我国房地产价格的影响因素分析

2017-05-25武若男��

中国经贸导刊 2017年11期

武若男��

摘要：近年来不断上涨的房价引发社会各界的关注，分析影响我国房价的因素并研究其影响程度，对稳定房价有至关重要的作用。本文根据2006—2016年的季度数据，运用VAR模型对影响我国房地产价格的因素进行实证分析。结果表明，房地产价格受城镇居民可支配收入的影響较大；房价与国内生产总值、城镇居民可支配收入、商品房销售面积、存贷款基准利率存在双向的格兰杰因果关系。

关键词：房地产价格VAR模型方差分解

自1998年实施城镇住房制度改革以来，我国房地产市场取得突飞猛进的发展，房地产业在我国国民经济中占有举足轻重的地位，2016年房地产开发投资更是高达100847亿元，对GDP增长贡献率提升至78%。这些对于提高人民生活水平、改善人民居住条件，推动城市化进程起到了极大地推动作用。然而，房地产市场在促进经济发展的同时，也带来了诸多问题：高昂房价超出居民消费水平，“房奴”成为一大社会现象；房地产空置率迅速增长；房地产投资过度；一些城市房地产结构矛盾突出；高价房产易加大贫富差距等。房价的过快上涨既波及社会的稳定又危害国民经济的健康发展，成为我国公众关注的焦点。因此，研究影响房地产价格的因素并分析这些因素的影响程度，对于稳定我国房地产价格具有重要的意义。

一、理论模型

由于传统的结构性模型不能明确给出变量之间的动态关系，而且当变量为非平稳时，会带来严重的伪回归问题。因此，本文采用向量自回归模型对我国房地产价格的影响因素进行分析。VAR模型是1980年由西姆斯最先提出，基于数据的统计性质，把系统中的每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到多元时间序列变量组成的向量自回归模型；VAR模型作为一种非结构性的模型，主要用于预测和分析随机扰动对系统的动态冲击，冲击的大小、正负及持续的时间。VAR理论模型如下：

Yt=A1Yt|1+…+ApYt|p+BXt+εt

其中，Yt为k维内生变量向量，Xt是d维外生变量向量，矩阵A1，…，Ap为要被估计的系数矩阵，t为样本个数， P为滞后阶数，ε为k维冲击向量。

在VAR模型中，将房地产价格（P）作为被解释变量，将国内生产总值（GDP）、货币供应量（M2）、存款基准利率（BDR）、贷款基准利率（LOAN）、城镇居民可支配收入（INC）、居民消费价格指数（CPI）和商品房销售面积（SA）作为解释变量。

二、数据选取与处理

本文选取2006—2016年的季度数据作为样本，研究房地产价格与其他7个变量的动态关系。选取季度数据可以提高VAR模型的估计精度，从而更加准确的反映各要素对房地产价格的影响程度。

下面对数据进行五方面的处理：（1）房地产价格用商品房平均销售价格反映，即通过商品房销售额除以销售面积计算得到，其中每年1月份的缺失数据用相邻月份均值得到；（2）存款基准利率选取金融机构1年定期存款基准利率；（3）贷款基准利率选取金融机构3—5年（包含5年）贷款基准利率；（4）货币供应量选取广义货币供应量，即M1加上企事业单位定期存款、居民储蓄存款和其他存款，来源于中国人民银行；（5）在对8个变量走势的初步观测中，有4个变量存在明显的季节性。采用Census X12对GDP、INC、SA、M2进行季节调整并在调整后对这4个指标进行对数处理以消除异方差，从而提高数据的可比性，减少季节变动的影响。

三、实证分析

（一）单位根检验

由于时间序列数据往往表现为非平稳性，对非平稳数据进行回归可能出现伪回归。本文

运用ADF检验来检验变量的平稳性，显著性水平取10%，检验结果如下表一所示：除商品房销售面积和居民消费价格指数外，其余数据原序列均为非平稳序列；经一阶差分后，除国内生产总值和房地产价格外以外都达到平稳状态；国内生产总值和房地产价格在二阶差分后为平稳序列。因此，需要对模型包含的变量进行协整检验。

（二）滞后阶数的确定

在VAR模型中若解释变量的最大滞后阶数太小，残差很可能存在自相关，并造成参数估计的非一致性。可适当加大P值来消除残差中存在的自相关，但P值又不能太大。P值过大将导致模型的自由度大幅降低，直接影响模型参数估计的有效性。本研究利用Eviews72软件确定VAR模型的最优滞后阶数，结果如表二所示。由表二可得，5个检验指标均确定滞后1期为最优滞后期，因此确定VAR模型的滞后阶数为1阶即VAR（1）。

（三）协整检验

在已构建VAR模型的基础上，采用Johansen方法对模型进行检验，从而研究各变量之间的长期动态关系。结果表明在5%的显著性水平下存在4个协整关系，即说明各变量之间存在长期的均衡关系；同时，通过计算模型的AR特征多项式，发现特征多项式所有的根全部落在单位圆内，即VAR模型所有根的倒数均小于1，这表明所建立的VAR（1）模型是稳定的。检验结果如图一所示。

（四）格兰杰因果检验

上述协整检验表明，各个变量之间存在长期协整关系，但是无法说明它们之间是否存在因果关系。为进一步证明每个变量之间的因果关系，下面对这些变量进行格兰杰（Granger）因果检验。检验结果如下表所示：

由Granger因果检验得出，在滞后1期，005的显著性水平下：①房地产价格与国内生产总值、城镇居民可支配收入、商品房销售面积、存款基准利率和贷款基准利率存在双向的格兰杰因果关系；②房地产价格与货币供应量存在单向的因果关系，即货币供应量的变化会引起房地产价格的变动，但房价变化不会造成货币供应量发生改变；③房地产价格与居民消费价格指数有单向Granger因果关系，居民消费价格指数会在一定程度上造成房价变动。

（五）方差分解

方差分解是通过分析每一个结构冲击对内生变量变化的贡献度，进而评价不同结构的重要性，并进一步为政府实施可行的住房政策提供依据。本文选取10期作为方差分解的滞后期，基于所建立的VAR（1）模型，可以得到房價的方差分解结果。表四给出了我国房地产价格的方差分解结果，表中的数字为百分比贡献率。每行结果相加为100%，第一列是预测期。

从表四可以看出：①房地产价格的波动在第一期只受到自身波动影响，其余变量对预测误差的贡献度从第二期开始显现出来。第6期开始呈现基本平稳的状态；②城镇居民人均可支配收入对房价的贡献程度最高，约占18%，且影响程度逐步上升。说明人均可支配收入的增加提高了人们的购买能力，也增加了对房地产的需求，进而推动房价上涨；③商品房销售面积对房价的影响相对较大，约占11%，也是稳定房价的重要举措；④存款基准利率对房价的贡献度相对较小，约占7%。贷款基准利率波动对房价影响增加最快，从第2期的004%增加到714%，增长了1775%。从长远看贷款利率提高一定程度上可以抑制房价上涨。⑤居民消费价格指数对房价的影响程度最低，仅为09%。

四、结论与建议

（一）结论

本文利用2006—2016年季度数据构建VAR模型，运用方差分解分析7种因素对中国房地产价格的驱动影响。通过实证分析，得到如下结论：

Granger因果关系检验显示，房地产价格与国内生产总值、城镇居民可支配收入、商品房销售面积、存款基准利率和贷款基准利率存在双向的格兰杰因果关系。即房价与这5个变量之间存在长期稳定的均衡关系。房地产价格与货币供应量、居民消费价格指数有单向Granger因果关系，货币供应量和居民消费价格指数的变化一定程度上会引起房价的变动。

方差分解结果表明：房地产价格受城镇居民可支配收入的影响较大。城镇居民可支配收入的变化会引起房价较大程度的变动。因此，保持其稳定发展是当前控制房价的重要举措。贷款基准利率波动对房价影响增加最快。

（二）建议

房地产市场的波动会引起我国宏观经济的较大波动，因此本文针对我国目前的房地产政策提出以下建议：

1信贷政策方面。一方面降低住房公积金贷款利率和首付，提高贷款上限，极大程度的满足居民的住房需求。另一方面进一步完善差别化住房信贷政策，对于购置首套商品房和非首套商品房采取不同的贷款率。对非首套商品房采取较高的贷款利率，一定程度上抑制房地产市场的投机行为，控制房价。

2完善住房保障体系。形成系统的住房保障信息系统；住房保障体系由“以售为主”转向“租售并举”，进一步转为“以租为主”；将农民工及外来务工人员列为住房保障体系的主要保障对象，解决他们的住房问题。

3加强对货币供应量的控制。央行应实行有针对性的货币政策，当房价上涨速度过快时，可以适度提高存款准备金率，对投资者尤其是房地产投机者的信息形成一定的打击，降低流动性水平，进而使房地产投资额大大减少。要合理控制外资流入，加强涉外机构监管，避免外资的恶性炒作。

参考文献：

[1]JohnM Clapp ， Carmelo GiaccottoThe Influence of Economic Variables on Local House Price Dynamics [J].Journal of Urban Economics ， 1994（2）

[2]安辉，王瑞东我国房地产价格影响因素的实证分析——兼论当前房地产调控政策[J].财经科学，2013（3）

[3]陈诗一，王祥融资成本、房地产价格波动与货币政策传导[J].金融研究，2016（3）

[4]梁斌，李庆云中国房地产价格波动于货币政策分析——基于贝叶斯估计的动态随机一般均衡模型[J].经济科学，2011（3）

[5]史永东，陈日清不确定性条件下的房地产价格决定：随机模型和经验分析[J].经济学，2008（1）