房价波动与区域经济增长的互动关系研究<br/>——基于省际动态面板数据

房价波动与区域经济增长的互动关系研究
——基于省际动态面板数据

2021-06-19朱慧吉

对外经贸 2021年5期

朱慧吉

（华东政法大学商学院，上海 201600）

一、引言

房地产业一直以来被当做一种重要的实物产业，但也同时具备虚拟资产投资属性。在我国国民经济中，房地产业占据了很大份额，并对经济增长有显著影响，是国民经济的支柱产业。 2002 年以来，我国GDP 增长的特征之一就是对房地产业的高度依赖性，我国的房地产业产值占GDP 比重总体呈上升趋势，经济发展对房地产业的依赖性也不断增强。所以，房价波动对我国提高资源配置效率、优化产业结构和维持经济发展稳定方面具有重要影响。鉴于此，本文利用31 个省市自治区的面板数据实证考察了全国、东部地区和中西部地区的房价波动与经济增长之间的动态关系。

二、文献综述

房价波动与经济增长之间的关系研究一直受到了国内外学者的广泛关注，本文重点分析了国内学者的相关研究。李宏瑾(2005)认为房地产市场的发展推动了经济的增长，但经济增长的关键因素并不完全取决于房地产业，而是其自身周期发展的惯性。杨俊杰(2012)发现房地产价格的正向冲击将使得消费者减少消费，增加投资，对GDP 有快速的拉升作用，但这种影响不会持续太久。李国斌(2018)等运用动态面板数据回归模型进行实证研究，发现房价与经济增长质量存在“倒U型”关系。张勇(2015) 研究发现中国宏观经济波动中的40%的影响来源于房价的波动，并且居民消费25%以上的异常波动也是来源于房价波动，使得对经济造成巨大冲击。

由此可以看出，国内学者对于房价波动对区域经济增长的影响有着不同的研究视角，即使在相同的研究视角下，研究结论也与不同的研究方法不一致。大多数使用面板模型进行参数分析，并使用东部、中部和西部地区的区域划分来分析区域差异。但是，从现实的角度来看，房价对经济发展的影响是一个动态的过程，仅分析模型参数具有一定的局限性。引用道格拉斯的生产函数，建立面板VAR 模型，并利用最新数据来分析房价波动对区域经济增长的影响，从而得出更为客观的结论。

二、模型构建与变量选取

采用PVAR 模型，运用2000-2018 年31 个省市自治区的省际面板数据，实证分析房价波动与地区经济增长互动关系。PVAR 模型不仅继承了传统VAR 模型的优点，也克服了传统VAR 模型难以刻画理性预期因素、处理的经济变量有限、参数不稳定、对数据样本要求长度等缺点，使得传统VAR 模型无法全面反映经济体真实情况的问题得以避免。PVAR 模型不但对数据的长度要求降低，同时能够控制由于空间变动造成的不可观测的个体异质性。构建的模型，将所有变量纳入内生变量体系，采用脉冲响应函数分析一个变量冲击对另一个变量的影响，这样能真实反映各变量间动态关系，以便考察房价波动与地区经济增长直接与间接路径。模型采用以下指标：用商品房平均销售价格（HP）表示房价；地区生产总值（GDP）表示总产出；高等学校在校生占总人数之比表示人力资本水平（HC）。本文所采用的所有数据均来自国家统计局网站、《中国统计年鉴》及各地区统计年鉴等。考虑到物价因素的影响，对地区名义生产总值（GDP）用GDP 指数进行平减，对其他价值型数据用当年CPI 进行平减。另外，考虑到数据的平稳性和异方差问题，对数据进行取对数处理。

为了讨论房价波动对地区经济增长的影响，更准确反映两者之间关系，引用柯布道格拉斯生产函数：Q=AKαLβ。在此函数中，Q 为地区总产出，在此表示地区经济增长；K 为资本投入，包括房价和人力资本投入；L 为劳动收入，表示总人口；α 和β 分别表示资本和劳动的产出弹性。分别对柯布道格拉斯生产函数两边取对数，系数用Di 表示，得到以下公式：

经变换得到模型：

三、实证分析

（一）变量描述性统计

着力于研究房价波动对区域经济增长的影响，引入道格拉斯生产函数，采用房价、人口数量、总产出3 个变量，通过建立面板VAR 模型，采用最新的数据来分析。变量的描述性统计如表1 所示。

表1 变量统计特征描述

（二）面板单位根检验

对于时间序列数据需进行平稳性检验，使用的省级面板数据具有时序的特征，因此构建面板VAR 模型前对数据进行单位根检验序列平稳性，如表 2 所示。在使用面板VAR 模型进行回归分析之前应该进行单位根检验，以避免出现伪回归。同时，为消除上述模型所包含的时间效应和个体效应，对数据做了以下处理: 首先运用均值差分法对各个变量消除时间效应，而后使用一阶向前差分法消除个体效应，从而避免由于个体效应和回归因素相关而造成的系数估计偏差。利用Stata15 分析软件对各个变量分别进行了 LLC 统计量、IPS 统计量、ADF-Fisher 统计量和PP-Fisher 统计量检验。从表中可以看出，变量qlnGDP、qlnHP 和qlnHC 一阶均为平稳序列。

表2 单位根检验结果

（三）确定最优滞后阶数

接下来根据AIC、BIC 和HQIC 准则对PVAR 模型的滞后阶数进行估计，结果如下：

表3 滞后阶数选择结果

（四）面板矩估计（GMM）

通过滞后期的选择，将滞后期变量视为工具变量进行估计，利用面板矩估计GMM 方法对面板VAR 模型估计。首先，东部地区的估计结果如表4 所示。

表4 东部地区模型GMM 估计结果

根据表4 可以发现，对于东部地区的样本数据，HP 滞后一期对GDP 的影响在10%的显著性水平下为负，而HP 的滞后二期对GDP 的影响在5%的显著性水平下为正。也就是说，整体来看，房价增长在短期（滞后一期）对经济增长有抑制作用，而随时间的延续，房价增长对经济增长有促进作用，但促进效果小于短期的抑制效果。相反，HC 滞后一期对GDP 的影响在5%的显著性水平下为正，而HP 的滞后二期对GDP 的影响在5%的显著性水平下为负。即对于东部地区，人力资本投入在短期（滞后一期）对经济增长有促进作用，而随时间的延续，人力资本投入对经济增长有抑制作用，但抑制效果小于短期的促进效果。所以，对于东部地区，房价提高短期来看不能拉动经济增长，因此应改变投资策略，不应依靠房地产投资推动经济增长，应当着力于提升人力资本水平，这样才能有效推动经济增长。

接着，对中西部地区的样本数据进行估计，估计结果如表5 所示。

表5 中部地区模型GMM 估计结果

注：1.h_表示经过前后均值差分处理后的变量，L 表示滞后一期，L2 表示滞后二期，L3、L4、L5 同理；2.***、**、*分别表示在1%、5%、10%的置信水平上显著。

根据表5 可以发现，对于中西部地区的样本数据，HP 滞后一期对GDP 的影响在5%的显著性水平下为负，而HP 的滞后二期对GDP 的影响在5%的显著性水平下为正。也就是说，整体来看，房价增长在短期（滞后一期）对经济增长有抑制作用，而随时间的延续，房价增长对经济增长有促进作用，但促进效果大于短期的抑制效果。HC 滞后一期对GDP 的影响不显著，HC 滞后二期对GDP 的影响在1%的显著性水平下为正。所以，对于中西部样本数据，房地产投资能推动经济增长，经济增长也能推动房地产发展，因此应加大力度发展房地产行业，推动经济增长。但房价上升不利于人才集聚，且人才集聚对地区经济增长不显著，说明中西部地区人力资本水平未能充分推动经济增长，仍然有较大发展空间。

（五）脉冲响应函数分析

面板VAR 的优势就是可以利用脉冲响应图进一步对变量之间的动态关系进行更为直观的分析。本文通过对各变量间的脉冲响应结果观测，使用变量冲击分析法对随机误差项进行研究分析，以探索出当前变量的期望值与未来波动之间的相互影响。

从图1 可以看出，给HP 一个标准差的冲击，对GDP 产生一个缓慢的正向影响，且影响有轻微波动。给HC 一个标准差的冲击，表现和HP 大致相同，这表明对于全国来说，房价提高能拉动经济增长，经济增长也能推动房价提高，因此房地产投资能推动经济增长。房价提高会促使人力资本提高，人力资本的提高也进一步推动经济增长，因此应合理限制房价，提升住房保障，吸引人才集聚，以推动经济增长。

图1 全国脉冲响应图

从图2 可以看出，给HP 一个标准差的冲击，对GDP 产生一个较强的反向影响，随着时间的推移强度增加。给HC 一个标准差的冲击，对GDP 的影响并不明显。所以对于东部地区来说，房价提高不能拉动经济增长，因此应改变投资策略，不应依靠房地产投资推动经济增长。

图2 东部地区脉冲响应图

从图3 可以看出，给HP 一个标准差的冲击，对GDP 产生一个缓慢的正向影响，且影响渐弱。所以，对于中西部地区，房地产投资对经济增长的促进作用并不明显，经济增长也能推动房地产发展，因此应加大力度发展房地产行业，推动经济增长。但房价上升不利于人才集聚，且人才集聚对地区经济增长不显著，说明中西部地区人力资本水平未能充分推动经济增长，仍然有较大发展空间。

图3 西部地区脉冲响应图

（六）方差分解

通过方差分解可以进一步度量房价波动、人力资本、经济增长之间的长期动态关系，分析各变量的方差贡献率构成。

通过表6 方差分解的对比发现，全国的房价对自身的方差贡献率最高，在第2 期为92.6%，到第10 期时仍然占据73.2%，其次是对GDP 的贡献率比较高，最后为人力资本。分地区来看，在滞后2 期时，东部地区房价对自身贡献率最高，而在滞后10 期时，东部地区房价的预测方差有18.3%来自于自身，68.6%来自于GDP。对于中西部地区，在滞后10 期时，房价对自身的贡献率为38.2%，对GDP 的贡献率达到61.4%。与人力资本对经济增长的贡献率比较，全国的房价比人力资本对经济增长的贡献率高，东部地区和中西部地区同样如此。