2000-2015年房地產投資與經濟增長實證研究
——基于江蘇省13個地級市的面板數據

齊琳

2000-2015年房地產投資與經濟增長實證研究
——基于江蘇省13個地級市的面板數據

齊琳

房地產投資與區域經濟增長的相互關系因房地產市場的火爆飽受關注。文章根據江蘇省13個地級市2000-2015年房地產投資、非房地產投資、區域人口與經濟增長（GDP）的面板數據，通過單位根檢驗和協整檢驗證實江蘇省13個地級市區域內房地產投資、非房地產投資、勞動力和經濟增長存在長期的均衡關系，然后對面板模型的選擇和回歸估計，得到了江蘇省范圍內13個地級市經濟增長的房地產投資系數，結果顯示江蘇省內蘇州市對房地產投資依賴最大，房地產投資對鎮江市影響最小，接近于0，房地產投資對徐州市的影響是負面的。

房地產投資；經濟增長；江蘇省；面板數據

一、引言

2015年江蘇省實現地方生產總值70116.4億元，在國內外經濟不景氣的背景下仍強勢增長8.5%。房地產市場四小龍：南京、蘇州、合肥、廈門中江蘇省占了兩個，那么房地產投資對江蘇省的經濟增長到底起到什么作用？本文將利用柯布道格拉斯生產函數的對數分別對江蘇省各市和13市的面板數據進行平穩檢驗、協整檢驗和面板數據的回歸估計，探尋二者的關系。

二、方法選取

經濟現象越來越復雜，只用時間序列數據來對經濟現象進行研究偏差較大。面板數據能夠控制個體的異質性，克服時間序列的多重共線性等問題，較好地確定和估計經濟關系，使模型設定更合理，樣本估計更準確。

（一）面板數據簡介

N個橫截面成員方程組成靜態面板數據模型:

其中yit是方程的因變量，xlit…xkit是K個解釋變量，N是方程的橫截面的個體成員數，T代表橫截面成員的樣本觀測的時期數，參數αi代表截距項，β1i,…βki代表對應于K個解釋變量的系數；在這里我們假設方程中的隨機誤差項ult相互獨立，且方程均滿足均值為零、方差同為σ2tl。

當考慮解釋變量與被解釋變量的滯后項,動態面板模型為：

δ1i…δpi表示對應p個變量之后被解釋變量的系數。ζ表示外生變量。

由于對截距項和解釋變量的系數的限制不同，將靜態面板數據模型分成三種：混合回歸模型、變截距模型和變系數模型。

1.混合回歸模型一般形式：

該模型假設，方程中截距項α和解釋變量的系數βit…βkt對所有的截面個體成員都是不變的，即個體成員既不受個體影響，也沒有結構變化。于是：αi=αj，βi=βj。我們可以用最小二乘法對模型直接進行估計。

2.變截距模型

這個模型假定，方程中截面個體成員截距項αi不同，解釋變量系數β1i,…βki不變，即個體成員會受到個體影響但沒有結構變化，即αi≠aj,βi=βj

3.變系數模型的一般公式

此模型假定，截距項αi和解釋變量系數β1i,…βki對于所有的截面個體成員不相同，即個體成員上既存在個體的影響，又有結構變化。于是我們有，αi≠aj,βi≠βj，所以稱其為變系數模型。對變截距和變系數模型，根據個體影響對模型的不同形式，還需要進一步細分為固定效應模型和隨機效應模型：

（二）面板數據模型形式設定

我們首先檢驗樣本數據應該用哪種模型，一旦模型選錯，估計結果有偏，而且同研究的現實經濟狀況不符，可能得出錯誤的結論。本文采用一般常用的Hausman檢驗決定模型的影響形式、F檢驗來確定模型形式。

1.Hausman檢驗

原假設：數據適用隨機效應模型:

在原假設條件（隨機效應）下，αi與其他解釋變量不相關，即沒有遺漏相關變量，cov(xt,μ)=0，最小二乘法登出的估計量與工具變量法（IV）得到的參數一致。如果不符合原假設，cov(xt,μ)≠0最小二乘法得出的估計量得出的參數與IV得到的參數不一致。所以Hausman檢驗通過檢驗IV估計量與最小二乘法得出的估計量是否有顯著的差異性，來檢測樣本是否符合隨機效應。

2.F檢驗

對于我們的樣本數據適用變系數模型、變截距模型和混合回歸模型的哪一種，做出兩個假設：

并相應給出以下兩個F檢驗統計量：

N是方程的截面成員個數，T是方程中截面成員樣本觀測期數，K是所有非常數項的解釋變量個目，S1，S2，S3分別是三種模型變系數、變截距、混合回歸的殘差平方和。

（三）面板的單位根檢驗

在回歸分析之前我們還需要檢驗樣本數據的平穩性，也就是面板數據單位根檢驗，大致有兩種方法：共同單位根檢驗（common root）和個體單位根檢驗（individualroot）。commonroot利用LLC檢驗，假設paneldata每個個體的系數相等并且同質的，所以局限性比較大；individualroot采用IPS檢驗和Fisher檢驗，IPS檢驗是假定paneldata有N個相互獨立的個體，每個個體都有T時期的數據，通過構造統計量來檢驗paneldata是否存在單位根，檢驗平衡面板數據時一般會用這種方法。但是如果paneldata不平衡，IPS檢驗結果就會不準確，Fisher檢驗包括Fisher-ADF檢驗和Fisher-PP檢驗，這兩種方法都設定時間序列長度的觀測值和滯后期可以不同，對IPS檢驗方法進行了改進，檢驗的準確度較高。以上幾種單位根檢驗方法的原假設都是paneldata含有單位根，如果原假設被拒絕，panel data是平穩的。

（四）面板協整檢驗

如果單位根檢驗后所有變量都是同階單整的，我們才可以檢驗paneldata的單位根變量之間是否存在長期的均衡關系。協整檢驗主要有Pedroni檢驗、Kao檢驗和Johansen協整檢驗三種。三種方法都假定各變量間不存在協整關系，原假設被拒絕則證明面板數據通過了協整檢驗，長期穩定的均衡關系存在。

二、單位根檢驗和協整檢驗的實證分析

我們將柯布道格拉斯生產函數剔除技術的影響，作為模型的依據。經濟增長的指標（GDP）作為因變量，房地產投資看作自變量，加入非房地產投資額、勞動力作為控制變量，除了房地產投資，非房地產的固定資產投資和勞動力也會對經濟發展有重大影響，所以實證分析必須考慮非房地產投資和勞動力。。筆者從江蘇統計年鑒中選取2000年至2015年江蘇省13個地級市的年度GDP、年末總人口數據、房地產投資額，再利用歷年房地產投資和固定資產投資算出非房地產投資額，分別用英文字母GDP、POPU,RI,NRI表示，把樣本數據取自然對數已消除可能存在的異方差性，分別用lnGDP, lnPOPU,lnRI,lnNRI表示。

（一）單位根檢驗

根據上文所述的方法對面板數據進行IPS、Fisher-ADF檢驗、Fisher-PP檢驗。結果如下：

表1 面板數據的單位根檢驗

數據使用Eviews8.0計算整理所得，檢驗結果顯示，房地產投資的對數序列在包含趨勢項時不平穩，只包含截距項時平穩。非房地產投資的對數序列在只包含截距項時不平穩，包含截距項時平穩，所有序列的差分序列平穩，因此所有序列為同階單整。

（二）協整檢驗

經過檢驗，我們的paneldata四個變量都是同階單整序列，接下來我們進行協整檢驗。筆者利用Pedroni檢驗，為了保證準確性，再采用Kao檢驗的方法驗證Pedroni檢驗的結果。檢驗結果見下表：

表2 江蘇省13個地級市的協整檢驗結果

表2結果顯示：在5%的顯著性水平下，Kao檢驗的p統計值幾乎為0，H0都被拒絕：四個變量存在協整關系，Pedroni檢驗大部分統計量的P值小于5%，拒絕H0。所以2000-2015年江蘇省房地產投資、非房地產投資、勞動力、經濟增長四個變量之間有長期穩定的均衡關系。

三、面板數據模型選擇

（一）Hausman檢驗確定模型的影響形式

利用Eviews8.0對Paneldata建立隨機效應回歸：，然后在回歸結果的基礎上繼續進行Hausman檢驗。結果如下：

表3 面板數據Hausman檢驗結果

Hausman檢驗的P值接近0，拒絕原假設——面板數據模型為隨機效應模型。所以江蘇省13地級市的面板數據應建立固定效應模型。

（二）F檢驗確定面板數據形式

分別用混合回歸模型、變截距模型、變系數模型估計lnGDP、LnRI、lnNRI、lnPOPU之間的關系：，并記錄S1，S2，S3，根據上文所述的

計算F1和F2，得出：

F1=3.984840489；F2=25.80830259在 Eviews8.0通過公式@qfdist(p,v1,v2)(其中p為概率值、v1、v2分別是F分布的自由度)得到F分布的臨界值為：F1（36，156）=1.492935，F2=（48，156）=1.439265。因為F2>1.439265，拒絕H2，又因為F1>1.49，拒絕了H1。因此，江蘇省13個地級市房地產投資對GDP的影響模型適用變系數模型。

（三）面板模型的回歸估計

根據面板模型形式的檢驗結果，我們對江蘇省13個地級市面板數據建立固定效應變系數模型：

為了消除研究數據存在的組內自相關和群組異方差，用Cross-sectionweight對各解釋變量進行截面加權，而且適用White period系數協方差的方法，用Eviews8.0對變系數模型進行估計，結果如下：

表4 固定效應變系數模型的回歸估計結果

截面固定效應（加權統計量）

截面固定效應（未加權）

表4給出了江蘇省13個地級市數據應用固定效應變系數模型的估計結果，而后是回歸方程擬合優度R2、F、D-W等加權和未加權的統計結果。由表可知，13個地級市的房地產投資、非房地產投資、人口的回歸系數在1%的顯著性水平下的估計值都是有效的；擬合優度達到99%以上；D-W統計量稍小于2，說明在回歸的估計方法中選取Cross-section weight對各解釋變量進行截面加權，并采用White period系數協方差的計算方法都有效地削弱了panel data中的組內自相關和群組異方差的影響。

（四）房地產投資對GDP影響力的區域差異

房地產投資額的回歸系數β1代表房地產投資每增長1%，GDP將隨之增長β1%，房地產投資對GDP的影響力在江蘇省各市差別很大。13個地級市按照房地產投資的回歸系數排列如下，第二列為房地產投資系數與非房地產投資系數的比值：

表5 江蘇省13個地級市房地產投資對區域生產總額（GDP）的影響力排名

由表5可知，2000-2015年期間，蘇州市房地產投資增長1%，GDP可增長0.62%，房地產投資額對GDP的影響力市非房地產的14倍，對房地產投資的依賴過高。同為房地產市場四小龍的南京市，房地產投資額增長1%，GDP會上漲0.47%，房地產投資對GDP的影響力是非房地產投資的1.34倍，房地產投資的影響力也高于非房地產投資的影響力，但是對蘇州市較為均衡。徐州市房地產投資對GDP的影響是負向的，房地產投資相比非房地產投資，對GDP的影響力非常微弱。雖然房地產投資與非房地產投資恰當比例仍有待研究，但是由于房地產投資對GDP的影響并不可持續，對房地產投資依賴過高的市區應借房地產市場的熱潮拉動非房地產投資與技術進步，以開發新的經濟增長點。

四、結論

本文使用平穩性檢驗、協整檢驗、面板數據回歸估計研究了江蘇省13個地級市房地產投資與經濟增長的關系。研究發現，江蘇省房地產投資與經濟增長存在長期的均衡關系，江蘇省13個地級市房地產投資、非房地產投資、人口、經濟增長之間的回歸方程如下：

南京市：

1nGDP=0.465113+0.4730891nRI+0.3523791nNRI+0.3898851nPOPU

無錫市：

1nGDP=0.465113+0.3390481nRI+0.2607331nNRI+0.8007501nPOPU徐州市：

1nGDP=0.465113+0.1833481nRI+1.0770941nNRI-0.1203071nPOPU常州市：

1nGDP=0.465113+0.3193211nRI+0.2607331nNRI+0.7854711nPOPU蘇州市：

1nGDP=0.465113+0.6212651nRI+0.0433961nNRI+0.9046601nPOPU南通市：

1nGDP=0.465113+0.2870291nRI+0.4307361nNRI+0.2696471nPOPU連云港市：

1nGDP=0.465113+0.3418001nRI+0.3248221nNRI+0.4165241nPOPU淮安市：

1nGDP=0.465113+0.2896691nRI+0.4587561nNRI+0.423851nPOPU鹽城市：

1nGDP=0.465113+0.4177621nRI+0.2335081nNRI+0.4644211nPOPU揚州市：

1nGDP=0.465113+0.4177621nRI+0.3441771nNRI+0.2808541nPOPU鎮江市：

1nGDP=0.465113+0.714071nRI+0.5659571nNRI+0.7226701nPOPU泰州市：

1nGDP=0.465113+0.4324211nRI+0.2241501nNRI+0.4910291nPOPU宿遷市：

1nGDP=0.465113+0.4880951nRI+0.2326401nNRI+0.4896571nPOPU

江蘇省內房地產投資對GDP的影響力差異較大，其中蘇州市對房地產投資依賴最高，徐州市最低，呈負向影響。雖然房地產投資與非房地產投資對城市經濟良性發展的恰當比例仍有待后續研究，而且各市區經濟基本面各異，不過可以肯定的是，房地產投資相對非房地產投資過高或過低都不利于城市經濟可持續發展，從這個角度來說，雖然江蘇省經濟總體強勁，各市仍需平衡房地產投資與非房地產投資的關系，促進經濟長期可持續發展。

[1]粱富山.房地產價格波動對地方財政收入的效應研究——基于1997-2009省際面板數據的實證分析[D].遼寧：東北財經大學，2011.

[2]許東釗.中國房地產投資與經濟增長關系的區域比較研究[D].河北：河北大學，2014.

[3]蔣旻，許曉燕.浙江省經濟增長對房地產價格影響實證分析[J].價格月刊，2008，(10).13-16.

[4]江蘇省統計年鑒.2015.

齊琳，女，河北廊坊人，南京農業大學公共管理學院學生，研究方向：房地產經濟。

F121

A

1008-4428（2016）12-107-04