表1.10为我国近年来的住宅成交面积结构，从表中可以发现，在我国的住宅成交面积结构中，90～144平方米为主力户型，2017年占比达到63%，超过其余两种户型成交面积之和，且成交面积占比还在不断上升，从2011年的53.08%上升到2017年的63%，而其他两种户型的住房交易面积占比在不断下降。
表1.10 2011—2017年我国住宅成交面积结构
资料来源：国家统计局。
图1.32（1） 日本住宅投资占GDP比重与新旧房成交套数比
图1.32（2） 上海住宅投资占GDP比重与新旧房成交面积比
图1.32（3） 广州住宅投资占GDP比重与新旧房成交面积比
资料来源：Wind数据库。
住宅面积结构对于房地产行业同样有着重要意义，直接影响企业的决策和政府政策制定，对于不同面积户型住房的投资与人民群众的切实利益密切相关，对其进入研究有着重要的现实意义。同时，搞清面积结构的决定因素对于我们以后研究此类问题有着重要的启示意义，对其进行研究有着重要的理论意义。
本书认为，影响住宅面积结构的因素有如下几点：
（1）人口年龄结构。人口年龄对于住房面积结构的影响分为多个途径：首先，收入与年龄存在明显的对应关系，而收入又与住房消费存在明显的因果关系，所以，人口年龄结构对于住房的面积结构存在对应关系；其次，年龄与家庭构成和家庭规模也存在明显的相关关系，这也造成年龄结构与住房面积结构的相关性。从图1.33可以看出，中国90平方米以下住宅成交比重与劳动力人口比重存在明显的正向关系，而90～144平方米住宅成交比重与劳动力人口比重存在明显的负向关系。
图1.33 90平方米以下和90～144平方米住宅交易比重与劳动力人口比重散点图
注：图中数据为各省级行政区2011—2017年数据，本小节以后各图数据均与此一致，不再单独说明。
资料来源：国家统计局。
（2）家庭规模。家庭规模与住房面积结构的关系显而易见，家庭规模越大，对于大户型住房的需求就越大，反之亦然。因此，平均家庭规模越大的省份，大型住房的比重就应该越高，反之亦然。从图1.34可以明显看出，平均家庭规模越小，90平方米以下的住宅比重越高；而平均家庭规模越大，90～144平方米的住宅比重越高。而对于144平方米以上的住宅，由于中国目前家庭规模已经降至3.03人（2017年），5人户以上家庭比重只有6.37%（2017年），[35]家庭户规模的增加已经对144平方米以上住宅的比重不再敏感，再考虑价格因素，144平方米以上的大户型成交比重与家庭规模的关系不再明显。
图1.34 90平方米以下和90～144平方米住宅交易比重与家庭规模散点图
资料来源：国家统计局。
（3）收入水平。由于收入水平的提高，人们对于生活水平的追求必然提高，居住质量改善的一个重要指标就是居住面积的提升，因此可以预计收入水平越高的地区对于大户型住房的追求也越强烈，较小户型的比重也会越低，反之亦然。图1.35展示了这种情况。
图1.35 90平方米以下和90～144平方米住宅交易比重与收入散点图（2017年）
注：由于上海和北京两地居民可支配收入过高，被作为异常值剔除。由于不同年份的面积结构数据存在固定效应问题，故只采用2017年的横截面数据展示。
资料来源：国家统计局。
（4）城镇化水平。城镇化水平对于住宅结构也有着明显的影响。一方面，城镇化意味着收入水平的提高，这会影响住房成交面积结构。另一方面，城镇化也意味着生活方式的变化，农村居民大多居住面积较大，2018年中国城镇人均建筑面积为39平方米，而农村为47.3平方米。[36]这也意味着城镇化率越高的地方，90平方米以下的住房比重也越高，反之亦然。这与图1.36中展示的情况一致。
图1.36 90平方米以下和90～144平方米住宅所占比重与城镇化率的散点图
资料来源：国家统计局。
总体看来，我国目前的住宅交易结构仍处于快速变化之中，尚未达到相对稳定的结构，这与我国经济快速发展、城镇化快速推进以及人口形势的历史性变化有极大的关系，这也是把握我国住宅交易结构变化的根本性因素。但随着我国经济社会人口因素的进一步发展，我国的住宅交易结构将在未来一段时间发生巨大变化，住宅交易结构未来如何演变将在本书第十章讨论。
【注释】
[1]根据《城市用地分类与规划建设用地标准》，城镇建设用地可分为居住用地、公共管理与公共服务用地、商业服务业设施用地、工业用地、物流仓储用地、道路与交通设施用地、公用设施用地、绿地与广场用地。
[2]大部分房企往往在主体建筑结构完工后向房管部门申请期房销售许可，采用期房销售的方式。
[3]2018年全社会住宅投资数据尚不可得，而同年房地产住宅投资为8.52万亿元。
[4]国家统计局《住户收支与生活状况调查方案（2017）》指标解释。
[5]联合国《2008国民账户体系》：对居住的房屋拥有所有权，视同为拥有一家非法人企业，该企业提供了住房服务并被其所属住户的居民消费。提供的住房服务价值等于在市场上租用同样大小、质量和类型的房屋所要支付的租金。需要关注针对房屋所交纳的税款。住房服务通常很少交纳增值税等税款，但如果应交纳并且自有住房所有者又被免除交税，则此笔税款应从自有住房价值中扣除。住房服务的虚拟价值记作房主的最终消费支出。
[6]2018年该数据为4646元。
[7]投入产出表的产出栏中还包括调整项，金额为-0.25万亿元，调整后房地产业的总投入和总产出相等，为5.82万亿元。
[8]数据来自《2018年国民经济和社会发展统计公报》。
[9]本段中的数据均来自中国国家统计局。
[10]根据国家统计局指标解释，住宅指专供居住的房屋，包括别墅、公寓、职工家属宿舍和集体宿舍（包括职工单身宿舍和学生宿舍）等。房屋竣工面积指报告期内房屋建筑按照设计要求已全部完工，达到住人和使用条件，经验收鉴定合格或达到竣工验收标准，可正式移交使用的各栋房屋建筑面积的总和。
[11]2018年这一数据为6.601 6亿平方米。(www.xing528.com)
[12]数据来自国家统计局，统计口径为住房建筑面积。
[13]国家统计局报告：《居民生活水平不断提高消费质量明显改善——改革开放40年经济社会发展成就系列报告之四》。
[14]央行调查统计司的有关研究显示，1991年到2012年我国城镇住宅竣工套数为1.4亿～1.7亿套，以1990年城镇居民住宅存量为8 000万套计，当前我国城镇住宅存量为2.2亿～2.5亿套。2012年我国城镇人口数为7.12亿，以2011年城市户均人口数（2.87人/户）计算，我国城镇居民家庭数已达到2.48亿户。由此估算我国城镇户均住房套数约为1套。
[15]根据国家统计局《中国2010年人口普查资料》长表数据第九卷9-4估算，自有住房包括自建住房、购买商品房、购买经济适用房和购买原公有住房。
[16]美国数据来源于美国商务部，欧洲数据来源于欧洲统计局。
[17]《2018年国民经济和社会发展统计公报》。
[18]人均5 564元乘以8.1亿城镇人口。
[19]人均2 353.5元乘以5.8亿农村人口。
[20]国家统计局，农村农户竣工住宅投资额，2016年数据。
[21]数据来自国家统计局。
[22]本小节数据均来自《中国统计年鉴》和《国民经济和社会发展统计公报》。
[23]65岁及以上人口。
[24]除特别说明外，本小节数据来自《中国统计年鉴》、各地统计年鉴和2018年中国及各地统计公报。
[25]总和生育率（total fertility rate）表示一位女性在经历整个生育年龄（一般为15～50岁）后平均生孩子的数量。这一指标根据《中国统计年鉴》《中国人口与就业统计年鉴》公布的抽样调查数据进行计算，其中2010年根据人口普查数据计算。
[26]根据2009—2018年中国城镇化率数据推算。
[27]除特别说明外，本节数据均来自《中国统计年鉴》。
[28]数据来自Wind数据库。
[29]Burns和Grebler在其著作The Housing of Nations（1977）中提出了住宅投资“倒U形”曲线的假说。
[31]根据国家统计局解释，东部地区是指北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10省（市）；中部地区是指山西、安徽、江西、河南、湖北和湖南6省；西部地区是指内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆12省（区、市）；东北地区是指辽宁、吉林和黑龙江3省。
[32]本小节内容引自《高度警惕房地产泡沫出现在三四线城市应加快制定房地产市场长效调控机制》，《人民日报内参》，2018年第54期，作者为盛松成、宋红卫和李首均。
[33]样本城市名单为北京、上海、深圳、广州、天津、重庆、南京、成都、大连、厦门、西安、无锡、福州、沈阳、青岛、济南、南昌、郑州、太原、石家庄、哈尔滨、呼和浩特、海口、南宁、兰州、昆明、贵阳、西宁、银川、乌鲁木齐、温州、北海、杭州、武汉、苏州、长沙、宁波、合肥、长春、东莞、包头、常州、桂林、南通、唐山、徐州、蚌埠、扬州、佛山、惠州、昆山、廊坊、连云港、洛阳、秦皇岛、汕头、烟台、中山、锦州、吉林、金华、安庆、泉州、九江、赣州、济宁、平顶山、宜昌、襄阳、岳阳、常德、湛江、韶关、南充、遵义、大理、莆田、舟山、泰安、东营、湖州、江阴、马鞍山、淮安、泰州、威海、芜湖、湘潭、张家港、株洲、衡水、绍兴、常熟、固安、香河、沧州、焦作、肇庆、运城、宿州、南平、三明、龙岩、黄石、滁州、新余、盐城和孝感。
[34]对于这一理由的证明见附录1.1。
[35]数据来自《中国统计年鉴2018》。
[36]参见http：//www.gov.cn/xinwen/2019-07/31/content_5417485.htm。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
