基于VAR模型的我国房价指数与人民币利率关系的实证研究.docx
- 文档编号:10442859
- 上传时间:2023-02-11
- 格式:DOCX
- 页数:12
- 大小:50.58KB
基于VAR模型的我国房价指数与人民币利率关系的实证研究.docx
《基于VAR模型的我国房价指数与人民币利率关系的实证研究.docx》由会员分享,可在线阅读,更多相关《基于VAR模型的我国房价指数与人民币利率关系的实证研究.docx(12页珍藏版)》请在冰豆网上搜索。
基于VAR模型的我国房价指数与人民币利率关系的实证研究
我国房价指数与人民币利率关系的实证研究
——基于VAR模型的实证分析
吉林财经大学王志涛、王际宇、刘伟锋
摘要:
本文选择1998年至2008我国年房屋销售价格指数和人民币利率的年度数据作为样本,在VAR模型的基础上,进行Granger因果检验、广义脉冲响应与方差分解,分析中国房地产业的发展与利率的关系。
研究结果表明:
利率对房地产有显著的单向作用,
关键词房价指数利率VAR模型
1.引言
我国房地产业经过十几年的快速发展,逐步进入平稳阶段。
自1998年至2008年上半年,房地产投资年增长率都保持在20%以上的高位,其生产值占GDP比重不断提高,成为我国经济增长的重要推动力。
与此同时,房价也一路飙升,超过了一般老百姓的承受能力,出现了居民买不起房的异常局面。
房地产业是国民经济的基础性、先导性产业。
房地产既是生产和生活的必需品,也是一种资产财富,同时也与其他各个行业有着千丝万缕的关系。
我国房地产业关联度强、带动系数大,通过关联产业和拉动消费对经济增长的贡献率超过20%,这就使得房地产业对国民经济发展起着关键性作用。
房地产业拉动钢铁、建筑、家电等一系列上下游产业发展,间接带动装潢业、消费品工业和商业、文化教育的发展,直接或间接影响近60余个行业,并带动配套设施、公共服务设施和整个城市建设的发展。
房地产业在发展中对GDP增长的总贡献率由1998年的16.57%增加到2005年的21.41%,其中2003年最高达到27.37%。
房地产行业增加值(按当年价格计算)从1998年3454.5亿元上升为2007年11854.3亿元,年均增长14.7%,高于国内生产总值及第三产业的增速。
因此,持续健康的发展房地产业关系到老百姓的生产和生活,也关系到一个城市的发展潜力和竞争力,更关系到国家的金融稳定、宏观经济政策等。
正因如此,房地产价格的波动以及对于房地产业如何发展日益引起人们的广泛关注,越来越多的人从不同的角度来关注房地产业的发展。
其中一部分人开始关注中国房地产业自身的发展和价格走势,研究中国房地产的价格走势规律具有重要的理论与现实意义:
房地产业作为一个具体产业,其实践性较强,理论的发展对于产业的实际发展起到积极的指导作用;还有一部分学者开始研究房地产与其他经济发展要素之间的关系,通过他们之间关系的研究来分析和解决经济和社会中所出现的问题,国内关于这方面的研究主要是以定性分析为主,定量分析相对较少。
主要代表性的观点有:
孟晓苏、梁运斌等[1]对房地产业成为国民经济新的经济增长点,及相关配套政策进行了定性方面的研究;王勉、唐啸峰[2]从定量和定性两方面对我国情况进行分析,认为房地产投资波动与经济周期存在着一定的相关性,我国房地产投资增长率与国民经济增长率之间有显著行得正相关关系,国民经济增长率的变动对于房地产投资具有决定性作用,国民经济周期性波动是导致我国房地产投资波动的重要因素;吴婵君、虞晓芬[3]就我国发展房地产投资信托提出了若干设想,包括基金规模、资金筹集、组织形式、变现方式、投资管理等具体运作模式,以及建设完善法律体系,加快培育机构投资者等相关配套政策建议;王骐骥、谢玉爽[4]主要从房产业对经济增长的作用进行了初步的定性探讨;经朝明、谈有花[5]从房地产价格与通货膨胀的关系进行了研究。
综上所述,以上这些文章以定量分析为出发点,分析房地产业发展和经济发展要素的动态关系的研究很少。
房地产业发展过程中对资金的大量需求,在筹融资渠道以及投资渠道相对单一的经济环境下,导致其对银行金融的严重依赖,风险过分集中于国有及新型股份制商业银行。
因此,投资与房地产业的发展有着深远的影响,作为衡量投资的重要指标,人民币利率对房地产以及国民收入乃至经济发展的影响表现的更为重要。
本文按照经济学的一般研究方法,运用统计学、计量经济学等对房地产与投资两者之间的关系,进行了实证分析和定量研究。
笔者选择房屋销售价格指数和利率这两个指标,在VAR模型基础上,讨论房产价格和投资两者之间的关系,强化消费、投资的理性和政策行为的逻辑性,房地产业的健康发展,为政府的宏观调控、生产者的投资需求提供参考依据和信息支持。
因此本文的研究具有重要的理论与现实意义。
2.理论模型的设定
2.1变量的选取
本文选取房产价格指数作为被解释变量,选取人民币利率作为解释变量。
具体变量及其衡量指标如下:
(1)房产价格指数:
房产价格指数主要包括4个分指数,分别为房屋销售价格指数,土地交易价格指数,房屋租赁价格指数,物业管理价格指数。
但考虑到数据的完整性,和本文的主要研究目的,这里选取最具代表性的房屋销售价格指数来进行研究。
(2)人民币利率:
考虑到房产开发的周期性一般为1-2年,本文选取一年期加权几何平均利率作为一年期利率水平的代表。
2.2数据来源和样本数据的处理
从1996年开始,国家首次明确提出把房地产业,作为重要的经济增长点,1998年更是取消了多年的福利分房制度,由此房地产业也逐步步入了平稳快速发展的轨道。
所以本文依据中国统计年鉴,选取1998年至2008年的数据为样本进行实证分析。
由于房产价格指数(文中用字母Y表示)主要围绕100%上下浮动,而利率的浮动范围主要在10%以下,考虑到建模的平稳性,本文用本金的发展速度(文中用字母R表示)作为利率的代表值,如:
上期本金是A,本金发展速度为B,当年的利率为R,则A*B=A*(1+R)。
3.实证分析
3.1数据的平稳性检验
为了避免伪回归的出现,本文先对各变量进行平稳性检验,然后在此基础上进行协整分析,各变量值和一阶差分的平稳性检验结果如表1所示。
表1各变量及其一阶差分的ADF检验结果
变量
检验类型
ADF检验指
5%的显著水平值
1%的显著水平值
结论
Y
(ct0)
-1.85
-4.01
-5.29
不平稳
△Y
(c01)
-3.13
-1.99
-2.85
平稳***
R
(c00)
-2.20
-3.21
-4.30
不平稳
△R
(001)
-3.33
-1.99
-2.85
平稳***
注:
标准△表示一阶差分,检验形式(c,t,k)中的c表示单位根检验方程包括常数项,t表示方程中包括了趋势项,k表示相应的滞后阶数。
0表示方程中不包括常数项或者时间趋势项,滞后阶数依据AIC准则自动选取,**、***分别表示5%和1%的置信水平。
表1显示,原序列在5%的显著水平上都是不平稳的,其一阶差分在1%的显著水平上都是平稳变量,即所有变量都是一阶单整的。
故房产价格指数(Y)和利率(R)之间可能存在协整关系。
3.2协整关系检验
表1的时间序列平稳性检验说明,两个变量序列的一阶差分是平稳的。
考虑到VAR模型要求各个变量本身是平稳的或是存在协整关系,因而需要对模型中各变量进行协整检验。
表2房产价格指数与利率的协整检验结果
零假设:
协整向量数目
特征根
迹统计量
5%显著水平的临界值
P值
Max统计量
5%显著水平的临界值
P值
无
0.980257
41.20118
24.27596
0.0002
35.32448
17.79730
0.0001
至多1个
0.478600
5.876707
12.32090
0.4512
5.861145
11.22480
0.3657
由上表2可知,在5%的显著性水平下迹统计量和Max统计量都大于相应的临界值,故各变量间至少存在一个协整关系,在用广义差分的方法消除自相关和加权最小平均法消除异方差后,上述变量关系可以用方程的形式表示为:
Y=-6.728123+1.234835r
根据该方程,从长期来看,利率和房产价格指数存在着正向的相关关系。
利率每上涨一个百分点,则房产价格指数将会上涨1.234835个百分点。
3.3VAR模型的设定
因为考虑到人民币利率和房屋销售价格的关系可能存在相互影响,互为因果的关系,所以考虑使用向量自回归模型。
向量自回归模型(VAR)是基于数据统计性质的建模,模型采用多方程联立的形式,系统内每个方程都有相同的包括所有内生变量滞后值的右侧变量,这种模型不以经济理论为基础。
在模型的每一个方程中,内生变量对模型的全部内生变量的滞后项进行回归,从而估计全部内生变量的动态关系。
常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击,从而解释各种经济冲击对经济变量形成的影响。
含有N个变量滞后k期的VAR模型表示如下:
Yt=
+
+++
+Hx+
(t=1,2
T)
式中:
Yt是k维内生变量,
是d维外生变量列向量,p是滞后阶数,T是样本个数。
k
k维矩阵
和k
d维矩阵H是待估的系数矩阵,
是k维扰动列向量。
假设
是一个k×k的正定矩阵。
故上式又可展开表示为:
=
+H
+
本文把外生变量设定为常数项,先根据VAR模型的LR、FPE、AIC和HQ滞后期选择标准确定最优滞后期为2,利用VAR模型,通过脉冲反应函数发现变量之间的动态关系。
3.4Granger因果检验
经济变量间的因果关系最早是由Granger(1969)所定义的因果关系及其检验,后来经过Sims(1972)对此进行了重新表述,并经过后来学者的发展和完善,已经成为了经济实证研究中应用非常广泛的统计工具。
Granger因果关系检验实质上是检验一个变量的滞后变量是否可以引入到其他变量方程中。
一个变量如果受到了其他变量的滞后影响,则称它们具有Granger因果关系。
对上述满足协整关系的变量进行Granger因果关系检验,其结果如表3所示。
表3Granger因果检验结果
原假设
滞后阶数
F统计量
P值
R不是Y的Granger原因
2
2.70685
0.0459
Y不是R的Granger原因
2
0.70685
0.5228
上表的检验结果表明,在5%的显著性水平下利率是房价波动的Granger原因,但房价却不是利率波动的Granger。
两者的影响是单方向的,利率的波动能够明显引起房价的波动,但房价的变动却不能显著引起利率的变动。
3.5脉冲响应函数分析
脉冲响应函数描述一个内生变量对误差变化大小的反映,即用来衡量随机扰动项的一个标准差大小的冲击对内生变量当期值和未来值的影响。
下图1是VAR对模型的脉冲函数响应曲线,其中横轴表示滞后阶数,纵轴表示内生变量对冲击的响应程度。
实线为脉冲响应函数值随时间的变化路径,两侧虚线为响应函数值加、减两倍标准差的置信区间。
图1反映的是房价指数对其自身的一个信息冲击,在第一期就有一个正向的效应,然后快速的衰减,到第二期时衰减速度逐步放缓并在第四期转为零,而后继续衰减,直到第八期达到最小,并在以后各期保持平稳。
图2反映了利率对房价指数的一个信息冲击,在第一期效应并不明显,从第二期开始逐步衰减,并于第四期达到最小,而后影响效应开始增强并于第九期转为零,并持续增长。
图3反映的是房价指数对利率的一个信息冲击效应,在第一期时小幅衰减,第二期时衰减达到最小,而后开始持续上升,并于第五期达到最大,以后则又逐步衰减,直到第九期,效应值衰减到零,并开始围绕零值波动。
图4表示的是利率对自身的一个信息冲击的效应,从长期看这种冲击效应具有明显的衰减特征,并于第七期衰减至零,短期中表现出衰减速度先慢后快,而又逐步趋于平稳的特征。
3.6方差分解
方差分解的方法是SIMS于1980年提出来的,旨在将一个定量冲击的均方误差分解成系统内部各变量对随机冲击所做的贡献,并计算出各个变量冲击所作的贡献,进而计算出各个变量冲击的贡献度占总体贡献度的比例,以此来反应出变量的相对重要性。
从图5可以看出在房价的波动中有45%的波动可以由来解释,房价对自身波动占了55%-100%,其中利率在第一期对房价没有影响。
从第2期开始,利率对房价的影响程度迅速上升,并于第6期达到最大为48%,而后小幅回落,直至稳定在45%附近。
从图6中可以得出,在利率的波动中有10%-30%可以由房价的变动来解释,利率自身波动占了70%-90%。
房价变动在第一期对利率的影响较低并且逐渐衰减,但从第2期开始房价对利率的影响迅速增强并于第7期达到最大,之后又逐步保持平稳,维持在30%左右。
4.结论与建议
4.1结论
本文通过对1998年至2010年的数据为样本进行实证分析利用结构VAR模型估计了人民币利率和房屋销售价格指数的动态关系。
基于实证检验结果,本文得出以下结论:
1、从长期来看,人民币利率与房屋销售价格指数存在长期的协整关系,且互为因果关系。
人民币利率的上调会引起房屋销售价格的上升;
2、人民币利率在5%的显著性水平下是引起房屋销售价格指数波动的显著性因素,但是房屋销售价格指数不是引起利率变动的显著性因素;
3、人民币利率对房屋销售价格指数的影响存在波动性。
表现为在第一期不显著,从第二期开始,其影响程度开始衰减,并于第四期期达到最小,之后开始增强。
到第九期效应值增加到零。
方差分解的结果表明,人民币利率对房屋销售价格指数变动的解释力在四期之后比较大,达到40%以上;
4、虽然房屋销售价格指数对人民币利率的影响在前九期一直为正,但影响较小,九期之后变为负数,围绕零值波动。
方差分解的结果表明,房屋销售价格指数对人民币利率的变动先减小后增大,五期之后接近于30%,以后在这附近有小幅波动。
4.2建议
基于上述结果,我们可以看到,由于人民币利率对房屋销售价格指数有较大的解释率和传递率,所以通过人民币利率来调节我国房屋销售价格指数有一定的可操作性。
因此笔者提出如下建议:
1、合理通过人民币利率手段调节房屋销售价格指数;
2、提高人民币利率会导致投资减少,因此要防止利率过快上涨;
3、数据表明,人民币利率对房屋销售价格指数的解释力只有40%左右,也就是还存在其他因素对房屋销售价格指数产生影响,笔者建议要综合考虑通货膨胀、国际形式等各方面因素,这也是笔者有待进一步研究的问题。
因此,在房地产价格不断上涨的背景下,国家通过人民币利率调节可以起到调节房地产价格的作用,但是也不能忽视其他的因素,需要整体考虑。
参考文献:
[1]王骐骥.轮房地产拉动经济增长的原由、问题及启动的近期方略[J].经济评论,2000,5.
[2]王勉,唐啸峰.我国房地产投资波动与经济周期的相关性[J].四川大学学报,2000,3.
[3]吴婵君、虞晓芬.美国房地产投资信托基金吉借鉴[J].城市开发,2003,8.
[4]孟晓苏.现代化进程中房地产业理论与实践的比较研究.博士论文,1996,5.
[5]经朝明、谈有花.中国当地产价格与通货膨胀的关系[J].中国物价,2006,2.
[6]李双久.房地产业与国民经济发展的国际比较研究.博士论文,2007.
[7]杨楠.VAR方法在房地产收益波动性度量中的应用[J].中央财经大学学报,2006,4.
[8]童智能.城市化进程中房地产业与经济发展问题的探讨[J].房地产论坛,2010,10.
[9]汪彩玲.房地产价格指数与居民消费价格指数关系的实证检验[J].统计与决策,2010,20.
[10]张欣.房地产经济探讨[J].现代商贸工业,2010,21.
[11]胡志.房地产业应由经济支柱转换为社会民生支柱[J].上海房地,2010,13.
[12]方燕.宏观经济变动对房地产价格波动的影响分析———基于SVAR模型理论的实证研究[J].价格理论与实践,2010.
[13]齐吴珍.居民消费、政府消费与经济增长的关系研究[J].中国商界,2010,9.
[14]龙海明等.基于VAR模型的我国房价与地价动态计量分析[J].经济数学,2009,2.
[15]中国统计年鉴(1998年-2009年)
附录:
各期房屋销售价格和人民币利率数据,
年份
房屋销售价格指数
加权一年期固定利率
1998
101.4
7.52
1999
100.0
6.12
2000
101.1
5.85
2001
102.2
5.85
2002
103.7
5.45
2003
104.8
5.31
2004
109.7
5.33
2005
107.6
5.58
2006
105.5
5.81
2007
107.6
6.57
2008
106.5
7.09
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 VAR 模型 我国 房价 指数 人民币 利率 关系 实证 研究