文/北京大学国民经济研究中心 苏剑、陈阳
本报告是本中心根据自己收集到的一手房价数据整理分析形成的。此处的房价是中国61个大中城市二手住宅的报价数据，时间跨度是2018年4月到6月。
本报告分为两个部分，排名前列部分对全国61个城市的房价数据进行分析，第二部分对北京、上海的房价进行重点分析，并试图构建一个虚拟房价指数来尽可能准确地衡量房价。
6月份一线城市整体平稳，二、三线城市持续上涨
分月来看，5月份一线城市二手房报价整体上涨，环比上涨约3%左右，涨幅较大的为北京，环比上升5.48%。二线城市中涨幅较大的为西安、哈尔滨，环比分别上涨7.23%和6.2%。跌幅较大的为长春，环比降低6.79%。三线城市涨幅较大的为呼和浩特、牡丹江、北海、丹东、包头，环比分别上涨14.22%、8.97%、9.63%、8.37%、8.22%。
6月份一线城市房价较为平稳，环比降低约0.69%，其中北京、上海二手房报价环比分别降低2.5%和0.57%。6月份二、三线城市房价持续上涨，二线城市中涨幅较大的为重庆、乌鲁木齐，环比分别上涨9.6%、6.54%。三线城市中涨幅较大的为三亚、西宁、泸州，环比分别上涨16.53%、8.73%、6.91%。三线城市中跌幅较大的为吉林，环比降低9.91%。
从表1的全国61个城市的6月份的均价排名来看，前三名均为一线城市，二线城市中的厦门超过广州位列第4名。三线城市中房价较高的为三亚市，位列第8名。从地区分布来看，东部沿海地区报价普遍高于中西部，中部地区房价较高的为武汉，西部地区房价较高的城市为西安。
用可比价格估算的北京、上海二手房价格及其走势
房屋价格受到位置、朝向、楼层、面积等因素的影响，因此，由于这些因素的影响，不同时期采集到的房价数据往往可比性较差。为了数据可比，较佳选择应该是选择同一套二手住宅不同时期的数据进行比较，但同一套房子不可能经常被买卖，所以我们应用我们采集到的数据构造了一个代表性住宅的价格。具体而言，我们基于微观数据例如房屋朝向、面积、楼层、位置等房价的影响因素，我们对北京（3-6月）、上海（4-6月）的二手房数据进行了计量分析，估算出房屋面积、楼层、房屋年限、所处位置等因素对房价的影响，然后根据这些结果估算了一个代表性二手住宅的房价。
针对比较，我们选取的代表性二手住宅的特点如下：面积为83平方米（所选取面积约为北京、上海二手房数据的均值）、朝南、高楼层、房屋年限为19年、处于北京四环以内的虚拟二手住宅。结果如图1所示。
从这套虚拟房屋的报价走势可以看出，3-5月份房价涨幅较大，其中4月份环比上涨1.7%，5月份环比上涨3.99%。6月份二手房报价开始下跌，环比下降3.53%。跟用房价均值计算的房价上涨率相比，该代表性住房的价格上涨率方向一致，数字有差别。
针对上海的二手房价格，我们选取的代表性二手住宅的特点是：面积为83平方米、朝南、高楼层、房屋年限为19年、处于上海中环以内。结果显示如图2所示。
从这套虚拟房屋的报价走势预测可以看出，5月份房价涨幅较大，环比上涨1.56%。6月份二手房报价开始下跌，环比下降0.39%。对比上海房屋均价走势，结果如表3所示。
综合看来，虽然这套虚拟房屋报价与均价走势的特别值存在一定差异，但是变动幅度基本一致。
