中国房地产价格与宏观经济波动_基于PVAR模型的研究

中国房地产价格与宏观经济波动_基于PVAR模型的研究中国房地产价格与宏观经济波动——基于PVAR模型的研究*李颖胡日东*本文得到教育部科学技术研究重点项目（项目号：209148）、国家软科学研究计划（2021GXS5D130）和福建省数量经济学研究生教育创新基地的联合资助。内容提要房地产价格和宏观经济波动之间存在密切的关系。本文基于我国1999—2021年31个省市的面板数据，利用PVAR模型对我国房地产价格和宏观经济波动之间的关系进行了实证分析。结果表明，我国的房地产价格和GDP之间存在着双向的互动关系，既相互拉动又相互牵制。通过本文的分析发现，房地产价格的波动受宏观经济的影响更显著一些，房地产价格受宏观经济支持，宏观经济的运行状况对房地产价格的涨跌起到了决定性作用。关键词房地产价格宏观经济波动面板向量自回归模型一、引言由美国次贷危机引发的国际金融危机，使世界金融体系乃至整个经济遭受自大萧条以来最严重的创伤。金德尔伯格（2021）的研究表明，从17世纪至20世纪90年代初期，全球范围内42次重要的经济与金融危机中有21次左右都与房价的暴涨与暴跌有关。房地产业是国民经济的基础性、先导性、支柱性行业，房价的大起大落势必会给国家的经济发展和.发展带来冲击。近年来，我国房地产业得到了迅速发展，各个地区的房价不断攀上新高，其中北京、上海、杭州、深圳等大城市的房价上涨尤为迅速。至此，房价持续上涨已经成为全.关注的热点，房地产价格的变化和宏观经济波动之间的关系也成为各界普遍关心的问题。从国外的文献来看，大部分的经济学者对于房地产价格与宏观经济关系的实证研究，主要侧重于从均衡理论、收入假说等经济理论的角度出发。Demary（2021）利用结构向量自回归（StructuralVectorAutoregressive,简称SVAR）模型研究了10个OECD国家房地产价格与通货膨胀率、产出及利率的关系,指出货币冲击与产出冲击对房地产价格有影响,另一方面房地产价格冲击对宏观经济主要变量也有一定的作用。近年来我国经济学界对房地产行业的相关研究也日渐增多。梁云芳、高铁梅、贺书平（2021）利用协整分析和HP滤波，计算出房地产均衡价格水平，通过房地产价格偏离均衡价格的波动状态，得出我国房地产市场价格的偏离只是受部分地区影响的结论。从国内的文献来看，在大多数研究的模型中,经济增长均是外生变量,研究者没有建立经济增长和房价变化的互动模型,也没有指出经济增长引起房价变化的具体原因和传导路径。有鉴于此，本文的不同之处在于采用面板数据向量自回归（PVAR）的计量方法，把所有变量均视作内生，真实反映出各变量之间的互动关系；同时面板VAR的方法能够分解出各个冲击对变量的影响，从而得到排除其他因素干扰的影响因子，分析出我国宏观经济和房地产价格之间的“纯粹”关系。运用面板数据进行实证研究，不仅可以扩大样本量，而且可以增加自由度，减少自变量间多重共线性的影响。我国不同地区受宏观经济政策和住房制度改革的影响基本同步，运用我国各省市的数据分析，能在一定程度上揭示房地产价格与宏观经济关系的基本特征。二、变量、数据与模型（一）变量本文重点分析房地产价格和宏观经济波动的关系，同时加入利率和人均可支配收入作为控制变量。在选择研究变量时，考虑到现有文献及我国的实际情况，具体选取如下：商品房销售价格（Price），单位：元/平方米，反映房地产价格的指标。由于我国当前房地产交易以新建商品房为主，平均销售价格基本能反映当地的房地产价格情况。国内生产总值（GDP），单位：元，反映宏观经济的重要指标。经济发展水平与房地产业有重要的互动影响，预计该变量对房地产价格的影响为正。1—3年贷款基准利率（R）。该变量主要作为影响房地产供给和需求的变量，理论上利率上升会降低房地产价格。城镇家庭平均每人可支配收入（Income），单位：元。由于目前我国房地产市场主要是针对城镇居民，故选取城镇家庭平均每人可支配收入为代理变量。作为影响房地产需求的变量，预计该变量对房地产价格影响为正。本文在进行实证研究时对上述变量的原始数据均取了自然对数，这样做一方面可以减小数据存在的异方差问题，另一方面不会改变其时序性质，并且可以使其趋势线性化。处理后的各变量分别表示为：Ln（Price）、Ln（GDP）、Ln（Income）、Ln（R）。（二）数据来源本文所用数据来自《中国统计年鉴》、中经网数据库、中国人民银行网站和国家统计局网站。根据数据的可得性，考虑到1998年我国取消了住房实物分配制度，促进了城镇住房制度改革，因此本文选取了1999年到2021年我国大陆31个省、自治区、直辖市的面板数据，其中利率以中国人民银行公布的该年份1月1日所实行的1—3年基准贷款利率为准。（三）PVAR模型本文采用面板数据向量自回归（PanelDataVectorAutoregression,PVAR）的计量方法。PVAR的估计方法最早见于Holtz-Eakin等（1988），随后这一方法得到了进一步的发展。面板VAR是多元系统方程，是一个相当灵活的分析框架，回归方程所有变量滞后项均考察在内。沿袭VAR的优点，又不同于传统的VAR模型，面板VAR是基于微型理论模型去定量分析面板数据间动态关系的统计工具。PVAR能把目标变量看成一个内生系统来处理，真实反映变量间的互动关系；正交化脉冲—响应函数能分离不同因素对房地产价格的影响程度，同时也是有效的动态分析工具。PVAR的三个主要估计步骤为：1、利用GMM方法在面板数据上估计VAR；2、估计脉冲—响应函数；3、方差分解，进一步说明影响因素的大小。本文采用一阶滞后回归的PVAR模型，模型如下：yit=αi+γt+Γyit-1+μit其中，yit=（Priceit，GDPit，Incomeit，Rit）是基于面板数据的4×1的变量向量，i代表各省市自治区，t代表年份，Γ是4×1的系数矩阵，αit是4×1的个体效应向量，γt是4×1的年效应向量。即系统由四个方程组成，第m（=1,2,3,4）个方程可表示为yitm=αim+γtm+Γmyit-1+μitm，其中扰动项μitm满足E（μitm|，αim，γtm，yit-2，yit-3，…）=0。三、实证分析（一）在面板数据上估计VAR本文采用前向均值差分（forwardmean-differ?encing），也称Helmert过程来处理模型包含的固定效应，然后利用GMM方法得到系数的有效估计。（1）由表1的PVAR估计结果可以得到：房地产价格对GDP的动态反应为正值0.410。表明国民经济的高速增长促进了房地产产业的发展，房地产的发展状况离不开宏观经济的支持。国内生产总值GDP是一个衡量宏观经济发展的重要指标，因此从这个表1PVAR（1）估计结果注：括号内为T检验值，***、**、*分别表示1%、5%和10%的显著性水平。角度分析，各地区的经济增长意味着经济活动能力的扩大。伴随着城市化程度的提高，住房的需求也有所增加。同时，随着经济的发展，城市基础设施、环境以及房屋质量均有所改善，房屋的实际价值得到提升，带来了房价长期上涨的潜力。这些都是宏观经济波动影响房价的途径，所以房地产价格和宏观经济增长呈现正相关关系是合理的。（2）结合表中GDP对人均可支配收入的正效应，以及人均可支配收入与房地产价格之间的正相关关系，可以说明随着经济的增长，城镇居民的可支配收入明显增长，极大地提高了城镇居民的实际购买能力。当人均可支配收入较高时，人们会增加对房地产的购买，这将直接带动房地产市场的繁荣，反之则导致房价的下降。因此以人均可支配收入作为控制变量，对房地产价格产生的是正向影响。（3）房地产行业属于资金密集型产业，其供给和需求都离不开银行的资金支持。从表1估计结果利率与房价之间的回归系数为-0.498可以看出，两者之间的关系为负。就房地产的供给而言，银行利率变动对房地产投资具有重要影响。从房地产的需求来说，扩张性的货币政策将使利率水平下降或者贷款利率下调均会刺激消费者的购房需求，对购房起到促进作用，造成房价的上升。反之，利率提高将导致房地产价格下跌。因此，利率对房地产价格的影响为负。（4）从GDP作为依赖变量的角度来分析，表1中房价对GDP的正值影响可以看出房地产业的发展反过来会对经济发展产生一定的推动作用。房价和宏观经济之间存在正反馈机制，房地产周期和经济周期之间具有互动性。一方面，由于房地产价格上升引起了“财富效应”，使房地产拥有者感到富有而导致消费支出的增加，最终导致了总需求的增加促进了.总消费。另一方面，房地产业作为主导型产业，对其他相关行业的发展具有带动作用，前向推动、后向拉动、侧向关联这几个方面都对经济起到了直接或间接的影响。房地产投资是固定资产投资的重要组成部分，房地产投资的蓬勃发展，必然有利于带动.总投资的增加。图1脉冲响应图综上分析，我国GDP的走势对于房地产价格的涨跌具有决定性影响，宏观经济的波动性有助于研究房地产价格的变化趋势；同时房地产价格的走势也反映出了经济的发展情况。（二）估计脉冲响应函数脉冲响应函数描述的是模型中某一变量的正交化新生（Innovation）对系统中每一个变量的影响，可以通过各变量对冲击的动态反应情况，具体分析各冲击因素对其他因素的影响。（1）根据脉冲响应图显示，房地产价格的冲击对GDP的影响保持为正，期间略有上升趋势但反应不太强烈，最终趋于影响值非常小的正响应状态。即房地产价格的冲击对GDP有短期的很小的同向影响，这一结果表明房地产价格的加速上升总体上对经济增长具有拉动作用，但是对GDP的影响比较小。（2）考察GDP对房地产价格的影响，即第二列第一个图所显示，宏观经济的冲击使房地产价格受到了明显的影响，房地产价格表现出正面积极的响应。总体趋势是较平稳的上升后有所下降，最后保持在一个比冲击前高的响应水平。从这个现象可以看出，我国房地产市场应对经济冲击的灵活性越来越高，正逐步走向市场化。经济的发展水平和增长速度在很大程度上影响着房地产业的发展水平，房地产的发展依赖于良好的国民经济整体运行状况。（3）对房地产的需求而言，受宏观经济波动影响的居民可支配收入是一个重要影响因素。但是通过本文的脉冲响应图得出，给人均可支配收入一个正的冲击，房地产价格的变化并不太明显。说明人均可支配收入不是影响房地产价格波动的主要因素。（4）根据第四列第一个图，房地产价格明显与利率成反方向变化，即房价对利率的冲击表现出负响应状态。从房地产的供给方面来看，宏观经济的变动通过利率进一步影响了实际的房地产投资。从需求方面分析利率变动对房地产价格的传导作用，贷款利率的上升导致房地产投资的收益相对缺乏吸引力，进而引起房地产需求的减少。（三）方差分解方差分解给出对模型中的变量产生影响的每个随机扰动的相对重要性的信息。利用面板模型的方差分解，进一步说明影响因素的大小，以此评价每一个结构冲击对内生变量变化的贡献度。从表2来看，房地产价格对自身的前期值冲击反应在第10期和第20期都达到接近80%的水平。这意味着房地产市场存在明显的正反馈交易行为，过去的价格波动能够较大程度地解释当期价格的波动，因此容易形成价格持续上升或下降的情况。重点观察房地产价格和GDP之间相互影响的情况发现，GDP冲击对房地产价格变化的影响大于房地产价格冲击对GDP的反作用。对于房地产市场来说，整体的宏观环境是其发展的关键影响因素，宏观经济对于房地产价格的作用更为明显。因此为房地产市场的发展提供一个稳定、良好的宏观经济运行环境显得十分必要。另外相比起人均可支配收入的冲击给房地产价格带来的影响，利率变动冲击对房地产价格波动的贡献会大一些，这给利率政策的制定提供了一定的参考。四、结论本文选择了商品房销售价格、GDP、城镇居民可支配收入以及贷款利率四个具有代表性的变量，通过我国31个省区10年的面板数据，利用PVAR模型研究了房地产价格和宏观经济之间的关系。实证分析表明：房地产价格和宏观经济波动之间存在正反馈机制，既相互拉动又相互牵制。房地产价格和GDP互为因果的关系实质上是房地产业与经济发展长期内在联