住宅价格、居民消费与城镇化关系研究——基于PVAR的实证分析 *

陈彤，盛宝柱

(安徽建筑大学 经济与管理学院，安徽 合肥 230022)

近年来，我国城镇化进度不断加快。在第七次人口普查中，我国城镇化率达到了63.89%。根据国际上其他国家的经验，当城镇化率达到70%，楼市的黄金期就会逐渐过去。然而，在我国城镇化问题需具体分析。许多学者认为，城镇化首先会提高居民收入，对消费结构产生影响，继而影响居民消费的升级。在此背景下，分析城镇化、居民消费与住宅价格之间的相互动态影响关系，对于实现中国经济稳步增长有着重要的意义，在不断提高我国城镇化水平和扩大消费内需前提下，保证房地产产业的稳定可持续发展。

1 文献综述

1.1 住宅价格和城镇化关系研究

近年来，住宅价格高企并不断上涨成为大众关注的热点，也成为一个影响中国未来城镇化质量提升的关键因素。如陆铭等[1]从需求角度研究发现，外来人口所占据的比例更高的话，城市住宅价格更高。Garriga[2]从供给角度认为城镇化和住房供给是推动中国住宅价格上涨的关键因素。孙焱林等[3]运用PVAR实证发现，城镇化小幅提高住宅价格，而住宅价格对城镇化产生负面影响。

1.2 住宅价格和居民消费关系研究

在现有的研究成果中，国内外较多研究均指出住宅价格可以促进居民消费发展。Benjamin等[4]研究表明，房地产对消费产生的影响，相较其他金融性资产更为显著。陈健等[5]认为，中国的住宅价格上涨抑制消费，这与居民面临信贷约束相关。任伟[6]认为消费增加是扩大内需途径，顺而带动住宅价格上涨。

1.3 城镇化和居民消费关系研究

已有文献中，关于城镇化和居民消费关系的研究大多以劳动力流动为中间变量阐述两者之间的关系。城镇化成为刺激消费需求的重大潜力。肖忠义[7]研究得出城镇化同农村地区金融深化一样，对农村居住居民消费增长具有积极作用，但是短期内效果较弱且具有一定的滞后性。蓝管秀锋等[8]指出，在工业生产率较高的区域，城镇化率的提高会带动消费率的增长；在工业生产率较低的区域，城镇化率的提高不会促进居民的消费率，反而会有一定的下降。

1.4 本文的边际贡献

从上面的总结中发现，住宅价格、居民消费和城镇化之间存在密切的影响，但目前我国学术领域缺少对该问题的系统阐述。查阅文献时发现，将住宅价格、居民消费以及城镇化三者结合到一起研究极为少见，根据聂丹蕾、陈蕊[9，10]的研究结果表明，PVAR模型的选择在三个变量间的应用是适用且有创新意义的，其得出的规律也可以为后续的理论研究提供实证依据，丰富相关领域的成果。此外，使用PVAR模型可以在一定程度上理顺三者的相互影响。

2 模型设定与变量描述

2.1 模型构建

2.2 变量选择及数据来源

本文涉及住宅价格、居民消费和城镇化三个变量。(1)住宅价格(HP)。能够体现我国住宅价格变化的指标为住宅商品房销售均价。与此同时，对住宅价格变量取对数处理，即为lnhp。(2)居民消费(PY)。CPI可以度量特定时期内消费的商品和服务价格水平随时间变化的程度。用消费价格指数代表居民的消费水平，对居民消费变量取对数处理，即为lnpy。(3)城镇化(URB)。城镇化水平=城镇常住人口/年末总人口。对城镇化变量取对数处理，即为lnurb。

文章数据样本区间是2005—2019年，选择2005年作为研究的起始点，来实证分析三者之间的相互联系，面板数据来源于国家统计局。我国住宅价格、居民消费指数以及城镇化水平均呈明显上升趋势。各变量的描述性统计结果如表1所示。

表1 31省市变量描述性统计结果变量均值最小值最大值标准差样本量lnhp8.4467.17610.560.614465lnpy4.8044.6055.1070.125465lnurb3.9353.0314.4950.28465dlnhp0.101-0.390.4560.0849434dlnpy0.0262-0.02330.09620.0179434dlnurb0.0235-0.0220.1230.0158434

3 实证分析

3.1 数据稳定性检验和滞后阶数选择

(1)运用PVAR进行实证分析之前进行单位根检验这一步骤，目的是防止伪回归的出现。如果变量序列没有平稳性质，脉冲响应和方差分解的结果可能会失真。单位根检验包括两类共五种方法。本文综合使用了这五种方法，单位根平稳检验结果如表2所示，五种检测方法的原假设都是非平稳的面板数据。总的来看，研究变量至少为一阶差分才能全部拒绝原假设，才可以进行模型的实证分析。

表2 面板单位根检验结果

(2)在对面板数据进行下面两项检验之前，参照MBIC、MAIC及MHQIC三种标准，进行最优滞后阶数选择。根据MBIC和MQIC标准选择了滞后一阶，而MAIC标准选择了滞后二阶。因此，为保证模型的稳定性和有效性，滞后一阶是在对模型分析时的最优滞后阶数，如表3所示(*、**、***分别是在10%、5%、1%的显著性水平下通过)。

3.2 动态面板数据GMM估计

表3 31省市滞后阶数选择结果滞后阶数MBICMAICMQIC1-280.2320∗-75.0915-157.9214∗2-261.6227-79.2755∗-152.90213-223.6693-64.1156-128.53884-203.7195-66.9592-122.17915-166.8375-52.8705-98.8871

PVAR模型的工具变量设定是利用各个内生变量的更高阶滞后项，使用系统广义矩估计处理模型的内生性问题，最终的估算结果如表4所示。其中，c_dlnhp表示dlnhp采用GMM估计得出估计系数，s_dlnhp为对应的标准差，其他变量同理。

从住宅价格的回归结果来看，其自身的滞后一期在10%的水平下通过显著性检验，有着较为显著的正相关关系。从居民消费的方程可知，它与住宅价格及其自身的滞后一期负相关，且两者分别在5%和10%的水平下显著。从城镇化的方程来看，滞后一期的居民消费在10%的显著性水平下通过显著性检验，住宅价格滞后项的估计系数呈不显著性质，而城镇化的滞后项对自身有促进作用，且较为显著。

表4 广义矩估计结果解释变量被解释变量dlnhpc_dlnhps_dlnhpdlnpyc_dlnpys_dlnpydlnurbc_dlnurbs_dlnurbL1.dlnhp0.419∗0.1937-0.153∗∗0.0532-0.01480.0204L1.dlnpy0.9180.6139-0.318∗0.16240.165∗0.0767L1.dlnurb-1.5052.13571.0650.55090.595∗∗0.1882

3.3 稳定性和Granger因果检验

3.3.1 PVAR模型稳定性检验

为了保证后续步骤结论的准确性，首先对PVAR模型进行稳定性检验，通过软件添加曲线图指令，可以得到稳定性试验曲线图。我们可以看到图1中，伴随矩阵的根都落在稳定性试验曲线(半径为1的圆)内，这样的结果显示该PVAR模型是稳定的。如图1所示。

图1 PVAR模型稳定性检验

3.3.2 Granger因果检验

从表5可以得知，在单独层面上看，虽然城镇化不是引起住宅价格高企的原因，只有当居民消费在1%显著性水平下才是引起住宅价格上涨的原因，但是从PVAR模型整体上来看，在5%显著性水平下，城镇化和居民消费均是引起住宅价格上涨的原因。从居民消费水平角度来说，住宅价格不是影响居民消费的原因，城镇化是在1%显著性水平下影响居民消费的原因。但对于城镇化来说，住宅价格和居民消费分别是在5%与1%显著性水平下影响城镇化的原因。根据得出的检验结果表明，可以进行下一步的分析，如表5所示。

3.4 脉冲响应分析

广义矩估计结果揭示了三者的静态相互作用关系，为研究更准确的动态关系，需要对三者进行脉冲响应分析。脉冲响应指的是当某个变量因为扰动项的变化而产生单位改变时其他变量所产生的变化，可以较好地描述变量之间的动态互动关联。使用stata16.0软件选择Monte-Carlo模拟方法进行500次模拟，在滞后6期的脉冲响应函数如图2所示。

表5 PVAR模型Granger因果检验被解释变量检验变量卡方统计量自由度P值dlnhpdlnpy8.51510.004∗∗∗dlnurb0.14210.707 联合统计量9.11220.011∗∗dlnpydlnhp1.77710.182 dlnurb25.81810.000∗∗∗联合统计量25.85620.000∗∗∗dlnurbdlnhp6.47210.011∗∗ dlnpy9.7910.002∗∗∗联合统计量10.46320.005∗∗∗

3.4.1 住宅价格的分析

从图2中⑧可看出，住宅价格受到居民消费的冲击时，产生一直持续的正向影响，且在第1期时达到最大，约为0.0172，之后便持续减弱，最终收敛于很小的正向影响。说明居民消费不断升级，对地产行业也不断提升消费需求,进一步推动了房价的持续强劲上涨。从图2中⑦可以看出，城镇化对住宅价格影响一直持续为正，且在第2期达到峰值，约为0.0092，随后持续下降，最终收敛于很小的正向影响。城镇化水平提升可直接推动房价上涨，人口流入，住房需求提升，房地产市场进入繁荣阶段。房价上涨到一定程度时，政府为了抑制房地产泡沫会颁布调控政策，但整体而言，城镇化水平对房价的影响仍然是正面的。从图2中⑨可以看出，当住宅价格受到来自自身的冲击时，其对自身当期的影响最大，约为0.0884，之后便立即减弱，并在第6期减弱到0.0022。这说明住宅价格在短期内对自身有一个正向的惯性作用，能推进住宅价格上涨，但在长期内的正向作用趋近于0。

图2 脉冲响应

3.4.2 居民消费的分析

从图2中⑤可以看出，居民消费对自身冲击影响一直持续为正，且在当期最大，约为0.0202；之后的正向影响持续减弱，最终收敛于很小的正向影响。这说明居民消费对自身始终保持着正向作用，但随期数的增加推移，正向作用会逐渐削弱。从图2中④可以看出，居民消费受到城镇化的冲击时，产生一直持续的正向影响，且在第2期达到最大，约为0.0092，之后便持续减弱，最终收敛于很小的正向影响。城镇化水平不断提升，居民收入也不断提高，因此居民消费水平得到了正向促进。从图2中⑥可以看出，居民消费受到住宅价格的冲击时，当期冲击影响为负，为-0.0012，第2期开始回升得到正向回应，并达到最高点，约为0.003，在第2期后向零收敛。初期高昂的住宅价格抑制了居民消费水平的提升，随之住宅价格上涨通过财富效应促进居民消费升级。

3.4.3 城镇化的分析

从图2中①可以看出，当城镇化受到来自自身的冲击时，当期有一个最大的正向冲击，约为0.0121，之后便立即减弱，并在第6期接近于0。这说明城镇化在短期内对自身有一个正向的惯性作用，能推进城镇化进程，但在长期内的正向作用几乎为0。从图2中②和③可以看出，当城镇化受到居民消费和住宅价格的冲击时，当期产生正向响应，均在第2期升到峰值，第2期之后开始趋近于0。房价上涨初期有助于改善房地产行业的投资行为及投资效率，由于工业和房地产业等在城镇中产生大量岗位需求，城市中进入了足够的农村劳动力，因而城镇化水平被推动提升；但当房价上涨到一定程度，就会大大提高外来人口居住成本，抑制城镇化水平提高。整体而言，房价对城镇化水平的影响为正。

3.5 方差分解

为了进一步考察住宅价格、居民消费和城镇化之间的相互影响，通过方差分解进一步研究有多少方差是由自身引起的，又有多少是其他研究变量引起的。进行方差分解后，如表6所示。

表6 方差分解结果变量影响因素滞后期1510dlnhpdlnhp1.00000.92410.9087dlnpy0.00000.02400.0334dlnurb0.00000.05190.0579dlnpydlnhp0.00470.06650.0718dlnpy0.99020.74810.7210dlnurb0.00510.18540.2072dlnurbdlnhp0.00360.03820.0454dlnpy0.00000.23800.2659dlnurb0.99640.72370.6887

由表6可知，影响住宅价格的主要因素来自其自身冲击，虽然其贡献比例呈现下降趋势，但是在第10期仍有高达90.87%的贡献比例。城镇化是影响住宅价格的次要因素，其贡献程度呈现上升趋势，从当期的0上升到第10期的5.79%。而居民消费对住宅价格的解释能力较弱，到第10期仅有3.34%。

对于居民消费来说，居民消费的变动主要来自自身冲击，随着时间推移，虽然贡献程度逐年下降，但是在第10期仍有高达72.10%的贡献比例。城镇化是影响居民消费的次要因素，其贡献程度也逐年缓慢上升，到第10期达到了20.72%的贡献比例。虽然住宅价格对居民消费的解释能力较弱，但其贡献程度也在逐年上升，到第10期也有7.18%的贡献比例。

对于城镇化来说，城镇化的变动主要来自自身冲击，其所占贡献比例较大，其贡献比例呈现下降趋势，在当期的贡献比例为99.64%。住宅价格是影响城镇化的次要因素，其贡献程度也逐年缓慢上升。在预测期的第10期时，城镇化和住宅价格对其贡献度分别为68.87%和26.59%。此外，居民消费对城镇化的解释能力较弱，但其贡献程度也在逐年上升，到第10期也有4.54%的贡献比例。

4 结论及建议

本文以2005—2019年我国31省市数据为样本，构建PVAR模型并利用它研究了住宅价格、居民消费和城镇化自身及相互之间的互动关系差异。结论如下：

(1)住宅价格上涨促进了居民消费的增加，居民消费增加提升了城镇化水平，住宅价格对城镇化水平的影响是正向的。

(2)城镇化水平提升有利于居民消费水平增长，居民消费增长促进了住宅价格上涨，城镇化水平提升对住宅价格的影响是正面的。

基于以上研究，本文提出如下建议：

(1)在房地产业方面，一是各地政府要坚持并落实国家“房住不炒”政策，并提出相关的配套措施。二是因地制宜地制定房地产发展战略：对于一线城市来说，要通过房地产业的布局促进人口和功能由中心城区向新城区转移；而对于大部分二三线城市来说，要通过房地产业布局，特别是向中小城镇布局，促进农村人口向城镇转移。

(2)在城镇化方面，一是要完善社会保障，我国社会保障体系不够健全导致了我国储蓄率高、消费保守的习惯。不仅要解决城市人口的社会保障问题，还需对流动人口社会保障制度加以完善，这样有利于促进居民消费升级，扩大内需。二是提高失地农村居民养老保障水平，通过促进就业政策和增加生活补贴的方法解决以前的历史遗留问题，解决“进镇农民”的生活困难问题。三是地方财政应当加速主体税种改革，为地方政府摆脱土地财政探索出一条解决途径，例如推进以房地产税和消费税为主体税种。