齊琳

2000-2015年房地產(chǎn)投資與經(jīng)濟(jì)增長(zhǎng)實(shí)證研究
——基于江蘇省13個(gè)地級(jí)市的面板數(shù)據(jù)

齊琳

房地產(chǎn)投資與區(qū)域經(jīng)濟(jì)增長(zhǎng)的相互關(guān)系因房地產(chǎn)市場(chǎng)的火爆飽受關(guān)注。文章根據(jù)江蘇省13個(gè)地級(jí)市2000-2015年房地產(chǎn)投資、非房地產(chǎn)投資、區(qū)域人口與經(jīng)濟(jì)增長(zhǎng)（GDP）的面板數(shù)據(jù)，通過單位根檢驗(yàn)和協(xié)整檢驗(yàn)證實(shí)江蘇省13個(gè)地級(jí)市區(qū)域內(nèi)房地產(chǎn)投資、非房地產(chǎn)投資、勞動(dòng)力和經(jīng)濟(jì)增長(zhǎng)存在長(zhǎng)期的均衡關(guān)系，然后對(duì)面板模型的選擇和回歸估計(jì)，得到了江蘇省范圍內(nèi)13個(gè)地級(jí)市經(jīng)濟(jì)增長(zhǎng)的房地產(chǎn)投資系數(shù)，結(jié)果顯示江蘇省內(nèi)蘇州市對(duì)房地產(chǎn)投資依賴最大，房地產(chǎn)投資對(duì)鎮(zhèn)江市影響最小，接近于0，房地產(chǎn)投資對(duì)徐州市的影響是負(fù)面的。

房地產(chǎn)投資；經(jīng)濟(jì)增長(zhǎng)；江蘇省；面板數(shù)據(jù)

一、引言

2015年江蘇省實(shí)現(xiàn)地方生產(chǎn)總值70116.4億元，在國(guó)內(nèi)外經(jīng)濟(jì)不景氣的背景下仍強(qiáng)勢(shì)增長(zhǎng)8.5%。房地產(chǎn)市場(chǎng)四小龍：南京、蘇州、合肥、廈門中江蘇省占了兩個(gè)，那么房地產(chǎn)投資對(duì)江蘇省的經(jīng)濟(jì)增長(zhǎng)到底起到什么作用？本文將利用柯布道格拉斯生產(chǎn)函數(shù)的對(duì)數(shù)分別對(duì)江蘇省各市和13市的面板數(shù)據(jù)進(jìn)行平穩(wěn)檢驗(yàn)、協(xié)整檢驗(yàn)和面板數(shù)據(jù)的回歸估計(jì)，探尋二者的關(guān)系。

二、方法選取

經(jīng)濟(jì)現(xiàn)象越來(lái)越復(fù)雜，只用時(shí)間序列數(shù)據(jù)來(lái)對(duì)經(jīng)濟(jì)現(xiàn)象進(jìn)行研究偏差較大。面板數(shù)據(jù)能夠控制個(gè)體的異質(zhì)性，克服時(shí)間序列的多重共線性等問題，較好地確定和估計(jì)經(jīng)濟(jì)關(guān)系，使模型設(shè)定更合理，樣本估計(jì)更準(zhǔn)確。

（一）面板數(shù)據(jù)簡(jiǎn)介

N個(gè)橫截面成員方程組成靜態(tài)面板數(shù)據(jù)模型:

其中yit是方程的因變量，xlit…xkit是K個(gè)解釋變量，N是方程的橫截面的個(gè)體成員數(shù)，T代表橫截面成員的樣本觀測(cè)的時(shí)期數(shù)，參數(shù)αi代表截距項(xiàng)，β1i,…βki代表對(duì)應(yīng)于K個(gè)解釋變量的系數(shù)；在這里我們假設(shè)方程中的隨機(jī)誤差項(xiàng)ult相互獨(dú)立，且方程均滿足均值為零、方差同為σ2tl。

當(dāng)考慮解釋變量與被解釋變量的滯后項(xiàng),動(dòng)態(tài)面板模型為：

δ1i…δpi表示對(duì)應(yīng)p個(gè)變量之后被解釋變量的系數(shù)。ζ表示外生變量。

由于對(duì)截距項(xiàng)和解釋變量的系數(shù)的限制不同，將靜態(tài)面板數(shù)據(jù)模型分成三種：混合回歸模型、變截距模型和變系數(shù)模型。

1.混合回歸模型一般形式：

該模型假設(shè)，方程中截距項(xiàng)α和解釋變量的系數(shù)βit…βkt對(duì)所有的截面?zhèn)€體成員都是不變的，即個(gè)體成員既不受個(gè)體影響，也沒有結(jié)構(gòu)變化。于是：αi=αj，βi=βj。我們可以用最小二乘法對(duì)模型直接進(jìn)行估計(jì)。

2.變截距模型

這個(gè)模型假定，方程中截面?zhèn)€體成員截距項(xiàng)αi不同，解釋變量系數(shù)β1i,…βki不變，即個(gè)體成員會(huì)受到個(gè)體影響但沒有結(jié)構(gòu)變化，即αi≠aj,βi=βj

3.變系數(shù)模型的一般公式

此模型假定，截距項(xiàng)αi和解釋變量系數(shù)β1i,…βki對(duì)于所有的截面?zhèn)€體成員不相同，即個(gè)體成員上既存在個(gè)體的影響，又有結(jié)構(gòu)變化。于是我們有，αi≠aj,βi≠βj，所以稱其為變系數(shù)模型。對(duì)變截距和變系數(shù)模型，根據(jù)個(gè)體影響對(duì)模型的不同形式，還需要進(jìn)一步細(xì)分為固定效應(yīng)模型和隨機(jī)效應(yīng)模型：

（二）面板數(shù)據(jù)模型形式設(shè)定

我們首先檢驗(yàn)樣本數(shù)據(jù)應(yīng)該用哪種模型，一旦模型選錯(cuò)，估計(jì)結(jié)果有偏，而且同研究的現(xiàn)實(shí)經(jīng)濟(jì)狀況不符，可能得出錯(cuò)誤的結(jié)論。本文采用一般常用的Hausman檢驗(yàn)決定模型的影響形式、F檢驗(yàn)來(lái)確定模型形式。

1.Hausman檢驗(yàn)

原假設(shè)：數(shù)據(jù)適用隨機(jī)效應(yīng)模型:

在原假設(shè)條件（隨機(jī)效應(yīng)）下，αi與其他解釋變量不相關(guān)，即沒有遺漏相關(guān)變量，cov(xt,μ)=0，最小二乘法登出的估計(jì)量與工具變量法（IV）得到的參數(shù)一致。如果不符合原假設(shè)，cov(xt,μ)≠0最小二乘法得出的估計(jì)量得出的參數(shù)與IV得到的參數(shù)不一致。所以Hausman檢驗(yàn)通過檢驗(yàn)IV估計(jì)量與最小二乘法得出的估計(jì)量是否有顯著的差異性，來(lái)檢測(cè)樣本是否符合隨機(jī)效應(yīng)。

2.F檢驗(yàn)

對(duì)于我們的樣本數(shù)據(jù)適用變系數(shù)模型、變截距模型和混合回歸模型的哪一種，做出兩個(gè)假設(shè)：

并相應(yīng)給出以下兩個(gè)F檢驗(yàn)統(tǒng)計(jì)量：

N是方程的截面成員個(gè)數(shù)，T是方程中截面成員樣本觀測(cè)期數(shù)，K是所有非常數(shù)項(xiàng)的解釋變量個(gè)目，S1，S2，S3分別是三種模型變系數(shù)、變截距、混合回歸的殘差平方和。

（三）面板的單位根檢驗(yàn)

在回歸分析之前我們還需要檢驗(yàn)樣本數(shù)據(jù)的平穩(wěn)性，也就是面板數(shù)據(jù)單位根檢驗(yàn)，大致有兩種方法：共同單位根檢驗(yàn)（common root）和個(gè)體單位根檢驗(yàn)（individualroot）。commonroot利用LLC檢驗(yàn)，假設(shè)paneldata每個(gè)個(gè)體的系數(shù)相等并且同質(zhì)的，所以局限性比較大；individualroot采用IPS檢驗(yàn)和Fisher檢驗(yàn)，IPS檢驗(yàn)是假定paneldata有N個(gè)相互獨(dú)立的個(gè)體，每個(gè)個(gè)體都有T時(shí)期的數(shù)據(jù)，通過構(gòu)造統(tǒng)計(jì)量來(lái)檢驗(yàn)paneldata是否存在單位根，檢驗(yàn)平衡面板數(shù)據(jù)時(shí)一般會(huì)用這種方法。但是如果paneldata不平衡，IPS檢驗(yàn)結(jié)果就會(huì)不準(zhǔn)確，F(xiàn)isher檢驗(yàn)包括Fisher-ADF檢驗(yàn)和Fisher-PP檢驗(yàn)，這兩種方法都設(shè)定時(shí)間序列長(zhǎng)度的觀測(cè)值和滯后期可以不同，對(duì)IPS檢驗(yàn)方法進(jìn)行了改進(jìn)，檢驗(yàn)的準(zhǔn)確度較高。以上幾種單位根檢驗(yàn)方法的原假設(shè)都是paneldata含有單位根，如果原假設(shè)被拒絕，panel data是平穩(wěn)的。

（四）面板協(xié)整檢驗(yàn)

如果單位根檢驗(yàn)后所有變量都是同階單整的，我們才可以檢驗(yàn)paneldata的單位根變量之間是否存在長(zhǎng)期的均衡關(guān)系。協(xié)整檢驗(yàn)主要有Pedroni檢驗(yàn)、Kao檢驗(yàn)和Johansen協(xié)整檢驗(yàn)三種。三種方法都假定各變量間不存在協(xié)整關(guān)系，原假設(shè)被拒絕則證明面板數(shù)據(jù)通過了協(xié)整檢驗(yàn)，長(zhǎng)期穩(wěn)定的均衡關(guān)系存在。

二、單位根檢驗(yàn)和協(xié)整檢驗(yàn)的實(shí)證分析

我們將柯布道格拉斯生產(chǎn)函數(shù)剔除技術(shù)的影響，作為模型的依據(jù)。經(jīng)濟(jì)增長(zhǎng)的指標(biāo)（GDP）作為因變量，房地產(chǎn)投資看作自變量，加入非房地產(chǎn)投資額、勞動(dòng)力作為控制變量，除了房地產(chǎn)投資，非房地產(chǎn)的固定資產(chǎn)投資和勞動(dòng)力也會(huì)對(duì)經(jīng)濟(jì)發(fā)展有重大影響，所以實(shí)證分析必須考慮非房地產(chǎn)投資和勞動(dòng)力。。筆者從江蘇統(tǒng)計(jì)年鑒中選取2000年至2015年江蘇省13個(gè)地級(jí)市的年度GDP、年末總?cè)丝跀?shù)據(jù)、房地產(chǎn)投資額，再利用歷年房地產(chǎn)投資和固定資產(chǎn)投資算出非房地產(chǎn)投資額，分別用英文字母GDP、POPU,RI,NRI表示，把樣本數(shù)據(jù)取自然對(duì)數(shù)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(yàn)

根據(jù)上文所述的方法對(duì)面板數(shù)據(jù)進(jìn)行IPS、Fisher-ADF檢驗(yàn)、Fisher-PP檢驗(yàn)。結(jié)果如下：

表1 面板數(shù)據(jù)的單位根檢驗(yàn)

數(shù)據(jù)使用Eviews8.0計(jì)算整理所得，檢驗(yàn)結(jié)果顯示，房地產(chǎn)投資的對(duì)數(shù)序列在包含趨勢(shì)項(xiàng)時(shí)不平穩(wěn)，只包含截距項(xiàng)時(shí)平穩(wěn)。非房地產(chǎn)投資的對(duì)數(shù)序列在只包含截距項(xiàng)時(shí)不平穩(wěn)，包含截距項(xiàng)時(shí)平穩(wěn)，所有序列的差分序列平穩(wěn)，因此所有序列為同階單整。

（二）協(xié)整檢驗(yàn)

經(jīng)過檢驗(yàn)，我們的paneldata四個(gè)變量都是同階單整序列，接下來(lái)我們進(jìn)行協(xié)整檢驗(yàn)。筆者利用Pedroni檢驗(yàn)，為了保證準(zhǔn)確性，再采用Kao檢驗(yàn)的方法驗(yàn)證Pedroni檢驗(yàn)的結(jié)果。檢驗(yàn)結(jié)果見下表：

表2 江蘇省13個(gè)地級(jí)市的協(xié)整檢驗(yàn)結(jié)果

表2結(jié)果顯示：在5%的顯著性水平下，Kao檢驗(yàn)的p統(tǒng)計(jì)值幾乎為0，H0都被拒絕：四個(gè)變量存在協(xié)整關(guān)系，Pedroni檢驗(yàn)大部分統(tǒng)計(jì)量的P值小于5%，拒絕H0。所以2000-2015年江蘇省房地產(chǎn)投資、非房地產(chǎn)投資、勞動(dòng)力、經(jīng)濟(jì)增長(zhǎng)四個(gè)變量之間有長(zhǎng)期穩(wěn)定的均衡關(guān)系。

三、面板數(shù)據(jù)模型選擇

（一）Hausman檢驗(yàn)確定模型的影響形式

利用Eviews8.0對(duì)Paneldata建立隨機(jī)效應(yīng)回歸：，然后在回歸結(jié)果的基礎(chǔ)上繼續(xù)進(jìn)行Hausman檢驗(yàn)。結(jié)果如下：

表3 面板數(shù)據(jù)Hausman檢驗(yàn)結(jié)果

Hausman檢驗(yàn)的P值接近0，拒絕原假設(shè)——面板數(shù)據(jù)模型為隨機(jī)效應(yīng)模型。所以江蘇省13地級(jí)市的面板數(shù)據(jù)應(yīng)建立固定效應(yīng)模型。

（二）F檢驗(yàn)確定面板數(shù)據(jù)形式

分別用混合回歸模型、變截距模型、變系數(shù)模型估計(jì)lnGDP、LnRI、lnNRI、lnPOPU之間的關(guān)系：，并記錄S1，S2，S3，根據(jù)上文所述的

計(jì)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，F(xiàn)2=（48，156）=1.439265。因?yàn)镕2>1.439265，拒絕H2，又因?yàn)镕1>1.49，拒絕了H1。因此，江蘇省13個(gè)地級(jí)市房地產(chǎn)投資對(duì)GDP的影響模型適用變系數(shù)模型。

（三）面板模型的回歸估計(jì)

根據(jù)面板模型形式的檢驗(yàn)結(jié)果，我們對(duì)江蘇省13個(gè)地級(jí)市面板數(shù)據(jù)建立固定效應(yīng)變系數(shù)模型：

為了消除研究數(shù)據(jù)存在的組內(nèi)自相關(guān)和群組異方差，用Cross-sectionweight對(duì)各解釋變量進(jìn)行截面加權(quán)，而且適用White period系數(shù)協(xié)方差的方法，用Eviews8.0對(duì)變系數(shù)模型進(jìn)行估計(jì)，結(jié)果如下：

表4 固定效應(yīng)變系數(shù)模型的回歸估計(jì)結(jié)果

截面固定效應(yīng)（加權(quán)統(tǒng)計(jì)量）

截面固定效應(yīng)（未加權(quán)）

表4給出了江蘇省13個(gè)地級(jí)市數(shù)據(jù)應(yīng)用固定效應(yīng)變系數(shù)模型的估計(jì)結(jié)果，而后是回歸方程擬合優(yōu)度R2、F、D-W等加權(quán)和未加權(quán)的統(tǒng)計(jì)結(jié)果。由表可知，13個(gè)地級(jí)市的房地產(chǎn)投資、非房地產(chǎn)投資、人口的回歸系數(shù)在1%的顯著性水平下的估計(jì)值都是有效的；擬合優(yōu)度達(dá)到99%以上；D-W統(tǒng)計(jì)量稍小于2，說(shuō)明在回歸的估計(jì)方法中選取Cross-section weight對(duì)各解釋變量進(jìn)行截面加權(quán)，并采用White period系數(shù)協(xié)方差的計(jì)算方法都有效地削弱了panel data中的組內(nèi)自相關(guān)和群組異方差的影響。

（四）房地產(chǎn)投資對(duì)GDP影響力的區(qū)域差異

房地產(chǎn)投資額的回歸系數(shù)β1代表房地產(chǎn)投資每增長(zhǎng)1%，GDP將隨之增長(zhǎng)β1%，房地產(chǎn)投資對(duì)GDP的影響力在江蘇省各市差別很大。13個(gè)地級(jí)市按照房地產(chǎn)投資的回歸系數(shù)排列如下，第二列為房地產(chǎn)投資系數(shù)與非房地產(chǎn)投資系數(shù)的比值：

表5 江蘇省13個(gè)地級(jí)市房地產(chǎn)投資對(duì)區(qū)域生產(chǎn)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(chǎn)投資增長(zhǎng)1%，GDP可增長(zhǎng)0.62%，房地產(chǎn)投資額對(duì)GDP的影響力市非房地產(chǎn)的14倍，對(duì)房地產(chǎn)投資的依賴過高。同為房地產(chǎn)市場(chǎng)四小龍的南京市，房地產(chǎn)投資額增長(zhǎng)1%，GDP會(huì)上漲0.47%，房地產(chǎn)投資對(duì)GDP的影響力是非房地產(chǎn)投資的1.34倍，房地產(chǎn)投資的影響力也高于非房地產(chǎn)投資的影響力，但是對(duì)蘇州市較為均衡。徐州市房地產(chǎn)投資對(duì)GDP的影響是負(fù)向的，房地產(chǎn)投資相比非房地產(chǎn)投資，對(duì)GDP的影響力非常微弱。雖然房地產(chǎn)投資與非房地產(chǎn)投資恰當(dāng)比例仍有待研究，但是由于房地產(chǎn)投資對(duì)GDP的影響并不可持續(xù)，對(duì)房地產(chǎn)投資依賴過高的市區(qū)應(yīng)借房地產(chǎn)市場(chǎng)的熱潮拉動(dòng)非房地產(chǎn)投資與技術(shù)進(jìn)步，以開發(fā)新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。

四、結(jié)論

本文使用平穩(wěn)性檢驗(yàn)、協(xié)整檢驗(yàn)、面板數(shù)據(jù)回歸估計(jì)研究了江蘇省13個(gè)地級(jí)市房地產(chǎn)投資與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。研究發(fā)現(xiàn)，江蘇省房地產(chǎn)投資與經(jīng)濟(jì)增長(zhǎng)存在長(zhǎng)期的均衡關(guān)系，江蘇省13個(gè)地級(jí)市房地產(chǎn)投資、非房地產(chǎn)投資、人口、經(jīng)濟(jì)增長(zhǎng)之間的回歸方程如下：

南京市：

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

無(wú)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(yáng)州市：

1nGDP=0.465113+0.4177621nRI+0.3441771nNRI+0.2808541nPOPU鎮(zhèn)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(nèi)房地產(chǎn)投資對(duì)GDP的影響力差異較大，其中蘇州市對(duì)房地產(chǎn)投資依賴最高，徐州市最低，呈負(fù)向影響。雖然房地產(chǎn)投資與非房地產(chǎn)投資對(duì)城市經(jīng)濟(jì)良性發(fā)展的恰當(dāng)比例仍有待后續(xù)研究，而且各市區(qū)經(jīng)濟(jì)基本面各異，不過可以肯定的是，房地產(chǎn)投資相對(duì)非房地產(chǎn)投資過高或過低都不利于城市經(jīng)濟(jì)可持續(xù)發(fā)展，從這個(gè)角度來(lái)說(shuō)，雖然江蘇省經(jīng)濟(jì)總體強(qiáng)勁，各市仍需平衡房地產(chǎn)投資與非房地產(chǎn)投資的關(guān)系，促進(jìn)經(jīng)濟(jì)長(zhǎng)期可持續(xù)發(fā)展。

[1]粱富山.房地產(chǎn)價(jià)格波動(dòng)對(duì)地方財(cái)政收入的效應(yīng)研究——基于1997-2009省際面板數(shù)據(jù)的實(shí)證分析[D].遼寧：東北財(cái)經(jīng)大學(xué)，2011.

[2]許東釗.中國(guó)房地產(chǎn)投資與經(jīng)濟(jì)增長(zhǎng)關(guān)系的區(qū)域比較研究[D].河北：河北大學(xué)，2014.

[3]蔣旻，許曉燕.浙江省經(jīng)濟(jì)增長(zhǎng)對(duì)房地產(chǎn)價(jià)格影響實(shí)證分析[J].價(jià)格月刊，2008，(10).13-16.

[4]江蘇省統(tǒng)計(jì)年鑒.2015.

齊琳，女，河北廊坊人，南京農(nóng)業(yè)大學(xué)公共管理學(xué)院學(xué)生，研究方向：房地產(chǎn)經(jīng)濟(jì)。

F121

A

1008-4428（2016）12-107-04