第1篇：我国房地产价格的影响因素分析
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CensusX12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。
作者：武若男
第2篇：论房地产价格与宏观经济关系
综合考虑各种因素，通过各种方法研究了二者的关系，并取得了一定的成果。有学者通过定量分析得出，房地产业的发展能够拉动整个国民经济的增长；还有学者利用简单回归分析，认为宏观经济的变化能够预测房地产市场的发展；近年来，更多的学者进入到这一领域，对房地产价格与宏观经济的关系进行深入研究。结果显示，无论长期或短期，GDP和人均可支配收入都影响房地产价格的波动；同时，房地产价格又反作用于国家的经济发展。更有学者利用因果关系检验，回归分析得出，房地产价格的变动决定土地价格的变动。
1.房地产价格与宏观经济的理论研究
1.1影响房地产价格的因素
1.1.1金融政策和经济因素。
因为房地产业对货币的需求量大、使用周期长，通常要利用财务杠杆来填补对资金的大量需求。如果金融机构提高利率，那么贷款购房会减少，房地产业会衰退，反之亦然。金融机构可以通过调节货币政策和财政政策来影响房地产价格。经济因素主要包括：城镇居民的收支情况，物价水平，国内生产总值，消费物价指数，经济增长情况等。经济因素与房地产价格变动一般呈正相关，比如，在经济增长较快时，房地产价格就会较高。
1.1.2行政因素和政治因素。
行政因素主要有：土地所有权制度；房地产税制；国家宏观调控政策；城市规划和城市化进程等。政治因素包括：战争，政治动荡或重大活动。在社会动荡时期，房地产业会受到影响，房地产价格会下降。在过去的十年中良好的房地产开发重要的原因是我们国家的政治稳定，和平与繁荣。
1.2房地产价格与宏观经济指标的关系
1.2.1房地产价格与人均可支配收入之间的关系。
人类是消费的主体，因此，人们的收入会在一定程度上影响消费，由于供求发生了变化，那么物价就会发生变化。在房地产业也是如此。当一国经济处于发达时期时，人均可支配收入较高，人们对房地产业的消费意愿增加了，对住房的档次也提高了，这就增加了房地产业的需求，房价势必会上涨。另一方面，当一国的经济处于不景气的阶段时，人均可支配收入下降，那么人们的收入大部分用于购买生活必需品，而减少了对房地产的消费，那么房价会随着需求的减少而下降。因此，房地产价格与人均可支配收入呈正相关。
1.2.2房地产价格与价格指数的关系。
第一，房地产价格与土地价格有很大的相关性。随着城市化的加快，土地资源越来越紧缺，由于供给的减少土地价格会上涨，那么房地产业的开发成本就会增加，房地产开发商只能通过提高房价来获得预期利润。第二，房地产价格与劳动力价格指数也有较大的相关性。由于劳动力的减少，劳务费用日益增加。而房地产业的开发需要大量劳动力，这就在一定程度上增加了开发成本，房价势必会上涨。第三就是物价指数。物价持续上涨时会引发通货膨胀，那么货币会贬值，人们会通过增加对房地产的投资来规避货币贬值的风险，房价会随着投资的增加而上涨。反之亦然。
1.2.3房地产价格与GDP的關系。
一方面，房地产价格与国内生产总值的关系主要通过居民收入来体现。当国内生产总值较低时，很多企业的利润会受到影响，企业会通过裁员和减少员工工资来维持发展，居民的收入会大大减少，没有更多的资金用于投资房地产，房地产价格会随需求的减少而下降。相反，当国内生产总值增长较快时，居民的收入就会增加，那么也会增加对房地产业的投资，从而使房地产价格上涨。另一方面，房地产价格的变动也会影响国内生产总值。房地产业的迅速发展会带动钢铁、水泥、煤炭等相关产业的发展，从而带动整个国民经济的增长，使国内生产总值增加。
2.房地产价格与宏观经济的作用机制
2.1房地产价格对宏观经济的影响
2.1.1房地产价格波动对消费的影响。
房地产价格的变动会给宏观经济带来很大的影响。房地产资产一般占企业所有资产的35%；住房资产在各国国家财富中所占的比例一般都超过25%，占家庭财富的比例超过75%。下面是房地产价格在发达国家影响消费的几个途径：
①实现的财富效应。房地产价格呈上升趋势时，房屋所有者可以卖出住房来增加当期消费。从而实现实际财富的增加。如果房主想通过出售住房来实现财富效应，就必须拥有第二住所，或者能买到更廉价的住房，才能有实现的财富效应。②未实现的财富效应。房价上涨时，即使房主不出售住房或者再融资，也能因为预期的改善而增加消费。因为房价的上升会带来财富升值的心理暗示，从而增加消费。③储蓄效应。因为房地产价格上升会导致的房租价格的上涨，对于租房者来说，租赁费用的增加使其实际财富减少，所以多数居民会把钱存起来，减少消费。④成本效应。由于房地产价格上涨了，那么租房的价格也会上涨，所以租房者的生活费用增加，实现财富减少。我们把这么效应又称为预算约束效应，住房自由化率的高低决定实际效应的大小。其次，房地产价格上升大多情况下与通货膨胀紧密相关，由于住房费用增加，消费者的生活成本就会随之上升。最后，会通过各国征收的物业税渠道直接增加企业和居民的成本，因为这些税收和房地的价值紧密相关，房地产价格的上升将直接通过房产税征收渠道增加各国企业和居民的成本。
2.1.2房地产价格变动对投资的影响。
许多家庭和企业有大量的房地产资产，房地产价格上升会增加家庭财富和企业的价值，从而降低融资成本与信贷要求，使他们的融资能力增强，金融机构信贷增加，从而促进社会投资增加。房地产价格的上涨给其他相关产业带来了发展的机会。那么整个社会的投资就会增加。这又进一步地促进了房地产业的发展，同时带动了其他行业需求增加，如冶金、机械制造、化工、运输、建筑、金融服务及物业管理等行业。
2.2宏观经济对房地产价格的影响
2.2.1经济周期对房地产价格变动的影响。
①利率因素的影响。
第一，利率的上升造成房地产业生产成本增加，利润降低。第二，利率和房地产价格呈反方向运动，房地产价格下降会给房屋所有者带来负面的财富效应，所以他们将进一步压缩消费，使生产继续下降。第三，由于房地产的投资和企业的投资大多数来源于贷款，所以利率上升使房地产投资者承担的利息增加，因此投资者会减少投资，这就会造成金融业的萎缩，进一步导致经济衰退。同时，在低成本和低价格的市场中，投资又开始增加，经济开始复苏。
②通货膨胀因素的影响。
由于物价上涨引起的通胀会导致货币贬值，所以消费者不愿意持有货币，更愿意持有具有保值增值功能的不动产，此时，房地产当然是首选，所以消费者在通货膨胀时会选择投资房地产来减少物价上涨造成的影响。相反，物价下跌引起的通货紧缩也会使货币升值，人们的投机行为会得到遏制，房地产价格会随之下降。
2.2.2宏观调控对房地产价格变动的影响。
①利率和汇率途径的传导机制。
一方面，利率上升时，储蓄增加，投资减少，空置房源较多，由于供大于求，导致房地产价格降低；另一方面，贷款利率提高会使贷款购房减少，由于买方市场减少，房价会降低，反之亦然。汇率的变动也会在一定程度上影响房地产价格。人民币升值幅度较小时，会吸引外资的流入，刺激国内房地产需求，房价平稳上涨。人民币升值幅度较大时，则会冲击房地产外部需求，容易引发房地产泡沫。
②信贷途径的传导机制。
信贷调控是指中央银行采取不同的宏观调控政策来控制货币供应量，调节商业银行的信贷总额，间接地影响房地产价格的波动。央行采取降低存款准备金率或降低利率等扩张性货币政策时，商行的派生存款能力增加，可放贷资金增加，贷款购房就会增加，由于需求增加，形成了卖方市场，房价就会上涨。相反，当央行采取提高存款准备金率或再贴现率等紧缩性货币政策时，商行的放贷能力下降，贷款购房随之减少，房价下跌。
3.實现房地产与宏观经济良性循环的建议
3.1全面认识影响房地产价格因素的多样性
虽然房地产价格的上涨能够带动整个国民经济的增长，但是上涨速度过快会给社会经济发展带来严重后果。政府应全面认识影响房地产价格的各种因素，认真分析居民消费价格、经济和房地产业发展状况等因素，建立有效的控制措施，保持房地产价格的稳步增长。
3.2加强对房地产价格变动的监测与分析
坚持以科学发展观为指导，深化体制改革，充分发挥市场机制的作用。各个部门之间要相互配合，相互合作，从整体上了解房地产市场的发展趋势和房地产价格的变动情况。其次要建立房地产市场运行预警监测体系，更好地实现对房地产市场的宏观调控。最后，要对房地产市场运行的指标进行统计，定期公布数据。
3.3完善对房地产市场法律体系的建设
随着市场经济体制的建立和发展，为适应现代社会的要求，更好地进行人权保障，我国需要转变立法理念。由于房地产行业比较特殊，所以有关房地产市场的法律法规也比较多。但也因此造成房地产业的法律体系比较分散，不系统；部分法律法规已经不符合当前的发展条件，需要及时更新和调整。
3.4利用金融政策协助房地产业发展
由于房地产价格的剧烈波动会造成整个国民经济的不稳定，所以政府应该采取适当的金融政策来使房地产业稳步发展。当房地产业发展较快时，政府应该采取紧缩性措施，抑制房地产投资过热；当房地产市场发展缓慢或趋于衰退阶段时，政府应该采取扩张性措施，刺激房地产业的发展。
作者：路倩颐
第3篇：中国城镇化对房地产价格影响分析
一、引言
随着我国城镇化进程的不断发展，城镇化对房地产价格的影响已逐渐引起学者们的广泛关注。部分学者认为城镇化与房地产价格之间呈现出显著的相关关系：于守华[1]（2013）和刘娟[2]（2014）分别运用VAR模型分析我国城镇化进程与房地产价格之间的关系并得到类似的结论，认为城镇化发展是房地产价格的格兰杰原因，同时二者存在长期的均衡关系；曾江辉[3]（2010）、和程利敏[4]（2013）则通过简单多元线性回归对二者進行研究，并认为城镇化发展与房地产价格之间存在显著的正相关关系；而罗良文[5]（2015）实证分析了不同地区中不同方面城镇化对房地产价格的影响，最终认为人口城镇化在中、西部地区对房价影响显著，对东部地区不显著；另一方面，也有部分学者认为城镇化发展与房地产价格之间并没有显著的相关关系：黄庆华[6]（2014）认为城镇化对房地产价格变动影响并不显著；董正信[7]（2013）发现住房价格对城镇化水平显著影响，而城镇化发展水平对住房价格不具有显著影响。
可见城镇化发展对房地产价格的影响尚未形成统一的结论，城镇化是一系列经济社会变量组合变化的过程，这一过程包括人口城镇化、产业城镇化以及土地城镇化等诸多方面。本文构造城镇化对房地产价格影响的完整系统结构，分析出城镇化各个方面对于房地产价格的影响关系，并对房地产价格的变化趋势进行预测。通过仿真方案设定，针对我国城镇化进程中不同方面的非均衡发展特点对房价进行预测并比较，从而为政府推动城镇化进程提供决策依据。
二、模型构造
（一）方程构建
本文所构建的房地产市场系统动力学模型中涉及的主要系统方程如下列各式所示：
（1）土地购置面积=INTEG
（2）土地购买总价=INTEG
（3）竣工造价=INTEG
（4）人口=INTEG
（5）存款总额=INTEG
（6）人均支出=人均可支配收入-人均存款额
（7）国民可支配收入=a*经济发展水平GDP+b（注：参数数值由计量经济学方法结合当地实际数据确定）
（8）经济发展水平GDP=第1产业增加值+第2产业增加值+第3产业增加值
（9）第1产业增加值=第1产业人数*人均第1产业产能（第2、3产业增加值以此类推）
（10）第1、2、3产业人数=INTEG（第1、2、3产业人数增加值或初始值）
（11）人均第1、2、3产业产能=INTEG（人均第1、2、3产业产能增加量或初始值）
（12）城市/农村居民恩格尔系数=INTEG（城市/农村居民恩格尔系数变化量或初始值）
（13）城镇人口=INTEG
（14）农村人口=INTEG
（15）全国恩格尔系数=农村人口/（农村人口+城市人口）*农村居民恩格尔系数+城市人口/（农村人口+城市人口）*城市居民恩格尔系数
（16）社会消费品零售总额=c+a*人均支出+b*全国恩格尔系数（注：参数数值由计量经济学方法结合当地实际数据确定）
（17）人均消费支出=社会消费品零售总额/人口
（18）人均非消费支出=人均支出-人均消费支出
（19）投资额=b+a*经济发展水平GDP（注：参数数值由计量经济学方法结合当地实际数据确定）
（20）新开工面积=b+a*投资额（注：参数数值由计量经济学方法结合当地实际数据确定）
（21）竣工面积=b+a*新开工面积（注：参数数值由计量经济学方法结合当地实际数据确定）
（22）住宅价格=f+a*土地均价+b*竣工造价+c*竣工面积+d*人均非消费支出+e*城市人口（注：参数数值由计量经济学方法结合当地实际数据确定）
三、模型仿真
（一）模型检验
本文利用1999年到2013年全国住宅平均销售价格与模型仿真的住宅价格进行比较，如表1所示。
由表1可见，全国住房平均销售价格的实际数据与仿真数据的相对误差较少，由该模型进行仿真模拟并观察不同情形下房地产价格的变化趋势具有一定的参考意义。
（二）仿真模拟
1.仿真方案设定
本文将通过仿真方案的设定来观察变量间变化不均衡时，住宅市场价格的变化趋势。在城镇化的过程中，本文认为可以划分为三个不同的方面，分别是土地城镇化、产业城镇化及人口城镇化。具体仿真方案设定见表2。
表3为具体的仿真参数表，其中，1998年到2013年我国土地购置面积的平均增长率为8.77%，城市人口增长率为3.59%，第三产业人口增长率为2.86%。根据表2的方案设定，本文将高于现状的增长率设定为目前平均增长率的1.1倍，并分别计算各种仿真方案下增长率的参数，具体数值如表3所示。
2.仿真模拟结果
根据上文设定的方案参数，本文对不同方案下模型进行仿真模拟，其中，住房价格2016年到2025年的模拟结果如表4所示。
由表4可见，所有方案下，全国住宅平均销售价格均呈现出比较明显的上升趋势，这表明，在城镇化进程中，房地产价格依然会持续上升。在各种情形中，价格最高的是人口加速型，这主要是因为人口加速型提高了住宅市场的刚性需求，从而对住宅价格的促进也最大。其中，价格最低的是土地、产业加速型，在这一种情形下，因为土地供给增多，从而降低了土地价格，另一方面，第三产业就业人口增速加快导致国民经济水平提升，从而促进房地产市场投资，从而导致住宅市场中住宅供给上升，引起住宅价格的下降。由此可见，政府若希望控制房价过快增长，应采取相应措施提高土地供给，同时实现产业升级，提高第三产业在国民经济中的比例。
四、结论及建议
本文首先分析房地产住宅价格的影响因素，进而构建系模型分析我国城镇化进展对于住宅市场价格的影响，经仿真模拟，本文认为当城镇人口增长率较高时，对住宅价格的促进作用最大，而在土地城镇化及产业城镇化较为领先的时候，住宅价格提高的幅度最小。基于上文结论，本文认为，如果政府希望有效控制房价较快增长，可以提高土地供给，从而降低土地价格，加快产业升级，提高第三产业在国民经济中的地位，促进投资，提高住宅的供给量，从而降低房地产价格。另一方面，应该减少城乡收入差距，提高农村居民的生活质量，从而避免过多人口涌入城市，减少住房的刚性需求，从而降低房地产价格。
作者：祁山
第4篇：我国房地产价格与股票价格的互动关系研究
一、引言
作为国民经济的重要组成部分，房地产市场和股票市场在我国经济和金融的发展中发挥着举足轻重的作用，两者之间的财富效应和替代效应在带动市场间资金流动的同时，也使得两个市场的价格波动存在一定的关联度。因此，从历史演变来研究两者之间的互动关系，既可以为政府的宏观调控以及监管提供决策支持，还可以为投资者配置资产提供依据，有助于防范金融风险。
二、文献综述
作为学界与业界的热点问题，房价与股价的关系及互动机制吸引了学者们的广泛研究。Ibbotson和Siegel（1984）最早研究发现美国房价与标普500指数呈现负相关关系。有关这方面的研究，国外学者多从三个方面展开研究以寻找；两者之间的直接关系：协整关系、因果关系和共同的推动因素。在ESTR模型的基础上，Mcmillan（2012）发现英国和美国的房价与股价之间存在长期协整关系，而且房地产市场是引起股票市场价格变动的原因。基于非参数协整及非参数因果检验，Aye等（2011）考察了南非房价与股价之间的关系，发现两个市场不仅存在长期协整关系且互为因果关系。另外，国外学者将股票市场与房地产市场视为经济体系中的重要组成部分，认为两者之间的相互影响离不开宏观经济整体的大环境，如考虑货币供应量、GDP、利率、价格等实证两者关系（Apergisetal.，2014；Lisa，2010；Mansoretal.，2009）。
大部分国内学者的研究倾向于采取VAR模型分析两者之间的互动关系（连均思，2012）。李爱华等（2014）发现房价和股价存在长期正向均衡关系，且股价的变动在两者的因果关系中发挥主导作用。国世平（2012）国房景气指数、上证和深证A股指数发现两者相关系数较小，且房价是股价变动的原因。徐国祥和王芳（2012）通过分析我国房地产实体经济与股票市场的周期波动以及关联性，发现股票市场、房地产股票市场是引起房地产实体经济价格波动的Granger原因，但反过来并不成立。
总结来看，目前关于两者关系的研究，由于所选取的国家不同，甚至是同一国家所选取的时间段不同，研究结论并不一致。因此，本文在对我国房价与股价之间的互动关系进行研究时，充分考虑到房地产调控政策与整体经济运行的紧密相关性，根据房地产调控政策的力度进行阶段划分，在此基础之上，对每个阶段构建VAR模型并进行Granger因果检验、脉冲响应以及方差分解的分析，旨在发现两者之间的互动关系。
三、實证分析
1.阶段划分。受政府宏观调控的影响，我国房地产市场呈现出阶段性特征。因此，在分析房地产价格与股票价格之间的互动关系时，根据房地产调控的特点进行阶段划分是十分必要的。通过对2005年以来房地产调控的背景、内容以及相应的货币政策进行梳理，发现可以分为五个阶段，详见表1。
2.变量选取与数据处理。本文选取70个大中城市新建住宅价格指数（HP）作为房价的代表数据，选取上证综指（SP）表征股价，鉴于货币政策对于两者关系的重要性，选取M2作为货币供应量的表征指标，样本区间为2005年7月～2015年12月①（包含前四个阶段），数据来源于Wind数据库。为了加强数据的平稳性，在模型分析中我们使用各个指标的环比数据。
由图1可见，2005年以来，我国房价基本上保持上涨的趋势，但是每隔三年左右会出现一次向下的调整（Ⅰ：2008年9月～2009年2月；Ⅱ：2011年9月～2012年5月；Ⅲ：2014年5月～2015年5月），但都属于短周期的回调，且调整幅度不大，至今为止长周期的向下拐点尚未出现。结合货币政策的松紧观察房价与股价的关系，我们发现货币宽松周期下的房价下跌或对股市有利，但货币紧缩周期下的房价下跌并不会使得资金回流股市。例如2008年9月和2014年5月的房价下跌都处于货币宽松周期之中，在这期间股市第一次先跌后涨、第二次大幅上涨，房市资金确实有可能流入了股市；而2011年9月房价下跌之前，货币政策是在不断收紧的，股市在当时的整个房价下跌期内一直震荡下跌，这说明房市资金并没有回流股市。
模型的建立。本文采用ADF检验，对HP、SP、M2的月度环比数据分阶段进行检验，发现均为平稳序列，通过LR检验、SC信息准则以及AIC信息准则等判断四个阶段的最优滞后期均为1，并通过了稳定性检验。
r因果检验。VAR模型的重要应用是分析经济变量之间的因果关系，四个阶段房价与股价之间Granger因果检验的结果如下：在前三个阶段里，股价都是房价变动的Granger原因，这说明尽管房地产证券化在我国尚未真正出现，但我国股市存在房地产上市公司，由此可能带来股价格先行于房价，股价的变动在这一因果关系中发挥主导作用；在第四个阶段，房价与股价没有Granger因果关系，这与这一时期的房价过快上涨以及股市剧烈震荡有关，削弱甚至打破了两者常规的关联关系。
5.脉冲响应分析。为了研究某个内生变量随机扰动项的一个标准差冲击对模型中所有内生变量当前值及未来值的影响，本文对不同的宏观调控阶段房价、股价冲击与被冲击的动态响应路径进行了对比分析。
由图2可见，针对HP的一个冲击，除去特殊的金融危机发生的第二阶段，SP均表现为先正响应后负响应，且正响应都在本期达到最大值，但各个阶段的正响应最大值却在逐渐减小，与此同时，房价波动对股价造成的影响持续时间有延长的趋势。原因：首先，房地产市场和股票市场作为虚拟经济的重要组成部分，区别于实体经济的最突出特点在于它们都是观念支撑的价格系统，其价格走势与市场预期紧密相关，尤其在金融危机时期，两者作为风险的重要载体，其价格往往表现出同升同降的特点；其次，随着金融自由化、全球化以及资本市场的快速发展，房地产市场与股票市场之间的互动机制变得错综复杂，这就使得房价冲击在向股票市场传递的过程中效应不断被稀释。另外，伴随着房地产作为投资对象和投资工具参与到市场交易中，资本化定价方式在房地产市场发展中表现的日益明显，它作为一种实物资产兼具投资和消费的功能，越来越受到广泛的追捧，也是不可或缺的宏观经济增长点，由此可能在长期带来资金由股市向房市的流动，即房地产市场对股票市场存在挤出和替代效应。
针对SP的一个冲击，在四个阶段里HP都一直表现为正响应，且都在第2期达到最大值，但是各个阶段的正响应最大值也在逐渐减小，与此同时，股价波动对房价造成的影响也呈现拖尾的态势。另外，对比股价对房价冲击的响应和房价对股价冲击的响应，我们发现股价受房价的影响显著，而股价虽然对房价也有一定的影响，但相对而言较为微弱。一方面，与HP冲击下SP的响应类似，房地产市场与股票市场之间越来越长的传导链条减弱了冲击的效果；另一方面，我国房地产市场刚性需求的特点越来越明显，其拉动经济增长的支柱作用也使其越来越成为国家宏观调控政策的关注点，它的保值作用逐步倾向于超过投机性质，因此对冲击的反应相对较弱且越来越小但却越来越持久。
6.方差分解。为了分析每一个结构冲击对内生变量变化的贡献度，表2给出了在每个阶段的VAR模型中滞后1、2、10期HP、SP变动的方差分解结果（由于第10期后，各个阶段VAR模型每个内生变量的新息对房价和股价的方差分解结果基本稳定下来），其中，房价波动的主要决定因素来自于市场本身，在第1期四个阶段全部高达100%，股价从第2期开始对房地产价格的变动产生一定的影响，对房价的方差贡献率呈现逐步提升，但除了特殊的金融危机时期，最后达到稳定的贡献程度都小于20%。相对于房地产市场而言，虽然股价波动的主要因素同样来自于市场本身，但房价对股价波动的贡献程度要明显高于股价对房价变动的贡献程度。
四、结论与政策建议
本文在梳理2005年以来的房地产调控政策的基础上，按照房地产调控的特点对市场进行阶段划分，并针对房价与股价之间的互动关系进行了分阶段实证分析，主要得出以下结论：
r因果检验结果表明，在前三个阶段里股价都是房价变动的Granger原因，即股价的变动在这一因果关系中发挥主导作用，而第四阶段的房价过快上涨以及股票市场的剧烈波动削弱甚至打破了两者常规的关联关系。
2.从脉冲响应和方差分解的分析结果来看，房价对股价的影响显著，而股价虽然对房价也有一定的影响，但相比之下较为微弱。房价和股价波动的主要因素均来自于市场本身，但房价对股价波动的贡献程度要明显高于股价对房价变动的贡献程度。另外，伴随着虚拟经济的快速发展，房地产市场与股票市场之间日益复杂的传导链条稀释了两者之间的关联效应，且延长了效应传递所需的时间。
结合以上分析结论，本文认为应注重房地产市场和股票市场的统筹发展。鉴于两个市场的相关性以及对我国经济发展的重要性，政府在实施宏观调控时应协调并合理利用两者之间的关系，要充分考虑到调控其中一个市场而对另一个市场所可能产生的影响，尤其要警惕风险的传递与扩散。
作者：鲁晓琳
第5篇：我国房地产价格影响因素的实证分析
0引言
随着中国经济的逐渐发展，房地产行业不断壮大，并已成为国民经济的重要组成部分。在新常态下，房地产价格波动异常猛烈，2001年初至2002上半年房地产价格不断下降，从2002下半年到2005年初的房地产价格开始逐步上升，并抵挡了为期两年的市场冲击，但2007，下半年房价开始下降，直到2009首季度才反弹降落并迅速攀升，达到历史高点。如此频繁的房价波动具有潜在的隐患，对中国经济的发展是有百害而无一利的。因此，研究中国的房地产价格波动的主要经济因素，对防止当前和未来中国可能由房地产引发的经济危机着重要的现实意义。
西方国家有着发达的市场经济，对房地产价格机制的研究较早，在强调政府作用的同时，也普遍关注市场规律的作用[1]。而对于房地产市场，内部机制的研究相当丰富。在大量的实证研究中，人口因素经常被用来解释和预测房地产价格的变化和趋势，如Kallberg等人在针对美国早期一些城市的住房价格研究中，认为二战后生育婴儿高峰是人们购买房屋，房价的上涨的主要原因[2]。Brzezicka和Wisniewski分析了威尔士和英国住宅交易量和宏观经济的波动，尤其是在上世纪80年代揭示了金融自由化的影响，主要研究房地产市场交易量和人口结构的变化关系，最后得出结论，住宅需求波动是在市场成交量转变的关键因素[3]。Saita、Shimizu和Watanabe考虑到滞后过程，认为房地产价格与模型的变化、住房建设成本、就业和收入有直接的关系，得出利率和房地产价格呈负相关的结论[4]。Stevenson通过研究发现，英国房贷利率和长期利率挂钩制度是导致英国近几年房地产价格上涨的主要原因[5]。同时，国内学者也进行了大量的的中国房地产价格波动研究[6-8]，冯涛和杨达对GDP和银行贷款进行分析，认为银行的贷款并不影响房地产价格[9]。袁博和刘园则认为长期外资流入是导致是中国房价上涨的一个重要因素[10]。顾海峰通过房地产价格的实证分析，主要侧重于汇率和利率，得出结论：汇率与房地产价格之间呈正相关关系，利率与房地产价格呈负相关关系[11]。本文正是基于以上研究的成果，对影响房地产价格的因素进行深入探讨。
1房地产价格的理论模型
2数据来源、指标解释及研究方法
本文选取的是2000年-2014年的年度数据，数据主要来源于国家统计局的《中国统计年鉴》和中国人民银行官方网站。房地产价格（HP）由商品房平均销售价格表示，反映我国房地产价格的平均高低；收入水平（Income）由城镇单位就业人员平均工资表示，表明普通工薪阶层购买住房的经济能力，由于国家统计局对这两个指标的记录始于2000年，因此本文尽可能收集的最大时间跨度的数据。
人口数量（People）由当年年末总人口数表示，该指标统计了对房地产需求的群体数量；物价水平（CPI）即通货膨胀程度由居民消费价格指数表示；经济发展水平由人均国内生产总值（GDP）表示，能够说明房地产行业在什么样的宏观经济下发展；土地价格（Land）由房地产开发企业土地购置费用表示，是房地产开发建设较大的投入部分，这些指标的数据均来源于《中国统计年鉴》。贷款利率（Interest）则来源于中国人民银行官方网站。具体分析数据见表1。
本文研究方法：首先对被解释变量（HP）和被解释变量（People、CPI、Income、Interest、GDP、Land）做了单位根检验，确定他们是平稳的时间序列；用最小二乘法（OLS）做多元线性回归分析；利用逐步回归法剔除模型中存在的多余变量以消除多重共线性；最后采用拉格朗日乘数（LM）统计量检验回归方程的残差序列是否存在高阶自相关。
3模型检验与实证分析
3.1数据的平稳性检验
为了防止“伪回归”现象的出现，在实证分析之前，首先对搜集的各个指标数据分别进行单位根（ADF）检验，通过该检验查看时间序列的平稳性。零假设为存在单位根[16]，若拒绝原假设，则时间序列平稳。考虑到本文选取的指标本身具有明显的滞后特点，因此各时间序列均在滞后1阶或2阶的条件下进行检验，结果显示如表2。
从表2中可以看出，本文选取的指标，在滞后一阶或二阶后的检验值分别小于1%、5%的显著水平下的临界值，因此可以拒绝这7个时间序列有单位根的假设，认为这些指标在多个显著性水平下，都是平稳的时间序列。
3.2建立多元回归模型
此时，数据的拟合程度很高，各个变量在5%或10%的水平下均是显著的。但是D.W.=1.61，在样本容量为15，解释变量为5（包括常数项）的情况下，介于下限0.69与上限1.97之间，根据杜宾、瓦森的推导，不能确定该模型是否存在自相关性，因此需要借助其他方法进一步判断。
3.4自相关性检验
拉格朗日乘数法（LM）是另一种检验自相关性的方法，原假设为各阶自相关系数皆为零，LM统计量=Obs*R-squared渐进服从卡方分布。一般，在Eviews中观察P值，如果P值比较小，比如小于0.005，则拒绝原假设，认为原模型存在自相关。
LM统计量显示，回归方程的残差序列不存在2阶自相关。因此方程（6），能够很好地反映房地产价格与其影响因素的关系。图1展示了真实值与拟合值之间的关系，红色曲线代表实际值，绿色曲线代表拟合值曲线，蓝色为残差曲线。
4结论
从以上分析中主要得到如下结论：
第一，人口数量和土地价格与房地产价格呈正相关关系，弹性系数分别为0.3、0.11。由于人口数量和土地价格绝对数值比较大，每年即使变动1%，都会造成房地产价格的明显波动，因此弹性系数的大小，并不直接表示对房地产价格影响的重要程度。
第二，贷款利率与房地产价格成正相关关系，弹性系数为447.7。在迅速攀升的房价和巨大的投机利益面前，银行贷款利率的增加，不会给购房者带来额外的负担。空前旺盛的市场需求，导致房地产价格不断上升，投资者并没有因为加息而推迟购买计划。
第三，物价水平与房地产价格成负相关关系，弹性系数为-65.55。物价水平的变动对房地产价格的影响主要有两个方面，一是物价上涨，人们更倾向于购买生活必需品而非房产；二是人们通过购买房地产来保值，以应对不断上涨的通货膨胀率。在这两种趋势的综合作用下，物价水平负向影响房地产价格，说明人们对房地产市场的热情正在减退，不再盲目的跟风入市，这与早期的研究是不同的[18]。
此外，其他的经济政策因素也会影响房地产的价格[19-21]。例如，国家对土地供给的调控与分配；金融市场管制，抑制投机活动；通过调节货币供应量间接影响房价；外汇传导机制的应用等等，在将来的研究中应该对这些因素进行深入的分析。本文通过定量研究，确定了影响房地产价格的重要因素，包括人口数量、物价水平、贷款利率和土地价格，这对以后分析具体房地产项目的经济效益分析和风险评价具有重要意义。
作者：董春游
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。 返回经济论文列表
