论文部分内容阅读
【摘 要】 近年来，我国房地产市场的分化愈加明显，一二线城市居民的住房需求仍然旺盛，三四线城市房地产库存高企，供销失衡。因此，本文通过现代资产定价理论和供求理论，对商品房价格的历史数据进行深入分析，构建房价影响因素模型。运用PVAR模型和脉冲响应函数进行实证分析，结果表明：房价与施工面积正相关，房价与销售面积负相关，房价与年末总人口正相关。
【关键词】 商品房价格 面板数据 PVAR模型 脉冲响应函数
一.引言
近年来，随着我国经济的快速发展，房地产去库存成为二三线城市首要面临的问题。在2018年年初各大城市的“抢人才大战”，实行人才住房以及购房补贴等优惠政策，导致大量人口流入二线城市，而在这一系列政策的带动下，二线有些城市的房价较大幅度回升的势头。因此，本文就深层次分析我国商品住房价格的影响因素，作相关实证分析，得出结论。影响商品房价格的因素有很多，本文主要是从供给和需求的角度分别做出分析，选取与当前我国最新经济政策环境下以及城镇化建设发展密切相关的因素进行分析。
二.PVAR模型介绍及构建
（一） PVAR模型介绍
PVAR模型是指在面板数据的基础上建立VAR模型的方法，即面板向量自回归模型。PVAR模型在设定过程中引入了固定效应，一般表达式如下：
（1）
（i=1.2，3...N;t=1，2，3...T）
其中，，为的待估系数矩阵，表示个体不可观测的个体固定效应矩阵。为随机误差项，服从正态分布。
（二） PVAR模型构建
本文基于收集的全国35个大中城市的面板数据，构建PVAR模型来估计房地产各变量指标对我国商品住房价格的影响。PVAR估计的步骤为：（1）采用GMM估计方法得出模型参数;（2）脉冲响应函数分析;（3）预测误差方差分解。本文建立的PVAR模型如下：
（2）
其中，i表示样本城市（i=1，2，3...35），t表示时间（t=1，2，3，...，15），其中，分别表示房价，商品房施工面积，竣工面积，销售面积，城市年末总人口数;为代表个体效应的列向量，代表时间效应的列向量，是一个系数矩阵，j为滞后阶数，为随机误差项。
三.实证分析
本文数据均选取自国泰安数据库和国家统计局官方网站公布的2002年到2016年全国35个主要大中城市的年度数据。
（一） 单位根检验
采用LLC和HT方法进行面板数据的单位根检验，结果显示，商品房销售价格（fj）、房屋施工面积（sg）以及房屋销售面积（xs）是一阶差分平稳序列，商品房竣工面积（jg）和年末总人口（rk）是平稳序列。
（二）面板协整检验
统计结果显示，Panel v 和 Panel rho 接受不存在协整的原假设，Group rho 接受不存在协整的原假设;而 Panel PP 和 ADF 检验结果都拒绝不存在协整关系的原假设，组间 PP 和 ADF检验结果都表明存在协整关系。说明变量房价与人口、销售面积、竣工面积存在协整关系。
（三）PVAR模型最优滞后期的确定及模型参数的估计结果
在Stata软件中通过AIC、BIC和 HQIC准则对模型的最优滞后期数进行了检验，结果显示模型的最优滞后阶数为2阶。然后对35个大中城市分别进行了 PVAR 模型的建立。
根据不同级别城市的系数对比可知：施工面积的系数中，三线城市的系数最大;销售面积的系数中，二线城市的系数最大;年末总人口的系数中，一线城市的系数最大。
（四）脉冲响应分析
从脉冲响应函数分析中可以得出结论：施工面积与年末总人口对房价具有正向冲击作用，而销售面积对房价具有反向作用。对于一二线城市来说，人口总数对房价的冲击作用可能更大一些。人口数量的增加，对三线城市房价的影响效果滞后且不显著。在房地产市场比较活跃的一线和二线城市，年末人口总数的增加能达到一个比较好的效果。
（五） 模型预测误差方差分解结果
预测误差方差分解结果显示房价受自身影响最为显著，除此之外，房价受年末人口总数的影响最大。城市人口总数越大，那么其商品住房价格受人口和政策影响也更大。通过比较，本文发现房地产市场的商品住房价格主要还是受市场内部变量的影响，以及一个城市的房屋施工面积和年末人口总数。
四.结论
通过PVAR模型和脉冲响应函数对我国35个大中城市的房地产行業数据进行分析，得出如下结论：（1）在影响商品房价格的众多因素中，房屋施工面积。销售面积以及人口因素对其影响最为显著;（2）在一二线城市中人口是推动房价上涨的最重要因素。从整体来看，房价与施工面积和年末总人口都是正相关;房价与销售面积负相关。从脉冲响应函数来看，人口的冲击对房价带来的影响最大，施工面积和销售面积给房价几乎没有冲击作用。
【参考文献】
[1] 王来福，郭峰.货币政策对房地产价格的动态影响研究——基于 VAR 模型的实证[J].财经问题研究，2007，（11）：15-19.
[2] 梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133-142.
[3] 张红，李洋.房地产市场对货币政策传导效应的区域差异研究—基于GVAR 模型的实证分析[J].金融研究，2013，（2）：114-128.
【关键词】 商品房价格 面板数据 PVAR模型 脉冲响应函数
一.引言
近年来，随着我国经济的快速发展，房地产去库存成为二三线城市首要面临的问题。在2018年年初各大城市的“抢人才大战”，实行人才住房以及购房补贴等优惠政策，导致大量人口流入二线城市，而在这一系列政策的带动下，二线有些城市的房价较大幅度回升的势头。因此，本文就深层次分析我国商品住房价格的影响因素，作相关实证分析，得出结论。影响商品房价格的因素有很多，本文主要是从供给和需求的角度分别做出分析，选取与当前我国最新经济政策环境下以及城镇化建设发展密切相关的因素进行分析。
二.PVAR模型介绍及构建
（一） PVAR模型介绍
PVAR模型是指在面板数据的基础上建立VAR模型的方法，即面板向量自回归模型。PVAR模型在设定过程中引入了固定效应，一般表达式如下：
（1）
（i=1.2，3...N;t=1，2，3...T）
其中，，为的待估系数矩阵，表示个体不可观测的个体固定效应矩阵。为随机误差项，服从正态分布。
（二） PVAR模型构建
本文基于收集的全国35个大中城市的面板数据，构建PVAR模型来估计房地产各变量指标对我国商品住房价格的影响。PVAR估计的步骤为：（1）采用GMM估计方法得出模型参数;（2）脉冲响应函数分析;（3）预测误差方差分解。本文建立的PVAR模型如下：
（2）
其中，i表示样本城市（i=1，2，3...35），t表示时间（t=1，2，3，...，15），其中，分别表示房价，商品房施工面积，竣工面积，销售面积，城市年末总人口数;为代表个体效应的列向量，代表时间效应的列向量，是一个系数矩阵，j为滞后阶数，为随机误差项。
三.实证分析
本文数据均选取自国泰安数据库和国家统计局官方网站公布的2002年到2016年全国35个主要大中城市的年度数据。
（一） 单位根检验
采用LLC和HT方法进行面板数据的单位根检验，结果显示，商品房销售价格（fj）、房屋施工面积（sg）以及房屋销售面积（xs）是一阶差分平稳序列，商品房竣工面积（jg）和年末总人口（rk）是平稳序列。
（二）面板协整检验
统计结果显示，Panel v 和 Panel rho 接受不存在协整的原假设，Group rho 接受不存在协整的原假设;而 Panel PP 和 ADF 检验结果都拒绝不存在协整关系的原假设，组间 PP 和 ADF检验结果都表明存在协整关系。说明变量房价与人口、销售面积、竣工面积存在协整关系。
（三）PVAR模型最优滞后期的确定及模型参数的估计结果
在Stata软件中通过AIC、BIC和 HQIC准则对模型的最优滞后期数进行了检验，结果显示模型的最优滞后阶数为2阶。然后对35个大中城市分别进行了 PVAR 模型的建立。
根据不同级别城市的系数对比可知：施工面积的系数中，三线城市的系数最大;销售面积的系数中，二线城市的系数最大;年末总人口的系数中，一线城市的系数最大。
（四）脉冲响应分析
从脉冲响应函数分析中可以得出结论：施工面积与年末总人口对房价具有正向冲击作用，而销售面积对房价具有反向作用。对于一二线城市来说，人口总数对房价的冲击作用可能更大一些。人口数量的增加，对三线城市房价的影响效果滞后且不显著。在房地产市场比较活跃的一线和二线城市，年末人口总数的增加能达到一个比较好的效果。
（五） 模型预测误差方差分解结果
预测误差方差分解结果显示房价受自身影响最为显著，除此之外，房价受年末人口总数的影响最大。城市人口总数越大，那么其商品住房价格受人口和政策影响也更大。通过比较，本文发现房地产市场的商品住房价格主要还是受市场内部变量的影响，以及一个城市的房屋施工面积和年末人口总数。
四.结论
通过PVAR模型和脉冲响应函数对我国35个大中城市的房地产行業数据进行分析，得出如下结论：（1）在影响商品房价格的众多因素中，房屋施工面积。销售面积以及人口因素对其影响最为显著;（2）在一二线城市中人口是推动房价上涨的最重要因素。从整体来看，房价与施工面积和年末总人口都是正相关;房价与销售面积负相关。从脉冲响应函数来看，人口的冲击对房价带来的影响最大，施工面积和销售面积给房价几乎没有冲击作用。
【参考文献】
[1] 王来福，郭峰.货币政策对房地产价格的动态影响研究——基于 VAR 模型的实证[J].财经问题研究，2007，（11）：15-19.
[2] 梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133-142.
[3] 张红，李洋.房地产市场对货币政策传导效应的区域差异研究—基于GVAR 模型的实证分析[J].金融研究，2013，（2）：114-128.