基于VAR模型的二线城市房地产价格影响因素分析

张樱馨

摘 要：本文通过选取安徽省合肥市2002年～2016年房地产平均销售价格与相关经济指标，建立向量自回归模型（VAR模型）对影响安徽省合肥市房地产价格的因素进行分析。并在其基础上，使用广义脉冲和方差分解对房地产价格与各宏观经济指标动态关系进行了分析。结论表明，安徽省合肥市GDP与房地产价格呈单方向的影响关系，房地产价格会引起安徽省合肥市GDP变化，且为正向影响。

关键词：房地产价格；GDP；人均可支配收入；房地产总投资额；VAR模型

文章编号：1004-7026（2018）04-0129-02 中国图书分类号：F224；F426.21；F764.1 文献标志码：A

随着房地产在国民经济地位中的攀升，房地产产业已成为关乎国计民生的重要产业。在经济新常态、调控房价政策的背景下，通过研究房地产价格影响因素，对防止房价过度过快增长、抑制房地产泡沫、使房地产市场平衡发展有重要意义。本文希望通过安徽省房地产价格影响因素的实证分析，对二线城市房地产政策的制定有所裨益。

1 相关文献评析

国内外学者认为住房兼有消费品和投资品属性。他们大多从两个角度对房地产价格波动进行研究：一是，从理论和实证方面研究房地产市场的有效性；二是，基于理性预期和新古典经济学的分析框架；[1]Alyousha运用Granger检验对英格兰13年土地价格与房地产价格进行分析表明，从长期角度来看房地产价格会导致地价的变化，地价上升是房地产价格的结果不是原因；[2]此外由于房地产价格还具有投资品的重要属性，Dolde and Tirtiroglu、Collyns等人将利率、房产价格与实际贷款、人均GDP等因素也列入房地产价格影响因素，并得出以上因素对房地产价格均有显著的同步效应。[3]伴随着我国房地产市场的发展，一大批国内学者也加入到房地产价格影响因素的研究中来。基于我国利率市场化进程的加快和货币政策传导机制的完善，梁斌等学者基于贝叶斯方法选取中国房地产1998年～2009年的数据，构造了包含房地产市场部门的DSGE模型；[4]从宏观层次来看，谭政勋运用构建的后顾形结构模型推导了包含房价最优利率规则与货币供应量规则；[5] 朱永升等人通过引入灰色关联度分析方法，对影响北京市房地产价格的因素进行了实证分析。[6]以上学者从不同方面对影响房地产价格因素进行了分析，本文采用VAR模型从定量分析的实证角度对安徽省合肥市房地产价格影响因素进行分析，以期为二线城市房地产政策的制定有所裨益。

2 房地产价格影响因素指标选取与数据预处理

2.1 指标的选取

2.1.1 GDP（合肥市生产总值）。经济发展水平会在极大程度上影响着房地产市场的规模以及房地产价格变动。从长期来看，经济增长会使居民需求增多进而影响房地产市场价格。从短期来看，经济增长可以推动城市化建设，从而使农民更迅速的向城市聚集，进而继续增加房地产需求，影响房地产价格。

2.1.2 PI（人均可支配收入）。人均可支配收入决定了居民的购房基础。近年来，安徽省合肥市商品房住房支出呈显著增加的状态，大多居民购买商品房的心理在于其认为房子不仅是消费品更兼有投资品的属性，居民在满足其基本住房需求后，通过人均可支配收入购买房地产以期达到保值作用。

2.1.3 IA（房地产投资总额）。近些年来，在安徽城镇居民消费需求结构中，住房支出位居总支出排名的第二位，仅次于食品消费支出，特别是在社会各界普遍认为的“房地产黄金十年”发展期间，城镇居民的住房消费支出显著增加，理论上这十年也是城镇居民的人均住房面积、居住品质得到有效提升的十年。社会的普遍预期的提高相对于住房市场的供给和需求会在极大程度上为加大房地产投资注入一针有效的强心剂。

2.2 数据的预处理

本文选取安徽省合肥市房地产价格（P）、安徽省合肥市国内生产总值（GDP）、安徽省合肥市人均可支配收入（PI）、安徽省合肥市房地产投资总额（IA）2002年—2016年共14个年度的时间序列数据，分别由Eviews8.0对P、GDP、PI、IA做历史趋势图分析，结果表明其均有明显的上升趋势，即该时间序列为非平稳时间序列，其数字特征是随着时间变化而变化的。此外，为了防止异方差的产生，對以上变量均取对数。数据来源于安徽省统计年鉴、国研网。

3 VAR模型的建立

3.1 ADF平稳性检验

VAR模型建立的前提要求数据必须是平稳的。根据前文，已验证该时间序列是非平稳的，因此需对其进行单位根检验，确定其短期和长期的联动关系。本文采用ADF检验，显著水平取0.05。检验结果如表一所示：经一阶差分后，lnIA变成平稳序列；lnP、lnGDP、lnPI二阶差分后变成平稳序列。考虑到只有同阶平稳才能避免伪回归，因此对lnIA做二阶差分。得到表1。

3.2 滞后期的选择

滞后阶数的确定对VAR模型的建立有着至关重要的作用。滞后阶数的考虑一方面要满足足够多的自由度，一方面要有足够数目的滞后项。通过检验，根据少数服从多数的原则，根据Logl、LR、FPE、AIC、SC、HQ六种法则综合判断，最优滞后阶数为1。

3.3 创建VAR模型

3.3.1 VAR模型的平稳性检验。在上述分析的基础上，对房地产价格（P）与各指标进行了VAR模型估计。采用AR根的图表对该VAR模型进行了稳定性检验。如果所有单位根的模都小于1，则满足模型的稳定性，反之则会在输出结果的下方给出警告即模型是不稳定的。平稳性检验显示该模型中所有单位根都在圆内，所以该模型为稳定的，结果是有效的。

3.3.2 Granger因果检验。根据Granger因果检验，可以得出结论安徽省合肥市房地产价格与GDP之间存在着单方向的因果关系，即房地产价格的变化会引起GDP的变化，但GDP变化不会引起房地产价格的变化。此外，还发现安徽省合肥市GDP与其房地产投资额之间存在着单方向的因果关系，即GDP是房地产投资的格兰杰原因。

3.3.3 脉冲效应分析

在前面的实证分析中，是假设外部经济环境保持稳定，即在封闭环境下房地产价格影响因素的动态关系。然而当外部经济环境变化的时候，需使用计量经济学中脈冲响应函数分析房地产价格影响因素的动态关系。脉冲响应函数能够详细分解出某个时序变量对施加给另外一个时序变量一个单位标准差新息的正向冲击的响应情况。因此，对各个变量做脉冲响应函数分析，其中横坐标表示冲击作用的滞后期间数，纵坐标表示安徽省合肥市房地产价格的响应。从图4可以得出以下结论：第一，PI对房地产价格冲击最大，尤其是在前期，后趋于平稳。第二，房地产投资总额IA对房地产价格会带来正面的冲击，但是冲击幅度不是很大。第三，当在本期给GDP一个正向冲击后，房地产价格在前一期微小下降后，在第二期到第五期呈先上升又下降的趋势，后趋于平稳。

4 相关结论

本文通过建立VAR模型并使用脉冲效应分析和方差分解，从整体上对安徽省合肥市房地产价格影响因素进行了分析，得出以下结论：第一，安徽省合肥市GDP与房地产价格呈单方向的影响关系，房地产价格会引起安徽省合肥市GDP变化，且为正向影响。第二，安徽省合肥市GDP与房地产投资总额呈单方向的影响关系。第三，若给安徽省合肥市GDP一个正向冲击后，安徽省房地产价格会在一段时间内下跌，该冲击对房地产价格产生了负影响，但是从长期来看趋于平稳；若给安徽省合肥市人均可支配收入PI一个正冲击后，短时期内合肥市房地产价格会上升并达到最大值，经过一段时间的波动后又趋于平稳；房地产投资额也会对房地产价格产生正向冲击作用，但这种作用趋近为零。

参考文献：

[1]何展鸿.房地产价格波动：国外研究综述[J].中国经贸导刊，2013，（29）：58-61.

[2]Tsoukis C，Alyousha A.Implications of Inter Temporal Optimization for House and Land Prices[J]. Applied Economics，1999，（31）：1565-1571

[3]孟庆斌，荣晨.宏观经济因素对房地产价格的长短期影响[J].统计研究，2014，31（06）：25-32.

[4]梁斌，李庆云.中国房地产价格波动与货币政策分析——基于贝叶斯估计的动态随机一般均衡模型[J].经济科学，2011，（03）：17-32.

[5]谭政勋，王聪.房价波动、货币政策立场识别及其反应研究[J].经济研究，2015，50（01）：67-83.

[6]朱永升，王卫华，韩伯棠.影响房地产市场需求因素的灰色关联度分析[J].北京理工大学学报，2002，（06）：782-785.

[7]武以敏，李壮壮，朱翔.基于VAR模型的安徽省房地产价格影响因素实证分析[J].宿州学院学报，2015，30（05）：38-41.

[8]罗孝玲，洪波，马世昌.基于VAR模型的房地产价格影响因素研究[J].中南大学学报（社会科学版），2012，18（04）：1-7.

[9]龙海明，郭微.基于VAR模型的我国房价与地价动态计量分析[J].经济数学，2009，26（02）：52-58.

[10]高铁梅.计量经济分析方法与建模[M].北京： 清华大学出版社，2009.