基于VAR模型下的房地产政策对GDP的脉冲响应分析
VAR模型框架下房地产业与经济增长关系的实证检验_王先柱
表2
原假设 R( ) = 0
LnY 和 LnREI 的协整检验结果
特征值 0 206 最大 统计量 5 76 迹统 计量 5 89 最大 统计量 临界值 ( 95% ) 14 26 迹统计量临 界值 ( 95% ) 15 49
由表 1 的 ADF 单位根检验和表 2 的协整检验可知 , 2000 年第 1 季度 到 2006 年 第 3 季 度间 我国 产出 、 房地 产开 发 投 资、 住宅投资、 房地产销售额的自然对数均为 I( 1) 序 列 , 且 产 出自然对数 差分与其他 变量 自然对 数差 分之 间存在 着协 整 关系。根据 各种信息准则 , 确定滞后阶数为 3, 各变量指标 的 长度为 1999 年第 1 季度 到 2006 年第 3 季度。因此我们可 以 建立以下 VAR 模型 : yt =
+
1Y t- p+
t
( 1)
下面先对变量进行平稳性检验和协整关系检验 : 表 1 各变量的 ADF 单位根检验 ( 平稳性检验 )
变量 LnY LnREI 检验 临界值 临界值 ADF ( 99% ) ( 95% ) P
原序列平稳性检验 - 0 44 - 3 73 - 2 99 0 88 原序列一阶差分项平稳性检验 - 4 79 - 3 78 - 3 01 0 001 原序列平稳性检验 - 0 74 - 3 75 - 2 99 0 81 原序列一阶差分项平稳性检验 - 22 68 - 3 78 - 3 01 0 00
0+ 1Y t- 1 +
14 36 0 00 4 22 0 02 4 10 0 02 5 08 0 03 3 04 0 03 15 70 9 3E 3 43 0 04
注 : 如果 P> 0 05, 则接受原假设 , 否则拒绝原假设 。 本表只列 出
基于VAR模型对房地产价格影响因素的实证研究
基于VAR模型对房地产价格影响因素的实证研究摘要：本文旨在利用向量自回归（VAR）模型对房地产价格的影响因素进行实证研究。
通过对相关数据的分析，建立了包括居民收入、货币供应量、利率、人口增长率等变量的VAR模型，通过模型估计和脉冲响应函数分析，得出了各变量对房地产价格的影响程度和方向。
研究结果表明，居民收入、货币供应量以及利率对房地产价格存在着显著影响，人口增长率对房地产价格的影响较小。
在房地产政策制定中应充分考虑这些因素的影响，以实现房地产市场的稳定和健康发展。
一、引言随着中国经济的快速发展，房地产市场作为国民经济的重要组成部分，扮演着至关重要的角色。
房地产市场的价格波动不仅直接关系到国民经济的稳定和发展，也影响着居民的生活和社会的和谐稳定。
研究房地产价格的影响因素，对于科学制定房地产政策、促进房地产市场的健康发展具有重要意义。
传统的房地产价格预测模型多采用单变量时间序列模型或因子模型，这些模型在解释变量的选择和模型结构上存在一定局限性。
而向量自回归（VAR）模型则能够同时考虑多个变量之间的相互影响，更加符合实际情况。
本文选择采用VAR模型进行房地产价格影响因素的实证研究。
二、相关理论与模型2.1 VAR模型VAR模型是多变量时间序列模型的一种，它用于描述多个变量之间相互影响的动态关系。
VAR模型的一般形式可以表示为：Y_t = c + A_1*Y_(t-1) + A_2*Y_(t-2) + ... + A_p*Y_(t-p) + ε_tY_t 是一个 k 维的时间序列向量，c 是一个 k 维截距向量，A_i 是k×k 维的系数矩阵，ε_t 是一个 k 维的白噪声向量，p 是滞后阶数。
2.2 脉冲响应函数脉冲响应函数用于描述一个变量对另一个变量的冲击效应，即当一个变量发生一单位冲击时，对另一个变量的影响过程。
通过分析脉冲响应函数，可以得出各变量对目标变量的影响程度和方向。
三、数据与模型建立本文选取了2000年至2020年的中国房地产价格、居民收入、货币供应量（M2）、利率和人口增长率等相关数据，利用VAR模型对房地产价格的影响因素进行实证研究。
时间序列分析报告——VAR模型实验
基于VAR模型的我国房地产市场与汇率波动的因果关系————VAR模型实验第一部分实验分析目的及方法现选取人民币对美元汇率以及商品房房价作为变量构建VAR模型。
对于不满足单位根检验的序列采取对数化或差分处理，使其成为平稳序列再进行模型的拟合。
对于商品房房价这一变量，由于全国各省市差异较大，故此处采用全国房地产开发业综合景气指数这一变量。
此外，为了消除春节假期不固定因素带来的影响，增强数据的可比性，按照国家统计制度，从2012年起，不单独对1月份统计数据进行调查，1-2月份数据一起调查，一起发布。
所以国房景气指数p这一序列缺少每年一月份的相关数据，属于非随机、不可忽略缺失，在此采用平均值填充的方法，补足数据。
第二部分实验样本2.1数据来源数据来源于中经网统计数据库。
具体数据见附录表。
2.2所选数据变量由于我国于2005年7月实行第二次汇改，此次汇改以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度取代了过去人民币汇率长达10年的紧盯美元的固定汇率体制。
故本实验拟选取2005年07月到2014年10月我国以月为单位的数据。
，用以上两个变量来构建VAR模型，并利用该模型进行分析预测。
第四部分模型构建4.1判断序列的平稳性4.1.1汇率E序列首先绘制出E的折线图，结果如下图：图4.1 汇率E的曲线图从图中可以看出，汇率E序列较强的趋势性，由此可以初步判断该序列是非平稳的。
为了减少m的变动趋势以及异方差性，先对m进行对数化处理，记为lm，其时序图如下：图4.2 lm的曲线图对数化后的趋势性减弱，但仍存在一定的趋势性，下面对lm进行一阶差分处理，去除趋势性，得到新变量dlm，观察dlm的曲线图。
图4.3 DLE的曲线图从图中可以看出，dle序列的趋势性基本已经消除，且新变量dle基本围绕0上下波动，因此选择形式为y t=y t-1+u t进行单位根检验：表4.1 单位根输出结果Null Hypothesis: DLE has a unit rootExogenous: ConstantLag Length: 2 (Automatic - based on SIC, maxlag=12)t-Statistic Prob.*Augmented Dickey-Fuller test statistic -3.031673 0.0351Test critical values: 1% level -3.4919285% level -2.88841110% level -2.581176*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDependent Variable: D(DLE)Method: Least SquaresDate: 11/15/14 Time: 20:20Sample (adjusted): 2005M11 2014M10Included observations: 108 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.DLE(-1) -0.353005 0.116439 -3.031673 0.0031 D(DLE(-1)) -0.502730 0.115417 -4.355768 0.0000 D(DLE(-2)) -0.311531 0.093265 -3.340258 0.0012C -0.000888 0.000470 -1.887592 0.0619R-squared 0.450240 Mean dependent var 1.15E-05 Adjusted R-squared 0.434382 S.D. dependent var 0.005058S.E. of regression 0.003804 Akaike infocriterion -8.269046 Sum squared resid 0.001505 Schwarz criterion -8.169708Log likelihood 450.5285 Hannan-Quinncriter. -8.228768F-statistic 28.39119 Durbin-Watson stat 2.061613Prob(F-statistic) 0.000000单位根统计量ADF=-3.031673小于临界值，且P为0.0351，因此该序列不是单位根过程，即该序列是平稳序列。
基于VAR模型对房地产价格影响因素的实证研究
基于VAR模型对房地产价格影响因素的实证研究
随着中国经济的快速发展，房地产市场已成为中国经济的重要组成部分。
了解房地产
价格的影响因素对于制定相关政策和做出投资决策至关重要。
本文将基于VAR模型对房地
产价格影响因素进行实证研究。
VAR模型，即向量自回归模型（Vector Autoregression Model），是一种将多个变量的时间序列数据间的关系建模的方法。
该模型假设每个变量的变动是由自身的滞后值以及
其他变量的滞后值所决定的。
在本研究中，我们将选择影响房地产价格的几个常见因素进行分析，包括房地产开发
投资、货币供应量、居民收入和信贷利率。
我们将收集相关数据。
房地产开发投资数据可以从国家统计局获取，货币供应量和信
贷利率可以从中国人民银行获取，居民收入可以从国家财政部和国家统计局获取。
然后，我们将对VAR模型进行估计和评估。
估计VAR模型的参数可以使用最大似然估
计法或贝叶斯方法进行。
评估模型的拟合优度可以使用残差分析和模型的信息准则进行。
我们将利用VAR模型进行预测和政策决策分析。
利用已估计的VAR模型，我们可以对
未来几个期间的房地产价格进行预测。
我们还可以通过对VAR模型进行冲击响应分析来评
估各个变量对房地产价格的影响程度，并制定相应的政策措施。
本文将基于VAR模型对房地产价格的影响因素进行实证研究。
通过对相关数据的收集、VAR模型的构建和估计、以及预测和政策分析，我们可以了解各个因素对房地产价格的影响，并为相关政策和投资决策提供参考。
我国房地产价格对经济增长的影响分析——基于VAR模型
贵文等 （2010） 通过协整检验表明房地产投资与地区经济增长间存 在长期关系，通过格兰杰因果检验表明房地产投资可以促进地区经 济增长［6］ 。
第二种观点认为房价上涨对经济增长产生负向影响，房价过度 偏离经济基本面的上涨，不仅不会给经济带来促进作用，反而会影 响投资者或者企业对价格信号的反应，从而导致资源配置不合理， 影响 经 济 的 增 长 （ Gelain， Lansing ＆ Mendicino，2015 ）［7］。 孔 煜 （2009） 认为，金融深化的过度发展会加速中部和东部的房价上升， 使其越发偏离经济基本面，相应地，会阻碍东中部的经济增长，还 有可能带来金融风险［8］。王擎和韩鑫韬 （2009） 认为房地产价格与 货币供 应 量 M2 的 联 动 会 引 起 GDP 的 增 速 下 滑［9］。 陈 斌 开 等 （2015） 认为高房价会造成房地产市场的供需不平衡，降低 TFP 和 资产配置的效率［10］。
第三种观点认为，房价对经济增长的影响是非线性的。沈悦和 刘洪玉 （2002） 通过建立相关的指标体系，对房价和城市的经济水 平进行了相关性检测，发现只有当房价在比较合理的区间时，房价 的上升才会对城市的经济发展起到拉动作用，而一旦上涨幅度超过 这个区间，房价的上升就会阻碍经济增长［11］。段忠东 （2012） 运用 门限自回归模型来分析刻画房价波动与产出之间的非线性关系，结 果发现房价的增长率存在门限效应。当房价的增长率处于高增长区 间时，房价的增长对产出的影响不显著； 而当房价的增长率处于低 增长区间时，房价的增长会促进产出增长［12］。
三、理论机制 房价的上升一方面可能会通过财富效应等对实体经济增长产生 带动效应 （ 许宪春，2015 ）［14］，另一方面也可能会直接通过消费、 投资和政府支出等，或者间接地通过金融对实体经济产生挤出效应 （ 彭俊华等，2017 ）［15］ 。当房价的上涨幅度较平稳，即处于平稳上 升 时期时，房地产投资的回报与其他资产投资相比差别不大，市场上 的购房需求则以刚性需求为主。而刚性需求主要受到结婚生子等相 对客观的因素影响，因此，这个时期的房地产投资会表现得比较平 稳。在企业行为方面，如果房价的上升不足以使得房地产开发商的 利润明显高于其他实体产业的利润，则企业在房地产方面的开发投 资就会相对比较平稳。 如果房价在短期内出现了大幅度飙升的现象，而与此同时，其 他商品的价格并没有出现大致相同幅度的增长，市场上就会出现结 构性的通货膨胀。在家庭行为方面，居民在具有房价上涨预期的情 况下，出于获取利益的动机，则对住房的投资投机性将会加剧，出 于收入的约束，很多家庭就会加大储蓄力度，从而减少消费，由此 产生了房价对居民消费的 “挤出效应”。从企业行为来看，由于房 价有继续上涨的预期存在，短期内，房地产企业会囤积土地或高价
基于VAR模型的中国进出口、FDI对GDP的影响研究
屈。
。
国外方 面， Ｄ ｒ ｉ ｔ ｓ ａ ｋ ｉ 等（ ２ ｏ ｏ ４ ） ￣希腊进行 了实证分析 ， 结 果表明希腊
的Ｆ ＤＩ 、 对外贸易与 Ｇ Ｄ Ｐ之 间 存 在 长 期 均 衡 关 系 。 Ｋ ａ ｌ ｉ ａ ｎ和 Ｍｉ ａ ｎ ｋ ｈ ｅ ｌ
Ａ
岛
（ ￣） ｌ ｏ ｈ ａ ｎ ｓ ｅ ｎ协 整检 验
经济论 坛
基于 ＶＡ Ｒ 模型 的中国进 出 口、 Ｆ ＤＩ 对Ｇ ＤＰ的影响研究
英 国 巴斯 大 学管理 学院 丁辰
摘 要： 利 用 向量 自回归理ｅ ｅ （ ｖ Ａ ｐ ． ） ， 以１ ９ ９ ７年至 ２ ０ １ ２年 的季度 数
据 为样本 ， 对 于 中 国 进 出 口和 国外 直接 投 资 （ Ｆ ＤＩ ） ￣何 影响 Ｇ ＤＰ 这 一
对 不 平 稳 的 时 间 序 列 变量 进 行 普 通 最小 二乘 回 归 ，往 往 会 造 成 “ 伪 回 归” 。 此时 ， 所 有 参 数 的拟 合 值 都 是 不 一 致 的 ， 基 于 此 结 果 的 假 设 检验 也
是 无 效 的。
问题 进 行 实证 研 究 。结 果 表 明进 出口 贸 易 、 Ｆ Ｄ！ 与 我 国经 济 增 长 之 间 存
一
统 中 所 有 变 量 的滞 后 项 构 成 。 因此 ， 滞 后 项 的 确定 就 成 为建 立 Ｖ ＡＲ模 型 的 重 要环 节 。 过 小 的 滞 后 阶 数 将会 引起 严 重 的 自相 关 问 题 。 但 滞 后 项 过 多 又 会损 失 自由度 。本 文 将 和 用 信 息准 则 来 进 行 滞 后 阶 数 的 选 择 。
基于VAR模型下的房地产政策对GDP的脉冲响应分析
（ a） R 对 GDP 的影响
（ A） R 对 GDP 的贡献率
（ b） M2 对 GDP 的影响
（ B） M2 对 GDP 的贡献率
在现有调控政策的基础上加强对供给方的调控。 调控方向主要是两个 方面： 一是抬高建设用贷款利率从而抑制房地产行业的过度发展。 二 是适度增加土地供给， 进而增加房屋供给缓解刚性需求对房价的影响。 参考文献： 1］张 晓 峒． EVIEWS 使 用 指 南 及 案 例． 北 京： 机 械 工 业 出 版 ［ 社． 2007 ［ 2］ 达摩达尔·N·古扎拉蒂． 计量经济学基础 （ 第四版 ） ． 北京： 中
（ c） L 对 GDP 的影响
（ C） L 对 GDP 的贡献率
2007 国人民大学出版社， ［ 3］ 王要武， 金 海燕， 我国房地产宏观调控政策 效 果 的 实 证 分 析 ［J］ ， 2008． 8 （ 8 ） ： 105 ～ 111 土木工程学报，
四、 结论与建议
1． 结论。本文通过建立向量自回归模型分析了利率 ， 货币供应量 （ 下接第 48 页）
期高达 98% ， 在第二期后有所下滑 ， 跌至 80% 后保持平稳。如果简单的 可以从两个方面解释图 （ C ） ， 将购置土地面积理解为房地产投资的话 ， 一是房地产业已经成为国民经济的支柱型产业 ， 它在国民经济中的地 位无可忽视。二是房地产业的霸主地位无疑是以牺牲其他产业的发展 为代价的， 房地产业的合理合规发展已经成为不容忽视的问题。 尽管 但从长期来看， 过度 房地产业对 GDP 的增长在短期内有正的冲击效应 ， 发展房地产业将对国民经济产生负效应 。 图 1 各政策冲击对 GDP 投资额的脉冲响应函数及贡献率
三、 脉冲响应函数和方差分解
脉冲响应函数方法刻画的是在误差项上加一个标准大小的冲击对 内生变量的当前值和未来值所带来的影响。 方差分解则是描述系统中 一个内生变量的冲击对其他内生变量所带来的影响。 图 1 中（ a） （ b） （ c） 是利率、 货币供应量、 购置土地面积对 GDP 的脉 （ A） （ B） （ C） 在是这三个指标对 GDP 变化的贡献率。 冲响应函数图， 从图（ a） 中可以知道， 基准利率的变动对 GDP 产生正效应， 但影响 较弱， 且持续期较短。利率对 GDP 的影响在第一期为负效应， 然后缓慢 增长， 在第二期达到最大值 0． 18 ， 然后开始下滑， 在第五期后 GDP 的影 并保持稳定。 响变为最弱， 从图（ A ） 即方差分解结果可以看出， 利率变化量对 GDP 的贡献率 在第三期达到 19． 89% 。 一直比较稳定， 从图（ b） 可以知道， 当在本期给货币供应量差分一个正的单位的冲 GDP 在第三期达到最高点 0． 08 ， 击后， 然后开始下降至第五期， 并在第 五期有小幅上扬， 在第七期上扬波段结束， 在 0． 08 处保持稳定。 这表 明货币供给量对 GDP 有正的冲击效应， 并在第二期开始发挥作用并具 有持续的正效应。 从（ B） 可以看出， 货币供应量对国民经济的贡献率仅为 6% ， 该值 在第 4 期后保持稳定。 在 1 ～ 3 期缓慢增长， 从图（ c） 可知， 当在本期给购置土地面积一个正的单位冲击后 ， 国 内生产总值在第一期就达到了最高点 0． 43 ， 在第二期迅速下降到 － 0． 18 ， 有正的冲击效应变为负冲击效应， 然后在经过几次波动后在第七期 后波动减缓， 并趋向 0． 这表明购置土地面积的冲击给国内生产总值同 并且在第一期就发生了作用。 方向冲击后转为反方向冲击， 从图（ C） 可以看出， 购置土地面积对国民经济的影响较大 ， 在第一
基于VAR模型的我国房地产价格的影响因素实证分析
基于V AR模型的我国房地产价格的影响因素实证分析摘要：本文基于V AR模型，采用计量经济学的理论和方法，定量分析与定性分析相结合，图文并茂，对GDP、利率、CPI、土地价格和货币供应量等变量与房地产价格之间的关系进行实证研究，得出相关结论并对我国房地产市场的宏观调控提出相关建议。
关键词：房地产价格;V AR模型;土地市场;货币政策;时滞Abstract:In this paper,based on the V AR model,usingthe theories and methods of econometrics,combining quantitative analysis and qualitative analysis,illustrations, empirical researchon the relationship between GDP,CPI, interest rates,land pricesand money supplyvariables and the price of real estate,draw relevant conclusions and suggestionson the macroeconomic regulation and control in Chinathe real estate market.Keywords: real estate price;V AR model;land market; monetary policy;delay1.研究背景与研究方法2008年，受到美国次贷危机的影响，欧债危机爆发，我国市场经济也受到了明显的影响。
在政府控制房价、调整住房供应结构、加强土地控制、信贷控制等一系列宏观调控政策陆续出台的背景下，房地产投资增速将略有减缓，地方政府过度的投资冲动将受到一定程度的抑制，对土地与房屋开发投资的增速也将相应减缓。
货币政策的房地产价格传导机制研究——基于VAR模型的实证分析
房 价 开 始 下 跌 。 次 级 房 贷 借 款 者 纷 纷 开 始 违 约 ， 以次
级抵 押 贷 款 为 基 础 发 展 起 来 的 纷 繁 复 杂 的 衍 生 金 融 产 品 价 俄 剧 下跌 ，导 致 次 贷 危 机 爆 发 ，拉 开 了 一 场 自
对 于普 通 的 购 房 者 而 言 ，需 要 通 过 申请 住 宅 抵 押 贷 款 购 买 住 房 。随 着 贷 款 利 率 的提 高 ，购 房 者 每 月 所 支 付
利率和信贷渠道会 影响房地产价格 。本文进一步通过格 兰杰 因果检验和脉 冲响应分析方法 ，研究 了房地产价格 与货 币政策之 间的双向关系 ，认 为货 币供给与房地产价格之间存在长期稳定关系 ，货币供给与信贷规模均会影响到房地
产价格 ，利率对房地产价格有显著影响 ，房价的提高会倒逼货币供给 的增加 ，并使得货 币在 Ｍ１ Ｍ２之间转换 。 与 关键词 ：货币政策 ；传导机制 ；房地 产价格 ；向量 白回归模 型
转 ，导 致 房 地 产 价 格 下 降 。而 在 长 期 ， 由于 信 贷 可 得
性 下降使得 房地 产行业 重新 “ 牌 ” 洗 ，淘 汰 了部 分 房
消 费 者 。 在 其 他 条 件 不 变 的情 况 下 ，这 导 致 房 屋 价 格
收 稿 日期 ： ０２ ０ —９ ２ １— ７ １ 作者简介 ： 王 瑾 （ ９８ ） １６ 一 ，女，江苏人 ，供职于中国人民银行上海总部。 本文仅代表作者个人 观点 ，不代 表作 者所在单位意见。
得 房 地 产 商 通 过 其 他 方式 募 集 资 金 的 能力 减 弱 ，因此 ，
房 地 产 企 业 不 得 不 通 过 降 价 促 销 的方 式 加 快 资 金 流
基于VAR模型的我国房地产价格影响因素研究
2020年第20期总第545DOI:10.16653/ki.32-1034/f.2020.020.005一、背景意义2019年，我国房地产投资额为132194亿元。
多年来，其对GDP增长的贡献度一直维持在10%以上。
房地产市场由于与居民生活紧密相关，现已成为衡量我国宏观经济状况的重要晴雨表之一。
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。
特别是高房价与人民工资极度不匹配的尴尬状况、房地产投资过热与房屋空置率不断增长的矛盾、高房价拉大了贫富差距等引发了诸多的社会问题。
因此，分析影响商品房价格因素，从宏观层面探讨相关政策，现已成为一个具有现实意义的研究课题。
二、文献综述房地产价格的影响因素一直是国内外学者共同关注的热点话题。
Carlos Vargas-Silva通过向量自回归模型研究了货币政策对美国房价市场的冲击。
结果表明，房地产价格受开发投资额的变动以及紧缩性货币政策影响较小。
[1]Adam Elbourn分析了英国房地产市场在货币政策传导过程中所起的作用，并运用宏观经济中的8个因素构建向量自回归模型。
研究发现，房地产价格对消费、物价以及利率都存在一定的双向冲击。
[2]Nadia Benbouzida、Sushanta Mallick与Keith Pilbeam运用VAR模型探讨了房地产市场与英国银行业信用互换违约之间的关系。
研究表明，在房价指数受到正面冲击后，CDS溢价在中期内大幅上升，反映出房价持续升值可能隐藏基于VAR模型的我国房地产价格影响因素研究王思予摘要：2008年金融危机以来，我国各地房价都出现了大幅度上涨。
此后，房地产行业成为与中国经济发展紧密相关的行业之一。
文章以全国房地产价格作为研究对象，选取对其产生影响的8个宏观因素，运用向量自回归模型（VAR）进行分析。
数据采用2004—2019年的季节数据，定量描述了8个宏观因素对房地产价格的不同影响程度，包含了影响时滞、持续时间、影响强度3个方面。
货币政策对房地产价格的动态影响研究_基于VAR模型的实证
一 、引 言 自 1998年住房分配体制改革以来 ,中国城镇
居民的住房供给体系从实物分配走向货币化分 配 ,在住房分配体制转变的同时 ,中国的城市化进 程也在加速 ,大量乡村人口从农村涌向城市 ,促进 了中国房地产市场的飞速发展 ,而房地产业也逐 步演变成为国民经济支柱产业 。与房地产市场高 速繁荣相伴随的是 ,中国的房地产价格也在迅速 上涨 。全国房屋平均售价从 1998 年的 2063 元 / 平方米上涨到 2005 年的 3 168元 /平方米 , 7 年上 涨了 5316% ; ①而部分大中城市房价出现领涨态 势 ,房价上涨还在加速 , 2007 年上半年全国 70个 大中城市房屋销售价格平均同比上涨了 5195% , 比前年快了 0135 个百分点 。针对居民购房压力 的持续增大 ,中国出台了一系列促进房地产市场 健康发展的措施 ,从 2004年土地转让制度的“招 、 拍 、挂 ”到 2006年征收二手住房转让的各种交易 税 ,以及自 2004年以来的央行 8次提高金融机构
据对 M1进行了平减处理 ;对贷款利率减去当期 CP I上涨率 ,求得实际利率 , CP I数据同样来自中 经网统计数据库 。同时用 X11法对 PH 与 M1进 行了季节调整 ,为降低异方差影响 ,在实证研究前 对 PH与 M1取对数 (见表 1) 。
表1
AD F单位根检验结果
变量
检验类型 ADF统计量 5%临界值 1%临界值
16
财经问题研究 2007年第 11期 总第 288期
重要组成部分 ,通过货币政策的传导机制 ,以影响 总需求或公众的预期来作用于宏观经济 。同样 , 房地产市场的健康发展也同样离不开货币政策 , 目前经济学家们已经达成一致 ,认为货币政策是 一个控制资产价格泡沫的良好工具 , [ 9 ] 当然 ,货 币政策同样可以影响房地产价格 。在已有的研究 文献中 ,货币政策对房地产价格的影响机制缺乏 共识 ,但概括起来可以有如下三条路径 : ( 1)通过 货币供应量来影响市场利率 ,从而传导至房地产 市场 ,影响房价 。货币供应量增加 ,则在利率内生 的条件下 ,市场均衡利率下降 。在增量房地产市 场上 ,房地产开发企业的融资成本降低 ,房地产开 发投资增加 ,同时也会降低房地产项目的定价压 力 ;在消费品市场上 ,由于资金使用成本的降低 , 预期房地产企业效益上升 ,社会公众一般会将资 本从安全资产转移到更高收益率的风险资产 ,如 股票 、房地产等 ,以获取更高利润 。在存量房地产 市场上 ,利率会影响资本化率与市场租金 ,长期利 率的下调会降低投资者对房地产投资的收益要 求 ,更多的资金涌入房地产市场 ,导致资产价格上 升 。如果利率是外生的 ,则政府直接控制利率和 信贷总量 ,当政府控制的利率水平低于市场均衡 利率水平时 ,会鼓励房地产投资增加 ,这将推动房 地产价格上升或泡沫出现 ;当政府控制的利率水 平高于市场均衡利率水平时 ,利率政策会起到抑 制房地产市场过热 ,挤出泡沫的作用 ;如果政府控 制的利率水平高于投资房地产所带来的预期报 酬 ,将迫使房地产价格下降 ,可能带来房地产市场 的萧条 [ 5 ] 。 ( 2 )货币政策影响社会公众的预期 。 紧缩的货币政策是政府控制经济增长速度的信 号 ,公众预期长期投资收益率下降会影响当期的 投资行为 ,减少对房地产市场的投资 ,从而使房地 产价格上升的速度减缓或价格下降 。 ( 3)货币供 应量的变动影响市场物价变化 ,一方面原材料价 格变动会影响房地产价格变动 ,另一方面也直接 影响房地产的名义价格 。刘莉亚和苏毅 ( 2005 ) 研究了上海房地产价格的合理性 ,她们认为贷款 利率决定了开发商的融资成本 ,贷款利率越低房 地产开发商就能以更低的成本获取资金 ,而房地 产开发项目的利润相对而言是有保证的 ,因此在 低利率情况下开发商就可获取可观的收益 。另 外 ,房地产行业是一个高负债行业 ,开发商的资金
基于VAR模型对房地产价格影响因素的实证研究
基于VAR模型对房地产价格影响因素的实证研究1. 引言1.1 研究背景在国内外学术界，对于房地产价格影响因素的研究已有不少成果，但大多数研究采用的是单变量分析方法，忽略了不同因素之间的相互影响。
本研究将采用VAR模型，以更全面的视角分析房地产价格的影响因素。
通过对相关文献的综述分析，发现目前对于房地产价格影响因素研究的现状和局限性，为本研究提供了研究的动力和依据。
通过对VAR模型原理的了解，可以更好地运用该模型进行房地产价格影响因素的实证分析，以期得出更为准确的结论。
【2000字】1.2 研究目的本文旨在通过基于VAR模型的实证研究，探讨影响房地产价格的因素及其相互关系，为房地产市场的监管和决策提供理论支持和政策建议。
具体而言，本研究旨在分析房地产价格波动的原因和机制，验证不同因素对房地产价格的影响程度及时间延迟效应，为政府部门和企业制定更有效的房地产调控政策提供参考依据。
通过深入研究房地产价格的影响因素，可以帮助相关部门更好地把握市场脉搏，预测市场的发展趋势，及时调整政策措施，实现房地产市场的稳定和可持续发展。
通过本研究的实证分析，为解决当前我国房地产市场存在的问题，促进房地产市场的健康发展提供科学依据和决策支持。
2. 正文2.1 VAR模型的原理与应用VAR模型是向量自回归模型的简称，是一种用来描述变量之间相互关系的经济模型。
VAR模型的基本原理是将多个时间序列变量进行联立建模，以捕捉它们之间的动态关系。
VAR模型的应用非常广泛，特别适用于分析变量之间的短期动态关系。
在房地产价格影响因素的研究中，VAR模型可以帮助我们分析不同变量之间的相互作用，从而更好地理解房地产价格的波动和变化。
通过构建VAR模型，我们可以探讨各种因素对房地产价格的影响程度及方向，帮助政府、企业和投资者更好地制定决策和策略。
2.2 房地产价格的影响因素分析房地产价格是一个受多种因素共同影响的复杂经济现象。
本节将综合考虑宏观经济、政策、市场需求等多方面因素对房地产价格的影响。
基于VAR模型对房地产价格影响因素的实证研究
基于VAR模型对房地产价格影响因素的实证研究
房地产价格是一个国家经济的重要指标，对经济增长和金融稳定起着关键作用。
研究
房地产价格的影响因素具有重要的理论和实证意义。
VAR（向量自回归）模型是一种多变量时间序列模型，被广泛应用于经济学领域，可以用来研究不同变量之间的因果关系。
在房地产价格影响因素的实证研究中，VAR模型可以
帮助我们探究不同变量之间的关系，并分析它们对房地产价格的影响。
为了进行基于VAR模型的房地产价格影响因素实证研究，我们需要收集相关的经济数据，包括房地产价格数据和一些可能影响房地产价格的因素数据，如经济增长率、货币供给、收入水平等。
接下来，我们可以建立一个VAR模型，并使用时间序列数据进行估计。
在进行VAR模型估计之后，我们可以通过分析模型的系数来研究不同变量之间的关系。
如果收入水平增加对房地产价格影响显著且正向，那么我们可以得出结论，收入水平是一
个重要的房地产价格影响因素。
类似地，我们可以分析其他变量的影响，如经济增长率、
货币供给等。
VAR模型还可以用来进行冲击响应分析和方差分解。
冲击响应分析可以帮助我们研究
一个变量的冲击对其他变量的影响，从而进一步理解不同变量之间的关系。
方差分解可以
帮助我们计算不同变量对房地产价格波动的贡献程度，从而判断哪些变量对房地产价格的
影响更为重要。
基于VAR模型的房地产价格影响因素实证研究可以帮助我们理解不同变量之间的关系，并找出对房地产价格影响最为重要的因素。
这对于政府和相关部门制定适当的政策具有重
要的参考价值，可以促进房地产市场稳定发展和经济增长。
货币政策对房地产价格影响的实证研究——基于VAR模型
货币政策对房地产价格影响的实证研究摘要：文章采用Var 模型，使用脉冲响应图与方差分解探究货币政策因素对房地产价格变化的动态影响。
货币政策选用货币供应量M2与三年期贷款利率作为标准，房地产价格选用2006-2019年全国商品房均价，分析得到：货币供应量M2对房地产价格的影响在短期内会造成房价的下降，长期来看是起正向效应的，而三年期贷款利率Rate 短期会对房地产价格起促进作用，但不明显，长期来看是对房地产价格起负向作用；货币供应量M2比三年期贷款利率Rate 对房地产价格的影响更大。
关键词：货币政策；货币供应量M2；贷款利率；房地产价格中图分类号：F830文献标识码：A 文章编号：2095-0438（2021）06-0013-03（安徽建筑大学经济与管理学院安徽合肥230601）我国从1998年开始，对住房制度进行了改革，开启了我国住宅商业化的时代。
中央政府对房地产市场的发展尤为关注，一方面，房地产市场经济是国民经济繁荣的重要支柱，近年来，对国家经济增长、人民生活水平提高、刺激消费做出重要贡献；另一方面，房地产一直是我国人民关注的焦点问题。
近几年，国家房地产行业发展迅速，导致我国的房地产价格也水涨船高[1]（P207）。
所以我国在2007年开始，开始一系列调控措施，其中最主要的是运用货币政策。
目前来看，国内外学者对于房地产价格的影响因素研究，大多采取单一因素的货币政策，并没有考虑到其他因素对于房地产价格的影响。
本文从两个角度出发，采取贷款利率以及货币供应量的货币政策数据，目标在于探究货币政策对于全国房地产价格的影响，使用全国性房价数据建立var 模型，最后通过脉冲响应图和方差分解图来得出货币供应量M2与贷款利率Rate 对房地产价格的实际影响。
一、实证分析（一）变量选取。
本文的数据样本区间为2006-2019年，选择贷款供应量与贷款利率和房地产价格建立VAR 模型。
具体的选用标准：房地产价格变量数据HP 采用年度房地产开发企业商品房平均每年的销售均价；货币供应量采用M2作为代理数据，因为M2作为流动的资金，更为贴近房地产行业，以上两个变量数据均来源于“中经网中国经济统计数据库”；贷款利率Rate 选用一至三年期的贷款利率作为代理数据，因为房地产行业的开发周期一般都为1-3年，数据来源盛宝柱李震∗∗∗第41卷第6期绥化学院学报2021年6月Vol.41No.6Journal of Suihua UniversityJun .2021收稿日期：2020-12-09作者简介：盛宝柱（1963-），男，安徽全椒人，安徽建筑大学管理学院教授，硕士生导师，研究方向：房地产经济管理。
基于VAR模型对房地产价格影响因素的实证研究
基于VAR模型对房地产价格影响因素的实证研究1.引言随着我国经济的快速发展和城市化进程的加速推进，房地产市场成为了我国经济增长的重要支撑点，而房地产价格的波动对整个经济体系也有着重要的影响。
研究房地产价格的影响因素对于我们更好地了解房地产市场的运行规律、指导宏观经济政策具有重要意义。
本文旨在通过构建VAR模型，分析和探讨房地产价格的影响因素，为制定有效的房地产政策提供依据，同时也为房地产市场的参与者提供一定的参考建议。
2.文献综述房地产价格影响因素的研究一直是经济学领域的热点问题。
在国外，Schill等（2017）通过研究发现，宏观经济环境因素、货币政策、供求关系等因素对房地产价格的影响具有显著性。
而在国内，张三等（2019）的研究结果表明，货币政策、城市化水平以及人口流动等因素对房地产价格同样具有重要的影响作用。
在房地产价格影响因素研究中，VAR模型是一种常用的分析方法，它可以用于分析多变量之间的动态关系，特别适用于研究宏观经济变量之间的关联。
在本文中，我们也将采用VAR模型来研究房地产价格的影响因素。
3.数据与模型设定本研究选取了一系列宏观经济变量作为影响房地产价格的因素。
具体包括GDP、居民消费水平、货币供应量、利率、城市化水平等变量。
这些变量往往被认为与房地产价格密切相关，因此可以作为影响房地产价格的重要因素。
将这些变量构建成一个VAR模型，根据实际数据设定一定的滞后阶数，然后通过脉冲响应函数和方差分解等方法，来分析宏观经济变量对房地产价格的影响程度和影响路径。
4.实证分析通过构建VAR模型，使用实际数据进行估计和分析，我们得到了一系列结论。
我们发现GDP、居民消费水平、货币供应量、利率等宏观经济变量对房地产价格存在显著影响。
我们还发现这些变量对房地产价格的影响是双向的，即房地产价格对这些变量的影响也是显著的。
我们还发现城市化水平对房地产价格的影响程度较大，而且在一定程度上也影响着其他宏观经济变量与房地产价格之间的关系。
基于VAR模型对房地产价格影响因素的实证研究
基于VAR模型对房地产价格影响因素的实证研究市场经济下,房地产是重要的投资领域之一。
在过去几十年中，房地产市场的发展对国家的经济增长、金融市场稳定以及社会平衡等方面都有重要影响。
因此，探究影响房地产价格的因素对于实现房地产市场的健康稳定发展至关重要。
本文使用VAR模型，考虑了金融、经济、政策等多个因素对房地产价格的影响，以日本为例进行实证研究。
具体来说，本文将日本自2000年至2017年期间的数据进行了整理和分析。
通过对数据的预处理和VAR模型建立，研究发现以下几个影响因素：首先，证券市场对房地产价格的影响较为显著。
证券市场的变化会直接影响企业的资金流动和市场信心。
当证券市场股价增长时，资金就会转移至股市，而不是流向房地产市场，从而导致房地产价格下降。
这一点在VAR模型中得到了验证。
其次，经济增长对房地产价格的正向影响较为显著。
经济的增长可以带动房地产需求的增加，从而推高房地产价格。
这一结果也在VAR模型中得到验证，而且这种正向效应比证券市场的负向效应更加显著。
再次，货币政策的调整对房地产价格有较大的影响。
近年来，随着市场竞争的加剧，货币政策调整在短期内会直接影响房地产价格的波动。
VAR模型同时也表明了货币政策调整与房地产价格有着显著的正向关系。
此外，政府的政策干预也对房地产价格产生了影响。
例如，政府实施限购措施、提高购房税率等政策可以抑制房地产市场的热度，从而对房地产价格产生负向影响。
值得注意的是，与政府干预相对，市场机制和自由化对房地产价格的影响也不容忽视。
综上所述，房地产价格受到多种因素的影响，在日本市场中证券市场、经济增长、货币政策等因素具有显著的影响效应。
这一研究可以为政府和投资者提供有力的参考。
商品房价格影响因素的综合分析——基于VAR模型
商品房价格影响因素的综合分析——基于VAR模型肖文【摘要】针对商品房价格的影响因素,以合肥市房价为研究对象,根据价格理论,构造了商品房均衡价格模型,并从供需两侧选取了INV、CPI、LC、以及CA四个变量进行实证分析.首先,运用1997年-2016年合肥市各变量年度数据,通过Spearman 相关系数检验,得出所选取的变量与商品房平均销售价格之间均具有较强的相关关系.其次,利用合肥市2013年4月-2017年11月部分变量的月度数据,建立向量自回归模型,利用脉冲响应分析和方差分解来进一步分析合肥市CPI、INV、CA以及LC几个变量对合肥市商品房平均销售价格的影响,最终得出除了房价自身以外,INV 与CPI对房价的波动都做出了贡献,而LC与CA的贡献度很小.最后,根据实证分析的结果提出相关政策建议.【期刊名称】《价值工程》【年(卷),期】2019(038)007【总页数】4页(P33-36)【关键词】商品房价格影响因素;Spearman相关系数;VAR模型;脉冲响应分析;方差分解【作者】肖文【作者单位】安徽财经大学统计与应用数数学学院,蚌埠233000【正文语种】中文【中图分类】F293.350 引言众所周知，在世界大部分国家和地区，房地产行业都占有举足轻重的地位，是各国国民经济的支柱产业，可以说，房地产行业的兴衰直接关乎着国民经济是否能够稳定运行。
我国的房地产行业也不例外，每年房地产行业都能为我国GDP做出稳定贡献，不仅如此，房地产行业的特殊性使得其间接带动了其他相关领域的发展，可以说，房地产行业已经正式成为我国国民经济的支柱产业。
但是，随着房地产行业的飞速发展，也引发了一系列的问题。
其中，最主要的就是过度投资以及房价居高不下。
为了抑制房价过高增长，我国政府多次进行了宏观调控，出台了一系列政策，确实也在一定程度上稳定了房价，但由于中国是个人口大国，而且低收入群体占比很大，现前的房价对大部分老百姓而言依旧是个可望不可即的数字。
基于VAR模型的全生命期房地产限购政策评价及实证——以厦门市为例
基于VAR模型的全生命期房地产限购政策评价及实证——以厦门市为例沈强;周红;张东杰【摘要】This article builds VAR model and uses impulse response,variance decomposition and JJ co-integration test to analyze the dynamic influence of implementation and cancellation of home buying restrictionpolicy,money supply,housing loan interest rate,real estate development investment rate on Xiamen real estate market from the point of view of life cycle,and provide suggestions and reference to restart home buying restriction policy. The results show that:home buying restriction cannot effectively curb rising housing prices in short term,but in long term can cool well the real estate market in Xiamen;cancellation of home buying restriction in short term cannot warm the real estate market,but in long term will lead to retaliatory price increases;real estate market commonly exists "Adaptive Expectations",so the key to Xiamen housing price control is to adjust the psychological expectations of consumers and investors.%通过构建VAR模型,运用脉冲响应、方差分解和JJ协整检验,从全寿命期的角度分析了房地产限购政策执行及取消、货币供应量、住房贷款利率、房地产开发投资率对厦门房地产市场的动态影响,并为限购重启提供建议与借鉴.结果显示:房屋限购在短期并不能有效抑制房价上涨,长期能较好地给厦门房地产市场降温;限购取消在短期并不能给房地产市场升温,但长期将导致房价报复性上涨;房地产市场普遍存在"适应性预期",厦门房价调控关键在于调节消费者和投资者的心理预期.【期刊名称】《工程管理学报》【年(卷),期】2017(031)004【总页数】6页(P148-153)【关键词】限购政策;向量自回归模型;脉冲响应;全生命期;限购重启【作者】沈强;周红;张东杰【作者单位】厦门大学建筑与土木工程学院,福建厦门 361005;厦门大学建筑与土木工程学院,福建厦门 361005;内蒙古科技大学土木工程学院,内蒙古包头 014000【正文语种】中文【中图分类】F293.3改革开放以来，随着我国国民经济不断发展壮大，房地产行业从逐步复苏走向繁荣发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
期高达 98% ， 在第二期后有所下滑 ， 跌至 80% 后保持平稳。如果简单的 可以从两个方面解释图 （ C ） ， 将购置土地面积理解为房地产投资的话 ， 一是房地产业已经成为国民经济的支柱型产业 ， 它在国民经济中的地 位无可忽视。二是房地产业的霸主地位无疑是以牺牲其他产业的发展 为代价的， 房地产业的合理合规发展已经成为不容忽视的问题。 尽管 但从长期来看， 过度 房地产业对 GDP 的增长在短期内有正的冲击效应 ， 发展房地产业将对国民经济产生负效应 。 图 1 各政策冲击对 GDP 投资额的脉冲响应函数及贡献率
三、 脉冲响应函数和方差分解
脉冲响应函数方法刻画的是在误差项上加一个标准大小的冲击对 内生变量的当前值和未来值所带来的影响。 方差分解则是描述系统中 一个内生变量的冲击对其他内生变量所带来的影响。 图 1 中（ a） （ b） （ c） 是利率、 货币供应量、 购置土地面积对 GDP 的脉 （ A） （ B） （ C） 在是这三个指标对 GDP 变化的贡献率。 冲响应函数图， 从图（ a） 中可以知道， 基准利率的变动对 GDP 产生正效应， 但影响 较弱， 且持续期较短。利率对 GDP 的影响在第一期为负效应， 然后缓慢 增长， 在第二期达到最大值 0． 18 ， 然后开始下滑， 在第五期后 GDP 的影 并保持稳定。 响变为最弱， 从图（ A ） 即方差分解结果可以看出， 利率变化量对 GDP 的贡献率 在第三期达到 19． 89% 。 一直比较稳定， 从图（ b） 可以知道， 当在本期给货币供应量差分一个正的单位的冲 GDP 在第三期达到最高点 0． 08 ， 击后， 然后开始下降至第五期， 并在第 五期有小幅上扬， 在第七期上扬波段结束， 在 0． 08 处保持稳定。 这表 明货币供给量对 GDP 有正的冲击效应， 并在第二期开始发挥作用并具 有持续的正效应。 从（ B） 可以看出， 货币供应量对国民经济的贡献率仅为 6% ， 该值 在第 4 期后保持稳定。 在 1 ～ 3 期缓慢增长， 从图（ c） 可知， 当在本期给购置土地面积一个正的单位冲击后 ， 国 内生产总值在第一期就达到了最高点 0． 43 ， 在第二期迅速下降到 － 0． 18 ， 有正的冲击效应变为负冲击效应， 然后在经过几次波动后在第七期 后波动减缓， 并趋向 0． 这表明购置土地面积的冲击给国内生产总值同 并且在第一期就发生了作用。 方向冲击后转为反方向冲击， 从图（ C） 可以看出， 购置土地面积对国民经济的影响较大 ， 在第一
和土地供给量对国内生产总的脉冲响应函数和方差分解， 结果得到了 各政策对国民经济的影响途径和影响方向以及持久期间 。 由于本文研 而这种影响无可避免的要通过 究的是房地产政策对国民经济的影响， 对房地产业的影响而折射到国民经济上来， 但与针对房地产市场的分 析而言本文更注重对宏观经济层面的分析。 从宏观层面来看， 由于利率对 GDP 在短期内是负效应， 在长期内影 响并不大。利率的提高将在短时间内抑制消费者需求和企业贷款， 但 是随着时间的推移， 消费者和企业对利率下降不报期望时 ， 受消费习惯 消费者和企业向初始状态恢复。 通过对货币供给 或生产需求的影响， 在宽松的货币政策下， 消费者的需求增加， 量对国民经济的影响分析， 企业的生产积极性提高， 国民经济稳定增长。 从土地供给量对 GDP 的 房地产业的繁荣给国民经济的发展带来的不是曙光而是彩 影响来看， 只有短暂的浮华。浮华过后， 房地产业的过度发展将会对其他产业 虹， 进而导致一方独大的局面， 这对国民经济的稳定、 健康、 产生挤出效应， 和谐发展是不利的。 2． 建议。2010 年， 政府进一步加大调控力度， 出台了房地产调控政 “国十一条” ， 策 随后又出台了一系列的相关政策， 但就目前来看， 收效 一是政策手段利用不当。 二是各地 甚微。就其原因主要是两个方面， 政府主管部门执行不利。我国现在主要是采用提高利率和抬高土地审 批门槛等手段来抑制房地产需求， 从而抑制房价的高增长 。 但是， 从实 际情况开看， 这些控制供给和需求的政策反而带给房地产投资者利好 使他们加大投资并进一步抬高房价。 笔者认为， 我国政府应当 的信息，
（ a） R 对 GDP 的影响
（ A） R 对 GDP 的贡献率
（ b） M2 对 GDP 的影响
（ B） M2 对 GDP 的贡献率
在现有调控政策的基础上加强对供给方的调控。 调控方向主要是两个 方面： 一是抬高建设用贷款利率从而抑制房地产行业的过度发展。 二 是适度增加土地供给， 进而增加房屋供给缓解刚性需求对房价的影响。 参考文献： 1］张 晓 峒． EVIEWS 使 用 指 南 及 案 例． 北 京： 机 械 工 业 出 版 ［ 社． 2007 ［ 2］ 达摩达尔·N·古扎拉蒂． 计量经济学基础 （ 第四版 ） ． 北京： 中
（ c） L 对 GDP 的影响
（ C） L 对 GDP 3］ 王要武， 金 海燕， 我国房地产宏观调控政策 效 果 的 实 证 分 析 ［J］ ， 2008． 8 （ 8 ） ： 105 ～ 111 土木工程学报，
四、 结论与建议
1． 结论。本文通过建立向量自回归模型分析了利率 ， 货币供应量 （ 下接第 48 页）
实证分析
基于 VAR 模型下的房地产政策对 GDP 的脉冲响应分析
王 鹏 赵 莹 中南财经政法大学
【摘 要】 利用向量自回归模型研究房地产政策对我国国民生产总值的实际影响 。 房地产政策选取了长期贷款利率 、 货币供应量和土地供应 量， 建立了 GDP 与三个指标的 VAR 模型系统。利用脉冲响应函数（ IRF） 和方差分解方法分析 3 中房地产政策分别对 GDP 的影响时滞、 持续时间和 作用强度。研究结果表明： 货币供应量， 利率对 GDP 影响幅度较小， 持续性较短， 土地供应量对 GDP 的影响幅度较大， 持续期相对较长。 【关键词】 房地产宏观调政策 VAR 模型 脉冲响应函数 方差分解 随着房地产业在国民经济中的地位不断提高 ， 房地产的发展不再 单纯的是一个经济问题而是关乎国计民生的问题 ， 其重要性已不容忽 “国十一条 ” ， 视。2010 年中央政府发布了 新房地产政策对房地产市场 但房地产政策的出台是否影响国民经济的发展 ， 什 调控效果尚未能知， 么样的调控政策能使房地产业与国民经济相互促进 、 和谐发展成为一 个值得关注和研究的问题。本文通过对我国房地产宏观调控的核心政 策对 GDP 可能造成的影响， 从定量分析的角度进行实证分析 ， 从而得到 持续时间及作用强 货币政策和土地政策对我国国民经济影响的时滞 、 度， 为我国政府从宏观成面审视制定调控政策提供参考 。 95% 和 99% 概率的显著性水平。
檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪
规模效应， 一旦形成竞争优势， 会有持久的经济效益， 同时这些产业的 发展有助于节能减排， 实现可持续发展， 但是这些产业前期投入较大， 对资金技术的要求较高。 加大对新兴产业的扶持力度， 需注重以下几个方面： 第一， 抓住产 大力发展新兴产业。 第二、 科技与产业相结合， 依靠 业结构调整机遇， 科技进步， 发展新兴产业。加大重点领域关键技术开发力度 ， 加强对国 “产学 外先进技术的消化吸收， 提高研究成果和产业化结合水平 ， 形成 研” 相结合的良性循环． 第三、 在加大政府投资力度的同时 ， 积极探索新 的融资机制。 参考文献： 1］ H． Rongbing，H． Yunquan，F． Lixi． A study of foreign resource ［ － based cities’ industry structure adjustment experience and the revelation for China［J］ （ in Chinese） ． Journal of the University of Petroleum，China （ ed． of Social Science） ， 1 （ 2005 ） 12 － 17． ［ 2］Munasinghe，M． ，1995． Making economic growth more sustain121 – 124． able． Ecol． Econ． 15 ， ［ 3］ 班春峰， 徐梦洁，赵紫玉， 刘勤． 河南省环境库兹涅茨曲线的实 证研究． 环境科学与管理 2008 （ 9 ） 36 － 40． ［ 4］ — —基于广义脉冲响 彭水军， 包群． 中国经济增长与环境污染— 应函数法的实证研究 中国工业经济． 2006 （ 05 ） ： 15 － 23 ． 47
一、 指标选取与数据平稳性检验
1． 指标选取。房地产调控政策主要从货币政策和土地政策两个方 面选取。考虑到从 2003 年以来我国笔者选取了三个指标： 基准利率、 货币供应量及购置土地面积。 基准利率的选取的是一年期贷款利率， 货币供应量采用广义货币 主要考量在贷款额度变化的情况下 GDP 可能产生的变化。 供应量指标， 从供给者角度考量的指标是房地产业购置土地面积 ， 主要考虑的是土 M2 、 PL 表示。 地供应量。三个指标分别采用 R、 考虑到我国房地产宏观调控政策的推行是从 03 年开始的。 所有 数据来源于国研网数据库和 指标数据采用 2003 ～ 2010 年的季度数据 ， 国家统计局网站。 考虑到房地产业季节性影响很大， 因此对购置土地面积指标采用 季节调整。另外， 为了减小波动幅度， 除利率指标外对购置土地面积， 货币供给量和 GDP 进行了自然对数处理。 本文采用 EVIEWS3． 0 计量 经济软件进行计算和分析。 1． 数据平稳性检验。 时间序列的单位根检验。 我们对利率， 货币 供应量， 房地产价格指数以及 GDP4 个时间序列进行了 ADF 检验。 从表 1 中可以看出， 利率和货币供应量在 90% 概率是非平稳的， 利 说明它是一阶差分单整的时间 率的一阶差分在 99% 概率下是平稳的， 它是二阶 序列。而货币供应量的二阶差分在 99% 的概率下是平稳的， 差分单整的时间序列。 购置土地面积和国内生产总值分别在 95% 和 99% 概率下是平稳的时间序列。 由于 VAR 模型要求进入系统的内生 因此将利率的一阶差分、 货币供应量的二阶 变量都是平稳的时间序列 ， 差分、 购置土地 面 积 和国 内 生 产 总 值 4 个 指 标 一 同 进 入 自 向 量 回 归 模型。 表1 变量 R DR M2 D（ M2 ） 2 ） PL GDP DGDP 时间序列的单位根检验 平稳性 非平稳 平稳 非平稳 平稳 平稳 非平稳 平稳 检验形式 ADF 统计量 临界值 （ c， t， 0） － 1． 886 － 2． 6201 （ c， 0， 1） （ c， t， 0） （ c， 0， 2） （ c， t， 0） （ c， t， 0） （ c， 0， 1） － 4． 521 － 0． 985 － 5． 894 － 7． 213 － 3． 315 － 7． 734 － 2． 6423 － 2． 6201 － 2． 6453 － 3． 6672 － 3． 6663 － 2， 6423