区域经济因素对北京房价波动的影响
来源:用户上传
作者: 王晓玮 查家 张翰乔 孔繁奇 杨基焰
摘 要：区域经济形势与北京房价之间有着紧密的联系。利用 2011年1月至2015年7月的北京市居民消费同比价格指数、北京市工业增加值同比增长率、北京市新建商品住宅销售同比价格指数、7天期银行间同业拆借利率的月度数据，应用结构向量自回归模型估计区域经济因素对北京房价波动的动态影响。结果显示，供给、需求与货币政策因素的正向变动均导致北京市房价上升。
关键词：北京房价；区域经济； SVAR模型
中图分类号：F127 文献标志码：A 文章编号：1673-291X（2016）01-0058-03
引言
随着我国经济的快速发展，居民可支配收入不断增加，对住房的刚性需求越发扩大，在以北京市为代表的一线城市中，市场投机气氛浓厚使房价逐年攀升，泡沫显现。价格的剧烈波动和泡沫的持续累积已经成为我国经济面临的一大风险，房地产市场的非理性繁荣已经引起政府决策部门的高度重视。另外，房地产市场的波纹效应使促进一线城市房地产市场的稳定成为全国房地产市场稳定的关键。
北京市房地产业不断发展，对地区经济发展目标的实现做出了积极贡献。但区域的宏观经济指标对房价有何影响，房价与区域经济发展水平是否相适应等问题还有待实证研究进行检验。本文基于SVAR模型，定量分析了影响北京市房地产价格波动的关键因素。
一、理论分析
宏观经济变量对房地产价格的影响途径：
第一，正向的供给变化使供给曲线向左上移动，均衡价格上升；增加建设成本，导致房价上涨。因此，房价对正向供给变化的响应函数是正向与负向的冲击响应函数的叠加。
第二，如果宏观经济中的总需求增加，则企业需要雇用更多的劳动力，劳动者的收入将增加，引起房地产需求的增加，致使房价上升；总需求增加导致通货膨胀率的上升，实际购买力下降。因此，房价对正向需求变化的响应函数是正向与负向的响应函数的叠加。
第三，扩张性的货币政策将使利率下降，对购房起到鼓励作用，使房地产需求上升，价格上涨。收缩性的货币政策如减少货币供给提高利率以降低通胀率，将提高购房成本，使房地产需求下降，导致价格下降。
二、实证检验
（一）模型构建
根据本文研究目的和以往的研究经验，选取了北京市居民消费同比价格指数（CPI）、北京市工业增加值同比增长率（IND）、北京市新建商品住宅销售同比价格指数（HP）、7天期银行间同业拆借利率（I）四个变量加入SVAR模型。
k个变量情形下p阶结构向量自回归模型SVAR（p）：
B0yt=Γ1yt-1+Γ2yt-2+…+Γpyt-p+ut， t=1，2，…T （1）
其中，yt是由k个变量构成的k×1向量，B0和Γi，i=1，2，…，p为k×k的系数矩阵，ui为k×1残差向量。
可以把（1）式重写成如下简洁的滞后算子形式：
B（L）yt=ut （2）
其中：B（L）=B0-Γ1L-Γ2L2-…-ΓpLp是滞后算子L的k×k参数矩阵，信息向量ut为一个正交结构扰动项Et的线性表示，即ut=CEt，C为k×k系数矩阵，Et为k×1标准正交随机扰动向量。
故本文四变量的SVAR矩阵可以设计如下：
（二）模型识别
在分析各内生变量的动态冲击效应之前，要使得模型（3）可以识别，需要对矩阵C施加一些约束条件，约束条件的个数应不少于，才能恰好识别出所有参数。模型中包含4个变量，需要施加6个约束条件才能识别出结构冲击：
在（3）式的第1行中，只有供给冲击的变化会立刻影响价格指数，因为价格存在黏性，因此需求、货币与房地产价格影响价格总水平时存在滞后，即c12=0、c13=0、c14=0。在（3）式的第2行中，由于利率对产出的影响需要经历一个传导过程，投资和消费要最终通过乘数效应对总需求产生影响，货币政策变动对产出的影响存在外部时滞，因此c23=0，此外，房价变化通过财富效应影响消费需求也需要一个传导过程，即c24=0。在（3）式的第3行中设定c34=0，反映了货币政策实际上无法改变资产价格的长期利率环境。
（三）样本选择与数据处理
本文选用北京市2011年1月至2015年7月的月度数据。用居民消费价格指数反映供给冲击；工业增加值同比增长率反映需求冲击，选取工业增加值同比增长率（IND）作为GDP的替代变量；7天期银行间同业拆借利率（%）加权平均利率反映货币政策冲击，选取市场化程度高的7天期银行间同业拆借利率作为代理变量。由于变量具有较强的季节性，故运用X-11季节调整法对所有数据进行季节性调整。最后，除7天期银行间同业拆借利率外，对其余变量取自然对数，以消除各变量条件分布的异方差性。
（四）实证结果与分析
1.序列平稳性检验
SVAR模型中，如果序列是非平稳的，则其对冲击的收敛程度会大大降低，从而影响实证结果的稳定性，因此在估计SVAR模型前需要对变量进行平稳性检验，本文采用ADF方法进行变量的平稳性检验，最佳滞后期由SC信息准则确立，结果（如下表所示）。
由上表中结果可知，房价原序列平稳，CPI、IND、I均为一阶差分序列平稳，不全部服从同价单整，所以变量之间不可能存在协整关系，不需要进行序列协整检验。考虑到模型的稳定性，对非平稳变量取差分后建立SVAR模型。
2.模型稳定性检验
根据SC和AIC等标准对最优滞后阶数进行检验，发现大部分的检验结果都选择2阶，可以确定SVAR模型的最优滞后阶数为2阶。经单位圆检验发现，SVAR（2）模型的特征多项式的所有根模的倒数小于1，位于单位圆内，因此模型满足稳定性所要求的条件，可以做进一步的分析。 3.脉冲响应函数分析
从上页图分析可知，正向的供给变动会导致房价上升，该冲击的影响在半年后开始回落，在大约16个月后供给冲击的影响基本消失，表明成本上升对北京房价有直接影响，且通货膨胀促使人们购买房地产以保值的效果大于人们由于通货膨胀实际收入下降而减少房地产需求的效果。正向的需求对房价有正向影响，在第8期达到响应峰值，而后缓慢下降，逐渐趋近于零，在第18期后影响变为负值。正向的货币政策冲击对房价存在正向影响，但影响相对较小。三种冲击均对房价有长期的影响，均可持续一年半之久。同时，从累计脉冲响应图可以看出，三类冲击均对北京房价造成正向影响，在到16期之后，累计响应趋于稳定，房价稳定在一个新的高度。
4.方差分解分析
方差分解可评价不同的结构冲击的重要性。通过对房价进行方差分解可以看出，在前20期，利率的贡献一直不明显，供给和需求对房价的贡献度在逐渐上升，略微出现局部波动，需求的贡献要大于供给的贡献。
结论与建议
本文应用 SVAR模型估计了区域经济变量对北京房价波动的动态影响。结果显示，正向的供给、需求与货币政策变动将导致北京房价上升，说明北京房价与宏观经济变量之间存在正向的反馈机制，将会导致北京市出现房价泡沫。要注意保持政策的执行力和连续性，抑制正反馈交易心理滋生。
参考文献：
[1] Amisano，G.and C.Giannini，Topics in Structural VAR Econometrics，New York，Springer，1997.
[2] 张成思.金融计量学――时间序列分析视角[M].北京：中国人民大学出版社，2012.
[3] Bharat.Barot.YangZan.Housing Prices and Housing Investment in Sweden and the United Kingdom-EconometricAnalysis for the Period
1970―1998[J].Review of Urban and Regional Development Studies，2002，（2）：189-216.
[4] Iacoviello.Matteo.RaoulMinetti.The Credit Channel ofMonetary Policy：Evidence from the HousingMarket [J].Journalof Macroeconomics，
2006，（1）：69-96.
[5] Demary.Markus.The Link between Output，Inflation，Monetary Policy and Housing Price Dynamics.MPRA Paper，2009.
[6] Iacoviell.Matteo.Stefano Neri.Housing Market Spillovers：Evidence from an Estimated DSGE Model.Boston CollegeWorking Papers in
Economics，2009.
[7] 赵昕东.中国房地产价格波动与宏观经济――基于SVAR模型的研究[J].经济评论，2010，（1）：65-71.
[8] 胡乃武，仲武冠.论房地产业调整与区域经济发展相结合的必要性[J].经济与管理研究，2009，（1）：97-102.
[责任编辑 陈丽敏]
转载注明来源:https://www.xzbu.com/2/view-7856042.htm
