我国房地产价格影响因素实证分析

朱金嫒

[摘要]本文以中国房地产价格为研究对象，分别使用OLS法、Johansen检验法和ARJMA模型来分析货币供应量、利率、通货膨胀率、储蓄、城镇化率对房地产价格影响。实证检验结果表明：居民消费价格指数和城镇化率与房地产价格之间具有明显的正相关关系。

[关键词]金融变量 城镇化率 房地产 ARIMA模型

一、引言

党的十九大上习近平总书记提出“房子是用来住的”，这对我国房地产行业来说是一件大事。随着我国经济发展进入新常态，如何切实去除房地产行业的库存，这成为我国政府的任务之一。最近几年，中国房价居高不下并且持续上涨已然成为国内外关注的一个热点。2008年金融危机爆发后，为了刺激经济国家相继出台了一系列的政策，房地产市场持续回暖。回顾2017年，我国房地产市场依然比较火爆，一线城市的房价继续上升，以安徽蚌埠为代表的部分三线城市增幅位居全国前列，以合肥市为代表的部分二线城市房价则经历了好几轮过山车。

国内外对房地产价格方面的研究非常丰富，这些研究基本包括了了各个领域的理论。但是主要的研究角度只有两个，一是以理性预期假设为前提，重点分析宏观经济经济变量对房地产价格的影响。二是研究政府政策对房地产价格的有效性。

（一）国外研究情况

Abraham（1993）认为居民收入的增长、存贷款利息差与房地产价格之间存在长期稳定的均衡关系。GeoffKenny（1999）以爱尔兰的房地产价格为研究对象，认为房地产价格与房地产供应总量、居民收入、贷款利率之间存在长期稳定的均衡关系。Rigobon和Sack（2004）认为政府的政策对房地产价格的影响短期内有效而长期无效。

（二）国内研究情况

进入21世纪以来，随着我国住房制度的改革，我国房地产市场逐渐火热起来，国内的相关研究也日趋丰富。张涛（2006）研究了商业银行的贷款利率与房地产价格之间的关系，认为二者之间存在非常显著的关系。孙栋（2011）认为居民收入对房地产价格的变动具有决定性作用，二者之间存在长期稳定的均衡关系。谢太峰（2013）通过建立向量自回归模型对中国房地产价格进行动态分析，认为货币供应量与房地产价格正相关，贷款利率与房地产价格负相关。

房价的影响因素以及这些因素的影响程度，一直是中国经济学界的热议话题。除了刚性需求这个最大的因素外，最重要的因素便是金融经济政策。本文通过运用计量经济学的方法，综合分析2000--2015年的经济数据，探讨中国货币供应量、利率、通货膨胀率、储蓄、城镇化率对房地产价格影响。

二、变量选择与样本数据

（1）货币供应量。货币供应量主要由两部分构成，一是金融机构供应的存款货币，二是流通中的现金。中国人民银行将我国货币供应量划分为三个层次分别是M0、M1和M2。MO（流通中的现金）=单位库存现金+居民持有现金；M1（狭义货币供应量）=M0+活期存款；M2=MI+定期存款+储蓄存款+证券公司的客户保证金本文的货币供应量数据来源于2000-2015年的《中国金融年鉴》

（2）贷款利率。住房按揭贷款已经成为中国民众购买商品房的主要方式，其也成为政府调节房价的重要手段。住房按揭贷款利率越高，民众对于商品房的需求就会降低，房价自然也会下降。反之亦然。贷款利率数据根据中国人民银行年度统计数据整理得到。

（3）通貨膨胀率。在衡量通货膨胀时，消费者物价指数使用得最多、最普遍。所以本文也主要选取消费者物价指数（CPI）来代表通货膨胀率，数据来自于国家统计局2000-2015年《中国统计年鉴》。

（4）储蓄。也被称作储蓄存款它反映了居民可用于支配的现金，本文主要选取了城乡居民人民币储蓄存款作为研究变量。数据主要根据中国人民银行和wind资讯进行整理。

（5）城镇化率。由于城市土地供给相对有限，所以城镇化水平越高，房地产价格也相应会上涨。本文主要以城镇人口占总人口的比例来计算城镇化率。数据来源于wind资讯。

三、实证分析

为了详细分析我国货币供应量、利率、通货膨胀率、储蓄、城镇化率对房地产价格影响，分别采用OLS法拟合经济方程，同时使用Johansen检验来分析各变量之间有无协整关系，最后建立ARIMA模型。

（一）线性回归方程

使用Eviews7可得到OLS法估计结果（表1），该模型的判定系数为0.993293调整判定系数为O.989939，可决系数很高，F检验值为296.1885明显显著，x1的系数为负，表明随着货币供应量的增加，房价将会下降，这与经济意义矛盾，表明可能存在严重的多重共线性。

从经济意义上来说，我国为了保持宏观经济政策的连续性与稳定性，一般不会大幅度的变动利率，尤其是中长期的贷款利率；另一方面贷款利率政策也是作为国家调控房价的重要手段，分析贷款利率对房地产价格的影响应该主要从两个方面进行着手，一方面贷款利率对于房地产企业来说有重大的影响；另一方面，贷款利率对购房者的购房成本也有重要的影响。

（二）方差膨胀因子检验

x1的系数为负，表明随着货币供应量的增加，房价将会下降，这与经济意义矛盾，同时VIF值均大于10且TOL值小于0.01，表明可能存在严重的多重共线性。

经比较发现，新加入回归方程V=f（x3，x1）和V f（x3，x4）的x1和x4的T检验都没有通过。而回归方程Y=f（x3，x5）不仅T检验通过而且符合原假设。因此，最终确定的模型为Y 8188.587+13.13.83576X3+1113.3831X5。该模型的F统计量为515.1705，判定系数为0.987540，大于0.85。

（三）Johansen检验

Johansen协整检验比EG检验法操作困难，但是其优势在于它可以检验变量之间所有的协整关系，对Y和x3、x5之间的协整关系进行检验。协整检验结果表明，Y和x3、x5之间存在协整关系。

（四）ARIMA模型

ARIMA模型（亦称自回归积分滑动平均模型），它使用数学原理来拟合波动的时间序列，主要运用差分的方法对波动的数据进行处理，其处理思想和VAR模型中的ADF检验类似。表给出了模型的7个拟合优度指标的相关数据，R方值为0.993这充分说明ARIMA（1，1，1）的拟合状况非常好。

ARIMA（1，1，1）模型的拟合图和观测值。序列总体上呈上升状态，拟合值和观测值曲线在整个研究区间上整体拟合状况良好，也与我国房地产价格的走势相吻合。

四、结论

本文通过对货币供应量、利率、通货膨胀率、储蓄、城镇化率对房地产价格多个个变量进行实证检验，首先运用OLS法去除货币供应量、利率和储蓄这三个存在异方差的变量，然后通过协整检验得出通货膨胀率和城镇化率与房地产价格之家存在协整关系，最后建立ARIMA模型拟合房地产价格走势。本文认为，在物价水平不断上升的情况下，房地产的价格也不断攀升，其甚至可以作为居民保持财富的一种媒介。同时，随着我国城镇化水平的不断提高，新城镇人口逐渐成为楼市去库存的主力军。

在经济进入新常态的背景下，政府更应该主动调节房地产市场。传统的经济法律手段对房地产市场难以产生重大的影响，我们必须从管理机制上进行创新，着力推进“租售同权”。