第六节 城市土地的投机需求
城市土地经济学是研究城市土地最优配置问题的学科。在城市中土地需求分为住宅、商业、工业、基础设施用地需求等几个部分。由于土地除具有使用价值外，还具有投资价值，这使得土地投机需求成为土地需求的一个重要组成部分。
一、税率与城市土地投机需求
在土地所有权可自由买卖的经济中，还有一种土地需求，不是为了土地本身的生产特性，而是以土地价值储存特性为目的。这种需求主要包括土地投机性需求和为了防止价格上涨而套购土地。这种土地需求，从产生的原因上来看，可能是由于税收制度的扭曲而产生，也可能是由于通货膨胀的影响而产生。
分析此类土地需求常常需要先作土地投资收益分析。一般储蓄存款纯收益率为：
其中，rn为税后储蓄存款收益率，T为个人所得税的边际税率，r为土地以外的投资收益率，pe为预期通货膨胀率。这里假定，应付税款没有扣除预期通货膨胀率。若利率为12%，预期通货膨胀率为10%，则在边际税率为40%的市场上，投资的税后净收益率为-2.8%。
用于土地的投资虽然没有现金流收益，但它的价值却随着通货膨胀率的提高而上涨，设土地价值上涨率与通货膨胀率相同。在美国和加拿大，土地投资的收益按正常税率的一半缴纳，所以，在没有边际产出的情况下土地的投资收益率为：
rL=（1-T/2）pe-pe
如果土地有实际产出，设实际边际产品为k，则实际收益就是实际边际产品加预期通货膨胀率，即税前的pe+k，则扣除了通货膨胀率和税收后的投资土地的实际收益率为：
rL=（1-T/2）（pe+k）-pe
仍以前面的数据为例，设k=2%，则rL=-0.4%。虽然仍为负数，但税率对土地投资收益率及土地投资需求的抑制作用已经变得很弱。由此可见，通货膨胀情况下较低的土地税率将导致对土地的大量投资，增加土地的需求规模。
二、房地产交易者对土地投机需求的影响
投机行为产生于对未来价格变化的预期，如果预期价格不会改变，投机行为也不会产生。因此，城市土地投机需求的产生也必然与房地产交易者的行为有关。
城市地上建筑物具有建设周期长、自然寿命和经济寿命长等特点，而且城市土地供给又缺乏弹性。土地供给条件的改变不可能是价格预期形成的主要决定因素，对未来需求的变化才是价格预期形成的主要决定因素。由于在土地市场存在着大量的正反馈交易，即投资者根据资产过去价格的趋势而不是其实际价格进行交易。因此，正反馈交易也决定了土地市场未来需求的变化。
（1）在土地市场中买者和卖者同时存在，交易者签订买卖合同的时间存在间隔，为土地价格投机创造了机会。如果投资者预期地价很快将上升，就会以目前的市场价格购入一定量的土地，然后再以上涨后的价格售出，从而获得高额收益。在这期间如果判断错误，投资者将蒙受损失。投资者之所以会采取这种投机方式，主要是因为预期市场价格将上涨。然而，在正反馈效应下投资者都采取这种投机方式，就会造成土地市场上只存在买者而缺少卖者，从而在宏观水平上打破供求平衡。在这种条件下追求利润最大化的投资者为获得资本收益就会抬高价格，最终形成土地价格投机。
（2）土地价格增长率超过银行贷款利率时也会导致土地价格投机。在这种情况下投资者会借款购买土地，然后再以高的价格出售。众多投资者采取一致的行动，会造成市场供求失衡，使土地价格大幅度上升。然而，在地价上升时期拥有大幅土地的投资者并不总能获得高的收益。如果银行贷款利率上升，再加上较高的土地交易成本，会使投资者的收益面临很大的不确定性。
（3）预期房地产价格上涨，也将导致土地价格投机。从物质形态上看，房地产是由房产和地产的耦合体；从价值形态上看，房地产价格可分为房产价格和地产价格。房产价格是指房屋本身的价格，是由建筑房屋所使用的材料和花费的劳动以及一定利润形成的价格；地价是指地租的购买价格和资本价格之和。由于房产随土地位置的不同会形成较强的异质性特征，再加上居民住宅改善需求增加、城市化水平提高导致房地产需求持续上升。英国古典经济学家大卫·李嘉图以小麦价格为例分析了小麦价格与麦地价格的关系。他认为麦地价格高导致小麦价格高的说法并不完全正确。实际上，较为正确的说法恰恰相反。麦地之所以具有高价原因在于小麦具有高价。由于土地总供给弹性不足，不论通过竞争而给予它的价格有多高，土地供给量是保持不变的。因此，土地的价值完全是由它的产品价值所引起，而不是相反的顺序。因此，将李嘉图的观点引入地价与房价的关系中就是预期房地产价格上涨将导致土地价格上涨和土地投机行为产生。
（4）预期高档住宅价格上升而引起的投资行为也会导致高档住宅土地投机。市场中的交易者对高档住宅过分偏好，会打破市场供求平衡，使该档次的住宅价格持续上升。由于高档住宅一般都具有好的区位特征，地价会随着人文环境和自然环境的变化逐渐上升。这些都将为购房者带来资本继续增值的乐观预期，使交易者大量投资于高档住宅，又会进一步推动价格上涨，形成价格泡沫。高档住宅价格上升又不是孤立的，它会带动普通住宅价格的攀升，从而导致投机行为充斥整个房地产市场。
三、土地投机度及检验模型
莱文和赖特（Levin and Wright,1997）认为投资者主要从两个方面获得投机收益:①房地产所有者从物业的使用中获得的收益，这是假设资本收益的预期为零；②房地产所有者预期价格变化导致其资本收益的增减量。可用如下公式表示价格的构成：
其中，Pt代表t期的房地产价格，
代表资本收益为零时的房地产价格，Ht是房地产作为一种资产获得的预期资本收益的现值。这里预期资本收益的现值可以表示为：
其中，
代表下一期预期资本收益，i代表t期的利率。
但我们认为中国实行的是有管制的利率制度，利率在短期内对房地产价格没有显著影响，也就是说由于利率在短期内是固定的，房地产价格上涨不是由利率引起的。然而，土地价格上涨却能对房地产价格产生直接影响，使人们形成未来价格继续上涨的预期。因此，可以把上式改写为如下形式：
其中，r代表土地价格增长率。该式表明房地产增值的部分主要是土地价格上涨导致的。
上述公式（2.13）和（2.14）表明房地产价格由两部分构成，即房地产的使用价值加上土地的增值额。根据正反馈机制，房地产资本收益与前一期的收益相关，也就是说它受到前一期的价格增长率的影响。这种反馈机制可用下面公式表示：
上述公式说明
是由过去价格的增长率gt-1决定。gt-1由可以表示如下：
P代表房地产价格。
公式（2.13）中
被认为是资本收益为零时的房地产价格，代表房地产使用者从物业的使用中获得的收益，它可以被认为与收入y和土地价格增长率r有关。因此，
可表示为：
r代表土地价格增长率。
将方程（2.15）、（2.17）代入方程（2.13），可得到如下表达式：
在上述房地产投机价格模型中一般假设∂P/∂y＞0, ∂P/∂r＞0和∂P/∂g＞0。
通过上面的理论分析，可以清楚地了解房地产价格投机形成的原因，这些影响变量分别为可支配收入、土地价格增长率和过去房地产价格实际增长率，为进一步建立土地投机度检验模型奠定了理论基础。
在建立土地投机度检验模型时主要分两步进行：第一步根据公式（2.18）建立近似线性方程，对该线性方程进行回归分析，得出各个参数值；第二步根据各参数值计算投机度。
1．建立计量经济模型，计算参数值
根据公式（2.18）建立近似线性方程如下：
其中，α0+α1yt+α2rt代表基础价值；α3[gt-1/（1 +rt）]t代表投机成分；P代表房地产价格；y代表居民可支配收入；r代表土地价格增长率；gt-1/（1 +rt）代表过去房地产价格实际增长率；u代表随机误差项。
2．根据各参数值计算投机度
在上文的表述中，gt-1表示过去房地产价格增长率，置业投资者预期将来房
地产价格的增长率为
，也可以表示为：
在公式（2.20）两边对gt-1求导数，得到关于gt-1和
关系的公式如下：
由于房地产增值部分主要是由土地价格上涨导致的，因此，可得到如下公式：
对公式（2.19）求r和g的偏导数，可得到如下关系式：
和
将方程（2.23）、（2.24）分别代入方程（2.22）中，可到如下关系式：
θ=[α3/（1+rt）]/[α2+α3gt-1/（1+rt）2]
上式中r、g的值通常较小，θ可表示为：
因此，θ可以用来表示土地投机度，即土地价格变化对房地产价格的影响程度。如果θ值过高，说明房地产市场上存在着巨大的投机行为，房地产泡沫存在的可能性就较大；反之，房地产泡沫存在的可能性就较小。
四、实证检验——以中国14城市为例
1．数据与变量选择
在以往的研究中，学者们经常用年度数据分析房地产业的运行状况，殊不知房地产作为一种投资品，价格在一年内将发生显著变化，仅用年度数据难以反映这种变化，应尽量使用季度或者月度数据。同时，在研究房地产价格波动状况时用全国整体的数据并不能反映局部的差异，使用城市级数据是最佳选择。因此，本文在研究中以季度数据为基础，对2000年1月至2004年9月期间中国14个城市进行实证研究。房地产价格和土地价格分别用房地产销售价格指数和土地交易价格指数代表，可支配收入是根据月度数据计算得到的。为了便于分析，我们将过去房地产价格实际增长率变量记为M。2004年1—9月各城市房地产价格上涨极为迅速，为反映这一期间与其他时间房地产投机行为的差别，我们以2004年第一季度为分界线引入虚拟变量h。本文所选择的14个城市中，上海市房地产价格和土地价格上涨很快，而且上海作为中国的经济中心，对其他城市的影响也非常大，因此，为反映重要城市房地产价格变化对其他城市的影响，我们以上海为基准引入虚拟变量S。另外，为反映时间趋势对房地产价格和投机行为的影响，在模型回归时引入了时间变量T。
2．计量经济分析结果
首先根据（2.19）式进行时间序列回归分析，回归结果见表2-1。由于不同城市发展水平不同，可支配收入、地价增长率和过去房地产价格实际增长率对房地产价格产生影响的时间会有较大差别，因此，我们进行时间序列回归分析时包括了各变量的滞后期。从回归结果来看，除天津外，其他城市各变量的t统计量都非常显著。回归结果中DW值较高，说明各模型不存在自相关。由于可决系数R2表示被解释变量能够被解释变量所解释的程度，表2-1各回归方程中R2在0.50～0.93，其中大部分都在0.70～0.93，因此，可以认为可支配收入、地价增长率和过去房地产价格实际增长率基本上能够反映房地产价格变化趋势。在回归结果中地价增长率和过去房地产价格实际增长率变量的系数都很大，而可支配收入的系数非常小，说明这些城市近几年房地产价格上涨不是由收入推动的，地价增长率和过去房地产价格实际增长率等投机变量是才是主要推动力。
表2-1 房地产价格时间序列回归结果
利用14城市面板数据对房地产价格进行回归的结果见表2-2。表2-2中各方程的t统计量非常显著，DW值很高，说明各模型不存在自相关。可决系数R2值都在0.989以上，说明可支配收入、地价增长率和过去房地产价格实际增长率等变量能够很好地反映房地产价格变化趋势。方程1和方程2都不包含收入变量和时间变量，但方程2包含了虚拟变量Rh和Mh。从回归结果来看，虚拟变量系数非常大，说明2004年前三季度各城市房地产价格在快速上涨过程中，隐藏着大量的投机成分。方程3和方程4都不包括时间变量和截距项，但方程4包含了虚拟变量Rh和Mh。从回归结果来看，虚拟变量系数仍然非常大，说明2004年前三季度房地产价格上涨速度确实超过了正常水平。方程5没有包括虚拟变量，但包括时间变量和截距项。方程6包括了以上海为基准的虚拟变量，同时还包括了时间变量。回归结果显示，各变量系数都很高，其中投机变量系数更大一些，说明上海房地产价格对其他城市房地产价格有显著影响，这与上海的经济中心地位相符合。这里值得注意的是，可支配收入与房地产价格的相关性并不明显，房地产价格增长过多地依赖于投机成分，说明房地产价格上涨并不是完全是真实需求导致的。
表2-2 房地产价格截面时间序列回归分析
下面利用表2-1和表2-2回归结果分别计算房地产投机度。表2-3是根据各城市时间序列回归结果计算得出的，它反映的是不同城市间房地产投机度的差异。表2-3中除了厦门和济南房地产投机度分别为0.48、0.28外，其他城市房地产投机度都在0.50以上。其中杭州市最高5.99，其次是宁波为4.24，第三是上海1.91，第四是重庆1.88，第五是沈阳1.80，第六是天津为1.30。这说明过去房地产价格每增加1个百分点，未来房地产价格将增加0.50～5.99个百分点。
表2-3 14城市房地产投机度估计结果
表2-4是根据各城市的截面时间序列回归结果计算得到的，它反映的是整体房地产市场投机度的高低。方程1的投机度为2.58，小于方程2的投机度为3.02，说明加入虚拟变量后房地产投机度显著增加，2004年前三季度房地产投机度明显高于以前各期。方程3的投机度为2.47，比方程1略有下降，说明加入可支配收入变量，并不能大幅度降低投机成分。方程4的投机度为2.81，说明加入虚拟变量后房地产投机度显著增加。方程5的投机度为4.32，表明加入时间变量后房地产投机成分突然变高，说明消费者对房地产价格的预期受历史价格的影响较大。方程6的投机度为4.14，表明加入以上海为基准的城市级虚拟变量后，房地产投机成分仍很高。
表2-4 城市整体房地产投机度估计结果
3．结论
从经济发展的长期趋势来看，土地价格、房产价格将与经济基础保持着相对稳定的均衡关系，投机现象只是一个短暂的过程。随着市场信息更加充分，市场更加有效，投机价格将被长期均衡价格所取代。在短期内投机行为之所以会产生，主要是由于人们对未来具有乐观的预期。由于房地产是不动产，交易成本高。随着市场规模的扩大，交易成本高到与投机收益相等时，房地产投机行为将消失，房地产价格回归到真实价格。
对我国14城市的实证研究结果表明，土地投机对房地产价格有显著影响，有12个城市房地产投机度超过了0.50，有一半的城市房地产投机度超过1.00，其中最高的达到5.99，说明这些城市的消费者普遍预期房地产价格将继续上涨，存在着较广泛的投机行为。其中，上海、杭州、宁波房地产投机度远远高于其他城市，而这三个城市正是长江三角洲的核心城市，这些城市房地产价格的高涨，将使经商成本迅速上升，影响未来本地区经济的发展。
通过对14城市的面板数据分析，可以看出可支配收入对房地产价格没有显著影响，这些城市房地产价格的上升，主要是由投机来推动的，而且整体投机度很高。通过加入时间变量，房地产投机度变得更高，说明消费者基本上是以外推预期判断价格走势，即价格预期的形成不仅与过去价格有关，而且受过去价格变动趋势的影响很大。这是一种非理性预期，它极大地助长了消费者的投机行为，是导致住宅价格上升的一个不可忽视的因素。在加入城市级虚拟变量后，房地产投机度显著增加，说明大城市间房地产价格的相互攀比，助长了市场投机行为。在加入时间虚拟变量后，我们得出今年房地产投机度大大高于往年，显示出当前房地产价格极大地偏离了市场基础价格。
土地和房产作为具有多重属性的资产，既是人们安居的必需品，又是各产业发展必需的生产要素。因此，中国社会经济的发展和繁荣，需要一个健康的房地产市场。然而，当前房地产投机行为已经出现，使房地产市场面临巨大的风险。政府和产业部门应该采取适当的措施，积极引导消费者和投资者，为建立均衡的房地产市场提供良好的宏观和微观环境。
本章小结
本章首先根据戈德堡、钦洛依总结的城市土地竞价租金模型，详细分析竞价租金对土地需求的影响。在对单一产品下的农业土地需求进行分析后，得出在单一产品下的农业土地需求规律为：正经济租金的存在是农业土地需求规模增加的必要条件；在临界距离内的土地拥有者，能获得相应的地租，对这些土地的需求将增加，而在临界距离以外的土地由于没有经济租金可供农业主竞标，对该部分土地的需求为零。在对多产品下的农业土地需求分析中，得出多种农作物时竞价租金决定土地需求的基本原理为：对于每一种农作物来说，都有一条竞价租金曲线，该曲线表示不同竞价租金水平下对土地的需求规模。农业土地在竞争条件下，将分配给出价最高的使用者，同时这种方式也决定了土地需求规模。
城市商业土地主要用于经营活动，位置条件决定着土地投资收益及土地需求规模。显然，竞价租金理论仍适合于解释城市商业土地需求规律问题。本章通过竞价租金模型分析了城市商业土地需求变化的过程。对商业土地竞价租金模型进行分析后得出，商品市场需求状况、运输成本等变动会引起竞价租金曲线移动，并由此决定商业土地需求规模。
由于外部环境对工业土地价值的影响很大，其中企业集聚的正外部性会在更大程度上提高工业土地价值。因此，本章把企业集聚效应引入竞价租金模型中，来分析城市工业土地需求变化的机制。该模型分析结果显示，企业集聚效应的增加、经济的发展、其他地区同类产品价格的上涨、该企业产品的异质性更突出等所引致的市场需求，都会增加对工业土地的需求。
为深入剖析城市住宅土地需求变化过程，本部分将竞价租金模型引入住宅土地需求分析中。对城市住宅土地竞价租金模型的分析结果显示，由于市场租金曲线的斜率大于竞价租金曲线的斜率，说明随着距离的增加，市场租金下降的幅度要大于竞价租金，任何使竞价租金曲线斜率提高的因素，都将导致家庭选择靠近城市中心的住宅。交通费用高低决定了竞价租金曲线的斜率，交通费用越高，家庭将更倾向于选择距离城市中心较近的住宅。反之，家庭将倾向于在远离市中心的区位上以较低价格购买更大面积的住宅。
本章在分析了其他因素，如收入与财富、土地价格、人口和家庭结构、景气预期、投资渠道对城市土地需求的影响后，在借鉴了莱文和赖特的住宅投机模型的基础上，结合我国实际构建了土地投机度检验模型，并用该模型对我国主要城市土地投机度进行了实证检验。检验结果显示土地投机对房地产价格有显著影响。
思考题
1．简述单一产品、多产品下农业土地竞价租金模型及其结论。
2．简述商业土地竞价租金模型及其结论。
3．试分析城市工业土地特点及其价值的影响因素
4．简述工业土地竞价租金模型及其结论。
5．试分析城市住宅土地的类型及其影响住宅土地区位选择的因素。
6．简述住宅土地竞价租金模型及其结论。
7．试说明收入与财富、土地价格、人口和家庭结构、景气预期、投资渠道是如何影响影响城市土地需求的。
8．概述土地投机度检验模型。
案例分析 城市土地需求动力机制及城市土地需求预测的一般框架
城市土地需求的驱动力是城市发展。图1显示了城市土地需求的机理和因子。一个经济城市的增长主要是人口和就业。人口的增长带来了对住宅的需求，而城市经济活动的增长带来了对用于各种经济活动（如工业、商业、零售业、办公等）的建筑空间的需求。同时为支持人和经济活动，我们需要城市基础设施（如道路等）和服务设施（如学校、医院、绿地和公园等）。图2揭示城市住宅市场的因果关系（价格、供给、要素市场、生产函数等）。土地需求与土地供给共同决定土地价格或土地成本，进而影响房屋价格。
图1 城市发展需求的动力机制
图2 房地产市场机制
图3揭示城市住宅土地需求预测的一般逻辑框架（其他土地利用类型，如工业用地等遵循同样的逻辑）。根据人口增长的预测，并根据家庭规模变化趋势加以调整，预测出新增住户数量。再进一步将新增住户分配到空间上（住在城里，还是住在乡村）。然后，根据住宅类型（单体住宅、多体住宅、公寓等）和住宅类型的密度（低密度、中密度或高密度），预测住宅土地需求。如果假定城市人口与就业人数的比例与城市住宅用地量与经济活动用地量的比例呈高相关性的话（或者说城市住宅用地量在总的城市土地消费中占常数），总的城市土地需求就等于总的住宅用地需求乘上一个百分比。最后，有一些现有城市土地会得到再开发，新增城市土地需求等于总的土地需求减去城市再开发土地。
图3 住宅土地需求
我们将城市土地利用分成以下几种：居住用地（分各种密度的居住用地）、工业用地（分各个行业的用地）、零售业用地、商业办公用地、市政道路用地以及其他公共用地等多种类型。每种土地利用类型的经济活动各有特点，因而决定土地需求的因素和机制也有区别。例如：居住用地需求是由城市人口和城市发展密度决定的；而工业用地却与人口没有关系，但与行业性质、行业劳动生产率、就业水平紧密相连；商业用地则既与人口、消费结构和消费倾向水平有关，又与就业水平相联系。因此，土地需求分析应充分考虑城市土地类型的特点，只有这样才能提高土地需求预测的精度。
根据城市土地利用的特点，土地需求预测分三种土地利用类型来分析。它们是：①居住用地需求预测分析；②工商业用地需求分析；③公共用地需求预测分析。
有不同的方法来预测城市土地需求，如线性外推、统计回归、计量经济、人口—经济—土地模型以及本文介绍的比例参数法等。除线性外推方法外，其他方法都离不开人口、经济、就业、价格、消费、规划目标等方面的考虑。本章介绍城市土地需求预测的比例参数方法。利用比例参数法预测土地需求的基本思路是：
（1）居住用地。首先预测人口和家庭增长，然后根据不同人口或家庭的住房消费水平（结合房屋价格等因素），计算不同住宅类型的住宅需求。最后根据不同住宅类型的建筑面积与土地面积的比例关系（与容积率和建筑密度相关），计算不同类型住宅的土地需求。
（2）工商业用地（包括零售、办公及工业用地）。首先预测经济增长（经济产值和就业人数），然后根据建筑空间的边际经济效益或平均就业人数所占有的建筑面积计算总的工商业建筑面积，最后根据工商业土地利用类型的容积率推算工商业所需的土地需求。
（3）公共用地（例如学校和公园）和城市基础设施用地（如道路）。通过人均公共用地消费水平来计算所需的公共用地，如公园、城市绿地、和城市空地。
资料来源：丁成日、宋彦等，《城市规划与空间结构——城市可持续发展战略》。北京：中国建筑工业出版社，2005年版，第89～92页。
参考文献
1．周诚：《土地经济学原理》。北京：商务印书馆，2003年版。
2．刘书楷：《土地经济学原理》。江苏：江苏科学技术出版社，1988年版。
3．李铃：《中国地产价格与评估》。北京：中国人民大学出版社，1999年版。
4．林英彦：《土地经济学通论》。中国台北：文笙书局，1999年版。
5．张德粹：《土地经济学》。中国台北：“国立”编译馆，1990年版。
6．曹振良等：《房地产经济学通论》。北京：北京大学出版社，2003年版。
7．Hirshleifer，“Speculation and Equilibrium: Information Risks and Markets”, Quaterly Journal of Economics, 1975,89,519～542.
8．Ito, T., Iwaisako T.，“Explaining asset bubbles in Japan”, National Bureau of Economic Research Working Paper No.5358.NBER, Cambridge, MA,1995.
9．Kindleberger, C.P.，“Manias, Panics and Crashes: A History of Financial Crises”, Basic Books, New York,1989.
10．Levin, E.J., Wright, R.E.，“The impact of speculation on house prices in the United Kingdom”, Econ. Modell, 1997,14,567-585.
11．Milton Friedman，“The case for Flexible Exchange Rate”, Essays in Positive Economics, University of Chicago Press,1953.
12．Muellbauer, J., Murphy A.，“Booms and busts in the UK housing market”, Centre for Economic Policy Research Discussion Paper No.1615,1997.