论文部分内容阅读
作者简介:罗洁(1990-),女,湖南衡阳人,广西大学商学院2013级国民经济学硕士研究生,研究方向:国民经济运行与管理。
摘要:房价一直以来是国家宏观调控的重点,而一线城市的房价更是调控的重中之重。本文选用北上广深四个一线城市从2010年6月到2015年5月的“百城价格指数”建立VAR模型,并通过脉冲响应图以及Granger因果关系检验,表明对于全国房地产市场的调控,短期应该关注广州和上海,长期需注意北京和深圳,从而地方政府在制定房地产政策时应当有所协调。
关键词:一线城市房价;价格传导机制;VAR模型
房价一直是国民关注的焦点,金融危机后的房价的持续走高使政府为了房地产市场的稳定频繁出台限购、限贷等政策,然而对房价的实质上涨仅能起到短期的抑制作用,调控效果有限使得政府又出台新的政策,往往又推高了房价的进一步上涨,政府与市场的博弈愈演愈烈。政策的一刀切的模式没有考虑到个地产市场的价格传导机制,因此需要正确判断房地产形势,弄清房地产市场价格的之间的相互关系,防止调控过度或不足。一线城市的房价是中国房地产市场的风向标,因此关键在于研究一线城市间的房价传导机制。中国一线城市主要是指北上广深,本文将这四个城市的房价当成一个系统来考察,分析其房价之间的经济联系,从而提出更合理的调控房地产经济的政策。
一、文献综述
我国1998年对房地产进行市场化改革,把房地产当作主导产业来发展,而房价自那时便不断攀升,特别是2008年金融危机后四万亿的刺激计划,大量的资金投入了房地产市场,这期间不论是刚性需求还是投机目的的购房都推动了房价的不断走高,特别是一线城市房价的领跑作用明显。作为关系国计民生的支柱产业,房地产市场自然是国家宏观调控的重点。从房价与地价的关系来看,一般认为地价对房价有推高作用[1]。从房价与金融的关系来看,主要从利率、汇率来考虑。从利率方面来看,低利率会刺激房价上升[2]-[3],本期利率变动对房价变动具有正向影响,利率预期对房价影响不大;从汇率方面来看,汇率管制导致房价飞涨[4],且人民币升值与房价上涨相互推动,存在正反馈效应[5]。而学者们对我国一线城市的房价研究则比较少。段芳(2011)运用空间变异VAR误差修正模型,表明一线城市对中西部城市房价产生的正向辐射作用,无论在长短期内一线城市房价与中西部城市房价此消彼长的关系[6]。杨娟,刘华伟(2013)通过将有向非循环图和误差修正模型的结合,考察北上广深2000-2010年的房价传导机制,结论为上海、北京分别在当期和长期对其他市场产生最大的影响,深圳从长期来看是最独立的市场[7]。王琴英,古丽慧,郭慧君(2014)以北上广深四个主要一线城市的新建商品住宅和二手住宅的同比、环比价格指数为研究对象,认为新建房与二手房之间、不同城市之间的周期波动都具有较一致的协动性[8]。
总体而言,众多学者对房价的影响因素主要是从地价和金融方面来考虑,很少想到一线城市房价的领跑作用,而对于一线城市房价的研究也甚少讲到四万亿刺激计划后各城市房价的价格传导。因此,笔者从这一角度出发,研究一线城市之间的房价到底有何动态关系,以便更好地调控我国的房地产市场。
二、计量方法及数据来源
VAR模型主要应用于宏观经济学,将微观化基础重新表述宏观经济模型的基本方程,其分析经济如何受到经济政策的临时性改变和其他因素的影响。其原理在于把每个内生变量作为系统中所有内生变量滞后期的函数来构造模型,一般的VAR(P)模型的数学表达式:
yt=v+A1yt-1+…+Apyt-p+B0xt+B1xt-1+…+Bqxt-q+ut
t=1,2,…,n
我国房地产经济政策不断在变化,导致房价在某种程度上的提高,而城市房价之间也存在着一定的联系。本文所用数据来源于中国房地产指数系统,这是中国最权威的房地产价格指数系统,其数据采集来自政府、投资者、开发商、建筑公司、咨询公司等多方实际参与者,因此数据真实性、连贯性强。具体而言,因其数据2010年6月才开始发布,因此本文从该数据库中选择2010年6月至2015年5月的北京、上海、广州、深圳4个城市的价格指数数据,采用stata.11计量软件。
三、实证分析
(一)变量的统计描述
为了更好的对北京、上海、广州以及深圳的房价有所了解,故本文在做计量模型之前对变量做一个统计描述(表1):
由表1可以看出北京的房价平均是最高的,其波动性也是最大的,而广州的房价平均是最低的,且波动性最小。居中的是上海和深圳。
(二)计量模型的建立
在建立模型前将数据取对数,不会改变原序列的性质和相互关系,还能够消除时间序列中的异方差,故对四市价格指数做对数处理。
1、变量平稳性检验
考虑到时间序列可能存在虚假回归问题,建立计量模型前必须先检验各序列的平稳性。在原始序列上所有的检验结果在10%的置信水平上都没有通过检验,因此它们都是非平稳的时间序列。
表2中可以看出,对原始序列进行一阶差分后在5%的置信水平上通过了检验,表明差分变量都是平稳的。
2、确定最优滞后阶数
其检验指标有5个,一般选择多数准则认同的滞后阶数,鉴于FPE、AIC、HQIC、SBIC指标均确定滞后1期,故最终笔者选择的是VAR(1)模型。
3、稳定性检验
VAR模型稳定的条件是特征方程所有根的倒数值均在单位圆以内,从图1的特征单位根来看,全部特征根的倒数值都在单位圆内,充分说明此VAR(1)模型稳定,因此可以做脉冲响应。
4、脉冲响应图
VAR模型中包含的参数众多,但其经济意义很难解释,本文关注的是各变量的传导机制,而脉冲响应函数能够全面反映各变量之间的动态关系。故笔者只关注脉冲响应图。 图2每个市场的房价对其他市场的冲击做出的反应
第一行看出当在本期北京的房价对于其自身冲击立即就显现出很高的正效应,到了第5期趋于平稳了。北京的房价本期对广州、上海本期房价没有效应,第1期后对广州、上海以及深圳都有正向的冲击作用,基本上到了第4期其冲击消失,说明北京房价的上涨开始会推动其他一线城市房价的上涨,但是4期后其作用消失。北京房价对其他地方的房价有一定推高作用。
第二行看出本期广州的房价对于北京没有冲击效应,但是在第1期其对房价有很强的正效应,本期广州的房价对于其自身的冲击立即就显现出很高的正效应,到了第4期作用消失,本期广州的房价对上海房价本期没有影响,第1期有较小的正效应,持续到第3期其作用消失,本期广州房价对深圳冲击显现出较小的正效应,此后有所下降。广州房价的上涨会引起北京、上海、广州、深圳房价的不同程度的上涨。
第三行表明本期上海的房价对北京的冲击没有显现出效应,第1期有负效应达到最大,其后其效应逐渐减弱,上海的房价对广州的房价持续有较小的负效应,本期上海的房价对于其自身的冲击立即就显现出很高的正效应,到了第2期其效应变为0,其后其效应不明显,上海的房价对与深圳冲击有较小的正效应,但到第2期其负效应最大,之后又比较平稳。上海房价的上涨对其他地方的房价有一定的抑制作用。
第四行看出本期深圳的房价对北京冲击影响,第1期其正效应达到最大,此后为不断减弱的、持续的正效应,深圳房价对广州房价当期没影响,此后是持续、显著、平稳的正效应,深圳房价对深圳的冲击没有显现出效应,到第1期正效应最大,其后效用不断减弱,第4期作用消失,本期深圳的房价对于其自身的冲击立即就显现出很高的正效应,第3期以后没有作用。深圳房价的上涨会引起北京、上海、广州、深圳房价的持续上涨。
从图3可以看出各地房价对本地房价以及其他一线城市的房价的正效应是比较明显的。因此各一线城市的房价上涨之间其实有很强的关联效应,一个城市的房价上涨在一定程度上会影响其他城市的房价上涨。
5、Granger因果关系检验
为确定变量间的动态相关关系,我们对VAR(1)模型中的4个变量进行Granger 因果检验,检验结果见表5所示。
从上表我们可以看出北京房价变动是其他三个一线城市房价变动的结果,即北京房价的变动很容易受到其他一线城市的影响。同时深圳房价变动是上海、广州房价变动的原因,而上海房价变动又是深圳房价变动的原因。因此可以得出结论:四个一线城市的房价之间存在着密切的因果联系。
四、结论及对策建议
本文通过建立实证模型,分析了我国一线城市的房价的价格传导机制,表明:(1)北京房价当期对自身房价有很强的推动作用,且在一定时期内对广州、上海、深圳的房价均有较强的推高作用。广州的房价对其自身及北京、上海有一定的正向推动作用,对于深圳作用不大。上海房价对其自身短期有非常强的正效应,表明当期房价上涨会推动下期房价的上涨,从长期来看,推动作用就不明显了,而对于其他一线城市而言,其起到了抑制房价的作用。深圳房价当期对自身有强冲击效应,从长期来看对自身以及其他一线城市有持续的推动作用。北广深的具有正向冲击作用,上海更明显的是反向冲击。(2)深圳、上海、广州房价变动会引起北京房价变动,可以看出北京是中国房地产市场的风向标。同时深圳房价变动可以引起其他三个一线城市房价的变动,因此,深圳的房价可以说是四个一线城市房价的领导者。
房地产业中政府和市场的博弈仍在继续,政府调控不能只考虑到某个市场或者一个政策直接推到全国,因为这些市场的房价之间有很强的关联效应,因此,要想提高价格稳定性,中央和地方政府需要遵循市场规律,从全局出发。从上面的结论可以看出,对于调控全国房地产市场而言,短期应该关注广州和上海,而长期要注意到深圳和北京。一线城市之间的价格传导有正向和反向,因此抑制某些市场的房价时,不必要对所有的市场同时实行紧缩性的政策,可适当放松某些市场的管制。(作者单位:广西大学商学院)
参考文献:
[1]黄静,屠梅曾.基于非平稳面板计量的中国城市房价与地价关系实证分析.[J]统计研究,2009,26(7):13-19.
[2]魏巍贤,原鹏飞.住房价格上涨的金融支持及检验——基于VEC模型的实证分析[J].财贸研究,2009,(2):83-89.
[3]原源.货币、利率、汇率对房价影响的实证分析[J].山西财经大学学报(高等教育版),2009,12(2):93-96.
[4]王爱俭,沈庆劫.人民币汇率与房地产价格的关联性研究[J].金融研究,2007,(6):13-22.
[5]邓永亮.人民币升值、房价上涨与通货膨胀—兼论房价上涨是否助长了通胀[J].山西财经大学学报,2010,32(10):1-10.
[6]段芳.中国一线城市房地产市场辐射效应研究[J].房地产市场,2011,(01):32-38.
[7]杨娟,刘华伟.中国一线城市住房市场的价格动态学研究[J].统计与决策,2013,(2):131-135.
[8]王琴英,古丽慧,郭慧君.我国一线城市房价周期波动分析与预测[J].价格理论与实践,2014.
摘要:房价一直以来是国家宏观调控的重点,而一线城市的房价更是调控的重中之重。本文选用北上广深四个一线城市从2010年6月到2015年5月的“百城价格指数”建立VAR模型,并通过脉冲响应图以及Granger因果关系检验,表明对于全国房地产市场的调控,短期应该关注广州和上海,长期需注意北京和深圳,从而地方政府在制定房地产政策时应当有所协调。
关键词:一线城市房价;价格传导机制;VAR模型
房价一直是国民关注的焦点,金融危机后的房价的持续走高使政府为了房地产市场的稳定频繁出台限购、限贷等政策,然而对房价的实质上涨仅能起到短期的抑制作用,调控效果有限使得政府又出台新的政策,往往又推高了房价的进一步上涨,政府与市场的博弈愈演愈烈。政策的一刀切的模式没有考虑到个地产市场的价格传导机制,因此需要正确判断房地产形势,弄清房地产市场价格的之间的相互关系,防止调控过度或不足。一线城市的房价是中国房地产市场的风向标,因此关键在于研究一线城市间的房价传导机制。中国一线城市主要是指北上广深,本文将这四个城市的房价当成一个系统来考察,分析其房价之间的经济联系,从而提出更合理的调控房地产经济的政策。
一、文献综述
我国1998年对房地产进行市场化改革,把房地产当作主导产业来发展,而房价自那时便不断攀升,特别是2008年金融危机后四万亿的刺激计划,大量的资金投入了房地产市场,这期间不论是刚性需求还是投机目的的购房都推动了房价的不断走高,特别是一线城市房价的领跑作用明显。作为关系国计民生的支柱产业,房地产市场自然是国家宏观调控的重点。从房价与地价的关系来看,一般认为地价对房价有推高作用[1]。从房价与金融的关系来看,主要从利率、汇率来考虑。从利率方面来看,低利率会刺激房价上升[2]-[3],本期利率变动对房价变动具有正向影响,利率预期对房价影响不大;从汇率方面来看,汇率管制导致房价飞涨[4],且人民币升值与房价上涨相互推动,存在正反馈效应[5]。而学者们对我国一线城市的房价研究则比较少。段芳(2011)运用空间变异VAR误差修正模型,表明一线城市对中西部城市房价产生的正向辐射作用,无论在长短期内一线城市房价与中西部城市房价此消彼长的关系[6]。杨娟,刘华伟(2013)通过将有向非循环图和误差修正模型的结合,考察北上广深2000-2010年的房价传导机制,结论为上海、北京分别在当期和长期对其他市场产生最大的影响,深圳从长期来看是最独立的市场[7]。王琴英,古丽慧,郭慧君(2014)以北上广深四个主要一线城市的新建商品住宅和二手住宅的同比、环比价格指数为研究对象,认为新建房与二手房之间、不同城市之间的周期波动都具有较一致的协动性[8]。
总体而言,众多学者对房价的影响因素主要是从地价和金融方面来考虑,很少想到一线城市房价的领跑作用,而对于一线城市房价的研究也甚少讲到四万亿刺激计划后各城市房价的价格传导。因此,笔者从这一角度出发,研究一线城市之间的房价到底有何动态关系,以便更好地调控我国的房地产市场。
二、计量方法及数据来源
VAR模型主要应用于宏观经济学,将微观化基础重新表述宏观经济模型的基本方程,其分析经济如何受到经济政策的临时性改变和其他因素的影响。其原理在于把每个内生变量作为系统中所有内生变量滞后期的函数来构造模型,一般的VAR(P)模型的数学表达式:
yt=v+A1yt-1+…+Apyt-p+B0xt+B1xt-1+…+Bqxt-q+ut
t=1,2,…,n
我国房地产经济政策不断在变化,导致房价在某种程度上的提高,而城市房价之间也存在着一定的联系。本文所用数据来源于中国房地产指数系统,这是中国最权威的房地产价格指数系统,其数据采集来自政府、投资者、开发商、建筑公司、咨询公司等多方实际参与者,因此数据真实性、连贯性强。具体而言,因其数据2010年6月才开始发布,因此本文从该数据库中选择2010年6月至2015年5月的北京、上海、广州、深圳4个城市的价格指数数据,采用stata.11计量软件。
三、实证分析
(一)变量的统计描述
为了更好的对北京、上海、广州以及深圳的房价有所了解,故本文在做计量模型之前对变量做一个统计描述(表1):
由表1可以看出北京的房价平均是最高的,其波动性也是最大的,而广州的房价平均是最低的,且波动性最小。居中的是上海和深圳。
(二)计量模型的建立
在建立模型前将数据取对数,不会改变原序列的性质和相互关系,还能够消除时间序列中的异方差,故对四市价格指数做对数处理。
1、变量平稳性检验
考虑到时间序列可能存在虚假回归问题,建立计量模型前必须先检验各序列的平稳性。在原始序列上所有的检验结果在10%的置信水平上都没有通过检验,因此它们都是非平稳的时间序列。
表2中可以看出,对原始序列进行一阶差分后在5%的置信水平上通过了检验,表明差分变量都是平稳的。
2、确定最优滞后阶数
其检验指标有5个,一般选择多数准则认同的滞后阶数,鉴于FPE、AIC、HQIC、SBIC指标均确定滞后1期,故最终笔者选择的是VAR(1)模型。
3、稳定性检验
VAR模型稳定的条件是特征方程所有根的倒数值均在单位圆以内,从图1的特征单位根来看,全部特征根的倒数值都在单位圆内,充分说明此VAR(1)模型稳定,因此可以做脉冲响应。
4、脉冲响应图
VAR模型中包含的参数众多,但其经济意义很难解释,本文关注的是各变量的传导机制,而脉冲响应函数能够全面反映各变量之间的动态关系。故笔者只关注脉冲响应图。 图2每个市场的房价对其他市场的冲击做出的反应
第一行看出当在本期北京的房价对于其自身冲击立即就显现出很高的正效应,到了第5期趋于平稳了。北京的房价本期对广州、上海本期房价没有效应,第1期后对广州、上海以及深圳都有正向的冲击作用,基本上到了第4期其冲击消失,说明北京房价的上涨开始会推动其他一线城市房价的上涨,但是4期后其作用消失。北京房价对其他地方的房价有一定推高作用。
第二行看出本期广州的房价对于北京没有冲击效应,但是在第1期其对房价有很强的正效应,本期广州的房价对于其自身的冲击立即就显现出很高的正效应,到了第4期作用消失,本期广州的房价对上海房价本期没有影响,第1期有较小的正效应,持续到第3期其作用消失,本期广州房价对深圳冲击显现出较小的正效应,此后有所下降。广州房价的上涨会引起北京、上海、广州、深圳房价的不同程度的上涨。
第三行表明本期上海的房价对北京的冲击没有显现出效应,第1期有负效应达到最大,其后其效应逐渐减弱,上海的房价对广州的房价持续有较小的负效应,本期上海的房价对于其自身的冲击立即就显现出很高的正效应,到了第2期其效应变为0,其后其效应不明显,上海的房价对与深圳冲击有较小的正效应,但到第2期其负效应最大,之后又比较平稳。上海房价的上涨对其他地方的房价有一定的抑制作用。
第四行看出本期深圳的房价对北京冲击影响,第1期其正效应达到最大,此后为不断减弱的、持续的正效应,深圳房价对广州房价当期没影响,此后是持续、显著、平稳的正效应,深圳房价对深圳的冲击没有显现出效应,到第1期正效应最大,其后效用不断减弱,第4期作用消失,本期深圳的房价对于其自身的冲击立即就显现出很高的正效应,第3期以后没有作用。深圳房价的上涨会引起北京、上海、广州、深圳房价的持续上涨。
从图3可以看出各地房价对本地房价以及其他一线城市的房价的正效应是比较明显的。因此各一线城市的房价上涨之间其实有很强的关联效应,一个城市的房价上涨在一定程度上会影响其他城市的房价上涨。
5、Granger因果关系检验
为确定变量间的动态相关关系,我们对VAR(1)模型中的4个变量进行Granger 因果检验,检验结果见表5所示。
从上表我们可以看出北京房价变动是其他三个一线城市房价变动的结果,即北京房价的变动很容易受到其他一线城市的影响。同时深圳房价变动是上海、广州房价变动的原因,而上海房价变动又是深圳房价变动的原因。因此可以得出结论:四个一线城市的房价之间存在着密切的因果联系。
四、结论及对策建议
本文通过建立实证模型,分析了我国一线城市的房价的价格传导机制,表明:(1)北京房价当期对自身房价有很强的推动作用,且在一定时期内对广州、上海、深圳的房价均有较强的推高作用。广州的房价对其自身及北京、上海有一定的正向推动作用,对于深圳作用不大。上海房价对其自身短期有非常强的正效应,表明当期房价上涨会推动下期房价的上涨,从长期来看,推动作用就不明显了,而对于其他一线城市而言,其起到了抑制房价的作用。深圳房价当期对自身有强冲击效应,从长期来看对自身以及其他一线城市有持续的推动作用。北广深的具有正向冲击作用,上海更明显的是反向冲击。(2)深圳、上海、广州房价变动会引起北京房价变动,可以看出北京是中国房地产市场的风向标。同时深圳房价变动可以引起其他三个一线城市房价的变动,因此,深圳的房价可以说是四个一线城市房价的领导者。
房地产业中政府和市场的博弈仍在继续,政府调控不能只考虑到某个市场或者一个政策直接推到全国,因为这些市场的房价之间有很强的关联效应,因此,要想提高价格稳定性,中央和地方政府需要遵循市场规律,从全局出发。从上面的结论可以看出,对于调控全国房地产市场而言,短期应该关注广州和上海,而长期要注意到深圳和北京。一线城市之间的价格传导有正向和反向,因此抑制某些市场的房价时,不必要对所有的市场同时实行紧缩性的政策,可适当放松某些市场的管制。(作者单位:广西大学商学院)
参考文献:
[1]黄静,屠梅曾.基于非平稳面板计量的中国城市房价与地价关系实证分析.[J]统计研究,2009,26(7):13-19.
[2]魏巍贤,原鹏飞.住房价格上涨的金融支持及检验——基于VEC模型的实证分析[J].财贸研究,2009,(2):83-89.
[3]原源.货币、利率、汇率对房价影响的实证分析[J].山西财经大学学报(高等教育版),2009,12(2):93-96.
[4]王爱俭,沈庆劫.人民币汇率与房地产价格的关联性研究[J].金融研究,2007,(6):13-22.
[5]邓永亮.人民币升值、房价上涨与通货膨胀—兼论房价上涨是否助长了通胀[J].山西财经大学学报,2010,32(10):1-10.
[6]段芳.中国一线城市房地产市场辐射效应研究[J].房地产市场,2011,(01):32-38.
[7]杨娟,刘华伟.中国一线城市住房市场的价格动态学研究[J].统计与决策,2013,(2):131-135.
[8]王琴英,古丽慧,郭慧君.我国一线城市房价周期波动分析与预测[J].价格理论与实践,2014.