房地产法学论文范文第1篇
摘要：房地产税收的试点方案公布后引起了社会的广泛关注,房地产税收该如何解读,性质如何,为什么要开征,将来可能往什么方向发展,路径如何?以及房地产税收政策对房地产价格和市场,房地产市场消费结构和房地产租赁市场会产生什么影响?本文对此进行比较全面的研究。
关键词：房地产税收；房地产市场消费结构；房地产租赁市场；税收试点方案
作者简介：邱强,上海对外贸易学院国际经贸学院教授,研究方向:房地产经济。
2011年1月28日，上海和重庆同时公布了房地产税收试点方案,这标志着我国房地产税收改革正式拉开序幕。由于这次房地产税收改革开展讨论的时间比较久，社会关注度比较高。现在房地产税收试点方案已经正式出台,方案该如何解读,它对未来房地产市场影响如何,本文将就此做一个梳理和展望。
一、房地产税收试点方案的解读
房地产税收试点方案实质上是一个税收改革方案,我们可从税收的性质、税收征收的目的和税收征收的路径三个方面进行解读，以便对房地产税收试点方案有一个比较全面的认识。
1、税收的性质
房产税，又称房屋税，是国家以房产作为课税对象向产权所有人征收的一种财产税。房产税和房地产税收是不同的概念,房地产税收是指以房地产作为标的物征收的税赋的总称，按不同的征收环节可分为土地占用环节、房地产开发环节、房地产流通交易环节、房地产保有环节等四大板块。按征收对象的不同则可分为个人、企业两大类。从企业角度来看，我国房地产税收主要包括土地占用环节的耕地占用税、资源税等；开发环节的土地使用税、契税、印花税等；流通交易环节的营业税、城建税、教育费附加、企业所得税、土地增值税等；保有环节的城镇土地使用税和房产税。从个人角度来看，我国的房地产税收主要集中在交易流通环节的营业税、契税、印花税等。在保有环节，1986年10月1日我国家出台了《中华人民共和国房产税暂行条例》规定了纳税人要依照房产原值一次减除10%至30%后的余值计算缴纳，税率为1.2%。房产出租的，以房产租金收入为房产税的计税依据, 税率为12％。房产税按年征收，分期缴纳。
由此可见，房产税仅是房地产税收中保有环节征收的一种税赋，在我国也不是一种新的税源，在建国初期就存在，后并入它税。1986年10月1日恢复开征，但仅局限于商业地产，对住宅免征，导致住宅房产税长期“空转”，所以这次房地产试点方案只不过是做实而已。
2、征收的目的
房产税征收直接目的有两个：一是有利于合理调节收入分配，促进社会公平；二是有利于引导居民合理住房消费，促进节约集约用地。
从理论上讲，税收功能是调整国民收入再分配的重要手段和工具，但从目前上海和重庆两地试点的方案看则很难达到这样的目标，尤其是上海的方案，仅涉及增量房征税，并且征税的税率也不高，对存量房不涉及。相反，重庆的方案对于国民收入再分配功能会更强一些。
上海市的房产税试点方案规定对上海居民新购且属于该居民家庭第二套及以上的住房和非上海居民家庭在当地新购住房人均超过60平方米的征收房产税，税基暂定按照应税住房市场交易价的70%缴纳，适用税率暂定为0.6%。但成交均价低于本市上年度新建商品住房均价2倍（含2倍）的，税率暂减为0.4%。并且规定四类情形免征和退税：⑴符合国家和本市有关规定引进的高层次人才、重点产业紧急急需人才，持有本市居住证并在本市工作生活的购房人新购住房；⑵持有本市居住证满3年并在本市工作生活的购房人新购住房；⑵上海居民家庭中的子女成年后，因婚姻等需要而首次新购住房；⑷上海居民家庭在新购一套住房后的一年内出售该居民家庭原有唯一住房的，其新购住房已按规定计算征收的房产税，可予退还。据统计，上海成交套均面积在100平方米左右，过去3年上海别墅及高档公寓在全市销售面积中的占比仅为15%,按照这个比例计算，再减去免征家庭，实际能征税比重不到1%。
相对来说，重庆市的房产税方案要严厉得多，一是税基宽一些，将对所有的高档商品住房征收，包括增量和存量，税率也比上海高，税率分三个等级，比主城新建商品住房建筑面积成交均价高出3倍以下的商品住房，征收税率为0.5%,高出3~4倍的征收税率为1%,4倍以上的征收税率为1.2%。即便如此，重庆的房地产税收比重也极低，对再分配影响非常有限。据清华大学房地产研究所所长刘洪玉研究，重庆每年房地产交易额达到上千亿、存量住房价值上万亿，而预计收房产税仅为2亿元，征税比重仅为增量的0.2%,存量的0.01%。
对于第二个目标对居民住房消费的引导效果是比较明显的，两地试点都通过控制面积和价位对增量房进行控制，大面积、高价位需要支付更多的房产税，这样能够合理引导居民购买在规定范围的住房，开发商供应也会朝这个方向发展，这将在下面房地产市场走势部分做详细阐述。
3、征收的路径
通过对上海和重庆两地试点的方案进行比较发现，此次房地产税收改革试点的遵循的是一条从易到难渐进的房地产改革路径。
上海的方案仅对增量征收房产税，并且还有人均60平方米的免税基数，影响范围不到新增购房比重的1%，试点方案的阻力相对会小很多，当然方案的效果也很有限，但税改方向明确，为试点的全面铺开奠定了基础。而且上海房地产市场相对比较发达，房地产市场存量房比重也比较大，在不触及存量房的基础上推行相对容易一些。而重庆高端存量房相对较小，虽然试点方案触及存量房，但因为比重较小，阻力也比较有限。
通过两地试点方案，给市场指明了一条清晰的房地产税收改革路径：即从个别城市试点逐步扩大试点范围，最后全国全面实施，从增量到存量，从高端别墅到普通商品房。
二、对房地产市场走势的展望
房地产税收改革对于房地产市场的影响应该比较显性和全面，既有价格方面和成交量的影响，又有房地产消费结构方面的影响，还会对房地产租赁市场产生影响，这些影响在短期和长期效果都会有差异。
1、对房地产价格和成交量的影响
对房地产市场价格和成交量影响可从短期和长期两个方面进行分析。
从短期来看，房价不会有太大的变化，几乎会保持比较平稳的态势，但成交量会急剧萎缩。原因主要有两个：一是刚性需求者和投机者都抢在试点方案出台前完成了交易。由于这次房地产税收改革试点讨论时间比较长，房地产试点的方案也比较透明，给以上两类交易者留有较充裕的时间可以赶在新政出台之前完成交易。据报道，在新政出台前两周时间里上海浦东新区房地产交易中心受理分中心受理的业务倍增,其中27日受理1200人,28日达1600人。该买的都买了,该卖的也都卖了,因此短期内市场供求双方都缺乏比较强烈的推动力量，价格自然会保持相对平稳。二是政策出台后，已经超过购房标准的投资者会存在惜售心理，而符合条件的新购房者会有看跌的心态。这两种心态在短期内不可能逆转，在这种心理作用下，交易量会进一步萎缩，价格也会保持平稳。
从长期来看，两地试点政策都抑制高房价，两地都规定高房价采取浮动的高额税率，尤其重庆的政策比上海政策更为严厉。当然，实际效果如何，还得看具体配套细则和执行的效果。虽然上海的方案比较宽松的，但上海配套的细则严厉一些。重庆如果配套的措施如果宽松的话，那么政策的效果自然会大打折扣。比如独栋别墅的房主分拆成为两个以上的房产证持有，就可以规避房产税。还有房价如果做低，或者按照原来的购房价计算高端公寓就不存在，这样也就规避了房产税。这样，即便再严的政策效果也会不明显。
不过，随着储备土地的减少，地方政府的土地财政政策必然无法长期维持，开辟地方财政财源便成为一种必然，而房产税属于地方税，并且存量房市场占有率较高，则自然地成为土地财政的一种替代，成为地方财政新的稳定的财源。但目前，我国房地产税占比很低。见表1。
从国际经验来看，对所有的房产都征收房产税是一个必然的趋势，目前，全世界有130 多个国家征收房地产税，房地产税已经成为很多国家主要的税源，特别是地方政府税收主要来源，有些国家房地产税已经占整个地方政府税收一半以上，甚至全部。见表2和表3。
这样，会有更多的城市会加入试点，试点方案会从增量扩大到存量，措施会越来越严。最后从个别城市试点到扩大试点范围，然后推向全国将是一个必然趋势，并且从增量到存量也是一个必然的趋势。当所有的存量房都征收了房地产税以后，住房的持有成本就很高，就会出现买得起房，住不起房，养不起房。对于自住房也很难转嫁持有成本。这样房价投机的时代就一去不复返了。从日本、韩国和美国的经验来看，房产税的实施会导致房价持续下跌。1989年日本房地产泡沫严重，政府开始调整房地产税收，扩大征税的范围，提高征税税率，并于1991年开征土地价值税。结果当年住房价格下降近四成，地价下降近六成，房地产泡沫破灭。20世纪80年代后期，韩国的土地投机现象日益严重，地价高涨，为抑制土地投机行为，政府于1991年开征土地增值税，使得土地价格随之下降。2004年以来，韩国的房地产价格又开始不断走高，出现泡沫迹象，为了抑制房地产价格的过快上涨，2005年8月，韩国政府颁布了《不动产综合对策》，调整房产税和地产税，征收综合不动产税。2006年，韩国房地产市场出现了明显的降温。美国在2008年以后房地产价格一直处于下跌的趋势。但是房产税并不是灵丹妙药，在实施房产税之后，2007年韩国房地产价格出现了报复性快速上涨。美国2004年至2008年也出现严重的房地产泡沫。
2、对房地产消费结构的影响
房产税实施以后，房地产消费会短期增长，长期减少的走势。
从短期来看，大面积住宅会有一波价升量增的反弹行情。这可从供求两方面分析。从供给方面看，征收房地产税以后，大面积房型市场供应量会大幅减少。一方面源于超过标准存量大面积住户的惜售，特别是2套房以上的住户来说，一旦售出就不可能买进。因为新买进要受新政的影响，要交房产税。另一方面开发商会适当调整新房供给的房型结构，减少大面积房型的市场供应量，增加小房型的市场供应量，以吸引那些资金并不雄厚的首次置业者。据统计，上海2月份预计开盘的14个项目中，70平方米以下小户型房源仅占11%,70至90平方米的中小户型房源占26%,合计37%;90至120平方米户型占16%,120至180平方米户型占26%,180平方米以上户型占21%,合计63%。大户型虽然依然占据重头，不过90平方米以下的小户型占比已经较1月份有所上升。从需求方面看，按照上海试点的政策，符合条件的购买首套房是免征房产税的，而且对于购买首套房面积没有具体的规定，但至少会按照上海居民的人均60平方米的标准计算。这样新购房人员首次置业必定会用足标准，一步到位，大面积房型自然是首要选择房型，况且目前大面积户型的平均均价较小户型要低。这样一来，大户型市场供应较少，需求增加，价格必定有一个报复性的反弹。
从长期来看，房地产税对住房需求结构也会产生重要的影响，小户型将来还是住房消费的主流。由于存在住房持有成本，面积越大成本越大，当大多数普通收入家庭都住不起大房的时候，住房的结构必然发生根本性的变化，未雨绸缪，开发商自然也会意识到这个变化趋势，降价和改变户型结构将是下一步应对市场变化趋势的手段。
3、对房地产租赁市场的影响
对于住房租赁市场来说，房租必然会提高，对于房屋持有者来说，住房投资者持有的成本必然上升，必然想方设法转嫁出去，而增加房租自然是一个比较合适的办法。当然，现在只是试点方案，将来正式的方案会在试点方案的基础上总结经验，但引导住房消费的目的不会改变，居民生活的底线不能动摇，因此，新的方案会有紧有松，也会有比较大的调整。值得警惕的是房产税如果作为调控房地产市场的重要手段和工具，应该在房地产市场出现回落时暂停，否则房地产税会成为制约经济发展的瓶颈，甚至影响居民生活。但当其一旦成为地方政府的主要的财源时，地方政府就会有加强征收的动力。(责任编辑：李综艺）
参考文献：
［１］夏县明.国外相关国家房产税征收情况[EB/OL].BNET商业英才网,2011-5-29.
［2］国八条房产税叠加效应如何影响楼市[N].解放日报,201-1-30.
［3］房产税等待全国实施,专家称未来存量房必然征税[EB/OL].东方网,2011-1-31.
［4］国八条刺激二手房市,细则未出购房应该谨慎[EB/OL].中国广播网,2011-1-30.
［5］常红.重庆每年房产税预计2亿,专家称对房价影响不大[EB/OL].人民网,2011-1-28.
房地产法学论文范文第2篇
【摘要】 文章围绕房地产税制改革对房地产市场不同参与主体的影响进行定量分析。分别从整个房地产税收、流转环节房地产税收及保有环节房地产税收对房地产市场中的消费者、房地产开发商、地方政府及中央政府可能产生的影响，建立相关数学模型进行定量分析，探寻我国房地产税制改革的方向。
【关键词】 房地产税制； 房地产税收； 改革
税收是政府取得财政收入的基本形式，其通过征税的方式参与社会产品的分配、占有部分社会资源以满足社会公共需求。税收在取得财政收入的同时，政府征税也改变了各经济活动主体的利益，而利益的多少又直接影响到他们的行为。房地产税制改革必然触及房地产市场不同参与主体的利益，并且对他们的行为产生影响。
关于房地产税制改革对房地产市场的影响，以前的研究多集中于税收的调整影响房地产市场的供需关系，进而对房地产市场中供需双方的行为产生影响，并对这种影响作出定性分析。但这种研究多是从理论层面来分析和解答，相关的定量分析非常少。原因在于房地产市场的影响因素非常广，仅宏观政策的影响就包括货币政策、财政政策、土地政策等，而近来不断加大的行政手段也对房地产市场产生了较大的影响。在这些政策中税收政策只是财政政策的一种，如何来剥离其他政策进而对税收政策对房地产市场的影响进行定量分析是此项研究的一个难点。本文将通过2001—2010年房地产税收与房地产市场不同参与主体的数据资料分析，来寻求税制改革对房地产市场不同主体产生的关联变化。
一、数据与分析方法
（一）房地产税收数据的选取
根据本文研究的需要，对于房地产税收数据的选取，本文分为流转环节房地产税与保有环节房地产税。流转环节房地产税包括：营业税、企业所得税、个人所得税、城市维护建设税、印花税、土地增值税、契税、耕地占用税。其中营业税、企业所得税、个人所得税、城市维护建设税、印花税等几个税种由于不仅涉及房地产业还涉及其他行业，所以在数据的选取中以房地产行业缴纳的税收进行选取。保有环节房地产税包括：房产税、城镇土地使用税。2001—2010年房地产流转环节税收及保有环节税收具体数据见附录中附表1与附表2，趋势见图1。
（二）其他相关数据的选取
为了分析房地产税变动对消费者的影响，本文选取了我国2001—2010年城镇居民人均住房支出作为分析数据，这主要是由于我国现行的房地产税对农村地区基本上都是免税，所以税收与农村的住房消费支出关联度非常小。同时为了剔除由于房价上涨因素导致的人均住房消费支出的影响，本文将通过住房消费价格指数来进行数据调整。为了研究房地产税对房地产企业的影响，本文选取了我国2001—2010年全国固定资产投资中的房地产开发投资作为分析数据，同时通过建房投资价格指数来剔除房地产开发过程中所受到的通胀影响。最后，为了讨论房地产税调整对地方财政收入及中央财政收入的影响，本文选取了我国2001—2010年地方财政收入及中央财政收入作为分析数据，并以我国消费价格指数来消除通胀对收入的影响。以上具体数据见附录。
（三）分析方法
将城镇居民的人均住房支出记作C1t，房地产开发投资记作I1t，中央财政收入记作Yct，地方财政收入记作Ylt，房地产税记作T1t，流转环节的房地产税记作T11t，保有环节的房地产税记作T12t。住房消费价格指数记作P1，建房投资价格指数记作P2，消费价格指数P3，固定资产投资价格指数P4。以上价格指数均为定基价格指数，基期为2001。模型中参数?琢表示房地产税收弹性，?琢1表示流转环节的房地产税收弹性，?琢2表示保有环节的房地产税收弹性，?茁表示方程的截距项，?着t表示残差项。
假设流转环节和保有环节的税赋全部转移给消费者，因此两个环节的税赋均用住房消费价格指数剔除通胀因素。采用2001至2010年的时间序列数据，进行实证研究。本文涉及的各种价格指数数据见附录，趋势见图2。
二、房地产税制改革对消费者的影响分析
房地产税制改革对消费者的影响，数据选取了城镇居民人均住房消费支出来进行分析，这样可以反映出消费者对房地产税变动所采取的不同消费态度，从中看出房地产税制改革对消费者的影响。分析从两个方面来进行：一是从整个房地产税与城镇居民人均消费支出来进行数据分析；二是从流转环节房地产税、保有环节房地产税与城镇居民人均消费支出进行数据分析。按照以上的分析方法分别得出表1、表2所示的结果（结果由Eviews5.0计算得到，下同）。
从表1可以看出，房地产税收变动1%，居民住房支出变动-0.0292%，但是t值显示这一变动并不显著而且可决系数R-squared表明变量In（C1t/P1）和In（T1t/P1）之间基本不存在线性关系；表2结果显示，流转环节的房地产税收每变动1%，居民住房支出变动-0.1613%，保有环节的税收变动1%，居民住房支出变动0.2264%，t值显示方程（5）的弹性系数是显著的，但方程（5）等号右边的线性组合对因变量的解释程度并不高。
从整个房地产税收变动与居民住房支出的比例关系来看，在房地产税制改革中，如果调增房地产税收，必然增加居民的购房负担，使得居民在购房时考虑税收的影响，更加慎重地选择买房，导致居民住房支出的减少。
流转环节房地产税与居民住房支出变动比例关系呈现相反的方向，如果在房地产税制改革中增加流转环节的税收将带来居民住房支出减少。这一方面表明，对流转环节增加税收，容易抬高消费者的购房门槛，不利于住房消费的增加。另一方面，由于我国住房市场的供需不平衡及房屋供给结构性问题，使得对流转环节征收的房地产税很容易被转稼给消费者，从而造成购房成本增加，使得很多消费者买不起房，导致住房消费支出因消费者买不起房而减少。
保有环节的税收与居民住房支出变动比例呈现正向关联变动，即若在房地产税制改革中对保有环节征税，有利于刺激居民的住房消费支出。这一结果与理论的结果相反。按正常情况，若加大对保有环节征税，将增加购房者的持有成本，从而使消费者减少不必要的购房，使居民住房支出减少。但结果刚好相反，从中可以看出，现有的保有环节税收对抑制炒房的作用有限。若对保有环节增加征税力度，一方面可以减少向流转环节征税导致的房价上涨，对平抑房价是有好处的。另一方面对保有环节征税可以抑制房地产投机行为，增加投机成本，减少房地产市场中投机者抬高房价的比例，也有利于房价的平稳。平稳合理的房价，有利于刺激房地产市场中刚性购房者的购买力，最终导致住房支出不降反升的结果出现。
三、房地产税制改革对房地产企业的影响分析
房地产税制改革对房地产企业的影响，分析数据选取了我国房地产开发投资数据来进行分析，这主要出于房地产开发投资额的大小基本能反映房地产企业开发投资的意愿。若开发投资有利可图，其必然加大投资，反之则必然减少投资。通过建立房地产税与房地产开发投资的数据关系就能反映出他们对房地产税制改革的态度及作出的相应调整。数据分析也是从两个方面进行，一是从整个房地产税与房地产开发投资的数据来进行分析；二是从流转环节房地产税、保有环节房地产税与房地产开发投资数据进行分析。其分析结果如表3、表4。
表3与表4的结果显示：房地产税收每变动1%，房地产开发投资变动0.8130%；流转环节房地产税每变动1%，房地产开发投资变动0.6056%；保有环节房地产税每变动1%，房地产开发投资变动0.2183%。另外，表中的t统计量表明方程（2）和（6）中的弹性系数都是显著的而且可决系数R-squared表明这两个方程所设定的双对数形式是合理的。
从上面的结果可以看出，房地产税与房地产开发投资是正向变动关系。若调增房地产税收，房地产企业的投资额度也将增加。这种结果与我国现在的房地产市场现状是相符的。由于我国房地产市场是一个需大于供的市场，即使在政府调增房地产税的情况下，房地产企业也很容易通过抬高价格，将相关的税费转移到消费者身上。在利润能够得到实现的基础上，即使增加房地产税，房地产企业也愿意增加投资。
从流转环节房地产税与房地产开发投资的变动比例来看，若房地产税制改革从流转环节进行调增，房地产企业的投资比例更大。分析其原因在于我国房地产市场供需不平衡，税负容易转嫁，使开发商能够保持较大的利润空间，所以即使对流转环节征税，开发商的投资也将增加。而保有环节房地产税与房地产开发投资变动的比例相对较小，说明对保有环节征税，将更加影响房地产企业投资的积极性。原因在于，对保有环节征税，将抑制消费者的购房需求，从而减少对房地产的需求量，必然导致房地产企业减少开发。所以，对保有环节征税将会对房地产开发企业产生相对较大的影响，相信也有利于房价的平稳。
四、房地产税制改革对地方财政收入的影响分析
我国分税制财政体制，将税收分为中央税、地方税、中央地方共享税。中央税的收入全部归中央所有，地方税收入全部归地方所有，中央地方共享税由中央与地方共同分享。现行的房地产税种中房产税、城镇土地使用税、耕地占用税、土地增值税、契税、城市维护建设税、印花税都属于地方税。营业税、企业所得税、个人所得税属中央地方共享税，但按现在的中央与地方税收分配制度，房地产企业的营业税、个人所得税全部归地方所有，只有企业所得税中央拿60%，地方拿40%。从这种分配体制可以看出，整个房地产税收收入的80%都归地方政府所有。由于我国房地产税收收入占整个地方财政的比重大约在15%左右，所以地方政府虽然占有房地产税收收入的80%，也不能使房地产税成为地方财政的主要来源，这和发达国家房地产税收收入占地方财政收入的80%左右差距甚远。而如何使我国房地产税成为地方财政收入的主要来源，就有必要分析房地产税收与地方财政收入的联动关系。
房地产税制改革对地方财政收入的影响，首先选取了我国2001—2010年地方财政收入数据来进行分析，同时为了消除通胀对数据的影响，运用我国消费价格指数来进行剔除。分析同样从整个房地产税收与地方财政收入数据来分析，另一方面分别从流转环节房地产税、保有环节房地产税与地方财政收入数据进行分析。其分析结果如表5、表6所示。
表5结果显示：房地产税收每变动1%，地方财政收入变动0.8932%。表6结果显示：流转环节房地产税每变动1%，地方财政收入变动0.5510%；保有环节房地产税每变动1%，地方财政收入变动0.4302%。另外，表中的t统计量表明方程（3）和（7）中的弹性系数都是显著的而且可决系数R-squared表明这两个方程所设定的双对数形式是合理的。
从上面的结果可以看出，整个房地产税收与地方财政收入变动的比例关系，基本与房地产税收归属地方财政的比重相符。在房地产税制改革中若增加税收的征收比重，必然使地方财政收入增加。从流转环节房地产税与地方财政收入变动比例和保有环节房地产税与地方财政收入变动比例对比来看，税制改革若增加流转环节税种的征收比重将更有利于地方财政收入的增加。但从流转环节着手征税，其有害的一面也显而易见。因为加大流转环节的征收，必然抬高现有房地产的价格，这与当前我国房地产市场调控背道而驰。保有环节与地方财政收入变动的比例关系，从数据上看虽然略小一点，但房地产税制改革若从保有环节着手将更有利于地方财政收入的增长。首先，从保有方面着手将不会造成房价的上涨，更有利于房地产市场宏观调控的进行。其次，从保有环节着手既可以抑制投机，扩大刚性购房需求，也为地方财政提供稳定的税收来源。
房地产税要成为地方财政收入的主要来源，在我国不仅涉及对房地产税结构调整的问题，还涉及保有环节房地产税征税范围扩大的问题，因为现行保有环节的房产税、城镇土地使用税对非经营用房地产几乎全部免税，所以其税基狭窄直接影响了税收的来源。另一方面，房地产业现在收费比较多，在规范或减少收费的情况下，变相关的费为税，也将是一个需要深入研究的问题。当然现在地方财政收入将近一半都依赖于土地收入，如何变这种不可持续的收入为依靠房地产税收这种可持续的收入来源，也将是今后税改面对的一个难题。
五、房地产税制改革对中央财政收入的影响分析
前面分析了房地产税制改革对地方财政收入的影响，主要出于对这种税制改革能否达到其筹集地方财政收入的职能考量。按照当前的财政分配体制，中央可以从房地产企业所得税中分享部分收入，那么房地产税制的变动会对中央财政收入产生什么样的影响，也将是我们研究的一个对象。数据分析同样从整个房地产税和分为流转环节与保有环节房地产税来进行研究，其模型分析结果如 表7、表8。
表7与表8结果显示：房地产税收每变动1%，中央财政收入变动0.8503%；流转环节房地产税每变动1%，中央财政收入变动0.5373%；保有环节房地产税每变动1%，中央财政收入变动0.3889%。另外，表中的t统计量表明方程（4）和（8）中的弹性系数都是显著的而且可决系数R-squared表明这两个方程所设定的双对数形式是合理的。
从上面的结果可以看出房地产税与中央财政收入是正向关联变动，意味着税收的调增会带来中央财政收入的增加。流转环节房地产税与中央财政收入变动比例较保有环节房地产税与中央财政收入变动比例更大，说明从流转环节进行税制改革将更有利于增加中央财政收入，分析结果与我国当前财政分配体制是相符的。从整个现行的房地产税制来看，只有流转环节中的企业所得税，中央才能分享到部分的收入，而保有环节的税收全部归地方所有，但结果显示保有环节的税收变动也能增加中央财政收入，原因在于税收的乘数效应。虽然对保有环节税收进行调整，增加的是地方财政收入，但地方在开支这部分收入时可能会将其用到一些需要交纳中央税或中央地方共享税的项目中去，这样就间接地增加了中央财政收入。所以无论是对流转环节还是对保有环节征税对中央财政都是有益的，只不过从流转环节调整，对中央财政将更直接也更有效。但当前房地产税制改革的目标之一就是要使房地产税成为地方的主要财政来源，所以从保有环节进行改革将更有利于这一目标的实现。
综上所述，房地产税制改革将对房地产市场的参与者产生不同的影响，如何权衡这种影响，需要我们更加理性地考虑各方利益，尽量达到一种均衡，才能促使我国房地产市场健康地发展。
【参考文献】
［1］ 贾康.国有土地的财税管理探讨［J］.四川财政，1999（8）.
［2］ 邓宏乾.中国房地产税制研究［M］.华中师范大学出版社，2000.
［3］ 李进都.房地产税收理论与实务［M］.中国税务出版社，2000.
［4］ 财政部财政科学研究所课题组.我国房产税税制改革研究［J］.财贸经济，2002（6）.
［5］ 丁成日.房地产税制的理论回顾［J］.财政研究，2007（2）.
［6］ 温来成.全面推行房地产税改革的现实条件与路径［J］.税务研究，2011（4）.
房地产法学论文范文第3篇
内容提要 本文基于消费者购房选择偏好模型，利用2006-2016年我国30个省域的面板数据构建空间动态计量模型，以房地产泡沫测度为基础，分析预期、货币政策等不同因素对房地产泡沫形成的影响与空间溢出效应。本文分别采用二元0-1空间邻近矩阵、地理空间矩阵与经济-地理空间矩阵三种不同空间权重矩阵进行实证检验，其中经济-地理空间权重矩阵适用性最强。将其作为基本模型计量不同省域间房地产泡沫的空间溢出程度，并分析新趋势发现：首先，近年来房地产价格确实存在空间溢出性特点，不同省域的溢出程度存在差异性，不同房价溢出圈之间的溢出程度呈现发散性的特点；其次，房地产价格空间溢出效应在房价溢出圈内逐渐聚集，不同房价溢出圈之间呈现梯次性过度趋势；第三，我国各省域房价根据溢出程度可以分为传染活跃型、传染较活跃型、传染稳定型与传染迟钝型四种类型，其中前两种类型城市较易受到房价空间溢出性影响，需要适时调控。
关键词 房地产泡沫 预期 货币政策 空间溢出
一、引言与文献回顾
随着中国住房制度改革的推进，中国房地产业发展迅速，逐渐成为中国经济发展的支柱产业。特别是近两年房价快速攀升，房地产泡沫特征已十分明显。目前，众多学者从自身专业视角出发对房地产泡沫的形成进行了大量研究，将房地产泡沫形成原因归结为供给因素、①需求因素②与外部因素③等。这些研究都是建立传统时间维度上的回归计量模型，没有考虑到房地产泡沫地区间的相互影响。然而，著名地理经济学家Tobler提出地区之间的经济行为都存在一定的空间性影响关系，离得越近的地区相互作用的可能性也就越大。Tobler W.R.， “A Computer Movie Simulating Urban Growth in the Detroit Region，” Economic Geography， vol.46， no.2， 1970， pp.234～240.Browning等、Bruyne和Hove、王鹤与刘志平等在研究过程中发现，一个地区房价在要素流动的作用下确实会影响周边地区房地产价格的变化，具有空间性。Browning M.， Gortz S. and Leth-Petersen， “Housing Wealth and Consumption： A Micro Panel Study， ”Economic Journal， vol.568， no.123， 2008， pp.401～428； Bruyne K. D. and Hove J.V.， “Explaining the Spatial Variation in Housing Prices： An Economic Geography Approach，” Applied Economics， vol.45， no.5， 2013， pp.1673～1689；王鹤：《基于空间计量的房地产价格影响因素分析》，《经济评论》2012年第1期；刘志平、陈智平：《城市住房价格的空间相关性、影响因素与传递效应——基于区域市场关系层面的实证研究》，《上海财经大学学报》2013年第1期。房地产泡沫以房价作为基础，从空间相关性的角度分析房地产泡沫形成与膨胀，计量其空间溢出效应与溢出程度，探寻房地产泡沫演化新趋势具有重要意义。
本文以房地产泡沫测度为基础，试图从房地产泡沫形成的影响因素——预期、货币政策、人口密度与供给等方面入手，构建空间计量模型，探讨如下问题：房地产泡沫是否存在空间溢出效应？如果存在，空间溢出程度是多大？又产生了怎样的特点与趋势？下文研究思路为：第二部分，基于购房者选择模型探讨房地产泡沫的影响因素及影响方式；第三部分，基于房地产泡沫的影响因素构建空间计量模型，引入三大空间权重进行模拟检验，选择最优空间计量模型；第四部分，根据模拟结果计算不同省域间房地产泡沫的空间溢出程度，并对其动态变化过程、特点与趋势进行分析；第五部分，对研究结果进行总结展望。
二、房地产市场泡沫的解释与测算
近年来房地产泡沫问题得到了学者的广泛关注，各学者从自身研究视角出发对房地产泡沫给出了界定，得到普遍共识的房地产泡沫定义为：由房地产市场投机导致房地产价格脱离市场基础所引起的均衡价格的持续上扬。曹振良：《房地产经济学通论》，北京大学出版社，2003年；刘琳、刘洪玉：《地价与房价关系的经济学分析》，《数量经济技术经济研究》2003年第7期；吕江林：《我国城市住房市场泡沫水平的度量》，《经济研究》2010年第6期。对于房地产泡沫的测度研究也持续了20多年，Fallies G.， “Housing Tenure in a Model of Consumer Choice： A Simple Diagrammatic Analysis，” Real Estate Economics， vol.11， no.1， 1983， pp.30～44； Abraham J.M. and Hendershott P.H.， “Bubbles in Metropolitan HousingMarket，” NBER Working Papers， vol.35， no.7， 1994， pp.171～192； Levin E.J. and Wright R.E.， “The Impact of Speculation on House Prices in the United Kingdom，” Economic Modelling， vol.14， no.4，1997， pp.567～585； Arthur G. and Andrew A.， “Housing Supply， Land Costs and Price Adjustment，” Real Estate Economics， vol.24， no.2， 2010， pp.43～56； John M. and Anthony M.， “Booms and Busts in the UK Housing Market，” The Economic Journal， vol.445， no.87， 2012， pp.32～45.众多学者对房地产泡沫的度量主要运用指标法，即根据某个或某些指标的数值来判断房地产市场泡沫的大小。Brunnermeier M.K. and Julliard C.， “Money Illusion and Housing Frenzies，” Review of Financial Studies， vol.21， no.1， 2006， pp.135～180； Goodman A.C. and Thibodeau T.G.，“Where are the Speculative Bubbles in US Housing Markets？” Journal of Housing Economics， vol.17， no.2， 2008， pp.117～137； Hott C. and Monnin P.， “Fundamental Real Estate Prices： An Empirical Estimation with International Data，” Journal of Real Estate Finance and Economics， vol.36， no.4， 2008， pp.427～450； Major Coleman I.V.， Lacour-Little M. and Vandell K.D.， “Subprime Lending and the Housing Bubble： Tail Wags Dog？” Electronic Journal， vol.17， no.4， 2008， pp.272～290；柳德榮：《京沪深住房市场泡沫比较研究——基于长期投资的视角》，《管理世界》2010年第9期；吕江林：《我国城市住房市场泡沫水平的度量》，《经济研究》2010年第6期；李永刚：《中国房价泡沫测度研究》，《经济体制改革》2014年第9期。这种方法具有较深厚的理论基础，其中具有代表性的吕江林比较了衡量房地产泡沫的一系列指标（租售比、空置率、投资购房与自住购房之比、房地产贷款占比等），最终选取房价收入比作为度量房地产泡沫的标准并对其科学性与准确性进行论述。吕江林：《我国城市住房市场泡沫水平的度量》，《经济研究》2010年第6期。参照吕江林的做法，本文对房地产泡沫的测度也选取房价收入比作为衡量指标。其计算公式为：房价收入比=商品住宅平均单套价格/城镇家庭平均可支配年收入=（商品住宅平均销售价格X商品住宅平均单套销售面积）/（城镇家庭人均可支配收入X城镇家庭户均人口数）。公式中各指标数据来源的详细说明请参考下文变量解释部分，本文研究视角定位在省域数据，吕江林研究视角定位在35个大中城市，因此选取的指标来源不同，测度出的北京与天津的房地产泡沫值也有略微差异，但整体变化趋势一致。
2006-2016年间中国各省域房地产泡沫程度见表1。本文样本中，西藏数据缺失严重，因而将其舍弃。从表1可看出，各省域的房地产泡沫值整体在波动中上扬，2006-2011年间各省域房地产泡沫处于持续增长状态，增长幅度较高的省域包括：北京、上海、浙江、海南等地区。其后在2011-2014年间房地产泡沫增长速度放缓，部分省域房地产泡沫出现小幅回调。在2015年与2016年两年间，各省域的房地产泡沫值都呈现出大幅膨胀态势。特别是北京、上海、天津、江苏与湖北等省市房地产泡沫值直冲20以上，膨胀速度之快与膨胀值之高值得关注。因此，我们不禁要问究竟是什么因素影响着房地产泡沫不断膨胀，而这些影响因素的影响程度如何，又是通过怎样的影响方式推动着房地产泡沫的攀升。
三、房地产市场泡沫的理论分析与事实验证
住房消费与非住房消费给消费者带来效用的大小取决于系数a1与a2，a1较大说明消费者选择非住房消费品会带来更大的效用，住房作為一项大额的耐用消费品支出必然会给消费者带来巨大的经济压力，甚至会使某些消费者在长期内背负巨额贷款成为房奴。如果消费者不选择购买住房而将资金用于生活与娱乐，会大大提高生活质量，从而获得更大的效用。a2较大说明消费者选择购买住房会带来更大的效用，住房的购买在某种程度上满足了消费者的需求与偏好，例如自有住房持有人在未来房价上涨过程中会获得更多的增值收益；住房所有者可以享受地区教育资源等基本公共服务；居民住在自有住房内可免于搬迁的不稳定性，提高住房舒适度与安全感。因此，如何进行住房与非住房消费分配获得效用最大化，取决于消费者的偏好。消费者的偏好取决于住房消费与非住房消费的替代弹性与住房消费在总效用中的重要性。消费者对家庭收入进行配置实现效用最大化的方程为：
命题一：房价收入比受到住房消费在总效用中重要性的影响，若自有住房与其他消费给消费者存在效用差异，则消费者实现效用最大化的自有住房消费效用比越大，房地产市场泡沫的膨胀度越高。
住房消费在总效用中的重要性主要受到购房者心理偏好的影响，住房者对房产的偏好主要由居住的刚性需求偏好与房产的投资需求偏好两部分构成。对于居住的刚性需求既可以通过购买住房实现也可以通过租房满足，而房产的投资需求则必须通过购买房产实现。当住房消费者预期未来房产增值空间较小时，住房消费在总效用中重要性减弱，消费者更偏重于租房从而规避高昂的购房成本；当住房消费者预期未来房产有较大的增值空间时，住房消费在总效用中表现出很强的重要性，住房消费者一方面担心如果不抓紧购房未来则更加无法承担起高昂的住房成本；另一方面住房消费者希望通过购买房产在未来获得丰厚利润，此时住房消费在总效用中的重要性表现得十分突出。因此，我们选取住房消费者的房产增值预期代表住房消费在总效用中的重要性，房产未来增值预期越大，住房消费在总效用中重要性越强；房产未来增值预期越小，住房消费在总效用中重要性越弱。
将房地产泡沫与消费者的房产增值预期的关系通过气泡图的形式展现（见图1），发现房地产泡沫膨胀程度与房产增值预期有正相关关系，图1中加入了各省份人口密度作为权重，气泡越大说明该地区人口密度越高。从图中可以观测到人口密度越高的地区相应的房地产泡沫程度与增值预期也越高，但这种正相关关系并不是十分显著，还需在接下来的计量模型中进一步检验。
将房价收入比对购房贷款进行求导，得到ph/yL>0，说明消费者住房贷款量越大，房价收入比越高；消费者购房时可以借到的住房贷款越多，房价收入比越高，房地产市场泡沫与货币政策紧密相关。
命题二：住房贷款投入量增加会促使房地产市场泡沫的持续膨胀。
为了更直观地显示住房贷款投入量与房地产泡沫之间的关系，我们通过气泡图的形式展现（见图2）。从中可以发现二者存在一定正相关关系，即住房贷款投入量的不断增加促进了房地产市场泡沫的持续膨胀。但与房地产泡沫和房产增值预期间的正相关关系相比，房地产市场泡沫和住房贷款投入量之间的正相关关系明显要更弱一些，可见房地产泡沫的膨胀更加容易受到房产增值预期的影响。图2中同样将各地区人口密度作为权重引入，可以发现在人口密度较高的省份，住房贷款投入量与房地产泡沫程度都较高。
将房价收入比对消费者非住房消费进行求导，得到ph/yc>0，说明消费者的非住房消费量越高，房价收入比越低。
命题三：消费者非住房消费的增长，可以抑制房地产市场泡沫的快速膨胀。
消费者的收入支出在住房消费与非住房消费之间选择，如果债券、股票等金融产品的投资回报率远远高于住房资本带来的收益，消费者则不会选择投资房产；或者消费者在生活、娱乐等非住房消费品中获得的效用大于住房消费效用时，消费者也不会再热衷于住房消费，房地产泡沫的膨胀也会因此得到抑制。我们直观地可以从图3中看到非住房消费与房地产泡沫呈负相关关系，人口密度的影响不显著。
当然这只是初步的直观结论，下文将通过构建计量模型对经验分析做更严谨的实证检验。
四、实证分析
1.变量解释
根据上文的理论研究，发现房地产价格的增值预期、货币政策、非住房消费、人口密度等因素是可能影响房地产泡沫形成的主要因素，基于此我们选取具体变量与数据解释如下：
（1）房地产泡沫（Pop）：本文采用房价收入比作为房地产泡沫的度量指标。其中2006-2014年房价数据来自历年《中国房地产统计年鉴》中各地区商品房平均销售价格；2015年与2016年房价数据来自于房天下、中经网与中国资讯行数据。2006-2014年人均可支配收入数据来自历年《中国区域统计年鉴》；2015年与2016年人均可支配收入数据来自《中国经济景气月报》。
（2）房地产价格预期（Pre）：本文将上一期的价格作为理性预期基础，将下一期的增速作为本期适应性预期，上一期的价格与上两期的平均增值量加总得到当期房地产价格预期，其中房地产价格数据来源同上。
（3）房地产开发企业与个人按揭贷款（Loa）：2006-2014年按揭贷款数据来自历年《中国房地产统计年鉴》；2015年与2016年数据来自中国人民银行。
（4）非住房消费（Con）：2006-2014年非住房消费数据来自历年《中国区域经济统计年鉴》中社会消费品零售总额；2015年与2016年社会消费品零售总额数据来自《中国经济景气月报》。
（5）房地产市场供给量（Sup）：2006-2014年房地产市场供给量数据来自历年《中国房地产统计年鉴》中各地区房地产市场房屋竣工套数；2015年与2016年房地产市场房屋竣工套数据来自《中国经济景气月报》。
（6）人口密度（Den）：人口密度是各地区人口数量与实际占地面积的比值，其中2006-2014年人口数量数据来自历年《中国城市统计年鉴》；2015年数据来自各地区统计公报；2016年数据根据预测得出。由于各地区人口数量的增长具有平稳性特点，因此通过预测得到的2016年数据与实际值不會有较大差异，具有一定的有效性与合理性。
（7）利率（Int）：每年贷款基准利率由当年利率调整的平均值代表，2006-2016年数据来自中国人民银行。
上述变量的统计描述见表2。在进行实证检验之前为了避免伪回归问题，我们首先需要对样本进行单位根检验。面板数据单位根根据是否存在同根情况可以分为两种检验方法：一种是以LLC与Hadri检验为代表的相同根单位根检验方法；另一种为IPS、Fisher-ADF和Fisher-PP检验，属于对不同根的单位根检验方法。本文采用相同根情况下的LLC方法与不同根情况下的IPS方法对所有变量进行单位根检验。检验结果见表3。由表3数据可以看出原变量序列中房地产泡沫（Pop）、贷款量（lnLoa）、非住房消费（lnCon）、房地产市场供给（lnSup）与密度（lnDen）为非平稳变量，一阶差分后所有变量皆变为平稳变量。
3.计量模型
空间溢出的计量通常采用空间相关性来衡量各地区之间，在不同因素影响下是否具有相互影响。空间相关性具体是指在不同区域间的观测样本中，位于i区域的观测值与位于j区域的观测值具有相关关系，用函数表示为Yi=f（Yj），i=1，2…n；i≠j。如果回归模型中存在空间相关性，则最小二乘估计是有偏的，估计结果也不具有一致性，在这种情况下通常采用极大似然法或两阶段最小二乘法进行估计。在分析空间问题时经常会涉及到两个模型：空间滞后模型与空间误差模型。表5检验结果显示，空间滞后模型的显著程度明显优于空间误差模型（后文给出详细分析），因此本文着重对空间滞后模型（SLM）进行介绍与探讨。空间滞后模型（SLM）是对某地区变量是否对周边地区变量具有扩散现象（外溢效应）进行分析的计量模型。SLM表达式为Y=ρωY+βX+ε，其中Y为因变量；X为n×k阶的外生解释变量矩阵；ρ为空间回归系数；ω为n×n阶的空间加权矩阵，ωY为空间滞后因变量；ε为随机误差项。根据前文的理论研究，房地产泡沫受到货币政策、预期、非住房消费、住房供给与贷款基准利率等因素的影响，基于此我们构建房地产泡沫的空间滞后模型如下：
本文数据年限为2006-2016年，因此矩阵中包含了11个W值， 而每年又包括30个省域样本，因此w为330×330的矩阵。接下来本文将对各省域数据分别进行未考虑空间效应的OLS估计、考虑空间效应的空间滞后模型估计与空间误差模型估计，根据检验结果选择最优模型。在选择模型过程中，我们先选取最简单的“0-1空间权重矩阵”进行模拟。即假设地理位置接近的省域赋予W值为1，认为只有地理上接近的省域间才会有房地产价格的空间溢出效应，否则为0。即Wi，j=1或0（i与j临近为1，不临近为0）。空间效应模型的回归结果见表5。可以看出，OLS模型拟合优度为0.9673，模型整体通过了5%水平的显著性检验。但由于Morans’I统计值显示OLS回归误差的空间相关性较明显，因此需要在模型中引入空间效应，我们引入空间滞后模型与空间误差模型进行回归。
表5中显示了两种空间效应模型的回归结果，拉格朗日乘数滞后项（LMLAG）与稳健滞后项（R-LMLAG）都通过了1%水平的显著性检验，且LMLAG较拉格朗日误差项（LMERR）在统计上更为显著，R-LMLAG较稳健误差项（R-LMERR）更为显著，从5个统计量可以看出，SLM比SEM的拟合优度更高。将OLS估计结果与SLM估计结果相比较发现，SLM的拟合优度在OLS基础上有所提高，达到0.9785。对数似然函数值从未考虑空间效应模型中的101.042，提高到SLM模型中的184.452。从表5的计量结果可以看出，考虑到空间效应的SLM模型更加适合用来拟合房地产泡沫的空间溢出效应。初步估计结果显示，房地产泡沫在区域间具有正向溢出效应，其对房地产泡沫值增长的影响系数为0.975。但此估计结果只考虑了0-1空间权重，在实际中房地产泡沫的区域溢出效应不仅存在于相邻的地区之间，还存在于周边地区乃至经济相关地区。因此，我们将地理权重矩阵与经济-地理权重矩阵引入，在下文中进一步研究不同空间权重矩阵对房地产泡沫空间溢出效应的影响。
4.空间权重设定
本文探讨的空间权重矩阵是赋予周边不同省域房地产泡沫影响力的不同权重，用来衡量泡沫的空间溢出效应。一般空间权重矩阵的构建共包括三种方法：Anselin L. and Bera A.， “Spatial Dependence in Linear Regression Model with an Introduction to Spatial Econometrics，” Handbook of Applied Economic Statistics， vol.27， no.4， 1998， pp.67～72；康继军、王卫、傅蕴英：《中国各地区市场化进程区位分布的空间效应研究》，《统计研究》2009年第5期；魏下海：《人力资本、空间溢出与省际全要素生产率增长——基于三种空间权重测度的实证检验》，《财经研究》2010年第12期；于斌斌：《产业结构调整与生产率提升的经济增长效应——基于中国城市动态空间面板模型的分析》，《中国工业经济》2015年第12期。
（1）0-1权重矩阵，认为地理上相邻的地区间才会产生空间溢出性，赋予W值为1，否则为0。这种方法直观且操作简单，在计量空间问题时得到广泛应用。但是采用这种方法容易遗漏空间溢出的部分信息，即使不相邻的区域间也会产生空间溢出性，且地理较接近发展模式相似的省域间也会产生空间溢出效应。因此，在讨论房地产泡沫空间溢出性中我们需要将地理权重矩阵与经济权重矩阵引入进行比较，从而得到最优选择。
（2）地理权重矩阵，即将含有距离因素的空间单元引入权重矩阵，认为不相邻的省域间也存在空间联系，对角线上的空间权重都为0，Wi，j是矩阵第i行和第j列的元素，表示第i个地区与第j个地区经纬度上的直线距离的无量纲化倒数。
（3）经济-地理权重矩阵，即将含有距离因素与经济因素的空间单元引入权重矩阵，认为不同省域间变量的空间性关系不仅受到地理距离的影响还会受到经济距离的影响，其中经济距离是指两个区域间经济发展的差距，用两个地区GDP差值的倒数表示。经濟-地理距离是指在经济距离与地理距离的共同影响下，一个地区经济指标对周边地区影响的空间效应，权重矩阵中Wi，j为i与j地区经纬度上的直线距离的无量纲化倒数与GDP差值倒数的乘积。省市之间地理距离与经济距离越远，则房地产泡沫空间溢出效果越差，所赋予的权重越小。
表6给出了三种权重矩阵下的空间效应模型的回归结果。从中可以看出，系数α1，α3，α5符号为正，α2，α4，α6符号为负。ρ的符号为正，即房地产泡沫在区域间具有正向空间溢出性。表6结果显示，空间滞后模型与空间误差模型在经济-地理权重矩阵下的对数似然函数值优于0-1权重矩阵与地理权重矩阵下的对数似然值，空间滞后模型与空间误差模型相比较指标显著性较高。因此本文以经济-地理权重矩阵下的空间滞后模型来计量房地产泡沫的空间溢出效应。表6中第4列结果显示，α1至α6的估计结果符号与预计相符，预期、宽松的货币政策（信贷量支持与较低的贷款基准利率）、人口密度的增加会刺激房地产泡沫的不断攀升；有效房地产供给的增加、非住房消费结构的优化，可以抑制房地产泡沫过快迅猛增长，各因素的作用下预期与供给因素对房地产泡沫的影响作用最强，分别达到0.842与-0.633。在0-1权重矩阵、地理权重矩阵与经济-地理权重矩阵下，房地产泡沫的空间溢出效应显著为正，说明一个区域的房地产泡沫的膨胀会有效带动周边地区泡沫值的攀升，空间影响系数为0.532。即一个地区房地产泡沫增长一个百分点，会带动与该地区具有经济-地理关系地区的房地产泡沫增长0.532个百分点。下文中，我们将进一步讨论各区域在2006-2016年间，房地产泡沫的增长对周边具有经济-地理空间关系地区所产生的空间溢出效应，并对其空间溢出程度进行度量。
五、回归结果分析
将空间溢出回归系数0.532代入经济-地理权重矩阵空间计量模型，得到2006-2016年间各省域房地产泡沫空间溢出对房地产泡沫值增长的贡献率，我们运用空间溢出效应贡献率衡量一个地区房地产泡沫值增长对另一个与其有经济-地理空间关系地区泡沫变化的空间溢出程度，具体结果见表7。进一步对表7数据进行分析，发现近年来我国房地产泡沫空间溢出逐渐呈现出三大趋势：
1. 不同省域泡沫溢出程度存在差异性，在不同溢出圈内溢出程度呈现发散性的特点。本文运用非参数估计模型中的核估计法，模拟房地产泡沫空间溢出的密度函数。将2006-2016年划分为四个阶段，分别为2006-2008年、2009-2011年、2012-2014年与2015-2016年，依次对四个阶段进行估计，估计结果以高斯核函数形式呈现。图4显示房地产泡沫空间溢出密度函数中心矩在波动中不断向右移动，峰值由小变大后又经历了由大变小的过程，同时空间溢出变化区间由小变大。2012-2014年房地产泡沫空间溢出密度分布具有明显的高峰薄尾特征，说明在这几年间各区域的溢出效应集中于中心距附近，极端值相对较小。这主要是由于在这三年间，各区域房地产泡沫空间溢出效应减弱，区域间溢出方差较小。但其后在2015-2016年间，空间溢出密度函数峰值很快回落，尾度增厚，说明在这两年间各区域房地产泡沫空间溢出方差逐渐增大，不同中心房价领涨区域对周边房地产泡沫的溢出程度差异性扩大，有明显的发散性特点。结合表7数据发现，2015-2016年间，以北京为房价领涨中心，周边河北与天津空间溢出性分别达到6.75与7.74，以上海为中心，周边浙江与江苏空间溢出性为8.05与7.47，相较2012-2014年间空间溢出差异性与发散性都明显增强。
2.房地产泡沫空间溢出效应在同一泡沫溢出圈内逐渐聚集，不同溢出圈之间呈现梯次性过度趋势。将2015-2016年间，各地区房地产泡沫取均值填充颜色至中国地图。由图5可知，我国各省域间房地产泡沫空间溢出效应呈现明显的聚集性与区域性的特点，且梯次性过度趋势较明显，总体呈现由沿海向内地、由东部向西部梯次衰退态势。溢出效应聚集圈主要划分为三大板块，一是以北京为中心区的京津冀溢出圈；二是以上海为中心的沪苏浙溢出圈；三是以广东为中心的闽粤溢出圈。这三板块的空间溢出效应贡献率在616以上。其他板块为辽吉黑溢出圈、中部地区溢出圈与西部地区溢出圈，空间溢出效应贡献率在5.25～5.86之间。高溢出聚集区主要集中于京津冀和长三角地区以及这两大经济体沿海延长线地带。结合上文的回归分析，形成这种状态的主要原因有：随着城镇化进程的不断加快，越来越多的外来人口涌入北上广深等中心地区，促使人口密度不断攀升，住房需求不断扩大，推动房地产价格增长，过高的房价压力和不断完善的交通设施，使更多的中心省域居民选择在周边地区购房，形成房地产泡沫的空间溢出圈；同时，由于土地稀缺性，中心省域房产供给不足，政府拍卖的住房用地中“地王”频现，进一步推高了房地产商的拿地与开发成本，在成本-收益的约束下，房产商逐渐开始选择开发中心省域的周边地区，力图通过低拿地成本和高建筑质量吸引购房者，获得更高利润，带动周边地区房地产市场的发展，产生房地产泡沫空间溢出圈，圈内曾经差距较大的省域价格逐渐减小，房地产泡沫空间溢出效应在溢出圈内逐渐呈现聚集性特点。
3.我国各省域房地产泡沫根据溢出程度可以分为四大类型。为了对不同省域间2015-2016年间的溢出效应新趋势做进一步分析，我们引入空间溢出性分布图。图6中，纵轴为各省域空间溢出效应，横轴为各省域房地产泡沫值，纵向线为房地产泡沫值的中位数，横向线为空间溢出效应贡献率的中位数。两条直线将将分布图划分为四个象限：第一象限为传染活跃型省域，受到房地产泡沫空间溢出性影响大，包括福建、河北、江苏、浙江；第二象限为传染较活跃型省域，自身房地产泡沫较高受到空间溢出性的影响较大，且自身房地产泡沫较高，容易对周边地区产生较强的溢出效应，包括北京、上海、广东与天津；第三象限为传染稳定型，这类城市会受到泡沫空间溢出效应的影响，但影响程度有限，包括山西、山东、河南与陕西等省域；第四象限为传染迟钝型，此类城市不容易受到周边城市房地产泡沫膨胀的影响，同时自身房价的增长也较难影响周边区域，包括海南。一、二象限城市较易产生房地产泡沫的空间溢出效应，在房价过快增长时期要出台限制措施，引导房价合理走向。三、四象限城市受到房价空间溢出效应较弱，在经济增速放缓时期可以适时取消房产限购政策，带动经济平稳增长。
六、结论与展望
本文基于租购消费效用选择模型，利用2006-2016年我国30个省域的面板数据构建空间动态计量模型，以房地产泡沫测度为基础，分析各影响因素对房地产泡沫的作用程度，考察在不同影响因素作用下房地产泡沫是否具有空间溢出效应。本文将二元0-1空间邻近矩阵、地理空间矩阵与经济-地理空间矩阵三种不同空间权重矩阵进行比较，得出经济-地理空间权重矩阵下的空间滞后模型最适合分析房地产泡沫的空間溢出，进而以此为基本模型探讨了不同省域间房地产泡沫的空间溢出程度，并对房地产泡沫空间溢出的新趋势进行了分析。本文研究发现：（1）近年来房地产泡沫确实存在空间溢出性特点，并且不同省域房地产泡沫溢出圈内的溢出程度差异性扩大，有明显的发散性特点；（2）房地产泡沫空间溢出效应在泡沫溢出圈内逐渐聚集，不同溢出圈之间呈现梯次性过渡趋势；（3）我国各省域房地产泡沫根据溢出程度可以分为传染活跃型、传染较活跃型、传染稳定型与传染迟钝型四种类型，其中前两种类型城市较易受到房地产泡沫空间溢出性影响。由于近年来各省域房地产泡沫空间溢出方差逐渐增大，使得房地产泡沫差异化现象明显，容易造成基尼系数的攀升，影响收入分配的公平与效率，需要政府适时出台相应政策进行调控，特别是要加强对较易受到房地产泡沫空间溢出性影响的传染活跃型与传染较活跃型两大类城市的楼市的针对性调控。
本文对于深化房地产价格的研究，解析房地产泡沫空间溢出效应新趋势具有积极意义。然而，本文的研究仍存在着不足之处，由于数据的缺乏，房地产泡沫空间溢出效应的计算还不能完全涵盖中国31个省级行政区。同时，适合用来分析房地产泡沫溢出的经济-地理权重矩阵重叠分组空间加权的技术难题尚未突破，也未能将隐性房价以及结构性房价带来的泡沫空间溢出效应全部考虑进来，这两个方面会导致空间溢出程度的低估。这些不足之处有待今后进一步的研究。
作者单位：天津商业大学经济学院
责任编辑：牛泽东
房地产法学论文范文第4篇
摘要：大数据时代的到来为房地产市场分析提供了高效的数据分析工具，我们可以从大数据概念出发，探讨房地产大数据的构成和大数据分析技术在房地产市场中的应用。基于大数据管理模式的房屋全生命周期动态数据库，以及GIS空间数据和大数据分析方法的武汉市房地产市场分析的研究成果，对大数据在房地产市场分析中的应用予以总结与展望。
关键词：大数据，房地产市场，动态数据库，市场分析体系，片区市场分析，市场专题分析
1 引言
1.1 大数据概念
近年来，大数据一词越来越频繁地被提及，它通常被描述为信息爆炸时代产生的海量数据。全球咨询公司麦肯锡指出：“大数据已经渗透到每一个行业和业务职能领域，决策将基于对海量数据的挖掘和分析而做出，大数据将日益成为重要的生产要素”。关于大数据的内涵，研究机构Gartner认为：“大数据是需要新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产”。尽管目前尚未对大数据形成统一的认知，但是业界和学术界普遍认为大数据具有“4V”特征：①体量大（Volume），大数据的数据量将达PB、EB、ZB级；②种类多（Variety），大数据是由文字、声音、视频、多媒体等组成的结构化、半结构化和非结构化的多维异构数据；③速度快（Velocity），在海量数据的情况下，大数据仍需做到实时处理；④价值密度低（Value），应用价值大但价值密度低，通过对海量数据进行提取、处理和分析，才能获得很小一部分有用的信息。
1.2 大数据在房地产市场分析中的必要性
房地产业作为对国民经济和城市经济发展具有重大影响的产业部门，在发展中面临诸多问题，需要政府及有关部门在对房地产市场发展进行正确预判的基础上科学决策、积极引导，促进房地产业的健康发展。房地产市场拥有着海量的数据积累，房地产市场分析都将围绕这些数据展开，从而为政府及有关部门决策提供重要参考。面对数据信息的急剧增长，房地产市场分析必须借助大数据的挖掘和分析技术，将海量数据转化成为有洞察力、决策力和有价值的知识，正确判断市场趋势、科学引导资源配置、服务社会经济发展。
2 房地产市场大数据的构成
房地产市场是一个由土地供应、房地产开发、房屋交易及开发企业、金融机构、经纪中介、购房者等多方参与的多层次、多结构的复杂大系统。房地产市场本身受物理世界（房屋本身）、市场交易行为和人类社会活动（房地产相关的宏观经济环境）的综合作用，因此房地产市场大数据是有关房地产的位置空间数据、市场交易数据、参与主体动态行为数据以及与房地产相关的宏观经济、土地、人口、交通等的数据集合。
2.1 房屋基础数据
房屋既是构成房地产市场的基本物理单元，也是房地产市场的交易对象。房屋基础数据包括：地理位置、房屋楼栋、建筑信息、配套设施及周边环境等。
2.2 房地产市场交易数据
交易活动是房地产市场的核心，房地产市场交易数据包括：商品房市场预售与成交量价数据、存量房市场成交量价数据、房屋抵押登记数据、房屋价格评估数据以及租赁市场量价数据等。
2.3 宏观经济、金融投资、土地、人口、交通数据
房地产业的发展状况与国民经济其他产业部门以及整个宏观经济环境紧密相关，因此房地产市场分析必须将房地产业置于整个经济系统和产业链条之中才可能得出客观有益的结论。与房地产业相关的数据包括：宏观经济、金融投资、土地规划及利用等级、土地交易信息、人口、交通及市政规划等。
2.4 动态行为数据
购房者是房地产市场的主要参与主体，必须作为对市场发展具有重要影响的因素加以考量。在移动互联网时代，人们对网络信息已产生巨大的依赖性，人们通过移动互联网定制和获取有关服务时，也留下了有关需求选择、兴趣取向的重要信息，这些与房地产相关的动态行为数据中蕴含着大量对于房地产市场导向与反馈具有指示意义的人类行为模式，从中挖掘隐含信息将极大地丰富和拓展现有房地产市场分析的内容。2013年11月，国家统计局已与阿里、百度等11家企业签署了大数据战略合作框架协议。
3 大数据分析及其在房地产市场中的应用
3.1 大数据分析及其种类
大数据分析是数据与信息、知识之间相互交互的重要桥梁，大数据分析是通过分析获取传统信息分析方法无法获得的、智能的、深入的、有价值的信息和知识，其典型任务是通过对海量数据做统计性的搜索、比较，发现潜在关联，获取有用信息，从而实现模式挖掘与预测分析。大数据越来越强调日益膨胀的用户网络行为数据的积累，如何对这一类蕴含有宝贵市场信息的非结构化数据进行深入挖掘、分析、管理和应用，是我们面临的重大挑战。在房地产大数据挖掘与分析领域，主要有关联分析、聚类分析、演变和预测分析等。
关联分析，是寻找属性间的相关性，利用关联规则寻找在同一事件中出现的不同项的相关性，挖掘分析大量数据集合之间有趣的关联关系。比如通过房地产大数据分析，建立房地产相关服务与用户行为之间的关联规则。
聚类分析，是将整个数据对象分成多个组群，在同一组群内部对象之间具有较高的相似度，而不同组群之间对象的差异较大。在房地产市场分析领域，借助聚类分析可以用来研究需求类型构成、片区市场分异，进而为楼盘开发类型的选择、区域房地产调控政策的制定提供科学依据。
演变和预测分析，通过提取对象的重要数据进行建模，把握对象随时间变化的规律和趋势，进而进行合理预测。比如，结合人口构成变动、金融信贷发展趋势进行房地产消费趋向分析等。
3.2 大数据分析在房地产市场中的应用范围
寻找关联、发现知识、挖掘价值是大数据时代信息分析的真正需要。大数据背景下，房地产市场相关的研究工作都是围绕着海量的房地产大数据展开的，基于数据挖掘算法，应用大数据分析技术，有效帮助我们从不断积累与更新的数据中提取有价值的信息，及时掌握市场发展动态、科学引导市场供需力量，合理制定产业调控政策。大数据分析在房地产市场中的实际应用日趋丰富，主要有以下几个方面：
房地产周期研究。研究房地产波动周期，寻找某个时间段内特定区域房地产的波动周期及规律，分析影响房地产波动周期的因素及其相互关系。
房地产市场发展趋势研究。分析房地产市场需求与国民经济增长、人均可支配收入、土地出让面积、房地产开发投资等因素之间的关系，运用统计回归、神经网络等方法建立模型、进行预测分析。
房地产经济预警指标体系研究。对房地产市场运行态势进行分析、测度和判断，并对未来的发展状况进行预测、预报和预警，以便及时采用有效措施来平缓波动，促进房地产市场的健康、可持续发展。
房地产市场区域板块研究。针对房地产经济区域发展不均衡的现象，运用比较分析、聚类分析等方法对区域板块市场进行动态分析。
房地产市场供给研究。综合人口住房条件及分布、土地利用现状、市政规划、交通分布信息等，通过聚类及层次分析方法，科学测算区域内不同类型不同业态房屋的供给数量及各自的地理位置和发展计划。
房地产市场需求研究。利用关联分析和序列分析研究房地产客户的需求，发现购房者的消费行为模式，找出购房消费的影响因素，为制定差别化营销策略提供依据。
4 房地产市场分析中大数据应用研究的初步成果
为适应大数据时代的发展要求，武汉市房产信息中心按照武汉市“智慧房管”顶层设计和“互联网+房管”建设目标，全面建成武汉市房屋全生命周期综合管理平台，极大地提升了房管信息化水平，为房地产大数据应用的开展奠定了坚实基础。基于该平台建设成果，建立了动态的房屋基础数据库，并开展基于GIS的武汉市房地产市场分析研究。
4.1 建立基于大数据管理模式的房屋全生命周期基础数据库
按照大数据管理模式，开展房屋基础信息调查，建设完成动态的房屋全生命周期基础数据库，掌握了武汉市全市域8494平方公里全部国有土地上的房屋基础信息。同时以房产管理图成果为基础，对已入库产权登记、物业管理、优保建筑、保障房、房屋安全鉴定、白蚁防治、消防抗震等相关信息数据进行整合，以楼盘表为基础建立了覆盖各业务板块的主数据库，形成了以规划建设、市场管理、确权登记、使用维护和灭失注销五个房屋生命周期阶段和一个住房保障专题的平台总体结构。覆盖了全市50余万栋4.9亿平方米房屋的基本信息，涵盖了5000多个商品房项目、1800余个专业化物业小区、30余万套保障性住房、209处优秀历史建筑、3915栋危房以及110余亿住宅维修资金的监管，影像化资料达457万卷（50TB），为实施全市域房屋的精细化管理提供了大数据支撑。
4.2 基于GIS的武汉市房地产市场分析体系研究
大数据分析以数据全体或总体为分析对象，数据是核心和关键，强调从整体上观察数据的属性、特征、联系和规律。传统市场分析采用的数据抽样方法往往割裂了数据或现象之间的联系，因而分析结果难以保证准确和客观。该研究项目基于房屋全生命周期动态基础数据库，同时采集宏观投资、消费、金融贷款、土地成交、居民收入及部分开发企业、中介机构等数据，以1998-2015年武汉市房地产市场为研究对象，选取1998-2015年的总体年度及月度数据，利用GIS空间数据挖掘、在线联机分析等信息技术结合房地产市场分析方法，构建了一套全面、科学的房地产市场分析指标体系，对武汉市房地产市场进行了客观分析和系统研究（来源于华中师范大学合作研究项目《基于GIS的武汉市房地产市场分析体系研究》课题成果）。
基于房地产周期波动理论，根据武汉市1998-2015年房地产市场发展总体情况，确定房地产市场的四大影响因素：房地产政策、城市规划、城市经济基本面和市场参与主体行为。从理论、政策和适宜性三方面确定房地产市场的四个衡量维度，分别为规模适应性、结构合理性、变化稳定性和发展可持续性，具体选取指标见表1，构建武汉市总体市场分析指标体系，对武汉市房地产市场总体景气状况进行判断。
分析采用武汉市房地产市场1998-2015年的年度数据对各维度的衡量指标进行计算，查看其历年走势，运用系统判定法中的多数原则确定各二级指标的合理区间并对各指标的计算结果进行评价。最后根据因子载荷矩阵确定各二级指标的权重，将各二级指标标准化后加总得到规模适应性、结构合理性、变化稳定性和发展可持续性总指标，通过创建“四维玫瑰图”予以展示，市场四维玫瑰图理想状况与现实状况见图1。四维玫瑰图的四个维度分别代表房地产市场规模适度、结构合理、变化稳定、发展持续，每一维度中将构成该维度的各个指标用不用颜色标识，对各衡量维度的整体状况、指标构成状况、指标值、合理范围及历史发展态势进行实时展示。
4.3 片区划分及板块市场分析
鉴于武汉市房地产市场区域发展不平衡，在进行片区市场分析前首先进行房地产市场片区划分（来源于华中师范大学合作研究项目《基于GIS的武汉市房地产市场分析体系研究》课题成果）。利用GIS平台空间数据，综合考虑土地综合质量、城市规划、行政区划并结合房地产市场自身特征，通过空间叠加分析的方法划定武汉市（三环线以内，根据市场状况适当扩展）48个房地产市场片区（片区划分结果及2015年商品房成交活跃度）见图2，并抽取部分片区从住房成交价格差异、土地开发强度差异、成交类型差异三方面对片区划分结果进行合理性验证。并选取片区市场分析指标，运用多指标聚类分析方法将武汉市48个片区市场分为七大类，并做片区市场演进趋势分析。以空间地理纬度演进阶段为横坐标，以时间演进阶段为纵坐标的片区市场演进时空图见图3。
基于区域分异发展理论、市场供需理论，构建片区市场分析指标体系，对武汉市（三环线以内，根据市场状况适当扩展）各区域板块房地产市场运行状况进行分析。按照表1总体市场分析指标体系，根据片区房地产市场发展实际情况选取片区市场2003-2015年季度数据，计算分析指标，并通过指标合理区间对计算结果进行评价验证。
通过创建“片区市场供需平衡图”对片区房地产市场分析结果予以展示，科学判断市场发展趋势，片区市场供需平衡图见图4。
4.4 房地产市场专题分析
大数据分析的一个重要方面是可视化分析，也即对数据进行归约、概化或图形描述等。通过空间集聚和近似计算对一些具体的地理位置概化聚类，形成对某区域的形象化描述。基于房屋全生命周期动态数据库，利用大数据分析方法在GIS地图上可以对某一市场关注热点进行专题市场分析。
4.4.1 轨道交通专题分析
如图5所示，对武汉市轨道交通2号线沿线200米进行线状缓冲分析，通过对轨道交通开通前后沿线房地产市场进行对比分析，研究轨道交通对周边房地产价值的影响，从而为地产开发类型、商业布局等提供决策支持。对轨道交通2号线循礼门站点周边500米进行缓冲分析，研究轨道交通站点布局对周边商品房及存量房市场的影响，并通过统计建模的方法进行量化评估。
4.4.2 商业综合体专题分析
如图6所示，以武汉光谷广场为中心做商业综合体缓冲分析，对作为武汉城市副中心的光谷商圈内的商业地产进行专题分析，研究各业态地产的体量对比及历年走势，从商业和办公租赁市场发展情况对未来商业地产新增体量进行预测分析。
5 结论与展望
房地产行业是一个数据量大、关联性强、结构复杂、影响因素众多的非线性经济系统。传统的市场统计分析已经不能满足科学决策的需要，房屋全生命周期动态数据库的建设和基于GIS空间数据及大数据分析方法的武汉市房地产市场分析成果，拓展了房地产市场分析的广度与深度，提高了市场分析成果在政府决策、行业管理中的应用价值。
为了继续深化和拓展大数据在房地产市场分析中的应用，需要继续建设完善适应房地产业数据类型的数据资源仓库，形成全方位、多维度、强交互的房地产大数据，特别是有关房地产市场的动态网络化行为数据的搜集与挖掘。不断提高大规模数据集中挖掘的效率，加强数据分析对政策变动的适应性，使大数据的“知识发现”和“价值提炼”功能在房地产市场分析中发挥重要作用。
参考文献：
1.范志勇.大数据分析技术在我国房地产市场分析中的应用.北方经贸.2015.26-27
2.文庭孝.大数据时代的信息分析变革研究.图书情报知识.2015.5
3.李先光.房地产市场分析预测中的数据挖掘技术应用研究.贵州工业大学学报.2007.1
作者简介：
缪涛，供职于武汉市房产信息中心。
洪建国，华中师范大学经济与工商管理学院。
林波，供职于武汉市房产信息中心。
田鑫，供职于武汉市房产信息中心。
李求军/责任编辑
房地产法学论文范文第5篇
摘要：房地产市场营销的产生是生产力发展和商品经济发达的必然产物，市场营销是房地产经营过程中不可缺少的组成部分。强有力的房地产市场营销活动不仅可以促进地区的经济繁荣，还有助于将计划中的房地产开发建设方案变成现实，使每一宗房地产顺利出售或出租。从事房地产营销需要清楚地了解营销策略，辨别外界环境的发展变化，通过系统分析及时改变营销策略。本文从房地产营销策略的演进入手，分析我国房地产营销的现状，探寻房地产营销的新模式。
关键词：房地产营销 产品 价格 促销 渠道
1 房地产营销策略的演进
由于房地产具有投资价值大、不可移动性及区位性等特点，其销售难度比一般商品要大得多。为了成功而有效地把房地产产品销售出去，必须根据营销目标及营销市场的特点，采取一系列营销策略。传统的4P理论始建于1960年美国的密歇根州立大学，它认为市场营销的根本问题在于解决好四个基本要索：Product(产品)、Price(价格)、Place(销售渠道)、Promotion(销售促进)。也就是说，企业只要能生产出“质量上乘”的产品，即可根据成本和竞争设定一个能赚取很多利润的价格，然后只需对代理商、经销商予以支持与控制并经常进行广告和促销，企业即能顺利发展成长。4P理论的思维基础是以企业为中心的，因而适合供不应求或竞争不够激烈的市场环境。然而，由于目前房地产行业的迅猛发展，一些新的营销理念和思路层出不穷。比较有代表性的是1990年由美国的劳特朋教授提出的4C(即CONSUMER、COST、CONVENlENCE、COMMUNICATlON)理论在房地产营销中的应用。它有悖于营销学中传统的4P理论，将消费者置于房地产营销的核心地位，无论是产品、价格、销售渠道还是促销，都以消费者的需求、意愿为首要因素和根本出发点。
2 我国房地产营销的现状
目前我国的房地产市场从总体趋势上看，已经进入以需求为导向的发展阶段，房价逐步向成本价和微利价靠近，市场化程度逐步加深。在市场营销方面，无论是业内人士还是消费者都逐渐成熟，一个概念、一个点子已经难以打动人心。消费者开始注意产品的本身。目前购房者的经验越来越多，日趋理性；违规项目纠纷的问题及房价的问题使部分消费者更加谨慎。从我国的经济体制看，市场经济体制尚不完善，企业的经营管理水平相对低下，市场对社会资源的配置作用还不够大，在优化产业结构、合理组织社会生产等方面，政府仍然起着较大的作用。政府对经济干预的目的，是为了提高投资效益，降低投资风险，减少资源浪费，从而实现经济和社会发展的目标，这个目标的实现就需借助市场营销的功能作用。同时，虽然目前房地产行业发展势头迅猛，但其中许多经营理念却跟不上行业发展的速度，显得相对滞后。在房地产营销方面，这个问题同样存在。在现代市场经济条件下，房地产企业之所以能够在竞争中取胜，就是因为其为市场提供顾客所需要的产品，也就是说，开发商必须了解市场，按照市场需求开发建设住宅产品，通过交换实现产品的价值，最终获取利润或占领市场，促进企业的不断发展，但目前许多开发商都还缺乏以顾客为导向、以交换为中心的理念，推向市场的住宅产品都没有到达消费者手中，或者说没有转化为真正意义上的产品或商品。因此，房地产营销的产品策略、价格策略、营销渠道策略和促销策略都必须根据目前的市场情况进行合理的创新。
3 房地产营销策略
3.1 房地产营销产品策略
3.1.1 品牌营销。品牌不仅是企业或产品标识，更是宝贵的无形资产，能强化企业在市场和行业中的地位，并且在企业的兼并收购、投融资等对外合作中发挥重要的作用，从而为企业创造更加良好的经营效益
3.1.2 特色营销。现代社会崇尚个性发展，消费者特别是新时代成长起来的年轻一代，往往把个性能否得以发挥和张扬，作为衡量和选择商品的一个重要标准。买房可谓一个家庭的长远之计，一百个家庭有一百个选房原则。开发商只有采取人无我有，人有我优，人优我奇的个性设计，才能赢得尽可能多的消费者。
3.1.3 绿色营销，即居住环境的打造。居住环境的质量已经成为人们购房时考虑的重要因素，于是，开发区域的绿地覆盖率也就成为楼盘的卖点。企业纷纷提出以环境保护为营销理念，以绿色文化为价值观，以绿色营销为核心的营销战略。在绿色营销上，对于单纯的绿地的规划是十分必要的。而针对目前能源紧缺而提出的绿色节能住宅的概念，同样要运用到绿色营销中，增加社会效应。虽然目前节能住宅的单价相对普通住宅要高，但由于“发展节能住宅是利国利民的大事”，绿色节能住宅的发展将成为趋势，也将成为卖点。
3.1.4 人文营销。房地产营销应该是以人为本的，为顾客创造良好的环境，体现人文情怀。文化是人文的重要组成部分，深厚的文化底蕴或高品位文化景观和楼盘的结合可以给顾客以享受。人文的另一个方面体现在房地产开发商与顾客的关系建立上。“顾客就是上帝”，对于现在正处于买方市场的房地产企业，应该更加注意与顾客建立良好的关系，与顾客形成互动，展示企业形象的同时，更让顾客感受到关怀，在选择时倾向性更加明显。人文营销的第三个方面体现在为买主提供最大便利上。所以，从房地产开发到售后的过程完整贯彻以人为本的原则，是提升销售量的重要手段之一。
3.2 房地产营销价格策略 房地产的开发建设、买卖、租赁、抵押、土地出让、转让等营销，都是商品经济活动，必须按照市场规律、经济原则实行等价交换。掌握房地产产品的定价方法，灵活运用各种定价的策略是开展房地产市场营销活动的主要手段。同时房地产的定价要注意消费者的心理价位和承受能力，
3.3 房地产营销渠道策略 我国常用的房地产营销渠道策略主要有房地产企业直接销售、委托代理销售和网络销售三种。
3.3.1 企业直接销售策略 它是指房地产企业利用自己的销售部门对房地产商品进行直接销售。目前我国绝大部分房地产开发商都是采用这种销售渠道。最常见的形式是派出销售人员，在一个固定的场所现场售房。这种策略的优点是销售渠道最短、反应最迅速、控制也最为有效。
3.3.2 委托代理销售策略 它是指一般开发商委托房地产代理商寻找顾客，顾客经过代理商中间介绍来购买房产的销售渠道方式。相对于直接销售模式，委托代理销售降低了开发商的风险，通过代理商的服务性质，更易于把握市场机会，能更快地销售房产。
3.3.3 网络销售策略 网络营销策略是利用现代电子商务的手段，实现房产的销售。与传统的销售策略相比，网络销售策略可以降低房地产企业的营销成本，可以实现零距离和全天候的服务，更方便地和消费者沟通，可以树立房地产企业意识领先、服务全面、信息完备的良好形象，有利于增加房地产企业的无形资产，有利于消除销售的地域性等优势。和其他所有行业一样，房地产业正在受到全球电子商务化趋势的影响，运作方式的变化必将会产生新的营运模式和流程。实际上，我们的房地产公司显然已经意识到建立房地产信息服务系统的重要性，有些公司开始自行设计房源数据库，以向客户提供服务。不过，这种数据库功能单一，除能查找文字介绍的房源信息外，很难提供其它技术支持。据几家在北京小有规模的房地产中介公司经理介绍，尽管公司在北京有多个连锁店，但彼此信息不沟通，公司的业务发展大受影响，更别提单枪匹马做市场的中介公司。据统计，仅北京市登记在册的房屋中介大大小小就有近千家，彼此几乎没有信息沟通和共享，而每家的业务又都是遍布北京，这种状况如何能为消费者提供丰富、满意的房源?这散布全城各个角落的近千家房屋中介又如何能达到信息沟通与共享?惟一的答案是促成房地产信息的联合与共享，加速房地产业的电子商务化，扩大房地产数据库在互联网上的应用，一定会极大地促进中国房地产业的飞速发展。
3.4 房地产营销促销策略 目前，对于大多数消费者而言，他们对房地产的理解往往只是限于“一栋房子”这样浅显的概念，而想了解，又苦于没有途径。因此，房地产开发商应当本着诚实的原则定期开展相关知识的宣讲会，在宣讲会前可以进行问卷调查，了解消费者在此方面的困惑，在宣讲会上可以针对调查结果要求相关专业人员先进行房地产行业概况介绍，然后认真耐心地回答消费者对房地产行业或有关楼盘的任何问题，最后总结以上的内容，达到让消费者获得知识的目的。可见，宣讲会是沟通房地产商和消费者之间的桥梁。向顾客介绍知识的同时，又宣传了企业的品牌，提高大众的认知度，增加购买欲望：同时，对房地产有了认识的顾客又会对房地产提出更高层次的要求，促使房地产开发商运用新技术，创造新工艺，推动市场的前进。