區域經濟因素對北京房價波動的影響

摘 要：區域經濟形勢與北京房價之間有著緊密的聯系。利用 2011年1月至2015年7月的北京市居民消費同比價格指數、北京市工業增加值同比增長率、北京市新建商品住宅銷售同比價格指數、7天期銀行間同業拆借利率的月度數據，應用結構向量自回歸模型估計區域經濟因素對北京房價波動的動態影響。結果顯示，供給、需求與貨幣政策因素的正向變動均導致北京市房價上升。

關鍵詞：北京房價；區域經濟； SVAR模型

中圖分類號：F127 文獻標志碼：A 文章編號：1673-291X（2016）01-0058-03

引言

隨著我國經濟的快速發展，居民可支配收入不斷增加，對住房的剛性需求越發擴大，在以北京市為代表的一線城市中，市場投機氣氛濃厚使房價逐年攀升，泡沫顯現。價格的劇烈波動和泡沫的持續累積已經成為我國經濟面臨的一大風險，房地產市場的非理性繁榮已經引起政府決策部門的高度重視。另外，房地產市場的波紋效應使促進一線城市房地產市場的穩定成為全國房地產市場穩定的關鍵。

北京市房地產業不斷發展，對地區經濟發展目標的實現做出了積極貢獻。但區域的宏觀經濟指標對房價有何影響，房價與區域經濟發展水平是否相適應等問題還有待實證研究進行檢驗。本文基于SVAR模型，定量分析了影響北京市房地產價格波動的關鍵因素。

一、理論分析

宏觀經濟變量對房地產價格的影響途徑：

第一，正向的供給變化使供給曲線向左上移動，均衡價格上升；增加建設成本，導致房價上漲。因此，房價對正向供給變化的響應函數是正向與負向的沖擊響應函數的疊加。

第二，如果宏觀經濟中的總需求增加，則企業需要雇用更多的勞動力，勞動者的收入將增加，引起房地產需求的增加，致使房價上升；總需求增加導致通貨膨脹率的上升，實際購買力下降。因此，房價對正向需求變化的響應函數是正向與負向的響應函數的疊加。

第三，擴張性的貨幣政策將使利率下降，對購房起到鼓勵作用，使房地產需求上升，價格上漲。收縮性的貨幣政策如減少貨幣供給提高利率以降低通脹率，將提高購房成本，使房地產需求下降，導致價格下降。

二、實證檢驗

（一）模型構建

根據本文研究目的和以往的研究經驗，選取了北京市居民消費同比價格指數（CPI）、北京市工業增加值同比增長率（IND）、北京市新建商品住宅銷售同比價格指數（HP）、7天期銀行間同業拆借利率（I）四個變量加入SVAR模型。

k個變量情形下p階結構向量自回歸模型SVAR（p）：

B0yt=Γ1yt-1+Γ2yt-2+…+Γpyt-p+ut， t=1，2，…T （1）

其中，yt是由k個變量構成的k×1向量，B0和Γi，i=1，2，…，p為k×k的系數矩陣，ui為k×1殘差向量。

可以把（1）式重寫成如下簡潔的滯后算子形式：

B（L）yt=ut （2）

其中：B（L）=B0-Γ1L-Γ2L2-…-ΓpLp是滯后算子L的k×k參數矩陣，信息向量ut為一個正交結構擾動項Et的線性表示，即ut=CEt，C為k×k系數矩陣，Et為k×1標準正交隨機擾動向量。

故本文四變量的SVAR矩陣可以設計如下：

（二）模型識別

在分析各內生變量的動態沖擊效應之前，要使得模型（3）可以識別，需要對矩陣C施加一些約束條件，約束條件的個數應不少于，才能恰好識別出所有參數。模型中包含4個變量，需要施加6個約束條件才能識別出結構沖擊：

在（3）式的第1行中，只有供給沖擊的變化會立刻影響價格指數，因為價格存在黏性，因此需求、貨幣與房地產價格影響價格總水平時存在滯后，即c12=0、c13=0、c14=0。在（3）式的第2行中，由于利率對產出的影響需要經歷一個傳導過程，投資和消費要最終通過乘數效應對總需求產生影響，貨幣政策變動對產出的影響存在外部時滯，因此c23=0，此外，房價變化通過財富效應影響消費需求也需要一個傳導過程，即c24=0。在（3）式的第3行中設定c34=0，反映了貨幣政策實際上無法改變資產價格的長期利率環境。

（三）樣本選擇與數據處理

本文選用北京市2011年1月至2015年7月的月度數據。用居民消費價格指數反映供給沖擊；工業增加值同比增長率反映需求沖擊，選取工業增加值同比增長率（IND）作為GDP的替代變量；7天期銀行間同業拆借利率（%）加權平均利率反映貨幣政策沖擊，選取市場化程度高的7天期銀行間同業拆借利率作為代理變量。由于變量具有較強的季節性，故運用X-11季節調整法對所有數據進行季節性調整。最后，除7天期銀行間同業拆借利率外，對其余變量取自然對數，以消除各變量條件分布的異方差性。

（四）實證結果與分析

1.序列平穩性檢驗

SVAR模型中，如果序列是非平穩的，則其對沖擊的收斂程度會大大降低，從而影響實證結果的穩定性，因此在估計SVAR模型前需要對變量進行平穩性檢驗，本文采用ADF方法進行變量的平穩性檢驗，最佳滯后期由SC信息準則確立，結果（如下表所示）。

由上表中結果可知，房價原序列平穩，CPI、IND、I均為一階差分序列平穩，不全部服從同價單整，所以變量之間不可能存在協整關系，不需要進行序列協整檢驗。考慮到模型的穩定性，對非平穩變量取差分后建立SVAR模型。

2.模型穩定性檢驗

根據SC和AIC等標準對最優滯后階數進行檢驗，發現大部分的檢驗結果都選擇2階，可以確定SVAR模型的最優滯后階數為2階。經單位圓檢驗發現，SVAR（2）模型的特征多項式的所有根模的倒數小于1，位于單位圓內，因此模型滿足穩定性所要求的條件，可以做進一步的分析。

3.脈沖響應函數分析

從上頁圖分析可知，正向的供給變動會導致房價上升，該沖擊的影響在半年后開始回落，在大約16個月后供給沖擊的影響基本消失，表明成本上升對北京房價有直接影響，且通貨膨脹促使人們購買房地產以保值的效果大于人們由于通貨膨脹實際收入下降而減少房地產需求的效果。正向的需求對房價有正向影響，在第8期達到響應峰值，而后緩慢下降，逐漸趨近于零，在第18期后影響變為負值。正向的貨幣政策沖擊對房價存在正向影響，但影響相對較小。三種沖擊均對房價有長期的影響，均可持續一年半之久。同時，從累計脈沖響應圖可以看出，三類沖擊均對北京房價造成正向影響，在到16期之后，累計響應趨于穩定，房價穩定在一個新的高度。

4.方差分解分析

方差分解可評價不同的結構沖擊的重要性。通過對房價進行方差分解可以看出，在前20期，利率的貢獻一直不明顯，供給和需求對房價的貢獻度在逐漸上升，略微出現局部波動，需求的貢獻要大于供給的貢獻。

結論與建議

本文應用 SVAR模型估計了區域經濟變量對北京房價波動的動態影響。結果顯示，正向的供給、需求與貨幣政策變動將導致北京房價上升，說明北京房價與宏觀經濟變量之間存在正向的反饋機制，將會導致北京市出現房價泡沫。要注意保持政策的執行力和連續性，抑制正反饋交易心理滋生。

參考文獻：

[1] Amisano，G.and C.Giannini，Topics in Structural VAR Econometrics，New York，Springer，1997.

[2] 張成思.金融計量學——時間序列分析視角[M].北京：中國人民大學出版社，2012.

[3] Bharat.Barot.YangZan.Housing Prices and Housing Investment in Sweden and the United Kingdom-EconometricAnalysis for the Period

1970—1998[J].Review of Urban and Regional Development Studies，2002，（2）：189-216.

[4] Iacoviello.Matteo.RaoulMinetti.The Credit Channel ofMonetary Policy：Evidence from the HousingMarket [J].Journalof Macroeconomics，

2006，（1）：69-96.

[5] Demary.Markus.The Link between Output，Inflation，Monetary Policy and Housing Price Dynamics.MPRA Paper，2009.

[6] Iacoviell.Matteo.Stefano Neri.Housing Market Spillovers：Evidence from an Estimated DSGE Model.Boston CollegeWorking Papers in

Economics，2009.

[7] 趙昕東.中國房地產價格波動與宏觀經濟——基于SVAR模型的研究[J].經濟評論，2010，（1）：65-71.

[8] 胡乃武，仲武冠.論房地產業調整與區域經濟發展相結合的必要性[J].經濟與管理研究，2009，（1）：97-102.

[責任編輯 陳麗敏]