王维安等 (2005) 通过构建房地产均衡市场模型, 在风险中性的假设前提下, 利用无套利均衡定价原理, 发展了从房地产价格波动中分离出市场通货膨胀预期的新方法. 通过对中国房地产市场的实证研究发现, 房地产预期收益率与通货膨胀预期之间确实存在稳定的函数关系张红等 (2008) 选用北京上海的居

Size: px

Start display at page:

Download "王维安等 (2005) 通过构建房地产均衡市场模型, 在风险中性的假设前提下, 利用无套利均衡定价原理, 发展了从房地产价格波动中分离出市场通货膨胀预期的新方法. 通过对中国房地产市场的实证研究发现, 房地产预期收益率与通货膨胀预期之间确实存在稳定的函数关系张红等 (2008) 选用北京上海的居"

螳石柴
5 years ago
Views:

1 房地产价格与通货膨胀的实证分析基于年我国各省面板数据戴滢珂夏添摘要 : 本文基于年中国省级面板数据, 运用单位根检验协整检验 Hausman 检验, 分东中西部分析了居民消费者价格指数与房地产价格的关系, 并针对实证结果, 给出 CPI 和房价之间关系的原因解释, 进而提出对策建议关键词 : 居民消费者价格指数房地产价格区域差异一引言房地产作为重要的生产和生活资料, 是马斯洛需求中居于首层 ---- 生理需求中住房需求的重要载体 1998 年我国实现房地产货币化市场化, 2003 年我国将房地产作为支柱性产业, 我国房地产在 10 余年间在价格和成交量上都有了突飞猛进的发展一方面, 据 Global Property Guide 研究报告, 中国北京上海的年人均可支配收入只能买不到 1.5 平方米的住宅, 而世界各主要大都市则都在 3 平米到 10 平米之间 2010 年中国统计局数据显示, 我国商品房销售额占全国居民消费支出的 39% 另一方面, 我国没有将房地产价格直接纳入 CPI 之中, 是采用租赁价格与虚拟租金相结合, 以居民住房的房租水电燃料购买商品住宅贷款利率住房维护修理费用建房及装修材料等商品和服务价格的变动, 来反映居民住房消费价格变动的情况居住类价格在 CPI 中的权重只占 13.2%, 远低于 30% 的国际平均水平诸多学者提出加大 CPI 中住房的权重, 本文也旨在研究房地产价格与 CPI 的关联商品房销售平均价格从 1998 年的 2063 元 /m 2 上涨至 2010 年的 5032 元 /m 2 在东部地区, 最高如北京高达元 /m 2, 而西部地区如青海只有 3005 元 /m 2 中国东中西部房地产市场发展的这种差异, 为我们对居民消费价格指数与房地产价格关系进行区域差异研究提供了一个很好的样本二文献综述国外文献主要有 :Goodhart 等 (2001) 研究表明, 股价以及汇率与通货膨胀之间的联系较弱, 而房地产价格变动对通货膨胀之间影响要明显得多 Anari 和 kolari(20o2) 利用自回归分布滞后模型和递归回归模型研究通货膨胀对住宅价格的长期影响 Kuan Min 和 Wang(2008) 年利用非线性 VECM 模型研究了台湾的通货膨胀与房价的关系国内研究 : 高红 (1996) 研究了房地产投资对通货膨胀的传导机制

2 王维安等 (2005) 通过构建房地产均衡市场模型, 在风险中性的假设前提下, 利用无套利均衡定价原理, 发展了从房地产价格波动中分离出市场通货膨胀预期的新方法. 通过对中国房地产市场的实证研究发现, 房地产预期收益率与通货膨胀预期之间确实存在稳定的函数关系张红等 (2008) 选用北京上海的居民消费价格指数 (CPI) 和中房住宅价格指数 (REPI) 做了时间序列分析从而得出二者之间关联郜浩等 (2009) 探讨了房价变动影响 CPI 变化的作用机制, 利用 2006 年 1 月至 2009 年 8 月的数据, 运用格兰杰检验对房价影响 CPI 的效应进行实证检验, 得出了房价推动 CPI 变动的结论蔡风景等 (2008) 基于上海价格指数数据研究 CPI REI PPI 及房地产销售价格指数的传导效应, 通过 DAG 技术和多元动态因果检验. 给出四者间的同期因果关系并得出房地产销售价格指数对 CPI 有一定的弱传导效应黄飞雪, 金建东 (2010) 运用 STR 模型进行实证, 通过选取 2005 年 7 月到 2009 年 11 月的月度数据, 得出房地产价格指数的变化对 CPI 有明显的推动作用, 但二者之间关系适用于复杂的非线性 LSTR2 模型, 得出转换变量的极限值三指标选择与数据处理 1. 模型构建基于物价指数会随着经济发展有一定幅度的上升, 及一个地区居民消费水平代表消费需求, 对消费价格有一定关联, 本模型中考虑如下因素 : CPI f GDP, HP,CONSUMPTION 关系式为 : CPI c i GDP HP CONSUMPITON (1) 其中, 通货膨胀用居民消费价格指数 (CPI) 来衡量, 房地产价格用商品房销售价格 (HP) 衡量,GDP 代表国内生产总值, CONSUPTION 代表该地区居民消费水平 ; 下标 i t 分别表示省份和年份 2. 区域划分及数据说明本文采用我国除港澳台的 31 个省市年的年度数据, 共 372 组样本数据, 数据均来源于中国统计年鉴和中经网统计数据库出于数据的可获得性和一致性, 由于各省份的国内生产总值和居民消费价格指数没有绝对数, 只有以上年为基期的相对数, 因此也将房地产价格的绝对数换算为以上年为基期同比指数根据统计局的划分, 东部地区包括北京市天津市辽宁省上海市江苏省浙江省福建省山东省广东省海南省中部地区包括河北省山西省吉林省黑龙江省安徽省河南省湖北省湖南省西部地区包括 ; 江西省重庆市四川省广西壮族自治区贵州省云南省陕西省甘肃省青海省宁夏回族自治区和新疆维吾尔族自治区

3 四实证检验 1. 面板数据单位根检验为了避免伪回归, 用 eviews6.0 对各省市的居民消费价格指数 (CPI) 商品房销售价格 (HP) 国内生产总值 (GDP), 居民消费水平 (CONSUPTION) 分别进行单位根检验, 以确定各个变量的平稳性由于居民消费价格指数 (CPI) 商品房销售价格 (HP) 国内生产总值 (GDP), 居民消费水平 (CONSUPTION) 存在时间趋势, 因此在进行单位根检验时, 选用含时间趋势的模型 ; 而对各个变量进行一阶差分后, 则不存在时间趋势, 因此, 选择不含时间趋势的检验方式, 模型中的滞后期数根据 AIC 原则进行选取通过检验发现, 居民消费价格指数 (CPI) 商品房销售价格 (HP) 国内生产总值 (GDP), 居民消费水平 (CONSUPTION) 均有单位根, 而在取一阶差分后其结果除在 5% 的显著性水平下表现为无单位根因此说明这三类变量均为一阶单整序列具体结果如表 l 所示表 1 面板数据单位根检验变量 ADF P 值 CPI CPI HP HP GDP GDP CONSUMPTION CONSUMPTION 面板数据协整结果分析通过面板数据单位根检验, 居民消费价格指数 (CPI) 商品房销售价格 (HP) 国内生产总值 (GDP), 居民消费水平 (CONSUPTION) 均为一阶单整 I(1), 因此可以继续判断变量间是否存在协整关系首先检验商品房销售价格 (HP) 是否是居民消费价格指数 (CPI) 变化的长期原因将 (1) 式进行回归, 得到残差项再利用 ADF 单位根检验法来检验残差项, 若残差项平稳则说明变量间存在长期均衡关系, 反之则不存在, 检验结果见表 2 表 2 面板数据协整检验结果变量 ADF PP 房地产价格 HP 为因变量影响 CPI 由上述协整检验结果可知, 居民消费价格指数 (CPI) 以商品房销售价格 (HP) 为因变量的协整方程的残差序列在 l% 的显著性水平下不含有单位根, 为平稳变量,

4 因此, 在长期二者间存在着长期均衡的关系 3. 面板数据 Hausman 检验 Hausman 检验的原假设是 : 在 (1) 式中, c i 与 GDP HP CONSUMPITON 不相关, 此时采用固定效应的 OLS 与随机效应的 GLS 估计得到的参数都是无偏且一致的, 但固定效应模型不是有效的 ; 而如果原假设不成立, 随机效应 GLS 估计不再一致, 只有固定效应的参数是一致的因此, 在原假设成立时应该用随机效应模型 ; 反之用固定效应模型如表 3 所示,P 值 >0.05, 应该采用随机效应模型表 3 全国 Hausman 检验结果表全国随机效应回归方程 C GDP HP CONSUME 全国回归式为 :CPI = *GDP *HP *CONSUME 一方面, 这一结果印证了很多学者已有的研究结果 ; 另一方面, 在实际经济中, 一是 CPI 指数的构建里涵盖了一定比例的住房因素, 二是房地产由于其长产业链条, 会影响大宗商品原料价格等, 上游价格的上涨需要下游消费来吸收, 自然会对 CPI 的产生影响 4. 东中西部地区的面板数据回归基于同样原理, 依次对东中西部地区进行单位根检验协整检验 Hausman 检验并得出回归式, 具体结果如下表 5 东部地区 Hausman 检验

5 表 6 东部地区回归结果 C GDP HP CONSUME 东部地区回归式 :CPI = *GDP+ 0.23*HP- 0.05*CONSUME 表 7 中部地区 Hausman 检验表 8 中部地区回归结果 C GDP HP CONSUME 中部地区回归式 :CPI= *GDP *HP *CONSUME 表 9 西部地区 Hausman 检验表 10 西部地区回归结果 C GDP HP CONSUME 西部地区回归式 :CPI = *GDP *HP+ 0.01CONSUME 结果显示 :GDP 对 CPI 的影响总是为正, 若以全国为样本,HP 前的系数为 0.11, 因为本文中 HP CPI 采取的是以上年度为基期的相对值, 即增长速度, 所以表示 HP 增长一个百分点会使房价增长 0.11 个百分点东部和中部地区 HP 的系数都为正, 且东部地区明显高于全国平均值, 中部地区略低于全国平均值这种结果趋于合理, 因为虽然这些年房地产的高价格蔓延到二三线城市, 从东部地区溢往中

6 部地区, 但东部地区尤其是沿海城市居高不下的房价远远超过了全国平均增幅但是, 与直观推断相反的是, 西部地区该系数为负, 虽然绝对值较低, 但 t 值在 1% 的水平下亦显著之所以出现这样的原因 : 一是由于年度跨度太短, 以至回归结果不合理 ; 二是随着我国统计水平的提高, 统计结果不断趋于全面客观, 但过往年份的历史统计数据存在一定程度的偏差五研究结论及政策建议本文在已有的关于房地产价格对通货膨胀的影响的基础上, 着重考虑了它们的区域差异, 采用全国除港澳台之外的 31 个省市的数据进行面板数据, 对通货膨胀与房地产价格之间的全国及东中西部地区的关系进行了分析研究结果表明, 我国居民消费价格指数与房地产价格存在长期的关系, 东部地区房地产价格对居民消费价格指数的冲击最为明显, 达到 22%, 中部地区次之, 西部地区得出了负的实证结果一方面, 据我国统计局数据资料, 在 CPI 核算的 8 类价格因素中, 居住类价格所占的权重约为 14%, 核算的主要内容包括建房及装修材料房租自有住房及水电燃料等四类, 其中自有住房所占比重为 21.1%, 因此, 自有住房指标在 CPI 核算中所占的权重仅为 3% 而澳大利亚新西兰美国加拿大以及欧盟部分国家央行, 先后不同程度地将房价纳入到了 CPI 核算体系中美国居住类权数为 42.6%, 扣除家庭设备后的居住类权数为 38%; 加拿大的居住类权数为 26.8% 另一方面, 计入 CPI 的主要是房租而非房价, 我国房屋的租售比则一般到了 400 倍以上, 购买住房价格的变动远不能反映在房租上房价长期独立于 CPI 数据, 近年来楼市的销量和价格一起飙升, 购房支出在普通居民家庭消费支出中所占的比重日益攀升, 严重挤占了其他消费本文的实证结果也表明房地产与 CPI 之间具有长期的稳定关系, 商品房销售价格对 CPI 的解释达到 10% 以上我认为 CPI 应当在原有的基础上重新测算并加大房地产价格的权重, 尤其是在统计测算东部地区 CPI 时, 应该做显著的调整, 使 CPI 这个指标更加科学有力参考文献 [1] 谢冰, 彭洁. 资产价格波动与通货膨胀预期关系研究综述 [J]. 经济学动态,2003,(12): [2] 王维安, 贺聪. 房地产价格与通货膨胀预期 [J]. 财经研究,2005,31(12): [3] 郜浩, 吴翔华. 我国商品房价格与 CPI 关系实证研究 [J]. 价格理论与实践,2009,(11): [4] 黄飞雪, 金建东. 金融危机前后中国房价指数对 CPI 的影响 [J]. 经济数学,2010(9): [5] 成秋明高云峰. 银行信贷与房地产价格的关系术 [J]. 投资研究,2011,(8): [6] 蔡风景, 李元王慧敏.CPI REI PPI 和房地产价格传导研究来自上海的实证数据

7 [J]. 南方经济,2008(6): 作者简介戴滢珂, 女, 上海财经大学公共经济与管理学院夏添, 女, 上海立信会计学院

专业最高分最低分一本线最高分最低分一本线最高分最低分一本线临床医学 ( 5+3 一体化 ) 口腔医学 ( 5+3 一体化 )

专业最高分最低分一本线最高分最低分一本线最高分最低分一本线临床医学 ( 5+3 一体化 ) 口腔医学 ( 5+3 一体化 ) 目录安徽省 1 北京市 2 福建省 3 甘肃省 4 广西壮族自治区 5 贵州省 6 海南省 7 河北省 8 河南省 9 黑龙江省 10 湖北省 11 湖南省 12 吉林省 13 江苏省 14 江西省 15 辽宁省 16 内蒙古自治区 17 宁夏回族自治区 18 山东省 19 山西省 20 陕西省 21 四川省 22 天津市 23 新疆维吾尔自治区 24 云南省 25 浙江省 26 重庆市 27