案例背景
2026年11月初，多家机构发布10月楼市数据：百城新建住宅平均价格环比上涨0.18%；前10个月百强房企销售总额超过2.5万亿元；上海10月二手住宅成交量创下近六年同期新高。三个数字放在一起，很容易被简化成一句楼市回暖，但细看却是一幅分化图景：新房价格在涨，靠的是中高端项目集中入市；百强房企销售额仍在低位，靠的是以价换量与份额集中；二手房成交放量，则更多来自挂牌价下调后的以价换量。
这正是房地产数据最典型的特点：价格、成交量、库存三个指标经常不同步，且新房与二手房本质上是两个几乎独立的市场，各有各的供给节奏与需求结构。不理解价格指数的编制方法，就容易把结构性上涨读成全面回暖，把局部样本读成全国趋势。数据解读的第一步，永远是先问这个数字是怎么算出来的。
核心分析
一、新建住宅价格指数：均价上涨可能只是成交结构变了
百城新建住宅均价，本质上是成交金额除以成交面积得到的简单均价，属于最粗的口径。它最大的问题是受成交结构影响：当月中高端项目成交占比上升、郊区刚需盘成交占比下降时，即使每一个在售楼盘都没有涨价，全市均价也会上涨。这在统计上称为结构效应，是辛普森悖论在房价上的典型表现——分组看每组都没涨，合并看总体却在涨。
更严谨的指标是同质可比价格指数，例如特征价格模型，把地段、面积、楼层、装修、房龄等特征作为解释变量剥离出去，只度量同一组特征房源的价格变化；或者重复交易法，只统计同一套房两次成交之间的价格变动。因此，看到均价环比上涨0.18%，正确的追问是：这是同质价格上涨，还是高价盘入市带来的构成变化？如果是后者，0.18%并不代表市场回暖，反而可能意味着开发商在加速推出高价项目以改善现金流，成交量背后的让利并未减少。
二、百强房企销售额：集中度上升与总量收缩可以同时发生
前10个月百强房企销售总额超过2.5万亿元，这个数字本身不含增速，信息量其实有限。关键要看两个衍生指标：一是百强房企销售额同比增速，用于判断总量方向；二是百强房企占全行业销售的市场份额，用于判断集中度。当总量同比下滑而百强份额上升时，说明行业正在出清，中小房企退出，头部以价换量抢占份额，这是缩量集中，而非景气回升。两个结论并不冲突，它们描述的是同一过程的两面。
还要注意榜单的幸存者偏差。百强榜单每年重新排定，出现风险的企业会被剔除，存续企业的合计销售额因此存在分子口径的变化。用今年百强总额与去年百强总额直接相比，等于拿两个不同的样本做比较，会系统性高估增速。正确做法是固定样本做同口径比较，或直接使用统计部门的全口径商品房销售数据交叉验证。任何以榜单为基础的增速计算，都必须先回答样本是否一致这个问题。
三、银十成色：四步验证成交量
上海10月二手房成交量创六年同期新高，这是含金量较高的数据，因为二手房成交是真实撮合、即时网签，受推盘节奏干扰小，也更接近真实居住需求。但验证银十成色仍需四步。第一，看同比而非环比，10月含国庆假期，环比天然失真。第二，看日均成交而非月度总量，月份天数不同会造成误判。第三，看价格是否同步，若成交量放大而同质可比成交价继续下跌，说明是降价换量，属于积压需求释放，而非预期反转。第四，看挂牌量，若成交上升但挂牌量同步创新高，说明供给压力仍在，价格难言见底。
上海的特殊性还在于其需求结构中改善型与学区型占比高，对信贷政策与限购调整的弹性远大于三四线城市。用上海的数据推断全国，是典型的样本外推错误。区域市场的统计结论，只能在相同需求结构的区域内推广，这是抽样推断的基本边界。
管理启示
对购房者而言，均价上涨不是入市信号；同质价格企稳、成交量连续三个月同比转正、挂牌量见顶回落，三者同时出现，才更接近底部特征。对房企而言，在缩量集中阶段，份额比利润率更容易获得，但用现金流换份额必须算清回款周期与融资成本，否则份额是借来的。对政策制定者而言，新房与二手房应分开监测，价格指数应优先采用同质可比口径，避免结构性上涨误导预期管理。统计口径的选择，本身就是一种政策工具，它决定了市场看到的是温度还是体温计。
其他思考
- 当新房均价上涨而二手房同质价格下跌时，你认为哪个指标更能反映真实的市场温度？为什么？
- 百强房企榜单的样本每年变化，如何设计一个不受幸存者偏差影响的口径来观察行业集中度？
- 降价换量在什么成交量水平上可以视为需求真实释放，在什么水平上只是库存从开发商转移到居民手中？
关键词：房价指数、结构效应、房企集中度、银十成色
来源：中国证券报 | 整理：经管讲堂
原文链接：https://www.rcbom.com/econstat/6973.html
