房地产行业与政府行为的互动关系研究

林 辉，陈 焕

（南京大学商学院金融学系，南京 210093）

房地产行业与政府行为的互动关系研究

林 辉，陈 焕

（南京大学商学院金融学系，南京 210093）

文章从新的角度，提出“中国的房地产行业是政府主导的政策性市场”的大胆假设，通过建立向量自回归VAR模型来研究房价与政府行为的互动关系，模型表明，我国的房地产行业确实较大程度地受到政府经济政策的影响，佐证了模型的假设。

向量自回归VAR模型；房地产价格与政府行为；互动模型

0 引言

近年来，房地产业也面临较为严峻的问题和挑战，引起诸多争议。经过2007年的疯涨后，2008年底随着美国金融危机对中国的冲击，中国的房地产市场尤其是住宅市场开始趋冷。然而，2009年开始住房价格再次进入上升通道，一些城市的房价不断创出新高，大大超出了普通居民的承受能力，对国民经济的健康稳定造成了潜在威胁。高房价，住房难已经成为政府和社会关注的焦点。

因而，从系统的高度认清当前房地产行业的影响因素、发展态势、并且从定量角度把握各指标之间的数量关系、研究政府宏观调控对房地产业的定量影响，不仅可以为帮助市场参与者科学认清我国住宅商品房市场的形势，以便市场主体更好地做出投资决策，还对政府政策的制定具有一定的借鉴意义。对房地产市场的定量研究，有助于我们从数量上对完善市场体系，平衡市场行为和政府干预，保持政策的连贯性等做出更好的决策。

1 房价与政府行为互动模型建立

由于我国的房地产行业很大程度上受到政府行为的影响，因此，探讨房价与政府行为的互动关系成为关键问题。

1.1 模型假设

假设1，中国的房地产市场已脱离经济基本面，累积了大量泡沫，即：脱离了传统的供给需求理论的范畴。假设2，中国的房地产市场的非理性增长与政府的行为具有很大的相关性，即：政府的政策缺位和越位直接或间接了导致房价的虚高。

1.2 变量选取与VAR模型介绍

1.2.1 根据模型假设，选取以下变量：

工业增加值（IND）：代表宏观经济的走势和中国的整体经济状况。

房地产价格（P）：以商品房销售额代表房价。

广义货币供应量（M2）：代表政府的货币政策，中国的中央银行缺少独立性，因此货币政策仍视为政府行为，其中，三大货币政策：再贴现政策、公开市场操作、存款准备金率都将传导至市场的货币供应量M2。

政府财政支出（EX）：中央政府的财政支出，是政府的财政政策的一部分。

政府财政收入（IN）：中央政府的财政收入，是政府的财政政策的一部分。

1.2.2 VAR模型介绍

VAR模型是自回归模型的联立形式，称为向量自回归模型。假设y1t，y2t之间存在关系，如果分别建立两个自回归模型

则无法捕捉两个变量之间的关系。如果采用联立的形式，就可以建立起两个变量之间的关系。VAR模型的结构与两个参数有关。一个是所含变量个数N，一个是最大滞后阶数k。

以两个变量y1t，y2t滞后1期的VAR模型为例，

因VAR模型中每个方程的右侧只含有内生变量的滞后项，他们与ut是渐近不相关的，所以可以用OLS法依次估计每一个方程，得到的参数估计量都具有一致性。

1.3 模型建立

为分析财政和货币政策在我国的房地产市场中的传导作用，采用向量自回归(VAR)模型，VAR方法是分析宏观政策对宏观经济变量的影响时的一个普遍应用的工具。通过上述的分析，本文认为财政支出EX、财政收入IN、广义货币供应量M2、房地产价格P和工业增加值IND存在相互影响的关系，从而构建滞后p期的VAR模型：

2 模型求解与分析

2.1 数据处理和VAR模型建立

通过建立上述VAR模型，可以对变量间的动态关系进行描述，而不需要区分这些变量是内生的或是外生的。此外，利用VAR的脉冲响应函数和方差分解，可分析变量间波动的动态影响。基于模型的要求以及数据的可得性，我们选用1999年2月到2011年7月间的月度数据作为样本。

2.1.1 数据预处理

由于商品房销售数据与工业增加值数据具有较强的季节性，考虑使用同比增长率替代原始数据。这样，可以消除季节性，数据也更为稳定。

2.1.2 相关性分析

对选取变量进行相关性检验，得到相关系数矩阵如下：

表1 相关系数矩阵

根据相关系数矩阵，可以看到，房地产价格与政府收入、工业增加值、货币供应量成正比，与政府支出成反比。其中，与货币供应量M2的相关性最大。

2.1.3 平稳性检验

依次对5个变量进行平稳性检验，采用ADF（Augmented Dickey-Fuller test）检验，检验结果如下：

表2 ADF检验结果

ADF检验结果表明：各变量在1%的显著性水平下均无单位根，都是一阶单整序列，因此可以建立VAR模型。

由于此处选取变量较多，若滞后期过多，将使模型的有效性降低。在反复验证，并结合AIC、BIC准则的判断标准，选取滞后期为1阶。

结合前面的相关性分析，在4个变量中，只有政府支出EX和房价P呈现了负相关的关系。

综合以上分析，考虑对模型进行调整，剔除政府支出EX，选取政府收入建立VAR模型。

2.1.4 选取财政收入IN、广义货币供应量M2、房地产价格P和工业增加值IND四个变量构造VAR模型。

同上文分析类似，在反复尝试并结合AIC、BIC准则的判断标准后，选取滞后期为1阶。

根据检验结果，除了常数项以外，方程共16个参数，有11个通过t检验，方程的检验结果较好。

说明，政府收入IN比政府支出EX对房价的更有解释力。除政府收入方程的可决系数较小外，其他方程可决系数都在0.66-0.93之间，模型总体的解释力较好。

2.1.5 最终模型确立与分析

根据上述分析，最终确定VAR模型为：

方程分析结果如下：

（1）第一个方程的R2较小，IND(-1)、M2(-1)、P(-1)以及IN(-1)对于政府收入IN的解释力较小，政府收入增速更多依赖与其他的经济变量，这与现实经济相吻合。政府收入不光与实体经济和经济政策有关，还同当年的政府的税收计划相关；

（2）第二个方程是对工业增加值的增速分析，结果说明房价增速P，货币供应量增速M2，都对工业增加值有正的促进，而政府收入增速的提高将减缓工业增加值。这说明，房价的提高对于整体经济的发展，具有提振作用；

（3）第三个方程的拟合优度是四个方程中最高的，说明M2的增速与工业增加值增速、M2(-1)、政府收入增速、房价增速具有很大的关联性；

（4）第四个方程是对房价增速P的解释，从方程中可以明显看出，前一期的房价增速P(-1)对下一期有明显作用，同时，货币供应量增速的升高，会导致房价增速的上涨。

2.2 脉冲响应分析和方差分析

通过脉冲响应函数（Impulse Response Function，IRF）和方差分解可以分析某一变量扰动项的新息（innovation）对模型中所有变量的的冲击效应。结果见图2。

从脉冲分析的情况我们可以看出，房价的正冲击，对政府财政收入产生正向的冲击，这种冲击具有滞后性，并且随时间推移将逐渐减弱。

图2 脉冲分析结果

房价的正冲击同样对工业增加值产生正的影响，但影响幅度小，并且在长期这种影响逐渐减弱并趋于0。

然而，房价的正冲击会使货币供应量出现负的响应，并且在长期有不断扩大和稳定的趋势。

图3 方差分析结果

从方差分析图可以到，财政收入对房地产价格的影响比较平稳，影响约在10%左右。

广义的货币供应量对价格的影响随时间上升，最后影响约在20%左右。

工业增加值对房地产价格的影响在短期内并不明显，这种影响随着时间逐渐增大，但整体来说是比较小的。

2.3 小结

（1）房地产价格受到政府政策的影响。

通过房价与政府行为互动模型的建立与求解，可以看到，宏观经济以及政府政策对房地产价格具有显著的影响。

（2）财政政策对房地产价格的影响的短期效应明显。

在短期，积极的财政政策会给房地产价格带来正向的冲击，但这种冲击会随着时间的延续不断衰减，长期甚至会有一个负向的影响。

（3）货币政策对房地产价格的影响是比较长期的，虽然货币政策的调整对房地产市场波动的影响比较小，但是一种稳定的长期影响。

3 总结

本文从房地产行业的发展出发，建立了房价与政府行为互动关系VAR模型，并通过这个模型探索出房地产行业背后的内生机制。

结合现实以及学术界的观点，本文提出“中国的房地产行业是政府主导的政策性市场”的假设，并通过建立向量自回归VAR模型印证了这一观点。在房价与政府行为的互动关系VAR模型中，主要对房地产价格、政府收入、工业增加值以及货币供应量之间的内生关系进行了动态分析，结果表明，中国的房地产行业较大程度的受政府政策的影响。

[1]葛扬,陈崇.中国房地产市场供给结构与价格泡沫关系研究----基于var模型的脉冲响应分析[J].中国经济问题，2011,(2).

[2]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].土木工程学报，2008,(8).

[3]蒋艳,谢永钦,左西子.城市房地产供应量预测模型及应用[J].科技信息，2007,(3).

[4]张海洋.投资性需求对我国房价影响程度的实证分析[J].软科学，2011,(3).

[5]罗刚强,赵涛.转型期中国城市住宅市场供求状态及其波动效应，1991-2008[J].西安电子科技大学学报，2010,(2).

[6]田红保.论房地产业可持续房展评价误区与核心体系[J].中国房地产金融，2010,(3).

F224.9

A

1002-6487（2012）24-0159-03

林 辉（1972-），男，福建闽侯人，博士，教授，研究方向：金融工程与金融风险管理。

陈 焕（1988-），男，湖北英山人，硕士研究生，研究方向:金融工程与公司金融。

（责任编辑/亦 民）