中国房地产价格与宏观经济波动_基于PVAR模型的研究
货币政策冲击与房价波动：基于PVAR模型的量化分析
货中政策冲去与房价政动：基于PV A R模型的量化分巴曙松武阳邸超伦(南开大学金融学院，天津300350)【摘要】文中运用PV A R模型从货币政策价格型效应和数量型效应两方面对房价的冲击反应进行了分析。
首先通过面板个体固定效应模型分别对货币政策的价格型效应和数量型效应的显著性进行了检验，检验结果显示，货币政策与房地产价格存在显著的正相关关系。
其后，文章构建了 PV A R模型，并 检验了其稳定性，根据脉冲响应图和方差分解，表明货币政策价格型效应冲击短期内对房价具有较大的正影响，而数量型效应冲击短期内对房价具有较大的负影响，但两者都具有一定的时滞性。
【关键词】货币政策；房价波动；面板向量自回归【中图分类号】F293.30 【文献标志码】A【文章编号】1003-0166(2019)01-0072-10doi:10.3969/j.issn.1003-0166.2019.01.0110引言自1998年我国国务院发布《进一步深化住房制度改 革，加快住房建设的通知》以来，我国房地产市场进入高 速发展期。
房地产市场得以不断完善，逐步成为我国国民 经济的重要的基础性产业和支柱产业，房地产市场的稳 定发展关系着我国国民经济的命脉。
随着我国经济发展 水平不断提高，人民收入稳步提高，城镇居民人均可支配 收入到2016年达33 616元，相比1999年增长了近5 倍，住宅商品房销售面积高达137 539.93万m2,相比 1999年的13 645.21万m2,增长了近10倍。
近年来，由于 人民可支配收入的快速增长以及房地产所特有的兼具消 费品和投资性的特征，使得人民对于住房的两种需求——改善住房环境的需求和资产配置的投资性需求越来越大，住宅商品房价格上涨，截至2016年底，我国 住宅商品房平均销售价格7 203元/m2,相比1999年房 价上涨了近4倍。
国内一线城市的房价明显高于二三线城市，如北 京市2016年房价高达28 489元/m2，而石家庄房价为 7 354元/m2,过高的房价已成为国民经济稳定可持续发 展必须解决的问题。
基于PVAR模型的商品房价格影响因素分析
基于PVAR模型的商品房价格影响因素分析随着城市化进程的加快和人民生活水平的提高，商品房已经成为了人们生活中不可或缺的一部分。
而商品房价格的波动一直是社会关注的焦点之一。
因此了解商品房价格的影响因素对于政府制定相关政策和市场参与者进行投资决策都具有重要意义。
本文将采用PVAR模型进行商品房价格影响因素的分析，希望能为相关决策提供一定的参考依据。
1. 研究背景商品房价格的波动受多种因素的影响，包括经济发展水平、土地供应、利率政策、人口流动等。
建立一个能够包含多个因素的分析模型是十分必要的。
PVAR模型是Panel Vector Autoregression的缩写，是一种多变量的面板数据模型，它能够分析不同变量之间的动态关系。
PVAR模型能够很好地帮助我们理解商品房价格受到的各种因素的影响。
2. 数据和模型本文将选取一些典型城市的商品房价格指数作为被解释变量，同时选取GDP增长率、居民收入水平、人口流动指数、土地供应指数、利率水平等多个因素作为解释变量。
然后，我们将使用PVAR模型进行分析，得出各个因素对商品房价格的影响效应。
3. 分析结果通过对数据进行处理和PVAR模型的估计，我们得到了一些初步的结果。
我们发现GDP 增长率对商品房价格有显著的正向影响，说明经济的发展水平对商品房价格起着重要的作用。
居民收入水平也对商品房价格有显著的正向影响，这表明人们的购房能力对商品房价格也有一定的影响。
人口流动指数对商品房价格的影响较为复杂，它可能对商品房价格产生正向或负向的影响，这取决于城市的具体情况。
土地供应指数对商品房价格有显著的正向影响，说明土地供应的增加会推动商品房价格上涨。
利率水平对商品房价格也有显著的影响，利率的上涨将会抑制商品房价格的上涨。
4. 结论与展望通过PVAR模型的分析，我们得出了一些初步的结论。
商品房价格受到多种因素的影响，其中经济发展水平、居民收入水平、土地供应量等因素对商品房价格的影响比较显著。
中国房地产价格动态变化的宏观经济影响--基于 FAVAR 模型的实证分析
中国房地产价格动态变化的宏观经济影响--基于 FAVAR 模型的实证分析孙涛;郑晓亚【期刊名称】《贵州财经大学学报》【年(卷),期】2015(000)005【摘要】基于 FAVAR 模型框架，选取14个大类、95个经济变量实证研究房地产价格变动对宏观经济的影响，发现 FAVAR模型能够提供比传统 VAR 模型更符合经济事实的实证结论。
一方面房地产价格上升对经济依然存在短期刺激作用，但已低于先前估计，且不利于经济结构调整，最终将导致中长期经济下滑；另一方面房地产价格下降虽有利于中长期结构调整和经济增长，但其带来的短期经济下滑幅度将超出我国经济可承受范围。
与此同时，房价波动将引致汇率和利率出现大幅波动，企业资产负债率出现大幅上升，融资条件恶化，进而使银行体系的稳定性受到冲击。
灵活运用房地产调控措施，适度放松房地产调控政策，推进户籍改革，维持房地产价格稳定应成为现阶段房地产政策的重中之重。
%By implementing FAVAR model,based on 95 economic variables in 14 categories,this paper empirical studied the influence of house price changes on macroeconomic stability.We find that our result is more effective than previous results which used VAR models.The rise of house price has an important influence on economic growth in the short -term,but smaller than previous estimate and is harmful to the adjustment of economic structure in the long -term. However,the fall of house price lead to the fluctuations of exchange rate and interest rate,the sharp rise in asset -liability ratio,and the sharpslowdown in economy in the short -term.Regulating the house market in a more flexible way (such as relaxing home -purchase restrictions and the reform of household registration system),which is aimed to maintain the house price stability,is the key point of the current policies.【总页数】10页(P26-35)【作者】孙涛;郑晓亚【作者单位】广西壮族自治区财政厅，广西南宁 530021;上海财经大学博士后流动站，上海 200433【正文语种】中文【中图分类】F832【相关文献】1.中国货币政策对当前宏观经济影响的测度——基于FAVAR模型的分析 [J], 梁向东;刘兵权;文林2.消费信贷政策的传导效应——基于FAVAR模型的实证分析 [J], 李海央3.中国房地产价格动态变化的宏观经济影响——基于FAVAR模型的实证分析 [J], 孙涛;郑晓亚;4.人民币汇率变动的价格传递效应——基于SV-TVP-FAVAR模型的实证分析 [J], 刘金全;石睿柯;徐阳5.全球流动性对国际大宗商品价格的影响——基于TVP-FAVAR模型和2000—2017年数据的实证分析 [J], 谭小芬; 熊玲誉; 宋佳馨因版权原因，仅展示原文概要，查看原文内容请购买。
我国房价的货币因素与宏观影响的动态传导研究——基于TVPSV-VAR 模型的分析
变量—房地产开发投资—房价—宏观经济和金融市 场”这一传导路径，但房价与宏观变量间的关系呈动 态变化。一是 2004 年房地产业融资多元化，信贷不 再是房地产企业从金融市场获取资金的唯一渠道，信 托、委托贷款和股权等也成为重要资金来源，而上述 融资是社会融资规模的组成部分，这引发了学者对三 个中介变量与房地产开发投资、房价相关性的比较研 究，各中介变量与房价的相关性强弱如何，相关性随 时间如何变动？二是政府调控、房地产周期均会影响 房地产与宏观经济和金融市场的关系，房价与产出、 物价、金融市场之间有何关系，相互关系如何变动？
二、文献综述 关于货币、信贷、社会融资规模对资产价格的影 响，王擎和韩鑫韬 （2009）[2]利用我国 1998—2008 年 季度数据构建扰动项时变的 MGARCH-BEKK 模型， 发现货币增长率波动与房价增长率波动具有相似性。 Bernanke 和 Gertler （1989）[3]认为信贷和资产价格间常 存在正反馈机制，Hofmann （2003）[4]通过 20 个发达国 家数据，也发现短期内房价与信贷规模呈互相增强关 系。一些实证研究认为信贷与房价的关系在房价上涨 时更明显 （Goodhart 和 Hofmann，2007）[5]，房价上涨 时 对 信 贷 扩 张 的 响 应 更 大 （Collyns 和 Senhadji， 2002）[6]。一些文献指出，与货币总量相比，信贷总量 对资产价格的影响更显著 （陈继勇等，2013）[7]。一些 研究认为社会融资规模与房价相互作用明显，控制住 前者能在一定程度上左右房价变化 （杜龙波和高婧， 2014；杨艳慧，2016）[8，9]。 关于资产价格与产出、物价和金融市场的关系， Alchian 和 Klein （1973）[10]认为，若预期未来价格水平 上涨，在其他条件不变时，住房和股票价格也将上 涨。2000 年之前多数国内研究认为我国资产价格 （主 要 是 股 价） 与 宏 观 经 济 变 量 不 相 关 （谈 儒 勇 ， 1999）[11]；一些研究发现资产价格与宏观经济变量间的 关系会随着资本市场发展程度的提高而增强 （吕江 林，2005；蒋海和伍雪玲，2013）[12，13]。多数研究认为 资产价格，特别是房价与未来 CPI 存在一定相关性， 但 股 价 与 CPI 的 相 关 性 难 以 准 确 度 量 （Filardo， 2000；罗雁，2018）[14，15]。罗雁 （2018）[15]利用动态条件 相关系数模型研究我国 2006—2016 年数据，发现各样 本期间房价波动与实际产出、通胀率的关系较大。刘 晓欣等 （2017）[16]采用主成分分析法构建了衡量金融稳 定程度的指标，通过 SVAR 模型研究我国 2002—2016 年月度数据，发现房价上涨会使金融稳定性短期内提 升、长期内下降。沈悦等 （2020）[17]基于 2000—2018 年我国 35 个大中城市面板数据构建 PVyright©博看网 . All Rights Reserved.
基于FAVAR方法的房价波动与宏观经济关联性分析研究
一、相关研究状况我国房地产行业改革始于1998年，国务院发布的《进一步深化住房制度改革，加快住房建设的通知》标志着我国房地产行业进入一个高速发展的阶段。
经过二十多年的发展，房地产市场不断完善，其蓬勃发展推动了我国经济持续高速增长，房价的波动不仅影响我国经济发展，同时也与民生经济息息相关。
我国宏观经济与房地产的价格波动有着密切的关联性，普通模型无法将与房价大量相关的经济变量纳入考量范围之内。
因此，本文采用FAVAR 模型对房价和宏观经济进行研究，该模型可以包含大量与房价相关的宏观经济变量，从而深度分析房价和宏观经济的动态关联性，最后根据分析结果为我国政府和相关金融机构提出相关建议，使之能有效促进房地产行业健康发展。
房价波动与宏观经济的动态关联性一直是众多学者研究的热点，首先宏观经济对房价有明显影响，企业的投资需求会受到宏观经济的影响，而企业的投资需求又会影响利率的变动，虽然利率的变动并不能直接决定房价的涨跌，但却可以通过控制房地产的需求和供给，达到间接影响房价的效果。
针对宏观经济对房价波动的影响，国内外学者利用不同方法和数据对宏观经济对房价波动的影响进行了研究。
Cecchheeti、Borio 和Lowe 等人通过研究发现货币政策对房价有显著性影响，Rapach 和Strauss、Vargas 和Das 等人发现许多宏观经济变量会对房价产生影响。
Goodhart 和Hofmann 研究发现美国实施的货币政策对房价存在正向冲击效果。
国内针对宏观经济对房价的影响研究时间较短，但是相关理论研究发展较为迅速。
袁俊芳、朱嘉伟和孙环通过多元回归模型得出居民收入不仅与消费率成负相关关系，同时与房价也成负相关关系。
许小年等人通过实证分析发现货币供应量对房价波动有正向冲击作用。
林江等人通过深圳市房价数据发现信贷政策和公众预期对于房价有明显的作用。
张冲的研究得出结果与袁俊芳等人的研究结果相反，即房价与居民消费之间无明显相关性。
基于VAR模型对我国房价波动因素的动态分析
大陆桥视野·２０１６年第１８期 5决策的科学性，进而实现企业的科学管理。
前面已经提到，我国目前的民营企业多数为家族企业，而由于投资的集中，使得家族成员直接进入了企业的管理层，因此目前民营企业存在着治理结构不健全的问题，其主要体现在两个方面：其一，目前许多民营企业的管理人在长期的治理习惯的束缚下，不愿意进行公司结构的调整；其二，一股独大的情形在民营企业中比较普遍，许多民营企业不设立“三会”，这样就是的管理层在制定决策时往往独断专行，从而使得整个治理过程带有浓重的“人治”色彩。
３．民营企业品牌以及人才管理方面的问题。
由于股权的模糊以及治理结构的不健全，导致了民营企业无法从长远的角度制定发展战略，而这势必会影响到企业的品牌管理和人才的培养。
从品牌管理上来看，由于缺乏品牌竞争意识，许多民营企业缺乏品牌创新的意识和能力，不能利用品牌形成无形的资产，从而导致企业只能在低效率的竞争中，获取微薄的利润；而在人才培养方面，由于家族力量的干预以及认识上的误区，许多民营企业在人才引进和培训方面并不积极，在经济模式转型时期，人才的竞争优势无法得到有效地发挥，从而严重影响了民营企业的长远发展。
四、实现民营企业管理体制创新的策略在经济模式转型时期，民营企业管理体制中的矛盾已经暴露无遗，因此为推动民营企业的发展，保证民营企业继续为社会主义市场经济做出应有的贡献，我们就必须从企业管理体制的相关理论和知识出发，并结合上述问题，用创新的发展理念，实现民营企业管理体制的全面改革。
首先，优化股权结构。
股权结构关系着利润分配，因此我们应该根据民营企业股权结构中存在的问题，以及企业的发展特点制定相应的股权结构策略。
在优化股权的过程过程中，民营企业主要应该从以下两个方面入手：其一，合理划分家族财产和企业财产，即企业应该按照投资人的投资比例确定清晰的股权，以避免管理人对企业资产的滥用；其二，合理划分企业与员工之间利润配置比例关系，即民营企业应该本着保证员工权益，激发员工工作积极性的原则，发挥人才在企业管理中的作用。
基于PVAR模型的商品房价格影响因素分析
基于PVAR模型的商品房价格影响因素分析随着我国经济的快速发展，房地产业出现了快速增长的趋势。
商品房价格一直是房地产市场中的热点问题，也是广大民众十分关注的焦点。
因此，对商品房价格的影响因素进行研究，对制定相关政策和预测房地产市场的发展趋势具有重要意义。
本文基于PVAR（Panel Vector Autoregression）模型，采用面板数据对中国31个省市的商品房价格影响因素进行分析。
本文选择的影响因素包括金融因素、土地供求因素、人口因素等，共计9个变量。
具体变量如下表所示：| 变量名 | 变量含义 || --- | --- || P | 商品房价格指数 || M2 | 货币供应量 || R | 银行存款利率 || B | 每平方米土地出让金 || D | 土地面积供应 || N | 城镇人口占总人口比例 || T | GDP总量 || G | 政府财政支出 || I | 投资总额 |通过对上述变量进行PVAR模型建立和分析，得出以下结论：1.金融因素对商品房价格的影响较为明显。
货币供应量（M2）对商品房价格（P）的正向影响最为显著，而银行存款利率（R）则对其有一定的负向影响。
这表明货币供应量的增加会刺激购房需求，从而推升房价，而银行存款利率越高，购房成本和风险则越大，因此会对购房意愿和市场需求产生一定的压制作用。
2.土地供求因素也是影响商品房价格的重要因素。
每平方米土地出让金（B）和土地面积供应（D）都对商品房价格有着显著的正向影响。
这表明土地成本上升和土地供应量下降会导致房价上涨。
3.人口因素对商品房价格的影响也有一定的作用。
城镇人口占总人口比例（N）对商品房价格有着显著的正向影响。
这表明城市化进程的加速会带来更多的购房需求，从而推升商品房价格。
4.经济因素包括GDP总量（T）和政府财政支出（G）都对商品房价格有着一定的正向影响，说明经济发展和政府投资都能够促进房地产市场的发展和房价的上涨。
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PVAR模型的商品房价格影响因素分析
基于PVAR模型的商品房价格影响因素分析【摘要】本文基于PVAR模型，对商品房价格的影响因素进行分析。
在我们阐述了研究背景、研究目的和研究意义。
正文部分包括了PVAR模型介绍、商品房价格影响因素分析方法、数据来源与处理、模型建立与结果分析以及影响因素的实证分析。
通过对模型建立和结果分析，我们揭示了商品房价格受多种因素影响的关系。
在我们总结了基于PVAR模型的商品房价格影响因素分析的启示，展望了未来的研究方向。
这份研究对于进一步了解商品房价格波动及其影响因素具有一定的参考价值。
【关键词】商品房价格、PVAR模型、影响因素分析、数据来源、模型建立、实证分析、启示、结论、研究展望1. 引言1.1 研究背景商品房价格是一个社会经济发展中非常重要的指标，对于房地产市场的稳定和经济的发展具有重要影响。
随着城市化进程的加快和人们生活水平的提高，商品房价格成为人们关注的焦点。
商品房价格的波动不仅影响人们的购房需求和房地产投资，同时也对整个经济结构和金融市场造成深远影响。
本研究旨在通过构建PVAR模型，探讨商品房价格受到的影响因素，并分析这些因素对商品房价格的影响程度。
通过对商品房价格的影响因素进行深入研究，可以为政府制定调控政策、房地产开发商制定定价策略以及购房者做出投资决策提供参考。
也有助于增进对房地产市场运行规律的理解，为经济的可持续发展提供理论支持。
1.2 研究目的本研究旨在深入探讨基于PVAR模型的商品房价格影响因素分析，通过构建一个动态的价格变动模型，分析各种因素对商品房价格的影响程度和方向。
具体的研究目的包括：通过引入PVAR模型，对商品房价格影响因素进行系统化分析，从宏观和微观两个层面上进行研究，为进一步探索商品房价格波动规律提供理论支持；探讨不同因素之间的相互作用关系，揭示宏观经济政策、市场需求和供给等因素对商品房价格的影响机制，为政府部门和相关机构提供价格调控的参考依据；通过模型建立和实证分析，总结商品房价格影响因素的特点和规律，为未来研究和实践提供借鉴和参考，推动商品房市场的健康发展和稳定。
基于PVAR模型的商品房价格影响因素分析
基于PVAR模型的商品房价格影响因素分析商品房价格是一个复杂的市场现象，受到许多因素的影响。
在房地产市场研究中，PVAR模型是一种常用的方法，可以用来分析商品房价格的影响因素。
本文将基于PVAR模型，探讨商品房价格的影响因素。
PVAR模型是一个面板向量自回归模型，可以用来分析时间序列数据。
它可以捕捉到变量之间的动态关系，并且可以处理面板数据。
PVAR模型的基本形式为：Y_it = A_i Y_it-1 + B X_it + μ_itY_it表示第i个房价变量在第t个时间点的值，X_it是影响房价的因素向量，A_i和B是系数矩阵，μ_it是误差项。
通过估计系数矩阵，我们可以得到各个影响因素对房价的影响程度。
在商品房价格影响因素的分析中，我们可以考虑以下几个方面的因素：1. 宏观经济因素：宏观经济因素对房价有重要影响，比如国内生产总值（GDP）、消费者物价指数（CPI）、金融因素等。
这些因素反映了经济的整体状况和人民的购买力，对房价有直接或间接的影响。
2. 地理因素：地理因素包括城市规模、地理位置、交通便利度等。
房价通常与城市的发展水平和地理位置有关，地理位置好的城市和地段房价往往更高。
3. 市场供求因素：供求关系是影响价格的重要因素。
市场上房屋的供给与需求的变化会直接影响房价。
供应过剩可能导致房价下降，需求旺盛可能推动房价上涨。
4. 政策因素：政府的政策对房价的影响不容忽视。
政府的调控措施、税收政策、住房贷款政策等都会直接影响房价。
通过PVAR模型的分析，我们可以得出各个因素对房价的影响程度，并进行相关性分析。
我们可以估计出宏观经济因素对房价的弹性，即单位宏观经济因素的改变对房价的影响程度。
我们还可以通过引入滞后变量来分析时间序列的动态特征，比如房价对宏观经济变量的反应滞后期。
基于PVAR模型的商品房价格影响因素分析，可以帮助我们理解房价变动的原因和规律。
通过对各个因素的分析，我们可以得出合理的房价预测和政策建议，为房地产市场的经济运行提供参考。
房地产市场价格波动与宏观经济稳定研究
房地产市场价格波动与宏观经济稳定研究引言当我们谈到现代经济中引人注目的领域时，房地产市场无疑是其中之一。
它是一个充满活力的市场，对经济的发展和稳定起着至关重要的作用。
然而，房地产市场的价格波动对宏观经济稳定产生了直接的影响。
本文将探讨房地产市场价格波动与宏观经济稳定之间的关系，并进一步研究其中的因果关系。
价格波动对经济稳定的影响在了解房地产市场价格波动与宏观经济稳定的关系之前，我们需要先了解价格波动对经济稳定可能产生的影响。
1.1 金融风险的增加房地产市场价格波动会增加金融风险。
当房价突然大幅度上涨或下跌时，房地产投资者和金融机构将面临巨大的风险。
这可能导致资金链断裂、财务困境，乃至整个金融体系的不稳定。
1.2 消费和投资的波动房地产市场价格波动还会对消费和投资产生波动的影响。
当房价上涨时，人们会倾向于购买房产，消费和投资增加，从而刺激经济的增长。
相反，当房价下跌时，人们可能会观望或抛售房产，消费和投资减少，对经济造成负面影响。
1.3 其他经济领域的连锁反应房地产市场价格波动还可能引发其他经济领域的连锁反应。
例如，当房价大幅下跌时，房地产开发商可能会陷入困境，导致建筑业、建材业等相关行业的衰退。
这种连锁反应会对整个宏观经济产生重大的影响。
房地产市场价格波动的原因了解房地产市场价格波动的原因对于我们进一步研究其与宏观经济稳定之间的关系至关重要。
2.1 供需关系供需关系是导致房地产市场价格波动的主要原因之一。
当供大于求时，房价往往会下跌；当需大于供时，房价往往会上涨。
因此，供需关系的变化会引起价格波动。
2.2 政策影响政策的实施也是导致房地产市场价格波动的重要因素。
例如，政府出台的限购、限贷等政策会直接影响购房者的购房能力，从而对房价产生影响。
政策的变动会导致市场预期变化，进而影响到房价的波动。
2.3 经济周期房地产市场价格波动也与经济周期密切相关。
在经济繁荣时期，人们的购买力增强，需求增加，房价上涨；而在经济衰退时期，人们的购买力减弱，需求减少，房价下跌。
基于PVAR模型的中国房地产市场波动分析
基于PVAR模型的中国房地产市场波动分析中国房地产市场一直是国内外关注的热门话题，随着现代经济的迅速发展和城市化的不断推进，房地产市场的波动也越来越频繁和复杂。
由于房地产市场的波动会直接影响到整个经济体系的稳定性，因此对房地产市场的波动进行深入的分析和预测一直是学术界和政府部门的重要研究方向。
本文将基于PVAR模型，对中国房地产市场的波动进行分析。
一、PVAR模型简介PVAR模型是一种结构向量自回归模型，它将变量之间的相互影响和结构关系融合到了时间序列模型中。
PVAR模型的基本假设是，变量之间的关系分为两部分：一部分是直接的双向因果关系，另一部分是迂回的关系，可以用滞后项来捕捉。
PVAR模型不仅可以用于波动分析和预测，还可以用于政策评估和纠正。
二、中国房地产市场波动分析1.数据准备本文使用的数据来源于国家统计局和中国房地产统计年鉴。
选取的变量包括房地产开发投资、房价指数、人口密度、土地出让金等因素。
经过拟合分析，最终选取的波动因素包括房价指数、人口密度和土地出让金。
2.模型拟合首先，我们需要对选取的波动因素进行平稳性检验和差分处理，以满足模型拟合的要求。
接着，我们利用VAR模型进行参数估计，并对参数进行稳健性检验和误差项自相关性检验。
最终，我们得到PVAR模型的最优结构和参数。
3.模型评估和应用为了验证PVAR模型的预测效果，我们将模型拟合的结果与实际数据进行对比分析，并计算误差率和置信区间。
结果显示，PVAR模型可以较为准确地预测中国房地产市场的波动，预测结果与实际数据的拟合度较高。
在模型应用方面，我们可以利用PVAR模型进行政策评估和决策制定。
例如，如果政府出台了一项新的房地产政策，我们可以利用PVAR模型来评估其对房地产市场波动的影响，并做出相应的控制和调整。
三、结论与展望本文基于PVAR模型，对中国房地产市场的波动进行了深入分析和预测。
结果显示，PVAR模型可以很好地捕捉宏观经济因素和市场需求对房地产市场波动的影响，有效地预测房地产市场的发展趋势。
基于PVAR模型的商品房价格影响因素分析
基于PVAR模型的商品房价格影响因素分析在我国，作为人民群众基本居住需求的商品房价格变化一直备受关注。
商品房价格的波动不仅涉及到房地产市场的健康发展问题，也直接影响了居民的生活质量和财富状况。
因此，深入分析商品房价格变化的影响因素，有助于预测趋势，制定相应政策措施以维护市场稳定。
本文研究采用PVAR模型来分析商品房价格的影响因素。
PVAR指Panel Vector Autoregression，即多元向量自回归模型。
该模型不仅可以考虑多个自变量之间的影响关系，也可以有效处理面板数据的异质性特征。
本文采用2008年至2019年14个城市的房地产数据进行实证研究，其中包括北京、上海、广州、深圳、天津、重庆、成都、武汉、西安、南京、杭州、苏州、青岛和大连。
首先，根据相关文献和经验分析，选取了多个潜在影响因素，包括GDP、人口、住房租金、工资、银行利率、房地产开发投资、商品房销售面积和库存等。
然后，利用Eviews软件进行数据处理和PVAR模型估计。
最终，本研究得出了以下主要结论：一、GDP对商品房价格的影响显著正向，说明当城市的经济水平越高，需求越大，商品房价格也会越高。
在14个城市中，北京、上海、广州、深圳和成都等几个大城市的GDP 对商品房价格的正向影响程度很高。
二、人口对商品房价格的影响显著正向，表明人口数量增加会增加需求，从而推动商品房价格上涨。
同时，该结果也显示城市人口规模的扩大将有利于支持房地产市场的健康发展。
例如，上海、广州、深圳、天津和成都等城市人口规模的增加对商品房价格的正向影响非常显著。
三、住房租金对商品房价格的影响显著正向，意味着住房租金高会吸引人群转向购房，从而推高商品房价格水平。
而苏州、青岛和大连等城市住房租金对商品房价格的正向影响明显高于其他城市，这表明这些城市的在租购市场间的替代效应较强。
五、银行利率对商品房价格的影响显著负向。
银行利率上升将增加购房贷款的成本，抑制人们购房意愿，从而降低商品房价格。
房地产价格与宏观经济波动的实证研究文献综述
另一方面，宏观经济基本面也会对房地产价格波动产生影响，主要表现在以 下几个方面：一是经济增长率会影响房地产价格，经济增长率越高，房地产价格 通常会越高；二是通货膨胀率会影响房地产价格，通货膨胀率越高，房地产价格 通常会越高；三是货币政策会影响房地产价格，宽松的货币政策会导致房地产价 格上涨，而紧缩的货币政策则可能导致房地产价格下跌。
通过分析，我们发现中国房地产价格波动对宏观经济具有显著的影响。高房 地产价格会导致消费和投资下降，从而抑制经济增长。此外，房地产市场的繁荣 与萧条交替出现，也会引起宏观经济的不稳定。这些结果表明，中国房地产价格 波动对宏观经济的稳定发展产生了严重的影响。
Hale Waihona Puke 本次演示的结论表明，中国房地产价格波动对宏观经济的稳定发展产生了严 重的影响。为了缓解这些问题，政府应该采取积极的政策措施。例如，政府可以 通过调整房地产税收政策，控制房地产价格的过快增长；通过加强对房地产市场 的监管，降低房地产市场的风险；通过提高居民收入水平，增强居民的住房购买 力；通过完善社会保障体系，提高居民的抵御风险能力。
结论
本次演示通过理论与实证相结合的方法，分析了房地产价格波动与宏观经济 基本面的互动机制。结果表明，房地产价格波动与宏观经济基本面之间存在密切 的互动关系，这种关系表现为一种复杂的网络结构，其中包含多种因素和反馈效 应。为了稳定房地产市场和宏观经济，政府应综合考虑各种因素，制定全面、有 效的政策措施。
谢谢观看
引言
房地产市场是经济发展的重要组成部分，其波动会对宏观经济产生深远影响。 准确理解房地产波动对宏观经济的影响，有助于政府和企业制定更为稳健的政策 和决策。本次演示旨在通过回顾和分析已有的研究，揭示房地产波动对宏观经济 的影响机制和途径，为进一步的研究提供参考。
老龄化、城镇化与房地产价格研究——基于PVAR模型的分析
April2021No. 8 Total No. 4742021 年4 月第8期总第474期内 蒙 古 科 技 与 经 济Inner Mongolia Science Technology & Economy老龄化、城镇化与房地产价格研究——基于PVAR 模型的分析程美淋（西华大学经济学院，四川成都610039$摘 要：基于30个省（市、自治区#000年〜2018年的面板数据构建了 PVAR 模型$实证分析了老龄化、城镇化与房价间的互动关系，研究发现：老龄化对房价有负向影响；而城镇化对房价有显著正向影响；反过来，房价对城镇化有负向影响，老龄化对城镇化无显著影响；而老龄化主要受自身因素影响，与 房价、城镇化影响不显著&关键词：房价；老龄化；城镇化；PVAR 模型中图分类号:F299. 21 文献标识码:A文章编号1007—6921（2021）08—0043—05当前，我国正在逐渐迈入深度老龄化社会’截至2019年末，我国65周岁以上老年人口占总人口数的12.6%#远超联合国以7%作为衡量一个国家或地区是否进入老龄化社会的标准#同发达国家的老龄化程 度日趋接近，人口老龄化已成为当前我国经济社会发展所面临的重大挑战’人口红利的消失和人口结构 的转变势必会对房地产市场产生深刻影响°与此同时，根据国家统计局最新数据显示#019年末全国城镇常住人口 8. 48亿人#占总人口比重 （常住人口城镇化率）为60. 60% °自改革开放以来 我国城镇化快速发展，大量农村剩余劳动力涌入城 市，从而对房地产市场的有效需求产生了正向影响°从欧美国家的城镇化规律特征来看，我国当前处于城镇化发展的中后期，未来还存在10%的上升空间才会进入“横盘”阶段（巴曙松、杨现领#020$°党的 十八大就明确了城镇化作为经济发展最大内需来源的定位'于是，这里存在两个关键问题°①老龄化程度 加深及城镇化水平提升对房地产价格的波动是否显著相关？其作用方向如何？②当前我国房价发展态 势能够与城镇化进程、老龄化趋势形成良性互动，还 是带来更多的矛盾、问题°鉴于此研究目的，笔者将集中分析老龄化、城镇化和房地产价格三者间的关系，探寻未来房地产行业健康发展应考虑的问题°1 文献综述当前，城镇化和老龄化趋势在中国叠加出现，与 之相关的研究也已经成为学术研究热点'针对老龄化与房价的关系问题，国内外学者进行了大量研究#主要存在以下两种观点°①老龄化会抑制房价，这 也是国外学者得出的普遍性结论（Lindh A Malm-berg ? 2008 ； Yates A Bradbury , 2010 $, Yumi et al（2013）认为人口老龄化会降低居民对住房的需求#从而对房价产生负面影响°国内方面，陈斌开等人（2012）就提出中国迈入老龄化社会将导致住房需求在2013年后呈现负增长态势°顾晶晶、田伟（2018$ 也运用面板向量自回归模型（PVAR ）实证分析后提 出在老龄化社会初期，房价会趋于上升，但是长期来看影响老龄化对房价影响将逆转为负’王先柱、吴义东（2017）探讨了人口老龄化、出生率和房价之间的，三角关系.研究得出：人口老龄化会对房价上涨 产生抑制作用，而出生率具有促进作用°但当前我国国内老龄化程度加深且出生率持续降低的形势使 得房价在未来存在可预见的下跌空间’②人口老龄化有利于房价上涨°郭娜、吴敬（2016）使用门限面 板模型实证研究后发现，我国的老龄化并未如同其 他发达国家那样对房价产生强烈的负向作用，反而 表现为一定程度的正向影响’李通屏等（2017）认为人口老龄化对中国房价有推高作用，但老龄化和房 价预期的交互项则会抑制房价上涨，且这种趋势存 在较大的地区差异°在具体影响机制上，邹瑾（2017）基于区域异质性视角利用面板协整理论研究发现，老年人群对房价具有长期的显著推动作用，主 要原因在于老年人群的高储蓄率、家庭规模小型化和财富的代际转移°况伟大等（2018）则提出老年人 群会通过遗产动机对房价产生正向影响°学术界关于城镇化对房价影响的研究有很多#众多学者已经证实了城镇化在引起房价变动方面的 作用，且普遍认同城镇化有利于推动房价（谢福泉、 黄俊辉 #013；黄庆华 2014；Garriga et al 2017；陈浩 宇、刘园#019） °李怀、何富彩（2016）选取中国31 个省份（直辖市、自治区）999年〜2014年的情况为样本，发现地方政府土地财政激励和城镇化水平与 房价上涨存在显著正相关，在经济发达地区这种情况更为显著°吴振华、曹趁梅（2018）基于珠三角经 济区2005年〜2016年面板数据进行实证研究后发 现，城镇化一方面通过城市人口数量增加为房地产收稿日期：2020 —11 —17・43・总第474期内蒙古科技与经济市场增加刚性需求，另一方面通过由受益于城镇化的富裕人口所带来的投资性需求°龚维进等（2019）则从城镇化分解的视角探讨了城镇化对房价上涨的正向影响，提出城镇化的分解因素交通便利性、公路密度、人口密度、公路质量均会显著影响中国房价水平°罗良文、潘雅茹（2015）采用2004年〜2012年30个省份的数据进行实证分析，结果表明全国城镇化水平区域差异会给房价带来不同影响，人口城镇化水平和产业城镇化水平分别在中西部和东中部地区对房价水平影响显著，其他地方不显著°但仍有部分学者认为城镇化并不是房价上涨的因素，如姜松、王钊（2014）通过构建动态空间面板计量模型实证研究发现，以非农就业人口衡量的城镇化并没有推动房价上涨，这与以户籍人口占比衡量的城镇化得出的研究结论不同，原因在于转移进城的农村劳动力“刚需”受到过高的房价抑制，无法成为真正需求主体°马光远（2014）就指出，城镇化并未推动房价上涨，反而正是居高不下的房价阻碍了农民城镇化的进程'通过对上述相关文献的梳理，不难发现现有的关于老龄化、城镇化与房价的关系研究大多都是分离的，主要是研究两者间的关系，而较为缺乏将三者结合在一起的研究°鉴于此，笔者将在已有研究的基础上实证分析老龄化、城镇化与房价间的动态关系，以期为构建房地产市场稳定运行的长效机制提供参考'2模型设定与变量描述2.1模型设定面板向量自回归模型（PVAR）能将所有目标变量囊括在一个内生系统中，可控制横截面的异质性#更好地保证实证结果的科学性和有效性，为面板数据间动态关系的定量分析提供了一种有效的统计工具°笔者通过构建该模型实证研究老龄化、城镇化与房价间的互动关系，模型设定如下所示：w i#=&+'+!$W i#>+%，<（"）其中，i表示除西藏自治区外的30个省份、直辖市、自治区#=2000,2001,…，2018表示年份°W 表示包含所有内生变量的向量，入为各内生变量滞后项的系数向量，p为滞后阶数°.2分别为引入的个体固定效应和时间效应列向量，为随机扰动项°文中模型分析主要有以下几个步骤：①根据AIC.BIC和HQIC准则确定最优滞后阶数°②利用广义矩估计（GMM）分析变量间的互动关系’③进行脉冲响应分析，描述某一内生变量发生冲击时对其自身及其他变量在若干期后所受到的动态影响°④最后进行方差分解，进一步度量不同扰动项对内生变量波动的贡献度2.2变量描述鉴于我国2000年开始进入老龄化社会，且基于数据可得性，笔者选取了全国30个省份、直辖市及自治区（除西藏外）2000年〜2018年的数据作为研・44・究样本，数据主要来源于中国宏观经济数据库、中国统计年鉴和中国人口和就业统计年鉴，对于部分缺失数据按照各省、自治区、市的统计年鉴进行增补°变量选取如下：①房价°房价水平由各省商品房总销售面积除以商品房总销售额得到，单位为元/平方米，为消除异方差影响，将房价取对数化处理，相应变量名为nhp°②老龄化°借鉴大多数学者的做法，将各省老龄人口抚养比作为老龄化的衡量标准,单位为%，同样也进行对数化处理，变量名为lnag-ing③城镇化使用户籍城镇人口占总人口比值作为城镇化的度量指标，变量名为urb,数据的描述性统计结果如下°笔者采用连玉君和Love的PVAR2程序进行后续实证分析，所使用的统计软件为stata15.0°表1描述性统计变量名称观测值平均值标准差最小值最大值lnhp5708.1400.712 6.75010.458 lnaging570 2.5170.219 1.937 3.122urb5700.5000.1500.2320.8963实证分析3.1单位根检验为了避免在实证过程中容易出现的伪回归问题，在进行模型估计之前需要先对各个变量进行平稳性检验，采用LLC和IPS检验方法对变量进行检验，结果如表2,所有变量均在1%的显著水平上拒绝了原假设，面板数据均为平稳序列’表2面板单位根检验结果3.2最优滞后阶数检验方法LLC IPS 变量T值P值T值P值lnhp$12.04860.0003$2.36100.0091lnaging$13.47700.0000$6.07400.0000urb$16.37000.0000$3.59750.0002确定变量平稳后，即可建立PVAR模型，使用连玉君的PVAR2程序确定最优滞后阶数，依据AIC.BIC和HQIC准则进行判定，根据表3可知,滞后阶数为4阶时，各统计量的计算结果均为最小,表明模型的最优滞后阶数应该为4阶表3各阶数下模型AIC、BIC、HQIC统计量计算结果在进行模型估计前，为了消除PVAR模型的时间效应和个体固定效应的影响，使用均值差分法以消除时间效应可能造成的系数估计偏差，并使用向前均值差分法（即Helmrt过程）消除个体固定效lag AIC BIC HQIC1$10.3749$9.55291$10.05262$10.4854$9.54633$10.11633$10.5105$9.44209$10.08944—11.08556$9.873446$10.606565$11.0593$9.68636$10.5153.3GMM 估计程美淋•老龄化、城镇化与房地产价格研究一一基于PVAR 模型的分析2021年第8期应的影响，构建PVAR(4)模型，随后采用GMM 方 法对参数进行估计(表4) o 其中，h _ lnhp 、h _ lnag-ing 和h_urb 表示经过向前均值差分后的变量。
基于PVAR模型的商品房价格影响因素分析
基于PVAR模型的商品房价格影响因素分析随着城市规模的扩大和经济的发展，在我国特别是一、二线城市，商品房价格一直处于高位运行。
因此，研究商品房价格的影响因素对于政府制定相关政策以及人们了解市场状况都具有重要的意义。
本文将基于PVAR模型，分析影响商品房价格的主要因素。
首先，通过ADF检验和单位根检验发现，数据序列存在单位根，即不平稳的时间序列。
因此，需要对序列进行差分，使序列平稳后再进行分析。
经过差分处理后，我们得到了包含多个宏观经济变量的时间序列数据。
本文选取GDP增速、CPI、固定资产投资、居民人均可支配收入、房地产开发投资、人口密度等六个变量作为PVAR模型的解释变量。
同时，我们还将商品房价格作为模型的被解释变量。
在构建PVAR模型之前，需要对变量间的格兰杰因果关系进行检验。
通过格兰杰因果检验结果发现，GDP增速、固定资产投资、居民人均可支配收入、房地产开发投资对商品房价格存在正向影响，而人口密度对商品房价格影响不显著。
而CPI对商品房价格存在负向影响。
接下来，我们利用VAR模型对变量间的联动关系进行分析。
根据VAR模型的结果，我们可以得出各变量对商品房价格的影响效应，其中GDP增速和固定资产投资对商品房价格的影响效应最大，分别为0.15和0.12。
而CPI对商品房价格的影响效应为-0.075，说明CPI的上升会抑制商品房价格的上涨。
另外，人均可支配收入、房地产开发投资和人口密度对商品房价格也存在一定程度的正向影响。
综上所述，商品房价格受到多种因素的影响，其中经济因素占据主导地位。
政府和相关部门应当通过加强宏观经济政策的调控，加强对房地产开发投资的监管，提高人民的收入水平等途径，促进商品房价格的稳健发展。
我国房价受市场作用与政策干预的影响——基于PVAR模型的实证研究
78 管理现代化D O I :10.19634/j.c n k i .11-1403/c .2018.04.021我国房价受市场作用与政策干预的影响基于P V A R 模型的实证研究Ѳ 华胜亚(北京大学光华管理学院,北京 100871)[摘要]为了鉴别哪种政府干预政策能有效调控房价,运用面板向量自回归模型对相关数据进行分析㊂结果显示,我国房价具有很强的惯性,主要受市场自身调节的影响,其次受政府干预政策的影响㊂存款准备金率和土地供给政策能够对房地产市场产生符合预期的影响利率和房产税收调节的影响统计不显著㊂[关键词]房价;市场调节;政府干预;P V A R[中图分类号]F 062.9 [文献标识码]A [文章编号]1003-1154(2018)04-0078-04[基金项目]国家自然科学基金项目(71772006)㊂一㊁引 言近年来随着我国城市化进程的加快,许多城市出现了房价持续快速上涨的现象㊂2017年后,随着国家政策的调控,虽然一线城市房价上涨有所放缓,但二线城市,如杭州㊁武汉㊁南京等,房价仍保持着强劲的上涨势头㊂一方面,为了抑制房价过快上涨,我国政府采取了一系列货币㊁土地和税收等措施,从供给㊁交易和需求环节对房地产行业进行干预㊂另一方面,由于房地产行业在我国经济中占有重要地位,保证该行业的稳定发展又显得极为重要㊂当房地产行业发展放缓时,政府会释放一些利好政策,促进该行业的发展㊂关于哪些调节政策能够对房地产行业产生有效影响,以及这些影响是否符合政府的预期,是学术界讨论的热点问题㊂有学者认为货币政策能够有效调节市场㊂徐忠等[1],王来福和郭峰[2]认为紧缩的货币政策能够对房价起到抑制作用㊂谭政勋[3]发现货币供应量调控比利率调控效果更好,为了抑制房价,我国央行应该合理控制货币供应量的增长速度㊂针对房地产税收政策,李祥等[4]发现房地产持有税和交易税对我国整体层面的房价有显著的抑制作用,对东部地区的房价影响较大,对中西部地区影响较小㊂况伟大[5]发现征收物业税能有效抑制全国层面和东部地区的房价,但对中部和西部作用不明显㊂针对土地政策调控,潘金霞[6]通过对我国不同地区的房地产市场进行研究发现,中㊁东部地区的房价会受到土地供应量的显著影响,而西部地区则不受影响㊂另一方面,有些学者认为,政府实施的一系列调控政策并不能有效抑制房价上涨,认为政府应该尊重市场规律,让市场这个 看不见的手 发挥更大作用㊂况伟大[7]通过对我国33个大中城市房地产行业数据的分析发现,房地产税对房价的抑制作用不明显,而提高房地产市场的竞争性,降低市场垄断能够发挥更好的作用㊂黄忠华等[8]发现我国央行制定的利率政策对于调控我国房地产市场是基本无效的㊂针对国外房地产市场,也有学者得出类似结论㊂N e g r o 和O t r o k [9]通过对美国房地产市场进行研究发现,利率和存款准备金率的变化对房价的影响不具有统计显著性㊂G r e e n 等[10]指出,人口数量和人口密度对房地产市场有较大影响,房地产税的影响统计不显著㊂以上文献虽然对政府出台的各种政策均进行了研究,但却仅着眼于一个领域的相关政策进行分析,缺乏对市场因素与政策因素影响力的比较,以及各种不同政策之间的比较㊂为此,基于我国的房地产市场数据,本文重点分析了市场调节变量和政府各项调节政策在房地产行业发展中所起到的作用,并分析各种货币㊁土地和税收政策能否达到预期效果㊂2018年第4期 79二㊁数据说明与计量模型(一)变量选择及数据来源影响市场交易的变量主要是需求㊁供给以及商品价格㊂考虑数据的可得性,本文选择新建商品住宅销售面积(平方米)代表房地产市场的需求变量;供给变量用新建商品住宅竣工面积(平方米)表示;新建住宅销售价格(元/平方米)代表商品价格㊂政策变量方面,我国政府各相关部门通常采用货币政策㊁土地供给和房地产税收政策对房地产市场施加影响㊂因此,本文采用实际利率和存款准备金率表示央行通过货币政策采取的干预措施,其中实际利率由名义利率减去通货膨胀率得到㊂采用各部门,如国土资源部㊁国家税务总局㊁财政部等,出台的与房地产相关的土地与税收政策分别表示政府在土地供给和税收上的干预措施㊂本文选取了我国30个省市2005年1月至2015年4月的面板数据㊂土地政策和税收政策变量分别记录了从2005年1月起国家出台相关政策的累计次数,每出台1项利好政策,相应的变量数值加1;每出台1项利空的政策,相应的变量数值减1㊂土地管控与税收政策数据来源于对国家相关部门文件的统计,其他数据取自于w i n d 金融数据库和中国人民银行㊂ (二)计量模型本文基于收集的省级面板数据,采用面板向量自回归(P V A R )模型来估计市场变量和各种政策变量对我国住宅价格的影响㊂通过P V A R 估计的主要步骤是(1)采用G MM 估计方法得出模型参数;(2)脉冲响应函数分析;(3)预测误差方差分解㊂本文针对每个省市i 建立的回归模型如下:y i t =αi +βt +ðq j =1A jy i ,t -j +εi t (1) 其中i 表示样本省份,t 表示时间,y i t ={h pi t ,s o l d i t ,c o m p i t ,i r i t ,d e p i t ,l a n d i t ,t a x i t }分别表示住宅价格,住宅销售面积,住宅竣工面积,真实利率,存款准备金率,土地政策及税收政策,A j 是7ˑ7维的系数矩阵,αi 是7ˑ1维的个体效应向量,βt 是7ˑ1维的时间效应向量,εi t 表示误差项㊂由于数据是以月度为单位,因而需要对住宅价格㊁住宅销售面积和竣工面积数据进行季节调整,去除季节影响因素㊂同时,与政策变量相比,市场变量数值较大,所以本文对这些变量取自然对数,也可以消除数据的异方差问题㊂由于模型中存在滞后项,为了解决个体效应αi 与滞后项的相关性问题,本文参考A r e l l a n o 和B o v e r [11],对变量h p ,s o l d ,c o m p 进行向前去中心化处理,如公式(2)所示㊂y *i t =T -t T -t +1[y i t -1T -t(y i (t +1)+ +y i T )],t =1, ,T -1(2)三㊁实证分析(一)P V A R 模型估计在进行P V A R 估计前,对各变量进行单位根检验㊂由于l n h p ㊁l n c o m p 和l n s o l d 是面板数据,本文采用适用于面板数据单位根检验的L L C 检验,I P S 检验方法㊂国家层面的政策变量属于时间序列数据,可以采用A D F 方法进行检验㊂检验结果显示,n h p ㊁l n s o l d ㊁l n c o m p l 在两种检验方法下均为平稳变量;A D F 检验结果显示i r 为平稳变量,d e p ,t a x 和l a n d 为一阶平稳变量㊂考虑到模型中变量个数较多,同时为了能够保留较多的滞后项,本文将公式(1)分为两个子模型进行分析㊂子模型一包括变量{l n h p ,l n s o l d ,l n c o m p ,i r ,∇d e p },子模型二包括变量{l n h p ,l n s o l d ,l n c o m p ,∇l a n d ,∇t a x }㊂然后根据A I C (赤池信息准则)和S C(施瓦兹信息准则),对两个子模型均选取滞后3个月进行模型构建㊂表1 P V A R 模型主要估计结果子模型一子模型二l n h pt l n h pt l n h p t -10.4249***0.4259***l n h p t -20.2322***0.2330***l n h pt -30.2636***0.2620***l n s o l d t -10.0113***0.0109***l n s o l d t -20.00280.0027l n s o l d t -3-0.0015-0.0013l n c o m p t -10.00120.0012l n c o m p t -20.00340.0034l n c o m p t -30.00110.0011i r t -1-0.0053i r t -2-0.0022i r t -30.0082**∇d e p t -10.0017∇d e p t -2-0.0084∇d e pt -3-0.0202**∇l a n d t -1-0.0038∇l a n d t -2-0.0114**∇l a n d t -3-0.0092∇t a x t -1-0.0049∇t a x t -2-0.0082∇t a x t -30.0121**注:括号内表示标准差,***㊁**㊁*分别表示在1%,5%,10%水平下统计检验显著㊂利用S t a t a 12.0软件通过G MM 方法对模型进行回归,得出的主要结果如表1所示㊂首先分析市场变量对l n h p 的影响㊂从表1可知,两个子模型中市场80 管理现代化变量的回归系数基本相同㊂l n h p 主要受自身历史数据的影响,且影响为正,说明住宅价格有很强的自我预期效应,价格上涨具有一定的惯性㊂其次,l n s o l d 也对l n h p 有显著的正向作用,l n c o m p 对l n h p 的影响统计不显著㊂政策变量方面,从子模型一中可以看出滞后三期的i r 对l n h p 有微弱正向作用,∇d e p 对l n h p 有一定负向作用㊂根据子模型二,滞后两期的∇l a n d 和滞后三期的∇t a x 对l n h p 均有一定影响㊂基于以上结果可知,我国住宅价格主要受到市场变量的影响,政策变量的影响较为微弱并存在滞后性㊂ (二)正交脉冲响应分析基于P V A R 模型参数的估计结果,通过广义脉冲函数分析l n h p 对各市场变量和各政策变量一个脉冲信息的响应情况㊂(a )l n h p 对市场变量的脉冲响应(b )l n h p 对政策变量的脉冲响应图1 l n h p 对各变量的脉冲响应情况市场变量脉冲分析㊂图1(a )显示了l n h p 受自身(左纵坐标)㊁l n s o l d 和l n c o m p (右纵坐标)的脉冲响应情况㊂从图中可知,l n h p 受自身波动的影响最大㊂其次,l n s o l d 的一个正向标准差波动,会使得下一期的l n h p 小幅上升,然后增长出现小幅回落,逐渐稳定在0.62%左右㊂l n c o m p 的一个正向波动对l n h p 的影响较为微弱,在两个月后才会使得l n h p 产生小幅上升,随着时间的进行,增长幅度一直维持在0.5%左右㊂根据分析可知,在市场因素中,住宅价格受自身影响最大,受销售面积的影响次之,受竣工面积的影响最小㊂竣工面积作为我国房地产市场的供给变量,之所以对住宅价格影响不显著,是因为土地作为政府控制的特殊资源,市场化水平极低㊂政策变量脉冲分析㊂图1(b )显示了l n h p 对各政策变量的脉冲响应情况㊂其中,利率政策的正向波动,将对未来五个月内的住宅价格产生负面影响,并在第二个月达到最大降幅㊂但从第六个月开始,利率上升对住宅价格的影响开始变为正向影响㊂因此可知,央行通过提升利率在短期内可以抑制房价上涨,但是抑制效果无法持续㊂∇d e p 的正向波动会对住宅价格产生较为显著的负面影响㊂紧缩的准备金率政策会导致货币的流通性减弱,房地产企业通过银行信贷融资变难,而资金的流动性对房地产企业却非常重要㊂当金融市场资金流动性减弱,为了维持企业正常的现金流,房地产企业可能会采取包括降价在内的一些手段,加快住宅的销售,回收资金㊂另一个对房价有显著影响的是土地政策㊂正向的土地政策波动可以在较短期间内对房价产生抑制作用㊂其实宽松的土地政策实质上是增加了房地产市场土地的供给㊂最后,房地产税收政策的正向波动对房价的影响较为微弱,使房价产生小幅振荡㊂图2 l n s o l d 对政策变量的脉冲响应住宅销售量的稳定也是房地产行业健康发展的重要指标㊂因此本文分析了l n s o l d 对各政策变量的脉冲响应函数㊂从图2中可知,利率政策的正向波动短期内会导致住宅销售量的小幅下降,但在第三个月后成交量开始上升㊂该结论说明通过提升利率水平,虽然增加了购房者的贷款成本,在短期内抑制了购房需求,但却作用有限㊂存款准备金率的正向波动会使住宅销量在短期内有较大幅度的增加,然后增幅逐渐减小㊂由于存款准备金率的提升不会直接增加购房者的购房成本,同时还会释放房地产行业发展迅速的信号,因此短期内会导致住宅销售面积上升㊂土地政策波动的变化在短期内对销售面积产生负面影响,但该影响很快减小㊂房地产税收政策的波动会导致住宅成交量在未来产生较为激烈的正向震荡作用,这是2018年第4期 81因为宽松的税收政策会减少房产交易环节的成本,进而减少了购房者的购买成本,因此短期内可以激发一部分需求,但随后税收政策的影响逐渐减少 (三)模型预测误差方差分解为了更准确的分析l n h p 和ln s o l d 受各变量的影响程度,本文通过方法分解,获取P V A R 模型下各变量对l n h p 和ln s o l d 结构冲击的贡献度㊂表2给出了冲击后第10和第20个月的方差分解结果㊂表2 l n h p 和ln s o l d 预测误差方差分解变量sl n h p l n s o l d sl n h p l n s o l d l n h p100.9720.016200.9510.017l n s o l d 100.0290.963200.0470.939l n c o m p 100.0120.025200.0180.025i r100.0050.007200.0050.009∇d e p100.0010.004200.0040.004∇l a n d 100.0020.005200.0020.005∇t a x 100.0020.001200.0030.001通过表2可以发现,第10个月和20个月的方差分解结果基本一致,所以各变量在第10个月后对被解释变量的冲击贡献程度达到稳定㊂对于l n h p 和l n s o l d ,他们受自身影响最为显著㊂除自身影响外,l n s o l d 对l n h p 影响最大,在第20个月的方差贡献率达到4.7%;l n c o m p 的方差贡献率次之,达到1.8%,四个政策变量对l n h p 的方差贡献率都很微弱㊂l n s o l d 受l n c o m p 和l n h p 的影响比较显著,受政策变量的影响也很微弱㊂通过比较,本文发现房地产市场的住宅价格和销售量主要还是受市场内部变量的影响,政府实施的各种调节政策在长期来看对房地产市场影响较为微弱㊂四㊁结论与建议通过P V A R 模型和脉冲响应函数对我国30个省市的房地产行业数据进行分析,针对房地产市场自身调节和政府政策调节作用,得出如下结论:(1)我国的房地产市场主要受市场自身的影响,政府的出台的货币政策㊁土地政策和税收政策对市场起到辅助调节作用㊂(2)在常用的调节政策当中,存款准备金率和土地供给方面的政策能够对房价和市场交易起到预期的调节效果,且调节作用能够长期维持下去;利率上调短期内能够对房价起到抑制作用,然而长期来看,却会对房价起到正向促进作用㊂此外,房产税收政策对房价影响统计不显著,但利好的税收政策在短期内可以对住宅的销售量有促进作用㊂根据以上分析结论,本文提出以下政策建议:首先,政府应充分考虑市场 看不见的手 对房地产市场的影响㊂为了抑制房价过快上涨,同时保证市场健康持续发展,政府一方面可以优化房地产行业的产业结构,提高保障性住房的供应量或鼓励租房,以减少市场上的刚需㊂其次,由于房价有很强的自我预期性,政府应通过媒体㊁网络等手段逐渐降低消费者对于房价继续上涨的预期,减少投资者通过买房投资的热情㊂最后,鉴于准备金率和土地调控政策能够对房地产市场起到预期的效果,央行应控制货币向房地产行业的流入,减少向房地产企业的贷款,以促使房地产商通过销售住宅来获得充足的现金流㊂同时政府还应加大住宅建设用地的供给,提高土地利用率,打击囤地行为,从源头上增加房地产市场的供给数量㊂此外,由于利率提高仅能够短期内对房价有抑制作用,同时该政策对于其他行业的发展也会产生影响,因此央行应谨慎通过利率政策进行房地产市场调控㊂Ѳ[参考文献][1]徐忠,张雪春,邹传伟.房价㊁通货膨胀与货币政策 基于中国数据的研究[J ].金融研究,2012(06).[2]王来福,郭峰.货币政策对房地产价格的动态影响研究 基于V A R 模型的实证[J ].财经问题研究,2007(11).[3]谭政勋.房价㊁C P I 与货币政策传导机制的中美比较研究[J ].亚太经济,2013(01).[4]李祥,高波,李勇刚.房地产税收㊁公共服务供给与房价 基于省际面板数据的实证分析[J ].财贸研究,2012(03).[5]况伟大.住房特性㊁物业税与房价[J ].经济研究,2009(04).[6]潘金霞.是土地供应量与房地产税赋提高了房价吗[J ].南方经济,2013(11).[7]况伟大.房地产税㊁市场结构与房价[J ].经济理论与经济管理,2012(01).[8]黄忠华,吴次芳,杜雪君.中国房价㊁利率与宏观经济互动实证研究[J ].中国土地科学,2008(07).[9]N e g r oM D ,O t r o kC .99L u f t b a l l o n s :M o n e t a r y P o l i c y a n d t h eH o u s e P r i c e B o o ma c r o s sU.S .S t a t e s [J ].J o u r n a l o fM o n e t a r y E c o n o m i c s ,2007,54(07):1962-1985.[10]G r e e n RK ,M a l p e z z i S ,M a yo S K.M e t r o p o l i t a n -S p e c i f i c E s t i m a t e so f t h eP r i c eE l a s t i c i t y o fS u p p l y o fH o u s i n g ,a n d T h e i rS o u r c e s [J ].T h e A m e r i c a n E c o n o m i c R e v i e w ,2005,95(02):334-339.[11]A r e l l a n o M ,O l y m pi aB .A n o t h e rL o o ka t t h e I n s t r u m e n t a lV a r i a b l eE s t i m a t i o no fE r r o r -c o m p o n e n t s M ode l s [J ].J o u r n a lof E c o n o m e t r i c s ,1995,68(01):29-51.。
我国房地产价格波动与宏观经济指标关系的实证研究的开题报告
我国房地产价格波动与宏观经济指标关系的实证研究的开题报告一、选题背景：中国房地产市场在过去的二三十年中经历了快速增长、波动调整的过程。
近年来，我国宏观经济运行略有回落，但房地产市场没有出现大幅下跌的局面。
因此，研究房地产价格波动与宏观经济指标间的关系，对于了解中国房地产市场的运行规律，为政策制定提供参考意义，对稳定中国经济的发展具有重要的现实意义。
二、研究主要内容：1、对国内外文献的考察，系统总结房地产价格波动和宏观经济指标相关研究的现状。
2、通过对上海、北京、广州、深圳等一二线城市的房地产市场进行实证分析，探讨房地产价格与GDP、CPI、利率等宏观经济指标之间的相关关系。
3、采用VAR模型、回归分析等方法，对房地产市场和宏观经济指标之间的长期、短期关系进行分析。
4、研究房地产市场和地方政府财政收入之间的关系，分析房地产价格波动对地方政府财政的影响。
5、提出合理的房地产市场调节政策，为房地产市场的稳定健康发展提供参考。
三、研究意义：1、通过研究房地产价格波动与宏观经济指标的关系，了解中国房地产市场的运行规律，为政府决策提供参考意见。
2、对稳定中国经济的发展，促进经济可持续发展具有积极意义。
3、为中国房地产市场的调控提供新的思路和解决方案，促进房地产市场的长期稳定健康发展。
四、研究方法：1、文献综述法：通过对国内外文献的重点梳理和综述，确定研究的方向和重点。
2、实证研究法：采用时间序列分析等实证方法，对房地产价格波动和宏观经济指标的相关关系进行定量分析。
3、归纳分析法：将文献综述和实证分析的研究结果进行概括和总结，提出科学的结论。
五、论文大纲：第一章绪论1.1 研究背景和意义1.2 国内外相关研究综述1.3 研究目标、内容与方法第二章相关理论和假说2.1 房地产市场的定义与特征2.2 房地产价格波动与宏观经济指标的相关性2.3 影响房地产市场价格波动的因素2.4 相关假说的提出第三章研究设计与数据分析3.1 研究样本选取与描述性分析3.2 变量的测量和模型建立3.3 实证分析方法和模型选择第四章实证结果及分析4.1 房地产价格波动和宏观经济指标的关系分析4.2 房地产价格波动对地方政府财政的影响4.3 房地产市场的调节政策建议第五章结论5.1 研究结论与贡献5.2 研究不足和展望参考文献。
- 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)。
中国房地产价格与宏观经济波动——基于PVAR 模型的研究*李颖胡日东*本文得到教育部科学技术研究重点项目（项目号：209148）、国家软科学研究计划（2008GXS5D130）和福建省数量经济学研究生教育创新基地的联合资助。
内容提要房地产价格和宏观经济波动之间存在密切的关系。
本文基于我国1999—2008年31个省市的面板数据，利用PVAR 模型对我国房地产价格和宏观经济波动之间的关系进行了实证分析。
结果表明，我国的房地产价格和GDP 之间存在着双向的互动关系，既相互拉动又相互牵制。
通过本文的分析发现，房地产价格的波动受宏观经济的影响更显著一些，房地产价格受宏观经济支持，宏观经济的运行状况对房地产价格的涨跌起到了决定性作用。
关键词房地产价格宏观经济波动面板向量自回归模型一、引言由美国次贷危机引发的国际金融危机，使世界金融体系乃至整个经济遭受自大萧条以来最严重的创伤。
金德尔伯格（2000）的研究表明，从17世纪至20世纪90年代初期，全球范围内42次重要的经济与金融危机中有21次左右都与房价的暴涨与暴跌有关。
房地产业是国民经济的基础性、先导性、支柱性行业，房价的大起大落势必会给国家的经济发展和社会发展带来冲击。
近年来，我国房地产业得到了迅速发展，各个地区的房价不断攀上新高，其中北京、上海、杭州、深圳等大城市的房价上涨尤为迅速。
至此，房价持续上涨已经成为全社会关注的热点，房地产价格的变化和宏观经济波动之间的关系也成为各界普遍关心的问题。
从国外的文献来看，大部分的经济学者对于房地产价格与宏观经济关系的实证研究，主要侧重于从均衡理论、收入假说等经济理论的角度出发。
Demary （2009）利用结构向量自回归（Structural Vector Autoregressive,简称SVAR ）模型研究了10个OECD 国家房地产价格与通货膨胀率、产出及利率的关系,指出货币冲击与产出冲击对房地产价格有影响,另一方面房地产价格冲击对宏观经济主要变量也有一定的作用。
近年来我国经济学界对房地产行业的相关研究也日渐增多。
梁云芳、高铁梅、贺书平（2006）利用协整分析和HP 滤波，计算出房地产均衡价格水平，通过房地产价格偏离均衡价格的波动状态，得出我国房地产市场价格的偏离只是受部分地区影响的结论。
从国内的文献来看，在大多数研究的模型中,经济增长均是外生变量,研究者没有建立经济增长和房价变化的互动模型,也没有指出经济增长引起房价变化的具体原因和传导路径。
有鉴于此，本文的不同之处在于采用面板数据向量自回归（PVAR ）的计量方法，把所有变量均视作内生，真实反映出各变量之间的互动关系；同时面板VAR 的方法能够分解出各个冲击对变量的影响，从而得到排除其他因素干扰的影响因子，分析出我国宏观经济和房地产价格之间的“纯粹”关系。
运用面板数据进行实证研究，不仅可以扩大样本量，而且可以增加自由度，减少自变量间多重共线性的影响。
我国不同地区受宏观经济政策和住房制度改革的影响基本同步，运用我国各省市的数据分析，能在一定程度上揭示房地产价格与宏观经济关系的基本特征。
二、变量、数据与模型（一）变量本文重点分析房地产价格和宏观经济波动的关系，同时加入利率和人均可支配收入作为控制变量。
在选择研究变量时，考虑到现有文献及我国的实际情况，具体选取如下：商品房销售价格（Price），单位：元/平方米，反映房地产价格的指标。
由于我国当前房地产交易以新建商品房为主，平均销售价格基本能反映当地的房地产价格情况。
国内生产总值（GDP），单位：元，反映宏观经济的重要指标。
经济发展水平与房地产业有重要的互动影响，预计该变量对房地产价格的影响为正。
1—3年贷款基准利率（R）。
该变量主要作为影响房地产供给和需求的变量，理论上利率上升会降低房地产价格。
城镇家庭平均每人可支配收入（Income），单位：元。
由于目前我国房地产市场主要是针对城镇居民，故选取城镇家庭平均每人可支配收入为代理变量。
作为影响房地产需求的变量，预计该变量对房地产价格影响为正。
本文在进行实证研究时对上述变量的原始数据均取了自然对数，这样做一方面可以减小数据存在的异方差问题，另一方面不会改变其时序性质，并且可以使其趋势线性化。
处理后的各变量分别表示为：Ln（Price）、Ln（GDP）、Ln（Income）、Ln（R）。
（二）数据来源本文所用数据来自《中国统计年鉴》、中经网数据库、中国人民银行网站和国家统计局网站。
根据数据的可得性，考虑到1998年我国取消了住房实物分配制度，促进了城镇住房制度改革，因此本文选取了1999年到2008年我国大陆31个省、自治区、直辖市的面板数据，其中利率以中国人民银行公布的该年份1月1日所实行的1—3年基准贷款利率为准。
（三）PVAR模型本文采用面板数据向量自回归（Panel Data Vector Autoregression,PVAR）的计量方法。
PVAR的估计方法最早见于Holtz-Eakin等（1988），随后这一方法得到了进一步的发展。
面板VAR是多元系统方程，是一个相当灵活的分析框架，回归方程所有变量滞后项均考察在内。
沿袭VAR的优点，又不同于传统的VAR模型，面板VAR是基于微型理论模型去定量分析面板数据间动态关系的统计工具。
PVAR能把目标变量看成一个内生系统来处理，真实反映变量间的互动关系；正交化脉冲—响应函数能分离不同因素对房地产价格的影响程度，同时也是有效的动态分析工具。
PVAR的三个主要估计步骤为：1、利用GMM方法在面板数据上估计VAR；2、估计脉冲—响应函数；3、方差分解，进一步说明影响因素的大小。
本文采用一阶滞后回归的PVAR模型，模型如下：y it=αi+γt+Γy it-1+μit其中，y it=（Price it，GDP it，Income it，R it）是基于面板数据的4×1的变量向量，i代表各省市自治区，t代表年份，Γ是4×1的系数矩阵，αit是4×1的个体效应向量，γt是4×1的年效应向量。
即系统由四个方程组成，第m（=1,2,3,4）个方程可表示为y it m=αi m+γt m+Γm y it-1+μit m，其中扰动项μit m满足E（μit m|，αi m，γt m，y it-2，y it-3，…）=0。
三、实证分析（一）在面板数据上估计VAR本文采用前向均值差分（forward mean-differ⁃encing），也称Helmert过程来处理模型包含的固定效应，然后利用GMM方法得到系数的有效估计。
（1）由表1的PVAR估计结果可以得到：房地产价格对GDP的动态反应为正值0.410。
表明国民经济的高速增长促进了房地产产业的发展，房地产的发展状况离不开宏观经济的支持。
国内生产总值GDP 是一个衡量宏观经济发展的重要指标，因此从这个表1PVAR（1）估计结果注：括号内为T检验值，***、**、*分别表示1%、5%和10%的显著性水平。
角度分析，各地区的经济增长意味着经济活动能力的扩大。
伴随着城市化程度的提高，住房的需求也有所增加。
同时，随着经济的发展，城市基础设施、环境以及房屋质量均有所改善，房屋的实际价值得到提升，带来了房价长期上涨的潜力。
这些都是宏观经济波动影响房价的途径，所以房地产价格和宏观经济增长呈现正相关关系是合理的。
（2）结合表中GDP对人均可支配收入的正效应，以及人均可支配收入与房地产价格之间的正相关关系，可以说明随着经济的增长，城镇居民的可支配收入明显增长，极大地提高了城镇居民的实际购买能力。
当人均可支配收入较高时，人们会增加对房地产的购买，这将直接带动房地产市场的繁荣，反之则导致房价的下降。
因此以人均可支配收入作为控制变量，对房地产价格产生的是正向影响。
（3）房地产行业属于资金密集型产业，其供给和需求都离不开银行的资金支持。
从表1估计结果利率与房价之间的回归系数为-0.498可以看出，两者之间的关系为负。
就房地产的供给而言，银行利率变动对房地产投资具有重要影响。
从房地产的需求来说，扩张性的货币政策将使利率水平下降或者贷款利率下调均会刺激消费者的购房需求，对购房起到促进作用，造成房价的上升。
反之，利率提高将导致房地产价格下跌。
因此，利率对房地产价格的影响为负。
（4）从GDP作为依赖变量的角度来分析，表1中房价对GDP的正值影响可以看出房地产业的发展反过来会对经济发展产生一定的推动作用。
房价和宏观经济之间存在正反馈机制，房地产周期和经济周期之间具有互动性。
一方面，由于房地产价格上升引起了“财富效应”，使房地产拥有者感到富有而导致消费支出的增加，最终导致了总需求的增加促进了社会总消费。
另一方面，房地产业作为主导型产业，对其他相关行业的发展具有带动作用，前向推动、后向拉动、侧向关联这几个方面都对经济起到了直接或间接的影响。
房地产投资是固定资产投资的重要组成部分，房地产投资的蓬勃发展，必然有利于带动社会总投资的增加。
图1脉冲响应图综上分析，我国GDP的走势对于房地产价格的涨跌具有决定性影响，宏观经济的波动性有助于研究房地产价格的变化趋势；同时房地产价格的走势也反映出了经济的发展情况。
（二）估计脉冲响应函数脉冲响应函数描述的是模型中某一变量的正交化新生（Innovation）对系统中每一个变量的影响，可以通过各变量对冲击的动态反应情况，具体分析各冲击因素对其他因素的影响。
（1）根据脉冲响应图显示，房地产价格的冲击对GDP的影响保持为正，期间略有上升趋势但反应不太强烈，最终趋于影响值非常小的正响应状态。
即房地产价格的冲击对GDP有短期的很小的同向影响，这一结果表明房地产价格的加速上升总体上对经济增长具有拉动作用，但是对GDP的影响比较小。
（2）考察GDP对房地产价格的影响，即第二列第一个图所显示，宏观经济的冲击使房地产价格受到了明显的影响，房地产价格表现出正面积极的响应。
总体趋势是较平稳的上升后有所下降，最后保持在一个比冲击前高的响应水平。
从这个现象可以看出，我国房地产市场应对经济冲击的灵活性越来越高，正逐步走向市场化。
经济的发展水平和增长速度在很大程度上影响着房地产业的发展水平，房地产的发展依赖于良好的国民经济整体运行状况。
（3）对房地产的需求而言，受宏观经济波动影响的居民可支配收入是一个重要影响因素。
但是通过本文的脉冲响应图得出，给人均可支配收入一个正的冲击，房地产价格的变化并不太明显。
说明人均可支配收入不是影响房地产价格波动的主要因素。
（4）根据第四列第一个图，房地产价格明显与利率成反方向变化，即房价对利率的冲击表现出负响应状态。
从房地产的供给方面来看，宏观经济的变动通过利率进一步影响了实际的房地产投资。
从需求方面分析利率变动对房地产价格的传导作用，贷款利率的上升导致房地产投资的收益相对缺乏吸引力，进而引起房地产需求的减少。