同时下跌，造成了住房需求的减少，从而导致房价下跌到原有水平。也有研究发现，当婴儿潮时期出生的人口进入老龄阶段，偏好于减少手中持有的资产，从而造成资产价格下跌（邓嫦琼、原鹏飞，2008）。
(1)“最低标准”项目成果国内税法转化的系统性偏差。AP-BEPS“最低标准”项目成果的中国国内税法转化基本完成，但某些方面成果未完全对接到位。例如，BEPS第5项行动计划成果中“义务性自发税收裁定信息交换标准”，以及第14项行动计划成果中“强制仲裁”规则等，国内相关税法中都未有对接转化。因此，中国对接“最低标准”项目成果的国内税法体系与“最低标准”项目成果的规范体系仍存在偏差。
从上述引文看：第一，以“不洁”禁食某种动物是没有道理的，像猪、塘鹅、鸵鸟现在都可以吃。但这些规定形成了以色列民族的生活习俗。第二，蝙蝠不能吃，是对的。据说，现在埃博拉病毒正是由于西非人吃了蝙蝠而造成的。第三，当时有吃尸骸的情况，是因为饥饿。如果动物是“自死”的，显然是病死的，食用会引发瘟疫。禁止吃尸骸是对的。第四，以色列人发现，吃不洁的食物会导致疾病这一点是正确的，但是他却没有分清究竟什么是不洁，并不是某种动物不洁，而是有病的动物不洁。最后，自死的动物很可能是生病而死，他自己不吃，却卖给别人吃，瘟疫就是这样传播的，这简直就是杀人！简直太缺德了！这反映了以色列人的医学知识还处于巫术阶段。
从人口结构层面来看，未来我国并没有能够保证房价快速上涨的基础，房价将面临较强且持续性下跌的压力。新开放的二孩政策以及城乡人口迁移能够有效减缓我国人口老龄化问题（陈宁，2017；刘昌平等，2008；方丰等，2010）。其中，人口年龄结构对房价影响更为重要，Lim&Lee（2013）及Davis（2005）利用相关数据分析证明了人口年龄结构明显影响住房价格这一结论。除此之外，徐建炜、徐奇渊、何帆（2012）将人口结构的变化作为研究切入点，以此来分析研究我国住房价格持续上涨的现象，研究结果表明，我国少儿抚养比的提高能够推动房价的上涨，我国老年人口抚养比的增加则会促使房价下跌，并预测若只关注人口结构因素，在2015年之后，我国的房价将不再有迅速上涨的环境条件，房价整体水平将会逐渐下降。
2000年，在ARL的支持下，依据LibQUAL+TM指标对12所大学图书馆进行了服务质量实验，取得了较为理想的结果，但是却也存在些问题。由于图书馆的服务本身就是复杂的，在对其进行评价是，其评价指标难免会出现指标重复、重要方面遗漏等问题。为了更加全面的对图书馆进行评级，LibQUAL+TM指标在2001年甚至扩展到5个层面56个问题。在之后几年的研究与实践中，删减重复、无意义指标，增加有用的指标，在2004年形成了服务影响、信息控制和图书馆环境3个层面，22个具体指标的稳定体系，见表1。
丁洋、郑江淮（2018）则持相反观点，认为至少在未来20年内，老龄化都将刺激而不是减少住房需求。叶永刚、王凌伟和魏海瑞（2016）认为人口年龄结构的变化能够决定房地产市场未来的发展。也有其他学者证明了这一观点，Bakshi和Chen（1994）通过研究，发现投资者会在早期将大部分的财富投资投入到房地产方面，随着自身年龄的增长，人们会将更多的财富分配至金融资产等方面，他们在年龄以及个人风险厌恶系数成正比的假设下，提出生命周期的投资理论。并且使用第二次世界大战后的数据研究发现，人口平均年龄的增长会导致股票价格的上升以及房地产价格的下降。更为具体的研究发现，社会人口抚养比会导致房价产生较大波动，少子老龄化使得房价短期上涨、长期下跌。肖洋、宋旭（2014）认为老龄人口抚养比增加会降低房价，而少儿抚养比上升则会促使房价上涨。国内部分学者研究发现人口老龄化能够推高我国房价，并且老龄化程度将不断加深（原新、刘士杰，2009）。人口老龄化还能减弱人口规模扩大对推动房价上涨的作用。郭娜和吴敬（2015）运用非线性面板平滑转换模型对房价及人口老龄化的关系进行研究，研究结果表明，人口数量的增长确实是推动我国房地产价格上涨的重要因素，并且这种影响存在着明显的非线性特征，人口老龄化程度加剧将会减轻这种正向影响而使房价降低，城镇化水平的提高则会在一定程度上增强人口老龄化对房价的正向影响，从而推动房价的上涨。
我国地大物博，受经济环境、自然环境以及历史环境的影响，各区域的经济发展情况差异较大，我国的人口老龄化与房价表现出来的差异较大（李秀丽、王良健，2008）。但也有学者研究发现，人口老龄化曾推动我国房价上升，邹瑾、王大波、于焘华（2015），邹瑾（2017）运用面板协整理论和动态面板估计的方法对相关数据进行分析，研究发现老龄人群曾经推动房价的上涨，这主要是由于储蓄、住房需求多元化和家庭结构微型化发展导致，高房价与东部地区的青年人群的支付能力存在着矛盾，刚需人群购买力的有效释放决定了人口老龄化是否会导致房地产市场的下行风险。
观察表4全国层面相关数据可知，全国面板数据随机效应模型回归分析计量公式为：
因此，本文根据我国国情，参照传统省级东中西部地区的区域划分方法对不同地区划分。选择全国及各省份1999—2016年的数据对我国不同区域的人口老龄化对房价的影响进行探讨，分析我国不同经济发展区域人口老龄化对房价影响的相同点及差异性，对人口老龄化与房价方面存在的问题提出具有针对性的政策建议，这具有一定的现实意义。
二、人口老龄化对房价影响的理论传导机制
1. 基于房地产市场的供求基本原理分析
人口老龄化主要通过影响房地产市场的需求，较少一部分通过影响房地产市场供给给房价带来波动。房地产市场供给大于需求，房价下跌；房地产市场供不应求的情形下房价会上涨（如图1所示）。
图1 基于房地产市场的供求基本原理分析
2. 基于“房改红利”及“储蓄的代际转移”分析
研究中部地区的房价受人口老龄化影响的程度大小，本文选取山西、湖北、安徽、江西、湖南、内蒙古以及河南等7个中部地区省份1999—2016年的相关数据进行研究分析，推出计量模型式（3），分析结果可见表6。
3. 基于“婴儿潮”及“人口红利”分析
婴儿潮时代人群年龄的推移能够带来“人口红利”，在“人口红利”背景下，劳动年龄人口的数量占总人口数量的比重比较大，整个社会的人口总抚养比率比较低，“人口红利”能够为国家经济发展提供有利的人口条件，在“人口红利”因素的推动下，整个国家的经济将呈现出高增长、高储蓄以及高投资的态势。“人口红利”效应使得适龄购房人口增加，这是人口老龄化初期人口年龄结构转变的一种形式。当处于劳动年龄人口占比高、社会总抚养比低的时期，社会生产力高，人口收入高，社会储蓄率高，房屋需求旺盛，房价激增。人口老龄化程度加深意味着劳动人口比重的下降，这将减弱“人口红利”带来社会经济增长和收入水平提升的正向影响，进而降低整个社会的购房需求及能力，最终导致房价上升速度减缓甚至房价下跌（如图3所示）。
图2 基于“房改红利”及“储蓄的代际转移”分析
4. 基于“资产消融”及“生命周期理论”分析
生命周期理论是分析人的一生各个生命阶段，人们在较长时间范围内计划他们的生活消费开支，以达到在整个生命周期内消费的最佳配置。人们在退休后便不再积累资产，当一大批人口退出住房市场时，房价将会下跌，劳动年龄人口是购买住房的主要人群，而老年人口一般不会购买住房，甚至会出售住房，在住房供给保持不变的前提下，劳动年龄人口占比上升将会增加住房需求，老龄人口占比增加将会紧缩住房需求，从而影响房价的变动。国外文献提出“资产消融”假说，认为人口老龄化将会导致居民住房总需求的减少，间接导致房价的下跌，情况严重时甚至有可能会导致房地产市场的崩盘（如图4所示）。
图3 基于“婴儿潮”及“人口红利”分析
图4 基于“资产消融”及“生命周期理论”分析
三、人口老龄化对房价影响的实证分析
1. 模型设定
其他控制变量对房价影响各不相同。城镇化率回归系数为正，并且在1%水平下表现为显著，表明了房地产价格和城镇化水平之间具有显著的正向相关关系，这说明城市化水平的提高能抬高房价，房价和城市化水平之间的变动关系具有一致性；实际竣工房屋造价是用来衡量房屋建造成本，在1%显著性水平下与房价呈正相关，且其增加1单位可使房价上涨0.775929个单位，对房价有很大的正向影响，房屋建造成本增加会使得房屋销售价格相应地上涨；人均GDP是用来衡量经济发展水平的指标，其对房价具有显著的正向影响，说明经济发展水平提高能带动房价上涨；人口自然增长率和房价具有显著的负相关关系，人口自然增长率是人口出生率与人口死亡率的差额，其数额越大，说明出生人口占比数增加，居民将更多的财产分配到新生儿消费方面，进行更多的婴幼儿商品消费，其他消费支出占比将减少，房价自然会下跌。
2. 变量选择
本文主要是研究1999—2016年区域差异化背景下人口老龄化对房价的影响，因此把房价设定为模型的被解释变量，参考以往研究经验，房价选用商品房的平均销售价格表示。本文将人口老龄化设定成为解释变量，选用65岁以上人口数量和15—65岁人口数量的比值来表示，也即使用老年人口抚养比表示人口的老龄化程度。研究以往研究文献可知，对房价有显著影响的还有各地区城市化水平、人口自然增长率、各地区人均实际GDP和实际竣工房屋造价等因素，因此将这些数据作为控制变量纳入研究范围。
3. 数据来源及处理
本文收集了全国以及31个省份1999—2016年的年度数据，共558个研究样本，数据来源于2017年《中国统计年鉴》、各地区的历年《统计年鉴》《新中国六十年统计资料汇编》《中国经济与社会发展统计库》《中经网统计数据库》以及巨灵财经金融服务平台。
在整个林业产业的发展过程中，推广基层林业技术的作用是非常重要的。因此，对林业技术推广人员也提出了很高的要求。但是，基层林业部门的工作人员工资非常低，其晋升渠道也有限，因此很少有人关注这份工作，导致这项工作缺乏足够的人才。另外，许多基层林业部门都有自己的经济发展不平衡和缺乏相应的基本条件，导致缺乏良好的技术推广人员发挥自身优势的平台，使得这些工作人员的推广效率受到很严重的影响。
在数据处理方面，为剔除通货膨胀对价值变量造成的影响，本文将各地区房价、房屋造价等价值变量，依照以1998年为基期的全国及各地居民消费物价指数CPI处理成实际的价值。为消除量纲的影响，本文对部分变量采取对数化处理。主要变量的描述性统计结果见表1，具体数据处理如下。
表1 主要变量的描述性统计结果
P＝商品房销售额／商品房销售面积，表示商品房的平均销售价格，并以1998年为基期，使用各地的消费物价指数（CPI）将名义房价转变为去除物价因素后的实际房价。
第二，其他控制变量对房价影响的原因分析。城镇化率的回归系数为正且显著，有可能是因为在东部地区，城镇化水平较高，其对于商品房销售价格冲击力度表现显著；竣工房屋造价是用来衡量房屋建造成本，在1%显著性水平下与房价呈正相关，且其增加1单位可使房价上涨0.059973个单位，对房价有较大的正向影响，房屋建造成本增加会使得房屋销售价格相应地上涨，但影响程度没有全国的程度大，这可能是因为东部地区房价还受其他因素的影响，造成房屋造价对房价影响减弱；人均GDP是用来衡量经济发展水平的指标，其对房价具有显著的正向影响，经济发展水平提高能带动房价上涨，东部地区经济发展水平比全国经济发展水平高，房价对于东部地区经济发展水平提高的反应没有对于全国经济发展水平的提高敏感，故其对房价的推动作用没有全国的大；人口自然增长率和房价具有显著的正相关关系，人口自然增长率是人口出生率与人口死亡率的差额，其数额越大，说明出生人口占比数增加，东部地区人口自然增长率与房价呈现显著的正相关关系可能是因为新生儿的出生增加了居民未来的房屋需求，在物价上涨的趋势下，催生了大部分居民的购房需求，从而带动房价上涨。
UR＝（城镇人口数／总人口数）×100%
4. 全国面板数据分析
（1）单位根检验。为避免伪回归问题，保证估计结果有效性，事先运用LLC检验和Fisher-PP检验来检验面板数据的平稳性。根据以上面板数据的单位根检验可知，面板数据在LLC检验以及Fisher-PP检验下分别在10%的显著性水平上拒绝了原假设，即各个变量是一阶平稳的，可以进行协整检验（见表2）。
（2）协整检验。由Kao检验和Pedroni检验结果可知，Kao检验显示全国面板数据具有协整关系。而Pedroni检验结果中除了Panel rho-Statistic和Group rho-Statistic统计量p值为1，其他统计量p值均为0，由此可知，全国面板数据具有协整关系，可以进行回归分析（见表3）。
（3）回归分析。根据Hausman检验结果，全国数据应该使用随机效应回归模型进行分析。
我国大部分学者都是以各年全国及各省份的房价与老龄化发展的关系为研究对象，进行整体式的研究，缺少一定的科学性，鲜少有学者针对人口老龄化对房价的影响进行区域化的分析。邹瑾（2014）认为人口老龄化曾经推动房价上涨，但站在中长期的角度来看，这个趋势也许会发生逆转，我国东部地区房价与青年人口的占比呈现反向关系，并且东部地区的人口变量对于房价的弹性是最小的，这是因为我国的东部地区刚需人群的购买能力与高房价之间存在一些矛盾，中部、西部地区的青年人口价格弹性相对于老龄人口的价格弹性而言更小，部分地区的房价已经脱离了实体经济。李尧（2016）对人口结构与房价关系进行区域差异化分析发现，我国的东部地区人口结构对于住房价格产生的影响并不显著；我国中部地区的老年人口抚养比对房价的影响却显著为正，但是少儿抚养比的影响却不显著；我国西部地区的少儿人口抚养比对于房价的影响为负，但是老年人口的抚养比对房价的影响却并不显著。胡金星、顾娟（2017）则运用2000—2014年省级面板数据，根据各地区经济发展水平对我国不同区域进行划分，研究发现欠发达地区的房价与人口老龄化具有显著的正相关性，次发达地区的房价与人口老龄化表现出比较弱的负相关性，然而发达地区的人口老龄化与房价表现为显著的负相关性。
早在20世纪60年代初，就诞生了数据库技术的雏形，它是为了接管数据管理工作而产生的一门数据自动化管理的综合性新技术，能够有效地管理数据。另一方面，设计师在进行飞机设计时，经常需要用到大量现有飞机的参数作为参考，这涉及到海量的数据，为使数据的管理变得高效，在飞机数据管理上应用数据库技术显得尤为重要。
表2 全国数据单位根检验
表3 全国面板数据的协整检验
表4 全国数据的随机效应模型回归估计结果
变量C EPR UR lnPC lnPCGDP POP系数-1.940682-0.011243 0.009934 0.775929 0.416899-0.014744标准差0.198307 0.002187 0.000569 0.019401 0.026658 0.002231 t统计量-9.786261-5.141637 17.45546 39.99435 15.63861-6.610044 p值0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
面板数据是时间序列数据与截面数据的混合型数据，是利用面板数据对变量之间的关系分析并预测其趋势的计量经济模型。面板数据分析方法在横截面维度以及时间维度反映了研究对象相异时间以及相异截面的变化规律。因此，面板数据在分析经济问题时具有特别的作用。本文选择面板模型对数据进行分析。
具体来看，房价与老年人口抚养比在1%的显著性水平下表现为显著的负相关关系，老年抚养比每上升一个单位，房价会下跌0.011243个单位。老年抚养比的上升将导致房价下跌，这主要是因为在全国总人口规模一定的条件下，我国在20世纪70年代实施的国家计划生育政策使得老年人口抚养比缓慢上升且少儿人口抚养比快速下降。一方面，我国人口老龄化问题较严重，老龄人口的赡养责任给家庭带来一定的负担，使家庭拥有的财富减少，家庭养老负担相对比较重，房屋消费较少，从而导致房价的下跌；另一方面，老龄人群更偏好于进行养老及医疗消费，并且老年人群高额的医疗保健费用将带来巨大的经济压力，造成其有心无力帮助子女购房的局面，甚至有部分老年人出售自有房产，增加了房屋供给量，在长期内，房地产市场上房屋供给大于需求，使房价面临下行的压力。
四、东中西部地区面板数据分析
1. 东部地区回归分析
本文将进一步探讨我国东中西部等地区的人口老龄化给房价带来的影响。首先研究东部地区房价受人口老龄化影响的大小。本文选取天津、北京、上海、河北、黑龙江、吉林、浙江、辽宁、江苏、广东、山东、福建以及海南共13个省（市、区）1999—2016年的省级面板数据进行分析研究，推出计量模型式（2），分析结果由表5中东部地区一栏记载。
表5 东部地区数据随机效应模型回归估计结果
第一，人口老龄化对房价产生影响的原因分析。观察表5和式（2），我们能够发现，我国东部老年人口抚养比能够使房价产生比较大的波动，根据随机效应回归模型分析结果可知，人口老龄化与商品房平均销售价格呈负相关，且在1%水平显著，老年抚养比每上升一个单位，房价会下降0.799195个单位。相对于全国层面而言，东部地区人口老龄化回归系数更大，即商品房平均销售价格受到老龄化冲击更大，且为负相关，可能原因有：一是在东部地区，人口老龄化表现最突出，由于人口老龄化程度的加深，人口红利释放殆尽，老龄人口对房屋需求减少，相反，这部分老龄人口持有除生活需求之外的住房并将其售卖，增加商品房供给，减少商品房需求，从而导致东部地区房价下跌；二是东部地区人口老龄化严重，社会抚养负担重，老龄人口对房屋需求没有那么旺盛，导致了房价温度降低；三是我国东部地区老年人更加偏好于进行养老消费，在东部地区老龄人群在养老这一方面所花费的支出更多，在东部地区颁布了许多限制房屋购买以及新的贷款制度以调控房价的背景下，高质量的养老生活更受老龄人口的欢迎，在老龄人口储蓄总量数额不变的条件下，钱既可以花费在住房消费上，也可以花费在养老消费上，两者具有替代效应，这也能够减少东部地区老龄人口对房屋的需求，最后降低东部地区房市的温度；四是由于快速步入人口老龄化社会，老龄人口高额的医疗保健费用给经济带来了很大的压力，导致老年人没办法帮助子女购房，甚至出售自有的房产，从而增加了房屋供给的数量，从长期来看，房价将会面临下行的压力。
把苹果去皮剁成碎末，装入保温杯中，点上一点儿凉开水和米醋，盖上杯盖，躺倒了放在暖气片上，两天后就能变成酸甜适口的苹果醋。由于发酵的缘故，打开瓶盖的时候还能闻到一股淡淡的酒香味。其实，不用放在暖气上也能发酵成苹果醋，暖气只不过是起到了加速发酵的作用。
EPR＝（65岁及65岁以上人口数量／15—64岁人口数量）×100%，来表示老龄人口抚养比。
2. 中部地区回归分析
我国人口老龄化对于房价产生的影响具有特别大的阶段性差别。在第一阶段（1999—2004年），我国住房商品化程度总体偏低，一部分人在我国特殊历史时期内进行住房制度改革时获得房改红利，这一代老龄人群普遍获得了一大笔额外的资产转移，也被称作是房改红利。他们这代人通过家庭住房的资产积累了大量的储蓄。到了第二阶段（2005—2008年），住房交易活动逐渐升温，老龄人群具有间接住房需求（即帮助后代购房），老年人的间接住房需求通过财富转移的方式大量释放，所以部分抵消了老年群体本身住房需求低对房价的负面作用，致使老龄化对房价的抑制作用在此阶段并不明显。在第三阶段（2009—2013年），因为受益于福利分房制度的老龄人口逐渐离世，房改红利消失殆尽，而老龄人群自身的住房需求比较小，人口老龄化对于房地产价格产生的正向影响逐步减弱，人口老龄化程度的加深将会无法避免地抑制房价的上涨，这也可以说明人口老龄化对住房需求的支撑作用是不可持续的。人口老龄化最终会对房地产价格产生反向作用，房地产市场的发展水平以及在这一转变过程的持续时间表现为正向相关（如图2所示）。
我蹑手蹑脚地走上阳台，生怕惊破了这场难得的精神“艳遇”。远远看去，昙花那海带状的绿叶上，一朵朵娇嫩的花蕾似乎正在微微颤动着。那白玉般的花苞徐徐绽开，鹅黄色的花蕊悄悄地探出花苞，有如初降生的婴儿满带着好奇打量着眼前的世界。渐渐地，片片花瓣如电影中的慢镜头一般完全展开，展现给我的是一种惊世骇俗的美丽！我不敢用手，只能用一种满含温柔的目光轻轻地触摸着它们。
表6 中部地区数据随机效应模型回归估计结果
根据表6研究结果，经过回归处理后，在1%的置信水平下，我国中部地区的房价与老年人口抚养比关系并不显著，房价与老年抚养比在置信区间宽松到5%时才会呈现出显著的负相关关系。这也许是因为在中部地区，其他的控制变量阻碍了人口老龄化给房价带来影响，短期内在一定程度上阻碍了人口老龄化对房价影响的完全显现。
中部地区城镇化水平、房屋造价、人均GDP以及人口自然增长率对房价影响程度接近全国的情况，中部地区城镇化率的回归系数为正且显著，其城市化水平对房价的影响小于东部地区城市化水平对房价产生的影响；竣工房屋造价是用来衡量房屋建造成本，在1%显著性水平下与房价呈现正相关，且其增加1单位可使房价上涨0.773880个单位，对房价有较大的正向影响，房屋建造成本增加会使得房屋销售价格相应地上涨；人均GDP是用来衡量经济发展水平的指标，其对房价具有显著的正向影响，经济发展水平提高能带动房价上涨，中部地区经济发展水平接近全国经济发展水平，房价对于经济发展水平敏感程度和全国情况接近。
3. 西部地区回归分析
探讨西部地区房价受人口老龄化的影响，本文选择了西部地区11个省（市、区）即重庆、陕西、新疆、宁夏、青海、四川、广西、西藏、甘肃、云南、贵州1999—2016年的数据进行面板回归分析，推出计量模型式（4），其分析结果参见表7。
表7 西部地区数据随机效应模型回归估计结果
在我国西部地区，房价与老年人口抚养比表现为显著的正相关关系，这是因为我国西部地区经济发展水平没有东中部地区高，大部分老龄人口可能偏好于将钱分配到房屋消费，增加了我国西部地区房地产市场的需求，从而抬高房价。20世纪末，大量居于城市中心地段的公房以非常低廉的价格被原租户获得，全国城镇开始进行全面房改，当代老年人群大都获得了一大笔额外的资产转移，通过家庭住房资产的形式积累了大量的个人储蓄，我国老年人群受到我国家庭财富代际转移的传统文化的影响产生“利他性”的心理，当代大部分老年人群自愿帮助子女购房。除此之外，西部地区城镇化率、人均GDP以及人口自然增长率均对房价产生显著的正向影响，除了房屋造价对房价的影响不显著，其他控制变量均在1%的显著性水平下对房价呈正向影响，其中，相比东、中部地区，西部地区经济发展水平的提高对房价的影响更大，因为西部地区经济发展水平最低，房价对于经济水平的提高会更敏感。
4. 虚拟变量回归分析
由前面研究分析可知，不同区域的人口老龄化与房价具有较大差异，所以在进行人口老龄化对房价影响的分析时需考虑区域差异因素，在计量经济学中，往往引入虚拟变量将定性指标转化为定量指标进行分析，现引入两个衡量东中西部地区差异的虚拟变量分析区域差异视角下人口老龄化对房价的影响。虚拟变量的设定以西部地区为参考组，选择D1、D2两个虚拟变量衡量东、中、西部地区间差异。
表8 虚拟变量回归结果一
由表8可知，将衡量东中西部地区差异的虚拟变量进行回归后，发现各变量均对房价的影响显著，房价具有区域差异性，其中D1系数为正，说明东部地区和西部地区的差异对房价具有显著的正向影响。D2系数为负数，说明中部地区和西部地区的差异对房价具有显著的负向影响，在区域差异化背景下，人口老龄化对房价的影响显著，但影响系数相比实际竣工房屋造价的系数更小。接着，为研究不同区域的人口老龄化对房价的影响，将人口老龄化变量与虚拟变量的乘法形式引入模型，得出如下回归结果（见表9）。
表9 虚拟变量回归结果二
引入了虚拟变量和解释变量EPR的乘积变量，观察回归结果可发现，东西部地区人口老龄化对房价影响具有显著的差异性，且为负值，说明东西部地区的人口老龄化差异能够对房价带来显著的负向作用，但中西部地区的人口老龄化差异对房价的影响不显著。
五、结论与启示
1. 正视人口老龄化对房价产生的影响
应针对我国人口老龄化的趋势，根据各地的实际情况提出相适应的养老方案，以便能够更有效地提供养老的经济来源，处理我国各地经济社会发展以及人口老龄化的关系。如可以采取不同方法为中国老龄人口提供养老的经济来源以及拓宽养老金的筹集渠道，同时地方政府应该加大医疗保健等方面的公共性支出，以便能够更好地解决我国的养老问题，促进我国房地产市场的健康发展。
2. 构建预防性的人口老龄化应对机制
实证结果表明，我国人口老龄化对房价具有显著影响，房地产市场会因此发生较大波动。对此，应积极建设相应的应对机制，比如防止人口老龄化对我国经济社会造成剧烈冲击的应急措施准备。一方面要事先建立能够避免由于人口老龄化给房价带来剧烈波动的决策机制，增加政策的弹性以及提高政策的灵活度，快速完善我国医疗制度并且发展我国的养老事业，正确引导人们进行家庭资产结构的合理配置，避免房地产价格产生剧烈波动而对我国经济社会造成负面影响。另一方面要加强对房价波动的预见性的检测警报，公开房价信息，使得房地产市场的供需双方能够及时了解房地产市场的信息，以便能够对房地产市场做出合理的预期。
3. 加快完善我国的人口政策
我国人口老龄化程度不断加深，人口老龄化能对房价产生显著影响，我国政府决策部门应加速完善我国的人口政策，实行较为宽松的人口政策，以使房价能够软着陆。未来年轻人少而老年人多，房地产价格会急剧下跌，从而造成整个金融体系出现问题。人口政策包括城市人口管理政策以及人口生育政策等，应及时按照实际情况来调整我国的生育政策，维持我国生育率的稳定。房价受人口老龄化影响，人口年龄结构的变化能够合理地调整我国人口老龄化进程，因此牢牢把握人口年龄结构情况有助于对我国房价进行有效调控。
3.1.1 去除创面异物 患者创面上可以看到多个黑色的线结，缝线排斥反应属于细胞免疫性变态反应，可表现为线头周围的组织反复积液积脓，皮肤红肿。将创面线头轻轻剪除，不损伤周围的肉芽组织。
1.2 建设单位不执行有关法律、法规，不按建设程序办事。将工程肢解发包，签订阴阳合同、霸王合同，要求垫资施工，拖欠工程款，造成安全生产费用投入不足，严重削弱了施工现场安全生产防护能力，致使安全防护很难及时到位，再加上强行压缩合同工期导致的交叉施工和疲劳作业，最终酿成事故。
4. 颁布因地制宜的房地产调控政策
本文实证分析表明，不同区域的人口老龄化因素对房价的影响具有较大程度的差异。在模型回归的结果中，同一变量在不同区域对房价的影响系数表现出较明显的差异。其中，东部地区房价高企，和中西部地区房价差距较大，不同区域的人口老龄化对房价影响具有差异性，不同控制变量对不同区域房价的影响结果也不一样，因此，我国房地产调控政策的制定也应该考虑地区差异性，应该针对不同地区的实际情况而采取合理的调控政策。区域面板数据的实证结果表明，我国西部地区人口老龄化与房价有显著的正相关性，中部地区人口老龄化与房价有较弱的正相关性，东部地区人口老龄化与房价具有显著的负相关性。这表明经济发展水平是我国人口老龄化影响房价的一个重要的环境因素。因此，唯有促进我国区域经济协调发展，特别是加快西部地区的经济发展，才能有效降低人口老龄化对房价影响带来的差异性。
参考文献
［1］MANKIW N G，WEIL D N.The Baby Boom，The Baby Bust， and the Housing Market［J］.Regional Science&Urban Economics，1989（2）.
［2］原鹏飞，邓嫦琼.住房价格上涨与其影响因素之间的关系研究——基于VEC模型的实证分析［J］.统计与信息论坛，2008（11）.
［3］陈宁.全面二孩政策实施对我国人口老龄化的影响研究［J］.华中科技大学学报（社会科学版），2017，31（2）.
［4］刘昌平，邓大松，殷宝明.“乡—城”人口迁移对中国城乡人口老龄化及养老保障的影响分析［J］.经济评论，2008（6）.
［5］方丰，奉莹，徐冬.人口流动对人口老龄化的影响——基于广东省的实证研究［J］.西北人口，2010（2）.
［6］LEE J H，LIM J.Demographic changes and housing demands by scenarios with ASFRs［J］.International Journal of Housing Markets&Analysis，2013（3）.
［7］DAVIS M A.Housing and the Business Cycle［J］.International Economic Review，2005（3）.
［8］徐建炜，徐奇渊，何帆.房价上涨背后的人口结构因素:国际经验与中国证据［J］.世界经济，2012，35（1）.
Research on the Impact of Aging Population on Housing Prices——Based on Regional Differences in the Real Estate Market
Ju Fang Li Wenjun Li Shuxian
Abstract:From the regionalperspective，the impactofaging population on housingpriceshasa particularly significant difference.That is to say，there is a significant positive correlation between aging population in the western region and housing prices;the correlation between aging population and housing prices in the central region is negative.However，the correlation between aging population and housing prices in the eastern region shows a significant negative correlation.Moreover，in different regions of China，in addition to other factors that contributing to the aging of the population，the urbanization rate，the natural birth rate of the population，the per capita real GDP，and the actual housing completion cost have a particularly large and different impact on the housing prices.
Key Words:Regional Differentiation;Aging Population;Housing Prices
中图分类号：F061.5
文献标识码：A
文章编号：2095-5766（2019）01-0101-10
收稿日期：2018-10-07
*基金项目：国家自然科学基金面上项目“人口老龄化、住房空置与房地产金融风险控制——基于异质空间DSGE模型分析”（71873117）；教育部人文社会科学规划基金“经济开放度对中国房价区域差异性影响的理论与实证研究”（16YJA790016）；湖南省社会科学成果评审委员会课题重大项目“新形势下湖南投资增长点探索研究”（XSP18ZDA003）。
作者简介：鞠方，女，湘潭大学商学院教授，博士生导师，经济学博士，经济学博士后（湘潭 411105）。
李文君，女，湘潭大学商学院博士生（湘潭 411105）。
北塘热电厂供热管网南干线天碱中继泵站坐落于滨海新区核心区德尚道以南，总建筑面积4920m2。整个工程由泵房、附属用房及办公楼3部分组成。其中，泵房结构形式为单层门式刚架结构，附属用房及办公楼均为3层钢筋混凝土框架结构。其中，北侧为泵房部分（D～G轴），南侧为附属用房部分（A～C轴），东侧为办公楼部分（10～12轴）。
李书娴，女，湘潭大学商学院硕士生（湘潭 411105）。
其中，μ表示设计变量，X表示均值为μ的随机变量；P(g(X)≤0)表示功能函数g(X)≤0的概率；βt表示目标可靠度，Φ(·)表示正态分布的累积分布函数。
（责任编辑：文 锐）
标签：房价论文; 人口论文; 人口老龄化论文; 我国论文; 变量论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《区域经济评论》2019年第1期论文; 国家自然科学基金面上项目“人口老龄化; 住房空置与房地产金融风险控制——基于异质空间DSGE模型分析”(71873117)教育部人文社会科学规划基金“经济开放度对中国房价区域差异性影响的理论与实证研究”(16YJA790016)湖南省社会科学成果评审委员会课题重大项目“新形势下湖南投资增长点探索研究”(XSP18ZDA003)论文; 湘潭大学商学院论文;